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。

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。