⚡ electrical engineering

Comprehensive Dataset and Signal Processing Framework for Phonocardiogram-Based Heart Rate and Blood Pressure Estimation

本文介绍了一种具有成本效益的心音图追踪（PhonoTrack）系统及其相应数据集，该系统仅利用心音图（PCG）信号即可实现无创心率和血压估计，并通过先进的信号处理和半经验建模实现了高精度。

原作者： Abdul Ahad Mamun, Utsab Saha, Md Hasibul Hasan, Shahed Ahmed, MD Jahin Alam

发布于 2026-05-25

📖 1 分钟阅读☕ 轻松阅读

原作者： Abdul Ahad Mamun, Utsab Saha, Md Hasibul Hasan, Shahed Ahmed, MD Jahin Alam

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你的心脏就像胸腔内一台忙碌且富有节奏的鼓点机。每一次跳动，它都会发出特定的“扑通 - 扑通”声（心音），并释放微小的电火花（电信号）。通常，为了检查心跳速度或血压，医生需要使用昂贵的机器、粘性导线或紧紧束缚手臂的袖带。

本文介绍了一种名为PhonoTrack的新型低成本发明。它就像一个“智能听诊器”，试图仅通过聆听鼓点声来推断你的心率和血压，而无需任何电线或手臂袖带。

以下是他们如何做到的简要说明：

1. 设置：构建“智能耳朵”

研究人员利用标准听诊器管构建了一个简单装置，在耳塞内隐藏了一个麦克风。他们将此装置固定在 15 名健康志愿者（均为男性，年龄 18–50 岁）的胸部。

目标：记录心脏的“扑通 - 扑通”声（称为PCG），并将其与“金标准”参考数据进行对比。
参考标准：同时，他们使用标准导线记录心脏的电信号（ECG），并用传统手臂袖带手动测量血压。这是他们的“答案键”，用于验证新设备是否准确。

2. 信号清洗：“降噪”耳机

心音往往杂乱无章，就像试图在风大的房间里听到耳语一样。计算机必须对录音进行清理。

他们使用数字“筛子”（称为小波去噪）来过滤掉风声和静电噪声，只留下清晰的心跳声。
随后，他们利用三种不同的“数学透镜”来寻找心跳的峰值：
1. 希尔伯特变换：就像描绘波的轮廓以观察其高度。
2. 香农熵：就像调大声音中最响部分的音量，使心跳声更加突出。
3. 小波能量谱：就像查看声音的热力图，以观察能量集中的位置。

3. 计数跳动（心率）

一旦声音被清理完毕，计算机便开始计算“扑通”声的次数。

结果：新设备极其准确。它与“金标准”电线几乎完美匹配。
得分：如果满分是 1.0，该设备（使用香农熵方法）得分为0.973。这就像学生在考试中得了 A+。新设备与金标准之间的差异平均不到每分钟 2 次跳动。

4. 推测压力（血压）

这是棘手的一部分。通常，你需要袖带挤压手臂来测量压力。该设备试图仅通过聆听心音的形状和时序来推测压力。

类比：想象一位鼓手。如果他们更用力、更快地敲击鼓面，声音可能会发生轻微变化。研究人员构建了一个“数学翻译器”（半经验模型），观察“扑通”声持续了多久、上升有多快以及下降有多快。他们将这些细节输入公式以推测血压。
结果：
- 收缩压（高压）：推测值非常接近实际测量值，相关性为0.89。
- 舒张压（低压）：推测值尚可，但变异性稍大，相关性为0.70。
- 注：论文承认这一部分仅是“概念验证”。它在安静的实验室中效果良好，但尚未完美。

5. 局限（局限性）

论文非常诚实地指出了它尚未做到的事情：

样本量小：他们仅测试了 15 名男性。未测试女性、儿童或老年人。
安静房间：测试是在无声实验室中进行的。尚未测试在有人行走、跑步或处于嘈杂街道时的情况。
尚非医生：作者明确指出，这只是一个原型。它尚未准备好在医院中取代医生的设备或用于诊断心脏病。它是迈向“廉价便携设备是否可行”的“第一步”。

总结

研究人员制造了一种廉价、便携的设备来聆听你的心脏。他们证明，通过运用巧妙的数学方法清理声音，他们可以几乎像昂贵的医疗导线一样准确地计算心跳次数。他们还展示了一种有希望（但尚不完美）的方法，即仅通过聆听来推测血压。这是一次成功的“实验室实验”，表明未来你可能只需使用简单的低成本设备就能检查心脏健康，但在将其投入现实世界使用之前，还需要在更多人身上进行更多测试。

技术摘要：基于心音图的心率与血压估计的综合数据集与信号处理框架

问题陈述

心血管疾病（CVDs）是全球死亡的主要原因，常因其难以早期发现而被称为“沉默的杀手”。尽管存在先进的成像技术（CT、CMRI）和多模态监测手段（ECG 结合 PPG），但这些技术在成本、操作复杂性和便携性方面面临局限。具体而言，通过脉搏到达时间（PAT）估算心率（HR）和血压（BP）的 ECG-PPG 系统容易受到导联错位的影响，且不足以检测特定的心脏异常（如杂音）。此外，现有的心音图（PCG）研究往往依赖不适合便携式设备的复杂机器学习模型，或者未能仅利用 PCG 信号同时估算 HR 和 BP。因此，迫切需要一种低成本、无创且便携的系统，能够仅利用声学心音进行连续的心血管监测。

