心冲击信号研究进展及其在医学中的应用

心冲击信号研究进展及其在医学中的应用

夏建松,朱文武,杨挺

浙江省医疗器械审评中心,浙江 杭州 311121

[摘 要] 心冲击图(Ballistocardiogram,BCG)技术具备无创、非接触式和可长期连续监测等优点。本文在简单介绍BCG技术的基础之上,对BCG信号检测方式及其在生命体征检测、心血管功能参数监测和睡眠结构分析等医学中的应用研究进展做一综述,并对BCG技术难点和存在的问题进行分析和讨论,以期为后续BCG技术相关探索、研究和应用提供一定的思路或指导。

[关键词] 心冲击信号;生命体征检测;心脏功能监测;睡眠结构分析

引言

心脏跳动周期中心脏泵血能引起身体产生相应的运动,通过高灵敏度传感器拾取该运动信号,并将其描记成波形,该波形称为心冲击图(Ballistocardiogram,BCG)。因为BCG信号记录的是心脏泵血引起的与心搏同步的身体运动,所以BCG信号间接反映了心脏动力和运动状态。对BCG信号进行分析可以获取与之相关的生命体征或生理参数,并有可能对相关疾病进行预测、诊断或跟踪监测。

1877年,Gordon等[1]首先观察到了BCG现象,即当人站在精制的体重计上时,指针会出现与心跳同步的有规则的摆动,发表了最早的BCG记录。此后60年中,BCG研究没有受到太多的关注。

1939年,Starr等[2]率先系统地研究了心脏收缩引起身体颤动,并设计、制造了一种能够记录身体运动的平台,称为高频台。通过该平台,他们系统地研究了BCG信号中各种波形的形成机制及其与心脏动力的关系,从而奠定了BCG这门科学的基础[3-4]。基于其对BCG技术的开创性研究工作,Starr被称为BCG之父。

从1940年到1980年,诸多研究人员不仅提出多种BCG信号检测方法,而且将BCG技术应用于多种生理参数检测及相关临床医学应用研究[4]。在此之后,受制于落后的传感器技术,缺乏标准化,以及在心脏疾病诊断上受到具有更高特异性的心电图(Electrocardiograph,ECG)技术的冲击,BCG技术研究逐渐减少,甚至一度处于停滞状态[5]。近二十年来,随着传感器、电子和信号处理与分析等技术的快速发展,BCG信号检测变得更加方便,测量精度也大为提高,BCG技术本身又具备无创、非接触式和可长期连续监测等优点,因此,BCG信号重新引起了诸多研究人员的关注。BCG技术不仅向小型化、非接触式、可穿戴式等检测方向发展,而且被应用于心率、睡眠结构分析、心脏功能监测和评价等方面的定性、定量研究和临床应用,并取得了一定的研究成果[4,6]。本文在简单介绍BCG技术的基础之上,对BCG信号检测方法和BCG信号在临床医学中的应用如生命体征检测、心血管功能参数和睡眠结构分析等研究和进展进行综述、分析和展望。

1 BCG信号检测方式和波形解释

从1877年Gordon首先观察到BCG现象至今,虽然对BCG信号的研究已经过了140余年,但是对BCG信号的检测方式尚无统一的标准。目前,BCG信号检测方式主要有四种:站立式、坐式、卧式和穿戴式[4-5],其中,站立式与常见的电子秤类似,只是测量灵敏度、精度要求更高,而且测量的BCG信号是动态信号。坐式主要用于驾驶座,也有用于特定的座椅,甚至用于智能马桶上。卧式主要为智能床垫,将传感器置于床垫内部或床垫下面,用于在床BCG信号的检测。穿戴式和其它穿戴式电子产品类似,可戴在耳朵,或固定在人体特定部位,甚至制成特定的衣服。BCG信号检测常用的传感器有压电薄膜、压电陶瓷、机电薄膜、应变计、液压传感器、光纤和加速度计等。近二十年,BCG信号检测代表性研究如表1所示。尽管BCG信号检测的方式和传感器的类型各异,但是,不同BCG信号检测设备所获取的BCG信号波形比较类似,波形的解读也比较统一。

