鄭嘉強(qiáng)，程云章，邊俊杰

1.上海理工大學(xué)上海介入醫(yī)療器械工程技術(shù)研究中心，上海200093；2.浙江善時(shí)醫(yī)療器械有限公司，浙江杭州310016

前言

據(jù)2018年中國心血管病報(bào)告顯示，中國心血管病患病率和死亡率仍處于上升階段；報(bào)告推算心血管病現(xiàn)患人數(shù)2.9 億，其中高血壓2.45 億。也有相關(guān)調(diào)查顯示心血管病的死亡率居首位，高于腫瘤及其他疾病，占居民疾病死亡構(gòu)成的40%以上［1］。有研究表明高血壓人群會(huì)增加不同心腦血管疾病的發(fā)病風(fēng)險(xiǎn)，其中，收縮期及舒張期高血壓增加幅度更大［2］。根據(jù)中國高血壓調(diào)查研究結(jié)果，中國≥18 歲成人高血壓的知曉率、治療率、控制率和治療控制率分別為51.6%、45.8%、16.8%和37.5%，我國的高血壓防治工作仍面臨著嚴(yán)峻的挑戰(zhàn)［3］。高血壓屬于慢性病，診斷治療需要一個(gè)緩慢、長期的過程，需在家調(diào)理、服藥并長期監(jiān)測(cè)［4］。連續(xù)血壓測(cè)量可以實(shí)際反映血壓在全天內(nèi)的變化規(guī)律，對(duì)突發(fā)性心腦血管病的預(yù)測(cè)及對(duì)降壓藥的治療效果評(píng)估有重要意義［5］。近年來，很多研究者對(duì)基于脈搏波特征參數(shù)的無創(chuàng)連續(xù)血壓測(cè)量進(jìn)行研究，本研究首先介紹脈搏波特征參數(shù)的類型以及基于脈搏波特征參數(shù)進(jìn)行血壓測(cè)量的原理，然后總結(jié)相關(guān)的測(cè)量模型，并分析各個(gè)模型的優(yōu)缺點(diǎn)，最后對(duì)今后的研究方向進(jìn)行總結(jié)和展望。

1 測(cè)量原理及脈搏波特征參數(shù)

1.1 測(cè)量原理

脈搏波特征參數(shù)測(cè)量法是在分析脈搏波特征參數(shù)與動(dòng)脈血壓相關(guān)性的基礎(chǔ)上建立血壓模型，實(shí)現(xiàn)連續(xù)血壓測(cè)量的方法。血壓的主要影響因素包括每搏輸出量、心率、外周阻力、主動(dòng)脈和大動(dòng)脈管壁的彈性、循環(huán)血量與血管容量，這些因素的改變會(huì)導(dǎo)致血壓的變化。了解影響血壓的生理因素后，就可以通過測(cè)量反映這些生理因素的參數(shù)來間接反映血壓的變化。

脈搏的變化是動(dòng)脈內(nèi)血壓變化的反映，這是可以使用脈搏波進(jìn)行血壓測(cè)量的基本理論依據(jù)［6］。湯池［7］、歐輝彬［8］和Visvanathan 等［9］已分別從生理上詳細(xì)分析脈搏波特征參數(shù)與人體血管外周阻力和血容量的相關(guān)關(guān)系，說明可以利用脈搏波相關(guān)的波形特征參數(shù)估計(jì)血壓［10］。脈搏波從心臟開始向外周的動(dòng)脈系統(tǒng)傳播的過程中，脈搏波的形態(tài)不僅受到心臟本身的影響，也會(huì)受到各級(jí)動(dòng)脈及其分支的各種生理因素如血液粘度、血管壁彈性及血管阻力等的影響，因此脈搏波中含有心血管系統(tǒng)的大量生理、病理信息，在臨床上被廣泛用于各種生理參數(shù)如血壓、血氧飽和度、心率、心輸出量、動(dòng)脈順應(yīng)性等的測(cè)量和評(píng)估［11］。

1.2 脈搏波特征參數(shù)

