血压是人体循环系统中重要的生理指标，对血压进行日常测量、提高居民对高血压的知晓率和处置率，是降低高血压、心脏病发病率的有效手段。然而，传统血压测量设备在使用时存在诸多限制，如电子血压计需要佩戴袖带、医院环境检测血压时存在显著的“白大褂现象”等。为了克服其局限性，满足日常场景下监测需求，研究人员开展了一系列无袖带血压测量技术研究。新技术的不断涌现，为人们提供了更便捷、舒适、连续监测血压的全新体验，有望改善血压监测的效果和便利性。

　　随着可穿戴技术的发展，多种生理信号已实现了穿戴式检测，包括心电（ECG）、脉搏波（PPG）、体温、呼吸等信号，为无袖带血压测量的技术实现提供了产业基础。近年来，穿戴式无袖带血压测量研究呈现高速发展态势，大量新的技术方案不断涌现。下面对传统血压测量技术、基于多信号的无袖带血压测量技术、基于单信号的无袖带血压测量技术以及各项新技术的产业发展情况进行简要介绍。

　　传统血压测量技术

　　示波法是一种常见的非侵入性的血压测量方法。当心脏收缩时，血液被推入主动脉，使得主动脉内的压力升高，形成收缩压；心脏舒张时，主动脉内的压力下降，形成舒张压。这个过程是由心脏的收缩和舒张周期性地重复进行的。示波法是通过袖带中的气压变化来测量血压。电子血压计内置了压力传感器，可以感知气囊内部的压力变化，当气囊内部的压力逐渐增加时，压力传感器会将这些数据传输到电子血压计的控制芯片中，电子血压计的控制芯片可以根据传感器测量到的压力数据，计算出被测者的血压值，并将结果显示在数字显示屏上。

　　电子血压计经过近几十年的快速发展，在临床和家庭中得到了较为广泛的应用。但由于袖带式测量的诸多不便以及显著的“白大褂现象”，电子血压计的实际普及率仍不是很高。

　　针对传统袖带式血压测量存在的问题，研究者将气囊微型化并与穿戴式融合设计，成功实现了智能手表微气囊式血压测量，在测量精度与穿戴式体验上均取得了显著提升，受到了市场普遍欢迎。

　　气囊式智能手表血压测量产品的测量原理与传统血压测量方法相似，在手表上装备了微气囊和压力传感器，通过手表上的压力传感器感知充气和放气过程中微气囊内部压力的变化，手表上的处理器将根据压力传感器的数据进行计算得到血压值。该产品成功地将尺寸较大、不方便随身携带的传统血压计实现了微型化，提供了更加舒适、便捷的日常血压测量方式。然而，由于袖带气囊存在间断式测量、功耗高等问题，以及产品价格、操作体验等方面原因，在更大范围推广应用仍存在一定困难。

　　基于多信号的无袖带血压测量技术

　　为了解决传统血压测量技术存在的局限和问题，寻求具有高准确性的无袖带血压测量技术，研究者们将目光投向了基于ECG与PPG等多信号的测量方案，通过ECG和PPG信号传播过程中，脉搏波传导时间与血压具有相关性的原理，建立数学模型，实现无袖带血压测量。

　　从心脏激动产生的ECG信号开始至血液传输到身体末端获得PPG信号，这段时间被称为脉搏到达时间（PAT）。PAT可以表示为血液从心脏泵出到传输至外周位置所需的时间，一般来说，以ECG信号R波峰位置为起始标志。研究表明，PAT与血压存在显著的相关性，这一发现为无袖带血压测量提供了重要理论基础。

　　Yoon Y-Z等人研究了脉搏波分析（PWA）与血压（BP）之间的关系，认为该方法虽然具有一定的挑战性，但PWA-BP模型通过PAT衍生信息进行连续无袖带血压测量是可行的。Tang Z等人开发了一种血压预测系统，将ECG和PPG传感器安装在扶手椅上，通过提取PAT进行血压测量，但在测量过程中获得的舒张压值较低。LiJ-Q等人比较了使用水银血压计、电子袖带血压计和由ECG-PPG方法测量的估计血压。结果表明，基于PAT的血压预测模型通过了AAMI标准，准确率提高了58%，与两种血压计相比，收缩压（SBP）和舒张压（DBP）的预测性能分别为3±2.5mmHg和4±3mmHg。

