光学体积描记术用于心房颤动检测的研究进展

心房颤动(房颤)是临床常见的心律失常,发病率随着年龄增长而增加,同时房颤也是心源性脑卒中的常见原因,所以进行房颤检测并早期干预,对减轻社会医疗负担起着至关重要的作用。但传统的心电图检测耗时、耗力,并不适合在大规模人群中筛查。基于光学体积描记术的可穿戴设备具有无创、便捷、准确性高等特点,为早期发现和科学管理房颤创造了技术条件,其可行性、高灵敏度和高特异度正逐步得到验证,现从房颤的流行病学、光学体积描记术、可穿戴设备应用现状及局限性等方面进行综述,供临床参考。

指尖光学体积描记法检测血管内皮功能在冠心病患者筛查中的应用

目的:探讨光学体积描记法在指尖脉搏容积(PAV)评价内皮功能在冠心病诊断中的应用,阐明其与心血管危险因素的关系。方法:选择409例行冠状动脉造影术(CAG)的胸痛患者,依据造影结果分为冠状动脉造影阳性(CAG+)组288例与冠状动脉造影阴性(CAG-)组121例。应用内皮功能诊断仪,采用光学体积描记法分析反应性缺血后的PAV,并分析PAV值与冠心病危险因素的相关性,确定PAV作为预测冠心病指标的临界参考值。分析各组受试者年龄、性别、血清总胆固醇(TC)、低密度脂蛋白(LDL)、高密度脂蛋白(HDL)、非高密度脂蛋白(non-HDL)、甘油三酯(TG)、高血压、糖尿病、吸烟、冠心病家族史和体质量指数(BMI)等危险因素,将PAV与冠心病危险因素的关系进行Logistic回归分析。结果:CAG+组患者PAV值明显低于CAG-组(P<0.01);PAV预测冠心病的临界点为1.37,如以PAV值<1.37来预测冠心病,其敏感度为74.65%,特异度为44.63%,阳性预测值为76.24%,阴性预测值为42.52%;Logistic回归分析,PAV与高血压、吸烟史和TG呈负相关关系(OR=1.476,OR=2.002,OR=1.844,P<0.01)。结论:PAV与冠心病及其危险因素高血压、吸烟史和TG相关,PAV=1.37可作为预测冠心病的临界参考值。

工科背景下数字图像处理创新实践项目研究——以“基于IPPG的心率估计算法”为例

针对当前数字图像处理实验教学内容存在的问题,结合新工科专业建设背景与人才培养要求,探索数字图像处理课程创新型实践教学模式,以基于IPPG的心率估计算法为例构建创新实践教学项目。以心率估计算法为例,基于传统数字图像处理技术,融合综合型实践教学内容,重构数字图像处理实验教学课程体系,以综合性创新性研究项目驱动知识、理论、创新和综合能力的深度融合,为培养新工科创新人才提供支撑。

绿光收发一体式集成光电子芯片的脉搏检测传感器

光学体积描记(PPG,photo plethysmo graphy)因其设计简单、成本低、信号周期能有效反应心脏节律等特点被广泛应用于检测心率及脉搏活动。基于多量子阱(MQW,multiple quantum well)二极管发光谱与探测谱存在重叠区的物理现象,采用兼容工艺在一块氮化镓芯片上实现光发射和接收器件的集成,研制收发一体式集成光电子芯片及脉搏传感器。实验结果表明,该氮化镓集成光电子芯片能够有效地接收经过心脏脉冲调制过的反射光。结合电路处理,能够根据还原的PPG信号计算出测试者的心率及脉搏跳变频率,以此起到检测和警示的作用。

可穿戴心率变异性设备应用的研究进展

心率变异性(HRV)可用来评估病情严重程度及预后情况。常规测量HRV的设备存在佩戴贴片多、电极片易脱落、舒适度不高等问题。智能贴片、基于光学体积描记术(PPG)和纺织品的可穿戴设备凭借穿戴简单、舒适度高和报告自动化等优点,广泛应用于HRV测量中。可穿戴HRV设备有望成为临床健康监测的新策略。本文对可穿戴HRV设备的类型、应用场景、存在的问题及未来展望进行综述。

基于人脸视频的心率检测研究综述

心率是反应人体生理状态的重要指标。目前,以接触式为主流的心率检测方法需要直接皮肤接触,无法进行远程测量,易导致不卫生、不舒适等问题。近年来,基于远程光学体积描记术(Remote photoplethysmography,rPPG)的心率检测方法受到广泛关注,该方法无须接触即可远程测量,解决了不卫生、不舒适等问题。介绍了人脸视频心率检测的背景;总结了通过人脸视频进行心率检测的基本原理和一般流程;归纳了目前主流的检测方法、常用数据集和评价指标,并从兴趣区域(ROI)的选取、滤波去噪方法和心率信号分离算法等方面进行了实验比较;最后指出了该方向存在的问题及未来研究趋势。

基于自适应变分模态分解的视频心率检测算法

视频心率检测算法不够鲁棒,光照和运动等因素严重影响心率信号的提取。针对此问题,提出一种自适应变分模态分解算法。利用经验模态分解(Empirical mode decomposition,EMD)对远程光学描记术信号(remote photoplethysmography,rPPG)进行分解获取信号的模态数,设计自适应变分模态分解(Variational mode decomposition,VMD)算法,分解rPPG信号获取不同的频率和带宽的模态,根据心率的频率范围和模态的中心频率合成心率信号,然后对心率信号进行功率谱分析计算心率,有效解决了VMD采用固定模态数分解的不足。在公开数据集PURE和UBFC上的实验结果表明,所提方法心率检测平均绝对误差小于5;与经验模态分解等方法相比,均方根误差减小了2.19。