脈搏波特征參數(shù)包括時(shí)域特征參數(shù)和頻域特征參數(shù)。脈搏波時(shí)域特征參數(shù)可分為幅度參數(shù)、時(shí)間參數(shù)和面積參數(shù)。常用的脈搏波時(shí)域特征參數(shù)如圖1所示。包括常用的幅度參數(shù)有主波高度（H1）、降中狹高度（H2）、重搏波高度（H3）、重博幅度（H4）等；常用的時(shí)間參數(shù)有主波上升時(shí)間（t1）、收縮期時(shí)間（t2）、舒張期時(shí)間（t3）、脈搏波周期（T）等［12］；常用的面積參數(shù)包括脈搏波面積、收縮期面積占比、舒張期面積占比、脈搏波波形系數(shù)K［13］等。

脈搏波頻域特征參數(shù)是在脈搏波的幅值譜中提取。在對(duì)單個(gè)周期的脈搏波波形進(jìn)行10次周期延拓后，對(duì)延拓后的波形進(jìn)行快速傅里葉變換得到脈搏波幅值譜（圖2）［14］。有研究表明，脈搏波的頻譜成分主要集中在基波到5～6次諧波內(nèi)［15］。

2.1 線性模型

2.1.1 一元線性回歸模型基于脈搏波特征參數(shù)測(cè)量血壓的一元線性回歸模型是通過提取脈搏波信號(hào)中的特征參數(shù)，對(duì)特征參數(shù)與血壓進(jìn)行相關(guān)性分析，挑選出與血壓相關(guān)性最好的一個(gè)特征參數(shù)，以該參數(shù)作為自變量，血壓作為因變量做一元線性回歸分析，建立一元線性回歸方程進(jìn)行血壓測(cè)量的方法，其模型為：

圖1 常用的脈搏波時(shí)域特征參數(shù)Fig.1 Common characteristic parameters of pulse wave in time domain

圖2 脈搏波幅值譜Fig.2 Amplitude spectrum of pulse wave

其中，Y為血壓值；X為選擇的特征參數(shù)；a0為常數(shù)項(xiàng)；a1為回歸系數(shù)；ε為隨機(jī)誤差項(xiàng)。

Teng 等［16］利用反射式光電容積脈搏波（Photoplethysmography,PPG）傳感器獲取PPG 信號(hào)，從PPG 信號(hào)中提取2/3 脈搏波振幅寬度（width1）、1/2脈搏波振幅寬度（width2）、收縮期向上搏動(dòng)時(shí)間（T1）、舒張時(shí)間（T2）這4 個(gè)特征參數(shù)，并將這些特征參數(shù)分別與血壓進(jìn)行相關(guān)性分析，結(jié)果顯示舒張時(shí)間（T2）與血壓的相關(guān)性高于其他特征與血壓之間的相關(guān)性。使用T1、T2 及PTT（ECG 信號(hào)R 波峰值到PPG信號(hào)峰值點(diǎn)之間的時(shí)間間隔）分別與血壓建立一元線性回歸模型，結(jié)果比較如表1所示［16］，該研究結(jié)果表明可以使用PPG 信號(hào)的舒張時(shí)間（T2）估計(jì)血壓，且其精度與使用PTT估計(jì)的血壓值精度相當(dāng)。

表1 使用T1和T2及PTT進(jìn)行血壓估計(jì)的平均數(shù)和標(biāo)準(zhǔn)差（mmHg）Tab.1 Mean and standard deviation of blood pressure estimations using T1 and T2 and PTT(mmHg)

也有研究從PPG 信號(hào)和心電信號(hào)中提取了5 個(gè)參數(shù)，分別為：心電R 波峰值點(diǎn)至PPG 一階導(dǎo)數(shù)最大值點(diǎn)的脈搏波傳播時(shí)間（PTT_dp）、心電R 波峰值點(diǎn)至PPG信號(hào)起點(diǎn)的脈搏波傳播時(shí)間（PTT_foot）、心臟收縮時(shí)間（Sys t1）、心臟舒張時(shí)間（Dia t2）、2/3脈搏波振幅寬度（2/3 wt）［17］。通過相關(guān)性分析及對(duì)建立的一元線性模型進(jìn)行誤差分析，證明使用Dia t2 比使用PTT_dp或PTT_foot進(jìn)行血壓估計(jì)的精度更高。

