一种基于脉搏波法的腕式血压计的设计
引言
据世界卫生组织2013年发布的《高血压全球概要》显示，每年大约有1700万人死于心血管疾病，其死亡率已俨然超过传染性疾病，成为世界第一[1]。我国形势同样严峻，据《中国心血管病报告2016》报告，全国有心血管病患者约2.9亿，其中高血压患者有2.7亿。然而，18岁以上高血压的知晓率、治疗率和控制率仅有46.5%、41.1%和13.8%[2]。我国每年由于血压升高而导致过早死亡的人数高达200万[3]。这表明很多人都没有重视高血压所带来的健康隐患，缺乏对血压的日常监控。
大量研究发现，血压的连续测量有利于高血压及其并发症的防治和诊断工作[4]。其优点主要表现在：① 可以有效避免因紧张等原因产生的“白大衣现象”；② 可以反映一段时间内的血压变化趋势，及时发现隐性高血压；③ 可以提高高血压的预测和诊断能力；④ 可以验证降压药的药效性，便于医生做出剂量调整。
目前，临床上使用的动态连续血压计的原理多数是基于示波法的。该方法操作简单，测量方便。但由于需要加压，会造成严重的不适感；较长的测量间隔，不利于夜间血压监测。这些缺点，使得该类血压计的临床效果并不理想。
本文主要介绍了我们自主研发的一种基于脉搏波波速和脉搏波波形特征参量法的腕式血压计。该血压计使用压电薄膜传感器采集桡动脉脉搏波，提取脉搏波形相关特征，借助心电信号，通过回归建模，测量血压值。将传感器置于手腕桡动脉搏动最强处采集脉搏波，可以有效代替袖带加压过程，实现24 h血压的连续监测。该血压计理论上可以通过将测量间隔缩小至2 min，更为灵敏地观测血压的变化情况。
1 基于脉搏波的血压测量方法
近些年，越来越多的人开始研究基于脉搏波的连续血压测量方法[5-7]。该方法突破了袖带加压的限制，极大地提升了测量时的舒适度。其方法主要有两种，一种是脉搏波速法，该方法通过获得脉搏波波速或脉搏波传导时间来测量血压；另一种是脉搏波波形特征参量法，该方法通过分析脉搏波波形特征与血压的关系来进行血压测量。
1.1 脉搏波速法
该方法通过获得脉搏波波速或脉搏波传导时间（Pulse Wave Transit Time，PWTT）来测量血压[8-9]。Puke等[10]设计了一个放置于胸前的可穿戴设备，该设备可以同时获取心电信号和脉搏波信号，将计算得到的PWTT用于血压的测量。
我们对采集得到的心电信号进行R波识别，确定每一时间段的R波位置。其次，根据相邻两个R波点截取出单周期脉搏波信号，通过识别脉搏波起始点，计算得到R波与脉搏波起始点间的距离。该距离对应的时间即为脉搏波传导时间，见图1。
图1 脉搏波传导时间
1.2 脉搏波波形特征参量法
该方法主要通过提取脉搏波的时、频域特征来测量血压[11-12]。脉搏波的时域特征包括波形、时间等。波形特征主要包括主波高度、重搏波高度等。时间特征主要包括主波上升时间、收缩期时间、舒张期时间等[13]。脉搏波的频域特征主要包括主波以及各谐波的幅度与频率。
脉搏波所呈现出的波形、波速、幅度和周期等方面的综合信息很大程度上反映了人体心血管系统中许多生理和病理的血流特征。因此，我们分别对脉搏波提取了时域和频域的特征。时域特征有：快速射血期（t1），能反映出心脏的射血能力；心率（hr），能反映出心动周期；主波宽度（width），取主波高度80%的两点间距离作为主波宽度，能反映射血能力和血管弹性。频域特征有：从单周期脉搏波的频谱图中提取前四个峰值的幅度和频率作为特征。
结合上述两种方法，我们提取了12个特征，即脉搏波传导时间PWTT；时域特征：射血期t1、心率hr、主波宽度width；频域特征：频谱图的前四个峰值的幅度H1、H2、H3、H4以及前四个峰值的频率F1、F2、F3、F4作为构建血压计模型的参数，记为[p1, p2, …, p12]。
1.3 血压计模型
血压是一个非常复杂的人体指标，而且受多种因素影响。不同血管的舒张功能随年龄增长逐渐增加，到壮年期首先出现阻力血管舒张功能的下降，引起血压不同程度的升高。而身体质量指数（BMI）作为衡量身高、体重的指标，同样影响着血压水平[14]。BMI是高血压发病的一个独立危险因素，动态监测BMI的变化可以有效预测高血压发病的危险。因此，建立血压模型时，除了考虑脉搏波外，也将用户的个人特性，如性别、BMI、年龄等因素考虑在内。
通过简单的线性拟合并不能很好的预测血压。因此，我们依据性别和BMI参数将模型进行细化，以PWTT为主，结合脉搏波形特征参量，并引入年龄参数等13个特征，以水银血压计得到的血压测量值为目标值，建立以随机森林为内核的非线性血压计算模型，模型原理图，见图2。随机森林是由Leo Breiman在2001年提出的，该算法通过使用自举重采样法生成N个训练样本集，并将N个决策树集成起来，共同决定结果[15-16]。单个决策树的预测能力可能不足，但通过多个决策树共同预测后，往往能得到更好的结果。该方法的优点在于每个树都只用到部分特征和样本，增加了决策树之间的特异性，在一定程度上避免了过拟合现象。
