1 中国科学院 长春光学精密机械与物理研究所精密仪器与装备研发中心， 长春 130033
2 中国科学院大学， 北京 100049
心率是人身体健康的一个重要指标，从人脸视频中检测心率是一种正在快速发展的非接触式检测方法，但该方法的结果准确性易受光照变化及受试者头部运动等噪声影响。为了消除噪声影响，提高心率检测准确性，文章创新性地提出了一种新的思路: 将光照变化和头部运动噪声作为目标进行趋势拟合并从相机原始信号中消除，以实现高信噪比的人体心率信号提取。为验证方法的可行性，以医用指夹式脉搏血氧仪的数值为参考心率，通过对比结果在参考心率处的平均信噪比和心率检测准确率，提出的方法相比POS方法提高了9.60%，37.19%; 相比于ICA算法提高了48.48%，51.75%。实验结果表明，提出的新方法具有较好的去噪能力和较高的精准度。
远程光电容积脉搏波 心率测量 多项式拟合 remote photoplethysmography heart rate measurement polynomial fitting
1 华南师范大学物理与电信工程学院广东省光电检测仪器工程研究中心, 广东 广州 510006
2 华南师范大学(清远)科技创新研究院, 广东 清远 511517
基于成像式光电容积脉搏波的非接触式心率测量方法受到环境光干扰会严重影响心率信号的辨别与提取,为了解决这个难点,提出了一种基于自寻优归一化最小均方误差算法的心率信号降噪方法。该方法可根据原始心率信号和背景信号中光线变化的趋势,在归一化最小均方自适应滤波器的基础上,通过最小均方误差自动地调整最优控制因子,最大化地去除拾取的图像中的光照干扰。通过与指夹式脉搏血氧仪实际测得的心率结果对比,在光强剧烈变化的条件下,两种方法测量得到的心率平均值的Pearson相关系数为0.95,平均绝对百分比误差为2.16%。本文方法极大地提高了成像式光电容积脉搏波对环境光的抗噪能力,大大提升了成像式光电容积脉搏波测量方法的实用性、可靠性和稳定性。
成像系统 成像式光电容积脉搏波 心率测量 光照干扰 归一化最小均方误差 自寻优算法 激光与光电子学进展
2021, 58(20): 2011004
西安理工大学机械与精密仪器工程学院, 陕西 西安 710048
糖尿病是一种表现为高血糖的糖代谢异常疾病, 如果血液中的葡萄糖水平长时间保持非常低或非常高, 则可能导致包括组织损伤、 中风、 心脏病、 失明和肾衰竭等严重疾病。 根据世界卫生组织(WHO)的数据, 目前全球约有4.5亿糖尿病患者。 随着糖尿病患者的数量增加, 对于血糖检测仪器的需求也日益迫切, 由于目前普及的有创侵入式血糖检测仪器会给患者带来不便和疼痛, 甚至会引发感染, 长此以往会给病人带来不可避免的生理及心理压力, 因此实现无创血糖检测具有重要的临床应用价值。 光电容积脉搏波(PPG)包含丰富的人体心血管生理病理信息, 针对于时域难以观察的PPG信号中与血糖浓度变化相关的频谱信息, 提出基于谱分解的无创血糖检测新方法, 利用连续小波变换(CWT)对脉搏波信号进行分解, 从对应尺度和细节分量的频谱中获取与血糖浓度值变化相关的频谱分量幅值信息, 研究发现PPG信号频谱分量幅值的变化与血糖浓度变化值之间存在较高的相关性, 通过口服葡萄糖耐糖实验(OGTT)对检测的血糖浓度值与获取的相关PPG信号频谱分量幅值进行偏最小二乘回归建模, 并对建立的模型进行评估, 校正集的最大RMSEC为12.47 mg·dL-1即0.69 mmol·L-1, 预测集的最大RMSEP为6.21 mg·dL-1即0.35 mmol·L-1, 模型的血糖浓度预测值与参考值之间的一致率为96.00%。 OGTT实验结果表明, 采用谱分解法可以有效分离出血糖分子基团振动特征吸收光谱, 血糖频谱分量建模可以最大程度地减小生理变异性和各种环境条件的影响。 模型的预测结果符合国家检测标准(>95%)。 克拉克网格误差分析结果表明, 该方法检测的结果可以用于患者日常血糖监测。
光电容积脉搏波 小波变换 血糖 谱分解 Photoplethysmography Wavelet transform Blood glucose Spectral decomposition 光谱学与光谱分析
2021, 41(8): 2378
1 郑州大学 电气工程学院, 河南 郑州 450001
2 郑州大学 体育学院, 河南 郑州 450001
