逐搏检测算法用于根据腕部光电容积脉搏波信号进行脉率变异性分析

作者：Foroohar Foroozan and Dr. Jiang Wu

心电图（ECG）中的心率变异性（HRV）是一种众所周知的诊断方法，用于评估心脏的自主神经功能。评估心脏功能的更方便方法是使用光电容积脉搏波（PPG）波形，其中脉率变异性（PRV）取代HRV。然而，由于缺乏针对PPG信号的稳健检测算法，医疗市场无法使用PRV提供临床诊断，也无法测量用于健康目的的生物信息，例如睡眠阶段、压力状态和疲劳。

本文为使用PPG信号的逐搏脉冲间隔分析提供了一种可靠的峰值和起始检测算法。我们使用ADI公司（ADI）多感官观察平台通过大数据收集来演示我们的方法，与ECG信号的逐搏结果相比，该平台具有高覆盖率、灵敏度和低连续差分均方根（RMSSD）。

介绍

心率（HR）监测是许多现有可穿戴和临床设备的关键功能，但这些设备尚未提供使用脉搏间隔测量连续心率变异性的功能。HRV 由从心电图 （ECG） 中提取的连续心跳之间的时间间隔的变化组成，称为心跳间隔。1HRV包含众所周知的生物特征信息，反映了自主神经系统的交感神经和副交感神经活动。2研究人员已广泛使用HRV作为支持临床诊断和测量健康目的的生物学信息的工具，例如睡眠阶段，压力状态和疲劳。2, 3鉴于心电图测量的技术要求，信号可能并不总是在事故/灾难现场、战场或心电图可能造成电干扰的区域可用。

从光电容积脉搏波信号中提取的脉率变异性可以 用作 HRV 的替代品。5,6, 7PPG信号由下式获得 使用LED和测量强度来照亮人体皮肤 由于光电二极管反射光中的血流而变化。

此外，PPG可以提供有关心血管系统的相关信息，例如心率，动脉压，僵硬指数，脉冲传输时间，脉搏波速度，心输出量，动脉顺应性和外周阻力。8, 9, 10然而，基于PPG的算法的性能可能会因血液灌注不良、环境光以及最重要的运动伪影（MA）而降低。11 已经提出了许多信号处理技术，包括ADI运动抑制和频率跟踪算法，通过使用放置在PPG传感器附近的三轴加速度传感器来消除MA噪声。

对于PRV分析，从PPG波形中准确提取收缩期峰值、发病和双裂口等重要点非常重要。12PPG波形的开始是由于血液开始从心脏排出到主动脉，而双搏裂口是血液喷射的结束或主动脉瓣的关闭。由于缺乏针对PPG信号的稳健检测算法，至少部分地阻止了研究人员使用PPG进行PRV分析。之前关于PRV的一些工作忽略了基准点，13一些报告使用手动或经验检测收缩期峰值，14有些基于未经验证的基于时间窗口的算法来获得脉冲峰值。

本文提出了一种稳健的峰值和发病检测算法，该算法使用最初为动脉血压（ABP）波形提出的描述方法。16需要注意的是，使用腕戴式可穿戴设备的PPG信号包含许多运动伪影、基线波动、反射波和其他可能影响检测算法行为的噪声。6因此，在将数据馈送到逐拍提取模型之前，首先对数据进行预处理。这项工作中使用的自动描述器是一种混合方法，其中来自原始PPG的不同预处理信号和信号的一阶导数用于提取峰值和起始点。我们使用通过ADI观察平台收集的大型数据库，该平台提供同步的PPG和ECG信号。在存储器占用方面，该算法重量轻，可用作ADI手表平台中的嵌入式算法。该算法经过验证，并使用覆盖范围、灵敏度、正生产率和连续差分的均方根与ECG信号的逐搏结果进行比较。

基于PPG形态的逐拍算法

在本节中，我们将解释所提出的腕部PPG信号逐搏算法的细节，该算法由（i）预处理和（ii）高分辨率逐搏提取模块组成。该算法的框图如图 1 所示。

图1.所提出的逐拍提取算法的流程图，包括（i）预处理和（ii）高分辨率B2B提取。

预处理

众所周知，PPG信号对外周组织血液灌注不良和运动伪影的敏感性18，为了尽量减少这些因素在PPG分析的后续阶段的影响，以进行逐搏估计，需要一个预处理阶段。此步骤包括：

框架和窗口

带通滤波（0.4 Hz 至 4 Hz）

自动增益控制 （AGC） 用于限制信号电平

信号平滑和基线漂移消除

PPG 输入数据使用 T 窗口进行处理0通过使用 mT 移动窗口来处理秒和进一步的块0（即 m = 3/4）重叠。然后需要带通滤波器来去除PPG信号的高频分量（如电源），以及低频分量，如毛细血管密度和静脉血容量的变化、温度变化等。图2a和2b显示了滤波前后的PPG信号。滤波器的截止频率分别为0.4 Hz和4 Hz。HR 的基频范围在 0.4 Hz 至 3 Hz 之间。因此，使用稍高一点的范围进行节拍估计，我们可以包括强调节拍时间的谐波。使用中值滤波器从滤波信号中去除突然的尖峰。然后，AGC 模块将信号电平限制为 ±V 伏，以便在稍后阶段检查信号幅度来验证所选峰值。HRV的持久PPG测量过程不可避免地引入了另一种类型的伪影，例如基线漂移。因此，使用低通有限脉冲响应（FIR）滤波器对帧中的PPG样本阵列进行平滑处理（如图2c所示），消除基线漂移噪声，并为描述模块获得更平滑的信号。

