目的:验证基于光电容积脉搏波描记术（PPG）的无创血红蛋白检测仪的准确性。方法:采用偏最小二乘（PLS）机器学习算法和PPG技术研发无创血红蛋白检测仪，对无偿献血人群和中国人民解放军总医院血液科患者采用新研发的无创设备检测血红蛋白（SpHb），有创血常规检测血红蛋白值（tHb）做参考。数据分析采用软件MATLAB R2015b，通过相关系数（ R）、均方根误差（ RMSE）、残差、克拉克（Clarke）网格误差分析和软件MedCalc19.5.6进行Bland-Altman（BA）分析验证其血红蛋白检测准确度。 结果:与临床常用有创检测方法比较，二者相关系数 R=0.915 2， RMSE为0.959 51。Clarke误差网格分析结果显示，数据均位于A区（88.82%）和B区（11.18%），C区无数据分布。BA一致性分析显示，SpHb与tHb差值的平均值0.7 g/L，95%可信区间（ CI）-18.1~19.5g/L。 结论:基于PPG无创检测血红蛋白技术可快速准确测量患者血红蛋白水平，有望替代传统的有创血红蛋白检测方法。

为实现血红蛋白浓度的无创检测,设计基于支持向量回归的血红蛋白浓度检测方法.首先,基于Beer-Lambert定律建立血红蛋白无创检测数学模型;然后,对采集的光电容积脉搏波描记法(PPG)信号进行降噪和滤除基线漂移处理后提取出血红蛋白浓度特征信息,并使用递归特征消除算法对提取的特征信息进行选择,以去除冗余特征;最后,将筛选出的29个特征信息作为回归模型的输入特征,并采用支持向量回归算法构建血红蛋白预测回归模型.通过对249例临床数据进行试验验证(其中199例作为训练数据集,50例作为测试数据集),得出预测值与参考值的均方根误差为1.83 g/dL,相关系数为0.75(P<0.01),试验结果表明本文方法与传统有创检测方法具有较强的一致性.

背景 慢性失眠是老年人群常见的疾病之一,常伴有不同程度的认知功能损害,严重影响老年人生活质量,而关于老年慢性失眠患者认知功能损害的生物学机制尚不明确.目的 探讨老年慢性失眠患者认知功能与失眠严重程度、血清25-羟维生素D3[25(OH)D3]及肿瘤坏死因子α(TNF-α)水平的相关性.方法 选取2020年6月—2022 年 6 月在中国人民解放军联勤保障部队第九〇一医院诊治的老年慢性失眠患者 105 例为研究对象,入组前进行匹兹堡睡眠质量指数量表(PSQI)、老年抑郁量表(GDS-15)、广泛性焦虑障碍量表(GAD-7)测试,并根据PSQI评分将患者按照失眠严重程度进行分组,其中轻度失眠组 32 例、中度失眠组 38 例、重度失眠组 35 例.运用光电容积脉搏波描记法(PPG)评估患者客观睡眠质量,监测总睡眠时间、睡眠潜伏期、睡眠效率及觉醒次数;采用简易智能精神状态量表(MMSE)和蒙特利尔认知评估量表(MoCA)评估患者的认知功能;运用酶联免疫吸附试验法检测患者血清 25(OH)D3、TNF-α水平.结果 重度失眠组睡眠潜伏期长于轻度失眠组和中度失眠组,觉醒次数高于轻度失眠组和中度失眠组,总睡眠时间少于轻度失眠组,睡眠效率低于轻度失眠组和中度失眠组;中度失眠组睡眠潜伏期长于轻度失眠组,睡眠效率低于轻度失眠组(P<0.05).重度失眠组MMSE、MoCA评分均低于轻度失眠组和中度失眠组,中度失眠组MMSE、MoCA评分均低于轻度失眠组(P<0.05).重度失眠组血清TNF-α水平高于轻度失眠组和中度失眠组,25(OH)D3 水平低于轻度失眠组和中度失眠组(P<0.05);中度失眠组血清TNF-α水平高于轻度失眠组,25(OH)D3 水平低于轻度失眠组(P<0.05).Spearman秩相关分析结果显示,MMSE、MoCA评分与总睡眠时间、睡眠效率和25(OH)D3 水平呈正相关(P<0.05),与失眠严重程度、睡眠潜伏期、觉醒次数和TNF-α水平呈负相关(P<0.05).结论 老年慢性失眠患者认知功能损害可能与失眠严重程度及血清 25(OH)D3 水平降低、TNF-α水平升高有关.

成像式光电容积描记技术能够实现低成本、非接触的远程生理参数检测与估计.其中,基于色度模型的视频图像心率估计算法计算简单、效率高,且具有较强的抗运动干扰能力,但并未考虑实验中光照变化产生的信号干扰.针对该问题,提出一种基于改进色度模型的非接触心率估计算法,通过定义感兴趣(ROI)区域和背景区域的反射光模型,利用两种区域颜色通道信息的比值来消除光照干扰,从而得到消除光照干扰的色度模型,并进行脉搏波的提取与心率估计.对10名在校大学生采集到的人脸图像进行分析,发现该算法估计心率的相对误差为3.52％±2.53％,原始色度模型算法的相对误差为7.23％ ±2.82％,两者对比有显著性差异(P＜0.01).该算法能有效抑制光照变化所引起的干扰,使所提取脉搏波信号的信噪比平均提高1.52 dB,这对更精确地进行非接触式心率估计与脉搏波信号提取具有重要意义.

