基于脉搏传输时间的改进无袖带血压测量

以下内容是一次课堂作业的结果，参考了一些文章和并复现了他人代码，主要是使用了MIMIC数据库的的数据，得到的结果不是很好

 

高血压是许多心血管疾病的主要因素，心血管疾病是一组心脏和血管疾病，包括冠心病、脑血管疾病、外周动脉疾病、风湿性心脏病等^[1]。国家心血管病中心高润霖院士和王增武教授等^[2]进行的我国“十二五”高血压抽样调查结果发现，我国18岁以上成人高血压患病率为23.2%，患病人数达2.45亿，心血管疾病危害严重， 并且大部分患者发病前并未得到明确诊断。

血压（Blood Pressure，BP）是心血管疾病最重要的可预防因素。高血压的早期预防和管理是提高全世界人民健康水平的主要和最有效的手段。健康的生活方式、评估血压水平等有利于高血压的预防和控制^[3]。目前最广泛使用的无创血压测量技术是柯氏音听诊法和示波法。柯氏音听诊法使用充气袖口阻断动脉血流，直到动脉完全闭塞，之后袖口被慢慢地松开，当血液开始流过动脉时，可以听到第一个撞击的声音，此时的压力即收缩压，当袖口压力进一步释放时，就听不到声音，此时即为舒张压。由于听诊法是一种无创、简便、安全的方法，尽管由于观察误差和方法误差的影响，并被公认为临床测量的“标准方法”。示波法用充气袖口阻断血流，之后使用校准的电子压力传感器来监测袖口内的压力振荡。这种方法也是无创，容易，安全，主要用于自动无创血压装置，如电子血压计。

Ohasama 研究^[4]和Dublin研究^[5]揭示了动态血压(Ambulatory Blood Pressure，ABP)尤其在预测心血管死亡率方面的变异性超过临床血压。越来越多的研究证实了动态血压监测的临床意义，并建议 ABP 作为诊室血压的辅助手段^[6]。此外，ABP监测已被证明预测心血管事件和更有效地评估降压治疗对靶器官损伤的影响^[7]。常用的测量方法由于方法限制，在连续无创血压监测中造成患者不舒适，目前迫切需要以更便捷的方式进行动态和连续血压监测^[8]。然而，一些生理信号会根据血压水平发生变化^[3,9]，例如心电图 (Electrocardiogram，ECG) 和光电容积脉搏波(Photoplethysmography，PPG)。生理信号的形态变化主要反映心脏和血管系统功能状态的变化，因此，PPG的形态学信息可用于评估高血压^[10]。因此，探究基于PPG的无袖带动态血压监测方法研究得到了学界的广泛关注。

由发光二极管 (Light-Emitting Diode ，LED) 和光电探测器组成的PPG传感器由于其低成本、紧凑的尺寸和易用性已被各种可穿戴式设备广泛采用^[11]。这可以使PPG传感器连接到人体或动物身体的任何部位。PPG是一种测量活体组织中的血管吸收或反射光量的方法。PPG信号的搏动成分与动脉内血容量的变化有关并与心跳同步，而非搏动成分是基本血容量、呼吸、交感神经系统和体温调节的函数。通常在基于PPG的血压测量中，BP值是根据动脉的脉搏传导时间 (Pulse Transit Time，PTT) 估计的，它被检测为ECG和 PPG信号之间的时间间隔^[12]或近端和外周PPG信号之间的时间间隔^[13]。血压的升高使动脉壁变硬，脉搏波速度增加，因此可由PTT推导得血压。这种方法更加舒适，适合连续监测，不需要专门培训医务人员处理心电图和PPG信号。

尽管大多数PTT研究都采用了先进的信号处理技术，但还没有充分考虑到被测心电图和PPG信号的非线性和非平稳特性。本文基于希尔伯特-黄变换(Hilbert–Huang transform，HHT)对ECG和PPG信号进行处理，并将其应用于各种PPG特征点，以确定哪些指标具有较高的相关性，为了评价其性能，使用了公开数据库中公开提供的连续心电图、PPG和血压波形。

 

2 信号处理

考虑到血压具有非线性和非平稳性的特点，希尔伯特-黄变换(HHT) 与傅里叶变换相比更好。在传统的傅里叶分析中，频率由跨越整个数据长度的正弦和余弦函数来定义。这样的定义对于非平稳数据来说是没有意义的，因为非平稳数据中的变化会随着时间的推移而发生。而基于Hilbert变换的方法可以解决这一问题。

2.1希尔伯特-黄变换

HHT 是一种结合经验模态分解 (Empirical Mode Decomposition，EMD) 和希尔伯特变换的两步算法。复杂的信号被分解为有限数量的固有模态函数 (Intrinsic Mode Function，IMF) 分量，因为大多数时间序列涉及不止一种振荡模式，然后通过希尔伯特谱分析创建分解数据的能量-频率-时间分布。IMF是具有相同数量的过零和极值以及分别由局部最大值和最小值定义的对称包络的函数。 所有数据都应该在上下包络之间。 与基于傅里叶变换的技术不同，该方法不是基于恒定幅度和频率的简单谐波分量，而是将信号分解为沿时间轴的可变幅度和频率固有振荡的简单振荡模式

