[论文解读] Delineation of Raw Plethysmograph using Wavelets for Mobile based Pulse Oximeters

Sangeeta Soni, Yogendra Namjoshi|arXiv (Cornell University)|Nov 1, 2010

Non-Invasive Vital Sign Monitoring参考文献 2被引用 4

一句话总结

本文提出一种基于小波的算法，可精确提取移动式和便携式脉搏血氧仪的原始容积脉搏波信号，从而在噪声较大的红外与红光波长信号中实现精确的波峰和基线检测。该方法通过有效去噪和波形分割，提升了心率与SpO2估算的准确性，在资源受限的移动环境中表现出稳健性能。

ABSTRACT

The non-invasive pulse-oximeter is a crucial parameter in continuous monitoring systems. It plays a vital role from admission of the patient to surgeries with general anaesthesia. The paper proposes the application of wavelet transform to delineate the raw plethysmograph signals obtained from basic portable and mobile-powered electronic hardware. The paper primarily focuses on finding peaks and baseline from noisy infrared and red waveforms which are responsible for calculating heart-rate and oxygen saturation percentages.

研究动机与目标

• 提升移动式和便携式脉搏血氧仪中心率与血氧饱和度（SpO2）估算的准确性。
• 解决来自红外与红光波长传感器的原始容积脉搏波信号噪声干扰问题。
• 开发一种适用于低功耗移动硬件的稳健、实时信号处理方法。
• 实现容积脉搏波形中波峰与基线的可靠检测，以支持持续患者监测。

提出的方法

• 应用离散小波变换（DWT）将原始容积脉搏波信号分解为近似系数与细节系数。
• 采用Daubechies与Coiflet小波进行多分辨率分析，以分离出相关信号特征。
• 对细节系数进行阈值处理，以抑制噪声，同时保留血流动力学特征。
• 利用逆向DWT重构去噪信号，用于后续波峰与基线检测。
• 在去噪信号上实施波峰检测算法，以识别R波峰并估算心率。
• 通过平滑重构信号包络实现基线估计，以支持SpO2计算。

实验结果

研究问题

• RQ1 小波变换如何有效去除移动式脉搏血氧仪原始容积脉搏波信号中的噪声？
• RQ2 何种小波族与分解层级可在噪声容积脉搏波信号中实现最优的波峰与基线检测？
• RQ3 基于小波的预处理是否能提升低功耗移动设备中心率与SpO2估算的准确性？
• RQ4 与传统滤波技术相比，该方法在抗运动伪影与噪声干扰方面的鲁棒性如何？

主要发现

• 基于小波的方法显著降低了移动式脉搏血氧仪原始容积脉搏波信号中的噪声。
• 经小波去噪后信噪比提升，波峰检测准确性得到改善。
• 经小波重构与平滑处理后，基线估计更加稳定可靠。
• 该方法在低功耗移动硬件平台中实现了实时处理的稳健性能。
• 与标准低通滤波相比，Daubechies与Coiflet小波在保留血流动力学特征方面表现更优。
• 整体方法实现了在噪声环境下的精确、连续心率与SpO2监测。