可穿戴心率监测算法的验证与性能

生物传感可穿戴设备依赖于复杂的算法来处理传感器 IC 收集的信号，将数据转化为可操作的见解。阅读有关验证Maxim Integrated可穿戴式心率监测（WHRM）算法性能的研究，该算法利用同步的三轴加速度计和PPG数据提供多种最终用户友好的健身跟踪输出。

1 引言

通过持续跟踪心率等参数，可穿戴健康和健身监测器正在提供有关健康的宝贵见解。心率是以每分钟心跳数 （BPM） 为单位的心脏收缩频率。脉搏率是动脉由于心脏收缩引起的血压变化而产生可测量脉搏的次数。通常，PPG（光电容积描记术）信号提供有关脉搏率而不是心率的信息。但是，在本文中，我们将使用“心率”，这是市场上的标准。

生物传感可穿戴设备依赖于测量生物特征信号的传感器 IC 和将这些信号处理成可操作数据的复杂算法。本文介绍了一项验证Maxim可穿戴心率监测（WHRM）算法性能的研究。WHRM 算法利用同步的三轴加速度计和 PPG 数据来提供多个最终用户友好的健身跟踪输出，如心率，以及与活动相关的统计数据，如步数、燃烧的卡路里和用户的活动类别。PPG信号可以从手指，手腕，耳朵，脚趾，胸部等的心室收缩中收集。

1.1 Maxim的WHRM解决方案

Maxim的WHRM解决方案包括心率和活动跟踪算法，特别适用于心率检测、心跳检测、步数测量和活动分类。设想的产品针对健康和保健应用，通过优化的电源管理进行连续 24/7 全天候监测，并提供准确的心率和心跳间断 （IBI） 检测、步数检测和逐个样本的活动分类。

然而，有一些关键因素使得从手腕进行基于PPG的心率监测极具挑战性：

周期性/非周期性运动

电气噪声

机械/表带设计

环境光

黑色素/肤色

低血灌注

WHRM 算法通过以下方式克服了这些挑战：

运动补偿和抑制

检测活动/运动类型并估计此运动对PPG信号的影响

从 PPG 信号中清除运动的影响，实现可靠的心率监测

多通道融合

将多个通道与信号处理技术相结合，以获得一个改进的PPG信号

AFE 设置的控制：

优化信号质量（在电噪声范围内）和功耗

克服低血灌注或黑色素/肤色带来的挑战性病例

2 验证和性能

为了验证WHRM算法的性能，我们对25名受试者进行了评估。参与者的年龄、肤色、血液灌注和身体状况各不相同。该协议旨在体验不同的心率水平和心率变异行为，以评估所有可能条件下的算法。

2.1 数据收集

在评估中，我们利用了一个由从25个不同受试者收集的82个数据序列组成的数据集。每个数据序列大约36分钟长，在此期间，每个受试者都进行了一些活动，如躺着，坐着，走路，跑步，骑自行车等。这些活动的顺序和持续时间通过“马克西姆体育协议”定义，每个受试者都应用该协议。表 1 显示了用于收集此数据集的完整协议。

表 1.马克西姆36分钟运动协议

 

活动	时间	期间	位置	评论
休息（躺下）	0:00	3 分钟	在健身房
休息（坐着）	3:00	3 分钟	在健身房
过渡（站立）	6:00	1 分钟	在健身房
走	7:00	5 分钟	在健身房	2.5英里/小时
过渡（站立）	12:00	1 分钟	在健身房
运行	13:00	5 分钟	在健身房	舒适的运行速度 环境光 @ 3000 lux
过渡（站立）	18:00	2 分钟	在健身房
步行（快）	20:00	3 分钟	在健身房	3.5英里/小时
步行（快速倾斜）	23:00	3 分钟	在健身房	3.5英里/小时，5%倾斜
过渡（站立）	26:00	2 分钟	在健身房
循环	28:00	3 分钟	在健身房	舒适的节奏
休息（站立）	31:00	5 分钟	在健身房

 

