基于面部视频的非接触式血压测量方法研究及其机器学习模型验证

《Physical and Engineering Sciences in Medicine》：A non-contact blood pressure measurement method based on face video

本研究提出一种创新的非接触式血压测量方法，通过摄像头采集面部视频，提取远程光电容积脉搏波（RPPG）信号，并采用滤波处理和XGBoost机器学习算法构建血压回归模型。实验结果显示，收缩压和舒张压测量误差分别为4.8893±6.6237 mmHg和4.0803±5.5821 mmHg，完全符合AAMI标准，并达到BHS评级A级，为心血管疾病预防提供了便捷精准的新方案。

　　

血压作为人体心血管健康的关键指标，其定期精准监测对预防心血管疾病至关重要。结合光电容积脉搏波（PPG）技术与机器学习进展，本研究开发出基于面部视频的非接触式血压测量方法。通过摄像头捕获的面部视频可提取远程光电容积脉搏波（RPPG）信号，经系列滤波处理增强信号质量后，采用极端梯度提升树（XGBoost）算法构建血压回归模型。该方法实现收缩压测量误差4.8893±6.6237 mmHg，舒张压误差4.0805±5.5821 mmHg，不仅完全符合美国医疗器械促进协会（AAMI）标准，更凭借微小误差在英国高血压学会（BHS）标准中获得收缩压与舒张压双A级评价，为动态血压监测开辟了无创便捷的新途径。