表1 近二十年,BCG信号检测代表性研究

BCG信号检测方式主要使用传感器类型 研究机构[代表性文献](体重计) 压力传感器 西班牙加泰罗尼亚理工大学[7]、韩国首尔大学[8]站立式坐式(座椅)EMFi传感器或压力传感器或加速度传感器航空医学研究所,第四军医大学[11]日本东京法政大学[12]芬兰阿尔托大学[13]穿戴式 加速度传感器 麻省理工大学[3]美国乔治亚理工大学[14]清华大学[5]芬兰坦佩雷大学[9]德国亚琛大学[10]卧式(床)压力传感器或加速度传感器

一个健康人的典型BCG信号如图1a所示。图1b所示为对应的动脉血流图。由于相对波动幅度较大,而且比较清晰,I-波和J-波是目前研究的主要兴趣点。I-波是由于左心室中血液朝向头部(头向)射入上行主动脉,根据牛顿第三运动定律,身体会产生朝向脚部(足向)的反作用力,即身体产生足向运动。与I-波类似,J-波是由于下行主动脉中的血液向脚部方向流动,身体会产生头向的反作用力,即身体产生头向运动。实际上,关于BCG信号产生机制的理论有很多,Starr等人在1940年对BCG信号波形和产生机制进行了详细的解释(表2)[15],并沿用至今。

图1 典型BCG信号及对应动脉血流示意图

注:a. 典型BCG信号;b. 主动脉弓及左心室射血产生的力的方向。

表2 BCG信号波形产生机制与心动周期

F波 心房收缩前期 产生退缩动力,引起躯体向右侧及头向移动 向上G波 心房收缩心房收缩血流冲击到心室,产生足向及向左动力引起躯体足向移动向下H波 心房收缩后心室等长收缩期在心房收缩后,静脉血由上腔及下腔回流,由于下腔回流的血量约三倍于上腔,使动力向上:在心室等长收缩期,心室内压力骤增,房室瓣膜关闭,产生向上动力向上I波 心室收缩早期 产生一退宿动力,使动力向左向下 向下J波 血液由心室搏出血流由心室搏出,冲击在主动脉弓及肺动脉的分支处,使波动向上向上K波 血流在降主动脉分支处冲击冲击降主动脉,主动脉内摩擦阻力,使血流速度减慢产生足向向下波动向下L波 等长舒张期舒张早期房室瓣膜向上抬起,使心房内血流产生向上的动力,此时主动脉瓣关闭,血流撞击在瓣膜上,产生80 mmHg的舒张压,使房室瓣膜产生一向上的回击动力,静脉回流增多向上M波 舒张早期血流冲入心室,冲碰及心尖,产生一向左、向下的动力,同时降主动脉内血流亦产生向下的动力向下N波 舒张中末期 静脉回流的减速上向动力使躯体向上移动 向上

2 BCG信号的临床应用

如前所述,围绕BCG信号的研究经历了两波热潮。与之对应,BCG信号的临床应用研究也有两波热潮,即从1939年到20世纪80年代和近二十年来,且正在倍受关注的时段。

2.1 BCG信号临床应用研究的第一波热潮

BCG研究的第一波热潮中,以BCG之父Isaac Staar为代表的诸多研究人员围绕BCG信号的获取、处理和医学应用开展了大量的研究工作。他们不仅提出多种改进的或新的BCG信号检测方法,而且将BCG技术应用于多种生理参数检测及相关疾病的临床研究。这些研究,除了极少数对肺结核、急性风湿热、肥胖等疾病的研究,绝大部分是针对心血管疾病如冠状动脉疾病、心肌梗死、瓣膜异常的应用研究。研究工作主要围绕BCG信号的幅值大小和波形异常程度与相关疾病的关联程度展开。在这些研究中,BCG信号的幅值主要考察I-和J-波幅值。BCG信号波形通常按异常程度分为四级[16]:所有波形都正常;Ⅰ为主要波形正常,每个呼吸周期中有一两个小的波形异常;Ⅱ为主要波形异常,每个呼吸周期中,通常只有少数最大的波形保持正常;Ⅲ为冲击波形完全扭曲,无法辨别。

