期刊《对称》第 14 卷第 6 期 10.3390/sym14061139

 开放获取文章

1

里斯本 NOVA 大学 NOVA 科学技术学院，卡帕里卡校区，2829-516 卡帕里卡，葡萄牙

2

仪器、生物医学工程和辐射物理实验室 (LIBPhys-UNL)，物理系，NOVA 科技学院，里斯本 NOVA 大学，Campus de Caparica, 2829-516 Caparica, 葡萄牙

3

NMT, S.A., Parque Tecnológico de Cantanhede, Núcleo 04, Lote 3, 3060-197 Cantanhede, 葡萄牙

4

UNINOVA-CTS，NOVA 科学技术学院，NOVA 里斯本大学，卡帕里卡校区，2829-516 卡帕里卡，葡萄牙

对称性 2022, 14(6), 1139; https://doi.org/10.3390/sym14061139

收到提交材料：2022年3月21日/修订：2022年4月13日/接受：2022年5月26日/发布：2022年6月1日

（本文属于特刊对称性在生物识别技术中的应用）

 抽象的

心率变异性 (HRV) 可评估自主神经系统的调节情况，可用作心血管疾病、神经病和睡眠分期等疾病的监测工具。

它可以从心电图 (ECG) 和光电体积描记图 (PPG) 信号中提取。通常，HRV 是从 ECG 处理中获得的。

由于 PPG 传感器广泛用于临床设置中用于监测血氧和通气率等生理参数，因此出现了有关 PPG 是否足以提取 HRV 的问题。

关于 PPG 能否在 HRV 估计中取代 ECG 尚未达成共识。这项工作旨在通过比较从 40 名受试者同时采集的 ECG 和 PPG 信号获得的 HRV 估计值，为该研究领域做出贡献。

这里介绍一种基于希尔伯特变换的峰值检测方法：希尔伯特双包络法(HDEM)。还评估了另外两种峰值检测器方法：Pan-Tompkins 和基于小波的。

计算每个算法的时间、频率和非线性域的 HRV 参数，并评估 Pearson 相关性、T 检验和 RMSE。

HDEM 算法显示出最好的总体结果，对 ECG 和 PPG 信号的灵敏度分别为 99.07% 和 99.45%。

对于该算法，对于 ECG 和 PPG 信号，HRV 特征与金标准之间存在高度相关性且没有显着差异。结果表明，PPG 是用于 HRV 特征提取的 ECG 的合适替代方案。

关键词：PPG；心率变异性；心电图；生物医学信号处理

 一、简介

在过去的几十年中，心血管疾病（CVD）的发病率和死亡率一直在下降[1, 2]。尽管取得了这些进展，CVD 仍然是全世界死亡的主要原因之一[3]。早期发现血管疾病的策略可能是预防心血管疾病的关键。

最近，越来越多的心率变异性 (HRV) 研究强调了其作为预后工具和自主神经功能快速、无创评估的价值 [4, 5]。 HRV用于评估心血管自主调节以及交感和副交感神经系统之间的平衡。 HRV 的不良变化可用作多种疾病的预测因子，例如 CVD 和糖尿病神经病变 [6]。可以从 HRV 中提取多个特征，例如正常-正常间隔的标准差 (SDNN)，它可以显示不同病理的有价值的信息 [7]。然而，从 HRV 导出的特征取决于 PPG 或 ECG 信号的峰值检测精度 [8,9,10]。

HRV 表示连续心跳基准点之间的时间差的时间序列。在 ECG 和 PPG 中，R 峰值和收缩峰值分别代表基准点。在临床环境中，心电图是用九个 Ag/AgCl 电极记录的 [11]。然而，对于 HRV 分析，通常需要三个导联才能准确检测 R 峰 [12]。心电图容易受到不同噪声源的影响，这些噪声源可以是生理性的，即肌电图噪声，也可以是非生理性的，例如电极位移和电源线干扰[13]。对于 PPG 采集，响应特定光波长的光学传感器可监测由于动脉血流的脉动性质而导致的组织中的周期性血量变化。该传感器可重复使用且对患者友好，因为它可以放置在手指 [14]、耳垂 [15]、前额 [16] 或手腕 [17] 上。

PPG 和运动伪影频率的范围通常分别为 0.5 至 4 Hz 和 0.1 至 10 Hz [18]。这种带宽重叠阻碍了使用普通滤波获得干净信号的过程。人们提出了不同的方法来减少这些伪影，例如移动平均[19]、自适应滤波器[20]和基于加速度计数据的算法[21]。鉴于噪声源在幅度、带宽和平稳性方面的不可预测性，PPG 和 ECG 中的伪影去除是一项具有挑战性的任务。

预计噪声去除操作效率将影响基准点的准确检测。

人们分别提出了不同的方法来检测 ECG 和 PPG 信号中的 QRS 和收缩峰，例如人工神经网络 [22]、小波变换 [23] 和机器学习方法 [24, 25]。表 1 列出了 ECG 和 PPG 峰值检测的几种灵敏度、阳性预测值和误检率结果的文献调查。

尽管采用不同的方法，但算法对 ECG 和 PPG 病例的敏感性均高于 90%，但考虑到使用不同的数据库，应谨慎进行直接比较。

表 1. ECG 和 PPG 信号峰值检测的性能评估。

峰值检测是准确估计 HRV 的重要步骤。此外，还通过计算各自的 HRV 特征（例如时间和频率指标）来评估 PPG 与 ECG 的性能[49]。表 2 总结了比较 ECG 和 PPG 信号的 HRV 特征的不同研究。一些研究 [49,50,51,52,53] 声称 PPG 在 HRV 特征确定方面表现出较高的准确性。其他作者 [54,55,56] 发现 PPG 并不是 ECG 的可靠替代品，这似乎与表 1 中关于 PPG 敏感性的总体良好结果明显不一致。但是，必须记住，没有使用通用数据库。

