基于手指視頻的光電容積脈搏波信號獲取

雷恒波，莫鏡清，郭友達，邢曉曼，徐雅潔，孫明山

1.中國科學院 蘇州生物醫學工程技術研究所，江蘇 蘇州 215163；2.南京理工大學 電子工程與光電技術學院，江蘇 南京 210094

基于手指視頻的光電容積脈搏波信號獲取

雷恒波1，莫鏡清1，郭友達2，邢曉曼1，徐雅潔1，孫明山1

1.中國科學院 蘇州生物醫學工程技術研究所，江蘇 蘇州 215163；2.南京理工大學 電子工程與光電技術學院，江蘇 南京 210094

光電容積脈搏波（Photoplethysmography，PPG）中包含著人體重要的生理信息，為了方便、準確地獲得人體的PPG信號，本文利用手機攝像頭采集手指視頻，以每幀圖片像素灰度值大于一定閾值的像素數目反映血液容積的變化，得到PPG曲線時序圖；然后，利用經驗模態分解法將脈搏波信號分解為一系列本征模函數（Intrinsic Mode Function，IMF）；最后通過頻域分析，將處于脈搏波頻率范圍的IMF進行信號重構，就得到了消除低頻基線漂移和高頻噪聲的PPG信號。利用Bland-Altman法計算該結果與現有醫療儀器同步測得的PPG數據一致性在0.95以上。這種方法適用范圍廣，特別是對遠程醫療中基于PPG的人體生理信息的獲得具有重要意義。

攝像頭；光電容積脈搏波；經驗模態分解法；本征模函數；遠程醫療

引言

光電容積脈搏波描記法（Photoplethysmography，PPG），是一種用來檢測組織微血管中的血容量變化的光學測量技術[1]。其原理是用一定波長的光照射皮膚表面，通過透射或反射方式傳送到光電接收器，由于血液容積在心臟作用下呈搏動性變化，使得光電接收器接收到的光強度也隨之呈脈動性變化，從而得到血液容積脈搏的變化信息[2]。光電容積脈搏波包含著血液流動、心臟跳動等重要信息，并可以進一步得到人體血氧、血壓、血管微循環、心率、呼吸率等生理參數，對人體健康的監護具有重大的意義。

目前，大多數利用光電信息進行人體生理特征測量都是基于專業的測量設備，這種方法雖然可以獲得精確的數據，但是設備成本高昂，難以普及和推廣[3]。近年來，隨著移動終端技術的快速發展，智能手機的信息采集能力、數據存儲能力和計算分析能力大幅提升，使得手機可以成為理想的體征監測設備。因此，本文基于手機攝像頭采集手指中血液容積變化引起的光強度變化，進而獲得光電容積脈搏波。

由于人體脈搏波信號十分微弱，因此利用光電手段獲得的脈搏波信號極易受到干擾。通常，脈搏波信號處理的方法有：多項式插值、小波變換及自適應濾波。多項式插值需要找準“基準點”[4]；小波變換對信號的處理依賴于小波基的選取，小波基選擇不當，對結果將產生很大的影響[5]；自適應濾波器信號處理速度不高，且濾波頻率不能實現自動跟蹤[6]。而經驗模態分解法（Empirical Mode Decomposition，EMD）依據信號本身的局部特征進行自適應分解，具有很高的信噪比，無需預先設定任何基函數，可以很好的分解出信號的不同頻率成分[7]，因此，本文基于EMD實現PPG信號中的高頻噪聲和低頻基線的消除。

1 EMD的原理與步驟

EMD可以將一個復雜的信號分解為一系列平穩的、線性的本征模函數的組合，分解的實質是一個篩選過程，從一個原始信號中不斷抽取出不同頻率成分的本征模函數的過程[8-9]。

首先將信號x(t)的所有極大值點擬合為上包絡線S1，極小值點擬合為下包絡線S2，使其滿足：

求得上包絡線S1和下包絡線S2的均值為：

然后提取原始信號的局部信息，表示為：

接著驗證h11(t)是否符合本征模函數（Intrinsic Mode Function，IMF）定義，正常情況下，h11(t)就是第一個IMF，但是由于包絡擬合的偏差，h11(t)中仍然存在一些疊加波，因此需要將h11(t)當作原始信號，繼續(1)～(3)的分解過程，直到k次分解產生IMF。

式中m1k(t)為h1(k-1)(t)上下包絡線的均值。

因為h1k(t)滿足IMF的定義，所以：

h1k(t)即為EMD分解出來的第一個IMF分量，然后得到：

最后將r1(t)作為原始信號，重復上述分解過程，則可以得到c2(t)、c3(t)……cn(t)，其中

式中rn(t)為分解殘余項，不再包含任何波動的信息。

EMD分解完成后可得：

式中，i為整數，1≤i≤n，rn(t)為余項是一個單調信號，其所代表的信息全部為低頻基線漂移，還有一部分低頻信息存在于分解得到的后幾階IMF分量中；高頻噪聲則是存在于前幾階IMF分量中。正常成人的脈搏波頻率為60～100次/min，通過對分解出來的各個IMF進行快速傅氏變換（Fast Fourier Transformation，FFT）變換，將脈搏波頻率范圍的IMF進行重構即可得到去除高頻噪聲和低頻基線漂移的PPG信號。

