論文の読み取りと分析: モーション アーティファクトの再構築のための新しい時間変化スペクトル フィルタリング アルゴリズム

论文阅读和分析：ウェアラブル光電脈波センサーを使用した激しい身体活動中にモーションアーチファクトで破損した心拍数信号を再構築するための新しい時変スペクトルフィルタリングアルゴリズム

モーションアーティファクトの原因と問題:

1. MA は主に、PPG センサー表面と皮膚表面の間の隙間への周囲光の漏れによって引き起こされます。

2. 運動による血流の変化も MA の原因です。

3. モーションアーティファクトを除去することの難しさ: MA には事前に知られている狭い周波数帯域がなく、そのスペクトルが目的の信号のスペクトルと重なることがよくあります。

データセット:

データセットは、IEEE Signal Process と Chon lab のオープンソース データを使用します。

データセット情報:

データセットに含まれるモーションの種類:

1、トレッドミル上で 0.5 分～1 分、1 分～1 分～1 分～0.5 分の間隔で、速度 1 ～ 2 km/h、6 ～ 8 km/h、12 ～ 15 km/h でウォーキングまたはランニングを行うアクティビティそれぞれh、6〜8 km/h、12〜15 km/h、1〜2 km/h。被験者は、リストバンドを付けた手を意図的に動かして、モーションアーティファクトを生成するように依頼されました。

2、活動には、一般的な腕の動作であるさまざまな前腕および上腕の運動（例：握手、ストレッチ、物を押す、走る、ジャンプ、腕立て伏せなど）が含まれます。

3、 前腕と上腕の集中的な動きからなる活動（ボクシングなど）。

4、アクティビティには、1分間の休憩、1分間のウォーキング（時速3マイル）、1分間の休憩、2分間のジョギング（時速5マイル）、1分間の休憩、2分間のランニング（時速7マイル）、1分間の休憩、1分間の任意の動作が含まれます。

参考信号：ECG ベースの基準心拍数は、テスト対象のアルゴリズムのパフォーマンスを評価するために記録されました。

SpaMA アルゴリズムの全体的なフロー:

ステージ 1. 時変スペクトル解析
1.1 . PPG と加速度センサーの信号を 20 Hz
1.2にダウンサンプリングします。PPG と加速度計 (0 ～ 10 Hz) の両方のパワー スペクトル密度を計算します。

ステージ 2. スペクトル フィルタリング
2.1 . 心拍数が (0.5 Hz ～ 3 Hz) の周波数範囲にあると仮定すると、これは低心拍数と高心拍数の両方を考慮します。
2.2 . PPG フィルタリングされたスペクトル内の最初の最も高い 3 つのピークとそれらに対応する周波数には、HR 情報があると想定されます。
2.3 . 加速度計のスペクトルの最大周波数ピークのみがステージ 3 の MA 検出に使用されます。

ステージ 3. モーション アーティファクトの検出
3.1 . PPG スペクトル内の 3 つのピークの周波数を、加速度計のスペクトル内の最大のピークの周波数と比較します。PPG スペクトルの 1 番目または 2 番目に大きいピークが加速度計のピークのピークと類似している場合、モーション アーティファクトが PPG に存在します。
3.2 . 3.1 でモーション アーティファクトが検出された場合は、PPG スペクトル内の対応する周波数ピーク (通常は 1 番目または 2 番目に大きいピーク) を破棄する必要があります。

ステージ 4. 心拍数の追跡と PPG スペクトルからの抽出
ケース(1): 3.1 以降 - スペクトルが動きによって破損し、最初の最大ピークのみが破損している場合、心拍数の周波数は、心拍数の 2 番目のピークの周波数である必要があります。ケース
( 2): 3.1 より — スペクトルが動きによって破損し、最初と 2 番目に大きいピークの両方が加速度計のピークの周波数と同様の周波数を持っている場合、HR 周波数は、図の 3 番目のピークの周波数である必要があります。スペクトル
。ケース (3): パルスオキシメーターと被験者の皮膚の間にギャップがあるため、HR 周波数をスペクトルから抽出できません。この場合、以前の HR 周波数が使用されるか、オフライン実装の場合は 3 次スプライン補間を適用して埋めることができます。不足している人事情報にあります。

ステージ 5. PPG 信号の再構築
5.1 . PPG 信号は、各ウィンドウのスペクトルから計算された HR 成分 (ステージ 4 で抽出) に対応する振幅、周波数、位相情報を使用して再構築されます。

心拍数変動分析
サンプルごとのウィンドウ戦略を使用することで HR を抽出でき、そこからモーション アーティファクトが除去されて再構成された HR 時系列で心拍数変動分析のダイナミクスを取得できます。

注: 最初のステップ (PSD 計算) を達成する最も簡単な方法は、ピリオドグラムを使用することです。ただし、その欠点は、分散が大きく、一貫性のないスペクトル推定器であり、漏れの影響があることです。したがって、支配的なスペクトル ピークにより、パワーを持たないはずの周波数帯域にパワーが含まれる推定スペクトルが生じる可能性があります。ただし、両方の問題は、元の信号をダウンサンプリングし、多数の周波数ビンを設定して十分に小さな周波数ステップを使用することで解決できます。したがって、信号を元のサンプリング周波数から 1/4 にリサンプリングし、周波数分解能 0.001 のピリオドグラム アルゴリズムを適用します。

時間領域分析:

時間スペクトルを分析します。

3 つの軸の時間スペクトルと PPG の時間スペクトルを調べてください。緑色の円がモーション アーティファクトです。

スペクトルのピークに対応する周波数を分析します。

PPG 信号の最も高い 3 つのピークに対応する心拍数の散布図を描きます。

基準心拍数曲線を描き、その曲線が最も高い 3 つのピークに対応する心拍数の散布点に該当することを観察します。加速度の周波数スペクトルに従って削除します。

モーション アーティファクトを除去した後、時間領域図を再構成し、HRV を計算します。
$$録音\_{\_}_{信号\_\_\_}\left(k\right)={あ}_{HR}\left(k\right)\times 罪\left(2\pi t\left(k\right)f_{HR}\left(k\right)+{ファイ}_{HR}\left(k\right)\right)$$
ここで、$k=1、\dots 、N$と$N$は信号サンプルとウィンドウの合計数です;${あ}_{HR}\left(k\right)$和${ファイ}_{HR}\left(k\right)$信号エネルギー、PSD 上の HR 周波数、および HR 周波数に対応する FFT 行列の複素要素の位相角に応じて。

リファクタリングの結果:

アルゴリズム結果の分析:

基準心拍数とアルゴリズムの結果の比較グラフを作成します。

SpaMA アルゴリズムのパフォーマンス比較:

誤差の計算方法は次のとおりです。
$$エラー\_\left(1\right)=\frac{}{W}\sum _{k=1}|H{R}_{スパ・マ・}\left(k\right)-HR{\_}_{リフレ}\left(k\right)|$$

$$エラー\_\left(2\right)=\frac{}{W}\sum _{k=1}\frac{|H{R}_{MA\_}\left(k\right)-HR{\_}_{リフレ}\left(k\right)}{HR{\_}_{リフレ}\left(k\right)}\times 100\%$$

再構成信号の PSD と ECG の PSD を比較し、計算相関は 0.99 でした。

SpaMA 再構成信号の HRV と比較用の参照 ECG 信号の HRV を計算します。