3 郑州大学 生命科学学院, 河南 郑州 450001
为了在舒适非接触环境下检测被试者的心率变化, 本文设计了一种通过普通摄像头来检测心率参数的信号处理系统。首先, 将KLT(Kanade-Lucas-Tomasi)算法跟踪识别到的人脸视频图像转换到YCbCr颜色空间来进行皮肤检测, 并同时转换到Cg颜色通道来提取高质量的光电容积脉搏波 (Photoplethysmography, PPG)信号。然后, 用Morlet复小波作为母波绘制PPG信号的小波能量谱图。最后根据心率信号的生理特性, 去除伪点噪声, 提取随时间变化的心率参数。实验结果表明, 该方法在静息状态下的测量结果同标准仪器测量结果的平均绝对值误差|Me|小于2 bpm(beats per minute), 误差的标准差SDe小于2.5 bpm, RMSE均小于2.6 bpm; 头部运动状态下两种测量方法的|Me|均小于2.3 bpm, SDe均小于2.9 bpm, RMSE均小于2.9 bpm。对两种测量方法进行Bland-Altman一致性分析, 其测量结果显示静息状态下差值的均数为0.295 7 bpm, 95%置信区间为-3.340 1~3.931 4 bpm; 头部运动状态下为0.383 2 bpm, 95%置信区间为-3.677 1~4.443 5 bpm, 表明本文提出的非接触式方法的测量结果同标准仪器的测量结果具有高度的一致性。
光电容积脉搏波 非接触式 心率检测 CMOR小波 能量谱图 photoplethysmography non-contact heart rate detection CMOR wavelet energy spectra image
1 桂林电子科技大学 电子工程与自动化学院, 广西 桂林 541004
2 桂林电子科技大学 生命与环境科学学院, 广西 桂林 541004
为了研究脉搏波信号降噪的问题, 文章提出了一种集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)与小波阈值相结合的降噪方法, 对采集到的光电容积脉搏波信号来做降噪处理, 同时和EMD结合小波阈值降噪算法进行比较。算法首先把信号做EEMD的分解, 将原始信号分解为n个模态分量(Intrinsic Mode Function, IMF), 然后对这些分量做相干性的计算, 对其中的噪声分量来做小波阈值降噪, 最后将信号重构。原始信号在STM32平台上采用MAX30100传感器测得。实验结果表明: 本文的方法能够很好地剔除光电容积脉搏波中包含高频噪声与基线漂移的各种噪声, 降噪后信噪比为34.09, 均方根误差为1.99。提高了PPG信号的质量, 为光电容积脉搏波信号的准确测量提供了新的思路。
光电容积脉搏波 集合经验模态分解 小波阈值 降噪 photoplethysmography ensemble empirical mode decomposition wavelet threshold denoising
1 吉林大学仪器科学与电气工程学院, 吉林 长春 130061
2 吉林大学第一医院, 吉林 长春 130021
睡眠呼吸暂停综合征（SAS）素有“睡眠杀手”之称。 由于其诊断金标准多导睡眠监测仪（PSG）的限制, 诊断率一直偏低。 由于呼吸暂停发生时会引发心率节奏的变化, 因此利用心电图（ECG）通过心率变异性（HRV）分析可以实现SAS的自动筛查。 但是, ECG-SAS方法所用电极穿戴繁琐、 材质致敏性较高, 影响睡眠安适度。 鉴于脉率变异性（PRV）分析与HRV分析高度相关, 并且光电容积脉搏波（PPG）信号相对ECG信号获取方式更加简单, 不仅电极不易致敏, 而且更易于穿戴, 对睡眠干扰小。 由此, 提出利用同步采集的PPG信号和ECG信号, 应用相同的建模方法, 比较二者的疾病识别能力。 应用反向传播（BP）神经网络, 分别建立PPG-SAS与ECG-SAS自动筛查模型, 并采用十折交叉验证法及受试者工作特征（ROC）曲线对模型进行对比与评估。 实验数据来源于MIT-BIH Polysomnographic Database, 共8 248个样本, 其中正常样本6 227例。 