基于光电容积脉搏波的无创血压连续测量研究进展

在临床诊断过程中,血压能够反映患者血液流动、身体体征变化等生理信息,是诊断组织器官健康状态的重要参考数据。由于传统血压测量方法存在有创、间断等局限性,利用光电容积脉搏波描记法(photo plethysmo graphy, PPG)实现血压的无创连续检测成为当前血压测量的热门研究领域。为此,首先简要介绍了PPG的理论背景与技术原理;其次阐述了利用PPG进行血压预测的具体流程,包括公开数据集、评估标准、预处理方法、特征提取与模型建立,并就不同方法的优缺点进行了对比分析;最后,总结了基于PPG实现无创血压连续测量的挑战与未来研究方向,为今后的研究提供参考。

光电容积脉搏波振幅在评估患者术前焦虑中的应用

目的按探索光电容积脉搏波振幅(PPGA)用于评估手术患者术前焦虑程度的可行性。方法依据状态-特质焦虑量表中的状态焦虑量表(STAI-S)评分将113例择期行外科手术的患者分为焦虑组(术前STAI-S评分≥40分,57例)和非焦虑组(STAI-S评分<40分,56例)。采用光电监护仪记录两组患者PPGA。采用Pearson相关系数分析STAI-S评分与各临床指标之间的相关性。ROC曲线分析PPGA对患者术前焦虑的诊断价值。结果焦虑组PPGA低于非焦虑组(P<0.01)。两组心率、收缩压、舒张压均无统计学差异(P>0.05)。STAI-S评分与PPGA呈负相关(r=-0.43,P<0.01),与心率、收缩压、舒张压无相关性(r=0.11、0.11、0.02,P>0.05)。ROC曲线结果显示,PPGA诊断患者术前焦虑的曲线下面积为0.77[95%CI(0.68~0.86)],当取最佳诊断界值为13.5任意单位时,其对应的灵敏度和特异度分别为79.6%和71.2%。结论PPGA可用于评估患者术前焦虑状态。患者PPGA越低,术前焦虑程度越高。

基于决策树的光电容积脉搏波干扰段实时检测方法

光电容积脉搏波(photoplethysmography,PPG)在可穿戴和智能健康设备中具有重要的应用价值。然而,PPG信号在采集过程中由于不可避免的耦合运动产生干扰段,导致信号质量降低。面向PPG信号干扰段实时检测问题,该研究分析PPG信号干扰段产生原因及波形特征,对相邻波峰间的脉搏波数据提取7个特征,并利用双样本Kolmogorov-Smirnov检验来选择显著变化的特征,最后训练决策树模型对干扰段信号进行实时检测。设计实验,采集20名在校大学生的PPG信号构成实验数据集。实验结果表明,所提出方法的平均准确率为(94.07±1.14)%,比常用的干扰段检测算法的准确率和实时性更高。

光电容积脉搏波技术在可穿戴医疗设备中的应用及其未来发展

光电容积脉搏波(Photoplethysmography,PPG)技术,作为一种非侵入式的生理参数监测方法,在心率、血氧饱和度以及其他生理指标的实时监测中已广泛应用。随着可穿戴技术的快速发展,PPG技术在医疗设备领域呈现出广阔的应用前景。本文详细讨论了PPG技术的基本原理、在可穿戴医疗设备中的应用现状及面临的挑战,同时探索了技术的未来发展方向。

光电容积脉搏波描记法对重症患者合并阻塞性睡眠呼吸暂停综合征的诊断价值

目的探讨光电容积脉搏波描记法(PPG)对伴有打鼾的呼吸系统疾病或心脑血管疾病重症患者合并阻塞性睡眠呼吸暂停综合征(OSAS)的诊断价值。方法纳入2019年1月—2023年10月苏北人民医院内科病房收治的伴有打鼾的呼吸系统疾病或心脑血管疾病重症患者91例,经知情同意后行整夜多导睡眠监测(PSG)和PPG,通过计算灵敏度、特异度、阳性预测值、阴性预测值及受试者工作特征(ROC)曲线的曲线下面积评价2种方法获得睡眠呼吸暂停参数结果的一致性情况。结果PPG所得呼吸暂停低通气指数(AHI)、总睡眠时间、最低血氧饱和度及血氧饱和度低于90%的时间与PSG比较,差异无统计学意义(P>0.05)。当AHI≥5次/h、AHI≥15次/h,本组患者诊断灵敏度分别为94.37%、93.10%,特异度分别为73.68%、90.91%,阳性预测值分别为91.78%、94.74%,阴性预测值分别为77.78%、88.23%,ROC曲线的曲线下面积分别为0.961、0.982;呼吸系统疾病重症患者诊断灵敏度分别为89.29%、87.10%,特异度分别为84.62%、80.00%,阳性预测值分别为92.59%、93.10%,阴性预测值分别为78.57%、72.72%,ROC曲线的曲线下面积分别为0.978、0.987;心脑血管疾病重症患者诊断灵敏度分别为87.18%、90.32%,特异度分别为83.33%、89.47%,阳性预测值分别为91.89%、99.63%,阴性预测值分别为78.57%、85.56%,ROC曲线的曲线下面积分别为0.942、0.986。结论针对合并OSAS的呼吸系统疾病和心脑血管疾病重症患者,PPG监测结果与PSG具有较高一致性。

