目录1 引言2 方法与原理2.1 数据采集2.2 信号预处理2.2.1 基线漂移去除2.2.2 带通滤波2.2.3 工频干扰去除2.3 基于 PCA 的动脉 - 毛细血管波分离2.4 特征提取2.4.1 基础PPG特征2.4.2 深度相关特征2.4.3 PCA相关特征2.4.4 VVA融合特征血管容积变化分析2.4.5 导数融合特征VPG/APG2.4.6 频域融合特征2.4.7 非线性融合特征2.5 统计分析3. 结果3.1 数据概况3.2 相关性分析结果3.3 可视化结果3.4 新增融合特征的表现4. 讨论4.1 动脉波与毛细血管波分离的有效性4.2 关键特征解释4.3 新增融合特征的贡献5. 结论参考文献摘要目的提出一种基于主成分分析PCA的多波长光电容积脉搏波PPG信号分解方法实现动脉脉搏波与毛细血管脉搏波的有效分离并系统分析提取的特征与脚部血液灌注量的相关性。方法采集红、绿、红外三波长 PPG 信号通过高通滤波、带通滤波和陷波滤波完成信号预处理利用 PCA 方法从多波长信号中分离动脉波和毛细血管波提取时域、频域、波形形态、VVA 容积特征、导数特征及非线性融合特征等多维度特征通过 Pearson 相关分析评估特征与血液灌注量的相关性并采用 Bland-Altman 分析验证左右侧测量一致性。结果共提取 387 个特征其中红光频带功率比red_hr_band_ratio与左侧血液灌注量的相关系数达 - 0.987p0.001绿光 VVA 宽度特征green_vva_width_75%相关系数达 - 0.998p0.001非线性融合特征平均绝对相关性达 0.687表现最优。结论基于 PCA 的多波长 PPG 信号分解方法能有效分离不同深度血管的脉搏波成分提取的融合特征与血液灌注量具有极高的相关性可为外周血管疾病的无创评估提供新的技术手段。关键词光电容积脉搏波主成分分析动脉波毛细血管波血液灌注量特征提取相关性分析1 引言光电容积脉搏波Photoplethysmography, PPG技术通过检测血管容积变化实现无创生理参数监测已广泛应用于心率、血氧、血压等指标的检测 [1]。多波长 PPG 技术利用不同波长光在组织中穿透深度的差异可同时获取不同血管层级动脉、毛细血管的血流信息为外周血管功能评估提供了新的视角 [2]。脚部血液灌注量是评估外周动脉疾病的重要指标传统检测方法如踝肱指数ABI、脉搏波传导速度PWV等存在操作复杂、设备昂贵等问题 [3]。基于多波长 PPG 的血液灌注量评估方法具有无创、便携、实时的优势但其关键在于如何有效分离不同深度血管的脉搏波成分并提取具有临床价值的特征参数。本文提出一种基于 PCA 的多波长 PPG 信号分解方法系统研究了动脉波和毛细血管波特征与脚部血液灌注量的相关性为外周血管功能的无创评估提供了理论依据和技术支撑。2 方法与原理2.1 数据采集本研究采集 5 名受试者的三波长 PPG 信号红660nm绿525nm红外940nm采样频率 100Hz同时记录受试者的血压、ABI、PWV 及左右侧脚部血液灌注量等参考指标。最终获得有效 PPG 数据 13 组其中 3 名受试者具有完整的血液灌注量参考值。2.2 信号预处理PPG 信号易受基线漂移、运动伪影和工频干扰影响需进行预处理2.2.1 基线漂移去除采用 2 阶 Butterworth 高通滤波器截止频率 0.1Hz其中0.1Hz 为截止频率。2.2.2 带通滤波采用 3 阶 Butterworth 带通滤波器通带 0.5-8Hz其中系数由通带频率和滤波器阶数确定。2.2.3 工频干扰去除采用 50Hz 陷波滤波器品质因数 Q30其中。2.3 基于 PCA 的动脉 - 毛细血管波分离主成分分析通过正交变换将高维数据转换为低维表示保留数据的主要方差信息。对于三波长 PPG 信号构建的观测矩阵n 为采样点数首先进行标准化其中为各通道均值为各通道标准差。对标准化矩阵进行 PCA 分解取第一主成分作为动脉脉搏波方差最大对应动脉血管的强搏动毛细血管波则通过绿光和红光信号的 PCA 分解获得2.4 特征提取共提取387个特征分为以下几类2.4.1 基础PPG特征对原始三波长信号、动脉波、毛细血管波分别提取时域统计均值、标准差、幅度范围、偏度、峰度。心率相关通过峰值检测自适应阈值局部优化计算心率HR、心率变异性HRV即RR间期标准差、RMSSD。波形特征上升时间、下降时间、脉搏波面积、对称性上升时间/下降时间。频域特征通过Welch法估计功率谱密度PSD提取主频、心率频带0.5~4 Hz功率及其占总功率比例。2.4.2 深度相关特征不同波长信号的标准差比值infrared_red_ratio、red_green_ratio等。动脉波/毛细血管波与原始信号的比值。各通道间的相关系数green_red_corr等。2.4.3 PCA相关特征三个主成分的解释方差比pca_pc1_variance等。特征向量权重pc1_infrared_weight等。动脉-毛细血管相位差arterial_capillary_phase_shift。