大量的研究,特别是Starr等[16]的研究表明:a. 和正常BCG信号(I级)比较,轻度异常(II级)无明显临床差别;b. BCG信号中度异常(Ⅲ级)的人寿命往往较短。当和BCG信号严重异常(Ⅳ级)的人相比,BCG信号中度异常(Ⅲ级)的人平均寿命要长得多;c. BCG信号严重异常(Ⅳ级)的人,寿命显著降低,而且大部分几年之内死于心脏病。

临床数据表明,BCG信号的幅值、波形异常的程度和比例均与心血管疾病有着密切的关系。典型的BCG临床应用研究内容和结论如表3所示。

表3 1939—1980年BCG在临床应用中的典型研究

研究内容 研究机构[代表性文献]结论BCG波形和心输出量的关系,BCG波形的定义 美国宾西法尼亚大学[15] J波幅值与心输出量有很强的相关性BCG在冠状动脉疾病诊断中的应用曼彻斯特皇家医院[17]BCG和ECG反映了心脏功能的不同侧面,BCG更好地反映了心脏收缩力,80%的冠心病患者具有不正常的BCG波形BCG心肌梗死中的适用价值 法国里尔医学院和医院[18] BCG在急性心梗病人预后检测中有重要的意义BCG幅度与死亡率和心脏病发病率 美国宾西法尼亚大学[19] 心脏收缩力弱的人群死亡率和心脏病患病率高BCG在二尖瓣狭窄诊断中的应用 日本大阪大学[20] 二尖瓣狭窄病人BCG波中,H,I,M波有明显的特征BCG对缺血性心脏病和冠心病 美国约翰霍普金斯大学和医院[21] BCG可以提供心肌缺血的相关信息

从这些文献可以看出,BCG信号特征与心脏功能如心输出量、瓣膜狭窄、心肌梗死等有着密切的关系。这些研究主要依据医生主观判断,且几乎都为定性分析,缺乏定量分析,也没有形成最终的诊断标准。从时间上看,这些研究工作也有点久远,但是,研究范围还是比较广泛的,对现今的BCG技术在医学应用中的研究仍然具有非常重要的参考价值,特别是BCG信号波形的定性分析为现在基于BCG信号的基本生命体征参数、睡眠质量、睡眠结构等定性或定量分析奠定了良好的基础。

2.2 BCG信号临床应用研究的第二波热潮

随着现代传感器、电子和信号处理与分析技术的快速发展,BCG信号检测变得便捷、精确, 加上BCG技术本身具备的无创和可长期连续监测的特点,其医学应用研究在近二十年来受到格外关注,并得以快速的发展。BCG技术已被应用于基本生命体征监测、睡眠时相分析和心血管功能参数测定等方面。机器学习和人工智能分析算法的引入,有望进一步提高检测、分析的准确性[22-23]。表4所示为近二十年,BCG信号临床应用中的、具有代表性的研究。从这些研究可以看出,近年来,BCG信号在临床医学应用中的研究,主要有以下几个方面:

