基于脈象分類的血壓自適應(yīng)連續(xù)測(cè)量技術(shù)探索與實(shí)踐

基于脈象分類的血壓自適應(yīng)連續(xù)測(cè)量技術(shù)探索與實(shí)踐一、緒論1.1研究背景與意義血壓作為反映人體心臟和血管功能以及全身血容量的重要生理指標(biāo)，在疾病診斷、治療效果觀察和預(yù)后判斷等方面發(fā)揮著舉足輕重的作用。高血壓作為一種常見的慢性疾病，往往悄無聲息地對(duì)身體造成損害，因此也被稱為“無聲的殺手”。據(jù)統(tǒng)計(jì)，我國(guó)成年人高血壓患病率已超過25%，且呈現(xiàn)出年輕化的趨勢(shì)。長(zhǎng)期的高血壓若得不到有效控制，會(huì)顯著增加心臟病、腦卒中、腎臟疾病等一系列嚴(yán)重并發(fā)癥的發(fā)病風(fēng)險(xiǎn)，給個(gè)人、家庭和社會(huì)帶來沉重的負(fù)擔(dān)。定期進(jìn)行血壓監(jiān)測(cè)是高血壓管理的核心環(huán)節(jié)，它能夠幫助人們?cè)缙诎l(fā)現(xiàn)血壓異常，及時(shí)采取干預(yù)措施，從而避免血壓過高對(duì)身體造成不可逆的損害。對(duì)于已確診的高血壓患者而言，持續(xù)的血壓監(jiān)測(cè)有助于評(píng)估治療效果，以便醫(yī)生根據(jù)實(shí)際情況調(diào)整治療方案，確保血壓得到有效控制，降低并發(fā)癥的發(fā)生風(fēng)險(xiǎn)。此外，血壓監(jiān)測(cè)結(jié)果還能為患者調(diào)整生活方式提供科學(xué)依據(jù)，如控制體重、減少鹽攝入、增加運(yùn)動(dòng)等，以達(dá)到降低血壓的目的。目前，臨床常用的血壓測(cè)量方法主要包括有創(chuàng)監(jiān)測(cè)和無創(chuàng)監(jiān)測(cè)。有創(chuàng)監(jiān)測(cè)雖然能夠提供最為準(zhǔn)確的血壓數(shù)據(jù)，被視為血壓檢測(cè)的金標(biāo)準(zhǔn)，但因其技術(shù)要求高、具有創(chuàng)傷性，僅適用于危重病人的搶救和大手術(shù)病人。無創(chuàng)監(jiān)測(cè)則可進(jìn)一步細(xì)分為間歇性測(cè)量和連續(xù)性測(cè)量。無創(chuàng)間歇性測(cè)量常用的儀器有臺(tái)式汞柱式血壓計(jì)、袖帶式電子血壓計(jì)、腕帶式電子血壓計(jì)和多參數(shù)監(jiān)護(hù)儀、指套式血壓計(jì)等；無創(chuàng)連續(xù)性測(cè)量的主要方法包括Penaz技術(shù)、動(dòng)脈張力測(cè)量法、動(dòng)脈延遲檢出法、多普勒法以及最新的CNAP?Monitor500連續(xù)無創(chuàng)型血壓監(jiān)測(cè)系統(tǒng)等。然而，現(xiàn)有的連續(xù)血壓測(cè)量設(shè)備，尤其是可穿戴式電子血壓計(jì)，普遍存在精確度差的問題。血壓受身體狀況、情緒、環(huán)境條件和生理韻律等多種因素的影響，波動(dòng)較大，而這些設(shè)備無法精準(zhǔn)捕捉這些變化，導(dǎo)致測(cè)量結(jié)果誤差較大，難以準(zhǔn)確判斷人體是否處于危險(xiǎn)病態(tài)。這不僅可能延誤疾病的診斷和治療，還可能對(duì)患者的健康造成嚴(yán)重威脅。鑒于此，開展基于脈象分類的血壓自適應(yīng)連續(xù)測(cè)量研究具有重要的現(xiàn)實(shí)意義。通過深入探究脈象與血壓之間的內(nèi)在聯(lián)系，利用先進(jìn)的信號(hào)處理技術(shù)和智能算法，實(shí)現(xiàn)對(duì)血壓的高精度連續(xù)測(cè)量，能夠?yàn)榕R床診斷和治療提供更為可靠的數(shù)據(jù)支持。這不僅有助于提高高血壓的診斷準(zhǔn)確率和治療效果，降低并發(fā)癥的發(fā)生風(fēng)險(xiǎn)，還能為患者的健康管理提供更加科學(xué)、精準(zhǔn)的指導(dǎo)，具有顯著的社會(huì)效益和經(jīng)濟(jì)效益。1.2國(guó)內(nèi)外研究現(xiàn)狀血壓測(cè)量技術(shù)的發(fā)展歷程漫長(zhǎng)且充滿變革。1733年，斯蒂芬?海爾斯開創(chuàng)性地提出血壓概念，并完成了最早的直接動(dòng)脈血壓測(cè)量，開啟了血壓研究的先河。隨后，1823年法國(guó)生理學(xué)和物理學(xué)家J.-L.-M.泊肅葉使用水銀測(cè)壓計(jì)接上充滿抗凝血?jiǎng)┑膭?dòng)脈插管進(jìn)行實(shí)驗(yàn)動(dòng)物的動(dòng)脈血壓測(cè)定；1847年，德國(guó)生理學(xué)家C.F.W.路德維希使用U形管水銀測(cè)壓計(jì)，實(shí)現(xiàn)了動(dòng)脈壓波動(dòng)變化的持續(xù)記錄，推動(dòng)了血壓監(jiān)測(cè)技術(shù)的發(fā)展。但這些方法因?qū)ι眢w傷害大，無法用于人體血壓監(jiān)測(cè)。1876年Matey提出的恒定容積法成為現(xiàn)代血壓測(cè)量的技術(shù)原形，1880年，捷克生理學(xué)家兼醫(yī)生巴奇發(fā)明了間接測(cè)量人體血壓的方法，不過其測(cè)得的橈動(dòng)脈血壓準(zhǔn)確性欠佳。1896年，意大利醫(yī)生利瓦?羅西改進(jìn)方法，使用橡皮壓脈帶和橡皮球確定動(dòng)脈血壓，已非常接近現(xiàn)代水銀血壓計(jì)測(cè)量法。1905年，俄國(guó)醫(yī)師柯羅特科夫發(fā)明柯氏音聽診測(cè)定法，柯氏音聽診法與水銀血壓計(jì)、袖帶共同組成了臨床血壓測(cè)量的金標(biāo)準(zhǔn)。1973年，歐姆龍公司發(fā)明第一臺(tái)壓力表手動(dòng)電子血壓計(jì)，1980年示波法測(cè)量血壓成為無創(chuàng)血壓監(jiān)測(cè)的新里程碑，沿用至今?，F(xiàn)代血壓監(jiān)測(cè)主要分為有創(chuàng)監(jiān)測(cè)和無創(chuàng)監(jiān)測(cè)。有創(chuàng)監(jiān)測(cè)在20世紀(jì)60年代隨著電子壓力換能器的出現(xiàn)得以在臨床上廣泛應(yīng)用，它通過將連接壓力傳感器的導(dǎo)管經(jīng)皮直接插入大動(dòng)脈或心臟檢測(cè)血壓信號(hào)，測(cè)量數(shù)據(jù)精準(zhǔn)，被視為血壓檢測(cè)的金標(biāo)準(zhǔn)。然而，其技術(shù)要求高且具有創(chuàng)傷性，僅適用于危重病人的搶救和大手術(shù)病人。無創(chuàng)監(jiān)測(cè)則可細(xì)分為間歇性測(cè)量和連續(xù)性測(cè)量。無創(chuàng)間歇性測(cè)量常用的儀器多樣，包括臺(tái)式汞柱式血壓計(jì)、袖帶式電子血壓計(jì)、腕帶式電子血壓計(jì)、多參數(shù)監(jiān)護(hù)儀以及指套式血壓計(jì)等。無創(chuàng)連續(xù)性測(cè)量的主要方法有動(dòng)脈張力法、容積補(bǔ)償法、脈搏波速測(cè)定法、光電容積脈搏波法、扁平張力法等。動(dòng)脈張力法，也被稱為扁平張力法，其原理是通過向血管施加壓力，使血管表面呈現(xiàn)平面，此時(shí)血管內(nèi)部壓力和外部施加壓力達(dá)到平衡，測(cè)得的外部壓力值即為血壓值。該方法精度較高，能夠?qū)崿F(xiàn)較長(zhǎng)時(shí)間的無創(chuàng)連續(xù)血壓測(cè)量，常在橈動(dòng)脈處采集信號(hào)。但它對(duì)傳感器定位要求極高，壓力傳感器必須精準(zhǔn)定位在橈動(dòng)脈的正上方，一旦位置偏移，就會(huì)嚴(yán)重影響測(cè)量精度。對(duì)于長(zhǎng)時(shí)間測(cè)量而言，始終保持傳感器測(cè)量位置及角度較為困難，這在一定程度上限制了其廣泛應(yīng)用。容積補(bǔ)償法的基本原理是當(dāng)血管壁所受壓力等于血管壓力時(shí)，血管壁的直徑不會(huì)隨著血壓的波動(dòng)而發(fā)生變化，在這種恒定容積的狀態(tài)下，所施加的外部壓力與血管內(nèi)部的壓力達(dá)到平衡，其值相等。該方法通常選擇手指端作為測(cè)量部位。然而，長(zhǎng)時(shí)間測(cè)量時(shí)，它容易受到靜脈充血的影響，且溫度和循環(huán)血量也可能對(duì)手指的動(dòng)脈血壓產(chǎn)生影響，從而造成測(cè)量準(zhǔn)確度降低。此外，由于需要在被測(cè)部位保持較高的壓力，舒適性較差，還需要壓力伺服系統(tǒng)來補(bǔ)償參考?jí)毫?，致使測(cè)量裝置復(fù)雜，使用時(shí)給受試者帶來諸多不便。脈搏波速測(cè)定法，又稱為傳導(dǎo)時(shí)間法，基本原理是脈搏波通過血管傳播的速率會(huì)因?yàn)閯?dòng)脈壓力的變化而改變，脈搏波傳導(dǎo)速度與動(dòng)脈血壓呈正相關(guān)性。該方法無需充氣袖帶，只需檢測(cè)脈搏波傳導(dǎo)時(shí)間，即可間接推算每搏血壓，為血壓測(cè)量提供了一種新的思路。但由于被測(cè)對(duì)象存在個(gè)體差異性，難以準(zhǔn)確建立脈搏波傳導(dǎo)速度與動(dòng)脈血壓間的數(shù)學(xué)模型，目前尚無公認(rèn)標(biāo)準(zhǔn)算法，這使得該方法在實(shí)際應(yīng)用中面臨一定的挑戰(zhàn)。光電容積脈搏波法是根據(jù)外周微血管的血液容積隨著心臟搏動(dòng)而產(chǎn)生脈動(dòng)性變化，基于動(dòng)脈血液對(duì)光的吸收量隨著動(dòng)脈搏動(dòng)而變化的原理，通過光電容積描記法獲得。該方法的主要問題在于信號(hào)采集，采集信號(hào)中包含大量噪聲，對(duì)其進(jìn)行降噪處理，尤其是去除生理噪聲，是該方法面臨的最大障礙。若不能有效去除噪聲，將會(huì)嚴(yán)重影響血壓測(cè)量的準(zhǔn)確性。近年來，隨著科技的飛速發(fā)展，可穿戴式設(shè)備在連續(xù)血壓測(cè)量領(lǐng)域的應(yīng)用逐漸成為研究熱點(diǎn)。這些設(shè)備具有便攜、實(shí)時(shí)監(jiān)測(cè)等優(yōu)點(diǎn)，能夠?yàn)橛脩籼峁└颖憬莸难獕罕O(jiān)測(cè)服務(wù)。但目前市面上的可穿戴式電子血壓計(jì)普遍存在精確度差的問題，血壓受身體狀況、情緒、環(huán)境條件和生理韻律等多種因素影響，波動(dòng)較大，而這些設(shè)備難以精準(zhǔn)捕捉這些變化，導(dǎo)致測(cè)量結(jié)果誤差較大，無法滿足臨床和個(gè)人健康管理的高精度需求。在國(guó)內(nèi)，相關(guān)研究也在積極開展。一些研究致力于改進(jìn)現(xiàn)有的測(cè)量方法，提高測(cè)量精度。例如，通過優(yōu)化算法，更好地處理脈搏波信號(hào)中的噪聲，提高脈搏波特征參數(shù)的提取精度，從而提升血壓測(cè)量的準(zhǔn)確性。還有研究嘗試將多種測(cè)量方法相結(jié)合，發(fā)揮各自的優(yōu)勢(shì)，以實(shí)現(xiàn)更精準(zhǔn)的連續(xù)血壓測(cè)量。同時(shí)，國(guó)內(nèi)也在加大對(duì)新型傳感器的研發(fā)投入，探索更適合連續(xù)血壓測(cè)量的傳感器技術(shù)，如RF射頻雷達(dá)等，為血壓測(cè)量技術(shù)的創(chuàng)新發(fā)展提供了新的動(dòng)力。國(guó)外的研究則更側(cè)重于探索新的測(cè)量原理和技術(shù)。例如，利用人工智能和機(jī)器學(xué)習(xí)算法，對(duì)大量的血壓數(shù)據(jù)和生理信號(hào)進(jìn)行分析，建立更加準(zhǔn)確的血壓預(yù)測(cè)模型。一些研究還關(guān)注于開發(fā)微型化、低功耗的血壓測(cè)量設(shè)備，以提高設(shè)備的便攜性和舒適性，滿足用戶在日常生活中的監(jiān)測(cè)需求。此外，國(guó)外在臨床應(yīng)用方面的研究也較為深入，通過大規(guī)模的臨床試驗(yàn)，驗(yàn)證新的測(cè)量技術(shù)和設(shè)備的有效性和安全性，為其商業(yè)化推廣提供有力支持。1.3研究?jī)?nèi)容與方法本研究聚焦于基于脈象分類的血壓自適應(yīng)連續(xù)測(cè)量，旨在攻克現(xiàn)有連續(xù)血壓測(cè)量設(shè)備精確度差的難題，實(shí)現(xiàn)高精度的血壓連續(xù)測(cè)量。具體研究?jī)?nèi)容與方法如下：脈象分類：深入分析脈搏波的特性，采用先進(jìn)的信號(hào)處理技術(shù)，如小波變換、傅里葉變換等，對(duì)采集到的脈搏波信號(hào)進(jìn)行預(yù)處理，去除噪聲干擾，提取準(zhǔn)確的脈象特征參數(shù)，如脈搏波的上升時(shí)間、下降時(shí)間、波峰幅值、波谷幅值等。