(思维发散的)关于血压预测最近的学习总结

weixin_47491668

已于 2024-11-26 17:57:28 修改

阅读量1.1k

点赞数 6

文章标签：学习 python java

于 2024-10-22 22:46:29 首次发布

本文链接：https://blog.csdn.net/weixin_47491668/article/details/143159010

版权

前言

最近公司的体测模型中，血压信息精度有点问题，无奈只能翻找相关信息
不得不说，rppg这个路线是针的窄，rppg出血压这个。。。反正我目前只找到non这个github仓库有一个pos提取的血压数据…而且，血压会受到很多数据的影响而变,这也进一步加剧了ppg出血压的进度，这方面如为什么手表测血压不准和智能手环测量血压？结果别太认真等这些文章都指出了这种方案的不完全可靠性。
但rppg直接出血压还是一个非常非常诱人的话题，毕竟血压的测量即使是靠腕带设备也不敢说百分百准确，这种东西不需要带东西，只需要在相机面前待上一小会，就会出现血压信息，谁不心动？
另外，找到一个不错的文章：rppg出bp血压的研究这个文章列举了很多rppg转bp的路线，只是都没有提供代码就是了emm

困难

血压与心率不同，你剧烈运动了，心率就会高，rppg信号就会密集，没运动静坐就是低。
血压与很多很多关系有关，比如是否吃药，是否经常运动，是否经常吃盐之类的，而且不同人身上表现不一致，比如我几个同事喝同一款茶，一个高压部分上升，一个高压部分下降。。。而rppg信号方面却变化没这么激烈。。。就相当的痛苦

方向1:ppg直出血压

这个方案是根据HealthWatcher这个项目得到的，它的计算方法是计算心率，然后通过身高体重性别年龄这些一股脑的计算一个高压一个低压，核心代码如下

//这个就是心率
Beats = (int) bufferAvgB;
double ROB = 18.5;
double ET = (364.5 - 1.23 * Beats);
double BSA = 0.007184 * (Math.pow(Wei, 0.425)) * (Math.pow(Hei, 0.725));
double SV = (-6.6 + (0.25 * (ET - 35)) - (0.62 * Beats) + (40.4 * BSA) - (0.51 * Agg));
double PP = SV / ((0.013 * Wei - 0.007 * Agg - 0.004 * Beats) + 1.307);
double MPP = Q * ROB;

SP = (int) (MPP + 3 / 2 * PP);
DP = (int) (MPP - PP / 3);

我测了一下，在测试血压较为正常的人时，这个计算公式是有一定的用的，但在计算高血压/低血压时，就会出现精度问题。。。只能说如果rppg已经可以出心率，并且比较准的话，可以先考虑一下这个方法

方向2 ppg识别为abp，并计算血压，然后通过迁移学习进行rppg的测试

目前有一些文章研究，说abp和ppg信号有一定的关联，如ppg2abp这个文章，这个东西我试着跑了一下，用人家的数据集，确实精度很高，但我使用自己的ppg数据集的时候，出来的血压非常之糟糕，给我高压测到150（真实125）嗯。。。等我能正常传入ppg信号出abp信号了，再考虑这个方法吧。而且，abp信号为什么能和ppg信号相关，目前找到的几篇文章几乎都是单纯比对，而不列出科学依据。。这里也令我头大

方向3 计算多个区域的rppg信号，然后比较信号出血压

这个方案灵感来自同时测耳朵手指ppg然后估算血压，但这个方案在规划中发现太过理想了，首先很多监督训练模型在训练中都是完整的脸，现在只给一部分脸进去，其他地方全黑，不知道精度如何，如果选用pos这类算法，人的左右脸出现的如果不是完美的对称出现在屏幕中，算的区域小了，那么rppg信号精度就又会打一个巨大的问号。。这个方向已经有大佬在研究了，而且精度似乎不错，但文章是在iee上的，我看不了，就不细说了。这个我是从这个文章中的注释11看见的