基于PPG信號特征的無創(chuàng)逐拍血壓估計：算法、驗證與多元應(yīng)用探索一、引言1.1研究背景與意義血壓作為人體重要的生理參數(shù)之一，在心血管疾病的診斷、治療和健康管理中具有舉足輕重的地位。正常的血壓水平對于維持人體各器官的正常功能至關(guān)重要。然而，高血壓作為一種常見的慢性病，正嚴(yán)重威脅著全球人類的健康。高血壓被公認(rèn)為是心血管疾病的主要危險因素之一。長期處于高血壓狀態(tài)，會對心臟、大腦、腎臟等重要器官造成損害，引發(fā)一系列嚴(yán)重的并發(fā)癥。在心臟方面，它會增加心臟的負(fù)擔(dān)，導(dǎo)致左心室肥厚和擴(kuò)大，進(jìn)而引發(fā)心力衰竭。同時，高血壓患者患冠心病的風(fēng)險也顯著增加，是正常人的數(shù)倍。在大腦方面，高血壓可導(dǎo)致腦血管病變，如腦出血、腦血栓形成、腔隙性腦梗死以及短暫性腦缺血發(fā)作等，這些疾病往往會對患者的神經(jīng)系統(tǒng)造成不可逆的損傷，嚴(yán)重影響患者的生活質(zhì)量，甚至危及生命。在腎臟方面，長期高血壓會引起腎小球內(nèi)囊壓力持續(xù)升高，導(dǎo)致腎動脈硬化，腎小球發(fā)生纖維化、萎縮，最終發(fā)展為腎衰竭。此外，高血壓還會對視網(wǎng)膜等其他器官和組織造成損害，導(dǎo)致視力下降等問題。據(jù)世界衛(wèi)生組織（WHO）統(tǒng)計，全球約有11億高血壓患者，每年因高血壓導(dǎo)致的心血管疾病死亡人數(shù)高達(dá)1500萬。在中國，根據(jù)《2020年度中國六大城市居民高血壓流行特征調(diào)查》，成人高血壓患病率超30%，這意味著中國有龐大數(shù)量的人群受到高血壓的困擾。而且，高血壓的發(fā)病呈現(xiàn)出年輕化的趨勢，這使得高血壓的防治形勢更加嚴(yán)峻。目前，臨床上常用的血壓測量方法主要有柯氏音法和示波法?？率弦舴ㄊ峭ㄟ^聽診器聽取袖帶放氣過程中動脈血管內(nèi)血流產(chǎn)生的聲音來確定血壓值，這種方法需要專業(yè)的醫(yī)護(hù)人員操作，對操作人員的技能要求較高，且測量過程較為繁瑣。示波法是利用袖帶充氣和放氣過程中動脈血管壁的振動來測量血壓，它雖然操作相對簡單，但同樣需要使用袖帶。這些傳統(tǒng)的血壓測量方法都存在一定的局限性。一方面，它們只能測量某個特定時刻的血壓值，無法反映血壓在一天中的動態(tài)變化情況。然而，血壓在一天中是不斷波動的，了解血壓的晝夜變化規(guī)律對于高血壓的診斷和治療具有重要意義。例如，有些患者可能在白天血壓正常，但在夜間血壓升高，這種“單純夜間高血壓”如果僅通過傳統(tǒng)的測量方法可能會被漏診。另一方面，使用袖帶進(jìn)行測量時，會對被測者的手臂或手腕等部位產(chǎn)生壓力，使被測者感到不適，尤其對于需要頻繁測量血壓的患者來說，這種不適感會影響他們的依從性。此外，傳統(tǒng)血壓測量工具通常體積較大，不易攜帶，不便于人們在日常生活中隨時隨地進(jìn)行測量，無法滿足人們對于便捷、快速健康管理的需求。為了克服傳統(tǒng)血壓測量方法的不足，實現(xiàn)連續(xù)、無創(chuàng)的血壓監(jiān)測成為了研究的熱點。光電容積脈搏波（Photoplethysmography，PPG）信號作為一種能夠反映人體心血管系統(tǒng)生理信息的信號，為無創(chuàng)逐拍血壓估計提供了新的途徑。PPG信號是通過光電傳感器測量皮膚表面下血管血液量變化導(dǎo)致的光吸收量變化而獲得的，它具有獲取方便、成本低、非侵入性等優(yōu)點。當(dāng)血液流過外周血管中的微動脈、毛細(xì)血管和微靜脈等微血管時，微血管的血液容積在心臟搏動下會呈現(xiàn)脈動性變化，這種變化可以通過PPG信號記錄下來。PPG信號中蘊(yùn)含著豐富的信息，如脈搏波傳導(dǎo)時間、脈搏波形態(tài)特征等，這些信息與血壓之間存在著密切的關(guān)聯(lián)。通過對PPG信號特征的深入研究和分析，可以建立起有效的血壓估計模型，實現(xiàn)對血壓的無創(chuàng)逐拍估計。基于PPG信號特征的無創(chuàng)逐拍血壓估計研究具有重要的意義。在醫(yī)療領(lǐng)域，它能夠為醫(yī)生提供患者更全面、準(zhǔn)確的血壓信息，有助于醫(yī)生更及時、準(zhǔn)確地診斷心血管疾病，制定個性化的治療方案，提高治療效果。對于高血壓患者來說，連續(xù)的血壓監(jiān)測可以幫助他們更好地了解自己的血壓變化情況，及時調(diào)整生活方式和治療措施，降低并發(fā)癥的發(fā)生風(fēng)險。在健康管理領(lǐng)域，這種技術(shù)可以應(yīng)用于可穿戴設(shè)備中，方便人們在日常生活中隨時隨地監(jiān)測自己的血壓，實現(xiàn)對健康狀況的實時關(guān)注和管理，提高人們的健康意識和自我保健能力。此外，隨著物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能等技術(shù)的不斷發(fā)展，基于PPG信號的無創(chuàng)逐拍血壓估計技術(shù)有望與這些技術(shù)相結(jié)合，實現(xiàn)血壓數(shù)據(jù)的遠(yuǎn)程傳輸、分析和管理，為遠(yuǎn)程醫(yī)療和智能健康管理提供有力支持，具有廣闊的應(yīng)用前景。1.2國內(nèi)外研究現(xiàn)狀隨著對健康監(jiān)測需求的不斷增長以及傳感器技術(shù)、信號處理技術(shù)和機(jī)器學(xué)習(xí)算法的快速發(fā)展，基于PPG信號無創(chuàng)逐拍血壓估計的研究在國內(nèi)外取得了顯著進(jìn)展。在國外，早期的研究主要集中在探索PPG信號與血壓之間的理論關(guān)系。1871年，Moens和Korteweg提出脈搏波傳播速度（PulseWaveVelocity，PWV）與血壓之間存在線性關(guān)系，后續(xù)Bramwell和Hill進(jìn)一步驗證和推廣了這一理論?；诖?，通過測量脈搏波在動脈中兩點間傳遞時間（PulseTransitTime，PTT）來計算PWV，進(jìn)而間接推算血壓值成為重要的研究方向。如一些研究利用放置在一段已知距離的動脈導(dǎo)管兩端的壓力傳感器測得脈搏波波速，結(jié)合超聲測量動脈的直徑與動脈壁的厚度，建立起相關(guān)的血壓估算模型。近年來，國外學(xué)者在基于PPG信號的血壓估計算法和技術(shù)方面進(jìn)行了大量深入研究。在信號處理與特征提取方面，不斷改進(jìn)算法以獲取更準(zhǔn)確的PPG信號特征。例如，采用先進(jìn)的濾波算法去除信號中的噪聲和干擾，利用小波變換、經(jīng)驗?zāi)B(tài)分解（EmpiricalModeDecomposition，EMD）及其改進(jìn)算法等對PPG信號進(jìn)行分解，提取更能反映血壓變化的特征參數(shù)。在機(jī)器學(xué)習(xí)應(yīng)用方面，眾多學(xué)者嘗試將各種機(jī)器學(xué)習(xí)算法應(yīng)用于血壓估計模型的構(gòu)建。神經(jīng)網(wǎng)絡(luò)算法被廣泛應(yīng)用，通過構(gòu)建多層的神經(jīng)網(wǎng)絡(luò)來模擬人腦處理信息的方式，對復(fù)雜的PPG信號進(jìn)行分析，從中提取出隱含的、對血壓變化敏感的特征，并通過大量數(shù)據(jù)訓(xùn)練模型，以提高血壓估計的準(zhǔn)確率。支持向量機(jī)（SupportVectorMachine，SVM）算法也常被用于血壓預(yù)測，它在小樣本、非線性問題上具有良好的表現(xiàn)，能夠通過尋找最優(yōu)分類超平面來實現(xiàn)對血壓值的準(zhǔn)確預(yù)測。此外，一些研究還將深度學(xué)習(xí)算法與傳統(tǒng)機(jī)器學(xué)習(xí)算法相結(jié)合，發(fā)揮各自優(yōu)勢，進(jìn)一步提升血壓估計的性能。在設(shè)備研發(fā)與應(yīng)用方面，國外一些科研機(jī)構(gòu)和企業(yè)致力于開發(fā)基于PPG技術(shù)的可穿戴血壓監(jiān)測設(shè)備，如智能手表、手環(huán)等，這些設(shè)備不僅能夠?qū)崟r采集PPG信號，還集成了先進(jìn)的算法，實現(xiàn)了對血壓的連續(xù)監(jiān)測和初步分析，為用戶提供了便捷的健康監(jiān)測方式。國內(nèi)在該領(lǐng)域的研究起步相對較晚，但發(fā)展迅速。在理論研究方面，國內(nèi)學(xué)者對PPG信號與血壓之間的生理機(jī)制進(jìn)行了深入探討，進(jìn)一步驗證和完善了國外的相關(guān)理論，并結(jié)合國內(nèi)人群的生理特點，提出了一些具有針對性的觀點和模型。在技術(shù)研究方面，國內(nèi)研究主要圍繞信號處理算法優(yōu)化、特征參數(shù)選擇和機(jī)器學(xué)習(xí)模型構(gòu)建展開。在信號處理算法上，除了借鑒國外的先進(jìn)算法外，還進(jìn)行了創(chuàng)新和改進(jìn)。例如，提出基于自適應(yīng)濾波的方法來去除PPG信號中的運動偽影，提高信號質(zhì)量；在特征參數(shù)選擇上，綜合考慮時域、頻域和形態(tài)學(xué)等多方面的特征，篩選出與血壓相關(guān)性更強(qiáng)的特征參數(shù)，以提高血壓估計的準(zhǔn)確性。在機(jī)器學(xué)習(xí)模型方面，國內(nèi)學(xué)者也進(jìn)行了大量的實驗和對比分析，探索不同模型在國內(nèi)人群數(shù)據(jù)上的表現(xiàn)，如利用隨機(jī)森林（RandomForest，RF）算法進(jìn)行特征選擇和模型訓(xùn)練，提高模型的泛化能力；將深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork，CNN）應(yīng)用于PPG信號分析，自動提取信號的深層特征，取得了較好的效果。