第一步，在基本假设信号至少有两个极值的情况下，使用EMD方法提取 IMF，并将其指定为筛选过程。系统筛选过程描述如下：

步骤1：一旦识别出信号 )的所有极值（最大值和最小值），然后使用三次样条线计算得最大值以构造上包络 ；以同样的方式获得下包络线 。

步骤2：计算上包络线和下包络线的均值， 。

步骤3：计算差值， 。

步骤4：现在取 作为新信号，重复前面的过程，直到 变成一个零均值过程。该信号被指定为第一个固有模态分量 。

步骤 5：为了确保IMF分量在幅度和频率上都具有物理意义，从两个连续的筛选结果计算的标准偏差 (SD) 用作停止筛选程序的标准。阈值通常设置为 SD 为 0.2 或 0.3。

步骤 6：从原始信号中分离出 和残差， ，用作新信号。重复筛选过程以获得第二个固有模态分量。

步骤7：重复上述过程以获取所有IMF。 当预定值或残差是只有一个最小值或一个最大值的单调函数时，可以停止这个过程。

假设有n个IMF分量和1个残差，则原始信号可以表示为

   

将输入信号分解为IMF的逻辑流程图如图1。一旦得到所有IMF分量，就可以直接将Hilbert变换应用到每个分量上，并得到瞬时频率x。在对每个IMF组成部分进行Hilbert变换之后，可以求得瞬时频率与瞬时幅值，进而确定特征点。

 

图1 EMD算法流程图

3 算法及实验

3.1 PTT测量

HHT算法用于分析ECG和PPG信号。由于PTT的定义是从心电图的 R 波峰到 PPG 的特征点的时间段，因此数据的时间实例是感兴趣的。采用 HHT 算法的第一步 EMD 方法将信号分解为 IMF，然后进行希尔伯特谱分析ECG的R波和PPG波峰及波谷。

按定义，PTT是同一心动周期中心电图R波峰与PPG特征点之间的时间间隔。许多先前和正在进行的基于 PTT 的血压估计研究已经研究了不同的 PTT 测量点并揭示了不同的结果^[14,15]。如图所示，测试PTT的三个不同测量点：PPG波形的峰、中、脚，分别定义为PTT-peak、PTT-middle、PTT-foot。PTT-middle为最大导数点。

 

图2 PTT的定义

3.2 血压计算

尽管公认 PTT 与血压高度相关，基于PTT的BP估计模型有线性到对数再到平方反比等^[12,16,17]。在各文献中使用的不同模型中，本文采用最常见的形式为BP=a PTT+b的线性模型并不是因为它们提供了更好的性能，而是因为它们可以观察到对非侵入性波形中典型的伪影，具有更强的鲁棒性。采用最小二乘算法确定未知系数a和b，作为标定过程。

本文采用MIMIC II数据库中的ECG和PPG数据，这个数据库是一个免费使用的数据库^[18]，包含成千上万的重症监护病房患者，收集并记录动脉血压，ECG和PPG。在数据采集过程中，出现了一些异常和噪声的记录，如峰值丢失、无信号等。这些记录在本研究中被排除在外。由于MIMIC数据库中记录了实际血压值，因此可以将基于PTT方法的估计血压结果与实际血压值进行比较。根据美国医疗器械协会对BP估计的要求，两者对于收缩压（Systolic Blood Pressure，SBP）SBP 和舒张压（Diastolic Blood Pressure，DBP）估计误差的平均值绝对值必须低于5 mmHg，误差的标准差必须低于8 mmHg。

 

3.3 血压校准

当检测到PTT值时，当该方法用于血压估计时，首先进行原始校准。对于可接受的结果，原始校准需要大约100个PTT测量值。最小二乘算法是一种流行的统计方法，在许多应用中得到了广泛的应用。它将误差的平方之和降到最小，从而达到近端值。本文采用最小二乘法实现了原始标定。程序说明如下。未知系数a和b被聚集到矩阵中。

 

 

 

4 预计结果与讨论

实验结果得到PTT与SBP和DBP有较强的相关性，说明该方法是一种较为准确的无创无袖血压测量方法。使用希尔伯特-黄变换可以提高对特征点选取的有效性。然而，对于不同的PTT特征点的选取得到的实验结果不一致。根据先前的研究结果，其中PTT-middle在最大限度地减小误差标准差方面是最好的。许多基于PTT的血压评估研究没有在相同的数据集上进行测试。为了验证其他不同的算法，可能需要对标准数据库进行可重复的评估。

以下图是SBP的95%置信区间与95%预测区间与真实记录SBP的比较图。

 

图3 SBP的95%置信区间与95%预测区间与真实记录SBP的比较图

以下图是DBP的95%置信区间与95%预测区间与真实记录DBP的比较图。

 

图4 DBP的95%置信区间与95%预测区间与真实记录DBP的比较图

以下图是平均血压（Mean Blood Pressure，MBP）的95%置信区间与95%预测区间与真实记录MBP的比较图。

 

图5 MBP的95%置信区间与95%预测区间与真实记录MBP的比较图

以上实验是基于PTT-peak为特征点得到的结果，但是对于PTT-foot或PTT-middle作为特征点的实验未做，不能做更多的比较。

5 总结

本研究利用信号处理技术，探索了一种基于心电图(ECG)与光密度图(PPG)之间脉冲传输时间(PTT)的无袖无创血压估计方法。应用希尔伯特-黄变换(HHT)算法对心电和PPG数据进行分析，得到PTT-peak为特征点的PTT值，并进行了血压估计。然而在后续的研究中应该使用PTT-middle、PTT-foot或者其他研究中使用的不同测量点的PTT值用于估计血压，进而比较出更好的特征点。对血压估计算法，也应使用更多不同的方程与或者深度学习方法，从而进行比较，得到更好的血压估计方法。