CN103027690A - 一种基于自相关建模法的低灌注血氧饱和度测量方法 - Google Patents

Abstract

本发明属于血氧饱和度检测技术，为一种基于自相关建模法的低灌注血氧饱和度测量方法。该方法首先对红光和红外光的PPG信号进行数字滤波并计算各自的直流分量，然后对滤波后的信号进行自相关，以抑制信号中的噪声成份提高信噪比，最后利用自相关信号通过建模获得的参数计算方法计算其交流分量，并计算脉率、血流灌注指数和血氧饱和度。本方法有效抑制了低灌注信号的噪声干扰，并建模实现了通过自相关信号进行参数计算的方法，提高了低灌注下脉率、血流灌注指数和血氧饱和度测量的准确性。

Description

一种基于自相关建模法的低灌注血氧饱和度测量方法

技术领域

本发明属于生物信息检测领域，具体涉及血氧饱和度检测技术，特别涉及一种可在低血流灌注时实现脉率、血流灌注指数和血氧饱和度等参数的准确稳定测量的方法。

背景技术

血氧饱和度(SpO2)是血液中氧合血红蛋白占可结合氧的总血红蛋白的百分比，表征了血液的氧含量，是判断人体呼吸系统、循环系统功能的重要参数。在临床上，监测人体SpO2的变化对肺和心脏疾病的预防和治疗具有重要作用；同时，在手术、麻醉和重症监护等方面，也需要监测SpO2，以指导其手术或治疗过程。由于无创SpO2测量方法检测方便安全，目前已成为检测人体各种组织中SpO2较成熟的方法，在临床上得到广泛应用。

对于无创SpO2测量，这里首先介绍其原理及计算方法。无创脉搏血氧饱和度测量基于比尔-朗伯特(Beer-Lambert)定律，使用红光和红外光双波长光束照射人体组织，测量经组织透射后的光强来进行计算。由于无血组织和静脉对单色光的吸收是恒定的，动脉脉动引起光程周期性改变，动脉血对光的吸收量也随之变化，透射的PPG信号就包含一个很大的直流分量(DC)，以及一个随脉动周期性变化的交流分量(AC)。交流分量与直流分量的比值反映了人体血流灌注能力，称为血流灌注指数(Perfusion Index，PI)，PI＝AC/DC*100％。由于氧合血红蛋白(HbO₂)和还原血红蛋白(Hb)对光吸收谱不同，两束波长分别为λ₁和λ₂的光分别照射组织，获得两路PPG信号和两个不同的PI即PI₁和PI₂，定义R＝PI₁/PI₂，根据Beer-Lambert定律推导，可获得SpO₂的计算公式：

${\mathrm{SpO}}_2=\frac{{\mathrm{\ϵ}}_{\mathrm{Hb}}^{{\mathrm{\λ}}_2}-{\mathrm{\ϵ}}_{\mathrm{Hb}}^{{\mathrm{\λ}}_1}}{({\mathrm{\ϵ}}_{\mathrm{HbO}2}^{{\mathrm{\λ}}_1}-{\mathrm{\ϵ}}_{\mathrm{Hb}}^{{\mathrm{\λ}}_1})-({\mathrm{\ϵ}}_{\mathrm{HbO}2}^{{\mathrm{\λ}}_2}-{\mathrm{\ϵ}}_{\mathrm{Hb}}^{{\mathrm{\λ}}_2})R}---\left(1\right)$

式中

分别为波长λ₁，λ₂时HbO₂的吸光系数，

分别为波长λ₁，λ₂时Hb的吸光系数。这些吸光系数均为常数，而R值可由采集的脉搏波数据计算得到，因此，确定了两束入射光的波长就能计算SpO₂的值。但一般在实际计算中，考虑到光散射影响和人体组织的差异及吸光系数测量的不准确等因素，一般将(1)展开成二阶泰勒级数的形式，即

SpO₂＝A*R²+B*R+C                        (2)

