雷恒波，莫鏡清，郭友達(dá)，邢曉曼，徐雅潔，孫明山

1.中國(guó)科學(xué)院 蘇州生物醫(yī)學(xué)工程技術(shù)研究所，江蘇 蘇州 215163；2.南京理工大學(xué) 電子工程與光電技術(shù)學(xué)院，江蘇 南京 210094

基于手指視頻的光電容積脈搏波信號(hào)獲取

雷恒波1，莫鏡清1，郭友達(dá)2，邢曉曼1，徐雅潔1，孫明山1

1.中國(guó)科學(xué)院 蘇州生物醫(yī)學(xué)工程技術(shù)研究所，江蘇 蘇州 215163；2.南京理工大學(xué) 電子工程與光電技術(shù)學(xué)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(zhǔn)確地獲得人體的PPG信號(hào)，本文利用手機(jī)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?cái)?shù)目反映血液容積的變化，得到PPG曲線時(shí)序圖；然后，利用經(jīng)驗(yàn)?zāi)B(tài)分解法將脈搏波信號(hào)分解為一系列本征模函數(shù)（Intrinsic Mode Function，IMF）；最后通過(guò)頻域分析，將處于脈搏波頻率范圍的IMF進(jìn)行信號(hào)重構(gòu)，就得到了消除低頻基線漂移和高頻噪聲的PPG信號(hào)。利用Bland-Altman法計(jì)算該結(jié)果與現(xiàn)有醫(yī)療儀器同步測(cè)得的PPG數(shù)據(jù)一致性在0.95以上。這種方法適用范圍廣，特別是對(duì)遠(yuǎn)程醫(yī)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(jīng)驗(yàn)?zāi)B(tài)分解法；本征模函數(shù)；遠(yuǎn)程醫(yī)療

引言

光電容積脈搏波描記法（Photoplethysmography，PPG），是一種用來(lái)檢測(cè)組織微血管中的血容量變化的光學(xué)測(cè)量技術(shù)[1]。其原理是用一定波長(zhǎng)的光照射皮膚表面，通過(guò)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(dòng)性變化，使得光電接收器接收到的光強(qiáng)度也隨之呈脈動(dòng)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(dòng)、心臟跳動(dòng)等重要信息，并可以進(jìn)一步得到人體血氧、血壓、血管微循環(huán)、心率、呼吸率等生理參數(shù)，對(duì)人體健康的監(jiān)護(hù)具有重大的意義。

目前，大多數(shù)利用光電信息進(jìn)行人體生理特征測(cè)量都是基于專業(yè)的測(cè)量設(shè)備，這種方法雖然可以獲得精確的數(shù)據(jù)，但是設(shè)備成本高昂，難以普及和推廣[3]。近年來(lái)，隨著移動(dòng)終端技術(shù)的快速發(fā)展，智能手機(jī)的信息采集能力、數(shù)據(jù)存儲(chǔ)能力和計(jì)算分析能力大幅提升，使得手機(jī)可以成為理想的體征監(jiān)測(cè)設(shè)備。因此，本文基于手機(jī)攝像頭采集手指中血液容積變化引起的光強(qiáng)度變化，進(jìn)而獲得光電容積脈搏波。

由于人體脈搏波信號(hào)十分微弱，因此利用光電手段獲得的脈搏波信號(hào)極易受到干擾。通常，脈搏波信號(hào)處理的方法有：多項(xiàng)式插值、小波變換及自適應(yīng)濾波。多項(xiàng)式插值需要找準(zhǔn)“基準(zhǔn)點(diǎn)”[4]；小波變換對(duì)信號(hào)的處理依賴于小波基的選取，小波基選擇不當(dāng)，對(duì)結(jié)果將產(chǎn)生很大的影響[5]；自適應(yīng)濾波器信號(hào)處理速度不高，且濾波頻率不能實(shí)現(xiàn)自動(dòng)跟蹤[6]。而經(jīng)驗(yàn)?zāi)B(tài)分解法（Empirical Mode Decomposition，EMD）依據(jù)信號(hào)本身的局部特征進(jìn)行自適應(yīng)分解，具有很高的信噪比，無(wú)需預(yù)先設(shè)定任何基函數(shù)，可以很好的分解出信號(hào)的不同頻率成分[7]，因此，本文基于EMD實(shí)現(xiàn)PPG信號(hào)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(gè)復(fù)雜的信號(hào)分解為一系列平穩(wěn)的、線性的本征模函數(shù)的組合，分解的實(shí)質(zhì)是一個(gè)篩選過(guò)程，從一個(gè)原始信號(hào)中不斷抽取出不同頻率成分的本征模函數(shù)的過(guò)程[8-9]。

