综述：利用光电容积描记法信号进行无袖带血压监测：人工智能与边缘计算解决方案的全面综述

《ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING》：Cuffless Monitoring of Blood Pressure Using Photoplethysmography Signal: A Comprehensive Review of Artificial Intelligence and Edge Computing Solutions

　　无创血压监测通过PPG传感器技术实现，整合信号处理、机器学习与深度学习算法优化，结合边缘计算框架（如STM32、Raspberry Pi）部署，系统性地分析技术瓶颈并提出解决方案，为临床可穿戴设备开发提供综合路径。

　　

摘要

高血压仍然是全球心血管疾病发病率和死亡率的主要原因，这凸显了持续进行无创血压（BP）监测的必要性。嵌入在可穿戴设备中的光电容积脉搏波（PPG）传感器为无袖带血压测量提供了一种有前景的途径。尽管已有许多综述总结了基于PPG的血压监测技术，但现有研究往往仅关注传感器技术或人工智能（AI）模型中的某一方面。本文的独特之处在于它提供了一个全面的视角，涵盖了从信号采集和预处理到先进的人工智能（AI）算法及其在边缘设备上的实时部署的整个基于PPG的无袖带血压监测过程。主要贡献包括：(i) 对PPG传感器技术、数据集和信号处理方法的系统归纳；(ii) 对用于血压估计和分类的机器学习与深度学习方法的全面比较；(iii) 对边缘AI框架的深入讨论，重点介绍了模型优化、量化以及在STM32微控制器和Raspberry Pi等平台上的部署问题。我们还指出了现有挑战，如运动伪影抑制、数据集限制和模型泛化问题，并提出了克服这些障碍的建议。通过整合理论基础和实际边缘计算实现，本文为研究人员和从业者提供了开发临床可行、低功耗且实时运行的可穿戴血压监测系统的独特路径。