基于HHT分解光电容积脉搏波信号的人体血液流变信息评估
Human hemorheology information evaluation based on Hilbert-Huang transform to decompose photoplethysmography signal
通讯作者:
收稿日期: 2019-05-22
Received: 2019-05-22
作者简介 About authors
于露(1990—),女,博士生,从事有限空间、光电容积脉搏波信号研究.orcid.org/0000-0002-0306-024X.E-mail:
为了识别人体光电容积脉搏波(PPG)信号中表征血液流变信息的动力分量并分析其特点,设计低氧实验. 测量30位受试者在正常氧(20%~21%)和极端低氧(15%~16%)2种氧气体积分数环境中的PPG信号,利用希尔伯特黄变换(HHT)算法分解信号. 通过经验模式分解得到,PPG信号中实际表征血液流变信息的动力分量为固有模式函数IMFX,其时域特点有2个,一个是有类似动脉收缩舒张的波形,另一个是周期性振荡. 基于Hilbert变换得到IMFX的瞬时频率和边际谱,其瞬时频率大多为1.5~2.5 Hz,且在低氧环境中此频率段内的边际谱幅值显著小于正常氧环境情况下的(P<0.05),证明利用该特征可以有效识别低氧诱导的血液流变变化.
关键词:
A hypoxia experiment was designed, in order to identify the dynamic component of the hemorheology information in the photoplethysmography (PPG) signal and analyze its characteristics. A total of thirty subjects were measured for PPG signals under normal oxygen volume fraction condition (20%~21%) and low oxygen volume fraction condition (15%~16%), respectively. The signal was analyzed based on the Hilbert-Huang transform (HHT) algorithm. The empirical mode decomposition results show that the dynamic component actually representing the hemorheology information of the PPG signal is intrinsic mode function IMFX. There are two time domain features of IMFX, one is a waveform similar to the arterial systolic relaxation, and the other is a periodic oscillation. The instantaneous frequency and marginal spectrum of IMFX were obtained based on the Hilbert transform algorithm, and the instantaneous frequency was mostly 1.5~2.5 Hz. In the hypoxic environment, the amplitude of the Hilbert marginal spectrum in the above frequency range is significantly smaller than that of the normal oxygen environment (P<0.05), which proves that this feature can be used to determine the hemorheological changes caused by hypoxia.
Keywords:
本文引用格式
于露, 金龙哲, 徐明伟, 刘建国.
YU Lu, JIN Long-zhe, XU Ming-wei, LIU Jian-guo.
光电容积描记术(photoplethysmography,PPG)是非侵入性光学方法,用于检测微血管组织中血容量的变化[1-2]. 测量原理是光与生物组织的有效相互作用,包括多重散射、吸收、反射、透射的光学过程. 对于PPG信号的生理学起源目前仍有争论,主要可以概括为3种理论模型:1)早期的研究共识是,心脏搏动引起动脉血管中血容量变化,导致透过生物组织的光强度发生变化[3];2)Kamshilin等[4]提出PPG信号周期性变化的来源是动脉压力的脉动振荡使真皮结缔组织变形引起毛细血管血体积流量变化从而导致光散射和吸收的周期性变化;3)Volkov等[5]最近提出,PPG波形实质来源于毛细血管中红细胞的迁移速度和相位变化. 尽管对于PPG波形的生理起源,尚未达成统一共识,但这3种理论模型都强调PPG信号与血液流变信息的高度相关性,包括血管血容量、血管壁振荡和红细胞的方位[6-8]. 在实际测量中PPG信号的动力成分是复杂的,波形中包含丰富的生理信息,如心率调节[9]、血压调节[10]、呼吸调节[11]、神经调节[12]和其他噪音. 如何从PPG信号中剥离出实质表征血液流变信息的动力组分是推广这种技术在医学和其他研究实践中广泛应用的关键.
因此,本研究采用希尔伯特黄变换(Hilbert-Huang transform,HHT)对PPG信号进行分解,考察人体PPG信号频域特征,寻找信号中实际表征血液流变信息的动力成分. 设计低氧实验,分析由低氧诱导的人体血液流变变化信息在PPG信号中的变化趋势.
