多病理学心冲击图数据集：无创心脏功能监测与心律失常评估的创新平台

本研究针对传统心脏监测技术（如超声心动图）的局限性，开发了包含健康人群、心力衰竭（HF）及心律失常（心房颤动AF、室性早搏PVCs、房性早搏PACs）患者的多模态心冲击图（BCG）数据集。通过同步采集BCG、心电图（ECG）和M型超声心动图数据，结合增强奇异值阈值（ESVT）降噪算法，实现了心脏机械活动的无创连续监测。该数据集为开发基于BCG的心脏功能评估算法提供了重要资源，推动了心血管疾病远程监测的临床应用。

　　

心血管疾病是全球健康的主要威胁之一，传统诊断方法如超声心动图和血液生物标志物检测虽然有效，但依赖专业设备和操作，难以实现连续监测。心冲击图（BCG）技术的出现为解决这一难题提供了新思路——通过捕捉心跳引起的体表微振动，BCG能无创评估心脏机械活动，但其临床应用仍缺乏多病理学验证数据。

武汉理工大学与武汉大学中南医院的研究团队在《Scientific Data》发表了题为"A Multi-Pathology Ballistocardiogram Dataset for Cardiac Function Monitoring and Arrhythmia Assessment"的研究，建立了首个涵盖健康人群、心力衰竭（HF）及多种心律失常（AF、PVCs、PACs）的BCG数据集。研究同步采集了85名受试者的BCG、ECG和M型超声心动图数据，并开发了增强奇异值阈值（ESVT）算法进行信号降噪。结果表明，BCG与ECG的心率检测相关性达R=0.98，且在心律失常事件中能捕捉机械响应特征，为无创心脏监测提供了重要技术支撑。

关键技术包括：1）采用光纤传感床采集100Hz的BCG信号；2）同步AD8232模块记录ECG（100Hz）及M型超声心动图（Mindray M7 Expert系统）；3）ESVT算法通过汉克尔矩阵构建和迭代奇异值阈值实现信号降噪；4）纳入武汉地区85例受试者（健康67例、心律失常15例、HF7例）建立多病理学队列。

方法学创新

研究团队设计的柔性光纤传感系统（图1）包含敏感层、传感层和支持层，通过光学信号调制捕捉心跳微振动。

ESVT算法通过模拟信号指导参数优化（图2），在0-15dB信噪比条件下较传统小波法提升降噪效果，尤其对HF患者低振幅信号具有显著改善。

多模态验证

Bland-Altman分析显示BCG与ECG心率检测偏差仅0.71bpm（图5），证实技术可靠性。

典型病例分析（图6）揭示PVCs患者的BCG机械响应缺失与二尖瓣运动停滞相关，而PACs则表现为BCG峰提前，证实BCG对电-机械耦联异常的捕捉能力。

临床意义与局限

该研究创建了首个开放获取的多病理学BCG数据集（Figshare DOI:10.6084/m9.figshare.28416896），包含153组同步数据（BCG/ECG/超声）及射血分数（EF）指标，为机器学习算法开发提供了基准。尽管当前HF样本量较少（n=7）且M型超声EF测量存在局限，但数据集设计支持后续心输出量（CO）和每搏输出量（SV）等高级参数分析，推动BCG在家庭监护和早期预警中的应用。

研究团队指出，BCG技术未来需在以下方向突破：1）扩大HF和复杂心律失常样本；2）结合B型超声验证EF测量；3）探索BCG在睡眠呼吸监测等延伸场景的应用。这项工作为心血管疾病的长期无创监测建立了重要技术范式，其开源数据策略将加速相关技术的临床转化。