基于光电容积脉搏波（PPG）的无创血压连续测量研究进展学术报告

作者及机构
本文由江西中医药大学计算机学院叶青（第一作者）、章祎枫、沙金亮，南昌大学教育技术与教学资源中心方桦，以及江西中医药大学中医人工智能重点研究室余瑛（通信作者）共同完成，发表于《Science Technology and Engineering》2024年第24卷第5期（DOI: 10.12404/j.issn.1671-1815.2304009）。

学术背景
高血压是全球心血管疾病的首要危险因素，中国高血压患者数量庞大，且年轻化趋势显著。传统血压测量方法（如柯氏音听诊法、示波法）存在有创、间断性监测等局限，无法满足长期连续血压监测的需求。光电容积脉搏波描记法（Photo Plethysmography, PPG）作为一种无创、便携的光学检测技术，通过分析组织微血管血容量变化反映血压动态，近年来成为可穿戴设备中血压监测的研究热点。本文旨在系统综述基于PPG的无创血压连续测量技术进展，涵盖理论原理、方法流程、挑战与未来方向，为研究者提供参考。

主要内容与框架

1. 传统血压测量方法的局限性
   直接测量（如动脉插管）虽为金标准，但侵入性高，仅适用于重症监护；间接测量（如柯氏音法、示波法）依赖袖带加压，无法连续监测且易受人为误差影响。容积补偿法、张力测定法等虽各有优势，但均存在校准繁琐、舒适性差等问题。PPG技术的优势在于无需袖带，可实现动态血压跟踪，尤其适合长期健康监测。

2. PPG技术原理与信号组成
   PPG基于朗伯-比尔定律，通过发光二极管照射皮肤，光电探测器接收反射/透射光信号。其交流（AC）成分反映心脏搏动，直流（DC）成分受呼吸、交感神经活动等影响。信号特征（如波形幅度、周期）与血压变化密切相关，但易受运动伪影、设备噪声干扰，需通过滤波（如巴特沃斯滤波器、小波分解）、周期划分（峰值检测算法）和归一化预处理提升信噪比。

3. 血压预测方法的三类主流技术

   • 基于脉搏波传导时间（PTT/PWV）的方法
     通过ECG的R波与PPG波峰时间差计算PTT，结合Moens-Korteweg方程推导血压。例如，陆一乾提出多波长PPG算法优化小动脉PTT提取，收缩压预测误差（MAE）降至0.62 mmHg。但个体血管硬度差异需频繁校准，限制其普适性。
     
   • 基于PPG波形特征与机器学习
     从时域（脉冲宽度、导数特征）、频域（FFT能量分布）、熵值等提取特征，结合随机森林（RF）、支持向量回归（SVR）等建模。如赵彦峰融合PTT与脉搏特征，舒张压MAE mmHg；杨瑶开发的CNN-BiLSTM-Attention模型在少量数据上表现优异。
     
   • 基于PPG原始信号的深度学习
     端到端模型（如LSTM、自动编码器）直接学习原始波形，避免人工特征偏差。Mahmud利用自动编码器提取特征，达到英国高血压协会（BHS）A级标准。

4. 挑战与未来方向

   • 个体差异与动态校准：血管老化、运动状态影响PTT稳定性，需开发自适应校准算法。
     
   • 多模态信号融合：结合ECG、加速度计等提升抗干扰能力，如Chang利用ECG波形辅助PPG特征提取。
     
   • 临床验证与标准化：现有数据集（如MIMIC-III、PPG-BP Figshare）规模有限，需扩大跨人群临床试验。
     

研究价值与亮点
- 科学价值：系统梳理了PPG血压测量的技术路径，对比了传统物理模型、机器学习与深度学习的优劣，为后续研究提供方法论指导。
- 应用前景：推动可穿戴医疗设备发展，尤其适用于家庭健康管理、术中监测等场景。
- 创新点：
1. 提出PPG二阶导数特征（Liu等）将血压预测精度提升40%；
2. 融合多模态数据（如ECG波形）的混合模型（Ma等）突破单一信号局限；
3. 针对运动伪影的实时滤波算法（孙斌等）增强动态监测鲁棒性。

总结
本文全面解析了PPG技术在无创血压监测中的研究进展，从理论到实践揭示了技术瓶颈与突破方向。未来需进一步解决个体化校准、跨设备兼容性等问题，以推动其临床转化与应用普及。