脉搏波信号范文

脉搏波信号范文（精选8篇）

脉搏波信号 第1篇

关键词：心电,脉搏,ARM,S3C2440,SD卡

0 引言

研究表明,心电和脉搏波信号中包含着人体重要和基本的生理参数[1]。这些生理参数的日常监护与检测,对于慢性病患者和老年人的健康以及心脏疾病的治疗都有着重要的临床意义[2]。除此之外,对这些生理参数进行长期监测,还可以了解人体健康状态的变化趋势,从而掌握一些疾病对人体健康产生的影响。因此,国内外的学者近几十年来一直致力于心电信号和脉搏信号的分析,特别是计算机辅助诊断与分析,涉及到的领域包括:多种噪声干扰下的微弱心电信号和脉搏信号的信息提取、心电信号和脉搏信号的模式识别与分类、心电数据库、计算机辅助诊断等[3]。

由于已有的一些监护仪系统大多采用个人电脑或是工控机作为波形显示和数据处理的控制器,它们体积大,不易携带[4]。与此同时,一些检测系统直接采用单片机做处理器监护系统,功能较为单一,数据存储量小,使用不是很方便[5]。

随着微处理技术和电子技术的发展,这就为医疗技术提供了新的平台,促使家庭化医疗成为医疗发展史上的一个新的方向。因此,在现有心电和脉搏信号的检测和诊断的基础上,开发具有家庭化特点的心电、脉搏信号采集和分析系统是一个很现实而且有意义的课题。我们以ARM处理器S3C2440为核心,设计并实现了心电与脉搏信号同步数据采集系统装置。该系统对脉搏信号和心电信号进行长时间同步采集,并通过液晶屏对脉搏信号和心电信号波形进行实时显示。利用该系统采集到的数据,可以进一步探讨研究心电和脉搏之间的变化关系,用于揭示在生命过程中二者所存在的某些规律。同时,它具有体积小,功能多,操作方便的特点,可以方便地在日常生活中使用。

1 系统整体结构

设计了一种基于S3C2440处理器和uC/OS-II操作系统的心电与脉搏信号同步数据采集系统。系统主要由心电放大及滤波电路、32位ARM微处理器S3C2440、存储器、液晶显示模块等组成。心电信号与脉搏波信号采集系统中硬件主要包括模拟和数字两大部分,首先将来自电极的模拟信号进行放大、滤波处理;然后通过S3C2440处理器内部的10位A/D转换器进行数模转换。转换完的数字信号一方面经过无损压缩后存储到SD卡,另一方面传送到液晶屏LCD上显示心电和脉搏波波形。S3C2440处理器作为外围控制电路的核心,控制液晶和数据信号的输入与输出。其中系统的硬件框图如图1所示。

2 系统硬件设计

2.1 心电采集模块设计

心电采集过程:来自AgCl电极的心电信号送入前置放大器进行放大,为了增强电路的耐直流极化的能力,避免进入截止和饱和状态,前置放大增益不宜过大,所以让前置放大器放大5倍。然后将信号送入低通滤波器和高通滤波器,以滤除0.05Hz～100Hz以外的干扰信号,同时分别对输入的信号进行放大。低通滤波器放大2倍,高通滤波器放大4倍。当信号进入50Hz的陷波电路后,滤除掉50Hz的工频干扰信号。最后进入后置放大器,将心电信号电压进一步放大25倍。因此,整个心电信号采集电路对输入的模拟信号放大了1000倍左右。心电采集电路结构框图如图2所示。

下面简单介绍各自的功能电路:

(1)前置放大电路

由于人体心电信号比较微弱,其噪声背景却较强,故测试条件比较复杂。为不失真地检测出有临床价值的心电信号,往往要求心电采集系统具有高精度、高稳定性、高输入阻抗、高共模抑制比、低噪声及强抗干扰能力等性能。其中前置放大电路是心电数据采集的关键环节,本设计采用AD公司仪用放大器AD623作为前置放大的核心器件。AD623具有低输入偏置电流、低噪声、高精度、较高建立时间、低功耗等特性,共模抑制比可达130dB,非常适用于医疗仪器放大器使用,其增益(范围约1～1000倍)可通过一只连接在1管脚和8管脚之间的外接可调电阻Rg设置,其增益方程为:

(2)压控电压源二阶低通滤波电路

C35、C37、R51、R68、R70、R71、UP2B构成压控电压源二阶低通滤波器,由于心电信号的频率范围在0.05Hz～100Hz,为此,将低通滤波器的截止频率设计为100Hz左右。

(3)压控电压源二阶高通滤波电路

C39、C41、C43、R52、R53、R76、R78、UP2A构成压控电压源二阶高通滤波器,设计其截止频率为0.05Hz左右。

(4)50 Hz陷波电路

R54和R55为可调电阻。其中R54调整陷波器的中心频率,R55调整Q值。有源带阻滤波器的带宽B越窄,品质因数Q越高,则滤波器的抑制选择性就越好。取C45=C46=C47=C,Rc=R83+R54a,Rd=R84+R54b,R82=3(2Rc+2Rd),可证明其陷波频率为:

(5)后置放大电路

心电信号的幅度一般在0.05mV～4mV左右,因此整个放大电路放大倍数1000倍左右。在前置放大电路和高低通滤波电路中,心电信号已经放大了40倍左右,所以在后级放大电路中,放大倍数大概为25倍。

(6)电平整定电路

由于放大电路输出的是双极性信号会产生负的电压值,为满足S3C2440处理器内的A/D转换电压需求,信号放大滤波后输出的信号需进行电平调整,使之变化范围在0～3.3V之间,以满足A/D转换输入信号的要求。

2.2 脉搏波信号采集模块设计

由传感器所采集到的人体脉搏波,其相应的电信号幅度大小为毫伏级,而S3C2440处理器的A/D转换器的输入电压范围是0V～+3.3V。因此,为了满足脉搏波信号A/D转换的要求,脉搏波放大器就必须具有千倍左右的放大倍数。另外,脉搏波信号的频率范围在0.1Hz～5Hz,属于低频信号,所以电路中采用一个低通滤波器,这样可以抑制其它的高频噪声。由于脉搏波信号极易受到运动伪迹等低频干扰,所以电路中设计了截止频率为0.1Hz的高通滤波器来抑制低频干扰。

根据以上要求,电路总体由前置放大电路、低通滤波器、高通滤波器和后置放大电路4部分组成。我们所设计的电路结构框图如图4所示。

各部分电路的工作原理及相关原理图介绍如下:(1)前置放大电路

脉搏波前置放大电路如图5所示。它是由一片集成运放芯片TL084组成的三运放电路,其增益可通过可调电阻R42来调节。该放大电路具有较高的抑制共模干扰能力,它因具有高输入阻抗、低失调电压、稳定放大倍数和低输出阻抗等优点,被广泛应用于生物医学测量以及那些提供微弱信号而共模干扰较大的场合。

(2)低通滤波电路和高通滤波电路

低通滤波电路和高通滤波电路的原理图如图5所示,它是由TL084以及RF1、RF2、RF3、RF4、CF1、CF2组成的二阶低通滤波器,其放大器的增益由RF4、RF3来控制。

由运放TL084、CF3、CF4、RF5、RF6、RF7、RF8组成一个二阶高通滤波器,其放大器的增益由RF7、RF8来控制。

另外,在高通滤波器后又设计了一个后置放大器,该放大器的放大倍数为6。

2.3 S3C2440为核心的控制模块

2.3.1 以ARM处理器S3C2440为核心的控制电路设计

系统通过ARM处理器S3C2440来完成液晶控制,多通道异步串行通信。S3C2440处理器专为便携式设备提供的高性能和高性价比的微控制器解决方案,在16/32位的低功耗RISC内核ARM920T核的基础上,扩展了一系列完整的通用外围器件,使系统成本及外围器件数目降至最低,这些功能部件分为数据传输单元、系统时钟管理单元、存储单元和系统功能接口单元等。如图6所示。

2.3.2 数据存储单元设计

SD卡(Secure Digital Memory Card)中文翻译为安全数码卡,是一种基于半导体快闪记忆器的新一代记忆设备,它拥有高记忆容量、快速数据传输率、极大的移动灵活性以及很好的安全性,已广泛应用于数据采集系统和许多便携式装置的消息类电子产品中。

