基于PPG信號(hào)特征的無(wú)創(chuàng)逐拍血壓估計(jì)：算法驗(yàn)證與多元應(yīng)用探索

基于PPG信號(hào)特征的無(wú)創(chuàng)逐拍血壓估計(jì)：算法、驗(yàn)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(duì)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(jiàn)的慢性病，正嚴(yán)重威脅著全球人類(lèi)的健康。高血壓被公認(rèn)為是心血管疾病的主要危險(xiǎn)因素之一。長(zhǎng)期處于高血壓狀態(tài)，會(huì)對(duì)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(huì)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(shí)，高血壓患者患冠心病的風(fēng)險(xiǎn)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(huì)對(duì)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(zhǎng)期高血壓會(huì)引起腎小球內(nèi)囊壓力持續(xù)升高，導(dǎo)致腎動(dòng)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(huì)對(duì)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(wèn)題。據(jù)世界衛(wèi)生組織（WHO）統(tǒng)計(jì)，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(wàn)。在中國(guó)，根據(jù)《2020年度中國(guó)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(guó)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(shì)，這使得高血壓的防治形勢(shì)更加嚴(yán)峻。目前，臨床上常用的血壓測(cè)量方法主要有柯氏音法和示波法?？率弦舴ㄊ峭ㄟ^(guò)聽(tīng)診器聽(tīng)取袖帶放氣過(guò)程中動(dòng)脈血管內(nèi)血流產(chǎn)生的聲音來(lái)確定血壓值，這種方法需要專(zhuān)業(yè)的醫(yī)護(hù)人員操作，對(duì)操作人員的技能要求較高，且測(cè)量過(guò)程較為繁瑣。示波法是利用袖帶充氣和放氣過(guò)程中動(dòng)脈血管壁的振動(dòng)來(lái)測(cè)量血壓，它雖然操作相對(duì)簡(jiǎn)單，但同樣需要使用袖帶。這些傳統(tǒng)的血壓測(cè)量方法都存在一定的局限性。一方面，它們只能測(cè)量某個(gè)特定時(shí)刻的血壓值，無(wú)法反映血壓在一天中的動(dòng)態(tài)變化情況。然而，血壓在一天中是不斷波動(dòng)的，了解血壓的晝夜變化規(guī)律對(duì)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(guò)傳統(tǒng)的測(cè)量方法可能會(huì)被漏診。另一方面，使用袖帶進(jìn)行測(cè)量時(shí)，會(huì)對(duì)被測(cè)者的手臂或手腕等部位產(chǎn)生壓力，使被測(cè)者感到不適，尤其對(duì)于需要頻繁測(cè)量血壓的患者來(lái)說(shuō)，這種不適感會(huì)影響他們的依從性。此外，傳統(tǒng)血壓測(cè)量工具通常體積較大，不易攜帶，不便于人們?cè)谌粘Ｉ钪须S時(shí)隨地進(jìn)行測(cè)量，無(wú)法滿(mǎn)足人們對(duì)于便捷、快速健康管理的需求。為了克服傳統(tǒng)血壓測(cè)量方法的不足，實(shí)現(xiàn)連續(xù)、無(wú)創(chuàng)的血壓監(jiān)測(cè)成為了研究的熱點(diǎn)。光電容積脈搏波（Photoplethysmography，PPG）信號(hào)作為一種能夠反映人體心血管系統(tǒng)生理信息的信號(hào)，為無(wú)創(chuàng)逐拍血壓估計(jì)提供了新的途徑。PPG信號(hào)是通過(guò)光電傳感器測(cè)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(diǎn)。當(dāng)血液流過(guò)外周血管中的微動(dòng)脈、毛細(xì)血管和微靜脈等微血管時(shí)，微血管的血液容積在心臟搏動(dòng)下會(huì)呈現(xiàn)脈動(dòng)性變化，這種變化可以通過(guò)PPG信號(hào)記錄下來(lái)。PPG信號(hào)中蘊(yùn)含著豐富的信息，如脈搏波傳導(dǎo)時(shí)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(guò)對(duì)PPG信號(hào)特征的深入研究和分析，可以建立起有效的血壓估計(jì)模型，實(shí)現(xiàn)對(duì)血壓的無(wú)創(chuàng)逐拍估計(jì)?；赑PG信號(hào)特征的無(wú)創(chuàng)逐拍血壓估計(jì)研究具有重要的意義。在醫(yī)療領(lǐng)域，它能夠?yàn)獒t(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(shí)、準(zhǔn)確地診斷心血管疾病，制定個(gè)性化的治療方案，提高治療效果。對(duì)于高血壓患者來(lái)說(shuō)，連續(xù)的血壓監(jiān)測(cè)可以幫助他們更好地了解自己的血壓變化情況，及時(shí)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(xiǎn)。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?cè)谌粘Ｉ钪须S時(shí)隨地監(jiān)測(cè)自己的血壓，實(shí)現(xiàn)對(duì)健康狀況的實(shí)時(shí)關(guān)注和管理，提高人們的健康意識(shí)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(hào)的無(wú)創(chuàng)逐拍血壓估計(jì)技術(shù)有望與這些技術(shù)相結(jié)合，實(shí)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(guó)內(nèi)外研究現(xiàn)狀隨著對(duì)健康監(jiān)測(cè)需求的不斷增長(zhǎng)以及傳感器技術(shù)、信號(hào)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(hào)無(wú)創(chuàng)逐拍血壓估計(jì)的研究在國(guó)內(nèi)外取得了顯著進(jìn)展。在國(guó)外，早期的研究主要集中在探索PPG信號(hào)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(yàn)證和推廣了這一理論。基于此，通過(guò)測(cè)量脈搏波在動(dòng)脈中兩點(diǎn)間傳遞時(shí)間（PulseTransitTime，PTT）來(lái)計(jì)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(dòng)脈導(dǎo)管兩端的壓力傳感器測(cè)得脈搏波波速，結(jié)合超聲測(cè)量動(dòng)脈的直徑與動(dòng)脈壁的厚度，建立起相關(guān)的血壓估算模型。近年來(lái)，國(guó)外學(xué)者在基于PPG信號(hào)的血壓估計(jì)算法和技術(shù)方面進(jìn)行了大量深入研究。在信號(hào)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(hào)特征。例如，采用先進(jìn)的濾波算法去除信號(hào)中的噪聲和干擾，利用小波變換、經(jīng)驗(yàn)?zāi)B(tài)分解（EmpiricalModeDecomposition，EMD）及其改進(jìn)算法等對(duì)PPG信號(hào)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(jì)模型的構(gòu)建。神經(jīng)網(wǎng)絡(luò)算法被廣泛應(yīng)用，通過(guò)構(gòu)建多層的神經(jīng)網(wǎng)絡(luò)來(lái)模擬人腦處理信息的方式，對(duì)復(fù)雜的PPG信號(hào)進(jìn)行分析，從中提取出隱含的、對(duì)血壓變化敏感的特征，并通過(guò)大量數(shù)據(jù)訓(xùn)練模型，以提高血壓估計(jì)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(cè)，它在小樣本、非線性問(wèn)題上具有良好的表現(xiàn)，能夠通過(guò)尋找最優(yōu)分類(lèi)超平面來(lái)實(shí)現(xiàn)對(duì)血壓值的準(zhǔn)確預(yù)測(cè)。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?xún)?yōu)勢(shì)，進(jìn)一步提升血壓估計(jì)的性能。在設(shè)備研發(fā)與應(yīng)用方面，國(guó)外一些科研機(jī)構(gòu)和企業(yè)致力于開(kāi)發(fā)基于PPG技術(shù)的可穿戴血壓監(jiān)測(cè)設(shè)備，如智能手表、手環(huán)等，這些設(shè)備不僅能夠?qū)崟r(shí)采集PPG信號(hào)，還集成了先進(jìn)的算法，實(shí)現(xiàn)了對(duì)血壓的連續(xù)監(jiān)測(cè)和初步分析，為用戶(hù)提供了便捷的健康監(jiān)測(cè)方式。國(guó)內(nèi)在該領(lǐng)域的研究起步相對(duì)較晚，但發(fā)展迅速。在理論研究方面，國(guó)內(nèi)學(xué)者對(duì)PPG信號(hào)與血壓之間的生理機(jī)制進(jìn)行了深入探討，進(jìn)一步驗(yàn)證和完善了國(guó)外的相關(guān)理論，并結(jié)合國(guó)內(nèi)人群的生理特點(diǎn)，提出了一些具有針對(duì)性的觀點(diǎn)和模型。在技術(shù)研究方面，國(guó)內(nèi)研究主要圍繞信號(hào)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(kāi)。在信號(hào)處理算法上，除了借鑒國(guó)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(lái)去除PPG信號(hào)中的運(yùn)動(dòng)偽影，提高信號(hào)質(zhì)量；在特征參數(shù)選擇上，綜合考慮時(shí)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(jì)的準(zhǔn)確性。在機(jī)器學(xué)習(xí)模型方面，國(guó)內(nèi)學(xué)者也進(jìn)行了大量的實(shí)驗(yàn)和對(duì)比分析，探索不同模型在國(guó)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(hào)分析，自動(dòng)提取信號(hào)的深層特征，取得了較好的效果。在實(shí)際應(yīng)用方面，國(guó)內(nèi)一些企業(yè)和科研團(tuán)隊(duì)積極推動(dòng)基于PPG信號(hào)的無(wú)創(chuàng)血壓監(jiān)測(cè)技術(shù)的產(chǎn)業(yè)化，開(kāi)發(fā)出一系列具有自主知識(shí)產(chǎn)權(quán)的產(chǎn)品，如智能血壓監(jiān)測(cè)手環(huán)、貼片式血壓監(jiān)測(cè)設(shè)備等，這些產(chǎn)品在功能和性能上不斷提升，逐漸滿(mǎn)足市場(chǎng)需求。