基于光電容積脈搏波的呼吸監(jiān)測系統(tǒng)研究

陳真誠，宋浩，朱健銘，梁永波

1.桂林電子科技大學生命與環(huán)境科學學院，廣西桂林541004；2.桂林電子科技大學電子工程與自動化學院，廣西桂林541004

前言

光電容積脈搏波(Photolethysmography, PPG)方法意在得到蘊含于脈搏波中的人體信息，其反映的是人體心血管系統(tǒng)和血液的相互作用在皮膚淺表處的表現(xiàn)。目前這種方法廣泛應用于人體脈搏波、血氧飽和度、心率等參數(shù)的監(jiān)測。利用光電容積描記法從人體得到的脈搏波叫做PPG，由于PPG 具有無創(chuàng)、操作簡單、多參數(shù)測量、成本低等特點，其逐漸得到生物醫(yī)學工作人士的重視。在這種背景下，越來越多的學者和研究人員開始了對PPG 進行研究，不過大多數(shù)的研究集中在心血管系統(tǒng)方面。對于PPG和呼吸之間的關(guān)系研究始于Lindberg 等［1］，1992 年Lindberg 等提出PPG 信號可能蘊含著呼吸的相關(guān)信息，為了驗證他們自己的結(jié)論，他們作了驗證實驗，實驗證明PPG中確實包含了與呼吸相關(guān)的信息。由此可以知道，對于從PPG中提取出呼吸信號，無論是國內(nèi)還是國外，都還沒有很成熟的方法，大家都在做各種嘗試，以便能找到一種更好的方法來解決目前存在的問題。

1 系統(tǒng)設(shè)計

1.1 系統(tǒng)總體框架

本系統(tǒng)主要目的是通過采集人體的PPG信號來提取呼吸信號，由于人體的脈搏信號具有噪聲背景強、頻率低、幅度小、隨機性強等特點，是一種微弱的低頻信號［2］，所以，本系統(tǒng)的電路設(shè)計需要嚴格對待，特別是系統(tǒng)的抗干擾噪聲能力顯得尤為重要。

本系統(tǒng)選用意法半導體公司的STM32F407作為處理芯片，由于其功能的強大性，此芯片能夠很容易實現(xiàn)脈搏信號的采集、處理以及顯示等過程，本系統(tǒng)主要由5部分構(gòu)成：電源管理模塊部分保證整個系統(tǒng)的正常供電；數(shù)據(jù)采集部分保證從人體中采集到干擾小，準確性高的PPG；濾波電路部分則負責完成信號的放大并濾除多余的噪聲干擾；MCU 部分對經(jīng)系統(tǒng)采集到的信號進行處理；顯示部分則將MCU部分處理的結(jié)果顯示出來。

同時，采用邁瑞公司生產(chǎn)的PM-9000 Express 多參數(shù)生理監(jiān)護儀同步采集被測試者的呼吸信號。將兩者得到的呼吸波進行對比分析，評估本系統(tǒng)得到的呼吸信號的準確性。系統(tǒng)總體框如圖1所示。

1.2 呼吸信號采集部分

圖1 信號采集系統(tǒng)框圖Fig.1 Block diagram of signal acquisition system

本系統(tǒng)選用Mindray 公司的PM-9000 Express 病人監(jiān)護儀來作為呼吸信號的參考標準［3］。PM-9000 Express病人監(jiān)護儀菜單設(shè)計直觀，功能豐富，可以方便地進行心電、呼吸以及血壓測量等。而且PM-9000 Express 病人監(jiān)護儀采用五導聯(lián)的方式來測量人體信號，具有較高的準確性，所以本不改選擇它測量到的信號據(jù)來作為參考信號。PM-9000 Express病人監(jiān)護儀結(jié)構(gòu)如圖2所示。

圖2 PM-9000 Express前面板Fig.2 PM-9000 Express front panel

2 脈搏波特征選擇

現(xiàn)實問題解決任務中難免會碰到數(shù)據(jù)的維數(shù)災難問題［4］，維數(shù)災難是指由于樣本數(shù)據(jù)中包含的特征參數(shù)也就是屬性過多的難題，會致使任務中斷而無法完成接下來設(shè)計的學習方案，若能從樣本數(shù)據(jù)的高維特征參數(shù)中分辨出哪些特征參數(shù)就能解決這個問題。本研究中的學習任務為：呼吸，即在樣本原有的眾多特征參數(shù)中選擇出與呼吸作用相關(guān)的特征，同時排除掉無關(guān)特征。常見的特征選擇方法有多種，這里主要介紹包裹式特征選擇方法［5］，并對其原理進行概述。

與過濾式選擇不考慮后續(xù)學習器不同，包裹式特征選擇并非是先對特征進行剔除，而是根據(jù)最終將要使用的學習器性能好壞，以此來作為特征子集的評價準則，能使后續(xù)學習器達到最優(yōu)狀態(tài)的特征子集被選擇出來。包裹式特征選擇方法意在為后續(xù)學習器選擇對其性能最有利、最合適的特征子集。