2 實驗數據采集及數據處理

2.1 實驗數據獲取

本文利用手機攝像頭獲取PPG信號，手機攝像頭可以每秒采集31幀圖像。在一個心率周期內，當血管內的血容量最大時，血液吸收的光強達到最大值，圖像中的像素灰度值減小，呈現在PPG波形中，此時出現在PPG的谷點；反之，則出現在PPG波形的峰值點。

手機拍攝的彩色視頻的每幀圖像都存儲為一個三維矩陣，矩陣的3個維度分別代表紅色、綠色和藍色3個顏色通道的圖像數據信息。在選擇顏色通道時，主要考慮兩個因素，一是血液對相應波段光的吸收率，二是所選擇波段的照明光是否能夠穿透人體表皮，以達到表皮以下的微動脈層[10-11]。綠光處于血液吸收光線的峰值位置，又能夠穿透皮膚的微動脈層，因此，本文手指視頻中綠色通道的像素進行分析。

具體實驗設置為：實驗一，選取30名實驗者（男17名，女13名），手指覆蓋在手機的攝像頭上獲得一段視頻。拍攝手指視頻示意圖，見圖1。采集PPG信號時實驗者保持不動，每個采集時間為30 s。實驗二，采用市場上現有的醫療儀器CONTEC脈搏血氧儀夾持在另一個手指上對這20名實驗者進行PPG信號同步采集。CONTEC脈搏血氧儀測量方式，見圖2。測量之后將脈搏波數據通過USB數據線傳輸到電腦上。

圖1 拍攝手指視頻示意圖

圖2 CONTEC測量

接下來，對實驗一中拍攝的視頻進行分幀處理，即將視頻分解為一系列的圖片，圖片的幀序列即為視頻的時間序列。然后，截取圖片的中心區域的像素分析以減少環境光線的干擾。圖像區域選取方法，見圖3。

圖3 圖像區域選取

最后，對截取的圖像像素分析：首先，提取若干個周期的每幀圖像灰度值的第三分位數Q3進行平均，作為一個基準值m；其次，統計每一幀圖像中心區域像素灰度值大于m的數目n，反應此時血管中的血容量；最后，以幀數為橫軸變量，以對應每一幀的像素灰度值數目n為縱軸，即可得到PPG曲線時序圖。采集到的PPG信號進行歸一化的結果，見圖4。由圖4可以看出，PPG信號中存在著低頻基線漂移和一些高頻噪聲。這會降低PPG信號的準確度，從而降低基于光電容積脈搏波人體生理參數測量的精度，因此需要從信號中消除。

圖4 歸一化的PPG信號

2.2 PPG信號的處理

影響脈搏波信號的干擾主要有兩種：低頻基線漂移和高頻噪聲。其中低頻基線漂移是在脈搏波采集過程中，實驗者身體的運動以及自身的呼吸活動產生的。高頻噪聲包含高頻隨機噪聲以及工頻干擾，是由于采集過程的隨機噪聲和環境干擾造成[12]。為了去除PPG信號的噪聲，本文采用EMD對PPG信號進行處理。

EMD分解結果，見圖5。其中IMF1-IMF7為信號分解得到的7個IMF分量，res為剩余分量。EMD將原始信號按照頻率成分由高到低的順序分解為若干個IMF分量和一個殘余分量之和，不同的IMF分量使信號的特征在不同的時間尺度分辨率下表現出來。

圖5 PPG信號的EMD分解

每階IMF的頻譜圖，見圖6。正常成人脈搏波信號的頻率在0.8～1.6 Hz。因此，由圖中可知，前兩階IMF為信號的高頻噪聲，IMF5，IMF6，IMF7以及分解后的參與分量res為信號的低頻基線漂移。

將處于脈搏波頻率范圍的IMF3和IMF4兩階本征模函數相加即可得到消除了高頻噪聲及基線漂移的PPG信號，見圖7。試驗中30名受試者都通過手機攝像頭得到了PPG信號，并且利用EMD去除了信號的高頻噪聲及低頻基線漂移。

圖6 各階IMF的FFT變換

圖7 EMD處理之后的PPG信號

2.3 實驗結果分析

心率值是PPG信號的重要特征參數，因此，統計手機攝像頭獲得的每個實驗者的脈搏波心率值，以每個波峰為一次心跳，不完整的波峰記做0.5次。然后計算與CONTEC脈搏血氧儀測得的脈搏波心率值的相對誤差。實驗結果表明：這兩種方法30 s時間內測得的心率值差值不超過1次，相對誤差保持在較小的范圍內，其中出現的誤差跟時間窗的截取有關。部分測量對比結果，見表1。

