非接触式心率测量研究初步

基于Matlab软件平台,通过图像光电容积脉搏波描记法(iPPG),提取心率波信号。结合人脸检测与跟踪技术,选取脸部三角区域作为感兴趣区域 (ROI),从中分析提取iPPG信号,然后采用快速傅里叶变换计算出心率。通过对20名志愿者的实验,结果显示在不同颜色通道(R、G、B)提取出的心率信号的信噪比不同,其中G通道的心率信号最强。分析数据显示,与医用心电测量仪相比,该方法测量的平均误差为1.73 beat/min。采用光容积成像技术检测方法,可进一步实现血液灌注三维可视化,能检测动脉血氧饱和度、呼吸率、神经系统的生理活动和新生儿监护,甚至能应用于家庭移动医疗、运动检测等大众场合,提高便捷性,降低医疗成本。     

基于超声回波信号的指端脉搏波提取

脉搏波可作为检测人体心血管系统生理病理状态的重要依据。为了验证用超声波测量脉搏波的可能、解决脉搏波的测量部位受限的问题,本研究提出一种从超声回波信号中提取脉搏波的方法。设计一种跟随式超声传感器,用数据采集系统采集指端超声回波信号,经过滤波、选点及小波去噪等处理后得到较为纯净的脉搏波信号;同时采集心电信号以及光电容积脉搏波信号作为参考信号。结果表明,可以从提取的指端脉搏波中准确地获取心率;与同步测得的光电容积脉搏波数据相关系数大部分在0.8以上;波形中的重搏前波、重搏波等细节部分也能明显地表现出来。本研究提出的方法实现了从指端超声回波信号中获取完整可靠的脉搏波信号,为日后获取不同部位的脉搏信号提供了基础。     

基于压力波的人体脉搏波传播速度无创检测研究

脉搏波传播速度的变化往往是血管弹性程度发生变化的最早体征,因此脉搏波速度的检测对动脉硬化等疾病的诊断有较高的参考价值,其检测精度主要取决于波速参考点的提取算法。在分析实际采集的脉搏压力波信号特征的基础上,对波峰、波足等特征点进行了识别,并提出了一种根据脉搏波前沿内斜率最大值点的个数和位置确定惟一波速参考点的新算法。临床实验证明,新方法能够有效地提取脉搏波速度,有助于动脉血管弹性程度的辅助诊断。     

两种计算正常成年人短时心率变异性方法的比较研究

目的利用光电容积脉搏波法分析心率变异性,为通过心率变异性(heart rate variability,HRV)参数表征自主神经系统的变化提供新的研究方法。方法对46个健康成年受试者分别同步采集自主呼吸状态下的心电信号和光电容积脉搏波信号,利用二阶差分极大值提取心电图的RR间期,搜索脉搏波极大值提取脉搏波主波波峰间期PP,然后计算通用HRV参数SDNN、RMSSD和LF/HF,并利用回归的统计学方法结合Bland-Altman随机分析法对这两种方法获取的HRV结果进行比较。结果两种方法计算得到的心率变异性参数结果的Pearson相关系数分别为0.998、0.995和0.992,均显著相关(P0.01),Bland-Altman分布图也均在一致性区间内,说明这两种方法在计算心率变异性上具有一致性。结论利用光电容积脉搏波法分析心率变异具有可行性。     

基于FastICA与ICEEMDAN的人脸视频心率检测

现有的非接触式心率检测方法存在噪声干扰、准确率低等问题。针对这些问题,提出一种基于FastICA与改进的自适应噪声完全集合经验模态分解(ICEEMDAN)相结合的算法,采用人脸视频进行心率检测。用摄像头采集人脸视频,并从视频中提取R、G、B通道源信号,即皮肤颜色变化信号,分别求出RGB这3个颜色通道的像素平均值;然后利用 FastICA对RGB这3组像素平均值进行解混,得到3组独立源信号,再用ICEEMDAN将其中一组独立源信号进行模态分解,并选取合适频段内的固有模式函数(IMF)估计心率的信号,最后用频谱分析计算得到心率。设计实验对8名人员进行了人脸视频检测,将检测结果与多参数监护仪进行对比分析。实验结果表明,该方法与多参数监护仪测量结果的平均误差与均方根误差均小于1 beat/min,因此基于FastICA与ICEEMDAN的人脸视频心率检测对人体心率检测具有良好的稳定性和准确性。     

