基于光电容积脉搏波信号的脉息比估算方法研究叶晓璐

关键词：光电容积脉搏波;呼吸速率;脉息比值;数字信号处理;生理监测

中图分类号：TP391;R318 文献标志码：A

0 引言（Introduction）

脉搏和呼吸是两个最基本的周期性生命体征，脉息比（Pulse-Respiration Ratio， PRR）即脉搏与呼吸次数的比值，是评估患者生理状态的重要指标[1]。在中医医学中，脉息比体现了患者当前时刻脉搏与呼吸的动态关系，可在一定程度上反映患者当下或长期的寒热虚实状态[2]。西方学者SCHOLKMANN等[3-4]通过一系列实验研究发现，PRQ（Pulse-Respiration Quotient）在心肺系统的调节状态方面发挥了重要作用。

光电容积脉搏波（Photo Plethysmo Graphy， PPG）是一种包含多个与生理过程有关的频率成分的复合信号[5]，广泛应用于心率、血压和血氧饱和度等生理参数的监测[6-8]。通过PPG提取呼吸信号、检测呼吸率并估算脉息比，可以实现无创、非侵入性的监测[9-10]。

本研究旨在通过选择合适的数字信号处理技术和算法，利用指端PPG数据实现呼吸信号提取、脉率和呼吸率的检测，并进一步探索平均和动态脉息比值的估算方法。

1 实验方法（Experimental methods）

1.1 数据获取与预处理

作为研究的基础，数据获取阶段涉及访问数据库、选择适当的数据集和下载所需的脉搏波信号记录。本研究使用公共数据库PhysioBank中的指端PPG数据集，数据集源自MIMIC-Ⅱ资源，被命名为BIDMC数据集[11]。该数据集涵盖了来自53名成年患者同时段的PPG信号和呼吸波信号，两种信号均以125 Hz的采样频率进行记录，每组数据的长度约8 min。

本研究随机选择10组记录作为测试集，其中PPG信号用于研究数据源，而RESP信号作为参考呼吸信号，与由PPG信号提取的呼吸信号进行对比验证。为了保证后续处理和分析的准确性，研究人员先进行了数据预处理，包括但不限于去除基线漂移和平滑降噪等步骤。数据预处理的目的在于提高数据的质量和一致性，从而确保后续研究的可信度和可重复度。

1.2 呼吸率检测方法

准确的呼吸率测量对于脉息比的计算至关重要。由于涉及呼吸信号提取和呼吸率检测两个步骤，因此本研究使用了一个综合的算法流程框架（图1），旨在有效提取呼吸信号并准确计算呼吸率，该框架考虑了不同算法的集成，以适应不同数据特征和场景需求。

1.2.1 呼吸信号提取

呼吸信号的提取是呼吸率检测的首要步骤，从脉搏波信号中提取呼吸信号的方法可分为基于特征和基于滤波器两种[12]。

基于特征的方法利用脉搏波信号的幅度、频率等特征提取呼吸信号，有效捕获由呼吸引起的脉搏波信号的变化，实现对呼吸信号的提取，如峰值检测法、幅度变化法等;基于滤波器的方法使用不同类型的滤波器，如小波变换法、带通滤波器等，滤除脉搏波信号中在合理呼吸频率范围之外的频率，从而提取呼吸信号[13]。

本文实验选用了基于滤波器的带通滤波器方法提取呼吸信号。带通滤波器有助于抑制非感兴趣频率成分，保留目标频率范围内的信号，从而实现对呼吸信号的有效提取。

1.2.2 呼吸频率检测

呼吸率是计算脉息比的关键参数之一，呼吸率估算的算法有多种，这些方法基于不同的原理和技术，适用于不同的数据特征和应用场景。总体而言，呼吸率估算方法可以分为时域和频域两大类[14]。

时域方法通过分析呼吸信号的波形特征，关注信号在时间域上的变化，以估算呼吸率，如峰值检测法、过零检测法等;频域方法通过对呼吸信号进行频谱分析，找到主导频率估算呼吸率，如快速傅里叶变换光谱分析法、自回归谱分析法等。

本文实验选用了基于时域的峰值检测法估算呼吸频率。该方法对呼吸波信号的周期性变化具有较强的捕捉能力，检测波峰的方式能够提供准确的呼吸周期，为后续脉息比检测提供了关键的时间信息。

