基于智能终端的血氧信号处理算法研究

马勋，李雅涵，庞宇，刘沛，张正亮

（1. 重庆邮电大学通信与信息工程学院，重庆400065；2. 重庆邮电大学光电工程学院，重庆400065）

引言

科技飞速发展，人民生活的各方各面都在随之而剧烈变化。医疗保健是否可以打破传统医院垄断模式，像手机、电视一样走进千家万户开始引发科研学者的探究[1]。传统的医疗监护设备价格昂贵且体积笨重不利于灵活挪动，使其只能单方面在医院垄断使用，从而产生就医费用高，过程繁琐等社会问题。随着计算机网络通信的迅速崛起，智能手机、平板电脑等移动设备的全面普及为医疗健康的家庭化打开了新的门户，体积较小，功能齐全，携带便携的家庭医疗设备跟随智能终端为医疗保健带来了新的福音[2]。目前，社区医疗智能化领域的主要发展方向已经由以医院为主体的治疗方式转向以保健为中心，网络信息技术化为支撑提倡“绿色医疗”的生活方式的针对服务家庭个体的卫生保健方式。将医疗检测设备与智能终端相结合的医疗监护服务能够让广大民众足不出户就可以随时监测血氧、心电、呼吸等各项生理信息，方便、及时、准确，从根本上解决社会医疗问题[3]。

氧是保障人体正常生命活动不可或缺的主要元素，医学上定义血氧饱和度为氧合血氧蛋白容量占人体血液中血红蛋白容量的百分比，用来指示血液中的含氧量。这是反映人体供养状态的主要生理指标[4]。医学上将血氧饱和度低于90%定为低氧血症的标准。低氧血症则说明人体缺氧，这会影响人体的新陈代谢，严重时甚至危及生命。现有的脉搏波血氧饱和度检测仪，避免了对病人的反复抽血减少了医护人员的医务工作量，不仅对医院临床观察病情变化有重要意义，而且在偏远地区病人监护、高原缺氧环境中人员监护、患有呼吸暂停综合症病人监护等一系列特殊应用领域[5]具有不可替代的使用价值。

1 无创血氧饱和度测量方法

光线透过人体组织时，其实经过了一个复杂的过程，不同结构组织如表皮组织、肌肉、动脉血液、静脉血液等各组织对不同频率光线的吸收率是不同的。人体动脉跳动致使测试部位的不同频率光吸收情况发生显著变化，容易测量。因此医学应用中主要使用动脉中血氧饱和度来表示人体血氧饱和度。皮肤、肌肉、骨骼和静脉血等其他组织对光的吸收是一定的，其测量值为静脉分量或直流分量（DC）；而当测试部位动脉跳动时，各组织吸收透过光的量也随之而变化，此时的测量值称为动脉分量或者交流分量（AC）[6]。所以，通过测量光线透过组织时的吸收量，可消除非血液组织的影响，计算出血氧饱和度。

根据Lambert-beer定律：

（2）式中：I0为入射光的初始光强，I为测量的透射光强度，L为传播介质长度，μa为物质对光的吸收系数。经过多次测量及反复试验，当波长为940nm红外光与660nm红光通过时，氧合血红蛋白与还原血红蛋白吸光率的差异最为明显，用于计算可消除光程变化的影响，因此常被选用作为血氧饱和度测量的光源。根据上式（2）可逐步推倒出公式：

通过（3）式可知，血氧饱和度值可以由通过人体组织后产生的光强变化值与光强初始最大值的比值推导而出，其中参数A和B通常是由定标的方式确定而来[7]。

修正的朗伯比尔定律将光的散射理论结合于朗伯比尔定律中，搭建出更加准确的数学模型。不但可以在透射式血氧检测中使用，而且为反射式血氧检测提供了重要的理论依据。对于反射式血氧饱和度检测，入射光经过人体后，以任意方向散射而出，反射光仅为扩散光中的一部分，光强太过微弱，很容易被噪声所淹没。因此，其信号提取方法和干扰处理方法的难度极大。本文主要探讨关于反射式血氧饱和度监测技术中对于接收到的监测信号进行干扰处理的算法的研究。