S3C2440处理器的SDDATA0～SDDATA3连接SD卡的双向数据传输线DATO～DAT3;SD卡的CLK为主机与卡的同步时钟;CMD为双向的命令/反馈信号,其接口电路原理图如图7所示。

3 系统软件设计

系统的软件设计是此设计的重要组成部分。在软件设计中,文章对系统的软件需求按功能进行了严格划分,先将每一部分内容形成模块,然后将各个模块组合在一起。设计的系统软件总体结构如图8所示。

3.1 A/D转换的程序设计

S3C2440内置8路10位A/D转换器(AIN0-AIN7),系统用2路A/D转换通道(AIN0-AIN1),分别获得心电信号和脉搏信号的采样数据[6]。由于没有采样保持电路,仅在较窄的频带(0～100Hz)范围内的信号才可能获得正确的采样结果,根据奈奎斯特采样定理,采样频率必须大于信号中最高频率的两倍[7]。因此,A/D的采样频率必须大于200Hz。由于ARM系统的最小采集频率远大于200Hz,所以我们取它的最小采集频率。令预分频值为255,那么采集频率将近0.2MHz,它的转换时间为25.6us。

系统的采集程序流程方框图如图9。

4 实验结果

按照以上对该系统的详细描述,我们已完成了该系统硬件部分的调试,其硬件实物波形显示如图10所示:

将A/D转换出来的数据进行存储,并通过MATLAB软件进行数据图形的还原,其显示的波形图像如图11所示:

实验结果表明,该心电脉搏采集系统能实现心电信号和脉搏信号的放大和实时采集与显示,达到了预定的设计要求。

5 总结

笔者所设计的结合生理参数检测技术、微电子技术、和信号处理技术研制出的心电与脉搏信号同步采集系统,具有便携性、易操作性等特点。具体如下:(1)两个采集模块的前置放大电路共模抑制比达到了90dB以上。我们用示波器观察采集志愿者的心电和脉搏信号,检测前置放大电路的效果,完全满足设计的要求。

(2)本系统采用了uC/OS-II实时嵌入式操作系统,它能够更好地帮助系统实现便携式的采集、显示和存储等任务,从而弥补了一些检测系统直接采用单片机做处理器监护系统,功能较为单一的不足。并且,作为本系统的嵌入式操作系统,其特有的优点及强实时性,能够很好地完成任务的调度和通信。

本系统可以方便地在家庭和社区使用,为实现社区护理提供了一种有效办法。与此同时,根据所记录的数据,我们可以建立心电信号与脉搏波之间的关联数据,进而探讨心电及其变化趋势对人体脉搏波的具体影响。

参考文献

[1]何菊人,生理学,上海医科大学出版社,1988:10~15.

[2]沙宪政,尹勇,魏巍,基于USB的家庭健康监护系统数据采集的设计,电子技术,2003,(1).

[3]李泽君,基于心电与脉搏信息的心血管功能检测与监护系统的研究,北京工业大学硕士论文,2004:1~5.

[4]Liu Xiaodong The design of a home front system forECG and blood pressure telemonitoring network[D].Beijing Tsinghua University.1999.

[5]Xie Hongtao,Zhang Yonghong,ZhangJupengDevelopment of portable home ECG and bloodpressure monitoring device based on 80C196KCmicro-controller[J]Beijing BiomedicalEngineering.2001,20(4):271~274.

[6]王黎明,陈双桥,ARM9嵌入式系统开发与实践,北京:北京航空航天大学出版社,2008:153~161.

爆破震动信号的多分辨小波分析 第2篇

爆破震动信号的多分辨小波分析

采用小波分析和快速傅立叶变换相结合的方法,对工程案例的爆破震动近、中远区的实测原始信号进行小小波分解和重构,得到重构后各子频带的时间信号及频谱,在此基础上通过Matlab语言编写程序研究爆破地震波沿各分区信号的频谱及能量分布特征.指出:爆破震动各分区的主频从大到小排序为:近区>中区>远区;随着比例距离的增加,低频带能量所占信号总能量的`比例升高,高频带能量所占比例下降;频率越低的频带信号,持续时间越长;除主频所在频带外,在0～2.441 5 Hz频段(比较接近建筑物的自振频率),爆破震动信号在水平方向占有不小的能量比例,故建筑物进行结构设计时考虑水平方向的抗震尤为重要.

作 者：陈士海 魏海霞 杜荣强  作者单位：山东科技大学,土木建筑学院,青岛,266510 刊 名：岩土力学  ISTIC EI PKU英文刊名：ROCK AND SOIL MECHANICS 年，卷(期)： 30(z1) 分类号：O381 关键词：爆破   爆破震动   小波分析   能量  

基于脉搏波信号的情感识别方法 第3篇

1 信号的采集和处理

分别在平静、悲伤、快乐和愤怒四种情感状态下测量了脉搏波信号片段, 然后把不同的情感片段各分割出50 组, 每组信号的持续时间为1min。

采集的脉搏信号中常存在基线漂移, 工频干扰和肌电干扰3 种主要噪声[4], 本方法采用小波去噪法处理脉搏波中的噪声, 调整低频和高频分量系数可以有效去除脉搏波信号中的基线漂移和毛刺噪声。在各尺度上对低频分量和高频分量用新的系数进行信号重构, 得到了去除基线漂移的平滑信号, 平静状态的部分原始信号和去噪信号如图1 所示。

2 脉搏波信号特征提取

本方法在脉搏波信号频域以及HRV信号时、频域提取了15 个特征。把不同情感的脉搏波信号变换到频域, 如图2 所示, 0Hz ~ 5Hz频带内的3 个峰值点在相位和幅值上存在差异, 于是提取其横纵坐标作为信号频域特征。由脉搏波信号计算HRV, 首先检测脉搏波信号的主波峰, 计算相邻两个主波峰间的时间差 (称为P-P间隔) , 如果时间差不在正常范围内, 则舍去幅值较小的波峰点, 从而排除次波峰等干扰。将正常的P-P间隔绘制出来得到HRV信号, 由此提取HRV时域3 个特征[5], 分别为P-P间隔平均值、标准差以及P-P间隔一阶差分的均方根。

采用分段3 次Hermite多项式对HRV信号在1min内作插值, 采用周期图法求插值HRV信号的功率密度谱, 选取了HRV频域的7 个特征[6], 它们的含义及生理表征被罗列在表1 中。

3 情感分类识别算法

本文采用C-SVM模型进行情感分类, 模型如下:

最优分类决策函数为:

本文采用SVM多分类中的“一对一”方法解决4 种情感的分类问题, 平静、悲伤、开心和愤怒的标签记为0-3, 将其随机分为5 组作5 次交叉验证, 每次选取4组数据进行训练, 1 组数据进行测试, 训练时在两两情感之间构建共6 个SVM分类器, 测试时样本类别的判定采用投票机制。

上述算法的实现基于台湾林智仁团队开发的支持向量机库lib SVM, 训练样本, 建立SVM模型, 选用RBF核函数, 最优的惩罚因子C和核函数参数γ通过网格搜寻法确定, 再利用最优的C和γ对样本进行SVM建模和交叉验证, 总的平均识别率为94.93%, 平静情感的平均识别准确率为93.89%, 悲伤情感的平均识别准确率为100%, 开心情感的平均识别准确率为95.15%, 愤怒情感的平均识别准确率为90.32%,

4 结论

本方法基于脉搏波信号研究平静、悲伤、开心和愤怒情感的分类, 平均识别率达到了94.93%, 每种情感的识别准确率均达到了90% 以上, 论证了分类方法具有很强的可行性, 以后的研究将集中于减少提取特征数目, 简化去噪和特征提取流程, 将本方法应用于便携式情感识别设备中。

摘要：随着人机交互的迅速发展, 情感识别逐渐成为国内外的研究热点。本文提出一种针对平静、悲伤、快乐和愤怒4种情感的识别方法 , 使用小波去噪法对脉搏波信号去除基线偏移和高频噪声, 选取脉搏波信号频域和心率变异率 (HRV) 时、频域中的15种特征, 采用支持向量机 (SVM) 算法进行情感的分类识别, 平均识别率达到了94.93%。

关键词：情感识别,情感特征,SVM,HRV

参考文献

[1]韩清鹏.脉搏信号的非线性分析及其不同情绪和环境的影响研究.生物医学工程.杭州:浙江大学, 2007.