　　除了采用ECG信号和PPG信号进行多信号无袖带血压测量外，也有很多研究者基于脉搏传导时间理论，采用心冲击信号（BCG）、多点位PPG信号等多生理信号实现一定距离下信号传输时间（PTT）的计算，实现了无袖带血压测量。

　　PTT可定义为使用ECG-PPG或双PPG传感器产生的脉冲信号沿动脉到达两个测量点之间的时间延迟。Block R C等人比较了使用ECG和PPG传感器、在六个不同测量位置对32名受试者测量的PTT波形，并用袖带血压计验证了每个血压值。因为PPG信号的检测能力较差，所以与袖带血压计相比，基于PTT的测量结果预测血压的相关性较低。Miao F等人使用基于多传感器平台的融合模型估算85名志愿者的血压。该平台由ECG和其他类型的传感器组成，在经常使用袖带血压进行校准的情况下，该方法能获得更好的预测准确性。

　　基于多信号的无袖带血压测量技术方案中，对ECG、PPG、BCG等多生理信号的依赖较大，且检测过程中所需面临的各类噪声扰动较强，一定程度上限制了这一技术方案的产业化发展。不过，随着各类脉搏波数字化特征解析与人工智能技术的发展，各类个体差异性问题、噪声扰动问题、操作时接触压力不均等问题，正被研究者通过各类新模型不断解决。

　　Miao F等人提出了一种结合数据挖掘技术和传统回归模型的连续血压测量方法，同步从ECG、PPG信号提取14个特征，采用多元线性回归和支持向量回归来建立血压模型，在静态、动态性能表现上均优于单纯基于PTT的模型。U.Gandhi等人将ECG信号和PPG信号的时域特征整合在一起，使用遗传算法推导出最佳特征集，并分析ECG特征和血压之间的相关性。樊海霞等人融合ECG、PPG、心率及个体特征参数，提出了一种基于主成分分析和遗传算法优化支持向量机学习模型预测血压的方法。这一方法可以比传统支持向量机学习法准确度提高10%~15%。Bin Sun等人同样将人体特征参数作为血压预测模型的输入，并且对比支持向量机和随机森林模型，发现在同等条件下随机森林模型具有更加优异的性能。

　　与基于机器学习的传统血压测量方法相比，深度学习模型可以通过学习大量的数据来自动提取和学习特征，不需要人工设计和选择特征，并且能够处理非线性关系，更好地捕捉和建模复杂的血压测量模式。同时，深度学习模型具有较强的泛化能力，能够适应不同的数据和不同的测量环境，通过端到端的方式进行训练和推断，简化了算法的设计和实现。Lee D等人于2021年提出了一种双向LSTM网络，其中包含从PPG中提取的7个预定特征。研究结果表明，SBP和DBP的均方根误差分别为6.82mmHg和6.06mmHg。潘睿等人提出一种基于PPG信号与ECG信号的多传感器信号特征提取及融合的深度神经网络血压预测模型，通过对经过预处理的信号以基于问答推理机制设计的GRU Attention网络，进行特征融合来实现对动脉血压的预测。

　　当前，随着穿戴式设备中生理传感器、高速处理器、低功耗控制等技术的发展，多信号的穿戴式设计已成功实现产业转化，具备ECG、PPG等检测功能的穿戴式智能手表健康设备不断涌现。随着影响血压测量精度的各类工程问题被不断解决，相信在不久的将来会看到越来越多的无袖带血压产品获批上市。

　　基于单一信号的无袖带血压测量技术

　　目前，基于心电（ECG）和脉搏波（PPG）信号的血压测量技术方案实现了穿戴式产品化，但是由于ECG信号采集具有特殊性，使用者需双手触摸同一设备形成闭环才能实现信号采集。相较于ECG信号，PPG信号的采集相对容易一些。为进一步减少血压测量方案中所采集信号的数量，研究者进一步探索了基于单一信号的无袖带血压测量方法的可行性，其中基于PPG单一信号的研究最多。研究者通过建立脉搏波数字化解析模型，研究脉搏波特征与血压的关联性信息，尝试搭建血压测量模型。