2 血氧信号中的干扰处理算法

2.1 去噪算法设计

采用光电容积脉搏波（Photo Plethysmo Graphy，PPG）信号为信息载体的血氧浓度监测技术不需要侵入人体组织，更不会对人体造成伤害便可以搭建出无创血氧饱和度监测模型，操作简单信息获取及时。与有创检测方法相比，具有更加广泛的应用前景。但是在应用测量中，却很容易受到各种干扰，从而使提取到的信号带有噪声，扰乱信号特征，导致血氧浓度测量难误差太大甚至错误[8]。其中干扰主要有4种。1）环境光的影响：PPG信号是以光电检测为基础，周围跨散光对检测系统影响较大。在采集装置中对探头进行相关物理处理同时采用光调制技术可降低此干扰；2）变异点：在采集PPG信号过程中，因为设备原因可能会产生一些突变的数据点，计算血氧值时要取其包络计算交直流信号值，因此这些突变数值将严重影响信号的质量，导致血氧值计算错误；3）基线漂移：采集PPG信号过程中，由于人的呼吸运动或者身体移位会所采集信号产生基线漂移；4）高频干扰：光线经过人体组织后，入射光的光强被部分衰减，产生的PPG信号不够强烈很容易被各种干扰所埋没，不利于检测。其中高频噪声对其影响最为严重，使得初始信号出现大量毛刺，导致计算结果错误。

针对不同噪声的特性，分别设计不同方法对其进行处理，算法流程图如图1所示：

目前，lncRNA在肿瘤中的研究发展迅速。因为lncRNA可激活或抑制自噬，自噬可以促进或抑制癌细胞的发展，所以其机制非常复杂。lncRNA用于治疗肿瘤靶向目标的特异性仍然较差，有很多挑战必须克服。

图1去噪流程图

PPG信号中的突变点是在采集中引起的个别数据溢出导致，因此通过查找替代的方法可以有效消除这些突变点。设定N个点为一组数据判断该组数据中各点值的大小，若出现某一点数值超出某一范围则视为突变数据点，以余下点的平均值代替，依次扫描整段数据。其流程图如图2：

图2去突变点流程图

针对PPG信号基线漂移本文设计直线型结构元素的形态学滤波方法实现PPG信号的基线矫正[9]。Matheron等[10]以积分几何为基础创立了数学形态学这门学科。形态学是一门建立在严格数学理论基础之上，以积分几何、集合代数及拓扑论为主要的理论基础，提供了一种有效的非线性信号处理方法，较好的保留信号的几何信息。

数学形态方法对含基线漂移干扰[11]的PPG信号进行处理的程序流程图如图3所示，主要分为以下两步：

图3数学形态抑制基线漂移流程图

（1）第一级形态学滤波

原始心电信号f0通过结构元素k1进行先闭后开（CO）及先开后闭（OC）的形态运算。下式（4）表示算法第一步

其中，k1为结构元素，f0为含噪声的原始信号，f1为第一级滤波后的信号。

（2）第二级形态学滤波

为了矫正原始信号基线漂移，需要较大结构元素k2对信号进行处理。将结构元素k2对f1进行上述类似运算，可得到基线漂移有关信号分量f2，即

（3）将信号中f1减去基线漂移信号f2，得到滤除噪声后需要的信号f3。

在血氧饱和度监测计算中，信号的直流分量和交流分量均需要参与，这就要求抑制噪声但不能增减信号幅值大小，保证其通带增益为1。因此本文设计N点平滑滤波来消除高频噪声。如下式（6），平滑滤波的基本原理就是使用临近点的均值代替其中一点值：

（6）式中：p为N点平滑滤波的点数，通常为奇数。

2.2 血氧饱和度计算方法

上文中阐述血氧饱和度的计算机原理可推导出其计算公式：

（7）式中R为光密度比对应血氧饱和度SpO2%，rr、ri分别为红光和红外光光强值，SACSDC为别为交流直流分量。因此要计算血氧饱和度值必须计算PPG信号的交直流分量[12]。计算过程可分为以下几步：1）PPG信号差分过零点对应其极值点，从而确定极值点位置。2）通过三次样条函数插值法以极值点为根本点补充曲线到原数据长度，即上下包络线。3）上下包络线的均值可近似为PPG信号直流分量，差值可近似为交流分量。4）计算光密度比拟合出血氧饱和度函数。流程图如图4。