基于改进色度模型的非接触式心率检测与估计

成像式光电容积描记技术能够实现低成本、非接触的远程生理参数检测与估计。其中,基于色度模型的视频图像心率估计算法计算简单、效率高,且具有较强的抗运动干扰能力,但并未考虑实验中光照变化产生的信号干扰。针对该问题,提出一种基于改进色度模型的非接触心率估计算法,通过定义感兴趣(ROI)区域和背景区域的反射光模型,利用两种区域颜色通道信息的比值来消除光照干扰,从而得到消除光照干扰的色度模型,并进行脉搏波的提取与心率估计。对10名在校大学生采集到的人脸图像进行分析,发现该算法估计心率的相对误差为3.52%±2.53%,原始色度模型算法的相对误差为7.23%±2.82%,两者对比有显著性差异(P<0.01)。该算法能有效抑制光照变化所引起的干扰,使所提取脉搏波信号的信噪比平均提高1.52 dB,这对更精确地进行非接触式心率估计与脉搏波信号提取具有重要意义。     

基于脉搏波的呼吸频率计算方法

为了在可穿戴医疗领域中快速检测出人体的呼吸频率,提出一种基于光电容积脉搏波的呼吸频率计算方法。首 先,通过MIMIC Database数据集获取人体同时段的脉搏波信号与呼吸波信号;其次,通过对脉搏波信号运行经验模态分 解算法,从而获得脉搏波信号的有限个本征模态函数,再选取合适的本征模态函数重构呼吸波信号;最后,通过对重构的 呼吸波信号进行特征提取,计算出呼吸频率。结果表明:经过脉搏波分解得到的呼吸信号与原始呼吸信号的相对相干系 数在0.6以上,呼吸频率也十分接近,准确率高达0.9以上。说明通过光电容积脉搏波信号计算呼吸频率的可行性,这对于 可穿戴医疗领域、无创医疗诊断具有重要意义。     

脉搏波传导速度测量算法的研究及其进展

动脉弹性功能下降是心血管疾病的早期特征之一,而动脉脉搏波速度能够很好地反映动脉弹性,因此准确测量动脉脉搏波速度对预防和治疗心血管疾病有很大的帮助。测量脉搏波速度的方法主要有两种:基于容积脉搏波的检测方法和基于压力波的检测方法,其检测精度取决于波速参考点的提取。波速参考点的提取方法主要有切线法、最低点法、峰值法以及斜率最大值点法。本文分析了现有测量算法的优点和存在的不足之处,探讨了国内外的研究动向,提出测量算法的改进方案。     

线性回归算法提取脉搏血氧特征值初步验证

目的:准确提取脉搏血氧信号特征值R是计算脉搏血氧饱和度的关键。传统的R值提取算法大多采用脉搏波的峰谷值法,需要多个周期的平均来提高精度,存在移动步长难以确定、实时性差等缺点。本文提出一种动态实时的R值提取算法。方法:基于近红外光谱技术(Near infrared spectroscopy,NIRS)的测量原理,建立了红外光(IR)和红光(RD)两束透射光强信号的线性回归模型,并确定回归系数b与特征值R之间的定量关系。以纯数字医用放大器为实验平台,搭建了光源驱动电路和光电检测电路,采集的光电容积脉搏波(Photoplethysmography,PPG)信号由蓝牙USB接口传输至计算机,然后进行线性相关性分析及提取算法验证。结果:分析发现IR和RD两束透射光强信号之间具有很强的相关性(r>0.9),运用线性回归法提取的特征值R可以准确的反映正常血氧饱和度值以及在主动闭气过程中血氧饱和度的下降过程。结论:初步验证结果表明,线性回归算法可以有效的进行脉搏血氧信号特征值的动态估算。     

基于神经网络的脉搏波信号血压检测算法

脉搏波信号蕴含大量的人体生理与病理信息,与血压的变化息息相关,利用其特征参数可以无创连续检测血压。神经网络因其极强的学习能力、泛化能力以及可以充分逼近任意复杂的非线性关系而被应用于脉搏波血压提取算法中。本研究介绍了脉搏波特征参数,并简述了基于脉搏波特征参数进行血压测量的研究进展,详细叙述了基于神经网络的脉搏波特征参数血压检测算法,最后对不同神经网络模型的优缺点进行分析,并对基于神经网络的脉搏波特征参数血压监测算法的研究方向进行展望。     

