《IEEE Open Journal of Engineering in Medicine and Biology》：Transfer functions identification in the artery-tissues-hydrocuff system for the purpose of forming individual input parameters for artificial neural networks
编辑推荐：
编辑短推：为破解家用血压计因前臂解剖差异致收缩压SAP与舒张压DAP假性偏高难题，俄团队利用水袖替代空气袖放大脉搏波振幅40-60%，首次以Volterra级数非线性辨识获得个体K(s)、K(s,s)传递函数，实现SAP/DAP实时校正并构建神经网络MFS输入，为早期高血压个体化预警提供可穿戴解决方案。
清晨起床，人们把空气袖带绑上臂，一键测压——这看似简单的动作却暗藏“误判”风险。大量临床观察发现，同一台电子血压计在胖瘦不同、肌肉脂肪比例差异显著的前臂上，会给出相差可达10 mmHg的读数；收缩压SAP被高估，舒张压DAP亦随之飘高，导致“假性高血压”频现，药物过度调整时有发生。根源在于，空气袖带产生的振荡波振幅仅1-2 mmHg，经过皮下脂肪、结缔组织、血管壁的多重阻尼后，真正的动脉脉搏波APW轮廓已被扭曲。如何剥离组织个体化“滤波”效应，还原真实血压，成为家庭监测与精准降压治疗之间亟待跨越的鸿沟。
正是瞄准这一痛点，Sergey Gerashchenko团队提出把水换成“传感媒介”。他们设计了一种可注入液体的水袖（hydrocuff），利用可变容积副室维持线性加压-卸压，使袖带内振荡波振幅跃升至脉压的40-60%，信号分辨率瞬间提升。更关键的是，作者没有止步于“看得清”，而是追问：能否用数学手段把“组织-血管-袖带”这一整条非线性传输链路拆解出来，让袖带压力x(t)与测得波形P(t)之间的关系可计算、可预测、可校正？于是，一场基于Volterra级数非线性辨识的“拆链”工程正式展开，成果发表于《IEEE Open Journal of Engineering in Medicine and Biology》。
为了完成辨识，研究人员首先把连续的非线性Volterra泛函模型截断为“线性核K + 双线性核K”两项，再用Chebyshev多项式对核函数进行谱展开，把积分方程转化为矩阵方程；随后在水袖线性卸压段同步采集512 Hz数字化压力信号，以Gauss-Christoffel型求积公式快速计算内积，构建线性代数方程组，一次性解出展开系数A、C。最终得到的K?(s)、K?(s,s)即为个体化传递函数，残差可控制在0.2 mmHg以内。整套流程无需额外有创测量，仅需一次30 s水袖卸压，即可为被试建立专属“血管-组织滤波器”数字孪生模型。
关键技术速览（≤250字）：
水袖硬件：液体线性加压-卸压回路+可变容积副室，振幅提升40-60%。
信号采集：512 Hz采样，肩袖压力传感器实时输出。
非线性辨识：二阶Volterra级数+Chebyshev谱展开+配置点离散，Gauss-Christoffel求积。
参数求解：线性代数方程组，N=11-19即可收敛。
验证队列：Penza State University医院招募的弹性血管、中度硬化、高度硬化三组志愿者，同步记录水袖波形与指尖PPG对照。
研究结果
模型建立与验证
对弹性血管组，用m=3（即9项Chebyshev基函数）即可使残差ε(t)峰值<0.3 mmHg；中度硬化组在N=11时残差<0.1 mmHg，但继续增大N至19，舍入误差与随机抖动导致ε反而上扬，提示“参数并非越多越好”。高度硬化组因反射波增强，双线性核系数C幅值平均增大32%，模型仍能维持0.2 mmHg精度，证实算法对血管老化特征敏感。
传递函数特征
线性核K?主峰时延0.08 s，对应袖带到肱动脉的脉冲传输时间；双线性核K?在s=s=0.06 s出现高值区，提示组织黏弹性导致的二次谐波最为显著。与指尖PPG对比，水袖模型估算的SAP误差?1.2±1.5 mmHg，DAP误差?0.8±1.1 mmHg，显著优于传统空气袖带振荡法（SAP?6.4±4.2 mmHg）。
神经网络输入构建
将K?、K?展开系数与主峰时延、二次谐波能量共21维参数送入三层ANN，可区分“正常-高危-高血压”三类人群，十折交叉验证准确率达94.7%，敏感性97.1%，特异性92.0%，为后续可穿戴连续监测提供MFS（multiparametric feature space）模板。
结论与讨论
文章首次给出“动脉-组织-水袖”这一非线性耦合系统的可计算传递函数，实现两大突破：其一，以液体袖带+Volterra辨识把“解剖差异”量化成可校正的数字模型，使家庭血压误差从“±10 mmHg”级降至“±2 mmHg”级；其二，用核函数系数直接生成神经网络输入，摆脱传统PPG或applanation tonometry对专家经验与昂贵硬件的依赖，为个体化降压方案与动脉粥样硬化早期预警提供低成本、可扩展的技术路径。未来，团队计划把算法嵌入STM32低功耗平台，结合蓝牙袖带，实现24 h动态血压与血管硬化指数同步输出，让“精准降压”真正走进千家万户。
