基于手指视频的光电容积脉搏波信号获取

雷恒波，莫镜清，郭友达，邢晓曼，徐雅洁，孙明山

1.中国科学院 苏州生物医学工程技术研究所，江苏 苏州 215163；2.南京理工大学 电子工程与光电技术学院，江苏 南京 210094

基于手指视频的光电容积脉搏波信号获取

雷恒波1，莫镜清1，郭友达2，邢晓曼1，徐雅洁1，孙明山1

1.中国科学院 苏州生物医学工程技术研究所，江苏 苏州 215163；2.南京理工大学 电子工程与光电技术学院，江苏 南京 210094

光电容积脉搏波（Photoplethysmography，PPG）中包含着人体重要的生理信息，为了方便、准确地获得人体的PPG信号，本文利用手机摄像头采集手指视频，以每帧图片像素灰度值大于一定阈值的像素数目反映血液容积的变化，得到PPG曲线时序图；然后，利用经验模态分解法将脉搏波信号分解为一系列本征模函数（Intrinsic Mode Function，IMF）；最后通过频域分析，将处于脉搏波频率范围的IMF进行信号重构，就得到了消除低频基线漂移和高频噪声的PPG信号。利用Bland-Altman法计算该结果与现有医疗仪器同步测得的PPG数据一致性在0.95以上。这种方法适用范围广，特别是对远程医疗中基于PPG的人体生理信息的获得具有重要意义。

摄像头；光电容积脉搏波；经验模态分解法；本征模函数；远程医疗

引言

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。

图1 拍摄手指视频示意图

图2 CONTEC测量

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。

图3 图像区域选取

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。

图4 归一化的PPG信号

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。

图5 PPG信号的EMD分解

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。

图6 各阶IMF的FFT变换

图7 EMD处理之后的PPG信号

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。

表1 部分测量结果对比

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。

图8 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

3 结论

本文提出了一种利用手机摄像头获取指端PPG信号，并通过EMD去除信号的高频噪声及低频基线漂移的方法，通过与市场上现有的医疗仪器CONTEC脉搏血氧仪同步测得的脉搏波进行Bland-Altman方法分析，实验结果表明两种测量方法的一致性在95%以上，因此，该方法可以有效获得PPG信号，适用多种场合的测量，对于基于光电容积脉搏波的人体生理参数获得具有重要意义。

[1] Allen J.Photoplethysmography and its application in clinical physiological measurement[J].Physiol Meas,2007,28(3):R1-39.

[2] 封英,沈艳,陈新忠.指光电容积脉搏波特征参数监测全麻患者镇痛水平的准确性[J].中华麻醉学杂志,2014,34(1):123-124.

[3] 梁康,孙迎.基于智能手机提取 PPG 测心率方法准确性研究[J].生物医学工程学进展,2014,35(4):191-195.

[4] 王兆清,李淑萍,唐炳涛.任意连续函数的多项式插值逼近[J].山东建筑大学学报,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] 王怀宝,沈虹,张莹,等.基于改进自适应滤波器的电网同步技术[J].高电压技术,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.基于可见光成像设备抑制运动伪差的脉搏波及心率检测技术研究[D].北京:北京理工大学,2015.

[11] 于常青,刘凡光,顾瑛,等.人体皮肤及血液的荧光光谱分析[J].中国激光医学杂志,2004,13(1):41-44.

[12] 韩庆阳,李丙玉,王晓东.一种消除脉搏波信号中呼吸基线漂移的方法[J].中国医疗器械杂志,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

作者邮箱：296738722@qq.com