基于双波长的无创血红蛋白浓度监测仪的研制*

陈真诚，孟凡涛，吴贤亮，朱健铭,3△

(1.桂林电子科技大学生命与环境科学学院，广西 桂林 541004； 2.桂林电子科技大学电子工程与自动化学院，广西 桂林 541004；3.广西信息科学实验中心，广西 桂林 541004)

1 引 言

人体血红蛋白细胞中含有大量的血红蛋白，血红蛋白是人体内负责运载氧的一种蛋白质，是人体血液中的重要组成部分，对人体内部各种调节起到至关重要的作用。血红蛋白的浓度是诊断贫血症以及真性血红蛋白增多症的可靠依据之一。一方面当人体血红蛋白水平低于标准水平时表现为贫血，根据最新的世界卫生组织统计，全球总人口贫血患病率为24.8%，据估计大约有 20 亿人患有不同程度的贫血，每年大约有1百万人死于由贫血引起的疾病[1]。2010～2012年我国城乡居民总贫血患病率为9.7%[2]。另一方面，当人体血红蛋白水平高于正常范围时，也反映着一些疾病的存在，如心肺疾病、肾脏疾病、肿瘤疾病、慢性高原病等[3]。由此可见，血红蛋白浓度能够很好的表征人体健康状况。

近几年医疗科技得到快速发展，逐步由传统的有创方法检测发展为无创方法检测，无创血红蛋白检测研究较为突出[4]。2011年天津大学采用动态光谱的研究方法进行血红蛋白浓度检测[5]、2016年深圳大学采用多波长近红外光谱法检测血红蛋白[6]。检测设备从光谱仪发展为具有多个波长集成的光电传感器，逐步趋于便携式。相对于目前多波长血红蛋白检测，本研究采用双波长进行血红蛋白检测，利用机器学习的方法提取特征点，实现对血红蛋白检测。同时，本研究设计的硬件还能够实现连续、实时地监测血红蛋白浓度，具有更广的应用空间，比如家庭日常生活中、手术过程中以及ICU监护中。

2 理论基础

本次研究的主要理论基础为修正后的朗伯-比尔定律和当光程长d已知时，即可通过多个波长的光源对物质进行照射，得出关于物质浓度的方程组，并且求出各个物质的浓度。由于朗伯-比尔定律具有一定的局限性，之后，提出了修正的朗伯-比尔定律。

(1)

上式中ρ为路径长度因子，εα为吸光系数，d为最短路径，θ为未知几何因子是定值。对式(1)两边求导得出：

(2)

为平均路程长度。按照修正后的朗伯-比尔定律得出：

ΔA=[ε1(λ)c1+ε2(λ)c2+……+εi(λ)ci]ΔL

(3)

人体血红蛋白主要由氧化血红蛋白、还原血红蛋白组成，占血红蛋白总量的95%以上。高铁血红蛋白和碳氧血红蛋白含量占血红蛋白总量较低。因此，本次血红蛋白监测仪主要用于检测氧化血红蛋白和还原血红蛋白含量。按照修正后的朗伯-比尔定律，得出以下方程组:

(4)

上式中，ε1(λ1)为氧化血红蛋白在波长λ1的吸光度，ε2(λ1)为氧化血红蛋白在波长λ1的吸光度，ε1(λ2)为氧化血红蛋白在波长λ2的吸光度，ε1(λ2)为氧化血红蛋白在波长λ2的吸光度。通过式(4)可得出：

(5)

因此，可以通过两路PPG信号，分离出直流信号和交流信号。在两路PPG信号相对应的位置获得(确保ΔL相等)，求出对应的交直流信号的比值，即可确定一组氧化血红蛋白和还原血红蛋白浓度之间的比例关系。通过机器学习的方法提取PPG信号特征参数，将人体基本参数作为特征参数，利用PLS将采集的数据建立血红蛋白浓度模型，以计算血红蛋白浓度。本研究中采用660 nm和840 nm双波长进行检测PPG信号。