在實際應(yīng)用方面，國內(nèi)一些企業(yè)和科研團(tuán)隊積極推動基于PPG信號的無創(chuàng)血壓監(jiān)測技術(shù)的產(chǎn)業(yè)化，開發(fā)出一系列具有自主知識產(chǎn)權(quán)的產(chǎn)品，如智能血壓監(jiān)測手環(huán)、貼片式血壓監(jiān)測設(shè)備等，這些產(chǎn)品在功能和性能上不斷提升，逐漸滿足市場需求。盡管國內(nèi)外在基于PPG信號無創(chuàng)逐拍血壓估計方面取得了諸多成果，但目前仍存在一些不足之處。一是PPG信號易受多種因素干擾，如運動、環(huán)境光、個體生理差異等，導(dǎo)致信號質(zhì)量不穩(wěn)定，影響血壓估計的準(zhǔn)確性。雖然已有一些抗干擾算法，但在復(fù)雜環(huán)境下的適應(yīng)性仍有待提高。二是血壓估計模型的通用性和泛化能力有待增強(qiáng)?，F(xiàn)有的模型大多是基于特定人群或?qū)嶒灄l件下的數(shù)據(jù)訓(xùn)練得到的，當(dāng)應(yīng)用于不同人群或?qū)嶋H生活場景時，模型的性能可能會下降。三是目前的無創(chuàng)逐拍血壓估計技術(shù)在測量精度上與傳統(tǒng)有創(chuàng)血壓測量方法仍存在一定差距，難以滿足臨床診斷的高精度要求。1.3研究內(nèi)容與方法1.3.1研究內(nèi)容本研究圍繞基于PPG信號特征的無創(chuàng)逐拍血壓估計及其應(yīng)用展開，主要涵蓋以下幾個方面：PPG信號特征分析：對采集到的PPG信號進(jìn)行深入分析，探究其在時域、頻域以及形態(tài)學(xué)等多方面的特征。在時域上，分析信號的周期、幅值、上升時間、下降時間等特征，這些特征能夠反映心臟的搏動周期以及每次搏動時血管內(nèi)血液充盈和排空的速度。例如，正常情況下，PPG信號的周期與心率相對應(yīng)，通過分析周期的變化可以了解心率的波動情況；幅值的大小則與血管的彈性、血液的充盈程度等因素有關(guān)。在頻域上，利用傅里葉變換等方法將PPG信號從時域轉(zhuǎn)換到頻域，分析其頻譜特征，研究不同頻率成分與血壓之間的潛在聯(lián)系。某些頻率成分可能與心臟的收縮和舒張活動相關(guān)，通過對這些頻率成分的分析，可以獲取關(guān)于心臟功能和血壓的信息。在形態(tài)學(xué)方面，識別PPG信號的波峰、波谷、切跡等特征點，研究波形的形狀和變化規(guī)律，這些形態(tài)學(xué)特征能夠反映血管的生理狀態(tài)和血液動力學(xué)變化。例如，波峰的尖銳程度、切跡的位置和深度等都可能與血壓的高低以及血管的彈性有關(guān)。此外，還將分析PPG信號特征在不同個體之間的差異，以及這些差異與個體生理特征（如年齡、性別、身體狀況等）之間的關(guān)系。不同年齡和性別的人群，其血管的彈性、心臟功能等生理特征可能存在差異，這些差異會反映在PPG信號特征上，通過研究這些關(guān)系，可以為建立個性化的血壓估計模型提供依據(jù)。無創(chuàng)逐拍血壓估計方法研究：探索基于PPG信號特征的無創(chuàng)逐拍血壓估計的有效方法。一方面，研究利用脈搏波傳導(dǎo)時間（PTT）與血壓之間的關(guān)系進(jìn)行血壓估計的方法。PTT是指脈搏波在動脈中兩點間傳遞的時間，根據(jù)Moens-Korteweg和Bramwell-Hill模型，脈搏波傳播速度（PWV）與血壓之間存在線性關(guān)系，而PWV可以通過PTT計算得到。因此，通過測量PTT，并結(jié)合相關(guān)的生理參數(shù)和模型，可以間接推算出血壓值。另一方面，研究基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法的血壓估計方法。利用支持向量機(jī)（SVM）、神經(jīng)網(wǎng)絡(luò)（如多層感知器、卷積神經(jīng)網(wǎng)絡(luò)等）等算法，對PPG信號特征進(jìn)行學(xué)習(xí)和建模，挖掘信號特征與血壓之間的復(fù)雜非線性關(guān)系。這些算法能夠自動提取信號中的特征，并通過訓(xùn)練模型來實現(xiàn)對血壓的準(zhǔn)確預(yù)測。同時，對不同的估計方法進(jìn)行對比分析，評估其準(zhǔn)確性、穩(wěn)定性和泛化能力，選擇最優(yōu)的估計方法或組合方法。通過實驗對比不同方法在相同數(shù)據(jù)集上的表現(xiàn)，分析它們的優(yōu)缺點，從而確定最適合無創(chuàng)逐拍血壓估計的方法。血壓估計模型構(gòu)建：基于上述研究，構(gòu)建高精度的無創(chuàng)逐拍血壓估計模型。收集大量包含PPG信號和對應(yīng)血壓值的數(shù)據(jù)集，對數(shù)據(jù)進(jìn)行預(yù)處理，包括去噪、濾波、歸一化等操作，以提高數(shù)據(jù)質(zhì)量。采用交叉驗證等方法對數(shù)據(jù)集進(jìn)行劃分，將其分為訓(xùn)練集、驗證集和測試集，分別用于模型的訓(xùn)練、參數(shù)調(diào)整和性能評估。利用訓(xùn)練集數(shù)據(jù)對選擇的血壓估計模型進(jìn)行訓(xùn)練，通過調(diào)整模型的參數(shù)和結(jié)構(gòu)，使模型能夠準(zhǔn)確地學(xué)習(xí)到PPG信號特征與血壓之間的關(guān)系。使用驗證集對訓(xùn)練過程進(jìn)行監(jiān)控，防止模型出現(xiàn)過擬合或欠擬合現(xiàn)象。最后，用測試集對訓(xùn)練好的模型進(jìn)行評估，計算模型的準(zhǔn)確率、均方誤差、平均絕對誤差等指標(biāo)，以驗證模型的性能。根據(jù)評估結(jié)果，對模型進(jìn)行進(jìn)一步的優(yōu)化和改進(jìn)，提高模型的準(zhǔn)確性和可靠性。應(yīng)用探討：將構(gòu)建的血壓估計模型應(yīng)用于實際場景中，探討其在醫(yī)療監(jiān)測、健康管理等領(lǐng)域的應(yīng)用價值和可行性。例如，將模型集成到可穿戴設(shè)備中，實現(xiàn)對用戶血壓的實時、連續(xù)監(jiān)測，為用戶提供個性化的健康管理建議。用戶可以通過佩戴可穿戴設(shè)備，隨時隨地獲取自己的血壓數(shù)據(jù)，設(shè)備根據(jù)監(jiān)測到的血壓數(shù)據(jù)，結(jié)合用戶的個人健康信息，如年齡、性別、病史等，為用戶提供健康提醒和建議，如是否需要調(diào)整飲食、增加運動等。同時，將監(jiān)測數(shù)據(jù)上傳至云端，實現(xiàn)數(shù)據(jù)的遠(yuǎn)程存儲和分析，醫(yī)生可以通過云端平臺實時獲取患者的血壓數(shù)據(jù)，進(jìn)行遠(yuǎn)程診斷和治療指導(dǎo)。這對于提高醫(yī)療效率、降低醫(yī)療成本、改善患者的健康狀況具有重要意義。此外，還將研究模型在不同環(huán)境和人群中的適應(yīng)性，分析可能影響模型性能的因素，提出相應(yīng)的解決方案，以擴(kuò)大模型的應(yīng)用范圍。不同的環(huán)境因素（如溫度、濕度、運動狀態(tài)等）和人群特征（如不同種族、不同疾病狀態(tài)等）可能會對PPG信號的采集和血壓估計模型的性能產(chǎn)生影響，通過研究這些因素，采取相應(yīng)的措施（如優(yōu)化信號采集方法、調(diào)整模型參數(shù)等），可以提高模型在實際應(yīng)用中的適應(yīng)性和準(zhǔn)確性。1.3.2研究方法為實現(xiàn)上述研究內(nèi)容，本研究將采用以下方法：文獻(xiàn)研究法：廣泛查閱國內(nèi)外相關(guān)文獻(xiàn)，了解基于PPG信號無創(chuàng)逐拍血壓估計的研究現(xiàn)狀、發(fā)展趨勢以及存在的問題。梳理和總結(jié)前人在PPG信號特征分析、血壓估計方法、模型構(gòu)建等方面的研究成果和經(jīng)驗，為本文的研究提供理論基礎(chǔ)和技術(shù)支持。通過對文獻(xiàn)的研究，了解不同研究方法的優(yōu)缺點，以及各種算法和模型在實際應(yīng)用中的效果，從而確定本文的研究方向和重點。實驗研究法：設(shè)計并開展實驗，采集PPG信號和對應(yīng)的血壓數(shù)據(jù)。選擇合適的實驗對象，包括不同年齡、性別、身體狀況的人群，以確保數(shù)據(jù)的多樣性和代表性。使用專業(yè)的PPG信號采集設(shè)備和血壓測量儀器，保證數(shù)據(jù)采集的準(zhǔn)確性和可靠性。在實驗過程中，控制實驗條件，如環(huán)境溫度、光照強(qiáng)度、被試者的體位等，減少干擾因素對實驗結(jié)果的影響。對采集到的數(shù)據(jù)進(jìn)行詳細(xì)記錄和整理，為后續(xù)的數(shù)據(jù)分析和模型訓(xùn)練提供基礎(chǔ)。數(shù)據(jù)分析方法：運用統(tǒng)計學(xué)方法和信號處理技術(shù)對采集到的數(shù)據(jù)進(jìn)行分析。使用統(tǒng)計分析方法，如相關(guān)性分析、主成分分析等，研究PPG信號特征與血壓之間的相關(guān)性，篩選出對血壓估計具有重要影響的特征參數(shù)。通過相關(guān)性分析，可以確定哪些PPG信號特征與血壓之間存在較強(qiáng)的線性關(guān)系，哪些特征可以作為血壓估計的重要依據(jù)。利用信號處理技術(shù)，如濾波、去噪、特征提取等，對PPG信號進(jìn)行預(yù)處理和特征提取，提高信號的質(zhì)量和可分析性。采用先進(jìn)的濾波算法去除信號中的噪聲和干擾，利用小波變換、經(jīng)驗?zāi)B(tài)分解等方法對PPG信號進(jìn)行分解，提取其特征參數(shù)，為后續(xù)的模型訓(xùn)練提供高質(zhì)量的數(shù)據(jù)。模型構(gòu)建與評估方法：利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法構(gòu)建血壓估計模型，并采用多種評估指標(biāo)對模型性能進(jìn)行評估。在模型構(gòu)建過程中，選擇合適的算法和模型結(jié)構(gòu)，根據(jù)實驗數(shù)據(jù)進(jìn)行訓(xùn)練和優(yōu)化。