表4 近二十年,BCG在临床应用中的主要研究

BCG应用 主要研究内容基本生命体征检测/监测研究机构[代表性文献]基于BCG信号,利用模板匹配的方法,检测心率。和心电图比较,相关系数为0.98; 韩国首尔大学[24]基于BCG信号,利用聚类方法和自适应心跳模型检测心率,平均心跳间隔误差13 ms; 芬兰赫尔辛基大学[25]基于BCG信号,利用频谱分析(快速Fourier变换),检测心率、呼吸频率等;精确度98.77%;心率误差0.78次/min 日本法政大学[12]建立了一套睡眠时相数学模型,利用BCG检测心律信号,估计睡眠时相,并利用体动信号补偿、修正睡眠时相估计;与PSG相比,符合率:非快动眼82.6%,快动眼38.3,觉醒70.5%睡眠时相分析日本法政大学[12]以小波变换为核心处理算法,与人工检测相比,睡眠时相检测总的符合率达0.852 航空医学研究所,第四军医大学[11]基于BCG信号,结合多种参数如心率、心率变异性等参数、体动频率等,进行睡眠时相分析芬兰阿尔托大学[13]以PSG为参考(金标准),评估以色列Earlysense公司的非接触式睡眠监测系统(以BCG信号为基础)的有效性;睡眠检测灵敏度、特异性和准确度分别为92.5%,80.4%和90.5%心血管功能参数检测以色列本古里安大学健康科学学院索罗卡医学中心[26]麻省理工大学[3]基于BCG的心收缩和心搏量估计 美国乔治亚理工大学[27]基于BCG的心率变异智能诊断 东北大学中荷生物医学工程于信息工程学院[28]心室功能和血液动力学评估分析 美国乔治亚理工大学[14]以BCG引导优化心脏再同步化治疗为例,探讨了BCG在医院、家庭监护中的意义 美国史坦福大学,美国加州大学旧金山分校[29]心输出量心血管疾病诊断利用时频分析方法,进行BCG信号特征提取、分类及心脏疾病诊断 芬兰坦佩雷理工大学及其附属医院[30]统计分析健康成年人与冠心病病人的BCG信号特征,并发现存在一些具有显著性差异的特征清华大学[5,31]BCG产生机理建模及其对心血管健康和疾病监测、诊断可行性的研究美国马里兰大学、乔治亚理工大学和密西根州立大学,加拿大艾伯塔大学[32]基于BCG信号检测阵发性房颤 中国东北大学[22]其他研究通过BCG信号,监测心率和心律变异的变化,从而监测人的情绪或压力的变化 匈牙利Pannonia大学[33]BCG与血压、肌电等信号之间的关系 加拿大西蒙·弗雷泽大学[34]基于BCG的血压监测 美国马里兰大学[35]

(1)基本生命体征检测:心率、心率变异等相关参数。研究的主要方向为更准确、稳定的自动检测算法。

(2)睡眠时相分析:基于BCG信号,自动检测心率等生命体征参数,并根据睡眠周期中,生命体征参数的变化特征,自动分析睡眠时相。

(3)心血管功能分析:主要研究不同病症的特异BCG信号特征和智能化识别方法。

(4)其他研究方向:大部分研究如情绪检测、运动恢复分析、哮喘预测等,主要是基于基本生命体征,进行进一步分析、识别人体状态。

基于BCG信号的基本生命体征检测水平已经与基于ECG信号的检测水平非常接近。如心率检测,和ECG信号比较,相关系数约为0.98[24],每分钟心率平均误差低于1次[12]。已上市的产品,不是作为ECG的替代产品,而是作为ECG的补充,用于特定的场景,例如居家或机构老人的长期、智能监护[24-25]

基于BCG信号的睡眠时相分析,目前主要识别觉醒、快动眼和非快动眼三个睡眠时相,对非快动眼和觉醒两个时相识别准确率较高,对快动眼准确率较低。与目前临床上的“金标准”-多导睡眠记录仪相比,虽然还有一定的差距,但是已有不错的结果。例如,以色列EarlySense公司开发的基于BCG技术的睡眠检测系统,睡眠检测灵敏度、特异性和准确度分别达到了92.5%,80.4%和90.5%[26]。在临床上,非快动眼还可进一步细分轻度、中度、深度睡眠时相,但是,目前效果不够理想。原因可能在于,采集到的BCG信号比较复杂,受个体差异、传感器差异等多种因素的影响,难以归一化。

基于BCG信号的心血管功能检测、心血管疾病诊断等,尚处在研究阶段,多数工作聚焦在信号特征提取,并进行分类,即疾病的诊断,实际的效果有待进一步验证。

BCG信号不同于ECG信号,影响BCG信号检测和分析的因素要比ECG信号复杂得多,如所用传感器的形式和性能、受试者的姿态等。这就为BCG信号检测的标准化,基于BCG信号的诊断标准的制定带来很多的困难。这也是制约BCG技术向临床应用的主要难点之一。总的来说,BCG信号检测的多样性,为其应用提供了更多的可能。但是,这种多样性也为标准化提出了挑战。

3 结论和展望

本文对BCG信号研究进展及其在医学中的应用进行了综述、分析,以梳理出BCG技术存在的问题和发展的方向。从公开的研究可以看出,基于BCG信号的基本生命体征检测、睡眠时相分析相对较为成熟,已达到临床应用水平。基于BCG信号的心血管功能分析、心血管疾病诊断等临床应用尚处于研究阶段。BCG信号处理与分析技术是目前BCG技术的研究核心。BCG信号检测的标准化和基于BCG信号的诊断标准的制定等将是BCG技术向临床医学应用需要解决的问题和难点。BCG技术在临床医学中的应用前景已经初现端倪,随着BCG信号检测方法的不断改进、机器学习和人工智能算法的不断引入,基于BCG技术的医疗产品正逐步进入市场,BCG技术很有希望得到越来越广的应用。

[参考文献]

[1] Gordon JW.On certain molar movements of the human body produced by the circulation[J].J Anat Physiol,1877,11(3):533-536.