图2.PPG图。

高分辨率逐拍提取模块

逐拍提取算法由以下模块组成：

插值

划分

高分辨率逐搏提取

信号质量指标

预处理模块的输出被馈送到插值模块，以提高逐拍提取算法的精度。如果 PPG 段来自 t0到 Tτ在第一帧中给出，节拍间隔为 b0和 bτ，我们使用端点之间的 n 个点线性插值逐搏间隔值，然后从 b 中提取高分辨率逐搏（例如，1 ms 分辨率）0和 bτ.接下来，描绘模块依靠信号形态和节律信息来提取峰值和开始。因此，不仅需要收缩期峰值，还应报告发病和双搏裂口，以进行逐搏检测。所提出的描述符在理论上与论文“光电容积脉搏波的自适应描述符”中显示的描述符相似12和“关于动脉血压波形的自动描述器，”16它通过使用信号一阶导数的一对拐点和零交叉点来适应手腕PPG信号。图2d绘制了PPG表征的拐点和过零点。对于过零点，信号由零相位失真滤波器处理，通过匹配初始条件来最小化启动和结束瞬变。这是为了确保在过滤后保留时域要素。请注意，PPG 波形导数的起始点对应于最大拐点之前的过零点，而收缩期峰值对应于该拐点之后的过零点。用于此逐拍算法的信号质量指标是清晰度，指示信号具有音调的程度。这个指标最初是在Philip McLeod和Geoff Wyvill的文章“A Smarter Way to Find Pitch”中提出的。19其中，归一化平方差分函数（自相关函数的一种形式）用于查找信号的周期性。我们使用此指标来确定逐搏算法何时有信心报告峰值和开始。

ADI腕部平台的评估结果

将我们的 PPG 逐拍算法结果与 Pan-Tompkins 算法的结果进行比较，20这是一种公认的心电图峰值检测算法。收集数据是为了使用ADI生命体征监测（VSM）手表平台评估我们的算法。ADI VSM iOS应用用于通过蓝牙连接与手表接口。ADI手表包括一个PPG传感器，用于从拍摄对象的手腕收集PPG信号。心电图信号也被收集到ADI手表上。三个心电图电极连接到受试者的胸部区域。来自这些电极的导线连接到ADI手表，在那里处理信号并与PPG信号同时记录。该平台提供同步的PPG和ECG信号。图3a显示了用于数据收集的ADI手表，图3b显示了iOS应用程序界面和从平台获得的示例信号。®

图3.ADI平台和工具。

评估指标和结果

在计算逐拍指标之前，重要的是要有一个异常值去除过程，以识别Pan-Tompkins算法输出和我们的PPG逐搏算法输出中的缺失/额外峰值。忽略缺失/额外的峰值会导致异常的心跳持续时间，从而导致结果不准确。通过查看Pan-Tompkins算法提供的连续搏频持续时间来确定ECG信号中缺失/额外的峰值。任何改变心跳持续时间超过20%的ECG峰值都被标记为异常值。去除这些ECG峰后，通过将每个ECG峰与PPG信号中的峰相关联来识别PPG信号中的缺失/额外峰。如果PPG峰在ECG峰的时间范围内，则PPG峰与ECG峰相关。当无法识别PPG峰或在ECG峰的时间接近内识别出太多峰时，这些峰被识别为异常值。在指标计算期间，这些缺失/额外的 PPG 节拍可能导致的异常节拍持续时间将作为异常值被忽略。

许多指标是使用我们提出的算法和Pan-Tompkins算法的逐搏值计算的。这些指标是：（i）覆盖率（等式1）;（二） 灵敏度或硒（等式2）;（iii）正预测性或P+（公式3）;（iv）连续差值的均方根或RMSSD（等式4）。图 4 显示了用于指标计算的一些值的可视化表示形式。

 

 

 

 

图4.显示IBI的ECG和PPG信号，以及原始PPG信号上逐搏算法的相应峰值和开始。

其中 TP（真阳性）是 PPG B2B 算法正确识别的心跳次数，FP（假阳性）是与心电图中实际心跳不对应的 PPG 心跳次数，FN（假阴性）是 PPG 心跳到心跳算法错过的心跳次数。心跳间期 （IBI） 是连续心电图峰值、PPG 峰值或 PPG 开始之间的时间。

为了评估我们的算法，为每个受试者同时收集PPG和ECG信号。收集了大量不同年龄、肤色和体型的受试者的数据。这是为了确保我们的评估结果与所有人群相关。收集 27 名受试者（不同肤色的男性和女性）的数据，每人 2 分 30 秒。受试者被要求在前半段站立，在后半段时间坐着。表 1 显示了逐拍算法的每个指标的平均结果。如表中所示，与ECG信号的结果相比，手腕数据的覆盖率、灵敏度和阳性预测率均高于83%，平均RMSSD差异低于20 ms。

 

度量	结果
覆盖	83%
敏感性	87%
正预测性	98%
平均 PPG 与心电图 RM	12 毫秒

 

讨论与结论

本文提出了一种鲁棒的峰值和起始检测算法，用于腕部PPG信号的PRV分析。该算法使用了多个预处理阶段，并提出了一种混合描绘算法来检测手腕PPG信号的基准点。ADI多感官手表被用作我们的评估平台，以测试所提出的算法。结果显示与心电图HRV具有很强的相关性和一致性。未来的工作将集中在应用运动抑制算法和处理PRV分析中缺失的节拍问题。

审核编辑：郭婷