Adding accelerometry raises task-conditioned recoverability in wearable photoplethysmography

技术摘要：增加加速度计可提高穿戴式光电容积脉搏波（PPG）的任务条件可恢复性

问题陈述
穿戴式光电容积脉搏波（PPG）技术应用广泛，但极易受到运动、接触压力、环境光以及灌注变化引起的性能退化影响。在将 PPG 用于下游推理时，一个关键挑战在于如何区分两种潜在的性能下降原因：模型局限性（观测器未能提取出可用信息）与测量局限性（传感器采集过程未能保留任务相关信息）。仅凭预测准确率无法解决这种歧义，因为观察到的得分同时混淆了测量属性与拟合模型的属性。本研究旨在开发一种诊断工具，将展示出的性能（demonstrated performance）与特定测量配置下理论上可获得的可用信息（theoretical information）进行分离。

方法论
本研究利用了 Brno 工业大学 (BUT) 智能手机 PPG 数据库 v2.0.0，该数据库包含来自 3,840 次记录、38 名受试者的 82,966 个平衡的 ECG-QRS 事件/非事件样本。目标任务是区分以 ECG-QRS 参考事件为中心的 PPG 窗口与匹配的非事件窗口，并采用基于受试者分组的五折交叉验证以确保独立性。

分析采用 Opti-Ceil 框架来评估两个不同的指标：

1. 展示性能（Demonstrated Performance）： 由由逻辑回归和直方图梯度提升（Histogram Gradient Boosting）观测器组成的“模型库”所达到的最高平衡准确率（Balanced Accuracy）。
2. 任务条件可恢复性（Task-Conditioned Recoverability）： 对数据中理论上最大可恢复性能的比较估计。该值通过最近邻几何方法（评估原始空间、主成分空间和得分空间表示下的 1-最近邻误差）计算，并通过 Cover-Hart 关系进行转换。

本方法将可恢复性视为一种可证伪的经验量。如果一个更强的留出观测器在超过冻结容差的情况下优于候选的可恢复性估计值，则该候选值被舍弃。研究进行了两项主要比较：

• 质量分层： 在八种扰动条件（咳嗽、手指移动、大笑、光照变化、压力、静止、说话、行走）下，比较专家评定的“良好”与“较差”记录。
• 传感器融合： 在完全相同的具有加速度计（ACC）能力的记录子集上，对比仅使用 PPG 数据与结合了加速度计的数据，以隔离增加物理测量通道的影响。

关键结果

• 仅 PPG 基准： 对于 ECG-QRS 恢复任务，最强的留出观测器实现的平衡准确率（BA）为 0.5018，其比较后的可恢复性估计值为 0.5454。两者之间微小的差距（0.0436）表明，在这种特定的表示法和受试者留出设计下，智能手机 PPG 信号在跨受试者判别信息方面高于随机水平的程度很低。
• 专家质量相关性： 专家评定为“良好”的记录表现出更高的可恢复性 (0.5706)，而“较差”的记录可恢复性较低 (0.5488)。这种排序在所有八种扰动条件下均保持一致，其中在“大笑”和“压力”条件下观察到的分离度最大。这通过外部独立的质量评估验证了可恢复性指标的有效性。
• 加速度计的影响： 在相同的记录集上，加入加速度计使可恢复性估计值从 0.5520 增加到 0.6148（增益为 0.0628）。同时，实现的平衡准确率从 0.5007 上升至 0.5957（增益为 0.0950）。描述性的差距（即可恢复性与实现性能之间的差距）显著缩小（从 0.0513 降至 0.0191），这表明新增的传感器通道增加了任务的可获得信息状态。

意义与主张
本文主张，任务条件可恢复性是一种独特的诊断工具，能够将测量局限性与模型局限性区分开来。研究结果表明：

1. 测量变化会改变信息状态： 在同一记录会话中向物理传感器（加速度计）添加信息，既提高了观测器可以达到的性能，也提高了任务的理论可恢复性。
2. 具操作性的工程指导： “实现性能”与“可恢复性”这一对指标明确了下一步的工程干预方向。高可恢复性估计值配合低实现性能，表明需要改进观测器或表示学习；而低数值（两者皆低）则表明需要改进采集过程（例如：更好的接触、增加传感器或停止推理）。
3. 任务特异性： 研究结果是显式任务相关的。虽然 PPG 在此特定设置下的 ECG-QRS 事件检测中显示出有限的可恢复性，但作者指出，PPG 对于其他目标（如脉率估计）或表示可能仍具有信息量。

研究结论认为，改变物理测量系统与改变模型是两种截然不同的干预手段。面向测量的可恢复性诊断有助于确定针对特定推理任务所需的干预措施。