作者：Foroohar Foroozan and Dr. Jiang Wu

心電圖（ECG）中的心率變異性（HRV）是一種眾所周知的診斷方法，用于評估心臟的自主神經功能。評估心臟功能的更方便方法是使用光電容積脈搏波（PPG）波形，其中脈率變異性（PRV）取代HRV。然而，由于缺乏針對PPG信號的穩健檢測算法，醫療市場無法使用PRV提供臨床診斷，也無法測量用于健康目的的生物信息，例如睡眠階段、壓力狀態和疲勞。

本文為使用PPG信號的逐搏脈沖間隔分析提供了一種可靠的峰值和起始檢測算法。我們使用ADI公司（ADI）多感官觀察平臺通過大數據收集來演示我們的方法，與ECG信號的逐搏結果相比，該平臺具有高覆蓋率、靈敏度和低連續差分均方根（RMSSD）。

介紹

心率（HR）監測是許多現有可穿戴和臨床設備的關鍵功能，但這些設備尚未提供使用脈搏間隔測量連續心率變異性的功能。HRV 由從心電圖 （ECG） 中提取的連續心跳之間的時間間隔的變化組成，稱為心跳間隔。1HRV包含眾所周知的生物特征信息，反映了自主神經系統的交感神經和副交感神經活動。2研究人員已廣泛使用HRV作為支持臨床診斷和測量健康目的的生物學信息的工具，例如睡眠階段，壓力狀態和疲勞。2, 3鑒于心電圖測量的技術要求，信號可能并不總是在事故/災難現場、戰場或心電圖可能造成電干擾的區域可用。

從光電容積脈搏波信號中提取的脈率變異性可以 用作 HRV 的替代品。5,6, 7PPG信號由下式獲得 使用LED和測量強度來照亮人體皮膚 由于光電二極管反射光中的血流而變化。

此外，PPG可以提供有關心血管系統的相關信息，例如心率，動脈壓，僵硬指數，脈沖傳輸時間，脈搏波速度，心輸出量，動脈順應性和外周阻力。8, 9, 10然而，基于PPG的算法的性能可能會因血液灌注不良、環境光以及最重要的運動偽影（MA）而降低。11 已經提出了許多信號處理技術，包括ADI運動抑制和頻率跟蹤算法，通過使用放置在PPG傳感器附近的三軸加速度傳感器來消除MA噪聲。

對于PRV分析，從PPG波形中準確提取收縮期峰值、發病和雙裂口等重要點非常重要。12PPG波形的開始是由于血液開始從心臟排出到主動脈，而雙搏裂口是血液噴射的結束或主動脈瓣的關閉。由于缺乏針對PPG信號的穩健檢測算法，至少部分地阻止了研究人員使用PPG進行PRV分析。之前關于PRV的一些工作忽略了基準點，13一些報告使用手動或經驗檢測收縮期峰值，14有些基于未經驗證的基于時間窗口的算法來獲得脈沖峰值。

本文提出了一種穩健的峰值和發病檢測算法，該算法使用最初為動脈血壓（ABP）波形提出的描述方法。16需要注意的是，使用腕戴式可穿戴設備的PPG信號包含許多運動偽影、基線波動、反射波和其他可能影響檢測算法行為的噪聲。6因此，在將數據饋送到逐拍提取模型之前，首先對數據進行預處理。這項工作中使用的自動描述器是一種混合方法，其中來自原始PPG的不同預處理信號和信號的一階導數用于提取峰值和起始點。我們使用通過ADI觀察平臺收集的大型數據庫，該平臺提供同步的PPG和ECG信號。在存儲器占用方面，該算法重量輕，可用作ADI手表平臺中的嵌入式算法。該算法經過驗證，并使用覆蓋范圍、靈敏度、正生產率和連續差分的均方根與ECG信號的逐搏結果進行比較。

基于PPG形態的逐拍算法

在本節中，我們將解釋所提出的腕部PPG信號逐搏算法的細節，該算法由（i）預處理和（ii）高分辨率逐搏提取模塊組成。該算法的框圖如圖 1 所示。

圖1.所提出的逐拍提取算法的流程圖，包括（i）預處理和（ii）高分辨率B2B提取。

預處理

眾所周知，PPG信號對外周組織血液灌注不良和運動偽影的敏感性18，為了盡量減少這些因素在PPG分析的后續階段的影響，以進行逐搏估計，需要一個預處理階段。此步驟包括：

框架和窗口

帶通濾波（0.4 Hz 至 4 Hz）

自動增益控制 （AGC） 用于限制信號電平

信號平滑和基線漂移消除

PPG 輸入數據使用 T 窗口進行處理0通過使用 mT 移動窗口來處理秒和進一步的塊0（即 m = 3/4）重疊。然后需要帶通濾波器來去除PPG信號的高頻分量（如電源），以及低頻分量，如毛細血管密度和靜脈血容量的變化、溫度變化等。圖2a和2b顯示了濾波前后的PPG信號。濾波器的截止頻率分別為0.4 Hz和4 Hz。HR 的基頻范圍在 0.4 Hz 至 3 Hz 之間。因此，使用稍高一點的范圍進行節拍估計，我們可以包括強調節拍時間的諧波。使用中值濾波器從濾波信號中去除突然的尖峰。然后，AGC 模塊將信號電平限制為 ±V 伏，以便在稍后階段檢查信號幅度來驗證所選峰值。HRV的持久PPG測量過程不可避免地引入了另一種類型的偽影，例如基線漂移。因此，使用低通有限脈沖響應（FIR）濾波器對幀中的PPG樣本陣列進行平滑處理（如圖2c所示），消除基線漂移噪聲，并為描述模塊獲得更平滑的信號。