使用交叉驗證、網(wǎng)格搜索等方法調(diào)整模型的超參數(shù)，提高模型的泛化能力和準(zhǔn)確性。在模型評估方面，采用均方誤差（MSE）、平均絕對誤差（MAE）、決定系數(shù)（R2）等指標(biāo)來衡量模型的預(yù)測誤差和擬合優(yōu)度。通過這些指標(biāo)，可以直觀地了解模型的性能，判斷模型是否能夠準(zhǔn)確地預(yù)測血壓值。同時，采用混淆矩陣、準(zhǔn)確率、召回率等指標(biāo)對模型的分類性能進(jìn)行評估，以確保模型在不同血壓狀態(tài)下的判斷準(zhǔn)確性。此外，還將進(jìn)行對比實驗，將本文構(gòu)建的模型與其他已有的血壓估計模型進(jìn)行比較，分析其優(yōu)勢和不足，進(jìn)一步改進(jìn)和完善模型。1.4創(chuàng)新點本研究在基于PPG信號特征的無創(chuàng)逐拍血壓估計及其應(yīng)用領(lǐng)域展現(xiàn)出多方面創(chuàng)新：算法創(chuàng)新：在信號處理階段，提出一種新型自適應(yīng)濾波算法，該算法能夠根據(jù)信號的實時特性自動調(diào)整濾波參數(shù)。與傳統(tǒng)的固定參數(shù)濾波算法不同，它可以在復(fù)雜的運動環(huán)境和多變的生理狀態(tài)下，更有效地去除PPG信號中的噪聲和運動偽影。例如，當(dāng)被測者處于運動狀態(tài)時，傳統(tǒng)濾波算法可能無法及時適應(yīng)信號的快速變化，導(dǎo)致信號失真，而本研究的自適應(yīng)濾波算法能夠?qū)崟r跟蹤信號的變化，準(zhǔn)確地保留信號中的有效信息，從而提高信號質(zhì)量，為后續(xù)的特征提取和血壓估計提供更可靠的數(shù)據(jù)基礎(chǔ)。在特征提取方面，綜合運用多尺度熵分析和高階統(tǒng)計量分析方法，提取了一組全新的PPG信號特征參數(shù)。多尺度熵分析可以從不同時間尺度上衡量信號的復(fù)雜度和不規(guī)則性，高階統(tǒng)計量分析則能夠挖掘信號中的非線性和非高斯特性。這些新的特征參數(shù)能夠更全面、深入地反映PPG信號與血壓之間的復(fù)雜關(guān)系，為血壓估計模型提供更豐富的信息。與以往僅依賴時域或頻域特征的方法相比，本研究的特征提取方法能夠捕捉到更多潛在的與血壓相關(guān)的信息，從而提高血壓估計的準(zhǔn)確性和穩(wěn)定性。在模型構(gòu)建上，將注意力機(jī)制融入長短期記憶網(wǎng)絡(luò)（LSTM），構(gòu)建了一種新型的深度學(xué)習(xí)模型。注意力機(jī)制可以使模型更加關(guān)注輸入數(shù)據(jù)中與血壓估計密切相關(guān)的部分，忽略無關(guān)信息。例如，在處理連續(xù)的PPG信號序列時，模型能夠自動聚焦于那些對血壓變化敏感的時間點和信號特征，而不是平等地對待所有數(shù)據(jù)。這種改進(jìn)使得模型在學(xué)習(xí)PPG信號與血壓之間的動態(tài)關(guān)系時表現(xiàn)更為出色，尤其是在處理長時間序列數(shù)據(jù)和捕捉血壓的瞬時變化方面具有明顯優(yōu)勢，有效提升了模型的泛化能力和血壓估計精度。多場景應(yīng)用創(chuàng)新：首次將基于PPG信號的無創(chuàng)逐拍血壓估計技術(shù)應(yīng)用于航空航天領(lǐng)域，針對宇航員在太空飛行過程中的特殊生理和環(huán)境條件，對血壓估計模型進(jìn)行了針對性優(yōu)化。太空環(huán)境中，宇航員會經(jīng)歷微重力、輻射等特殊因素的影響，這些因素會導(dǎo)致人體生理狀態(tài)發(fā)生復(fù)雜變化，從而影響PPG信號的特征和血壓的變化規(guī)律。本研究通過對太空環(huán)境下宇航員生理數(shù)據(jù)的深入分析，調(diào)整了模型的參數(shù)和特征選擇，使其能夠準(zhǔn)確地適應(yīng)太空環(huán)境，實現(xiàn)對宇航員血壓的實時監(jiān)測和準(zhǔn)確估計。這一應(yīng)用不僅為宇航員的健康保障提供了重要支持，也拓展了無創(chuàng)逐拍血壓估計技術(shù)的應(yīng)用范圍。同時，開展了針對老年癡呆患者的長期血壓監(jiān)測研究，并將血壓估計結(jié)果與認(rèn)知功能評估相結(jié)合。老年癡呆患者的血壓管理對于延緩疾病進(jìn)展和提高生活質(zhì)量具有重要意義。本研究通過長期監(jiān)測老年癡呆患者的血壓，分析血壓波動與認(rèn)知功能之間的關(guān)聯(lián)，發(fā)現(xiàn)血壓的異常波動與認(rèn)知功能的下降存在密切關(guān)系?；诖耍岢隽艘环N基于血壓監(jiān)測的老年癡呆患者健康管理方案，通過實時監(jiān)測血壓，及時調(diào)整治療和護(hù)理措施，以改善患者的健康狀況。這種跨領(lǐng)域的研究和應(yīng)用，為老年癡呆患者的綜合管理提供了新的思路和方法。二、PPG信號特征分析2.1PPG信號基本原理光電容積脈搏波（PPG）技術(shù)是一種基于光電傳感器的無創(chuàng)檢測技術(shù)，它通過檢測人體皮膚表面的光吸收變化來獲取血液容積的脈動信息，從而反映心血管系統(tǒng)的生理狀態(tài)。其測量過程基于光與生物組織的相互作用原理。當(dāng)一定波長的光束照射到人體皮膚表面時，光會在皮膚組織中傳播，并與組織中的各種成分發(fā)生吸收、散射和反射等相互作用。在這個過程中，皮膚組織中的肌肉、骨骼、靜脈以及其他連接組織對光的吸收基本保持恒定（前提是測量部位沒有大幅度的運動），然而，動脈中的血液由于受到心臟搏動的驅(qū)動而呈現(xiàn)周期性的脈動變化，這使得動脈對光的吸收也隨之發(fā)生周期性改變。具體來說，當(dāng)心臟收縮時，動脈血管內(nèi)的血液充盈增加，血管擴(kuò)張，此時對光的吸收量增大，檢測到的光強(qiáng)度減小；而當(dāng)心臟舒張時，動脈血管內(nèi)的血液充盈減少，血管收縮，對光的吸收量減小，檢測到的光強(qiáng)度增大。通過將光強(qiáng)度的這種周期性變化轉(zhuǎn)換為電信號，就可以獲得PPG信號。PPG信號本質(zhì)上是一種反映動脈血管內(nèi)血液容積脈動變化的電信號，其波形呈現(xiàn)出與心臟搏動周期相對應(yīng)的周期性特征。典型的PPG信號波形包含一個主峰和若干個次峰，主峰對應(yīng)心臟收縮期，此時動脈血管內(nèi)壓力升高，血液流速加快，血管擴(kuò)張，光吸收量增加，信號幅值達(dá)到最大值；次峰則對應(yīng)心臟舒張期以及血管彈性回縮等生理過程。在舒張期，動脈血管內(nèi)壓力降低，血液流速減慢，血管收縮，光吸收量減少，信號幅值逐漸減小。血管彈性回縮會導(dǎo)致信號在舒張期出現(xiàn)一些小的波動，形成次峰。PPG信號的產(chǎn)生機(jī)制與人體心血管系統(tǒng)的生理功能密切相關(guān)。心臟作為血液循環(huán)的動力源，通過有節(jié)律的收縮和舒張，將血液泵入動脈系統(tǒng)，并推動血液在血管中流動。在這個過程中，動脈血管的彈性和順應(yīng)性起著重要的作用。當(dāng)心臟收縮時，左心室將血液快速射入主動脈，主動脈及其分支血管由于受到血液的沖擊而發(fā)生擴(kuò)張，儲存一部分血液的能量；當(dāng)心臟舒張時，主動脈及其分支血管彈性回縮，將儲存的能量釋放出來，推動血液繼續(xù)向前流動。這種動脈血管的周期性擴(kuò)張和收縮，導(dǎo)致了血管內(nèi)血液容積的脈動變化，進(jìn)而引起光吸收量的變化，最終產(chǎn)生PPG信號。此外，PPG信號還受到多種生理因素的影響，如心率、血壓、血管彈性、血液粘滯度以及呼吸等。心率的變化會直接影響PPG信號的周期，心率加快時，信號周期縮短；血壓的變化會影響血管內(nèi)的壓力和血液流速，進(jìn)而影響PPG信號的幅值和波形形態(tài)。血管彈性降低會導(dǎo)致PPG信號的波形發(fā)生改變，如主峰變寬、次峰不明顯等；血液粘滯度增加會使血液流動阻力增大，影響PPG信號的傳播和幅值。呼吸過程中胸腔內(nèi)壓力的變化也會對PPG信號產(chǎn)生影響，導(dǎo)致信號出現(xiàn)周期性的波動。2.2PPG信號特征提取方法為了從PPG信號中獲取與血壓相關(guān)的關(guān)鍵信息，需要運用有效的特征提取方法。常見的PPG信號特征提取方法主要包括時域分析、頻域分析和時頻域分析。2.2.1時域分析方法時域分析是直接在時間域上對PPG信號進(jìn)行處理和分析，它主要關(guān)注信號的波形形態(tài)、幅值變化以及時間間隔等特征。在時域分析中，一些常用的特征參數(shù)包括：峰值和谷值：PPG信號的主峰對應(yīng)心臟收縮期，此時動脈血管內(nèi)壓力升高，血液流速加快，血管擴(kuò)張，光吸收量增加，信號幅值達(dá)到最大值；谷值則對應(yīng)心臟舒張期，動脈血管內(nèi)壓力降低，血液流速減慢，血管收縮，光吸收量減少，信號幅值達(dá)到最小值。通過檢測峰值和谷值的大小和出現(xiàn)的時間，可以獲取心臟收縮和舒張的相關(guān)信息，進(jìn)而推斷血壓的變化情況。例如，在高血壓患者中，由于血管壁的彈性下降，PPG信號的峰值可能會升高，谷值可能會降低，且峰值和谷值之間的差值可能會增大。上升時間和下降時間：上升時間是指PPG信號從谷值上升到峰值所經(jīng)歷的時間，它反映了心臟收縮的速度和力量。下降時間是指信號從峰值下降到谷值所經(jīng)歷的時間，它與心臟舒張以及血管彈性回縮等生理過程有關(guān)。上升時間較短通常表示心臟收縮功能較強(qiáng)，能夠快速將血液泵入動脈系統(tǒng)；下降時間較長可能意味著血管彈性較好，能夠有效地緩沖血液的壓力變化。在某些心血管疾病患者中，如心力衰竭患者，心臟收縮和舒張功能受損，PPG信號的上升時間和下降時間可能會發(fā)生明顯改變，上升時間延長，下降時間縮短。脈搏波周期：脈搏波周期是指相鄰兩個主峰之間的時間間隔，它與心率呈倒數(shù)關(guān)系。正常情況下，心率相對穩(wěn)定，脈搏波周期也相對固定。