拉斯維加斯包裹式特征選擇算法（Las Vegas Wrapper,LVW）于1996 年由新加坡國立大學研究者Liu和Setiono聯(lián)合提出［6］，它在拉斯維加斯方法的框架上使用隨機策略來搜索子集，并以最終分類器的誤差為特征子集評價標準，是一個典型的包裹式特征選擇算法。算法描述如表1所示。

表1中第5、6行表示在數(shù)據(jù)集D上對于特征子集A'使用交叉驗證法評價學習器ζ時所得到的誤差，若這一誤差比當前特征子集A 小，或者誤差相當?shù)獳'維度比A 小時，則將A'留下，代表特征子集A'優(yōu)于A。但在算法執(zhí)行過程中，每一次使用隨機策略搜索得到特征子集后都要對學習器做出評價，計算開銷大，故引入了一個停止條件控制參數(shù)T。但可能會出現(xiàn)兩種效果稍差的情況，一是搜索到特征子集A'時花費的時間很長，甚至是無效情況，時間到達T 但仍未搜索到合適A'的解［7］。除了基于拉斯維加斯方法采用隨機策略構(gòu)建特征選擇算法，還有一些相關(guān)文獻也對這一熱點領(lǐng)域保持持續(xù)研究［8］。如使用序列搜索策略（SBS,SFS,FSFS）替換隨機搜索策略，又如改變學習器，將ζ替換為決策樹、遺傳算法、支持向量機等，上述包裹式特征選擇方法的嘗試，都在某一方面優(yōu)化了特征子集的分類準確率［9］。

表1 LVW算法描述Tab.1 Las Vegas wrapper algorithm

3 實驗部分

3.1 實驗計劃

為了達到實驗的目的，本系統(tǒng)使用了兩種方法來同時獲得人體的呼吸信號［10］。以此來驗證本系統(tǒng)可靠性以及算法的適用性。

首先在實驗對象的選擇上，考慮到實驗需要時間比較長，要求比較苛刻，時間分布不夠規(guī)律甚至有點繁瑣以及實驗室自身的實際情況，實驗對象主要選擇的是實驗室內(nèi)部的成員，這樣可以保證有足夠的時間來完成實驗，不會出現(xiàn)找不到實驗對象的現(xiàn)象，其年齡為20～28歲，體型標準，而且其身體機能正常，沒有得過重大疾病，本實驗采集了10例志愿者數(shù)據(jù)。

實驗要求被測試人員要保持心態(tài)平靜、情緒穩(wěn)定，為了最大限度地保證實驗結(jié)果少受其他因素干擾，實驗在一個溫度可調(diào)的小測試間里面完成。首先將測試間溫度調(diào)好，然后讓被測試人員在測試間靜坐10 min以保持被測試人員的心態(tài)平靜呼吸順暢，待情況穩(wěn)定后讓被測試人員平躺在測試間的平板床上，讓被測試人員保持放松心態(tài)，待被測試人員心態(tài)平靜下來后再開始實驗。在被測試人員躺下時，用PM-9000 Express病人監(jiān)護儀來測試被測試者的心率以及脈搏信號和呼吸信號，等到儀器上顯示被測試者的心率達到穩(wěn)定值，此時認定被測試者已經(jīng)達到實驗所要求的的靜息狀態(tài)，那么就可以開始實驗測量了。

實驗采用兩種方法來提取被測試者的呼吸信號，既用筆者的硬件系統(tǒng)采集被測試者的脈搏信號，獲得PPG信號，再通過特征提取，算出被測試者呼吸頻率、呼吸信號。與此同時，采用PM-9000 Express病人監(jiān)護儀測量被測試者的脈搏波、血氧飽和度、呼吸頻率以及呼吸波。將本研究的硬件系統(tǒng)所測得的結(jié)果與PM-9000 Express病人監(jiān)護儀測得的結(jié)果做分析比較，從而評估本研究的系統(tǒng)的準確性和可靠性。

實驗分多人多次進行，每次實驗都力求被測試者達到靜息狀態(tài)保證實驗數(shù)據(jù)的可用性，除了實驗地點都在同一個測試間盡量保持相同的測試環(huán)境外，實驗時間跨度也很大，基本上囊括了一整天的各個時間段，既有早晨也有晚上，既有餐前也有飯后。這樣多樣化、多角度的實驗就在一定程度上減小了因為實驗對象不夠多樣化導致的實驗數(shù)據(jù)太單一，結(jié)果不具有說服力的缺點。