利用模式識(shí)別和機(jī)器學(xué)習(xí)算法，如支持向量機(jī)（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）等，構(gòu)建脈象分類模型。通過對(duì)大量脈象數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，使模型能夠準(zhǔn)確識(shí)別不同類型的脈象，為后續(xù)的血壓預(yù)測(cè)提供可靠的基礎(chǔ)。血壓預(yù)測(cè)模型構(gòu)建：探索脈象特征參數(shù)與血壓之間的內(nèi)在關(guān)聯(lián)，運(yùn)用多元線性回歸、主成分分析等方法，建立基于脈象分類的血壓預(yù)測(cè)模型?？紤]個(gè)體差異和生理狀態(tài)的變化，引入自適應(yīng)算法，使模型能夠根據(jù)實(shí)時(shí)采集的脈象數(shù)據(jù)和其他相關(guān)生理信息，如心率、呼吸頻率等，動(dòng)態(tài)調(diào)整預(yù)測(cè)參數(shù)，提高血壓預(yù)測(cè)的準(zhǔn)確性。數(shù)據(jù)采集：設(shè)計(jì)并搭建專門的實(shí)驗(yàn)平臺(tái)，使用高精度的脈搏波傳感器，如壓電式傳感器、光纖傳感器等，在不同環(huán)境條件下，對(duì)不同年齡段、性別、身體狀況的人群進(jìn)行廣泛的脈象數(shù)據(jù)采集。同時(shí)，同步記錄受試者的血壓值以及其他生理參數(shù)，如心電信號(hào)、血氧飽和度等，建立豐富的脈象-血壓數(shù)據(jù)庫(kù)。算法設(shè)計(jì)：針對(duì)脈象分類和血壓預(yù)測(cè)的需求，設(shè)計(jì)高效的算法流程。在脈象分類算法中，優(yōu)化特征提取和模式識(shí)別的步驟，提高分類的速度和準(zhǔn)確性；在血壓預(yù)測(cè)算法中，改進(jìn)模型的訓(xùn)練和更新機(jī)制，增強(qiáng)模型的適應(yīng)性和穩(wěn)定性。利用人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的最新技術(shù)，如深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）及其變體長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）、門控循環(huán)單元（GRU）等，對(duì)脈象數(shù)據(jù)進(jìn)行深度挖掘和分析，提升算法的性能。實(shí)驗(yàn)驗(yàn)證：對(duì)構(gòu)建的脈象分類模型和血壓預(yù)測(cè)模型進(jìn)行嚴(yán)格的實(shí)驗(yàn)驗(yàn)證。采用交叉驗(yàn)證、留一法等方法，評(píng)估模型的準(zhǔn)確性、可靠性和泛化能力。與傳統(tǒng)的血壓測(cè)量方法和現(xiàn)有的連續(xù)血壓測(cè)量設(shè)備進(jìn)行對(duì)比實(shí)驗(yàn)，分析本研究方法的優(yōu)勢(shì)和不足，進(jìn)一步優(yōu)化模型和算法。在實(shí)際應(yīng)用場(chǎng)景中，對(duì)模型和算法進(jìn)行實(shí)地測(cè)試，驗(yàn)證其在不同環(huán)境和人群中的有效性和實(shí)用性，收集用戶反饋，不斷改進(jìn)和完善研究成果。二、脈象分類與血壓測(cè)量相關(guān)理論基礎(chǔ)2.1脈象相關(guān)理論脈象，作為中醫(yī)學(xué)中極具特色的診斷依據(jù)，承載著豐富的人體生理和病理信息。從本質(zhì)上講，脈象是指脈搏的形象與動(dòng)態(tài)，是醫(yī)生通過手指觸摸患者橈動(dòng)脈搏動(dòng)處，感知到的脈搏跳動(dòng)的各種特征。其變化與脈搏的頻率、節(jié)律、顯現(xiàn)的部位、長(zhǎng)度、寬度，脈管的充盈度、緊張度，血流的通暢流利度，以及心臟搏動(dòng)的強(qiáng)弱等諸多因素密切相關(guān)。在中醫(yī)理論體系中，脈象被視為人體氣血運(yùn)行的外在表現(xiàn)，而氣血的運(yùn)行又依賴于心臟的推動(dòng)和各臟腑的協(xié)同作用?！端貑?脈要精微論》中提到：“夫脈者，血之府也”，明確指出脈是血液運(yùn)行的通道，心臟的功能狀態(tài)和氣血的盛衰都能通過脈象反映出來。正常脈象，通常被描述為“有胃”“有神”“有根”。“有胃”體現(xiàn)為脈象從容和緩、節(jié)律一致，反映了脾胃功能的正常，因?yàn)槠⑽笧楹筇熘?，氣血生化之源，脾胃功能正常則氣血充足，脈象也表現(xiàn)出平和之象；“有神”表現(xiàn)為脈象柔和有力，這是心氣充沛、心神健旺的外在體現(xiàn)，表明心臟功能良好，能夠有力地推動(dòng)氣血運(yùn)行；“有根”則表現(xiàn)為尺部沉取有一定的力量，反映了腎氣的充足，腎為先天之本，腎氣充足是維持人體生命活動(dòng)的根本。正常成人的脈搏頻率約為70-90次/分鐘，脈律整齊，沒有歇止，且在不同的生理狀態(tài)下，如運(yùn)動(dòng)、進(jìn)食、情緒變化等，脈象也會(huì)發(fā)生相應(yīng)的生理性變化。常見的脈象特征豐富多樣，每種脈象都有其獨(dú)特的表現(xiàn)和臨床意義。浮脈，輕按即可感知，重按則減弱，通常提示表證，如外感風(fēng)寒或風(fēng)熱之邪侵襲人體肌表，正氣抗邪于外，氣血趨向于體表，故脈象浮顯；沉脈，需重按才能觸及，多見于里證，當(dāng)人體內(nèi)部臟腑發(fā)生病變，如陽(yáng)氣不足、氣血內(nèi)虛，或邪氣內(nèi)陷等，脈象會(huì)表現(xiàn)為沉脈；遲脈，脈搏緩慢，每分鐘少于正常的四至五次，多主寒證，寒性凝滯，氣血運(yùn)行遲緩，故而脈象遲滯；數(shù)脈，脈搏快速，每分鐘超過正常的五次，常見于熱證，熱邪亢盛，鼓動(dòng)氣血，使脈搏加快；滑脈，往來流利，如盤走珠，多見于痰飲、食滯、實(shí)熱等病證，這是因?yàn)轶w內(nèi)痰濕、食積或?qū)崯岬炔±硪蛩赜绊懥藲庋恼＿\(yùn)行，導(dǎo)致脈象滑利。中醫(yī)對(duì)脈象與身體狀況關(guān)系的理解深入而全面，認(rèn)為脈象能夠反映全身臟腑功能、氣血、陰陽(yáng)的綜合信息。通過對(duì)脈象的細(xì)致分析，醫(yī)生可以判斷疾病的病因、病位、病性以及邪正盛衰情況，進(jìn)而推斷病情的輕重及其預(yù)后。例如，在診斷心腦血管疾病時(shí)，脈象的變化能夠反映心臟的功能和血管的彈性。高血壓患者，由于長(zhǎng)期血壓升高，血管壁承受的壓力增大，脈象可能表現(xiàn)為弦硬，如同琴弦緊繃，這反映了血管彈性下降，氣血運(yùn)行不暢；冠心病患者，由于心臟供血不足，脈象可能出現(xiàn)結(jié)代脈，即脈搏時(shí)有歇止，這表明心臟的氣血運(yùn)行出現(xiàn)了阻滯。在消化系統(tǒng)疾病方面，脾胃是后天之本，脈象的變化可以反映脾胃的功能狀態(tài)。胃炎、胃潰瘍等患者，可能出現(xiàn)弱脈或緩脈，弱脈表現(xiàn)為脈來柔弱無力，提示脾胃氣虛，運(yùn)化功能減弱；緩脈則表現(xiàn)為脈來怠緩，可能是脾胃濕困，氣機(jī)不暢所致。對(duì)于呼吸系統(tǒng)疾病，肺主氣，司呼吸，脈象的變化與肺部功能密切相關(guān)。感冒、咳嗽等外感疾病，脈象多為浮脈，提示外邪侵襲肺衛(wèi)；而慢性支氣管炎、肺氣腫等慢性呼吸系統(tǒng)疾病患者，脈象可能表現(xiàn)為虛脈或沉脈，反映了肺氣虛弱或久病及腎，肺腎兩虛。在內(nèi)分泌系統(tǒng)疾病中，如糖尿病患者，由于體內(nèi)血糖代謝紊亂，氣血陰陽(yáng)失調(diào)，脈象可能出現(xiàn)細(xì)數(shù)脈，細(xì)脈表現(xiàn)為脈細(xì)如線，數(shù)脈表示脈搏快速，這反映了陰虛燥熱的病理狀態(tài)；甲狀腺功能亢進(jìn)患者，由于甲狀腺激素分泌過多，機(jī)體代謝亢進(jìn)，脈象多為數(shù)脈，且有力，體現(xiàn)了陽(yáng)熱亢盛的情況。在婦科疾病方面，月經(jīng)不調(diào)、痛經(jīng)等患者，脈象的變化可以反映子宮和卵巢的功能狀態(tài)。月經(jīng)不調(diào)患者，若月經(jīng)量少、色淡，脈象可能表現(xiàn)為細(xì)脈，提示氣血不足；若月經(jīng)量多、色暗有塊，脈象可能為弦脈或澀脈，弦脈反映肝郁氣滯，澀脈則表示瘀血阻滯。在腎臟疾病中，腎炎、腎虛等患者，脈象也會(huì)有所表現(xiàn)。腎炎患者，若出現(xiàn)水腫，脈象可能為沉脈或弦脈，沉脈反映水濕內(nèi)停，弦脈則提示肝郁氣滯；腎虛患者，脈象多為弱脈或尺脈無力，這是因?yàn)槟I為先天之本，腎虛則元?dú)獠蛔?，脈象表現(xiàn)為虛弱無力。2.2血壓測(cè)量基本原理血壓測(cè)量方法主要分為有創(chuàng)測(cè)量和無創(chuàng)測(cè)量?jī)纱箢?，它們?cè)跍y(cè)量原理、適用場(chǎng)景和優(yōu)缺點(diǎn)等方面存在顯著差異。有創(chuàng)血壓測(cè)量，作為一種直接測(cè)量方法，其原理是將連接壓力傳感器的導(dǎo)管經(jīng)皮直接插入大動(dòng)脈（如橈動(dòng)脈、股動(dòng)脈等）或心臟。當(dāng)導(dǎo)管插入后，血液流動(dòng)的壓力直接作用于壓力傳感器，傳感器將壓力信號(hào)轉(zhuǎn)換為電信號(hào)，通過對(duì)電信號(hào)的分析和處理，即可精確測(cè)量出收縮壓、舒張壓和平均動(dòng)脈壓等參數(shù)。這種方法能夠?qū)崟r(shí)、準(zhǔn)確地反映動(dòng)脈內(nèi)的真實(shí)壓力變化，被公認(rèn)為血壓檢測(cè)的金標(biāo)準(zhǔn)。然而，其技術(shù)要求極高，需要專業(yè)的醫(yī)療團(tuán)隊(duì)進(jìn)行操作，且具有創(chuàng)傷性，可能引發(fā)感染、出血、血栓形成等并發(fā)癥，因此僅適用于危重病人的搶救和大手術(shù)病人，在臨床應(yīng)用中受到一定限制。無創(chuàng)血壓測(cè)量則是通過間接的方式來獲取血壓值，常用的方法包括柯氏音法和示波法。柯氏音法，也稱為聽診法，是臨床應(yīng)用最為廣泛的無創(chuàng)血壓測(cè)量方法之一。其原理基于袖帶充氣和放氣過程中對(duì)動(dòng)脈血流的阻斷和恢復(fù)。測(cè)量時(shí)，將袖帶纏繞在上臂肱動(dòng)脈肘窩上2cm處，通過打氣加壓使袖帶內(nèi)壓力升高，當(dāng)壓力超過收縮壓時(shí)，肱動(dòng)脈處血流被阻斷，此時(shí)用聽診器聽不到動(dòng)脈搏動(dòng)聲音。然后緩慢放氣，當(dāng)袖帶壓力小于收縮壓的一瞬間，血液沖破袖帶壓力的阻礙，開始流動(dòng)，產(chǎn)生湍流，此時(shí)可以用聽診器聽到動(dòng)脈搏動(dòng)聲音，這個(gè)瞬間所對(duì)應(yīng)的壓力值即為收縮壓。繼續(xù)緩慢放氣，動(dòng)脈搏動(dòng)聲音會(huì)一直持續(xù)，當(dāng)血液內(nèi)的壓力完全超過袖帶內(nèi)壓力的一瞬間，聽診器會(huì)聽到最后一聲動(dòng)脈搏動(dòng)聲音，這一壓力值即為舒張壓。柯氏音法測(cè)量結(jié)果較為準(zhǔn)確，但對(duì)測(cè)量者的經(jīng)驗(yàn)和聽診技巧要求較高，測(cè)量過程容易受到外界環(huán)境噪聲的干擾。示波法是目前電子血壓計(jì)常用的測(cè)量方法，其原理是利用袖帶內(nèi)壓力的變化與脈搏波信號(hào)之間的關(guān)系來測(cè)量血壓。在測(cè)量過程中，袖帶逐漸充氣，壓力升高，當(dāng)壓力高于收縮壓時(shí)，動(dòng)脈被壓迫，脈搏波消失；然后緩慢放氣，隨著袖帶壓力的降低，動(dòng)脈逐漸恢復(fù)搏動(dòng)，脈搏波再次出現(xiàn)。脈搏波的幅度會(huì)隨著袖帶壓力的變化而變化，在收縮壓附近，脈搏波幅度逐漸增大，在平均動(dòng)脈壓時(shí)達(dá)到最大值，之后隨著袖帶壓力繼續(xù)降低，脈搏波幅度又逐漸減小。通過檢測(cè)脈搏波幅度的變化，利用特定的算法可以計(jì)算出收縮壓、舒張壓和平均動(dòng)脈壓。示波法操作簡(jiǎn)便，測(cè)量速度快，適合家庭和臨床廣泛使用，但測(cè)量結(jié)果可能受到個(gè)體差異、測(cè)量姿勢(shì)、運(yùn)動(dòng)等因素的影響，準(zhǔn)確性相對(duì)柯氏音法略低?；诿}搏波的血壓測(cè)量是一種新興的無創(chuàng)連續(xù)血壓測(cè)量方法，近年來受到了廣泛關(guān)注。