甘永進(jìn)，莫 沛，陳時東，鄭金存，*，蔣曲博

(1. 玉林師范學(xué)院 電子與通信工程學(xué)院，廣西 玉林 537000；2. 廣西科技大學(xué)鹿山學(xué)院 電氣與計算機(jī)工程系，廣西 柳州 545000；3. 桂林電子科技大學(xué) 電子工程與自動化學(xué)院，廣西 桂林 541004)

0 引言

目前，示波型電子血壓計是市場的主流[1]。然而因心率異常導(dǎo)致振蕩波不規(guī)則以及血管形變恢復(fù)需要一定時間，示波型電子血壓計無法實(shí)現(xiàn)連續(xù)測量每搏血壓的變化[2]，而連續(xù)血壓測量在家庭保健和臨床診斷中意義重大。通過光電容積脈搏波(Photoplethysmography,PPG)完成對每個心動周期血壓值的檢測，為實(shí)現(xiàn)血壓的無創(chuàng)連續(xù)測量提供一定的參考價值。但是PPG信號容易受到采集系統(tǒng)帶來的白噪聲、工頻干擾[3]以及由肌電干擾等因素引起的基線漂移等噪聲的干擾，對后續(xù)血壓測量的精度帶來影響。

為實(shí)現(xiàn)由PPG信號達(dá)到連續(xù)精準(zhǔn)地測量血壓的目的，本文通過TI系列AFE44X0芯片結(jié)合反射式傳感器DCM03設(shè)計光電容積脈搏波采集系統(tǒng)，設(shè)計經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)結(jié)合形態(tài)學(xué)濾波的方法對原始PPG信號進(jìn)行自適應(yīng)濾波以及基線去除工作，對濾波后的PPG信號進(jìn)行二次微分得到加速脈搏波，采用Adaboost算法對加速脈搏波進(jìn)行分類，對分類后的加速脈搏波進(jìn)行PPG信號傳導(dǎo)時間(Pulse Wave Transit Time， PWTT)的提取，最后建立不同的血壓測量模型。

1 光電容積脈搏波去噪算法

1.1 EMD去噪

經(jīng)驗(yàn)?zāi)B(tài)分解由數(shù)據(jù)時間尺度特征來進(jìn)行信號分解以得到一系列的本征模函數(shù)(Intrinsic Mode Function，IMF)，其表征信號的不同振蕩模式，包含不同時間尺度[4-5]信號局部特征。其中，各個IMF中零點(diǎn)和極點(diǎn)個數(shù)相等或相差1，且局部極大值和極小值確定的信號包絡(luò)線的均值為0[6]，使得定義瞬時頻率的同時可避免由信號不對稱引起的瞬時頻率波動[7]。

本文采用光電反射式傳感器DCM03結(jié)合血氧模擬前端AFE44X0系列芯片進(jìn)行反射式光電容積脈搏波的采集。反射式傳感器DCM03的光發(fā)射器發(fā)出光線照射到指尖后發(fā)生漫反射，DCM03的光接收器接收指尖血液的光感應(yīng)信號，實(shí)現(xiàn)光電信號轉(zhuǎn)換，再由AFE44X0進(jìn)行I-V轉(zhuǎn)換、放大濾波及A/D轉(zhuǎn)換等處理得到PPG數(shù)字信號并輸出至MCU[8]。將PPG數(shù)字信號進(jìn)行EMD分解， 噪聲分布在各個IMF分量上，故將所有的IMF分量進(jìn)行軟閾值去噪，可有效地對原始PPG信號的噪聲進(jìn)行抑制，其步驟如下:

①對原始PPG信號進(jìn)行EMD分解，得到各個IMF分量，如圖1所示；

②對各IMF分量采用Stein無偏似然估計準(zhǔn)則進(jìn)行閾值估計；

③使用wthresh進(jìn)行去噪，得到去噪后各IMF分量如圖2所示；

④將去噪后的各IMF分量進(jìn)行重構(gòu)得到去噪后的PPG信號。

圖1 容積脈搏波的EMD分解圖
Fig.1 EMD decomposition diagram of PPG

圖2 去噪后的IMF分量
Fig.2 IMF component after denoising

1.2 基于形態(tài)學(xué)的基線漂移濾除

設(shè)采樣得到的原始一維脈搏信號為f(n)，定義域?yàn)镕={0,1,…,N-1}，結(jié)構(gòu)元素為g(n)，定義域?yàn)镚={0,1,…,M-1}，且M

