一种面向肥胖人群的无袖带血压测量方法研究

肥胖人群是特殊人群,通过实时检测血压,可以预防高血压,大大降低由高血压引起的各种并发症.为了解决现有算法对肥胖人群血压测量准确度不高的问题,提出一种基于Stacking集成机器学习的血压计算模型,该模型将K近邻、极端随机树、lightGBM回归模型作为初级学习器,线性回归模型作为次级学习器.通过使用长桑技术设备提取并建立PPG特征值数据集,将数据集分成非肥胖人群(BMI<25)和肥胖人群(BMI>25),并把身体质量指数(BMI)作为新的特征参数加入到模型进行训练和测试.实验结果:在非肥胖人群中,Stacking模型测量收缩压和舒张压的评价指标RMSE/MAE分别为6.611/5.410和4.368/3.242;在肥胖人群中,Stacking模型测量收缩压(SBP)和舒张压(DBP)的评价指标RMSE/MAE分别为6.394/4.979和4.350/3.233.实验结果表明,该Stacking模型对肥胖人群的血压计算精度明显高于非肥胖人群,且测量结果符合AAMI国际电子血压计标准(RMSE<8 mmHg,MAE<5 mmHg),提高了肥胖人群血压测量的准确度,可以应用到生物医学领域.