基于光電容積脈搏波信號的脈息比估算方法研究葉曉璐

關鍵詞：光電容積脈搏波;呼吸速率;脈息比值;數字信號處理;生理監測

中圖分類號：TP391;R318 文獻標志碼：A

0 引言（Introduction）

脈搏和呼吸是兩個最基本的周期性生命體征，脈息比（Pulse-Respiration Ratio， PRR）即脈搏與呼吸次數的比值，是評估患者生理狀態的重要指標[1]。在中醫醫學中，脈息比體現了患者當前時刻脈搏與呼吸的動態關系，可在一定程度上反映患者當下或長期的寒熱虛實狀態[2]。西方學者SCHOLKMANN等[3-4]通過一系列實驗研究發現，PRQ（Pulse-Respiration Quotient）在心肺系統的調節狀態方面發揮了重要作用。

光電容積脈搏波（Photo Plethysmo Graphy， PPG）是一種包含多個與生理過程有關的頻率成分的復合信號[5]，廣泛應用于心率、血壓和血氧飽和度等生理參數的監測[6-8]。通過PPG提取呼吸信號、檢測呼吸率并估算脈息比，可以實現無創、非侵入性的監測[9-10]。

本研究旨在通過選擇合適的數字信號處理技術和算法，利用指端PPG數據實現呼吸信號提取、脈率和呼吸率的檢測，并進一步探索平均和動態脈息比值的估算方法。

1 實驗方法（Experimental methods）

1.1 數據獲取與預處理

作為研究的基礎，數據獲取階段涉及訪問數據庫、選擇適當的數據集和下載所需的脈搏波信號記錄。本研究使用公共數據庫PhysioBank中的指端PPG數據集，數據集源自MIMIC-Ⅱ資源，被命名為BIDMC數據集[11]。該數據集涵蓋了來自53名成年患者同時段的PPG信號和呼吸波信號，兩種信號均以125 Hz的采樣頻率進行記錄，每組數據的長度約8 min。

本研究隨機選擇10組記錄作為測試集，其中PPG信號用于研究數據源，而RESP信號作為參考呼吸信號，與由PPG信號提取的呼吸信號進行對比驗證。為了保證后續處理和分析的準確性，研究人員先進行了數據預處理，包括但不限于去除基線漂移和平滑降噪等步驟。數據預處理的目的在于提高數據的質量和一致性，從而確保后續研究的可信度和可重復度。

1.2 呼吸率檢測方法

準確的呼吸率測量對于脈息比的計算至關重要。由于涉及呼吸信號提取和呼吸率檢測兩個步驟，因此本研究使用了一個綜合的算法流程框架（圖1），旨在有效提取呼吸信號并準確計算呼吸率，該框架考慮了不同算法的集成，以適應不同數據特征和場景需求。

1.2.1 呼吸信號提取

呼吸信號的提取是呼吸率檢測的首要步驟，從脈搏波信號中提取呼吸信號的方法可分為基于特征和基于濾波器兩種[12]。

基于特征的方法利用脈搏波信號的幅度、頻率等特征提取呼吸信號，有效捕獲由呼吸引起的脈搏波信號的變化，實現對呼吸信號的提取，如峰值檢測法、幅度變化法等;基于濾波器的方法使用不同類型的濾波器，如小波變換法、帶通濾波器等，濾除脈搏波信號中在合理呼吸頻率范圍之外的頻率，從而提取呼吸信號[13]。

本文實驗選用了基于濾波器的帶通濾波器方法提取呼吸信號。帶通濾波器有助于抑制非感興趣頻率成分，保留目標頻率范圍內的信號，從而實現對呼吸信號的有效提取。

1.2.2 呼吸頻率檢測

呼吸率是計算脈息比的關鍵參數之一，呼吸率估算的算法有多種，這些方法基于不同的原理和技術，適用于不同的數據特征和應用場景。總體而言，呼吸率估算方法可以分為時域和頻域兩大類[14]。

