基于舒張期時間的個體化血壓建模方法研究*

洪溪，李燁，何青云，林劍華，劉利明，苗芬△

(1.中國科學院深圳先進技術研究院 生物醫學信息技術研究中心，深圳 518055；2.華中科技大學 光學與電子信息學院，武漢 430074)

1 引 言

血壓是反映人體心腦血管功能的重要指標，血壓實時監測對降低心腦血管事件具有重要的意義。由于傳統電子血壓計具有需佩戴袖帶、不方便攜帶等缺點，近年來，可穿戴式設備的無袖帶血壓檢測成為研究熱點，根據Moens-Korteweg方程可確定，基于脈博的傳導時間(PTT)與血壓具有線性關系，因此國內外一些研究者采用PTT估算人體血壓[1]。

2001年Chan等人提出血壓與PTT具有線性關系[2]。2014年白麗紅等人的研究結果表明基于PTT的連續血壓測量方法與使用水銀血壓計測量血壓具有很好的一致性[3]。2008年李頂立等人設計了一套基于 PTT 估算血壓的連續血壓測量系統，并指出血壓與(1/PTT)2成線性關系[3]。2016年Ding等人從血壓頻譜的角度指出，結合PTT與PIR(Photoplethysmogram Intensity Ratio，PIR)兩個特征可以提高血壓估計精度[5]。2016年包科等人設計了一套基于兩路PPG信號的連續血壓測量系統，該方案能夠有效避免心臟射血前期對PTT造成的影響[6]。

但相關研究表明，某些情況下[7]，如服用血管活性藥物、短期劇烈運動等，交感神經系統通過改變血管平滑肌張力來影響血管的力學性質，導致PTT與血壓呈現出復雜的非線性關系[8]，基于PTT的無袖帶血壓估計模型的精度下降，針對上述情形，有必要提取其他與血壓相關性較高的特征進行血壓建模。

已有研究顯示DT與血壓具有較高的相關性[9]，心率加快時，DT明顯縮短，在心舒期從大動脈流向外周的血量減少，存留在主動脈內的血量增多，致使舒張壓(diastolic pressure，DBP)與收縮壓(systolic pressure，SBP)升高[10]，因此，血壓與舒張期時間呈負相關性。

理論分析與現有研究均表明DT是血壓的強關聯因子，本研究提出了一種基于DT的個體化血壓估計方案，在交感神經活動較強時，該方案能夠有效提升血壓估計精度。本方案僅需從單路脈搏波(photoplethysmography, PPG)信號中提取特征DT，降低了數據采集難度，簡化了數據處理過程。

2 實驗與方法

2.1 實驗數據采集

本研究共招募健康志愿者30名，其中包括17名男性和13名女性，平均年齡為25歲，其中30歲以上的占4人。每個志愿者需參加前后兩組實驗，每組實驗約持續1 h，在整個實驗過程中志愿者均維持平躺狀態。

每組實驗共進行10次數據采集，每次數據采集包括一次血壓測量和兩次均持續30 s的心電圖(electrocardiography, ECG)和脈搏波同步采集(信號采集分別在該次血壓測量前和測量后進行)。志愿者每次握力持續150 s，握力過程中均保持自身最大握力的40%。

實驗流程圖見圖1，實驗開始前要求志愿者靜躺3 min，然后進行第1、2次數據采集，接下來讓志愿者無干擾靜躺30 min后進行第3、4次數據采集，隨后志愿者進行第一次持續握力，從握力第60 s開始進行第5次數據采集，第一次握力結束5 min后進行第6、7次數據采集，與第一次持續握力流程相同，隨后志愿者進行第二次持續握力和第8次數據采集，第二次握力結束5 min后進行第9、10次數據采集。在非握力條件下均先后采集兩次數據，有效保證了數據的穩定性和可靠性。