图2 血压计模型原理图
2 基于脉搏波腕式血压计的测试
针对脉搏波腕式血压计的测量准确性，设计了实验进行测试。
2.1 实验设备
本实验涉及到的仪器有腕式血压计、鱼跃牌水银血压计。腕式血压计的核心器件主要包括脉搏传感器和脉感TM芯片。
脉搏传感器是自主研发的一种便携式无源传感器，属于压电薄膜传感器（图3）。该传感器具有频带宽、灵敏度高、抗冲击性能良好、重量轻等特点。使用压电薄膜的优势在于，对其纵向施加一个很小的力，在横向上会产生很大的应力，适合用来获取微弱的脉搏波信号。并且，相比于压电和光电传感器，压电薄膜传感器具有更好的抗干扰能力和灵敏性。
图3 压电薄膜脉搏传感器
自主研发的脉感TM技术芯片，集成了心电信号测量模块和脉搏波信号调理模块以及核心处理器。心电信号模块包含心电传感器、两级心电放大器以及高低通滤波器。考虑到心电信号的微弱性，我们经过两级放大，将毫伏级的心电信号放大至伏级。我们采用AD8232放大器，实现了1000倍的放大。心电信号的频率范围在0.05～100 Hz，其中主要能量集中在0.05～35 Hz之间。我们选用OPA2376进行高低通滤波，其截止频率分别为100 Hz、0.05 Hz。脉搏波信号模块，我们同样选用了AD8232进行两级放大。由于脉搏波信号的频谱能量主要集中在40 Hz以内，因此，我们选用100 Hz的低通滤波器进行滤波。
2.2 实验方法
我们先后两次招募了524名志愿者。将第一次采集的340人数据作为建立模型的样本（男性有136人，女性有204人，年龄分布为28～85岁）。第二次采集的184人数据作为血压计实验测试样本（男性有61人，女性有123人，年龄分布为29～93岁）。数据采集步骤如下：
首先，受试者在温度为25℃的房间内休息15 min；然后，佩戴腕式血压计采集桡动脉的脉搏波形和心电信号波形，单次采集时间为1 min，采集次数至少为3次，之后采用水银血压计测量受试者的血压，作为参考值。
通过筛选初步去除了质量较差的信号，得到了1405个样本。之后根据检查R波识别结果后又去掉了3个样本。我们最终得到了1402个样本集，其中建立模型样本集有999个，血压计实验测试集有403个，其样本分布，见表1。
表1 样本收缩压分布（%）
收缩压 (mmHg) 160～180 140～160 120～140 90～120模型样本集 9.4 25.9 38.2 26.4测试样本集 8.2 37.5 38.7 15.6
3 实验结果及分析
3.1 心电R波识别结果及分析
计算PWTT需要用到R波峰值点，我们对1405个样本的心电信号进行了R波峰值点的识别。该识别算法采用的是小波滤波以及改进的高宽比识别算法。通过人工筛查，其中有1402个样本的R波识别正确，识别率为99.8%。心电R波识别结果，见图4。
图4 心电R波识别结果
3.2 血压计测试结果及分析
血压计测试结果如表2、表3所示，腕式血压计的计算结果与水银血压计测量结果的偏差的均值分别为0.030 mmHg/-0.965 mmHg（收缩压/舒张压），远小于行业标准规定的5 mmHg的上限；偏差的标准差为5.364 mmHg/5.618 mmHg（收缩压/舒张压），小于行业标准规定的8 mmHg的上限。
表2 血压测试结果
项目 测试集(个)血压范围(mmHg)偏差的均值(mmHg)偏差的标准差(mmHg)收缩压 403 90～165 0.030 5.364舒张压 403 60～110 -0.965 5.618
表3 血压测试结果
项目 测试集(个)范围数据所占百分比 (%)≤5 mmHg ≤10 mmHg ≤15 mmHg收缩压 403 67.3 93.1 98.8舒张压 403 62.0 92.8 99.3
更进一步，我们通过使用Bland-Altman法，定量的分析了测试血压与参比血压之间的比较，如图5、图6所示。从图中可以看出，两种血压计收缩压和舒张压差值的均值都小于1 mmHg，这一现象表明两种测量方法的一致性程度较高。并且，从图中还可以看出95%置信区间（虚线）也都在10 mmHg附近。
图5 收缩压与水银血压计收缩压差值与平均值关系散点图
图6 舒张压与水银血压计舒张压差值与平均值关系散点图
4 总结与展望
