基于生成对抗网络的PPG-ECG信号转换方法

心电（Electrocardiogram, ECG）信号的长期检测与评估对心血管疾病的诊断和预防至关重要。心电信号的检测通常需要在患者身上安装电极,易使受试者产生不适感,适用范围有限。相对而言,使用光电容积描记法（Photoplethysmography, PPG）检测得到的脉搏波（Pulse wave）信号不仅包含丰富的心血管生理和病理信息,而且易于测量。考虑到PPG与ECG信号间存在固有的映射关系,本文基于生成对抗网络（Generative adversarial network, GAN）提出了一种将PPG转换为ECG信号的模型。该模型生成器由Unet模型组成,并且在特征图融合方面参考了Unet++的结构,而其判别器由卷积神经网络组成。在训练过程中,采用梯度惩罚方式增加了生成模型的稳定性。基于公用数据集进行了实验,通过对比53名受试者样本的处理结果,新模型所生成ECG信号的均方根误差（Root mean square error, RMSE）、Pearson相关系数（ρ）和Fréchet距离（Fréchet distance, FD）三个指标分别提升了3.4%、5.5%和0.4%,证明新模型具有更好的PPG-ECG转换效果。     

基于77GHz毫米波雷达的非接触式精确心跳检测

基于多普勒雷达的非接触式心跳检测对于一些特殊场合有着重大的实用价值.然而,准确且快速的心率检测仍面临两大挑战:呼吸的强干扰以及心跳频谱分辨率不足.本文提出了一种基于77 GHz毫米波雷达的心跳检测方法,用于估计心率(HR)和心率奇异性(HRV).首先,提出了一种基于自适应变分模态分解(AVMD)的方法,在呼吸强干扰下精...     

基于三轴加速度信号的心率修正算法

目前大多数腕带式心率监测设备获得心率的算法主要都是基于光电容积脉搏波描记法PPG(Photo Plethysmo Graphy)。但是在剧烈运动情况下仅依靠PPG信号获得心率的算法准确度大大降低,并且由于运动伪影MA(Motion Artifacts)的存在大大增加了PPG信号进行频谱分析的难度。为了进一步修正心率检测算法,通过对受测者运动分析,提出一种使用三轴加速度计信号进行修正心率的算法,由运动强度估算出的心率和将PPG信号得到的心率与修正心率通过卡尔曼滤波器处理得到最终心率两部分组成。实验数据记录了由10位受测者以10~16 km/h进行快速跑步的结果,测试数据表明,提出的心率修正算法的绝对平均误差为2.05 BPM。     

基于智能终端的精神压力分析系统的设计

以心率变异性（HRV）作为应激水平的评价指标,分别探讨精神压力变化和HRV特征值变化的规律。基于对心电信号实时采集的硬件系统的研究,并在智能终端上进行信号处理,然后从中获取心率变异性（HRV）。通过做题任务,进而精神压力发生变化并对HRV特征值进行分析。实验结果发现,当人体产生压力时,HRV时域特征值中R-R间隔的标准偏差（SDNN）以及HRV频域特征值中总能量值（TP）,低频功率密度值（LF）和LF/HF比值上升比较明显,然而高频段功率密度值HF却下降较明显,且根据各个指标的上升和下降的变化速率不同,划分个体的精神压力等级。因此,采用HRV时频域的五项特征值,可以对人体精神压力进行定量反映和评价。     

一种抗运动干扰的实时心率提取方法

针对基于容积脉搏波（PPG）提取运动心率时，传统心率提取算法由于运动噪声干扰使测量结果误差大、实时性不好的问题，提出一种抗运动干扰的实时心率提取方法。该方法通过实时小波去噪，同时结合三轴加速度信号（ACC）对运动进行分类训练，计算各运动状态心率增益，对实时心率值进行补偿。实验结果表明，通过与同时采集的ECG信号计算出的实时心率进行对比，绝对误差率仅为1.2%左右。相比传统心率提取算法，该算法具有抗干扰性强，实时准确的特点。     

心率变异时间序列的预处理算法

心率变异性(Heart rate variability,HRV)是近年来备受关注的无创性心电检测指标之一,但是HRV分析采用的心率变异时间序列(RR间期序列)由于受各类复杂因素的影响,会产生异常脉冲干扰及非平稳趋势波动,对后续的数据分析及有效信息提取产生很大的影响.针对该问题,本文提出一套用于心率变异时间序列预处理的算法,综合采用基于小波分解的去趋势方法和基于脉冲抑制滤波器、差分阈值滤波的方法去除原始间期序列中的非平稳趋势和异常脉冲干扰.通过时域频域对照分析及常用HRV统计指标的评估,结果表明,经本文所述预处理算法处理后的数据,有效抑制了脉冲干扰及非平稳趋势的影响,且主要信息无明显损失,各项常用HRV统计指标的诊断价值均得到了不同程度的提升.     