表 2. ECG 和 PPG 信号的 HRV 参数比较。

本文提出的工作旨在有助于澄清 PPG 和 ECG 的比较能力，以实现 HRV 分析的准确基准点检测。为实现这一目标，研究分为以下几个步骤：

  • 对 ECG 和 PPG 的不同峰值检测算法进行了评估。事实真相是两个信号中的专家峰值标记。

  • 在本文提出的工作中，评估了三种不同的峰值检测器算法，其中之一是一种无需使用阈值即可执行峰值检测的新颖方法，阈值是生物信号峰值检测中的常见方法。

    即使采用自适应阈值调整，在更宽的信号变化之后，由于跟踪延迟，也可能会出现峰值丢失的情况。

  • 对不同 HRV 参数进行评估，以评估从不同峰值检测方法获得的结果的相似性。基本事实是通过两个信号中的专家峰值标记获得的 HRV 参数。

 2。材料和方法

40 名健康志愿者参与了这项研究，其中 20 名女性和 20 名男性，年龄分别为 36.4 ± 19.2 岁和 47.3 ± 21.7 岁，BMI 分别为 22.9 ± 3.2 和 27.2 ± 4.5。所有参与者都签署了知情同意书，并且工作数据库是匿名的。

这项研究得到了奥利维拉圣母医院伦理委员会的批准，参考号为 86/2019。

由美国加利福尼亚州戈利塔的 MP35 BIOPAC ® 系统同时记录同一参与者的实验心电图和 PPG 数据。使用连接到右手腕（“正”）、右脚踝（“地”）和左脚踝（“负”）的 3 电极导联组 (SS2L) 获取心电图信号。 PPG 数据是使用 BIOPAC ® 光电体积描记传感器型号 SS4LA 从食指记录的。以 2000 Hz 采样频率记录信号至少五分钟。在整个记录期间，受试者保持舒适的半卧位，并被要求尽量减少身体运动。

数据预处理包括带通滤波、修剪和去趋势。 ECG 和 PPG 带通滤波器分别设置为 0.5 至 35 Hz [62, 63] 和 0.4 至 4 Hz [64, 65]。在 ECG 和 PPG 信号上测试了三种峰值检测器算法：改进的 Pan-Tompkins [26]、基于小波的 [66] 和希尔伯特双包络法 (HDEM)。

Pan-Tompkins [26] 算法应用低通滤波器和高通滤波器来减少背景噪声，例如电力线干扰或肌肉噪声。然后对信号进行平方以放大信号的较高幅度部分，并且自适应阈值检测峰值[26]。

类似地，对于 PPG 信号，实施了基于滤波器的峰值检测 (FBPD) 算法。该算法受到 Pan-Tompkins 方法的启发，但根据[67]中提出的标准牢记 PPG 信号的频谱特征。应用 FBPD 算法的理由是能够使用应用于 PPG 收缩基准点识别的基于滤波器的类似算法来评估 Pan-Tompkins ECG R 峰值检测结果。图 1 表示峰值检测的 FBPD 算法步骤。

小波算法（图 2）基于 Sahambi 等人推出的 R 波峰值检测器的改编版本。 [66]和卡多佐等人。 [67]。所选的小波函数是墨西哥帽[68]。基于小波变换的模最大值和零交叉来检测 P 波和 T 波。然后对母小波进行优化，以减少低频和高频噪声对时序表征的影响[66,67,68]。

To further improve peak detection, a new algorithm is proposed in this work. The HDEM is based on the Hilbert envelope. The Hilbert transform description will herein be presented by firstly introducing the Analytic Signal concept [69]. Consider a real signal s(t) with spectrum S(ω) and j=−1 . The complex signal z(t) only defined for positive frequencies is given by the inverse transform of S(ω):

乘以 2 源于需要使分析信号的实部等于 s(t)。然而，s(t) 的频谱由下式给出：

将这个值代入式（1）可得：

z(t)=212π∫0∞∫s(t′)e−jωt′ejωtdt′dω,

(3)

得到以下结果：

z(t)=1π∫s(t′)[πδ(t−t′)+jt−t′  ]dt′,

(5)

s(t) 的解析信号通过以下方式获得：

A[s]=z(t)=s(t)+jπ∫s(t′)t−t′dt′,

(6)

Figure 3 shows a block diagram of the Hilbert transform (HT) application to PPG or ECG peak detection. The selected filter size is selected as N=4×fs where fs is the sampling frequency. Through the application of HT, the lower and upper signal envelopes are obtained, being the first one discarded. In the next step, the HT is applied to the upper envelope. From the output of this last step only the lower envelope is retrieved.

