景 斌 李海云

（首都醫(yī)科大學(xué)生物醫(yī)學(xué)工程學(xué)院，北京 100069）

引言

心率是衡量人體是否健康的重要生理指標(biāo)，一些潛在疾病的存在會導(dǎo)致心率發(fā)生變化，因此檢測并監(jiān)控心率對于人們預(yù)防疾病有著很重要的意義。

臨床上的心率檢測有多種方法，如觸診式心率測量法，還有心音、心電、光電式脈搏心率測量法等。但是，采用這些方法檢測主要依靠附著于人體的接觸式傳感器、電極等來獲取信息，需要直接或間接地接觸人體，雖能準(zhǔn)確測量受試者的心率，卻未必能夠反映受試者自然狀態(tài)下的心率。因此，非接觸式測量對檢測心率有著非常重要的意義。

近年來，手持成像儀、CCD和計(jì)算機(jī)結(jié)合的非接觸式測量設(shè)備已經(jīng)得到廣泛的應(yīng)用，一個(gè)典型的例子就是通過VICON系統(tǒng)實(shí)現(xiàn)對運(yùn)動的測量［1］。另外，有學(xué)者研究利用攝像機(jī)來實(shí)現(xiàn)對姿勢含義的分析［2］、對人臉表情的自動識別［3］，還有學(xué)者嘗試從獲得的運(yùn)動序列圖像中提取生理信號。Nakajima記錄了受試者床上睡眠的實(shí)時(shí)圖像序列，并通過姿勢的變化實(shí)現(xiàn)呼吸的測量［4］；Takano利用普通攝像機(jī)序列圖像實(shí)現(xiàn)了對心率的測量［5］。本研究提出了一種新的基于紅外序列圖像的心率無損檢測方法。

1 方法

1.1 系統(tǒng)組成

紅外動態(tài)圖像采集系統(tǒng)由3個(gè)部分組成：傳感器系統(tǒng)（FLIR Photon Camera，F(xiàn)LIR Company，USA）、數(shù)/模轉(zhuǎn)換系統(tǒng)（DH-VT140 Card，Daheng Company，China）、計(jì)算機(jī)工作站（Dell workstation，USA）。

1.2 圖像采集

首先，受試者以一個(gè)放松的姿勢坐在椅子上，然后紅外動態(tài)圖像采集系統(tǒng)開始采集受試者太陽穴處的灰度序列圖像，視頻格式是 PAL，幀速度是25幀/s，圖片大小是768像素×576像素。這個(gè)過程持續(xù)20 s，總共得到了500幅圖片。圖1是序列圖像的第一幅，圖中正方形即研究該受試者心率的感興趣區(qū)，因?yàn)樘栄ㄌ幐浇嬖谘?，所以溫度會比周圍的組織高一些，在圖像中溫度越高，灰度值越高，越接近白色，因此在溫度較高區(qū)域隨機(jī)選取了一個(gè)大小是10像素×10像素的正方形作為感興趣區(qū)。在圖像采集的同時(shí)，利用BIOPAC生理檢測儀（MP35，BIOPAC Systems Inc，美國）也開始測量并保存該受試者的心電信息。

總共有6名健康的受試者參與了本實(shí)驗(yàn)，均為男性，平均年齡24歲（23～25歲）。

圖1 采集的序列圖像的第一幀及感興趣區(qū)Fig.1 The first frame of the sequence images and the ROI（region of interest）

1.3 時(shí)間序列信號的獲得及處理

由于血流與體表皮膚溫度不同，所以血管周期性的跳動也會伴隨著圖像灰度值周期性地變化。為了更準(zhǔn)確地利用灰度變化信息獲得時(shí)間序列信號，這里引入重心法的概念。

1.3.1 重心法

該方法用像素的位置坐標(biāo)對對應(yīng)的灰度值進(jìn)行加權(quán)，并在目標(biāo)像素區(qū)域?qū)⒓訖?quán)后的灰度值求和，然后求出目標(biāo)區(qū)域灰度均值的位置坐標(biāo)，即所謂的圖像重心［6］。