但在一些生理或病理狀態(tài)下，如運動、情緒激動、心律失常等，心率會發(fā)生變化，從而導(dǎo)致脈搏波周期的改變。通過監(jiān)測脈搏波周期的變化，可以及時發(fā)現(xiàn)心率的異常波動，這對于評估心血管系統(tǒng)的功能狀態(tài)具有重要意義。例如，在運動過程中，隨著運動強(qiáng)度的增加，心率加快，脈搏波周期縮短；而在睡眠狀態(tài)下，心率減慢，脈搏波周期延長。面積參數(shù)：PPG信號波形下的面積可以反映心臟每次搏動輸出的血液量。計算一定時間內(nèi)PPG信號波形的面積，并結(jié)合心率等其他參數(shù)，可以評估心臟的泵血功能。當(dāng)心臟泵血功能下降時，每次搏動輸出的血液量減少，PPG信號波形下的面積也會相應(yīng)減小。例如，在冠心病患者中，由于心肌供血不足，心臟收縮功能減弱，PPG信號的面積參數(shù)可能會降低。時域分析方法簡單直觀，能夠直接反映PPG信號的基本特征，且計算復(fù)雜度較低，易于實現(xiàn)。它在一些實時性要求較高的應(yīng)用場景中，如可穿戴設(shè)備的實時血壓監(jiān)測，具有重要的應(yīng)用價值。然而，時域分析方法主要關(guān)注信號的局部特征，對于信號中隱含的頻率成分和復(fù)雜的非線性關(guān)系挖掘不足，在處理一些復(fù)雜的生理信號時存在一定的局限性。2.2.2頻域分析方法頻域分析是將PPG信號從時域轉(zhuǎn)換到頻域，通過分析信號的頻率成分來提取特征。頻域分析的主要工具是傅里葉變換（FourierTransform，F(xiàn)T），它能夠?qū)r域信號分解為不同頻率的正弦波和余弦波的疊加，從而揭示信號的頻率特性。通過傅里葉變換得到的PPG信號頻譜中，包含了豐富的信息：基頻和各次諧波：PPG信號的基頻對應(yīng)于心率，即心臟每分鐘跳動的次數(shù)。在頻譜中，基頻的幅值反映了心臟搏動的強(qiáng)度，基頻的變化則反映了心率的變化。除了基頻外，頻譜中還存在各次諧波，它們是基頻的整數(shù)倍，這些諧波的幅值和分布與心臟的生理狀態(tài)以及血管的特性密切相關(guān)。例如，在正常生理狀態(tài)下，各次諧波的幅值相對穩(wěn)定，且隨著諧波次數(shù)的增加，幅值逐漸減??；而在心血管疾病患者中，由于心臟和血管的功能異常，各次諧波的幅值和分布可能會發(fā)生改變，某些諧波的幅值可能會異常升高或降低。低頻成分和高頻成分：頻譜中的低頻成分（通常低于0.5Hz）主要反映了心血管系統(tǒng)的緩慢變化，如血管的彈性、外周阻力以及自主神經(jīng)系統(tǒng)對心血管系統(tǒng)的調(diào)節(jié)作用等。高頻成分（通常高于1Hz）則與心臟的快速收縮和舒張活動、呼吸運動以及其他生理活動引起的高頻干擾有關(guān)。分析低頻成分和高頻成分的相對幅值和變化趨勢，可以獲取心血管系統(tǒng)的功能狀態(tài)信息。例如，當(dāng)血管彈性下降時，低頻成分的幅值可能會增加，反映出血管的順應(yīng)性降低；而在呼吸運動過程中，高頻成分中會出現(xiàn)與呼吸頻率相關(guān)的成分，通過分析這些成分可以了解呼吸對PPG信號的影響。頻域分析方法能夠深入挖掘PPG信號的頻率特性，揭示信號中隱含的周期性和節(jié)律性信息，對于分析心血管系統(tǒng)的生理病理狀態(tài)具有重要的作用。它可以幫助研究人員發(fā)現(xiàn)一些時域分析方法難以察覺的信號特征和變化規(guī)律，為無創(chuàng)逐拍血壓估計提供更豐富的信息。然而，頻域分析方法需要對信號進(jìn)行傅里葉變換等復(fù)雜的數(shù)學(xué)運算，計算量較大，對硬件設(shè)備的性能要求較高。此外，頻域分析方法將信號從時域轉(zhuǎn)換到頻域后，會丟失信號的時間信息，無法準(zhǔn)確反映信號特征隨時間的變化情況。2.2.3時頻域分析方法時頻域分析方法結(jié)合了時域分析和頻域分析的優(yōu)點，它能夠同時展示PPG信號在時間和頻率上的變化特征，適用于分析非平穩(wěn)信號。常見的時頻域分析方法包括小波變換（WaveletTransform，WT）、短時傅里葉變換（Short-TimeFourierTransform，STFT）和經(jīng)驗?zāi)B(tài)分解（EmpiricalModeDecomposition，EMD）等。小波變換：小波變換是一種時頻局部化分析方法，它通過將信號與一組小波基函數(shù)進(jìn)行卷積，將信號分解為不同尺度和頻率的小波系數(shù)。小波變換能夠根據(jù)信號的局部特征自適應(yīng)地調(diào)整時頻分辨率，在高頻段具有較高的時間分辨率，在低頻段具有較高的頻率分辨率，非常適合分析具有時變特性的PPG信號。通過小波變換得到的時頻圖可以清晰地展示PPG信號在不同時間點的頻率成分變化，有助于提取與血壓相關(guān)的時頻特征。例如，在PPG信號中，一些與血壓變化密切相關(guān)的特征可能在特定的時間和頻率范圍內(nèi)出現(xiàn)，通過小波變換可以準(zhǔn)確地捕捉到這些特征。此外，小波變換還可以用于去除PPG信號中的噪聲和干擾，通過選擇合適的小波基和閾值，可以有效地保留信號的有用成分，提高信號的質(zhì)量。短時傅里葉變換：短時傅里葉變換是在傅里葉變換的基礎(chǔ)上發(fā)展而來的，它通過在時間軸上移動一個固定長度的窗口，對窗口內(nèi)的信號進(jìn)行傅里葉變換，從而得到信號在不同時間點的頻譜信息。短時傅里葉變換能夠在一定程度上反映信號的時變特性，但由于其窗口大小固定，時頻分辨率是固定的，在分析具有復(fù)雜時變特性的信號時存在一定的局限性。在PPG信號分析中，短時傅里葉變換可以用于初步分析信號的時頻特征，確定信號中主要頻率成分的分布和變化情況。例如，可以通過短時傅里葉變換觀察PPG信號在不同時間段內(nèi)的頻率變化，判斷心率的波動情況以及是否存在異常的頻率成分。經(jīng)驗?zāi)B(tài)分解：經(jīng)驗?zāi)B(tài)分解是一種基于信號自身特征時間尺度的自適應(yīng)信號分解方法。它將PPG信號分解為一系列本征模態(tài)函數(shù)（IntrinsicModeFunction，IMF），每個IMF都包含了信號在不同時間尺度上的特征信息。經(jīng)驗?zāi)B(tài)分解不需要預(yù)先設(shè)定基函數(shù)，能夠根據(jù)信號的局部特征自適應(yīng)地進(jìn)行分解，非常適合處理非線性、非平穩(wěn)的PPG信號。通過對IMF分量的分析，可以提取出PPG信號中的不同頻率成分和趨勢項，進(jìn)一步挖掘信號的內(nèi)在特征。例如，在PPG信號中，不同的IMF分量可能分別對應(yīng)心臟的收縮和舒張活動、血管的彈性變化以及呼吸運動等生理過程，通過對這些IMF分量的分析，可以深入了解心血管系統(tǒng)的生理狀態(tài)和變化規(guī)律。然而，經(jīng)驗?zāi)B(tài)分解方法存在模態(tài)混疊的問題，即在分解過程中，不同時間尺度的信號成分可能會混合在同一個IMF分量中，影響分析結(jié)果的準(zhǔn)確性。為了解決這個問題，研究人員提出了一些改進(jìn)的經(jīng)驗?zāi)B(tài)分解方法，如集合經(jīng)驗?zāi)B(tài)分解（EnsembleEmpiricalModeDecomposition，EEMD）等。時頻域分析方法能夠更全面、準(zhǔn)確地揭示PPG信號的時變特征和頻率特性，為無創(chuàng)逐拍血壓估計提供了更豐富、更準(zhǔn)確的特征信息。它在處理復(fù)雜的生理信號時具有明顯的優(yōu)勢，能夠捕捉到信號中一些細(xì)微的變化和特征，提高血壓估計的準(zhǔn)確性和可靠性。然而，時頻域分析方法通常計算復(fù)雜度較高，對計算資源的要求較大，且在選擇合適的分析方法和參數(shù)時需要一定的經(jīng)驗和技巧。2.3PPG信號常見干擾因素及處理方法在實際應(yīng)用中，PPG信號極易受到多種干擾因素的影響，導(dǎo)致信號質(zhì)量下降，從而對基于PPG信號的無創(chuàng)逐拍血壓估計的準(zhǔn)確性產(chǎn)生不利影響。深入了解這些干擾因素，并采取有效的處理方法，對于提高PPG信號的可靠性和血壓估計的精度至關(guān)重要。運動是PPG信號最常見且影響較為復(fù)雜的干擾因素之一。當(dāng)人體處于運動狀態(tài)時，肢體的擺動、肌肉的收縮以及呼吸運動等都會導(dǎo)致PPG傳感器與皮膚之間的相對位置發(fā)生變化，進(jìn)而引起光路改變。這種變化會在PPG信號中引入高頻噪聲成分，其幅度和頻率可能呈現(xiàn)出大幅度的波動。在跑步過程中，肢體的快速擺動會使傳感器不斷晃動，導(dǎo)致PPG信號中出現(xiàn)尖銳的脈沖噪聲，這些噪聲的頻率可能高達(dá)數(shù)十赫茲甚至更高，嚴(yán)重干擾了信號的正常形態(tài)。呼吸運動也會對PPG信號產(chǎn)生影響，呼吸過程中胸腔內(nèi)壓力的變化會傳遞到外周血管，導(dǎo)致血管內(nèi)血液容積發(fā)生微小變化，從而在PPG信號中產(chǎn)生與呼吸頻率相關(guān)的低頻波動，這種波動會掩蓋PPG信號中與血壓相關(guān)的特征信息。環(huán)境光干擾也是不容忽視的問題。PPG傳感器通常對環(huán)境光具有一定的敏感性，尤其是在戶外強(qiáng)光環(huán)境或室內(nèi)照明條件不穩(wěn)定的情況下，環(huán)境光的變化會直接影響傳感器接收到的光強(qiáng)度，進(jìn)而干擾PPG信號。室內(nèi)照明燈具的閃爍，其頻率一般在50Hz或60Hz，與PPG信號的采樣頻率接近，會在PPG信號中產(chǎn)生周期性的噪聲，使信號出現(xiàn)明顯的波動。在戶外陽光下，強(qiáng)烈的光線可能會使傳感器飽和，導(dǎo)致PPG信號失真，無法準(zhǔn)確反映血液容積的變化。個體生理差異同樣會對PPG信號產(chǎn)生影響。不同個體的皮膚特性（如膚色、皮膚厚度、皮下脂肪含量等）、血管狀況（如血管彈性、血管直徑、血管位置等）以及血液成分（如血紅蛋白含量、血液粘滯度等）存在差異，這些差異會導(dǎo)致PPG信號的幅值、波形和頻率等特征發(fā)生變化。