一种用于智能手机光电容积图（PPG）信号的新型个性化运动与噪声伪影（MNA）检测方法

摘要： 光体积描记法（PPG）是一种通过光学方式检测血容量变化的技术。其典型应用包括测量血氧饱和度、心率和呼吸频率。然而PPG信号对运动和噪声伪影（MNA）非常敏感，尤其是通过智能手机摄像头获取时。此外，不同用户的PPG信号存在差异，每个人的PPG信号都具有独特特征。因此，亟需一种能针对个体用户进行个性化自适应的智能手机PPG信号MNA检测与降噪方法。 本文引入概率神经网络概念，并结合提出的参数提取方案：采用信号振幅、峰峰值时间间隔与振幅的标准差、移动标准差的均值、信号斜率变化以及最优自回归模型阶数来实现高效MNA检测。随后将所提个性化算法与传统MNA检测算法进行性能对比，评估指标包括准确率、灵敏度和特异度。结果表明，个性化MNA检测的整体性能优于通用算法——其准确率、灵敏度和特异度的平均值分别为98.07%、92.6%和99.78%，而通用算法对应数值为89.92%、84.21%和93.63%。