连续血压评估基于两个域融合模型

文摘

血压(BP)是一种生理健康的不可或缺的元素特征和重要指标预测和诊断高血压和心血管疾病。本文提出了两个域融合模型来估计英国石油不断从脉搏波与压力传感器获得。方法。最优的外部压力应用于压力传感器是第一个决定为了捕捉桡动脉脉搏波。捕获的脉搏波在时间和频率域处理通过过滤和快速傅里叶变换。最后,一组特征提取这两个域和输入神经网络以及由商业血压计测量血压值进行训练。然后测试新数据模型精度评价。结果。提出的两个域融合方法实现高精确度的测量血压。

1。介绍

据美国医学杂志》上,在1990年至2015年之间,血压(BP)的速度大于140毫米汞柱从17307/100000到20526/100000上升和相关的死亡率从97.9/100000到106.3/1000001]。诚然,BP异常可以导致心脏负担,从而增加心血管疾病的风险(2,3]。测量血压的传统方法是将上臂上的袖口,然后检测袖带内的压力变化在通货膨胀和通货紧缩获得收缩压(SBP)、舒张压(菲律宾)。然而,这种方法会阻碍血液循环,而不是用于连续BP测量。

近年来,取得了很大的进步在无创连续BP测量。一项研究发现英国石油公司和脉冲之间的负相关交通时间(PTT) [4,5]。但这种方法需要额外的心电图(ECG)模块,这为便携式血压测量带来了复杂性和不便。吴等人只使用心电图信号估计英国石油公司。他们花了6个心电图的特点和计算时间之间的相关特性。两组ECG信号包含4时间组合和输入到BP神经网络进行训练。然而,这种模式不能同时获得BP和与目标值相比明显不同(6]。其次,PTT与收缩压有显著相关性但小与舒张压的关系(7]。许等人用PTT和photoplethysmogram (PPG)参数估计的血压。PTT定义他们之间的不同时间后的心电图R波和脉冲峰值的分。他们把脉搏波振幅、PTT、脉冲波的周期,和区域作为参数发送到一个前馈反向传播神经网络进行训练。尽管错误可以在5毫米汞柱,需要校准之前输出(8]。罗等人的低功耗(3 nW)的压阻传感器(PS)设备和测量BP PTT但还需要临床使用单一参数标定的初始值9]。

压电传感器与传感器技术的进步,如今变得足够敏感,揭示了脉搏波形态特征。然而,在使用、压电传感器需要一个外力之间的压力平衡探测器和软组织10]。为了找到合适的应用于每个个体的力量,本文提出一种方法来使用体重指数(BMI)来量化平衡,找到一个适合每个人的压力。这将是本文第三部分的解释。

我们的目标是开发一个稳定、高效的连续血压测量系统,不需要用户校准,使用患者高血压、心血管疾病或其他疾病持续BP监控。本文的组织结构如下:在部分2脉搏波的传播的背景。节3两个域融合模型和它的使用人工神经网络(ANN)阐述了。部分4实验结果显示,部分5该方法提供了一个讨论和结论。

2。背景

图1显示脉搏波和血液传播。心脏射血时完成,中央主动脉形成一波(# 1),这是反弹并生成一波反弹(# 2)在第一个反射传播网站(动脉节点之间的胸主动脉、肾动脉)。反弹波将再次反弹,产生一波(# 3),当第二次反射波(# 1)到达现场(动脉节点之间的腹主动脉和髂动脉)。最后,两个波反弹(# 2和# 3)将安装在主波有一定的时间延迟,然后沿着血管传播桡动脉或指尖动脉(11]。

如图2,脉搏波的特征主要包括(b) - (g)。(b) - (e)点对应于脉搏波的起点,主峰,槽点,之间的峰值叠加产生的第一波反弹(# 2)和主波(# 1)。f和g点是由之间的叠加形成的第二波反弹(# 3)和主波(# 1)。注意,在一个年轻人有良好的血管弹性,反弹波可以软弱,它可以淹没在主波和波形中不可见。

