| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 动脉张力测定法 | 第13页 |
| 1.2.2 容积补偿法 | 第13页 |
| 1.2.3 脉搏波速测定法 | 第13-14页 |
| 1.2.4 脉搏波特征参数测定法 | 第14页 |
| 1.3 论文主要研究内容和创新点 | 第14-15页 |
| 1.3.1 研究目的 | 第14-15页 |
| 1.3.2 研究内容 | 第15页 |
| 1.3.3 创新点 | 第15页 |
| 1.4 论文主要结构 | 第15-16页 |
| 第二章 脉搏波测量血压的基础理论 | 第16-22页 |
| 2.1 脉搏波与血压之间的生理关系 | 第16页 |
| 2.2 脉搏波传导时间测量血压原理 | 第16-18页 |
| 2.3 脉搏波特征参数测量血压 | 第18-21页 |
| 2.3.1 光电容积脉搏波与血压 | 第18-21页 |
| 2.3.2 脉搏波特征参数与血压的相关性 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于脉搏波特征参数的普适血压计算模型 | 第22-71页 |
| 3.1 获取高相关性脉搏波特征参数 | 第22-30页 |
| 3.1.1 脉搏波信号的去噪处理 | 第22-26页 |
| 3.1.2 提取脉搏波特征参数 | 第26-28页 |
| 3.1.3 相关性分析选取高相关性特征参数 | 第28-30页 |
| 3.2 基于逐步逼近法的血压计算模型 | 第30-36页 |
| 3.3 血压范围的模式识别 | 第36-48页 |
| 3.3.1 主成分分析降维 | 第36-38页 |
| 3.3.2 K-means聚类法识别血压范围 | 第38-39页 |
| 3.3.3 K-means聚类结果 | 第39-44页 |
| 3.3.4 贝叶斯分类法识别血压范围 | 第44-48页 |
| 3.4 利用BP神经网络建立血压计算模型 | 第48-56页 |
| 3.4.1 人工神经网络 | 第48-49页 |
| 3.4.2 多层BP神经网络算法 | 第49-52页 |
| 3.4.3 建立血压计算模型 | 第52-56页 |
| 3.5 多元非线性拟合建立血压计算模型 | 第56-67页 |
| 3.5.0 算法的可行性分析 | 第56-57页 |
| 3.5.1 多元非线性回归初步模型的建立 | 第57-59页 |
| 3.5.2 L2正则化(岭回归)去过拟合 | 第59-65页 |
| 3.5.3 最终模型结果及验证 | 第65-67页 |
| 3.6 Bland-Altman分析验证模型的一致性 | 第67-70页 |
| 3.6.1 一致性界限 | 第67-68页 |
| 3.6.2 一致性界限图 | 第68-70页 |
| 3.7 本章小结 | 第70-71页 |
| 第四章 血压实时监护系统 | 第71-78页 |
| 4.1 基于labwindows的无创血压实时监护软件 | 第71-72页 |
| 4.2 血压监护系统精度测试 | 第72-77页 |
| 4.3 本章小结 | 第77-78页 |
| 第五章 总结与展望 | 第78-80页 |
| 5.1 总结 | 第78页 |
| 5.2 展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-85页 |
| 在学期间的研究成果及发表的学术论文 | 第85页 |