血壓是反映心血管功能和血管阻力的關鍵生理參數(shù)，也是評估整體心血管疾病風險的核心指標。它與代謝健康狀況密切相關，是代謝綜合征的診斷標準之一。在針對高血壓或代謝綜合征患者進行營養(yǎng)干預時，血壓的動態(tài)監(jiān)測是評估干預效果和進行個體化飲食調整的重要依據(jù)。無袖帶血壓監(jiān)測技術具有連續(xù)、非侵入性等優(yōu)點，為實現(xiàn)血壓的動態(tài)監(jiān)測提供了新手段，其臨床與公共衛(wèi)生意義日益凸顯。然而，現(xiàn)有技術仍受限于信號處理復雜、特征表達不足以及準確度較低等關鍵瓶頸，致使其在真實場景中的規(guī)模化應用仍面臨嚴峻挑戰(zhàn)。
2025年10月，中國科學院深圳先進技術研究院（簡稱“深圳先進院”）聶澤東研究員團隊在 IEEE Journal of Biomedical and Health Informatics（JBHI）發(fā)表了基于ECG與PPG的動態(tài)血壓監(jiān)測研究 “MuFuBP-Net: A Multimodal Fusion Network for Cuffless Blood Pressure Estimation Using Dual-Feature Pipeline With Probabilistic Feature Encoder”（Highlights文章），并以配圖形式登載于 JBHI October 2025當期封面。
在研究中，團隊提出了一種全新的多模態(tài)融合網(wǎng)絡模型MuFuBP-Net，用于基于 ECG 與 PPG 的無袖帶血壓估計。模型采用雙特征提取通道架構，分別進行分層與模態(tài)特征建模；引入 Cascading Cross-Feature Enhancer（CCFE） 跨模態(tài)融合與通道注意機制，動態(tài)調節(jié)時空特征的重要性；基于變分思想設計 Probabilistic Feature Encoder（PFE），對高維融合特征進行緊湊建模與去冗，從而提升泛化能力與魯棒性。在 MIMIC-II 與 MIMIC-III 數(shù)據(jù)庫上，所提出的模型在收縮壓（SBP）評估中達到MAE ± SDE ≤ 2.99 ± 4.37 mmHg，舒張壓（DBP）評估中達到MAE ± SDE ≤ 2.63 ± 4.19 mmHg ，結果優(yōu)于國內外同類模型，并符合 AAMI、BHS、IEEE 三大國際標準的 A 級要求。研究同時引入 LIME 可解釋性分析，驗證 ECG 在血壓預測中的關鍵作用，并通過多組消融實驗進一步確證模型設計的有效性與創(chuàng)新性。
該研究為便攜式、無袖帶血壓監(jiān)測系統(tǒng)提供了扎實的理論與方法支撐，適用于家庭健康監(jiān)測、慢病管理、精準營養(yǎng)干預以及資源受限地區(qū)等場景。
中國科學院深圳先進技術研究院聶澤東研究員為論文唯一通訊作者。其博士研究生法哈德·哈桑（Farhad Hassan）為論文第一作者。本研究獲得國家重點研發(fā)計劃、中國科學院醫(yī)學成像科學與技術系統(tǒng)重點實驗室聯(lián)合資助。
圖1 文章封面，原文鏈接：https://ieeexplore.ieee.org/document/10975118/
圖2 JBHI Highlights 文章
圖3 MuFuBP-NET 算法模型
圖4 結果驗證與對比
附件下載：