基于模糊加权融合的冲击心动图标逐搏心率检测方法及其应用研究

《Biomedical and Environmental Sciences》：Beat-to-beat heartbeat detection based on fuzzy weighted fusion in ballistocardiograms

本文提出一种基于模糊加权融合（FWF）的逐搏冲击心动图（BCG）心率检测新方法。该方法通过自适应模板匹配、信号能量分析和峰值显著性检测等多策略协同，结合模糊加权融合与自相关分析优化，显著提升了BCG心率检测在静息与睡眠状态下的鲁棒性。实验表明，该方法在静息状态下平均逐搏间隔绝对误差仅23.14毫秒，睡眠状态下误差为36.9毫秒，为无感化心脏监测提供了创新解决方案。

　　

数据采集

本研究使用的BCG信号采集系统由聚偏氟乙烯（PVDF）压电薄膜传感器、信号采集前端和上位机组成。传感器尺寸为90厘米长、15厘米宽、1.5毫米厚，置于床垫下方，上边缘距床头40厘米，确保靠近受试者胸部。该设置使传感器能够无创检测心跳引起的机械振动。信号采集前端负责放大和滤波传感器输出的微弱信号，上位机软件实时显示并存储数据。

性能指标与对比方法

基于所提方法从原始信号中提取BCG心跳间隔和索引。使用第2.2节所述方法从心电图（金标准）中提取R峰索引。由于BCG心跳位置与R峰索引存在延迟，将每个R峰±0.5秒窗口内最接近的BCG心跳分配给该R峰。未分配的BCG心跳视为假阳性，未分配任何BCG心跳的R峰视为假阴性。采用以下指标评估性能：假阳性率（FPR）、平均绝对误差（MAE）、平均相对误差（MRE）和心率误差（HR₁₀）。

讨论

与现有典型方法相比，所提方法在FPR、MAE、MRE和HR₁₀方面表现出优越性能，在标准静息和睡眠状态下均显示出显著优势，表明FWF方法能在各种条件下提供更准确的心率估计和逐搏间隔测量。FWF方法的主要优势在于其模糊加权融合策略，有效结合了自适应模板匹配、信号能量分析和峰值显著性检测方法的优点，通过置信度评分和自相关分析优化，显著提升了个体心跳检测算法的鲁棒性。此外，伪影检测与消除方法进一步提高了睡眠期间心率估计的准确性。

结论

本研究提出了一种基于模糊加权融合（FWF）的逐搏BCG心跳检测方法，并利用标准静息和睡眠状态下采集的数据验证了其有效性和准确性。与现有典型方法相比，FWF方法在减少误报、提高逐搏间隔测量精度和增强心率估计准确性方面显示出显著优势。FWF方法的核心在于结合自适应模板匹配方法、信号能量分析方法和间隔最大峰值显著性方法，通过模糊加权融合策略优化心跳检测结果。未来工作将探索该方法在更广泛场景下的应用，如不同年龄组和病理条件下的心率监测。