Author Affiliations
Abstract
1 State Key Laboratory of Magnetic Resonance and Atomic and Molecular Physics, Innovation Academy for Precision Measurement Science and Technology, Chinese Academy of Sciences, Wuhan, Hubei, P. R. China
2 Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology, Wuhan, Hubei, P. R. China
3 University of Chinese Academy of Sciences, Beijing, P. R. China
Interactions between the central nervous system (CNS) and autonomic nervous system (ANS) play a crucial role in modulating perception, cognition, and emotion production. Previous studies on CNS–ANS interactions, or heart–brain coupling, have often used heart rate variability (HRV) metrics derived from electrocardiography (ECG) recordings as empirical measurements of sympathetic and parasympathetic activities. Functional near-infrared spectroscopy (fNIRS) is a functional brain imaging modality that is increasingly used in brain and cognition studies. The fNIRS signals contain frequency bands representing both neural activity oscillations and heartbeat rhythms. Therefore, fNIRS data acquired in neuroimaging studies can potentially provide a single-modality approach to measure task-induced responses in the brain and ANS synchronously, allowing analysis of CNS–ANS interactions. In this proof-of-concept study, fNIRS was used to record hemodynamic changes from the foreheads of 20 university students as they each played a round of multiplayer online battle arena (MOBA) game. From the fNIRS recordings, neural and heartbeat frequency bands were extracted to assess prefrontal activities and short-term pulse rate variability (PRV), an approximation for short-term HRV, respectively. Under the experimental conditions used, fNIRS-derived PRV metrics showed good correlations with ECG-derived HRV golden standards, in terms of absolute measurements and video game playing (VGP)-related changes. It was also observed that, similar to previous studies on physical activity and exercise, the PRV metrics closely related to parasympathetic activities recovered slower than the PRV indicators of sympathetic activities after VGP. It is concluded that it is feasible to use fNIRS to monitor concurrent brain and ANS activations during online VGP, facilitating the understanding of VGP-related heart–brain coupling.
Heart rate variability pulse rate variability functional near-infrared spectroscopy video game prefrontal cortex heart–brain coupling Journal of Innovative Optical Health Sciences
