降低危险职业中心脏病发作和中风风险的研究

来自skoltech的NTI卓越中心(CoE)的一个团队通过使用标准可穿戴心率监测器数据，成功地使血压测量更加准确。研究人员开发了基于ML技术和深度神经网络的新算法，有望用于用于暴露于职业危害和其他风险中的个人的紧凑连续健康监测设备。

热血沸腾压力这往往没有引起人们的注意，从而大大增加了心脏问题的风险。医生需要定期监测数据，以便及时诊断血压过高或过低等疾病低血压。血压的突然变化不仅对特定个人的健康构成威胁，而且如果例如飞行员，公交车司机或火车驾驶员突然失去意识或心脏病发作或中风，也可能严重影响其他人。

一个经典的袖口血压计(BPM)是简单的，但不够灵活。出租车司机或起重机操作员不能用它来定期检查血压。另一个指标，心率，可以相当准确地测量使用一个小型，可穿戴的心率监视器。它的光传感器接收并反射由发光二极管定向到手腕上的光。一部分光线穿透皮肤并被动脉中的血液吸收，而其余的光线被反射回光传感器。这种被称为光体积描记术(PPG)的方法，利用了动脉中的血容量和当前脉搏相位之间的依赖关系，因为反射光与心脏同步跳动。

长期以来，人们一直建议使用PPG测量血压;然而，医疗应用需要更高的准确性。最近的进步，如紧凑型传感器和更高的数字信号处理速度，导致了可穿戴BPM技术，这从大量的商业紧凑型BPM和具有压力监测功能的智能手表中就可以得到证明。

在其最近的研究中，由Skoltech教授Dmitry Dylov领导的NTI CoE团队确定了如何在AI的帮助下最大限度地利用PPG数据，以减少可穿戴bpm中的测量误差。

据Dylov介绍，这种腕部装置不是测量心率，而是捕捉整个脉搏波，包括所有形状的弯曲、时间延迟，甚至是人工智能神经网络可以检测到的抽象特征。该波形包含了经典信号处理方法无法获取的大量有用数据。与其他小型bpm相比，我们的方法能够更准确地计算和显示血压数据。”

该团队使用他们的实验室传感器读数和广泛的公开数据来训练神经网络。“我们也感谢我们的合作伙伴，国家心脏病中心，在与Skoltech达成协议的情况下分享有用的心电图数据，”Dylov说。

该团队对现有的PPG数据分析方法进行了广泛的分析研究，帮助研究人员了解其局限性，为新发明找到合适的位置，并最终创建了一套新的算法。“现在，我们正试图针对不同的数据集和设备调整我们的算法。此外，我们还制作了一个可穿戴BPM的功能原型，用于实验室测试和软硬件交互检查，”项目总工程师叶夫根尼·鲍里索夫说。

“我们希望确保我们的算法尽可能与设备和软件环境兼容。毕竟，只有有意识的通用算法才能在竞争中保持领先。任何智能手表用户都会很容易理解血压屏幕上的读数，即使设置可能不同。例如，测量可以在特定的时间间隔或按需进行，而结果可以存储在设备中，发送给医生或诊所，这取决于该设备将成为数字平台或标准的一部分，”Dylov说。

他注意到，最近有一些论文发表了功能性脉搏血通过分析简单的视频片段来捕捉人体皮肤。Dylov总结道:“这些测量的精度还远远不够完美，但不可否认的是，投资者对“遥感”算法的进一步发展以及基于该技术的未来产品感兴趣。”

---

---