光电容积脉搏波信号关键算法研究

目的:构建光电容积脉搏波信号处理关键算法,以提升光电容积脉搏波技术临床应用效能。方法:根据信号采集特征及采集部位不同,采用小波变换除噪算法、五点差分阈值算法、去基线归一化算法、高斯拟合算法和传递模型算法,在个人电脑(PC)端到手机Android端的跨平台和Matlab语言到Java语言的跨语言编程中,实现高斯拟合算法和传递模型算法。结果:除噪算法中的db9小波函数除噪中噪声集中于第1层高频段,运动伪迹分布在第8层低频段;五点差分阈值算法能够准确识别出波峰点;去基线归一化算法能够有效抑制低频干扰并统一信号幅值;高斯拟合算法和传递模型算法在跨平台跨语言编程实现了性能一致。结论:构建的光电容积脉搏波信号处理关键算法可为容积脉搏波技术用于生物医学工程及临床实践提供参考和借鉴,具有重要的临床应用价值。

基于PPG光电容积脉搏波睡眠耳机的研究

随着我国科学技术的迅猛发展和消费群体需求的多元化,传统的耳机难以满足新兴的消费需求,为此设计一款基于PPG光电容积脉搏波技术的具有降噪和健康监测效能的睡眠耳机。该款耳机通过内嵌集成创新化芯片与“PPG光电容积脉搏波+陀螺仪”双重传感进行睡眠健康监测,利用“人-机-环境”三大要素的关系设计右侧为耳机的基础控制器,左侧为健康监测的模块,解决系统中人的效能、健康问题,实现舒适睡眠的效果。在结构设计上,将绕颈式与挂耳式相结合便于采集心率数据,采用有“慢回弹”效果的记忆海绵对耳塞进行优化,在此基础上将监测到的心率、血氧、血压等生理指标数据反馈给APP,利用睡眠监测算法与心率检测算法对睡眠数据进行分析处理,形成睡眠报告与听力健康报告,为使用者提供健康监测参考。

基于脉搏波和心电信号的无创连续血压预测方法研究

目的 研究基于脉搏波和心电信号的无创连续血压预测方法。方法 从MIMIC-Ⅲ数据库中选取300个病例,用于构建血压预测模型、模型验证;另收集2022年1月至6月入住福建省立医院重症监护病房的121例患者,用于测试模型;采集患者动脉血压、光电容积脉搏波和心电图信号。构建两个血压预测模型,一个是以人工提取出的8种特征参数构建的人工特征参数模型,另一个是以8种特征参数加1种卷积神经网络提取的特征进行融合构建的特征融合模型。对两个预测模型进行验证、测试,评价指标采用平均绝对误差(MAE)、标准差(SD)、均方根误差(RMSE),根据国际公认的美国医疗器械促进协会(AAMI)规定的标准进行评价,对比两个模型预测能力。结果 用MIMIC-Ⅲ数据对两个模型进行评价,特征融合模型的MAE、SD符合AAMI标准,RMSE比人工特征参数模型低。用实际收集的重症患者数据对两个模型进行评价,特征融合模型收缩压的SD、舒张压的MAE和SD达到AAMI标准,RMSE也比人工特征参数模型低。结论 特征融合模型的预测能力比人工特征参数模型好。

光电容积脉搏波采集系统设计及课程应用

为了提高生物医学工程专业学生医学电子仪器设计能力,实现电子信息特色与生物医学工程专业内涵的深入融合,开发了一套光电容积脉搏波采集系统。该系统以微控制器STC89C52为核心,采用标准医用血氧饱和度探头NELLCOR DS-100A对人体脉搏波信号进行采集。信号调理部分融合了电压跟随电路、电流转电压电路、有源带通滤波放大电路,有效地实现了nA级光电流信号至毫伏级电压信号的调理。通过本实验项目的锻炼,能够使学生对医学电子信号有更清晰的认识,具备基本的医学生理测量系统设计能力。