[2]张宇博, 舒红平, 岳希.指端脉搏曲线特征参数提取方法研究[J].软件导刊, 2015, 14 (4) :32-34.

[4]张慧玲.基于脉搏信号的情感识别研究[D].西南大学, 2011.

[5]周红标.融合语音和脉搏的多模态情感识别研究[J].微电子学与计算机, 2015 (6) :5-9.

[6]张丽琼, 王炳和.基于小波变换的人体脉搏信号去噪处理.陕西师范大学学报:自然科学版, 2004, 32 (6) :84-86.

脉搏波信号 第4篇

光电容积脉搏波描记法(Photoplethysmography,PPG),是一种用来检测组织微血管中的血容量变化的光学测量技术[1]。其原理是用一定波长的光照射皮肤表面,通过透射或反射方式传送到光电接收器,由于血液容积在心脏作用下呈搏动性变化,使得光电接收器接收到的光强度也随之呈脉动性变化,从而得到血液容积脉搏的变化信息[2]。光电容积脉搏波包含着血液流动、心脏跳动等重要信息,并可以进一步得到人体血氧、血压、血管微循环、心率、呼吸率等生理参数,对人体健康的监护具有重大的意义。

目前,大多数利用光电信息进行人体生理特征测量都是基于专业的测量设备,这种方法虽然可以获得精确的数据,但是设备成本高昂,难以普及和推广[3]。近年来,随着移动终端技术的快速发展,智能手机的信息采集能力、数据存储能力和计算分析能力大幅提升,使得手机可以成为理想的体征监测设备。因此,本文基于手机摄像头采集手指中血液容积变化引起的光强度变化,进而获得光电容积脉搏波。

由于人体脉搏波信号十分微弱,因此利用光电手段获得的脉搏波信号极易受到干扰。通常,脉搏波信号处理的方法有:多项式插值、小波变换及自适应滤波。多项式插值需要找准“基准点”[4];小波变换对信号的处理依赖于小波基的选取,小波基选择不当,对结果将产生很大的影响[5];自适应滤波器信号处理速度不高,且滤波频率不能实现自动跟踪[6]。而经验模态分解法(Empirical Mode Decomposition,EMD)依据信号本身的局部特征进行自适应分解,具有很高的信噪比,无需预先设定任何基函数,可以很好的分解出信号的不同频率成分[7],因此,本文基于EMD实现PPG信号中的高频噪声和低频基线的消除。

1 EMD的原理与步骤

EMD可以将一个复杂的信号分解为一系列平稳的、线性的本征模函数的组合,分解的实质是一个筛选过程,从一个原始信号中不断抽取出不同频率成分的本征模函数的过程[8,9]。

首先将信号x(t)的所有极大值点拟合为上包络线S1,极小值点拟合为下包络线S2,使其满足:

求得上包络线S1和下包络线S2的均值为:

然后提取原始信号的局部信息,表示为:

接着验证h11(t)是否符合本征模函数(Intrinsic Mode Function,IMF)定义,正常情况下,h11(t)就是第一个IMF,但是由于包络拟合的偏差,h11(t)中仍然存在一些叠加波,因此需要将h11(t)当作原始信号,继续(1)~(3)的分解过程,直到k次分解产生IMF。

式中m1k(t)为h1(k-1)(t)上下包络线的均值。

因为h1k(t)满足IMF的定义,所以:

h1k(t)即为EMD分解出来的第一个IMF分量,然后得到:

最后将r1(t)作为原始信号,重复上述分解过程,则可以得到c2(t)、c3(t)……cn(t),其中

式中rn(t)为分解残余项,不再包含任何波动的信息。

EMD分解完成后可得:

式中,i为整数,1≤i≤n,rn(t)为余项是一个单调信号,其所代表的信息全部为低频基线漂移,还有一部分低频信息存在于分解得到的后几阶IMF分量中;高频噪声则是存在于前几阶IMF分量中。正常成人的脉搏波频率为60~100次/min,通过对分解出来的各个IMF进行快速傅氏变换(Fast Fourier Transformation,FFT)变换,将脉搏波频率范围的IMF进行重构即可得到去除高频噪声和低频基线漂移的PPG信号。

2 实验数据采集及数据处理

2.1 实验数据获取

本文利用手机摄像头获取PPG信号,手机摄像头可以每秒采集31帧图像。在一个心率周期内,当血管内的血容量最大时,血液吸收的光强达到最大值,图像中的像素灰度值减小,呈现在PPG波形中,此时出现在PPG的谷点;反之,则出现在PPG波形的峰值点。

手机拍摄的彩色视频的每帧图像都存储为一个三维矩阵,矩阵的3个维度分别代表红色、绿色和蓝色3个颜色通道的图像数据信息。在选择颜色通道时,主要考虑两个因素,一是血液对相应波段光的吸收率,二是所选择波段的照明光是否能够穿透人体表皮,以达到表皮以下的微动脉层[10,11]。绿光处于血液吸收光线的峰值位置,又能够穿透皮肤的微动脉层,因此,本文手指视频中绿色通道的像素进行分析。

具体实验设置为:实验一,选取30名实验者(男17名,女13名),手指覆盖在手机的摄像头上获得一段视频。拍摄手指视频示意图,见图1。采集PPG信号时实验者保持不动,每个采集时间为30 s。实验二,采用市场上现有的医疗仪器CONTEC脉搏血氧仪夹持在另一个手指上对这20名实验者进行PPG信号同步采集。CONTEC脉搏血氧仪测量方式,见图2。测量之后将脉搏波数据通过USB数据线传输到电脑上。

接下来,对实验一中拍摄的视频进行分帧处理,即将视频分解为一系列的图片,图片的帧序列即为视频的时间序列。然后,截取图片的中心区域的像素分析以减少环境光线的干扰。图像区域选取方法,见图3。

最后,对截取的图像像素分析:首先,提取若干个周期的每帧图像灰度值的第三分位数Q3进行平均,作为一个基准值m;其次,统计每一帧图像中心区域像素灰度值大于m的数目n,反应此时血管中的血容量;最后,以帧数为横轴变量,以对应每一帧的像素灰度值数目n为纵轴,即可得到PPG曲线时序图。采集到的PPG信号进行归一化的结果,见图4。由图4可以看出,PPG信号中存在着低频基线漂移和一些高频噪声。这会降低PPG信号的准确度,从而降低基于光电容积脉搏波人体生理参数测量的精度,因此需要从信号中消除。

2.2 PPG信号的处理

影响脉搏波信号的干扰主要有两种:低频基线漂移和高频噪声。其中低频基线漂移是在脉搏波采集过程中,实验者身体的运动以及自身的呼吸活动产生的。高频噪声包含高频随机噪声以及工频干扰,是由于采集过程的随机噪声和环境干扰造成[12]。为了去除PPG信号的噪声,本文采用EMD对PPG信号进行处理。

EMD分解结果,见图5。其中IMF1-IMF7为信号分解得到的7个IMF分量,res为剩余分量。EMD将原始信号按照频率成分由高到低的顺序分解为若干个IMF分量和一个残余分量之和,不同的IMF分量使信号的特征在不同的时间尺度分辨率下表现出来。

每阶IMF的频谱图,见图6。正常成人脉搏波信号的频率在0.8~1.6 Hz。因此,由图中可知,前两阶IMF为信号的高频噪声,IMF5,IMF6,IMF7以及分解后的参与分量res为信号的低频基线漂移。

将处于脉搏波频率范围的IMF3和IMF4两阶本征模函数相加即可得到消除了高频噪声及基线漂移的PPG信号,见图7。试验中30名受试者都通过手机摄像头得到了PPG信号,并且利用EMD去除了信号的高频噪声及低频基线漂移。

2.3 实验结果分析

心率值是PPG信号的重要特征参数,因此,统计手机摄像头获得的每个实验者的脉搏波心率值,以每个波峰为一次心跳,不完整的波峰记做0.5次。然后计算与CONTEC脉搏血氧仪测得的脉搏波心率值的相对误差。实验结果表明:这两种方法30 s时间内测得的心率值差值不超过1次,相对误差保持在较小的范围内,其中出现的误差跟时间窗的截取有关。部分测量对比结果,见表1。

