本文提供了一種穩(wěn)健的峰值和起始檢測(cè)算法，用于使用PPG信號(hào)進(jìn)行逐搏脈沖間隔分析。我們使用ADI公司（ADI）多感官手表平臺(tái)通過大數(shù)據(jù)采集來演示我們的方法，該平臺(tái)具有高覆蓋率，靈敏度和連續(xù)差異均方根（RMSSD），與心電圖的逐搏結(jié)果相比較信號(hào)。

簡(jiǎn)介

心率（HR）監(jiān)測(cè)是許多現(xiàn)有可穿戴設(shè)備和臨床設(shè)備的關(guān)鍵功能，但具有測(cè)量連續(xù)心率的功能這些裝置尚未提供使用逐拍脈沖間隔的可變性。 HRV包括連續(xù)心跳之間的時(shí)間間隔的變化，稱為從心電圖（ECG）提取的間隔間隔。HRV包含反映自主神經(jīng)系統(tǒng)交感神經(jīng)和副交感神經(jīng)活動(dòng)的眾所周知的生物信息。研究人員廣泛使用HRV作為支持臨床診斷和測(cè)量的工具用于健康目的的生物信息，例如睡眠階段，壓力狀態(tài)和疲勞。鑒于ECG測(cè)量的技術(shù)要求，在事故/災(zāi)難現(xiàn)場(chǎng)，戰(zhàn)場(chǎng)上，信號(hào)可能并不總是可用的，或ECG可能導(dǎo)致電氣干擾的區(qū)域。

從光電容積描記信號(hào)中提取的脈率變異性可以用作HRV的替代品。PPG信號(hào)是通過使用LED照亮人體皮膚獲得的通過光電二極管測(cè)量反射光中血流引起的強(qiáng)度變化。

此外，PPG可以提供有關(guān)心血管系統(tǒng)的相關(guān)信息，如心率，動(dòng)脈壓，僵硬指數(shù)，脈搏傳導(dǎo)時(shí)間，脈搏波速，心輸出量，動(dòng)脈順應(yīng)性和外周阻力然而，基于PPG的算法的性能會(huì)因血液灌注不良，環(huán)境光線惡化而降低，最重要的是，運(yùn)動(dòng)偽影（MA）。許多信號(hào)處理技術(shù)，包括ADI運(yùn)動(dòng)抑制和頻率跟蹤算法，已被提議通過使用靠近PPG傳感器放置的三軸加速度傳感器來消除MA噪聲。

重要的是從PRG分析中準(zhǔn)確提取PPG波形中的收縮峰，開始和重搏切口等重要點(diǎn)。PPG波形的開始是由于心臟從主動(dòng)脈開始排出到主動(dòng)脈，而重搏切跡是血液排出結(jié)束或主動(dòng)脈瓣關(guān)閉。 PPG信號(hào)的魯棒檢測(cè)算法的不可用性至少部分地阻止了研究人員使用PPG完全進(jìn)行PRV分析。以前關(guān)于PRV的一些工作忽略了基準(zhǔn)點(diǎn)，一些報(bào)告使用手動(dòng)或經(jīng)驗(yàn)檢測(cè)收縮峰，有些是基于非驗(yàn)證的基于時(shí)間窗口的算法獲得脈沖峰值。

本文提出了一種強(qiáng)大的峰值和起始檢測(cè)算法，該算法使用最初為動(dòng)脈血壓（ABP）波形提出的描述方法。重要的是要注意PPG信號(hào)使用腕戴式可穿戴設(shè)備設(shè)備包含許多運(yùn)動(dòng)偽影，基線波動(dòng)，反射波和其他可能影響檢測(cè)算法行為的噪聲。因此，數(shù)據(jù)先進(jìn)行預(yù)處理，然后再將其提供給逐搏提取。模型。本工作中使用的自動(dòng)描繪器是一種混合方法，其中來自原始PPG的不同預(yù)處理信號(hào)和信號(hào)的一階導(dǎo)數(shù)用于提取峰值和起始點(diǎn)。我們使用我們的ADI手表平臺(tái)收集的大型數(shù)據(jù)庫，該平臺(tái)提供同步的PPG和ECG信號(hào)。在內(nèi)存占用方面，該算法很輕，可以用作ADI手表平臺(tái)中的嵌入式算法。驗(yàn)證算法并使用覆蓋率，靈敏度，正生產(chǎn)率和連續(xù)差異的均方根與心電信號(hào)的逐搏結(jié)果進(jìn)行比較。

基于PPG形態(tài)的節(jié)拍算法

在本節(jié)中，我們將解釋由（i）組成的腕部PPG信號(hào)的逐搏算法的細(xì)節(jié)。預(yù)處理，以及（ii）高分辨率逐跳提取模塊。該算法的框圖如圖1所示。