1.3 脉息比估算方法

在中医诊疗中，脉息比是用于评估患者健康状态的重要指标，本文提出了不同的计算方法计算脉息比，包括平均脉息比和动态脉息比，以更全面地了解患者的生理状况。

1.3.1 平均脉息比

在平均脉息比的计算中，本文对时间长度为8 min的PPG信号进行数据划分，以60 s为一段，选定其中一段进行后续实验，具体步骤如下。

（1）脉搏速率测量：使用峰值检测法计算选定PPG信号的平均脉搏速率。

（2）呼吸速率测量：使用峰值检测法计算提取出的呼吸信号的平均呼吸频率。

（3）平均脉息比计算：将平均脉搏速率除以平均呼吸速率，得出平均脉息比。

1.3.2 动态脉息比

动态脉息比的计算涉及不同的方法，包括使用脉搏峰值位置、脉搏时间间隔和脉搏持续时间，具体的方法如下。

（1）根据脉搏峰值位置，通过迭代计算每个呼吸波段内的脉搏峰值数量：①检测脉搏峰值的位置;②计算每个呼吸波段的起始和结束位置;③统计每个呼吸周期内的脉搏峰值数量。

（2）根据脉搏的时间间隔，通过迭代计算每个呼吸周期内的脉搏周期数量：①计算每个脉搏波的起始和结束位置;②计算每个呼吸波段的起始和结束位置;③统计每个呼吸周期内的脉搏周期数量。

（3）使用脉搏波的持续时间，由“脉搏波采样点数/脉搏波频率”转换得到。通过计算每个呼吸周期的采样点数和呼吸周期内脉搏波的平均采样点数，将其转换为呼吸时间间隔和脉搏波持续时间，两者相除计算脉息比：①遍历每个呼吸周期，获取当前呼吸周期的起始和结束时间点;②计算当前呼吸周期内脉搏峰值的采样点索引值、采样点数NPPG 和平均采样点数NAVG_PPG;③计算当前呼吸周期的采样点数NRESP;④计算脉息比，PPG信号频率和呼吸信号频率分别为fPPG 和fRESP。脉息比的计算公式如下：

2 实验结果与分析（Experimental results and analysis）

2.1PPG信号预处理

本文实验随机选取了数据集中的10组数据，每组包含8 min的连续信号。将每组数据划分为多个60 s的段落，从中选择一段60 s的数据进行下一步处理。在确定组别和段落后，加载相应的原始PPG信号，图2展示了第12组第3段PPG信号。

本文采用了高通滤波器消除基线漂移，并使用低通滤波器对信号进行平滑处理，为了凸显滤波对比效果，时域图中仅呈现了脉搏波信号的10 s长度部分（图3）。高通滤波器的作用在于有效消除信号中的极低频基线漂移，同时保留了脉搏信息，而低通滤波器则生成了一个更平滑的信号，在一定程度上消除了曲线上的细小噪声。滤波前后的对比效果如图4所示，从图4中可以发现，极低频的基线漂移得到了较好抑制，起伏的数据也更加平滑。

2.2 呼吸信号提取和呼吸率检测

2.2.1 呼吸信号提取

在呼吸率检测的第一步，采用基于滤波器的带通滤波器提取呼吸信号。本文使用了巴特沃斯（Butterworth）滤波器，其最低频截止频率和最高频截止频率是根据呼吸信号频谱图进行选择的，旨在确保适应呼吸信号的频率范围。通过使用filtfilt函数将该滤波器应用于降采样后的PPG信号上，提取出呼吸信号。0.3 Hz对应呼吸频率，计算出呼吸率为0.3×60=18次/分钟，符合一般人的呼吸节律。

将基于PPG信号经过带通滤波器处理后提取的呼吸波信号与数据集中的参考呼吸波信号进行对比，对比效果如图5所示。从图5中可以观察到，两种波形存在一定的相似之处，但也出现了一些相位差异。出现这种差异的原因主要是人体脉搏在上肢的传导需要一定的时间，从而导致重构的呼吸信号相对于原始呼吸信号在时间上存在一定的滞后[15]。

2.2.2 呼吸率检测

本研究采用时域方法中的峰值检测法估算呼吸率，以捕获信号在时间域上的变化。峰值检测法的优势在于其实现简单且直观，通过设置适当的阈值，可以选择性地提取出信号中的波峰，而波谷通常对应着呼吸波的起伏下降。这种方法不需要事先对信号进行复杂的频域分析或模型拟合，更适合用于实际生物医学信号中存在的呼吸波动。

本文使用信号的峰值检测函数findpeaks确定呼吸波的峰值及其对应的时间点，这种方式可有效地捕捉呼吸信号中的周期性起伏。通过计算相邻峰值之间的时间差，获得了呼吸波的周期，并将呼吸周期转换为呼吸率，即每分钟的呼吸次数。如此得到了一个与时间相关的呼吸率序列，结果如表1所示。

通常，相关研究以呼吸速率的准确性作为提取呼吸波信号的关键指标。表2中列出了10组参考的呼吸波信号与重构的呼吸波信号的呼吸频率数据，以及提取呼吸速率的准确率。

2.3 脉息比估算

2.3.1 平均脉息比

在平均脉息比的估算中，首先计算选定PPG的平均脉搏速率，其次计算相同时间段内PPG提取的呼吸信号的平均呼吸频率，最后将平均脉搏速率除以平均呼吸速率得到平均脉息比。表3为本实验中的10组PPG信号的平均脉息比值数据。

