一種新的網(wǎng)絡(luò)化無創(chuàng)血壓實時監(jiān)測系統(tǒng)

席鐲賓，陳小惠，張永芳，程 馨，潘圓圓

(南京郵電大學(xué) 自動化/人工智能學(xué)院，江蘇 南京 210023)

0 引 言

血壓是衡量人體健康的重要特征之一，它的異常變動與心血管疾病、高血壓、心腦血管疾病等的發(fā)生具有密切的聯(lián)系[1-2]。且隨著年齡的增長，血管壁彈性減弱，這些疾病的發(fā)病幾率急速上漲，但在這類疾病的發(fā)病初期，身體并無明顯癥狀，所以很難從外在發(fā)現(xiàn)病癥，因此加強(qiáng)血壓的日常監(jiān)測，尤其對于中老年人群來說顯得十分必要。目前，血壓檢測方式分為有無創(chuàng)檢測和有創(chuàng)檢測[3]。由于無創(chuàng)血壓檢測方法能夠有效避免傷口感染、測試風(fēng)險、測試不適感等，所以普遍采用無創(chuàng)檢測方式進(jìn)行血壓日常監(jiān)測。

近年來，隨著物聯(lián)網(wǎng)技術(shù)的日漸成熟，遠(yuǎn)程醫(yī)療逐漸融入人們的生活[4-5]。一方面，緩解了因老齡化趨勢加重帶來的醫(yī)療需求相對緊缺的壓力；另一方面，方便用戶加強(qiáng)日常的健康監(jiān)測，從而及時掌握身體的健康狀態(tài)，以免錯過最佳的治療時間。李霞等[6]構(gòu)建了基于智能手機(jī)的血壓監(jiān)測系統(tǒng)，通過嵌入到手機(jī)中的系統(tǒng)檢測血壓異常信號；張黎等[7]將血壓測量模塊通過藍(lán)牙將測量結(jié)果發(fā)送至智能手機(jī)，實現(xiàn)血壓測量；李建輝等[8]提出了一種基于WBAN實現(xiàn)的多參數(shù)健康監(jiān)護(hù)系統(tǒng)，融合多種無線通信方式進(jìn)行信息傳輸。這些設(shè)計方法雖然很好地應(yīng)用了物聯(lián)網(wǎng)技術(shù)，解決了傳統(tǒng)血壓計在通訊功能方面的缺陷，但血壓測量方法均為柯氏音法，長時間或多次測量難免會給人體帶來不適感，且對于老年人群來說存在一定的測試復(fù)雜度。

文中通過檢測光電容積脈搏波(PPG)與心電圖(ECG)信號，建立血管腔模型進(jìn)行血壓測量，極大地減輕了測量過程中的不適感和復(fù)雜度，然后運用機(jī)器學(xué)習(xí)方法結(jié)合人體特征修正初步預(yù)測的血壓值，進(jìn)一步提高血壓的測量精度，并結(jié)合網(wǎng)絡(luò)化背景設(shè)計了一套網(wǎng)絡(luò)化無創(chuàng)血壓實時監(jiān)測系統(tǒng)。該系統(tǒng)通過對生理信號的采集和處理，通過WiFi將測量結(jié)果發(fā)送至用戶的智能設(shè)備中，還可以通過后臺系統(tǒng)中的大數(shù)據(jù)處理平臺進(jìn)行健康趨勢分析，并針對不同群體提供準(zhǔn)確、有效的健康服務(wù)指導(dǎo)。該系統(tǒng)對于中老年人群的實時健康監(jiān)護(hù)，尤其是獨居老人具有重要的研究意義。

1 血壓監(jiān)測系統(tǒng)總體設(shè)計

血壓監(jiān)測系統(tǒng)總體框架如圖1所示。該系統(tǒng)由監(jiān)測系統(tǒng)感知層、數(shù)據(jù)服務(wù)中心、智能終端等組成。首先通過將血壓測量模塊嵌入到座便器墊中，在用戶方便期間，不知不覺中獲取血壓值，一方面簡化了血壓的監(jiān)測過程，另一方面彌補(bǔ)了因其他因素而延誤了血壓的日常監(jiān)測。然后通過網(wǎng)絡(luò)將檢測到的生理信號傳輸至網(wǎng)絡(luò)服務(wù)器，在數(shù)據(jù)服務(wù)中心進(jìn)行數(shù)據(jù)存儲和健康評估。最后通過智能終端顯示測量結(jié)果，同時也可進(jìn)行健康趨勢查詢等醫(yī)療服務(wù)。

圖1 血壓監(jiān)測系統(tǒng)總體框架

2 系統(tǒng)硬件設(shè)計

該系統(tǒng)的硬件主要由生理信號檢測模塊、模擬信號調(diào)理模塊、微處理器等組成。系統(tǒng)硬件結(jié)構(gòu)框圖如圖2所示。

圖2 系統(tǒng)硬件結(jié)構(gòu)框圖

2.1 生理信號檢測模塊

生理信號檢測模塊又分為脈搏波檢測模塊和心電信號檢測模塊。文中采用反射式方法獲取脈搏波信號，通過將帶有兩種特定波長的發(fā)射器和信號接收器與測試者皮膚緊密接觸，根據(jù)光傳輸理論和光輻射理論，結(jié)合人體臀部局部體脂含量，建立光信號在厚脂肪部位的傳輸模型。傳輸模型示意如圖3所示。

