从PPG预测BP，离了大谱

一、背景相关

从脉搏波获取血压目前是一个重要的研究方向，为众多从事机器学习和深度学习算法的童鞋们提供了很好的研究对象。但是这个研究对象又不那么好研究，一方面是因为脉搏波的复杂性，一方面是因为数据库的不适用性（适合亚洲人的数据库我还没找到）。数据库一般包含以下几个数据：PPG、ABP、ECG的至少两个，我们要做的就是从PPG和ECG信号的组合中获取ABP信号，一般对于非持续精确测量而言，获取到SBP、DBP和MBP就可以了。波形数据源地址
https://archive.ics.uci.edu/ml/datasets/Cuff-Less+Blood+Pressure+Estimation

从PPG预测血压主要分为两种方法：
第一种是以特征点学习的方法预测三个值，研究者通过研究发现人体脉搏波的形貌特征与血压呈一定的关系，但是这种关系难以用公式描述，只能寄托于机器学习的方法。
另一种是以波形预测波形。由于脉搏波的产生是由心脏搏动引起的动脉血有规律性的运动引起的。所以有创血压波形与PPG信号存在关联。上吧！机器学习，到了你表现得时候了！

二、PPG到BP

1. 基于特征预测血压的方法

丹材：信号拆分的单个周期、单个周期的各种特征（特征点、面积、斜率、微分。。。）
丹火：多元线性回归、随即森林、。。。。。。。。
丹炉：GPU\CPU
丹引：每个周期对应的从ABP得到的SBP\DBP\MBP。

存在的问题:

第一：PPG信号的多元复杂性。
每个人在每时每刻的生理状况都有差异，尽管都是人，但是PPG可差太多了。列几个的PPG瞧瞧：

有一些小的问题，可以用滤波滤掉，这没有问题

这个很完美，非常正常。

这个人的PPG有点怪，但找特征也不难。

这个PPG绝对有什么大病，这像正常人的PPG？

这个测量过程中应该是受到了什么干扰，但是我们可以滤波滤掉。
前面说过，如果想要根据特征的方法获取BP，那么就要提取单个的周期，得到那三个值。
问题来了，就这PPG，我想不出有什么通用的办法得到无误的单个周期。单个周期的关键在于，不能错漏，那边血压的值也是一个个的周期，要和这边对应起来的，错了一个对应关系就全错了。
你是不是想到了加窗的方法，哎对了！加窗可以解决这个问题。
第二：还是PPG的复杂性。
如果你幸运的得到了准确无误的单个周期，那么首先要恭喜你突破了第一步。那么第二步的问题来了，PPG的特异性导致很难找到一个合适的算法找到你想要的特征值。
你说PPG一般有5个特征点？不不不，7个特征点的也有呢！
你说PPG的频域范围在0.4-4Hz？那好，我就以0.8Hz的频率呼吸。
你说主波峰一定比重播波波峰高？不不不，重播波波峰可能比主播波峰高。
怕了吗？
那么就换一种方法吧！

2. 基于波形预测的方法。

就像图片这样，从上面的波形得到下面的波形。不要惊讶于他的BP怎么这么异常，因为他就是病人。是不是有点相似度，不难看出两者具有一定程度的相似性。理论上从上图是可以得到下图的，只要计算好PTT，那么就可以得到两幅图的重叠图。
时序神经网络冲冲冲！！！

三、我要怎么预测

我会就不写这个了，嗨哎，做出来再补吧，就是在这吐槽一下。