脈率變異性分析在穿戴式智能設備中的應用

【作 者】石波，陳法圣，陳建方，曹陽 蚌埠醫學院醫學影像學系，蚌埠市，00 中國礦業大學（北京）機電與信息工程學院，北京市，0008 深圳迪美泰數字醫學技術有限公司，深圳市，58067

脈率變異性分析在穿戴式智能設備中的應用

【作 者】石波1，陳法圣2，陳建方1，曹陽3
1 蚌埠醫學院醫學影像學系，蚌埠市，233030
2 中國礦業大學（北京）機電與信息工程學院，北京市，100083
3 深圳迪美泰數字醫學技術有限公司，深圳市，518067

基于光電容積脈搏波（PPG）原理設計了一種反射式脈搏傳感器，通過Arduino uno開發板將采集的人體指端PPG信號傳輸至PC進行脈率變異性（PRV）分析。選擇20名健康受試者為對象進行系統測試，同時同步記錄心電圖（ECG）信號（迪美泰Dicare-m1CP微型心電記錄儀）并進行心率變異性（HRV）分析作為參考。研究發現，脈搏波PP間期序列與心電圖RR間期序列高度相關（r ＞ 0.99），PRV的時域、頻域和Poincaré散點圖指標與對應的HRV各指標差異無統計學意義（P ＞ 0.05）。結果表明，穿戴式智能設備中基于PPG的短時PRV分析與基于ECG的短時HRV分析是等價的。

脈率變異性；光電容積脈搏波描記法；穿戴式智能設備；心率變異性

0 引言

心率變異性（Heart Rate Variability，HRV）是指連續正常（竇性）心動周期之間時間上的微小差異，與自主神經系統密切相關。近年來，眾多線性的和非線性的概念和方法被應用于HRV序列的分析中，并取得了一定的進展[1-3]。目前HRV已經成為對心肌梗死、慢性心力衰竭、不穩定型心絞痛、高血壓及糖尿病等疾病預測的一項非常有意義的指標[4]。

HRV通常是以分析心電圖(Electrocardiogram ECG )，信號中的RR間期(RR interval, RRI)序列來獲得，這也是目前HRV分析的黃金標準。但是ECG信號的采集相對復雜，至少需要兩個電極與體表接觸，而且兩個電極之間需要滿足一定的距離，不方便在手指指端或手腕等部位實現單點的信號獲取。

近年來，一些研究證明，脈率變異性（Pulse Rate Variability，PRV）在一定條件下可以代替HRV來反映自主神經活性。如Lu等[5]研究證明受試者在仰臥位和直立位時的PRV和HRV具有很好的一致性；Gil等[6]在頸部刺激實驗中通過對PRV和HRV時域和頻域的分析得出PRV和HRV可以通用的結論；Carolien等[7]研究得出健康受試者標準條件下的HRV和PRV高度相關（r ＞ 0.99）。因此，利用光電容積脈搏波（Photoplethysmography，PPG）信號分析PRV來代替HRV，系統更加便攜，成本也大大降低。本文設計了一種反射式光電脈搏波傳感器用于PRV分析，為PRV分析在手環、手表等穿戴式智能設備中的應用提供理論和實驗依據。

1 方 法

1.1 PRV的定義

心臟周期性的收縮舒張活動使血液從心臟射入動脈，再由靜脈返回心臟，形成了有機的循環。脈搏波就是心臟的搏動沿動脈血管和血流向外周傳播而形成的。對于正常人來說，脈搏波每分鐘搏動的次數（即脈率）和心率是一致的。因此，可以用脈搏波信號中的峰峰值間期（Peak-to-Peak Interval，PPI）代替ECG信號中的RRI來進行HRV的計算（圖1）[8]。我們把利用脈搏波計算得到的HRV稱為PRV。

圖1 PPI與RRIFig.1 PPI and RRI

1.2 脈搏波信號采集原理

脈搏波信號的采集方法有很多種，常見的有壓電法、光電法、生物阻抗法等。壓電法靈敏度高，但是抗干擾能力和穩定性較差；生物阻抗法精度高，但是測量時需要恒流源電路，設計較復雜；光電法結構簡單、性能穩定，已經廣泛應用于目前的商業化產品中。光電法又可分為透射式[9]和反射式[10-11]，反射式傳感器光源和接收器均置于被檢測物體的同一側，因此只要將光電傳感器貼在皮膚表面就能測量出脈搏波信號，便于穿戴，本文即采用這種方法。由于人體組織中，指尖、耳垂等部位的動脈成分含量較高，透過手指或耳垂后檢測到的光強相對較大，因此光電脈搏波傳感器的測量部位通常在人體指端或耳垂。反射式光電脈搏波傳感器的工作原理如圖2所示（以指端為例）。