圖3 光信號傳輸模型示意

然后與脈搏波檢測處理器的輸入端相連接，將反射過來的光信號轉(zhuǎn)變?yōu)殡娦盘枺瑥亩@取測試者的原始脈搏波信號。心電信號檢測模塊包括三個電極模塊和心電檢測處理器，將三個電極模塊分別與心電檢測處理器的輸入端相連接，通過電極接觸人體皮膚獲取測試者的心電信號。

2.2 模擬信號調(diào)理模塊

將脈搏波檢測處理器的輸出端和心電信號的輸出端與相應(yīng)的模擬信號調(diào)理模塊的輸入端相連接，實現(xiàn)生理信號的放大、濾波處理。模擬信號調(diào)理模塊包含50 Hz工頻陷波器和放大器。由于采集到的生理信號來自人體厚脂肪部位，幅值偏小，所以需對生理信號進(jìn)行放大處理。此外，環(huán)境噪音等外界干擾會對采集到的生理信號產(chǎn)生工頻干擾[9-10]，因此可通過陷波器進(jìn)行濾除。

2.3 微處理器

該系統(tǒng)的微處理器采用STM32處理器，該處理器具有小型化、低功耗、多資源等特點，可靈活配置使用。首先，通過微處理器的控制，實現(xiàn)模擬信號調(diào)理模塊對生理信號的預(yù)處理；然后將處理后的信號由模擬信號調(diào)理模塊的輸出端傳入到微處理器，進(jìn)行特征值提取及血壓初步計算；其次，通過無線通信模塊發(fā)送至網(wǎng)絡(luò)服務(wù)器對血壓值進(jìn)行一系列的修正和分析，最后將結(jié)果返還至顯示模塊。電源模塊通過微處理器與其他各個模塊相連接，提供相應(yīng)的電源供應(yīng)。

3 系統(tǒng)軟件設(shè)計

3.1 軟件總設(shè)計流程

系統(tǒng)開始運行時，首先進(jìn)行初始化處理，然后開始進(jìn)行生理信號采集。為提高血壓計算的準(zhǔn)確度和處理速率，該系統(tǒng)每隔7秒根據(jù)生理信號特征，對當(dāng)前存儲的生理信號進(jìn)行優(yōu)質(zhì)信號的判斷和提取操作，并由提取的最優(yōu)信號初步預(yù)測血壓值。其次結(jié)合人體特征，運用機(jī)器學(xué)習(xí)方法建立血壓預(yù)測模型，提高血壓測量模型的通用性，同時進(jìn)一步提高血壓的測量精度。最后將測試結(jié)果返還至智能終端進(jìn)行顯示，并進(jìn)行保存，方便日后查看和進(jìn)行健康趨勢分析。軟件總體流程如圖4所示。

圖4 軟件總體流程

3.2 血壓算法實現(xiàn)

3.2.1 初步預(yù)測血壓值

文中根據(jù)提取到的優(yōu)質(zhì)PPG和ECG生理信號，基于血管腔模型，利用脈搏波傳導(dǎo)時間建立血壓預(yù)測方程，初步估測血壓值[11]。收縮壓Ps和舒張壓Pd的計算公式為：

(1)

其中，PTT為脈搏波傳導(dǎo)時間;a、b為常量；K為脈搏波特征值；T為脈搏周期；Td為脈搏波下降沿舒張期時間；m1和m2為常量。

3.2.2 機(jī)器學(xué)習(xí)方法實現(xiàn)血壓修正

受人體特征差異的影響，基于血管彈性腔模型建立的血壓方程會存在很大偏差[12-13]。為降低這種影響，文中運用機(jī)器學(xué)習(xí)方法結(jié)合人體特征建立血壓修正模型。隨著對機(jī)器學(xué)習(xí)方法研究的不斷深入，越來越多的學(xué)者將其應(yīng)用于醫(yī)學(xué)領(lǐng)域，且取得了不錯的效果[14-15]。文中采用的機(jī)器學(xué)習(xí)方法為優(yōu)化的支持向量回歸模型，所采用的人體特征為性別、年齡、身高、體重、體質(zhì)指數(shù)(BMI)、有無家族性高低血壓病史、心率。以水銀血壓計測量的血壓值為真實值，將其隨機(jī)劃分為兩部分，其中80%作為訓(xùn)練數(shù)據(jù)集，20%作為測試數(shù)據(jù)集，將人體特征結(jié)合初步估測的血壓值作為機(jī)器學(xué)習(xí)模型的輸入?yún)?shù)，訓(xùn)練血壓修正模型。

