強度のある運動中にウェアラブル光量脈波センサーを用いた運動アーティファクトによって損なわれた心拍信号の再構成のための新規な時変スペクトルフィルタリングアルゴリズム

激しい運動中に光体積脈波（PPG）信号から心拍数を正確に推定することは、非常に困難な課題である。その理由は、激しい高強度の運動によってPPG信号に重度の運動アーティファクトが生じるため、正確な心拍数（HR）の推定が困難になるからである。本研究では、時変スペクトル解析に基づき、運動アーティファクトによって損なわれたPPG信号および心拍数を高精度で再構成する新しい手法を検討した。このアルゴリズムは「運動アーティファクトおよび心拍数再構成のためのスペクトルフィルタ法（Spectral filter algorithm for Motion Artifacts and heart rate reconstruction; SpaMA）」と呼ばれる。本手法の基本的な考え方は、窓付きデータセグメントの各時間シフトにおいて、PPG信号および加速度計信号のパワー周波数スペクトル密度を計算することである。PPG信号と加速度計データの時変スペクトルを比較することで、運動アーティファクトに起因する周波数ピークをPPGスペクトルから明確に識別できる。SpaMA手法は、3つの異なるデータセットおよび4種類の運動行動に対して適用された。具体的には、以下の3つのデータセットである：（1）2015年IEEE信号処理カップコンペティションデータベースから得られたトレーニングデータ（12名の被験者が1 km/h～15 km/hの速度でランニングマシン運動を実施）；（2）同データベースのテストデータ（11名の被験者が前腕および上腕運動を実施）；（3）Chonラボデータセット（10名の被験者がランニングマシン運動中に10分間の記録を取得）。これらのデータセットすべてにおいて、心電図（ECG）信号が参照心拍数として用いられ、SpaMAアルゴリズムの精度評価に利用された。SpaMA手法の性能は、PPGから推定した心拍数とECGからの参照心拍数との間の平均絶対誤差（MAE）を計算することで評価された。第一、第二、第三のデータセットにおける平均推定誤差は、それぞれ0.89、1.93、1.38 beats/minであり、全33名の被験者を対象とした全体的な誤差は1.86 beats/min、ランニングマシン運動データセット（22名）に限定した場合の性能は1.11 beats/minであった。さらに、本手法により心拍数変動の動的特性も高精度で捉えることができ、参照心拍数時系列と再構成された心拍数時系列のパワー周波数スペクトル密度間の平均ピアソン相関係数が0.98であることが確認された。これらの結果から、SpaMA法は、激しい運動中に wearable デバイスを用いたフィットネス追跡や健康モニタリングにおけるPPGベースの心拍数モニタリングに大きな潜在的可能性を有していることが示された。