圖1 實驗流程圖

近年來，電子血壓計被廣泛應用于臨床[11]，故本實驗使用歐姆龍電子血壓計HEM-7200測量參考血壓，該設備已經通過BHS(british hypertension society，BHS)標準認證，可用于家庭監護和臨床診斷[12]。采集ECG信號和PPG信號的設備為中科院健康信息學重點實驗室自行研發的3in1生理參數采集設備， 該設備能夠同步采集ECG和PPG，本次實驗將該設備的采樣率設置為500 Hz。3in1設備實物圖見圖2。

圖2 3in1設備實物圖

2.2 信號預處理與特征提取

2.2.1數字信號處理 脈搏波信號和心電信號易受到外界的噪聲干擾，主要包括基線漂移與高頻干擾。心電圖QRS波的能量主要集中在5～15 Hz[13]、脈搏信號頻率范圍為0.5～15 Hz。

本研究采用二階低通濾波器去除生理信號中的高頻噪聲，其傳輸函數如下：

(1)

上述低通濾波器的截止頻率為14.5 Hz，延時為10個采樣點。高通濾波器的作用是濾除生理信號中的基線偏移，其傳輸函數如下：

(2)

該高通濾波器的截止頻率約為0.5 Hz，延時為400個采樣點。濾波器的幅頻響應曲線見圖3。

圖3濾波器幅頻響應曲線

(a)低通濾波器；(b)高通濾波器

Fig3Frequencyresponsesofthedigitalfilters

(a)lowpass filter；(b)highpass filter

由上述低通濾波器和高通濾波器組成帶通濾波器，對原始ECG信號和PPG信號進行濾波處理，結果顯示能夠有效去除生理信號中基線偏移和高頻干擾，圖4為濾波前后信號波形對比圖。

2.2.2特征點檢測和特征提取 首先利用差分閾值法檢測PPG波峰，然后根據PPG波峰與濾波后的生理信號波形，通過局部搜索PPG最小值得到PPG波谷，局部搜索ECG最大值得到ECG的R波，檢點算法的具體流程如下：

(1) 利用差分法得到PPG的一階導數dPPG，以len為長度對PPG、dPPG以及ECG進行分段，保證每段信號中有且僅有一個脈搏周期。

(2) 以該段dPPG最大值的N倍為閾值，找出該段dPPG中幅度超過閾值的所有數據點BigNumber。

圖4 濾波前后信號對比圖

(3) 遍歷所有BigNumber，僅能找到一對相鄰的BigNumber的時間差超過0.2 s，這兩個BigNumber位于不同的PPG周期上。

(4) 在第一個BigNumber之后的0.4 s內，搜索PPG最大值即可得到PPG的波峰。

(5) 在相鄰兩個PPG波峰之間，搜索PPG的最小值可得到PPG波谷，搜索相應的ECG信號的最大值點即為ECG的R波。

(6) 重復步驟2到步驟5，完成全部信號片段的特征點檢測。

(7) 通過判斷特征點之間的距離是否合理去除異常點。

由于信號采樣率為500 Hz，針對本研究的實驗數據，步驟1中的len取600個采樣點，步驟2中的N取0.3。利用以下差分公式可以得到dPPG：

dPPG(i)=PPG(i+1)-PPG(i)

(3)

式中的PPG(i)表示PPG信號第i個采樣點的幅值，dPPG代表了PPG信號的一階差分。特征點檢測結果見圖5。

根據提取的ECG的R波及PPG的波峰、波谷，計算血壓相關的特征PTT和DT。PTT指動脈脈搏波從心臟收縮開始到傳播至某一動脈分支血管的時間間隔[14]，是衡量血管硬化的重要指標[15]，定義為ECG的R波到其右側相鄰的PPG波谷之間的時間間隔；DT的定義為PPG的波峰到其下一個波谷之間的時間長度，其縮短使存留在主動脈內的血量增加，導致人體血壓升高，圖6為PTT與DT示意圖。

