Introduction

根據世界衛生組織統計，高血壓居全球可歸因致死原因第一位。

脈波傳導速度(Pulse Wave Velocity, PWV)是評估血壓長期負荷重要指標，被全世界高血壓治療指引推薦為須定期評估之血壓靶器官指標，甚至具超越血壓的心血管風險預測價值。PWV必須在醫療場所利用儀器測量。近年由於穿戴裝置發展，各類型生理參數得以收集監測。本新創成果即為利用穿戴裝置收集生理指標建置估測PWV演算法並配合個人化的血壓估測，進一步提升穿戴裝置的健康監測價值。

本新創成果採用SENSIO智慧手表光學元件，在醫院門診與健檢中心收集光體積變化描記圖(Photoplethysmography,PPG)及心電圖訊號。

由於腕式PPG訊號相較指式PPG訊號不易分辨與提取特徵，因此我們首創針對遺失特徵差補與模糊特徵辨識機制進行訊號處理(腕式PPG訊號可用率由~60%提升至99.1%)，並利用加權波形拆解演算法將PPG波型拆解成五個成分波，並擷取波峰時間、寬度與振幅，組合成多組特徵；運用機器學習極端梯度提升演算法建構階層迴歸模型預測PWV，透過深度卷積網路與多層次感知器來建構個人化血壓模型來預估血壓。我們的模型首次將以腕式PPG與ECG訊號預測PWV的準確度由以往使用指式PPG及ECG訊號估測的均方根誤差約230 cm/s顯著下降至約155 cm/s，而在腕式的個人化血壓估測模型男性36人與女性24人上，收縮壓平均絕對誤差為6.99mmHg，平均均方根誤差為7.58mmHg，而舒張壓平均絕對誤差為6.24mmHg，平均均方根誤差為6.65mmHg。

此成果在腕式PPG訊號處理、PWV與個人化血壓預測演算法建置及預測準確度上都有突破性成果。而滿足即時運算處理單精確度與雙精確度版本皆已開發完成，也已進行專利申請與佈局。本技術甫獲2022未來科技獎肯定。