其基本原理是脈搏波在動(dòng)脈中傳播時(shí)，其傳播速度、波形等特征與動(dòng)脈血壓密切相關(guān)。當(dāng)心臟收縮時(shí)，血液被泵入動(dòng)脈，形成脈搏波，脈搏波在動(dòng)脈中傳播的過程中，會(huì)受到動(dòng)脈壁的彈性、血液黏滯度、血管阻力等多種因素的影響，而這些因素又與血壓狀態(tài)密切相關(guān)。例如，血壓升高時(shí)，動(dòng)脈壁所受壓力增大，彈性降低，脈搏波傳播速度會(huì)加快；血壓降低時(shí)，動(dòng)脈壁彈性相對(duì)較好，脈搏波傳播速度會(huì)減慢。通過分析脈搏波的特征參數(shù)，如脈搏波傳播速度（PWV）、脈搏波上升時(shí)間、下降時(shí)間、波峰幅值、波谷幅值等，可以建立與血壓之間的數(shù)學(xué)模型，從而實(shí)現(xiàn)對(duì)血壓的間接測(cè)量。研究表明，脈搏波傳播速度與動(dòng)脈血壓之間存在正相關(guān)關(guān)系，通過測(cè)量不同部位的脈搏波傳播時(shí)間，并結(jié)合人體等效血管長(zhǎng)度等參數(shù)，可以計(jì)算出脈搏波傳播速度，進(jìn)而推測(cè)出血壓值。此外，脈搏波的波形特征也包含了豐富的血壓信息，如脈搏波的上升支反映了心臟的收縮功能和動(dòng)脈的順應(yīng)性，下降支則與心臟的舒張功能和外周血管阻力有關(guān)。通過對(duì)脈搏波波形的分析，可以提取出多個(gè)與血壓相關(guān)的特征參數(shù)，利用這些參數(shù)建立的血壓預(yù)測(cè)模型能夠更準(zhǔn)確地反映血壓的變化。將脈象分類與血壓測(cè)量相結(jié)合具有堅(jiān)實(shí)的理論依據(jù)。中醫(yī)脈象理論認(rèn)為，脈象是人體氣血運(yùn)行的外在表現(xiàn)，而血壓作為血液在血管中流動(dòng)時(shí)對(duì)血管壁產(chǎn)生的壓力，與氣血運(yùn)行密切相關(guān)。不同類型的脈象反映了人體不同的生理和病理狀態(tài)，而這些狀態(tài)又與血壓的變化存在內(nèi)在聯(lián)系。例如，高血壓患者常見的弦脈，表現(xiàn)為脈形繃緊，如按琴弦，這與高血壓導(dǎo)致的血管彈性下降、外周阻力增大密切相關(guān)；而低血壓患者可能出現(xiàn)的弱脈，表現(xiàn)為脈來柔弱無力，反映了氣血不足、血壓偏低的狀態(tài)。通過對(duì)脈象的準(zhǔn)確分類和分析，可以獲取人體氣血運(yùn)行的信息，進(jìn)而為血壓測(cè)量提供更豐富的生理參數(shù)，提高血壓測(cè)量的準(zhǔn)確性和可靠性?，F(xiàn)代醫(yī)學(xué)研究也表明，脈象與心血管系統(tǒng)的功能密切相關(guān)，脈象的變化可以反映心臟的收縮和舒張功能、血管的彈性和阻力等生理指標(biāo)，而這些指標(biāo)又與血壓的形成和調(diào)節(jié)密切相關(guān)。因此，將脈象分類與基于脈搏波的血壓測(cè)量相結(jié)合，能夠從中醫(yī)和西醫(yī)兩個(gè)角度綜合分析人體的生理狀態(tài)，為血壓的自適應(yīng)連續(xù)測(cè)量提供更全面、更深入的理論支持。2.3脈象分類與血壓測(cè)量的關(guān)聯(lián)脈象分類與血壓測(cè)量之間存在著緊密而復(fù)雜的內(nèi)在聯(lián)系，這種聯(lián)系不僅體現(xiàn)在生理機(jī)制層面，還為通過脈象分類實(shí)現(xiàn)血壓測(cè)量提供了重要的理論依據(jù)和實(shí)踐基礎(chǔ)。從生理機(jī)制角度來看，脈象的形成與心血管系統(tǒng)的功能密切相關(guān)，而血壓作為心血管系統(tǒng)的重要參數(shù)，與脈象的各種特征相互影響、相互關(guān)聯(lián)。心臟作為血液循環(huán)的動(dòng)力源，其有節(jié)律的收縮和舒張將血液泵入動(dòng)脈系統(tǒng)，形成脈搏波。在這個(gè)過程中，心臟的收縮力、心率、心輸出量等因素直接影響著脈搏波的強(qiáng)度和頻率，進(jìn)而反映在脈象上。例如，當(dāng)心臟收縮力增強(qiáng)時(shí)，脈搏波的波峰幅值增大，脈象表現(xiàn)為有力；而當(dāng)心率加快時(shí)，脈搏的頻率增加，脈象呈現(xiàn)為數(shù)脈。同時(shí)，血管的彈性、管徑大小、血液黏滯度以及外周阻力等因素也對(duì)脈象產(chǎn)生重要影響。血管彈性良好時(shí)，脈搏波傳播順暢，脈象柔和；若血管彈性下降，如在高血壓等病理狀態(tài)下，血管壁變硬，彈性降低，脈搏波在傳播過程中受到的阻力增大，脈象則可能表現(xiàn)為弦硬。血液黏滯度增加會(huì)使脈搏波的傳播速度減慢，脈象變得遲緩；外周阻力增大時(shí)，心臟需要更大的力量來推動(dòng)血液流動(dòng)，導(dǎo)致脈搏波的壓力升高，脈象可能呈現(xiàn)為實(shí)脈或弦脈。在中醫(yī)理論中，脈象被視為人體氣血運(yùn)行的外在表現(xiàn)，而氣血的運(yùn)行與血壓密切相關(guān)。不同類型的脈象反映了人體不同的生理和病理狀態(tài)，這些狀態(tài)又與血壓的變化存在內(nèi)在聯(lián)系。例如，高血壓患者常見的弦脈，表現(xiàn)為脈形繃緊，如按琴弦。這是因?yàn)楦哐獕簩?dǎo)致血管壁承受的壓力增大，血管彈性下降，外周阻力增大，使得脈搏波在血管中傳播時(shí)受到的阻礙增加，從而在脈象上表現(xiàn)為弦硬。此外，高血壓患者還可能出現(xiàn)洪脈，其特點(diǎn)是脈體闊大，充實(shí)有力，這反映了心臟為了克服增高的外周阻力，需要增強(qiáng)收縮力，使心輸出量增加，導(dǎo)致脈搏波的幅度增大。相反，低血壓患者可能出現(xiàn)的弱脈，表現(xiàn)為脈來柔弱無力，這是由于血壓偏低，心臟輸出的血液量相對(duì)不足，血管內(nèi)壓力較低，脈搏波的強(qiáng)度減弱，故而脈象表現(xiàn)為虛弱。通過對(duì)脈象的準(zhǔn)確分類，可以獲取豐富的與血壓相關(guān)的信息，為血壓測(cè)量提供更全面的生理參數(shù)。在脈象分類過程中，提取的脈象特征參數(shù)，如脈搏波的上升時(shí)間、下降時(shí)間、波峰幅值、波谷幅值、脈率等，都與血壓的變化存在一定的相關(guān)性。研究表明，脈搏波的上升時(shí)間與心臟的收縮功能密切相關(guān)，上升時(shí)間越短，表明心臟收縮速度越快，心輸出量可能越大，血壓也可能相應(yīng)升高；而脈搏波的下降時(shí)間則與心臟的舒張功能和外周血管阻力有關(guān)，下降時(shí)間延長(zhǎng)可能提示外周血管阻力增大，舒張壓升高。波峰幅值和波谷幅值分別反映了心臟收縮期和舒張期的壓力變化，與收縮壓和舒張壓密切相關(guān)。脈率的變化也能在一定程度上反映血壓的狀態(tài)，例如，在高血壓初期，交感神經(jīng)興奮，心率加快，脈率增加；而在長(zhǎng)期高血壓導(dǎo)致心臟功能受損時(shí)，心率可能會(huì)出現(xiàn)異常變化，脈率也隨之改變。將脈象分類與血壓測(cè)量相結(jié)合，可以彌補(bǔ)傳統(tǒng)血壓測(cè)量方法的不足，提高血壓測(cè)量的準(zhǔn)確性和可靠性。傳統(tǒng)的血壓測(cè)量方法，如柯氏音法和示波法，雖然在臨床應(yīng)用廣泛，但它們只能測(cè)量某一特定時(shí)刻的血壓值，無法反映血壓的動(dòng)態(tài)變化。而且，這些方法容易受到測(cè)量環(huán)境、測(cè)量姿勢(shì)、情緒等因素的影響，導(dǎo)致測(cè)量結(jié)果存在一定的誤差。而脈象分類能夠?qū)崟r(shí)反映人體的生理狀態(tài)，通過連續(xù)監(jiān)測(cè)脈象的變化，可以獲取血壓的動(dòng)態(tài)信息，實(shí)現(xiàn)血壓的自適應(yīng)連續(xù)測(cè)量。此外，脈象分類還可以結(jié)合其他生理參數(shù)，如心率、呼吸頻率、血氧飽和度等，綜合分析人體的健康狀況，為血壓測(cè)量提供更全面的參考依據(jù)。例如，在運(yùn)動(dòng)或情緒激動(dòng)時(shí)，心率和呼吸頻率會(huì)加快，同時(shí)血壓也會(huì)升高，此時(shí)通過脈象分類和其他生理參數(shù)的綜合分析，可以更準(zhǔn)確地判斷血壓的變化是否處于正常生理范圍，還是由于病理因素導(dǎo)致的異常升高。三、基于脈象分類的血壓自適應(yīng)連續(xù)測(cè)量系統(tǒng)設(shè)計(jì)3.1系統(tǒng)整體架構(gòu)基于脈象分類的血壓自適應(yīng)連續(xù)測(cè)量系統(tǒng)旨在實(shí)現(xiàn)對(duì)人體血壓的高精度、連續(xù)測(cè)量，其整體架構(gòu)如圖1所示，主要由脈搏波信號(hào)采集模塊、脈象分類模塊、血壓預(yù)測(cè)模塊以及數(shù)據(jù)存儲(chǔ)與管理模塊等部分組成，各模塊之間相互協(xié)作，共同完成血壓的自適應(yīng)連續(xù)測(cè)量任務(wù)。圖1：系統(tǒng)整體架構(gòu)脈搏波信號(hào)采集模塊是整個(gè)系統(tǒng)的前端，負(fù)責(zé)采集人體的脈搏波信號(hào)。該模塊采用高精度的脈搏波傳感器，如壓電式傳感器、光纖傳感器或RF射頻雷達(dá)傳感器等。以RF射頻雷達(dá)傳感器為例，它利用射頻信號(hào)與人體組織相互作用時(shí)產(chǎn)生的反射信號(hào)來檢測(cè)脈搏波。當(dāng)射頻信號(hào)發(fā)射到人體橈動(dòng)脈附近時(shí)，由于動(dòng)脈血管的搏動(dòng)，反射信號(hào)的相位和幅度會(huì)發(fā)生周期性變化，通過對(duì)這些變化的分析和處理，即可獲取脈搏波信號(hào)。傳感器采集到的原始脈搏波信號(hào)通常包含各種噪聲和干擾，如工頻干擾、基線漂移、運(yùn)動(dòng)偽跡等，因此需要進(jìn)行預(yù)處理。預(yù)處理過程包括濾波、去噪、放大等操作，以提高信號(hào)的質(zhì)量，為后續(xù)的分析和處理提供可靠的數(shù)據(jù)基礎(chǔ)。在濾波環(huán)節(jié)，可采用數(shù)字濾波器，如巴特沃斯濾波器、切比雪夫?yàn)V波器等，根據(jù)脈搏波信號(hào)的頻率特性，設(shè)計(jì)合適的濾波器參數(shù)，去除噪聲和干擾信號(hào)；放大環(huán)節(jié)則通過放大器將微弱的脈搏波信號(hào)放大到合適的幅度，以便后續(xù)的信號(hào)處理。脈象分類模塊是系統(tǒng)的關(guān)鍵部分，其主要功能是對(duì)預(yù)處理后的脈搏波信號(hào)進(jìn)行分析和處理，提取脈象特征參數(shù)，并利用模式識(shí)別和機(jī)器學(xué)習(xí)算法對(duì)脈象進(jìn)行分類。在特征提取階段，采用先進(jìn)的信號(hào)處理技術(shù)，如小波變換、傅里葉變換、短時(shí)傅里葉變換等，從脈搏波信號(hào)中提取出能夠反映脈象特征的參數(shù)，如脈搏波的上升時(shí)間、下降時(shí)間、波峰幅值、波谷幅值、脈率、脈搏波形態(tài)等。以小波變換為例，它能夠?qū)π盘?hào)進(jìn)行多分辨率分析，將脈搏波信號(hào)分解成不同頻率的子帶信號(hào)，從而提取出信號(hào)在不同時(shí)間尺度上的特征。利用這些特征參數(shù)，構(gòu)建脈象特征向量，作為脈象分類的輸入。在脈象分類階段，運(yùn)用支持向量機(jī)（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）、深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）及其變體長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）、門控循環(huán)單元（GRU）等算法，建立脈象分類模型。以支持向量機(jī)為例，它通過尋找一個(gè)最優(yōu)的分類超平面，將不同類型的脈象特征向量劃分到不同的類別中。通過對(duì)大量脈象數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，使模型能夠準(zhǔn)確識(shí)別不同類型的脈象，如浮脈、沉脈、遲脈、數(shù)脈、滑脈等。血壓預(yù)測(cè)模塊根據(jù)脈象分類的結(jié)果，結(jié)合其他相關(guān)生理參數(shù)，如心率、呼吸頻率、年齡、性別等，建立血壓預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)血壓的預(yù)測(cè)。探索脈象特征參數(shù)與血壓之間的內(nèi)在關(guān)聯(lián)，運(yùn)用多元線性回歸、主成分分析、偏最小二乘回歸等方法，建立基于脈象分類的血壓預(yù)測(cè)模型。