式中系数A，B，C可利用标准的血氧饱和度模拟仪确定SpO₂值和R值，然后进行二次曲线拟合定标得到。

但是在临床应用中，对于危重病人或其他呼吸疾病患者，常常出现血流灌注指数过低的情况。目前的无创脉搏血氧仪在低血流灌注时的检测能力很差，其检测结果的准确性和稳定性大幅下降，甚至失去检测能力。对于低血流灌注(如肌肉紧张、低温环境等因素使血流减少导致的低灌注，呼吸困难和心肺疾病等引起的低灌注)，由于其光电容积图信号(PPG)交流分量很小以至于被各种噪声淹没，其信噪比极低，使得传统的通过波形检测其峰值进行参数计算的方法的准确性大幅下降，甚至丧失检测能力。

近年来，人们在低灌注和运动干扰情况下的SpO2测量算法上进行了大量的研究。Masimo公司提出的DST算法通过构造出噪声信号，采用自适应滤波的方法从受干扰信号中滤除噪声信号。该方法对低灌注检测的准确性有所提高，但运算量太大，增加了硬件成本。香港中文大学的Yong-ShenYang等在DST算法的基础上，提出了改进自适应滤波方法的MCDST算法，对运动和低灌注情况下血氧饱和度的测量也有一定的效果，但它基于有用信号和周期信号正交的假设，所以该方法对周期性干扰的抑制能力较弱。

发明内容

本发明的目的在于提供一种基于自相关建模法的低灌注血氧饱和度测量方法，可在低血流灌注时实现脉率、血流灌注指数和血氧饱和度准确稳定测量。

本发明提供的一种基于自相关建模法的低灌注血氧饱和度测量方法，其步骤包括：

(1)获取红光和红外光的PPG信号，对其进行预处理；

(2)分别对经过预处理的红光和红外光的PPG信号进行自相关运算；

(3)计算脉率、血流灌注指数和血氧饱和度：

利用红光或红外光进行自相关运算后得到的PPG信号计算脉率PR：

红光和红外光的血流灌注指数的计算方法为：

其中，k₁和k₂分别为红光和红外光的自相关信号的幅值转换系数；AC_{_r1}和AC_{_r2}分别为由红光和红外光PPG自相关后的信号计算得到的交流信号自相关后的幅值；DC₁和DC₂分别为由经过预处理的PPG信号计算得到的红光和红外光的直流分量；

血氧饱和度SpO₂计算公式为：SpO₂＝A*R′²+B*R′+C，

式中， $R^{\′}=\frac{k_1\sqrt{{\mathrm{AC}}_{\_r1}}/k_2\sqrt{{\mathrm{AC}}_{\_r2}}}{{\mathrm{DC}}_1/{\mathrm{DC}}_2},$

系数A，B，C由二次曲线拟合定标得到。

作为上述技术方案的改进，步骤(3)中，按下述方法进行自相关运算：

将经过预处理的PPG信号的交流分量表示为

式中m为任意整数，T为PPG信号的周期，t为时间，P为脉搏波信号交流分量的幅值，f(t)为PPG信号的交流分量，

为f(t)的归一化函数；

设实际数据采样时的噪声为N(t)，则实际采集到的信号为F(t)＝f(t)+N(t)，对F(t)进行自相关，得到其自相关函数

τ为自相关后信号的时间轴量，P₁为自相关后信号的幅值，

为

的自相关函数。

进一步地，PPG自相关信号的幅值P₁的平方根与原始信号的幅值P之间存在线性关系：

k为幅值转换系数。

本发明是一种基于自相关建模法的低灌注血氧饱和度测量方法，该方法使得在灌注低信噪比时能有效抑制噪声干扰，获得高信噪比的PPG信号，并通过建模实现了自相关PPG信号的交流分量的计算方法，并计算血氧饱和度和血流灌注指数。该方法使得对低灌注的检测能力可以提高到0.125％。