为了准确识别脉搏波的特征点,脉搏波需要获得高信噪比(信噪比)和不失真。脉搏波的检测特征点在下一节中所示。

3所示。方法

3.1。脉搏波检测

有两个主流的脉搏波检测方法。一个是photoplethysmogram (PPG),另一个是应用压电传感器在桡动脉(PS)。分,光通过指尖发出一个光电二极管,手腕,或喜欢,和动脉内的血液吸收光线,导致光强度的变化,这样的血液量的变化可以被探测到,因此获得脉搏波。分的脉搏波信号弱,其信噪比收购这个方法通常不高。此外,如果一个病人动脉闭塞,组织水肿和血凝块,心律失常,或弱末梢循环,这个方法将显示相当大的偏差。在PS,上方压力传感器应用于皮肤直接桡动脉和记录脉冲。信号通常具有更好的信噪比。因为一个是间接测量,另一个是直接测量,收集的波形特征这两个是不同的,我们已经发现,PS提供了更多的细节,因此更多的信息,比ppg的脉冲波形。

数据3(一个)和3 (b)从25岁的心律失常,脉冲波,分别收集的分和PS。在图3(一个),所有的山峰,除了主峰都淹没由于不规则的心跳。相比之下,有三个山峰除了主峰图中清晰可见3 (b)。数据3 (c)和3 (d)是正常的分和PS波形从一名26岁的女性。可以看出,虽然分可以检测脉搏波(注意第二高峰是水下),第三峰和主要峰的比值大于预期。PS另一方面有更好的表示真正的脉搏波。因此,我们将使用PS作为我们的研究脉搏波测量的方法。

3.2。最佳的压阻压力传感器

至于血波形测量的压力传感器,我们选择霍尼韦尔1865系列(美国霍尼韦尔,堡垒机)。压阻传感器,采用固态piezopressure传感器安装在一个塑料包和提供高分辨率使用其惠斯通电桥应变仪设计。它的目的是准确地收集微小的生物信号具有良好的线性度,测试精度高,快速响应。使用它来准确地检测脉动引起的压力变化。

传感器应用在桡动脉与一个特定的外部压力来获得的脉冲波通过检测的跳动浅动脉表面的皮肤。在实际测量中,同一个人的压力可以在不同的时间不同,导致不同的波形为同一个人,可能在英国石油公司的估计错误。因此我们需要找到一个常数和最优压力应用到传感器为每个单独的。不幸的是,对这个问题的研究仍相对有限。我们将解决这个问题之前,首先我们进入两个域融合模型。

由于外力作用于传感器主要是应对压力的软组织的弹性,我们假设个体的最优压力取决于个人的物理措施,如高度或肥胖。我们已经这样做了很多实验显示的确是这种情况。当一个力是应用于检测单元和不同从小型到大型,传感器探头形式下的软组织力场。如果压力传感器的探头和桡动脉的动脉壁在接近平衡,脉搏波的形状和特性是最明显的。相应地,我们定义的压力脉搏波的产生最详细最优压力(OP)捕获脉冲波。诚然,如果你想要不同的OP对于不同的人来说,你需要依靠一些指标量化桡动脉上方的软组织厚度。由于这个原因,我们选择的身体质量指数(BMI)。

图4(一)显示了本文中使用的压阻传感器。它配备了一个自制的套管和探针(接触点或提示)和信号处理板。数据4 (b)- - - - - -4 (d)3.8脉冲波在压力2.3 N, N,分别和14 N。在2.3 N,脉搏波的振幅小,功能尚不清楚。相反,脉冲及其特性在3.8 N是显而易见的。然后在14 N,脉搏波与严重的基线转移和波形重叠扭曲。为了得到OP,我们收集了每个人在不同的外部压力脉冲波。的步骤如下:

步骤1。找到地方的桡动脉搏动。将传感器探头。

步骤2。放置一个压电薄膜(Tekscan A201,波士顿,美国)探头和皮肤,调节手腕乐队平均压力读数2 N,并将20组压力值存储在500毫秒的周期。然后,提取压电薄膜和测量脉搏波。

