A Hybrid Windkessel-Neural Approach for Improved Noninvasive Blood Pressure Monitoring
University of North Texas（北卡罗来纳州立大学）
本文提出结合风阻模型与机器学习的方法，通过将风阻模型转化为可应用于神经网络的ODE系统，提升血压预测的物理一致性和鲁棒性。
2026-04-21 cs.CE cs.LG eess.SP
Longitudinal Wrist PPG Analysis for Reliable Hypertension Risk Screening Using Deep Learning
OPPO Health Lab（OPPO健康实验室）；Northwestern University（西北大学）
本研究提出基于ResNet和Transformer的腕部PPG深度学习模型，在HBPM纵向数据集上实现无需手工特征的高血压风险筛查，紧凑ResNet以0.124M参数显著优于传统方法。
2024-11-02 cs.LG eess.SP
Synchro-Thermography: Monitoring ~10 mK Facial Temperature Changes with Heartbeat Referencing for Physiological Sensing
The University of Tokyo（东京大学）
本文提出同步热成像技术，通过心跳参考监测面部温度变化，实现高精度血流监测用于生理传感。
2026-02-14 eess.SP physics.med-ph
Development of a One Dollar Blood Pressure Monitor
本文介绍了超低成本无袖带血压计BPClip的设计过程，其利用智能手机计算成像实现示波法测量，原型材料成本仅0.80美元，收缩压和舒张压平均绝对误差分别为8.72和5.49 mmHg，并通过用户研究优化易用性，旨在推动健康监测普及。
2023-08-11 eess.SP
Physics-Constrained Deep Learning Model for Contactless Blood Pressure Monitoring from Triaxial Bodyseismography
University of Georgia（佐治亚大学）；School of Electrical and Computer Engineering, University of Georgia（佐治亚大学电气与计算机工程学院）；School of Computing, University of Georgia（佐治亚大学计算学院）；Stanford University（斯坦福大学）；Yixing People’s Hospital（宜兴市人民医院）
本研究提出基于三轴身体震波的Phy-BP框架，通过自适应质量控制算法筛选有效信号、嵌入三维波传播物理模型对齐多轴特征，在21人162小时数据集上实现可靠血压监测，训练样本有限时表现优异。
2026-09-29 cs.AI eess.SP physics.bio-ph
PPG2ABP: Translating Photoplethysmogram (PPG) Signals to Arterial Blood Pressure (ABP) Waveforms using Fully Convolutional Neural Networks
Purdue University（普渡大学）；Qatar University（卡塔尔大学）；University of British Columbia（不列颠哥伦比亚大学）；BUET（孟加拉国工程技术大学）
心血管疾病是最严重的死亡原因之一，每年在全世界造成严重的生命损失。持续监测血压似乎是最可行的选择，但这需要一个侵入性的过程，带来了几层复杂性。这促使我们开发一种方法来预测连续动脉血压（ABP）波形，通过一个非侵入性的方法，使用光电容积脉搏波（PPG）信号。此外，我们还探索了深度学习的优势，因为它可以使我们摆脱仅坚持理想形状的PPG信号，使手工特征计算无关紧要，这是现有方法的缺点。因此，我们提出了一种基于深度学习的方法PPG2ABP，该方法能够根据输入PPG信号预测连续ABP波形，平均绝对误差为4.604 mmHg，同时保持形状、幅度和相位一致。然而，PPG2ABP更令人震惊的成功是，根据预测的ABP波形计算的DBP，MAP和SBP值在几个指标下优于现有的工作，尽管PPG2ABP没有明确训练这样做。
2022-09-26 cs.LG eess.SP
Development of a pulse oximeter robust to measurement errors, with the ability to estimate heartrate and transmit data to smartphones
本文开发了一种基于MAX30100模块的脉搏血氧仪原型，利用红光和红外光测量血氧，对电源波动、环境光和运动伪影具有鲁棒性，并能估计心率及向智能手机传输数据，适用于家庭血氧监测。