人体HRV信号的检测及其最大李雅普诺夫指数估算

介绍了一种便携式心电监测仪器,用于监测人心电(ECG)信号.根据获得的心电信号数据,采用小波变换技术进行心电R峰的准确定位,进而得到心率变异(Heart Rate Variability,HRV)信号序列.在对HRV信号进行相空间重构的基础上进行关联维、最大李雅普诺夫指数的估算.结果表明,健康者和心率不齐者的HRV信号的最大李雅普诺夫指数均为正值,但处于心率不齐状态HRV的最大李雅普诺夫指数低于健康状态的最大李雅普诺夫指数.     

警员可穿戴多体征参数监测系统的设计

为了实现公安、消防等高危职业的体征参数监测,以公安日常装备(警盔和T恤)为可穿戴载体,设计了一种体征参数监测系统,实现血氧饱和度、心电、心率的检测、传输和显示.警盔利用反射式探头采集光电容积脉搏波PPG(photoplethysmography)信号,检测血氧饱和度;T恤利用导电硅胶和ADS1292R采集心电ECG(electrocardiogram)信号,检测心电和心率;APP实现体征参数的实时显示.实验表明,ECG信号R波定位的准确率能达到98.5%以上;与标准监护仪对比,血氧、心率的平均误差都较低,血氧的最大误差在5%以内,心率的最大误差在10次/min以内.在不影响正常活动下,系统能够满足国际标准对实时体征参数监测的要求.首次设计了一套适用于警员的可穿戴体征参数监测系统,并实现了参数监测的准确度和稳定性.     

基于普通摄像头的心率测量方法研究

心率测量是一种监测人体生理状态和身体状态的重要手段。提出了一种基于摄像头的非接触式心率测量方法。基于光电容积描记原理（PPG）,从普通摄像头拍摄到的人脸彩色图像序列中提取出含有脉搏成分的信号,并利用小波滤波得到血液容积脉搏波;用傅里叶变换进行能量谱分析并计算心率值。实验结果证明该方法测量准确度高且能够满足医药行业标准要求。由于无创,非接触,操作方便,成本低,该方法在家庭保健的普及方面有着了巨大的应用前景,也为生物医学实验提供了一项有利的工具。     

非接触式心率检测方法的颜色空间选择

采用非接触式方法进行人体心率检测,较传统接触式的测量方法更加便捷舒适。基于图像光学容积(iPPG)的非接触式心率测量方法,简要分析该方法的实现流程及颜色空间产生测量误差的机理,设计实验来对比不同颜色空间的测量误差,一方面证明了在非接触式心率测量过程中进行颜色空间选取的必要性,另一方面获得了可用以提高心率测量精度的最优颜色空间。实验结果表明,与同一时刻采用心电测量仪(ECG)得到的心率相比,采用RGB颜色空间进行心率测量的误差最小,实验的平均误差达到1.68 bpm。因此,在非接触式心率测量中选择RGB颜色空间可以达到更高的精度。     

基于STM8的士兵心率呼吸率监测预警装置设计

本文阐述了一种基于STM8的士兵心率呼吸率监测预警装置的设计和实现方法.装置由脉搏波传感器、信号预处理电路、微处理器、电源模块、报警模块组成.经过实验验证:设计能进行长时间的心率呼吸率低负荷连续监测,适用于士兵训练时的心脏功能和肺功能的监测,能很好地实现其预警功能,避免训练事故发生,具有较好的实用价值,有望在未来的士兵训练场上发挥重要作用.     

下丘脑背内侧核对焦虑的调控机制研究

下丘脑背内侧核(Dorsomedial Hypothalamic Nucleus，DMH)是自主神经系统的重要组成部分，同时与调控焦虑情绪的边缘系统存在广泛联系。然而，DMH 调控焦虑等负性情绪的细胞机制目前尚不明确。该文应用光遗传技术特异性调控小鼠的谷氨酸能神经元和 γ-氨基丁酸能神经元发现，兴奋 DMH 的谷氨酸能和 γ-氨基丁酸能神经元均能显著诱发焦虑样行为和心率上升，抑制两种神经元均能抑制焦虑样行为并降低心率。该研究证实了 DMH 特定类型的神经细胞对焦虑的双向调控作用，并有望为神经精神疾病的临床干预提供新的调控靶点。     

基于超声传感器的胎心率检测优化算法

获得胎心率信号的方法有多种,而以超声传感器检测法应用最广.然而如何在嵌入式实时系统中快速、准确地从含有噪声干扰的超声多普勒回波信号中提取胎心率信号成为一个难点.针对该难点,提出了一种基于经验模态分解(EMD)与提升小波变换相结合的去噪方法,再将去噪后的胎心信号采用希尔伯特变换提取信号包络,最后通过自相关运算得出胎心率.实验结果表明:采用这种方法能够有效提取到胎心率信号,使得胎心率计算耗时大大减少,同时,计算的准确性得到提高.     

