3、用于评估、比较和验证新方法的MATLAB应用及连续血压估计的CNN模型

用于评估、比较和验证新方法的MATLAB应用及连续血压估计的CNN模型

在医学研究和临床实践中，准确评估和验证新的测量方法以及实时监测关键生理指标至关重要。本文将介绍一款用于评估、比较和验证新方法的MATLAB应用，以及一种基于卷积神经网络（CNN）和脉搏传输时间（PTT）的连续血压估计模型。

1. MATLAB应用评估新方法

在医学研究中，常常需要判断新的测量方法是否可以替代现有的标准方法。为了实现这一目的，开发了一款MATLAB应用，该应用通过一系列统计方法来评估新特征是否能成为当前基准的可靠替代品。

1.1 评估步骤

• 相关性分析 ：当相关系数高于0.7时，认为相关性“高”。但仅相关并不足以证明可以替代，还需要进一步的步骤。
• Bland - Altman图 ：自首次引入文献以来，Bland - Altman图在临床和医学领域被广泛用于直观比较两种测量同一现象的方法，以支持相关性分析。该图的y轴表示两种方法测量变量的差异，x轴表示这些变量的平均值，同时绘制偏差线和两条95%一致性界限及其置信区间。这些线有助于判断方法中是否存在系统误差以及两种方法之间的一致性水平。如果一致性界限不超过方法之间允许的最大差异，则两种方法一致，可以互换使用。
• 统计假设检验 ：两种方法的相似性还需通过统计假设检验进一步确认。检验方法取决于数据的分布类型，对于正态分布的数据应用t检验，其他情况则选择非参数Wilcoxon符号秩检验。为了更保守起见，建议在任何情况下都考虑Wilcoxon符号秩检验的结果。 <