为了评价利用手机摄像头获得的脉搏波信号与用CONTEC脉搏血氧仪采集的脉搏波信号具有一致性,本文采用Bland-Altman法[13]对用CONTEC实测心率值和PPG中得到的心率值进行一致性分析,计算两种方法获得的心率值的差值平均数:-0.0833,差值的标准差:0.6576,95%一致性界限为-0.0833±1.96×0.6576。采用Bland-Altman法对用CONTEC实测心率值和PPG中得到的心率值进行一致性分析的结果,见图8。图中30个点全部落在一致性界限之内,因此这两种方法测量的结果具有较好的一致性,两种方法在临床上可以互相代替使用。

3 结论

脉搏波信号 第5篇

关键词：血氧饱和度,实时,脉搏波信号,噪声,预处理

1 引言

氧是维系人类生命的基础,衡量人体血液携氧能力的指标通常用一个重要的生理参数——血氧饱和度(Sp O2)来表示,它反映了血液中被氧结合的氧合血红蛋白(HbO2)的容量占全部可结合的血红蛋白(Hb)容量的百分比,即血液中血氧的浓度。血液中携氧能力是动脉血液,因此,监测动脉血氧饱和度(SaO2)可以对肺的氧合血红蛋白携氧能力进行估计,是临床检测缺氧的重要手段和方法[1]。

当前,临床上检测血氧饱和度主要是基于人体动脉的搏动而引起测试部位血液流量的变化,从而间接计算出血氧饱和度的数值,目前广为应用的是光电脉搏波式血氧检测仪器,因此,脉搏波信号是血氧饱和度数值计算的基础,对于脉搏波信号的预处理是血氧饱和度参数精确监测、实时显示的重要步骤。

2 光电脉搏式血氧饱和度实时监测原理及相关参数计算

2.1 血氧饱和度监测的实时性要求

如果组织出现缺氧,首先出现的是代偿性心率加速,心搏及心排血量增加,循环系统以高动力状态代偿氧含量的不足。严重时会产生血压下降与心排血量降低,以及出现室颤等心率失常乃至停搏。缺氧是机体氧供与耗氧之间出现的不平衡,即组织细胞代谢处于乏氧状态[1]。

许多临床疾病都会造成缺氧,这将直接影响细胞的正常新陈代谢,严重的还会威胁人的生命,因此在临床救护中,血氧浓度的实时监测显得非常重要。

2.2 脉搏波信号的获取

光电脉搏式血氧饱和度测量是基于动脉血液对光的吸收量随动脉搏动而变化的原理,将光电检测与容积脉搏描记相结合的一种无创监测技术。基础研究表明,当单色光垂直入射人体时,血液中的氧合血红蛋白(HbO2)和非氧合血红蛋白(Hb)对不同波长入射光有着不同的吸收率,动脉血液对光的吸收量将随着透光区域动脉血管搏动而变化,这些被看作脉动成分,而其他组织(如皮肤、肌肉、骨骼和静脉血等)对光的吸收是恒定不变的,这些称之为非脉动成分[2]。本研究采取的测量方法原理如图1所示。

脉搏波主要由人体动脉舒张和收缩引起的,而在人体组织中,指尖、耳垂等部位的动脉成分含量较高,并且其厚度相对其他人体组织而言较薄,透过手指或耳垂后检测到的光强相对较大。本研究数据来源为如图1所示的指套型透射式光电脉搏传感器系统,根据物理学的Lambert-Bear定律,当以某一特定波长的光入射指端时,透视光强度可分为2个部分:一部分是恒定的成分,主要反映指端组织中各种非脉动成分对光的吸收;另一部分为脉动成分,是由于心脏搏动而产生的收缩和舒张引起,主要反映动脉血液中脱氧血红蛋白和氧合血红蛋白对光的吸收[2]。

其中,I为出射光强度,I0为入射光强度,C为物质密度,ε为吸收比例系数,与入射光波长有关,L为光程。当动脉搏动时,入射光穿过指端的路径长度也随之发生变化L+ΔL,则出射光强度变化为I+ΔI,

其中,ε0、εHbO2、εHb、C0、CHbO2、CHb的项分别代表入射光穿过非脉动成分(如皮肤、肌肉、骨骼等)、脉动成分的氧合血红蛋白、脱氧血红蛋白的吸收比例系数与样品的物质密度,其中脉动成分的光程L会发生改变。因此,如图1所示,透过手指各种成分的光强经光电转换,电流/电压转换以及A/D转换后,便可得到对应于该入射光的脉搏波信号与非脉动成分的直流信号。

2.3 相关参数R的计算

在血氧饱和度的计算中,本研究采用2种特定波长的恒定光λ1、λ2照射手指,假如适当选择入射光波长λ2,入射光的波长在805 nm时,氧合血红蛋白和脱氧血红蛋白的光吸收系数相等[3](本研究采用的是红光与红外光交替发光的光源),利用血氧饱和度S的定义可以得到:

参数值R定义如下:

上式转换后得到血氧饱和度S的计算公式:

(6)式中εHb和εHbO2分别为脱氧血红蛋白和氧合血红蛋白吸收系数,可以由光谱分析方法获得,这些均为常数。在实际应用时,考虑光源的发光二极管不同个体性能上的差异以及不同人体生理组织的差异,大多数脉搏血氧计在计算时都采用试验统计分析得出的经验公式。

由公式(7)、(8)可以看出,参数值R的计算对于血氧饱和度值S具有重要作用,对其可以根据传统公式:

来进行测量,式(9)中的比值是指不同波长的光交替发光后,穿过组织后的光强度中的脉动成分与非脉动成分的比值,即公式中的直流量和交流量之间的比值。为了避免误差,在实际计算中,可以采用高精度过采样的方法,保证脉搏波信号的峰谷值都被准确采集到;其次对于采集到的峰谷值可以采取的是根据红光和红外光信号之间的相关性算法[4]来计算R值,提高运算速度并减小误差。

3 脉搏波信号噪声分析及预处理方法

3.1 背景光影响

在血氧饱和度实时监测系统中,光信号穿过人体组织后,不仅包含有代表脉搏信号的成分,还会有背景光进入其中,并且由于脉搏信号非常微弱,背景光信号的光强变化会远大于动脉搏动引起的光强变化,因此在测量过程中必须保持背景光的恒定,这样在后期计算中,可视为非脉动成分处理,不影响血氧饱和度的计算结果[5]。具体措施有采用密封式包装,外壳采用不透光的介质和颜色,内部涂上吸光材料,以此来减少背景光的变化。

3.2 运动噪声

在指套型血氧饱和度监测系统工作过程中,手指和光电式脉搏传感器可能发生相对运动,这样会引起运动噪声[5],解决方法除了通过增加其摩擦力,改善指套的抗机械运动性,使其不易松动,还可以从信号处理的角度考虑,通过滤波器设计来减小或消除噪声。

3.3 工频噪声

工频干扰是电路中最常见的干扰信号,特别是包含脉搏波信息的电信号,由于一般比较微弱,特别容易受到工频信号的干扰,因此合理抑制工频信号干扰是保证脉搏信号测量精度的主要措施之一[6]。工频信号为50 Hz,而通常脉搏信号的频率范围在0.1~30 Hz之间,并且其中大约99%的能量分布在0.1~10 Hz区间,因此通过设计合理的滤波器就可以有效地滤除工频干扰信号[1]。

3.4 IIR型滤波器设计

根据脉搏波信号特点及临床上对血氧饱和度监测的实时性要求,选用IIR(无限长单位冲激响应)滤波器。切比雪夫滤波器是由切比雪夫多项式的正交函数推导出来的,采用了在通带内等波动,在通带外衰耗单调递增的准则去逼近理想滤波器特性。在通带内是等波纹的,在阻带内则是单调下降的,称为切比雪夫Ⅰ型[7]。Ⅰ型切比雪夫滤波器有3个参数需要确定:波动系数ε,通带截止频率ωC和阶数n。通带截止频率一般按照实际要求给定;ε表示通带内最大损耗,由容许的通带最大衰减确定。