该过程将保证该较低包络将在靠近要检测的峰值的两个点处拦截信号，可以通过获得交点之间的局部最大值来轻松检索该信号。

然而，更宽的信号振荡可能会导致截取点相对于峰值的时间偏移。为了解决这个问题，在候选峰值周围的 30 毫秒窗口内执行验证。

与典型的 PPG 和 ECG 峰值检测器不同，无需建立阈值，这是 HDEM 的优点。图 4 显示了 HDEM 应用到 PPG 信号的可视化表示。

图 4.所提出的基于 HDEM 的峰值检测算法的流程图。

To evaluate the peak detection performance of the different algorithms, the sensitivity (Se), positive prediction value (PPV) and error detection rate (EDR) were determined. The sensitivity is the probability of detecting a signal peak when it exists. The positive predictive value is the probability of detecting a true signal peak among the detected peaks in the signal.
The error detection rate is the probability of the identified peak not matching a real signal peak. These parameters are given by the following expressions [70]:

where true positive (TP) is the number of correct peaks identified in the signal; false negative (FN) is the number of peaks in the signal that were not detected, and false positive (FP) is the number of misidentified peaks detected by the algorithm.

心跳间隔 (IBI) 矢量是 HRV 的另一个名称，是从 ECG 和 PPG 峰值中提取的。选择每个 HRV 域的两个特征进行评估。在时域中，选择IBI Mean和SDNN。

在频域中，选择低频（LF）功率峰值和高频（HF）功率峰值。低频和高频频段分别为 0.04 至 0.15 Hz 和 0.15 至 0.4 Hz [7]。获得了非线性域参数 S1 和 S2，分别定义为垂直于同一线的庞加莱图轴的标准差和沿同一线轴的标准差[71]。

The algorithms’ performance evaluation was assessed with the paired T-test, the Pearson correlation and the Root Mean Squared Error (RMSE). The paired T-test evaluates if there is a significant difference between the average values of the two datasets, X1 and X2, and is given by [72]:

t=X1¯−X2¯s12+s22−2ρs1s2n,

(11)

where X¯ is the mean of the dataset, s12+s22−2ρs1s2 is the total variance, n is the number of samples, ρ is the correlation and s2 is defined by [72]:

where xi is the observation and x¯ is the mean of the dataset.

The Pearson correlation was used to evaluate the HRV parameters. The Pearson correlation coefficient (ρ) between A and B is defined as [73]:

ρ (A,B)=1N−1 ∑i=1N(Ai−μAσA)(Bi−μBσB),

(13)

where μA and σA are the mean and standard deviation of A, μB and σB are the mean and standard deviation of B and N is the number of samples. The Pearson correlation ranges from −1 to 1 with 0 representing no linear correlation between the variables.

图 5 显示了工作方法的摘要流程图。所有数据均使用 MATLAB ® 2020a 版本（MathWorks, Inc.（美国马萨诸塞州纳蒂克））进行分析。

 3. 结果

先前通过盲法专家分类在 ECG 和 PPG 信号中识别出总共 21,275 个峰值。该数据集被用作算法评估的黄金标准。

对于 ECG，应用的峰值检测算法是：Pan-Tompkins、Wavelet 和 HDEM。对于 PPG，应用的峰值检测算法是：FBPD、小波和 HDEM。对于小波方法，所选的小波函数是[66]和[67]中提到的墨西哥帽。FBPD 依赖于截止频率在 0.4 Hz 和 4 Hz 之间的带通滤波器。

表 3 列出了该算法在灵敏度、阳性预测值、错误检测率和每个病例的平均处理时间方面的峰值检测性能的评估结果。在灵敏度方面，HDEM 为 ECG 和 PPG 提供了最佳结果。该方法还显示出两种信号的最低错误检测率。

应用于 PPG 信号的 FBPD 总体结果最差，灵敏度为 59.82%，误检率为 42.15%。就计算成本而言，HDEM 和小波分别是所使用的平台中最快和最慢的算法。

表 3. ECG 和 PPG 信号的峰值检测性能评估。

基于峰值检测，确定每种方法的 IBI，提取 HRV 特征并与各自的金标准导出值进行比较。

应用 Pearson 相关性、RMSE 和 T 检验，并考虑后者的显着性水平为 0.05。 RMSE 以毫秒为单位测量。结果如表 4 所示。对于从 ECG 中提取的 HRV 参数，以下注释适用：

表 4. HRV 特征的 Pearson 相关性、T 检验和 RMSE 结果。

  • 所有方法都获得了良好的总体皮尔逊相关值。

  • 相对于金标准，HRV 参数之间没有发现显着差异。

  • 三种方法获得了相似的 RMSE 值。

  • 相对于 PPG HRV 参数，以下注释适用：

  • 除小波 IBI 均值外，FBPD 和小波方法均获得了一致的低 Pearson 相关值。

  • FBPD（小波）方法的六个 HRV 参数中的四（三）个未达到显着阈值 p 值 (0.05)。

  • HDEM 具有最低的 RMSE 值、高于显着阈值 (0.05) 的 p 值以及良好的 Pearson 相关值。

总体而言，HDEM 方法对于所研究的任务表现最佳。

ρρρρρρ

 4。讨论

最近的研究评估了不同 HRV 参数在心血管疾病早期检测中的重要性 [74,75,76]，并取得了有希望的结果，从而增加了对这些特征的研究和临床兴趣。

PPG 是一种使用家用设备或在临床环境中测量 HRV 的便捷方法，因为它是一种非侵入性、低侵入性的单传感器系统，且生产成本具有竞争力[77]。数据压缩算法可用于减少数据大小，这对于家庭监控系统来说是一个有趣的功能[78]。

本文提出的工作探索了三种峰值检测算法，并评估了相对于地面实况获得的 HRV 参数。在心电信号峰值检测方面，HDEM 实现了最佳灵敏度，达到 99.07%，误检率为 2.78%。