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

求得上包絡(luò)線S1和下包絡(luò)線S2的均值為：

然后提取原始信號(hào)的局部信息，表示為：

接著驗(yàn)證h11(t)是否符合本征模函數(shù)（Intrinsic Mode Function，IMF）定義，正常情況下，h11(t)就是第一個(gè)IMF，但是由于包絡(luò)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(dāng)作原始信號(hào)，繼續(xù)(1)～(3)的分解過(guò)程，直到k次分解產(chǎn)生IMF。

式中m1k(t)為h1(k-1)(t)上下包絡(luò)線的均值。

因?yàn)閔1k(t)滿足IMF的定義，所以：

h1k(t)即為EMD分解出來(lái)的第一個(gè)IMF分量，然后得到：

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

式中rn(t)為分解殘余項(xiàng)，不再包含任何波動(dòng)的信息。

EMD分解完成后可得：

式中，i為整數(shù)，1≤i≤n，rn(t)為余項(xiàng)是一個(gè)單調(diào)信號(hào)，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(guò)對(duì)分解出來(lái)的各個(gè)IMF進(jìn)行快速傅氏變換（Fast Fourier Transformation，F(xiàn)FT）變換，將脈搏波頻率范圍的IMF進(jìn)行重構(gòu)即可得到去除高頻噪聲和低頻基線漂移的PPG信號(hào)。

2 實(shí)驗(yàn)數(shù)據(jù)采集及數(shù)據(jù)處理

2.1 實(shí)驗(yàn)數(shù)據(jù)獲取

本文利用手機(jī)攝像頭獲取PPG信號(hào)，手機(jī)攝像頭可以每秒采集31幀圖像。在一個(gè)心率周期內(nèi)，當(dāng)血管內(nèi)的血容量最大時(shí)，血液吸收的光強(qiáng)達(dá)到最大值，圖像中的像素灰度值減小，呈現(xiàn)在PPG波形中，此時(shí)出現(xiàn)在PPG的谷點(diǎn)；反之，則出現(xiàn)在PPG波形的峰值點(diǎn)。

手機(jī)拍攝的彩色視頻的每幀圖像都存儲(chǔ)為一個(gè)三維矩陣，矩陣的3個(gè)維度分別代表紅色、綠色和藍(lán)色3個(gè)顏色通道的圖像數(shù)據(jù)信息。在選擇顏色通道時(shí)，主要考慮兩個(gè)因素，一是血液對(duì)相應(yīng)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(dá)到表皮以下的微動(dòng)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(dòng)脈層，因此，本文手指視頻中綠色通道的像素進(jìn)行分析。

具體實(shí)驗(yàn)設(shè)置為：實(shí)驗(yàn)一，選取30名實(shí)驗(yàn)者（男17名，女13名），手指覆蓋在手機(jī)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(hào)時(shí)實(shí)驗(yàn)者保持不動(dòng)，每個(gè)采集時(shí)間為30 s。實(shí)驗(yàn)二，采用市場(chǎng)上現(xiàn)有的醫(yī)療儀器CONTEC脈搏血氧儀夾持在另一個(gè)手指上對(duì)這20名實(shí)驗(yàn)者進(jìn)行PPG信號(hào)同步采集。CONTEC脈搏血氧儀測(cè)量方式，見圖2。測(cè)量之后將脈搏波數(shù)據(jù)通過(guò)USB數(shù)據(jù)線傳輸?shù)诫娔X上。

圖1 拍攝手指視頻示意圖

圖2 CONTEC測(cè)量

接下來(lái)，對(duì)實(shí)驗(yàn)一中拍攝的視頻進(jìn)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(shí)間序列。然后，截取圖片的中心區(qū)域的像素分析以減少環(huán)境光線的干擾。圖像區(qū)域選取方法，見圖3。

圖3 圖像區(qū)域選取

最后，對(duì)截取的圖像像素分析：首先，提取若干個(gè)周期的每幀圖像灰度值的第三分位數(shù)Q3進(jìn)行平均，作為一個(gè)基準(zhǔn)值m；其次，統(tǒng)計(jì)每一幀圖像中心區(qū)域像素灰度值大于m的數(shù)目n，反應(yīng)此時(shí)血管中的血容量；最后，以幀數(shù)為橫軸變量，以對(duì)應(yīng)每一幀的像素灰度值數(shù)目n為縱軸，即可得到PPG曲線時(shí)序圖。采集到的PPG信號(hào)進(jìn)行歸一化的結(jié)果，見圖4。由圖4可以看出，PPG信號(hào)中存在著低頻基線漂移和一些高頻噪聲。這會(huì)降低PPG信號(hào)的準(zhǔn)確度，從而降低基于光電容積脈搏波人體生理參數(shù)測(cè)量的精度，因此需要從信號(hào)中消除。

圖4 歸一化的PPG信號(hào)