受试者的年龄、肤色、灌注、身体状况等各不相同。参与者的年龄和菲茨帕特里克（FP）量表分布如图1所示。

图1.菲茨帕特里克量表分布25个受试者。

图2.25名受试者的年龄分布。

数据由Maxim参考设计手表收集，该手表由一个LED和两个多通道光电二极管（PD）以及作为参考测量设备的ECG底座胸带组成。数据是在实验室环境中使用跑步机和健身/健身车进行活动的。示例心率图可在图 4 至 8 中找到。

2.2 性能指标

本研究使用了三种不同的绩效衡量标准。由于参考设备的限制，所有指标均以 1Hz 给出。

2.2.1 +/- 5 BPM 误差带精度

这是相对于参考设备输出（ECG胸带）具有= 5BPM绝对误差的有效数据点的百分比。此指标以 1Hz 为单位计算。

2.2.2 平均绝对误差

平均绝对误差是每个Maxim HRM算法与参考设备输出（ECG胸带）的绝对差值的平均值。此指标以 1Hz 为单位计算。

2.2.3 95%置信区间

如果再次以类似的方式执行测试，则 5BPM 误差带准确度数字将落入该区间（概率为 95%）。例如，我们取步行活动的 95% 置信区间，即 [95.15， 98.38]。如果我们以类似的方式再次执行测试，5BPM 误差带精度将下降到 95.15% 和 98.38% 以 95% 的概率。

2.2.4 时间对齐

由于实时数据收集条件，Maxim心率输出和参考设备（ECG胸带）输出之间可能存在时间差，原因如下：

参考设备以源自设备电子设备或应用程序的一些时间延迟开始的可能性

在数据收集开始时，可能有一些时间延迟，源于用户

在数据集通过消除该时差进行时间对齐后应用评估。时间对齐示例如图3所示。

图3.最大心率和参考设备（ECG 胸带）输出之间的时间对齐示例。

2.3 性能结果

Maxim运动协议数据集（表1）使用WHRM算法进行处理。性能结果是根据第 2.2 节中定义的指标计算的。结果使用多通道融合计算（如表2所示）。

表 2.基于第2.2节中定义的性能指标的Maxim WHRM算法性能结果

 

活动	+/- 5BPM 误差带精度 [%]	MAE [BPM]	95% 置信区间 [%， %]
休息（躺下）	99.13	0.82	[98.56 - 99.69]
休息（坐着）	97.55	1.12	[96.69 - 98.39]
走	86.31	2.74	[82.33 - 90.29]
运行	86.57	3.04	[82.57 - 90.55]
步行（快）	91.42	1.92	[88.48 - 94.36]
步行（快速倾斜）	93.86	1.79	[90.97- 96.74]
循环	89.71	2.17	[86.23 - 93.18]
休息（站立）	96.13	1.56	[94.56- 97.70]
整体	92.00	2.01	[90.17 - 93.83]

 

WHRM算法和ECG胸带输出在数据集内与黑色素/肤色、灌注、年龄、身体状况等广泛相关。结果表明，该算法在所有活动中报告可靠的心率。最具挑战性的运动是步行和骑自行车，如表2所示。步行中具有挑战性的部分是心率频率通常接近运动频率，并且运动伪影分量比PPG信号中的心率分量强得多。另一方面，在室内自行车（健身房/健身自行车）中，加速度计信号可以弱地用于运动补偿。

多通道融合是MaximWHRM解决方案的另一种强大方法。最终用户设备可能会使用多个 PD/LED 生成多个 PPG 信号。Maxim解决方案采用特殊的多通道融合方法，可提高性能，特别是在跑步和步行活动中。该方法的增强结果可在表3中查看。

表 3.Maxim WHRM解决方案多通道融合方法增强性能

 

活动	单通道 +/- 5BPM 误差带精度 [%]	多通道 +/- 5BPM 误差带精度 [%]
休息（躺下）	99.13	99.43
休息（坐着）	97.55	97.55
走	86.31	89.76
运行	86.57	90.65
步行（快）	91.42	94.26
步行（快速倾斜）	93.86	95.47
循环	89.71	91.99
休息（站立）	96.13	97.36
整体	92.00	94.17

 