在PPG上，该算法也取得了最好的结果，灵敏度和误检率分别为99.45%和1.35%。关于灵敏度，拟议的 ECG 和 PPG HDEM 算法与表 1 结果配对，排名高于 99%，但考虑到报告的研究中使用了不同的数据库，因此应谨慎进行比较。

还分析了从每个评估的峰值检测算法中提取的 HRV 参数。在心电图中，黄金标准 HRV 导出值与基于算法的参数之间没有发现显着差异。对于 PPG，HDEM 是呈现 p 值高于显着阈值 (0.05) 的唯一方法。这认为 HDEM 是当前框架内性能最佳的算法。此外，HDEM 计算成本是经过 T 检验验证的算法中最低的。在 HDEM 框架下，得出的结论是 PPG 和 ECG 产生相似的敏感性结果，从而批准 PPG 作为 ECG 的替代品。

以下研究提出了与本文相似的结果，但必须考虑到使用了不同的评估指标以及不同的数据集：

  • 塞尔瓦拉杰等人。 [50] 和 Vescio 等人。 [49]发现 PPG 和 ECG 之间存在高度相关性 (0.97)。

  • 卢等人。 [51]发现 PPG 和 ECG 之间存在高度相关性 (0.99)。

  • 班哈尔米等人。 [52]发现 ECG 和 PPG 之间的 IBI 平均偏差为 0.01 至 0.06 毫秒。

  • Lam 等人提出的结果。 [57]与此处获得的基于小波变换的算法的结果一致。在这两项研究中，PPG 提取的 HRV 参数相对于 ECG 的得分较差。

  • 查克拉博蒂等人。 [48]使用希尔伯特变换来检测 PPG 峰值，其中定义了 50% 的幅度阈值。在本文提出的工作中，HDEM 算法不需要阈值。

 5。结论

总而言之，以下要点适用：

  • 针对 PPG 和 ECG 测试了三种峰值检测器方法。在这种情况下，峰值检测精度在 HRV 参数提取等应用中至关重要。

  • 在 HRV 特征的提取方面，PPG 已被认为是 ECG 的有效替代品。这可能会在一些应用中引起人们的兴趣，在这些应用中，人们可以利用所需传感器数量的减少及其灵活的位置来进行 PPG 采集。

  • 实施了一种新的峰值检测器方法（HDEM），其主要优点是无需定义阈值标准。由于信号幅度或干扰源的跟踪缺陷，阈值处理通常会导致丢失峰值。

  • 就HDEM而言，低计算成本使得该方法适合实时应用和基于PPG或ECG的家庭监护系统。

 作者贡献

概念化、F.E. 和 A.B.；方法论、F.E. 和 A.B.；软件，F.E. 和 A.B.；验证、F.E.、A.B.、V.V.、S.R.和MO；形式分析、F.E.、A.B.、V.V.、S.R.和MO；调查、F.E.、A.B.、V.V.、S.R.和MO；资源、F.E.、A.B.、V.V.、S.R.

和MO；数据管理、F.E. 和 A.B.；写作——初稿准备，F.E.和A.B.；写作审查和编辑，F.E.、A.B.、V.V.、S.R.和MO；可视化、F.E. 和 A.B.；监督，A.B.，V.V.和MO；项目管理，A.B.，V.V.