2.1.2 多元線性回歸模型血壓的形成及影響因素復(fù)雜，僅用單一特征參數(shù)無法很好地描述血壓的形成及變化，針對(duì)此問題，許多研究者對(duì)血壓的多元線性回歸模型進(jìn)行了研究。僅提取脈搏波特征參數(shù)或提取脈搏波特征參數(shù)及其他相關(guān)參數(shù)如脈搏波傳導(dǎo)時(shí)間和心率等，經(jīng)過簡單相關(guān)性分析或逐步回歸分析等方法選擇多個(gè)與血壓相關(guān)性較大的參數(shù)，建立多元線性回歸方程，進(jìn)行血壓的測(cè)量。其模型為：

其中，P為因變量，為Q1，Q2，…，Qm的線性函數(shù)；Q1，Q2，…，Qm為自變量；β0為常數(shù)項(xiàng)；β1，β2，…，βm為偏回歸系數(shù)；e為殘差。

有研究從PPG 信號(hào)及心音信號(hào)中提取了脈搏波傳導(dǎo)時(shí)間PWTTPCG、每搏心輸出量Z、脈搏波波形系數(shù)K、升支平均斜率k、上升支波圖與整體波圖面積比值S、脈率HR 等參數(shù)，然后通過建立多元線性回歸模型進(jìn)行血壓的估計(jì)［18］?；赑WTTPCG的單一參數(shù)血壓計(jì)算模型和多脈搏波參數(shù)的人體血壓計(jì)算模型計(jì)算得到每組測(cè)試者的血壓值與實(shí)測(cè)值的平均誤差見表2。對(duì)54 名測(cè)試者按照年齡段分成3 組，第一組年齡22～30 歲，共24 名測(cè)試者（14 名男性，10 名女性）；第二組年齡31～40 歲，共15 名測(cè)試者（9 名男性，6名女性）；第三組年齡41～46歲，共15名測(cè)試者（9名男性，6 名女性）。該研究結(jié)果顯示，與單一參數(shù)的人體血壓計(jì)算模型相比較，基于多脈搏波參數(shù)的人體血壓計(jì)算模型在收縮壓和舒張壓測(cè)量中具有更高的準(zhǔn)確性。但該研究在選擇參數(shù)時(shí)僅用簡單相關(guān)性分析，選出的參數(shù)可能具有多重共線性。

表2 計(jì)算得到的血壓值與實(shí)測(cè)值的平均誤差（mmHg）Tab.2 Average error between calculated and measured blood pressures(mmHg)

有研究提取了人體肱動(dòng)脈脈搏波的13 個(gè)特征參數(shù)，包括時(shí)間參數(shù)、幅度參數(shù)和面積參數(shù)，通過逐步回歸分析，得到具有個(gè)體差異性且與血壓相關(guān)性較好的參數(shù)，由此建立針對(duì)個(gè)體的不同的血壓特征方程［19］。在選擇參數(shù)時(shí)采用逐步回歸分析，可以保證留在模型中的特征參數(shù)既是重要的，且沒有嚴(yán)重多重共線性，該方法建立的模型仍具有個(gè)體差異性。

有研究者對(duì)逐步回歸法進(jìn)行了改進(jìn)，提出動(dòng)態(tài)估計(jì)方法，通過改進(jìn)的逐步回歸算法動(dòng)態(tài)實(shí)時(shí)估計(jì)連續(xù)血壓［10］。通過設(shè)置滑動(dòng)窗口，估計(jì)某時(shí)刻的血壓時(shí)，選擇該時(shí)刻前面最近的n組值做訓(xùn)練，逐步回歸法做特征選擇，估計(jì)該時(shí)刻的血壓。通過該動(dòng)態(tài)估計(jì)方法，可以進(jìn)一步提高血壓監(jiān)測(cè)的精度和準(zhǔn)確性。