盡管?chē)?guó)內(nèi)外在基于PPG信號(hào)無(wú)創(chuàng)逐拍血壓估計(jì)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(hào)易受多種因素干擾，如運(yùn)動(dòng)、環(huán)境光、個(gè)體生理差異等，導(dǎo)致信號(hào)質(zhì)量不穩(wěn)定，影響血壓估計(jì)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(jì)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?yàn)條件下的數(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(chǎng)景時(shí)，模型的性能可能會(huì)下降。三是目前的無(wú)創(chuàng)逐拍血壓估計(jì)技術(shù)在測(cè)量精度上與傳統(tǒng)有創(chuàng)血壓測(cè)量方法仍存在一定差距，難以滿(mǎn)足臨床診斷的高精度要求。1.3研究?jī)?nèi)容與方法1.3.1研究?jī)?nèi)容本研究圍繞基于PPG信號(hào)特征的無(wú)創(chuàng)逐拍血壓估計(jì)及其應(yīng)用展開(kāi)，主要涵蓋以下幾個(gè)方面：PPG信號(hào)特征分析：對(duì)采集到的PPG信號(hào)進(jìn)行深入分析，探究其在時(shí)域、頻域以及形態(tài)學(xué)等多方面的特征。在時(shí)域上，分析信號(hào)的周期、幅值、上升時(shí)間、下降時(shí)間等特征，這些特征能夠反映心臟的搏動(dòng)周期以及每次搏動(dòng)時(shí)血管內(nèi)血液充盈和排空的速度。例如，正常情況下，PPG信號(hào)的周期與心率相對(duì)應(yīng)，通過(guò)分析周期的變化可以了解心率的波動(dòng)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(hào)從時(shí)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(dòng)相關(guān)，通過(guò)對(duì)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(shí)別PPG信號(hào)的波峰、波谷、切跡等特征點(diǎn)，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(dòng)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(hào)特征在不同個(gè)體之間的差異，以及這些差異與個(gè)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(huì)反映在PPG信號(hào)特征上，通過(guò)研究這些關(guān)系，可以為建立個(gè)性化的血壓估計(jì)模型提供依據(jù)。無(wú)創(chuàng)逐拍血壓估計(jì)方法研究：探索基于PPG信號(hào)特征的無(wú)創(chuàng)逐拍血壓估計(jì)的有效方法。一方面，研究利用脈搏波傳導(dǎo)時(shí)間（PTT）與血壓之間的關(guān)系進(jìn)行血壓估計(jì)的方法。PTT是指脈搏波在動(dòng)脈中兩點(diǎn)間傳遞的時(shí)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(guò)PTT計(jì)算得到。因此，通過(guò)測(cè)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(jì)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(duì)PPG信號(hào)特征進(jìn)行學(xué)習(xí)和建模，挖掘信號(hào)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(dòng)提取信號(hào)中的特征，并通過(guò)訓(xùn)練模型來(lái)實(shí)現(xiàn)對(duì)血壓的準(zhǔn)確預(yù)測(cè)。同時(shí)，對(duì)不同的估計(jì)方法進(jìn)行對(duì)比分析，評(píng)估其準(zhǔn)確性、穩(wěn)定性和泛化能力，選擇最優(yōu)的估計(jì)方法或組合方法。通過(guò)實(shí)驗(yàn)對(duì)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(diǎn)，從而確定最適合無(wú)創(chuàng)逐拍血壓估計(jì)的方法。血壓估計(jì)模型構(gòu)建：基于上述研究，構(gòu)建高精度的無(wú)創(chuàng)逐拍血壓估計(jì)模型。收集大量包含PPG信號(hào)和對(duì)應(yīng)血壓值的數(shù)據(jù)集，對(duì)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(yàn)證等方法對(duì)數(shù)據(jù)集進(jìn)行劃分，將其分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，分別用于模型的訓(xùn)練、參數(shù)調(diào)整和性能評(píng)估。利用訓(xùn)練集數(shù)據(jù)對(duì)選擇的血壓估計(jì)模型進(jìn)行訓(xùn)練，通過(guò)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(hào)特征與血壓之間的關(guān)系。使用驗(yàn)證集對(duì)訓(xùn)練過(guò)程進(jìn)行監(jiān)控，防止模型出現(xiàn)過(guò)擬合或欠擬合現(xiàn)象。最后，用測(cè)試集對(duì)訓(xùn)練好的模型進(jìn)行評(píng)估，計(jì)算模型的準(zhǔn)確率、均方誤差、平均絕對(duì)誤差等指標(biāo)，以驗(yàn)證模型的性能。根據(jù)評(píng)估結(jié)果，對(duì)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(jì)模型應(yīng)用于實(shí)際場(chǎng)景中，探討其在醫(yī)療監(jiān)測(cè)、健康管理等領(lǐng)域的應(yīng)用價(jià)值和可行性。例如，將模型集成到可穿戴設(shè)備中，實(shí)現(xiàn)對(duì)用戶(hù)血壓的實(shí)時(shí)、連續(xù)監(jiān)測(cè)，為用戶(hù)提供個(gè)性化的健康管理建議。用戶(hù)可以通過(guò)佩戴可穿戴設(shè)備，隨時(shí)隨地獲取自己的血壓數(shù)據(jù)，設(shè)備根據(jù)監(jiān)測(cè)到的血壓數(shù)據(jù)，結(jié)合用戶(hù)的個(gè)人健康信息，如年齡、性別、病史等，為用戶(hù)提供健康提醒和建議，如是否需要調(diào)整飲食、增加運(yùn)動(dòng)等。同時(shí)，將監(jiān)測(cè)數(shù)據(jù)上傳至云端，實(shí)現(xiàn)數(shù)據(jù)的遠(yuǎn)程存儲(chǔ)和分析，醫(yī)生可以通過(guò)云端平臺(tái)實(shí)時(shí)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(duì)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(yùn)動(dòng)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(huì)對(duì)PPG信號(hào)的采集和血壓估計(jì)模型的性能產(chǎn)生影響，通過(guò)研究這些因素，采取相應(yīng)的措施（如優(yōu)化信號(hào)采集方法、調(diào)整模型參數(shù)等），可以提高模型在實(shí)際應(yīng)用中的適應(yīng)性和準(zhǔn)確性。1.3.2研究方法為實(shí)現(xiàn)上述研究?jī)?nèi)容，本研究將采用以下方法：文獻(xiàn)研究法：廣泛查閱國(guó)內(nèi)外相關(guān)文獻(xiàn)，了解基于PPG信號(hào)無(wú)創(chuàng)逐拍血壓估計(jì)的研究現(xiàn)狀、發(fā)展趨勢(shì)以及存在的問(wèn)題。梳理和總結(jié)前人在PPG信號(hào)特征分析、血壓估計(jì)方法、模型構(gòu)建等方面的研究成果和經(jīng)驗(yàn)，為本文的研究提供理論基礎(chǔ)和技術(shù)支持。通過(guò)對(duì)文獻(xiàn)的研究，了解不同研究方法的優(yōu)缺點(diǎn)，以及各種算法和模型在實(shí)際應(yīng)用中的效果，從而確定本文的研究方向和重點(diǎn)。實(shí)驗(yàn)研究法：設(shè)計(jì)并開(kāi)展實(shí)驗(yàn)，采集PPG信號(hào)和對(duì)應(yīng)的血壓數(shù)據(jù)。選擇合適的實(shí)驗(yàn)對(duì)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(zhuān)業(yè)的PPG信號(hào)采集設(shè)備和血壓測(cè)量?jī)x器，保證數(shù)據(jù)采集的準(zhǔn)確性和可靠性。在實(shí)驗(yàn)過(guò)程中，控制實(shí)驗(yàn)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(duì)實(shí)驗(yàn)結(jié)果的影響。對(duì)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(yùn)用統(tǒng)計(jì)學(xué)方法和信號(hào)處理技術(shù)對(duì)采集到的數(shù)據(jù)進(jìn)行分析。使用統(tǒng)計(jì)分析方法，如相關(guān)性分析、主成分分析等，研究PPG信號(hào)特征與血壓之間的相關(guān)性，篩選出對(duì)血壓估計(jì)具有重要影響的特征參數(shù)。通過(guò)相關(guān)性分析，可以確定哪些PPG信號(hào)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(jì)的重要依據(jù)。利用信號(hào)處理技術(shù)，如濾波、去噪、特征提取等，對(duì)PPG信號(hào)進(jìn)行預(yù)處理和特征提取，提高信號(hào)的質(zhì)量和可分析性。采用先進(jìn)的濾波算法去除信號(hào)中的噪聲和干擾，利用小波變換、經(jīng)驗(yàn)?zāi)B(tài)分解等方法對(duì)PPG信號(hào)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(píng)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(jì)模型，并采用多種評(píng)估指標(biāo)對(duì)模型性能進(jìn)行評(píng)估。在模型構(gòu)建過(guò)程中，選擇合適的算法和模型結(jié)構(gòu)，根據(jù)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行訓(xùn)練和優(yōu)化。使用交叉驗(yàn)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(píng)估方面，采用均方誤差（MSE）、平均絕對(duì)誤差（MAE）、決定系數(shù)（R2）等指標(biāo)來(lái)衡量模型的預(yù)測(cè)誤差和擬合優(yōu)度。