3.2 實驗數(shù)據(jù)處理

3.2.1 去除高頻噪聲 由于脈搏信號屬于微弱信號，在采集脈搏波的過程中很容易引入干擾，從而導致較大的誤差，致使后面的結(jié)果出現(xiàn)較大的偏差，以至于影響整個后續(xù)過程。本系統(tǒng)主要的噪聲干擾為肌電干擾，這種噪聲頻率比較高，而本系統(tǒng)所需要的脈搏波信號頻率較低，屬于低頻信號，因此需要去除高頻噪音。結(jié)合一些濾波方法選擇平均濾波器的去噪方法，此方法計算量小，移植性好，基于以上幾點考慮，為了去除本系統(tǒng)的噪聲，本系統(tǒng)采用滑動平均濾波器法［11］。這種濾波器是很常用的一種非線性濾波器，因為此方法計算量小，所以處理速度快，把某一點鄰域內(nèi)的平均值來代替該點，這就是平均濾波器的基本原理。以往的經(jīng)驗表明平均濾波器法對高頻噪聲濾除效果很好［12］。

3.2.2 特征點檢測 主波的峰值是脈搏波信號中最顯著的特征點，因此本研究以主波的峰值點作為基準點，只有準確提取到主波峰值點，才能對脈搏波信號進行正確的時域特征分析。為了達到預期的效果，提取脈搏波的主波峰值點，釆用固定閾值法來檢測，此方法操作簡單［13］：首先隨機取一小段脈搏波信號，記為xppg(n)并求出其最大值max；找到這段信號的前5 個周期，取它們的主波峰值，再取5 個峰值的平均數(shù)，把這個求出來的平均數(shù)的一半當做門限值a，把max 減掉a 得到b，則b 成為下一段信號的閾值；接著將這段信號的每一個點都和該閾值比較，當某個點的值小于這個閾值時，把這個點標記為0，反之，則記為1，得到的信號記為y(n)；再對y(n)做一階差分，所有結(jié)果為0的點對應脈搏波信號的上升部分，則相鄰的兩個上升部分間的最大值就是脈搏波的主波峰值；找到主波峰值后就可以開始尋找第一個極大值點，這個點就是潮波的位置，對應下降支中一階導數(shù)的極大值點就是潮波的峰值點［13］。

3.2.3 呼吸波提取 經(jīng)驗模態(tài)分解（Empirical Mode Decomposition,EMD）在處理這個問題時有很大的優(yōu)越性，它不需要選擇固定的小波基，是一種自適應很好的的濾波方法。這種方法操作流程簡單，計算方便，它只需要把自身信號進行循環(huán)分解，然后求出一系列的模態(tài)分量就可以做相關(guān)性分析了。本研究采用很普遍的的鏡像延拓方法解決端點效應問題。將采集到的PPG進行自動分解，得到如圖3所示的各個固有模態(tài)函數(shù)（Intrinsic Mode Function,IMF）分量。

圖3 EMD分解后各個IMF分量Fig.3 IMF components after empirical mode decomposition

圖3是給出的IMF各個分量的頻譜圖，從圖中可以看出IMF5 和IMF6 是和脈搏波相關(guān)度較高的分量，可以用重構(gòu)IMF5 和IMF6 的方法得到比較干凈的光電脈搏信號。由EMD 分解原理，可以得出其重構(gòu)信號如下：

其中，IMFi 代表本征模態(tài)函數(shù)的分量。

通過計算原始呼吸信號與這些信號之間的相關(guān)性，得出本系統(tǒng)中的IMF7 和IMF8 與采集的脈搏信號具有較高的相關(guān)性，可用來重構(gòu)，得到呼吸信號S(t)為：

為了得到確實可行的結(jié)果，本文進行了多次重復實驗，通過對不同的實驗對象進行呼吸和脈搏數(shù)據(jù)的同時采集，圖4為兩種方法采集到的呼吸信號圖；圖5為采集到的兩種呼吸信號的頻譜圖。將兩種方法采集到的呼吸信號進行比對分析，并算出兩者之間的相關(guān)性，結(jié)果如表2所示。從表2中我們可以看出二者具有較高的相關(guān)性，由此可知用EMD 分解的方法得到的呼吸波的頻率與原始信號是一致的，實驗結(jié)果表明EMD 分解方法在PPG 中提取呼吸信號可行的。

圖4 信號對比Fig.4 Signal comparison

圖5 頻譜對比Fig.5 Spectral comparison

4 結(jié)論

本系統(tǒng)設(shè)計了一套從人體指尖提取PPG的方法，通過對采集到的PPG提取特征點，然后利用EMD分解算法測得的呼吸信號與用來做參照的病人監(jiān)護儀所得到的呼吸信號進行相關(guān)性分析，結(jié)果表明兩者之間存在較大的相關(guān)性。利用本系統(tǒng)得到的呼吸信號和呼吸信號本身具有較高的相關(guān)性，證明從PPG中實時提取呼吸信號的方法是可行的。相對于現(xiàn)有的呼吸信號檢測方法，本系統(tǒng)具有操作簡單，實時無創(chuàng)，方便的特點。

表2 實驗數(shù)據(jù)比較Tab.2 Comparison of the experimental data