心血管疾病作为当今世界主要死亡因素之一，对全球范围内的人类健康构成严峻威胁。人体血压水平与心血管疾病风险息息相关，高血压是心血管疾病发病最主要的诱导因素。血压是人体心血管系统中的一个重要生理参数，直接关系到血液在动脉系统中的流动状态和心脏的泵血功能。在医疗健康领域，血压测量是评估心血管健康的重要手段之一，实施连续血压波动监测和评估可以辅助预防心血管疾病的紧急发作。目前情况来看，传统血压测量方法无法在不影响用户正常生活状态下满足获取血压实时变动的实际需求，同时血压测量仪器的便携性和操作简易性需要进一步提升。现代医学、光电子学、深度神经网络和智能设备的快速发展为光电容积脉搏波（Photoplethysmography，PPG）技术铺平了道路，从而具备在日常生活场景中开展血压连续监测的广大前景。在先前的众多研究中，已经发现了PPG信号与血压数值之间变化的同一性。然而，PPG预测血压领域仍然存在通用模型血压特征提取能力不足、PPG信号个体差异性大以及模型域泛化困难的问题。因此，本文开展基于光电容积脉搏波的无创连续血压检测方法研究，旨在提升方法的实用价值，缩短科学研究与实际应用之间的距离。本文研究内容如下：

（1）本文设计了公开数据集一体化处理流程，提出了基于快速傅里叶变换和二维卷积网络相结合的的PPG血压特征提取器。本文以公开医疗数据集重症监护医疗信息系统（Medical Information Mart for Intensive Care III，MIMIC-III）为基础，提出了信号优化、信号分窗、标签绑定、信号评价、数据增强的标准化数据处理流程，其中信号优化采用巴特沃斯滤波、小波变换去基线漂移，而信号评价体系是一种自相关系数法和基于核密度估计的离群点检测法相结合的信号质量打分系统。依据PPG信号和动态血压波形短期内都具备一维时序周期特性，本文提出按照信号核心频率进行周期切分的维度变换策略，从而构建了一阶段1D-2D深度模型特征提取器。该模型能够同时获取PPG信号的周期内上下文信息和相邻周期同位置上下文信息，从周期相对位置角度提取血压特征。经过对比实验，本文提出的基于维度变换策略的二维特征提取方法，能够达到优于当前研究的血压预测效果。

（2）本文基于一阶段1D-2D血压特征提取器，设计完成二阶段血压校准模块，从而实现了能够跨受试者精准预测血压的2DBP\_Net完整架构。当前多数PPG信号预测血压的研究工作仅仅在一阶段就得出文章结论，并未深入探讨PPG信号的个体差异性这一核心问题。PPG信号个体差异性是无创血压测量技术走向成熟稳定的主要阻碍，目前仅依靠更新网络架构的思路无法避免过拟合现象。因此，本文提出一阶段1D-2D血压特征提取框架和二阶段ResNet-18网络相结合的比较特征方法。校准方法的核心在于抓住特征变化与血压变化的同一性，因为同一受试者的不同PPG信号都包含了相同的个体差异性，而不同的特征变动代表着不同的血压变动。通过实验结果证明，无需借助自身大量标签样本迁移学习，2DBP\_Net仅依靠一个自身标签样本就能够具备长期血压精准预测能力。

（3）本文针对国内居民设计了数据采集实验，并依靠迁移学习微调方法缓解模型域泛化问题。本文按照国民年龄分布征集受试者，使用Nova10 Pro手机摄像头收集PPG信号，使用OMRON HEM-7136血压仪收集血压标签，参考公开数据集的预处理方法获得自建数据集。本文使用迁移学习训练集先微调特征提取器第一线性层，完成后根据特征提取器生成的特征构建比较特征，然后微调校准模块所有卷积层和线性层。通过迁移学习验证集验证，2DBP\_Net迁移学习微调方法在自建数据集表现良好，完全满足国际医疗器械标准要求。实验结果表明，本研究所提出的双阶段血压预测方法能够克服不同采集设备、不同人群带来的困难，从而侧面反映出本文方法的实际应用价值。