摘要
血压（BP）是高血压这一危险且可能致命疾病的直接指标。因此，定期监测血压至关重要。然而，许多人对基于袖带的测量设备存在抵触心理，且此类设备仅适用于静息状态下的测量，存在使用局限性。本研究探索了一种仅利用光电容积脉搏波（PPG）信号估算血压的潜在解决方案。我们基于MIMIC-III数据库分析了高质量的PPG信号与动脉血压波形，经过预处理后，共获得超过700小时的信号数据，涵盖510名受试者。随后，我们将PPG信号及其一阶和二阶导数作为输入，引入一种具有残差连接的新型时频域深度神经网络。在“留一受试者”交叉验证实验中，该网络成功建模了PPG与血压之间的依赖关系，实现了收缩压平均绝对误差为9.43 mmHg、舒张压平均绝对误差为6.88 mmHg的性能表现。此外，我们还证明了模型个性化对提升预测精度具有重要意义，而构建一个具有良好泛化能力的通用预测模型则极具挑战性。为推动后续研究的发展，我们已将本研究中的关键部分——包括所用受试者列表及神经网络代码——公开发布，旨在为基于MIMIC-III特定子集的未来研究提供可靠基准，并简化不同研究之间的可比性分析。