基于移動端的非接觸心率檢測系統(tǒng)研究與設(shè)計

李光發(fā)，胡國清，陳 佳，蔡盛偉，付西敏

(1.華南理工大學(xué) 機(jī)械與汽車工程學(xué)院，廣州 510000；2.廣東藥科大學(xué) 中醫(yī)學(xué)院，廣州 510000；3.廣東寰宇智慧醫(yī)療科技有限公司，廣州 510000)

0 引言

心率作為人體的一個重要生理參數(shù)，能夠反映人體的健康水平。當(dāng)今世界，發(fā)達(dá)國家和部分發(fā)展中國家都面臨人口老齡化的問題，如何為這一龐大的群體提供一個有效的健康監(jiān)測系統(tǒng)，是一個亟待解決的問題。鑒于目前我國心血管疾病的發(fā)病率逐年升高，人們的健康狀況越來越嚴(yán)峻的現(xiàn)狀，心率信號的檢測受到越來越多的重視[1]。當(dāng)前，主流的心率檢測方式采用接觸式的設(shè)備，如指尖脈搏儀、心電圖儀等[2]。這些接觸式的測量方式需要穿戴特定設(shè)備進(jìn)行檢測，其優(yōu)點是較為準(zhǔn)確，但缺點是需要佩戴。隨著近年來醫(yī)療技術(shù)水平的提升，心率檢測技術(shù)已經(jīng)由傳統(tǒng)的接觸式設(shè)備[3]逐漸轉(zhuǎn)向非接觸的方式發(fā)展。特別是在新冠肺炎病毒的極強(qiáng)傳播性情況下，接觸式檢測設(shè)備容易帶來病毒的傳播風(fēng)險[4]，同時也給老年人的心率檢測帶來較大的身體負(fù)擔(dān)[5]，不利于恢復(fù)健康，因此非接觸式的心率檢測方式受到更加廣泛的關(guān)注。

當(dāng)前，非接觸式心率檢測算法主要基于遠(yuǎn)程光電容積描記法技術(shù) (remote Photoplethysmography，rPPG)原理來進(jìn)行算法研究和設(shè)計，再將設(shè)計好的算法與硬件系統(tǒng)結(jié)合，以實現(xiàn)非接觸式的心率檢測。rPPG是一種光學(xué)測量技術(shù)，通過分析面部區(qū)域反射光的變化，來檢測血管組織內(nèi)血容量的變化。由于血液比周圍組織吸收光的能力更強(qiáng)，因此血液的體積變化會相應(yīng)地影響光的透射和反射，依據(jù)這個原理，來國內(nèi)外很多研究人員使用rPPG技術(shù)提出了非接觸心率檢測的解決方案。如de Haan等人[6]提出基于色彩空間投影的非接觸心率檢測算法，該算法直接使用面部視頻來進(jìn)行人體心率的估計；Wang等人[7]提出了基于一種皮膚反射模型的心率檢測算法POS (Plane-Orthogonal-to-Skin)，該算法結(jié)合面部皮膚的光學(xué)反射和生理特性來進(jìn)行心率檢測；Chen等人[8]提出基于深度學(xué)習(xí)的非接觸心率檢測模型DeepPhys，該模型通過學(xué)習(xí)面部視頻序列中包含的心率信息來實現(xiàn)非遠(yuǎn)程心率估計；陳怡然等人[9]利用mini PC和外接攝像頭等設(shè)備搭建了一個心率檢測系統(tǒng)，可在真實環(huán)境下實現(xiàn)非接觸式的心率檢測，并進(jìn)行實時通信；劉衍等人[10]利用移動端設(shè)備和服務(wù)器等設(shè)備開發(fā)了一套心率檢測系統(tǒng)，可通過移動設(shè)備進(jìn)行數(shù)據(jù)采集和保存，并對檢測分析后的數(shù)據(jù)進(jìn)行展示。這些非接觸的心率檢測研究在某種程度上解決了接觸式心率檢測存在的問題，并提出了一定的創(chuàng)新，但是它們大都圍繞算法進(jìn)行開發(fā)和研究，并且在真實環(huán)境的檢測過程需要依靠復(fù)雜的硬件設(shè)備[11]，其使用的范圍有限，靈活性較差，難以在實際情況下得到廣泛的普及應(yīng)用[12]。