图4计算血氧饱和度流程图

3 实验结果分析

3.1 滤波算法验证

为了验证本文算法的可行性，将采集到的PPG信号数据进行实验测试分析，图5为原始PPG信号1，图6为经过本文算法处理的PPG信号1，图7为原始PPG信号2，图8为经过本文算法处理的PPG信号2：

图5原始PPG信号1

图6经过本文算法处理的PPG信号1

图7原始PPG信号2

从两组PPG信号处理前后对比可以看到进过本文设计滤波器后很多毛刺、突变点均被滤除，基线也得到很好的矫正。

图8经过本文算法处理的PPG信号2

此外本文以信噪比（Signal to Noise, SNR）和均方根误差（Root Mean Square Error, RMSE）为标准对该算法进行定量分析[13]。

式（8）（9）中：x(n)表示原始PPG信号，f(n)表示添加不同强度噪声滤波后PPG信号。SNR越大，RMSE越小则表示滤波效果越好。下表1为PPG信号在加噪滤波后的SNR和RMSE值：

表1不同强度去噪效果对比表

从表中可以看出，随着噪声强度的加强，SNR值越来越大，RMSE值越来越小，这说明改算法滤波效果良好。该算法为血氧饱和度的计算提供了良好的去噪方案。

3.2 血氧饱和度值计算验证

为了更为准确的验证本文算法的可行性，采用YK-8000A多参数医疗监护仪，对不同年龄人群测量血氧饱和度值与本文方法计算所得血氧饱和度值进行比较如表2。

在不同人群通过与标准的值得比对，发现该算法计算结果误差均在 2%以内，实验证明该算法是可行的。

表2不同年龄血氧血氧饱和度计算值与标准值比对表

4 总结

本文描述了基于智能终端的PPG信号处理算法设计。实验验证所设计算法对PPG信号的滤波效果显著，可以达到计算血氧值得波形要求。当然该算法中仍然存在疏漏可能会引起血氧值得计算错误，例如在处理突变点时，当出现连续突变点时无法全部剔除，虽然这只可能在小概率内对信号产生影响，仍然不容忽视，需要对算法进行更深一步的改进。

[1] 陈静, 陈凯立, 牛瑛, 等. 基于数字化医院与数字家庭的社区医疗服务. 医学信息, 2008, 21(11): 1956-1958.

[2] 王晓民, 周卫东, 理查德.司考特. 应用于远程医疗的远程家庭监护设备的发展. 医疗卫生装备, 2003, 24(8): 19-21.

[3] 龚素琴. 家庭医疗智能终端常规生理参数采集与传输的研究. 广东工业大学, 2011.

[4] 米洁,黄桃. 脉搏血氧饱和度监测在院前急救中的应用价值. 医疗卫生装备, 2010, 31(9): 109-110.

[5] 陈明进, 许锡铭. 脉搏血氧饱和度仪的发展及应用.现代医学仪器与应用, 1995, 7(1): 5-10.

[6] 周峰, 李顶丽, 李艳, 等. 大范围血氧饱和度无创检测方法研究与仪器设计. 中国医疗设备器械, 2008, 32(1):23-25.

[7] Gibbs P. Reducing Motion Artifact in Wearable Bio-Sensors Using Mems Accelerometers for Active Noise Cancellation.Portland OR USA, 2005: 1581-1586.

[8] Swedlow K B. Oximeter With Motion Dtection for Alarm Modi fi cation. International Patent Apptication. 1994.

[9] 毛玲, 孙即祥. 基于形态滤波的心电信号基线矫正算法. 信号处理, 2008, 24(4): 583-585.

[10] Sun Y, Chan K L. ECG signal conditioning by morphological filtering. Computers in Biology and Medicine, 2002, 32(6): 465-479.

[11] 刘忠国, 王金亮. 基于形态学滤波器的ECG信号预处理. 生物医学工程学杂志, 2011, 28(2): 366-367．

[12] 周洪建. 可穿戴式无创血氧饱和度监测仪的设计. 中国医疗设备,2008, 23(01): 21-23.

[13] Qi H B, Liu X F, Pan C. Discrete Wavelet Soft Threshold Denoise Processing for ECG Signal. Intelligent Computation Technology and Automation (ICICTA), Changsha, IEEE, 2010: 126-129.