基于人工智能的心率检测算法

Chinese Journal of Medical Instrumentation 2010 年 34 卷 第 1期 研 究 与 论 著 1 基于人工智能的心率检测算法 文章编号：1671-7104(2010)01-0001-03 【作 者】 【摘 要】 【关 键 词】 【中图分类号】 【文献标识码】 【 Writers 】 【 Abstract 】 【Key words 】 蔡承贤，王伟 上海交通大学电子信息与电气工程学院，上海， 200240 针对脸颊时滞图像检测人体心率的方法，提出一种新颖的基于人工智能技术的检测算法。该算法结合模糊逻辑理论，通过 各采样数据点模糊隶属度的定义与计算，获得心跳发生时间点，再通过某特定时间段内的心跳次数，计算得心率。实验 明，该算法具有易操作性、精确性及鲁棒性的优点，具有一定实用价值。 心率检测；生体信号；图像处理；人工智能 R318.04 A Cai Chengxian, Wang Wei School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai, 200240 Based on the heart rate measurement method using time-lapse image of human cheek, this paper proposes a novel measurement algorithm based on Artifi cial Intelligence. The algorithm combining with fuzzy logic theory acquires the heart beat point by using the defi ned fuzzy membership function of each sampled point. As a result, it calculates the heart rate by counting the heart beat points in a certain time period. Experiment shows said algorithm satisfi es in operability, accuracy and robustness, which leads to constant practical value. heart rate measurement, vital signal, image processing, Artifi cial Intelligence 随着医学知识与信息科技的不断发展和进步，传 统的医疗模式已逐渐从 “有疾始医”向“无疾预防”转 变。这种转变使人体各类生理信号的日常监测成为一项 越来越重要的工作，其中一项心率信息的定义是心脏每 分钟跳动的次数。在众多生体信号中，心率数据可谓是 最基本同时也是最重要的信息之一，在诸多方面表现出 极大价值，例如，在疾病预测及诊断方面，通过心率信 号，可以捕获心脏疾病的先兆情况，了解心脑血管疾病 的潜在风险；在健康保健和运动医学领域，可依据心率 情况判断健身效果以及保障被监测者的运动安全。 　　传统的心率检测方法一般基于绘制心电图（ECG， electrocardiogram）的技术，如图1所示[1]。此种方法需 要在人体数个特定部位放置体表电极，用于身体表面各 点生物电压的采集；然后，根据各点间电位差，绘制出 人体心电图并籍此获得心率信息。由于这种检测方法事 先需要进行较为繁琐的准备工作，比如需要花费时间在 体表安置电极和预热仪器设备等。此外，由于该检测方 法需要仪器与体表直接接触，所以还涉及到清洁仪器、 体表消毒等问。该方法另需通过波形分析方法分析 数据，方能获得心率信息。由此可见，在非专业医疗环 境特别是那些我们仅需获知被检测者心率信息而对心 电图信息不甚关心的场合，以上测试方法显得较为繁琐 与不便。综上所述，迫切企盼一种操作简便，无需与人 体相接触，并且能够快速完成心率检测的非接触式心 率检测方法。 　　为满足上述需求，前人提出一种基于时滞图像 （time-lapse image）分析人体心率的非接触、非侵入式 检测方法。该方法通过截取人体脸颊部位特定区域的 视频时滞图像，透过该图像区域平均灰度值的离散变 收稿日期：2009-11-06 作者简介：蔡承贤 E-mail : danielchester@163.com Heart Rate Measurement Algorithm Based on Artifi cial Intelligence 图1 人体ECG测试图 　　Fig.1 Image of ECG Testing Chinese Journal of Medical Instrumentation 2010 年 34 卷 第 1期 研 究 与 论 著 2 化，籍由若干信号处理方法及6阶自回归分析而获取心 跳频率（heart rate）及呼吸频率(respiratory rate)，较好 克服了前文所述传统检测方法的问题。但是，该方法也 存在着精确度、可靠性上的缺陷，使得研究者继而思索 更佳分析处理方法，从而在满足非接触性、非侵入式特 性的同时，提高准确率。 　　本文尝试在此种方法的基础上，着眼于新算法的 开发，提出一种基于人工智能技术中模糊逻辑理论的 生体信号分析算法，将其应用于心率检测领域。实验表 明，采用该算法之后，检测结果比较理想。 1 研究现状 　　通过人体局部视频图像信号的变化检测心率，作 为一种新颖的非接触式、非侵入式心率检测受到 学术界的关注。比如，在由Takano C等所发表的文章 中[2]，提出一种由CCD摄像机捕捉人脸特定目标区域的 时滞视频图像后，依次通过一阶微分、低通滤波和6阶 自回归分析等信号处理手段，于信号频谱能量最大的两 个频段处获取呼吸和心跳频率。然而，由于视频图像信 号极易混入噪声的特性，加上该算法先天所存在的局限 性，最后的检测结果不甚理想。 2 本文提出方法 　　为了提高前文所述心率检测方法的精确度，本文 尝试在该方法基础上，引入人工智能领域中模糊逻辑 的分析算法，籍此能有效提高精确性。 