2024-09-19 eess.SP
Hybrid Artifact Detection System for Minute Resolution Blood Pressure Signals from ICU
University of Edinburgh（爱丁堡大学）
重症监护病房（ICU）中的生理监测生成可用于临床研究的数据。然而，由于噪声和伪影，临床设置中的记录条件限制了从生理信号中自动提取相关信息。因此，在临床研究之前去除伪影是必不可少的。由经验丰富的研究人员进行手动注释是去除伪影的黄金标准，但由于ICU中生成的数据量大，因此耗时且成本高。在这项研究中，我们提出了一种混合伪影检测系统，该系统将变分自动编码器与统计检测组件相结合，用于标记伪影样本，以自动化清洁生理记录的昂贵过程。该系统被应用于来自重症监护病房数据集的逐分钟平均血压信号。它的性能是由专家进行手动注释验证。我们基准测试我们的系统与其他两个系统，结合了ARIMA或基于自动编码器的模型与我们的统计检测组件的性能。我们的研究结果表明，该系统始终达到90%以上的灵敏度和特异性水平。因此，它提供了一个初始的基础，以自动化数据清理记录从ICU。
2022-08-31 cs.LG eess.SP
The Internet of Bio-Nano Things in Blood Vessels: System Design and Prototypes
本文研究基于分子通信的血管生物纳米物联网（IoBNT），通过实验揭示血管信道的新挑战，提出圆柱管道信道模型及相应系统设计，并通过原型验证分子通信技术可用于构建IoBNT，为新兴eHealth系统提供新应用方向。
2022-12-21 cs.ET eess.SP
A Multi-Channel Ratio-of-Ratios Method for Noncontact Hand Video Based SpO$_2$ Monitoring Using Smartphone Cameras
本文提出一种基于智能手机摄像头手部视频的非接触式SpO2监测方法，利用RGB三通道和自适应窄带带通滤波器提取心搏相关分量，平均绝对误差达1.26%，优于传统RoR方法25%。
2025-02-03 eess.SP
Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation
ETH Zürich（苏黎世联邦理工学院）；University of Bologna（博洛尼亚大学）
本研究探索将EEG基础模型微调至ECG/PPG数据用于血压估计，在MIMIC-III和VitalDB上达到接近最优精度，并通过INT8量化大幅压缩模型，实现资源受限设备上的实时监测。
2025-10-17 cs.AI cs.LG eess.SP
BP-Net: Efficient Deep Learning for Continuous Arterial Blood Pressure Estimation using Photoplethysmogram
SSN College of Engineering（SSN工程学院）；College of Engineering, Guindy（Guindy工程学院）；Solarillion Foundation（Solarillion基金会）
血压（BP）是心血管疾病和中风最有影响力的生物标志物之一;因此，需要定期监测以诊断和预防任何医疗并发症的出现。目前的无袖带连续BP监测方法，虽然非侵入性和非侵入性，涉及明确的特征工程周围的指尖光电容积描记图（PPG）信号。为了规避这一点，我们提出了一种端到端的深度学习解决方案BP-Net，该解决方案使用PPG波形通过中间连续动脉血压（ABP）波形来估计收缩压（SBP）、平均平均压（MAP）和舒张压（DBP）。根据英国高血压协会（BHS）标准的条款，BP-Net达到DBP和MAP估计的A级和SBP估计的B级。BP-Net还满足DBP和MAP估计的医疗器械进步（AAMI）标准，SBP和DBP的平均绝对误差（MAE）分别为5.16 mmHg和2.89 mmHg。此外，我们通过在Raspberry Pi 4设备上部署BP-Net来建立我们方法的普遍潜力，并为我们的模型实现4.25 ms的推理时间，以将PPG波形转换为ABP波形。
2021-11-29 cs.LG eess.SP
Change Point--Aware Evaluation and Re-Calibration of PPG-Based Blood Pressure Estimation
VUNO Inc.（VUNO公司）；University of California, Irvine（加州大学欧文分校）；Research Institute for Future Medicine, Samsung Medical Center（三星未来医学研究所）；Inha University Hospital（仁荷大学医院）
本研究提出基于时间序列变化点检测的波动感知评估框架，针对PPG血压估计模型在血压变化点处性能下降问题，引入触发式针对性重新校准框架，为连续血压监测提供新评估与校准方案。