[2] Starr I,Rawson AJ,Schroeder HA,et al.Studies on the estimation of cardiac output in man, and of abnormalities in cardiac function, from the heart’s recoil and the blood’s impacts; the ballistocardiogram[J].Am J Physiol,1939,127(1):1-28.

[3] He DD.A wearable heart monitor at the ear using Ballistocardiogram (BCG) and Electrocardiogram (ECG) with a Nanowatt ECG heartbeat detection circuit[D].Boston:MIT,2013.

[4] Inan OT,Migeotte PF,Park KS,et al.Ballistocardiography and seismocardiography: a review of recent advances[J].IEEE Journal of Biomedical and Health Informatics,2015,19(4):1414-1427.

[5] 刘蕾.心脏射血导致重力变化信号的人体实验研究[D].北京:清华大学,2013.

[6] Sadek I,Biswas J,Abdulrazak B.Ballistocardiogram signal processing: a review[J].Health Inf Sci Syst,2019,7(1):10.

[7] Gonzalez-Landaeta R,Casas O,Pallas-Areny R.Heart rate detection from an electronic weighing scale[J].Phys Meas,2008,29(8):979-988.

[8] Shin JH,Lee KM,Park KS.Non-constrained monitoring of systolic blood pressure on a weighing scale[J].Phys Meas,2009,30(7):679-693.

[9] Koivistoinen T,Junnila S,Varri A,et al.A new method for measuring the ballistocardiogram using EMFi sensors in a normal chair[A].International Conference of the IEEE Engineering in Medicine & Biology Society[C].IEEE,2004:2026-2029.

[10] Walter M,Eilebrecht B,Wartzek T,et al.The smart car seat: personalized monitoring of vital signs in automotive applications[J].Pers. Ubiquitous Comput,2011,15(7):707-715.

[11] 俞梦孙,杨军,周玉彬.用微动敏感床垫监测睡眠的研究[J].中华航空航天医学杂志,1999,10(1):40-45.

[12] Watanabe K,Watanabe T,Watanabe H,et al.Noninvasive measurement of heartbeat, respiration, snoring and body movements of a subject in bed via a pneumatic method[J].IEEE Trans Biomed Eng,2005,52(12):2100-2107.

[13] Nurmi S.Nocturnal sleep quanlity and quantity analysis with ballistocardiography[D].Helsinki:Aalto University,2016.

[14] Wiens AD,Etemadi M,Roy S,et al.Toward continuous,noninvasive assessment of ventricular function and hemodynamics: wearable ballistocardiography[J].IEEE,2015,19(4):1435-1442.

[15] Starr I,Schroeder HA.Normal standards, abnormalities commonly found in diseases of the heart and circulation, and their significance[J].J Clin Invest,1940,19(3):437-450.

[16] Starr I.Prognostic value of ballistocardiograms[J].JAMA,1964,187(7):511-517.

[17] Wade EG,Fulton RM,Mackinnon J.The ballistocardiogram in the diagnosis of coronary arterial disease[J].Heart,1956,18(1):65-77.

[18] Desruelles J,Merlen JF,Debacker G.Practical value of the ballistocardiogram in myocardial infarction[J].Am J Cardiol,1959,3(2):236-241.

[19] Starr I,Wood FC.Twenty-year studies with the ballistocardiograph-The relation between the amplitude of the first record of“healthy” adults and eventual mortality and morbidity from heart disease[J].Circulation,1961,23(5):714-732.

[20] Fujigaki H,Nomura Y,Fujimoto J,et al.Three directional ballistocardiogram in mitral stenosis: the value of posteroanterior ballistocardiogram in the diagnosis of mitral stenosis and its severity[J].Jpn Circ J,1964,28(6):408-420.

