融合注意力机制的BiLSTM网络实现无创血压测量_陈晓.pdf

电 子 测 量 技 术E L E C T RON I CME A S U R EME N TT E CHNO L O G Y第4 5卷 第2 3期2 0 2 2年1 2月 D O I:1 0.1 9 6 5 1/j.c n k i.e m t.2 2 1 0 0 1 4融合注意力机制的B i L S TM网络实现无创血压测量陈 晓1,2 杨 瑶1(1.南京信息工程大学电子与信息工程学院 南京 2 1 0 0 4 4;2.南京信息工程大学大气环境与装备技术协同创新中心 南京 2 1 0 0 4 4)摘 要:血压是人体的重要生理指标特征,血压的准确测量对心血管类疾病的诊断和治疗有重要意义。提出了基于注意力机制的双向长短记忆网络用于无创血压测量的方法。由于注意力机制可以根据特征的重要性来分配权重系数,所以方法把其引入到双向长短记忆网络中从脉搏波中计算出血压。试验结果表明引入注意力机制的双向长短记忆网络相较于双向长短记忆网络,M S E值和MA E值都得到了大幅度的降低,分别降低了1 8.2 9%和2 1.2 7%,R方值提高了0.1 7%。方法提高了无创血压测量的精度。关键词:血压测量;脉搏;双向长短记忆网络;注意力机制中图分类号:TN 9 1 1.7 文献标识码:A 国家标准学科分类代码:5 2 0 2 0N o n i n v a s i v e b l o o d p r e s s u r e m e a s u r e m e n t b a s e d o n B i L S TM n e t w o r k w i t h a t t e n t i o n m e c h a n i s mC h e n X i a o1,2 Y a n g Y a o1(1.S c h o o l o f E l e c t r o n i c a n d I n f o r m a t i o n E n g i n e e r i n g,N a n j i n g U n i v e r s i t y o f I n f o r m a t i o n S c i e n c e a n d T e c h n o l o g y,N a n j i n g 2 1 0 0 4 4,C h i n a;2.J i a n g s u C o l l a b o r a t i v e I n n o v a t i o n C e n t e r o f A t m o s p h e r i c E n v i r o n m e n t a n d E q u i p m e n t T e c h n o l o g y,N a n j i n g U n i v e r s i t y o f I n f o r m a t i o n S c i e n c e a n d T e c h n o l o g y,N a n j i n g 2 1 0 0 4 4,C h i n a)A b s t r a c t:b l o o d p r e s s u r e i s a n i m p o r t a n t p h y s i o l o g i c a l i n d e x o f h u m a n b o d y.I t c a n j u d g e t h e c a r d i o v a s c u l a r f u n c t i o n a n d h e a r t c o n d i t i o n o f t h e b o d y.M a n y d i s e a s e s a r e c l o s e l y r e l a t e d t o b l o o d p r e s s u r e.T h e r e f o r e,t h e c o r r e c t d e t e r m i n a t i o n o f b l o o d p r e s s u r e i s o f g r e a t s i g n i f i c a n c e f o r t h e d i a g n o s i s a n d t r e a t m e n t o f c a r d i o v a s c u l a r d i s e a s e s.W e p r o p o s e d a n o n i n v a s i v e b l o o d p r e s s u r e m e a s u r e m e n t m e t h o d b a s e d o n B i L S TM n e t w o r k.F i r s t l y,t a k i n g t h e B i L S TM n e t w o r k a n d t h e t r a d i t i o n a l L S TM a s t h e e x p e r i m e n t a l m o d e l,a n d c o m p a r i n g t h e o u t p u t e v a l u a t i o n i n d e x c o e f f i c i e n t s,i t i s f o u n d t h a t t h e B i L S TM n e t w o r k h a s a b e t t e r e f f e c t o n b l o o d p r e s s u r e m e a s u r e m e n t.B e c a u s e t h e a t t e n t i o n m e c h a n i s m c a n a s s i g n w e i g h t c o e f f i c i e n t s f r