時域方法通過分析呼吸信號的波形特征，關注信號在時間域上的變化，以估算呼吸率，如峰值檢測法、過零檢測法等;頻域方法通過對呼吸信號進行頻譜分析，找到主導頻率估算呼吸率，如快速傅里葉變換光譜分析法、自回歸譜分析法等。

本文實驗選用了基于時域的峰值檢測法估算呼吸頻率。該方法對呼吸波信號的周期性變化具有較強的捕捉能力，檢測波峰的方式能夠提供準確的呼吸周期，為后續脈息比檢測提供了關鍵的時間信息。

1.3 脈息比估算方法

在中醫診療中，脈息比是用于評估患者健康狀態的重要指標，本文提出了不同的計算方法計算脈息比，包括平均脈息比和動態脈息比，以更全面地了解患者的生理狀況。

1.3.1 平均脈息比

在平均脈息比的計算中，本文對時間長度為8 min的PPG信號進行數據劃分，以60 s為一段，選定其中一段進行后續實驗，具體步驟如下。

（1）脈搏速率測量：使用峰值檢測法計算選定PPG信號的平均脈搏速率。

（2）呼吸速率測量：使用峰值檢測法計算提取出的呼吸信號的平均呼吸頻率。

（3）平均脈息比計算：將平均脈搏速率除以平均呼吸速率，得出平均脈息比。

1.3.2 動態脈息比

動態脈息比的計算涉及不同的方法，包括使用脈搏峰值位置、脈搏時間間隔和脈搏持續時間，具體的方法如下。

（1）根據脈搏峰值位置，通過迭代計算每個呼吸波段內的脈搏峰值數量：①檢測脈搏峰值的位置;②計算每個呼吸波段的起始和結束位置;③統計每個呼吸周期內的脈搏峰值數量。

（2）根據脈搏的時間間隔，通過迭代計算每個呼吸周期內的脈搏周期數量：①計算每個脈搏波的起始和結束位置;②計算每個呼吸波段的起始和結束位置;③統計每個呼吸周期內的脈搏周期數量。

（3）使用脈搏波的持續時間，由“脈搏波采樣點數/脈搏波頻率”轉換得到。通過計算每個呼吸周期的采樣點數和呼吸周期內脈搏波的平均采樣點數，將其轉換為呼吸時間間隔和脈搏波持續時間，兩者相除計算脈息比：①遍歷每個呼吸周期，獲取當前呼吸周期的起始和結束時間點;②計算當前呼吸周期內脈搏峰值的采樣點索引值、采樣點數NPPG 和平均采樣點數NAVG_PPG;③計算當前呼吸周期的采樣點數NRESP;④計算脈息比，PPG信號頻率和呼吸信號頻率分別為fPPG 和fRESP。脈息比的計算公式如下：

2 實驗結果與分析（Experimental results and analysis）

2.1PPG信號預處理

本文實驗隨機選取了數據集中的10組數據，每組包含8 min的連續信號。將每組數據劃分為多個60 s的段落，從中選擇一段60 s的數據進行下一步處理。在確定組別和段落后，加載相應的原始PPG信號，圖2展示了第12組第3段PPG信號。

本文采用了高通濾波器消除基線漂移，并使用低通濾波器對信號進行平滑處理，為了凸顯濾波對比效果，時域圖中僅呈現了脈搏波信號的10 s長度部分（圖3）。高通濾波器的作用在于有效消除信號中的極低頻基線漂移，同時保留了脈搏信息，而低通濾波器則生成了一個更平滑的信號，在一定程度上消除了曲線上的細小噪聲。濾波前后的對比效果如圖4所示，從圖4中可以發現，極低頻的基線漂移得到了較好抑制，起伏的數據也更加平滑。