前述研究中建立的模型多具有個(gè)體差異性，對(duì)不同人群進(jìn)行血壓測(cè)量時(shí)需要重新進(jìn)行校準(zhǔn)，建立的模型不具有普適性。針對(duì)目前利用脈搏波特征參數(shù)無法準(zhǔn)確計(jì)算出病理如高血壓、低血壓的問題，可在選取特征參數(shù)時(shí)利用主成分分析法，對(duì)特征參數(shù)矩陣進(jìn)行降維處理，基于較大的數(shù)據(jù)庫建立多級(jí)血壓計(jì)算模型，并通過逐步逼近縮小線性回歸用到的樣本區(qū)間，建立基于脈搏波特征參數(shù)計(jì)算血壓的普適算法［20］。

2.2 神經(jīng)網(wǎng)絡(luò)模型

基于脈搏波特征參數(shù)的神經(jīng)網(wǎng)絡(luò)血壓模型是通過選擇脈搏波特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型以進(jìn)行血壓的估算。選擇的特征參數(shù)包括基本的脈搏波特征參數(shù)如時(shí)間參數(shù)、幅值參數(shù)和面積參數(shù)等，以及由脈搏波特征參數(shù)分解得到的特征參數(shù)或者整個(gè)脈搏波的波形數(shù)據(jù)。

血壓的形成因素比較復(fù)雜，僅僅使用線性模型無法很好地描述出各參數(shù)與血壓之間的非線性關(guān)系。為了使得模型更加接近實(shí)際，以達(dá)到更高的測(cè)量精度及更寬泛的適用范圍，許多研究者引入神經(jīng)網(wǎng)絡(luò)模型以描述血壓與脈搏波特征參數(shù)之間的非線性關(guān)系。常用的神經(jīng)網(wǎng)絡(luò)包括前向神經(jīng)網(wǎng)絡(luò)如反向傳播（Back-Propagation,BP）神經(jīng)網(wǎng)絡(luò)［21-24］以及反饋型神經(jīng)網(wǎng)絡(luò)如簡單RNN［25］、LSTM 模型［26］及Elman神經(jīng)網(wǎng)絡(luò)［27］等。

為解決使用線性模型不能很好地描述血壓與脈搏波特征參數(shù)的非線性關(guān)系的問題，有研究者提出使用神經(jīng)網(wǎng)絡(luò)與脈搏波信號(hào)特征結(jié)合的方法來建立連續(xù)血壓測(cè)量模型［26，28］。文獻(xiàn)［28］從脈搏波信號(hào)中提取了21個(gè)脈搏波時(shí)間參數(shù)，用于訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。通過與血壓的線性回歸模型進(jìn)行對(duì)比研究發(fā)現(xiàn)，僅僅使用舒張時(shí)間與血壓之間的線性回歸模型無法達(dá)到美國醫(yī)療器械促進(jìn)協(xié)會(huì)（AAMI）的要求，而使用BP神經(jīng)網(wǎng)絡(luò)模型則能達(dá)到較高的精度，該模型預(yù)測(cè)的收縮壓和舒張壓為（3.80±3.46）和（2.21±2.09）mmHg，均滿足AAMI標(biāo)準(zhǔn)。

前饋型神經(jīng)網(wǎng)絡(luò)雖然考慮了脈搏波特征參數(shù)與血壓之間的非線性關(guān)系，但未考慮脈搏信號(hào)的時(shí)序連續(xù)性，即在建立的血壓模型中未考慮到上一時(shí)刻脈搏信號(hào)的搏動(dòng)對(duì)于后續(xù)血壓的影響。為克服前饋型神經(jīng)網(wǎng)絡(luò)的這一缺點(diǎn)，有研究者將反饋型神經(jīng)網(wǎng)絡(luò)用于血壓估算［25，27］。文獻(xiàn)［27］選取脈搏波形起點(diǎn)、峰值點(diǎn)、降中峽這3個(gè)特征點(diǎn)作為連續(xù)血壓預(yù)測(cè)模型的特征輸入，利用反饋型Elman神經(jīng)網(wǎng)絡(luò)模型建立連續(xù)血壓測(cè)量模型，并選用MIMIC 數(shù)據(jù)庫中的大量數(shù)據(jù)來驗(yàn)證Elman神經(jīng)網(wǎng)絡(luò)的血壓非線性預(yù)測(cè)能力，將其與BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比分析發(fā)現(xiàn)，Elman 神經(jīng)網(wǎng)絡(luò)在連續(xù)血壓測(cè)量的準(zhǔn)確度和預(yù)測(cè)精度方面都有一定的提高。