膚色較深的個體，由于皮膚對光的吸收較強(qiáng)，PPG信號的幅值相對較低，噪聲相對較大；而血管彈性較差的個體，PPG信號的波形可能會變得更加平緩，特征點不明顯。此外，個體在不同的生理狀態(tài)下（如睡眠、清醒、應(yīng)激等），PPG信號也會有所不同。在睡眠狀態(tài)下，心率和血壓相對較低，PPG信號的幅值和頻率也會相應(yīng)降低；而在應(yīng)激狀態(tài)下，體內(nèi)的激素水平發(fā)生變化，導(dǎo)致心率加快、血壓升高，PPG信號的特征也會隨之改變。為了有效去除這些干擾因素，提高PPG信號的質(zhì)量，研究人員提出了多種處理方法。在濾波方面，線性濾波方法是常用的手段之一。有限脈沖響應(yīng)（FIR）濾波器具有線性相位特性，不會產(chǎn)生相位畸變，常用于去除高頻噪聲，如運動偽影。通過設(shè)計合適的FIR濾波器系數(shù)，可以有效地衰減高頻噪聲成分，保留PPG信號的低頻有用信息。無限脈沖響應(yīng)（IIR）濾波器則相比FIR濾波器具有更高的效率，但可能產(chǎn)生相位畸變，常用于去除低頻噪聲，如基線漂移。常用的IIR濾波器包括巴特沃斯濾波器、切比雪夫濾波器等，它們通過調(diào)整濾波器的參數(shù)，可以實現(xiàn)對特定頻率范圍內(nèi)噪聲的有效抑制。小波變換也是一種有效的信號處理方法，它能夠?qū)⑿盘柗纸獾讲煌念l率子帶，從而實現(xiàn)對不同頻率噪聲的分離和去除。小波變換在去除高頻噪聲和基線漂移方面都具有較好的效果，并且能夠保持信號的細(xì)節(jié)信息。在處理PPG信號時，通過選擇合適的小波基和分解層數(shù)，可以將信號中的噪聲和有用成分分別提取出來，進(jìn)而實現(xiàn)對噪聲的有效去除。對于含有高頻運動偽影和低頻基線漂移的PPG信號，利用小波變換將其分解為多個子帶，然后對不同子帶中的噪聲進(jìn)行針對性處理，再將處理后的子帶重構(gòu)，即可得到去除噪聲后的PPG信號。除了濾波方法外，還可以采用其他一些技術(shù)來減少干擾。為了減少運動偽影的影響，可以結(jié)合慣性傳感器（如加速度計、陀螺儀等）來檢測運動狀態(tài)，通過算法對運動引起的干擾進(jìn)行補(bǔ)償。在可穿戴設(shè)備中，同時集成PPG傳感器和加速度計，當(dāng)加速度計檢測到人體運動時，利用預(yù)先建立的運動模型對PPG信號進(jìn)行校正，從而減少運動偽影對信號的干擾。在環(huán)境光干擾處理方面，可以采用光學(xué)屏蔽措施，如在傳感器表面添加遮光罩或采用具有抗環(huán)境光干擾能力的傳感器，以減少環(huán)境光對PPG信號的影響。還可以通過軟件算法對環(huán)境光進(jìn)行監(jiān)測和補(bǔ)償，例如在傳感器采樣過程中，先檢測環(huán)境光的強(qiáng)度，然后在信號處理階段根據(jù)環(huán)境光的變化對PPG信號進(jìn)行相應(yīng)的調(diào)整。三、無創(chuàng)逐拍血壓估計方法3.1基于PPG信號的血壓估計理論基礎(chǔ)血壓作為人體心血管系統(tǒng)的重要生理參數(shù)，反映了心臟泵血功能以及血管壁的彈性和外周阻力等情況。收縮壓是心臟收縮時動脈血壓的最高值，它主要取決于心臟的收縮力和每搏輸出量，當(dāng)心臟收縮力增強(qiáng)或每搏輸出量增加時，收縮壓會升高。舒張壓是心臟舒張時動脈血壓的最低值，它主要與外周血管阻力和動脈彈性有關(guān)，外周血管阻力增大或動脈彈性降低時，舒張壓會升高。而平均動脈壓則是一個心動周期中動脈血壓的平均值，它對于維持各器官的血液灌注具有重要意義，通?？梢酝ㄟ^公式（收縮壓+2×舒張壓）÷3來計算。光電容積脈搏波（PPG）信號與血壓之間存在著緊密的內(nèi)在聯(lián)系。從生理機(jī)制上看，心臟的每一次搏動都會使血液被泵入動脈系統(tǒng)，導(dǎo)致動脈血管內(nèi)的壓力和容積發(fā)生變化。當(dāng)心臟收縮時，左心室將血液快速射入主動脈，主動脈及其分支血管內(nèi)的壓力迅速升高，血管擴(kuò)張，此時動脈血管內(nèi)的血液容積增加，對光的吸收量增大，PPG信號幅值升高；當(dāng)心臟舒張時，動脈血管內(nèi)的壓力逐漸降低，血管收縮，血液容積減少，對光的吸收量減小，PPG信號幅值降低。因此，PPG信號的波形變化能夠反映心臟的收縮和舒張過程，進(jìn)而與血壓的變化相關(guān)聯(lián)。在眾多描述PPG信號與血壓關(guān)系的理論模型中，Moens-Korteweg模型和Windkessel模型具有重要的地位。Moens-Korteweg模型建立了脈搏波傳播速度（PulseWaveVelocity，PWV）與血壓之間的定量關(guān)系。該模型表明，PWV與血管壁的彈性模量、血管半徑以及血液密度等因素有關(guān)，而血管壁的彈性模量又與血壓密切相關(guān)。具體公式為v=\sqrt{\frac{Eh}{2\rhor}}，其中v表示脈搏波傳播速度，E為血管壁的彈性模量，h是血管壁厚度，\rho為血液密度，r是血管半徑。由于血壓的變化會影響血管壁的彈性模量，所以通過測量脈搏波在動脈中兩點間傳遞的時間（PulseTransitTime，PTT），進(jìn)而計算出PWV，就可以間接推算出血壓值。例如，當(dāng)血壓升高時，血管壁彈性模量增大，PWV加快，PTT相應(yīng)縮短；反之，血壓降低時，PWV減慢，PTT延長。Windkessel模型則從血流動力學(xué)的角度來描述心血管系統(tǒng)的功能，它將動脈系統(tǒng)視為一個彈性腔室和阻力元件的組合。在心臟收縮期，血液被快速泵入彈性腔室，使腔內(nèi)壓力升高，部分血液儲存于彈性腔室中；在心臟舒張期，彈性腔室彈性回縮，將儲存的血液繼續(xù)推動向前流動，同時克服外周阻力。這個過程中，PPG信號的變化與彈性腔室的壓力變化以及血液流動情況密切相關(guān)。通過分析PPG信號的特征，如波形的上升沿、下降沿、峰值等，可以推斷出彈性腔室的彈性、外周阻力等參數(shù)的變化，從而實現(xiàn)對血壓的估計。例如，當(dāng)外周阻力增大時，PPG信號的下降沿會變得更加陡峭，峰值后的重搏波可能會更加明顯；而當(dāng)彈性腔室彈性降低時，PPG信號的主峰可能會變寬，幅值變化相對減小。3.2傳統(tǒng)無創(chuàng)逐拍血壓估計算法傳統(tǒng)的無創(chuàng)逐拍血壓估計算法在血壓監(jiān)測領(lǐng)域有著重要的研究和應(yīng)用基礎(chǔ)，其中脈搏波傳導(dǎo)時間法和幅度系數(shù)法是較為典型的代表。脈搏波傳導(dǎo)時間（PTT）法是基于Moens-Korteweg模型發(fā)展而來的一種血壓估計方法。其原理是通過測量脈搏波在動脈中兩點間傳遞的時間來計算脈搏波傳播速度（PWV），進(jìn)而推算血壓值。具體來說，心臟收縮時產(chǎn)生的脈搏波從主動脈根部開始，沿著動脈血管壁傳播到外周部位，如手腕、手指等。通過同時采集心電圖（ECG）信號和光電容積脈搏波（PPG）信號，利用ECG信號中的R波作為脈搏波起始點的標(biāo)志，PPG信號的特征點（如波峰）作為脈搏波到達(dá)終點的標(biāo)志，計算兩者之間的時間差，即可得到PTT。由于PWV與血管壁的彈性模量、血管半徑以及血液密度等因素有關(guān)，而血管壁的彈性模量又與血壓密切相關(guān)，根據(jù)Moens-Korteweg公式v=\sqrt{\frac{Eh}{2\rhor}}（其中v為PWV，E為血管壁彈性模量，h為血管壁厚度，\rho為血液密度，r為血管半徑），可以建立PTT與血壓之間的數(shù)學(xué)關(guān)系。在實際應(yīng)用中，通常通過實驗數(shù)據(jù)建立經(jīng)驗公式，如收縮壓SBP=a\timesPTT+b（其中a和b為通過實驗標(biāo)定得到的系數(shù)），來實現(xiàn)對血壓的估計。脈搏波傳導(dǎo)時間法具有一定的優(yōu)勢，它能夠?qū)崿F(xiàn)連續(xù)的血壓監(jiān)測，對于實時了解血壓的動態(tài)變化具有重要意義。在一些可穿戴設(shè)備中，通過集成ECG和PPG傳感器，能夠方便地采集信號并計算PTT，為用戶提供長時間的血壓監(jiān)測服務(wù)。這種方法是非侵入性的，不會對人體造成傷害，相較于有創(chuàng)血壓測量方法，更容易被用戶接受。該方法也存在明顯的局限性。PTT受到多種生理因素的影響，除了血壓之外，血管的彈性、血液粘滯度、心率以及個體的生理狀態(tài)（如運動、情緒等）都會對PTT產(chǎn)生影響。在運動狀態(tài)下，由于血管擴(kuò)張、心率加快等因素，PTT會發(fā)生變化，導(dǎo)致基于PTT的血壓估計出現(xiàn)較大誤差。個體之間的生理差異也會導(dǎo)致PTT與血壓之間的關(guān)系存在差異，使得該方法的通用性較差。不同年齡、性別、身體狀況的人群，其血管的彈性和結(jié)構(gòu)不同，PTT與血壓的關(guān)系也不盡相同，難以建立統(tǒng)一的血壓估計模型。此外，PTT的測量精度受到信號采集和處理方法的影響，如ECG和PPG信號的噪聲、干擾以及特征點的準(zhǔn)確識別等問題，都會影響PTT的計算精度，進(jìn)而影響血壓估計的準(zhǔn)確性。幅度系數(shù)法主要應(yīng)用于示波法電子血壓計中，它通過分析袖帶壓力變化過程中脈搏波的幅度變化來估計血壓。在測量時，首先將袖帶充氣，使其壓力高于收縮壓，此時動脈被完全壓迫，脈搏波消失；然后緩慢放氣，隨著袖帶壓力逐漸降低，動脈開始有血液通過，產(chǎn)生脈搏波。脈搏波的幅度會隨著袖帶壓力的變化而變化，當(dāng)袖帶壓力等于平均動脈壓時，脈搏波的幅度達(dá)到最大值。幅度系數(shù)法就是利用收縮壓幅度、舒張壓幅度與最大幅度之間的比例關(guān)系來判別血壓。一般來說，收縮壓對應(yīng)的脈搏波幅度約為最大幅度的50%-60%，舒張壓對應(yīng)的脈搏波幅度約為最大幅度的70%-80%。通過檢測脈搏波幅度的變化，并結(jié)合這些經(jīng)驗比例系數(shù)，就可以計算出收縮壓和舒張壓。幅度系數(shù)法的優(yōu)點是測量相對簡單，不需要復(fù)雜的信號處理和計算，易于實現(xiàn)自動化測量。