定義坐標(biāo)為（m，n）上的像素f（m，n）的（p+q）階距為

由上面的定義可知，k00是f（m，n）灰度的總和。對一階距k01和k10，以k00標(biāo)準(zhǔn)化后，可以求出對象物圖像的重心坐標(biāo)G（mG，nG），即

在臨床產(chǎn)科內(nèi)，前置胎盤并發(fā)胎盤植入屬于較為嚴(yán)重并發(fā)癥，通常會造成大出血，使產(chǎn)婦與胎兒生命受到直接威脅，對此，強(qiáng)化產(chǎn)婦胎盤植入診斷和檢測尤為重要，不僅可以防止出現(xiàn)產(chǎn)后大出血情況，而且還具有臨床推廣價(jià)值[1]。在本次研究中，選擇前置胎盤并發(fā)胎盤植入診斷患者89例，主要研究腹彩超多普勒超聲的診斷價(jià)值，具體如下。

由于血管的跳動，感興趣區(qū)的重心是在不斷變化的，取感興趣區(qū)的左上端點(diǎn)為參考點(diǎn)，可以獲得由原始序列圖像每一幅中重心到參考點(diǎn)距離組成的時(shí)間序列信號，這個(gè)離散信號由500個(gè)點(diǎn)組成，圖2所示的就是獲得的原始時(shí)間序列信號。

圖2 時(shí)間序列信號Fig.2 The time-lapse signal

由圖2觀測可知，此原始時(shí)間序列信號并非平穩(wěn)隨機(jī)信號，因此先對得到的時(shí)間序列信號進(jìn)行一階差分處理，圖3所示的就是差分后的結(jié)果。

圖3 差分信號Fig.3 The derivative signal

再對差分后的信號進(jìn)行低通濾波處理，考慮到正常人的心率范圍在1Hz～1.6Hz，所以選取截止頻率為2Hz的低通濾波器。低通濾波去掉了差分信號中的高頻分量的影響，圖4所示的即為低通濾波后的信號。

圖4 濾波后的信號Fig.4 The filtered signal

最后對所得的濾波信號進(jìn)行AR模型功率譜分析。

AR模型是一個(gè)系數(shù)按最小均方誤差原則估計(jì)出的模型，是一個(gè)全極點(diǎn)模型，其傳遞函數(shù)為

隨機(jī)序列x（n）的AR模型為

式中，輸入的隨機(jī)序列u（n）是一個(gè)均值為零、方差為σ2的白噪聲序列。

模型輸出序列x（n）的功率譜為

sxx（w）=σ2|H（jw）|2

即

在本實(shí)驗(yàn)中，應(yīng)用burg方法對濾波后的信號進(jìn)行了AR模型功率譜分析［7］。

2 結(jié)果

對濾波后的信號進(jìn)行了AR功率譜分析，AR模型的階數(shù)由經(jīng)驗(yàn)值及與實(shí)際結(jié)果對比確定，最后確定為7階，圖5所示的即為所得的AR模型功率譜分析。

由圖5可知，該信號的頻率在1.46Hz處有一明顯的波峰，此值即該實(shí)驗(yàn)方法所得的心率。

通過BIOPAC生理檢測儀，同時(shí)可以得到受試者的心電圖，如圖6所示。

由此可得受試者的心率為1.43Hz，說明本實(shí)驗(yàn)所用的方法對測量該名受試者心率具有相當(dāng)?shù)臏?zhǔn)確度。

在本實(shí)驗(yàn)中，共有6名受試者做了同樣的檢測，表1給出了所有受試者兩種方法的檢測結(jié)果，其相關(guān)系數(shù)為0.957。

表1 本方法和BIOPAC生理檢測儀的檢測結(jié)果Tab.1 The detection results of the proposed method and BIOPAC

3 討論與結(jié)論

本研究利用紅外序列圖像，實(shí)現(xiàn)了對心率的非接觸式測量。與傳統(tǒng)方式相比，該方法不但減少了受試者在測量中的不舒適和不方便，而且具有比較高的準(zhǔn)確性。此外，在心理生理實(shí)驗(yàn)中，無干擾的測量生理反應(yīng)是非常重要的，否則，這種干擾就會帶到生理狀態(tài)檢測的結(jié)果中，因此所提出的方法具有重要的實(shí)際意義。

