基于ＴＣＮ－ＳＥ神经网络模型的智能连续血压估计方法

血压是反映人体心血管系统状况重要信息的四个生命体征之一,随着科技的进步,智能化血压测量逐渐融入人类的日常生活当中。针对当下血压测量方法复杂,测量精度不高等问题,提出了一种基于时域卷积网络中嵌入SE注意力机制（TCN-SE）的神经网络模型。该网络有效解决了现有方法中模型过拟合的问题,且进一步加强了模型对于不同通道信息的关注度。在保证信息完整的前提下,该模型可有效增大感受野。在重症监护中的多参数智能监测（MIMIC-II）数据集进行实验测试,通过计算均方误差和平均绝对误差等指标,得出收缩压的误差为5.09±7.04mmHg,舒张压的误差为2.96±4.23mmHg,表明所提出的方法相比于现有方法误差损失更低,在血压测量领域具有广阔的应用前景。