3.4.1 确定指标及模型逼近

根据脉搏波信号频域特点,确定滤波器指标:通带为0.1~10 Hz,通带最大衰减1 dB,阻带最小衰减为40 dB,设计一个切比雪夫带通滤波器满足上述指标:

将给定的指标转换为归一化低通指标,归一化低通通带边界频率ωL为1。求得归一化低通阻带边界频率为:

切比雪夫低通滤波器的参数为:

取阶数=2。

归一化二阶切比雪夫低通滤波器为:

所设计的切比雪夫滤波器幅频及相频特性如图2所示。

由图2可见,切比雪夫I型滤波器通带内有等波纹起伏,截止特性特别好,但相位特性不是很理想,对衰减特性较高且相位要求不严的脉搏波信号是一个很好的选择。同时,切比雪夫I型滤波器结构简单,频率分量的选择性好,具有计算手段的要求低,相同性能下阶次较低的特点,因此它工作速度快,耗用存储空间小,更适用于血氧饱和度的实时快速测量和动态监测显示。

3.4.2 处理结果及分析[8]

取入射光的其中一组的红光信号,样本数取为500,去除其直流均值成分,用所设计滤波器处理后对比如图3所示。

由图3所见,原始脉搏波信号中含有明显的高频噪声,经过切比雪夫I型滤波器处理后,信号噪声被消除。由结果可知,此类滤波器可以很好地消除50 Hz的工频干扰,并且几乎无延时,速度快,适合实时滤波,并且脉搏波信号的生理特征点被很好地保留,这些生理特征点将会被用来做下一步的参数值计算。

接下来取2组入射光,红光与红外光信号,分别对其进行切比雪夫I型滤波器处理,滤波前后信号分别采用相关运算方法计算得到参数值的直方图,如图4所示。

由图4可见,脉搏波信号滤波前,噪声成分影响到了值的计算,直方图含有抖动成分,这样会直接影响到血氧饱和度数值的准确计算及显示,而脉搏波信号经过滤波后,参数值的计算结果便消除了抖动成分,为下一步血氧饱和度计算的精确性和稳定性奠定了基础。

4 结束语

光学法监测血氧饱和度是目前临床上所采用的一种主要方法,但是在使用过程中存在着一定误差,并且有实时性差,灵敏度低的问题,给临床监护带来了潜在危险。并且人体脉搏波信号是一种微弱信号,信噪比较低,容易受到多种因素的干扰,因此,脉搏波信号的预处理对于提高参数计算的准确性和稳定性极为重要,而如何在实时性和准确性之间获得一个合理的平衡仍旧需要进一步的工作。

参考文献

[1]金惠铭.病理生理学[M].6版.北京:人民卫生出版社,2006.

[2]罗志昌,张松,杨益民.脉搏波的工程分析与临床应用[M].北京:科学出版社,2006.

[3]苏永春,于巍.利用LMS算法处理血氧饱和度监测中的脉搏波信号[J].医疗卫生装备,2006,27(7):12-13.

[4]同济大学数学系.工程数学:线性代数[M].5版.北京:高等教育出版社,2007.

[5]戴君伟,王博亮.光电脉搏传感器的研制和噪声分析[J].现代电子技术,2006,29(2):78-80.

[6]齐蓓蓓,吴效明.基于MATALAB的脉搏波信号的实时处理[J].微计算机信息,2009(10-1):184-185.

[7]程佩青.数字信号处理教程[M].3版.北京:清华大学出版社,2010.

脉搏波传导时间的非接触式提取 第6篇

在临床监护领域, 脉搏波传导时间 (pulse wave transit time, PWTT) 是一项重要的生理指标, 它可以表达心血管相关的诸多生理参数, 例如血压变化[1]、阻塞性睡眠呼吸暂停低通气综合征[2]、大动脉顺应性、动脉硬化以及呼吸努力度等, 尤其对于烧伤、精神病以及老年患者来说以上参数极为重要。然而, 临床上普遍采用的方法是心电图R波法[3]。对于上述患者来说, 在其身体贴置电极或传感器来采集心电图 (electrocardiogram, ECG) 中的R波作为采集PWTT的开始时刻恰恰是不方便而且有时是不可行的。

生物雷达 (bioradar) 技术近年来发展迅速[4], 在临床监护方面具有特殊的应用价值[5], 其非接触、对患者无约束等优势是传统接触式医用传感器无法媲及的。基于此, 通过采用生物雷达技术及相关信号处理方法[6]非接触采集PWTT开始时刻, 再结合指尖脉搏波来探索非接触探测技术的可行性, 希望能够解决和弥补接触式测量手段的不足。

1 实验系统组成

基于生物雷达PWTT采集实验系统由生物雷达、ECG采集模块、呼吸传感器、脉搏传感器、多通道生理记录仪以及计算机组成。如图1所示, 通道1为生物雷达信号, 通道2为ECG信号, 通道3为呼吸绑带信号, 通道4为指间脉搏信号。

2 主要性能指标

雷达工作频率24 GHz, 发射功率10 m W, 波束宽度±6°。实验采用澳大利亚ADInstruments公司生产的PL35161P型16/35生理记录仪 (如图2所示) 。该记录仪可扩展至35通道, 有2个模拟输出通道, 有BNC单端输入以及DIN差分输入接口供选择, 16 B A/D转换、采样率可选择, 最大达到400 000点/s, USB链接接口可与计算机连接, 有内外触发控制选择。放大模块内置有DA通用放大器、ECG心电放大器、EEG脑电放大器、ERS诱发电位放大器、RSP呼吸放大器、EBI生物阻抗放大器、MCE微电极放大器等。

ECG采用Ⅱ导联法 (如图3所示) , 电极贴片采用3M公司生产的Red Dot TM-2352型一次性固定Ag/AgCl贴片, 导线采用生理记录仪标配3端输入心电导线。呼吸绑带为腰带式拉力传感器, 指尖脉搏传感器为高灵敏压力传感器, 均为多道生理仪标准配置。数据处理使用Matlab7.0软件, 统计分析采用MedCalc软件。

3 心脏生物电信号与机械搏动信号相关性分析

被认为“金标准”的ECG[7]产生机理是心脏电位在体表的表现, 其实质是生物电信号, 而通过生物雷达获得的则是心脏跳动机械运动信号, 对于两者进行相关性分析是必要的[8]。由于产生机理不同, 2种波形在形态学上无法做到完全一致, 简单地从波形上进行分析是错误的, 所以必须从心血管生理出发, 在充分了解二者产生的生理学机理之后, 才可有效分析。生理学认为2种波形虽不相同, 但是所表征心脏活动的参数———心率是一个绝对对应值, 所以从这2种信号中提取心率[9], 通过分析心率分布来判断二者是否具有统计学上的相似性。

其次, 在作相关性分析的同时, 调整生物雷达与人体距离, 采集不同距离下的参数, 通过比较确定理想的实验距离。有研究表明[10], 雷达测量人体呼吸信号从正面腹部探测较为理想, 而采集人体心脏搏动信号时背部采集心脏区域较为明显, 故本实验采集部位为人体背部心脏区域。

3.1 实验对象

实验对象为10名健康男性及5名健康女性, 无心血管疾病史, 体内无起搏设备, 实验期未服用任何药物。年龄为19~35岁, 平均年龄25.2岁。脉搏为52~93次/min, 平均脉搏72.2次/min。呼吸次数为12~25次/min, 平均呼吸次数18.2次/min。详细数据见表1。

3.2 实验材料

选择基于生物雷达的非接触PWTT采集实验系统中的第1、2通道。ECG采用Ⅱ导联法, 电极材料详见前面介绍。

3.3 实验方法及步骤

(1) 连接ECG的导联线, 连接方法如图3所示, 测试者采用坐姿;

(2) 在测试者正后方0.5 m处放置生物雷达, 高度与坐姿时人体心脏区域同高;

(3) 将ECG导线连接于生理记录仪的2通道, 将生物雷达信号线连接于1通道;

(4) 打开生理记录仪观察信号, 并让测试对象调整状态, 等待正式采集数据;

(5) 开始采集信号后, 让测试对象屏住呼吸, 时间约10~20 s, 正常呼吸一段时间后继续屏气, 依次往复采集多组数据;

(6) 提取屏气时的雷达信号以及对应时间段的心电信号;