2026-08-20 cs.AI cs.LG eess.SP
Estimating Blood Pressure from Photoplethysmogram Signal and Demographic Features using Machine Learning Techniques
North South University（北南大学）；Qatar University（卡塔尔大学）；Universiti Kebangsaan Malaysia（马来西亚国民大学）
高血压是一种潜在的不安全的健康疾病，它可以直接从血压（BP）指示。高血压总是导致其他健康并发症。连续监测BP非常重要;然而，基于袖带的BP测量是离散的，并且对用户来说不舒服。为了解决这一需求，提出了一种无袖带、连续和非侵入式BP测量系统，该系统使用机器学习（ML）算法使用光电容积描记图（PPG）信号和人口统计特征。从219名受试者采集PPG信号，这些信号经历预处理和特征提取步骤。从PPG及其导数信号中提取时间、频率和时频域特征。特征选择技术被用来降低计算复杂度，并减少过拟合的ML算法的机会。然后，这些特征被用于训练和评估ML算法。分别选择最佳回归模型用于收缩压（SBP）和舒张压（DBP）估计。高斯过程回归（GPR）与ReliefF特征选择算法在估计SBP和DBP方面优于其他算法，均方根误差（RMSE）分别为6.74和3.59。这种机器学习模型可以在硬件系统中实现，以持续监测BP并避免由于突然变化而导致的任何严重健康状况。
2020-05-07 cs.LG eess.SP
A novel optical assay system for bilirubin concentration measurement in whole blood
针对肝硬化患者院外胆红素监测不足的问题，本研究开发低成本双波长透射光学检测系统，仅需72μL猪全血即可在1.2-30mg/dL范围内精准测胆红素，R²>0.95、精度±1.7mg/dL，高危区间可靠性更高，为院外床旁监测提供方案。
2024-06-21 eess.SP physics.bio-ph physics.med-ph
Contactless Oxygen Monitoring with Gated Transformer
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；HKUST (GZ)（香港科技大学（广州））；HKUST（香港科技大学）
随着远程医疗的日益普及，确保在家中准确监测基本生理信号变得至关重要，同时将患者开销降至最低。在本文中，我们提出了一种非接触式的方法来监测病人的血氧在家里，简单地通过分析在房间里的无线电信号，没有任何可穿戴设备。我们从病人身体反射回来的无线电信号中提取出病人的呼吸，并设计了一种新颖的神经网络，它可以从病人的呼吸信号中推断出病人的氧气估计值。我们的模型称为\emph{Gated BERT-UNet}，旨在适应患者的医疗指标（例如，性别、睡眠阶段）。它有多个预测头，并通过由人的生理指标控制的门选择最合适的头。大量的实证结果表明，我们的模型在医疗和无线电数据集上都达到了很高的准确性。
2022-12-06 cs.LG eess.SP
Comprehensive Dataset and Signal Processing Framework for Phonocardiogram-Based Heart Rate and Blood Pressure Estimation
Bangladesh University of Engineering and Technology（孟加拉国工程与技术大学）；BRAC University（布拉格大学）
提出一种仅使用心音图信号测量心率和血压的低成本PhonoTrack系统，通过峰值检测和多元回归模型实现高精度估计。
2026-05-22 eess.SP
Single-Beat Cuffless Blood Pressure Estimation Using Ear-PPG and ECG with a Lightweight Hybrid Learning Framework
Vanderbilt University（范德堡大学）；Vanderbilt Institute for Surgery and Engineering（范德堡外科工程研究所）；Department of Electrical and Computer Engineering（电气与计算机工程系）
该研究提出轻量混合学习框架，结合ECG、耳式PPG与6轴IMU，实现单搏无袖带血压估计，在多阶段压力方案与PulseDB数据集上，较基线模型降低28.2%组合MAE，适配可穿戴部署。
2026-07-30 cs.LG cs.SY eess.SP
In-Ear Measurement of Blood Oxygen Saturation: An Ambulatory Tool Needed To Detect The Delayed Life-Threatening Hypoxaemia in COVID-19
