淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


  查詢圖書館館藏目錄
系統識別號 U0002-1102200914192100
中文論文名稱 應用粒子群聚最佳化法之系統識別以重建橈動脈血壓波形之研究
英文論文名稱 Radial Pressure Waveform Estimation by System Identification Using Particle Swarm Optimization
校院名稱 淡江大學
系所名稱(中) 電機工程學系碩士在職專班
系所名稱(英) Department of Electrical Engineering
學年度 97
學期 1
出版年 98
研究生中文姓名 陳柏州
研究生英文姓名 Po-Chou Chen
學號 795440170
學位類別 碩士
語文別 中文
口試日期 2009-01-15
論文頁數 62頁
口試委員 指導教授-許陳鑑
委員-周永山
委員-王地河
中文關鍵字 橈動脈血壓波形  血壓量測  粒子群聚最佳化法  非侵入式  光學血液容積信號 
英文關鍵字 Noninvasive  radial pressure waveform  photoplethysmogram  particle swarm optimization  transfer function  correlation ratio 
學科別分類 學科別應用科學電機及電子
中文摘要 血壓波形是重要的生理資訊,隱含著心臟血管功能的重要訊息。對於橈動脈血壓波形的檢測,醫院加護病房或手術房大都以侵入式為之,但這種作法對於患者有潛在風險,因此,本論文提出一種以非侵入式的方法,應用粒子群聚最佳化法之系統識別,以重建橈動脈血壓波形,主要目的是希望利用非侵入的方式,利用手指光學血液容積信號(Photoplethysmography, PPG),配合粒子群聚最佳化法(Particle Swarm Optimization, PSO)及fuzzy C-means建立最佳波形轉換函數庫,使不同特徵的光學血液容積信號均有最佳轉移函數,以獲得精確的連續橈動脈血壓波形。在作法上我們採用轉移函數庫的構想,以事先的測試信號,針對不同特徵,建立專屬轉移函數。爾後的量測信號,只要比對轉移函數庫中的PPG信號,找出最佳歸類叢集(cluster),即可以此叢集轉移函數做波形轉換,可快速及準確的獲得連續的橈動脈血壓波形。
英文摘要 Waveforms of blood pressure contain very important information of life. Although blood pressure can be continuously measured by an intra arterial catheter, this invasive method introduces risks to patients. Therefore, a noninvasive method in measuring blood pressure waveforms is proposed in this paper, based on which we can use the signals of fingertip photoplethysmogram to reconstruct radial pressure waveforms. Characteristics of various photoplethysmogram will be categorized into 3 clusters by using fuzzy C-mean clustering. A particle swarm optimization scheme is then established to search for an optimal transfer function model for estimating the radial pressure waveforms. When the PPG signals of various characteristics become available, an optimization scheme based on Particle Swarm Optimization (PSO) is proposed to derive a transfer function bank for reconstructing continuous radial pressure waveforms for other patients. The optimization scheme based on PSO has successfully applied to derive a set of transfer function banks with satisfactory performance in providing estimates for actual blood waveforms. Experiment results show that correlation ratio of the transformed waveforms can be as high as 0.89, much better than the results via the ARX technique.