(7) 用小波变换获得2个通道屏气时间段内波形峰值, 通过计算波形峰值间隔时间t得到心率值, 并做心率图;

(8) 对2组心率数据作配对t检验;

(9) 调整第 (2) 步中的生物雷达距离为2 m, 然后再按步骤进行至第 (8) 步;

(10) 对比后得出结论;

(11) 对其余测试对象重复以上步骤。

3.4 实验结果

(1) 实验数据来源于06编号的实验对象, 深呼吸后屏住呼吸, 连续采集时间为20 s, 雷达天线距离实验对象背部0.5 m远。结果如图4、5所示。

图4中上半部分为心电图采集到的心电信号, 下半部分为生物雷达所采集到的信号, 采样时间窗为20 s。

图5中上半部分为心电图所获得心率, 下半部分为生物雷达所获得心率, 二者所采集到的心率相关系数0.999, 两样本差的t值为0.883, P=0.386>0.05, 可认为2种方法所采集到的心率无统计学差别。

(2) 实验数据来源于06编号的实验对象, 连续采集时间为20 s, 雷达天线距离实验对象2 m远。实验结果如图6、7所示。

图6中上半部分为心电图采集到的心电信号, 下半部分为生物雷达所采集到的信号, 采样时间窗为20 s。

图7上半部分为心电图所获得心率, 下半部分为生物雷达所获得心率, 两者所采集到的心率相关系数0.087, 两者差的t值为2.796, P=0.010<0.05, 可认为2种方法所采集到的心率有统计学差别。

表1给出了所有实验对象分别在0.5 m和2 m处t检验后的P值。通过实验比较, 生物雷达在0.5 m距离处所采集到的信号经过信号处理可以有效检测出心率, 所以在表征心脏周期活动方面是一种较为有效的方法。而当距离加大到2 m时, 信号的信噪比降低, 从而严重影响判读, 所以接下来的实验, 采用雷达距离人体0.5 m的距离。采集心搏动信号时, 高度与心脏位置同高, 且从背部照射;采集呼吸信号时, 高度与腹部位置同高, 且从正面照射。

4 讨论

通过利用生理学基础对心血管系统进行深入的分析, 了解了心脏跳动、血管运血以及体表脉搏表现等生理现象的发生机理。结合生物雷达技术, 为我们有效提取心跳信息以及脉搏信息奠定了理论基础。

非接触临床监护作为生物雷达技术的分支领域, 由于其非接触、无干扰、无约束等优点, 在临床监护方面有很好的应用前景。用生物雷达技术获取呼吸率、心率等生理参数对于非接触生理参数检测来说非常重要。而脉搏波传导时间PWTT如能用生物雷达技术提取同样具有重要意义。本文提出基于生物雷达技术非接触获得心脏跳动波形, 依此波形的特征点 (波峰) 作为PWTT开始时刻点, 指尖脉搏波作为PWTT的终止时刻点, 计算二者之差即得PWTT值。随着生物雷达技术以及数字信号处理方法的不断发展及改进, 非接触获得外周动脉脉搏波将会成为现实, 届时将会实现完全非接触式PWTT采集。

参考文献

[1]李同心, 胡志刚, 何琳, 等.基于脉搏波速法连续测量血压的实验研究[J].医疗卫生装备, 2013, 34 (9) :22-24.

[2]李益飞, 季塞, 薛飞, 等.不同类型的脉搏传导时间微觉醒指数在睡眠监测中的价值[J].中华临床医师杂志:电子版, 2011 (24) :7 277-7 281.

[3]Lass J, Meigas K, Karai D, et al.Continuous blood pressure monitoring during exercise using pulse wave transit time measurement[J].Conf Proc IEEE Eng Med Biol Soc, 2004 (3) :2 239-2 242.

[4]张杨, 焦腾, 荆西京, 等.到生物雷达技术的研究现状与新进展[J].信息化研究, 2010 (10) :6-10.

[5]拜军, 黄德生, 张骁, 等.基于生物雷达技术的非接触心率检测研究[J].医疗卫生装备, 2014, 35 (3) :10-13.

[6]拜军, 张骁, 张鹏飞, 等.生物雷达信号处理方法研究进展[J].国际生物医学工程杂志, 2013, 36 (1) :44-47.

[7]郭继鸿.心电图学[M].北京:人民卫生出版社, 2002:45-129.

[8]陈新, 孙瑞龙, 王方正.临床心电生理学和心脏起搏[M].北京:人民卫生出版社, 1997.

[9]拜军, 黄德生, 张骁, 等.基于生物雷达技术的非接触心率检测研究[J].医疗卫生装备, 2014, 35 (3) :10-13.

脉搏波时域特征与血压相关性的研究 第7篇

血压是反映心血管功能的重要生理参数,是诊断疾病、观察治疗效果、进行预后判断的重要依据[1]。另外,由于血压受诸多因素,如身体状况、情绪环境条件和生理韵律等影响,单次测量血压存在较大差别;同时在心率不齐时,采用断续测量方法测量血压较困难。而连续测量方法可在每个心动周期测量血压,在临床及医学研究中具有更重要的意义。

现有的自动血压计(ABPM)设备中采用血压无创检测方法都是以示波法为代表的断续测量方法[2](市场上的电子血压计几乎全部都是采用该方法检测血压),都需要阻断动脉血流,通过在放气过程中检测柯氏音或振荡用充气袖带阻波,利用特征点所对应的该时刻袖带内压力值来表征血压。该方法的主要缺点是由于心律失常发生时经常伴随着柯氏音断续或振荡波不规则,判断特征点较为困难,而且测量及血管形变恢复需要一定时间,致使从原理上就无法连续测量每搏血压的变化。同时周期性的袖带充气不仅增加了仪器的结构复杂性和成本,限制了仪器的小型化,并且给监护者带来不适。有鉴于此,本课题研究从桡动脉脉搏波实时检测每个心动周期对应的血压值(每搏血压)的可行性方法,目的是为了彻底摆脱充气袖带的传统模式,实现真正的连续血压监护。

1 原理与实验

1.1 实验原理

脉搏波是由于心脏的周期性收缩产生的。心室收缩时将血射入主动脉中,使主动脉内压力骤升同时容积增大,动脉管壁随之扩张;及至减慢射血期,主动脉压开始下降,管壁弹性回缩。动脉管壁随着心室的舒缩而出现周期性的回缩和舒张,即形成脉搏。脉搏起始于主动脉根部,沿动脉管壁作波浪式传播,又称为脉搏波。

由动脉弹性腔理[3]论知,当脉搏波通过某一段血管时,管内压力、血流,以及管壁径向位移都会同步发生波动。中医诊脉时所感受的就是这些波动复合的信息,其中又以动脉管壁的径向位移为主体。在动脉腔内血压改变时,由于动脉管壁的弹性,其半径相应亦改变。在血压不太高的条件下,压力的微小变化将与血管半径的微小变化成线性关系,具有:

式中r0为自然状态下血管的半径,E为血管的杨氏弹性模量,h为管壁的厚度。(2)式意味着,在血管变形不太大的情况下,动脉内压力随时间变化的波形与血管半径随时间变化的波形相似。所以,我们可以通过传感器检测出动脉管壁外血管半径随时间变化的波形,从而间接测得血管内压力变化的波形。在检测出反映动脉径向位移的波形后,就可以对此波形做时域和频域的分析。这就是目前各种脉搏测试仪器检测脉搏的理论依据。我们通过采集人体的脉搏波,根据已知的dr和dp,求出相应的常数C,对同一个测试对象来说,C值固定不变。

在本实验中,dr直接表现为d(h1-h2),h1为脉搏波主波幅高度,即收缩压所对应的幅值,h2为舒张压所对应的幅值。dp表现为d(Ps-Pd),Ps为人体收缩压,Pd为人体舒张压。因此当C值已知时,根据已知的脉搏波d(h1-h2)便可求出血压的变化,更甚者,可以计算出在脉搏波各点的压力值。从而实现通过检测脉搏波的变化,得出人体全天血压的变化。

