新型数字血压测量方法

面向u‐Healthcare系统的数字血压测量方法新探

1. 引言

在现代社会，移动设备和无线网络已成为数据通信和多媒体应用的强大工具。这些工具还发展成为智能手机和智能设备等复杂的信息技术，使传统方法转变为普适环境。泛在健康医疗领域是智能设备在管理个人健康状况和信息（如血压、体温、心率、体成分等）方面最有用的应用领域之一。血压计是从家庭到医院最重要的医疗设备之一。但现有血压计存在缺点，即必须对动脉施加高压，并且最多只能进行5次连续测量。因此，现有血压计无法应用于高血压患者在日常生活中的24小时连续血压测量。传统的柯尔特科夫法通过使用气压袖带和听诊器声音[1]来测量患者的血压。如今医生仍在使用这种方法检查患者的血压。随着信息技术的发展，自动电子血压计已广泛应用于家庭和医院。

由于其便捷性和高可用性，该设备在医院中得到广泛应用。由于采用了示波法（一种改进的柯尔特科夫法），它与传统血压计一样，存在一个致命的问题，即需要完全阻断动脉。如果这一过程反复进行，动脉将受到严重损伤，因此柯尔特科夫法无法应用于连续或系列测量。特别是对于需要频繁进行常规血压检查的高血压患者[2]，这种方法可能造成严重伤害。为解决此问题，必须开发一种全新的非柯尔特科夫法，能够在不阻断动脉的情况下测量血压。尽管大泽及其团队自2005年起在日本开发了24小时连续测量血压计，但它仍然基于柯尔特科夫法，且使用次数不能超过5次[3‐4]。本文提出了一种可用于24小时连续血压测量的新型非柯尔特科夫法概念，并通过数字压力传感器与智能手机的实验验证了其有效性。该研究可为下一代数字血压计的开发提供重要的工程基础，并提升现有血压计的连续测量能力。

2. 相关工作

随着普适环境的发展，各种泛在健康医疗解决方案正在被开发以提供相关服务。这些服务大多通过无线网络和数字信号处理技术，在现有医疗设备[5]的基础上提供用于检查和治疗的医疗保健信息。基于Zigbee无线网络的生物医学信号传输系统是普适医疗领域中最热门的研究方向之一[6‐7]，同时许多研究也在生物医学信号处理领域利用近场通信网络开展基于体域网（BAN）的生物信息学系统[8]的相关工作。尽管这些系统配备了高端的电子传感器设备来获取多种生物信号，血压测量仍然主要依赖柯尔特科夫法或被称为示波法的改进型柯尔特科夫法。

近年来，一些基于心电图/光电容积描记信号的血压估测方法被提出，但其准确性和稳定性尚不足够，尚未被认可为新的血压测量方法[9‐10]。其他研究显示机械性动脉变化有助于血压估测，但由于仍属于柯尔特科夫法范畴，本质上与现有测压计相同[11‐13]。最近一些研究致力于最小化对动脉的外部压力，并提出了多种创新的血压测量算法[14]。本文提出的非柯尔特科夫法可通过动脉脉搏波形分析所得信息实现血压估测，有望成为最具创新性的方法。

3. 方法论

本文提出了一种用于24小时连续监测的新型血压测量方法。该方法属于非柯尔特科夫法，无需对患者的动脉或静脉施加高压，且可通过若干数字电子元件轻松实现，这些元件包括绝对气压传感器单元、带模数转换器的交直流放大器、微电脑和应用程序。若将能够输出绝对气压值的数字传感器放置在动脉上方的皮肤上，则可测量到与皮肤接触部位的绝对压力。基于此压力值，我们可以通过监测动脉压力的变化，进而计算出绝对动脉血压，具体如下。

在图1中，Patm表示当前大气压力，X表示真实血压变化，Y表示AC/DC放大器输出的数字值，P表示气压传感器与皮肤之间测得的压力。dx、dy分别表示X值在Xmax与Xmin之间、Y值在Ymax与Ymin之间的变化量。Pavg、Xavg和Yavg也是P、X和Y值的平均值。

由于数字传感器输出只能通过交流/直流放大器中的模数转换器采集为一系列数字值，因此我们只能获得与X值相关的Y值。因此，我们必须找出Y到X的映射关系作为某种转换函数。如果我们能够通过大量实验结果找到Pavg与Xavg之间的映射关系以及dy与dx，就可以计算出精确的Xavg 和dx。收缩压和舒张压可以从Xavg 结合dx计算得出。为了获得该映射关系，我们绘制了P与dy/dx的关系图，如图2所示，并结合关系方程(1)。

$$ P(\Delta P) = a(dy/dx) + b \tag{1} $$

如果我们能够利用现有测压计从具有不同ΔP值和dys的众多志愿者处获取Xavg 和dx，就可以通过回归分析得到角度a和偏移量b，其中角度a可作为个人特定角度。因此，我们可以建立一个包含角度a的血压映射方程(2)，用于Xavg ，并通过回归分析从不同的Xavg 和a值得到α和β。

$$ X_{avg} = \alpha(a) + \beta \tag{2} $$

现在我们可以得出另一个血压映射方程(3)，并可在恒定P下根据dy计算收缩压和舒张压。Pavg 和dx可以在测量过程中的任意时刻进行检测，因此我们能够随时且连续地计算收缩压和舒张压值。

$$ dx = \frac{dy}{(P - b)/a} \tag{3} $$
$$ \text{Systolic} = X_{avg} + dx $$
$$ \text{Diastolic} = X_{avg} - dx $$