論文目次 目 錄
中 文 摘 要 Ⅱ
英 文 摘 要 Ⅲ
致謝 Ⅳ
目錄 Ⅴ
圖目錄 Ⅵ
表目錄 Ⅸ
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究方法 2
1.3 內容簡介 2
1.4 論文架構 3
第二章 粒子群聚最佳化演算法 5
2.1 最佳化法簡介 5
2.2 粒子群聚最佳化法(PSO) 6
第三章 血壓波形與光學血液容積信號特徵 14
3.1 血壓波形的生理意義 14
3.2 光學血液容積信號(PPG)的特徵 16
3.3 光學血液容積信號量測方式與原理 20
第四章 血壓波形轉換 23
4.1 模型階數評估(Model order estimation) 23
4.2 模型係數評估(Model parameter estimation) 26
4.3 均方根誤差(RMSE)之評估 27
4.4 相關性比率(CORRCOEF)之評估 28
第五章 血壓波形之系統識別 29
5.1 外部自回歸法(ARX)分析建模 31
5.2 粒子群聚最佳化法分析建模 34
第六章 分析實驗結果 37
6.1波形分類 37
6.2數據分析 40
6.3實驗結果 52
第七章 結論與未來研究方向 57
7.1結論 57
7.2未來研究方向 57
參考文獻 60
=======================================================
圖目錄
圖2-1 粒子群聚最佳化法流程圖………………………………………13
圖3-1 人體中不同測量點及不同年齡的血壓波型………………………15
圖3-2 血壓脈波與心電圖在時間上的關係….……………..…………….15
圖3-3 光學血液容積信號圖直流及交流成分示意圖……………………18
圖3-4 光強度變化簡易模型……………………………..………………20
圖3-5 穿透式血管管徑變化偵測示意圖……………………………........21
圖3-6 PPG連續變化波形…………………………………………........22
圖4-1 建立轉移函數流程示意圖……………………………………........23
圖5-1 系統識別基本程序…………………………………………….…..29
圖5-2 ARX 模型圖………………………………………………....……..33
圖5-3 粒子群聚最佳化法流程圖…………………………………………34
圖5-4 PSO導出轉移函數示意模型……………………………………….36
圖6-1 PPG 分類波形,其中紅線為向量中心…………………………..38
圖6-2 血壓波形與手指光學血液容積波形………………..…………..39
圖6-3 轉換血壓波形與原血壓波形之比對………………..…………..40
圖6-4 (Lab01)樣本實驗評估圖………………………………..…………..41
圖6-5 (Lab02)樣本實驗評估圖………………………………..…………..41
圖6-6 (Lab03)樣本實驗評估圖………………………………..…………..42
圖6-7 (Lab04)樣本實驗評估圖………………………………..…………..42
圖6-8 (Lab05)樣本實驗評估圖………………………………..…………..42
圖6-9 (Lab06)樣本實驗評估圖………………………………..…………..43
圖6-10 (Lab07)樣本實驗評估圖……………………………..…………..43
圖6-11 (Lab08)樣本實驗評估圖……………………………..…………..44
圖6-12 (Lab09)樣本實驗評估圖……………………………..…………..44
圖6-13 (Lab10)樣本實驗評估圖……………………………..…………..45
圖6-14 (Lab11)樣本實驗評估圖……………………………..…………..45
圖6-15 (Lab12)樣本實驗評估圖……………………………..…………..46
圖6-16 (Lab13)樣本實驗評估圖……………………………..…………..46
圖6-17 (Lab14)樣本實驗評估圖……………………………..…………..47
圖6-18 (Lab15)樣本實驗評估圖……………………………..…………..47
圖6-19 (Lab16)樣本實驗評估圖……………………………..…………..48
圖6-20 (Lab17)樣本實驗評估圖……………………………..…………..48
圖6-21 (Lab18)樣本實驗評估圖……………………………..…………..49
圖6-22 (Lab19)樣本實驗評估圖……………………………..…………..49
圖6-23 (Lab20)樣本實驗評估圖……………………………..…………..50
圖6-24 非參數化法之時域與頻域分析比較波形圖………..…………..53
圖6-25 非參數化法之頻率響應概念圖……………………..…………..54
圖6-26 參數化法之時域與頻域分析比較波形圖…………..…………..55
圖6-27 參數化法之頻率響應概念圖………………………..…………..56
=====================================================