與用普通CCD作為圖像的信號源相比，紅外圖像中包含了豐富的溫度信息，所以能夠監(jiān)測感興趣區(qū)的時(shí)變溫度狀態(tài)。有研究利用CCD作為圖像的信號源，最終得到的心率與脈搏氧飽和度儀監(jiān)測到的心率的相關(guān)系數(shù)是0.90［5］；而本試驗(yàn)利用紅外設(shè)備，得到的心率與BIOPAC生理檢測儀獲得的心率的相關(guān)系數(shù)是0.957。同時(shí)，由于普通CCD很容易受到環(huán)境光線亮度的影響，而紅外圖像在變化的光照條件下具有更大的適應(yīng)性［8］，因此表明紅外圖像比CCD圖像在監(jiān)測心率方面具有更大的優(yōu)勢。但在目前情況下，紅外傳感器的價(jià)格遠(yuǎn)遠(yuǎn)高于普通CCD傳感器，高昂的價(jià)格使得這種方法目前還只能在實(shí)驗(yàn)室環(huán)境下應(yīng)用，不能普及到醫(yī)院及家用環(huán)境中。

在信號處理方法上，除了低通濾波器，其他多尺度多分辨率信號處理方法也可應(yīng)用在本研究中，如小波分析［9］、經(jīng)驗(yàn)?zāi)Ｊ椒纸獾?。相比于低通濾波器的簡單有效，這些方法的多尺度辨析特性可以實(shí)現(xiàn)對某段范圍頻率信號的更準(zhǔn)確的分離，從而使實(shí)驗(yàn)結(jié)果更加精確。同時(shí)，多尺度信號分解可以從時(shí)間序列信號中挖掘未知的有意義的信號，對以后生理信號的認(rèn)識及建模具有重要的參考價(jià)值。

在實(shí)際應(yīng)用中，各種各樣的噪聲都影響著檢測的結(jié)果（如人臉部的化妝品、人體流汗等），這些因素不同程度地影響了臉部血管熱量的傳導(dǎo)，從而導(dǎo)致檢測結(jié)果與實(shí)際結(jié)果誤差過大。周圍環(huán)境不同程度熱源的存在也會對實(shí)際結(jié)果產(chǎn)生影響，包括空調(diào)、風(fēng)扇、電腦及作為熱源的人等，這些都可能影響最終的結(jié)果。同時(shí)，在試驗(yàn)中，由于受試者在圖像采集過程中的不自覺晃動及其他未知噪聲的干擾，使得獲得心率時(shí)域信號仍然具有一定的難度。

現(xiàn)階段實(shí)驗(yàn)中，筆者只對6位受試者的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了分析和處理，以后還會進(jìn)行更大數(shù)量的人群檢測，以驗(yàn)證所提出方法的魯棒性。目前，只對具有正常心率的人做監(jiān)測，在以后的實(shí)驗(yàn)中，會逐步對異常心率的人做檢測（心率＞180beats/min）。由于心率的過速跳動遠(yuǎn)遠(yuǎn)超過了普通情況下2Hz低通濾波器的設(shè)置，此時(shí)，單一的低通濾波器很難解決這個(gè)問題，檢測將面臨更復(fù)雜的情況，因此對異常心率的人做檢測具有更大的難度。

在現(xiàn)實(shí)生活環(huán)境中，需要越來越多的非接觸式無損檢測，如航天員在飛行過程中及航天站中的生理參數(shù)監(jiān)控。由于宇航服的存在，給接觸式的測量帶來很大的不便，而通過紅外圖像測量會更加便捷與舒適，因此需要進(jìn)一步研究設(shè)備的便攜性及可適用性。