(1)

(2)

據(jù)此，由腐蝕與膨脹運(yùn)算組成開、閉運(yùn)算為

(f°g)(n)=(f?g⊕g)(n),

(3)

(f·g)(n)=(f⊕g?g)(n)。

(4)

一般，閉運(yùn)算用于填充細(xì)小空洞，實(shí)現(xiàn)平滑或抑制信號波谷噪聲；開運(yùn)算可用于斷開窄小的連接，消除微小的尖刺，濾除信號峰值噪聲，平滑信號邊界輪廓。常采用形態(tài)開、閉的級聯(lián)形式對信號進(jìn)行處理。傳統(tǒng)形態(tài)的開-閉和閉-開運(yùn)算以不同順序級聯(lián)開閉運(yùn)算，定義為

FOC(f,g)=f°g·g,

(5)

FCO(f,g)=f·g°g。

(6)

因形態(tài)閉運(yùn)算的反擴(kuò)展性和形態(tài)開運(yùn)算的擴(kuò)展性，式(5)和式(6)定義的兩種傳統(tǒng)的濾波器都存在統(tǒng)計偏移現(xiàn)象，即對于開-閉濾波器而言，最后的輸出幅度偏??；但對于閉-開濾波器而言，最后的輸出幅度偏大，在一般情況下，單獨(dú)使用得到的濾波效果都不是最佳的。

欲有效地抑制采集到的脈搏信號中的不同噪聲，減小最終輸出的單向偏移，由兩種濾波器的平均組合形式[9]，將形態(tài)開閉-閉開濾波器定義為

FOC-CO(f,g)=(f°g·g+f·g°g)/2。

(7)

欲將統(tǒng)計偏移現(xiàn)象更深一層地減小，根據(jù)不同尺寸的結(jié)構(gòu)元素，定義廣義開-閉和閉-開濾波器為

FOC(f,g1,g2)=f°g1·g2,

(8)

FCO(f,g1,g2)=f·g1°g2。

(9)

相比于傳統(tǒng)的形態(tài)濾波器，廣義形態(tài)濾波器能夠?qū)π盘栔械母鞣N噪聲進(jìn)行有效的抑制[10]。為校正基線漂移[11]，本文通過尺寸不同的結(jié)構(gòu)元素的開-閉和閉-開運(yùn)算組合進(jìn)行處理。首先，設(shè)原始脈搏血氧信號為x(n)，對受基線漂移干擾的x(n)進(jìn)行廣義形態(tài)閉-開運(yùn)算處理；然后，將x(n)進(jìn)行廣義形態(tài)開-閉運(yùn)算處理；之后，再把以上兩個步驟的結(jié)果進(jìn)行求和平均，得到基線分量；最后，將x(n)與基線作差，得到校正基線后的信號y(n)，形態(tài)學(xué)去除基線漂移[12]框圖如圖3所示。 由表1小波及本文算法對信號去噪后的信噪比對比知，該算法去除基線漂移效果較佳。經(jīng)過EMD分解以及形態(tài)學(xué)濾波后的波形和頻譜如圖4、圖5所示，由圖4和圖5可見，信號中的高頻噪聲以及基線漂移得到一定程度的抑制，說明了設(shè)計的算法對光電容積脈搏波消噪效果的可行性。

圖3 去除基線漂移框圖
Fig.3 Block diagram of baseline wander removal

表1 幾種不同去基線算法的信噪比
Tab.1 SNR of different algorithms

序號方法SNR 1db2小波38.607 22db4小波38.216 33db5小波38.987 34db6小波38.527 55sym4小波38.587 76sym8小波38.497 37形態(tài)學(xué)濾波41.027 6

圖4 各個階段波形的頻譜圖
Fig.4 Spectrogram of each stage

圖5 各個階段波形
Fig.5 Wave form of each stage

2 血壓計算方法

2.1 脈搏波傳導(dǎo)時間計算

PPG信號經(jīng)EMD和形態(tài)學(xué)濾波后，再提取PPG信號的傳導(dǎo)時間來建立PPG信號傳導(dǎo)時間與血壓的數(shù)學(xué)關(guān)系，以此建立血壓計算模型。其中，PPG信號及相應(yīng)的加速脈搏波波形如6所示。