通過(guò)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(cè)血壓值。同時(shí)，采用混淆矩陣、準(zhǔn)確率、召回率等指標(biāo)對(duì)模型的分類(lèi)性能進(jìn)行評(píng)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(duì)比實(shí)驗(yàn)，將本文構(gòu)建的模型與其他已有的血壓估計(jì)模型進(jìn)行比較，分析其優(yōu)勢(shì)和不足，進(jìn)一步改進(jìn)和完善模型。1.4創(chuàng)新點(diǎn)本研究在基于PPG信號(hào)特征的無(wú)創(chuàng)逐拍血壓估計(jì)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(hào)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(hào)的實(shí)時(shí)特性自動(dòng)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(yùn)動(dòng)環(huán)境和多變的生理狀態(tài)下，更有效地去除PPG信號(hào)中的噪聲和運(yùn)動(dòng)偽影。例如，當(dāng)被測(cè)者處于運(yùn)動(dòng)狀態(tài)時(shí)，傳統(tǒng)濾波算法可能無(wú)法及時(shí)適應(yīng)信號(hào)的快速變化，導(dǎo)致信號(hào)失真，而本研究的自適應(yīng)濾波算法能夠?qū)崟r(shí)跟蹤信號(hào)的變化，準(zhǔn)確地保留信號(hào)中的有效信息，從而提高信號(hào)質(zhì)量，為后續(xù)的特征提取和血壓估計(jì)提供更可靠的數(shù)據(jù)基礎(chǔ)。在特征提取方面，綜合運(yùn)用多尺度熵分析和高階統(tǒng)計(jì)量分析方法，提取了一組全新的PPG信號(hào)特征參數(shù)。多尺度熵分析可以從不同時(shí)間尺度上衡量信號(hào)的復(fù)雜度和不規(guī)則性，高階統(tǒng)計(jì)量分析則能夠挖掘信號(hào)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(hào)與血壓之間的復(fù)雜關(guān)系，為血壓估計(jì)模型提供更豐富的信息。與以往僅依賴(lài)時(shí)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(jì)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(zhǎng)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(jì)密切相關(guān)的部分，忽略無(wú)關(guān)信息。例如，在處理連續(xù)的PPG信號(hào)序列時(shí)，模型能夠自動(dòng)聚焦于那些對(duì)血壓變化敏感的時(shí)間點(diǎn)和信號(hào)特征，而不是平等地對(duì)待所有數(shù)據(jù)。這種改進(jìn)使得模型在學(xué)習(xí)PPG信號(hào)與血壓之間的動(dòng)態(tài)關(guān)系時(shí)表現(xiàn)更為出色，尤其是在處理長(zhǎng)時(shí)間序列數(shù)據(jù)和捕捉血壓的瞬時(shí)變化方面具有明顯優(yōu)勢(shì)，有效提升了模型的泛化能力和血壓估計(jì)精度。多場(chǎng)景應(yīng)用創(chuàng)新：首次將基于PPG信號(hào)的無(wú)創(chuàng)逐拍血壓估計(jì)技術(shù)應(yīng)用于航空航天領(lǐng)域，針對(duì)宇航員在太空飛行過(guò)程中的特殊生理和環(huán)境條件，對(duì)血壓估計(jì)模型進(jìn)行了針對(duì)性?xún)?yōu)化。太空環(huán)境中，宇航員會(huì)經(jīng)歷微重力、輻射等特殊因素的影響，這些因素會(huì)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(hào)的特征和血壓的變化規(guī)律。本研究通過(guò)對(duì)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(shí)現(xiàn)對(duì)宇航員血壓的實(shí)時(shí)監(jiān)測(cè)和準(zhǔn)確估計(jì)。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(wú)創(chuàng)逐拍血壓估計(jì)技術(shù)的應(yīng)用范圍。同時(shí)，開(kāi)展了針對(duì)老年癡呆患者的長(zhǎng)期血壓監(jiān)測(cè)研究，并將血壓估計(jì)結(jié)果與認(rèn)知功能評(píng)估相結(jié)合。老年癡呆患者的血壓管理對(duì)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(guò)長(zhǎng)期監(jiān)測(cè)老年癡呆患者的血壓，分析血壓波動(dòng)與認(rèn)知功能之間的關(guān)聯(lián)，發(fā)現(xiàn)血壓的異常波動(dòng)與認(rèn)知功能的下降存在密切關(guān)系?；诖?，提出了一種基于血壓監(jiān)測(cè)的老年癡呆患者健康管理方案，通過(guò)實(shí)時(shí)監(jiān)測(cè)血壓，及時(shí)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(hào)特征分析2.1PPG信號(hào)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(wú)創(chuàng)檢測(cè)技術(shù)，它通過(guò)檢測(cè)人體皮膚表面的光吸收變化來(lái)獲取血液容積的脈動(dòng)信息，從而反映心血管系統(tǒng)的生理狀態(tài)。其測(cè)量過(guò)程基于光與生物組織的相互作用原理。當(dāng)一定波長(zhǎng)的光束照射到人體皮膚表面時(shí)，光會(huì)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(gè)過(guò)程中，皮膚組織中的肌肉、骨骼、靜脈以及其他連接組織對(duì)光的吸收基本保持恒定（前提是測(cè)量部位沒(méi)有大幅度的運(yùn)動(dòng)），然而，動(dòng)脈中的血液由于受到心臟搏動(dòng)的驅(qū)動(dòng)而呈現(xiàn)周期性的脈動(dòng)變化，這使得動(dòng)脈對(duì)光的吸收也隨之發(fā)生周期性改變。具體來(lái)說(shuō)，當(dāng)心臟收縮時(shí)，動(dòng)脈血管內(nèi)的血液充盈增加，血管擴(kuò)張，此時(shí)對(duì)光的吸收量增大，檢測(cè)到的光強(qiáng)度減?。欢?dāng)心臟舒張時(shí)，動(dòng)脈血管內(nèi)的血液充盈減少，血管收縮，對(duì)光的吸收量減小，檢測(cè)到的光強(qiáng)度增大。通過(guò)將光強(qiáng)度的這種周期性變化轉(zhuǎn)換為電信號(hào)，就可以獲得PPG信號(hào)。PPG信號(hào)本質(zhì)上是一種反映動(dòng)脈血管內(nèi)血液容積脈動(dòng)變化的電信號(hào)，其波形呈現(xiàn)出與心臟搏動(dòng)周期相對(duì)應(yīng)的周期性特征。典型的PPG信號(hào)波形包含一個(gè)主峰和若干個(gè)次峰，主峰對(duì)應(yīng)心臟收縮期，此時(shí)動(dòng)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(hào)幅值達(dá)到最大值；次峰則對(duì)應(yīng)心臟舒張期以及血管彈性回縮等生理過(guò)程。在舒張期，動(dòng)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(hào)幅值逐漸減小。血管彈性回縮會(huì)導(dǎo)致信號(hào)在舒張期出現(xiàn)一些小的波動(dòng)，形成次峰。PPG信號(hào)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(dòng)力源，通過(guò)有節(jié)律的收縮和舒張，將血液泵入動(dòng)脈系統(tǒng)，并推動(dòng)血液在血管中流動(dòng)。在這個(gè)過(guò)程中，動(dòng)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(shí)，左心室將血液快速射入主動(dòng)脈，主動(dòng)脈及其分支血管由于受到血液的沖擊而發(fā)生擴(kuò)張，儲(chǔ)存一部分血液的能量；當(dāng)心臟舒張時(shí)，主動(dòng)脈及其分支血管彈性回縮，將儲(chǔ)存的能量釋放出來(lái)，推動(dòng)血液繼續(xù)向前流動(dòng)。這種動(dòng)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(dòng)變化，進(jìn)而引起光吸收量的變化，最終產(chǎn)生PPG信號(hào)。此外，PPG信號(hào)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(huì)直接影響PPG信號(hào)的周期，心率加快時(shí)，信號(hào)周期縮短；血壓的變化會(huì)影響血管內(nèi)的壓力和血液流速，進(jìn)而影響PPG信號(hào)的幅值和波形形態(tài)。血管彈性降低會(huì)導(dǎo)致PPG信號(hào)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(huì)使血液流動(dòng)阻力增大，影響PPG信號(hào)的傳播和幅值。呼吸過(guò)程中胸腔內(nèi)壓力的變化也會(huì)對(duì)PPG信號(hào)產(chǎn)生影響，導(dǎo)致信號(hào)出現(xiàn)周期性的波動(dòng)。2.2PPG信號(hào)特征提取方法為了從PPG信號(hào)中獲取與血壓相關(guān)的關(guān)鍵信息，需要運(yùn)用有效的特征提取方法。常見(jiàn)的PPG信號(hào)特征提取方法主要包括時(shí)域分析、頻域分析和時(shí)頻域分析。2.2.1時(shí)域分析方法時(shí)域分析是直接在時(shí)間域上對(duì)PPG信號(hào)進(jìn)行處理和分析，它主要關(guān)注信號(hào)的波形形態(tài)、幅值變化以及時(shí)間間隔等特征。在時(shí)域分析中，一些常用的特征參數(shù)包括：峰值和谷值：PPG信號(hào)的主峰對(duì)應(yīng)心臟收縮期，此時(shí)動(dòng)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(hào)幅值達(dá)到最大值；谷值則對(duì)應(yīng)心臟舒張期，動(dòng)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(hào)幅值達(dá)到最小值。通過(guò)檢測(cè)峰值和谷值的大小和出現(xiàn)的時(shí)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(hào)的峰值可能會(huì)升高，谷值可能會(huì)降低，且峰值和谷值之間的差值可能會(huì)增大。上升時(shí)間和下降時(shí)間：上升時(shí)間是指PPG信號(hào)從谷值上升到峰值所經(jīng)歷的時(shí)間，它反映了心臟收縮的速度和力量。下降時(shí)間是指信號(hào)從峰值下降到谷值所經(jīng)歷的時(shí)間，它與心臟舒張以及血管彈性回縮等生理過(guò)程有關(guān)。