首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

无袖带连续血压的估计方法及应用研究

摘要第4-7页
Abstract第7-11页
第1章 引言第14-28页
    1.1 研究背景和意义第14-19页
    1.2 国内外研究现状第19-26页
        1.2.1 常规偶测血压测量方法第19-20页
        1.2.2 连续血压测量技术的发展第20-21页
        1.2.3 无袖带连续血压估计的进展与存在的问题第21-26页
    1.3 本课题的研究思路第26页
    1.4 本章小结第26-28页
第2章 多阶多元脉搏波新特征的提取第28-43页
    2.1 预处理第28-34页
    2.2 特征点的检测第34-37页
    2.3 特征的提取第37-41页
        2.3.1 基于流体动力学分析的脉搏波新特征定义第37-38页
        2.3.2 基于血管弹性分析的脉搏波新特征定义第38-40页
        2.3.3 其它脉搏波新特征定义第40-41页
    2.4 本章小结第41-43页
第3章 基于多阶多元脉搏波特征的无袖带连续血压估计方法第43-51页
    3.1 多阶多元脉搏波特征的选取第43-45页
    3.2 最优特征子集的选择第45-48页
        3.2.1 Filter的方法对特征的重要性进行初步排序第47页
        3.2.2 结合Wrapper的方法选出最优特征子集第47-48页
    3.3 回归器第48-49页
    3.4 本章小结第49-51页
第4章 评估与验证第51-79页
    4.1 利用正常人的数据初步验证基于流体动力学的脉搏波特征的有效性第51-67页
        4.1.1 数据的采集第51-53页
        4.1.2 特征与血压的相关性评估第53-54页
        4.1.3 采用单个脉搏波特征进行血压估计的误差比较第54-64页
        4.1.4 讨论第64-67页
    4.2 利用重症监护室病人的数据进一步评估基于多阶多元脉搏波特征的连续血压估计方法的精度第67-77页
        4.2.1 数据的采集第67-68页
        4.2.2 血压估计模型性能的评估与对比第68-71页
        4.2.3 脉搏波特征的重要性与稳定性的量化评估第71-77页
        4.2.4 讨论第77页
    4.3 本章小结第77-79页
第5章 连续血压变异性与动脉硬化的关系研究第79-88页
    5.1 研究现状第79-80页
    5.2 方法第80-82页
        5.2.1 实验方案第80-81页
        5.2.2 血压变异性和心率变异性指标的评估第81-82页
        5.2.3 统计分析第82页
    5.3 结果第82-85页
    5.4 讨论第85-87页
    5.5 本章小结第87-88页
第6章 总结与展望第88-91页
    6.1 总结第88-90页
    6.2 展望第90-91页
参考文献第91-97页
附录1 心算任务1第97-98页
附录2 心算任务2第98-99页
致谢第99-100页
作者简历及攻读学位期间发表的学术论文与研究成果第100-101页

论文共101页,点击 下载论文
上一篇:基于深度学习的图像和文本检索
下一篇:脂代谢相关分子Col6a5和Gpr1在高雄激素化小鼠中的作用及其机理