持續(xù)可靠地監(jiān)測血壓和心功能對心血管疾病的診斷和預防具有非常重要的意義。然而，現(xiàn)有的心血管監(jiān)測儀器體積龐大且監(jiān)測成本高昂，限制了其在早期診斷中的廣泛應用。

據(jù)麥姆斯咨詢報道，近日，清華大學化學系的科研團隊在Science Advances期刊上發(fā)表了以“Monitoring blood pressure and cardiac function without positioning via a deep learning–assisted strain sensor array”為主題的論文。該論文的第一作者為Shuo Li，通訊作者為張瑩瑩教授。

這項研究開發(fā)了一款基于保形（conformal）柔性應變傳感器陣列和深度學習神經(jīng)網(wǎng)絡的智能血壓和心功能監(jiān)測系統(tǒng)。該傳感器具有高靈敏度、高線性度、快速響應與恢復、高各向同性等多種優(yōu)點。實驗和仿真協(xié)同驗證了該傳感器陣列無需精確定位即可從腕部獲取高精度、特征豐富的脈搏波。通過將高質(zhì)量的脈搏波與已訓練的深度學習模型相結(jié)合，該系統(tǒng)可以監(jiān)測血壓和心功能參數(shù)。作為概念驗證，研究人員進一步構(gòu)建了一種智能可穿戴系統(tǒng)，用于實時和長期監(jiān)測血壓與心功能，這將有助于個性化健康管理、精確早期診斷以及遠程治療。

圖1呈現(xiàn)了這項研究的核心概念。該血壓和心功能監(jiān)測集成可穿戴系統(tǒng)由數(shù)據(jù)采集模塊、數(shù)據(jù)預處理模塊和深度學習分析模塊組成。數(shù)據(jù)采集是通過傳感器陣列實現(xiàn)的，該傳感器陣列包含6個應變傳感器（分別命名為A至F），并且在工作時放置在手腕上。圖1B顯示了應變傳感器的結(jié)構(gòu)。傳感器陣列可以隨機放置在手腕橈動脈附近，以獲取高質(zhì)量的脈搏波信號。如圖1C所示，血液在心臟驅(qū)動下周期性流動，導致了動脈直徑變化和皮膚變形。圖1D為放大后的健康體魄的典型動脈脈搏波形。

圖1 用于監(jiān)測血壓及心功能的深度學習輔助應變傳感器陣列的結(jié)構(gòu)和工作機制

圖2A顯示了碳化絲喬其紗（CSG）應變傳感器的電阻與應變的相對變化的典型曲線圖。用戶將傳感器陣列放置在手腕上采集脈沖信號，陣列中至少有一個傳感器隨傳感器和心跳產(chǎn)生形變（如圖2D）。所有實驗結(jié)果表明，無論壓力施加在傳感器陣列的何處，陣列中都至少有一個傳感器可以產(chǎn)生明顯的電響應，以獲得高質(zhì)量的脈搏波。

圖2 應變傳感器陣列的機電響應實驗和仿真結(jié)果

圖3A顯示了使用該應變傳感器所獲得的橈動脈典型脈搏波形。與傳統(tǒng)光學體積描記術（PPG）采集的脈搏波相比，該傳感器獲得的脈搏波精度更高，特征也明顯更豐富。圖3E至圖3G顯示了研究人員利用自主研發(fā)的算法從脈搏波中提取的關鍵特征。

圖3 應變傳感器陣列在采集脈搏波及提取關鍵特征方面的性能

如圖4A所示，研究人員開發(fā)了一款由脈搏采集、預處理和深度學習三大模塊共同構(gòu)成的智能血壓心功能監(jiān)測系統(tǒng)。相關測試結(jié)果如圖4B至圖4H所示。

圖4 通過基于傳感器陣列和深度學習神經(jīng)網(wǎng)絡獲得的脈搏波監(jiān)測血壓和心功能的機制

如圖5A所示，基于應變傳感器陣列和已訓練的深度學習算法，研究人員構(gòu)建了一款智能且用戶友好型血壓和心功能參數(shù)監(jiān)測系統(tǒng)。實際應用測試結(jié)果如圖5B至圖5F所示。

圖5 智能血壓和心功能監(jiān)測系統(tǒng)在實際應用中的演示

綜上所述，基于柔性高靈敏度應變傳感器陣列和深度學習神經(jīng)網(wǎng)絡，這項研究開發(fā)了一款智能且用戶友好型血壓和心功能監(jiān)測系統(tǒng)，該系統(tǒng)可以隨機放置在手腕動脈附近進行數(shù)據(jù)采集。該傳感器陣列包含6個分布在矩形區(qū)域的高性能應變傳感器，每個傳感器均具有高線性度（測定系數(shù)為0.9996）、高靈敏度（GF為9.81）、快速響應（40 ms）和恢復時間（80 ms）以及高各向同性等特點。

實驗和仿真結(jié)果表明，無論在任何位置，該陣列中至少有一個傳感器可以獲得高精度和特征豐富的脈搏波。利用高質(zhì)量的脈搏波，研究人員可以提取大量的特征，包括P、W、T、V、D及其衍生特征。此外，研究人員還開發(fā)了智能預處理算法和深度學習模型，實現(xiàn)了血壓和心功能參數(shù)關鍵特征的自動提取和輸出。值得注意的是，收縮壓（SBP）、舒張壓（DBP）、平均血壓（MBP）的預測值與實測值的平均差和標準差分別為0.045 ± 3.235、0.221 ± 3.101和0.162 ± 2.652 mmHg。同時，心功能參數(shù)也可以被精確跟蹤。作為概念驗證，研究人員將傳感器陣列與深度學習模型相結(jié)合，構(gòu)建了用戶友好型可穿戴系統(tǒng)，用于實時精確地監(jiān)測血壓和心臟狀態(tài)。這項研究工作將有助于精確健康監(jiān)測、早期診斷和遠程醫(yī)療技術的進一步發(fā)展。

這項研究獲得了國家自然科學基金（52125201和21975141）、北京市科學技術委員會（Z22110000272）和國家重點基礎研究發(fā)展計劃（2020YFA0210702）的資助和支持。

編輯：黃飛

?