圖2 反射式光電脈搏波傳感器示意圖Fig.2 Reflection type photoelectric pulse wave sensor

假設恒定波長的單色光照射到指端時，通過組織吸收、散射后得到的出射光可分為兩部分：一部分是直流成分，主要反映指端組織中各種非脈動成分，如肌肉、骨骼、色素、脂肪、水和靜脈血等對光的吸收；另一部分為交流成分，是由血管床隨心臟搏動產生的收縮和舒張而引起，主要反映動脈血中氧合血紅蛋白和脫氧血紅蛋白等對光的吸收。因此，可以認為出射光的變化僅僅是由動脈搏動引起，通過反射光的檢測可以間接測量到人體的脈搏波信號。

1.3 脈搏波信號處理

在脈搏波采集過程中，光電接收器接收到的光信號除了包含脈搏信息里的出射光信號外，還包含測量環境下的背景光信號、呼吸干擾、運動偽差、工頻干擾和其他儀器產生的干擾等。本文采用數字濾波技術來消除這些干擾。通常容積脈搏的信號頻帶在0 ～ 200 Hz之間，其能量主要集中在0 ～ 6 Hz，我們選用切比雪夫I型濾波器進行去噪。對去噪后的脈搏波信號，采用一階導數的方法進行峰峰值的提取，其主要步驟為：

(1) 求原始脈搏波信號的一階導數；

(2) 找出每個數據段內的極值點；

(3) 將所有局部極大值點連接起來形成上包絡；

(4) 根據包絡線分類，剔除錯點；

(5) 根據得到極值的采樣時間計算出PPI序列。

1.4 PRV分析指標

HRV的分析方法可分為時域分析、頻域分析和非線性分析三種。時域分析指標主要有：全部正常竇性RRI均值（Mean RR）、全部正常竇性RRI標準差（SDNN）、平均心率（Mean HR）、連續RRI之差的均方根（RMSSD）、全程相鄰RRI之差大于50 ms的個數（NN50）、NN50占全部RRI個數的百分比（pNN50）等；頻域分析指標主要有極低頻功率（VLF）、低頻功率（LF）、高頻功率（HF）、總功率（TP）、標準化的LF功率（LF norm）、標準化的HF功率（HF norm）、低頻功率與高頻功率的比值（LF/HF）；非線性指標有：Poincaré散點圖SD1和SD2。PRV的分析方法同HRV一樣，分析時只需用PPI代替RRI即可得到上述指標。

1.5 實驗系統設計

實驗裝置主要包括脈搏波傳感器、模擬前端電路（AFE，analog front end）、Arduino uno開發板、計算機（PC，personal computer）四個部分。脈搏波傳感器采用NJL5303R（New JRC，Japan）。NJL5303R是一款集綠色發光二極管（570 nm）和高靈敏度光電接收器于一體的半導體器件，體積小，非常適合用于穿戴式智能設備中的脈搏波檢測。由于NJL5303R輸出信號為電流信號，需要先進行電流-電壓轉換，然后再進行放大和濾波處理。光電二極管工作在反向偏置狀態，其結電阻較大，輸出電流較小，所以選用了輸入阻抗較高的運算放大器MCP602（Microchip，USA）。Arduino uno開發板集成10 bit的模數轉換器，將脈搏波信號數字化后傳輸至PC，由PC完成PRV的分析。整個系統結構框圖如圖3所示。

圖3 系統結構框圖Fig.3 Block diagram for the proposed system

2 結果

隨機選擇20名青年志愿者為測試對象采集脈搏波進行PRV分析。采用Dicare-m1CP微型心電記錄儀（Dimetek，China）同步記錄心電圖進行HRV分析作為參考。脈搏波和心電圖的采樣率均為400 Hz，每名受試者測試時間為5 min。

采用上述一階導數的方法對所測的脈搏波和心電圖分別進行PPI提取和RRI提取，研究發現，PPI序列與RRI序列高度相關（r ＞ 0.99）。

分別運用Kubios HRV version 2.1分析軟件（Biosignal Analysis and Medical Imaging Group，University of Eastern Finland）將20名受試者的PPI和RRI進行分析，得到PRV和HRV的結果如表1所示。