考慮個(gè)體差異和生理狀態(tài)的變化，引入自適應(yīng)算法，如自適應(yīng)加權(quán)算法、自適應(yīng)濾波算法等，使模型能夠根據(jù)實(shí)時(shí)采集的脈象數(shù)據(jù)和其他生理信息，動(dòng)態(tài)調(diào)整預(yù)測(cè)參數(shù)，提高血壓預(yù)測(cè)的準(zhǔn)確性。在多元線性回歸模型中，將脈象特征參數(shù)和其他生理參數(shù)作為自變量，血壓值作為因變量，通過最小二乘法求解回歸系數(shù)，建立血壓預(yù)測(cè)方程。當(dāng)新的脈象數(shù)據(jù)和生理信息輸入時(shí)，自適應(yīng)算法根據(jù)這些數(shù)據(jù)的變化，調(diào)整回歸系數(shù)，以適應(yīng)不同個(gè)體和生理狀態(tài)下的血壓預(yù)測(cè)需求。數(shù)據(jù)存儲(chǔ)與管理模塊負(fù)責(zé)對(duì)采集到的脈搏波信號(hào)、脈象分類結(jié)果、血壓預(yù)測(cè)數(shù)據(jù)以及其他相關(guān)生理參數(shù)進(jìn)行存儲(chǔ)、管理和分析。采用數(shù)據(jù)庫(kù)管理系統(tǒng)，如MySQL、SQLServer等，對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)和管理，確保數(shù)據(jù)的安全性、完整性和可訪問性。該模塊還提供數(shù)據(jù)查詢、統(tǒng)計(jì)分析、數(shù)據(jù)可視化等功能，為用戶提供直觀、便捷的數(shù)據(jù)展示和分析工具。通過數(shù)據(jù)可視化，將血壓變化趨勢(shì)、脈象分類結(jié)果等以圖表的形式展示出來，幫助用戶更好地了解自己的健康狀況。同時(shí)，數(shù)據(jù)存儲(chǔ)與管理模塊還可以對(duì)歷史數(shù)據(jù)進(jìn)行分析，挖掘數(shù)據(jù)中的潛在規(guī)律，為血壓預(yù)測(cè)模型的優(yōu)化和改進(jìn)提供依據(jù)。例如，通過分析不同時(shí)間段、不同個(gè)體的血壓數(shù)據(jù)和脈象數(shù)據(jù)，發(fā)現(xiàn)某些脈象特征與血壓變化之間的相關(guān)性，從而優(yōu)化血壓預(yù)測(cè)模型的參數(shù)，提高預(yù)測(cè)的準(zhǔn)確性。3.2脈搏波信號(hào)采集3.2.1采集方法與傳感器選擇脈搏波信號(hào)的采集方法多樣，每種方法都有其獨(dú)特的原理和適用場(chǎng)景。傳統(tǒng)的手動(dòng)觸摸法，是醫(yī)生憑借手指觸摸患者的動(dòng)脈，通過感知脈搏的跳動(dòng)來獲取信號(hào)。這種方法雖然簡(jiǎn)單直觀，但存在很大的主觀性，不同醫(yī)生的感知和判斷可能存在差異，且無法實(shí)現(xiàn)自動(dòng)化和連續(xù)監(jiān)測(cè)。聽診法通過聽診器聽取心臟搏動(dòng)聲音，并根據(jù)搏動(dòng)聲的頻率和規(guī)律來判斷心臟的工作情況。然而，該方法同樣受主觀因素影響較大，容易受到外界環(huán)境噪聲的干擾，且對(duì)于微弱的脈搏信號(hào)難以準(zhǔn)確捕捉。隨著科技的不斷進(jìn)步，傳感器法逐漸成為脈搏波信號(hào)采集的主流方法。常用的傳感器包括壓力傳感器、運(yùn)動(dòng)傳感器、光電傳感器、壓電式傳感器、光纖傳感器和RF射頻雷達(dá)傳感器等。壓力傳感器通過測(cè)量脈搏部位的壓力變化來獲取脈搏波信號(hào)，其原理是當(dāng)脈搏跳動(dòng)時(shí)，動(dòng)脈血管的壓力發(fā)生變化，壓力傳感器能夠感知這種變化并將其轉(zhuǎn)換為電信號(hào)。這種傳感器結(jié)構(gòu)相對(duì)簡(jiǎn)單，但容易受到外界壓力干擾，且對(duì)于微小的脈搏壓力變化檢測(cè)精度有限。運(yùn)動(dòng)傳感器通過感知皮膚的振動(dòng)來判斷脈搏的頻率和規(guī)律，它能夠捕捉到脈搏跳動(dòng)時(shí)皮膚的微小振動(dòng)，但對(duì)于復(fù)雜的運(yùn)動(dòng)環(huán)境適應(yīng)性較差，容易產(chǎn)生誤判。光電傳感器利用紅外線和光電二極管來測(cè)量皮膚血液中的血紅蛋白變化，從而獲得脈搏波信號(hào)。當(dāng)光線照射到手指等部位時(shí)，血液對(duì)光線的吸收會(huì)隨著脈搏的跳動(dòng)而發(fā)生變化，光電傳感器通過檢測(cè)這種變化來獲取脈搏波信號(hào)。該方法具有非侵入性、操作簡(jiǎn)便等優(yōu)點(diǎn)，但容易受到環(huán)境光干擾，且測(cè)量結(jié)果可能受到皮膚顏色、厚度等因素的影響。壓電式傳感器基于壓電效應(yīng)工作，當(dāng)受到外力作用時(shí)，壓電材料會(huì)產(chǎn)生電荷，其電荷量與外力大小成正比。在脈搏波信號(hào)采集中，將壓電式傳感器放置在脈搏部位，脈搏跳動(dòng)產(chǎn)生的壓力變化使壓電材料產(chǎn)生電荷，通過檢測(cè)電荷的變化即可獲取脈搏波信號(hào)。這種傳感器具有響應(yīng)速度快、靈敏度高的優(yōu)點(diǎn)，但輸出信號(hào)通常比較微弱，需要進(jìn)行放大處理。光纖傳感器則利用光在光纖中的傳播特性來檢測(cè)脈搏波。當(dāng)脈搏跳動(dòng)時(shí)，會(huì)引起光纖周圍環(huán)境的變化，進(jìn)而影響光在光纖中的傳播，通過檢測(cè)光信號(hào)的變化來獲取脈搏波信號(hào)。光纖傳感器具有抗電磁干擾能力強(qiáng)、靈敏度高、體積小等優(yōu)點(diǎn)，但成本相對(duì)較高，對(duì)安裝和使用環(huán)境要求較為嚴(yán)格。RF射頻雷達(dá)傳感器利用射頻信號(hào)與人體組織相互作用時(shí)產(chǎn)生的反射信號(hào)來檢測(cè)脈搏波。其工作原理是射頻雷達(dá)發(fā)射射頻信號(hào)，當(dāng)信號(hào)遇到人體橈動(dòng)脈附近的組織時(shí)，會(huì)發(fā)生反射，由于動(dòng)脈血管的搏動(dòng)，反射信號(hào)的相位和幅度會(huì)發(fā)生周期性變化。通過對(duì)這些變化的分析和處理，即可獲取脈搏波信號(hào)。RF射頻雷達(dá)傳感器具有非接觸式測(cè)量的優(yōu)勢(shì)，能夠避免因直接接觸皮膚而帶來的不適和衛(wèi)生問題，且測(cè)量過程不受皮膚表面狀況的影響。它還具有較高的靈敏度和分辨率，能夠準(zhǔn)確捕捉到脈搏波的細(xì)微變化。在復(fù)雜的環(huán)境中，如運(yùn)動(dòng)狀態(tài)下，RF射頻雷達(dá)傳感器能夠穩(wěn)定地工作，不易受到外界干擾，相比其他傳感器具有更好的適應(yīng)性。綜合考慮各種因素，本研究選擇RF射頻雷達(dá)傳感器作為脈搏波信號(hào)采集的主要傳感器，以滿足對(duì)脈搏波信號(hào)高精度、連續(xù)采集的需求。3.2.2信號(hào)采集電路設(shè)計(jì)為了確保準(zhǔn)確、穩(wěn)定地采集脈搏波信號(hào)，設(shè)計(jì)了如圖2所示的信號(hào)采集電路。該電路主要由信號(hào)調(diào)理模塊、模數(shù)轉(zhuǎn)換模塊和微控制器模塊等部分組成。圖2：信號(hào)采集電路信號(hào)調(diào)理模塊是信號(hào)采集電路的關(guān)鍵部分，其主要功能是對(duì)RF射頻雷達(dá)傳感器采集到的原始脈搏波信號(hào)進(jìn)行預(yù)處理，以提高信號(hào)質(zhì)量，為后續(xù)的模數(shù)轉(zhuǎn)換和信號(hào)處理提供可靠的數(shù)據(jù)基礎(chǔ)。該模塊包括濾波電路、放大電路和阻抗匹配電路。濾波電路采用低通濾波器，其截止頻率設(shè)置為100Hz，用于去除高頻噪聲干擾，如50Hz或60Hz的工頻干擾以及其他高頻電磁干擾。以巴特沃斯低通濾波器為例，它具有平坦的通帶和陡峭的阻帶特性，能夠有效地濾除高頻噪聲，同時(shí)對(duì)脈搏波信號(hào)的失真較小。放大電路采用運(yùn)算放大器，將微弱的脈搏波信號(hào)放大到合適的幅度，以便后續(xù)的模數(shù)轉(zhuǎn)換。在選擇運(yùn)算放大器時(shí)，考慮其增益、帶寬、噪聲性能等因素，選用低噪聲、高增益的運(yùn)算放大器，如AD620。AD620具有低噪聲、高精度、高共模抑制比等優(yōu)點(diǎn)，能夠有效地放大脈搏波信號(hào)，同時(shí)抑制共模噪聲。阻抗匹配電路則用于使傳感器的輸出阻抗與后續(xù)電路的輸入阻抗相匹配，以確保信號(hào)的高效傳輸，減少信號(hào)反射和衰減。通過合理選擇電阻和電容等元件，實(shí)現(xiàn)傳感器與后續(xù)電路之間的阻抗匹配。模數(shù)轉(zhuǎn)換模塊的作用是將模擬的脈搏波信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，以便微控制器進(jìn)行處理。采用16位的模數(shù)轉(zhuǎn)換器（ADC），如ADS1115。ADS1115具有16位分辨率，能夠提供較高的轉(zhuǎn)換精度，滿足對(duì)脈搏波信號(hào)高精度采集的需求。其采樣率可根據(jù)實(shí)際需求進(jìn)行設(shè)置，最高可達(dá)860SPS。在本設(shè)計(jì)中，將采樣率設(shè)置為500SPS，以確保能夠準(zhǔn)確捕捉脈搏波信號(hào)的變化。模數(shù)轉(zhuǎn)換模塊通過I2C總線與微控制器進(jìn)行通信，將轉(zhuǎn)換后的數(shù)字信號(hào)傳輸給微控制器。微控制器模塊作為信號(hào)采集電路的核心，負(fù)責(zé)控制整個(gè)采集過程，并對(duì)采集到的數(shù)字信號(hào)進(jìn)行初步處理和存儲(chǔ)。選用STM32系列微控制器，如STM32F407。STM32F407具有高性能、低功耗、豐富的外設(shè)資源等優(yōu)點(diǎn)。它內(nèi)置了多個(gè)定時(shí)器、串口通信接口、SPI接口等，能夠方便地與其他模塊進(jìn)行通信和協(xié)作。在脈搏波信號(hào)采集中，微控制器通過控制ADC的采樣頻率和轉(zhuǎn)換過程，實(shí)現(xiàn)對(duì)脈搏波信號(hào)的連續(xù)采集。它還對(duì)采集到的數(shù)字信號(hào)進(jìn)行簡(jiǎn)單的濾波處理，如中值濾波，去除一些隨機(jī)噪聲。微控制器將處理后的信號(hào)存儲(chǔ)在內(nèi)部閃存或外部存儲(chǔ)器中，以便后續(xù)的數(shù)據(jù)傳輸和分析。通過串口通信接口，將采集到的脈搏波信號(hào)傳輸給上位機(jī)，進(jìn)行進(jìn)一步的處理和顯示。為了確保采集信號(hào)的準(zhǔn)確性和穩(wěn)定性，在電路設(shè)計(jì)中采取了一系列措施。在電源設(shè)計(jì)方面，采用穩(wěn)壓電源為各個(gè)模塊供電，以保證電源的穩(wěn)定性，減少電源波動(dòng)對(duì)信號(hào)采集的影響。對(duì)電路進(jìn)行合理的布局和布線，減少信號(hào)之間的干擾。將模擬信號(hào)線路和數(shù)字信號(hào)線路分開布局，避免數(shù)字信號(hào)對(duì)模擬信號(hào)產(chǎn)生干擾。在電路板的設(shè)計(jì)中，增加接地平面和電源平面，提高電路的抗干擾能力。對(duì)關(guān)鍵元件進(jìn)行屏蔽處理，如對(duì)傳感器進(jìn)行金屬屏蔽，減少外界電磁干擾對(duì)傳感器的影響。通過這些措施，有效地提高了信號(hào)采集電路的性能，確保了脈搏波信號(hào)的準(zhǔn)確、穩(wěn)定采集。3.3脈象分類算法設(shè)計(jì)3.3.1分層定勢(shì)聯(lián)想機(jī)制模型分層定勢(shì)聯(lián)想機(jī)制模型的構(gòu)建基于對(duì)人類思維過程的深入理解和模擬，旨在通過多階段的特征分析和聯(lián)想推理，實(shí)現(xiàn)對(duì)脈象的高效、準(zhǔn)確分類。該模型主要由三層結(jié)構(gòu)組成，分別為初級(jí)定勢(shì)層、中級(jí)定勢(shì)層和高級(jí)定勢(shì)層，各層之間相互協(xié)作，逐步深入地對(duì)脈象特征進(jìn)行處理和分析。初級(jí)定勢(shì)層是模型的基礎(chǔ)，其主要功能是對(duì)采集到的原始脈象數(shù)據(jù)進(jìn)行初步處理和篩選，提取出能夠反映脈象基本特征的參數(shù)。在這一層，首先對(duì)脈搏波信號(hào)進(jìn)行預(yù)處理，包括濾波、去噪、基線校正等操作，以去除信號(hào)中的噪聲和干擾，提高信號(hào)質(zhì)量。