圖5 檢點效果圖

圖6 PTT與DT示意圖

由于每次袖帶血壓測量前后均采集了兩次生理信號，故將前后兩次信號特征的均值作為當次血壓值對應的特征，兩組實驗中共采集20次血壓值、40組心電圖和脈搏波，因此每個樣本得到20條有效數據。

2.3 相關性分析

本研究通過Pearson相關系數來分析DT與血壓之間的相關性。Pearson相關系數可用來衡量兩個向量線性相關的程度，其計算公式如下：

(4)

由于DT與血壓成負相關，分別對DT、1/DT及1/DT2和SBP、DBP進行相關性分析，結果顯示顯著性水平均小于0.05(P<0.05)，30個樣本的Pearson相關系數統計結果見表1，其中r為Pearson相關系數。

表1表明DT與血壓具有較高的相關性，其中1/DT^2與血壓的相關性最高，因此，選擇1/DT^2進行血壓建模。

表1血壓與DT的Pearson相關系數

Table1 1ThecorrelationbetweenBPandDiastolicTime

MeanMedianMaxMinDTSBP-0.859-0.872-0.951-0.629DBP-0.824-0.845-0.950-0.5991/DTSBP0.8940.9060.9750.642DBP0.8630.8810.9630.6371/DT^2SBP0.9010.9170.9810.647DBP0.8720.8850.9650.646

2.4 血壓建模與驗證

每個樣本均進行了前后兩組實驗，因此，將第一組實驗的10條數據作為訓練集，用來建立血壓模型；第二組實驗的10條數據作為測試集，用來驗證模型的有效性。依次取每個樣本訓練集的10條數據，以1/DT^2為自變量對電子血壓計測量的SBP、DBP分別進行線性回歸擬合，得到該樣本基于DT的SBP、DBP計算公式，形式如下：

(5)

式中α、β兩個待定參數由最小二乘法確定。

基于每個樣本的個體化血壓估算模型，使用該樣本測試集數據中的特征值1/DT^2進行血壓估算，30個樣本均可得到10個血壓估算值，并與對應的血壓參考值進行比較，驗證模型的估算精度。

3 結果與分析

根據每個樣本的10個血壓估算值與相應的血壓參考值，可計算出3個可用來評估血壓模型的性能指標，分別為平均誤差MD、標注差SD及Pearson相關系數CC，30個樣本的個體化血壓模型的性能指標統計結果見表2。

表2血壓模型的性能指標統計結果

Table2StatisticalanalysisforperformanceofBPmodels

IndexMeanStandardderivationMaxMinSBPCC0.9040.1170.9950.516MD(mmHg)1.8593.19710.610-3.739SD(mmHg)5.6402.0939.2752.433DBPCC0.8870.1130.9890.548MD(mmHg)1.0494.3639.775-6.978SD(mmHg)6.1071.79610.1463.244

圖7反映了估計血壓跟隨參考血壓變化的情況，其中紅線為血壓計測量的參考血壓，藍線的端點為估算血壓值，藍線的長度表示誤差。

圖7 血壓預測跟隨曲線

從表2可以得到，30個樣本SBP與DBP的平均誤差分別為(1.859±5.640) mmHg、(1.049±6.107)mmHg(本文所有誤差表示形式均為(MD±SD))，均能滿足AAMI(the association for the advancement of medical instrumentation)標準。圖7顯示估算血壓能夠較好的跟隨參考血壓的變化。

為了進一步分析血壓估計的整體精度，可對估算血壓與參考血壓進行曲線擬合，圖8反映了估算血壓與參考血壓之間的相關性，表3為30個樣本的血壓預測整體誤差。

表3 估算血壓與參考血壓的整體誤差

圖8和表3顯示，SBP、DBP的估算值和參考值具有較強的線性關系，SBP與DBP的整體相關系數分別為0.921、0.846，整體誤差分別為(1.886±6.482)mmHg、(1.100±7.407) mmHg，基本滿足臨床應用要求。

