《Electronics》:Feasibility and Evaluation of Effective Morphological Feature Representation for Contactless Blood Pressure Estimation Using Remote Photoplethysmography
编辑推荐:
本研究评估了基于形态学特征的非接触式血压(BP)估计的可行性,该估计使用远程光电容积描记(rPPG)技术。研究人员从rPPG的每个心动周期及其一阶和二阶导数中提取了总共52个形态学特征,并将其排列为时间序列,用于基于长短期记忆(LSTM)的模型。在包含16名受
本研究评估了基于形态学特征的非接触式血压(BP)估计的可行性,该估计使用远程光电容积描记(rPPG)技术。研究人员从rPPG的每个心动周期及其一阶和二阶导数中提取了总共52个形态学特征,并将其排列为时间序列,用于基于长短期记忆(LSTM)的模型。在包含16名受试者的公共数据集上进行的基于校准的评估中,52特征模型在收缩压(SBP)和舒张压(DBP)方面分别达到了11.45 mmHg和8.15 mmHg的平均绝对误差(MAE),在相同训练方案下优于直接rPPG波形输入。模型比较还表明,估计性能随模型架构和模型容量而变化。为了确定有效的特征表示,研究人员在多个维度上比较了递归特征消除(RFE)和主成分分析(PCA)。在24维时,相对于RFE,PCA将SBP的MAE降低了1.59 mmHg,DBP的MAE降低了1.09 mmHg,而考虑性能和特征维度,最终选择了15维PCA表示作为最终紧凑表示。该研究提出的方法进一步与无测量和基于测量的参考基线进行了评估,同时使用留一受试者(LOSO)验证来评估受试者独立泛化能力。LOSO显示不同受试者之间性能差异显著,表明对未见受试者的泛化能力有限。尽管存在这一局限性,总体结果支持紧凑形态学rPPG特征表示在非接触式BP估计中的可行性,并强调了适当的特征空间和模型选择的重要性。
血压(BP,血液对血管壁的压力)的连续监测对心血管健康管理至关重要,高血压是心脏病和卒中等重大心血管疾病的主要风险因素。目前临床常用的测量手段各有限制:侵入性动脉导管测压虽精准但存在出血等风险;袖带式示波法虽便捷但无法实现连续监测,单次测量耗时较长;基于接触式光电容积描记(PPG,利用光学手段检测皮肤血流容积变化的信号)和心电图的脉搏波传导时间法需要多传感器同步,易引入误差。非接触式远程光电容积描记(rPPG,通过分析面部视频中皮肤区域的颜色变化提取脉搏信号)技术无需传感器接触,具有无创、舒适和连续监测的潜力,为血压估计提供了新途径。然而,现有基于rPPG形态学特征的血压估计研究大多采用传统机器学习方法,未充分利用信号的时间序列特性;同时,高维特征集包含大量冗余信息,若不做有效降维,易降低模型泛化性能并增加计算负担。因此,开展这项研究旨在系统评估形态学特征结合序列深度学习模型在rPPG非接触式血压估计中的可行性,并探索有效的特征表征与降维策略。
该研究发表在《Electronics》期刊上。研究人员从rPPG及其一阶导数(rPPG′)和二阶导数(rPPG″)的每个心动周期中提取52个形态学特征,排列为时间序列输入长短期记忆(LSTM,一种适用于序列数据的循环神经网络)模型,估计收缩压(SBP)和舒张压(DBP)。研究对比了特征输入与重采样rPPG波形输入、多种模型架构以及主成分分析(PCA)与递归特征消除(RFE)在不同维度下的表现,并引入无测量和基于测量的基线进行参照。结果表明,特征表示优于直接波形输入,PCA降维可在降低特征维度的同时保持甚至提升估计性能,验证了紧凑形态学特征表示用于无接触血压估计的可行性。
研究采用莱比锡大学医院采集的17名受试者公共数据集(含1名因有效周期过少被排除,最终分析16名受试者),rPPG信号通过平面正交皮肤(POS)算法从面部视频中提取。关键技术方法包括:一、形态学特征提取,基于rPPG及其导数定义52个特征;二、PCA与RFE两种降维策略的对比;三、由双向LSTM、三层单向LSTM和注意力层构成的序列深度学习模型;四、基于校准的分段分割方法和留一受试者(LOSO)交叉验证评估方案。
4.1 特征估计的有效性
通过将52维特征输入与重采样rPPG信号输入在相同模型和训练方案下比较,特征输入在SBP和DBP上均获得更低平均绝对误差(MAE)和更高相关系数,表明结构化形态学特征比原始波形更有利于血压信息提取。与无测量基线相比,特征模型优于全局均值基线,但对大部分受试者未能一致优于被试内均值基线,且被试内均值中心化相关系数接近零,提示动态跟踪能力有限。
4.2 LSTM估计的有效性
将完整循环模型与多层感知机(MLP)和支持向量回归(SVR)比较,循环模型在SBP上MAE更低(11.45 mmHg vs 12.73和13.40 mmHg)。消融实验显示,去除注意力层略降MAE,去除双向LSTM则增加MAE,同时去除两者导致MAE进一步上升,说明双向时序处理对特征序列建模有重要贡献。
4.3 与以往基于相机的血压估计研究的比较
与Schrumpf等使用相同公共数据集和预训练深度网络的结果相比,本研究特征方法在SBP和DBP上获得更低MAE;与Kawasaki等基于10名健康受试者的绿色通道特征研究相比,SBP精度接近而DBP MAE偏高;Rong和Li在大规模数据集(189名受试者)上使用SVR取得最佳MAE,表明数据量和血压分布范围对性能影响显著。
4.4 降维分析
在5至40维度范围内比较PCA与RFE,24维PCA在SBP和DBP上均取得最佳指标,MAE分别为10.70和7.55 mmHg,优于同维度的RFE。15维PCA已保留约99%累积解释方差且性能接近最优,被选为最终紧凑表示。特征贡献分析显示,振幅相关和导数相关特征在保留主成分空间中贡献更强。
讨论指出,形态学特征表示的有效性依赖于模型架构;降维可去除冗余信息并改善性能;测量基线的引入有助于区分真实估计能力与对先前提到的血压水平的简单复现。LOSO验证显示受试者间性能波动大,表明对未知个体的泛化仍具挑战,主要受限于样本规模小和个体内血压变化幅度不足。研究结论为:基于PCA压缩的人工rPPG形态学特征可作为非接触式血压估计的有效结构化表示,但需包含更广泛个体内血压变化的大型数据集,以进一步验证稳健泛化与动态血压跟踪能力。