采用小波變換對(duì)脈搏波信號(hào)進(jìn)行多分辨率分析，去除高頻噪聲和基線漂移，使信號(hào)更加平滑。利用形態(tài)學(xué)濾波對(duì)信號(hào)進(jìn)行處理，去除脈沖噪聲和異常值。通過這些預(yù)處理操作，得到清晰、穩(wěn)定的脈搏波信號(hào)。從預(yù)處理后的信號(hào)中提取出一系列基本特征參數(shù)，如脈搏波的上升時(shí)間、下降時(shí)間、波峰幅值、波谷幅值、脈率、脈搏波形態(tài)等。這些特征參數(shù)能夠直觀地反映脈象的一些基本特征，如脈搏的強(qiáng)弱、快慢、節(jié)律等。對(duì)提取的特征參數(shù)進(jìn)行初步篩選和分析，去除異常值和冗余信息，形成初級(jí)定勢(shì)特征集。通過計(jì)算特征參數(shù)之間的相關(guān)性，去除相關(guān)性較高的冗余特征，保留具有代表性的特征，以減少后續(xù)處理的計(jì)算量和復(fù)雜性。中級(jí)定勢(shì)層在初級(jí)定勢(shì)層的基礎(chǔ)上，進(jìn)一步對(duì)脈象特征進(jìn)行分析和挖掘，通過與典型脈象特征庫(kù)的比對(duì)和聯(lián)想，實(shí)現(xiàn)脈象的粗分類。在這一層，首先構(gòu)建典型脈象特征庫(kù)，該庫(kù)包含了各種常見脈象的典型特征參數(shù)和模式。通過對(duì)大量臨床脈象數(shù)據(jù)的采集和分析，結(jié)合中醫(yī)脈象理論，確定不同脈象的典型特征。對(duì)于弦脈，其典型特征為脈形繃緊，如按琴弦，脈搏波的上升支和下降支較為陡峭，波峰幅值較高。將初級(jí)定勢(shì)特征集中的特征參數(shù)與典型脈象特征庫(kù)中的特征進(jìn)行比對(duì)，計(jì)算它們之間的相似度。采用歐氏距離、余弦相似度等方法來衡量特征之間的相似度。通過相似度計(jì)算，找出與當(dāng)前脈象特征最為相似的典型脈象類別，實(shí)現(xiàn)脈象的粗分類。如果當(dāng)前脈象的特征參數(shù)與典型弦脈特征的相似度較高，則初步判斷該脈象為弦脈。在粗分類過程中，還可以引入友邦因子分析，進(jìn)一步提高分類的準(zhǔn)確性。友邦因子分析是一種基于特征相關(guān)性和差異性的分析方法，通過計(jì)算當(dāng)前脈象特征與不同典型脈象特征之間的友邦因子，判斷當(dāng)前脈象與各典型脈象的關(guān)聯(lián)程度。如果某個(gè)脈象對(duì)應(yīng)的特征集與典型脈象記憶庫(kù)中的各類脈象特征集差別較大，其友邦因子會(huì)在一定程度上降低。通過比較友邦因子的大小，可以更準(zhǔn)確地確定脈象的類別。高級(jí)定勢(shì)層是分層定勢(shì)聯(lián)想機(jī)制模型的核心，它基于中級(jí)定勢(shì)層的粗分類結(jié)果，對(duì)脈象進(jìn)行更加細(xì)致的分析和推理，實(shí)現(xiàn)脈象的細(xì)分類。在這一層，首先根據(jù)中級(jí)定勢(shì)層的粗分類結(jié)果，選擇與之相關(guān)的典型脈象特征進(jìn)行深入分析。如果中級(jí)定勢(shì)層判斷當(dāng)前脈象為弦脈，則選擇弦脈的典型特征進(jìn)行進(jìn)一步分析，如弦脈的不同程度（輕度、中度、重度）的特征差異，以及弦脈與其他脈象（如弦滑脈、弦緊脈等）的組合特征。利用定勢(shì)聯(lián)想神經(jīng)網(wǎng)絡(luò)對(duì)脈象特征進(jìn)行聯(lián)想和推理，挖掘脈象特征之間的潛在關(guān)系和規(guī)律。定勢(shì)聯(lián)想神經(jīng)網(wǎng)絡(luò)是一種模擬人類聯(lián)想思維的神經(jīng)網(wǎng)絡(luò)模型，它能夠根據(jù)輸入的脈象特征，自動(dòng)聯(lián)想出與之相關(guān)的其他特征和模式。通過對(duì)大量脈象數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，定勢(shì)聯(lián)想神經(jīng)網(wǎng)絡(luò)可以建立起脈象特征之間的復(fù)雜映射關(guān)系，從而實(shí)現(xiàn)對(duì)脈象的準(zhǔn)確分類。在細(xì)分類過程中，還可以結(jié)合脈象演變規(guī)則和引導(dǎo)式變異，進(jìn)一步提高分類的準(zhǔn)確性和可靠性。脈象演變規(guī)則是指脈象在不同生理和病理狀態(tài)下的變化規(guī)律，如疾病的發(fā)展過程中，脈象可能會(huì)從一種類型逐漸演變?yōu)榱硪环N類型。引導(dǎo)式變異是指在聯(lián)想過程中，根據(jù)已知的脈象特征和演變規(guī)則，對(duì)脈象進(jìn)行合理的假設(shè)和抽象，從而擴(kuò)展聯(lián)想的范圍和深度。通過結(jié)合脈象演變規(guī)則和引導(dǎo)式變異，定勢(shì)聯(lián)想神經(jīng)網(wǎng)絡(luò)可以對(duì)相似度較高的脈象進(jìn)行適度聯(lián)想，得到更可靠的聯(lián)想結(jié)果，從而實(shí)現(xiàn)對(duì)高相似度目標(biāo)的高準(zhǔn)確度識(shí)別。通過分層定勢(shì)聯(lián)想機(jī)制模型的三層結(jié)構(gòu)，從原始脈象數(shù)據(jù)的初步處理到脈象的粗分類，再到細(xì)分類，逐步深入地對(duì)脈象特征進(jìn)行分析和推理，實(shí)現(xiàn)了對(duì)脈象的高效、準(zhǔn)確分類。該模型充分利用了人類思維中的定勢(shì)和聯(lián)想機(jī)制，結(jié)合中醫(yī)脈象理論和現(xiàn)代信號(hào)處理技術(shù)，為脈象分類提供了一種新的思路和方法，具有較高的理論價(jià)值和實(shí)際應(yīng)用前景。3.3.2神經(jīng)元交互定勢(shì)聯(lián)想網(wǎng)絡(luò)神經(jīng)元交互定勢(shì)聯(lián)想網(wǎng)絡(luò)是一種模擬大腦神經(jīng)元交互機(jī)制的智能網(wǎng)絡(luò)模型，它通過神經(jīng)元之間的信息傳遞和協(xié)同工作，實(shí)現(xiàn)對(duì)脈象特征的深度分析和準(zhǔn)確分類，在脈象分類中具有獨(dú)特的優(yōu)勢(shì)。神經(jīng)元交互定勢(shì)聯(lián)想網(wǎng)絡(luò)的構(gòu)建基于對(duì)大腦神經(jīng)元結(jié)構(gòu)和功能的模擬，它主要由輸入層、聯(lián)想映射層、解聯(lián)想映射層和輸出層組成。輸入層負(fù)責(zé)接收經(jīng)過預(yù)處理和特征提取后的脈象特征向量，將其傳遞給聯(lián)想映射層。聯(lián)想映射層是網(wǎng)絡(luò)的核心部分，它由多個(gè)神經(jīng)元組成，每個(gè)神經(jīng)元都具有特定的權(quán)重和閾值。在聯(lián)想映射階段，輸入的脈象特征向量通過神經(jīng)元之間的連接權(quán)重進(jìn)行加權(quán)求和，并與神經(jīng)元的閾值進(jìn)行比較。如果加權(quán)和超過閾值，神經(jīng)元就會(huì)被激活，產(chǎn)生輸出信號(hào)。通過這種方式，聯(lián)想映射層將輸入的脈象特征向量映射到高維聯(lián)想空間中，完成由既定特征聯(lián)想到演變特征的自聯(lián)想過程。在這個(gè)過程中，神經(jīng)元之間的連接權(quán)重會(huì)根據(jù)學(xué)習(xí)算法不斷調(diào)整，以適應(yīng)不同的脈象特征和分類任務(wù)。解聯(lián)想映射層則對(duì)聯(lián)想映射層輸出的高維聯(lián)想空間進(jìn)行壓縮去冗余，實(shí)現(xiàn)高效的、準(zhǔn)確的自聯(lián)想輸出。它通過對(duì)聯(lián)想映射層輸出的信號(hào)進(jìn)行分析和處理，去除冗余信息，提取出最具代表性的特征，將其傳遞給輸出層。輸出層根據(jù)解聯(lián)想映射層傳遞的特征信息，進(jìn)行最終的分類決策，輸出脈象的分類結(jié)果。神經(jīng)交互機(jī)制是神經(jīng)元交互定勢(shì)聯(lián)想網(wǎng)絡(luò)的關(guān)鍵，它模擬了生物信號(hào)傳導(dǎo)過程中神經(jīng)元之間的交互方式，增強(qiáng)了網(wǎng)絡(luò)的聯(lián)想能力和分類準(zhǔn)確性。在神經(jīng)交互機(jī)制中，神經(jīng)元之間通過突觸進(jìn)行信息傳遞，突觸的強(qiáng)度和連接方式會(huì)影響神經(jīng)元之間的信息交流和協(xié)同工作。當(dāng)一個(gè)神經(jīng)元接收到來自其他神經(jīng)元的信號(hào)時(shí)，它會(huì)根據(jù)自身的狀態(tài)和突觸的權(quán)重對(duì)信號(hào)進(jìn)行處理，并將處理后的信號(hào)傳遞給其他神經(jīng)元。通過這種方式，神經(jīng)元之間形成了復(fù)雜的交互網(wǎng)絡(luò)，能夠?qū)斎氲男畔⑦M(jìn)行深入分析和處理。在脈象分類中，神經(jīng)交互機(jī)制使得網(wǎng)絡(luò)能夠更好地捕捉脈象特征之間的復(fù)雜關(guān)系和變化規(guī)律。不同的脈象特征可能會(huì)激活不同的神經(jīng)元，這些神經(jīng)元之間通過神經(jīng)交互機(jī)制相互協(xié)作，共同完成對(duì)脈象的分類。對(duì)于弦脈和滑脈，它們的脈象特征存在一定的差異，神經(jīng)元交互定勢(shì)聯(lián)想網(wǎng)絡(luò)可以通過神經(jīng)交互機(jī)制，準(zhǔn)確地區(qū)分這兩種脈象。弦脈的特征可能會(huì)激活一些與脈形繃緊、波峰幅值較高相關(guān)的神經(jīng)元，而滑脈的特征則會(huì)激活一些與往來流利、如盤走珠相關(guān)的神經(jīng)元。通過神經(jīng)元之間的交互和協(xié)同工作，網(wǎng)絡(luò)能夠準(zhǔn)確地判斷脈象的類型?；谟洃?引導(dǎo)-評(píng)價(jià)機(jī)制的免疫優(yōu)化算法是神經(jīng)元交互定勢(shì)聯(lián)想網(wǎng)絡(luò)的重要組成部分，它進(jìn)一步提高了網(wǎng)絡(luò)的性能和分類效果。該算法模擬了免疫系統(tǒng)的記憶、識(shí)別和優(yōu)化功能，通過對(duì)大量脈象數(shù)據(jù)的學(xué)習(xí)和記憶，使網(wǎng)絡(luò)能夠快速、準(zhǔn)確地識(shí)別不同的脈象。在記憶階段，網(wǎng)絡(luò)對(duì)大量的典型脈象數(shù)據(jù)進(jìn)行學(xué)習(xí)和存儲(chǔ)，形成記憶庫(kù)。記憶庫(kù)中包含了各種脈象的特征信息和分類結(jié)果，為后續(xù)的識(shí)別和分類提供了參考。在引導(dǎo)階段，當(dāng)輸入新的脈象特征向量時(shí)，網(wǎng)絡(luò)首先根據(jù)記憶庫(kù)中的信息，對(duì)輸入特征進(jìn)行初步的聯(lián)想和判斷，引導(dǎo)網(wǎng)絡(luò)朝著正確的分類方向進(jìn)行推理。在評(píng)價(jià)階段，網(wǎng)絡(luò)根據(jù)分類結(jié)果與實(shí)際情況的差異，對(duì)網(wǎng)絡(luò)的參數(shù)進(jìn)行調(diào)整和優(yōu)化。如果分類結(jié)果與實(shí)際情況不符，網(wǎng)絡(luò)會(huì)根據(jù)免疫優(yōu)化算法，調(diào)整神經(jīng)元之間的連接權(quán)重，以提高分類的準(zhǔn)確性。通過不斷地記憶、引導(dǎo)和評(píng)價(jià)，網(wǎng)絡(luò)能夠逐漸優(yōu)化自身的性能，提高對(duì)脈象的分類能力。神經(jīng)元交互定勢(shì)聯(lián)想網(wǎng)絡(luò)在脈象分類中具有諸多優(yōu)勢(shì)。它能夠充分利用神經(jīng)交互機(jī)制，模擬大腦的聯(lián)想過程，對(duì)脈象特征進(jìn)行深入分析和處理，提高分類的準(zhǔn)確性和可靠性。基于記憶-引導(dǎo)-評(píng)價(jià)機(jī)制的免疫優(yōu)化算法使得網(wǎng)絡(luò)能夠快速學(xué)習(xí)和適應(yīng)不同的脈象數(shù)據(jù)，具有較強(qiáng)的泛化能力和魯棒性。該網(wǎng)絡(luò)還具有較高的計(jì)算效率和實(shí)時(shí)性，能夠滿足實(shí)際應(yīng)用中對(duì)脈象快速分類的需求。