附图说明

图1是PPG原始信号；

图2是PPG自相关信号；

图3是原始信号与自相关信号幅值关系测试曲线；

图4是血流灌注指数为0.125％时的原始波形；

图5是血流灌注指数为0.125％时经过自相关建模法的低灌注算法处理后的波形；

图6是本发明提供的测量方法的流程图。

具体实施方式

本发明所提供的低灌注血氧饱和度测量方法，即基于自相关建模法的低灌注血氧饱和度测量方法，主要包括信号自相关和建模二个部分。

第一步，对信号进行自相关运算。

对于PPG信号，在一定的采样时间内，可以把它视为一个周期性的确定信号，对于PPG信号的交流分量，可将其表示为

式中m为任意整数，T为PPG信号的周期，t为时间，P为脉搏波信号交流分量的幅值，f(t)为PPG信号的交流分量，

为f(t)的归一化函数。

对PPG信号的交流分量f(t)进行自相关运算。设实际数据采样时的噪声为N(t)，则实际采集到的信号为F(t)＝f(t)+N(t)。对F(t)进行自相关，得到

τ为自相关后信号的时间轴量，R_F(τ)为F(t)的自相关函数，P₁为自相关后信号的幅值，

为

的自相关函数。

由于信号和噪声是相互独立的，信号自身相关，信号和噪声、噪声和噪声不相关，因此自相关运算有效抑制了噪声提高了信噪比。同时由自相关原理可知，通过自相关后PPG信号的频率不变，与原始信号完全相同，但是丢失了相位信息，这从图1和图2对比可看出，所以由R_F(τ)可求得脉率。自相关信号R_F(τ)大大抑制了噪声，但从图1和图2也可看出，自相关前后幅值发生变化，直接由自相关信号求得的幅值不能代表原始信号的幅值，所以需要建立模型通过自相关信号来获取可用的幅值。

第二步，由自相关信号R_F(τ)建模获取幅值信息及参数计算方法。

设有任意正弦信号

s(t)＝Asin(ωt+φ)                                (3)

A为该正弦信号的幅值，ω为该正弦信号的角频率，t为该正弦信号的时间变量，为该正弦信号的初相位，设噪声干扰为n(t)，则实际采样到的信号为

x(t)＝s(t)+n(t)＝Asin(ωt+φ)+n(t)。对该信号进行自相关，得

$\mathrm{Rx}\left(\mathrm{\τ}\right)=\underset{T\→\∞}{\lim }{\∫}_0^T[s\left(t\right)+n\left(t\right)]*[s(t+\mathrm{\τ})+n(t+\mathrm{\τ})]\mathrm{dt}$

$=\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}s\left(t\right)*s(t+\mathrm{\τ})\mathrm{dt}+\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}s\left(t\right)*n(t+\mathrm{\τ})\mathrm{dt}$

$+\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}n\left(t\right)*s(t+\mathrm{\τ})\mathrm{dt}+\underset{T\→\∞}{\lim }\frac{1}{T}{\∫}_0^{T}n\left(t\right)*n(t+\mathrm{\τ})\mathrm{dt}$

当噪声为高斯白噪声，τ→∞时，上式中后三项趋近于零，因此理想状况下x(t)的自相关函数为

$\mathrm{Rx}\left(\mathrm{\τ}\right)=\frac{A^2}{2}\cos \mathrm{\ω\τ}---\left(4\right)$

由上述正弦信号的自相关信号Rx(τ)与原始信号s(t)对比可知，自相关信号的幅值的平方根与原始信号的幅值存在线性关系，记自相关信号的幅值为A′，则由(3)和(4)可得A′与原始信号的幅值A之间的关系为

正弦信号和PPG信号都是周期性的信号，在这点上PPG信号和正弦信号有很大的相似性，由此我们假设PPG自相关信号幅值P₁的平方根与原始信号的幅值P之间同样存在类似的线性关系，我们可将其记为(k为幅值转换系数)。但是PPG信号不是完全的正弦信号，由傅里叶级数展开式可知它是多个正弦信号叠加而成的，因此该幅值转换系数k不完全等于单个正弦信号的幅值转换系数同时由于实际测量中时间和采样点数均是有限的，造成了信号能量的丢失，所以实际测量时根据大量的实验数据计算得到转换系数k。

按照上述建模方法，PPG原始交流信号幅值(AC_n)和PPG自相关信号幅值(AC_r)二者应符合线性关系式：

PPG自相关信号幅值(AC_r)即所要获取的幅值信息。为检验该建模是否成立，我们设定FlukeIndex 2XL SpO2模拟仪的血流灌注指数为3，脉率为75，血氧饱和度SpO2从36至100，采集每一个SpO2水平下的原始PPG信号。将数据传输到上位机在MATLAB环境下计算每个血氧水平下红光λ₁的原始交流信号幅值(AC_n)，然后对其进行自相关并计算其幅值(AC_r)，并开方得到

