研究目的
通过开发一种传感器无关的方法,利用新型信号质量指数(SQIs)和随机森林分类器来区分干净与噪声信号,从而评估指尖光电容积图(PPG)波形的临床可用性。
研究成果
该传感器无关方法能有效跨不同设备(脉搏血氧仪和智能手机)高灵敏度、高特异性地区分干净与含噪光电容积图信号。该方法在实时应用中展现出鲁棒性,通过确保仅使用高质量信号提升了疾病分类准确性(如冠状动脉疾病分析)。新型信号质量指标有助于实现可靠性能,且该方法有望扩展至心电图或心音图等其他生理信号领域。
研究不足
标注过程具有主观性,依赖专家多数投票,可能引入偏差。该方法设定分析窗口最小长度为8秒,可能并非适用于所有实时应用场景。所用数据集针对印度人群,未必能推广至全球范围。信号充足性检查标准(如心率范围)基于经验法则,可能排除有效的生理变异情况。
1:实验设计与方法选择:
本研究采用结合启发式算法与机器学习的分层决策方法,通过信号充分性检测、心搏周期模板创建、新旧信号质量指标(SQIs)提取,并利用随机森林分类器区分干净与噪声PPG信号。
2:样本选择与数据来源:
数据集包含85名受试者(35人使用脉搏血氧仪,50人使用智能手机摄像头)的PPG信号,采集自印度某城市医院ICU及农村医疗点。信号分割为8秒窗口,最终获得血氧仪1553个样本和手机243个样本。
3:实验设备与材料清单:
Contec CMS 50D+脉搏血氧仪、搭载自制相机应用的智能手机、用于标注的Matlab GUIDE软件、以及信号处理的带通巴特沃斯滤波器。
4:实验流程与操作规范:
右食指数据采集,信号滤波(0.5-6Hz截止频率),四位专家通过图形界面手动标注,对截断/平坦信号及心率范围(40-150bpm)进行充分性检测,基于中位心搏周期创建模板,提取10项SQIs(含4项新指标),采用mRMR特征选择法,最终通过随机森林分类。
5:5-6Hz截止频率),四位专家通过图形界面手动标注,对截断/平坦信号及心率范围(40-150bpm)进行充分性检测,基于中位心搏周期创建模板,提取10项SQIs(含4项新指标),采用mRMR特征选择法,最终通过随机森林分类。
数据分析方法:
5. 数据分析方法:性能评估包括灵敏度、特异性、SQI显著性的Welch t检验、五折交叉验证、类别不平衡的SMOTE处理,并与SVM、ANN和KNN等先前方法及分类器进行对比。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容