光学方法检测牙髓活力

介绍了用光电体积描记器、脉冲血氧定量计、激光多普勒流量计等光电技术检测牙髓活力.对于中老年患者,牙龈中的血管比牙髓中发达,牙龈中产生的信号超过了牙髓,所以建立一种有效的光学探测途径相当困难.     

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。     

基于MSP430单片机的无线光电容积脉搏波检测模块

采用MSP430超低功耗单片机实现对光电容积脉搏波的检测,并根据反射式测量原理设计了光电容积脉搏波的反射式检测探头。由MSP430单片机控制LED的发光、数据的采集以及Zigbee无线通信模块的收发功能,并采用数字信号处理技术去除噪声干扰。实验表明,所设计的光电容积脉搏波检测模块能准确地实现脉搏波信号的检测、数据传输及脉率输出。该模块适合在日常环境下容积脉搏波的实时监测。     

基于人脸视频的心率参数提取

为了在舒适非接触环境下检测被试者的心率变化,本文设计了一种通过普通摄像头来检测心率参数的信号处理系统。首先,将KLT(Kanade-Lucas-Tomasi)算法跟踪识别到的人脸视频图像转换到YCbCr颜色空间来进行皮肤检测,并同时转换到Cg颜色通道来提取高质量的光电容积脉搏波(Photoplethysmography, PPG)信号。然后,用Morlet复小波作为母波绘制PPG信号的小波能量谱图。最后根据心率信号的生理特性,去除伪点噪声,提取随时间变化的心率参数。实验结果表明,该方法在静息状态下的测量结果同标准仪器测量结果的平均绝对值误差|M_e|小于2 bpm(beats per minute),误差的标准差SD_e小于2.5 bpm,RMSE均小于2.6 bpm;头部运动状态下两种测量方法的|M_e|均小于2.3 bpm,SD_e均小于2.9 bpm,RMSE均小于2.9 bpm。对两种测量方法进行Bland-Altman一致性分析,其测量结果显示静息状态下差值的均数■为0.295 7 bpm,95%置信区间为-3.340 1~3.931 4 bpm;头部运动状态下■为0.383 2 bpm,95%置信区间为-3.677 1~4.443 5 bpm,表明本文提出的非接触式方法的测量结果同标准仪器的测量结果具有高度的一致性。     

绿光光电容积脉搏波测量生理参数的校准技术

针对绿光光电容积脉搏波测量生理参数的校准技术进行了研究。简析了绿光光电容积描记法技术和红光红外光光电容积描记法技术在计量测试工作中的差异。选取多项式曲线拟合算法仿真了绿光光电容积描记法脉搏波,并取得了稳定的仿真信号输出,为校准装置的研制提供了信号源。     

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。     

基于交直流分离的反射式血氧饱和度测量系统的设计

肝储备功能是评价肝脏正常生理活动的重要依据,动脉血氧饱和度是肝储备功能测量的重要中间变量,针对长时间连续无创血氧饱和度测量的要求,提出基于交直流分离的反射式血氧测量系统的设计方案。通过测量手指、耳尖等皮肤薄弱部位的反射式光电容积脉搏波,利用交直流信号分离处理技术,基于动脉血氧饱和度经验测量公式,实现长时间无创动脉血氧饱和度测量。交直流分离技术的使用能够有效的降低系统干扰和噪声的影响,优化血氧饱和度测量结果;经临床医疗对比实验检测,证明系统误差符合实际测量要求。     

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rPPG的生理指标测量方法综述

远程光电容积脉搏波描记法（remote photoplethysmography,rPPG）是指通过摄像头等传感器来捕捉由心动周期造成的皮肤颜色周期性变化的技术。利用rPPG技术可以提取血液体积脉冲信号,进而测量心率、呼吸率和心跳变异性等心动周期相关的生理指标。近年基于rPPG的生理指标测量方法取得了飞速发展,准确性和鲁棒性已得到了大幅提高。该类技术的算法流程主要包括图像/视频的获取和感兴趣区域提取、血液体积脉冲信号提取和生理指标测量等步骤。基于这一算法流程,本文从算法所依据的假设或先验知识出发,对相关文献进行了总结和讨论。此外,还从评测任务、评测数据、评测指标及评测协议等4个方面系统整理针对基于rPPG的生理指标测量方法的评价体系。最后,本文讨论了该领域当前所面临的挑战并展望了可能的技术路线。     

基于光电容积脉搏波的血压测量实验研究

针对电子血压计不能实现血压的无创连续测量的问题,提出了一种基于光电容积传感技术和平稳小波算法的无创血压测量方法。利用搭建的光电容积脉搏波采集系统采集人体指尖的脉搏波信号,并进行了分析。通过SWT对脉搏波信号进行了分解,重构了第5层高频信号,提取了该重构信号的10个特征参数作为ANN的矢量输入,脉搏波对应的收缩压和舒张压作为ANN的矢量输出进行了训练拟合。实验总共分析了不同人群的10 700个脉搏波信号,利用其中的10 000个信号建立了特征参数与血压的模型,通过剩余的700个信号对建立的模型进行了测试,并且将测试误差与美国医疗器械促进协会(AAMI)规定的标准进行了比较。实验结果表明:通过该方法可实现血压的无创连续测量,为智能穿戴等健康监护设备中进行血压的实时监测提供一定的参考价值。