上升時(shí)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(dòng)脈系統(tǒng)；下降時(shí)間較長(zhǎng)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(hào)的上升時(shí)間和下降時(shí)間可能會(huì)發(fā)生明顯改變，上升時(shí)間延長(zhǎng)，下降時(shí)間縮短。脈搏波周期：脈搏波周期是指相鄰兩個(gè)主峰之間的時(shí)間間隔，它與心率呈倒數(shù)關(guān)系。正常情況下，心率相對(duì)穩(wěn)定，脈搏波周期也相對(duì)固定。但在一些生理或病理狀態(tài)下，如運(yùn)動(dòng)、情緒激動(dòng)、心律失常等，心率會(huì)發(fā)生變化，從而導(dǎo)致脈搏波周期的改變。通過(guò)監(jiān)測(cè)脈搏波周期的變化，可以及時(shí)發(fā)現(xiàn)心率的異常波動(dòng)，這對(duì)于評(píng)估心血管系統(tǒng)的功能狀態(tài)具有重要意義。例如，在運(yùn)動(dòng)過(guò)程中，隨著運(yùn)動(dòng)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(zhǎng)。面積參數(shù)：PPG信號(hào)波形下的面積可以反映心臟每次搏動(dòng)輸出的血液量。計(jì)算一定時(shí)間內(nèi)PPG信號(hào)波形的面積，并結(jié)合心率等其他參數(shù)，可以評(píng)估心臟的泵血功能。當(dāng)心臟泵血功能下降時(shí)，每次搏動(dòng)輸出的血液量減少，PPG信號(hào)波形下的面積也會(huì)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(hào)的面積參數(shù)可能會(huì)降低。時(shí)域分析方法簡(jiǎn)單直觀，能夠直接反映PPG信號(hào)的基本特征，且計(jì)算復(fù)雜度較低，易于實(shí)現(xiàn)。它在一些實(shí)時(shí)性要求較高的應(yīng)用場(chǎng)景中，如可穿戴設(shè)備的實(shí)時(shí)血壓監(jiān)測(cè)，具有重要的應(yīng)用價(jià)值。然而，時(shí)域分析方法主要關(guān)注信號(hào)的局部特征，對(duì)于信號(hào)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(hào)時(shí)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(hào)從時(shí)域轉(zhuǎn)換到頻域，通過(guò)分析信號(hào)的頻率成分來(lái)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(shí)域信號(hào)分解為不同頻率的正弦波和余弦波的疊加，從而揭示信號(hào)的頻率特性。通過(guò)傅里葉變換得到的PPG信號(hào)頻譜中，包含了豐富的信息：基頻和各次諧波：PPG信號(hào)的基頻對(duì)應(yīng)于心率，即心臟每分鐘跳動(dòng)的次數(shù)。在頻譜中，基頻的幅值反映了心臟搏動(dòng)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(duì)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(huì)發(fā)生改變，某些諧波的幅值可能會(huì)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(duì)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(dòng)、呼吸運(yùn)動(dòng)以及其他生理活動(dòng)引起的高頻干擾有關(guān)。分析低頻成分和高頻成分的相對(duì)幅值和變化趨勢(shì)，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(shí)，低頻成分的幅值可能會(huì)增加，反映出血管的順應(yīng)性降低；而在呼吸運(yùn)動(dòng)過(guò)程中，高頻成分中會(huì)出現(xiàn)與呼吸頻率相關(guān)的成分，通過(guò)分析這些成分可以了解呼吸對(duì)PPG信號(hào)的影響。頻域分析方法能夠深入挖掘PPG信號(hào)的頻率特性，揭示信號(hào)中隱含的周期性和節(jié)律性信息，對(duì)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(shí)域分析方法難以察覺(jué)的信號(hào)特征和變化規(guī)律，為無(wú)創(chuàng)逐拍血壓估計(jì)提供更豐富的信息。然而，頻域分析方法需要對(duì)信號(hào)進(jìn)行傅里葉變換等復(fù)雜的數(shù)學(xué)運(yùn)算，計(jì)算量較大，對(duì)硬件設(shè)備的性能要求較高。此外，頻域分析方法將信號(hào)從時(shí)域轉(zhuǎn)換到頻域后，會(huì)丟失信號(hào)的時(shí)間信息，無(wú)法準(zhǔn)確反映信號(hào)特征隨時(shí)間的變化情況。2.2.3時(shí)頻域分析方法時(shí)頻域分析方法結(jié)合了時(shí)域分析和頻域分析的優(yōu)點(diǎn)，它能夠同時(shí)展示PPG信號(hào)在時(shí)間和頻率上的變化特征，適用于分析非平穩(wěn)信號(hào)。常見(jiàn)的時(shí)頻域分析方法包括小波變換（WaveletTransform，WT）、短時(shí)傅里葉變換（Short-TimeFourierTransform，STFT）和經(jīng)驗(yàn)?zāi)B(tài)分解（EmpiricalModeDecomposition，EMD）等。小波變換：小波變換是一種時(shí)頻局部化分析方法，它通過(guò)將信號(hào)與一組小波基函數(shù)進(jìn)行卷積，將信號(hào)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(hào)的局部特征自適應(yīng)地調(diào)整時(shí)頻分辨率，在高頻段具有較高的時(shí)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(shí)變特性的PPG信號(hào)。通過(guò)小波變換得到的時(shí)頻圖可以清晰地展示PPG信號(hào)在不同時(shí)間點(diǎn)的頻率成分變化，有助于提取與血壓相關(guān)的時(shí)頻特征。例如，在PPG信號(hào)中，一些與血壓變化密切相關(guān)的特征可能在特定的時(shí)間和頻率范圍內(nèi)出現(xiàn)，通過(guò)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(hào)中的噪聲和干擾，通過(guò)選擇合適的小波基和閾值，可以有效地保留信號(hào)的有用成分，提高信號(hào)的質(zhì)量。短時(shí)傅里葉變換：短時(shí)傅里葉變換是在傅里葉變換的基礎(chǔ)上發(fā)展而來(lái)的，它通過(guò)在時(shí)間軸上移動(dòng)一個(gè)固定長(zhǎng)度的窗口，對(duì)窗口內(nèi)的信號(hào)進(jìn)行傅里葉變換，從而得到信號(hào)在不同時(shí)間點(diǎn)的頻譜信息。短時(shí)傅里葉變換能夠在一定程度上反映信號(hào)的時(shí)變特性，但由于其窗口大小固定，時(shí)頻分辨率是固定的，在分析具有復(fù)雜時(shí)變特性的信號(hào)時(shí)存在一定的局限性。在PPG信號(hào)分析中，短時(shí)傅里葉變換可以用于初步分析信號(hào)的時(shí)頻特征，確定信號(hào)中主要頻率成分的分布和變化情況。例如，可以通過(guò)短時(shí)傅里葉變換觀察PPG信號(hào)在不同時(shí)間段內(nèi)的頻率變化，判斷心率的波動(dòng)情況以及是否存在異常的頻率成分。經(jīng)驗(yàn)?zāi)B(tài)分解：經(jīng)驗(yàn)?zāi)B(tài)分解是一種基于信號(hào)自身特征時(shí)間尺度的自適應(yīng)信號(hào)分解方法。它將PPG信號(hào)分解為一系列本征模態(tài)函數(shù)（IntrinsicModeFunction，IMF），每個(gè)IMF都包含了信號(hào)在不同時(shí)間尺度上的特征信息。經(jīng)驗(yàn)?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(hào)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(hào)。通過(guò)對(duì)IMF分量的分析，可以提取出PPG信號(hào)中的不同頻率成分和趨勢(shì)項(xiàng)，進(jìn)一步挖掘信號(hào)的內(nèi)在特征。例如，在PPG信號(hào)中，不同的IMF分量可能分別對(duì)應(yīng)心臟的收縮和舒張活動(dòng)、血管的彈性變化以及呼吸運(yùn)動(dòng)等生理過(guò)程，通過(guò)對(duì)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(yàn)?zāi)B(tài)分解方法存在模態(tài)混疊的問(wèn)題，即在分解過(guò)程中，不同時(shí)間尺度的信號(hào)成分可能會(huì)混合在同一個(gè)IMF分量中，影響分析結(jié)果的準(zhǔn)確性。為了解決這個(gè)問(wèn)題，研究人員提出了一些改進(jìn)的經(jīng)驗(yàn)?zāi)B(tài)分解方法，如集合經(jīng)驗(yàn)?zāi)B(tài)分解（EnsembleEmpiricalModeDecomposition，EEMD）等。時(shí)頻域分析方法能夠更全面、準(zhǔn)確地揭示PPG信號(hào)的時(shí)變特征和頻率特性，為無(wú)創(chuàng)逐拍血壓估計(jì)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(hào)時(shí)具有明顯的優(yōu)勢(shì)，能夠捕捉到信號(hào)中一些細(xì)微的變化和特征，提高血壓估計(jì)的準(zhǔn)確性和可靠性。然而，時(shí)頻域分析方法通常計(jì)算復(fù)雜度較高，對(duì)計(jì)算資源的要求較大，且在選擇合適的分析方法和參數(shù)時(shí)需要一定的經(jīng)驗(yàn)和技巧。2.3PPG信號(hào)常見(jiàn)干擾因素及處理方法在實(shí)際應(yīng)用中，PPG信號(hào)極易受到多種干擾因素的影響，導(dǎo)致信號(hào)質(zhì)量下降，從而對(duì)基于PPG信號(hào)的無(wú)創(chuàng)逐拍血壓估計(jì)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(duì)于提高PPG信號(hào)的可靠性和血壓估計(jì)的精度至關(guān)重要。運(yùn)動(dòng)是PPG信號(hào)最常見(jiàn)且影響較為復(fù)雜的干擾因素之一。當(dāng)人體處于運(yùn)動(dòng)狀態(tài)時(shí)，肢體的擺動(dòng)、肌肉的收縮以及呼吸運(yùn)動(dòng)等都會(huì)導(dǎo)致PPG傳感器與皮膚之間的相對(duì)位置發(fā)生變化，進(jìn)而引起光路改變。這種變化會(huì)在PPG信號(hào)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(dòng)。在跑步過(guò)程中，肢體的快速擺動(dòng)會(huì)使傳感器不斷晃動(dòng)，導(dǎo)致PPG信號(hào)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(hào)的正常形態(tài)。