o m r o w s a c c o r d i n g t o t h e i m p o r t a n c e o f f e a t u r e s,i t i s i n t r o d u c e d i n t o t h e B i L S TM n e t w o r k w i t h g o o d m e a s u r e m e n t e f f e c t f o r e x p e r i m e n t s.A c c o r d i n g t o t h e r e s u l t s,i t i s f o u n d t h a t c o m p a r e d w i t h t h e o r i g i n a l B i L S TM m o d e l,t h e M S E v a l u e a n d M a e v a l u e o f t h e i n t r o d u c e d a t t e n t i o n m e c h a n i s m m o d e l a r e g r e a t l y r e d u c e d b y 1 8.2 9%a n d 2 1.2 7%r e s p e c t i v e l y,a n d t h e R-s q u a r e v a l u e i s i n c r e a s e d b y 0.1 7%.K e y w o r d s:b l o o d p r e s s u r e m e a s u r e m e n t;p u l s e;b i d i r e c t i o n a l l o n g s h o r t m e m o r y n e t w o r k;a t t e n t i o n m e c h a n i s m 收稿日期:2 0 2 2-0 5-1 90 引 言 社会的发展不仅提高了人们的生活环境质量,也使得日常的饮食变得丰富多元化起来。但是随之而来健康的问题就变得越来越突出。根据近几年来的调查统计数据,心血管疾病正危害着全球人民的公共健康。该疾病致死率较高,高血压则是导致该类疾病的主要原因1。因此,早期预警监控对于后期的治疗有十分重要意义2,不仅可以提醒自己身体的健康状况,也可以避免就医不及时造成严重的后果,方便了医生的病情查询和具体治疗方案的实施。随着人们对血压测量的进一步探究,许多学者开展了应用脉搏信号3-6进行连续血压测量的研究。随着智能算法7-1 4的发展,一些学者开展了应用学习算法进行连续血压测量 的 工 作。雷 苏 力 提 出 了B P神 经 网 络 的 学 习 模型1 1,实现血压的连续检测并可视化展现,但检测的误差较大。王月猛提出了利用E l m a n网络1 4的记忆功能和时间特性,采用B P与E l m a n网络分别进行实验研究,结果显示E l m a n网络的整体检测效果优于B P神经网络。李帆提95 第4 5卷电 子 测 量 技 术出了基于P P G信号的长短记忆(L S TM)网络同步动脉血压测量方法1 5,将R NN与L S TM作为实验的模型对象进行对比,发现无论是在训练过程还是在血压测量的精度上,L S TM网络都远超了传统的R NN网络。但L S TM网络是单向的结构1 6,即时状态只能按照时间的序列从之前的信息中获取。在实际应用中,对于信号的处理依赖于以前和未来两个方面的信息,这样可以更加准确的获取信息。基于以上分析,用双向的长短期记忆(B i L S TM)网络通过两个方向来对信息进行处理,分别是从左到右和从右到左这两个方向,从而可以获得更加完整的序列特征。在长时间序列的短子序列中各个特征的重要程度存在差异性,重要的特征往往包含着更多的信息量,对结果的影响更大。因此,在双向长短记忆网络中加入注意力机制,可以更好的提升特征提取的能力,实现高效获取更多重要信息的目的,进而提升对血压测量的准确性。1 实验数据1.1 数据来源 在实验研究中,主要是通过从M I M I C数据库中下载并建立本实验需要的数据库,根据单路的P P G信号来进行实时血压的测量。为此需要建立一个符合本次实验要求的小型数据库,其中每个小组的信号数据包括P P G信号和A B P信号。A B P信号用于模型训练中和评判模型好坏的标准值。M I M I C数据库是一个公开的医学数据库,由美国麻省理工学院和飞利浦医疗联合建立。实验数据都来自于第一代M I M I C数据库中m i m i c d b。m i m i c d b中收录了9 0名I C U患者的真实数据,可以通过登陆P h y s i o B a n k A TM在线查询,也能够实现数据的下载。M I M I C数据库中数据的都是重症的监护室的病人的数据,所以需要对数据筛选。在S i g n a l s选项中查找该标签是否有同一时间段内的P P G信号和血压信号,L e n g t h选项上选择数据长度为1m i n,T o o l b o x中选定数据的输出方式为将信号导出为C S V,然后进行下载。将下载好的数据进行人工筛选,删除那些不需要的其它指标数据,只留下需要的P P G信号和血压信号。此次实验的数据库主要是通过在M I M I C数据库中筛选出1 3条同时拥有光电容积脉搏波信号数据和血压信号数据的标签,并进行下载存储,建立Y Y 1数据库,每个便签的编号分别为0 3 9、0 4 1、0 5 5、2 1 1、2 1 6、2 1 9、2 2 1、2 2 4、2 3 0、4 7 6、4 8 0、4 8 4、和4 8 5,且每个标签只取了5 0 0 0组数据,共6 5 0 0 0组血压和脉搏数据用作实验。1.2 数据处理 1)归一化归一化操作是为了消除数据间量纲影响,让后面实验处理的数据指标处于同一数量。归一化公式如式(1)所示。经过归一化处理后的数据,信号幅值都在0,1 之间。M(t)