為此，針對非接觸式心率檢測研究過程中存在的問題，根據(jù)現(xiàn)有的經(jīng)典非接觸心率檢測算法，開發(fā)了一款可在日常生活中使用的新型遠(yuǎn)程心率檢測應(yīng)用。該應(yīng)用通過采集面部視頻，并使用軟件內(nèi)嵌的心率檢測算法對數(shù)據(jù)進(jìn)行分析，實現(xiàn)實時的心率估計，記錄日常的心率數(shù)據(jù)，讓用戶可以直觀地了解身體心率的變化，為人們了解自己的心率健康狀況提供寶貴的指導(dǎo)。

1 rPPG檢測技術(shù)概括

rPPG技術(shù)起源于光電容積描記法技術(shù)(photoplethysmography，PPG)[13]，其原理為人體膚色會因血容量改變而發(fā)生變化，通過分析該信號變化的頻率，進(jìn)而估計人體的心率及血容量脈搏波等生理信號。

在正常的生理情況下，人體皮膚真皮層毛細(xì)血管中血紅蛋白會對外界入射光產(chǎn)生散射，由于血液的流動會導(dǎo)致血管中血紅蛋白含量發(fā)生變化，從而引發(fā)反射光強(qiáng)度的變化[14]。血液的流動由心臟周期性的收縮和舒張引起，因此血液的流動與心跳周期保持一致，并直接使得反射光強(qiáng)度呈現(xiàn)周期性變化[15]。

根據(jù)比爾-朗伯定律，具有特定波長的光進(jìn)入一定厚度的介質(zhì)后，該介質(zhì)厚度l和介質(zhì)吸光物質(zhì)濃度c的乘積，與介質(zhì)的吸光度ε成正比，如式所示。

(1)

式中，A表示吸光度，I0為入射光強(qiáng)度，I為透射光強(qiáng)度；ε為摩爾吸光率(L·mol-1·cm-1)，c為物質(zhì)濃度，l為液層厚度。

在穩(wěn)定的光源照射下，使用消費級攝像頭能夠捕捉到該反射光強(qiáng)度的變化，在其拍攝的圖片中表現(xiàn)為每幀圖片中人體膚色的微弱改變，因此對該變化的頻率進(jìn)行分析即可獲得人體心率[13]。

2 心率檢測系統(tǒng)結(jié)構(gòu)及實現(xiàn)原理

本節(jié)將提出一種新穎的非接觸式心率檢測方式的解決方案，主要內(nèi)容包括對該方案的總體流程展開介紹；分析非接觸心率檢測基于的皮膚光學(xué)反射原理；研究用于實現(xiàn)非接觸心率檢測功能的歐拉視頻放大技術(shù)。

2.1 總體流程設(shè)計

根據(jù)人們對心率檢測技術(shù)的需求，提出一種基于移動端設(shè)備的非接觸心率檢測解決方案。該方案的總體流程是：將非接觸心率檢測的相關(guān)算法整合到所開發(fā)的安卓應(yīng)用中，通過應(yīng)用的人機(jī)交互界面實施心率檢測操作，進(jìn)而實現(xiàn)隨時隨地的人體心率檢測功能。

所開發(fā)的心率檢測應(yīng)用的心率檢測過程由3個主要步驟構(gòu)成，如圖1所示。首先采集人體皮膚圖像數(shù)據(jù)，該步驟通過移動端的攝像頭來實現(xiàn)；接下來進(jìn)行數(shù)據(jù)處理，數(shù)據(jù)處理包括數(shù)據(jù)預(yù)處理：對ROI區(qū)域進(jìn)行檢測和對圖像的裁剪，心率分析檢測：進(jìn)行心率信號的提取工作，獲取信號后的處理：對信號進(jìn)行濾波處理和功率譜分析；最后是輸出展示估計出的心率數(shù)值，并在移動端上的應(yīng)用進(jìn)行展示，便于人們實時觀察自身心率情況。該應(yīng)用具有簡潔的操作界面，使用流程簡便，靈活性高，具有很強(qiáng)的實用價值。