以往的无创连续血压测量方法都不能很好地满足连续性、稳定性、精度、舒适度等技术要求。本文设计了一种腕式血压计，该血压计使用压电薄膜传感器代替传统的袖带，通过采集心电信号和脉搏波信号，提取特征，建立血压计算模型，从而得到血压值。该血压计摆脱了袖带加压的限制，极大地提升了测量时的舒适感，适用于长时间的血压监测。从精度上来看，腕式血压计和水银血压计之间的测量误差满足AAMI SP-10的美国标准，并且在95%的置信区间内误差小于5%，具有较好的一致性。
在未来的研究中，可以引入一些血管生理参数，如血液粘稠度、血管弹性等，这些参数同样也是影响血压的重要因素。通过提取更多与血压相关的有效特征以及使用基于大数据的深度学习算法建模，相信在不久的将来，该血压计可以为测量者提供准确的血压信息，并辅助医生及时地发现潜在的病患。
[1] World Health Organization.A Global Brief on Hypertension[R].Geneva:World Health Organization,2013:1-40.
[2] 陈伟伟,高润霖,刘力生,等.《中国心血管病报告2016》概要[J].中国循环杂志,2017,32(6):521-530.
[3] 吴巧玉,叶志弘,虞雪琴.心血管疾病相关健康评估的研究进展[J].护理与康复,2015,14(5):435-438.
[4] 顾菱香.社区高血压病例规范化管理干预措施的效果观察[J].江西医药,2014,49(10):1049-1050.
[5] 韩成,冯秀丽.基于脉搏波的连续血压测量方法的研究进展[J].江西医药,2017,52(11):1249-1251.
[6] 蒋巍巍,季忠.无创血压测量方法的研究进展[J].中华高血压杂志,2015,23(7):685-689.
[7] Gholamhosseini H,Meintjes A,Baig M,et al.Smartphone-based continuous blood pressure measurement using pulse transit time[J].Stud Health Technol Inform,2016,224:84-89.
[8] McCarthy BM,Vaughan CJ,O'Flynn B,et al.An examination of calibration intervals required for accurately tracking blood pressure using pulse transit time algorithms[J].J Hum Hypertens,2013,27:744-750.
[9] 顾亚雄,杨涛,包科,等.脉搏波波速法无创血压测量中多模量血压计算模型研究[J].中国生物医学工程学报,2016,35(6):691-698.
[10] Puke S,Suzuki T,Nakayama K,et al.Blood pressure estimation from pulse wave velocity measured on the chest[A].2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC)[C].2013:6107-6110.
[11] 谢寒霜,王瑞平,王艳洁,等.基于脉搏波特征参数的无创连续血压监测[J].中国医疗设备,2017,32(10):39-43.
[12] Peng RC,Zhou XL,Lin WH,et al.Extraction of heart rate variability from smartphone photoplethysmograms[J].Comput Math Methods Med,2015,2015:516826.
[13] 徐可欣,王继寸,余辉,等.脉搏波时域特征与血压相关性的研究[J].中国医疗设备,2009,24(8):42-45.
[14] 贺媛,曾强,赵小兰.中国成人体质指数、年龄与血压水平相关分析[J].中国公共卫生,2016,32(1):69-72.
[15] Liaw A,Wiener M.Classification and regression by random Forest[J].R News,2002,23(23).
[16] Zhang GY,Lu Y.Bias-corrected random forests in regression[J].J Appl Stat,2012,39(1):151-160.
Design of a Wrist Sphygmomanometer Based on Pulse Wave Method