圖8 估算血壓與參考血壓散點圖

圖9中的上下兩條虛線代表95%的一致性的上下界限，代表平均誤差的中間實線與差值為零的虛線越接近，說明估算值與參考值一致。

圖9 估算血壓與參考血壓的Bland-Altman分析圖

Fig9Bland-AltmananalysisbetweencalculationvalueandreferencevalueofBP

(a)SBP；(b)DBP

從圖9可以看出，SBP的估算結果中95.3%(286/300)的點落在95%的一致性區間內， DBP的估算結果中94.7%(284/300)的點落在95%的一致性區間內，結果表明本研究所提出的基于DT的個體化血壓估算模型與袖帶式電子血壓計具有較強的一致性。

以上結果均表明基于DT的個體化血壓估計方法能夠較為準確的估算人體血壓，有望為穿戴式設備提供可行的血壓檢測解決方案。

為了對比基于DT與基于PTT的血壓模型的估計效果，在相同的數據集上，利用PTT對血壓進行建模，并使用相同的測試集數據加以驗證，然后分別計算SBP和DBP的平均誤差，兩種血壓模型的平均誤差對比見表4。

為了分析基于PTT的血壓模型的估計整體精度，對所有測試集數據的血壓估算值與相應的血壓參考值進行曲線擬合，圖10反映了估算血壓與參考血壓之間的相關性。

表4兩種血壓模型的平均誤差對比表

Table4Thecomparisonofthemeandifferencebetweenthetwotypesmethods

DTMD(mmHg)SD(mmHg)PTTMD(mmHg)SD(mmHg)SBP1.8595.6402.6787.532DBP1.0496.1071.7567.574

圖10 基于PTT的模型估計血壓與參考血壓散點圖

Fig10ThescatterdiagrambetweencalculationvalueandreferencevalueofBPofthemodelbasedonPTT

(a)SBP；(b)DBP

圖8、圖10及表4顯示，針對30個樣本，與基于PTT的血壓模型相比，基于DT的血壓估算模型的SBP與DBP平均方差分別降低了25.1%、19.4%，相關系數分別提高了28.1%、36.5%，說明基于DT的血壓模型具有更高的估算精度。

已有研究表明，在一些特殊場景中，由于血管力學性質的改變，PTT與血壓呈現出復雜的非線性關系[8]。本研究的志愿者在持續握力過程中肌肉收縮，血管的外周阻力增加，交感神經活動增強[16]，而交感神經系統通過改變血管平滑肌張力影響血管力學性質[17]，導致血壓與PTT的線性關系發生改變，這可能是造成本實驗中基于PTT的血壓估算模型精度不理想的主要原因。

4 討論

本研究提出了一種基于舒張期時間的無袖帶式血壓估計方法，研究結果表明在交感神經活動較強時，相對于基于PTT的血壓估算模型，該方案仍有較好的血壓估計精度。另一方面采用該方案進行連續血壓檢測時僅需采集一路脈搏波信號，可以簡化數據的采集與處理過程。

本研究利用線性回歸的方法，對30個樣本依次建立基于DT的個體化血壓估計模型并加以驗證，SBP的平均誤差為(1.859±5.640)mmHg，DBP的平均誤差為(1.049±6.107)mmHg，結果表明基于舒張期時間個體化血壓估計是一種精度較高的無袖帶血壓估計方法，該方案為可穿戴式設備的無創連續血壓檢測提供了一定的理論支撐。

為了進一步提升該方案的估計精度，后續研究中將會考慮使用一些其他建模方法(如SVR、神經網絡等)或在建模過程中加入一些其他基于脈搏波信號的特征，并對不同建模方法和特征組合進行精度評估。另外為了驗證該方案的普遍適應性，后續實驗與研究的重點對象為中老年人和高血壓患者。