圖1 心率檢測流程

2.2 皮膚光學(xué)反射模型

皮膚光學(xué)反射模型是基于人體皮膚組織的生理學(xué)和光學(xué)原理，提出的一種用于非接觸式心率檢測的模型，該模型是從面部視頻數(shù)據(jù)中進(jìn)行心率信息提取的理論基礎(chǔ)[16]。如圖2所示，在恒定的外界光源照射下，使用攝像頭采集從皮膚反射和散射出來的圖像數(shù)據(jù)，直接從皮膚表面反射出去的光稱為鏡面反射，還有一部分光線進(jìn)入皮膚內(nèi)部被吸收或者發(fā)生漫反射[17]，這部分經(jīng)由毛細(xì)血管后產(chǎn)生的漫反射光中攜帶心率信息，因此可通過研究這部分光線生成的圖像來分析人體心率。

圖2 皮膚光學(xué)反射模型

為了從獲取的皮膚圖像數(shù)據(jù)中提取出心率，需建立數(shù)學(xué)模型，將獲取的圖像中皮膚像素值的反射定義為RGB通道中的時變函數(shù)，表示為：

Ck(t)=I(t)·(vs(t)+vd(t))+vn(t)

(2)

其中：Ck(t)表示在t時刻圖像RGB值的向量；I(t)表示光照強(qiáng)度水平，受光源強(qiáng)度控制；vs(t)表示鏡面反射，代表由皮膚發(fā)出類似鏡面的發(fā)射光，vd(t)表示漫反射，代表皮膚組織散射和吸收的光；vn(t)表示攝像頭的量化噪音。

vd(t)、vs(t)和I(t)3個分量中都包含與心率相關(guān)的部分[7]，同時也包含各種外界干擾噪音，其具體表達(dá)公式如下所示：

vd(t)=udd0+up·p(t)

(3)

vs(t)=us·(s0+φ(m(t)，p(t)))

(4)

I(t)=I0·(1+φ(m(t)，p(t)))

(5)

其中：ud表示皮膚組織的單位顏色向量；d0表示反射光強(qiáng)度中靜止不變的部分；up表示血紅蛋白吸收光線的相對脈搏強(qiáng)度；p(t)表示血容量脈搏波信號；us表示光源頻譜的單位顏色向量，s0和φ(m(t)，p(t))分別為鏡面反射的靜止與變化量；m(t)表示非生理信息的變化，例如光源強(qiáng)度和面部表情的變化；I0是光照強(qiáng)度的靜止部分，I0·φ(m(t)，p(t))是由照相機(jī)觀測到的光照強(qiáng)度的變化；φ(·)和φ(·)表示生理信息與非生理信息之間的相互關(guān)系，它們通常是非線性的。

在以上模型中，可將鏡面反射與漫反射的靜止部分可以融合成一個單一的整體，用來表示皮膚靜止部分的反射，如下所示：

uc·c0=us·s0+ud·d0

(6)

其中：uc表示皮膚反射的單位顏色向量；c0表示反射強(qiáng)度。

整理以上公式，并將其中時變分量的乘積項略去(因為該項為高階微量)，可得式：

Ck(t)≈uc·I0·c0+uc·I0·c0·φ(m(t)，p(t))+

us·I0·φ(m(t)，p(t))+up·I0·p(t)+vn(t)

(7)

其中：心率信號p(t)為目標(biāo)信號即心率信號，非接觸心率檢測方法即為從原始數(shù)據(jù)集將該信息提取出來。該信號的特點是具有周期性且與心跳周期頻率一致，但是由于該信號十分微弱并且容易受到外界環(huán)境的干擾，因此需要通過合適的信號處理算法來進(jìn)行分析才可從中提取出可用的心率信息。

