头部动态场景下非接触式血氧饱和度测量新突破
头部动态场景下非接触式血氧饱和度测量新突破
在动态头部场景下，现有的非接触式血氧饱和度测量方法普遍存在准确性低的问题。针对这一挑战，西安科技大学通信与信息工程学院的研究团队提出了一种基于改进的自适应噪声完全集合经验模态分解（ICEEMDAN）与小波阈值相结合的去噪方法。该方法通过优化脉搏波信号的提取过程，显著提升了血氧饱和度测量的准确性和稳定性。
研究背景与意义
血氧饱和度（SpO2）是评估人体健康状况的重要生理参数之一。传统的接触式血氧饱和度测量方法虽然准确，但存在使用不便、易受干扰等问题。近年来，随着计算机视觉和信号处理技术的发展，非接触式血氧饱和度测量技术逐渐成为研究热点。然而，在头部动态场景下，由于运动伪影和光照变化等因素的影响，现有方法的测量精度普遍较低。
方法与创新
研究团队提出了一种基于ICEEMDAN-WT的去噪方法，用于提取高信噪比的脉搏波信号。具体步骤如下：
改进的自适应噪声完全集合经验模态分解（ICEEMDAN）：为解决自适应噪声完全经验模态分解在分解重构早期产生虚假分量和模态混叠的问题，在分解过程中加入高斯白噪声，使其成为改进的自适应噪声完全集合经验模态分解(ICEEMDAN)，从而减少模态分量中的残余噪声。
小波阈值去噪：使用ICEEMDAN对红蓝色通道的脉搏波信号进行模态分解，并使用db8小波基函数对符合血氧频谱范围的分量进行3级分解和重构，将重构后的信号用于后续血氧值的计算。
图 7. B通道分解后的信号
图 12. R通道重构后的信号
实验结果与分析
研究团队在不同头部动态场景下进行了实验对比分析。实验结果表明：
- 不同头部场景下得到的血氧饱和度平均误差为0.73%，相较于其他算法平均误差降低1.93%。
- 该方法在静态场景、说话场景、左右晃动和上下晃动等不同场景下均表现出良好的稳定性和准确性。
实验场景 | ME | MAE | RMSE |
|---|---|---|---|
静态场景 | 0.57 | 0.64 | 0.86 |
说话场景 | 0.69 | 0.83 | 1.08 |
左右晃动 | 0.89 | 0.89 | 1.26 |
上下晃动 | 0.76 | 1.04 | 1.29 |
与现有方法相比，该方法在不同运动场景下的性能优势明显：
方法 | 静态场景 | 说话场景 | 上下晃动场景 | 左右晃动场景 |
|---|---|---|---|---|
文献[7] | 1.55 | 2.27 | 3.28 | 3.56 |
文献[8] | 0.70 | 1.10 | 1.33 | 1.70 |
文献[10] | 0.51 | 1.12 | 1.11 | 1.27 |
本文方法 | 0.57 | 0.64 | 0.89 | 0.76 |
图 16. Bland-Altman散点图
结论与展望
研究团队提出的方法在不同头部场景下具有较好的稳定性，可满足日常血氧饱和度测量的需求。未来，研究团队将进一步优化算法，提高测量精度和实时性，推动非接触式血氧饱和度测量技术在远程医疗和智能健康监测领域的应用。
本文原文来自《中国光学》期刊，2024年发表。