上述研究仍然存在特征點(diǎn)難以提取及模型不具備普適性等問題。針對(duì)此問題，有研究者提出一種新型卷積遞歸神經(jīng)網(wǎng)絡(luò)血壓模型CRNN-BP［29］。該模型混合卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)。使用一維卷積對(duì)各心動(dòng)周期脈搏波的波形特征進(jìn)行自動(dòng)提取，不再依賴對(duì)波形特征點(diǎn)的定位，對(duì)不同形態(tài)的脈搏波波形具備普適性。使用遞歸網(wǎng)絡(luò)層依據(jù)連續(xù)心動(dòng)周期血壓變化關(guān)系對(duì)波形特征進(jìn)行校正，可減少個(gè)別心動(dòng)周期波形受到干擾而影響血壓預(yù)測(cè)精度的問題。通過MIMIC數(shù)據(jù)庫中大量數(shù)據(jù)對(duì)該算法進(jìn)行驗(yàn)證，結(jié)果顯示與卷積神經(jīng)網(wǎng)絡(luò)血壓（CNN-BP）模型相比，CRNN-BP模型的魯棒性和精度更高。其預(yù)測(cè)收縮壓和舒張壓為（2.71±3.40）和（1.41±1.90）mmHg，達(dá)到了很好的精度和準(zhǔn)確性。

3 總結(jié)與展望

當(dāng)前基于脈搏波特征參數(shù)的無創(chuàng)連續(xù)血壓監(jiān)測(cè)尚處于實(shí)驗(yàn)室研究階段，尚未有成熟的產(chǎn)品。使用脈搏波特征參數(shù)與血壓建立的回歸方程不能夠從本質(zhì)上反映脈搏波與血壓變化的相關(guān)關(guān)系，也沒有一個(gè)完整的數(shù)學(xué)模型能反映血壓與脈搏波特征參數(shù)之間的關(guān)系［30］。因而當(dāng)前只能采用統(tǒng)計(jì)學(xué)方法對(duì)其進(jìn)行研究，如線性回歸分析、神經(jīng)網(wǎng)絡(luò)方法等。

本研究總結(jié)了當(dāng)前基于脈搏波特征參數(shù)的無創(chuàng)連續(xù)血壓測(cè)量模型。主要包括一元線性回歸模型、多元線性回歸模型和神經(jīng)網(wǎng)絡(luò)模型。一元線性模型是通過提取脈搏波中與血壓相關(guān)性最大的特征參數(shù)與血壓建立回歸模型，由于選取的參數(shù)單一，而血壓的形成及影響因素較為復(fù)雜，一元模型不能很好地表征這種相關(guān)關(guān)系。進(jìn)而有研究者引入了多元線性回歸模型，選擇多個(gè)與血壓相關(guān)性大的參數(shù)與血壓進(jìn)行回歸分析，進(jìn)行血壓估算，但這種模型仍難以描述脈搏波特征參數(shù)與血壓之間的復(fù)雜非線性關(guān)系。

建立血壓與脈搏波特征參數(shù)之間的非線性模型，并將神經(jīng)網(wǎng)絡(luò)模型引入血壓估算中，能夠達(dá)到較好的結(jié)果。當(dāng)前建立的各種神經(jīng)網(wǎng)絡(luò)模型多具有個(gè)體差異性，對(duì)于不同的測(cè)量者建立的模型是不一樣的。針對(duì)當(dāng)前研究存在的問題，以后的研究方向是：（1）脈搏波及其脈搏波特征參數(shù)的準(zhǔn)確提取，以減小數(shù)據(jù)源誤差，提高血壓測(cè)量精度；（2）普適性的血壓模型研究，使得模型能夠用于健康人、高血壓和低血壓患者的血壓測(cè)量；（3）與侵入性血壓之間的臨床對(duì)比研究，以確定其臨床實(shí)際精度和準(zhǔn)確性。