2.3 歐拉視頻放大算法研究

歐拉視頻放大算法可用于視頻圖像中的顏色放大[18]，增強(qiáng)人體面部以及其它皮膚區(qū)域的膚色變化效果，提升目標(biāo)信號的信噪比，進(jìn)而實現(xiàn)準(zhǔn)確的心率預(yù)測。本節(jié)將結(jié)合皮膚光學(xué)反射原理，對實用歐拉視頻放大技術(shù)實現(xiàn)心率檢測的過程展開分析，其過程主要包括空間濾波、時域濾波和目標(biāo)信號放大。

2.3.1 空間濾波

歐拉視頻放大技術(shù)的實現(xiàn)首先需要對圖像數(shù)據(jù)進(jìn)行空間濾波。通過建立拉普拉斯金字塔或者高斯金字塔，獲取圖像數(shù)據(jù)中的不同空間頻率的基帶。高斯金字塔是常見的對圖像顏色空間信號放大的方式[19]，建立高斯金字塔的方式一般為從底層開始對圖像進(jìn)行一層一層向上的迭代計算。處理過程包括：使用低通濾波器對圖像進(jìn)行平滑處理，對平滑之后的圖像進(jìn)行下采樣，獲得一系列尺寸的圖像。采樣過程如下式所示：

(8)

其中：Gk(x，y)表示第k層高斯金字塔圖像；w(m，n)表示二維可分離函數(shù)，且是具有低通特性的窗口函數(shù)。

在使用高斯金字塔的計算過程中，圖像會因為卷積濾波和下采樣而丟失部分高頻細(xì)節(jié)，因此Burt等人[20]提出拉普拉斯金字塔的方式，通過將高斯金字塔的每一層圖像減去上一層圖像，再進(jìn)行上采樣和高斯卷積以得到處理后的圖像，這種方式通常與高斯金字塔配合使用，并且在圖像顏色變換方面相較于高斯金字塔能夠獲得更好的效果。該操作表示為：

Lk(x，y)=Gk(x，y)-Up(Gk+1(x，y))?G5×5

(9)

其中：Up表示向上采樣，將源圖像(x，y)位置的像素映射到目標(biāo)圖像(2x+1，2y+1)的位置；?表示卷積；G5×5表示尺寸為5×5的高斯內(nèi)核。

2.3.2 時域濾波和信號放大

時域濾波用于從空間濾波后獲得的基帶中提取心率信號。由式中可知，時域濾波的處理對象為包含時間參數(shù)t的項，最終的目標(biāo)為濾除與心率信號無關(guān)的分量，提取目標(biāo)心率信號p(t)。實際的操作中，一般采用濾波器來實現(xiàn)該操作。例如提取[45，180]BPM區(qū)間的心率信號，則對信號屬于[0.75-3.0]Hz的頻率區(qū)間進(jìn)行帶通濾波。在歐拉視頻放大技術(shù)中，一般采用窄通道的濾波器例如理想帶通濾波器[9]來對信號濾波，可避免對其它頻段信號的放大，減少噪音的影響。

完成時域濾波即可獲得指定頻率范圍內(nèi)的心率信號，接下里對提取出來的信號進(jìn)行放大，以提升心率信號的信噪比。此處需結(jié)合帶通濾波的過程進(jìn)行分析，將時域濾波后得到的信號表示為I(x，t)，則在t時刻的x點處像素值可表示為[18]下式：

(10)

式中，δ(t)表示變化信號。所需的處理目標(biāo)是將變化的信號δ(t)放大α倍，如式所示：

(11)

為了將變化的部分δ(t)提取出來，接下來使用一階泰勒級數(shù)逼近式來近似式，得到式：

(12)

在理想狀態(tài)下對信號I(x，t)進(jìn)行時域上的帶通濾波，時不變分量h(x)項被濾除，隨時間變化的項δ(t)被保留，濾波后結(jié)果如式所示：

(13)

(14)

聯(lián)立式-，可得：

h(x+(1+α)δ(t))

(15)

式表示在t時刻，變化信號δ(t)放大為(1+α)δ(t)。通過這種方式即可將原本微弱的膚色變化增強(qiáng)，使得不可見的膚色變化能夠被人眼觀察刀，可視化視頻中的心率信息。

