CN101933810B - 一种血氧饱和度检测方法 - Google Patents

Abstract

本发明公开了一种血氧饱和度检测方法。首先进行信号采集，然后进行预处理和自适应归一化处理；再进行FFT处理，将检测数据从时域变换到频域；最后进行R值计算并根据R值计算血氧饱和度。采用了本发明技术方案血氧饱和度检测方法的一种血氧饱和度检测系统，由于从频域中计算血氧饱和度且采用了新公式来计算归一化后的值，因而计算更简单，而且可以减小随机干扰，因而检测精度更高。

Description

一种血氧饱和度检测方法

技术领域

本发明涉及医疗器械技术领域，具体涉及血氧饱和度检测技术，特别涉及一种血氧饱和度检测方法。

背景技术

无创血氧饱和度检测是基于动脉血液对光的吸收量随动脉波动而变化的原理。透射式血氧饱和度检测中，当透光区域动脉血管搏动时,动脉血液对光的吸收量将随之变化,称为脉动分量或交流量(AC)；而皮肤、肌肉、骨骼和静脉血等其他组织对光的吸收是恒定不变的,称为直流量(DC)。如果忽略由于散射、反射等因素造成的衰减。根据比尔-朗伯定律(Beer-Lambert Law)可以知道，

$I_{\mathrm{out}}=I_{\mathrm{in}}{e}^{-\mathrm{CL}[S{\mathrm{\β}}_0+[1-S\left]{\mathrm{\β}}_r\right]}$

其中，I_out是光电探测器的输出电流，I_in是二极管的输入电流(对应不同的红光和红外光)，C是血液的浓度，L是两个LED和探测器之间的距离，S是饱和度，β_o和β_r分别表示材料系数。

血氧饱和度计算中常常先计算比率值R(Ratio of Ratios)，再根据R来计算血氧饱和度，血氧饱和度测量的关键也就在于R值的计算。如果R值的计算精度得以提高，那么血氧饱和度的测量精度就相应的提高。

目前，对R值的计算广泛使用的是峰-峰值法。在每个脉搏期间红光/红外光的波形具有一个最大值和最小值，分别为R_H，R_L。其中，R_L对应的是心脏收缩时，即动脉血体积最大时的值；R_H对应的是心脏舒张时，即动脉血体积最小时的值。考虑到光通过均匀介质的延时系数，可以表示为：

$R_L=I_o{e}^{-[\mathrm{\α}\left({\mathrm{\λ}}_R\right)d+{\mathrm{\α}}_A\left({\mathrm{\λ}}_R\right)\mathrm{\Δd}]}$

其中，I_o表示入射光强度，α表示组织吸光率，α_A表示动脉血吸光率，λ_R表示吸光系数，d表示穿透距离，Δd表示心脏收缩和舒张造成的变化量。

相似地，

$R_H=I_o{e}^{-{\mathrm{\α}}_A{\mathrm{\λ}}_{R}d}$

将以上两个等式作一个比值，得到

$\frac{R_L}{R_H}=e^{-{\mathrm{\α}}_A{\mathrm{\λ}}_R\mathrm{\Δd}}$

两边取对数，得到

$\ln \frac{R_L}{R_H}={\mathrm{\α}}_A{\mathrm{\λ}}_R\mathrm{\Δd}$

同样地，红外光可以得到

$\ln \frac{{\mathrm{IR}}_L}{{\mathrm{IR}}_H}={-\mathrm{\α}}_A{\mathrm{\λ}}_{\mathrm{IR}}\mathrm{\Δd}$

其中，IR_L表示红外光最小值；IR_H表示红外光最大值。

通过以上公式，可以得到

$R=\frac{{-\mathrm{\α}}_A{\mathrm{\λ}}_R\mathrm{\Δd}}{-{\mathrm{\α}}_A{\mathrm{\λ}}_{\mathrm{IR}}\mathrm{\Δd}}=\frac{\ln \frac{R_L}{R_H}}{\ln \frac{{\mathrm{IR}}_L}{{\mathrm{IR}}_H}}$

从以上公式描述中可以看出，采用峰-峰值法计算的比率值仅与脉搏信号的峰值点和谷值点信号相关，因此这种算法的信噪比不高，比率值容易受到干扰信号的影响。

为了提高信噪比，最近又出现了一种叫做微分法的方法，与峰-峰值法不同的是，微分法并不选择峰值点和谷值点进行计算，而是在峰值和谷值之间选取一段样本点进行微分计算，即分别计算相邻两点之间红光/红外光交流量的差值与其直流值的比值，两个比值再求比值。最后，将得到的所有比率值平均后得到该段数据的平均比率值。微分法计算公式如下：

