编辑推荐：
为解决基于心震图（SCG）估算呼吸频率（RR）方法存在的局限，研究人员开展从 SCG 信号估算 RR 的算法研究。结果显示该算法经多数据集测试可行且抗运动伪影能力强，对临床和医疗保健应用意义重大。
在医疗健康领域，呼吸频率（Respiratory Rate，RR）是反映人体呼吸状态的关键指标，它间接体现着气体交换效率和呼吸系统功能 。无论是在医院的临床场景中，医生依据 RR 监测来洞察患者病情、制定治疗方案，还是在日常生活里，人们关注自身健康状况，RR 都扮演着重要角色。异常的 RR 往往是严重临床事件的预警信号，比如内科患者 RR 升高，可能提示需要进行治疗干预，以降低心肺骤停风险，减少发病率和死亡率。相较于血压、脉搏等指标，RR 在识别高风险患者方面更具优势，其变异性还能为重症监护病房（ICU）患者的预后评估提供重要依据，在急性心肌梗死（MI）后的风险评估中也发挥着关键作用。不仅如此，RR 还会对情绪压力、认知负荷、温度变化、体力活动等多种刺激做出反应，在医疗保健、职业环境和运动领域都有重要应用价值。
目前，测量 RR 的技术多种多样，包括经胸阻抗体积描记法、多导联心电图（ECG）、基于呼吸引起的温度变化检测法等。其中，利用心震图（Seismocardiogram，SCG）监测 RR 逐渐受到关注。SCG 是一种无创技术，通过测量心脏循环过程中胸壁的局部振动，能获取诸如二尖瓣开闭、主动脉瓣开闭等心血管事件信息，对房颤、心力衰竭、缺血等心血管疾病的诊断有重要意义。随着微机电系统（MEMS）技术的发展，使用微型加速度计进行 SCG 测量成本降低、应用更广泛。然而，现有的基于 SCG 估算 RR 的方法存在诸多问题。部分方法需要融合 ECG 和 SCG 信号，操作复杂；直接在时域估算 RR 的方法，存在估算周期精度和移动窗口步长的权衡问题，且计算自相关函数（ACF）适合离线分析；在频域或时频域估算功率谱密度（PSD）的方法，对信号长度和采样频率要求较高。深度学习方法虽有创新，但计算资源需求大，且仅适用于健康人群、运动伪影少的数据集。
为解决这些问题，来自未知研究机构的研究人员开展了一项研究，提出一种旨在部署于微控制器单元（MCU）的算法，以降低计算资源需求，同时保证 RR 估算的准确性。该研究成果发表在《Biomedical Signal Processing and Control》上。
研究人员主要采用了以下关键技术方法：首先，运用高斯平均滤波对 SCG 信号进行预处理；接着，基于复 Morlet 小波在指定频率范围内计算尺度图的平均谱，进而估算 RR。研究过程中使用了多个数据集，包括 PhysioNet 上的 ECG、呼吸和 SCG 联合测量（CEBS）数据库，以及从逢甲大学招募的 10 名 21 - 25 岁健康志愿者的数据，还将算法应用于手指和手腕光电容积脉搏波（PPG）数据集，同时利用磁场式可穿戴呼吸传感器在肺部康复期间收集的数据，评估算法抗运动伪影的能力。
下面来看具体的研究结果：
- CEBS 数据库测试：对 CEBS 数据库中的 SCG 信号进行处理，先将其下采样至 5Hz，再用 21 点高斯平均滤波器滤波，计算尺度图和平均谱，最后基于特定公式利用 30 秒数据估算 RR。结果表明，该算法在该数据库上估算 RR 是可行的。
- 多数据集对比测试：将算法应用于手指 PPG 和手腕 PPG 数据集进行 RR 估算，并将 SCG 或 PPG 信号估算的 RR 与同步记录的呼吸信号进行对比。通过组内相关系数（ICC）和 Bland - Altman 一致性分析评估性能，发现估算结果与呼吸信号有较高的一致性，证明算法在不同应用场景下具有多样性和有效性。
- 抗运动伪影测试：利用肺部康复期间受试者行军时收集的数据集评估算法抗运动伪影能力。结果显示，该算法在存在运动伪影的情况下，仍能较为准确地估算 RR，表明其具有良好的抗运动伪影性能。
研究结论和讨论部分指出，该研究提出的算法仅使用 SCG 信号就能高效估算 RR，无需融合 ECG 信号。算法通过高斯平均滤波预处理和计算尺度图平均谱来估算呼吸频率和 RR，还建立了滤波器参数与 SCG 信号采样频率的解析关系，为参数选择提供了实用指导。与以往方法相比，该算法计算复杂度更低，在多个数据集上测试表现良好，对临床和医疗保健应用具有重要意义。它有望在临床监测、家庭健康管理等场景中发挥重要作用，为医生诊断病情、患者自我健康管理提供有力支持，推动医疗健康领域的发展。
