文摘

高血压的预防、评估和治疗近年来吸引了越来越多的关注。photoplethysmography (PPG)技术已广泛应用于可穿戴传感器、血压(BP)的非侵入性评估使用分方法得到了相当大的兴趣。本文的方法而且舒张压和收缩压估计仅基于PPG信号。球的方法(MTM)是用于特征提取,和一个人工神经网络(ANN)是用于估计。与以前的方法相比,该方法获得更好的准确性;平均绝对误差为4.02±2.79毫米汞柱的收缩压和舒张压BP 2.27±1.82毫米汞柱。

1。介绍

血压(BP)的驱动力是通过血管和血液的流动反映了人体的心血管健康。目前,高血压是心血管和脑血管疾病最重要的危险因素,确定由世界卫生组织(1]随着老年人死亡和残疾的主要原因。高血压控制不好会增加心脏病发作的风险,中风、肾衰竭和心力衰竭。

表1列表的分类标准成人高血压(> 18岁)。一个正常的英国石油公司一个成年人是120/80毫米汞柱。收缩压(SBP)之间的140和159毫米汞柱,舒张压(菲律宾)定义为90和99毫米汞柱之间的第一阶段高血压,而第二个阶段是SBP超过159毫米汞柱时,或高于类似99毫米汞柱2]。

入侵英国石油(BP)测量精度最高的几种方法可用于测量英国石油公司,但它不是广泛应用,因为它的难度和风险很高。使用Korotkoff声音估计SBP和菲律宾是另一个听诊的测量,这已被广泛接受为黄金标准(3,4]。尽管它高度的准确性和可靠性,听诊的方法并不适用于家庭血压测量(HBPM) [5),因为它需要treained专业(6]。此外,水银血压计是逐步从临床使用6]。示波的血压测量已成为越来越受欢迎的在自动血压测量设备(7]。这种方法使用一个电子压力传感器观察压力振荡在袖口,在其逐步从上面通缩SBP类似以下。振荡幅度增加其当袖口压力达到最大值的平均动脉压,然后逐渐减少后续袖口的通货紧缩压力(8]。然而,它不能提供连续beat-to-beat BP测量周期特性,它不适合家庭医疗保健或缓解临床医生在医院的工作负载。

无卷边袖头BP测量,脉冲传输时间(PTT)方法和photoplethysmography (PPG)是广泛使用的技术(9]。PTT的定义是动脉脉冲压力波所花费的时间旅行从主动脉瓣边缘(10),和一些研究人员用它来估计BP间接(11]。然而,有两个参数需要计算PTT、心电图(ECG),分。结果,计算PPT通常需要两个设备获得这两个参数测量心电图在手腕或胸部,从食指和测量分12]。

可穿戴式脉搏传感器基于分变得越来越受欢迎,与十多家公司生产这些传感器商业(13]。利用这一技术,一些研究人员尝试使用只有一个分波形估计英国石油公司。连续分波形和一个分波形如图从模型中提取1。Shin et al。14)提出了一个压力指数(PI)提取单个BP PPG信号估计。腾et al。15]PPG信号的提取四个特征为BP估计找到最优的特性:2/3的宽度脉冲幅度、宽度1/2脉冲幅度,收缩期上行程时间,舒张期时间。这种方法建立了一个线性回归模型,发现收缩压上行程时间和舒张压上行程时间的分波有更高的相关性与英国石油(BP)。然而,测试表明,这种相关性并不总是线性的。高et al。16)开发了一种BP估计使用回归支持向量机方法(RSVM)方法,RBF核函数和离散小波变换,获得更好的性能。

摘要beat-to-beat BP估计的新方法提出了基于人工神经网络(ann)。易et al。17)证明,英国石油公司估计,ann用PTT回归分析相比有更好的性能。方法采用多窗口方法(MTM) (18)获取光谱组件并将它们与PPG信号的两个形态学特征,构成了输入参数。宽表示可能的PPG信号和记者beat-to-beat BP,我们提取信号的多参数智能监控在重症监护(模拟)数据库19,20.)网络训练和测试。给出的结果表明,该方法只使用PPG信号达到更好的性能。图2显示了英国石油公司的示意图说明评估框架。

本文的组织结构如下:部分2描述了模拟数据库的概述,部分3解释的特性从PPG信号中提取和表示体系结构的安,和部分4使用不同的方法显示了结果。最后,结论部分总结了论文提出并简要预测未来的工作。

2。数据描述

模拟数据库是一个多参数集合录音来自90多个ICU病人。在每种情况下的数据包括信号和周期测量从床边监测获得,以及从病人的医疗记录获得的临床资料。录音不同长度;几乎所有人都至少20小时,和许多人40小时或者更多。总的来说,数据库包含近200 patient-days实时信号和相应的数据(21]。

心电图的数据库包含数据(引导我,第三,V) ABP,人民行动党,分,和呼吸信号记录同时125 Hz采样率。在这篇文章中,只有记录提取ABP和分。图3显示了一个示例记录。

总共有58795个有效间隔PPG信号(主题号码是72)和相应的BP值对于不同的人,不同的时间实例。为了避免过度拟合,我们用70%的网络培训,15%的人进行验证,15%的人进行测试。训练数据集呈现给网络在训练和网络调整根据其错误。验证数据集是用来衡量网络泛化和停止训练当泛化停止改善。测试数据集对培训没有影响,所以提供了一个独立的网络性能测量期间和之后的训练。Levenberg-Marquardt算法被选为培训安。在该算法中,训练时自动停止泛化停止改善,所表示的增加验证样本的均方误差。

3所示。ANN-Based BP估计

3.1。多窗口方法

球的方法(MTM) [22)利用频谱的扩展版本表示如下:

