一种基于机器学习的无创肺动脉高压血流动力学监测方法

本发明公开了一种基于机器学习的无创肺动脉高压血流动力学监测方法，属于肺动脉高压血流监测技术领域。基于机器学习的无创肺动脉高压血流动力学监测方法，包括：通过静态数据采集设备采集BCG信号数据；通过动态数据采集设备采集ECG信号数据；通过光电指夹采集PPG信号数据；对BCG信号数据和PPG信号数据组成的静态数据进行静态特征提取，对ECG信号数据和PPG信号数据组成的动态数据进行动态特征提取；将静态特征和动态特征输入回归模型中，以右心导管同时测量得到的血流动力学参数CO为目标，对回归模型进行训练，得到心排量预测回归模型。采用本发明所述的基于机器学习的无创肺动脉高压血流动力学监测方法，解决现有的肺动脉高压血流动力学监测方法操作复杂，不能满足日常康复训练监测使用的问题，提高了预测的精度。