文献类型：期刊文章

作　　者：孙斌[1] 储芳芳[1] 陈小惠[1]

Sun Bin;Chu Fangfang;Chen Xiaohui(School of Automation&School of Artificial Intelligence,Nanjing University of Posts and Telecommunications,Nanjing 210023,China)

机构地区：[1]南京邮电大学自动化学院、人工智能学院,南京210023

出　　处：《电子测量技术》

基　　金：国家自然科学基金(61801239)项目资助。

年　　份：2022

卷　　号：45

期　　号：7

起止页码：68-74

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为降低个体特征差异对无创血压预测模型精度的影响,提高预测准确率,提出建立贝叶斯优化(BO)XGBoost的无创血压预测方法。该方法首先通过脉搏波传导时间(PTT)和身体质量指数(BMI)建立多元线性模型获得初步血压预测值;进一步结合人体特征参数作为XGBoost血压预测模型的输入;再运用贝叶斯优化对XGBoost超参数自动寻优,最终建立BO-XGBoost模型进行血压预测,并与其他方法对比。实验结果表明,BO-XGBoost血压预测模型舒张压和收缩压测量值的平均误差满足美国医疗仪器促进协会(AAMI)制定的小于5 mmHg的标准,与水银血压计具有更好的一致性。

关 键 词：血压预测  人体特征  贝叶斯优化  XGBoost  

分 类 号：TP274]