基于卷积神经网络-长短期记忆神经网络模型利用光学体积描记术重建动脉血压波信号

目的 直接动脉血压（arterial blood pressure,ABP）连续监测是侵入式的,传统袖带式的间接血压测量法无法实现连续监测。既往利用光学体积描记术（photoplethysmography,PPG）实现了连续无创血压监测,但其为收缩压和舒张压的离散值,而非ABP波的连续值,本研究期望基于卷积神经网络-长短期记忆神经网络（CNN-LSTM）利用PPG信号波重建ABP波信号,实现连续无创血压监测。方法 构建CNN-LSTM混合神经网络模型,利用重症监护医学信息集（medical information mart for intensive care,MIMIC）中的PPG与ABP波同步记录信号数据,将PPG信号波经预处理降噪、归一化、滑窗分割后输入该模型,重建与之同步对应的ABP波信号。结果 使用窗口长度312的CNN-LSTM神经网络时,重建ABP值与实际ABP值间误差最小,平均绝对误差（mean absolute error,MAE）和均方根误差（root mean square error,RMSE）分别为2.79 mmHg和4.24 mmHg,余弦相似度最大,重建ABP值与实际ABP值一致性和相关性情况良好,符合美国医疗器械促进协会（Association for the Advancement of Medical Instrumentation,AAMI）标准。结论 CNN-LSTM混合神经网络可利用PPG信号波重建ABP波信号,实现连续无创血压监测。