呼吸運(yùn)動(dòng)也會(huì)對(duì)PPG信號(hào)產(chǎn)生影響，呼吸過(guò)程中胸腔內(nèi)壓力的變化會(huì)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(hào)中產(chǎn)生與呼吸頻率相關(guān)的低頻波動(dòng)，這種波動(dòng)會(huì)掩蓋PPG信號(hào)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(wèn)題。PPG傳感器通常對(duì)環(huán)境光具有一定的敏感性，尤其是在戶(hù)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(huì)直接影響傳感器接收到的光強(qiáng)度，進(jìn)而干擾PPG信號(hào)。室內(nèi)照明燈具的閃爍，其頻率一般在50Hz或60Hz，與PPG信號(hào)的采樣頻率接近，會(huì)在PPG信號(hào)中產(chǎn)生周期性的噪聲，使信號(hào)出現(xiàn)明顯的波動(dòng)。在戶(hù)外陽(yáng)光下，強(qiáng)烈的光線可能會(huì)使傳感器飽和，導(dǎo)致PPG信號(hào)失真，無(wú)法準(zhǔn)確反映血液容積的變化。個(gè)體生理差異同樣會(huì)對(duì)PPG信號(hào)產(chǎn)生影響。不同個(gè)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(huì)導(dǎo)致PPG信號(hào)的幅值、波形和頻率等特征發(fā)生變化。膚色較深的個(gè)體，由于皮膚對(duì)光的吸收較強(qiáng)，PPG信號(hào)的幅值相對(duì)較低，噪聲相對(duì)較大；而血管彈性較差的個(gè)體，PPG信號(hào)的波形可能會(huì)變得更加平緩，特征點(diǎn)不明顯。此外，個(gè)體在不同的生理狀態(tài)下（如睡眠、清醒、應(yīng)激等），PPG信號(hào)也會(huì)有所不同。在睡眠狀態(tài)下，心率和血壓相對(duì)較低，PPG信號(hào)的幅值和頻率也會(huì)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(hào)的特征也會(huì)隨之改變。為了有效去除這些干擾因素，提高PPG信號(hào)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(huì)產(chǎn)生相位畸變，常用于去除高頻噪聲，如運(yùn)動(dòng)偽影。通過(guò)設(shè)計(jì)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(hào)的低頻有用信息。無(wú)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?yàn)V波器等，它們通過(guò)調(diào)整濾波器的參數(shù)，可以實(shí)現(xiàn)對(duì)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(hào)處理方法，它能夠?qū)⑿盘?hào)分解到不同的頻率子帶，從而實(shí)現(xiàn)對(duì)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(hào)的細(xì)節(jié)信息。在處理PPG信號(hào)時(shí)，通過(guò)選擇合適的小波基和分解層數(shù)，可以將信號(hào)中的噪聲和有用成分分別提取出來(lái)，進(jìn)而實(shí)現(xiàn)對(duì)噪聲的有效去除。對(duì)于含有高頻運(yùn)動(dòng)偽影和低頻基線漂移的PPG信號(hào)，利用小波變換將其分解為多個(gè)子帶，然后對(duì)不同子帶中的噪聲進(jìn)行針對(duì)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(hào)。除了濾波方法外，還可以采用其他一些技術(shù)來(lái)減少干擾。為了減少運(yùn)動(dòng)偽影的影響，可以結(jié)合慣性傳感器（如加速度計(jì)、陀螺儀等）來(lái)檢測(cè)運(yùn)動(dòng)狀態(tài)，通過(guò)算法對(duì)運(yùn)動(dòng)引起的干擾進(jìn)行補(bǔ)償。在可穿戴設(shè)備中，同時(shí)集成PPG傳感器和加速度計(jì)，當(dāng)加速度計(jì)檢測(cè)到人體運(yùn)動(dòng)時(shí)，利用預(yù)先建立的運(yùn)動(dòng)模型對(duì)PPG信號(hào)進(jìn)行校正，從而減少運(yùn)動(dòng)偽影對(duì)信號(hào)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(duì)PPG信號(hào)的影響。還可以通過(guò)軟件算法對(duì)環(huán)境光進(jìn)行監(jiān)測(cè)和補(bǔ)償，例如在傳感器采樣過(guò)程中，先檢測(cè)環(huán)境光的強(qiáng)度，然后在信號(hào)處理階段根據(jù)環(huán)境光的變化對(duì)PPG信號(hào)進(jìn)行相應(yīng)的調(diào)整。三、無(wú)創(chuàng)逐拍血壓估計(jì)方法3.1基于PPG信號(hào)的血壓估計(jì)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(shí)動(dòng)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(shí)，收縮壓會(huì)升高。舒張壓是心臟舒張時(shí)動(dòng)脈血壓的最低值，它主要與外周血管阻力和動(dòng)脈彈性有關(guān)，外周血管阻力增大或動(dòng)脈彈性降低時(shí)，舒張壓會(huì)升高。而平均動(dòng)脈壓則是一個(gè)心動(dòng)周期中動(dòng)脈血壓的平均值，它對(duì)于維持各器官的血液灌注具有重要意義，通?？梢酝ㄟ^(guò)公式（收縮壓+2×舒張壓）÷3來(lái)計(jì)算。光電容積脈搏波（PPG）信號(hào)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(dòng)都會(huì)使血液被泵入動(dòng)脈系統(tǒng)，導(dǎo)致動(dòng)脈血管內(nèi)的壓力和容積發(fā)生變化。當(dāng)心臟收縮時(shí)，左心室將血液快速射入主動(dòng)脈，主動(dòng)脈及其分支血管內(nèi)的壓力迅速升高，血管擴(kuò)張，此時(shí)動(dòng)脈血管內(nèi)的血液容積增加，對(duì)光的吸收量增大，PPG信號(hào)幅值升高；當(dāng)心臟舒張時(shí)，動(dòng)脈血管內(nèi)的壓力逐漸降低，血管收縮，血液容積減少，對(duì)光的吸收量減小，PPG信號(hào)幅值降低。因此，PPG信號(hào)的波形變化能夠反映心臟的收縮和舒張過(guò)程，進(jìn)而與血壓的變化相關(guān)聯(lián)。在眾多描述PPG信號(hào)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(huì)影響血管壁的彈性模量，所以通過(guò)測(cè)量脈搏波在動(dòng)脈中兩點(diǎn)間傳遞的時(shí)間（PulseTransitTime，PTT），進(jìn)而計(jì)算出PWV，就可以間接推算出血壓值。例如，當(dāng)血壓升高時(shí)，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(shí)，PWV減慢，PTT延長(zhǎng)。Windkessel模型則從血流動(dòng)力學(xué)的角度來(lái)描述心血管系統(tǒng)的功能，它將動(dòng)脈系統(tǒng)視為一個(gè)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(chǔ)存于彈性腔室中；在心臟舒張期，彈性腔室彈性回縮，將儲(chǔ)存的血液繼續(xù)推動(dòng)向前流動(dòng)，同時(shí)克服外周阻力。這個(gè)過(guò)程中，PPG信號(hào)的變化與彈性腔室的壓力變化以及血液流動(dòng)情況密切相關(guān)。通過(guò)分析PPG信號(hào)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(shí)現(xiàn)對(duì)血壓的估計(jì)。例如，當(dāng)外周阻力增大時(shí)，PPG信號(hào)的下降沿會(huì)變得更加陡峭，峰值后的重搏波可能會(huì)更加明顯；而當(dāng)彈性腔室彈性降低時(shí)，PPG信號(hào)的主峰可能會(huì)變寬，幅值變化相對(duì)減小。3.2傳統(tǒng)無(wú)創(chuàng)逐拍血壓估計(jì)算法傳統(tǒng)的無(wú)創(chuàng)逐拍血壓估計(jì)算法在血壓監(jiān)測(cè)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(shí)間法和幅度系數(shù)法是較為典型的代表。脈搏波傳導(dǎo)時(shí)間（PTT）法是基于Moens-Korteweg模型發(fā)展而來(lái)的一種血壓估計(jì)方法。其原理是通過(guò)測(cè)量脈搏波在動(dòng)脈中兩點(diǎn)間傳遞的時(shí)間來(lái)計(jì)算脈搏波傳播速度（PWV），進(jìn)而推算血壓值。具體來(lái)說(shuō)，心臟收縮時(shí)產(chǎn)生的脈搏波從主動(dòng)脈根部開(kāi)始，沿著動(dòng)脈血管壁傳播到外周部位，如手腕、手指等。通過(guò)同時(shí)采集心電圖（ECG）信號(hào)和光電容積脈搏波（PPG）信號(hào)，利用ECG信號(hào)中的R波作為脈搏波起始點(diǎn)的標(biāo)志，PPG信號(hào)的特征點(diǎn)（如波峰）作為脈搏波到達(dá)終點(diǎn)的標(biāo)志，計(jì)算兩者之間的時(shí)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(shí)際應(yīng)用中，通常通過(guò)實(shí)驗(yàn)數(shù)據(jù)建立經(jīng)驗(yàn)公式，如收縮壓SBP=a\timesPTT+b（其中a和b為通過(guò)實(shí)驗(yàn)標(biāo)定得到的系數(shù)），來(lái)實(shí)現(xiàn)對(duì)血壓的估計(jì)。脈搏波傳導(dǎo)時(shí)間法具有一定的優(yōu)勢(shì)，它能夠?qū)崿F(xiàn)連續(xù)的血壓監(jiān)測(cè)，對(duì)于實(shí)時(shí)了解血壓的動(dòng)態(tài)變化具有重要意義。在一些可穿戴設(shè)備中，通過(guò)集成ECG和PPG傳感器，能夠方便地采集信號(hào)并計(jì)算PTT，為用戶(hù)提供長(zhǎng)時(shí)間的血壓監(jiān)測(cè)服務(wù)。這種方法是非侵入性的，不會(huì)對(duì)人體造成傷害，相較于有創(chuàng)血壓測(cè)量方法，更容易被用戶(hù)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(gè)體的生理狀態(tài)（如運(yùn)動(dòng)、情緒等）都會(huì)對(duì)PTT產(chǎn)生影響。在運(yùn)動(dòng)狀態(tài)下，由于血管擴(kuò)張、心率加快等因素，PTT會(huì)發(fā)生變化，導(dǎo)致基于PTT的血壓估計(jì)出現(xiàn)較大誤差。個(gè)體之間的生理差異也會(huì)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(jì)模型。