2.2 呼吸信號提取和呼吸率檢測

2.2.1 呼吸信號提取

在呼吸率檢測的第一步，采用基于濾波器的帶通濾波器提取呼吸信號。本文使用了巴特沃斯（Butterworth）濾波器，其最低頻截止頻率和最高頻截止頻率是根據呼吸信號頻譜圖進行選擇的，旨在確保適應呼吸信號的頻率范圍。通過使用filtfilt函數將該濾波器應用于降采樣后的PPG信號上，提取出呼吸信號。0.3 Hz對應呼吸頻率，計算出呼吸率為0.3×60=18次/分鐘，符合一般人的呼吸節律。

將基于PPG信號經過帶通濾波器處理后提取的呼吸波信號與數據集中的參考呼吸波信號進行對比，對比效果如圖5所示。從圖5中可以觀察到，兩種波形存在一定的相似之處，但也出現了一些相位差異。出現這種差異的原因主要是人體脈搏在上肢的傳導需要一定的時間，從而導致重構的呼吸信號相對于原始呼吸信號在時間上存在一定的滯后[15]。

2.2.2 呼吸率檢測

本研究采用時域方法中的峰值檢測法估算呼吸率，以捕獲信號在時間域上的變化。峰值檢測法的優勢在于其實現簡單且直觀，通過設置適當的閾值，可以選擇性地提取出信號中的波峰，而波谷通常對應著呼吸波的起伏下降。這種方法不需要事先對信號進行復雜的頻域分析或模型擬合，更適合用于實際生物醫學信號中存在的呼吸波動。

本文使用信號的峰值檢測函數findpeaks確定呼吸波的峰值及其對應的時間點，這種方式可有效地捕捉呼吸信號中的周期性起伏。通過計算相鄰峰值之間的時間差，獲得了呼吸波的周期，并將呼吸周期轉換為呼吸率，即每分鐘的呼吸次數。如此得到了一個與時間相關的呼吸率序列，結果如表1所示。

通常，相關研究以呼吸速率的準確性作為提取呼吸波信號的關鍵指標。表2中列出了10組參考的呼吸波信號與重構的呼吸波信號的呼吸頻率數據，以及提取呼吸速率的準確率。

2.3 脈息比估算

2.3.1 平均脈息比

在平均脈息比的估算中，首先計算選定PPG的平均脈搏速率，其次計算相同時間段內PPG提取的呼吸信號的平均呼吸頻率，最后將平均脈搏速率除以平均呼吸速率得到平均脈息比。表3為本實驗中的10組PPG信號的平均脈息比值數據。

根據長桑君脈法脈息術，正常的脈搏與呼吸的比值為4～5;將脈息比值小于4定義為少氣，小于3定義為明顯少氣;將脈息比值大于5定義為脈躁，大于6定義為明顯脈躁[1]。實驗對象的平均脈息比值為4～5，符合正常范圍。實驗對象8和9的平均脈息比值低于4，而實驗對象2和4的平均脈息比值高于5，可能存在病癥，需要進一步觀察和診斷。

2.3.2 動態脈息比

在動態脈息比計算的實驗中，采用了3種不同的方法，分別為脈搏峰值位置、脈搏時間間隔、脈搏持續時間。以上方法結合了數字信號處理技術和特定算法，旨在準確地捕捉脈搏波信號的動態變化。以第1組第4段PPG信號為例。

（1）脈搏峰值位置：通過循環遍歷每個呼吸波段，計算每個呼吸波段內的脈搏峰值數量。對于每個呼吸波段，使用邏輯索引獲取處于該時間范圍內的脈搏峰值，并統計波峰數量（圖6）。

（2）脈搏時間間隔：通過檢查脈搏時間間隔的起始和結束是否在當前呼吸周期內，計算該周期內的脈搏波數量（圖7）。若脈搏波的時間間隔總和未超出呼吸周期的時間范圍，則直接累加脈搏波數量;若超出時間范圍，則使用線性插值根據當前時間點進行估算，然后存儲計算得到的脈搏波數量。

