橈動脈脈搏波蘊含了人體豐富的生理、病理信息，對橈動脈脈搏波的無創研究可以評估不同年齡段人群的動脈血管彈性。實驗利用壓電式脈搏波傳感器無創采集年輕人群體和中老年人群體在不同接觸壓力下的橈動脈脈搏波，并使用三角形血流模型擬合法分解橈動脈波形，得到前向波與反射波并計算反射參數，最后對接觸壓力Psensor與反射參數進行相關性分析和回歸分析。結果表明，兩類受試者中反射參數RM、RI、Rd 均與Psensor具有較強的負相關性，且兩類受試者的相關系數及回歸曲線斜率有顯著差異（P<0.05）。基于此研究結果，臨床上檢測橈動脈反射波時，應當避免對傳感器施加過大的接觸壓力；同時表明，反射參數與傳感器接觸壓力的回歸曲線斜率大小也可能是量化血管彈性的一個潛在有效指標。
心率作為評估人體健康狀況的關鍵生理指標，具有重要的生理意義。傳統的接觸式心率測量需要使用心電圖儀或手環等設備，難以滿足便捷日常健康監測的需求。遠程光電容積脈搏波描記法（rPPG）作為一種非接觸式心率檢測方法，通過提取血液容積脈搏信號實現對心率和其他心動周期相關生理指標的監測，具有無創、無感和可長期監測的優勢。近年來，深度學習在處理復雜圖像和視頻數據方面展現出顯著優勢，廣泛應用于遠程心率信號提取的各個環節。本文主要闡述了基于深度學習的rPPG心率測量的最新研究進展，總結了公開數據集，并討論了非接觸心率測量的前景以及未來研究方向。