血氧饱和度的非侵入性动态估计已成为在COVID-19感染后延迟阶段检测低氧血症的重要临床要求，其中在没有主观呼吸困难的情况下可能发生危险的缺氧。这种直接的临床驱动力，加上对更个性化健康数据的普遍追求，意味着在不久的将来，毛细血管血氧饱和度（SpO 2）的脉搏血氧测量可能会扩展到可穿戴健康技术的临床和消费者市场。在本研究中，我们着手确定从耳道测量SpO 2作为长期监测的便利部位的可行性，并与右手食指-常规临床测量部位进行全面比较。在静息SpO 2估计过程中，我们发现两个测量部位之间的均方根差为1.47%，右耳道中SpO 2的平均差为0.23%。通过在屏气期间同时记录右耳道和食指的脉搏血氧饱和度，我们观察到耳朵和手指之间的反应时间有实质性改善，所有受试者的平均值为12.4秒，范围为4.2 - 24.2秒。影响这种反应时间的因素，称为SpO 2延迟，如受试者的性别也进行了探讨。此外，我们研究了耳道血氧饱和度测量的潜在缺点，即较低的光电容积描记图幅度，并提出了减轻这一缺点的方法。这些结果与之前发现的优点（如对温度的鲁棒性）结合在一起，使得从耳道测量SpO 2的情况既方便又优于传统的手指测量部位，从而在临床和日常生活环境中进行连续的非侵入性长期监测。
2020-06-07 eess.SP
BP-Net: Cuff-less, Calibration-free, and Non-invasive Blood Pressure Estimation via a Generic Deep Convolutional Architecture
Concordia University（康考迪亚大学）；Case Western Reserve University（凯斯西储大学）
目的：本文的重点是开发用于连续和无袖带血压（BP）监测的稳健和准确的处理解决方案。在这方面，提出了一种鲁棒的基于深度学习的框架，用于计算收缩压和舒张压的低延迟、连续和无校准的上限和下限。方法：被称为BP-Net，所提出的框架是一种新型的卷积架构，它提供了更长的有效内存，同时由于结合了偶然的拨号卷积和残余连接而实现了卓越的性能。为了利用深度学习在提取内在特征（深度特征）方面的真正潜力并增强长期鲁棒性，BP网络使用原始心电图（ECG）和光电容积描记器（PPG）信号，而不提取任何形式的手工特征，因为这在现有解决方案中很常见。结果如下：通过利用最近文献中使用的数据集没有统一和正确定义的事实，根据从PhysioNet获得的MIMIC-I和MIMIC-III数据库构建了基准数据集。建议的BP网络进行评估的基础上，这个基准数据集表现出良好的性能，并显示出优越的推广能力。总结：所提出的BP网络结构比典型的递归网络更准确，并增强了BP估计任务的长期鲁棒性。重要性：所提出的BP网络架构解决了现有BP估计解决方案的主要缺点，即，严重依赖手工特征的提取，例如脉冲到达时间（PAT），以及;缺乏鲁棒性。最后，构建的BP网络数据集为基于深度学习的BP估计算法的评估和比较提供了统一的基础。
2021-12-31 cs.LG eess.SP
Estimation-Theoretic Bias Reduction for Oscillometric Blood Pressure Readings
Emory University（埃默里大学）；Georgia Institute of Technology（佐治亚理工学院）
针对示波法血压测量中的系统误差（低估收缩压、高估舒张压及呼吸引起的波动），提出基于最小二乘和最大似然的估计理论框架进行校正，利用统计先验提升多次测量的准确性。
2026-09-09 eess.SP
PITN: Physics-Informed Temporal Networks for Cuffless Blood Pressure Estimation
Beijing University of Posts and Telecommunications（北京邮电大学）
针对无袖带血压估计中受试者专属数据稀缺问题，提出融合物理信息时间网络、对抗训练与对比学习的 PITN，并在三种模态数据集上验证其优于现有方法。
2024-12-03 cs.AI cs.LG eess.SP
Optimized cerebral blood flow measurement in speckle contrast optical spectroscopy via refinement of noise calibration
本文提出一种基于优化的自适应噪声标定细化框架，用于降低散斑衬比光学光谱中脑血流测量的误差，在10名受试者上验证，将可靠信号阈值从97降至26电子每像素，提升了测量准确性。
2025-06-18 eess.IV eess.SP
Basis for a hands free blood flow measurement with automated vessel focus