首先采用三层BP神经网络, 默认参数下建立PPG-SAS与ECG-SAS模型, 使用十折交叉验证法及ROC曲线进行模型分类准确性的对比; 然后依次改变影响分类性能的隐层节点数、 训练函数以及传递函数, 建立多个PPG-SAS与ECG-SAS模型, 从中选取各自的最优模型再进行对比。 通过比较识别率、 预测率以及ROC曲线面积, 采用默认参数的PPG-SAS模型优于ECG-SAS模型。 通过比较平均分类准确率, 隐层节点数为50、 训练函数为一步正割算法、 隐含层传递函数为双曲正切S型函数时, PPG-SAS模型得到的最高识别率与预测率分别为80.30%和80.13%; 隐层节点数为50、 训练函数为一步正割算法、 隐含层传递函数为径向基时, ECG-SAS模型的最高识别率与预测率分别为77.60%和77.67%。 以上实验结果均表明PPG信号的SAS分类能力较ECG信号更具优越性, 由此证明了PPG信号筛查SAS的可行性及可靠性, 为临床SAS病症的早期发现及诊断率提升奠定理论基础。
睡眠呼吸暂停综合征 光电容积脉搏波 心电信号 神经网络 十折交叉验证法 Sleep apnea syndrome PPG ECG Neural networks 10-fold cross-validation 光谱学与光谱分析
2019, 39(6): 1852
1 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
2 天津大学天津市生物医学检测技术与仪器重点实验室, 天津 300072
3 长江师范学院电子信息工程学院, 重庆 408100
自变量筛选是定量光谱分析领域的研究热点, 简便且高效的自变量筛选方法不但可以降低分析计算量, 提高分析精度, 同时还可以减轻对仪器光谱分辨能力的依赖, 降低分析成本。 波长筛选也是光谱法无创血液成分检测研究的重要环节。 动态光谱理论为血液无创检测提供了极佳的思路, 但长期局限于使用宽带光源和高分辨率的光谱仪器, 分析中需要大量波长限制了动态光谱法的进一步发展。 为了去除冗余信息, 使检测走向低成本化和集成化, 提出了基于变量投影重要性(variable importance in projection, VIP)分析的波长筛选方法。 通过分析PLS模型中各维自变量对因变量的解释能力, 从而剔除重要性较低的变量保留解释能力强的波长。 以232例受试者的临床实验数据为基础, 以血红蛋白含量为分析对象, 经投影重要性分析后将波长数由586降至64, 波长筛选后血红蛋白预测模型的测试集平均相对误差(MREP)为1.82%, 使用了极少的波长便可得到满意的结果; 结合Bootstrap方法对模型进行显著性检验后验证了波长变量的解释能力。 首次指出了使用动态光谱法检测血红蛋白的敏感波长带。 基于投影重要性分析的波长筛选迈出了动态光谱走向实用的重要一步, 为实现低成本在线分析打下了基础, 同时也为其他领域的光谱分析提供了重要的参考和新的思路。
波长筛选 动态光谱 变量投影重要性 无创血液成分检测 光电容积脉搏波 Wavelength selection Noninvasive measurement of blood components Variable importance in the Project (VIP) Dynamic spectrum photoelectric plethysmography 光谱学与光谱分析
2016, 36(4): 1080
东北大学 计算机科学与工程学院，辽宁 沈阳 110819
针对可穿戴设备中光电容积脉搏波检测呼吸速率准确性不高和实时性不够的问题，提出了一种基于时频谱的自适应信号分解算法。该算法采用瞬时中心频率估计方法获得脉搏波时频谱和瞬时心率估计值，对脉搏信号进行相干解调提取呼吸信号成分，进而利用呼吸信号成分检测呼吸速率。实验结果表明，与传统连续小波变换方法相比，本文提出的自适应信号分解算法的呼吸速率计算时间提高了84.68%。通过中位数误差及四分位距误差的方差分析，表明该算法比连续小波分解算法和自回归模型算法具有更好的计算精度，中位数误差均值分别提高了96.001%和97.978%，四分位距误差均值分别提高了75.014%和52.732%。
光电容积脉搏波 呼吸速率 可穿戴设备 近红外 时频谱 pulse oximeter signal respiration rate wearable equipment near-infrared time-frequency spectrum