隨著研究的深入，紅外動態(tài)圖像采集系統(tǒng)將能夠研究更多的感興趣區(qū)，包括頸動脈、橈動脈、鼻孔等。通過檢測這些區(qū)域溫度的變化，獲得更多的人體生理信號，比如：通過鼻孔檢測吸氣與呼氣溫度的不同，可以得到時(shí)域的呼吸信號［10］；通過對頸動脈、橈動脈做類似的研究，可以得到呼吸、脈搏信號；通過紅外傳感器記錄體表皮膚及周圍空氣的溫度，建立數(shù)學(xué)模型和熱傳導(dǎo)模型，可以得到體內(nèi)的溫度［11］、血流速［12］等。最終，利用每個(gè)人某些生理參數(shù)的特異性，可以使紅外動態(tài)圖像采集系統(tǒng)應(yīng)用于人臉識別中［13］。

紅外動態(tài)圖像采集系統(tǒng)除了應(yīng)用在生理參數(shù)的檢測中，還可以應(yīng)用在情緒識別［14］、測謊［15］等實(shí)際中，通過紅外序列圖像來記錄人在不同情緒下臉部溫度的變化，從而可以通過溫度的變化來反映情緒的變化。

所有這些將極大的豐富紅外動態(tài)圖像采集系統(tǒng)的實(shí)際應(yīng)用，今后會在臨床及家用監(jiān)控上發(fā)揮更大的作用，也將為腦部血流動力學(xué)的研究及其他科學(xué)研究提供新的方法。

［1］Krosshaug T，Bahr R.A model-based image-marching technique for three-dimensionalreconstruction of human motion from uncalibrated video sequences［J］.J Biomech，2005；38（4）：919－929.

［2］Neidle C，Sclaroff S，Athitsos V. SignStream：a tool for linguistic and computer vision research on visual-gestural language data［J］.Behav Res Meth Instrum Comput，2001；33（3）：311－320.

［3］Cohn JF，Xiao J，Moriyama T，et al.Automatic recognition of eye blinking in spontaneously occurring behavior［J］.Behav Res Meth Instrum Comput，2003，35（3）：420 －428.

［4］Nakajima K，Masumoto Y，Tamura T.Development of real-time image sequence analysis for evaluating posture change and respiratory rate of a subject in bed［J］.Physiol Meas，2001，22（3）：N21－N28.

［5］Chihiro T，Yuji O.Heart rate measurement based on a timelapse image［J］.Med Eng Phys，2007，29：853 －857.

［6］張愛華，王亮.基于時(shí)變圖像序列的脈搏信息提?。跩］.儀器儀表學(xué)報(bào)，2007，28（5）：820 －825

［7］Burg JP.Maximum entropy spectral analysis［D］.Stanford：Stanford University，1975.

［8］Diego A，Lawrence B，Wolffz，et al.Illumination Invariant Face Recognition Using ThermalInfrared Imagery ［A］. In：Proceedings of the 2001 IEEE Computer Society Conference on on Computer Vision and Pattern Recognition ［C］.Kauai：IEEE，2001.527－534.

［9］Sergey Y，Aly AF，Edward AE.Multiresolution approach for non-contact measurements of arterial pulse using thermal imaging［A］.In：Proceedings of the 2006 Conference on Computer Vision and Pattern Recognition Workshop［C］.New York：IEEE，2006.129－137.

［10］Abbas K.A， K.Heiman， etal.Non-contactrespiratory monitoring basedonreal-timeIR-thermography［A］.In：IFMBE Proceedings［C］.Munich：Springer，2010.1306 －1309.

［11］Francesco P， Marybeth P.Non-invasive temporal artery thermometry：physics，physiology，and clinical accuracy［A］.In：SPIE Defence and Security Symposium ［C］.Orlando：SPIE，2004.61－67.

［12］Garbey M，Merla A，Pavlidis I.Estimation of blood flow speed and vessel location from thermal video［A］.In：Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition［C］.Washington DC：IEEE.2004.356－363.

［13］Pradeep B，Ioannis.P，Panagiotis，et al.Physiology-Based Face Recognition in the Thermal Infrared Spectrum ［J］.IEEE Trans Pattern Anal Mach Intell，2007，29：613 －626.

［14］James AL，Ioannis P，Murray C.The face of fear［J］.The Lancet，2001.357，1757.

［15］Ioannis P，Norman LE，James AL.Seeing through the face of deception ［J］.Nature，2002，415（6867）：35.