Innovation Center Computer Assisted Surgery (ICCAS), Faculty of Medicine, University of Leipzig（莱比锡大学医学院计算机辅助手术创新中心）；Klinik und Poliklinik für Kardiologie, Universitätsklinikum Leipzig（莱比锡大学医院心脏科诊所）；GAMPT mbH（GAMPT有限公司）；University of Applied Sciences Merseburg（默瑟堡应用科技大学）
针对心肺复苏中血流无法量化的问题，提出一种通过非对称角度压电陶瓷超声探头和自动血管识别算法实现血流测量的方法，在体模实验中达到高相关性。
2026-05-29 eess.SP physics.med-ph
"Can't Take the Pressure?": Examining the Challenges of Blood Pressure Estimation via Pulse Wave Analysis
Microsoft Research（微软研究院）
本研究针对现有PPG血压预测研究忽略数据信息性分析、存在数据泄露等问题，提出一套信号预测有效性评估工具，发现PPG对血压的预测能力远弱于心率，为该领域进展提供了更真实的参考。
2023-04-23 cs.AI cs.HC cs.LG
A Finger on the Pulse of Cardiovascular Health: Estimating Blood Pressure with Smartphone Photoplethysmography-Based Pulse Waveform Analysis
本研究提出四种创新策略提升基于智能手机PPG的血压估计准确性，实验表明尽管预测误差有所降低，但仍未达AAMI和BHS标准，尚不能替代传统医疗设备。
2024-07-24 cs.CY eess.SP
Synergistic Blood Pressure Estimation via Contactless mmWave Radar and Imaging Photoplethysmography: A Feasibility Study
Glasgow College, University of Electronic Science and Technology of China（格拉斯哥学院，电子科技大学）；School of Life Science and Technology, University of Electronic Science and Technology of China（生命科学与技术学院，电子科技大学）；Graduate School of Informatics and Engineering, The University of Electro-Communications（信息工程研究生院，电气通信大学）；Yangtze Delta Region Institute (Huzhou), University of Electronic Science and Technology of China（长三角研究院（湖州），电子科技大学）
本研究提出毫米波雷达与面部iPPG融合的双模态方法，通过BiLSTM-MS-DiCNN深度学习架构协同处理远端光学与近端机械血流动力学信号，在15名受试者中实现静息态收缩压/舒张压平均绝对差4.71/4.60 mmHg，验证了非接触式血压监测的可行性。
2026-06-15 eess.SP
iGLU 1.0: An Accurate Non-Invasive Near-Infrared Dual Short Wavelengths Spectroscopy based Glucometer for Smart Healthcare
在糖尿病的情况下，指尖穿刺血样对于葡萄糖测量是不方便的。侵入性方法，如实验室测试和一触式血糖仪，增加了血液相关感染的风险。为了缓解这一重要问题，在本文中，我们提出了一种新型的医疗物联网（IoMT）边缘设备，用于精确，无创的血糖测量。在这项工作中，近红外（NIR）光谱技术，使用两个波长（940 nm，1300 nm）的检测从人体血液中的葡萄糖分子。这种名为iGLU的新型设备基于高精度的近红外光谱和机器学习（ML）模型。提出了最优多元多项式回归模型和深度神经网络（DNN）模型，用于精确测量。所提出的设备经过验证，血糖值使用开放的物联网平台存储在云端，供内分泌学家远程监测。对于器械确认，将估计的血糖值与从侵入性器械获得的血糖值进行比较。已经观察到，平均绝对相对差（MARD）和平均误差（AvgE）分别为预测血糖浓度值的4.66%和4.61%。回归系数为0.81。所提出的光谱非侵入式设备为智能医疗提供了准确且具有成本效益的解决方案。
2019-11-10 cs.SY eess.SP eess.SY
Influence of some cardiovascular risk factors on the rela-tionship between age and blood pressure