通過與其他脈象分類方法的對(duì)比實(shí)驗(yàn)表明，神經(jīng)元交互定勢(shì)聯(lián)想網(wǎng)絡(luò)在脈象分類的準(zhǔn)確率、召回率和F1值等指標(biāo)上均表現(xiàn)出色，能夠?yàn)榛诿}象分類的血壓自適應(yīng)連續(xù)測(cè)量提供更加準(zhǔn)確的脈象分類結(jié)果。3.4分級(jí)自適應(yīng)連續(xù)血壓預(yù)測(cè)模型3.4.1PTT計(jì)算方法脈搏波傳導(dǎo)時(shí)間（PTT），指的是脈搏波在心血管系統(tǒng)的兩個(gè)部位之間傳導(dǎo)所需的時(shí)間，作為一個(gè)有效的心血管特征參數(shù)，在動(dòng)脈硬化評(píng)估、睡眠評(píng)估、連續(xù)血壓估計(jì)等心血管領(lǐng)域研究中得到廣泛運(yùn)用。其計(jì)算原理基于脈搏波在動(dòng)脈中的傳播特性，當(dāng)心臟收縮時(shí)，血液被泵入動(dòng)脈，形成脈搏波，脈搏波會(huì)沿著動(dòng)脈血管傳播。PTT的計(jì)算方法主要分為雙路生理信號(hào)法和單路生理信號(hào)法。雙路生理信號(hào)法是目前PTT測(cè)量的金標(biāo)準(zhǔn)，其主要原理是采集人體不同位置的兩路生理信號(hào)，通過計(jì)算在同一心拍周期中，兩路生理信號(hào)特征點(diǎn)之間的時(shí)間延遲來實(shí)現(xiàn)PTT的測(cè)量。這兩路生理信號(hào)可以是一路心電一路脈搏、一路心電一路心沖擊圖或者兩路脈搏波等。例如，在常見的一路心電一路脈搏的測(cè)量方式中，通常將心電信號(hào)的R波峰值點(diǎn)作為PTT的起始點(diǎn)，脈搏波的波峰或波谷作為PTT的終點(diǎn)。通過檢測(cè)心電信號(hào)和脈搏波信號(hào)中各自特征點(diǎn)的出現(xiàn)時(shí)間，計(jì)算它們之間的時(shí)間差，即可得到PTT。雙路生理信號(hào)法雖然測(cè)量準(zhǔn)確性較高，但需要采集兩路生理信號(hào)，這增加了設(shè)備的復(fù)雜性和成本，對(duì)信號(hào)采集設(shè)備和算法的要求也更高。單路生理信號(hào)法是為了簡(jiǎn)化信號(hào)采集而提出的。一種方法是通過對(duì)脈搏波進(jìn)行二次差分，得到加速脈搏波，然后計(jì)算加速度脈搏波兩特征點(diǎn)之間的時(shí)間差作為PTT。這種方法雖然減少了信號(hào)量的使用，但基于加速脈搏波特征測(cè)量得到的PTT準(zhǔn)確性較差，因?yàn)樵诙尾罘诌^程中，信號(hào)容易受到噪聲的干擾，導(dǎo)致特征點(diǎn)的檢測(cè)不準(zhǔn)確，從而影響PTT的計(jì)算精度。另一種單路生理信號(hào)法是基于機(jī)器學(xué)習(xí)技術(shù)，即人工從脈搏波信號(hào)中提取波形特征，基于提取的波形特征值，利用機(jī)器學(xué)習(xí)技術(shù)構(gòu)建PTT的預(yù)測(cè)模型，從而實(shí)現(xiàn)PTT的測(cè)量。然而，該方法需要手動(dòng)提取大量的特征，特征計(jì)算復(fù)雜，且PTT測(cè)量的準(zhǔn)確性依賴于特征參數(shù)計(jì)算的準(zhǔn)確性。如果提取的特征不全面或不準(zhǔn)確，會(huì)導(dǎo)致預(yù)測(cè)模型的性能下降，進(jìn)而影響PTT的計(jì)算結(jié)果。PTT與血壓之間存在著密切的關(guān)系，這是PTT在血壓預(yù)測(cè)中發(fā)揮作用的關(guān)鍵。從生理機(jī)制上看，血壓的變化會(huì)影響動(dòng)脈血管壁的彈性和張力。當(dāng)血壓升高時(shí)，動(dòng)脈血管壁受到的壓力增大，彈性降低，脈搏波在血管中傳播時(shí)受到的阻力減小，傳播速度加快，PTT相應(yīng)縮短；當(dāng)血壓降低時(shí)，動(dòng)脈血管壁彈性相對(duì)較好，脈搏波傳播速度減慢，PTT則會(huì)延長(zhǎng)。研究表明，PTT與收縮壓之間存在線性關(guān)系，通過大量的實(shí)驗(yàn)數(shù)據(jù)擬合，可以建立起PTT與收縮壓的回歸分析方程。對(duì)于舒張壓，雖然其與PTT沒有明顯的線性關(guān)系，但可以通過引入其他生理參數(shù)和模型，如血管的彈性腔模型和脈搏波特征K值模型，結(jié)合PTT來間接計(jì)算舒張壓。在血壓預(yù)測(cè)中，PTT作為一個(gè)重要的參數(shù)，為血壓的連續(xù)測(cè)量提供了新的思路和方法。通過實(shí)時(shí)監(jiān)測(cè)PTT的變化，可以及時(shí)反映血壓的動(dòng)態(tài)變化趨勢(shì)。在運(yùn)動(dòng)、情緒激動(dòng)等情況下，血壓會(huì)發(fā)生變化，PTT也會(huì)隨之改變。利用PTT與血壓的關(guān)系模型，結(jié)合其他相關(guān)生理參數(shù)，如心率、呼吸頻率等，可以實(shí)現(xiàn)對(duì)血壓的準(zhǔn)確預(yù)測(cè)。通過建立基于PTT的血壓預(yù)測(cè)模型，能夠在不需要頻繁使用傳統(tǒng)血壓測(cè)量設(shè)備的情況下，實(shí)時(shí)獲取血壓信息，為高血壓患者的日常監(jiān)測(cè)和健康管理提供了便利。然而，由于個(gè)體差異的存在，不同人的PTT與血壓之間的關(guān)系可能會(huì)有所不同，因此在實(shí)際應(yīng)用中，需要根據(jù)個(gè)體的具體情況對(duì)預(yù)測(cè)模型進(jìn)行校準(zhǔn)和優(yōu)化，以提高血壓預(yù)測(cè)的準(zhǔn)確性。3.4.2改進(jìn)的血壓預(yù)測(cè)模型改進(jìn)的血壓預(yù)測(cè)模型采用分級(jí)自適應(yīng)的方式，通過兩個(gè)階段的計(jì)算和調(diào)整，實(shí)現(xiàn)對(duì)血壓的準(zhǔn)確預(yù)測(cè)。該模型充分考慮了脈象與血壓之間的內(nèi)在聯(lián)系，以及個(gè)體差異和生理狀態(tài)變化對(duì)血壓的影響，能夠根據(jù)實(shí)時(shí)采集的脈象數(shù)據(jù)和其他生理信息，動(dòng)態(tài)調(diào)整預(yù)測(cè)參數(shù)，提高血壓預(yù)測(cè)的準(zhǔn)確性。在一級(jí)血壓預(yù)測(cè)階段，主要通過脈象建立與血壓線性模型的內(nèi)部聯(lián)系。深入分析脈象特征參數(shù)與血壓之間的關(guān)系，運(yùn)用多元線性回歸、主成分分析等方法，建立基于脈象特征的血壓線性模型。以多元線性回歸為例，將從脈象中提取的特征參數(shù)，如脈搏波的上升時(shí)間、下降時(shí)間、波峰幅值、波谷幅值、脈率等，作為自變量，血壓值（收縮壓和舒張壓）作為因變量，通過最小二乘法求解回歸系數(shù)，建立血壓預(yù)測(cè)方程。假設(shè)血壓預(yù)測(cè)方程為：SBP=a_1\timesRT+a_2\timesDT+a_3\timesPA+a_4\timesVA+a_5\timesPR+b，其中SBP表示收縮壓，RT表示脈搏波上升時(shí)間，DT表示脈搏波下降時(shí)間，PA表示波峰幅值，VA表示波谷幅值，PR表示脈率，a_1、a_2、a_3、a_4、a_5為回歸系數(shù)，b為常數(shù)項(xiàng)。在實(shí)際應(yīng)用中，根據(jù)被測(cè)人的脈象數(shù)據(jù)，代入預(yù)測(cè)方程中，即可初步計(jì)算出血壓值?？紤]到個(gè)體差異和生理狀態(tài)的變化，對(duì)血壓線性模型進(jìn)行動(dòng)態(tài)調(diào)整。收集不同年齡段、性別、身體狀況的人群的脈象數(shù)據(jù)和血壓值，建立豐富的樣本庫(kù)。當(dāng)有新的被測(cè)人時(shí)，根據(jù)其年齡、性別、身體狀況等信息，從樣本庫(kù)中選取相似的樣本，對(duì)回歸系數(shù)進(jìn)行調(diào)整，以適應(yīng)不同個(gè)體的血壓預(yù)測(cè)需求。對(duì)于年齡較大、患有心血管疾病的被測(cè)人，其脈象與血壓的關(guān)系可能與健康人群不同，通過調(diào)整回歸系數(shù)，可以提高血壓預(yù)測(cè)的準(zhǔn)確性。二級(jí)血壓預(yù)測(cè)階段，利用訓(xùn)練好的帶參數(shù)庫(kù)的PSO-BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)最終結(jié)果的調(diào)整。PSO-BP神經(jīng)網(wǎng)絡(luò)結(jié)合了粒子群優(yōu)化算法（PSO）和反向傳播神經(jīng)網(wǎng)絡(luò)（BP）的優(yōu)點(diǎn)。BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，它由輸入層、隱含層和輸出層組成，通過對(duì)大量樣本數(shù)據(jù)的學(xué)習(xí)，能夠建立輸入與輸出之間的復(fù)雜映射關(guān)系。然而，BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中容易陷入局部最優(yōu)解，收斂速度較慢。粒子群優(yōu)化算法是一種基于群體智能的優(yōu)化算法，它模擬鳥群的覓食行為，通過粒子之間的信息共享和相互協(xié)作，尋找最優(yōu)解。將PSO算法應(yīng)用于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中，可以優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，提高網(wǎng)絡(luò)的收斂速度和性能。在訓(xùn)練PSO-BP神經(jīng)網(wǎng)絡(luò)時(shí)，將一級(jí)血壓預(yù)測(cè)得到的結(jié)果以及其他相關(guān)生理參數(shù)，如心率、呼吸頻率、年齡、性別等，作為輸入，真實(shí)的血壓值作為輸出。通過大量的樣本數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使網(wǎng)絡(luò)學(xué)習(xí)到輸入與輸出之間的關(guān)系。在訓(xùn)練過程中，PSO算法不斷調(diào)整BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，以最小化網(wǎng)絡(luò)的預(yù)測(cè)誤差。經(jīng)過訓(xùn)練后，PSO-BP神經(jīng)網(wǎng)絡(luò)建立了一個(gè)帶參數(shù)庫(kù)的模型。當(dāng)有新的脈象數(shù)據(jù)和生理信息輸入時(shí)，首先通過一級(jí)血壓預(yù)測(cè)得到初步的血壓值，然后將這些數(shù)據(jù)輸入到訓(xùn)練好的PSO-BP神經(jīng)網(wǎng)絡(luò)中，網(wǎng)絡(luò)根據(jù)參數(shù)庫(kù)中的參數(shù)對(duì)一級(jí)血壓預(yù)測(cè)結(jié)果進(jìn)行調(diào)整，得到最終的血壓預(yù)測(cè)值。通過這種方式，充分利用了PSO-BP神經(jīng)網(wǎng)絡(luò)的強(qiáng)大學(xué)習(xí)能力和自適應(yīng)能力，能夠?qū)ρ獕侯A(yù)測(cè)結(jié)果進(jìn)行更加準(zhǔn)確的調(diào)整，提高血壓預(yù)測(cè)的精度。四、實(shí)驗(yàn)與結(jié)果分析4.1實(shí)驗(yàn)準(zhǔn)備4.1.1實(shí)驗(yàn)設(shè)備與材料實(shí)驗(yàn)中使用的主要設(shè)備和材料如下：脈搏波采集設(shè)備：選用RF射頻雷達(dá)傳感器，型號(hào)為[具體型號(hào)]。該傳感器利用射頻信號(hào)與人體組織相互作用時(shí)產(chǎn)生的反射信號(hào)來檢測(cè)脈搏波，具有非接觸式測(cè)量、靈敏度高、抗干擾能力強(qiáng)等優(yōu)點(diǎn)。其工作頻率范圍為[頻率范圍]，能夠準(zhǔn)確捕捉到脈搏波的細(xì)微變化，采樣頻率可達(dá)[采樣頻率]，滿足對(duì)脈搏波信號(hào)高精度、連續(xù)采集的需求。與之配套的信號(hào)采集電路，由信號(hào)調(diào)理模塊、模數(shù)轉(zhuǎn)換模塊和微控制器模塊等部分組成，能夠?qū)鞲衅鞑杉降脑济}搏波信號(hào)進(jìn)行預(yù)處理、模數(shù)轉(zhuǎn)換和初步處理，確保信號(hào)的準(zhǔn)確性和穩(wěn)定性。血壓計(jì)：采用歐姆龍電子血壓計(jì)，型號(hào)為HEM-7124。