和MO；资金收购，A.B.，V.V.和 M.O.所有作者均已阅读并同意稿件的出版版本。

 资金

这项研究由 FCT 和 NMT, S.A. 在项目 PD/BDE/150312/2019 和项目 UIDB/00066/2020 (FCT) 范围内资助。

机构审查委员会声明

该研究是根据《赫尔辛基宣言》进行的，并得到了奥利维拉圣母医院伦理委员会的批准，参考号为 86/2019。

知情同意书

参与该研究的所有受试者都获得了知情同意。

数据可用性声明

 不适用。

 利益冲突

作者宣称没有利益冲突。

 参考

  1. 门萨，GA；魏，G.S.；索利，P.D.；很好，L.J.；罗森伯格，Y.；考夫曼，P.G.；墨索里诺，M.E.；许，L.L.；阿杜，E.；恩格尔高，M.M.；等人。心血管死亡率下降。循环。资源。 2017, 120, 366–380。 [谷歌学术][交叉参考][PubMed]
  2. 阿米尼，M.；扎耶里，F.； Salehi, M. 心血管疾病死亡率、发病率和死亡率与发病率的趋势分析：2017 年全球疾病负担研究结果。BMC 公共卫生 2021, 21, 401。 [ Google Scholar] [ CrossRef] [ PubMed ]
  3. WHO。十大死因。 2020 年。在线提供：https://www.who.int/news-room/fact-sheets/detail/the-top-10-causes-of-death（2022 年 3 月 1 日访问）。
  4. 莫泽，M.；勒霍费尔，M.；塞德米内克，A.；勒克斯，M.；扎波托茨基，H.G.；肯纳，T.； Noordergraaf, A. 心率变异性作为心脏病学的预后工具。从理论角度对问题的贡献。 1994 年发行，90，1078–1082。 [ 谷歌学术 ] [ CrossRef ] [ PubMed ] [ 绿色版 ]
  5. 马泽奥，A.T.；拉莫纳卡，E.；迪利奥，R.；维塔，G.；圣玛丽亚，L.B.心率变异性：麻醉和重症监护中的诊断和预后工具。麻醉学报。扫描。 2011, 55, 797–811。 [谷歌学术][交叉引用]
  6. 克里斯塔尔-博内，E.；拉菲尔，M.；弗鲁姆，P.； Ribak, J. 健康和疾病中的心率变异性。扫描。 J.工作。环境。健康 1995, 21, 85–95。 [ 谷歌学术 ] [ 交叉引用 ] [ 绿色版 ]
  7. Malik, M. 欧洲心脏病学会工作组、北美起搏电生理学学会指南心率变异性。欧元。心脏杂志 1996, 17, 354–381。 [ 谷歌学术 ] [ 交叉引用 ] [ 绿色版 ]
  8. 阿尔卡拉维，A.；阿尔沃谢尔，A.； Alasaad，A.使用贝叶斯学习方法估计光电体积描记信号中的心率变异性。健康 C.技术。莱特。 2016, 3, 136–142。 [ 谷歌学术 ] [ 交叉引用 ] [ 绿色版 ]
  9. 考夫曼，T.；萨特林，S.；舒尔茨，S.M.； Vögele, C. ARTiiFACT：心率伪影处理和心率变异性分析的工具。行为。资源。方法 2011, 43, 1161–1170。 [谷歌学术][交叉引用]
  10. 辛德，K.；怀特，G.； Armstrong, N. 适用于监测军人二十四小时心率变化的可穿戴设备。传感器 2021, 21, 1061。 [谷歌学术] [交叉引用]
  11. 斯泰伦，A.S.；詹森，K.M.；阿尔拜拉克，A.；维舒尔，D.O.；范韦克，D.F.一种新型的家用 12 导联心电图系统：开发和可用性测试。 JMIR mHealth uHealth 2018, 6, e10126。 [谷歌学术][交叉引用]
  12. Einthoven, W. 人体心电图的电流记录，同样回顾了毛细管静电计在生理学中的使用。安.无创心电图。 1997, 2, 93. [谷歌学术] [交叉引用]
  13. 伊姆蒂亚兹，S.A.；马德尔，J.；萨雷米-亚拉赫马迪，S.； Rodriguez-Villegas, E. 移动医疗系统中的心电图伪影识别和去除，以实现持续患者监测。健康 C.技术。莱特。 2016, 3, 171–176。 [ 谷歌学术 ] [ CrossRef ] [ PubMed ] [ 绿色版 ]
  14. Elgendi, M. 指尖光电体积描记图信号分析。电流。心脏。牧师。 2012 年，8，14-25。 [谷歌学术] [交叉引用] [PubMed]
  15. 布拉德克，B.； Everman, B. 使用新型设备 (SPYDR) 研究低氧条件下耳后光电体积描记法的脉搏血氧饱和度。生物传感器 2020, 10, 34. [ Google Scholar] [ CrossRef] [ 绿色版 ]
  16. 埃尔南多，A.；佩拉兹-科卡，医学博士；洛萨诺，M.T.；拉萨罗，J.； Gil, E. 用于呼吸频率估计的手指和前额 PPG 信号比较。生理学。测量。 2019, 40, 095007. [ 谷歌学术] [ CrossRef] [ 绿色版]
  17. 巴沙尔，S.K.；手。;哈杰布·穆罕默德·达利普尔，S.；丁，E。惠特科姆，C.；麦克马纳斯，D.D.；陈 K.H.使用智能手表从手腕光电容积描记信号检测心房颤动。科学。众议员 2019, 9, 15054. [谷歌学术] [交叉引用]
  18. 莫赖斯，J.；罗查，M.；瓦斯康塞洛斯，G.；小瓦斯康塞洛斯，J.；德阿尔伯克基，V.； Alexandria, A. 生物医学应用光电容积脉搏波信号分析的进展。传感器 2018, 18, 1894。 [ Google Scholar] [ CrossRef] [ 绿色版 ]
  19. 陈，Y。李，D。李，Y。最大限度。; Wei, J. 使用移动平均滤波器降低可穿戴 PPG 连续监测期间的噪声。电子卫生保健 2017, 181, 193–203。 [ 谷歌学术]
  20. 拉姆，M.R.；马达夫，K.V.；克里希纳，E.H.；科马拉，N.R.；雷迪，K.A.基于 AS-LMS 自适应滤波器的 PPG 信号运动伪影减少新方法。 IEEE 传输。仪器。测量。 2012, 61, 1445–1457。 [谷歌学术][交叉引用]
  21. 桑托斯，S.A.；维内玛，B.； Leonhardt, S. 使用 LAVIMO 传感器系统在体育锻炼期间进行加速度计辅助 PPG 测量。理工学院学报。 2012年，52。[谷歌学术][交叉引用]
  22. 向，Y。林，Z。使用两级卷积神经网络自动 QRS 复合检测。生物医学。工程师。在线 2018, 17, 13. [ Google Scholar] [ CrossRef] [ PubMed] [ 绿色版 ]
  23. 瓦德雷乌，S.；马尼坎丹，M.S.用于自动 PPG 信号分析系统的鲁棒脉冲起始和峰值检测方法。 IEEE 传输。仪器。测量。 2019, 68, 807–817。 [谷歌学术][交叉引用]
  24. 阿尔瓦雷斯，R.A.；佩宁，A.J.M.；索布里诺，X.A.V.公共数据库上三种 QRS 检测算法的比较。普罗塞迪亚技术公司。 2013, 9, 1159–1165。 [ 谷歌学术 ] [ 交叉引用 ] [ 绿色版 ]