圖6 PPG信號及其加速脈搏波波形
Fig.6 PPG and accelerating pulse wave

圖6中，由血液微循環(huán)機(jī)理知加速脈搏波A-C段的時間tAC可以反映血液由心臟傳播到指尖末端毛細(xì)血管并反射匯合的時間，而這個時間可準(zhǔn)確的表示脈搏波傳導(dǎo)時間。脈搏波傳導(dǎo)時間的提取的關(guān)鍵是找到特征點(diǎn)A和C的位置。其中，特征點(diǎn)A是波形的極大值點(diǎn)，準(zhǔn)確地識別該位置較為容易。故特征點(diǎn)C的位置識別成為脈搏波傳導(dǎo)時間提取的關(guān)鍵。特征點(diǎn)C位置出現(xiàn)有兩種情況：一種是特征點(diǎn)C位于B和Z之間，如圖7(a)所示；另一種是特征點(diǎn)C位于Z和M之間，如圖7(b)所示。

圖7 特征點(diǎn)C位于不同位置的加速脈搏波
Fig.7 Acceleration pulse wave with different feature points

本文首先對經(jīng)數(shù)字信號處理后的PPG信號的加速脈搏波進(jìn)行分類[13]，再提取兩種不同類型的PPG信號的傳導(dǎo)時間，進(jìn)而分別建立兩種PPG信號(特征點(diǎn)C位于B和Z之間或Z和M之間)的血壓計算模型。

2.1.1 加速脈搏波波形識別

為識別出如圖7中的兩種不同的加速脈搏波，本文利用迭代算法Adaboost進(jìn)行實(shí)驗(yàn)。 Adaboost在訓(xùn)練過程中自適應(yīng)調(diào)整訓(xùn)練樣本權(quán)重，強(qiáng)化學(xué)習(xí)難以區(qū)分的訓(xùn)練樣本，由加權(quán)投票機(jī)制聯(lián)合弱分類器，使分類效果好的弱分類器的權(quán)重得到提高，而分類效果差的弱分類器的權(quán)重降低，形成高性能的強(qiáng)分類器。算法描述如下：

①輸入訓(xùn)練集D：

D={(x1,y1),(x2,y2),…,(xn,yn)},

其中，xi∈X,yi∈Y,X為訓(xùn)練樣本集，Y為分類類別標(biāo)志，Y={-1,+1}。

②初始化權(quán)值：D1(x)=1/n。

③設(shè)置訓(xùn)練輪數(shù)T：fort=1,2，…，T。

④將弱學(xué)習(xí)算法在權(quán)值Dt下訓(xùn)練，得到預(yù)測函數(shù)ht：X～{-1,+1}。

⑦訓(xùn)練完畢，輸出函數(shù)：

為驗(yàn)證Adaboost算法識別不同脈搏波的可行性，本文由預(yù)測靈敏度SE、陽性率TPR以及準(zhǔn)確率AC這3個指標(biāo)來評價該算法區(qū)分兩種脈搏波的性能。其中，

(10)

(11)

(12)

其中，TP和TN分別表示正確分類了第一類和第二類脈搏事件，F(xiàn)P和FN分別表示錯誤分類了第一類和第二類脈搏事件。

對250個波形信號以Adaboost算法進(jìn)行識別，其中第一類(特征點(diǎn)C位于B和Z之間)130個，第二類(特征點(diǎn)C位于Z和M之間)120個，得到測量數(shù)據(jù)如表2所示。由表1知，以特征點(diǎn)A-Z的時間段tAZ作為分類依據(jù)，采用Adaboost算法可以準(zhǔn)確的區(qū)分出兩種不同的加速脈搏波。