2.3.3 心率估計

在經(jīng)歐拉視頻放大技術(shù)對圖像數(shù)據(jù)處理之后，還需對該處理得到的信號進(jìn)行后處理以便用于準(zhǔn)確地估計心率。輸出信號后處理為基于BVP信號的功率譜分析，該分析過程包括兩個步驟，分別是BVP信號的濾波及其功率譜密度分析，具體過程如下：

1)計算歐拉視頻放大技術(shù)獲得視頻每幀得像素均值，得到BVP信號，再對該BVP信號進(jìn)行濾波處理，濾除人體心率以外的頻率噪音，僅保留人體心率范圍內(nèi)的頻率。對于一段經(jīng)過離散采樣獲得的BVP原始信號x(t)，假設(shè)信號長度為N，其自相關(guān)函數(shù)估計為Rx(n)，如式所示：

(16)

使用快速傅里葉變換將該時域信號轉(zhuǎn)換成頻域信號，并將通頻帶區(qū)域外的頻率置零，實現(xiàn)對該信號的濾波操作。對式進(jìn)行傅里葉變換可得式。

(17)

式中，T表示信號的采樣時長，[w1，w2]表示通頻帶。

功率譜密度表示單位頻帶內(nèi)的信號功率。對于BVP信號而言，功率譜密度曲線圖中峰值點對應(yīng)的頻率即為BVP信號的頻率，該頻率即為心率的頻率。根據(jù)式可以繪制出BVP曲線對應(yīng)的功率譜密度圖，圖3展示了一段BVP信號的功率譜密度圖。

圖3 BVP信號功率譜密度圖

從圖3中可知，最大功率對應(yīng)的頻率為0.97 Hz，根據(jù)心率轉(zhuǎn)換公式，可求出該信號對應(yīng)的心率為58.5 bpm。

HR=60·w

(18)

式中，HR表示心率，單位為次每分鐘。

3 系統(tǒng)軟件設(shè)計

系統(tǒng)的軟件部分主要為移動端設(shè)備中的安卓應(yīng)用[10，21]。該應(yīng)用設(shè)計過程包括功能需求分析、人機(jī)交互界面設(shè)計和心率檢測算法封裝等步驟。

3.1 功能需求分析

基于實際使用的需要，對開發(fā)的應(yīng)用進(jìn)行功能分析。所開發(fā)的應(yīng)用應(yīng)包括用戶登錄，圖像數(shù)據(jù)信息獲取，心率的分析與計算，檢測結(jié)果展示等功能，各項功能的具體描述如下。

1)用戶登錄功能：包含登錄頁面，可以實現(xiàn)不同用戶的登錄，需要登錄時對登錄用戶的用戶名以及登錄密碼進(jìn)行驗證，完成該步驟后方可進(jìn)行登錄主界面。

2)數(shù)據(jù)獲取功能：通過所開發(fā)的應(yīng)用調(diào)用移動端攝像頭，采集外界圖像數(shù)據(jù)，并將所采集的圖像數(shù)據(jù)信息送入應(yīng)用內(nèi)部進(jìn)行分析。

3)心率檢測功能：調(diào)用檢測算法，使用歐拉視頻放大技術(shù)對圖像數(shù)據(jù)進(jìn)行分析，進(jìn)而計算出人體的心率及脈搏波信號，并將心率數(shù)據(jù)和BVP數(shù)據(jù)展示在主頁面上，實現(xiàn)實時監(jiān)控心率狀態(tài)。

綜上分析可得，該心率檢測應(yīng)用各個模塊實現(xiàn)的功能如表1所示。

3.2 應(yīng)用界面設(shè)計

基于移動端心率檢測應(yīng)用的功能需求，本節(jié)選取了開發(fā)過程所需的軟硬件，并根據(jù)選型進(jìn)行應(yīng)用界面的設(shè)計。表2列出了開發(fā)過程所需的軟件和硬件設(shè)備，主要包括電腦和移動端設(shè)備的配置、型號參數(shù)，基于Android studio的開發(fā)平臺和相應(yīng)得軟件庫等。