图4.Maxim WHRM解决方案与ECG胸带（参考装置）输出的比较 – 标准方案，示例1。

图5.Maxim WHRM解决方案与ECG胸带（参考装置）输出的比较 – 标准方案，示例2。

图6.Maxim WHRM解决方案与ECG胸带（参考装置）输出的比较——标准方案，示例3。

图7.Maxim WHRM解决方案与ECG胸带（参考装置）输出 – 标准方案，示例4。

图8.Maxim WHRM解决方案与ECG胸带（参考装置）输出的比较 – 标准实验方案，示例5。

2.4 每日数据集验证

WHRM解决方案也在日常生活条件下得到了验证。从50个不同的受试者中收集了~120个单独的数据序列，大约三到四个小时。数据由Maxim参考设计腕表收集。数据收集触发后，参与者继续他们的日常生活活动，如在办公室里走动、打字、吃饭等。收集日常生活数据最具挑战性的部分是非周期性/不规则运动的影响。性能结果如表 4 所示。

表 4.Maxim WHRM 算法 – 每日数据性能结果

 

活动	+/- 5BPM 误差带精度 [%]	MAE [BPM]	95% 置信区间 [%， %]
日常生活	91.1	1.82	[89.75, 92.45]

 

图 9 和图 10 显示了 WHRM 解决方案相对于 ECG 胸带的日常生活输出样本。从表格和图中可以看出，WHRM算法的结果与ECG胸带高度相关。

图9.Maxim WHRM解决方案与ECG胸带（参考装置）输出 – 标准实验方案，xxample 1.

图 10.Maxim WHRM解决方案与ECG胸带（参考装置）输出的比较 – 标准方案，示例2。

2.5 测量质量指标

如第 1.1 节所述，有一些关键因素会影响基于 PPG 的心率监测的性能。因此，要可靠地报告心率，测量质量是关键因素。在我们研究的验证阶段，我们将算法的报告与基于ECG的设备收集的数据进行了比较，从而能够计算出测量的质量/性能。但是，在现实生活中，不会有参考设备来评估测量质量。WHRM 解决方案提供了一个测量质量指标，可以实时评估心率报告。

Maxim的心率测量质量指标对0到100之间的测量进行评分：

100%：完美的测量质量

75%：足够好的测量质量

50%：测量质量基本足够好

25%：测量质量差

0%：测量不可靠

每个心率值都使用算法中的测量质量值进行报告，因此可以实时评估心率报告。表 5 提供了测量质量指标的性能结果以及上述数据集。

表 5.测量质量指标和心率测量的性能示例。

 

休息（躺着、坐着、站着、睡觉）
带有测量质量指标的数据点>	= 100	= 75	= 50	= 25	= 0
+/- 5BPM 精度 [%]	98.77	98.28	97.75	97.42	97.34
MAE [BPM]	0.99	1.08	1.18	1.24	1.24
报告覆盖率 [%]	82.80	94.07	97.61	99.36	100.00
走
具有测量质量指标的数据点	= 100	= 75	= 50	= 25	= 0
+/- 5BPM 精度 [%]	94.48	92.49	91.24	90.21	89.77
MAE [BPM]	1.67	1.86	1.98	2.18	2.26
报告覆盖率 [%]	64.04	84.07	93.34	97.99	100.00
运行
具有测量质量指标的数据点	= 100	= 75	= 50	= 25	= 0
+/- 5BPM 精度 [%]	96.39	95.03	92.11	88.61	86.57
MAE [BPM]	1.36	1.67	2.07	2.63	3.04
报告覆盖率 [%]	55.12	72.79	82.46	91.15	100.00
自行车运动
具有测量质量指标的数据点	= 100	= 75	= 50	= 25	= 0
+/- 5BPM 精度 [%]	95.81	94.22	92.27	90.41	89.71
MAE [BPM]	1.55	1.78	1.94	2.11	2.17
报告覆盖率 [%]	60.20	80.17	89.97	96.83	100.00
整体
具有测量质量指标的数据点	= 100	= 75	= 50	= 25	= 0
+/- 5BPM 精度 [%]	96.62	95.28	94.02	92.78	92.07
MAE [BPM]	1.34	1.53	1.68	1.88	1.99
报告覆盖率 [%]	67.13	84.45	92.16	96.94	100.00
日常
具有测量质量指标的数据点	= 100	= 75	= 50	= 25	= 0
+/- 5BPM 精度 [%]	97.40	95.20	93.60	92.90	91.10
MAE [BPM]	1.34	1.41	1.47	1.61	1.82
报告覆盖率 [%]	53.00	75.00	88.00	96.00	100.00

