基于小波分析的人體血壓預(yù)測.pdf

1、血壓作為人體重要生理體征，可靠有效的血壓預(yù)測在醫(yī)療決策中具有重要意義。近年來高血壓急癥和腦溢血等心血管相關(guān)的疾病嚴重威脅人類的身體健康。在臨床上，血壓是一項重要檢查的指標，經(jīng)常用來診斷高血壓、急性低血壓、評價心血管功能是否正常，因此對動脈血壓進行有效的預(yù)測，能為醫(yī)護人員提供有效的醫(yī)療決策信息，同時使醫(yī)護人員可以快速定位病因并采取相應(yīng)的救治措施，從而有效的控制患者的病情。同時，互聯(lián)網(wǎng)、物聯(lián)網(wǎng)和云計算等技術(shù)快速發(fā)展為人體血壓預(yù)測提供技術(shù)支持

2、。
　　本文將人體動脈血壓作為研究對象，以時間序列模型來對其進行預(yù)測。首先，以人工神經(jīng)網(wǎng)絡(luò)為理論基礎(chǔ)，分析并選擇在預(yù)測領(lǐng)域廣泛使用的三種人工神經(jīng)網(wǎng)絡(luò)方法：BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法、Elman神經(jīng)網(wǎng)絡(luò)預(yù)測方法以及基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法，以這三種方法來建立血壓時間序列預(yù)測模型，并對這三種方法建立的預(yù)測模型進行實驗分析并探討改進方案。然后提出基于小波分析的BP神經(jīng)網(wǎng)絡(luò)血壓預(yù)測模型，即先將血壓時間序列進行小波三層分解與單支重構(gòu)

3、還原，分別對分解后的信號進行分析，從而對小波重構(gòu)后的每層信號分別建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進行預(yù)測，通過對每層血壓分量預(yù)測的結(jié)果疊加即可得到最終血壓預(yù)測值。最后，結(jié)合小波分解與重構(gòu)后信號的特點進行分析，發(fā)現(xiàn)小波分解與重構(gòu)后的高頻信號為平穩(wěn)信號、低頻信號仍然為非平穩(wěn)信號，針對這一特點提出了基于小波分析的BP神經(jīng)網(wǎng)絡(luò)和自回歸滑動平均（Auto Regression Moving Average，ARMA）組合血壓預(yù)測模型，對高頻信號重新建立預(yù)

4、測模型，即用平穩(wěn)時間序列方法自回歸滑動平均模型來進行高頻分量預(yù)測，低頻趨勢分量仍然使用BP神經(jīng)網(wǎng)絡(luò)模型進行預(yù)測。實驗表明，改進后的組合預(yù)測模型對于血壓預(yù)測能取得更好的預(yù)測效果。
　　論文中以時間序列預(yù)測法建立的三種人工神經(jīng)網(wǎng)絡(luò)模型在人體血壓預(yù)測中取得一定的效果，但并不理想。通過引入小波多分辨率分析，用Mallat快速算法將血壓時間序列分解成不同頻率成分分量，使得每層分量信息更加單一，預(yù)測模型能夠極佳逼近人體血壓的變化，達到可靠預(yù)測