假設(shè)血壓訓(xùn)練數(shù)據(jù)集為：

T={(x1,y1),(x2,y2),…,(xn,yn)}

(2)

其中，xi為輸入量,yi為其對應(yīng)的輸出量,i=1,2,…,n,n為訓(xùn)練集個數(shù)。

然后通過在支持向量回歸模型中引入懲罰參數(shù)c和靈敏損失參數(shù)ε，降低擬合誤差的影響[16]，建立以下函數(shù)式：

(3)

i=1,2,…,m

運用Lagrange函數(shù)和對偶原理，求解得到的血壓預(yù)測函數(shù)為：

(4)

其中，K(xi,xj)為核函數(shù)。

傳統(tǒng)的支持向量回歸模型往往根據(jù)經(jīng)驗設(shè)置模型參數(shù)，易使模型陷入過擬合或欠擬合狀態(tài)[17]，從而影響測量精度。文中通過遺傳算法(GA)優(yōu)化支持向量回歸模型(SVR)，自動選擇最佳參數(shù)組合，實現(xiàn)高精度的血壓測量。遺傳算法優(yōu)化支持向量回歸模型流程如圖5所示。

3.2.3 軟件界面設(shè)計

該系統(tǒng)以Visual Studio 2013為軟件開發(fā)平臺，設(shè)計了一款血壓顯示界面。該界面主要包括生理信號曲線顯示，用戶特征信息和測量結(jié)果展示三部分。根據(jù)用戶采集到的生理信號，該窗體自動進(jìn)行實時更新，且根據(jù)幅值變化，每隔5秒調(diào)整一次坐標(biāo)位置，保證生理信號展示的完整性。此外，用戶還可進(jìn)行保存、查詢等操作。軟件界面展示如圖6所示。

圖5 GA-SVR模型算法流程

4 系統(tǒng)測試

為驗證該網(wǎng)絡(luò)化血壓實時監(jiān)測系統(tǒng)的有效性，本節(jié)將系統(tǒng)監(jiān)測結(jié)果與水銀血壓計的測量結(jié)果進(jìn)行了實驗對比。隨機(jī)選擇2名包含不同特征的人員連續(xù)進(jìn)行3次血壓測試，其中測試者A是一位年齡23歲，身高176 cm，體重70 kg，體質(zhì)指數(shù)22.598 1，無遺傳性病史的男性；測試者B是一位年齡24歲，身高178 cm，體重102 kg，體質(zhì)指數(shù)32.192 9，含有遺傳性高血壓的男性。使測試者同時運用該監(jiān)測系統(tǒng)和水銀血壓計進(jìn)行測試，分別對收縮壓和舒張壓進(jìn)行分析，測量結(jié)果如表1所示。

圖6 軟件界面展示

從表1中可以看出，該系統(tǒng)測量的收縮壓最大絕對誤差為2.80 mmHg，最大相對誤差為1.88%，該段時間內(nèi)兩位測試者連續(xù)測量三次的平均相對誤差為1.66%。

表1 收縮壓實驗結(jié)果對比分析

表2 舒張壓實驗結(jié)果對比分析

從表2中可以看出，該系統(tǒng)測量的舒張壓最大絕對誤差為4.94 mmHg，兩位測試者連續(xù)測量三次的平均相對誤差分別為2.29%、2.12%，該段時間內(nèi)的平均相對誤差為2.205%。

綜上可知，該監(jiān)測系統(tǒng)測量的血壓平均誤差均在5%范圍內(nèi)，能夠滿足血壓測量精度要求。另外，系統(tǒng)網(wǎng)絡(luò)數(shù)據(jù)傳輸穩(wěn)定可靠，數(shù)據(jù)既可傳輸給計算機(jī)，進(jìn)行大數(shù)據(jù)處理，也可傳輸給手機(jī)，使用方便，系統(tǒng)工作良好，界面合理，操作簡單。

5 結(jié)束語

文中結(jié)合網(wǎng)絡(luò)化傳輸技術(shù)和血壓檢測方法設(shè)計了一套網(wǎng)絡(luò)化無創(chuàng)血壓實時監(jiān)測系統(tǒng)。通過將具有生理信號采集功能的模塊嵌入座便器墊，在人們?nèi)鐜^程中不知不覺地進(jìn)行血壓監(jiān)測，既簡化了血壓的測量過程，又增強(qiáng)了血壓監(jiān)測的便捷性和普適性。同時，運用機(jī)器學(xué)習(xí)方法融合人體特征建立血壓預(yù)測模型，深度挖掘不同人體特征與生理信號間的聯(lián)系，從而提高血壓測量模型的通用性和準(zhǔn)確度，實驗結(jié)果也證實了該測量模型的可靠性。此外，通過云平臺對采集到的歷史數(shù)據(jù)進(jìn)行健康趨勢分析，提供有效、準(zhǔn)確的個性化健康指導(dǎo)，對血壓相關(guān)性疾病的預(yù)防和治療具有重要的指導(dǎo)作用，為家庭式健康監(jiān)護(hù)的應(yīng)用與發(fā)展開辟了新途徑。