[21] Baker BM.Ballistocardiogram: predictor of coronary heart disease[J].Circulation,1968,37(1):1-3.

[22] Jiang F,Xu J,Lu Z,et al.A transfer learning approach to detect paroxysmal atrial fibrillation automatically cased on ballistocardiogram signal[J].J Med Imaging Health Inform,2020,9(9):1943-1949.

[23] Wang L,Geng S,Liu B,et al.Ballistocardiogram heart rate detection: improved methodology based on a tree-layer filter[J].Measurement,2020,(149):1-10.

[24] Shin JH,Choi BH,Lim YG,et al.Automatic ballistocardiogram(BCG) beat detection using a template matching approach[C].30th Annual International IEEE EMBS Conference,Vancouver:IEEE,2008:1144-1146.

[25] Paalasmaa J,Toivonen H,Partinen M.Adaptive heart beat modeling for beat-to-beat heart rate measurement in ballistocardiograms[J].IEEE J Biomed Health inform,2014,19(6):1945-1952.

[26] Tl A,Shinar Z,Shaki D,et al.Validation of contact-free sleep monitoring device with comparison to polysomnography[J].Clin Sleep Med,2017,13(3):517-522.

[27] Ashouri H,Orlandic L,Inan OT,et al.Unobtrusive estimation of cardiac contractility and stroke volume changes using ballistocardiogram measurements on a high bandwidth force plate[J].Sensors,2016,16(6):777-787.

[28] 蒋芳芳,宋韶秀,程佳斌,等.基于云模型的体震信号智能诊断方法[J].东北大学学报:自然科学版,2015,(10):9-12.

[29] Giovangrandi L,Inan OT,Wiard RM,et al.Ballistocardiography-A method worth revisiting[A].International conference of the IEEE EMBS[C].IEEE,2011:4279-4282.

[30] Akhbardeh A,Koivuluoma M,Koivistoinen T,et al.BCG data discrimination using daubechies compactly supported wavelet transform and neural networks for heart disease diagnosis[A].Proceedings of the 2005 IEEE International Symposium on,Mediterrean Conference on Control and Automation Intelligent Control[C].IEEE,2005:1452-1457.

[31] 曹欣荣,刘蕾,蔡东阳,等.心冲击图特征统计及其医学诊断应用[J].清华大学学报(自然科学版),2014,(5):633-637.

[32] Kim C,Ober S,McMurtry M,et al.Ballistocardiogram:mechanism and potential for unobtrusive cardiovascular health monitoring[J].Sci Rep,2016,(6):31297.

[33] Sali M,Vassanyi I,Kosa I.Stress detection using low cost heart rate sensors[J].J Healthc Eng,2016:1-13.

[34] Garg A,Xu D,Bruner M,et al.Ballistocardiogram signal as a measure of cardio-postural variation during orthostatic challenge[A].2016 IEEE International Conference on Electro Information Technology[C].IEEE,2016:434-437.

[35] Yousefian P,Shin S,Mousavi A,et al.The potential of wearable limb ballistocardiogram in blood pressure monitoring via pulse transit time[J].Sci Rep,2019,(9):1-11.

Research Progress of Ballistocardiogram Signal and Its Application in Medicine

XIA Jiansong, ZHU Wenwu, YANG Ting
Zhejiang Center for Medical Device Evaluation, Hangzhou Zhejiang 311121, China

Abstract: Ballistocardiogram (BCG) has the advantages of noninvasive, noncontact and long-term continuous monitoring. Based on the brief introduction of BCG technology, this paper reviews the research progress of BCG signal detection methods and its application in vital signs detection, cardiovascular function parameter monitoring and sleep structure analysis. The technical difficulties and existing problems of BCG are also discussed, so as to provide some ideas or guidance for the subsequent exploration,research and application of BCG technology.

Key words: ballistocardiogram signal; vital sign detection; cardiac function monitoring; sleep structure analysis

收稿日期:2020-06-24

作者邮箱:wangzn007@smmu.edu.cn

[中图分类号] R197.39;TN911

[文献标识码] A

doi: 10.3969/j.issn.1674-1633.2021.03.038

[文章编号] 1674-1633(2021)03-0168-05

责任编辑 皮志超