1.2 脉搏波时域特征参数的提取和选择

脉搏波的时域特征参数[4]有波形参数、时间参数、面积参数等。如图1所示,一般认为脉搏波有6个特征点:主动脉瓣开放点B,收缩期最高压力点C,主动脉扩张降压点D,左心室舒张期开始点E,反潮波起点F,反潮波最高压力点G。在脉搏波特征点识别的基础上,我们定义:主波振幅H1、重搏前波振幅H2、降中峡振幅H3、重搏波振幅H4、脉搏波收缩期时间T1、脉搏波舒张期时间T2、脉动周期时间T、脉搏波形收缩期面积Sa、脉搏波形舒张期面积Sb、脉搏时域波形的总面积S。

本系统对脉搏波特征点的识别采用阈值法[5]进行。经过研究分析,脉搏波的6个特征点最佳识别顺序是先识别B和C,再识别F和G,最后识别D和E。

首先,识别脉搏波的周期。自动识别脉搏波周期的过程,就是寻找每组波形里所有成对的极小值点和极大值点,求出其特征量,然后与阈值比较,这里阈值P由式(3)确定:

式中η是大量脉搏波作统计分析得到的系数,Amax和Amin分别为每一组脉搏波波形最大值和最小值。若大于阈值则认为极小值点是前一周期的终点,后一周期的起点。该极小值点并不一定是每一周期脉搏波起点的精确位置,起点的精确位置应该是特征点。

其次确定B、C两点,如果检测到的极大值与极小值差大于阈值P,则这两个极值点就是B和C。对于F、G的寻找,通过对上百例桡动脉脉搏波作统计分析,确定两个时间阈值T1和T2,在区间(T2,T1)首先判断是否有极值点,若有则认为该对极值点即是F和G,若没有则寻找拐点,找曲率最大的点即F点和曲率最小的点即G点,若再没有则只能按一般方法寻找估算。特征点D为取二阶差分最大值所对应的点。特征点E的是位于点D和点F之间,波形由缓慢下降到急速下降的转折点,所采用的识别方法是差分阈值法,只需在D和F间寻找最小斜率点即可。图2即为脉搏波时域的6个特征点提取的结果。

为进行不同被测对象之间参数的对比,对以上各项脉搏波时域参数进行归一化处理。将脉搏波时域波形最高点到基线的垂直距离设为单位1,用H1表示,则脉搏波时域波形高度相关的参数归一化为H2/H1、H3/H1、H4/H1。类似地脉搏波时间相关的参数归一化为T2/T、T1/T。面积相关的参数可归一化为Sa/S、Sb/S。通过对实验中采集到的脉搏信号的分析发现,脉搏波的波形参数由于受生理、测量点位置等变化的影响,脉搏波各个点的绝对值均有很大的变化,但相对值变化较小,因此对相对值进行分析。通过理论和实际分析,我们选择表1中的6个脉搏波时域特征参数作为研究对象。通过脉搏波智能识别算法获得6个特征点位置和值后,根据公式求出所选参数。

1.3 实验材料

珍菊降压片,用法用量为口服,一次1~2片。对于服用此药的高血压患者1~2小时后就可见明显的血压变化状况;臂式全自动电子血压计,天津先石光学技术公司生产;笔记本电脑一台,采用数据采集程序。

1.4 实验方法

首先,让高血压患者口服1片珍菊降压片,然后采用本课题组设计的实验系统采集脉搏波波形,至少采集20个以上的脉图,方便以后的分析处理。同时用臂式血压计对观测对象进行测量,记录测量时间和血压值。每次测量的时间间隔为每2~3分钟。每组实验至少测量15次。对于通过运动改变血压的测试者,在运动前先对血压和脉搏波进行初测,运动15分钟后,继续测量。

2 实验结果

通过表2和表3可以看出,血压与主峰高度H线性相关良好,相关系数约为0.6左右。V、Z是通过H推导得出的,其相关性在0.7左右。在用降压药时,主要是对低压的改变,因此脉搏波特征参数与低压的相关特性较好。低压与波形特征量K的相关系数为0.6左右。对其他参数相关分析,无论运动或降压药降压,面积参数和时间参数的相关性较好,一般在面积参数0.8左右,时间参数在0.7左右。其中最稳定的参数为:Sa/S,Sb/S,Sa/Sb。

3 讨论

脉搏是临床检查和生理研究中常见的生理现象,脉搏波包含了心脏和心血管系统的许多重要生理信息,因此脉搏波的检测长期以来一直受到国内外医学研究者的重视,无论是我国传统的中医切脉还是西医的心血管功能检查,都试图从脉搏波的波形变化中提取各种生理病理信息,血压是心血管系统一项重要生理指标,许多学者确信血压与脉搏之间存在密切的相关性,但是目前国内外相关研究较少。

本文旨在分析脉搏波时域特征参数和血压之间的相关性,实验结果表明,血压与脉搏波的特征参数H、V、Z具有良好的相关性,相关系数在0.7左右,与面积和时间参数的相关性也较好。本实验的误差[8]主要来自两方面:(1)由于受电子血压计测量精度限制,在有关时间的参数测量方面不够精确,可选用更高精度的仪器加以改善.(2)采集到的脉搏波信号虽经过信号预处理,但是仍叠加有微弱的呼吸波等干扰信号成分、应进一步加强数字信号处理,滤除干扰信号成分。本实验结果证明,脉搏波时域特征参数与血压之间存在一定相关关系,可以作为理论依据指导利用脉搏波特征参数实现血压的无创连续检测。

摘要：目的基于脉搏波的原理和动脉弹性腔理论,研究脉搏波的时间参数、面积参数、主波高度、上升沿平均斜率等参数与血压之间的相关性,确定出相关性较好的参数,为利用脉搏波特征参数检测血压提供理论依据。方法通过高血压患者口服降压药;健康个体运动改变血压,在相同时间间隔内,采集血压以及对应时刻的脉搏波,分析脉搏波时域特征参数与血压之间的相关性。结果血压与脉搏波主峰高度H、波形特征量K、面积参数和时间参数线具有较好的相关性。结论血压与脉搏波特征参数之间存在特定的相关关系,提供了利用脉搏波特征参数检测血压的理论依据。

关键词：血压,脉搏波,时域特征,相关性分析,自动血压计

参考文献

[1]徐克,周奇,韦云隆.无创血压测量[J].重庆工学院学报,2008,2(21):164-167.

[2]焦学军,房兴业.利用脉搏波特征参数连续测量血压的方法研究[J].生物医学工程学杂志,2002,19(2):217-220.

[3]李永平,张爱华,郭卫刚.基于矩不变散焦原理的脉搏波形提取[J].科学技术与工程,2008,8(16):4550-4553.

[4]Lou Z C,Zhang S,Yang Y M.Engineering Analysis for Pulse Wave and Its Application in Clinical Practice[M].Beijing:Science Press,2006.

[5]杨琳,张松,等.基于重搏波谷点的脉搏波波形特征量分析[J].北京生物医学工程学报,2008,27(3):229-233.

[6]Foo,J.Y.A,Wilson,S.J..Development of a non-intrusive system to monitor radial pulse wave velocity:proceedings of the 2005 IEEE,Engineering in medicine and biology 27th annual conference[C].Shanghai:[s.n],2005:7505-7508.

[7]Tsuneo Takenaka,Kenji Kobayashi,et al.Pulse wave velocity as an indicator of arteriosclerosis in hemodialysis patients[J].Atherosclerosis,2004,176:405-409.