（3）脈搏持續時間：通過遍歷每個呼吸周期，找到屬于該周期的脈搏峰值索引，計算相關采樣點數和平均采樣點數。根據采樣點數/頻率=持續時間，呼吸持續時間與脈搏持續時間相除，計算每個呼吸周期的脈息比（表4和圖8）。

繪制脈息比隨呼吸周期變化的圖像，實現了對動態脈息比變化的可視化展示。為了進一步處理和展示脈息比的變化趨勢，通過插值方法生成具有更多數據點的連續曲線，提高數據的光滑性，以便更清晰地觀察生理信號的動態特征（圖9）。

3 討論（Discussion）

在脈息比檢測實驗中，本研究估算了不同類型的脈息比值：平均脈息比和動態脈息比。動態脈息比的計算涉及3種不同的方法，分別基于脈搏峰值位置、脈搏時間間隔和脈搏持續時間。以下是對這些方法的詳細比較。

3.1 平均脈息比

平均脈息比作為一種簡單且直觀的計算方法，其優勢在于計算簡便，能夠提供對整體生理狀態的快速估計，其缺點在于只提供整體平均值，可能掩蓋了某些細節的變化，并且無法捕捉到短時間內的波動。

3.2 動態脈息比

（1）方法一：脈搏峰值位置計算。該方法的優勢在于結果直觀，考慮了脈搏峰值的具體位置，尤其適用于對脈搏位置準確性要求較高的情況;然而，其缺點在于遍歷脈搏峰值位置可能比較耗時，尤其在數據量較大的情況下，并且結果限制在整數計數，可能無法提供細致的小數計算結果。

（2）方法二：脈搏時間間隔計算。該方法不依賴于脈搏峰值的具體位置，因此具有相對較高的計算效率，并提供了一種相對靈活的計算方式，適用于不同的數據特征。然而，該方法需要計算時間間隔并進行插值，其準確性可能受到時間間隔計算準確性的影響。

（3）方法三：脈搏持續時間計算。該方法不依賴于脈搏峰值的具體位置，提供更高精度的小數計數結果，它考慮了脈搏波形的持續時間，能夠更全面地反映生理信號的動態變化;然而，其計算復雜度會增加，特別是在需要高精度計算的情況下，并且它可能對信號質量比較敏感。

在選擇脈息比計算方法時，需要綜合考慮計算精度、計算效率及對特定應用場景的適應性。不同方法的選擇可能取決于研究的具體目標、所使用的數據特征及對計算結果精度的要求。若對脈搏位置準確性要求高且能容忍較長的計算耗時，則選擇方法一;若期望減少對脈搏位置準確性的依賴且注重計算效率，則選擇方法二;若追求更高精度的計算結果，對計算復雜度有較高的容忍度，則選擇方法三。

4 結論（Conclusion）

本研究探討了基于PPG信號的脈息比檢測方法，并通過實驗成功估算出脈息比值。實驗結果表明，脈息比呈現出顯著的動態變化，并且不同患者的脈息比值因其個體生理狀態而存在差異。在確定脈息比計算方法時，必須在計算精度、計算效率及適應特定應用場景之間取得平衡。具體的方法選擇應綜合考慮研究目標、使用數據的特征，以及對計算結果精度的具體要求。本研究為PPG信號在臨床監測中的應用提供了有益參考，有助于實現對患者的健康狀況進行全面、動態的評估。未來的研究有望在深入探討脈息比與健康狀況之間關系的基礎上，推動脈息比檢測方法的進一步發展，并在臨床實踐中取得更廣泛的應用。

作者簡介：

葉曉璐（1999-），女，碩士生。研究領域：生物醫學信號處理。

陳兆學（1975-），男，博士，副教授。研究領域：生物醫學圖像和信號處理，中醫大數據，3D打印。