基于CNN-Transformer的下肢血流灌注状态评估方法

刘国华; 魏萌; 张亚慧

doi:10.19886/j.cnki.dhdz.2025.0212

东华大学学报（自然科学版） ›› 2026, Vol. 52 ›› Issue (4) : 215 -223. DOI: 10.19886/j.cnki.dhdz.2025.0212

基于CNN-Transformer的下肢血流灌注状态评估方法

刘国华, 魏萌, 张亚慧

作者信息 +

Author information +

文章历史 +

摘要

下肢动脉血流变化是评估增强型体外反搏(EECP)不同模式对下肢灌注影响的重要指标,可为即时疗效分析与个性化治疗方案制定提供参考。当前临床应用方法存在操作复杂、实时性差等局限。由于足背动脉脉搏波由心脏搏动经动脉系统和血流传导形成,其波形特征可间接反映下肢动脉血流变化,本研究提出一种基于足背动脉脉搏波的无创评估新方法,旨在简化操作并提高实时性。首先,构建了CNN-Transformer混合深度学习框架,以脉搏波信号及其二阶导数作为输入,通过1D CNN提取局部特征与Transformer建模长程时序依赖,并利用通道-时间双域混合注意力机制自适应聚焦血流判别特征;其次,引入FiLM(feature-wise linear modulation)模块,利用静息特征动态调制网络参数,建立个体基线参考,增强模型对个体生理差异的适应性。研究结果表明,该方法对股动脉血流状态(升高/降低/稳定)的判别准确率超过84%,为EECP针对外周动脉疾病的治疗提供了低成本且高效的疗效评估方案。