1. 材料与方法
1.1. 受试者
从北京科技大学招募30名健康青年大学生(男性、女性各15名;年龄为22.7±3.7岁). 受试者均无神经或心血管疾病史,无吸烟习惯,实验前10 d无药物使用. 实验方案得到北京大学生物医学伦理委员会批准(批准号为IRB00001052-18077),并按照赫尔辛基宣言所阐述的道德标准进行. 将实验方案于实验前告知所有受试者,并在受试者同意后进行实验.
1.2. 实验设计
图 1
图 1 低氧条件下的人体血液流变测试实验
Fig.1 Hemorheology information test experiment under hypoxia environment
PPG数据采集使用透射式商业测量装置(DHD-6000),采样频率为500 Hz,装置光源由发射780、850 nm波长的双波长激光二极管组成,可穿透皮肤组织深度2.5 mm,采集装置如图2所示. 考虑到受试者皮肤色素沉着、皮肤厚度差异等生物因素,针对每个受试者单独校准检验器增益,保证信号强度最大化.
图 2
所有受试者经历相同的实验方案. 环境温度过低可能导致周围血管收缩而引起实验误差,故在实验开始之前要求受试者以仰卧姿势在环境温度为26±1 °C的房间内休息30 min,待血液动力学参数稳定后再进入实验舱. 在受试者进舱后,立即关闭舱门,测量此时右手食指指端PPG连续信号7 min,获得超过400个PPG完整波形,测量全程要求受试者完全静息,测量数据记录为正常氧气体积分数情况下PPG信号数据. 在第1次测量结束后,通过放置在舱内的压缩气瓶缓慢向舱内释放氮气(N2),通过无线气体浓度监测传感器监测舱内氧气体积分数的变化. 待舱内氧气体积分数降至15%~16%时,再次测量受试者PPG信号,一般选择在氧气体积分数约为15.5%时开始测量,采集连续PPG信号7 min,记录为极端低氧情况下PPG信号数据. 同时记录所有受试者在不同氧气体积分数条件下的心率(受试者数量较多,故取所有受试者心率的平均值),如表1所示. 对2种氧气体积分数条件下受试者的心率做独立样本t检验,确认在2种氧气体积分数条件下受试者心率存在显著性差异(P<0.05). 通过控制N2释放速度,保证在每次实验中氧气体积分数的下降速率基本一致,一般情况下舱内氧气体积分数变化情况如图3所示. 图中,φ为氧气体积分数.
表 1 正常氧与低氧条件下受试者心率
Tab.1
环境 | 性别 | 心率/(次∙min−1) |
1)注:数值为平均值±标准差 | ||
正常氧环境 | 男性 | 70±2.31) |
女性 | 83±2.1 | |
低氧环境 | 男性 | 102±3.6 |
女性 | 119±1.8 |
图 3
1.3. 数据处理
图 4
2. 基于HHT的波形非线性分析
2.1. 经验模式分解
经验模式分解过程即筛选过程,实现振动模式的提取. EMD的基本思路是用信号上、下包络的平均值去确定“瞬时平衡位置”,进而提取出固有模态函数. 上、下包络线是由三次样条函数对极大值点和极小值点进行拟合得到的. EMD的算法思路如图5所示. 图中,
图 5
2.2. Hilbert变换及其边际谱
在完成经验模式分解过程后就得到所有可提取的固有模态函数,根据Hilbert变换公式(式(1)~(4))可求得瞬时频率. 任何信号
式中:PV为柯西主值,
可在极坐标中重写式(2):
式中:
其中,
从瞬时相位可以导出瞬时频率:
在对固有模式函数进行Hilbert转换后,信号表达式如下:
式中:
为了确保从式(5)中获得的瞬时频率具有物理意义,瞬时相位必须是单调函数. 由Hilbert变换得出的振幅和频率都是时间的函数,如果用三维图形表达幅值、频率和时间之间的关系,就可以得到Hilbert谱,表达式如下:
对时间积分,就得到希尔伯特边际谱,表达式如下:
Hilbert边际谱提供对每个瞬时频率的总振幅的量测,表达整个时间长度内累积的振幅.