在这种情况下,可能包含大量的周期性组件除了底层平稳过程如下: 在哪里是一个零均值平稳过程不一定常数(18]。上述类型的过程,称为中央固定式或条件固定流程,通常被称为有混合光谱(23]。对这些过程,离散正交增量的期望值的过程不再是零,可以计算如下: 在哪里狄拉克δ函数。第二个中央的时刻可以得到如下:

对于混合光谱的过程,第一个的时刻给出了确定的组件,而第二个中央的时刻给出了连续不确定的组件。经典的方法一直集中在二阶矩的估计 ,使连续光谱的组件。然而,第一时刻的估计最初还要求。主要反对经典的方法是基于这样的事实,没有确定性的组件和非确定性的组件之间的分离;虚假的峰值在光谱可以确定为确定性组件没有客观标准区分真实和虚假的行(24]。

MTM的谱估计,一个有用的,但简单的、似然比检测周期的意义组件提供的多窗口的方法。该方法利用多个数据窗口,称为“斯莱皮恩序列”和“离散长球状序列。“他们定义如下: 在哪里N是单个的采样点数分波(采样率为125 Hz),W是频谱带宽,特征值与斯莱皮恩序列相关吗 ,可以计算数值(25]。傅里叶变换后,斯莱皮恩函数可以计算如下:

在这一期间 ,的能量浓度高于斯莱皮恩函数最大值。此外,从所有频率偏差是远离窗口的频率宽度乘以数量的观察,因此这些序列的使用是非常有效的消除窗口泄漏(26]。

MTM计算输入的扩张或特征系数作为第一步,如下所示:

结合上面的方程,的期望值可以得到如下:

在 , 假设 从而忽视了第二项(9),因为高度集中的时间间隔 。

通过最小化剩余当地平方误差,即当 ,可以被估计。平方误差可以描述如下:

给出的结果是如下:

一个F测试可以用来测试为一条线的意义组件 ,和其最大值的位置提供了一个评估的频率。

在这篇文章中,感兴趣的时间几乎是只要数据。因此,一条线组件包括在零频率的估计从(11)是用作另一种均值估计,这将导致保护的连续光谱的一部分在零频率(23]。连续光谱的一部分可以计算如下:

然而,根据(4),光谱重要线附近组件与频率必须重建,减去线组件的贡献如下(27]:

3.2。特征提取

几个光谱和形态学特征是用来描述单一PPG信号。收缩的一击时间(ST)和舒张时间(DT)提出了15作为两个形态学特征。然后使用MTM提取光谱特征。

如图4,单分的优势频率波形主要集中在低频率的间隔(0.1 ~ 10 Hz)。

结果,这种方法试图提取光谱特征区间的低频率(0.1 ~ 10 Hz)。我们计算每0.5,1、2、5、10 Hz区间。然后,我们使用它们分别作为输入来确定最优数量的输入参数,和结果列在表中2截面4。得到最好的结果,当间隔是0.5赫兹,呈现在图5。

总共22个参数,包括收缩压和舒张压部件和光谱特性,用于列车安。

3.3。人工神经网络结构

有各种各样的安对拟合输入数据架构的目标,如反传播、学习向量量化,径向基函数。尽管有良好的性能,这些体系结构需要大量的神经元,不能应用于大训练集的情况下,由于其大量的内存需求。

本文分特性是喂一个多层感知器架构,拥有22个输入神经元(输入参数的数量,如上面提到的)和2输出神经元,同时估计SBP和菲律宾。这个体系结构如图6。

4所示。实验结果和讨论

图7显示错误的直方图,计算之间的区别真正的SBP /菲律宾和安的输出,该方法。之间的平均差和标准偏差估计英国石油和BP−0.0217±4.8950毫米汞柱为菲律宾SBP和0.0975±2.9160毫米汞柱。

为了进一步评估方法的性能,其他两个英国石油公司(15,16]本文选择评估方法进行比较。表3列出了在上面的研究。

正如前面指出的,性能评估有效的从模拟数据库记录和处理在一个MATLAB(美国马MathWorks,纳蒂克)环境。绝对误差和相对误差是用来评估性能,,分别定义为

表2列出了不同数量的输入参数的性能结果,和表4列表的结果性能测试数据库的线性回归,RSVM-based方法,ANN-based方法与不同的特征提取技术。结果给出了绝对误差的平均值和标准偏差和相对误差 ,在参考SBP /菲律宾和估计的值。这个模型的性能评价的一个单一的个体,测试数据分为个人子集通过索引提供的生理网(21),是用来测试性能在每个子集,分别。该方法的估计性能应用于单个个体表中列出5。

与其他方法相比,我们的方法具有更好的性能,可以自信地说,提供一个有效的检测技术,可穿戴设备和移动软件领域的高血压。

5。结论和未来的工作

在这项研究中,我们提出一个非侵入性和beat-to-beat BP方法估计只有从PPG信号决定。MTM用于提取代表特性来提高精度和速度。这是通过使用一个典型结构前馈安。可穿戴的PPG传感器成为一个越来越受欢迎的技术,该方法具有实际意义的大数据解决方案。

根据发展协会医疗仪器(AAMI),设备之间的绝对误差均值和偏差和标准水银血压计可以大于5±8毫米汞柱以及同步阅读同意在10毫米汞柱的数量为95%或更多的录音和85%或更多的在5毫米汞柱同时观察(13,28]。未来的研究将研究如何改善估计算法的效率,尤其是在一个人。我们将把该方法与数据,如病人年龄、性别和以前的医学疾病。混合和自适应的方法也将被考虑。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由2015年中国Grain-Scientific研究专项基金的公共利益(201513002)。