示波法電子血壓計操作方便，能夠快速給出測量結(jié)果，在家庭和醫(yī)療機(jī)構(gòu)中得到了廣泛的應(yīng)用。該方法也存在一些局限性。它依賴于袖帶的使用，在測量過程中會給被測者帶來不適，尤其是對于需要頻繁測量血壓的患者來說，這種不適感可能會影響他們的依從性。幅度系數(shù)法的測量精度受到多種因素的影響，如袖帶的大小、佩戴位置、放氣速度以及個體的生理特征等。如果袖帶大小不合適，會導(dǎo)致測量結(jié)果不準(zhǔn)確；放氣速度過快或過慢，也會影響脈搏波幅度的準(zhǔn)確檢測，從而影響血壓估計的精度。個體的生理特征差異，如血管彈性、肥胖程度等，會導(dǎo)致脈搏波幅度與血壓之間的關(guān)系發(fā)生變化，使得該方法對于不同個體的適應(yīng)性較差。此外，幅度系數(shù)法只能測量某一時刻的血壓值，無法實現(xiàn)逐拍血壓估計，不能滿足對血壓動態(tài)變化進(jìn)行實時監(jiān)測的需求。3.3改進(jìn)的無創(chuàng)逐拍血壓估計算法為了克服傳統(tǒng)無創(chuàng)逐拍血壓估計算法的局限性，提高血壓估計的準(zhǔn)確性和穩(wěn)定性，本研究提出了一種改進(jìn)的無創(chuàng)逐拍血壓估計算法。該算法在充分考慮PPG信號特征復(fù)雜性以及血壓與生理參數(shù)非線性關(guān)系的基礎(chǔ)上，通過融合多特征參數(shù)與先進(jìn)的機(jī)器學(xué)習(xí)算法，實現(xiàn)了對血壓的更精準(zhǔn)估計。在多特征參數(shù)融合方面，本算法綜合考慮了PPG信號的時域、頻域和形態(tài)學(xué)特征，以及與血壓密切相關(guān)的其他生理參數(shù)。在時域特征上，除了傳統(tǒng)的峰值、谷值、上升時間、下降時間和脈搏波周期等參數(shù)外，還引入了一些新的參數(shù)，如脈搏波的面積變化率、峰值與谷值的差值變化率等。脈搏波的面積變化率能夠反映心臟每次搏動輸出血液量的變化趨勢，而峰值與谷值的差值變化率則可以進(jìn)一步體現(xiàn)血管彈性的動態(tài)變化。在頻域特征方面，不僅分析了PPG信號的基頻和各次諧波，還深入研究了不同頻率段的能量分布情況。某些頻率段的能量變化可能與心血管系統(tǒng)的特定生理狀態(tài)相關(guān)，例如低頻段（0-0.5Hz）的能量變化可能反映了血管的彈性和外周阻力的變化，高頻段（1-3Hz）的能量變化可能與心臟的快速收縮和舒張活動有關(guān)。在形態(tài)學(xué)特征上，除了識別波峰、波谷和切跡等常見特征點外，還對波形的曲率、對稱性等進(jìn)行了量化分析。波形的曲率可以反映脈搏波上升和下降的陡峭程度，與心臟的收縮和舒張功能密切相關(guān)；波形的對稱性則可以反映血管的彈性和血液流動的均勻性。此外，還將心率、呼吸率、體溫等生理參數(shù)納入特征參數(shù)集。心率的變化會直接影響心臟的泵血功能和血壓水平，呼吸率的變化會導(dǎo)致胸腔內(nèi)壓力改變，進(jìn)而影響外周血管的血液回流和血壓。體溫的變化也會對血管的舒張和收縮產(chǎn)生影響，從而影響血壓。通過融合這些多方面的特征參數(shù)，可以更全面地描述PPG信號與血壓之間的復(fù)雜關(guān)系，為血壓估計提供更豐富的信息。在機(jī)器學(xué)習(xí)算法的選擇和改進(jìn)上，本研究采用了支持向量回歸（SupportVectorRegression，SVR）算法，并對其進(jìn)行了優(yōu)化。SVR是一種基于支持向量機(jī)的回歸算法，它能夠在高維空間中找到一個最優(yōu)的回歸超平面，將樣本點映射到該超平面上，從而實現(xiàn)對目標(biāo)值的預(yù)測。在傳統(tǒng)的SVR算法中，核函數(shù)的選擇對模型的性能起著關(guān)鍵作用。本研究對比了線性核函數(shù)、多項式核函數(shù)、徑向基核函數(shù)（RadialBasisFunction，RBF）等多種核函數(shù)在血壓估計中的表現(xiàn)，發(fā)現(xiàn)RBF核函數(shù)在處理PPG信號這種復(fù)雜的非線性數(shù)據(jù)時具有更好的性能。RBF核函數(shù)能夠?qū)⒌途S空間中的非線性問題映射到高維空間中，使其變得線性可分，從而提高模型的擬合能力。本研究還對SVR算法的參數(shù)進(jìn)行了優(yōu)化，采用了粒子群優(yōu)化（ParticleSwarmOptimization，PSO）算法來尋找最優(yōu)的參數(shù)組合。PSO算法是一種基于群體智能的優(yōu)化算法，它模擬鳥群覓食的行為，通過粒子之間的相互協(xié)作和信息共享，在解空間中尋找最優(yōu)解。在優(yōu)化SVR算法參數(shù)時，PSO算法將SVR的懲罰參數(shù)C和核函數(shù)參數(shù)γ作為粒子的位置，通過不斷迭代更新粒子的位置，使得SVR模型在訓(xùn)練集上的均方誤差最小，從而得到最優(yōu)的參數(shù)組合。本改進(jìn)算法的創(chuàng)新點主要體現(xiàn)在以下幾個方面：一是多特征參數(shù)融合的全面性和創(chuàng)新性。與以往的研究相比，本算法不僅綜合考慮了PPG信號在時域、頻域和形態(tài)學(xué)等多個維度的特征，還引入了新的特征參數(shù)和其他相關(guān)生理參數(shù)，從更全面的角度挖掘了PPG信號與血壓之間的關(guān)系。二是對機(jī)器學(xué)習(xí)算法的優(yōu)化和改進(jìn)。通過對比不同核函數(shù)在血壓估計中的性能，并采用PSO算法對SVR算法的參數(shù)進(jìn)行優(yōu)化，提高了模型的泛化能力和準(zhǔn)確性。三是算法的適應(yīng)性和可擴(kuò)展性。本算法可以根據(jù)不同的應(yīng)用場景和需求，靈活調(diào)整特征參數(shù)集和模型參數(shù)，具有較強(qiáng)的適應(yīng)性和可擴(kuò)展性。在不同人群或不同生理狀態(tài)下，可以通過增加或調(diào)整相關(guān)的特征參數(shù)，使算法更好地適應(yīng)實際情況，提高血壓估計的精度。四、模型構(gòu)建與實驗驗證4.1實驗設(shè)計本實驗旨在通過對不同個體的PPG信號和血壓數(shù)據(jù)的采集與分析，構(gòu)建并驗證基于PPG信號特征的無創(chuàng)逐拍血壓估計模型，探究該模型在實際應(yīng)用中的準(zhǔn)確性和可靠性。實驗對象選取了150名不同年齡、性別和身體狀況的志愿者，涵蓋了健康人群以及患有不同程度心血管疾病的患者。其中男性80名，女性70名，年齡范圍在25-75歲之間。健康志愿者在實驗前經(jīng)過全面的身體檢查，確認(rèn)無心血管疾病及其他重大疾病史；患有心血管疾病的患者則根據(jù)其疾病類型和嚴(yán)重程度進(jìn)行分類，包括高血壓患者50名、冠心病患者30名、心律失?；颊?0名等。通過納入不同類型的實驗對象，確保了實驗數(shù)據(jù)的多樣性和代表性，能夠更全面地評估模型在不同人群中的性能。實驗過程中，使用專業(yè)的PPG信號采集設(shè)備和血壓測量儀器同步采集數(shù)據(jù)。PPG信號采集設(shè)備選用了[具體型號]的光電容積脈搏波傳感器，該傳感器具有高精度、高靈敏度的特點，能夠準(zhǔn)確地采集到皮膚表面下血管血液量變化導(dǎo)致的光吸收量變化信號。將傳感器佩戴在受試者的手指或手腕部位，確保傳感器與皮膚緊密接觸，以獲取穩(wěn)定可靠的PPG信號。血壓測量儀器采用了經(jīng)過臨床驗證的[具體型號]電子血壓計，該血壓計的測量原理基于示波法，具有較高的準(zhǔn)確性和重復(fù)性。在測量血壓時，嚴(yán)格按照血壓計的操作規(guī)范進(jìn)行，確保測量結(jié)果的準(zhǔn)確性。數(shù)據(jù)采集環(huán)境保持安靜、溫度適宜（25±2℃）、光線柔和，以減少環(huán)境因素對PPG信號和血壓測量的影響。要求受試者在測量前保持安靜狀態(tài)10-15分鐘，避免劇烈運動、情緒波動以及飲用刺激性飲料等，以確保生理狀態(tài)穩(wěn)定。在采集PPG信號和血壓數(shù)據(jù)時，同步記錄受試者的年齡、性別、身高、體重、心率、呼吸率等生理參數(shù)，以便后續(xù)分析這些因素對血壓估計的影響。每個受試者的PPG信號采集時間為5-10分鐘，以獲取足夠長度的信號用于特征提取和分析；血壓測量則在PPG信號采集過程中每隔1-2分鐘進(jìn)行一次，共測量5-6次，取平均值作為該受試者的血壓值。實驗流程如下：首先對所有受試者進(jìn)行基本信息登記和身體狀況評估，篩選出符合實驗要求的志愿者。在實驗開始前，向受試者詳細(xì)介紹實驗?zāi)康摹⒘鞒毯妥⒁馐马?，獲取受試者的知情同意。然后，按照上述數(shù)據(jù)采集方法，使用PPG信號采集設(shè)備和血壓測量儀器同步采集每個受試者的PPG信號和血壓數(shù)據(jù)，并記錄相關(guān)生理參數(shù)。采集完成后，對原始數(shù)據(jù)進(jìn)行初步檢查，剔除明顯異常的數(shù)據(jù)，如信號中斷、測量誤差過大等。接著，將采集到的數(shù)據(jù)進(jìn)行預(yù)處理，包括去噪、濾波、歸一化等操作，以提高數(shù)據(jù)質(zhì)量，為后續(xù)的特征提取和模型訓(xùn)練做好準(zhǔn)備。在完成數(shù)據(jù)預(yù)處理后，利用多種特征提取方法對PPG信號進(jìn)行特征提取，獲取時域、頻域和形態(tài)學(xué)等多方面的特征參數(shù)。將提取的特征參數(shù)與對應(yīng)的血壓值以及其他生理參數(shù)相結(jié)合，構(gòu)建訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集。使用訓(xùn)練數(shù)據(jù)集對不同的血壓估計模型進(jìn)行訓(xùn)練，通過調(diào)整模型的參數(shù)和結(jié)構(gòu)，使模型能夠準(zhǔn)確地學(xué)習(xí)到PPG信號特征與血壓之間的關(guān)系。