拟合出AC_n和

的关系。由于在不同血氧水平下，模拟仪产生的PPG交流信号幅值也不同，因此SpO2从36至100变化时采集的信号便揽括了各种水平下各种幅度的PPG信号。不同血氧条件下，原始信号幅值与自相关信号幅值的平方根的关系如图3，二者相关系数为0.9984，可见二者具有良好的线性关系，这表明我们对于PPG信号的幅值关系建模是正确的。同时由图3的拟合曲线可知，红光λ₁时的PPG原始交流信号幅值(AC_n)和PPG自相关信号幅值(AC_r)二者的转换系数k为2.8763。

由上述建模方法知道，PPG交流信号自相关后的幅值(AC_r)的平方根与原始交流信号的幅值(AC_n)满足线性关系，即：

由此得到PI的计算式：

(DC为原始PPG信号的直流分量)，红光λ₁和红外光λ₂两路PPG信号的PI(分别记为PI₁和PI₂)计算完成，即可计算自相关后的R′值。理论上，红外光λ₁和红外光λ₂两路PPG信号与其自相关信号的幅值转换系数k₁和k₂应该是一样的，即k₁＝k₂，但由于实际测量时系统误差的影响，k₁和k₂不完全相等。原始信号的R值的定义

PI₁和PI₂分别为红光和红外光的血流灌注指数，AC_{_n1}和AC_{_n2}分别为红光和红外光原始PPG交流信号的幅值，DC₁和DC₂分别为红光和红外光原始PPG信号的直流分量。由原始信号R值的定义得到自相关建模后R′的计算公式为：

$R^{\′}=\frac{k_1\sqrt{{\mathrm{AC}}_{\_r1}}/{\mathrm{DC}}_1}{k_2\sqrt{{\mathrm{AC}}_{\_r2}}/{\mathrm{DC}}_2}=\frac{k_1\sqrt{{\mathrm{AC}}_{\_r1}}/k_2\sqrt{{\mathrm{AC}}_{\_r2}}}{{\mathrm{DC}}_1/{\mathrm{DC}}_2}.$

式中，k₁和k₂分别为红光和红外光PPG原始信号与其自相关信号的幅值转换系数，AC_{_r1}和AC_{_r2}分别为红光和红外光PPG交流信号自相关后的幅值，DC₁和DC₂分别为红光和红外光原始PPG信号的直流分量。

由此建模得到的R′，将R′代入计算血氧的拟合曲线(2)即可计算自相关建模后的SpO₂。

图4是PI为0.125％时的原始波形，图5为图4经过自相关建模法的低灌注算法处理后的波形。二者对比可知自相关运算后噪声被有效抑制，信号周期性变得明显，幅值信息更清晰。

通过上述建模过程，我们获得了自相关建模法的参数计算方法，最后介绍自相关建模法的参数计算过程，其流程图如图6所示。本发明方法的具体过程如下：

(1)获取红光和红外光的PPG信号，对其进行预处理，预处理包括先后分别进行低通、陷波和高通滤波；

(2)由经过低通滤波处理的PPG信号分别进行平均计算以获得红光和红外光的直流分量DC₁和DC₂；

(3)分别对经过预处理的红光和红外光的PPG信号进行自相关运算；

(4)由红光或红外光自相关后的PPG信号计算脉率PR：

自相关信号与原始信号频率相同，则自相关信号的周期即为原始信号的周期。计算脉率时，对自相关信号进行峰值检测，相邻两个脉搏波的时间间隔即为周期T，则脉率PR计算公式为：PR＝60/T(次/分)

