论文部分内容阅读
血压是人体重要的生理指标之一,而高血压是心血管疾病的主要诱因。连续血压检测对于心血管疾病的死亡率具有更强的预见性。近些年连续血压检测的问题在于脉搏波传递时间（Pulse Transit Time,PTT）计算方法不准确以及血压关联因素考虑不全面,尤其是外周血管阻力（Systemic Vascular Resistance,SVR）,至今没有体表连续测量的标准方法,因而几乎没有被研究者考虑到血压计算模型中去。所以,通过体表可测信号来追踪外周血管阻力对于连续血压检测有着重要意义。因此,本文引入了多波长光电容积脉搏波（Photoplethysmography,PPG）,提出了一种基于最小均方算法（Least Mean Square,LMS）的多波长PPG算法,从而提取小动脉脉搏波传递时间（arteriolar Pulse Transmit Time,a PTT）来跟踪外周血管阻力。然而该方法得到的小动脉PTT缺少实验证明,证明其可以反应外周血管阻力,因此本论文还提出了两者关系的实验验证方法。大量研究表明交感神经与高血压有着强烈的联系。交感神经的活动会通过收缩小动脉来影响血压,而小动脉的收缩会增加外周血管阻力。本文设计冷刺激实验和情绪刺激实验,通过交感神经活动的变化验证小动脉PTT和外周血管阻力的关系。近年来,机器学习方法已成为各个领域中的研究热点,许多研究者也尝试将其应用到血压检测的问题中。机器学习的模型构建自大量的数据,泛化能力强,准确度高。然而,基于机器学习的连续血压检测方法通常缺乏生理可解释性,无法对血压模型进行针对性的提升。因此,我们将基于机器学习的方法构建连续血压检测模型,再在其中验证小动脉PTT对于连续血压计算的重要性。本文的主要工作和成果如下:1.提出了一种基于LMS的多波长光电容积脉搏波算法来获得小动脉PTT。本文使用实验室自研的测量设备同时收集多波长PPG信号、心电信号（Electrocardiograph,ECG）和皮肤电信号（Galvanic Skin Response,GSR）数据。由于通过传统PPG方法得到的信号其实是多个血管层对光的反射信号的叠加,如果将其反应主动脉和大动脉管壁的弹性,则存在其他血管层,尤其是小动脉的影响。本文在多波长PPG信号中重建动脉和毛细血管PPG信号,排除其他血管层的影响,从而精确提取小动脉PTT信号和动脉PTT信号。2.设计冷刺激实验和情绪刺激实验证明小动脉PTT与外周血管阻力的关系。冷刺激实验中,在自研测量设备同时收集多波长PPG的同时,采用激光多普勒法监测血流灌注量。情绪刺激实验中,自研测量设备同时采集多波长PPG、ECG与GSR。随后,使用我们在本文中提出的基于LMS的多波长算法来计算小动脉PTT。冷刺激实验中,在冷刺激后的恢复期,小动脉PTT以平均斜率为-0.2080下降,而血流灌注以平均斜率0.7046增加。冷刺激实验的结果说明了小动脉PTT的降低与外周血管阻力下降之间的关系。情绪刺激实验中,20名健康的受试者观看电影片段从而激发了交感神经兴奋,而后采用动态时间规整（Dynamic Time Warping,DTW）距离来评价GSR与小动脉PTT之间的相关性。在情绪刺激过程中,70%的参与者小动脉PTT与GSR的动态时间规整距离中位数显著小于动脉PTT与GSR之间的DTW距离。情绪刺激实验的结果说明了小动脉PTT与交感驱动的外周血管阻力相关。两个实验结果证明连续可测量参数小动脉PTT可以很好的跟踪外周血管阻力。3.构建连续血压检测模型以及验证小动脉PTT对于血压模型的提升。我们利用采集的数据进行连续血压检测模型的构建,其中高血压有74人,正常血压有263人。经过数据预处理、特征选取、模型拟合、参数优化后,我们使得模型达到了AAMI标准。在小动脉PTT的参与下,高血压人群收缩压计算的平均绝对误差降低了0.3435mm Hg。经过模型的特征重要性分析,发现在波形特征中小动脉PTT是一个重要的特征。同时,小动脉PTT在高血压人群收缩压计算中的重要性也更大。我们可以得出结论,小动脉PTT能够针对性的提高高血压人群的收缩压检测。