表1 部分測量結果對比

為了評價利用手機攝像頭獲得的脈搏波信號與用CONTEC脈搏血氧儀采集的脈搏波信號具有一致性，本文采用Bland-Altman法[13]對用CONTEC實測心率值和PPG中得到的心率值進行一致性分析，計算兩種方法獲得的心率值的差值平均數：-0.0833，差值的標準差：0.6576，95%一致性界限為-0.0833±1.96×0.6576。采用Bland-Altman法對用CONTEC實測心率值和PPG中得到的心率值進行一致性分析的結果，見圖8。圖中30個點全部落在一致性界限之內，因此這兩種方法測量的結果具有較好的一致性，兩種方法在臨床上可以互相代替使用。

圖8 采用Bland-Altman法對用CONTEC實測心率值和PPG中得到的心率值進行一致性分析的結果

3 結論

本文提出了一種利用手機攝像頭獲取指端PPG信號，并通過EMD去除信號的高頻噪聲及低頻基線漂移的方法，通過與市場上現有的醫療儀器CONTEC脈搏血氧儀同步測得的脈搏波進行Bland-Altman方法分析，實驗結果表明兩種測量方法的一致性在95%以上，因此，該方法可以有效獲得PPG信號，適用多種場合的測量，對于基于光電容積脈搏波的人體生理參數獲得具有重要意義。

[1] Allen J.Photoplethysmography and its application in clinical physiological measurement[J].Physiol Meas,2007,28(3):R1-39.

[2] 封英,沈艷,陳新忠.指光電容積脈搏波特征參數監測全麻患者鎮痛水平的準確性[J].中華麻醉學雜志,2014,34(1):123-124.

[3] 梁康,孫迎.基于智能手機提取 PPG 測心率方法準確性研究[J].生物醫學工程學進展,2014,35(4):191-195.

[4] 王兆清,李淑萍,唐炳濤.任意連續函數的多項式插值逼近[J].山東建筑大學學報,2007,22(2):158-162.

[5] Aguiar-Conraria L,Soares MJ.The continuous wavelet transform: moving beyond uni- and bivariate analysis[J].J Econ Surv,2014,28(2):344-375.

[6] 王懷寶,沈虹,張瑩,等.基于改進自適應濾波器的電網同步技術[J].高電壓技術,2014,40(11):3636-3641.

[7] Lei Y,Lin J,He Z,et al.A review on empirical mode decomposition in fault diagnosis of rotating machinery[J].Mech Syst Signal Process,2013,35(1-2):108-126.

[8] Mandic DP,Rehman NU,Wu Z,et al.Empirical Mode Decomposition-Based Time-Frequency Analysis of Multivariate Signals: The Power of Adaptive Data Analysis[J].IEEE Signal Process Mag,2013,30(6):74-86.

[9] Huang NE,Shen Z,Long S R,et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proc Math Phys Eng Sci,1998,454(1971):903-995.

[10] 姜笑天.基于可見光成像設備抑制運動偽差的脈搏波及心率檢測技術研究[D].北京:北京理工大學,2015.

[11] 于常青,劉凡光,顧瑛,等.人體皮膚及血液的熒光光譜分析[J].中國激光醫學雜志,2004,13(1):41-44.

[12] 韓慶陽,李丙玉,王曉東.一種消除脈搏波信號中呼吸基線漂移的方法[J].中國醫療器械雜志,2014,38(1):19-22.

[13] Olofsen E,Dahan A,Borsboom G,et al. Improvements in the application and reporting of advanced Bland-Altman methods of comparison[J].J Clin Monit Comput,2015,29(1):127-139.

Photoplethysmography Signal Acquisition Based on Finger Video

LEI Heng-bo1, MO Jing-qing1, GUO You-da2, XING Xiao-man1, XU Ya-jie1, SUN Ming-shan1
1. Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences, Suzhou Jiangsu 215163, China; 2. School of Electronic and Optical Engineering, Nanjing University of Science and Technology, Nanjing Jiangsu 210094, China

Photoplethysmography (PPG) contains some important human physiological information. In order to easily and accurately obtain the PPG of the body, the video of the finger was obtained by using the cell phone camera. And the number of each frame image pixel gray values greater than a certain threshold could reflect the blood volume variation, and the timing curve of PPG was obtained. Then, with the empirical mode decomposition method, the timing curve was broken down into a series of intrinsic mode function (IMF). Finally, through the frequency domain analysis, the IMF in the pulse frequency range was reconstructed, achieving the PPG signal without the low-frequency and high-frequency noise baseline drift. The results calculated by using the Bland-Altman method achieved above 0.95 consistency with the PPG data synchronously measured by using the existing medical equipment. This widely applied method was of great importance for obtaining the physiological information based on PPG in telemedicine.

camera; Photoplethysmography; empirical mode decomposition; int rinsic mode function; telemedicine

R318

A

10.3969/j.issn.1674-1633.2016.11.009

1674-1633(2016)11-0042-04

2016-06-15

2016-07-01

作者郵箱：296738722@qq.com