MATLAB血氧信号分析,基于MATLAB的血氧饱和度建模与预测方法研究

摘要：

人类通过有氧呼吸的代谢方式获取各项生命活动的大部分能量,因此在医学领域中,测量血氧饱和度对于监测人体各项生理指标起着至关重要的作用.目前,通过医用血气分析仪电化学分析的血氧饱和度被认为是当下血氧量测量的唯一标准,但其有创检测的方式,不仅为患者带来了不便,还伴随交叉感染的风险. 无创检测的常规方法是基于双波长的脉搏血氧饱和度测量原理;同时基于三波长的测量方法可以克服运动干扰;也有学者研究了基于五波长,八波长的反射式血氧仪.而为了利用更多光谱信息,同时减少非动脉血液的人体组织对吸光度的影响,本文采用多波长脉搏波信号的动态光谱,建立预测模型达到测量血氧饱和度的目的. 本文基于动态光谱的多波长脉搏血氧饱和度测量方法,实验样本选取医院ICU患者,用超高灵敏度光纤光谱仪AvaSpec-HS1024x58TEC对55名受试者进行人体指端多波长原始光谱的采集,通过波长筛选,选择波长范围652.43nm～842.75nm,波长间隔0.92nm,并用差值提取法对采集光谱进行预处理以减少个体差异对测量的影响,最后获取55组可用于建立预测模型的归一化动态光谱-血氧饱和度数据. 进一步采用径向基神经网络算法,小波神经网络算法和广义回归神经网络算法,建立血氧饱和度的预测模型.其中径向基神经网络算法的预测效果最佳,其预测均方根误差RMSEP为0.8259,同时以血气分析仪的血氧饱和度为参考真值,得出预测值与参考真值之间的相关系数为0.8546;而传统的血氧监护仪测量值的均方根误差RMSEP为1.5386,其测得血氧饱和度与参考真值之间的相关系数为0.7243.结果表明基于动态光谱的多波长脉搏血氧饱和度测量方法,相比于传统的血氧监护仪可有效提高测量精度.

展开