$\frac{d{I}_{\mathrm{out}}}{\mathrm{dt}}=I_{\mathrm{in}}{e}^{-\mathrm{CL}[S{\mathrm{\β}}_0+[1-S\left]{\mathrm{\β}}_r\right]}(-\mathrm{CL}(\mathrm{dL}/\mathrm{dt})[S{\mathrm{\β}}_0+[1-S]{\mathrm{\β}}_r\left]\right)$

其中，I_out是光电探测器的输出电流，I_in是二极管的输入电流(对应不同的红光和红外光)，C是血液浓度，L是LED灯与探测器之间的距离，S是饱和度，β₀和β_r分别表示材料系数。

又由

$I_{\mathrm{out}}=I_{\mathrm{in}}{e}^{-\mathrm{CL}[S{\mathrm{\β}}_0+[1-S\left]{\mathrm{\β}}_r\right]}$

得到

$\frac{{\mathrm{dI}}_{\mathrm{out}}/\mathrm{dt}}{I_{\mathrm{out}}}=-\mathrm{CL}(\mathrm{dL}/\mathrm{dt})[S{\mathrm{\β}}_0+[1-S\left]{\mathrm{\β}}_r\right]$

将两个波形相除，即可得到比率

$R=\frac{{[S{\mathrm{\β}}_0+(1-S{\mathrm{\β}}_r)]}_{{\mathrm{\λ}}_2}}{{[S{\mathrm{\β}}_0+(1-S{\mathrm{\β}}_r)]}_{{\mathrm{\λ}}_1}}=\frac{\frac{{\mathrm{dI}}_{\mathrm{ou}{t}_{{\mathrm{\λ}}_2}}}{\mathrm{dt}}*I_{\mathrm{ou}{t}_{{\mathrm{\λ}}_1}}}{\frac{{\mathrm{dI}}_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}}{\mathrm{dt}}=I_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}}$

即

$R^{\′}=\frac{\frac{{\mathrm{dI}}_{\mathrm{ou}{t}_{{\mathrm{\λ}}_2}}}{\mathrm{dt}}*I_{\mathrm{ou}{t}_{{\mathrm{\λ}}_1}}}{\frac{{\mathrm{dI}}_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}}{\mathrm{dt}}=I_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}}$

求平均后得到

$\stackrel{\‾}{R}=\frac{1}{N-1}\underset{i=2}{\overset{N}{\mathrm{\Σ}}}\frac{\frac{d{I}_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}^i}{\mathrm{dt}}*I_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}^{i-1}}{\frac{d{I}_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}^i}{\mathrm{dt}}=I_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}^{i-1}}=\frac{1}{N-1}\underset{i=2}{\overset{N}{\mathrm{\Σ}}}\frac{(I_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}^i-I_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}^{i-1})*I_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}^{i-1}}{(I_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}^i-I_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}^{i-1})*I_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}^{i-1}}$

从以上微分法的计算公式中可以知道，比率值计算方式与选取的每个样本点的交流量相关，即通过增加样本点的方式，提高了算法的信噪比。但是，由于微分法是选取脉搏波形中任意一段数据，这样的方式没有考虑到脉搏波形各段在计算血氧饱和度时所占的权重，降低了血氧饱和度计算的精度。

此外，从人体采集到的脉搏信号，经前置通道进入处理器时，就伴随着各种各样的噪声和干扰，如工频干扰、基线漂移、运动干扰、低灌注等，这些都会影响到R值，最终影响血氧饱和度测量的准确性。

综上所述，目前为了能够提高血氧饱和度测量的精度，主要采用了峰-峰值法和微分法来计算比率值。对于峰-峰值法，当人体血氧饱和度低于80％时，峰-峰值法得到的血氧饱和度曲线峰值并不能够准确地表示血氧饱和度，因此并不能很好地解决低饱和度的问题。对于微分法，由于通过计算每相邻两点之间的比率值来求得该段样本点的比率值，虽然可以降低噪声对信号的影响，但是由于其比率值与每相邻的样本点的比率值相关，当出现一个或一组噪声信号时，最后通过计算得到的平均比率值将受到很大的影响。

