基于ECG与PPG信号的无袖带血压测量方法研究

季芳 韦传敏 胡燕娴 康涛 许广宁 孙晋红 郭嘉杰

1 广东省食品药品监督管理局审评认证中心 （广东 广州 510000）

2 深圳市长桑技术有限公司 （广东 深圳 518000）

内容提要： 正常人血压应低于140/90mmHg（收缩压/舒张压），高于此标准即为高血压。高血压病容易并发冠状动脉粥样硬化性心脏病（简称，冠心病）、脑血管意外、肾功能衰竭等，是最常见的慢性病。目前对血压的监测多采用柯氏音等间歇测量法，这种方法只能得到人体某一时刻的血压值，很难进行实时监测。为了对高血压患者的血压进行实时监测，市面上出现了可以连续测量血压的方法和设备。连续性血压测量可以一天24h对血压进行监控，不需要医生的参与，对高血压病患者长期服用降压药的效果起到良好的监督作用，为临床诊断及后期治疗提供了更加充分的依据。本文研究了基于ECG和PPG信号的无袖带连续性血压测量方法的可操作性和测量准确性。该方法结合了基于大量训练数据的大数据分析方法和基于个体标定数据的个性化预测分析方法。其中，大数据分析方法通过远程服务器实现，然后将结果发送到智能手机App上进行显示；个体的血压计算可以在手机上实时离线完成。通过对91名受试者进行测试，测量结果满足标准AAMI SP10和IEEE 1708的要求，研究结果表明该方法可准确预测收缩压（SBP）和舒张压（DBP），实现了血压的实时监测，且操作简便。

传统的听诊法使用水银血压计听取柯氏音进行人体血压的测量，该方法被称为测量血压的金标准，但需要经过专业训练的医生或护士来操作。家用的电子血压计采用示波法间接测量血压，不需要医生或护士就可以自己在家测量血压。这两种方法均需要使用加压袖带对上臂进行加压，不易操作，且只能间断性检测血压，不能实现血压的连续测量，无法监测短时间内血压的变化值[1]。此外，袖带加压会给使用者带来不适感，也会间接影响到患者的血压值[2]。

本文介绍一种无袖带连续性血压测量方法，该方法利用血压变化的临床生理特征和血流动力学原理，通过采集光电容积脉搏波（PPG）信号和心电（ECG）信号，基于大量的训练数据使用统计学和预测分析学方法，用现代统计技术实现血压的动态监测。

1.资料与方法

1.1 临床资料

人群：样本大小为n=91，其中男性46人（50.5%），女性45人（49.5%），平均年龄（46.0±14.5）岁。平均收缩压（SBP）为（121.1±23.5）mmHg，平均舒张压（DBP）为（76.6±14.2）mmHg。这些受试者中，25.3%的受试者收缩压低于100mmHg，12.1%的受试者收缩压高于160mmHg，13.2%的受试者舒张压低于60mmHg，12.1%的受试者舒张压高于100mmHg。受试人群的分布，符合AAMI和IEEE标准对可穿戴血压计测试人群的要求。

仪器设备：光电传感器脉搏波探头、心电传感器、无袖带血压信号采集设备、智能手机等设备。

1.2 方法

测试方法：①将光电传感器脉搏波探头夹在指尖采集指尖脉搏波信号以获取光电容积脉搏波（PPG）（如图1所示）。②在上肢前臂放置心电传感器获取心电信号（ECG）（如图2所示）。③所有的测量传感器都与无袖带血压信号采集设备连接，并且信号由无袖带血压信号采集设备内置的信号处理器进行处理。PPG和ECG信号的采样率为250Hz。每次血压测量，都需要获取到20s的信号数据，经无袖带血压测量系统设备上的0.5～40Hz带通滤波处理。④处理过的信号被传输到智能手机（通过蓝牙同步），然后智能手机上App内的预测分析模型计算可获得血压值（SBP和DBP）。

图1. 指尖脉搏波形收集图示

图2. 心电信号采集传感器放置位置

图3. 信号处理基本流程图

信号处理基本流程图，见图3。

测试时间：第1天，对受试者进行标定。后续几天，每位受试者用本研究的设备和水银血压计（用作对比值）分别进行三个姿势的血压测量（坐姿，卧姿和站姿），连续测量7d。

2.数据采集和处理

该血压测量方法依赖于大数据分析产生的血压预测模型。大数据的建立是通过测试10000名受试者的血压获得训练数据，该训练数据包括真实的血压值（由经过训练的护士用水银血压计测得）和对应的ECG与PPG信号，血压预测模型由大数据的训练数据获得。考虑到不同个体血压测量存在差异，本研究采用了一种广义的线性混合模型框架。在选择血压预测因子的时候，合并了测量到的脉搏传导时间（PTT）和PPG波形的其他特征参数。用三种PTT计算方法，包括QRS波群（ECG）峰值点到PPG波形的起始点的时间、QRS波群（ECG）峰值点到PPG波形上升沿最大斜率点的时间和QRS波群（ECG）峰值点到PPG峰值点的时间（如图4所示）。特征的提取是基于对PPG波形即加速度脉搏波分析获得（图5所示）[4]。从ECG和PPG信号上总共获取到几百个特征参数可作为血压的预测因子，这些参数包含了各个方面的PPG波形特征，以及PPG和ECG的关系特征。在做数据训练时，采用了自动变量筛选方法来确定可用作有效血压预测的变量子集。最终筛选出大约60个变量用于预测模型，其中也包括不同的PTT估计值。

图4. 获取PTT相关信息

图5. PPG原始信号及加速度脉搏波（二阶差分）信号（上图为原始信号）

数据处理的另外一个显著特征是通过标定数据，使血压预测模型个性化。标定时，首先测量ECG和PPG信号，然后马上使用水银血压计测量血压值。与标定信息合并，模型可以得到更高精度的个性化预测结果。个性化的标定，只需要在新的测试者第一次使用这套系统时做一次即可。

3.研究结果

图6. 测量偏差（无袖带 BP-真实BP）Bland-Altman分析图（上图为SBP，下图为DBP）

7d测量的统计结果如表1所示，可以看到结果很稳定。图6为两种测量结果的Bland-Altman分析，可以看出研究设备和水银血压计测量的结果高度一致，两种设备偏差值位于95%的一致性界限（Limit of Agreement，LoA）内的数据量超过样本量的95%。

4.结论

通过对91名受试者进行测试，测量结果满足标准AAMI SP-10和IEEE 1708的要求，研究结果表明该方法可准确预测收缩压（SBP）和舒张压（DBP），实现了血压的实时监测，且操作简便。

表1. 标定后7d测量的绝对平均偏差(＜7),平均偏差(＜5)和标准偏差值(＜8)(mmHg)