基于容積脈搏波的血管年齡評測機理的研究.pdf

1、近代臨床醫(yī)學之父、英國著名內科醫(yī)師Thomas Sydenham說過：“一個人的動脈有多老，他就有多老。”近年來，心腦血管疾病越來越成為威脅著人們身體、生命健康的疾病之一，做好心血管的預防工作至關重要，人們對血管健康的評估的需求日益高漲。未來的展望是：有效而普及的健康知識宣傳、準確的檢測結果和統(tǒng)計分析、危險因素的發(fā)現(xiàn)與評估、高效的干預危險因素，其中對心血管健康的檢測分析與評估尤為關鍵。
　　本文研究了機器學習方法在光電容積脈搏波（

2、photoplethysmography，PPG）中的應用，分析尋找有助判斷血管年齡的指標，提出了一種評測血管年齡的方法。具體設計了一套基于容積脈搏波的無創(chuàng)連續(xù)測量系統(tǒng)，將采集的脈搏波信號作為源數(shù)據(jù)，通過收集志愿者的生理病理信息，并實時采集血壓與指尖PPG數(shù)據(jù)，形成樣本數(shù)據(jù)集，對其進行處理、分析，自行定義并從中提取能表征脈搏波特性的71個特征參數(shù)，利用特征選擇Relief算法和特征降維主成分分析法簡化包含年齡參數(shù)在內的72個特征參數(shù)的特

3、征全集，得到了由20個與血管疾病狀態(tài)最相關的特征參數(shù)組成的最優(yōu)特征子集R和最優(yōu)特征子集P，并分析了它們對血管年齡的影響。最后，在特征全集、最優(yōu)特征子集R和最優(yōu)特征子集P的基礎上，建立了血管疾病診斷模型和血管年齡評測模型，血管疾病診斷kNN模型和SVM模型對血管疾病預測的正確率達到66.67%和83.33%，比較血管年齡評測k-means模型和Q型層次聚類模型的方差分析和樹形圖，k-means模型聚類結果更均勻，更接近樣本數(shù)據(jù)血管年齡的分