Videnskab
 science >> Videnskab >  >> Elektronik

Brug af fotoplethysmografisignal til matematisk modellering af arterielt blodtryk

Tidsdiagram over protokoller (NB:Normal vejrtrækning, BH:Hold vejret). Kredit:Soltan zadi et al.

Et team af forskere ved University of Texas i Arlington og University of Texas Southwestern har for nylig udviklet en ny metode til at estimere systolisk (SBP), diastolisk (DBP), og gennemsnitlige (MBP) blodtryksbølgeformer fra fotoplethysmografi (PPG) signaler. PPG er en enkel, lavpris, og ikke-invasiv optisk teknik, der detekterer volumetriske ændringer i blodet i den perifere cirkulation. PPG er meget udbredt inden for kliniske omgivelser, både til fysiologisk måling og overvågning.

Nyere forskning har fremhævet tilstedeværelsen af ​​betydelige svingninger i natligt blodtryk (BP) blandt patienter, der er ramt af obstruktiv søvnapnø (OSA). Den høje frekvens og intensitet af disse svingninger, som typisk opstår under hver apnøepisode, tyder på, at undersøgelse af dem kunne afsløre hovedårsagerne til de kardiovaskulære og cerebrovaskulære komorbiditeter ved OSA.

Mens de fysiologiske implikationer af disse BP-oscillationer stadig er ukendte, udvikle instrumenter, der kan opdage dem og estimere deres størrelse, er fortsat af afgørende betydning. Eksisterende polysomnografi-instrumenter tillader ikke slag-til-slag-måling af BP; alligevel måler nogle oximetri. PPG -signalet, der opdages ved hjælp af søvnlaboratorier, kan hjælpe forskere med at måle størrelsen af ​​BP -svingninger.

"Vi har undersøgt en ny metode til kontinuerlig estimering af systolisk (SBP), diastolisk (DBP), og gennemsnitlige (MBP) blodtryksbølgeformer fra PPG, " skrev forskerne i deres papir, som blev forhåndspubliceret på arXiv. "Toppe og lavpunkter for PPG-bølgeform bruges som input til en femte-ordens autoregressiv glidende gennemsnitsmodel til at konstruere estimater af SBP, DBP, og MBP -bølgeformer. "

Med andre ord, forskerne brugte toppe og trug i PPG -bølgeformen til at modellere SBP og DBP, med autoregressive glidende gennemsnit (ARMA) modeller. ARMA -modeller er systemidentifikationsmetoder, der giver en matematisk model for dynamikken i et system, samt fremhæve enhver ren tidsforsinkelse.

BP-signal og systoliske og diastoliske interpolerede værdier under vejrtrækning. Kredit:Soltan zadi et al.

Tidligere forskning tyder på, at manøvrer til at holde vejret tæt på at simulere apnøepisoder. Forskerne evaluerede derfor udførelsen af ​​deres metode på syv emner i en liggende stilling. Disse patienter blev bedt om at udføre fem manøvrer til vejrtrækning, med 90 sekunders perioder med normal vejrtrækning mellem hver.

"Resultaterne af denne pilotundersøgelse viser, at estimering af systolisk og diastolisk BP fra PPG-målinger ved hjælp af ARMA-modeller kan være en levedygtig metode til kontinuerlig og ikke-invasiv måling af centrale BP-brændpunkter i OSA-emner, med nøjagtighedsniveauer, der kan sammenlignes med tidligere rapporterede værdier, " skrev forskerne.

Samlet set, undersøgelsen bekræftede yderligere potentialet ved at bruge PPG-signal indsamlet af søvnlaboratorie-oximetre i forbindelse med ARMA-modeller til at måle størrelsen af ​​BP-oscillationer hos patienter, der er ramt af søvnapnø. Ultimativt, sådanne instrumenter kan hjælpe forskere med bedre at forstå betydningen af ​​disse svingninger og deres forbindelse med kardiovaskulære tilstande, der typisk er forbundet med OSA.

På trods af disse lovende resultater, det er usandsynligt, at en enkelt model effektivt kan estimere BP for alle medlemmer af befolkningen ved hjælp af PPG-variationer. I fremtiden, en sådan model kan derfor være nødvendigt at skræddersy til individuelle patienter.

"Det sandsynlige behov for personspecifikke modeller stammer fra det faktum, at der er en stor variation i de fysiologiske systemer, der er involveret i kontrollen af ​​blodtryk, hvilket inkluderer reaktionsevne af det sympatiske nervesystem, mekanisk, væskemekanik, dynamiske egenskaber ved det kardiovaskulære system, og stofskiftehastighed, " skrev forskerne.

© 2018 Science X Network