全自动模板匹配法：实现无 ECG 心电检测的新突破

研究人员为解决心电监测难题，开展无 ECG 心跳检测研究，该方法准确性高，推动心脏监测发展。

　　

心跳监测的现状与挑战

在医疗健康领域，心脏监测至关重要，它能为医生提供心脏功能及相关疾病的关键信息。长期、持续的心脏监测对于心脏病的诊断和治疗意义重大。目前，临床常用的心率监测 “金标准” 是心电图（ECG），它通过在身体表面放置电极来记录心脏的电活动，医生依据检测到的 R 波峰值来估算心率，其中 Pan 和 Tompkins 算法应用广泛。然而，ECG 在连续长期监测方面存在诸多弊端，比如患者会因电极和导线的使用感到不适，电极与皮肤的接触不稳定，容易受电磁干扰等，这使得它在非临床场景下的应用受到限制。

为了克服 ECG 的这些问题，科研人员探索了多种替代方法。光电容积脉搏波（PPG）技术便是其中之一，它通过光来测量组织微血管床的血容量变化，以此检测心率，市面上的智能手表等可穿戴设备就常采用这种技术。但 PPG 对运动伪影极为敏感，功耗也较高，而且环境光和肤色等外部因素会影响其信号质量，导致监测结果不稳定。

另一种替代方案是心脏机械监测技术，它通过记录心脏跳动在胸壁产生的微小振动来监测心脏的机械活动。这种技术包含多种具体方法，如心音图（PCG）通过电子听诊器记录心脏声音，用于动态和远程监测；地震心动图（SCG）借助高精度加速度计测量胸部的微小加速度；陀螺心动图（GCG）利用小型陀螺仪检测胸部的旋转运动；力心动图（FCG）则通过特制的力传感器捕捉心脏和呼吸活动在胸壁产生的微小力量。不过，在心脏机械信号中检测心跳并非易事，这些信号往往信噪比低，受疾病、姿势、传感器位置以及心肺相互作用等因素影响，波形形态会发生改变。因此，为了准确检测心跳，在心脏机械监测中常需要同时获取 ECG 导联作为时间参考，但这又削弱了心脏机械监测技术无需电极、可长期监测的优势。

在此背景下，研究人员急需找到一种无需 ECG 辅助、能准确检测心跳的方法，以推动心脏监测技术的发展，满足临床和非临床场景下对心脏健康监测的需求。

研究机构与研究方法

来自那不勒斯费德里科二世大学（University of Naples Federico II）的 Salvatore Parlato、Jessica Centracchio 等研究人员开展了一项关于无 ECG 心跳检测的研究。他们提出了一种全自动模板匹配法，旨在实现无需 ECG 的心跳检测。

研究人员使用了三个公开数据集的 SCG 和 GCG 信号，以及一个专有数据集的 FCG 信号。这些数据集包含了 150 名健康和病理受试者的 256 个信号，其中部分病理受试者患有瓣膜性心脏病（VHDs）。

在研究过程中，信号预处理是关键步骤。对于不同类型的信号，研究人员采取了不同的处理方式。如对数据集 #3 的信号进行线性插值以提高时间分辨率，使用 4 阶零延迟巴特沃斯带通滤波器提取 SCG 和 GCG 信号的高频分量，通过 Savitzky - Golay 滤波器和带通滤波等操作处理 FCG 信号，同时对 ECG 信号进行带通滤波、去除干扰等处理。

自动模板选择算法是该研究的核心技术之一。算法会先在记录开始时选取 10 秒的时间窗口，生成包络信号并进行滤波、归一化处理，然后定位包络信号的峰值来估算心跳间期（IBIs）。在选择模板前，算法会依据心跳数量和 IBIs 的变异性评估当前 10 秒段的可靠性。若该段可靠，就会从检测到的心跳中选择与其他心跳平均相似度最高且变异性最低的作为模板。最后，将自动模板选择算法集成到模板匹配方法中，通过计算归一化互相关（NCC）函数并定位其峰值，来确定心跳的时间位置。

研究结果

1. 健康受试者的 SCG 和 GCG 信号检测结果：在健康受试者的 SCG 数据上，该方法从 79937 个参考心跳中正确识别出 78212 个，灵敏度达到 97.8%，阳性预测值（PPV）为 96.7%；在 GCG 信号上，从 12259 个参考心跳中识别出 11804 个，灵敏度为 96.3%，PPV 为 94.5%。线性回归、相关性分析以及 Bland - Altman 分析表明，该方法在估计 IBIs 方面与参考 ECG 具有高度一致性，偏差可忽略不计，一致性界限（LoA）较窄，如 SCG 的 LoA 为 [-5.0; 5.4] ms，GCG 的 LoA 为 [-3.8; 5.0] ms。
2. 病理受试者的 SCG 和 GCG 信号检测结果：对于病理受试者的 SCG 数据，该方法从 33265 个参考心跳中正确识别出 28342 个，灵敏度为 85.2%，PPV 为 95.1%；在 GCG 信号上，从 40527 个参考心跳中识别出 34516 个，灵敏度为 85.2%，PPV 为 94.9%。各项分析同样显示，在估计 IBIs 方面与参考 ECG 有较好的一致性，不过 LoA 相对健康受试者更宽，SCG 为 ±11 ms，GCG 为 ±13 ms。
3. 健康受试者的 FCG 信号检测结果：在健康受试者的 dHF - FCG 信号中，该方法从 1434 个参考心跳中正确识别出 1422 个，灵敏度为 99.2%，PPV 为 99.3%。在估计 IBIs 方面，与参考 ECG 的一致性也非常好，偏差仅 0.1 ms，LoA 为 [-4.3; 4.2] ms。

研究结论与意义

这项研究成功开发了一种全自动模板匹配法用于无 ECG 心跳检测，有效解决了以往手动选择心跳模板的局限性，使整个方法实现了自动化、可重复性，且无需专业操作人员干预。研究在大量健康和病理受试者中进行了验证，证明该方法不仅在健康受试者中表现出色，在病理受试者中也能保持较高的检测性能，即便面对心跳形态不规则、不重复的情况，依然能够准确检测心跳。与现有其他无 ECG 心跳检测方法相比，该方法在心跳定位准确性上更具优势，在健康和病理受试者的 IBIs 准确性方面均超越了以往研究。此外，该方法计算资源需求低，适合在配备惯性传感器或力传感器的可穿戴和个人设备上应用，有助于实现长期、无 ECG 的心脏监测，能够早期发现如心房颤动、瓣膜病变等病理迹象。这一研究成果为心脏监测领域带来了新的突破，推动了可穿戴心脏监测设备的发展，有望在未来的医疗健康领域发挥重要作用。

总之，该研究成果具有重要的临床和科研价值，为心脏疾病的监测和诊断提供了新的有效手段，在生命科学和健康医学领域迈出了关键的一步。