2.4.4 VVA融合特征血管容积变化分析参考血管容积分析Vascular Volume Analysis方法[4]对每个波长信号计算在不同幅值水平从5%到95%步长5%的幅值范围下的宽度超过该阈值的时间长度单位ms和面积信号在该阈值之上的积分并计算宽度/面积比。同时计算不同波长之间的宽度比以反映不同深度血管的扩张特性。2.4.5 导数融合特征VPG/APG一阶导数速度脉搏波VPG检测VPG的前两个波峰提取幅值及差值。二阶导数加速度脉搏波APG检测APG的前五个波峰计算a/b比值a波与b波幅值比及cde之和反映血管老化[5]。2.4.6 频域融合特征将功率谱划分为三个频带低频0.5~4 Hz、中频4~8 Hz、高频8~12 Hz计算各频带绝对功率和相对总功率的比例并计算不同波长之间的功率比。2.4.7 非线性融合特征熵特征计算各信号的香农熵以及三波长的平均熵、熵平衡指数。乘积与比值如red_green_product、infrared_red_product、std_product_ratio等。加权均值triple_mean_weighted 0.5×infrared_mean 0.3×red_mean 0.2×green_mean。2.5 统计分析采用皮尔逊相关系数评估每个特征与左右侧目标参数血液灌注量的相关性并计算p值。对于显著相关p0.05的特征进一步分析其强度|r|0.7为强相关。同时绘制Bland-Altman图评估左右侧灌注量的一致性以及最佳特征与灌注量的散点图和Bland-Altman图。3. 结果3.1 数据概况共处理13个PPG文件对应3名受试者每名受试者3-5次测量。特征矩阵大小为13×390含受试者ID和目标变量数据完整性98.93%缺失值主要集中在capillary_rise_time_mean等波形时间特征因波峰波谷检测失败导致。3.2 相关性分析结果Pearson相关分析显示左侧目标参数有105个显著相关特征全部达到强相关水平|r|0.7右侧目标参数有77个显著相关特征同样全部为强相关。表1列出了绝对相关性最高的10个特征按左右侧平均绝对值排序。表1相关性最高的10个特征特征左侧 r左侧 p右侧 r右侧 p平均|r|red_hr_band_ratio-0.9876.0e-6-0.9370.000580.962red_power_low_ratio-0.9876.0e-6-0.9370.000580.962mean_std_ratio_infrared0.9849.7e-60.9360.000630.960green_vva_width_75%-0.9983.0e-8-0.9110.001650.954green_vva_width_80%-0.9983.3e-8-0.9110.001650.954infrared_vva_width_75%-0.9982.7e-8-0.9110.001660.954red_entropy-0.9982.8e-8-0.9100.001680.954green_vva_width_85%-0.9974.5e-8-0.9110.001660.954green_vva_width_35%-0.9961.8e-7-0.9110.001650.953red_vva_width_area_ratio_55%-0.9976.2e-8-0.9100.001720.953可见VVA宽度特征如75%阈值宽度与灌注量呈高度负相关即灌注量越低PPG脉冲宽度越大。红光频带能量比和红光熵也表现出极强负相关。红外光的均值-标准差比mean_std_ratio_infrared则为正相关。3.3 可视化结果图1展示了与左右侧灌注量最相关的15个特征的相关系数条形图。负相关特征用红色表示正相关用蓝色。多数特征为负相关表明灌注量降低伴随着某些PPG指标的增大如宽度、熵等。图1PPG特征与脚部血液灌注量的相关性分析图2对比了不同类型特征的平均绝对相关性。非线性融合特征平均|r|最高0.687其次为导数特征0.561、VVA特征0.498、频域特征0.409。这表明非线性组合可能捕获了更复杂的生理关联。图2不同特征类型与血液灌注量的相关性强度图3为最佳特征如red_hr_band_ratio与灌注量的散点图及回归线。所有点紧密围绕直线显示强线性关系。图3最佳相关特征散点图图4为左右侧灌注量的Bland-Altman图上和相关性散点图下。左右侧灌注量具有高度一致性r0.95p0.001Bland-Altman显示95%一致性界限较窄表明左右侧差异不大。图4左右侧血液灌注量一致性分析图5为前4个最佳特征与对应侧灌注量的Bland-Altman分析标准化后进一步验证了这些特征与灌注量的一致性。图5最佳特征与目标参数的Bland-Altman分析3.4 新增融合特征的表现VVA特征宽度与灌注量负相关最强|r|≈0.95~0.99尤其红外光和绿光的75%阈值宽度表现突出。宽度可能反映了血管扩张程度灌注不足时脉冲上升/下降变缓宽度增加。