| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-10页 |
| 1.3 本文主要内容和框架 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 第2章 血压测量的理论基础与方法 | 第12-23页 |
| 2.1 概述 | 第12-13页 |
| 2.1.1 血压形成机理 | 第12页 |
| 2.1.2 脉搏波产生和传播 | 第12-13页 |
| 2.1.3 脉搏波影响因素 | 第13页 |
| 2.2 脉搏波波形分析 | 第13-14页 |
| 2.2.1 脉搏波特征点 | 第13-14页 |
| 2.2.2 脉搏波特征参数与血压的关系 | 第14页 |
| 2.3 血压测量方法 | 第14-22页 |
| 2.3.1 信号采集 | 第14-16页 |
| 2.3.2 信号预处理 | 第16-18页 |
| 2.3.3 特征点检测 | 第18-20页 |
| 2.3.4 特征参数选取 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于线性回归的脉搏波连续血压测量 | 第23-28页 |
| 3.1 血压昼夜变化规律 | 第23页 |
| 3.2 基于线性回归血压测量方案 | 第23-27页 |
| 3.2.1 试验方法 | 第23-25页 |
| 3.2.2 相关性分析 | 第25-26页 |
| 3.2.3 逐步回归分析理论 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第4章 基于深度学习TensorFlow框架构建血压BP神经网络 | 第28-35页 |
| 4.1 神经网络简介 | 第28-29页 |
| 4.2 BP神经网络 | 第29-31页 |
| 4.2.1 BP神经网络的模型及算法 | 第29-31页 |
| 4.3 基于TensorFlow构建血压BP神经网络 | 第31-33页 |
| 4.3.1 BP神经网络的相关参数设置 | 第31-32页 |
| 4.3.2 Tensor Flow简介 | 第32-33页 |
| 4.4 BP神经网络血压模型构建 | 第33-34页 |
| 4.5 本章小结 | 第34-35页 |
| 第5章 连续血压测量的具体实现 | 第35-44页 |
| 5.1 脉搏波信号采集实现 | 第35页 |
| 5.2 脉搏波信号预处理 | 第35-37页 |
| 5.3 提取特征点 | 第37页 |
| 5.4 特征参数计算 | 第37-39页 |
| 5.5 基于线性回归构建血压模型具体实现 | 第39-40页 |
| 5.5.1 逐步回归分析实现 | 第39页 |
| 5.5.2 建立血压模型 | 第39-40页 |
| 5.6 基于TensorFlow构建血压模型具体实现 | 第40-41页 |
| 5.7 血压估算 | 第41-43页 |
| 5.8 本章小结 | 第43-44页 |
| 第6章 总结与展望 | 第44-45页 |
| 6.1 总结 | 第44页 |
| 6.2 展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 在读期间发表的学术论文及研究成果 | 第48-49页 |
| 致谢 | 第49页 |