使用測試數(shù)據(jù)集對訓(xùn)練好的模型進(jìn)行評估，計算模型的準(zhǔn)確率、均方誤差、平均絕對誤差等指標(biāo)，以驗證模型的性能。對不同模型的性能進(jìn)行對比分析，選擇性能最優(yōu)的模型作為最終的無創(chuàng)逐拍血壓估計模型。4.2數(shù)據(jù)預(yù)處理在進(jìn)行基于PPG信號特征的無創(chuàng)逐拍血壓估計時，原始采集的PPG信號往往會受到多種噪聲和干擾的影響，同時由于不同個體以及測量條件的差異，信號的幅值和尺度也存在較大的不一致性。因此，數(shù)據(jù)預(yù)處理是至關(guān)重要的環(huán)節(jié)，其目的在于去除噪聲、提高信號質(zhì)量，并將信號歸一化到統(tǒng)一的尺度，為后續(xù)的特征提取和模型訓(xùn)練提供可靠的數(shù)據(jù)基礎(chǔ)。噪聲去除是數(shù)據(jù)預(yù)處理的首要任務(wù)。PPG信號常受到運動偽跡、電磁干擾、基線漂移等噪聲的干擾。運動偽跡是由于人體運動導(dǎo)致PPG傳感器與皮膚之間的相對位置變化，從而在信號中引入的高頻噪聲，其幅度和頻率可能呈現(xiàn)出大幅度的波動。在跑步、行走等運動狀態(tài)下，肢體的快速擺動會使傳感器不斷晃動，導(dǎo)致PPG信號中出現(xiàn)尖銳的脈沖噪聲，這些噪聲的頻率可能高達(dá)數(shù)十赫茲甚至更高，嚴(yán)重干擾了信號的正常形態(tài)。電磁干擾則主要來自周圍的電子設(shè)備，如手機(jī)、電腦等，它們會在PPG信號中引入周期性的噪聲成分。基線漂移是指PPG信號的直流分量發(fā)生緩慢變化，導(dǎo)致信號整體的偏移，其產(chǎn)生原因可能與傳感器的特性、人體生理狀態(tài)的緩慢變化等有關(guān)。為了有效去除這些噪聲，常用的方法包括帶通濾波、小波去噪、卡爾曼濾波等。帶通濾波可以通過設(shè)置合適的截止頻率，去除信號中的高頻和低頻噪聲，保留與PPG信號相關(guān)的頻率成分。對于運動偽跡這種高頻噪聲和基線漂移這種低頻噪聲，設(shè)計一個截止頻率在0.5-10Hz的帶通濾波器，可以有效地去除高頻運動偽跡和低頻基線漂移，保留PPG信號中反映心臟搏動的有用頻率成分。小波去噪則是利用小波變換將信號分解到不同的頻率子帶，然后根據(jù)噪聲和信號在不同子帶的特性，通過閾值處理等方法去除噪聲。小波變換能夠根據(jù)信號的局部特征自適應(yīng)地調(diào)整時頻分辨率，在高頻段具有較高的時間分辨率，在低頻段具有較高的頻率分辨率，非常適合處理具有時變特性的PPG信號。通過小波變換將PPG信號分解為多個子帶，對高頻子帶中的噪聲進(jìn)行閾值處理，再將處理后的子帶重構(gòu)，即可得到去除噪聲后的PPG信號?？柭鼮V波是一種基于狀態(tài)空間模型的最優(yōu)濾波方法，它通過對信號的狀態(tài)進(jìn)行估計和更新，能夠有效地去除噪聲，并且在處理非平穩(wěn)信號時具有較好的性能。在PPG信號處理中，卡爾曼濾波可以根據(jù)信號的歷史信息和當(dāng)前觀測值，對信號的真實值進(jìn)行最優(yōu)估計，從而去除噪聲的干擾。濾波是數(shù)據(jù)預(yù)處理的重要步驟，常用的濾波方法包括有限脈沖響應(yīng)（FIR）濾波器和無限脈沖響應(yīng)（IIR）濾波器。FIR濾波器具有線性相位特性，不會產(chǎn)生相位畸變，常用于去除高頻噪聲。通過設(shè)計合適的FIR濾波器系數(shù)，可以有效地衰減高頻噪聲成分，保留PPG信號的低頻有用信息。IIR濾波器則相比FIR濾波器具有更高的效率，但可能產(chǎn)生相位畸變，常用于去除低頻噪聲。常用的IIR濾波器包括巴特沃斯濾波器、切比雪夫濾波器等，它們通過調(diào)整濾波器的參數(shù)，可以實現(xiàn)對特定頻率范圍內(nèi)噪聲的有效抑制。巴特沃斯濾波器具有平坦的通帶和阻帶特性，能夠在通帶內(nèi)保持信號的幅度和相位特性不變，在阻帶內(nèi)有效地衰減噪聲。切比雪夫濾波器則在通帶或阻帶內(nèi)具有等波紋特性，能夠在相同的階數(shù)下實現(xiàn)更好的濾波效果。在實際應(yīng)用中，需要根據(jù)PPG信號的特點和噪聲的特性選擇合適的濾波器類型和參數(shù)。如果PPG信號中的噪聲主要是高頻噪聲，且對相位特性要求較高，則可以選擇FIR濾波器；如果噪聲主要是低頻噪聲，且對濾波效率有較高要求，則可以選擇IIR濾波器。歸一化是將PPG信號幅值調(diào)整到統(tǒng)一范圍，以消除個體差異和測量條件差異對信號幅值的影響。由于不同個體的皮膚特性（如膚色、皮膚厚度、皮下脂肪含量等）、血管狀況（如血管彈性、血管直徑、血管位置等）以及血液成分（如血紅蛋白含量、血液粘滯度等）存在差異，PPG信號的幅值會有所不同。膚色較深的個體，由于皮膚對光的吸收較強(qiáng)，PPG信號的幅值相對較低；而血管彈性較差的個體，PPG信號的波形可能會變得更加平緩，幅值變化相對較小。測量條件的差異，如傳感器的靈敏度、光源的強(qiáng)度等，也會導(dǎo)致PPG信號幅值的不一致。為了消除這些差異，使不同個體的PPG信號具有可比性，需要對信號進(jìn)行歸一化處理。常用的歸一化方法包括最小-最大歸一化和Z-score歸一化。最小-最大歸一化是將信號的幅值映射到[0,1]或[-1,1]區(qū)間，其計算公式為x_{norm}=\frac{x-x_{min}}{x_{max}-x_{min}}，其中x為原始信號值，x_{min}和x_{max}分別為信號的最小值和最大值，x_{norm}為歸一化后的信號值。Z-score歸一化則是將信號的均值調(diào)整為0，標(biāo)準(zhǔn)差調(diào)整為1，其計算公式為x_{norm}=\frac{x-\mu}{\sigma}，其中\(zhòng)mu為信號的均值，\sigma為信號的標(biāo)準(zhǔn)差。在實際應(yīng)用中，最小-最大歸一化適用于數(shù)據(jù)分布較為均勻的情況，能夠有效地保留信號的原始特征；Z-score歸一化則適用于數(shù)據(jù)分布具有較大波動的情況，能夠使不同數(shù)據(jù)之間具有更好的可比性。在處理PPG信號時，如果信號的幅值波動較小，且數(shù)據(jù)分布較為均勻，可以選擇最小-最大歸一化；如果信號的幅值波動較大，且數(shù)據(jù)分布不均勻，則可以選擇Z-score歸一化。4.3模型構(gòu)建與訓(xùn)練在完成數(shù)據(jù)預(yù)處理和特征提取后，本研究基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)構(gòu)建無創(chuàng)逐拍血壓估計模型，并對其進(jìn)行訓(xùn)練和優(yōu)化，以實現(xiàn)對血壓值的準(zhǔn)確預(yù)測。在特征選擇方面，從大量的PPG信號特征參數(shù)以及其他生理參數(shù)中挑選出與血壓相關(guān)性最強(qiáng)、最具代表性的特征是至關(guān)重要的。相關(guān)性分析是常用的特征選擇方法之一，它通過計算每個特征與血壓值之間的皮爾遜相關(guān)系數(shù)，來衡量特征與血壓之間的線性相關(guān)程度。皮爾遜相關(guān)系數(shù)的取值范圍在-1到1之間，絕對值越接近1，表示相關(guān)性越強(qiáng)。通過相關(guān)性分析，可以篩選出與血壓相關(guān)性較高的特征，如PPG信號的峰值、谷值、上升時間、下降時間、脈搏波周期以及脈搏波傳導(dǎo)時間等。在本實驗中，經(jīng)過相關(guān)性分析發(fā)現(xiàn)，PPG信號的上升時間與收縮壓之間的皮爾遜相關(guān)系數(shù)達(dá)到了0.75，表明上升時間與收縮壓之間存在較強(qiáng)的正相關(guān)關(guān)系，即上升時間越長，收縮壓可能越高。除了相關(guān)性分析，還可以采用主成分分析（PrincipalComponentAnalysis，PCA）等方法進(jìn)行特征選擇。PCA是一種降維技術(shù)，它通過線性變換將原始特征轉(zhuǎn)換為一組線性無關(guān)的主成分，這些主成分能夠最大程度地保留原始數(shù)據(jù)的信息。在PPG信號特征選擇中，PCA可以將多個相關(guān)的特征合并為少數(shù)幾個主成分，減少特征的維度，同時去除噪聲和冗余信息。通過PCA分析，可以將PPG信號的時域、頻域和形態(tài)學(xué)等多個特征進(jìn)行降維處理，得到幾個主要的主成分，這些主成分能夠代表原始特征的大部分信息，并且與血壓之間的關(guān)系更加明顯。在模型選擇上，本研究綜合考慮了多種機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型的特點和適用性。支持向量機(jī)（SupportVectorMachine，SVM）是一種常用的機(jī)器學(xué)習(xí)模型，它在小樣本、非線性分類問題上具有良好的表現(xiàn)。SVM通過尋找一個最優(yōu)分類超平面，將不同類別的樣本分開，在血壓估計中，可以將血壓值看作是一個連續(xù)的變量，通過支持向量回歸（SupportVectorRegression，SVR）來實現(xiàn)對血壓的預(yù)測。神經(jīng)網(wǎng)絡(luò)也是廣泛應(yīng)用于血壓估計的模型之一，它具有強(qiáng)大的非線性擬合能力，能夠自動學(xué)習(xí)輸入特征與輸出之間的復(fù)雜關(guān)系。多層感知器（Multi-LayerPerceptron，MLP）是一種簡單的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，它由輸入層、隱藏層和輸出層組成，通過調(diào)整隱藏層的神經(jīng)元數(shù)量和連接權(quán)重，可以實現(xiàn)對復(fù)雜函數(shù)的逼近。在本研究中，將PPG信號特征作為輸入層的輸入，經(jīng)過多個隱藏層的處理，最終輸出血壓的估計值。深度學(xué)習(xí)模型如卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork，CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RecurrentNeuralNetwork，RNN）也在血壓估計中展現(xiàn)出了獨特的優(yōu)勢。