表目錄
表3-1 動脈血壓波型及其生理意義…..………….…….…………………16
表6-1 以RMSE為適應函數之實驗數據圖……..………….…………….50
表6-2 以CORRCOEF為適應函數之實驗數據圖…….………………..51
表6-3 PSO與ARX模型表現結果之比較………….………….……….…52


參考文獻 參考文獻

[1] J. J. Smith and J.P. Kampine, Circulatory Physioloy. Williams & Wilkins, Baltimore,1980.
[2] Ti.-Ho. Wang, S. Huang, and Tsair Kao, “Noinvasive beat to beat blood pressure measurement by photoplethysmography,” ICBME, 2005.
[3] Z. Michalewicz, Genetic Algorithms + Data Structure = Evolution Program, Springer-Verlag, 1996.
[4] D. Goldberg, Genetic Algorithms in Search, Optimisation, and Machine Learning, Addison-Wesley, 1989.
[5] Z. L. Gaing, “A Particle Swarm Optimization Approach for Optimum Design of PID Controller in AVR System,” IEEE Transactions on Energy Conversion, Vol. 19, No. 2, pp. 384-391, 2004.
[6] J. F. Schutte, B. Koh, J. A. Reinbolt, R. T. Haftka, A. D. George, and B. J. Fregly, “Evaluation of a Particle Swarm Algorithm for Biomechanical Optimization,” Journal of Biomechanical Engineering, Vol. 127, pp. 465-474, 2005.
[7] J. F. Schutte and A.A. Groenwold, “A Study of Global Optimization Using Particle Swarms,” Journal of Global Optimization, Vol. 31, pp. 93-108, 2005.
[8] J. Kennedy and R. C. Eberhart, “Particle swarm optimization,” Proc. IEEE Int. Conf. Neural Networks, Piscataway, NJ, 1995, pp. 1942–1948.
[9] K. Deb and R.C. Eberhart, Swarm Intelligence, Academic Press, London, 2001.
[10] M. Karamanoglu, M. F. O’Rourke, A. P. Avolio, and R. P. Kelly, “An analysis of the relationship between central aortic and peripheral upper limb pressure waves in man,” Euro. Heart J., vol. 14, pp. 160–167, 1993.
[11] R. Kelly, C. Hayward, A. Avolio, and M. O’Rourke, “Noninvasive determination of age-related changes in the human arterial pulse,” Circ.,vol. 80, no. 6, pp. 1652–1659, Dec. 1989.
[12] D. H. Fitchett, “Aortofemoral transfer function: A method to determine the instantaneous aortic value gradient in aortic valve stenosis,” Amer. Coll. Cardiol., vol. 22, pp. 1909–1914, 1993.
[13] W. J. W. Bos, J. van Goudoever, G. A. van Montfrans, A. H. vanden Meiracker, and K. H. Wesseling, “Reconstruction of brachial artery pressure from noninvasive finger pressure measurements,” Circ., vol. 94, pp. 1870–1875, 1996.
[14] K. Mustafa, “A System for Analysis of Arterial Blood Pressure Waveforms in Humans”, Computers and Biomedical Research Volume: 30, Issue: 3, pp.244-255, June, 1997.
[15] J. G. Webster, “Medical Instrumentation – Application and Design, 3rd edition”,John Wiley & Sons, Inc., pp.317-328, 1998.
[16] http://www.medis-de.com/en/ppg.html
[17] L. Ljung, System Identification Toolbox for use with MATLAB. South Natick, MA: The Math Works, 1992
[18] Ti-Ho Wang and Tsair Kao, “Continuous noninvasive blood pressure waveform estimation by photoplethysmography,” World Congress on Medical Physics and Biomedical Engineering, Aug.27 – Sep. Seoul, Korea, pp.2512, 2006.
[19] 林晉安,以非侵入式連續血壓探討周邊血管特性,中原大學生物醫學工程所碩士論文,民國96年。
[20] 饒憲堂,以非侵入式連續血壓量測系統即時評估血管特性之動態變化,中原大學生物醫學工程所碩士論文,民國96年。
[21] 楊坤岳,以脈波抵達時間與間歇性校正推估連續血壓於姿勢性暈眩之研究,中原大學醫學工程所碩士論文,民國95年。
[22] 陳耀勳,心率、PPG和非侵入脈搏波信號之相關性研究,逢甲大學自動控制工程學系碩士論文,民國94年。
[23] J. G. Webster, “Design of Pulse Oximeters”,IOP 1997。
[24] 林茂村 等 編譯, “ 人體生理學”, 文京圖書股份有限公司, 1998.
[25] http://www.medphys.ucl.ac.uk/teaching/undergrad/projects/2003/gro
up_03/how.html
[26] K. Yamakoshi, A. Kawarada, A. Kamiya, H. Shimazu, H. Ito, ”Long-term Ambulatory Monitoring of Indirect Arterial Blood Pressure Using a Volume-Oscillometric Method”, Medical & Biological Engineering & Computing, Vol. 23, pp.459-465, 1996
[27] R.C. Eberhart, Y. Shi, “Tracking and optimizing dynamic systems with particle swarms,” Proceedings of Congress on Evolutionary Computation, Seoul, Korea, vol. 1, 2001, pp. 94-100.
[28] S. K. S. Fan and E. Zahara., “A hybrid simplex search and particle swarm optimization for unconstrained optimization,” European Journal of Operational Research, vol. 181, no.2, 2007, pp. 527-548.
[29] X. Hu, R.C. Eberhart, “Tracking dynamic systems with PSO: Where’s the cheese?” Proceedings of The Workshop on Particle Swarm Optimization, Indianapolis, USA, 2001.


論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2009-02-24公開。
  • 不同意授權瀏覽/列印電子全文服務。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信