基于STM32便携式心电监护装置的设计

综合运用传感器技术、嵌入式技术和无线通信技术,设计了一种以STM32F103C8T6微处理器为核心的家用便携式心电监护装置。利用Pulse Sensor脉搏心率传感器采集心电信号,经STM32内置的模数转换器(ADC)处理得到数字信号。LCD屏用于实时显示心率值和心电图(ECG),心率数据通过蓝牙通信模块实时传输到手机终端。使用三位按键设置心率阈值,异常情况时报警电路发出警报。实验结果表明,该装置可较好地监测人体心电信号,运行稳定,具有一定的现实意义和实用价值。     

驾驶员疲劳状态生理信号的DFA

通过去趋势波动分析(DFA)研究驾驶员疲劳状态的心率变异性信号和脑电信号特征.22名被试在驾驶模拟器上进行模拟驾驶作业,采集驾驶过程中的心率变异性和脑电信号并进行离线分析.Wil-coxon符号秩检验用于分析清醒和疲劳两种状态间DFA标度指数的差异,受试者工作曲线(ROC)分析用于确定DFA区分疲劳驾驶和清醒驾驶的能力.结果表明:疲劳状态时,心率变异性和脑电信号的标度指数显著增加(Wilcoxon符号秩检验,p＜0.01);心率变异性和脑电信号标度指数的ROC下面积最大分别为0.75和0.78.DFA的标度指数具有应用于驾驶疲劳监测系统的前景.     

非合作面部晃动情况下的心率检测

目的 心率是直接反映人体健康的重要指标之一,基于视频的非接触式心率检测在医疗健康领域具有广泛的应用前景。然而,现有的基于视频的方法不适用于复杂的现实场景,主要原因是没有考虑视频中目标晃动干扰和空间尺度特征,使得血液容积脉冲信号提取不准确,检测精度不尽人意。为了克服以上缺陷,提出一种抗人脸晃动干扰的非接触式心率检测方法。方法 本文方法主要包含3个步骤：首先,针对目标晃动干扰人脸区域选择的问题,利用判别响应图拟合检测参考图像的人脸区域及主要器官特征点,在人脸跟踪时首次引入倾斜校正思想,输出晃动干扰抑制后的人脸视频;然后,结合空间尺度的差异,采用颜色放大方法对晃动干扰抑制后的人脸视频进行时空处理,提取干净的血液容积脉冲信号;最后,考虑到小样本问题,通过傅里叶系数迭代插值的频域分析方法估计心率。结果 在人脸静止的合作情况以及人脸晃动的非合作情况下采集视频,对心率检测结果进行定量分析,本文方法在两种情况下的准确率分别为97.84%和97.30%,与经典和最新的方法相比,合作情况准确率提升大于1%,非合作情况准确率提升大于7%,表现了出色的性能。结论 提出了一种基于人脸视频处理的心率检测方法,通过有效分析人脸的晃动干扰和尺度特性,提取到干净的血液容积脉冲信号,提高了心率检测的精度和鲁棒性。     

采用自适应信号恢复算法的非接触式心率检测

目的 心率是反映人体心血管状况和心理状态的重要生理参数。最近的研究表明,光电容积成像技术可以在不接触人体的情况下,利用消费级的摄像机捕获面部表皮颜色的变化进而估计心率。然而,在实际环境中,面部运动带来的干扰会导致心率检测的准确性下降。近年来,国内外学者已经提出了一些方法来去除运动噪声,但是效果均不理想。为了解决上述问题,提出一种可以抗面部运动干扰的新方法。方法 首先检测和跟踪受试者的脸部。然后将脸部区域分块,并提取各块的色度特征建立原始血液容积脉冲矩阵,利用自适应信号恢复算法从原始血液容积脉冲矩阵中分离出低秩矩阵并构建期望血液容积脉冲信号。最后通过功率谱密度估计心率。结果 在环境光作为光源的条件下,利用网络摄像头采集30名受试者的人脸视频进行实验分析。结果显示,提出的方法测得的心率与参考值具有很强的相关性：在静态场景中皮尔森相关系数r=0.990 2,在动态场景中r=0.960 5。并且与最新方法相比,动态场景中的误差率降低了53.90%,相关性提高了7.46%。此外,在10 min的心率检测实验中,方法的测量值与参考值保持着良好的一致性。结论 本文方法优于现有的非接触式心率检测技术,能有效地消除面部运动带来的干扰,长期稳定地检测心率。     