  25. 埃斯加利亚多，F.；费尔南德斯，B.；瓦西连科，V.；巴蒂斯塔，A.； Russo, S. 深度学习算法在 PPG 信号处理和分类中的应用。计算机 2021, 10, 158。 [谷歌学术] [交叉引用]
  26. 潘，J。 Tompkins, W.J. 实时 QRS 检测算法。 IEEE 传输。生物医学。工程师。 1985, 32, 230–236。 [谷歌学术][交叉引用]
  27. Okada, M. 用于 QRS 复合波检测的数字滤波器。 IEEE 传输。生物医学。工程师。 1979, 26, 700–703。 [谷歌学术][交叉引用]
  28. 哈吉莱昂蒂亚迪斯，L.J.；帕努拉斯，K.I.；彭泽尔，T.；帕纳斯，S.M.睡眠期间三种 QRS 检测算法的性能：比较研究。安努。国际。会议。 IEEE 工程师。医学。生物。 2001, 2, 1954–1957。 [谷歌学术][交叉引用]
  29. 汉密尔顿，P.S.； Tompkins, W.J. 使用 MIT/BIH 心律失常数据库对 QRS 检测规则进行定量研究。 IEEE 传输。生物医学。工程师。 1986, 33, 1157–1165。 [谷歌学术][交叉引用]
  30. 多哈雷，A.K.；库马尔，V.； Kumar, R. 心电图中 QRS 检测的有效新方法。计算。电。工程师。 2014, 40, 1717–1730。 [谷歌学术][交叉引用]
  31. 保莱蒂，M.； Marchesi, C. 使用快速 QRS 检测算法和探索性数据分析发现长期动态心电图记录中的危险模式。计算。方法计划生物医学。 2006 年，82，20-30。 [谷歌学术][交叉引用]
  32. 古铁雷斯-里瓦斯，R.；加西亚，J.J.；马纳内，W.P.； Hernandez, A. 基于自适应阈值的新型实时低复杂性 QRS 复数检测器。 IEEE Sens. J. 2015, 15, 6036–6043。 [谷歌学术][交叉引用]
  33. 德库曼，T.；古瓦茨，G.；瓦伦，C.；维贾贾，D.；威廉姆，T.； Van Huffel, S. 使用自动相关信号检测进行多模态数据中的心跳检测。生理学。测量。 2015, 36, 1691–1704。 [谷歌学术][交叉引用]
  34. Elgendi, M. 使用优化的基于知识的方法进行快速 QRS 检测：对 11 个标准心电图数据库的评估。 《公共图书馆一号》2013 年，8，e73557。 [ 谷歌学术 ] [ CrossRef ] [ PubMed ] [ 绿色版 ]
  35. 马丁内斯，A.；阿尔卡拉斯，R.；列塔，J.J.应用相量变换自动描绘单导联心电图基准点。生理学。测量。 2010, 31, 1467–1485。 [谷歌学术][交叉参考][PubMed]
  36. 阿瓦扎托，R.； Beritelli, F. 使用卷积神经网络进行自动心电图诊断。电子学 2020, 9, 951. [谷歌学术] [交叉引用]
  37. 李，J。西，Y。徐，T。 Jiang, S. 基于深度卷积神经网络的心电图分类系统，采用信息融合和 One-Hot 编码技术。数学。问题。工程师。 2018, 2018, 7354081。 [谷歌学术] [交叉引用]
  38. 潘布迪·乌托莫，T.；努里亚尼，N.； Satriyo Nugroho, A. 基于移动平均和阈值的自动 QRS 复合波峰值检测器。 J. Phys。会议。序列。 2019, 1153, 012039。 [谷歌学术] [交叉引用]
  39. 吴L.；谢X。 Wang, Y. 基于窗口变异性的心电图增强和 R 峰值检测。医疗保健 2021, 9, 227。 [谷歌学术] [交叉引用] [ PubMed]
  40. 辛，H.S.；李，C.； Lee, M. 用于光电体积描记波形峰值检测的自适应阈值方法。计算。生物。和。 2009, 39, 1145–1152。 [谷歌学术] [交叉引用]
  41. 法鲁克，美国；张，D.G.；帕克，J.H.；帕克，S.H.适用于实时无处不在的应用程序的 PPG 轮廓线。 2010 年 8 月 31 日至 9 月 4 日在阿根廷布宜诺斯艾利斯举行的 IEEE 医学和生物学工程 2010 年度国际会议论文集；第 4582–4585 页。 [ 谷歌学术]
  42. 阿圭罗-普拉达，E.J.登山者的光电体积描记信号峰值检测方法。牧师 Fac。英格。大学。安蒂奥基亚 2019, 90, 42–50。 [ 谷歌学术 ] [ 交叉引用 ] [ 绿色版 ]
  43. 姜文杰；维特克，P.；赵L.；高，S.C. 具有倒三角形区域的自适应阈值，用于根据智能手机上的光电体积描记图实时检测心率。
2014 年第 36 届 IEEE 医学和生物学工程工程学会国际会议论文集，美国伊利诺伊州芝加哥，2014 年 8 月 26-30 日；第 3212–3215 页。 \[ 谷歌学术\]
  1. 林，S.-T.；陈，W.-H.；林，Y.-H。一种基于多 PPG 传感器的鼠标应用脉搏率检测方法。传感器 2017, 17, 1628。 [ Google Scholar] [ CrossRef] [ PubMed] [ 绿色版 ]
  2. 张，D.-G.；帕克，S。哈恩，M.；帕克，S.-H。光电体积描记图的实时脉冲峰值检测算法。国际的J.电子。电。草地。 2014 年，2，45-49。 [谷歌学术] [交叉引用]
  3. 昆塔马拉，S.； Ram Gopal Reddy, L. 用于光电体积描记信号的高效自动收缩期峰值检测算法。国际。 J. 计算机。应用。 2014，97，18-23。 [谷歌学术][交叉引用]
  4. 埃尔根迪，M.；诺顿，I.；布里尔利，M.；阿伯特，D.； Schuurmans, D. 热带条件下应急响应人员测量的加速光电体积描记图中的收缩峰值检测。 《公共图书馆一号》2013 年，8，e76585。 [ 谷歌学术 ] [ 交叉引用 ] [ 绿色版 ]
  5. 查克拉博蒂，A.；萨杜汗，D.； Mitra, M. 基于希尔伯特变换的鲁棒 PPG 起始和收缩峰值检测算法。 2020 年 IEEE 加尔各答会议记录，印度加尔各答，2020 年 2 月 28 日至 29 日；第 176–180 页。 [谷歌学术][交叉引用]
  6. 韦西奥，B.；萨尔索内，M.；甘巴德拉，A.； Quattrone, A. 心电图和耳垂脉冲光电容积描记图检测用于评估健康受试者短期和长期记录心率变异性的比较。传感器 2018, 18, 844。 [ Google Scholar] [ CrossRef] [ 绿色版 ]
  7. 塞尔瓦拉杰，N.；贾里尔，A.；桑索什，J.；迪帕克，K.K.； Anand, S. 与心电图相比，对指尖光电体积描记法得出的心率变异性进行评估。 J. Med。工程师。技术。 2008, 32, 479–484。 [谷歌学术][交叉参考][PubMed]
  8. 卢，S。赵，H。朱，K。辛，K。李，M。雪莱，K.；陈 K.H.光电体积描记法变异可以作为获取心率变异信息的替代方法吗？ J.克林。监视。计算。 2008 年, 22, 23–29。 [谷歌学术][交叉引用]
  9. 班哈尔米，A.；博尔巴斯，J.；菲德里奇，M.；比利茨基，V.；金格尔，Z.； Rudas, L。使用智能手机摄像头进行脉搏率变异性测量的分析。 J. Healthc。工程师。 2018，2018，4038034。[谷歌学术][交叉引用][PubMed]