此外，PTT的測(cè)量精度受到信號(hào)采集和處理方法的影響，如ECG和PPG信號(hào)的噪聲、干擾以及特征點(diǎn)的準(zhǔn)確識(shí)別等問(wèn)題，都會(huì)影響PTT的計(jì)算精度，進(jìn)而影響血壓估計(jì)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(jì)中，它通過(guò)分析袖帶壓力變化過(guò)程中脈搏波的幅度變化來(lái)估計(jì)血壓。在測(cè)量時(shí)，首先將袖帶充氣，使其壓力高于收縮壓，此時(shí)動(dòng)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(dòng)脈開(kāi)始有血液通過(guò)，產(chǎn)生脈搏波。脈搏波的幅度會(huì)隨著袖帶壓力的變化而變化，當(dāng)袖帶壓力等于平均動(dòng)脈壓時(shí)，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(lái)判別血壓。一般來(lái)說(shuō)，收縮壓對(duì)應(yīng)的脈搏波幅度約為最大幅度的50%-60%，舒張壓對(duì)應(yīng)的脈搏波幅度約為最大幅度的70%-80%。通過(guò)檢測(cè)脈搏波幅度的變化，并結(jié)合這些經(jīng)驗(yàn)比例系數(shù)，就可以計(jì)算出收縮壓和舒張壓。幅度系數(shù)法的優(yōu)點(diǎn)是測(cè)量相對(duì)簡(jiǎn)單，不需要復(fù)雜的信號(hào)處理和計(jì)算，易于實(shí)現(xiàn)自動(dòng)化測(cè)量。示波法電子血壓計(jì)操作方便，能夠快速給出測(cè)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(lài)于袖帶的使用，在測(cè)量過(guò)程中會(huì)給被測(cè)者帶來(lái)不適，尤其是對(duì)于需要頻繁測(cè)量血壓的患者來(lái)說(shuō)，這種不適感可能會(huì)影響他們的依從性。幅度系數(shù)法的測(cè)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(gè)體的生理特征等。如果袖帶大小不合適，會(huì)導(dǎo)致測(cè)量結(jié)果不準(zhǔn)確；放氣速度過(guò)快或過(guò)慢，也會(huì)影響脈搏波幅度的準(zhǔn)確檢測(cè)，從而影響血壓估計(jì)的精度。個(gè)體的生理特征差異，如血管彈性、肥胖程度等，會(huì)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(duì)于不同個(gè)體的適應(yīng)性較差。此外，幅度系數(shù)法只能測(cè)量某一時(shí)刻的血壓值，無(wú)法實(shí)現(xiàn)逐拍血壓估計(jì)，不能滿(mǎn)足對(duì)血壓動(dòng)態(tài)變化進(jìn)行實(shí)時(shí)監(jiān)測(cè)的需求。3.3改進(jìn)的無(wú)創(chuàng)逐拍血壓估計(jì)算法為了克服傳統(tǒng)無(wú)創(chuàng)逐拍血壓估計(jì)算法的局限性，提高血壓估計(jì)的準(zhǔn)確性和穩(wěn)定性，本研究提出了一種改進(jìn)的無(wú)創(chuàng)逐拍血壓估計(jì)算法。該算法在充分考慮PPG信號(hào)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(guò)融合多特征參數(shù)與先進(jìn)的機(jī)器學(xué)習(xí)算法，實(shí)現(xiàn)了對(duì)血壓的更精準(zhǔn)估計(jì)。在多特征參數(shù)融合方面，本算法綜合考慮了PPG信號(hào)的時(shí)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(shí)域特征上，除了傳統(tǒng)的峰值、谷值、上升時(shí)間、下降時(shí)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(dòng)輸出血液量的變化趨勢(shì)，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(dòng)態(tài)變化。在頻域特征方面，不僅分析了PPG信號(hào)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(dòng)有關(guān)。在形態(tài)學(xué)特征上，除了識(shí)別波峰、波谷和切跡等常見(jiàn)特征點(diǎn)外，還對(duì)波形的曲率、對(duì)稱(chēng)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(duì)稱(chēng)性則可以反映血管的彈性和血液流動(dòng)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(huì)直接影響心臟的泵血功能和血壓水平，呼吸率的變化會(huì)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(huì)對(duì)血管的舒張和收縮產(chǎn)生影響，從而影響血壓。通過(guò)融合這些多方面的特征參數(shù)，可以更全面地描述PPG信號(hào)與血壓之間的復(fù)雜關(guān)系，為血壓估計(jì)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(duì)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(gè)最優(yōu)的回歸超平面，將樣本點(diǎn)映射到該超平面上，從而實(shí)現(xiàn)對(duì)目標(biāo)值的預(yù)測(cè)。在傳統(tǒng)的SVR算法中，核函數(shù)的選擇對(duì)模型的性能起著關(guān)鍵作用。本研究對(duì)比了線性核函數(shù)、多項(xiàng)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(jì)中的表現(xiàn)，發(fā)現(xiàn)RBF核函數(shù)在處理PPG信號(hào)這種復(fù)雜的非線性數(shù)據(jù)時(shí)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(wèn)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(duì)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(lái)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(niǎo)群覓食的行為，通過(guò)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(shí)，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(guò)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(diǎn)主要體現(xiàn)在以下幾個(gè)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(hào)在時(shí)域、頻域和形態(tài)學(xué)等多個(gè)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(hào)與血壓之間的關(guān)系。二是對(duì)機(jī)器學(xué)習(xí)算法的優(yōu)化和改進(jìn)。通過(guò)對(duì)比不同核函數(shù)在血壓估計(jì)中的性能，并采用PSO算法對(duì)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(chǎng)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(guò)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(shí)際情況，提高血壓估計(jì)的精度。四、模型構(gòu)建與實(shí)驗(yàn)驗(yàn)證4.1實(shí)驗(yàn)設(shè)計(jì)本實(shí)驗(yàn)旨在通過(guò)對(duì)不同個(gè)體的PPG信號(hào)和血壓數(shù)據(jù)的采集與分析，構(gòu)建并驗(yàn)證基于PPG信號(hào)特征的無(wú)創(chuàng)逐拍血壓估計(jì)模型，探究該模型在實(shí)際應(yīng)用中的準(zhǔn)確性和可靠性。實(shí)驗(yàn)對(duì)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(shí)驗(yàn)前經(jīng)過(guò)全面的身體檢查，確認(rèn)無(wú)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(lèi)型和嚴(yán)重程度進(jìn)行分類(lèi)，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(guò)納入不同類(lèi)型的實(shí)驗(yàn)對(duì)象，確保了實(shí)驗(yàn)數(shù)據(jù)的多樣性和代表性，能夠更全面地評(píng)估模型在不同人群中的性能。實(shí)驗(yàn)過(guò)程中，使用專(zhuān)業(yè)的PPG信號(hào)采集設(shè)備和血壓測(cè)量?jī)x器同步采集數(shù)據(jù)。PPG信號(hào)采集設(shè)備選用了[具體型號(hào)]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(diǎn)，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(hào)。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(hào)。血壓測(cè)量?jī)x器采用了經(jīng)過(guò)臨床驗(yàn)證的[具體型號(hào)]電子血壓計(jì)，該血壓計(jì)的測(cè)量原理基于示波法，具有較高的準(zhǔn)確性和重復(fù)性。在測(cè)量血壓時(shí)，嚴(yán)格按照血壓計(jì)的操作規(guī)范進(jìn)行，確保測(cè)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(duì)PPG信號(hào)和血壓測(cè)量的影響。要求受試者在測(cè)量前保持安靜狀態(tài)10-15分鐘，避免劇烈運(yùn)動(dòng)、情緒波動(dòng)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(hào)和血壓數(shù)據(jù)時(shí)，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(duì)血壓估計(jì)的影響。每個(gè)受試者的PPG信號(hào)采集時(shí)間為5-10分鐘，以獲取足夠長(zhǎng)度的信號(hào)用于特征提取和分析；血壓測(cè)量則在PPG信號(hào)采集過(guò)程中每隔1-2分鐘進(jìn)行一次，共測(cè)量5-6次，取平均值作為該受試者的血壓值。實(shí)驗(yàn)流程如下：首先對(duì)所有受試者進(jìn)行基本信息登記和身體狀況評(píng)估，篩選出符合實(shí)驗(yàn)要求的志愿者。在實(shí)驗(yàn)開(kāi)始前，向受試者詳細(xì)介紹實(shí)驗(yàn)?zāi)康摹⒘鞒毯妥⒁馐马?xiàng)，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(hào)采集設(shè)備和血壓測(cè)量?jī)x器同步采集每個(gè)受試者的PPG信號(hào)和血壓數(shù)據(jù)，并記錄相關(guān)生理參數(shù)。