2.1 模糊逻辑简介 模糊逻辑是目前人工智能领域内较为活跃的一个 分支。该方法植根于University of California, Berkeley的 Lotfi Sedah教授于1965年提出的模糊数学理论，籍由其 中的模糊集合论为工具，通过模糊隶属函数之赋值，规 避布尔逻辑所带来的“绝对二元性”问题。由于其在精确 度、鲁棒性及易用性之间有良好的折衷处理关系，目前已 广泛应用于智能家电，医疗仪器和图像处理等领域。 2.2 数据预处理 由数码摄像机采集人脸面颊特定区域的视频时滞 图像，其原始数据格式为NTSC，拍摄参数为每秒30桢， 即信号采样率为30 Hz。此后经256阶灰度处理，取每桢 图像的灰度平均值，所获预处理信号如图2所示。 由于该信号仍存在较大的噪声，宜先进行滤波处 理。在此，采用加BLACKMAN窗的方法，其幅频及相 频曲线如图3所示，其窗系数方程[4]为： ω(n)=0.42-0.5cos(2π ── )+0.08cos(4π ── ), 0≤n≤N 其中，n为滤波器系数的序列；BLACKMAN滤波器 阶数为L=N+1。 基于人体心率的知识，取滤波器通带为0.5 Hz至 2 Hz。经过以上处理之后的信号如图4所示。 2.3 算法说明 　　基于人体心跳特征的研究，可建立以下两条基本知 识规则[5]： 1) 每次心跳所需时间以一定概率形式分布在时域 图2 经预处理后之视频时滞信号 Fig.2 Image of processed signal 图3 BLACKMAN滤波器频谱图 Fig.3 Spectrogram of Blackman filter N N n n 图4 经滤波后之视频时滞信号 Fig.4 Image of filtered signal 图5 时间模糊隶属函数 Fig.5 Time FM function Chinese Journal of Medical Instrumentation 2010 年 34 卷 第 1期 研 究 与 论 著 3 中，其中包括心率正常者及心率异常者； 2) 在每次心跳过程中，信号幅度至少会出现一次较 大波峰，心率异常者可能波峰更多。 　　根据以上知识，基于模糊集合理论[3]，我们据此构 建两条模糊隶属函数： 　　基于第一条知识，定义时间模糊隶属函数，在此使 用如图5所示的高斯形隶属函数： 　　 其中，τ(t)为信号时间离散值；T为按Takano C方法 [2]计算所得心跳频率的倒数；σ决定函数曲线的宽度，取 经验值 ── 。 基于第二条知识，定义幅值模糊隶属度。由于幅值 信号所受的干扰较为严重，因此如图6所示的线性分布 被用于刻画幅值模糊隶属度： 　　　 其中，x(t)为信号幅度离散值；xmax及xmin分别为信号 之极值。 　　通过以上两维模糊隶属函数之乘积，可定义综合 模糊隶属度： 　　基于以上所定义模糊隶属度，可计算信号每一离 散点之综合模糊隶属度。心跳点即为信号综合模糊隶 属度最大的点。最后，通过计算一分钟内心跳点的个 数，即可获得实验者的心率。 　 　　　　　 　　　　　 　　　　　 　　　　　 　　　　　 3 T μ = μ Int × μAmp 　　图6 幅值模糊隶属函数 Fig.6 Amplitude FM function 3 实验结果 　　为了测试本文所提出算法的有效性，将5位被测试 者的实际心跳与用本文提出的心率检测算法同时进行 对比验证，其结果如表1所示。 通过计算，该算法所得结果与实际心率的相关系 数(correlation coefficient)为0.95，而Takano C等[1]所提 出的算法检测结果与实际心率的相关系数为0.90。因 此，本文提出的算法满足了性能提高的需求，达到设计 目的。 4 结论 　　非接触式心率检测方法由于其方便性、安全性及 灵活性受到业界广泛关注与研究。本文在前人基于人体 视频时滞图像检测心率方法的基础上，提出了一种新颖 的心率检测算法。该算法结合了信号处理技术及人工智 能方法，在易用性及精确度之间进行了良好的平衡。实 验结果显示，能基本满足心率检测的要求。 　　 参考文献 [1] Electrocardiography. http://en.wikipedia.org/wiki/Ecg [2] Takano C, Ohta Y. Heart rate measurement based on a time-lapse image[J]. Med Eng Phys, 2006, 29(8): 853-857. [3] 李人厚著.智能控制理论和方法[M].西安:西安电子科技大学出版 社, 2005. [4] Documentation for MathWorks Products, R2009b. http://www. mathworks.com [5] Yutaka Hata, Yuya Kamozaki, Toshiyuki Sawayama, et al. Heart pulse monitoring system by air pressure and ultrasonic sensor systems[J]. System of Systems Engineering, 2007, 16-18: 1-5. 实验者 本文方法（次/分） 实际心率（次/分） A 81 80 B 67 67 C 73 70 D 79 79 E 72 74 表1 实验结果比较 Tab. 1 Results comparison CHINAPLAS 2010 国际橡塑展将在沪举行 CHINAPLAS2010中国国际塑料橡胶工业展览会将于2010年4月19至22日在中国上海新国际博览中心隆重举行。预计展会规 模将达150,000平方米。 CHINAPLAS国际橡塑展多年来一直为不同应用行业引进橡塑新材料及技术，创造更优质的产品。时至今日，橡塑科技已融入生 活各个领域，如汽车内外饰件、电视机、电脑、手机、玩具、门窗、食物保鲜膜、饮料瓶及医疗用品等。 CHINAPLAS国际橡塑展将以“绿色制造 共塑未来”为主题紧扣各行各业发展的新方向。大会将藉着展览及论坛等多元化 活动彰显塑料橡胶企业对创造绿色环保社会的努力和突出贡献，推广绿色环保概念，在实现各行业的可持续发展。 　　 （本刊讯）