[论文解读] How Mathematics can help in sensing instantaneous physiological information from photoplethysmography in a fast and reliable way

Antonio Cicone, Hau‐Tieng Wu|arXiv (Cornell University)|Jan 9, 2017

Non-Invasive Vital Sign Monitoring参考文献 51被引用 1

一句话总结

该论文提出 deppG，一种新颖的数学算法，结合去形状短时傅里叶变换（de-STFT）与同步挤压变换（SST），从单通道光电容积脉搏波（PPG）信号中高精度、高稳定地提取瞬时心率（IHR）与呼吸率（IRR）。该方法在静态与动态生理条件下均达到最先进性能，在剧烈运动等高强度物理活动场景下仍表现出优异的鲁棒性，适用于可穿戴设备应用。

ABSTRACT

Despite the population of the noninvasive, economic, comfortable, and easy-to-install photoplethysmography (PPG), it is still lacking a mathematically rigorous and stable algorithm which is able to simultaneously extract from a single-channel PPG signal the instantaneous heart rate (IHR) and the instantaneous respiratory rate (IRR). In this paper, a novel algorithm called deppG is provided to tackle this challenge. deppG is composed of two theoretically solid nonlinear-type time-frequency analyses techniques, the de-shape short time Fourier transform and the synchrosqueezing transform, which allows us to extract the instantaneous physiological information from the PPG signal in a reliable way. To test its performance, in addition to validating the algorithm by a simulated signal and discussing the meaning of instantaneous, the algorithm is applied to two publicly available batch databases, the Capnobase and the ICASSP 2015 signal processing cup. The former contains PPG signals relative to spontaneous or controlled breathing in static patients, and the latter is made up of PPG signals collected from subjects doing intense physical activities. The accuracies of the estimated IHR and IRR are compared with the ones obtained by other methods, and represent the state-of-the-art in this field of research. The results suggest the potential of deppG to extract instantaneous physiological information from a signal acquired from widely available wearable devices, even when a subject carries out intense physical activities.

研究动机与目标

• 为解决目前缺乏一种稳定且数学严谨的算法，用于同时从单通道PPG信号中估计瞬时心率（IHR）与呼吸率（IRR）的问题。
• 开发一种方法，确保在包括自主呼吸与高强度身体活动在内的多种生理条件下均具备可靠性与高精度。
• 为现有PPG信号处理中基于启发式或稳定性较差的方法提供理论基础扎实的替代方案。
• 在已知真实值的公开数据库上验证该算法在IHR与IRR估计上的性能表现。

提出的方法

• 该算法采用去形状短时傅里叶变换（de-STFT），通过适应信号波形变化来提升时频分辨率。
• 结合同步挤压变换（SST），将时频平面上的能量集中重新分配，从而提高瞬时频率的定位精度。
• de-STFT与SST的结合使算法能够从噪声大、非平稳的PPG信号中稳健提取瞬时生理分量。
• 该方法设计用于在同一单通道信号中同时处理低频呼吸调制与高频心脏搏动。
• 通过模拟信号验证算法，以明确“瞬时”生理速率的定义。
• 在两个公开数据库上对性能进行基准测试：Capnobase（静态患者）与ICASSP 2015信号处理竞赛数据集（动态受试者）。

实验结果

研究问题

• RQ1 是否存在一种数学严谨且稳定的算法，能够从单通道PPG信号中同时提取瞬时心率与呼吸率？
• RQ2 所提出的deppG方法在静态与动态生理条件下，相较于现有最先进方法表现如何？
• RQ3 在高运动量或高强度身体活动场景下，该算法的准确性能保持到何种程度？
• RQ4 使用de-STFT与同步挤压变换在瞬时生理信号提取中的理论与实际意义是什么？

主要发现

• deppG在Capnobase与ICASSP 2015数据库上均实现了IHR与IRR估计的最先进精度。
• 该算法在受试者经历高强度身体活动时表现出极高的可靠性与稳定性，而传统方法在此类场景下常失效。
• 使用de-STFT与同步挤压变换可实现对瞬时频率的精确定位，即使在噪声干扰与信号非平稳条件下亦成立。
• 基于模拟信号的验证结果证实，该算法能正确提取瞬时生理速率，支持其理论严谨性。
• 结果表明，由于其鲁棒性与计算效率，deppG适用于在广泛可用的可穿戴设备上实现实时处理。
• 在包括控制呼吸与自主呼吸在内的多种生理状态中，该方法在精度与稳定性方面均优于现有方法。