采集完成后，對(duì)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(hào)中斷、測(cè)量誤差過(guò)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(duì)PPG信號(hào)進(jìn)行特征提取，獲取時(shí)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(duì)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(cè)試數(shù)據(jù)集。使用訓(xùn)練數(shù)據(jù)集對(duì)不同的血壓估計(jì)模型進(jìn)行訓(xùn)練，通過(guò)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(hào)特征與血壓之間的關(guān)系。使用測(cè)試數(shù)據(jù)集對(duì)訓(xùn)練好的模型進(jìn)行評(píng)估，計(jì)算模型的準(zhǔn)確率、均方誤差、平均絕對(duì)誤差等指標(biāo)，以驗(yàn)證模型的性能。對(duì)不同模型的性能進(jìn)行對(duì)比分析，選擇性能最優(yōu)的模型作為最終的無(wú)創(chuàng)逐拍血壓估計(jì)模型。4.2數(shù)據(jù)預(yù)處理在進(jìn)行基于PPG信號(hào)特征的無(wú)創(chuàng)逐拍血壓估計(jì)時(shí)，原始采集的PPG信號(hào)往往會(huì)受到多種噪聲和干擾的影響，同時(shí)由于不同個(gè)體以及測(cè)量條件的差異，信號(hào)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(hào)質(zhì)量，并將信號(hào)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(hào)常受到運(yùn)動(dòng)偽跡、電磁干擾、基線漂移等噪聲的干擾。運(yùn)動(dòng)偽跡是由于人體運(yùn)動(dòng)導(dǎo)致PPG傳感器與皮膚之間的相對(duì)位置變化，從而在信號(hào)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(dòng)。在跑步、行走等運(yùn)動(dòng)狀態(tài)下，肢體的快速擺動(dòng)會(huì)使傳感器不斷晃動(dòng)，導(dǎo)致PPG信號(hào)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(hào)的正常形態(tài)。電磁干擾則主要來(lái)自周?chē)碾娮釉O(shè)備，如手機(jī)、電腦等，它們會(huì)在PPG信號(hào)中引入周期性的噪聲成分?；€漂移是指PPG信號(hào)的直流分量發(fā)生緩慢變化，導(dǎo)致信號(hào)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(guò)設(shè)置合適的截止頻率，去除信號(hào)中的高頻和低頻噪聲，保留與PPG信號(hào)相關(guān)的頻率成分。對(duì)于運(yùn)動(dòng)偽跡這種高頻噪聲和基線漂移這種低頻噪聲，設(shè)計(jì)一個(gè)截止頻率在0.5-10Hz的帶通濾波器，可以有效地去除高頻運(yùn)動(dòng)偽跡和低頻基線漂移，保留PPG信號(hào)中反映心臟搏動(dòng)的有用頻率成分。小波去噪則是利用小波變換將信號(hào)分解到不同的頻率子帶，然后根據(jù)噪聲和信號(hào)在不同子帶的特性，通過(guò)閾值處理等方法去除噪聲。小波變換能夠根據(jù)信號(hào)的局部特征自適應(yīng)地調(diào)整時(shí)頻分辨率，在高頻段具有較高的時(shí)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(shí)變特性的PPG信號(hào)。通過(guò)小波變換將PPG信號(hào)分解為多個(gè)子帶，對(duì)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(hào)。卡爾曼濾波是一種基于狀態(tài)空間模型的最優(yōu)濾波方法，它通過(guò)對(duì)信號(hào)的狀態(tài)進(jìn)行估計(jì)和更新，能夠有效地去除噪聲，并且在處理非平穩(wěn)信號(hào)時(shí)具有較好的性能。在PPG信號(hào)處理中，卡爾曼濾波可以根據(jù)信號(hào)的歷史信息和當(dāng)前觀測(cè)值，對(duì)信號(hào)的真實(shí)值進(jìn)行最優(yōu)估計(jì)，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(wú)限脈沖響應(yīng)（IIR）濾波器。FIR濾波器具有線性相位特性，不會(huì)產(chǎn)生相位畸變，常用于去除高頻噪聲。通過(guò)設(shè)計(jì)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(hào)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?yàn)V波器等，它們通過(guò)調(diào)整濾波器的參數(shù)，可以實(shí)現(xiàn)對(duì)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(hào)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?yàn)V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(shí)現(xiàn)更好的濾波效果。在實(shí)際應(yīng)用中，需要根據(jù)PPG信號(hào)的特點(diǎn)和噪聲的特性選擇合適的濾波器類(lèi)型和參數(shù)。如果PPG信號(hào)中的噪聲主要是高頻噪聲，且對(duì)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(duì)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(hào)幅值調(diào)整到統(tǒng)一范圍，以消除個(gè)體差異和測(cè)量條件差異對(duì)信號(hào)幅值的影響。由于不同個(gè)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(hào)的幅值會(huì)有所不同。膚色較深的個(gè)體，由于皮膚對(duì)光的吸收較強(qiáng)，PPG信號(hào)的幅值相對(duì)較低；而血管彈性較差的個(gè)體，PPG信號(hào)的波形可能會(huì)變得更加平緩，幅值變化相對(duì)較小。測(cè)量條件的差異，如傳感器的靈敏度、光源的強(qiáng)度等，也會(huì)導(dǎo)致PPG信號(hào)幅值的不一致。為了消除這些差異，使不同個(gè)體的PPG信號(hào)具有可比性，需要對(duì)信號(hào)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(hào)的幅值映射到[0,1]或[-1,1]區(qū)間，其計(jì)算公式為x_{norm}=\frac{x-x_{min}}{x_{max}-x_{min}}，其中x為原始信號(hào)值，x_{min}和x_{max}分別為信號(hào)的最小值和最大值，x_{norm}為歸一化后的信號(hào)值。Z-score歸一化則是將信號(hào)的均值調(diào)整為0，標(biāo)準(zhǔn)差調(diào)整為1，其計(jì)算公式為x_{norm}=\frac{x-\mu}{\sigma}，其中\(zhòng)mu為信號(hào)的均值，\sigma為信號(hào)的標(biāo)準(zhǔn)差。在實(shí)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(hào)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(dòng)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(hào)時(shí)，如果信號(hào)的幅值波動(dòng)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(hào)的幅值波動(dòng)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(wú)創(chuàng)逐拍血壓估計(jì)模型，并對(duì)其進(jìn)行訓(xùn)練和優(yōu)化，以實(shí)現(xiàn)對(duì)血壓值的準(zhǔn)確預(yù)測(cè)。在特征選擇方面，從大量的PPG信號(hào)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(guò)計(jì)算每個(gè)特征與血壓值之間的皮爾遜相關(guān)系數(shù)，來(lái)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(duì)值越接近1，表示相關(guān)性越強(qiáng)。通過(guò)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(hào)的峰值、谷值、上升時(shí)間、下降時(shí)間、脈搏波周期以及脈搏波傳導(dǎo)時(shí)間等。在本實(shí)驗(yàn)中，經(jīng)過(guò)相關(guān)性分析發(fā)現(xiàn)，PPG信號(hào)的上升時(shí)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(shí)間與收縮壓之間存在較強(qiáng)的正相關(guān)關(guān)系，即上升時(shí)間越長(zhǎng)，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(guò)線性變換將原始特征轉(zhuǎn)換為一組線性無(wú)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(hào)特征選擇中，PCA可以將多個(gè)相關(guān)的特征合并為少數(shù)幾個(gè)主成分，減少特征的維度，同時(shí)去除噪聲和冗余信息。通過(guò)PCA分析，可以將PPG信號(hào)的時(shí)域、頻域和形態(tài)學(xué)等多個(gè)特征進(jìn)行降維處理，得到幾個(gè)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(diǎn)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(lèi)問(wèn)題上具有良好的表現(xiàn)。SVM通過(guò)尋找一個(gè)最優(yōu)分類(lèi)超平面，將不同類(lèi)別的樣本分開(kāi)，在血壓估計(jì)中，可以將血壓值看作是一個(gè)連續(xù)的變量，通過(guò)支持向量回歸（SupportVectorRegression，SVR）來(lái)實(shí)現(xiàn)對(duì)血壓的預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)也是廣泛應(yīng)用于血壓估計(jì)的模型之一，它具有強(qiáng)大的非線性擬合能力，能夠自動(dòng)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(jiǎn)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(guò)調(diào)整隱藏層的神經(jīng)元數(shù)量和連接權(quán)重，可以實(shí)現(xiàn)對(duì)復(fù)雜函數(shù)的逼近。