預(yù)處理

PPG信號(hào)對(duì)血液灌注不良的敏感性外圍組織和運(yùn)動(dòng)偽影是眾所周知的.18為了最小化這些因素在逐次估計(jì)的PPG分析的后續(xù)階段中的影響，需要預(yù)處理階段。該步驟包括：

取景和開窗

帶通濾波（0.4 Hz至4 Hz）

自動(dòng)增益控制（AGC）以限制信號(hào)電平

信號(hào)平滑和基線漂移移除

使用T 0 秒的窗口處理PPG輸入數(shù)據(jù)，并通過使用mT移動(dòng)窗口來處理更多塊 0 （即m = 3/4）重疊。然后需要帶通濾波器去除PPG信號(hào)的高頻分量（例如電源），以及低頻分量，例如毛細(xì)血管密度和靜脈血容量的變化，溫度變化等。圖2a和2b示出了濾波之前和之后的PPG信號(hào)。濾波器的截止頻率為0.4 Hz和4 Hz。 HR的基頻范圍在0.4Hz至3Hz之間。因此，使用稍高于節(jié)拍估計(jì)的范圍允許我們包括強(qiáng)調(diào)節(jié)拍時(shí)間的諧波。使用中值濾波器從濾波后的信號(hào)中去除突然尖峰。然后，AGC模塊將信號(hào)電平限制為±V伏，以便通過在稍后階段檢查信號(hào)的幅度來驗(yàn)證所選擇的峰值。用于HRV的持久PPG測(cè)量過程不可避免地引入另一種類型的偽像，例如基線漂移。因此，使用低通有限脈沖響應(yīng)（FIR）濾波器來平滑幀中的PPG樣本陣列（如圖2c所示），以消除基線漂移噪聲，并為描繪模塊獲得更平滑的信號(hào)。

高分辨率節(jié)拍提取模塊

逐搏提取算法包含以下模塊：

插值

描述

高分辨率逐跳提取

信號(hào)質(zhì)量指標(biāo)

預(yù)處理模塊的輸出被饋送到插值塊以增加逐搏提取算法的準(zhǔn)確性。如果在第一幀中給出從t 0 到t τ的PPG段，其中b 0 和b的逐拍間隔τ，我們使用端點(diǎn)之間的n個(gè)點(diǎn)線性插值逐拍間隔值，然后從b 中提取高分辨率的逐拍（例如，1 ms分辨率） 0 和b τ。接下來，描繪模塊依賴于信號(hào)形態(tài)以及節(jié)奏信息來提取峰值和起始點(diǎn)。因此，不僅需要收縮峰，而且還應(yīng)報(bào)告逐搏檢測(cè)的起始和重搏切口。所提出的描繪器在理論上類似于論文“用于光電容積描記波形的自適應(yīng)調(diào)節(jié)器” 12 和“On a Automatic Delineator for the Motionerial Blood Pressure Waveforms”，并且它通過使用來自信號(hào)的一階導(dǎo)數(shù)的一對(duì)拐點(diǎn)和過零點(diǎn)來適應(yīng)腕部PPG信號(hào)。圖2d繪制了PPG表征的拐點(diǎn)和過零點(diǎn)。對(duì)于過零點(diǎn)，信號(hào)使用零相位失真濾波器進(jìn)行處理，通過匹配初始條件最小化啟動(dòng)和結(jié)束瞬變。這是為了確保在過濾后保留時(shí)域功能。注意，來自PPG波形的導(dǎo)數(shù)的起始對(duì)應(yīng)于最大拐點(diǎn)之前的過零點(diǎn)，而收縮峰值與該拐點(diǎn)之后的過零點(diǎn)相關(guān)。用于該逐拍算法的信號(hào)質(zhì)量度量是清晰度并且指示信號(hào)具有音調(diào)的程度。該度量最初是在Philip McLeod和Geoff Wyvill的文章“尋找間距的更智能方法”中提出的，其中使用歸一化的平方差函數(shù)（一種自相關(guān)函數(shù)形式）來尋找周期性。信號(hào)。我們使用此指標(biāo)來確定逐搏算法何時(shí)有信心報(bào)告峰值和開始。