基于RISC-V的多路光电容积脉搏波监测系统

针对光电容积脉搏波(Photoplethysm ographic,PPG),基于RISC-V内核设计了一款多通道、实时PPG监测系统。该系统使用RISC-V架构的E203 IP作为低功耗内核,通过ICB总线挂接模拟前端和蓝牙控制模块。AFE4400模拟前端控制模块控制背靠背LED实现两路PPG信号采集,复用该模块分时处理来实现多路采集。蓝牙控制模块挂接到E203实现了通过蓝牙外设下达系统控制指令,之后上传PPG波至终端。该系统通过FPGA验证了22位双通道PPG信号物联网终端应用。

基于光电容积脉搏波的无袖带血压测量技术研究进展

无袖带血压监测技术由于低生理/心理负荷等特点,在健康监测领域具有广阔的应用前景。其中,基于光电容积脉搏波的无袖带血压测量技术能够获取连续动态的血压参数,有效弥补传统袖带血压测量不便、间断测量等不足。本文对基于光电容积脉搏波的无袖带血压测量技术的研究进展进行综述。首先从传感测量和数据处理方面介绍了光电容积脉搏波信号的获取与分析方法。然后简述了传统的基于脉搏波速度理论进行血压测量的研究,重点分析了该领域的主要研究方向:基于形态学参数的机器学习方法研究以及基于序列学习的深度网络研究。最后对基于光电容积脉搏波的无袖带血压测量技术所面临的挑战及其应对策略进行了深入分析和详细讨论,以期为该领域的相关研究提供参考。

基于遥测光电容积脉搏波描记法的心率测量综述

遥测光电容积脉搏波描记法(remote photoplethysmography,rPPG)是一种无需接触即可实现心率等生理信号测量的技术,在重症监护、情绪感知、驾驶员状态评估等医疗和工业领域中都有较大的应用潜力。然而基于遥测光电容积脉搏波描记法的非接触心率测量容易受到光照、运动等多种因素干扰,为提高非接触式生理指标测量的精度,中外学者做了大量的研究工作。系统性地综述了基于rPPG的非接触式心率为代表的生理指标测量研究进展。首先,概述了rPPG技术的背景和原理,而后对比分析了基于rPPG心率测量的主流传统方法,此外对基于深度学习的rPPG心率测量最新研究进展进行了分类阐述,最后讨论了非接触心率测量的前景以及未来研究方向。

基于光电容积脉搏波的血红蛋白无创检测技术

提出一种基于多波长光电容积脉搏波(PPG)的检测技术,实现人体总血红蛋白(tHb)浓度的无创测量。首先,根据改进的Lambert-Beer定律,推导tHb浓度与PPG信号的理论关系。然后,设计无创检测系统,采集6种特定波长光源照射下的PPG信号。最后,提取信号的幅度特征,分别应用偏最小二乘回归(PLSR)和支持向量回归(SVR)算法预测tHb浓度。实验结果表明,两种回归模型的预测值与标准值均具有较高的相关性(r>0.7)。SVR模型预测的结果更准确,在82例样本上的预测值与标准值的平均绝对误差为0.849 8 g/dL,相关系数为0.845 7。进一步证实了无创检测tHb浓度的可行性,提供了具有临床实用性的实现方案。

基于光电容积脉搏波的精神疲劳评估方法

目的针对精神疲劳难于定量评估的问题,本文探索一种非侵入式可穿戴检测方法获取人体生理参数,从而实现对人体精神疲劳的定量评估。方法搭建光电容积脉搏波(photoplethysmography,PPG)采集平台,采集20名健康在校生的PPG信号,对PPG信号进行预处理和特征提取,获取时域、频域共143维特征。使用机器学习算法建立分类模型,对于Pearson相关系数法、F检验和relief-F得到的特征权值,选择最优的特征子集,使用降维后的特征子集训练模型,减少复杂度和过拟合概率。结果与实际状态对比,基于该方法的单个体疲劳检测平均准确率为92.48%,多个体疲劳检测准确率最大值为92.2%,可以有效地识别精神疲劳。结论光电容积脉搏波信号经过时域和频域分析构建的特征能够使用机器学习算法进行准确的精神疲劳状态分类评估。