 

2.6 WHRM算法信号要求

2.6.1 信号要求

应满足适当的传感器与皮肤耦合。腕表应贴合舒适。

加速度计和PPG信号采样速率应为25Hz，采样间隔在38至43ms之间。

加速度计到PPG的同步应在25ms以内，参考样本时间戳。

加速度计和PPG数据点不应下降，每分钟不超过一个样本。

2.6.2 参考装置

心率 – 应使用采样率至少为 250Hz 的心电图胸带，例如 Polar H10

2.6.3 信号质量

Maxim的算法期望pSNR*的信号质量在静止时>15dB，在运动时为6dB。在每个绿色PPG通道上测量信号以达到这些精度数字，HR频率是PPG频谱图中的主频率。

*对于pSNR计算（也称为交流信号SNR），信号功率定义为信号在心跳频率下的功率，以及其二次和三次谐波。噪声功率定义为所有其他信号分量的功率，包括运动伪影。

2.7 活动分类和计步验证

活动分类和计步性能由从 36 名受试者收集的 72 个数据序列组成的数据集验证。室内性能由从 20 名受试者收集的 40 个数据序列组成的数据集验证。室内协议如表6所示。

表 6.活动分类和计步室内性能验证协议

 

活动	期间	位置	评论
休息	2 分钟	在健身房
走	500步	在健身房	2.5英里/小时
过渡	3 分钟	在健身房
运行	500步	在健身房	舒适的运行速度
过渡	1 分钟	在健身房
办公室散步	~100步	在健身房
过渡	2 分钟	在健身房
远足	~100步	在健身房

 

户外表现由从 16 名受试者收集的 31 个数据序列组成的数据集验证。室外协议如表7所示。

表 7.活动分类和计步户外性能验证协议

 

活动	期间	位置	评论
休息	1 分钟	户外的	-
走	500步	户外的	-
过渡	1 分钟	户外的	-
与宝宝一起散步	500步	户外的	-
过渡	1 分钟	户外的	-
循环	3 分钟	户外的	;-

 

这些数据是用Maxim参考设计腕表收集的，手动答题器用作参考测量。将算法的活动分类输出与协议进行比较（数据收集期间记录活动转换时间戳），并将计步结果与手动答题器进行比较。室内和室外性能结果见表8。

表 8.活动分类和计步性能结果

 

活动分类				步数
活动	准确性	召回	精度	绝对百分比误差
休息	0.99	0.93	1.00	-
步行 - 室内	0.96	0.97	0.91	0.90
跑步 - 室内	0.98	0.93	0.96	4.18
步行 - 户外	0.95	0.95	0.99	6.45
自行车 - 户外	0.98	0.85	0.95	-

 

3 小结

我们的研究结果表明，Maxim WHRM解决方案的心率监测与ECG胸带（参考设备）的心率监测高度相关。WHRM 算法符合物理心率测量的 ANSI/CTA 标准，性能甚至优于这些标准1.该算法使用加速度计信息来抑制PPG在周期性运动活动（步行、跑步、骑自行车等）、运动补偿和多通道融合中的运动伪影，以提高整体性能，特别是在日常生活活动（非周期性运动）中。WHRM 解决方案还控制 AFE 设置，以优化信号质量（存在电噪声的情况下）和功耗，这对于可穿戴设备的连续心率监测至关重要。该算法在监测心率方面的可靠性可能有益于其他新用例，例如睡眠、压力、VO2-MAX、EPOCH 监测等。该算法在活动分类（休息、步行、跑步、骑自行车）和计步方面也非常成功。

审核编辑：郭婷