表1 心率檢測界面及功能需求

表2 軟硬件選型

用戶登錄與心率檢測界面設(shè)計：

在應(yīng)用開發(fā)過程，首先需要對登錄界面進(jìn)行設(shè)計。所開發(fā)的登錄界面元素包括登錄用戶名、密碼輸入框、logo、“登錄”和“取消”按鈕。其次是對心率檢測頁面的設(shè)計，心率檢測的主界面包括左上角預(yù)覽窗口、圖像展示主窗口、BVP曲線展示窗口、心率展示窗口、“開始檢測”、“保存”和“暫停”按鈕。圖4表示完成設(shè)計的應(yīng)用界面。

圖4 登錄界面與檢測界面示意圖

3.3 心率檢測算法的封裝

完成應(yīng)用界面的設(shè)計后，還需將心率檢測算法封裝到應(yīng)用后臺中，用以處理獲取的圖像數(shù)據(jù)。本文采用歐拉視頻放大算法用于心率檢測，由于python語法簡單，靈活性高，并且擁有豐富而強(qiáng)大的庫，滿足歐拉視頻放大算法的編寫要求，因此使用python語言編寫該算法的代碼程序，并封裝在應(yīng)用后臺中。應(yīng)用的前端界面采用Java代碼編寫，后臺的心率檢測算法與寫前端之間通過Chaquopy插件實現(xiàn)數(shù)據(jù)交互，其實現(xiàn)邏輯如圖5所示。

圖5 Java層與Python層的交互

如圖5表示應(yīng)用前端與后端數(shù)據(jù)的交互，應(yīng)用前端采用Java代碼編寫，內(nèi)容包括登錄頁面、心率檢測主頁面、展示結(jié)果等部分的編寫，后端為使用python編寫的心率檢測算法，內(nèi)容包括數(shù)據(jù)預(yù)處理、心率的實時檢測和數(shù)據(jù)后處理功能的編寫。其實現(xiàn)邏輯如下：前端將攝像頭采集到的圖像數(shù)據(jù)使用python可讀取的方式進(jìn)行編碼，傳入后臺的心率檢測算法中分析，以獲得心率；計算出來的心率數(shù)據(jù)再送入前端中并在主界面中展示出來。啟動心率檢測按鈕后，該應(yīng)用自動以4 s的時間間隔來刷新心率，以實時展示人體的心率情況。

4 實驗結(jié)果與分析

為驗證所開發(fā)的應(yīng)用在心率檢測方面的有效性，本節(jié)將在真實環(huán)境中開展實驗測試，以檢驗其檢測結(jié)果的準(zhǔn)確性。實驗選用小米7 Pro智能手表作為真實心率檢測設(shè)備，該智能手表搭載了光學(xué)心率傳感器，可接收皮膚反射光以實現(xiàn)接觸式的心率檢測[22]，檢測過程方便、操作簡單且具有較高的檢測精度，因此將其檢測結(jié)果作為心率真實值進(jìn)行誤差計算有較高的可信度。實驗條件如圖6所示。

實驗以如下方式進(jìn)行：在外界光源充足且穩(wěn)定的情況下，使用智能手表和心率檢測應(yīng)用對被測者的心率進(jìn)行同步測量，并記錄兩種方式的檢測結(jié)果，實驗過程中一共采集了兩組數(shù)據(jù)，每組數(shù)據(jù)15個值。接下來對兩組測量結(jié)果進(jìn)行誤差分析。

4.1 準(zhǔn)確性分析

為研究應(yīng)用測得心率的準(zhǔn)確性，本節(jié)將使用以下評價指標(biāo)進(jìn)行評估，分別為均方根誤差(root mean squared error，RMSE)、平均絕對誤差(mean absolute deviation，MAE)、皮爾遜相關(guān)系數(shù)(pearson correlation coefficient，ρ)和平均絕對誤差百分比(mean absolute percentage error，MeRate)，其計算公式如下所示。

1)均方根誤差：

(19)

2)平均絕對誤差：

(20)

3)皮爾遜相關(guān)系數(shù)：

(21)

4)平均絕對誤差百分比：

(22)