圖2.PPG圖。

高分辨率逐拍提取模塊

逐拍提取算法由以下模塊組成：

插值

劃分

高分辨率逐搏提取

信號質量指標

預處理模塊的輸出被饋送到插值模塊，以提高逐拍提取算法的精度。如果 PPG 段來自 t0到 Tτ在第一幀中給出，節拍間隔為 b0和 bτ，我們使用端點之間的 n 個點線性插值逐搏間隔值，然后從 b 中提取高分辨率逐搏（例如，1 ms 分辨率）0和 bτ.接下來，描繪模塊依靠信號形態和節律信息來提取峰值和開始。因此，不僅需要收縮期峰值，還應報告發病和雙搏裂口，以進行逐搏檢測。所提出的描述符在理論上與論文“光電容積脈搏波的自適應描述符”中顯示的描述符相似12和“關于動脈血壓波形的自動描述器，”16它通過使用信號一階導數的一對拐點和零交叉點來適應手腕PPG信號。圖2d繪制了PPG表征的拐點和過零點。對于過零點，信號由零相位失真濾波器處理，通過匹配初始條件來最小化啟動和結束瞬變。這是為了確保在過濾后保留時域要素。請注意，PPG 波形導數的起始點對應于最大拐點之前的過零點，而收縮期峰值對應于該拐點之后的過零點。用于此逐拍算法的信號質量指標是清晰度，指示信號具有音調的程度。這個指標最初是在Philip McLeod和Geoff Wyvill的文章“A Smarter Way to Find Pitch”中提出的。19其中，歸一化平方差分函數（自相關函數的一種形式）用于查找信號的周期性。我們使用此指標來確定逐搏算法何時有信心報告峰值和開始。

ADI腕部平臺的評估結果

將我們的 PPG 逐拍算法結果與 Pan-Tompkins 算法的結果進行比較，20這是一種公認的心電圖峰值檢測算法。收集數據是為了使用ADI生命體征監測（VSM）手表平臺評估我們的算法。ADI VSM iOS應用用于通過藍牙連接與手表接口。ADI手表包括一個PPG傳感器，用于從拍攝對象的手腕收集PPG信號。心電圖信號也被收集到ADI手表上。三個心電圖電極連接到受試者的胸部區域。來自這些電極的導線連接到ADI手表，在那里處理信號并與PPG信號同時記錄。該平臺提供同步的PPG和ECG信號。圖3a顯示了用于數據收集的ADI手表，圖3b顯示了iOS應用程序界面和從平臺獲得的示例信號。?

圖3.ADI平臺和工具。

評估指標和結果

在計算逐拍指標之前，重要的是要有一個異常值去除過程，以識別Pan-Tompkins算法輸出和我們的PPG逐搏算法輸出中的缺失/額外峰值。忽略缺失/額外的峰值會導致異常的心跳持續時間，從而導致結果不準確。通過查看Pan-Tompkins算法提供的連續搏頻持續時間來確定ECG信號中缺失/額外的峰值。任何改變心跳持續時間超過20%的ECG峰值都被標記為異常值。去除這些ECG峰后，通過將每個ECG峰與PPG信號中的峰相關聯來識別PPG信號中的缺失/額外峰。如果PPG峰在ECG峰的時間范圍內，則PPG峰與ECG峰相關。當無法識別PPG峰或在ECG峰的時間接近內識別出太多峰時，這些峰被識別為異常值。在指標計算期間，這些缺失/額外的 PPG 節拍可能導致的異常節拍持續時間將作為異常值被忽略。

許多指標是使用我們提出的算法和Pan-Tompkins算法的逐搏值計算的。這些指標是：（i）覆蓋率（等式1）;（二） 靈敏度或硒（等式2）;（iii）正預測性或P+（公式3）;（iv）連續差值的均方根或RMSSD（等式4）。圖 4 顯示了用于指標計算的一些值的可視化表示形式。

圖4.顯示IBI的ECG和PPG信號，以及原始PPG信號上逐搏算法的相應峰值和開始。

其中 TP（真陽性）是 PPG B2B 算法正確識別的心跳次數，FP（假陽性）是與心電圖中實際心跳不對應的 PPG 心跳次數，FN（假陰性）是 PPG 心跳到心跳算法錯過的心跳次數。心跳間期 （IBI） 是連續心電圖峰值、PPG 峰值或 PPG 開始之間的時間。

為了評估我們的算法，為每個受試者同時收集PPG和ECG信號。收集了大量不同年齡、膚色和體型的受試者的數據。這是為了確保我們的評估結果與所有人群相關。收集 27 名受試者（不同膚色的男性和女性）的數據，每人 2 分 30 秒。受試者被要求在前半段站立，在后半段時間坐著。表 1 顯示了逐拍算法的每個指標的平均結果。如表中所示，與ECG信號的結果相比，手腕數據的覆蓋率、靈敏度和陽性預測率均高于83%，平均RMSSD差異低于20 ms。

討論與結論

本文提出了一種魯棒的峰值和起始檢測算法，用于腕部PPG信號的PRV分析。該算法使用了多個預處理階段，并提出了一種混合描繪算法來檢測手腕PPG信號的基準點。ADI多感官手表被用作我們的評估平臺，以測試所提出的算法。結果顯示與心電圖HRV具有很強的相關性和一致性。未來的工作將集中在應用運動抑制算法和處理PRV分析中缺失的節拍問題。

審核編輯：郭婷