3. 结果与讨论
3.1. 基于EMD分解PPG信号的固有模态函数时域特征分析
图 6
图 6 光电容积脉搏波信号的经验模式分解结果
Fig.6 Empirical mode decomposition results of photoplethysmography signal
Wu等[24-25]认为桡动脉处PPG信号经EMD分解得到的IMF5是表征血液流变特性的实际生理动力成分,并认为该IMF的序号是固定的,为IMF5. 本研究分解得到的IMF7与文献中的IMF5具有类似的形状和周期振荡性质,但IMF序号不一致. 为了探究这种差异产生的原因,定义PPG信号中可表征血液流变特性的实际动力组分为IMFX. 对所有受试者在正常氧和低氧2种条件下的PPG信号进行EMD分解,并对IMF分解数量进行统计分析,统计结果如图7(a)所示. 图中,
图 7
3.2. IMFX的频域讨论
虽然PPG信号中实际表征血液流变信息的动力成分IMFX的几何位置无明显规律性,但可以尝试从频域分析中提取其特征. 以图6中的IMF分解为例,图6中各IMF的Hilbert边际谱如图8所示,从左到右分别为IMF1至IMF10的边际谱图. 图中,f为瞬时频率,Vms1~Vms10分别为IMF1~IMF10边际谱振幅. 观察各IMF的边际谱瞬时频率及振幅,揭示各IMF隐藏的可能生理意义:1)IMF1~IMF4的边际谱振幅较小且高频成分占主导,可能是器械和其他干扰造成的高频噪声. 2)IMF5之后的固有模式函数的瞬时频率主要集中在10 Hz以下,一般12 Hz以下符合正常生理范围[26],说明IMF5之后的固有模式函数均属于人体自身生物信号. IMF5、IMF6的瞬时频率主要集中在1~3 Hz,但幅值较小,且从图6中观察不到两者形态上的周期振荡,其生理意义难以界定,可能是微弱的血管机械振荡或心脏调节. IMF8~IMF10的瞬时频率集中在1 Hz以下,理论上应属于类似呼吸的生理震动. 3)IMF7是本研究寻找到的可评估血液流变特性的固有模式函数,重点关注此IMF的边际谱. 在该受试者的试例分解中,IMF7的瞬时频率主要集中在1.5~2.5 Hz. 针对是否所有IMFX的瞬时频率都集中在1.5~2.5 Hz这一猜想,对每位受试者在2种氧气体积分数情况下的IMFX进行Hilbert边际谱分析.
图 8
为了证明所有IMFX的瞬时频率均集中在1.5~2.5 Hz,对IMFX的Hilbert边际谱做如图9所示的理论处理. 图中,Vms为边际谱振幅. 分别计算IMFX全段边际谱振幅曲线与频率轴形成的积分面积
图 9
图 9 IMFX边际谱理论处理过程示意图
Fig.9 Schematic diagram of IMFX marginal spectrum theory process
图 10
表 2 所有受试者IMFX边际谱振幅统计表
Tab.2
编号 | φ | 全瞬时频率边际谱 振幅/(μV2·Hz−1) | P | 1.5~2.5 Hz边际谱 振幅/(μV2·Hz−1) | P | 编号 | φ | 全瞬时频率边际谱 振幅/(μV2·Hz−1) | P | 1.5~2.5 Hz边际谱 振幅/(μV2·Hz−1) | P | |
1)注:边际谱振幅为平均值±标准差,独立样本t检验 | ||||||||||||
1 | 低 | 2.4±35.61) | P<0.05 | 461.1±270.1 | P<0.05 | 16 | 低 | 3.9±45.0 | P<0.05 | 390.3±106.0 | P<0.05 | |
正 | 8.3±95.4 | 1 336.2±405.0 | 正 | 4.4±51.0 | 538.1±537.8 | |||||||
2 | 低 | 2.4±24.6 | P<0.05 | 336.5±101.1 | P<0.05 | 17 | 低 | 4.9±58.2 | P<0.05 | 722.5±119.7 | P<0.05 | |
正 | 3.9±46.8 | 545.4±285.9 | 正 | 7.8±83.7 | 955.8±437.8 | |||||||
3 | 低 | 2.4±35.4 | P<0.05 | 249.9±250.8 | P<0.05 | 18 | 低 | 3.7±46.8 | P<0.05 | 757.7±201.3 | P<0.05 | |
正 | 8.8±91.0 | 809.4±552.5 | 正 | 8.2±79.4 | 1 063.3±439.0 | |||||||
4 | 低 | 4.8±58.1 | P<0.05 | 804.8±301.7 | P<0.05 | 19 | 低 | 3.6±34.6 | P>0.05 | 480.5±298.9 | P<0.05 | |
正 | 8.2±93.8 | 1 156.3±431.3 | 正 | 4.8±58.1 | 656.0±212.2 | |||||||