步骤3。重新插入压电薄膜在每个测量。增加压力,0.5 N,重复步骤2。停止当压力达到14 N。

步骤4。找到一组与理想的振幅和脉冲波的特性和使用中值滤波以适应相应的压力测量基线的电影。

第5步。找到价值最大的压力值和基线的区别和记录的价值基准。

步骤6。重复以上步骤为30人,然后使用BMI和基线值在步骤5中执行一个三阶多项式适合OP曲线,在体重指数是由以下方程: 在图5 (b)当体重指数小于24日,OP曲线基本上是线性的。这展览一个饱和的趋势时,体重指数超过24。诚然,BMI超过24在中国被认为是超重的12]。因此,我们可以得出结论:当BMI低于24,OP与体重指数曲线是线性的。OP然后由以下方程:

3.3。两个域融合模型

脉搏波收购后,我们现在搬到两个域模型。脉搏波的分析和分解到目前为止的文献基本上是在一个单一的域,即在时域或频域。Millasseau等人获得广义传递函数(GTF)快速傅里叶变换来分析分和外围压力脉冲。他们发现GTF不仅适合正常血压和高血压,甚至添加一些硝酸甘油(NTG、500毫克舌下)血(13]。然而,他们只研究了外围压力脉冲分析但没有血压评估。兴等人分解了脉搏波在频域中,发现血压高相关性与快速傅里叶变换的振幅和相位也有很好的相关性在低频部分14]。

在时域中,每个形态的脉搏波可以反过来相关生理特性相关的弹性动脉和心脏收缩的能力。基于这些特征可以获得血压。在图6,波将被分解成7在时域特性。

为了防止混乱的识别几个脉冲波的周期特性,我们提取特性只在一个脉动周期,然后确定其他特性在其他脉动周期相同的方式。

在每个收缩,心脏射血的数量是不同的。血液通过动脉波传播,最终反映在收缩期峰值的振幅(15]。外周阻力变化与动脉的直径和血液的粘度,影响脉搏波(16]。如果远端血管的弹性较高,反弹波的峰值会相对较低,而叠加在主峰的位置会改变之间的面积之比收缩压和舒张压点,进而影响血压(17,18]。此外,血管对PTT弹性的影响。主峰之间的时间的比率和其他山峰可以不同如果动脉硬化,组织水肿,凝块体内发现(19]。时域关注功能从单一,如每个峰的比率在一个脉冲波,而beat-to-beat变化将考虑在频域。图7和表1展示的面积S1(心脏收缩)和S2(心脏舒张)和其他相关参数在时域。

在频域,如图8有实质性的振幅组件在0.3赫兹,1.2赫兹,2.4赫兹,4.8赫兹,等,快速傅里叶变换(FFT)后的脉冲波,但振幅衰减迅速甚至几乎淹没在10赫兹。在这种情况下,0.3赫兹的频率应该呼吸,心率1.2赫兹,和其他人的多个心率。它可以得出结论,脉搏波的主要组件在频域重叠的倍数或谐波频率的心率和心率附近的频率。振幅分量对应的频率在频域脉波对应于每个频率的能量范围。为了提高准确性和稳定性,本文对五个完整的脉动周期执行FFT为更好的采样频率。在频域特性的振幅和相应阶段前三个特征峰和表中列出2。至于其他点,它们的振幅小,可能会干扰脉冲波噪声。

域连接在一起和加工特性,结合高精度的时域和频域的稳定性更好的dual-domain融合模型。下面给出实验细节。

3.4。实现

拟合后获得OP为每个人根据他们的BMI,一群受试者接受测量脉搏波在早上,下午,晚上3天。此外,每个测量伴随着英国石油公司获得的商业医疗上臂血压计(Yuwell 670 b、江苏、中国)。脉搏波的特征和英国石油公司都送入监督学习的神经网络。流程流图所示9和描述如下。

