检索历史 清除

摘要血压是能够反映人体生理状况的重要指标，也是临床上用来观察心脏功能，诊断心血管疾病的常用依据。血压变化受心血管状态，情绪，神经调节等多方面的影响。常用的血压测量方法听诊法无法随身佩带仪器，是断续测量的方式，不易监测血压的实时变化。随着近年来人们对健康问题的持续关注，形成了“体域网”的概念，通过便携实时的方式采集血压等生理参数成为人们关心的问题。光电容积脉搏波(PPG)是一种在体域网中实现便携性的有效方式，其通常是在指端，耳端采集，是人体心血管系统状态的终端体现，不仅包含了心脏与动脉血管信息，也富含了神经系统，体液调节等信息。国内外相关研究已经发现脉搏与血压存在极大相关性，通常用脉搏传播时间(PTT)与血压的线性关系表示。然而现有研究中所提出的线性模型过于简化，难以充分描述二者之间的动态关系。为了探索通过光电容积脉搏波便携测量血压的可能性，本文主要从解决复杂问题的角度研究了光电容积脉搏波与血压的相关性问题及所涉及的信号采集问题。<br>　　本文包含5部分主要内容:<br>　　(1)提出了一种基于相位比较的瞬时心率提取方法。使光电容积脉搏波与作为参考信号的余弦波相乘，再通过低通滤波器滤掉倍频成分，从而根据相位的变化逐拍检测心率的变化。在安卓设备上的实验结果表明与人工方法相比计算精度能满足要求。与其他心率检测算法相比，提出的方法能避免经验阈值的计算从而较快地检测出瞬时心率。瞬时心率主要用于在对血压进行频域分析时的比对。<br>　　(2)提出了一种基于模糊逻辑的脉搏传播时间检测算法。首先用一种基于贯穿级数的差分阀值方法提取心电图(ECG)的R峰与PPG脉搏波的主峰点。由于只在起始点右侧上升通道中寻找极值点所以这种方法可以节省差分阀值法的运算量。之后计算了ECG与PPG信号中检测到的极大值点与前一周期的比率及脉搏波当前检测的极值点与前一极值点的夹角θ。用这三个参数作为模糊逻辑识别器的输入，根据人体心率及脉搏波形态规律设定了模糊规则，判断极值点是否为真正的ECG的R峰和主峰点。如果模糊逻辑识别器给出肯定判断则计算脉搏传播时间，否则进行下一步迭代。实验结果表明脉搏传播时间计算的准确率在干扰较大的情况下高于差分阀值法和小波法。<br>　　(3)用复杂网络的方法对脉搏传播时间和血压的相关性及复杂性进行了分析。首先利用麻省理工工学院的Physionet数据库的ECG和PPG信号提取了PTT,对其与血压进行线性拟合，发现收缩压与PTT间存在线性关系，而舒张压的相关性则较弱。之后用非线性的分析方法消除趋势相关分析(DCCA)分析了其相关性，结果显示不同时间长度的收缩压-脉搏传播时间序列的Hurst指数均大于0.5，说明收缩压-脉搏传播时间相关性序列具有长时记忆性。最后为了消除噪音对长时记忆的判断干扰，将收缩压相关性系数时间序列分段符号化形成模态，将每个模态视作复杂网络的节点，如果模态在时间序列中相邻则视作网络中的节点有边连接，构成复杂网络。分析了收缩压与舒张压复杂网络的度分布，结果显示收缩压度分布具有幂律特性，与长时记忆的结论吻合。另外分析了血压映射网络的节点增长特征与平均最短路径长度的变化。<br>　　(4)利用可视图映射方法将PPG脉搏波时间序列映射成复杂网络，并分析了高血压患者与健康人在脉搏波形态上的区别。通过分析网络参数得到以下结论:第一，高血压患者脉搏波容易出现相对明显的潮波，普遍具有较高的主峰与较低的重搏波，这些形态特征可以表现为可视图网络的模体分布的变化。第二，高血压导致的脏器血管损伤会对心率变异产生影响，从而影响可视图网络的度分布形态。以上两点都无法线性区分高血压患者与健康人，所以将可视图网络子图比例与网络度分布特征作为输入，设计了基于高斯径向核函数的支持向量机。对16名高血压患者与20名健康人在100Hz采样频率下的实验结果显示支持向量机区分的准确率在90％以上。<br>　　(5)对运动过程中的收缩压极短时变异性进行了分析。首先对运动前后的心率变异性，脉搏传播时间以及反映交感神经兴奋程度的脉搏波特征量AM/BL进行了频域分析。发现通过加速脉搏波提取的PTT可以反映收缩压高频段的能量变化对低频段能量变化反映不足。而AM/BL可以很好的反映收缩压低频段的变化。所以用PTT与AM/BL建立了预测收缩压变异的线性模型。对19人运动过程中的实验表明通过这种方法测量的收缩压变异的准确性要高于只用PTT进行拟合的收缩压变异。另外对加速脉搏波能否作为区分人体是否处于运动状态的依据进行了讨论。<br>　　人体的生理状态受各种因素影响，对血压与脉搏波复杂性及相关性的研究有助于进一步揭示血压形成的生理机制及影响因素，为准确地分析人体状态，在大数据或者体域网环境下的生理参数检测及传感器的设计提供有价值的参考。