該血壓計(jì)運(yùn)用示波法測(cè)量血壓，測(cè)量范圍為收縮壓0-299mmHg，舒張壓0-159mmHg，脈率35-185bpm，測(cè)量精準(zhǔn)度在脈率測(cè)量精度35-100bpm范圍內(nèi)，誤差≤±2bpm。它具有自動(dòng)加壓、快速測(cè)量、記憶存儲(chǔ)等功能，能夠提供較為準(zhǔn)確的血壓測(cè)量結(jié)果，作為實(shí)驗(yàn)中血壓測(cè)量的參考標(biāo)準(zhǔn)。數(shù)據(jù)采集與分析軟件：使用LabVIEW軟件進(jìn)行脈搏波信號(hào)和血壓數(shù)據(jù)的采集與實(shí)時(shí)顯示，該軟件具有強(qiáng)大的數(shù)據(jù)處理和圖形化界面功能，方便實(shí)驗(yàn)人員觀察和記錄數(shù)據(jù)。在數(shù)據(jù)存儲(chǔ)方面，采用MySQL數(shù)據(jù)庫(kù)管理系統(tǒng)，它能夠高效地存儲(chǔ)和管理大量的實(shí)驗(yàn)數(shù)據(jù)，確保數(shù)據(jù)的安全性、完整性和可訪問性。數(shù)據(jù)分析軟件則選用Python的數(shù)據(jù)分析庫(kù)，如Pandas、NumPy、Matplotlib等，這些庫(kù)提供了豐富的數(shù)據(jù)處理和分析函數(shù)，能夠?qū)?shí)驗(yàn)數(shù)據(jù)進(jìn)行清洗、統(tǒng)計(jì)分析和可視化展示，為實(shí)驗(yàn)結(jié)果的分析提供有力支持。其他材料：為了確保實(shí)驗(yàn)的順利進(jìn)行，還準(zhǔn)備了若干電極片，用于連接心電傳感器，獲取心電信號(hào)，以便計(jì)算脈搏波傳導(dǎo)時(shí)間（PTT）；準(zhǔn)備了心率傳感器，型號(hào)為[具體型號(hào)]，用于測(cè)量心率；準(zhǔn)備了呼吸頻率傳感器，型號(hào)為[具體型號(hào)]，用于測(cè)量呼吸頻率。這些生理參數(shù)將作為輔助信息，用于后續(xù)的脈象分類和血壓預(yù)測(cè)分析。實(shí)驗(yàn)過程中，還需要一些輔助工具，如固定傳感器的綁帶、清潔皮膚的酒精棉球等。4.1.2實(shí)驗(yàn)對(duì)象選擇實(shí)驗(yàn)對(duì)象的選擇標(biāo)準(zhǔn)和范圍如下：選擇標(biāo)準(zhǔn)：實(shí)驗(yàn)對(duì)象需身體健康，無重大疾病史，以確保采集到的脈象和血壓數(shù)據(jù)能夠反映正常生理狀態(tài)。排除患有高血壓、心臟病、糖尿病等慢性疾病以及近期有感染、外傷等情況的人員。年齡范圍設(shè)定為18-60歲，涵蓋了不同年齡段的人群，以研究年齡對(duì)脈象和血壓關(guān)系的影響。性別比例盡量保持均衡，以消除性別因素對(duì)實(shí)驗(yàn)結(jié)果的干擾。選擇范圍：從當(dāng)?shù)厣鐓^(qū)、學(xué)校和企業(yè)招募志愿者作為實(shí)驗(yàn)對(duì)象。通過張貼海報(bào)、發(fā)布網(wǎng)絡(luò)招募信息等方式，廣泛宣傳實(shí)驗(yàn)內(nèi)容和要求，吸引志愿者參與。在招募過程中，詳細(xì)告知志愿者實(shí)驗(yàn)的目的、流程和可能存在的風(fēng)險(xiǎn)，確保志愿者在充分了解的情況下自愿參與實(shí)驗(yàn)。基本信息：最終招募到100名志愿者，其中男性50名，女性50名。年齡分布如下：18-25歲20人，26-35歲30人，36-45歲30人，46-60歲20人。在實(shí)驗(yàn)前，對(duì)所有志愿者進(jìn)行全面的身體檢查，包括身高、體重、心率、血壓、血常規(guī)、尿常規(guī)等項(xiàng)目，確保志愿者的身體狀況符合實(shí)驗(yàn)要求。同時(shí)，記錄志愿者的基本信息，如姓名、年齡、性別、職業(yè)、生活習(xí)慣（如是否吸煙、飲酒、運(yùn)動(dòng)頻率等），以便后續(xù)對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析時(shí)，能夠綜合考慮這些因素對(duì)脈象和血壓的影響。4.2基于分層定勢(shì)聯(lián)想機(jī)制實(shí)驗(yàn)4.2.1模型驗(yàn)證為了驗(yàn)證基于分層定勢(shì)聯(lián)想機(jī)制的脈象分類模型的準(zhǔn)確性和可靠性，進(jìn)行了一系列實(shí)驗(yàn)。實(shí)驗(yàn)數(shù)據(jù)來源于前期采集的100名志愿者的脈象數(shù)據(jù)，這些數(shù)據(jù)涵蓋了不同年齡、性別和身體狀況的人群，具有廣泛的代表性。將實(shí)驗(yàn)數(shù)據(jù)按照7:3的比例劃分為訓(xùn)練集和測(cè)試集，其中訓(xùn)練集包含70名志愿者的脈象數(shù)據(jù)，用于訓(xùn)練脈象分類模型；測(cè)試集包含30名志愿者的脈象數(shù)據(jù)，用于評(píng)估模型的性能。在訓(xùn)練過程中，采用交叉驗(yàn)證的方法，將訓(xùn)練集進(jìn)一步劃分為5個(gè)子集，每次選取4個(gè)子集進(jìn)行訓(xùn)練，1個(gè)子集進(jìn)行驗(yàn)證，通過多次迭代，不斷優(yōu)化模型的參數(shù)，提高模型的泛化能力。利用混淆矩陣對(duì)模型在測(cè)試集上的性能進(jìn)行評(píng)估，混淆矩陣是一種用于衡量分類模型性能的工具，它可以直觀地展示模型的分類結(jié)果，包括正確分類和錯(cuò)誤分類的情況。表1展示了基于分層定勢(shì)聯(lián)想機(jī)制的脈象分類模型在測(cè)試集上的混淆矩陣。真實(shí)類別預(yù)測(cè)為浮脈預(yù)測(cè)為沉脈預(yù)測(cè)為遲脈預(yù)測(cè)為數(shù)脈預(yù)測(cè)為滑脈預(yù)測(cè)為弦脈浮脈810000沉脈071000遲脈006000數(shù)脈000510滑脈000170弦脈000005從混淆矩陣可以看出，該模型在測(cè)試集上對(duì)各種脈象的分類準(zhǔn)確率較高。對(duì)于浮脈，模型正確分類了8例，誤判為沉脈1例，分類準(zhǔn)確率為88.89%；對(duì)于沉脈，正確分類了7例，誤判為遲脈1例，分類準(zhǔn)確率為87.50%；對(duì)于遲脈，正確分類了6例，分類準(zhǔn)確率為100%；對(duì)于數(shù)脈，正確分類了5例，誤判為滑脈1例，分類準(zhǔn)確率為83.33%；對(duì)于滑脈，正確分類了7例，誤判為數(shù)脈1例，分類準(zhǔn)確率為87.50%；對(duì)于弦脈，正確分類了5例，分類準(zhǔn)確率為100%?？傮w來看，模型在測(cè)試集上的平均分類準(zhǔn)確率達(dá)到了91.67%，表明該模型能夠準(zhǔn)確地識(shí)別不同類型的脈象，具有較高的準(zhǔn)確性和可靠性。4.2.2性能對(duì)比分析為了進(jìn)一步評(píng)估基于分層定勢(shì)聯(lián)想機(jī)制的脈象分類模型的性能優(yōu)勢(shì)，將其與其他常見的脈象分類方法進(jìn)行對(duì)比，包括支持向量機(jī)（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）。實(shí)驗(yàn)采用相同的實(shí)驗(yàn)數(shù)據(jù)和評(píng)估指標(biāo)，以確保對(duì)比結(jié)果的公平性和可靠性。表2展示了不同脈象分類方法在測(cè)試集上的分類準(zhǔn)確率、召回率和F1值。分類方法準(zhǔn)確率召回率F1值分層定勢(shì)聯(lián)想機(jī)制模型91.67%90.56%91.11%支持向量機(jī)（SVM）83.33%80.56%81.94%人工神經(jīng)網(wǎng)絡(luò)（ANN）86.67%84.44%85.55%卷積神經(jīng)網(wǎng)絡(luò)（CNN）88.89%86.67%87.77%從表2可以看出，基于分層定勢(shì)聯(lián)想機(jī)制的脈象分類模型在分類準(zhǔn)確率、召回率和F1值等指標(biāo)上均優(yōu)于其他三種方法。與支持向量機(jī)相比，該模型的準(zhǔn)確率提高了8.34個(gè)百分點(diǎn)，召回率提高了10個(gè)百分點(diǎn)，F(xiàn)1值提高了9.17個(gè)百分點(diǎn)；與人工神經(jīng)網(wǎng)絡(luò)相比，準(zhǔn)確率提高了5個(gè)百分點(diǎn)，召回率提高了6.12個(gè)百分點(diǎn)，F(xiàn)1值提高了5.56個(gè)百分點(diǎn)；與卷積神經(jīng)網(wǎng)絡(luò)相比，準(zhǔn)確率提高了2.78個(gè)百分點(diǎn)，召回率提高了3.89個(gè)百分點(diǎn)，F(xiàn)1值提高了3.34個(gè)百分點(diǎn)。這表明基于分層定勢(shì)聯(lián)想機(jī)制的脈象分類模型在脈象分類任務(wù)中具有更好的性能表現(xiàn)，能夠更準(zhǔn)確地識(shí)別不同類型的脈象，為基于脈象分類的血壓自適應(yīng)連續(xù)測(cè)量提供了更可靠的基礎(chǔ)。4.2.3脈象分類對(duì)比分析對(duì)不同脈象分類結(jié)果進(jìn)行詳細(xì)分析，有助于找出分類錯(cuò)誤的原因，進(jìn)而提出改進(jìn)措施，進(jìn)一步優(yōu)化脈象分類模型。通過對(duì)混淆矩陣和實(shí)驗(yàn)結(jié)果的深入研究，發(fā)現(xiàn)分類錯(cuò)誤主要集中在以下幾個(gè)方面：相似脈象的誤判：一些脈象在特征上較為相似，容易導(dǎo)致模型誤判。例如，數(shù)脈和滑脈在某些特征上存在重疊，數(shù)脈的脈搏頻率較快，滑脈則往來流利，當(dāng)脈象的頻率和流利度都處于一定范圍內(nèi)時(shí)，模型可能會(huì)將數(shù)脈誤判為滑脈，或者將滑脈誤判為數(shù)脈。這是因?yàn)樵谔卣魈崛『头诸愡^程中，對(duì)于這些相似脈象的特征區(qū)分不夠精準(zhǔn)，導(dǎo)致模型在判斷時(shí)出現(xiàn)混淆。個(gè)體差異的影響：不同個(gè)體的脈象特征存在一定的差異，即使是同一種脈象，在不同個(gè)體身上也可能表現(xiàn)出不同的特點(diǎn)。例如，由于個(gè)體的體質(zhì)、生活習(xí)慣、遺傳因素等不同，弦脈在不同個(gè)體中的表現(xiàn)可能會(huì)有所不同，有的弦脈可能更弦硬，有的則相對(duì)較柔和。模型在訓(xùn)練過程中，可能沒有充分學(xué)習(xí)到這些個(gè)體差異，導(dǎo)致在對(duì)某些個(gè)體的脈象進(jìn)行分類時(shí)出現(xiàn)錯(cuò)誤。噪聲和干擾的影響：在脈象數(shù)據(jù)采集過程中，不可避免地會(huì)受到各種噪聲和干擾的影響，如工頻干擾、基線漂移、運(yùn)動(dòng)偽跡等。這些噪聲和干擾會(huì)影響脈象特征的提取和分析，導(dǎo)致模型對(duì)脈象的判斷出現(xiàn)偏差。例如，當(dāng)脈象數(shù)據(jù)中存在較大的基線漂移時(shí)，可能會(huì)使脈搏波的形態(tài)發(fā)生改變，從而影響模型對(duì)脈象特征的準(zhǔn)確提取，導(dǎo)致分類錯(cuò)誤。針對(duì)以上分類錯(cuò)誤的原因，提出以下改進(jìn)措施：優(yōu)化特征提取算法：進(jìn)一步改進(jìn)特征提取算法，提高對(duì)相似脈象特征的區(qū)分能力。可以結(jié)合多種信號(hào)處理技術(shù)，如小波變換、經(jīng)驗(yàn)?zāi)B(tài)分解等，從不同角度對(duì)脈象信號(hào)進(jìn)行分析，提取更加全面和準(zhǔn)確的脈象特征。利用小波變換的多分辨率分析特性，對(duì)脈象信號(hào)進(jìn)行分解，提取不同頻率成分的特征，以增強(qiáng)對(duì)相似脈象的區(qū)分能力。引入更多的脈象特征參數(shù)，如脈搏波的曲率、面積等，豐富脈象特征向量，提高模型對(duì)脈象的識(shí)別能力。增加訓(xùn)練數(shù)據(jù)多樣性：收集更多不同個(gè)體的脈象數(shù)據(jù)，豐富訓(xùn)練集，使模型能夠?qū)W習(xí)到更多的個(gè)體差異信息。在數(shù)據(jù)采集過程中，擴(kuò)大樣本的范圍，包括不同年齡、性別、地域、生活習(xí)慣的人群，以及患有不同疾病的人群，以提高模型的泛化能力。對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行增強(qiáng)處理，如對(duì)脈象信號(hào)進(jìn)行平移、縮放、旋轉(zhuǎn)等操作，生成更多的訓(xùn)練樣本，進(jìn)一步提高模型對(duì)個(gè)體差異的適應(yīng)性。