脉搏波的无创检测方式

脉搏波的波形特征与心血管疾病密切相关,其检测方式和传感器的选择都会对脉搏波的检测结果产生重大影响。目前脉搏波无创检测用传感器类型包括压力传感器、压电传感器和光电传感器(反射式和透射式)。检测方式有桡动脉压力脉搏波检测和指端容积脉搏波检测。实际运用结果显示不同的传感器有不同的性能指标和适应范围,检测方式也会对脉搏波的检测产生很大影响。尽管压电传感器和光电传感器都能采集信号良好的脉搏波,但压力传感器由于误差大、强噪声和检测部位难寻等原因已经逐渐被淘汰,此外临床实验证实了桡动脉压力脉搏波检测容易受检测部位和检测个体的影响,指端容积脉搏波具有检测稳定、重复性好、易于操作等优点。     

Finger and ear photoplethysmogram waveform analysis by fitting with Gaussians

Analysis of the contour of the blood volume pulse (VP) has become important because it contains much information about cardiovascular activity. Traditionally, pulse contour analysis requires first or higher derivatives to be calculated. This paper describes a novel algorithm for analysing simultaneously measured ear and finger photoplethysmography (PPG) signals. The algorithm separates the systolic wave and the diastolic wave of the VP and fits each of them with the sum of two Gaussian functions. The VP was obtained from PPG signals taken from 40 healthy subjects at each heartbeat cycle. From the evaluated VP, time values of the direct wave and three reflected waves were calculated, as well as the augmentation index (AI) and the reflection index (RI). The evaluated parameters were compared with those that were obtained by the derivative method, and it was demonstrated that the new method can be used to analyze VP waveforms.     

基于指尖视频图像的自适应脉搏信号提取算法研究

针对手指视频图像R分量饱和失真现象,本文提出了一种基于迭代的阈值分割算法,自适应生成R分量待检测区域,通过计算待检测区域灰度均值,从而提取出人体脉搏信号。原始脉搏信号存在基线漂移及高频噪声,结合脉搏信号特征,设计了零相位数字滤波器来滤除噪声干扰。在不同智能手机上采集了指尖视频图像,利用本文提出的算法提取出了待检测区域。考虑到每次测量时指尖压力会有所不同,本文对不同压力下提取的脉搏信号做了对比分析。为了验证本文提出的算法在心率检测方面的准确性,做了心率检测对比实验。结果表明,本文提出的算法能准确提取出人体心率信息,同时具备一定的可移植性,为进一步在智能手机平台上开发生理监测应用提供了一定的理论帮助。     

一种可监测人体脉搏波的汽车方向盘辅助装置

目的脉搏波的波形特征与心血管疾病密切相关。本文拟设计一种安装在汽车方向盘上的能独立实时监测脉搏波信号的辅助装置,在驾驶员无意识下获取其血流动力学的相关信息,为监测健康状况提供数据支持。方法该装置利用置于方向盘套表面的反射式脉搏波光电传感器采集脉搏波信号。经过滤波、放大和A／D转换,利用嵌于方向盘助力器内的配套装置对脉搏波信号进行数字处理,实现对脉搏波信号周期的确定、心率和平均动脉压数据的计算,以及信号和数据的存储。最后将处理后的脉搏波波形、心率数据及平均动脉压显示在配套装置的液晶显示屏上,还可通过配套装置中的SD卡接口进行数据传输及存储。结果经受试者实际测试,传感器能够准确测出手指脉搏波并输出,使得方向盘套和助力器具有测量脉搏波、心率及平均动脉压的功能。结论该汽车方向盘辅助器可为用户实时监测脉搏波、心率和平均动脉压,帮助使用者实时监测自己的健康状况。     

一种基于单通道腹部信号的胎儿心电提取算法

设计一种基于单通道孕腹部信号的胎儿心电提取算法,分别提取出母亲心电和胎儿心电,并计算出母亲心率和胎儿心率。首先对单通道孕腹部信号进行k-TEO(k=19)变换,突出母亲心电的QRS波,从而通过简单的阈值法确定母亲心电的R波位置,接着通过在相邻R波间重采样以获得相同的R-R间期T,这样经过一个间隔为T的梳状滤波器就可以分离出相同R-R间期的母亲心电,然后再一次在相邻R波间进行重采样恢复原来的R-R间期就可以获得实际的母亲心电了。原始腹部信号减去上面提取的母亲心电后,胎儿心电QRS波的信噪比大大提高,通过再次应用提取母亲心电的算法即可得到“干净”的胎儿心电波形。选取Physionet数据库中的8 组(26 通道)孕腹部信号数据进行分析,计算每个通道数据的胎儿心电QRS波位置识别灵敏度、阳性检测率和准确性。结果表明,胎儿心电QRS波的识别准确率达到87.1%,其中有6 个通道达到100%。另外计算每个通道的母亲心率和胎儿心率并做统计分析,发现每一组中各个通道的母亲平均心率和胎儿平均心率都非常接近,同一组中各通道间母亲平均心率最大误差为0.1次/min, 而胎儿平均心率最大误差也只有0.9次/min,进一步证明算法的可靠性。     