血压（BP）是与心血管系统相关的生物信号，不可避免地会受到衰老的影响。此外，它还受到心血管危险因素的影响。为了评价血压与年龄之间的关系如何在高血压和正常血压受试者中随着危险因素的存在而变化，我们分析了880名有和无吸烟、肥胖、糖尿病和血脂异常的受试者。回归线拟合每个BP/年龄的关系分别计算正常血压和高血压受试者和无风险因素。对于四种情况中的每一种，都考虑了办公室和24小时动态血压监测（ABPM）。在有和没有危险因素的受试者中，无论是在办公室还是在ABPM条件下，高血压患者的收缩压/年龄关系斜率均高于血压正常者。此外，风险因素的存在修改了血压/年龄的关系，高血压受试者使用办公室或ABPM测量。最后，我们证实了两种模式之间的差异也取决于年龄。
2020-11-23 eess.SP physics.med-ph
Arterial Blood Pressure Feature Estimation Using Photoplethysmography
血压的连续和非侵入性监测具有许多临床和健身应用。目前连续测量血压的方法是侵入性的和/或需要昂贵的设备。因此，我们研究了一种新的方法，连续估计的两个主要特征的血压波形：收缩压和舒张压。从光电体积描记信号获得估计值，作为五阶自回归移动平均模型的输入。该方法的性能进行了评估，使用心跳到心跳全波血压测量15名年轻受试者，没有已知的心血管疾病，在仰卧位，因为他们呼吸正常，同时他们进行屏气演习。通过模型残差的均方根测量的估计误差水平在正常呼吸期间小于5 mmHg，在屏气操作期间小于8 mmHg。认为正常呼吸和屏气操作期间的模型残差平均值均小于3.2 mmHg。通过比较15名受试者的建模误差，评估了估计值准确度对受试者数据的依赖性。不到1%的模型显示出与其他模型的显著差异（p < 0.05），这表明模型之间的高度一致性。
2018-11-14 cs.CE eess.SP
Accelerometric Method for Cuffless Continuous Blood Pressure Measurement
本文提出一种基于 MEMS 加速度传感器获取心震图并提取左心室射血时间，从而实现无袖带连续血压测量的方法，实验表明其精度满足 IEEE 标准，可用于长期血压监测。
2020-08-18 eess.SP
Quality Assessment of Photoplethysmography Signals For Cardiovascular Biomarkers Monitoring Using Wearable Devices
Heart Institute (InCor)（心脏研究所（InCor））；Clinics Hospital（临床医院）；Sao Paulo Medical School（圣保罗医学院）
针对可穿戴设备连续监测时PPG信号易受干扰的问题，本研究提取27个统计特征，用XGBoost、CatBoost和随机森林模型评估信号质量，性能达前沿水平且模型更简单，为远程心血管监测设备开发提供支撑。
2023-07-17 cs.AI cs.LG eess.SP
Oscillometric Blood Pressure Measurement Using a Hybrid Deep Morpho-Temporal Representation Learning Framework
振荡监测仪是非专业环境中最常见的自动血压（BP）测量设备。然而，其准确性和可靠性在不同的环境和不同的年龄组和健康状况下各不相同。现有的血压计监测器的主要限制是它们的基本分析算法，其不能完全捕获以记录的血压计脉冲的模式编码的BP信息。在本文中，我们提出了一种新的2D动脉测量数据表示，可以全面表征动脉系统，并支持深度学习的应用，以提取与BP相关的最具信息量的特征。开发了一种混合卷积-递归神经网络，用于从2D结构捕获心率脉冲形态信息及其在袖带放气期间的时间演化，并估计BP。所提出的方法的性能进行了验证，从245人的手腕和上臂的三个测量数据库。结果发现，它实现了一个低至0.08 mmHg和2.4 mmHg的估计收缩压，和0.04 mmHg和2.2 mmHg的估计舒张压，分别误差的平均误差和标准偏差。我们所提出的方法优于国家的最先进的技术，并满足了目前的国际标准的BP监测的一个很大的利润。所提出的方法显示出在各种患者和监测情况下的鲁棒性和客观的BP估计的承诺。
2023-01-12 eess.SP
Constraint Latent Space Matters: An Anti-anomalous Waveform Transformation Solution from Photoplethysmography to Arterial Blood Pressure
oppo（欧珀（中国）移动通讯有限公司）
针对PPG跨硬件与个体分布变化导致的隐空间偏移及ABP波形失真问题，提出LSCT，并结合CAM与MSEK提升波形重建，实验证明其性能优于现有方法。
2024-02-23 cs.LG eess.SP physics.med-ph