3 系统设计

3.1 系统硬件设计

本研究中设计的血红蛋白监测设备硬件框见图1，主要包括MAX30100反射式双波长传感器模块、LCD液晶显示模块、SD卡存储模块以及锂电池电源模块。设备实物见图2。本研究中设计的血红蛋白监测设备的主要特点为能够实时动态监测血红蛋白浓度水平。血红蛋白监测仪为了方便使用，采用锂电池作为电源，采用物理按键进工作方式选择，同时，采用TFT LCD进行双路实时PPG信号实时显示，给用户直观的体验。

图1 硬件原理图

图2 实物图

3.2 系统软件设计

本研究提出的血红蛋白检测方法本质在于通过已经建立的血红蛋白浓度与脉搏波特征参数之间的模型，求取血红蛋白浓度值。在本次实时监测系统中，主要通过包络检波的方法，确定脉搏波峰值点，确定脉搏波峰值点后，存储500个数据进行分析，提取模型中需要的脉搏波特征参数，带入已建立的模型，求取血红蛋白浓度。

4 算法研究

4.1 PPG信号采集

本研究中PPG信号的采集装置采用的MAX30100传感器，该传感器具有两个发光二极管，其中一个发光二极管的波长为600～750 nm，用于检测还原血红蛋白含量；另一个发光二极管的波长为850～1000 nm，用于检测氧化血红蛋白含量。该传感器不仅具有高精度光检测器，同时还具有优化光学和低噪声的仿真信号处理。该传感器通过I2C通信协议与主控芯片通信。考虑到仪器实时性的要求，分别对采样率在100、200、400、600、800、1000 Hz进行对比试验，当采样率达到400 Hz以上时，系统不能正常运行。因此，选择采样频率设置为200 Hz，AD转换位数为15位。

4.2 PPG信号处理

PPG信号属于低频信号，其基频在1 Hz左右。原始的PPG信号的干扰主要有高频干扰，基线偏移等。为解决以上问题，本研究中采用希尔伯特黄变换对原始PPG信号的进行滤波处理。希尔伯特-黄变换( Hilbert-Huang transform，HHT)是一种时频分析方法，其以瞬时频率为基础，将信号分解为若干个固有模态函数( intrinsic mode function， IMF) ，能够根据信号的实际特征进行自适应分析[7]，根据各个分量的方差贡献度，对IMF分量进行选取，然后进行信号重构，实现信号滤波。在本研究中，原始信号频谱分析见图3，对其进行EMD分解后得到的各个IMF分量见图4，各个IMF分量经过希泊尔特-黄变换得到的瞬时频率及瞬时相位见图5，经过筛选后的IMF分量重构的信号频谱分析见图6，通过观察，可以明显发现经过HHT变换处理的信号能够很好的解决PPG信号高频干扰及基线漂移的问题。

图3 原始信号的频谱分析

图4原始信号经过EMD分解后的结果

Fig4TheoriginalsignalisdecomposedbyEMD

图5 PPG信号瞬时频率及瞬时相位

4.3 PPG信号特征选取

PPG信号特征提取主要包括形态特征、时域特征、频域特征。本研究主要涉及形态特征点以及时域特征参数提取。选取的特征点主要包括波峰、波谷、重搏波波峰、重搏波波谷。同时将PPG信号中的增长系数、周期、面积等作为特征参数[8]，单个PPG信号提取5个特征点、11个特征参数，以及两路PPG信号之间的交直流分量的比值作为特征点。同时，将人体特异性参数，如性别、年龄、身高、体重作为特征参数。本研究一共提取27个特征参数。

经过实验研究发现，相对于脉搏波信号，脉搏波信号的一阶导数具有更好的特异性，因此，在本研究中以脉搏波一阶导数的最大值作为基准，通过脉搏波一阶导数与脉搏波特征点之间的相对关系，进一步确定脉搏波信号中的波峰位置、波谷位置以及重搏波位置。特征点识别见图7，结果表明该方法能够正常识别特征点进行特征参数提取。