5 | 低 | 3.4±35.3 | P>0.05 | 398.6±240.1 | P<0.05 | 20 | 低 | 4.4±45.7 | P>0.05 | 424.0±241.4 | P<0.05 | |
正 | 3.8±55.6 | 664.7±438.9 | 正 | 5.2±95.9 | 1 020.4±94.3 | |||||||
6 | 低 | 7.0±77.2 | P>0.05 | 956.3±372.6 | P<0.05 | 21 | 低 | 6.8±66.3 | P>0.05 | 689.4±299.5 | P<0.05 | |
正 | 7.8±100.2 | 1 430.0±456.7 | 正 | 7.5±88.2 | 1 448.5±98.3 | |||||||
7 | 低 | 3.1±39.7 | P>0.05 | 273.8±290.4 | P<0.05 | 22 | 低 | 6.3±78.2 | P>0.05 | 947.4±371.8 | P<0.05 | |
正 | 4.3±53.0 | 443.5±190.7 | 正 | 6.9±46.7 | 1 212.6±200.8 | |||||||
8 | 低 | 1.8±23.0 | P>0.05 | 238.0±137.2 | P<0.05 | 23 | 低 | 3.1±70.8 | P>0.05 | 653.8±292.4 | P<0.05 | |
正 | 2.6±30.8 | 415.7±158.5 | 正 | 5.7±27.6 | 920.5±382.2 | |||||||
9 | 低 | 2.4±28.1 | P<0.05 | 362.0±77.3 | P<0.05 | 24 | 低 | 2.8±50.7 | P>0.05 | 340.5±211.0 | P<0.05 | |
正 | 9.8±128.6 | 1 378.7±1 205.5 | 正 | 3.7±42.1 | 666.4±622.8 | |||||||
10 | 低 | 2.6±35.6 | P<0.05 | 456.1±269.1 | P<0.05 | 25 | 低 | 3.6±27.4 | P>0.05 | 346.5±147.8 | P<0.05 | |
正 | 8.6±95.4 | 1 336.2±405.0 | 正 | 5.6±79.6 | 679.8±902.8 | |||||||
11 | 低 | 2.4±25.8 | P<0.05 | 466.7±360.5 | P<0.05 | 26 | 低 | 2.8±18.2 | P>0.05 | 667.9±322.2 | P<0.05 | |
正 | 8.6±56.7 | 828.2±402.5 | 正 | 4.8±56.7 | 1 236.7±980.6 | |||||||
12 | 低 | 3.2±38.6 | P>0.05 | 268.7±180.2 | P<0.05 | 27 | 低 | 4.7±52.8 | P<0.05 | 713.4±116.9 | P<0.05 | |
正 | 4.3±52.8 | 420.6±180.5 | 正 | 7.6±78.2 | 985.6±420.8 | |||||||
13 | 低 | 2.3±35.9 | P<0.05 | 385.6±270.3 | P<0.05 | 28 | 低 | 3.8±34.2 | P<0.05 | 460.4±278.3 | P<0.05 | |
正 | 8.6±94.7 | 678.2±540.7 | 正 | 4.7±52.1 | 1 042.7±580.5 | |||||||
14 | 低 | 7.1±67.3 | P>0.05 | 964.3±342.6 | P<0.05 | 29 | 低 | 3.5±34.2 | P>0.05 | 462.0±278.7 | P<0.05 | |
正 | 7.6±102.4 | 1 328.7±568.9 | 正 | 4.7±57.1 | 667.0±548.3 | |||||||
15 | 低 | 2.4±25.7 | P<0.05 | 248.0±168.2 | P<0.05 | 30 | 低 | 2.4±28.7 | P<0.05 | 362.0±77.3 | P<0.05 | |
正 | 4.5±55.7 | 737.6±306.5 | 正 | 9.9±100.6 | 1 378.7±1 202.5 |
4. 结 论
(1)使用EMD技术分解人体指端PPG信号,原始信号被分解为一系列具有不同振动模式的固有模态函数. 研究发现,其中的某个固有模态函数(自定义为IMFX)是实际可以表征人体血液流变信息的动力分量. 确认依据是其具有类似动脉收缩和舒张波形且其具有明显可辨别的周期振荡性质.
(2)IMFX的特点为,在不同个体中,其几何位置不同,不是固定的固有模式函数,但其频域特征统一表现为瞬时频率主要集中在1.5~2.5 Hz.