Extracting sources from noisy abdominal phonograms: a single-channel blind source separation method

In this work we highlight a methodology that extracts sources from noisy single-channel abdominal phonograms. First, an appropriate matrix of delays is constructed. Next, multiple independent components are calculated using the FastICA algorithm. Then these components are projected back to the measurement space and classified for recovering the sources of interest. Single-channel phonograms obtained from three different subjects were analysed. Results show successful extraction of foetal heart sounds (FHS), maternal respiration/pulse wave, and line noise. It is important to point out the high performance of the method for extracting the former two as separate sources; especially due to the fact that pulse wave and FHS may overlap as maternal and foetal QRSs do in the abdominal ECG. The most outstanding factor is that this is achieved using a single-channel method. So, this approach extracts physiological sources from noisy abdominal phonograms, and we believe it will be useful for surveillance, not only for foetal well-being but also for maternal condition.     

Unconstrained detection of respiration rhythm and pulse rate with one under-pillow sensor during sleep

A completely non-invasive and unconstrained method is proposed to detect respiration rhythm and pulse rate during sleep. By employing wavelet transformation (WT), waveforms corresponding to the respiration rhythm and pulse rate can be extracted from a pulsatile pressure signal acquired by a pressure sensor under a pillow. The respiration rhythm was obtained by an upward zero-crossing point detection algorithm from the respiration-related waveform reconstructed from the WT 2⁶ scale approximation, and the pulse rate was estimated by a peak point detection algorithm from the pulse-related waveform reconstructed from the WT 2⁴ and 2⁵ scale details. The finger photo-electric plethysmogram (FPP) and nasal thermistor signals were recorded simultaneously as reference signals. The reference pulse rate and respiration rhythm were detected with the peak and upward zero-crossing point detection algorithm. This method was verified using about 24 h of data collected from 13 healthy subjects. The results showed that, compared with the reference data, the average error rates were 3.03% false negative and 1.47% false positive for pulse rate detection in the extracted pulse waveform. Similarly, 4.58% false negative and 3.07% false positive were obtained for respiration rhythm detection in the extracted respiration waveform. This study suggests that the proposed method is suitable, in sleep monitoring, for the diagnosis of sleep apnoea or sudden death syndrome.     

便携式心电监护系统中心电信号的实时分析方法设计

目的：设计并实现一种适用于便携式心电监护系统的心电波形实时动态检测和分析的方法。方法 ：作者首先应用5点平滑滤波消除信号的高频噪声和50 Hz干扰,然后通过对分段心电信号的长度变换来增强R波,并用长度阈值检测到R波位置,再通过去错检和查漏检算法提高R波检测准确率;正确检测到R波后,利用区域极值和斜率突变特点从R波开始向前、向后搜索找出Q、S波,然后从已开始的Q、S波位置再分别向前向后找到Q波起点和S波终点;最后根据已检测到的QRS波群计算了心率和ST段参数。结果：通过对包含各种噪声的心电信号的分析证明该算法能准确地检测到QRS波群,不受基线漂移和高频噪声的影响;算法用C语言实现后在嵌入式心电监护系统中的应用也表明其处理速度完全满足移动设备的实时动态分析要求。结论：本文设计的心电波形识别方法算法简单、速度快、抗干扰能力强、准确率高,并成功应用于基于32位嵌入式系统的心电监护仪。相信能给便携式心电监护设备研发中心电信号自动检测和分析功能的实现带来一些启发。     

Fetal source extraction from magnetocardiographic recordings by dependent component analysis

Fetal magnetocardiography (fMCG) has been extensively reported in the literature as a non-invasive, prenatal technique that can be used to monitor various functions of the fetal heart. However, fMCG signals often have low signal-to-noise ratio (SNR) and are contaminated by strong interference from the mother's magnetocardiogram signal. A promising, efficient tool for extracting signals, even under low SNR conditions, is blind source separation (BSS), or independent component analysis (ICA). Herein we propose an algorithm based on a variation of ICA, where the signal of interest is extracted using a time delay obtained from an autocorrelation analysis. We model the system using autoregression, and identify the signal component of interest from the poles of the autocorrelation function. We show that the method is effective in removing the maternal signal, and is computationally efficient. We also compare our results to more established ICA methods, such as FastICA.