(5)由红光和红外光PPG自相关后的信号分别计算交流信号自相关后的幅值AC_{_r1}和A_{C_r2}：对红光，检测自相关信号相邻的峰值谷值点，求二者之差值，并求一段时间内该差值的平均值即为AC_{_r1}，对红外光利用同样方法求得AC_{_r2}。则由建模得到的AC_{_n1}和AC_{_n2}与AC_{_r1}和AC_{_r2}的转换关系可得到： ${\mathrm{AC}}_{\_n1}=k_1*\sqrt{{\mathrm{AC}}_{\_r1}},$ ${\mathrm{AC}}_{\_n2}=k_2*\sqrt{{\mathrm{AC}}_{\_r2}},$ k₁和k₂分别为建模得到的红光和红外光PPG原始信号与其自相关信号的幅值转换系数；

(6)计算血流灌注指数：

由上述建模方法知道，自相关建模后红光和红外光的血流灌注指数的计算方法为： ${\mathrm{PI}}_1={\mathrm{AC}}_{\_n1}/{\mathrm{DC}}_1=k_1\sqrt{{\mathrm{AC}}_{\_r1}}/{\mathrm{DC}}_1,$ ${\mathrm{PI}}_2={\mathrm{AC}}_{\_n2}/{\mathrm{DC}}_2=k_2\sqrt{{\mathrm{AC}}_{\_r2}}/{\mathrm{DC}}_2;$

(7)计算自相关后的R′：

自相关建模后R′的计算公式为： $R^{\′}=\frac{k_1\sqrt{{\mathrm{AC}}_{\_r1}}/{\mathrm{DC}}_1}{k_2\sqrt{{\mathrm{AC}}_{\_r2}}/{\mathrm{DC}}_2}=\frac{k_1\sqrt{{\mathrm{AC}}_{\_r1}}/k_2\sqrt{{\mathrm{AC}}_{\_r2}}}{{\mathrm{DC}}_1/{\mathrm{DC}}_2}$

(8)计算SpO₂

将步骤(7)计算得到的R′代替式(2)中的R，得SpO₂＝A*R′2+B *R′+C由此即可计算得到SpO₂的值。

本发明不仅仅局限于上述具体实施方式，本领域一般技术人员根据本发明公开的内容，可以采用其它多种具体实施方式实施本发明，因此，凡是采用本发明的设计结构和思路，做一些简单的变化或更改的设计，都落入本发明保护的范围。

Claims (3)

1.一种低灌注血氧饱和度测量方法，其步骤包括：

(1)获取红光和红外光的PPG信号，对其进行预处理；

(2)分别对经过预处理的红光和红外光的PPG信号进行自相关运算；

(3)计算脉率、血流灌注指数和血氧饱和度：

利用红光或红外光自相关后的PPG信号计算脉率PR：

红光和红外光的血流灌注指数的计算方法为： 其中，k₁和k₂分别为红光和红外光的自相关信号的幅值转换系数；AC_{_r1}和AC_{_r2}分别为由红光和红外光PPG自相关后的信号计算得到的交流信号自相关后的幅值；DC₁和DC₂分别为由经过预处理的PPG信号计算得到的红光和红外光的直流分量；

血氧饱和度SpO₂计算公式为：SpO₂＝A*R′²+B*R′+C，

式中， $R^{\′}=\frac{k_1\sqrt{{\mathrm{AC}}_{\_r1}}/k_2\sqrt{{\mathrm{AC}}_{\_r2}}}{{\mathrm{DC}}_1/{\mathrm{DC}}_2},$

系数A，B，C由二次曲线拟合定标得到。

2.根据权利要求1所述的一种低灌注血氧饱和度测量方法，其特征在于，步骤(3)中，按下述方法进行自相关运算：

将经过预处理的PPG信号的交流分量表示为

式中m为任意整数，T为PPG信号的周期，t为时间，P为脉搏波信号交流分量的幅值，f(t)为PPG信号的交流分量，为f(t)的归一化函数；

设实际数据采样时的噪声为N(t)，则实际采集到的信号为F(t)＝f(t)+N(t)，对F(t)进行自相关，得到其自相关函数

τ为自相关后信号的时间轴量，P₁为自相关后信号的幅值，

为

的自相关函数。

3.根据权利要求2所述的一种低灌注血氧饱和度测量方法，其特征在于，PPG自相关信号的幅值P₁的平方根与原始信号的幅值P之间存在线性关系：

k为幅值转换系数。

Images