表2 分類評估參數(shù)
Tab.2 Evaluation parameters

TPTNFPFN靈敏度陽性率準(zhǔn)確率11910411160.8810.9150.892

2.1.2 特征點(diǎn)提取

特征點(diǎn)A是加速脈搏波的波峰，在波形任意位置開始，在一個周期范圍內(nèi)判斷出幅值最大的位置即為特征點(diǎn)A的位置。

特征點(diǎn)C的位置提取分兩種情況：①當(dāng)C介于B與Z之間時，如B與Z間存在極大值，則極大值坐標(biāo)即為C的位置；如沒有極大值，則以B與Z之間斜率最小的點(diǎn)的坐標(biāo)作為C的位置；②當(dāng)C介于Z與M之間時，若B、M兩點(diǎn)所在的直線斜率為k，以Z、M間所有點(diǎn)的斜率與k差值最小時的坐標(biāo)作為C的位置。準(zhǔn)確判斷特征點(diǎn)A和C的位置后，A與C之間的采樣點(diǎn)數(shù)與采樣時間的乘積即脈搏波傳導(dǎo)時間(PWTT)。

2.2 血壓模型的建立

準(zhǔn)確識別出兩種不同的脈搏波并獲取脈搏波傳導(dǎo)時間后，由脈搏波傳導(dǎo)時間與血壓間的線性關(guān)系，進(jìn)行回歸分析得出回歸系數(shù)及常數(shù)，建立血壓測量回歸方程式。經(jīng)回歸分析以及雙彈性腔模型理論得出C點(diǎn)位于B和Z之間的血壓方程如式(13)、(14)所示，C點(diǎn)位于Z與M之間血壓方程如式(15)、(16)所示，其中，Ps為收縮壓，Pd為舒張壓。

Ps=348.852 1-1.389 2*PWTT，

(13)

Pd=20.883 6+0.402 6*Ps，

(14)

Ps=359.532 6-1.523 1*PWTT，

(15)

Pd=5.235 5+0.602 1*Ps。

(16)

3 實(shí)驗(yàn)分析

為驗(yàn)證所建立的血壓估算模型的可靠性，本研究采用水銀血壓計與本系統(tǒng)對測試者同時進(jìn)行檢測以分析該設(shè)計的準(zhǔn)確性。其中，以水銀血壓計測得數(shù)據(jù)作為真值，本設(shè)計測量數(shù)據(jù)為測值。在室溫25 ℃下，對年齡(18～65)及性別各不相同的150位測試者(包括110名血壓正常的測試者和40名高血壓患者)進(jìn)行實(shí)驗(yàn)，測量得到的數(shù)據(jù)及相應(yīng)的誤差圖如圖8、圖9所示。部分測量數(shù)據(jù)如表3所示(表中測值和真值單位為mmHg)。

由圖8、圖9及表3知，本系統(tǒng)測得血壓值與真值之間均保持較好的一致性，數(shù)據(jù)誤差均保持在±5以內(nèi)，優(yōu)于AAMI標(biāo)準(zhǔn)。兩種加速脈搏波的分類具有較高準(zhǔn)確性，具有一定的臨床意義。

表3 實(shí)驗(yàn)測量數(shù)據(jù)
Tab.3 Measured data

序號性別/年齡 PS測值PS真值誤差PD測值PD真值誤差分類結(jié)果真實(shí)類別1M/209899-16063-3112M/25102107-56263-1113F/199695+16265-3224M/29110107+36564+1115F/27116119-37473+1226M/33118116+27580-5227F/33120125-57781-4228F/35123121+27877+1219M/27106110-46265-31110F/28108109-16972-32111M/39136138-27574+11112M/45144139+59188+32213M/43139142-37681-51114F/40145142+39288+42215F/42147146+19395-222

圖8 采集數(shù)據(jù)分布圖
Fig.8 Distribution graph of collected data

圖9 測值和真值誤差圖
Fig.9 Error between measure data and true data

4 結(jié)論

結(jié)合EMD及形態(tài)學(xué)方法對光電容積脈搏波進(jìn)行降噪處理，對比不同濾波方法的信噪比，發(fā)現(xiàn)本文方法濾波效果優(yōu)于小波變換。為了驗(yàn)證Adaboost識別不同脈搏波的有效性，本文基于預(yù)測靈敏度、陽性率及準(zhǔn)確率3個指標(biāo)進(jìn)行評價，實(shí)驗(yàn)表明Adaboost識別不同脈搏波具有一定的可靠性。為驗(yàn)證血壓模型的有效性，對150位測試者進(jìn)行測量，實(shí)驗(yàn)結(jié)果證明，論文建立的血壓計算模型誤差在±5 mmHg以內(nèi)，具有一定的準(zhǔn)確性和可靠性，達(dá)到了較好的效果。