其实现有技术还存在一个不那么引人注意的问题，那就是现有技术一般都是从时域计算R值，然后就根据R值计算出血氧饱和度。这就导致计算过程较为复杂，而且不能充分发挥时域和频域的优势，最终导致R值的计算结果不够精确。所以，现有检测血氧饱和度的方法均存在检测精度不高的问题，需要改进。

发明内容

本发明所要解决的技术问题是提供一种血氧饱和度检测方法，解决现有技术中血氧饱和度检测技术复杂而且精度不够高的问题。

为解决上述技术问题，本发明采用如下技术方案：

一种血氧饱和度检测方法，包括如下步骤：

S1)、信号采集，通过信号采集装置来采集携带血氧信号的红光检测信号Red和红外光检测信号Ir；

S2)、预处理，即通过预处理装置去掉红光检测信号Red和红外光检测信号Ir中环境光和高频干扰；

S3)、自适应归一化处理，主要是利用自适应归一化处理装置，对预处理后的检测数据进行归一化处理；

S4)、FFT处理，通过FFT装置将归一化后的数据V1和V2采用快速傅里叶变换，从时域变换到频域；

S5)、R值计算，根据FFT处理处理后得到的频域归一化后的数据，计算出R值；

S6)、血氧饱和度计算，利用R值的曲线，根据查表法得到对应的血氧饱和度值；

步骤S3)中所述归一化处理时，分别计算红光的交流分量R_ac与直流分量R_dc和红外光的交流分量IR_ac与直流分量IR_dc，然后通过如下公式得到归一化后的值V1和V2，

$V1=\frac{R_{\mathrm{ac}}*{\mathrm{IR}}_{\mathrm{dc}}}{R_{\mathrm{dc}}},$

V2＝IR_ac，

式中，R_ac是红光的交流分量；R_dc是红光的直流分量；IR_ac是红外光的交流分量；IR_dc是红外光的直流分量。

本发明的有益效果是：

采用了本发明技术方案的一种血氧饱和度检测方法，由于从红光和红外光的频域中计算血氧饱和度，相对于现有技术从时域计算血氧来讲更简单，而且可以减小随机干扰，因而检测精度更高。实验证明，采用本发明基于频域的血氧估计法，能计算灌注强度为0.3％的脉搏信号，且血氧饱和度值在70％-100％能获得精度在1％以内的血氧饱和度值。

附图说明

图1是本发明具体实施方式中血氧饱和度检测系统的组成原理示意框图。

图2是本发明具体实施方式中血氧饱和度检测方法的流程图。

图3是本发明具体实施方式中检测信号经FFT后的幅度谱。

下面将结合附图对本发明作进一步详述。

具体实施方式

如图1所示，本具体实施方式提供的一种血氧饱和度检测系统，包括顺序连接的：信号采集装置、陷波器、低通滤波器、自适应归一化装置、FFT(Fast Fourier Transform，快速傅氏变换)装置、R值计算装置、卡尔曼滤波装置和血氧饱和度计算装置；其中陷波器、低通滤波器可以合称前置处理装置。

如图2所示，本具体实施方式提供的一种血氧饱和度检测方法，包括如下步骤：

1、信号采集，通过信号采集装置来采集携带血氧信号的红光检测信号Red和红外光检测信号Ir。

2、预处理，即通过陷波器和低通滤波器，对红光检测信号Red和红外光检测信号Ir进行预处理，主要去掉环境光和高频干扰。

陷波器可以去掉检测信号中环境光的干扰，而低通滤波器可以去掉检测信号中的高频干扰。如图1所示，Red1是经过陷波器滤波后的红光；Ir1是经过陷波器滤波后的红外光；Red’是经过低通滤波器后的红光；Ir’是经过低通滤波器后的红外光。

需要说明的是，由于一般只考虑脉搏信号的基波、二次谐波和三次谐波，所以对于带宽为0.5HZ-5HZ的脉搏信号，一般使用截止频域为15HZ的低通滤波器即可达到满意效果。当然，必要时还可以根据需要确定滤波器的阶数。

3、自适应归一化处理，主要是利用自适应归一化处理装置，对预处理后的检测数据进行归一化处理得到V1和V2；

$V1=\frac{R_{\mathrm{ac}}*{\mathrm{IR}}_{\mathrm{dc}}}{R_{\mathrm{dc}}}$        (公式1)

