Title: Model-based Method for cuff-less blood pressure measurement using the oscillometric finger-pressing method.
Language: English
Authors: Baumann, Phillip 
Qualification level: Diploma
Keywords: Modellbildung; Physiologie; Blutdruckermittlung
Modelling; Physiology; Determination of Blood Pressure
Advisor: Breitenecker, Felix 
Assisting Advisor: Bachler, Martin 
Issue Date: 2020
Number of Pages: 100
Qualification level: Diploma
Abstract: 
Hoher Blutdruck ist ein Hauptrisikofaktor für Herz-Kreislauf-Erkrankungen wie Schlaganfälle und Herzerkrankungen. Aufgrund des Bedarfs an Fachwissen oder Ausrüstung, wie z.B. einer Manschette, ist sich jedoch nur jede zweite hypertensive Person ihres Zustands bewusst. Um das Bewusstsein für Bluthochdruck zu verbessern und jederzeit und überall eine Blutdrucküberwachung zu ermöglichen, wird in dieser Arbeit ein neu entwickelter Algorithmus verwendet, der die oszillometrische Fingerdruckmethode verwendet, bei der der Finger anstelle einer Manschette als Aktuator für ein Smartphone-basiertes Gerät dient.In einer umfangreichen Literaturrecherche wurden verschiedene existierende Algorithmen zur Analyse oszillometrischer Wellenformen gesammelt und verglichen. Der am besten geeignete Algorithmus, der Maximum-Amplitude-Algorithmus, wurde im entwickelten Algorithmus angepasst und durch ein mathematisch-physiologisches Modell der transversalen Palmar-Bogenarterie begründet. Dafür wurde ein funktionaler Zusammenhang zwischen Druck und Gefäßwand angenommen, und verschiedene Verformungsmuster halfen bei der Erklärung der oszillometrischen Wellenformen und ihrer Hüllkurven. Oszillometrische Wellenformen werden erzeugt, indem der Finger auf einen Drucksensor gedr0ckt wird, der Druck stetig auf ein Minimum von 210 mmHg erhöht wird und gleichzeitig die Blutvolumenschwankungen mit einem Photoplethysmographiesensor gemessen werden.Der eingesetzte Algorithmus kann in drei Teile unterteilt werden. Zunächst werden fehlerhafte Druckanwendungen erkannt, indem die Fingerdruckkurve unter Verwendung einer linearen Regression mit einem Fenster von einer Sekunde quantifiziert und die Unterschiede gemessen werden. Im zweiten Teil wird das Photoplethysmographiesignal unter Verwendung eines Bandpassfilters mit Grenzfrequenzen von 1 Hz und 2 Hz gefiltert, um die Amplituden zu extrahieren, die sich auf die Blutvolumenänderungen während eines Herzschlags beziehen.Im letzten Teil wird die oszillometrische Wellenformhüllkurve als lineare Interpolation der lokalen Maxima des gefilterten Signals identifiziert und die Blutdruckparameter systolischer und mittlerer Blutdruck, werden an signifikanten Punkten dieser Hüllkurve erfasst. Der diastolische Blutdruck wird unter Verwendung eines empirischen Zusammenhangs zwischen diesen drei Blutdruckparametern berechnet.Der Algorithmus wurde auf 11 erfolgreiche Messungen des Geräts angewendet und die Ergebnisse wurden gegen ein übliches oszillometrisches Manschettengerät bewertet.Während 5 von 11 systolischen Blutdruckmessungen innerhalb eines Bereichs von ±10 mmHg ihres Vergleichwerts lagen, waren die verbleibenden Messungen weit außerhalb dieses gewünschten Bereichs verteilt. Diastolische und mittlere Blutdruckmessungen ergaben ähnliche Ergebnisse.Diese Unterschiede konnen durch Probleme bezüglich des Drucksensors begründet werden.Obwohl die Ergebnisse nicht konsistent sind, sieht die vorgeschlagene Blutdruckmessmethode vielversprechend aus und eine andere Hardware könnte weitere Untersuchungen anregen.

High blood pressure is a major risk factor for cardiovascular diseases, such as strokes and heart diseases. Yet, due to the need for specialized knowledge or equipment, such as a cuff, only every second hypertensive person is aware of their condition. Thus, in order to improve hypertension awareness and enable anytime, anywhere blood pressure monitoring, this thesis deploys a newly devised algorithm for a smartphone based device, utilizing the cuff-less oscillometric finger pressing method, where the finger serves as an actuator instead of the cuff.In an extensive literature research, various existing oscillometric waveform analysis algorithms were collected and compared. The most suitable algorithm, the maximum amplitude algorithm, was adapted in the developed algorithm and reasoned by a mathematical physiological model of the transverse palmar arch artery. Therefore, a functional pressure - vessel wall deformation relation was assumed and different deformation patterns helped explaining oscillometric waveforms and their envelopes.Oscillometric waveforms are created by pressing the finger onto a pressure sensor, steadily increasing the pressure to a minimum of 210 mmHg, and simultaniously measuring blood volume oscillations by a photoplethysmography sensor.The deployed algorithm can be divided into three parts. First, erroneous pressure applications are detected by quantifying the finger pressure curve using a one second windowed linear regression and measuring the differences. In part two, the photoplethysmography signal is filtered using a bandpass filter with cutoff frequencies of 1 Hz and 2 Hz, to extract the amplitudes refering to the blood volume changes during one heartbeat.In the last part, the oscillometric waveform envelope is identified as the linear interpolation of the peaks of the filtered signal and the blood pressure parameters, systolic and mean blood pressure, are detected at significant points of that envelope. Diastolic blood pressure is computed using an empirical connection between these three blood pressure parameters.The algorithm was applied to 11 successful measurements of the device and the results were assessed against a common, oscillometric cuff device.While 5 out of 11 systolic blood pressure measurements were within a range of ±10 mmHg of their comparative value, the remaining measurements were spread far off that desired range. Diastolic and mean blood pressure measurements yielded similar results. These differences can be reasoned by difficulties regarding the pressure sensor.Even though the results lack some consistency, the proposed blood pressure measurement method looks promising and a different hardware might encourage further investigation.
URI: https://doi.org/10.34726/hss.2020.76050
http://hdl.handle.net/20.500.12708/15712
DOI: 10.34726/hss.2020.76050
Library ID: AC15759215
Organisation: E101 - Institut für Analysis und Scientific Computing 
Publication Type: Thesis
Hochschulschrift
Appears in Collections:Thesis

Show full item record

Page view(s)

25
checked on Feb 21, 2021

Download(s)

37
checked on Feb 21, 2021

Google ScholarTM

Check


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.