基于光电容积脉搏波的心血管疾病相关体征参数提取算法

光电容积脉搏波(Photoplethysmography, PPG)中蕴含着人体脉搏信息,将其提取出来是实现快速、高精度、低成本心血管健康监测的前提。PPG脉搏信号在时域中存在典型特征点,分析这些特征点可求出脉搏周期、极值、波形特征量等信号的基本特征值,再通过各种衍生公式获得心率(HR)、血压(BP)、心输出量(CO)等体征参数,这些体征参数与心血管疾病密切相关,并可直接反映患者的健康状况,是临床心血管疾病早期诊断的重要依据。本文采用MATLAB软件给出了从PPG脉搏波信号中识别典型特征点和计算体征参数(HR、BP、SV、CO、TPR、AC)的算法流程,并将这种基于PPG信号的心血管体征信息参数提取算法用于真实人体PPG信号分析,该研究有望对心血管疾病的预警提供一种方便快捷的监测技术。

基于EMD和SVD的光电容积脉搏波信号去噪方法

光电容积脉搏波采集过程中存在基线漂移和高频噪声会给后续人体生理参数的测量带来困难,因此消除噪声干扰是准确进行相关生理参数测量的关键问题。提出一种结合经验模态分解和奇异值分解的去噪方法。该方法采用经验模态分解将光电容积脉搏波信号分解为若干个固有模态函数,通过功率谱密度判断代表基线漂移信息的固有模态函数获得基线漂移曲线;使用奇异值分解处理光电容积脉搏波信号中的高频噪声,针对传统的差分谱法无法准确识别奇异值有效阶次的不足,提出加权能量贡献率的方法选取奇异值的有效阶次。实验结果表明,该方法能有效消除光电容积脉搏波信号中的基线漂移和高频噪声,这对光电容积脉搏波信号检测精度的提高具有重要意义。

EEMD结合小波阈值的光电容积脉搏波信号降噪

为了研究脉搏波信号降噪的问题,文章提出了一种集合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD)与小波阈值相结合的降噪方法,对采集到的光电容积脉搏波信号来做降噪处理,同时和EMD结合小波阈值降噪算法进行比较。算法首先把信号做EEMD的分解,将原始信号分解为n个模态分量(IntrinsicModeFunction,IMF),然后对这些分量做相干性的计算,对其中的噪声分量来做小波阈值降噪,最后将信号重构。原始信号在STM32平台上采用MAX30100传感器测得。实验结果表明:本文的方法能够很好地剔除光电容积脉搏波中包含高频噪声与基线漂移的各种噪声,降噪后信噪比为34.09,均方根误差为1.99。提高了PPG信号的质量,为光电容积脉搏波信号的准确测量提供了新的思路。

视频中提取光电容积脉搏波的盲信号估计方法

从人脸彩色视频图像序列中能够分离出光电容积脉搏波(PPG)信号,进而提取人体的心率值,为了保证提取心率值的实时性和准确性,降低对外界光照环境的依赖性,研究使用对角累积量算法和Robust ICA算法用于彩色视频提取PPG信号,并转化成人体心率。通过对角累积量算法、Robust ICA算法与传统视频提取心率算法,即联合近似特征对角化(JADE)算法的彩色视频提取心率结果的对比分析实验,得出对角累积量算法提取的心率结果与实际心率的误差更小,准确率更高,Robust ICA算法提取心率的运行时间达到0.2 s以内,实时性更强。

一种利用经验模态分解算法的光电容积脉搏波信号中提取呼吸波的方法研究

针对目前提取呼吸波准确性不高的问题,本研究提出了一种从光电容积描记(photoplethysmography,PPG)信号中提取呼吸波的有效方法。在MIMIC Database中获取人体同时段的多路生理信号,包括PPG信号和呼吸波信号。首先,利用经验模态分解算法(empirical mode decomposition,EMD)对PPG信号进行分解,得到各层本征模函数(intrinsic mode function,IMF),选择合适的IMF分量重构出呼吸波信号;然后将重构的呼吸波信号与采用PPG信号同时段的原始呼吸波信号进行比较,结果显示,呼吸波信号速率的准确率均在90%以上,AR功率谱中的相关性系数均在85%以上,呼吸波信号相对相干系数也显示该方法的优越性。采用EMD算法可以有效地从PPG信号中提取呼吸波,这对于临床实践中的无创检测,医疗设备的改进具有重要意义。

基于LabVIEW的光电容积脉搏波信号采集系统

光电容积脉搏波包含了人体丰富的生理、病理信息,对其进行实时监测可为临床研究和诊断提供科学的指导。开发了一套基于图形化虚拟仪器工程设计平台LabVIEW的光电容积脉搏波信号采集系统,可完成对该信号的实时采集、显示和数据存储。经过指端光电容积脉搏波信号的透射式采集实验,在LabVIEW前面板上准确显示出了该信号的波形,有助于对光电容积脉搏波进行深入分析。