近日，k8凯发国际與人工智能學院青年教師吳淵博士在物聯網與智慧醫療、物聯網與人機交互領域的研究取得了重要進展。相關成果《Ubicon-BP: Towards Ubiquitous, Contactless Blood Pressure Detection Using Smartphone》發表在CCF A類期刊《IEEE Transactions on Mobile Computing》。吳淵博士為第一作者，論文的第一單位為武漢紡織大學。

在Ubicon-BP: Towards Ubiquitous, Contactless Blood Pressure Detection Using Smartphone一文中，吳淵博士提出了一種基於智能手機超聲波的泛在血壓檢測方法，利用手機揚聲器發出超聲波感知心跳信號，利用手機攝像頭感知手掌脈搏，將提取的心跳和脈搏信號建模，用於實時檢測血壓，為智慧醫療的應用提供了理論支撐。

文章連結：http://ieeexplore.ieee.org/document/10925891。

圖1 論文相關信息

血壓是與心力衰竭和腎損傷等嚴重疾病密切相關的重要生理參數。現有方法要麼需要額外或專用硬件，要麼要求與設備緊密接觸，導致不適與不便。因此，開發一種便捷、非接觸式的血壓測量解決方案具有迫切需求。本研究提出Ubicon-BP 一種普適性、無設備依賴、非接觸式的血壓檢測應用。該系統基於醫學證實與血壓相關的關鍵特徵參數脈搏波傳導時間（Pulse Transit Time, PTT）進行血壓計算。然而，利用智能手機傳感器實現非接觸式PTT測量面臨重大挑戰，因其需要微秒級精度的心臟事件檢測能力。為解決這一難題，我們創新性地結合智能手機聲學傳感器檢測心臟瓣膜運動引發的振動信號，以及攝像頭傳感器捕捉指尖脈搏信號。針對易受運動干擾的心跳信號檢測，首先提升聲學信號感知粒度，繼而提出IQ-MVED模型有效消除運動偽影。在視頻信號提取脈搏波方面，針對泛化性能不足等問題，開發TS-CAN網絡與元學習模型實現個性化脈搏信號重建。最終，通過提取重建心搏與脈搏信號的時頻特徵映射實現血壓計算。經50名受試者綜合測試，系統在舒張壓和收縮壓測量中分別取得4.27mmHg和6.36mmHg的標準差精度。

圖2 基於智能手機的血壓檢測

圖3 系統架構

近年來，在學校的大力支持下，k8凯发国际與人工智能學院在大力引進高水平人才的同時，採用多種舉措為引進人才和團隊的發展提供有力的科研保障。組建的移動感知與智能可穿戴學科方向，相繼在相關領域取得了一定的成果。