介绍了基于成像式光电容积描记技术(imaging photoplethysmography,IPPG)的非接触式人体生理参数测量算法的研究工作.在自主研发的IPPG非接触生理参数测量仪中运用IPPG的新原理.运用视频图像处理的新方法,基于视频信号检测经过人体组织和血液吸收后的反射光强不同,从得到的脉搏波中计算出心率、呼吸频率及血氧饱和度.实现了人体生理参数无创连续非接触测量的新技术.经过实验验证与对比分析,本系统取得了较好的测量效果.在未来家庭健康医疗发展的场景下,具有很大的应用价值.

目的:研究一种基于脉搏波的稳定检测心率的算法.方法:提出一种基于快速独立成分分析(FastICA)算法处理指端脉搏波视频信号.首先通过手机摄像头采集手指视频,在每帧图片中提取感兴趣区域(ROI),根据每个区域中像素灰度值的变化得到血液容积变化的时序曲线;然后通过对ROI进行RGB通道分离和FastICA后,分别选取红、绿色分量与盲源分离后的估计信号进行相关性分析,筛选出相关性最大的作为后续提取心率的信号,并与波峰法测得的心率进行对比,得到一种稳定的心率检测算法,并利用SPSS软件做相关性分析.结果:选取R、G通道信号的一致性在95％以上,基于FastICA的算法与统计波峰法获取心率的一致性在95％以上.结论:FastICA算法能够有效地提高心率测量的稳定性,实验结果验证了该方法的可行性和有效性,对于基于脉搏波的人体生理参数获取具有重要意义.

针对目前提取呼吸波准确性不高的问题,本研究提出了一种从光电容积描记(photoplethysmogra-phy,PPG)信号中提取呼吸波的有效方法.在MIMIC Database中获取人体同时段的多路生理信号,包括PPG信号和呼吸波信号.首先,利用经验模态分解算法(empirical mode decomposition,EMD)对PPG信号进行分解,得到各层本征模函数(intrinsic mode function,IMF),选择合适的IMF分量重构出呼吸波信号;然后将重构的呼吸波信号与采用PPG信号同时段的原始呼吸波信号进行比较,结果显示,呼吸波信号速率的准确率均在90％以上,AR功率谱中的相关性系数均在85％以上,呼吸波信号相对相干系数也显示该方法的优越性.采用EMD算法可以有效地从PPG信号中提取呼吸波,这对于临床实践中的无创检测,医疗设备的改进具有重要意义.

目的 研究开发一种便携式无创血红蛋白检测系统,实现人体总血红蛋白浓度的连续、实时监测.方法 系统采用 8个波长发光二极管(LED)作为光电容积脉搏波描记法(PPG)信号光源,联合约束独立成分分析和自适应滤波新方法消除PPG源信号的运动伪迹,应用主成分分析(PCA)和后向反馈人工神经网络(BP-ANN)相结合的新方法对 PPG信号特征进行提取并利用十折交叉验证方法建立血红蛋白浓度的预测模型,无创系统样机和传统有创血液分析仪同步检测 106例志愿者血红蛋白浓度.结果 无创检测结果(SpHb_BP)和传统有创检测结果(Lab_tHb)的均方根误差为1.02 g/dL.相关系数为 0.73 (P<0. 001) ; Bland-Altman图显示 SpHb_BP与 Lab_tHb平均偏倚绝对值为 0.05 g/dL,99.1%005/106)的点在 95%一致性界限内.结论 基于 8波长 PPG信号实现了无创血红蛋白检测系统研制,系统与临床有创血红蛋白浓度检测结果具有较好的一致性.

光电容积描记术(photoplehysmography,PPG)通过光电技术记录由心脏舒缩活动引起皮肤下微血管组织中血容量的变化,它是一种非侵入性光学生物监测技术,具有使用简单、无创、便携、准确、实时、可重复等特点.随着光电技术的不断发展,PPG在医学领域的应用也愈加广泛.

欧拉视频放大技术常被应用在光电容积脉搏波信号增强过程中,脉率测量是需要经常进行的处理,为明确脉率在经过此放大以后是否受到影响,本研究对放大前后信号的峰值关键特征进行比较和研究.由于熵被广泛用来表征信号的复杂性,其通过计算信息的平均产生率来进行检测和分析,且由于多尺度样本熵的计算不依赖数据长度并具有良好的一致性,所以本研究基于多尺度样本熵对脉搏的瞬时心率进行比较.试验结果表明:脉搏信号放大前后保持基本脉率,但放大后样本熵数值比放大前略低,说明欧拉视频放大技术对数据的复杂度方面有减弱作用,同时使其信号结果更加稳定.