2.2 PPG信號(hào)的處理

影響脈搏波信號(hào)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(guò)程中，實(shí)驗(yàn)者身體的運(yùn)動(dòng)以及自身的呼吸活動(dòng)產(chǎn)生的。高頻噪聲包含高頻隨機(jī)噪聲以及工頻干擾，是由于采集過(guò)程的隨機(jī)噪聲和環(huán)境干擾造成[12]。為了去除PPG信號(hào)的噪聲，本文采用EMD對(duì)PPG信號(hào)進(jìn)行處理。

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

圖5 PPG信號(hào)的EMD分解

每階IMF的頻譜圖，見圖6。正常成人脈搏波信號(hào)的頻率在0.8～1.6 Hz。因此，由圖中可知，前兩階IMF為信號(hào)的高頻噪聲，IMF5，IMF6，IMF7以及分解后的參與分量res為信號(hào)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(shù)相加即可得到消除了高頻噪聲及基線漂移的PPG信號(hào)，見圖7。試驗(yàn)中30名受試者都通過(guò)手機(jī)攝像頭得到了PPG信號(hào)，并且利用EMD去除了信號(hào)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(hào)

2.3 實(shí)驗(yàn)結(jié)果分析

心率值是PPG信號(hào)的重要特征參數(shù)，因此，統(tǒng)計(jì)手機(jī)攝像頭獲得的每個(gè)實(shí)驗(yàn)者的脈搏波心率值，以每個(gè)波峰為一次心跳，不完整的波峰記做0.5次。然后計(jì)算與CONTEC脈搏血氧儀測(cè)得的脈搏波心率值的相對(duì)誤差。實(shí)驗(yàn)結(jié)果表明：這兩種方法30 s時(shí)間內(nèi)測(cè)得的心率值差值不超過(guò)1次，相對(duì)誤差保持在較小的范圍內(nèi)，其中出現(xiàn)的誤差跟時(shí)間窗的截取有關(guān)。部分測(cè)量對(duì)比結(jié)果，見表1。

表1 部分測(cè)量結(jié)果對(duì)比

為了評(píng)價(jià)利用手機(jī)攝像頭獲得的脈搏波信號(hào)與用CONTEC脈搏血氧儀采集的脈搏波信號(hào)具有一致性，本文采用Bland-Altman法[13]對(duì)用CONTEC實(shí)測(cè)心率值和PPG中得到的心率值進(jìn)行一致性分析，計(jì)算兩種方法獲得的心率值的差值平均數(shù)：-0.0833，差值的標(biāo)準(zhǔn)差：0.6576，95%一致性界限為-0.0833±1.96×0.6576。采用Bland-Altman法對(duì)用CONTEC實(shí)測(cè)心率值和PPG中得到的心率值進(jìn)行一致性分析的結(jié)果，見圖8。圖中30個(gè)點(diǎn)全部落在一致性界限之內(nèi)，因此這兩種方法測(cè)量的結(jié)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(duì)用CONTEC實(shí)測(cè)心率值和PPG中得到的心率值進(jìn)行一致性分析的結(jié)果

3 結(jié)論

本文提出了一種利用手機(jī)攝像頭獲取指端PPG信號(hào)，并通過(guò)EMD去除信號(hào)的高頻噪聲及低頻基線漂移的方法，通過(guò)與市場(chǎng)上現(xiàn)有的醫(yī)療儀器CONTEC脈搏血氧儀同步測(cè)得的脈搏波進(jìn)行Bland-Altman方法分析，實(shí)驗(yàn)結(jié)果表明兩種測(cè)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(hào)，適用多種場(chǎng)合的測(cè)量，對(duì)于基于光電容積脈搏波的人體生理參數(shù)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(shù)監(jiān)測(cè)全麻患者鎮(zhèn)痛水平的準(zhǔn)確性[J].中華麻醉學(xué)雜志,2014,34(1):123-124.

[3] 梁康,孫迎.基于智能手機(jī)提取 PPG 測(cè)心率方法準(zhǔn)確性研究[J].生物醫(yī)學(xué)工程學(xué)進(jìn)展,2014,35(4):191-195.

[4] 王兆清,李淑萍,唐炳濤.任意連續(xù)函數(shù)的多項(xiàng)式插值逼近[J].山東建筑大學(xué)學(xué)報(bào),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(jìn)自適應(yīng)濾波器的電網(wǎng)同步技術(shù)[J].高電壓技術(shù),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(shè)備抑制運(yùn)動(dòng)偽差的脈搏波及心率檢測(cè)技術(shù)研究[D].北京:北京理工大學(xué),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(guó)激光醫(yī)學(xué)雜志,2004,13(1):41-44.

[12] 韓慶陽(yáng),李丙玉,王曉東.一種消除脈搏波信號(hào)中呼吸基線漂移的方法[J].中國(guó)醫(yī)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