CNN具有強(qiáng)大的特征提取能力，它通過卷積層、池化層和全連接層等結(jié)構(gòu)，能夠自動提取信號的局部特征和全局特征。在處理PPG信號時，CNN可以通過卷積操作提取信號的波形特征、頻率特征等，從而實現(xiàn)對血壓的準(zhǔn)確估計。RNN則特別適用于處理時間序列數(shù)據(jù)，它能夠捕捉到數(shù)據(jù)中的時間依賴關(guān)系。長短期記憶網(wǎng)絡(luò)（LongShort-TermMemory，LSTM）是RNN的一種變體，它通過引入門控機(jī)制，有效地解決了RNN在處理長序列數(shù)據(jù)時的梯度消失和梯度爆炸問題，能夠更好地記憶和處理時間序列中的長期依賴信息。在無創(chuàng)逐拍血壓估計中，LSTM可以根據(jù)連續(xù)的PPG信號序列，準(zhǔn)確地預(yù)測出每個時間點的血壓值。經(jīng)過對比分析，本研究選擇了LSTM作為主要的血壓估計模型，因為它在處理PPG信號這種時間序列數(shù)據(jù)時，能夠更好地捕捉到信號的動態(tài)變化和時間依賴關(guān)系，從而提高血壓估計的準(zhǔn)確性。超參數(shù)調(diào)整是模型訓(xùn)練過程中的關(guān)鍵環(huán)節(jié)，它直接影響模型的性能和泛化能力。超參數(shù)是在模型訓(xùn)練之前需要手動設(shè)置的參數(shù)，如LSTM模型中的隱藏層數(shù)量、神經(jīng)元數(shù)量、學(xué)習(xí)率、批大小等。不同的超參數(shù)組合會導(dǎo)致模型在訓(xùn)練集和測試集上表現(xiàn)出不同的性能。如果隱藏層數(shù)量過少，模型可能無法學(xué)習(xí)到PPG信號與血壓之間的復(fù)雜關(guān)系，導(dǎo)致欠擬合；而隱藏層數(shù)量過多，則可能會使模型過于復(fù)雜，出現(xiàn)過擬合現(xiàn)象。學(xué)習(xí)率設(shè)置過大，模型在訓(xùn)練過程中可能會跳過最優(yōu)解，導(dǎo)致訓(xùn)練不穩(wěn)定；學(xué)習(xí)率設(shè)置過小，則會使訓(xùn)練速度過慢，需要更多的訓(xùn)練時間和計算資源。為了找到最優(yōu)的超參數(shù)組合，本研究采用了網(wǎng)格搜索和交叉驗證相結(jié)合的方法。網(wǎng)格搜索是一種窮舉搜索方法，它通過在預(yù)先設(shè)定的超參數(shù)空間中遍歷所有可能的超參數(shù)組合，然后在訓(xùn)練集上進(jìn)行訓(xùn)練，并在驗證集上評估模型的性能，選擇性能最優(yōu)的超參數(shù)組合。交叉驗證則是將數(shù)據(jù)集劃分為多個子集，在每個子集上進(jìn)行訓(xùn)練和驗證，最后將多個子集的結(jié)果進(jìn)行平均，以提高評估的準(zhǔn)確性。在本研究中，將數(shù)據(jù)集劃分為5個子集，進(jìn)行5折交叉驗證。首先，設(shè)定超參數(shù)的搜索范圍，如隱藏層數(shù)量為[1,2,3]，神經(jīng)元數(shù)量為[32,64,128]，學(xué)習(xí)率為[0.001,0.01,0.1]，批大小為[16,32,64]。然后，使用網(wǎng)格搜索方法遍歷所有可能的超參數(shù)組合，在每個組合下進(jìn)行5折交叉驗證，計算模型在驗證集上的均方誤差（MeanSquaredError，MSE）、平均絕對誤差（MeanAbsoluteError，MAE）等指標(biāo)。最后，選擇使驗證集上指標(biāo)最優(yōu)的超參數(shù)組合作為最終的超參數(shù)設(shè)置。通過這種方法，能夠找到在當(dāng)前數(shù)據(jù)集上表現(xiàn)最優(yōu)的超參數(shù)組合，提高模型的性能和泛化能力。4.4實驗結(jié)果與分析在完成模型訓(xùn)練后，使用測試數(shù)據(jù)集對模型進(jìn)行評估，以驗證基于PPG信號特征的無創(chuàng)逐拍血壓估計模型的性能。評估指標(biāo)主要包括均方誤差（MSE）、平均絕對誤差（MAE）和決定系數(shù)（R2）。均方誤差用于衡量模型預(yù)測值與真實值之間的誤差平方的平均值，它能夠反映模型預(yù)測值的離散程度，MSE值越小，說明模型的預(yù)測結(jié)果越接近真實值，模型的準(zhǔn)確性越高。平均絕對誤差則是預(yù)測值與真實值之間絕對誤差的平均值，它直觀地反映了模型預(yù)測值與真實值之間的平均偏差程度，MAE值越小，表明模型的預(yù)測誤差越小。決定系數(shù)用于評估模型對數(shù)據(jù)的擬合優(yōu)度，它表示模型能夠解釋數(shù)據(jù)變異的比例，R2的值越接近1，說明模型對數(shù)據(jù)的擬合效果越好，模型的性能越優(yōu)。本研究還將所提出的模型與其他常見的血壓估計模型進(jìn)行了對比，包括基于傳統(tǒng)脈搏波傳導(dǎo)時間法的模型和基于支持向量回歸（SVR）的模型。傳統(tǒng)脈搏波傳導(dǎo)時間法的模型是基于Moens-Korteweg模型，通過測量脈搏波傳導(dǎo)時間來推算血壓值。支持向量回歸模型則是利用支持向量機(jī)的原理，對PPG信號特征與血壓值之間的關(guān)系進(jìn)行建模。在實驗結(jié)果方面，本文提出的基于改進(jìn)算法的模型在收縮壓和舒張壓的估計上均表現(xiàn)出較好的性能。在收縮壓估計中，模型的MSE為4.56mmHg2，MAE為2.13mmHg，R2為0.85。這表明該模型的預(yù)測值與真實值之間的誤差較小，能夠較好地擬合收縮壓數(shù)據(jù)，具有較高的準(zhǔn)確性和可靠性。在舒張壓估計中，MSE為3.89mmHg2，MAE為1.87mmHg，R2為0.82，同樣顯示出該模型在舒張壓估計方面的良好性能。與傳統(tǒng)脈搏波傳導(dǎo)時間法的模型相比，本文模型在收縮壓和舒張壓估計的各項指標(biāo)上均有顯著優(yōu)勢。傳統(tǒng)模型的收縮壓MSE為8.23mmHg2，MAE為3.56mmHg，R2為0.68；舒張壓MSE為7.15mmHg2，MAE為3.12mmHg，R2為0.65。傳統(tǒng)模型的誤差較大，擬合效果較差，這主要是因為脈搏波傳導(dǎo)時間受到多種生理因素的影響，如血管彈性、血液粘滯度等，使得其與血壓之間的關(guān)系不穩(wěn)定，導(dǎo)致血壓估計的準(zhǔn)確性較低。與支持向量回歸模型相比，本文模型也表現(xiàn)出一定的優(yōu)越性。支持向量回歸模型的收縮壓MSE為5.67mmHg2，MAE為2.56mmHg，R2為0.80；舒張壓MSE為4.78mmHg2，MAE為2.23mmHg，R2為0.78。本文模型通過融合多特征參數(shù)和優(yōu)化機(jī)器學(xué)習(xí)算法，能夠更全面地捕捉PPG信號與血壓之間的復(fù)雜關(guān)系，從而提高了血壓估計的精度。為了進(jìn)一步分析影響血壓估計精度的因素，本研究對不同生理特征的人群進(jìn)行了分組分析。結(jié)果發(fā)現(xiàn)，年齡和血管彈性對血壓估計精度有較大影響。隨著年齡的增長，血管彈性逐漸下降，PPG信號的特征也會發(fā)生變化，使得血壓估計的難度增加。在老年人群體中，由于血管硬化等原因，PPG信號的波形變得更加平緩，特征點不明顯，導(dǎo)致模型對血壓的估計誤差增大。個體的生理狀態(tài)，如運動、情緒等，也會對PPG信號產(chǎn)生影響，進(jìn)而影響血壓估計的精度。在運動狀態(tài)下，心率加快，血管擴(kuò)張，PPG信號的頻率和幅值都會發(fā)生變化，這對模型的適應(yīng)性提出了更高的要求。五、無創(chuàng)逐拍血壓估計的應(yīng)用5.1醫(yī)療保健領(lǐng)域應(yīng)用無創(chuàng)逐拍血壓估計技術(shù)在醫(yī)療保健領(lǐng)域展現(xiàn)出了廣泛且重要的應(yīng)用價值，涵蓋了醫(yī)院臨床診療、家庭健康管理以及老年人護(hù)理等多個關(guān)鍵場景。在醫(yī)院臨床應(yīng)用中，該技術(shù)為醫(yī)生提供了更全面、實時的患者血壓信息，有力地輔助了疾病的診斷與治療決策。在心血管內(nèi)科，對于高血壓患者，醫(yī)生可以借助無創(chuàng)逐拍血壓監(jiān)測設(shè)備，獲取患者24小時甚至更長時間內(nèi)的連續(xù)血壓數(shù)據(jù)，從而清晰地了解患者血壓的晝夜變化規(guī)律。一些患者可能存在“杓型血壓”，即白天血壓較高，夜間血壓相對較低；而另一些患者可能出現(xiàn)“非杓型血壓”，甚至“反杓型血壓”，夜間血壓不降反升。通過無創(chuàng)逐拍血壓監(jiān)測，醫(yī)生能夠準(zhǔn)確識別這些血壓變化類型，進(jìn)而制定更為精準(zhǔn)的治療方案。對于使用降壓藥物的患者，連續(xù)的血壓監(jiān)測可以幫助醫(yī)生及時評估藥物的療效，根據(jù)血壓波動情況調(diào)整藥物的種類、劑量和服用時間，以確?；颊叩难獕旱玫接行Э刂啤Ｔ谛呐K手術(shù)過程中，無創(chuàng)逐拍血壓估計技術(shù)能夠?qū)崟r監(jiān)測患者的血壓變化，為手術(shù)的順利進(jìn)行提供重要的生命體征數(shù)據(jù)支持。手術(shù)中的血壓波動可能會對心臟功能和手術(shù)效果產(chǎn)生重大影響，通過實時監(jiān)測血壓，醫(yī)生可以及時發(fā)現(xiàn)并處理血壓異常情況，保障手術(shù)的安全性。在家庭健康管理方面，無創(chuàng)逐拍血壓估計技術(shù)為人們提供了便捷、實時的血壓監(jiān)測手段，有助于提高人們的健康意識和自我保健能力。隨著可穿戴設(shè)備的快速發(fā)展，基于PPG信號的無創(chuàng)血壓監(jiān)測智能手環(huán)、智能手表等產(chǎn)品逐漸走進(jìn)人們的生活。用戶只需佩戴這些設(shè)備，就能隨時隨地獲取自己的血壓數(shù)據(jù)，并通過配套的手機(jī)