　　Khalid SG于2018年使用单个PPG传感器，通过多元线性回归、支持向量机和决策树回归三种方法估计血压。该研究提取了5个脉搏波特征来计算血压，包括脉冲面积和脉冲上升时间等特征。结果表明，使用回归树算法进行血压预测的准确性相对较高，误差较小。

　　2019年，Tanveer MS等人提出了人工神经网络-长短期记忆模型，研究直接将预处理好的PPG信号输入ANN-LSTM模型，以提取必要的形态学特征。该模型由两个部分组成，第一部分使用人工神经网络从PPG波形中提取必要的形态学特征，第二部分使用LSTM层解释所提取特征的时域变化，大大提高了从原始PPG数据中提取特征的效率。该研究的结果显示，采用这种方法测得的收缩压精度达到了1.10±1.56mmHg，舒张压精度达到了0.58±0.85mmHg。

　　Athaya T和Choi S在2021年提出了一种独特的U-net深度学习方案，用于根据手指PPG测量动脉血压。研究结果表明，该方法在使用100个受试者的记录时，对收缩压和舒张压的估计标准偏差分别为4.42 mmHg和2.92mmHg。

　　Rong M等人提出了一种针对PPG信号基于多类型特征融合神经网络的血压预测模型。该模型包括两个卷积神经网络（CNN）用于提取PPG信号的形态特征和频谱特征，以及一个双向的长、短周期记忆（BLSTM）网络用于训练PPG信号的时间特征。这些特征通过特定的融合模块进行融合，以建立融合特征与血压之间的隐性关系。该模型收缩压和舒张压标准偏差（STD）和平均绝对误差（MAE）分别为7.25mmHg与5.59mmHg,以及4.48mmHg与3.36mmHg。

　　目前，基于单一信号的无袖带血压测量方法的理论研究正在不断深入，并已取得一系列学术研究成果，未来有望成为无袖带血压测量技术方向。但该方法在脉搏波采集装置、个体差异性、强噪声扰动、脉搏波的生理分析与血压测量原理的关系等方面仍存在诸多待解决的理论与工程问题。

　　讨论与总结

　　为进一步提升血压知晓率，推进穿戴式血压设备领域的相关产业发展，上文综述了传统血压测量技术、基于多信号与基于单一信号的无袖带血压测量技术等领域的发展前沿。

　　示波法是一种非侵入性的血压测量方法，通过动脉血压引起的脉搏波形变化来推断血压值，其优点包括精度高、可重复性好、操作简单等，但也存在易受干扰、依赖仪器、测量时间较长、适用范围有限等缺点。为了解决血压测量设备不方便携带的问题，国内穿戴式健康设备厂商通过微气囊创新设计实现了腕部智能手表血压测量技术，在一定程度上解决了传统血压测量技术中存在的问题，但仍然存在测量时需保持静息状态、测量时间较长等问题。近年来，许多研究者在利用生理信号实现血压持续监测方面进行了大量研究。目前，可穿戴设备在血压等健康监测方面的应用已经取得了很大进展，尤其是基于ECG和PPG信号的无袖带血压测量技术方面。该方法是一种非侵入性的血压测量方法，具有实时性好、精度高等优点。与基于ECG信号和PPG信号的血压预测相比，基于PPG信号的血压预测方法只需单一的PPG信号即可实现血压的预测。该技术方案虽已取得了一定的学术研究成果，但仍有较多理论与工程问题亟待解决，相信在未来该技术方案会成为无袖带血压测量的发展方向。

　　我国心脑血管疾病群体庞大，高血压潜在人群众多，提高高血压知晓率，对于防控心血管疾病发生与发展具有重要作用，穿戴式健康设备可成为血压日常监测的重要手段。我国在穿戴式健康设备、电子信息技术等领域产业链布局不断完善，为穿戴式无袖带血压测量产业的发展提供了重要保障。未来，穿戴式血压监测设备与新型血压管理服务模式、疾病防控诊治手段等多渠道融合创新，将在心血管疾病防控中发挥重要作用，具有更广阔的应用前景。

　　 表 新型血压测量设备技术方案及医疗器械注册证举例

　　（摘编自国家药监局医疗器械注册管理司、中国生物医学工程学会编印的《医疗器械科技前沿》2023第4期）

(责任编辑：张可欣)