根据长桑君脉法脉息术，正常的脉搏与呼吸的比值为4～5;将脉息比值小于4定义为少气，小于3定义为明显少气;将脉息比值大于5定义为脉躁，大于6定义为明显脉躁[1]。实验对象的平均脉息比值为4～5，符合正常范围。实验对象8和9的平均脉息比值低于4，而实验对象2和4的平均脉息比值高于5，可能存在病症，需要进一步观察和诊断。

2.3.2 动态脉息比

在动态脉息比计算的实验中，采用了3种不同的方法，分别为脉搏峰值位置、脉搏时间间隔、脉搏持续时间。以上方法结合了数字信号处理技术和特定算法，旨在准确地捕捉脉搏波信号的动态变化。以第1组第4段PPG信号为例。

（1）脉搏峰值位置：通过循环遍历每个呼吸波段，计算每个呼吸波段内的脉搏峰值数量。对于每个呼吸波段，使用逻辑索引获取处于该时间范围内的脉搏峰值，并统计波峰数量（图6）。

（2）脉搏时间间隔：通过检查脉搏时间间隔的起始和结束是否在当前呼吸周期内，计算该周期内的脉搏波数量（图7）。若脉搏波的时间间隔总和未超出呼吸周期的时间范围，则直接累加脉搏波数量;若超出时间范围，则使用线性插值根据当前时间点进行估算，然后存储计算得到的脉搏波数量。

（3）脉搏持续时间：通过遍历每个呼吸周期，找到属于该周期的脉搏峰值索引，计算相关采样点数和平均采样点数。根据采样点数/频率=持续时间，呼吸持续时间与脉搏持续时间相除，计算每个呼吸周期的脉息比（表4和图8）。

绘制脉息比随呼吸周期变化的图像，实现了对动态脉息比变化的可视化展示。为了进一步处理和展示脉息比的变化趋势，通过插值方法生成具有更多数据点的连续曲线，提高数据的光滑性，以便更清晰地观察生理信号的动态特征（图9）。

3 讨论（Discussion）

在脉息比检测实验中，本研究估算了不同类型的脉息比值：平均脉息比和动态脉息比。动态脉息比的计算涉及3种不同的方法，分别基于脉搏峰值位置、脉搏时间间隔和脉搏持续时间。以下是对这些方法的详细比较。

3.1 平均脉息比

平均脉息比作为一种简单且直观的计算方法，其优势在于计算简便，能够提供对整体生理状态的快速估计，其缺点在于只提供整体平均值，可能掩盖了某些细节的变化，并且无法捕捉到短时间内的波动。

3.2 动态脉息比

（1）方法一：脉搏峰值位置计算。该方法的优势在于结果直观，考虑了脉搏峰值的具体位置，尤其适用于对脉搏位置准确性要求较高的情况;然而，其缺点在于遍历脉搏峰值位置可能比较耗时，尤其在数据量较大的情况下，并且结果限制在整数计数，可能无法提供细致的小数计算结果。

（2）方法二：脉搏时间间隔计算。该方法不依赖于脉搏峰值的具体位置，因此具有相对较高的计算效率，并提供了一种相对灵活的计算方式，适用于不同的数据特征。然而，该方法需要计算时间间隔并进行插值，其准确性可能受到时间间隔计算准确性的影响。

（3）方法三：脉搏持续时间计算。该方法不依赖于脉搏峰值的具体位置，提供更高精度的小数计数结果，它考虑了脉搏波形的持续时间，能够更全面地反映生理信号的动态变化;然而，其计算复杂度会增加，特别是在需要高精度计算的情况下，并且它可能对信号质量比较敏感。

在选择脉息比计算方法时，需要综合考虑计算精度、计算效率及对特定应用场景的适应性。不同方法的选择可能取决于研究的具体目标、所使用的数据特征及对计算结果精度的要求。若对脉搏位置准确性要求高且能容忍较长的计算耗时，则选择方法一;若期望减少对脉搏位置准确性的依赖且注重计算效率，则选择方法二;若追求更高精度的计算结果，对计算复杂度有较高的容忍度，则选择方法三。

4 结论（Conclusion）

本研究探讨了基于PPG信号的脉息比检测方法，并通过实验成功估算出脉息比值。实验结果表明，脉息比呈现出显著的动态变化，并且不同患者的脉息比值因其个体生理状态而存在差异。在确定脉息比计算方法时，必须在计算精度、计算效率及适应特定应用场景之间取得平衡。具体的方法选择应综合考虑研究目标、使用数据的特征，以及对计算结果精度的具体要求。本研究为PPG信号在临床监测中的应用提供了有益参考，有助于实现对患者的健康状况进行全面、动态的评估。未来的研究有望在深入探讨脉息比与健康状况之间关系的基础上，推动脉息比检测方法的进一步发展，并在临床实践中取得更广泛的应用。

作者简介：

叶晓璐（1999-），女，硕士生。研究领域：生物医学信号处理。

陈兆学（1975-），男，博士，副教授。研究领域：生物医学图像和信号处理，中医大数据，3D打印。