ADI手腕平臺(tái)的評(píng)估結(jié)果

我們將PPG逐搏算法結(jié)果與Pan-Tompkins算法的結(jié)果進(jìn)行比較，這是一種公認(rèn)的ECG峰值檢測(cè)算法。收集數(shù)據(jù)以使用ADI生命體征監(jiān)測(cè)（VSM）腕表平臺(tái)評(píng)估我們的算法。 ADI VSM iOS應(yīng)用程序用于通過藍(lán)牙?連接與手表連接。 ADI腕表包括一個(gè)PPG傳感器，用于收集受試者手腕的PPG信號(hào)。還在ADI腕表上收集了ECG信號(hào)。將三個(gè)ECG電極連接到受試者的胸部區(qū)域。來自這些電極的導(dǎo)線連接到ADI腕表，在那里信號(hào)被處理并與PPG信號(hào)同時(shí)記錄。該平臺(tái)提供同步的PPG和ECG信號(hào)。圖3a顯示了用于數(shù)據(jù)收集的ADI腕表，而圖3b顯示了從平臺(tái)獲得的iOS應(yīng)用程序界面和樣本信號(hào)。

評(píng)估指標(biāo)和結(jié)果

在計(jì)算逐搏指標(biāo)之前，重要的是要有一個(gè)異常值去除過程，用于識(shí)別Pan-Tompkins算法輸出中的丟失/額外峰值以及我們的PPG逐搏算法輸出。忽略丟失/額外峰值會(huì)導(dǎo)致異常節(jié)拍持續(xù)時(shí)間，從而導(dǎo)致不準(zhǔn)確的結(jié)果。通過觀察Pan-Tompkins算法提供的連續(xù)搏動(dòng)持續(xù)時(shí)間來識(shí)別ECG信號(hào)中的丟失/額外峰值。任何將搏動(dòng)持續(xù)時(shí)間改變超過20％的心電圖峰值都被標(biāo)記為異常值。在去除這些ECG峰值之后，通過將每個(gè)ECG峰值與PPG信號(hào)中的峰值相關(guān)聯(lián)來識(shí)別PPG信號(hào)中的丟失/額外峰值。如果PPG峰值在ECG峰值的時(shí)間附近，則其與ECG峰值相關(guān)。當(dāng)無法識(shí)別PPG峰值或在ECG峰值的時(shí)間接近度內(nèi)識(shí)別出太多峰值時(shí)，將這些峰值識(shí)別為異常值。這些丟失/額外PPG節(jié)拍引起的異常節(jié)拍持續(xù)時(shí)間將被忽略為度量計(jì)算過程中的異常值。

使用我們提出的算法和Pan中的逐搏值計(jì)算多個(gè)指標(biāo)-Tompkins算法。這些指標(biāo)是：（i）覆蓋范圍（公式1）; （ii）靈敏度或Se（等式2）; （iii）正預(yù)測(cè)性或P +（等式3）; （iv）連續(xù)差異的均方根或RMSSD（公式4）。圖4顯示了用于度量計(jì)算的一些值的直觀表示。

其中TP（真陽性）是PPG B2B算法正確識(shí)別的心跳數(shù)，F(xiàn)P（誤報(bào)）是PPG心跳的數(shù)量這與心電圖中的實(shí)際心跳不對(duì)應(yīng)，而FN（假陰性）是PPG搏動(dòng) - 跳過算法錯(cuò)過的心跳次數(shù)。相間間隔（IBI）是連續(xù)ECG峰值，PPG峰值或PPG開始之間的時(shí)間。

為了評(píng)估我們的算法，同時(shí)為每個(gè)受試者收集PPG和ECG信號(hào)。收集了大量不同年齡，膚色和體型的受試者的數(shù)據(jù)。這是為了確保我們的評(píng)估結(jié)果與所有人群相關(guān)。在27名受試者（具有不同膚色的男性和女性）上收集數(shù)據(jù)，每次2分30秒。要求受試者站在上半場(chǎng)，并在下半場(chǎng)休息。表1顯示了節(jié)拍與節(jié)拍算法的每個(gè)度量的平均結(jié)果。如表中所示，覆蓋率，靈敏度和陽性預(yù)測(cè)均高于83％，腕部數(shù)據(jù)的平均RMSSD差異低于20 ms，與ECG信號(hào)的結(jié)果相比。

討論與結(jié)論

強(qiáng)勁的峰值本文提出了手腕PPG信號(hào)進(jìn)行PRV分析的起始檢測(cè)算法，該算法采用多階段預(yù)處理，提出了一種混合描繪算法，用于檢測(cè)手腕PPG信號(hào)的基準(zhǔn)點(diǎn)，并以ADI多感知手表為評(píng)價(jià)平臺(tái)。結(jié)果顯示，與心電圖HRV有很強(qiáng)的相關(guān)性和一致性。未來的工作將集中在應(yīng)用運(yùn)動(dòng)抑制算法和處理PRV分析中缺失的節(jié)拍問題。