在本研究中，將PPG信號(hào)特征作為輸入層的輸入，經(jīng)過(guò)多個(gè)隱藏層的處理，最終輸出血壓的估計(jì)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(jì)中展現(xiàn)出了獨(dú)特的優(yōu)勢(shì)。CNN具有強(qiáng)大的特征提取能力，它通過(guò)卷積層、池化層和全連接層等結(jié)構(gòu)，能夠自動(dòng)提取信號(hào)的局部特征和全局特征。在處理PPG信號(hào)時(shí)，CNN可以通過(guò)卷積操作提取信號(hào)的波形特征、頻率特征等，從而實(shí)現(xiàn)對(duì)血壓的準(zhǔn)確估計(jì)。RNN則特別適用于處理時(shí)間序列數(shù)據(jù)，它能夠捕捉到數(shù)據(jù)中的時(shí)間依賴(lài)關(guān)系。長(zhǎng)短期記憶網(wǎng)絡(luò)（LongShort-TermMemory，LSTM）是RNN的一種變體，它通過(guò)引入門(mén)控機(jī)制，有效地解決了RNN在處理長(zhǎng)序列數(shù)據(jù)時(shí)的梯度消失和梯度爆炸問(wèn)題，能夠更好地記憶和處理時(shí)間序列中的長(zhǎng)期依賴(lài)信息。在無(wú)創(chuàng)逐拍血壓估計(jì)中，LSTM可以根據(jù)連續(xù)的PPG信號(hào)序列，準(zhǔn)確地預(yù)測(cè)出每個(gè)時(shí)間點(diǎn)的血壓值。經(jīng)過(guò)對(duì)比分析，本研究選擇了LSTM作為主要的血壓估計(jì)模型，因?yàn)樗谔幚鞵PG信號(hào)這種時(shí)間序列數(shù)據(jù)時(shí)，能夠更好地捕捉到信號(hào)的動(dòng)態(tài)變化和時(shí)間依賴(lài)關(guān)系，從而提高血壓估計(jì)的準(zhǔn)確性。超參數(shù)調(diào)整是模型訓(xùn)練過(guò)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(dòng)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(huì)導(dǎo)致模型在訓(xùn)練集和測(cè)試集上表現(xiàn)出不同的性能。如果隱藏層數(shù)量過(guò)少，模型可能無(wú)法學(xué)習(xí)到PPG信號(hào)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(guò)多，則可能會(huì)使模型過(guò)于復(fù)雜，出現(xiàn)過(guò)擬合現(xiàn)象。學(xué)習(xí)率設(shè)置過(guò)大，模型在訓(xùn)練過(guò)程中可能會(huì)跳過(guò)最優(yōu)解，導(dǎo)致訓(xùn)練不穩(wěn)定；學(xué)習(xí)率設(shè)置過(guò)小，則會(huì)使訓(xùn)練速度過(guò)慢，需要更多的訓(xùn)練時(shí)間和計(jì)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(yàn)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(guò)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(yàn)證集上評(píng)估模型的性能，選擇性能最優(yōu)的超參數(shù)組合。交叉驗(yàn)證則是將數(shù)據(jù)集劃分為多個(gè)子集，在每個(gè)子集上進(jìn)行訓(xùn)練和驗(yàn)證，最后將多個(gè)子集的結(jié)果進(jìn)行平均，以提高評(píng)估的準(zhǔn)確性。在本研究中，將數(shù)據(jù)集劃分為5個(gè)子集，進(jìn)行5折交叉驗(yàn)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(gè)組合下進(jìn)行5折交叉驗(yàn)證，計(jì)算模型在驗(yàn)證集上的均方誤差（MeanSquaredError，MSE）、平均絕對(duì)誤差（MeanAbsoluteError，MAE）等指標(biāo)。最后，選擇使驗(yàn)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(guò)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(shí)驗(yàn)結(jié)果與分析在完成模型訓(xùn)練后，使用測(cè)試數(shù)據(jù)集對(duì)模型進(jìn)行評(píng)估，以驗(yàn)證基于PPG信號(hào)特征的無(wú)創(chuàng)逐拍血壓估計(jì)模型的性能。評(píng)估指標(biāo)主要包括均方誤差（MSE）、平均絕對(duì)誤差（MAE）和決定系數(shù)（R2）。均方誤差用于衡量模型預(yù)測(cè)值與真實(shí)值之間的誤差平方的平均值，它能夠反映模型預(yù)測(cè)值的離散程度，MSE值越小，說(shuō)明模型的預(yù)測(cè)結(jié)果越接近真實(shí)值，模型的準(zhǔn)確性越高。平均絕對(duì)誤差則是預(yù)測(cè)值與真實(shí)值之間絕對(duì)誤差的平均值，它直觀地反映了模型預(yù)測(cè)值與真實(shí)值之間的平均偏差程度，MAE值越小，表明模型的預(yù)測(cè)誤差越小。決定系數(shù)用于評(píng)估模型對(duì)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(shuō)明模型對(duì)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(jiàn)的血壓估計(jì)模型進(jìn)行了對(duì)比，包括基于傳統(tǒng)脈搏波傳導(dǎo)時(shí)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(shí)間法的模型是基于Moens-Korteweg模型，通過(guò)測(cè)量脈搏波傳導(dǎo)時(shí)間來(lái)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(duì)PPG信號(hào)特征與血壓值之間的關(guān)系進(jìn)行建模。在實(shí)驗(yàn)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(jì)上均表現(xiàn)出較好的性能。在收縮壓估計(jì)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(cè)值與真實(shí)值之間的誤差較小，能夠較好地?cái)M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(jì)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(jì)方面的良好性能。與傳統(tǒng)脈搏波傳導(dǎo)時(shí)間法的模型相比，本文模型在收縮壓和舒張壓估計(jì)的各項(xiàng)指標(biāo)上均有顯著優(yōu)勢(shì)。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?yàn)槊}搏波傳導(dǎo)時(shí)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(jì)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(guò)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(hào)與血壓之間的復(fù)雜關(guān)系，從而提高了血壓估計(jì)的精度。為了進(jìn)一步分析影響血壓估計(jì)精度的因素，本研究對(duì)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(duì)血壓估計(jì)精度有較大影響。隨著年齡的增長(zhǎng)，血管彈性逐漸下降，PPG信號(hào)的特征也會(huì)發(fā)生變化，使得血壓估計(jì)的難度增加。在老年人群體中，由于血管硬化等原因，PPG信號(hào)的波形變得更加平緩，特征點(diǎn)不明顯，導(dǎo)致模型對(duì)血壓的估計(jì)誤差增大。個(gè)體的生理狀態(tài)，如運(yùn)動(dòng)、情緒等，也會(huì)對(duì)PPG信號(hào)產(chǎn)生影響，進(jìn)而影響血壓估計(jì)的精度。在運(yùn)動(dòng)狀態(tài)下，心率加快，血管擴(kuò)張，PPG信號(hào)的頻率和幅值都會(huì)發(fā)生變化，這對(duì)模型的適應(yīng)性提出了更高的要求。五、無(wú)創(chuàng)逐拍血壓估計(jì)的應(yīng)用5.1醫(yī)療保健領(lǐng)域應(yīng)用無(wú)創(chuàng)逐拍血壓估計(jì)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(jià)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(gè)關(guān)鍵場(chǎng)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(shí)時(shí)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(duì)于高血壓患者，醫(yī)生可以借助無(wú)創(chuàng)逐拍血壓監(jiān)測(cè)設(shè)備，獲取患者24小時(shí)甚至更長(zhǎng)時(shí)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(duì)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(guò)無(wú)創(chuàng)逐拍血壓監(jiān)測(cè)，醫(yī)生能夠準(zhǔn)確識(shí)別這些血壓變化類(lèi)型，進(jìn)而制定更為精準(zhǔn)的治療方案。對(duì)于使用降壓藥物的患者，連續(xù)的血壓監(jiān)測(cè)可以幫助醫(yī)生及時(shí)評(píng)估藥物的療效，根據(jù)血壓波動(dòng)情況調(diào)整藥物的種類(lèi)、劑量和服用時(shí)間，以確?；颊叩难獕旱玫接行Э刂?。在心臟手術(shù)過(guò)程中，無(wú)創(chuàng)逐拍血壓估計(jì)技術(shù)能夠?qū)崟r(shí)監(jiān)測(cè)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(dòng)可能會(huì)對(duì)心臟功能和手術(shù)效果產(chǎn)生重大影響，通過(guò)實(shí)時(shí)監(jiān)測(cè)血壓，醫(yī)生可以及時(shí)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(wú)創(chuàng)逐拍血壓估計(jì)技術(shù)為人們提供了便捷、實(shí)時(shí)的血壓監(jiān)測(cè)手段，有助于提高人們的健康意識(shí)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(hào)的無(wú)創(chuàng)血壓監(jiān)測(cè)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(hù)只需佩戴這些設(shè)備，就能隨時(shí)隨地獲取自己的血壓數(shù)據(jù)，并通過(guò)配套的手機(jī)