步骤1。收集实时脉搏波数据然后形状和过滤脉冲波。

步骤2。分解脉搏波在时间和频率域。

步骤3。重建和融合特征在时间和频率域。

步骤4。执行意味着转移和重组功能正常化。

第5步。把加工特性神经网络获得SBP和菲律宾。
注意在两个域融合模型,融合了神经网络的输入电平。我们第一次完全从时间和频率域特征分别形成两个向量,然后组合成一个数据矩阵输入神经网络进行训练。额外的标签矩阵记录真实的血压测量的商业血压计作为训练目标。结合神经网络然后遍历特性数据,生成的重量对应于每个特性。最后的训练模型将包含所有时间和频率特性系数,从而实现两个域融合。
本文采用拟牛顿方法更好的训练收敛速度。神经网络是一种前馈反向传播安有12个输入点,30单隐层节点,2输出节点。所有12输入网络的特性提取时域和频域。这种类型的网络的主要优势如下:(1)它是健壮的。输入了一个错误,没有损害其他输入。(2)它可以用数学证明了一个三层网络可以与任意精度逼近任何连续非线性关系。(3)它有很强的自适应学习能力和输出自适应学习内容的权重网络(8,20.]。为了验证培训结果,数据随机分为70%,15%,和15%,用于培训、验证,分别和神经网络的测试。安图所示的结构10,在那里x₁来x_n表中列出的空间和频率特性吗1和2。
此外,神经网络的隐层节点的数目是定量分析研究有效性后隐层神经元的数量一直在增加。结果表明,很少有增加的准确性有30多个隐层节点。此外,准确度增加0.01毫米汞柱,训练时间增加一个数量级的50网络隐层的神经元。因此,我们选择使用上述参数为安。

4所示。实验结果

共有30名志愿者参加了实验,和1231脉搏波测量数据。为了提高血压评估的准确性和稳定性,我们收集了脉冲波在一个周期。此外,我们构建了一个阈值矩阵,以防止任何参数,如周期和振幅,超过阈值范围,在数据被认为是异常和丢弃。英国石油公司的培训和拟合结果如图所示11。

训练时自动停止了大约200次迭代后验证错误变得最小。总误差在±2毫米汞柱根据直方图(图的错误11 (d))。为了验证模型的性能,我们使用了15%的数据之前搁置和测试它。发现输出和目标价值观高度线性相关。

此外,我们也将我们的模型结果与传统的单极模型。单极模型的性能不如我们的两个域模型。如图12,误差±3毫米汞柱和±9毫米汞柱在时域和频域,分别。

5。讨论和结论

实验表明,压阻传感器可以很好地检测脉搏波的特征复杂的因素,如心律失常和以下优于分。存在一个最优的约束压力压阻传感器,它可以回到BMI相关的不同的人。

考虑到时间域模型测量脉搏波数据时是不稳定的,但一个高精度贡献BP和分解的频域模型是稳定的脉冲波,本文提出的两个域模型不仅保留了时域模型的精度高但也集成了频域模型的稳定性。实验的时间和频率域和两个域组合进行比较。结果表明,连续血压评估基于两个域模型可以给英国石油公司与比单极模型更高的精度和稳定性。

然而,这项研究有局限性。例如,训练和测试样本大小还小,不够多样化。受试者分为训练和测试组,即。,data from all subjects were mixed together and then divided for training and testing, which could introduce internal correlation. In addition, the features we choose to extract and use may not be the best to represent the underlying mechanisms of BP, and the number of features may not be the best. In the future, we will continue to optimize the feature selection in both the time and frequency domains and plan to enlarge the sample space and amend the method of data splitting for a more rigid evaluation study.