脉搏波信号 第8篇

关键词：肱-踝脉搏波传导速度,动脉硬化,心血管疾病

随着社会经济的迅速发展, 动脉粥样硬化 (Atherosclerosis, AS) 所引起的心脑血管并发症已成为威胁人类健康的主要疾病, 动脉粥样硬化和动脉弹性改变在心脑血管疾病的发生发展中起着重要的作用。其中心肌梗死、脑卒中等严重的心、脑血管事件发生前都伴有动脉血管壁中层退行性改变、胶原增多、弹力层断裂等结构改变, 以致血管僵硬、弹性下降。所以, 动脉功能以及结构的改变是临床心血管事件的共同病理基础和主要的原因。随着动脉硬化体外检测技术的出现, 在高危人群中进行无创性动脉硬化检测, 对于心血管疾病的早期筛查和防治具有重要意义[1]。

1 脉搏波速度测定的历史及方法

1883年Keyt[2]在第1期JAMA上报道了通过特定仪器分析脉搏波形及脉搏波传导速度的方法, 为研究PWV奠定了基础。1922年, Bramwell等[3]在柳叶刀杂志撰文探讨脉搏波速度测定的方法、临床意义及其影响因素, 引起相关人员的关注。但受当时感受器与计算机技术的限制, 加之操作复杂, 测量的可控性、重复性较差, 一直未能在临床上得到推广和普及。直到20世纪80年代, 随着感受器技术的成熟, 法国率先推出了自动测量脉搏波速度的Complior仪, 并使之成为检测颈-股动脉PWV (C-FPWV) 的金标准。在2007年的ESH/ESC高血压指南中更是将cf PWV作为亚临床靶器官损害的一个重要指标。ba PWV是日本学者研究的一种检测外周大动脉顺应性的新方法, 因操作简便、准确而被临床所接受[4]。PWV的检测方法:受检者取仰卧位, 确定两动脉搏动点最明显部位, 测量这两点之间的体表距离 (D) , 然后将压力感受器分别置于上述搏动最明显处, 仪器自动测量动脉脉搏波传导时间 (T) , 计算PWV, PWV=D/T。连续记录16个脉搏波传导速度测量值, 舍弃3个最大值和3个最小值, 取10个测量值的平均值。PWV常测定10个连续搏动, 包括一个完整的呼吸周期。根据脉搏波记录位点不同, PWV可分为颈-股PWV (cf PWV) 、肱-踝PWV (ba P-WV) 、颈-桡PWV (cr PWV) 、股-踝PWV (fa P-WV) 、心-主动脉PWV (a PWV) 等。正常人cf PWV<9 m/s, ba PWV<14 m/s。cf PWV增大提示主动脉硬度增高, cr PWV增大提示外周动脉的硬度增加, ba PWV增大提示大动脉和中动脉系统的弹性减退[5]。

2 ba PWV检测的适应人群

(1) 年龄>60岁; (2) 已被诊断为高血压 (包括临界高血压) 、高脂血症、糖尿病或有两项以上动脉粥样硬化危险因素的患者; (3) 已确诊的冠状动脉粥样硬化性心脏病和脑卒中患者; (4) 有早发心脑血管疾病家族史患者; (5) 有长期头晕、胸闷不适等症状尚未明确诊断者及有活动后或静息状态下胸闷、心悸等心前区不适症状尚未明确诊断者; (6) 健康体检者[6]; (7) 药物疗效的评价。

3 ba PWV与冠心病

目前, 冠心病已成为人类主要的死亡原因之一, 冠心病的预防和早期诊断对于人类健康非常重要。冠状动脉造影是诊断冠心病和检查冠状动脉病变情况的“金标准”, 但由于其技术要求较高及价格问题限制了其在基层医疗机构的开展, 所以简单、安全、经济的筛查方法对于冠心病的防治就尤为重要。杨东伟等[7]的研究表明, 冠心病患者随着冠脉病变范围的增加, ba PWV明显增高, 提示冠心病患ba PWV与冠状动脉病变程度密切相关。并且ba PWV与冠状动脉硬化Gensini积分呈正相关, 表明ba PWV可成为评价冠状动脉病变严重程度的无创检测指标之一。庞兴学等[8]的研究发现, 臂踝脉搏波传导速度改变 (ba PWV%) 与冠状动脉狭窄程度 (SYNTAX积分) 呈中度正相关 (r=0.545, P<0.01) , ba PWV、ba PWV%对冠心病诊断有中等预测价值, 但其特异性和敏感性受限。也有其他研究通过比较ba PWV与冠状动脉钙化积分及SYNTAX积分亦证实了ba PWV与冠状动脉狭窄程度具有相关性[9,10,11]。Kwon等[12]发现ba PWV较高的冠心病患者, 冠状动脉最小内腔面积更小, 病变长度更长, 钙化程度更高。

4 ba PWV与高血压

高血压的早期常常是血管弹性功能改变, 引起大动脉弹性减退, 使压力波传导速度 (PWV) 增快, 反射波在收缩晚期回到升主动脉, 则主动脉收缩压和主动脉脉压增大。长期持续性血压升高导致血管内皮功能受损, 血管壁结构改变, 使动脉血管压力搏动负荷增加, 促发动脉粥样硬化, 从而进一步增加血管病变程度[13], 如此形成恶性循环, 血管僵硬, 心、脑、肾等靶器官因血供障碍而发生损害[14]。因此, 早期预警意义重大。研究表明, ba PWV是新发高血压的独立预测因子。对于血压正常的人群, ba PWV>13.8 m/s时, 患高血压的风险明显增高[15]。Yambe等[16]对758例对象进行了3年跟踪随访, 发现ba PWV作为预测高血压对血管损害进展有很好的临床价值。岳晓军等[17]研究表明, 血压的增高与脉搏波传导速度加快密切相关。高楠楠等[18]研究显示, 高血压患者的ba PWV值较正常血压组明显增高, PWV可作为高血压患者动脉硬化改变的检测指标之一。不同级别的高血压患者ba PWV值存在显著差异 (P<0.05) , 血压水平越高, 对动脉弹性影响越大[19]。

5 ba PWV与糖尿病

血糖与动脉弹性紧密相关, 血糖越高, 动脉弹性越差, 顺应性越小。动脉硬化的初期重要病理变化是内皮细胞功能的改变, 这种内皮的损伤可以导致全身动脉结构和功能的改变, 是导致动脉弹性降低的主要原因[20]。有研究表明, ba PWV与内皮依赖性血管舒张功能有关, 即内皮依赖性血管舒张功能调节着动脉僵硬度[21]。糖尿病可损害内皮细胞的功能。有研究表明, 早在糖尿病前期, 患者的动脉僵硬度已经有所升高[22]。香港大学的研究表明, 2型糖尿病患者的血糖控制情况是ba PWV的独立影响因素[23]。2型糖尿病患者的脉搏波传导速度 (ba P-WV) 与血压、年龄、糖化血红蛋白、糖尿病病程等因素密切相关, 在2型糖尿病患者中, 高血压和高水平糖化血红蛋白是ba PWV的独立影响因素[24]。涂燕平等[25]研究显示, 臂踝脉搏波传导速度与糖尿病患者亚临床靶器官损害程度有关, 对糖尿病患者亚临床靶器官损害有良好的预测作用。国外多项研究表明, Ba PWV增高是老年2型糖尿病患者发生心脑血管事件的重要预测因子[26,27]。国内近期相关研究[28,29]也表明, 臂踝脉搏波传导速度与2型糖尿病患者血管病变的危险因素有明显的相关性, 对2型糖尿病血管病变的早期诊断和治疗有重要的参考价值。

6 ba PWV与肾病

关于动脉弹性功能与肾功能关系的机制目前尚无定论[30], 但当肾动脉僵硬度增加后, 血流增速加快会导致肾组织损伤, 从而引起肾小球结构与功能异常。作为同时反映中心大动脉与外周中等动脉弹性情况的ba PWV与肾功能异常的相关性, 在一些研究中得到了证实。国外研究发现, 动脉僵硬度的增加与早期肾损害显著相关[31]。其中踝臂脉搏波速度ba PWV监测已经被当做检测动脉弹性功能的经典方法, 并已广泛应用于临床[32]。Laurent等[33]提出, ba PWV可反映肾动脉僵硬度。相关研究显示, 控制年龄因素的影响, ba PWV仍与肾小球滤过率 (GFR) 有显著的负相关性, 与24 h尿微量白蛋白 (24 h MAU) 、血清胱抑素C (Cys C) 有显著的正相关性[34,35,36]。在终末期肾病的人群中, 患者的ba PWV明显增加。在终末期肾病的病人中作为一个独立的危险因素ba PWV与肌酐清除率 (CCr) 呈负相关。在慢性肾病患者中, 肾功能越差的病人, 其ba PWV越高[37]。高卓等[38]研究显示, 慢性肾脏病终末期患者ba PWV均高于正常值, 透析治疗患者双侧肢体臂踝脉搏波速度均高于非透析治疗患者。国内近期研究也表明, 老年肾功能不全患者的ba PWV平均水平明显高于正常人[39,40], 老年慢性肾功能不全患者肾功能损害与下肢外周动脉疾病密切相关。