加強(qiáng)信號(hào)預(yù)處理：采用更有效的信號(hào)預(yù)處理方法，去除脈象數(shù)據(jù)中的噪聲和干擾。在濾波方面，除了傳統(tǒng)的低通濾波器、高通濾波器外，還可以采用自適應(yīng)濾波器、小波閾值去噪等方法，根據(jù)脈象信號(hào)的特點(diǎn)，選擇合適的濾波參數(shù)，更有效地去除噪聲。對(duì)于基線漂移，可以采用多項(xiàng)式擬合、樣條插值等方法進(jìn)行校正。在數(shù)據(jù)采集過程中，優(yōu)化傳感器的安裝和使用方法，減少運(yùn)動(dòng)偽跡的產(chǎn)生，提高脈象數(shù)據(jù)的質(zhì)量。通過以上改進(jìn)措施，可以進(jìn)一步優(yōu)化脈象分類模型，提高其分類準(zhǔn)確率和可靠性，為基于脈象分類的血壓自適應(yīng)連續(xù)測(cè)量提供更準(zhǔn)確的脈象分類結(jié)果。4.3基于分級(jí)自適應(yīng)血壓預(yù)測(cè)模型實(shí)驗(yàn)4.3.1單次測(cè)量驗(yàn)證為了驗(yàn)證分級(jí)自適應(yīng)血壓預(yù)測(cè)模型單次測(cè)量的準(zhǔn)確性，選取了30名實(shí)驗(yàn)對(duì)象進(jìn)行測(cè)試。在測(cè)試過程中，同時(shí)使用本研究提出的分級(jí)自適應(yīng)血壓預(yù)測(cè)模型和歐姆龍電子血壓計(jì)（型號(hào)為HEM-7124）對(duì)實(shí)驗(yàn)對(duì)象的血壓進(jìn)行測(cè)量。歐姆龍電子血壓計(jì)運(yùn)用示波法測(cè)量血壓，測(cè)量范圍為收縮壓0-299mmHg，舒張壓0-159mmHg，脈率35-185bpm，測(cè)量精準(zhǔn)度在脈率測(cè)量精度35-100bpm范圍內(nèi)，誤差≤±2bpm，作為本次實(shí)驗(yàn)的參考標(biāo)準(zhǔn)。將分級(jí)自適應(yīng)血壓預(yù)測(cè)模型的測(cè)量結(jié)果與歐姆龍電子血壓計(jì)的測(cè)量結(jié)果進(jìn)行對(duì)比，計(jì)算兩者之間的絕對(duì)誤差和相對(duì)誤差。表3展示了部分實(shí)驗(yàn)對(duì)象的測(cè)量結(jié)果對(duì)比。實(shí)驗(yàn)對(duì)象編號(hào)歐姆龍電子血壓計(jì)測(cè)量值（收縮壓/舒張壓，mmHg）分級(jí)自適應(yīng)血壓預(yù)測(cè)模型測(cè)量值（收縮壓/舒張壓，mmHg）絕對(duì)誤差（收縮壓/舒張壓，mmHg）相對(duì)誤差（收縮壓/舒張壓，%）1120/80118/782/21.67/2.502130/85132/86-2/-1-1.54/-1.183115/75116/76-1/-1-0.87/-1.334140/90138/882/21.43/2.225125/82126/83-1/-1-0.80/-1.22從表3可以看出，分級(jí)自適應(yīng)血壓預(yù)測(cè)模型的測(cè)量結(jié)果與歐姆龍電子血壓計(jì)的測(cè)量結(jié)果較為接近，絕對(duì)誤差和相對(duì)誤差都在可接受的范圍內(nèi)。對(duì)30名實(shí)驗(yàn)對(duì)象的測(cè)量結(jié)果進(jìn)行統(tǒng)計(jì)分析，得到分級(jí)自適應(yīng)血壓預(yù)測(cè)模型測(cè)量收縮壓的平均絕對(duì)誤差為1.87mmHg，平均相對(duì)誤差為1.56%；測(cè)量舒張壓的平均絕對(duì)誤差為1.63mmHg，平均相對(duì)誤差為1.98%。測(cè)量誤差產(chǎn)生的原因主要有以下幾個(gè)方面：個(gè)體差異：不同個(gè)體的心血管系統(tǒng)結(jié)構(gòu)和功能存在差異，如血管彈性、心臟收縮力、血液黏滯度等，這些差異會(huì)影響脈象與血壓之間的關(guān)系。即使在相同的生理狀態(tài)下，不同個(gè)體的脈象特征可能會(huì)有所不同，導(dǎo)致血壓預(yù)測(cè)模型的準(zhǔn)確性受到影響。在實(shí)驗(yàn)中，部分實(shí)驗(yàn)對(duì)象由于血管彈性較差，其脈象特征與血壓的相關(guān)性可能與其他實(shí)驗(yàn)對(duì)象不同，從而導(dǎo)致測(cè)量誤差的產(chǎn)生。生理狀態(tài)變化：人體的生理狀態(tài)會(huì)隨著時(shí)間、環(huán)境、活動(dòng)等因素的變化而發(fā)生改變，如心率、呼吸頻率、情緒等。這些生理狀態(tài)的變化會(huì)影響脈搏波的特征和血壓值，而血壓預(yù)測(cè)模型可能無法及時(shí)準(zhǔn)確地反映這些變化。在實(shí)驗(yàn)過程中，有些實(shí)驗(yàn)對(duì)象在測(cè)量前進(jìn)行了劇烈運(yùn)動(dòng)，導(dǎo)致心率加快，血壓升高，此時(shí)脈象特征也會(huì)發(fā)生相應(yīng)變化，而模型未能完全適應(yīng)這種變化，從而產(chǎn)生測(cè)量誤差。數(shù)據(jù)采集誤差：在脈搏波信號(hào)采集過程中，可能會(huì)受到各種因素的干擾，如傳感器的位置不準(zhǔn)確、信號(hào)傳輸過程中的噪聲、人體運(yùn)動(dòng)等，這些因素會(huì)導(dǎo)致采集到的脈搏波信號(hào)存在誤差。若誤差較大，會(huì)影響脈象特征的提取和分析，進(jìn)而影響血壓預(yù)測(cè)的準(zhǔn)確性。在實(shí)驗(yàn)中，由于傳感器佩戴不牢固，導(dǎo)致在測(cè)量過程中傳感器位置發(fā)生偏移，使得采集到的脈搏波信號(hào)出現(xiàn)偏差，最終導(dǎo)致測(cè)量誤差的增大。模型局限性：雖然分級(jí)自適應(yīng)血壓預(yù)測(cè)模型在一定程度上考慮了個(gè)體差異和生理狀態(tài)變化對(duì)血壓的影響，但模型本身仍然存在一定的局限性。模型所采用的脈象特征參數(shù)可能無法完全涵蓋與血壓相關(guān)的所有信息，或者模型的算法和參數(shù)設(shè)置不夠優(yōu)化，導(dǎo)致模型對(duì)血壓的預(yù)測(cè)能力有限。在某些特殊情況下，如患有罕見心血管疾病的患者，模型可能無法準(zhǔn)確預(yù)測(cè)其血壓值，因?yàn)檫@些患者的脈象特征與普通人群存在較大差異，而模型在訓(xùn)練過程中可能沒有學(xué)習(xí)到這些特殊情況。為了進(jìn)一步提高分級(jí)自適應(yīng)血壓預(yù)測(cè)模型的準(zhǔn)確性，后續(xù)研究可以從以下幾個(gè)方面進(jìn)行改進(jìn)：增加樣本數(shù)量和多樣性：收集更多不同個(gè)體、不同生理狀態(tài)下的脈象數(shù)據(jù)和血壓值，擴(kuò)大樣本庫(kù)的規(guī)模和多樣性。通過對(duì)大量樣本的學(xué)習(xí)和訓(xùn)練，使模型能夠更好地適應(yīng)不同個(gè)體和生理狀態(tài)的變化，提高模型的泛化能力。收集不同年齡段、性別、地域、生活習(xí)慣以及患有各種疾病的人群的脈象數(shù)據(jù)和血壓值，以豐富模型的學(xué)習(xí)樣本。優(yōu)化特征提取和模型算法：不斷優(yōu)化脈象特征提取算法，提取更全面、更準(zhǔn)確的脈象特征參數(shù)。結(jié)合多種信號(hào)處理技術(shù)和機(jī)器學(xué)習(xí)算法，對(duì)模型進(jìn)行改進(jìn)和優(yōu)化，提高模型對(duì)脈象特征與血壓關(guān)系的學(xué)習(xí)能力和預(yù)測(cè)能力。采用深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）及其變體長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）、門控循環(huán)單元（GRU）等算法，對(duì)脈象數(shù)據(jù)進(jìn)行深度挖掘和分析，以提高模型的性能。實(shí)時(shí)監(jiān)測(cè)和動(dòng)態(tài)調(diào)整：實(shí)現(xiàn)對(duì)人體生理狀態(tài)的實(shí)時(shí)監(jiān)測(cè)，如心率、呼吸頻率、運(yùn)動(dòng)狀態(tài)等，根據(jù)實(shí)時(shí)監(jiān)測(cè)到的生理信息，動(dòng)態(tài)調(diào)整血壓預(yù)測(cè)模型的參數(shù)。通過與可穿戴設(shè)備相結(jié)合，實(shí)時(shí)獲取用戶的生理數(shù)據(jù)，使模型能夠及時(shí)適應(yīng)人體生理狀態(tài)的變化，提高血壓預(yù)測(cè)的準(zhǔn)確性。利用智能手環(huán)等可穿戴設(shè)備，實(shí)時(shí)監(jiān)測(cè)用戶的心率和運(yùn)動(dòng)狀態(tài)，當(dāng)檢測(cè)到用戶運(yùn)動(dòng)時(shí)，及時(shí)調(diào)整血壓預(yù)測(cè)模型的參數(shù)，以適應(yīng)運(yùn)動(dòng)狀態(tài)下血壓的變化。多模態(tài)數(shù)據(jù)融合：除了脈象數(shù)據(jù)外，還可以融合其他生理數(shù)據(jù)，如心電信號(hào)、血氧飽和度、體溫等，綜合分析這些多模態(tài)數(shù)據(jù)與血壓之間的關(guān)系，提高血壓預(yù)測(cè)的準(zhǔn)確性。通過多模態(tài)數(shù)據(jù)融合，可以獲取更全面的人體生理信息，為血壓預(yù)測(cè)提供更豐富的依據(jù)。將心電信號(hào)和脈象數(shù)據(jù)進(jìn)行融合，利用心電信號(hào)中的心率、心電波形等信息，輔助脈象分類和血壓預(yù)測(cè)，從而提高模型的準(zhǔn)確性。4.3.2連續(xù)血壓追蹤為了評(píng)估分級(jí)自適應(yīng)血壓預(yù)測(cè)模型對(duì)個(gè)人血壓連續(xù)追蹤趨勢(shì)的跟隨性，選取了10名實(shí)驗(yàn)對(duì)象進(jìn)行連續(xù)血壓追蹤實(shí)驗(yàn)。實(shí)驗(yàn)過程中，使用本研究提出的分級(jí)自適應(yīng)血壓預(yù)測(cè)模型對(duì)實(shí)驗(yàn)對(duì)象的血壓進(jìn)行連續(xù)測(cè)量，每隔5分鐘測(cè)量一次，持續(xù)測(cè)量24小時(shí)。同時(shí)，使用動(dòng)態(tài)血壓監(jiān)測(cè)儀（ABPM）作為參考標(biāo)準(zhǔn)，同步記錄實(shí)驗(yàn)對(duì)象的血壓值。動(dòng)態(tài)血壓監(jiān)測(cè)儀能夠連續(xù)、自動(dòng)地測(cè)量人體在不同狀態(tài)下的血壓值，被廣泛應(yīng)用于臨床血壓監(jiān)測(cè)。圖3展示了其中一名實(shí)驗(yàn)對(duì)象的連續(xù)血壓追蹤實(shí)驗(yàn)結(jié)果，其中實(shí)線表示分級(jí)自適應(yīng)血壓預(yù)測(cè)模型的測(cè)量結(jié)果，虛線表示動(dòng)態(tài)血壓監(jiān)測(cè)儀的測(cè)量結(jié)果。圖3：連續(xù)血壓追蹤實(shí)驗(yàn)結(jié)果從圖3可以看出，分級(jí)自適應(yīng)血壓預(yù)測(cè)模型的測(cè)量結(jié)果能夠較好地跟隨動(dòng)態(tài)血壓監(jiān)測(cè)儀的測(cè)量結(jié)果，兩者的變化趨勢(shì)基本一致。在一天的不同時(shí)間段，如早晨起床后、上午工作期間、中午休息時(shí)、下午工作期間、晚上休息前等，模型都能夠準(zhǔn)確地捕捉到血壓的變化情況。在早晨起床后，人體的血壓通常會(huì)出現(xiàn)一個(gè)小高峰，分級(jí)自適應(yīng)血壓預(yù)測(cè)模型能夠及時(shí)反映出這一變化，測(cè)量結(jié)果與動(dòng)態(tài)血壓監(jiān)測(cè)儀的測(cè)量結(jié)果相近。在晚上休息前，血壓逐漸降低，模型也能夠準(zhǔn)確地追蹤到這一趨勢(shì)。對(duì)10名實(shí)驗(yàn)對(duì)象的連續(xù)血壓追蹤實(shí)驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)分析，計(jì)算分級(jí)自適應(yīng)血壓預(yù)測(cè)模型測(cè)量結(jié)果與動(dòng)態(tài)血壓監(jiān)測(cè)儀測(cè)量結(jié)果之間的平均絕對(duì)誤差和相關(guān)系數(shù)。結(jié)果顯示，分級(jí)自適應(yīng)血壓預(yù)測(cè)模型測(cè)量收縮壓的平均絕對(duì)誤差為2.15mmHg，舒張壓的平均絕對(duì)誤差為1.