  10. 梅希亚-梅希亚，E.；布迪达，K.；阿拜，T.Y.；梅，J.M.；基里亚库，P.A.用于评估自主反应的心率变异性 (HRV) 和脉搏率变异性 (PRV)。正面。生理学。 2020年11月779日。[谷歌学术][交叉引用][PubMed]
  11. 张，F.C.；张，C.K.；邱，C.；许顺丰；林，Y.D.不同方法中 HRV 分析的变化。 2007 年计算机心脏病学会议记录，美国北卡罗来纳州达勒姆，2007 年 9 月 30 日至 10 月 3 日；第 17-20 页。 [ 谷歌学术]
  12. 康斯坦特，I.；劳德，D.；穆拉特，I。 Elghozi, J.L. 脉搏率变异性不能替代心率变异性。临床。科学。 1999, 97, 391–397。在线提供：http://www.ncbi.nlm.nih.gov/pubmed/10491338（2022 年 3 月 1 日访问）。 [交叉参考]
  13. 卢，G。 Yang, F. 血氧测定法测量心率变异性指标的局限性。心血管。工程师。 2009, 9, 119–125。 [谷歌学术][交叉参考][PubMed]
  14. 林，E.；阿拉蒂亚，S.；王，J。 Tung, J. 使用消费级光电体积描记法测量自由生活条件下的心率变异性：验证研究。 JMIR 生物医学。工程师。 2020 年 5 月，e17355。 [谷歌学术][交叉引用]
  15. 简，H.-Y.；陈，男-女；傅，T.-C.；林，W.-C.；蔡，C.-L.；林，K.-P。评估 ECG 和 PPG 衍生参数对有/无受控呼吸的健康志愿者的心率变异性和呼吸的一致性。 J. Med。生物。工程师。 2019, 39, 783–795。 [ 谷歌学术 ] [ 交叉引用 ] [ 绿色版 ]
  16. 滕XF；张Y.T.光电体积描记信号峰值间隔变异性的研究。 IEEE EMBS 亚太生物医学工程会议论文集，日本京都，2003 年 10 月 20-22 日；第 140–141 页。 [ 谷歌学术]
  17. 基兰·库马尔，C.；马纳斯维尼，M.；马鲁西，K.N.；西瓦·库马尔，A.V.； Mahesh kumar, K. 通过心电图的 RR 间隔和光电容积描记法的脉冲间间隔测量心率变异性的关联。临床。流行病。全球。健康 2021, 10, 100698。 [谷歌学术] [交叉引用]
  18. 卢，G。杨，F。泰勒，J.A.； Stein, J.F. 光电体积描记法和心电图记录的比较，用于分析健康受试者的心率变异性。 J. Med。工程师。技术。 2009, 33, 634–641。 [谷歌学术][交叉引用]
  19. 叶，J.H.；郑，D.U.基于Android平板电脑的无处不在的心电监护系统的设计与实现。无处不在的信息技术和应用；施普林格：德国柏林/海德堡，2013 年；第 269–277 页。 [ 谷歌学术]
  20. 金，B.-H.；能，Y.-H.；郑，D.-U。使用基于活动状态的自适应 EMD 滤波器的可穿戴心电图监测系统。
2015 年 IEEE 第 29 届国际高级信息网络和应用研讨会论文集，韩国光州，2015 年 3 月 24-27 日；第 11-16 页。 \[ 谷歌学术\]
  1. 艾伦，J.； Murray, A. 滤波对多部位光电体积描记法脉冲波形特征的影响。心脏病学计算机学报，日本京都，2004 年 6 月 27 日至 7 月 1 日；第 485–488 页。 [ 谷歌学术]
  2. 贝雷斯，S.； Hejjel, L. 健康志愿者准确脉率变异参数的光电体积描记图的最小采样频率。生物医学。信号处理。控制 2021, 68, 102589。 [谷歌学术] [交叉引用]
  3. 萨汉比，J.S.；坦登，S.N.；巴特，R.K.P.在线心电图表征的新方法。 1996 年第十五届南方生物医学工程会议论文集，美国俄亥俄州代顿，1996 年 3 月 29-31 日；第 409–411 页。 [ 谷歌学术]
  4. 卡多佐，F.E.；瓦西连科，V.；巴蒂斯塔，A.；博尼法西奥，P.；马丁，S.R.；穆尼奥斯-托雷罗，J.； Ortigueira, M. VOPITB 设备信号处理算法的改进。在计算、电气和工业系统博士会议上；施普林格：瑞士查姆，2021 年；第 324–330 页。 [ 谷歌学术]
  5. 瓦哈比，A.； Castanié, F. 信号和图像多分辨率分析。 2013 年。在线提供：https://doi.org/10.1002/9781118568767（2022 年 3 月 1 日访问）。
  6. Cohen, L. 时频分析； Prentice-Hall：美国新泽西州恩格尔伍德悬崖，1995 年； ISBN1 0135945321。可在线获取：https://catalogue.nla.gov.au/Record/510802（2022 年 3 月 1 日访问）ISBN2 0135945321。
  7. 达洛亚，M.；隆戈，A.； Rizzi, M. 用于自动峰值检测的嘈杂心电图信号分析。信息 2019, 10, 35. [ Google Scholar] [ CrossRef]
  8. 米雷斯库，S.； Harden, S. 用于评估近期心肌梗塞患者心率变异性的非线性动力学方法。只读存储器。 J.生物物理学。 2012, 22, 117–124。 [ 谷歌学术]
  9. 金，T.K. T 检验作为参数统计量。韩国麻醉学杂志。 2015, 68, 540. [ 谷歌学术] [ 交叉引用] [ 绿色版]
  10. 费舍尔，R.A.研究人员的统计方法；哈夫纳：美国纽约州纽约市，1958 年；第 66-70 页。 [ 谷歌学术]
  11. 方，S.-C.；吴，Y.-L.；蔡，P.-S。心血管疾病患者的心率变异性以及全因死亡和心血管事件的风险：队列研究的荟萃分析。生物。资源。护士。 2020 年, 22, 45–56。 [谷歌学术][交叉引用]
  12. 希勒布兰德，S.；加斯特，K.B.；德穆塞特，R.；斯文 (Swenne)，加利福尼亚州；尤科马，J.W.；米德尔多普，S.；罗森达尔，F.R.；德克斯，O.M.没有已知心血管疾病的人群中的心率变异性和首次心血管事件：荟萃分析和剂量反应荟萃回归。 EP 欧元。 2013, 15, 742–749。 [谷歌学术][交叉引用]
  13. 辻，H.；拉尔森，M.G.；文迪蒂，F.J.；曼德斯，E.S.；埃文斯，J.C.；费尔德曼，C.L.； Levy, D. 心率变异性降低对心脏事件风险的影响。 1996 年发行，94，2850–2855。 [谷歌学术][交叉参考][PubMed]
  14. Ghamari, M. 对可穿戴光电体积描记传感器及其在医疗保健中未来潜在应用的综述。国际。 J.Biosens。生物电子。 2018, 4, 195–202。 [ 谷歌学术 ] [ CrossRef ] [ PubMed ] [ 绿色版 ]
  15. 本特，B.；卢，B。金，J。 Dunn, J.P. 用于数字生物标记发现的生物信号压缩工具箱。传感器 2021, 21, 516。 [ Google Scholar] [ CrossRef] [ PubMed]