数据可用性

生成的数据集和分析在当前研究可从相应的作者在合理的请求,没有违反参与者保密。

的利益冲突

作者宣称他们没有利益冲突有关出版的手稿。

确认

这项研究的部分支持由国家自然科学基金委的资助11805263,格兰特2018 k058b从江苏省博士后基金,中国第五届江苏省333工程。

引用

1. g . a . m . h . Forouzanfar p . Liu罗斯et al .,“全球高血压和负担至少110 - 115毫米汞柱的收缩压,”《美国医学会杂志》,卷317,不。2、165 - 182年,2017页。视图:出版商的网站|谷歌学术搜索
2. ,r·克拉克名为美国莱文顿n . Qizilbash r·皮托r·柯林斯和前瞻性研究协作,“平时血压的相关性血管年龄死亡率:一个荟萃分析个人数据在61年为一百万名成年人的前瞻性研究,“《柳叶刀》,卷360,不。9349年,第1913 - 1903页,2002年。视图:出版商的网站|谷歌学术搜索
3. r·阿加瓦尔j . e .账单,t·j·w·赫克特和r p光,“家庭血压监测的作用在克服惯性和改善治疗高血压控制:系统回顾和荟萃分析,“高血压卷,57号1,第29,2011页。视图:出版商的网站|谷歌学术搜索
4. l·a·戈德斯·m·h·沃兹c·f·巴伯j . d . Bourland和w·a .敲平头钉的“脉冲渡越时间的indicatoro动脉血压,”心理生理学,18卷,不。1,第74 - 71页,1981。视图:出版商的网站|谷歌学术搜索
5. y崔、张问:和s . Ko,“无创血压无卷边袖头估计使用脉冲渡越时间和简要地变换,“电脑和电子工程,39卷,不。1,第111 - 103页,2013。视图:出版商的网站|谷歌学术搜索
6. c·m·吴c . y .壮族y . j . Chen和s c·陈,“一个新的估计非侵入性技术连续血压测量心电图仪的基础上,“机械工程的发展,8卷,不。6、文章ID 168781401665368, 2016。视图:出版商的网站|谷歌学术搜索
7. m . f . O’rourke“动脉脉冲的时域分析在临床医学中,“医学和生物工程和计算机卷,47号2、119 - 129年,2009页。视图:出版商的网站|谷歌学术搜索
8. z, j·刘,x, y,和z赵,“连续血压评估基于多个参数从eletrocardiogram photoplethysmogram通过bp神经网络,”计算机在工业领域,卷89,不。50 - 59岁,5,页2017。视图:出版商的网站|谷歌学术搜索
9. n .罗•戴(george w . bush), c·李et al .,“柔性压阻传感器补丁使超低功率无卷边袖头血压测量,”先进功能材料,26卷,不。8,1178 - 1187年,2016页。视图:出版商的网站|谷歌学术搜索
10. j·李”,脉搏波分析在不同压力下”,硕士论文,燕山大学秦皇岛,中国,2015。视图:谷歌学术搜索
11. m·c·巴鲁克·d·e·r·沃伯顿s . s . d . Bredin a . Cote d . w . Gerdt和c . m . Adkins,“脉冲分解分析数字在出血动脉脉搏的模拟,“非线性生物医学物理,5卷,不。1,p。2015。视图:出版商的网站|谷歌学术搜索
12. 周,中国人民的肥胖标准,“受欢迎的医学,卷206,p . 2002。视图:谷歌学术搜索
13. s . c . Millasseau f . g . Guigui r·p·凯利et al。”的无创性评估数字量的脉搏,“高血压,36卷,不。6,952 - 956年,2000页。视图:出版商的网站|谷歌学术搜索
14. x星和m .太阳光学血压估计photoplethysmography和FFT-based神经网络”生物医学光学表达,7卷,不。8,3007 - 3020年,2016页。视图:出版商的网站|谷歌学术搜索
15. 黄z元,x, f .粉丝,“photoplethysmogram分析253名正常成年人的不同位置,”湖南中医学院》杂志上,20卷,不。3、1 - 3,2000页。视图:谷歌学术搜索
16. m . Elgendi“指尖photoplethysmogram信号的分析。”当前心脏病评论,8卷,不。1,14-25,2012页。视图:出版商的网站|谷歌学术搜索
17. m .齐藤m . Matsukawa t .浅田和另外,渡边y”的无创性评估动脉硬化的脉搏波分析,“IEEE超声学,铁电体和频率控制卷,59号11日,第2419 - 2411页,2012年。视图:出版商的网站|谷歌学术搜索
18. 朱施p, s, y, j .郑y秋和p . y . s . Cheang“洞察的重搏切迹photoplethysmographic脉冲从年轻人的指尖,“医学工程与技术》杂志上,33卷,不。8,628 - 633年,2009页。视图:出版商的网站|谷歌学术搜索
19. h .宽松,a·w·范伯格,b·m·科恩“动脉脉搏波的研究。”慢性疾病杂志,3卷,不。6,618 - 631年,1956页。视图:出版商的网站|谷歌学术搜索
20. s c高,p . Wittek l .赵和w·j .江“数据驱动的使用photoplethysmographic血压信号的估计,”IEEE学报2016年第38届国际会议在医学和生物工程协会(EMBC)美国佛罗里达州奥兰多,,2016年8月。视图:谷歌学术搜索

版权

版权©2018王谦等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。