以上評價指標(biāo)中，標(biāo)準(zhǔn)差、均方根誤差、平均絕對誤差和平均絕對百分比誤差的數(shù)值越小，說明真實值與預(yù)測值之間越接近；反之，當(dāng)它們的值越大時，說明預(yù)測值與真實值之間存在較大誤差；皮爾遜相關(guān)系數(shù)取值范圍為[-1，1]，當(dāng)該值接近1或-1時，說明真實值與預(yù)測值存在很強(qiáng)的正相關(guān)關(guān)系或負(fù)相關(guān)關(guān)系，當(dāng)該值為0時預(yù)測值與真實值不相關(guān)。

智能手表及心率檢測應(yīng)用測量得到的兩組數(shù)據(jù)如表3所示，根據(jù)評價指標(biāo)計算的相應(yīng)誤差值如表4所示。從表4數(shù)據(jù)中可以看出，兩組心率檢測數(shù)據(jù)的均方根誤差為2.72，平均絕對誤差為2.47，平均絕對誤差百分比為4.00%；而皮爾遜相關(guān)系數(shù)為0.64，說明測量值與真實值間有較小的誤差和較高的相關(guān)性，該心率檢測應(yīng)用可作為心率檢測的重要參考。

4.2 Bland-Altman分析

Bland-Altman是一種數(shù)據(jù)繪圖方法，可用于分析兩組不同方式測量數(shù)據(jù)之間的相關(guān)性。本節(jié)對兩組心率數(shù)據(jù)進(jìn)行Bland-Altman一致性分析，根據(jù)表3中兩組數(shù)據(jù)繪制一致性界限圖形，以研究心率檢測應(yīng)用獲得的數(shù)據(jù)與真實數(shù)據(jù)間一致性強(qiáng)弱，其結(jié)果如圖7所示。

從圖7可以看出，兩組心率數(shù)據(jù)間的1.969倍標(biāo)準(zhǔn)差置信區(qū)間為(-4.958 8，5.624 9)，差值平均值為0.333 3，圖中所有數(shù)據(jù)點均位于一致性區(qū)間范圍之內(nèi)，因此測量值與真實值之間具有較強(qiáng)的一致性，結(jié)果說明本心率檢測系統(tǒng)具有一定的穩(wěn)定性與可靠性，對實際情況下的心率檢測具有一定的指導(dǎo)作用。

表3 心率真實值與應(yīng)用檢測值

表4 檢測值與真實值間的誤差

圖7 測量值與真實值間的Bland-Altman圖

5 結(jié)束語

心率作為人體的基本指標(biāo)之一，能反映人體的健康狀況，因此心率檢測對評估人們的健康狀況有重要作用，為此設(shè)計開發(fā)了一款基于安卓移動端設(shè)備的非接觸式心率檢測應(yīng)用，該應(yīng)用具備簡潔的人機(jī)交互功能，只需安裝登錄即可進(jìn)行功能操作，并且實現(xiàn)了隨時隨地的心率檢測功能，為用戶提供了一種監(jiān)控自己心率狀態(tài)的便捷檢測方式。該心率檢測應(yīng)用內(nèi)部封裝了歐拉視頻放大算法，該算法能夠有效地實現(xiàn)非接觸式的心率檢測，并通過應(yīng)用前臺與后臺之間的數(shù)據(jù)交互，將檢測結(jié)果在應(yīng)用的主界面展示出來。在實際環(huán)境的檢測結(jié)果表明，該心率檢測應(yīng)用測得數(shù)據(jù)的均方根誤差達(dá)到2.72，皮爾遜相關(guān)系數(shù)達(dá)到0.64，且與真實心率具有較強(qiáng)的一致性，表明該系統(tǒng)對人體心率檢測有足夠的準(zhǔn)確性和穩(wěn)定行，為人體健康管理提供了較強(qiáng)的指導(dǎo)作用。在后續(xù)的研究工作將進(jìn)一步豐富應(yīng)用的功能，加入數(shù)據(jù)功能、遠(yuǎn)程醫(yī)療和危險預(yù)警等功能，并通過改善算法來進(jìn)一步提升檢測精度。