Low-Rate Wrist SpO2 Estimation under Micro-Perturbations Using Motion-Aware Beat Selection and Perfusion-Guided Calibration

技術要約：微小摂動下における低レート手首SpO2推定

問題提起
光電容積脈波（PPG）による連続的な酸素飽和度（SpO2）モニタリングは、ウェアラブルヘルスセンシングにおいて極めて重要である。しかし、手首ベースの推定は、従来の指ベースのパルスオキシメトリと比較して、大きな課題に直面している。手首は、微小な動きや接触圧の微妙な変化といった微小摂動の影響を受けやすく、これらがPPG波形の形態を不安定化させる。これらの摂動は赤色光と赤外線の脈動成分を変化させ、赤色対赤外線の比率（$R$）の不安定性を引き起こす。従来の手法は固定された$R$–SpO2マッピングに依存しているため、この不安定性が一貫性のない推定結果をもたらす。さらに、個人間の局所的な灌流状態の違いは、キャリブレーションのバイアスを導入する。なぜなら、固定されたマッピングでは、異なる個人やセンサーと皮膚の接触条件による灌流指数（PI）の変化に適応できないからである。

手法
著者らは、動きを検知するビート選択と灌流ガイド付きキャリブレーションを統合した、低レートの手首SpO2推定のための軽量でファームウェア互換性のあるフレームワークを提案している。本システムは、二波長（赤色および赤外線）のPPG信号と3軸加速度計データを処理する。手法は主に以下の3つの段階で構成される。

1. ビートレベルのAC/DC抽出および比率計算：
   10秒のスライディングウィンドウ内で、赤色および赤外線のPPG信号は、脈波形態を保持するために低域通過フィルタ（カットオフ5 Hz）にかけられる。バンドパスフィルタ（1–3 Hz）を用いて堅牢なビート検出を行い、両方の波長の共通境界として、より安定した赤外線チャネルの谷（valley）を利用する。収縮期ピークは各チャネルで個別に特定される。ビートレベルのDC成分は、ピーク位置における補間されたベースライン値として定義され、AC成分はピークとこのベースラインとの振幅差として定義される。各ビートにおける比率の比（$R$）は、$R = \frac{AC_{red}/DC_{red}}{AC_{IR}/DC_{IR}}$として計算される。

2. 動きを検知するビート選択：
   微小摂動の影響を軽減するため、本フレームワークは加速度計から導出された動きのスコアに基づいてビートに信頼性ウェイトを割り当てる。各ビート間隔において、3軸加速度計の大きさの標準偏差が計算される。ウィンドウ内では、低運動量のビートを強調し、動きによって汚染されたビートを抑制する非線形関数を用いて、ビートに重み付けを行う。具体的には、ウィンドウ内の動きのスコアの中央値と90パーセンタイル値を用いて動きのスコア閾値が設定される。その後、有効なビートレベルの$R$値の加重中央値が計算され、ウィンドウレベルの$R_{win}$が決定される。これにより、動きによって汚染されたビートが最終的な推定値に与える影響を最小限に抑える。

3. 灌流ガイド付きキャリブレーション：
   被験者固有の変動に対処するため、各セッションに対して参照灌流指数（$PI_{ref}$）が推定される。システムは最も信頼性の高い30秒間のセグメント（平均的な動きが最小のセグメント）を特定し、$PI_{ref}$をそのセグメントにおける赤外線灌流指数の加重中央値として計算する。その後、ウィンドウレベルの$R_{win}$は、$PI_{ref}$の線形関数（$R_c = R_{win} + b_0 + b_1 \cdot PI_{ref}$）を用いて補正される。最後に、補正された比率$R_c$は、学習データから得られた2次多項式キャリブレーション関数を用いてSpO2にマッピングされる。

主な貢献

• 低レート処理アルゴリズム： 25 Hzサンプリング用に設計された二波長PPG処理アルゴリズムであり、ビートごとの抽出とローリングウィンドウ集計による$R$–SpO2キャリブレーションを実行する。
• 動きを検知するビート選択： 加速度計データを利用してビートに信頼性ウェイトを割り当て、低運動量のデータポイントを優先することで、微小摂動に対する堅牢性を向上させる戦略。
• 灌流ガイド付きキャリブレーション： 灌流指数をキャリブレーション状態の指標として使用し、$R$–SpO2の関係を被験者固有の局所灌流条件に適応させる手法。

実験結果
本フレームワークは、多様な肌の色を持つ9名の参加者による27セッションからなるプライベートなウェアラブルデータセットを用いて評価された。データセットには100 HzのPPG信号（評価用に25 Hzへダウンサンプリング）と、参照SpO2値としてMasimo Rad-Gデバイスが含まれている。

• 性能： 厳格なLeave-One-Subject-Out (LOSO) 評価において、提案手法は25 Hzにおいて平均絶対誤差（MAE）$2.305 \pm 1.113\%$、平方根平均二乗誤差（RMSE）$3.117 \pm 1.743\%$を達成した。これは、単純な平均/中央値集計、再帰最小二乗法（RLS）、および正規化最小平均二乗法（NLMS）を含むベースライン手法を上回る結果である。
• アブレーション研究： 動きを検知するビート選択と灌流ガイド付きキャリブレーションの両方が、独立して性能を向上させることが確認された。両者を組み合わせた場合、25 Hzおよび100 Hzの両方のサンプリングレートにおいて最高の指標が得られた。
• 低レート効率： 本手法は、100 Hzのサンプリングレートと同等の性能を25 Hzで維持した。消費電力分析によれば、PP子センサーは25 Hzで約9 mWを消費し、これは100 Hzでの約15 mWと比較して40%の削減となり、エネルギー効率の高い連続モニタリングをサポートしている。
• 動きへの堅牢性： 組み合わせたアプローチは、すべての動きの大きさにおいて最も低いMAEを示した。一方で、ベースライン手法は、動きの大きさの標準偏差が増加するにつれて誤差が増大した。

意義
本論文は、高複雑度のデノイジングモデルを必要とせずに、低レートの手首SpO2推定の堅牢性を向上させることができる軽量なフレームワークを提示していると主張している。動きを検知する選択と灌流ガイド付きキャリブレーションを統合することで、本システムは微小摂動と被験者間の灌流変動という二重の課題に対処している。25 Hzにおいて精度を維持しながら消費電力を大幅に削減できる能力は、継続的なヘルスモニタリングのための、ファームウェア互換性がありエネルギー効率の高いウェアラブル実装に適している。