© 2022 作者版权所有。被许可方 MDPI，瑞士巴塞尔。本文是根据知识共享署名 (CC BY) 许可证 (https://creativecommons.org/licenses/by/4.0/) 的条款和条件分发的开放获取文章。

 分享和引用

 MDPI 和 ACS 风格

埃斯加利亚多，F.；巴蒂斯塔，A.；瓦西连科，V.；鲁索，S.； Ortigueira, M. ECG 和 PPG 信号的峰值检测和 HRV 特征评估。对称性 2022, 14, 1139。 https://doi.org/10.3390/sym14061139

 AMA风格

Esgalhado F、Batista A、Vassilenko V、Russo S、Ortigueira M。ECG 和 PPG 信号的峰值检测和 HRV 特征评估。对称。 2022 年； 14（6）：1139。 https://doi.org/10.3390/sym14061139

 芝加哥/图拉比安风格

埃斯加哈多、菲利帕、阿纳尔多·巴蒂斯塔、瓦伦蒂娜·瓦西连科、萨拉·鲁索和曼努埃尔·奥尔蒂盖拉。 2022.“ECG 和 PPG 信号的峰值检测和 HRV 特征评估”Symmetry 14，第 1 期。 6：1139。https://doi.org/10.3390/sym14061139

请注意，从2016年第一期开始，该期刊使用文章编号而不是页码。请参阅此处的更多详细信息。

 文章指标

 引文

Article Access Statistics

For more information on the journal statistics, click here.

Multiple requests from the same IP address are counted as one view.