對PRV與HRV各指標進行統計學分析發現，基于脈搏波PPI分析得到的PRV與采用心電圖RRI得到的HRV結果基本一致，各指標差異無統計學意義(P ＞ 0.05)。

3 結論

隨著微電子技術、計算機技術以及通信技術的發展，穿戴式智能設備使得人體各生理參數的收集變得容易與便捷，結合云計算、大數據分析的應用將給人類慢性病的預防、早期診斷及康復護理帶來全新的方式。HRV是目前公認的定量評價心臟自主神經活動的指標。本文設計了一種反射式光電脈搏波傳感器用于PRV的分析，結果與用心電圖分析的HRV的結果基本一致。因此，在穿戴式智能設備中基于PPG的PRV分析可以等同于基于ECG的HRV分析，對于臨床心血管系統疾病的評價和預測具有同樣的應用價值。

表1 PRV與HRV分析結果Tab. 1 PRV and HRV analysis results

[1] Malik M. Heart rate variability: standards of measurement, physiological interpretation and clinical use[J]. Circulation, 1996, 93(5): 1043-1065.

[2] Clifford GD, Azuaje F, Mcsharry PE. Advanced methods and tools for ECG data analysis[M]. London: Artech House, 2006: 102-116.

[3] Khandoker AH, Karmaker C, Brennan M, et al. Poincaré plot methods for heart rate variability analysis[M]. New York: Springer US, 2013: 13-23.

[4] Thayer JF, Yamamoto SS, Brosschot JF, et al. The relationship of autonomic imbalance, heart rate variability and cardiovascular disease risk factors[J]. Int J Cardiol, 2010, 141(2): 122-131.

[5] Lu S, Zhao H, Ju K. Can photoplethysmography variability serve as an alternative approach to abtain heart rate variability information?[J] J Clin Monit comput, 2008, 22: 23-29.

[6] Gil E, Orini M, Bailón R, et al. Photoplethysmography pulse rate variability as a surrogate measurement of heart rate variability during non-stationary conditions[J]. Physiol Meas, 2010, 31(9): 1271-1290.

[7] Bulte CSE, Keet SWM, Boer C, et al. Level of agreement between heart rate variability and pulse rate variability in healthy individuals[J]. Europ J Anaesthesiol, 2011, 28(1): 34-38.

[8] Selvaraj N, Jaryal A, Santhosh J, et al. Asseement of heart rate variability derived from finger-tip photoplethysmography as compared to electrocardiography[J]. J Med Eng Tech, 2008, 32(6): 479-484.

[9] 劉俊微, 龐春穎, 徐伯鸞. 光電脈搏血氧儀的設計與實現[J]. 激光與紅外, 2014, 44(1): 50-55.

[10] 胡靜, 王成, 李章俊, 等. 基于光電脈搏波描記方法的多生理參數測量研究[J]. 光電子.激光, 2012, 23(8): 1631-1634.

[11] 劉廣偉, 毛陸虹, 謝生, 等. 一種光電反射式脈搏血氧監測方法[J]. 光電子.激光, 2014, 25(3): 621-624.

Analysis of Pulse Rate Variability and lts Application to Wearable Smart Devices

【Writers】SHI Bo1, CHEN Fasheng2, CHEN Jianfang1, TSAU Young2
1 Department of Medical Imaging, Bengbu Medical College, Bengbu, 233030
2 School of Mechanical Electronic and Information Engineering, China University of Mining and Technology（Beijing）, Beijing, 100083
3 Dimetek Digital Medical Technology Co. Ltd., Shenzhen, 518067

In this paper, a reflection type photoelectric pulse wave sensor was designed for short-term pulse rate variability analysis. Photoplethysmography (PPG) signals and ECG signals (obtained with the Dimetek MicroECG recorder Dicare-m1CP) were recorded synchronously from 20 healthy subjects. The analytical results show a significant correlation (correlation coefficient r ＞ 0.99) between the PPG-derived peak-to-peak (PP) intervals and the ECG-derived RR intervals. Besides, there are no significant differences (P ＞ 0.05) between the HRV measured by ECG and the PRV quantified by the PPG whether in time domain, frequency domain, or the Poincaré plot parameters. The experimental results suggest that the PPG-based short-term PRV analysis can be consistent with the ECG-based HRV measurement in wearable smart devices.

pulse rate variability (PRV), photoplethysmography (PPG), wearable smart device, heart rate variability (HRV)

R318.6

A

10.3969/j.issn.1671-7104.2015.02.005

1671-7104(2015)02-0095-03

2014-12-15

石波，E-mail: shibohome@qq.com