面向远程光体积描记的人脸检测与跟踪

目的 远程光体积描记（remote photoplethysmograph,rPPG）是一种基于视频的非接触心率测量方法,通过跟踪人脸皮肤区域并从中提取周期性微弱变化的颜色信号估计出心率。目前基于级联回归树的人脸地标方法训练的Dlib库,由于能快速准确定位人脸轮廓,正逐渐被研究者用于跟踪皮肤感兴趣区域（region of interest,ROI）。由于实际应用中存在地标无规则抖动,且现有研究没有考虑目标晃动的影响,因此颜色信号提取不准确,心率估计精度不佳。为了克服以上缺陷,提出一种基于Dlib的抗地标抖动和运动晃动的跟踪方法。方法 本文方法主要包含两个步骤：首先,通过阈值判断两帧间地标的区别,若近似则沿用地标,反之使用当前帧地标以解决抖动问题。其次,针对运动晃动,通过左右眼地标中点计算旋转角度,矫正晃动的人脸,保证ROI在运动中也能保持一致。结果 通过信噪比（signal-to-noise,SNR）、平均绝对误差（mean absolute error,MAE）和均方根误差（root mean squared error,RMSE）来评价跟踪方法在rPPG中的测量表现。经在UBFC-RPPG（stands for Univ.Bourgogne Franche-Comté Remote PhotoPlethysmoGraphy）和PURE（Pulse Rate Detection Dataset）数据集测试,与Dlib相比,本文方法rPPG测量结果在UBFC-RPPG中SNR提高了约0.425 dB,MAE提高0.291 5 bpm,RMSE降低0.645 3 bpm;在PURE中SNR降低了0.041 1 dB,MAE降低0.065 2 bpm,RMSE降低0.271 8 bpm。结论 本文方法相比于Dlib有效提高跟踪框稳定性,在静止和运动中都能跟踪相同ROI,适合rPPG应用。     

多视角神经网络非接触式脉搏信号提取

目的 远程光体积描记（remote photoplethysmography,rPPG）是一种基于视频的非接触式心率测量技术,受到学者的广泛关注。从视频数据中提取脉搏信号需要同时考虑时间和空间信息,然而现有方法往往将空间处理与时间处理割裂开,从而造成建模不准确、测量精度不高等问题。本文提出一种基于多视角2维卷积的神经网络模型,对帧内和帧间相关性进行建模,从而提高测量精度。方法 所提网络包括普通2维卷积块和多视角卷积块。普通2维卷积块将输入数据在空间维度做初步抽象。多视角卷积块包括3个通道,分别从输入数据的高—宽、高—时间、宽—时间3个视角进行2维卷积操作,再将3个视角的互补时空特征进行融合得到最终的脉搏信号。所提多视角2维卷积是对传统单视角2维卷积网络在时间维度的扩展。该方法不破坏视频原有结构,通过3个视角的卷积操作挖掘时空互补特征,从而提高脉搏测量精度。结果 在公共数据集PURE（pulse rate detection dataset）和自建数据集Self-rPPG（self-built rPPG dataset）上的实验结果表明,所提网络提取脉搏信号的信噪比相比于传统方法在两个数据集上分别提高了3.92 dB和1.92 dB,平均绝对误差分别降低了3.81 bpm和2.91 bpm;信噪比相比于单视角网络分别提高了2.93 dB和3.20 dB,平均绝对误差分别降低了2.20 bpm和3.61 bpm。结论 所提网络能够在复杂环境中以较高精度估计出受试者的脉搏信号,表明了多视角2维卷积在rPPG脉搏提取的有效性。与基于单视角2维神经网络的rPPG算法相比,本文方法提取的脉搏信号噪声、低频分量更少,泛化能力更强。     

基于跑台的个性化运动强度自适应控制方法

针对目前跑台运动强度控制方法存在个性化健身缺失、运动的安全性和有效性难 以兼顾等问题,提出一种基于跑台的个性化运动强度自适应控制方法。首先依据跑者的体质和 健身目标,获得个性化健身的运动强度,然后实时测量和反馈跑者的心率,全自动调整跑台的 坡度和速度,让跑者处在有效健身的运动强度区间。40 名测试对象实验获得的运动心率比平均 值在(0.678,0.834)范围内,心率标准差在(3.156,6.312)范围内,测试对象的运动心率稳定控制 在最佳健身心率区间内,而且其心率波动较小,不仅保证了运动的有效性,而且降低了跑步健 身危险发生的可能性。