图6 HHT处理后的时序图及频谱图

Fig6SequencediagramandthespectrumofthetreatmentofHHT

图7 形态特征点选取

4.4 特征筛选及数据拟合

ReliefF 算法是针对目标属性为连续值的回归问题提出的，是公认的效果较好的过滤式特征评估算法[9]。但 Relief 算法的缺点是不能去除冗余特征。将主成分分析(principle component analysis，PCA)去除特征间存在的相关性和ReliefF算法特征选择的优势相结合，进行特征提取[11]。为进一步找到预测血红蛋白浓度的相关的特征参数，降低沉余信息干扰、提高辅助诊断准确性，本研究采用PCA-ReliefF结合的方法进行数据特征提取，对27个特征参数进行筛选，使用ReliefF算法运行20次，得到的20组特征权重值(见图8)，计算特征权重的平均值(见图9)而作为最终结果。选取权重排名前17个特征参数，使用PCA降维后变成12个特征参数。

4.5 血红蛋白回归模型建立

在本研究中，选择艾康生物技术有限公司型号C111-3034的Mission Hb血红蛋白分析仪检测的血红蛋白含量作为对照，该设备相对于传统血红蛋白检测设备，具有更好的便携性、检测速度快且精度符合临床要求。该设备检测范围为5～25.6 g/dL,当血红蛋白浓度在5～10 g/dL范围内时，标准差为; 当血红蛋白浓度在10～25.6 g/dL范围内时，变异系数(CV)为±3%。同时，使用本研究设计的无创血红蛋白检测仪采集PPG信号，共采集60组数据用于建立血红蛋白模型。偏最小二乘回归可以集多元线性回归分析、典型相关分析和主成分分析的基本功能为一体,能够将建模预测类型的数据分析方法与非模型式的数据认识性分析方法有机地结合起来[11]。血红蛋白检测模型采用PLS对提取的17个特征参数进行回归分析，建立如下血红蛋白模型。

CHb=0.4546×a1-0.2607×a2-0.323×a3+0.5932×a4+0.257×a5-1.3312×a6-0.8755×a7+0.8733×a8-0.1137×a9+1.6845×a10-0.0561×a11-0.5358×a12+0.2351×a13+0.1303×a14-0.5065×a15+0.0426×a16+0.2004×a17-0.0098

其中a1…a17表示提取的17个特征参数。

5 实验及数据分析

在本研究中，随机选择31名年龄在21～57周岁之间的志愿者，其中男性16名，女性15名。在实验过程中，要求志愿者处于静息状态，同时使用微创Mission Hb血红蛋白分析仪和本研究设计的双波长血红蛋白监测仪对志愿者进行血红蛋白浓度检测，得到31组实验数据。31名志愿者的31组测量值与真实值之间的关系见图10。血红蛋白浓度在11～18 g /dL范围内，测量结果误差在±3 g/dL 范围内，相关系数为0.728，说明两者之间具有一定的相关性。均方差为0.9416 g/dL。实验结果表明，本研究设计的双波长血红蛋白检测仪在一定程度上能够准确反映血红蛋白浓度结果。

图8RelifF算法计算人体基本参数及PPG信号波形特征参数权重

Fig8TheRelifFalgorithmcalculatesthebasicparametersofhumanbodyandtheweightofthecharacteristicparametersofPPGsignalwaveform

图9 特征权重平均值

图10 31名志愿者血红蛋白浓度无创检测与真实值的相关性

Fig10Thecorrelationbetweennon-invasivetestandrealvaluewasfoundin31volunteers

6 结束语

相对于目前点测式血红蛋白检测方法，无创血红蛋白检测能够实现连续的血红蛋白监测，因此具有更广阔的发展空间以及更重大的研究意义。同时，相对于目前多波长血红蛋白检测，本研究采用双波长利用脉搏波特征参数与血红蛋白浓度之间的关系检测血红蛋白浓度。完成了31组验证实验，得到无创检测血红蛋白浓度与微创血红蛋白浓度相关系数为0.728，均方差为0.9416。实验结果表明，本研究建立的双波长血红蛋白检测模型对血红蛋白浓度检测提供了一定的研究依据，对临床研究具有重要的意义。同时，本研究提出的血红蛋白检测模型，主要提取了时域的特征参数，实验数据量较小。因而，可以增加频域特征参数，增加实验数据量，以优化血红蛋白检测模型。