该方法无需阻断或停止动脉血流即可获取P值和dy值。位于皮肤上的数字气压传感器仅需连续测量P和dy。因此，如果血流被阻断，dy将降至0，此时该方法无法测量血压，从而可与现有的柯氏音法或示波法血压测量方法相区分。

4. 测量环境

4.1. 非柯氏音法测压计设计

在本研究中，我们设计并实现了一个传感器单元用于测试所提出的方法。这种非柯氏音法的传感器单元可以通过蓝牙连接与安卓智能手机相连，如图3所示。我们还开发了一款安卓应用程序，可通过来自传感器单元的压力参数和动脉脉搏波形来测量血压，包括收缩压、舒张压和脉搏。

传感器单元包含薄膜数字压力传感器（可输出绝对压力值）、CSR BC4‐ext MPU电路和腕带式外壳。该传感器单元工作时，仅需将空气膜置于手腕动脉上，而无需使用现有测压计的充气加压机制。数字压力传感器通过I2C接口将动脉脉搏变化数据发送至MPU的数字输入端口，MPU再通过蓝牙连接将数据传输至配对的智能手机。

4.2. 实验环境与步骤

为了验证所提出方法的合理性，164名志愿者参与了两轮实验。在第一轮中，每名受试者交替使用现有的腕式测压计和非柯氏音传感器单元各测量5次，并在至少一周后再进行第二轮实验。实验中使用的现有腕式测压计为最受欢迎的商用产品之一欧姆龙。表1显示了实验中应用的实验参数。每轮实验排除最高值和最低值后，剩余6组数据用于计算一名受试者的平均结果。每次试验持续1分钟。所有试验的动脉脉搏波形均被记录，并通过视频后续处理分析血压数据。

5.1. 血压映射方程

如果要确定某人的血压值，我们必须找出第3章中提到的关系方程(1)和映射方程(2)的系数a、b、α和β。根据大量实验结果，我们通过图4中的转换函数并使用MatLab回归模块得到了这些系数。图4a显示了气压传感器与皮肤之间测得的压力变化角度Pang与dy之间的转换函数，该函数用于计算图4b中的转换函数，图4b展示了角度a与关系方程(1)中dy/dx之间的转换函数。

5.2. 动脉脉搏波形类型

实验过程中，我们发现动脉脉搏波形会根据受试者的血压特征（如高血压、正常和低血压）而变化，如图5所示。不同特征之间的主要区别在于动脉脉搏波形的形状，而非波形的幅度，以及表征动脉和静脉中心跳压力变化曲线的PQRS点。因此，每次实验前，我们必须使用欧姆龙测量受试者的基础血压，并根据其血压特征将其分为三组。为方便实验，我们将收缩压超过140毫米汞柱的受试者归为高血压组，收缩压低于90毫米汞柱的归为低血压组，收缩压在90至140毫米汞柱之间的归为正常组。

与血压特征类似，血压映射方程和关系方程也必须根据患者的血压特征来匹配其系数，因为不同特征之间的动脉脉搏波形存在较大差异，而这些差异会对方程的系数产生显著影响。因此，我们根据欧姆龙的测量结果，将血压特征分为三组，分别计算各组的系数，并将动脉脉搏波形输入数据按其所属组别进行应用。

5.3. 准确率比较结果

表2显示了每组志愿者的收缩压、舒张压和脉搏的实验结果与基础血压相比的平均准确度。基础血压是指每次实验中通过欧姆龙测得的志愿者的收缩压、舒张压和脉搏的平均值。准确度表示志愿者在所有试验中结果与平均基础血压相比的平均偏差。由于血压映射方程仅在正确捕捉到动脉脉搏的情况下才能生成有效的收缩压和舒张压值，因此在每次试验中，会剔除那些脉搏误差超过志愿者平均脉搏25%的较大或较小误差情况，因为这属于未正确捕捉动脉脉搏的情况。在所有志愿者的试验中，高血压组的遗漏情况占12.8%，正常组占7.3%，低血压组占26.3%。

结果显示，收缩压的准确度超过95%，舒张压为92.2%，脉搏为96.0%。同时表明，所提出的方法在高血压和正常组的收缩压测量方面与欧姆龙具有高度一致性。但该方法在低血压组，尤其是舒张压的测量上正确性较弱。这可能是由于数字传感器单元在压力作用下的非线性输出响应特性所致。然而，欧姆龙在低血压组和舒张压测量中也存在较高的误差率，较小的收缩压准确度差距表明所提出的方法具有高正确性和可靠性。从表2的结果来看，该方法测量血压与欧姆龙相比，准确度差距小于5%。

6. 结论

传统血压测量方法即柯氏音法在连续测量时存在严重缺陷，因其需对动脉施加高压。但所提出的非柯尔特科夫法能够克服现有血压计的问题，并通过使用数字传感器单元和智能手机替代气压机械装置的实验验证了其有效性。该新方法可根据血压特征直接从动脉脉搏波形计算收缩压和舒张压，实验结果表明，该方法在无需像传统方法那样完全阻断动脉的情况下，对收缩压的测量误差率准确度可超过95%。

这些结果可以证明，所提出的方法不仅能够替代现有方法，而且还能有效应用于日常或24小时连续血压测量领域。事实上，多次进行高压状态下的血压测量可能会对真正需要在日常生活中连续或持续监测血压的高血压患者造成严重伤害。因此，该方法可为高血压患者提供一种新的工程原理。此外，该方法还可实现于一种小型轻量设备中，并可连接至移动设备或智能手机，在普适环境中实现24小时连续监测，进而发展成为下一代普适数字血压计，解决现有测压计的问题。该方法可有效应用于泛在健康医疗服务领域，为普适环境下的连续血压测量提供前所未有的创新基础。