V2＝IR_ac         (公式2)

式中，R_ac是红光的交流分量；R_dc是红光的直流分量；IR_ac是红外光的交流分量；IR_dc是红外光的直流分量。

4、FFT处理，通过FFT装置将归一化后的数据V1和V2采用快速傅里叶变换，从时域变换到频域。

FFT部分通过对V1和V2进行FFT变换，获得如图3所示V1和V2在频域的幅度谱。

V1和V2在FFT变换前可以进行加窗处理，如加矩形窗或布莱克曼窗等，而FFT变换的长度可以是1024、2048、4096等，这些参数根据需要而定。

其中的V1和V2就是下面的两个表达式对应的变量，理论上直接用下面的比值公式求R值，即分别对R_ac/R_dc和IR_ac/IR_dc进行FFT变换，然后根据它们在脉搏基波处的比值得到R值，但是很多处理器只能处理整数，用这个公式就不适合(因为R_ac/R_dc<1,IR_ac/IR_dc<1)，就可以将公式变成此种情况下遇到的问题是，R_ac ^*IR_dc的乘积很大或IR_ac ^*R_dc的乘积很大，导致处理器溢出，而解决它们的最好办法是将分别对与IR_ac进行FFT变换，再在它们的频域得到R比值，这种方法可以在更多的处理器上实现。

5、R值计算，根据FFT处理处理后得到的频域检测数据，计算出R值。R值计算属于现有技术，本文对此不再详述。本具体实施具体而言，可先在FV1和FV2(FV1和FV2分别是V1和V2经过FFT变换后的信号)的频域各自选出最大的20个峰值，在这些峰值中查询信号的基波和谐波处FV1/FV2是否在某个很小的范围内，如果在某个很小的范围内则此处的基波为脉率，且此处的FV1/FV2就是R值。

6、卡尔曼滤波，可以防止随机噪声引起的干扰，防止信号发生突变，即对R值起到平滑的作用。

需要强调的是，在对R值进行卡尔曼滤波时，需要根据残差和信号质量指数FSQI判断是否继续进行卡尔曼滤波，如果残差太大或信号质量指数小则放弃卡尔曼滤波，其中信号质量指数根据V2在频域的幅度谱确定，具体计算公式如下：

$\mathrm{FSQI}=\sqrt{\frac{S^2}{{N1}^2+{N2}^2+...+{N512}^2}}$          (公式3)

其中，S是V2在频域脉率处的幅度，N1、N2…N512是V2在频域非直流的幅度。

7、血氧饱和度计算，利用R值的曲线，根据查表法得到对应的血氧饱和度值，该部分属于现有技术，本文不再详述。

本具体实施方式的血氧饱和度计算系统，采用本具体实施方式的血氧饱和度检测方法，从红光和和红外光的频域中计算血氧饱和度，相对与现有技术从时域计算血氧来讲更简单，而且可以减小随机干扰。实验证明，采用本发明基于频域的血氧估计法，能计算灌注强度为0.3％的脉搏信号，且血氧饱和度值在70％-100％能获得精度在1％以内的血氧饱和度值。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (1)

1.一种血氧饱和度检测方法，包括如下步骤：

S1)、信号采集，通过信号采集装置来采集携带血氧信号的红光检测信号Red和红外光检测信号Ir；

S2)、自适应归一化处理，利用自适应归一化处理装置，对预处理后的检测数据进行归一化处理；

S3)、FFT处理，通过FFT装置将归一化处理后的数据采用快速傅里叶变换，从时域变换到频域；

S4)、R值计算，根据FFT处理处理后得到的频域归一化后的数据，计算出R值；

S5)、血氧饱和度计算，利用所计算出的R值，根据查表法得到对应的血氧饱和度值；

步骤S2)中的归一化处理是分别计算红光的交流分量R_ac与直流分量R_dc和红外光的交流分量IR_ac与直流分量IR_dc，然后通过如下公式得到归一化后的值V1和V2，

$V1=\frac{{R_{\mathrm{ac}}}^{*}{\mathrm{IR}}_{\mathrm{dc}}}{R_{\mathrm{dc}}},$

V2＝IR_ac，

式中，R_ac是红光的交流分量；R_dc是红光的直流分量；IR_ac是红外光的交流分量；IR_dc是红外光的直流分量。