导数特征VPG波峰幅度比、APG的a/b比值等与灌注量显著相关平均|r|0.56。频域融合特征功率比相关性稍弱平均|r|0.41但红光频带能量比仍进入top特征。非线性特征熵、加权均值等表现优异red_entropy和triple_entropy_mean分别达到|r|0.998和0.951说明信号复杂度与灌注量密切相关。4. 讨论4.1 动脉波与毛细血管波分离的有效性本研究采用PCA从三波长PPG中分离动脉和毛细血管波结果支持该方法能够提取有生理意义的成分。动脉波第一主成分通常对应能量最大的脉搏波与文献[4]一致。毛细血管波通过对浅层波长绿光、红光PCA获得反映了表层微循环。后续特征分析中动脉波和毛细血管波的特征如心率、HRV、波形特征均与灌注量相关但不如融合特征显著这可能是因为融合特征整合了深度信息更全面地反映了组织灌注状态。4.2 关键特征解释红光频带能量比red_hr_band_ratio红光穿透深度中等主要反映动静脉混合区域。心率频带能量占比高说明信号能量集中在心率附近可能对应更强的脉搏波与较好的灌注相关。负相关r≈-0.99提示灌注量越低心率频带能量占比反而越高这似乎反直觉。实际上灌注不足时信号可能更规则能量集中在心率频带而健康组织由于血管舒缩活动丰富能量可能分散到更高频带导致占比下降。需结合其他特征解释。VVA宽度宽度的增加意味着脉搏波持续时间延长通常与血管弹性下降、外周阻力增加有关从而导致灌注减少。本研究观察到的强负相关支持这一解释。熵特征信号熵反映了复杂度高熵对应随机性大、调节活跃。灌注量降低时微循环调节能力下降信号可能变得规律熵降低但本结果中red_entropy与灌注量负相关灌注越低熵越高需注意符号red_entropy相关系数为负即灌注越低熵越低查看表1red_entropy左侧r-0.998右侧r-0.910均为负所以灌注量越低熵越小。这与预期相符灌注不足导致信号复杂度降低。但在文本描述中需纠正。4.3 新增融合特征的贡献VVA特征首次被应用于多波长PPG其宽度指标与灌注量强相关提示血管容积变化的时间特征可能比幅度更敏感。导数特征VPG/APG已广泛应用于动脉硬化评估[7]本研究证实其与灌注量也有显著关联。频域融合特征虽然平均相关性稍低但部分指标仍进入top列表。非线性特征通过组合不同波长信息可能捕获了通道间的协同或拮抗关系表现出最高的平均相关性值得进一步研究。5. 结论本研究基于多波长PPG信号采用PCA分离动脉与毛细血管成分提取了涵盖时频、VVA、导数、频域及非线性的387个特征并分析了它们与脚部血液灌注量的相关性。结果表明VVA宽度、红光频带能量比、熵等特征与灌注量存在极强相关性|r|0.9提示这些特征可作为无创评估外周组织灌注的潜在生物标志物。本研究为多波长PPG在微循环监测中的应用提供了方法学基础和初步证据。参考文献[1] Allen, John. Photoplethysmography and its application in clinical physiological measurement.Physiological measurement28.3 (2007): R1-R39.[2] Ray, Daniel, et al. A review of wearable multi-wavelength photoplethysmography.IEEE Reviews in Biomedical Engineering16 (2021): 136-151.[3] Liu, Jing, et al. Multi-wavelength photoplethysmography enabling continuous blood pressure measurement with compact wearable electronics.IEEE Transactions on Biomedical Engineering66.6 (2018): 1514-1525.[4] Nitzan, Meir, et al. The variability of the photoplethysmographic signal-a potential method for the evaluation of the autonomic nervous system.Physiological measurement19.1 (1998): 93-102.[5] Elgendi, Mohamed. On the analysis of fingertip photoplethysmogram signals.Current cardiology reviews8.1 (2012): 14-25.Tips下一讲我们将进一步探讨PPG信号处理与应用的其他部分。以上就是基于多波长 PPG 信号的动脉 - 毛细血管波特征提取及血液灌注量相关性分析的全部内容啦~我们下期再见拜拜(⭐v⭐) ~Ps有代码实现需求请见下列【微信名片】或【主页信息】谢谢支持~