近日，计算机与人工智能学院青年教师吴渊博士在物联网与智慧医疗、物联网与人机交互领域的研究取得了重要进展。相关成果《Ubicon-BP: Towards Ubiquitous, Contactless Blood Pressure Detection Using Smartphone》发表在CCF A类期刊《IEEE Transactions on Mobile Computing》。吴渊博士为第一作者，论文的第一单位为武汉纺织大学。
在Ubicon-BP: Towards Ubiquitous, Contactless Blood Pressure Detection Using Smartphone一文中，吴渊博士提出了一种基于智能手机超声波的泛在血压检测方法，利用手机扬声器发出超声波感知心跳信号，利用手机摄像头感知手掌脉搏，将提取的心跳和脉搏信号建模，用于实时检测血压，为智慧医疗的应用提供了理论支撑。
文章链接：https://ieeexplore.ieee.org/document/10925891。
图1 论文相关信息
血压是与心力衰竭和肾损伤等严重疾病密切相关的重要生理参数。现有方法要么需要额外或专用硬件，要么要求与设备紧密接触，导致不适与不便。因此，开发一种便捷、非接触式的血压测量解决方案具有迫切需求。本研究提出Ubicon-BP 一种普适性、无设备依赖、非接触式的血压检测应用。该系统基于医学证实与血压相关的关键特征参数脉搏波传导时间（Pulse Transit Time, PTT）进行血压计算。然而，利用智能手机传感器实现非接触式PTT测量面临重大挑战，因其需要微秒级精度的心脏事件检测能力。为解决这一难题，我们创新性地结合智能手机声学传感器检测心脏瓣膜运动引发的振动信号，以及摄像头传感器捕捉指尖脉搏信号。针对易受运动干扰的心跳信号检测，首先提升声学信号感知粒度，继而提出IQ-MVED模型有效消除运动伪影。在视频信号提取脉搏波方面，针对泛化性能不足等问题，开发TS-CAN网络与元学习模型实现个性化脉搏信号重建。最终，通过提取重建心搏与脉搏信号的时频特征映射实现血压计算。经50名受试者综合测试，系统在舒张压和收缩压测量中分别取得4.27mmHg和6.36mmHg的标准差精度。
图2 基于智能手机的血压检测
图3 系统架构
近年来，在学校的大力支持下，计算机与人工智能学院在大力引进高水平人才的同时，采用多种举措为引进人才和团队的发展提供有力的科研保障。组建的移动感知与智能可穿戴学科方向，相继在相关领域取得了一定的成果。