Schrödinger Spectrum based Continuous Cuff-less Blood Pressure Estimation using Clinically Relevant Features from PPG Signal and its Second Derivative
本研究旨在使用光电容积描记图（PPG）信号估计血压（BP），同时采用多种机器学习模型。提出了一种基于半经典信号分析（SCSA）的信号重构算法。所提出的算法优化了半经典常数，消除了重建的复杂性和准确性之间的权衡。提取重建信号的频谱特征，并将其与临床相关的PPG及其二阶导数（SDPPG）形态特征相结合。使用公开的虚拟计算机数据集（超过4000名受试者）和重症监护病房多参数智能监测数据集对所开发的方法进行了评估。结果表明，该方法达到了平均绝对误差为5.37和2.96毫米汞柱的收缩压和舒张压，分别使用CatBoost监督算法。这种方法符合医疗器械进步所设定的标准，并在英国高血压协会协议中达到了所有BP类别的A级。建议的框架表现良好，即使应用到MIMIC-III和昆士兰数据集的组合数据库。本研究还评估了所提出的方法在具有噪声和变形PPG信号的非临床环境中的性能，以验证SCSA方法的有效性。噪声压力测试表明，该算法保持其关键特征检测，信号重建能力，估计精度高达10 dB的信噪比。据信，所提出的无袖BP估计技术有可能在资源受限的设置，由于其简单的实现方法，表现良好。
2023-01-20 eess.SP
TEANet: A Transpose-Enhanced Autoencoder Network for Wearable Stress Monitoring
Rajshahi University of Engineering & Technology（拉杰沙希工程与技术大学）；School of Engineering, RMIT University（皇家墨尔本理工大学工程学院）
TEANet通过BVP信号实现高精度心理压力检测，适用于资源受限设备的连续压力监测
2025-08-17 eess.SP
Smoking effect on the circadian rhythm of blood pressure in hypertensive subjects
使用办公室测量血压（BP）以及白天、夜间或24小时的平均值不能准确描述BP昼夜节律的变化。此外，几个风险因素影响这种节奏，但到目前为止，可能的变化，由于这些风险因素的存在单独考虑，尚未进行研究。吸烟是增加心血管发病率和死亡率的最相关危险因素之一。本研究的目的是定量评估吸烟如何影响血压正常和高血压受试者的血压昼夜节律，并提供适当的时间细节，排除那些存在其他风险因素如肥胖、血脂异常和糖尿病的受试者。采用动态血压监测618例受试者，分别对正常血压和高血压受试者（吸烟者和非吸烟者）的24小时行为进行检查。在血压节律中发现了四个具有交替不同特征的间期，并将其用回归线近似，以评估每个时段的血压变化率。结果显示，高血压吸烟者在10：00至02：00的数值高于非吸烟者，而血压正常的吸烟者和非吸烟者在10：00至19：00之间的差异有统计学意义。血压正常者和高血压者10：00 ~ 14：30的变化率，非吸烟者均高于吸烟者，而其他3个时段则相反。24 h内血压变化速率的不同，可能与心血管疾病的危险程度不同有关。
2020-11-10 eess.SP physics.med-ph
Exploring the limitations of blood pressure estimation using the photoplethysmography signal
University of Sao Paulo Medical School（圣保罗大学医学院）
本研究开发基于校准的Siamese ResNet模型，对比PPG与有创动脉血压信号，评估PPG血压估计的潜力与局限，发现其信息相关但精度不足。
2024-04-09 cs.CV cs.LG eess.IV
From Elastic to Viscoelastic: An EEMD-Enhanced Pulse Transit Time Model for Robust Blood Pressure Estimation
University of Electronic Science and Technology of China（电子科技大学）；Tsinghua University SIGS（清华大学深圳国际研究生院）
本文提出一种增强的EEMD脉搏传递时间模型，通过引入粘弹性补偿机制，提升血压估计的鲁棒性，实验结果显示在高血压高发数据集上具有医疗级精度。
2026-04-30 cs.HC eess.SP
A quantitative analysis of intraventricular bioimpedance in an in vivo pilot study with contextual pressure measurements
本文开发脑室内生物阻抗测量系统，经体外验证后在大型动物体内结合压力监测，证明BI可反映CSF动力学与脑血流动力学，可用于智能分流系统。
2025-09-28 eess.SP physics.med-ph