(3)IMFX经Hilbert变换后,其1.5~2.5 Hz瞬时频率段的边际谱振幅对人体血液流变变化是敏感的. 表现为,正常氧气体积分数条件下与低氧条件下振幅具有显著性差异,趋势为低氧情况下振幅显著较低. 这种判别依据有可能成为人体在低氧环境生存极限的预警方法.
(4)本研究展示了使用指端PPG技术评估人体血液动力的可行性及利用HHT处理PPG信号的可行性,为这种便携廉价的设备技术的推广提供了理论支撑,且为特殊极端环境下人体血液流变变化无创检测提供了新思路. 接下来,希望结合成熟的医学手段严格证明本研究的研究结果.
参考文献
Photoplethysmography and its application in clinical physiological measurement
[J].DOI:10.1088/0967-3334/28/3/R01 [本文引用: 1]
Utility of the photoplethysmogram in circulatory monitoring
[J].DOI:10.1097/ALN.0b013e31816c89e1 [本文引用: 1]
Skin photoplethysmography: a review
[J].DOI:10.1016/0169-2607(89)90159-4 [本文引用: 1]
A new look at the essence of the imaging photoplethysmography
[J].
Video capillaroscopy clarifies mechanism of the photoplethysmographic waveform appearance
[J].DOI:10.1038/s41598-017-13552-4 [本文引用: 1]
Comparison of systolic blood pressure values obtained by photoplethysmography and by korotkoff sounds
[J].DOI:10.3390/s131114797 [本文引用: 1]
Wearable photoplethysmographic sensors: past and present
[J].DOI:10.3390/electronics3020282
‘Go with the flow’: a review of methods and advancements in blood flow imaging
[J].DOI:10.1002/jbio.201200071 [本文引用: 1]
Digital photoplethysmography for assessment of arterial stiffness: repeatability and comparison with applanation tonometry
[J].DOI:10.1371/journal.pone.0135659 [本文引用: 1]
Photoplethysmography for the assessment of haemorheology
[J].DOI:10.1038/s41598-017-01636-0 [本文引用: 1]
Relations between ac-dc components and optical path length in photoplethysmography
[J].DOI:10.1117/1.3600769 [本文引用: 1]
Assessment of cerebral autoregulation using continuous-wave near-infrared spectroscopy during squat-stand maneuvers in subjects with symptoms of orthostatic intolerance
[J].DOI:10.1038/s41598-018-31685-y [本文引用: 1]
Optical blood pressure estimation with photoplethysmography and FFT-based neural networks
[J].
A novel approach for motion artifact reduction in PPG signals based on AS-LMS adaptive filter
[J].
Monitoring heart and respiratory rates at radial artery based on PPG
[J].
Optimal signal quality index for photoplethysmogram signals
[J].
基于光电容积脉搏波的有限空间生理疲劳测量
[J].
Confined space physiological fatigue measurement based on photoplethysmographypulse wave signal
[J].
A review on Hilbert‐Huang transform: method and its applications to geophysical studies
[J].
A comparison study of improved Hilbert-Huang transform and wavelet transform: application to fault diagnosis for rolling bearing
[J].DOI:10.1016/j.ymssp.2004.01.006 [本文引用: 1]
Hilbert-Huang transform-based vibration signal analysis for machine health monitoring
[J].DOI:10.1109/TIM.2006.887042 [本文引用: 1]
Ensemble empirical mode decomposition: a noise-assisted data analysis method
[J].DOI:10.1142/S1793536909000047 [本文引用: 1]
Distinction between essential and physiological tremor using Hilbert-Huang transform
[J].
A novel noninvasive measurement technique for analyzing the pressure pulse waveform of the radial artery
[J].DOI:10.1109/TBME.2007.910681 [本文引用: 1]
Arterial stiffness using radial arterial waveforms measured at the wrist as an indicator of diabetic control in the elderly
[J].DOI:10.1109/TBME.2010.2084087 [本文引用: 1]
Instantaneous frequency from Hilbert-Huang transformation of digital volume pulse as indicator of diabetes and arterial stiffness in upper-middle-aged subjects
[J].DOI:10.1038/s41598-018-34091-6 [本文引用: 1]
Harmonic analysis of noninvasively recorded arterial pressure waveforms in healthy bonnet macaques (macacaradiata)
[J].
/
〈 |
|
〉 |