2023, 16(6): 2340005
1 中国科学院 长春光学精密机械与物理研究所精密仪器与装备研发中心, 长春 130033
2 中国科学院大学, 北京 100049
心率是人身体健康的一个重要指标,从人脸视频中检测心率是一种正在快速发展的非接触式检测方法,但该方法的结果准确性易受光照变化及受试者头部运动等噪声影响。为了消除噪声影响,提高心率检测准确性,文章创新性地提出了一种新的思路: 将光照变化和头部运动噪声作为目标进行趋势拟合并从相机原始信号中消除,以实现高信噪比的人体心率信号提取。为验证方法的可行性,以医用指夹式脉搏血氧仪的数值为参考心率,通过对比结果在参考心率处的平均信噪比和心率检测准确率,提出的方法相比POS方法提高了9.60%,37.19%; 相比于ICA算法提高了48.48%,51.75%。实验结果表明,提出的新方法具有较好的去噪能力和较高的精准度。
远程光电容积脉搏波 心率测量 多项式拟合 remote photoplethysmography heart rate measurement polynomial fitting
1 北京理工大学光电学院,北京 100081
2 精密光电测试仪器及技术北京市重点实验室,北京 100081
3 北京理工大学长三角研究院(嘉兴),浙江 嘉兴 314019
提出了一种基于近红外视频的心率检测方法。该方法采用正交分解投影结合奇异值分解(OP-SVD)的方法,实现了夜间运动状态下的高精度鲁棒性心率检测。该方法通过人脸标志点检测,将人脸分为多个感兴趣子区域,获得了多通道成像式光电容积描记(IPPG)信号;采用正交分解投影法去除多通道IPPG信号中的运动伪迹;接着利用奇异值分解法再次去噪,并通过重构子区域信号获得了高信噪比IPPG信号,最终实现了心率的准确提取。实验结果表明,与传统方法相比,该方法的误差最小,其平均绝对误差(MAE)值达到了3.14 bit/min。
医用光学 近红外视频 成像式光电容积描记术 心率 正交分解投影 奇异值分解 中国激光
2023, 50(21): 2107202
苏州大学 电子信息学院, 江苏 苏州 215006
针对在外部干扰或昏暗环境下利用图像光电容积描记(image Photoplethysmography, iPPG)技术进行心率测量时准确度较差, 提出了一种自适应心率提取算法, 并在嵌入式硬件平台上进行了验证。算法根据图像中人脸与背景区域的色度关系来识别不同的场景并启动合适的摄像头进行图像采集及自适应映射, 接着对提取出的信号进行滤波, 在信号质量评估后输出结果。上述方法在Zynq平台上进行了验证, 使用双摄像头实现实时心率测量, 并对结果进行可视化输出。实验结果表明: 优化后的算法在光照及运动的双重干扰下的测量误差从3.36BPM降至2.78BPM, 准确率提升了17.3%。另外, 所设计的系统能够实现在极端黑暗条件下的心率采集, 平均误差约为2.39BPM。
图像光电容积描记法 心率测量 抗干扰 信号处理 image Photoplethysmography (iPPG) heart rate measurement Zynq Zynq anti-interference signal processing
1 长春理工大学 生命科学技术学院, 吉林 长春 130022
2 皇家墨尔本理工大学 信息系统和商业分析系, 维多利亚州 卡尔顿 3001
3 墨尔本大学 计算与信息系统学院, 墨尔本 3053
为了实现非接触式的日常精神压力检测,本文提出了一种基于成像式光体积描记术的精神压力检测方法。首先,通过手机摄像头记录受试者面部视频,再采用本文所提出的基于Face Mesh的动态感兴趣区域(Region of Interest,ROI)提取方法获得心率波动引起的皮肤微弱颜色变化。接下来,将快速独立成分分析(FastICA)算法、小波变换和窄带带通滤波相结合,提取基于图像的光体积描记术信号和心率变异性信息。然后,对30名受试者进行了压力诱导实验,通过比较受试者正常和应激状态下心率变异性参数的差异,筛选了用于精神压力检测的14个特征,并探讨了压力诱导的短期精神压力和日常精神压力之间的关系。最后,另外选取67名受试者进行日常精神压力检测,使用机器学习算法建立了精神压力检测的三分类器。实验结果表明:精神压力三分类准确率达到95.2%。鉴于这种方法不需要长期测量,仅使用智能手机就可以准确检测人类精神压力水平,而且测量方法简单,测量时间短,易操作,不会影响受试者的正常心理和精神状态,因此可以作为一种有效的心理学研究工具。
非接触 精神压力检测 成像式光体积描记术 心率变异性 三分类 non-contact mental pressure detection image photoplethysmography heart rate variability ternary classification
1 重庆邮电大学工业物联网与网络化控制教育部重点实验室,重庆 400065
2 重庆邮电大学通信与信息工程学院,重庆 400065
为了实现无束缚式的居家健康生理信息检测,提出了一种基于光纤布拉格光栅传感器的呼吸与心跳信号采集方法。针对信号在测量过程中存在的噪声干扰问题,提出了一种变分模态分解联合改进小波阈值函数的降噪算法,首先利用变分模态分解去除信号中的大部分高频噪声,其次利用改进的小波阈值函数去除信号中的残余噪声。利用带通滤波器将降噪后信号中的呼吸与心跳信号分离并计算其频率。实验结果表明,该方法获得的心率的最大误差率为8.75%,呼吸的最大偏差为1 beat/min。
传感器 光纤布拉格光栅 变分模态分解 阈值函数 信号降噪 呼吸率 心率