方法论

1. 数据采集与数据集构建

作者开发了一种定制的、低成本的"PhonoTrack"系统，用于同步采集 PCG 和心电图（ECG）信号以及手动血压读数。

硬件：PCG 信号通过嵌入标准听诊器膜片的麦克风采集，并连接至 iPad 进行录制（44.1 kHz）。ECG 信号通过连接至 Arduino 的三导联 AD8232 传感器模块采集。
协议：数据在受控的室内环境中从 15 名健康男性志愿者（年龄 18–50 岁）处收集。每次会话持续 60 秒。
真值：HR 通过与 ECG 信号（R 波峰值）进行验证，BP 通过与录制会话前后立即进行的手动血压计读数进行验证。
数据集：生成的数据集包含 15 组同步的 PCG-ECG recordings，并配有配对的气囊血压值，提供了用于基准测试的时间对齐数据。

2. 信号处理框架

本研究采用标准的数字信号处理（DSP）技术统一框架，而非复杂的深度学习模型。

心率（HR）估计：

预处理：PCG 信号经过基于小波的去噪（Daubechies db4，8 级）和归一化处理。
包络提取：使用三种不同的方法提取信号包络以识别 S1 和 S2 心音：
1. 希尔伯特变换（HT）：提取瞬时幅度。
2. 香农熵（SE）：强调高能量区域以锐化瞬态分量。
3. 小波能量谱（WES）：分析频带内的能量分布。
峰值检测：将平滑包络（经 20 Hz 低通巴特沃斯滤波器滤波）中的局部最大值识别为 S1 和 S2 峰值。应用了约束条件（最小峰值距离 0.125 秒，最小高度 15%）以避免误检。
计算：HR 由平均 S1–S1（或 S2–S2）间隔推导得出。

血压（BP）估计：

特征提取：从 PCG 包络中提取了一组具有生理学可解释性的时序特征，包括：
- 收缩期（ $t_{sys}$ ）和舒张期（ $t_{dias}$ ）持续时间。
- S1 和 S2 的上升和衰减时间。
- S1 和 S2 的峰值持续时间。
- 估计的 HR（ $HR_{pcg}$ ）。
建模：开发了一个半经验多元回归模型，将这些特征映射到收缩压（SBP）和舒张压（DBP）。该模型包含线性、二次和交互项。
验证：使用逐受试者留一法交叉验证（LOOCV）评估模型，以评估泛化能力并防止在小样本量下出现过拟合。

主要贡献

PhonoTrack 系统：开发了一种具有成本效益的便携式硬件原型，能够同时采集 PCG 和 ECG。
新数据集：引入了包含 15 名受试者配对手动血压测量的同步 PCG-ECG 数据集，解决了现有文献中缺乏时间对齐的 PCG-BP 真值的问题。
算法框架：证明了标准 DSP 技术（HT、SE、WES）结合半经验回归可以有效地仅从 PCG 信号中估算 HR 和 BP，无需复杂的多模态传感器或庞大的机器学习模型。
综合验证：进行了严格的评估，包括皮尔逊相关系数、均方根误差（RMSE）、Bland-Altman 分析以及信噪比（SNR）评估。

结果

心率估计：

所有三种包络检测方法均显示出与 ECG 衍生 HR 的高度一致性。
香农熵（SE）表现最佳，皮尔逊相关系数（ $R$ ）达到0.973，平均绝对误差（MAE）为 1.330 bpm，RMSE 为 1.688 bpm。
希尔伯特变换（HT）和小波能量谱（WES）的 $R$ 值分别为 0.965 和 0.955。
Bland-Altman 分析证实了低系统偏差，且在 95% 一致性界限内具有紧密的一致性。

血压估计：

半经验回归模型显示出与真值 BP 的中度至强相关性。
收缩压（SBP）： $R = 0.891$ ，误差标准差为2.10 mmHg。
舒张压（DBP）： $R = 0.700$ ，误差标准差为3.20 mmHg。
在逐受试者 LOOCV 下，该模型产生的 SBP RMSE 为 9.89 mmHg，DBP RMSE 为 11.05 mmHg，表明该模型在将当前小队列泛化到未见受试者方面存在目前的局限性。

意义与主张

该论文将 PhonoTrack 系统定位为无创、连续心血管监测的一个有前景的概念验证。作者声称，他们的方法提供了一种低成本、便携且单传感器的替代方案，以取代复杂的多模态系统（ECG+PPG）或昂贵的成像技术。

然而，作者对临床就绪性保持了谦逊和谨慎的态度：

他们明确指出，研究结果是初步的，基于一个小规模、同质化的队列（15 名健康男性）。
他们承认，目前的结果不足以支持有关临床部署、常规筛查或心血管疾病评估的主张。
该研究强调，半经验模型仅作为基线，未来的工作必须涉及更大、更多样化的人群（包括女性和各种年龄/体重指数组）以及现实世界条件（运动、噪声），以建立更广泛的泛化能力。

总之，该论文验证了使用标准信号处理技术仅利用 PCG 信号进行 HR 和 BP 估计的可行性，为未来开发经济实惠的可穿戴心脏监测器奠定了基础，同时清晰地划定了当前实验结果与临床应用之间的差距。