定义、信号来源与任务边界
心冲击图(BCG)记录心脏射血及血液在大血管中加速时,经反作用力引起的全身微小位移、速度、加速度或力变化。现代睡眠系统常把压电膜、床脚荷重传感器、应变片、气压垫或光纤置于床垫内外,无需贴附人体即可连续感知。特征提取算法把混合机械波形转换为心搏位置、间期、形态、质量和统计特征。
床上传感器的原始输出通常不只含 BCG,还叠加呼吸起伏、翻身、肢体运动、床架振动和环境扰动。胸壁加速度计记录的心震图(SCG)、外周脉搏波和心电图分别反映不同物理过程,不能仅因都有周期峰就互换名称。算法应说明传感器测量的是力、压力、位移还是加速度,以及方向、安装位置和机械耦合路径。
BCG 特征可支持心率与呼吸率估计、在床与体动分析,并为 HRV、睡眠分期或呼吸异常模型提供输入,但它不是心脏电活动的直接记录。单一机械通道通常不能确认 QRS 形态、异位搏动类型或气流停止。输出的生理含义必须绑定预期用途,筛查与趋势监测结果不能自动升级为心律失常或睡眠呼吸障碍诊断。
传感器、坐标与机械传递
经典 BCG 波形以 H、I、J、K 等收缩期波命名,其中 J 波常是正常纵向记录中较显著的头向波;但这些定义依赖坐标、极性、灵敏度和仪器频响。床载系统经过床垫、床板和多点支撑后,波形可能反相、展宽或出现共振。未证明与标准方向和时相关系时,应称为候选机械心搏峰,而非武断标注为 J 波。
压电薄膜对动态压力敏感,床脚荷重单元测量支撑力变化,气压和液压垫整合较大面积载荷,光纤方案则感知弯曲或应变。它们的增益、频带、空间覆盖和对静态负荷的响应不同。采集记录应包括传感器型号、通道布局、采样率、模拟滤波、床架与床垫材料、受试者方向以及校准方法。
体重、身高、睡姿和身体相对传感器的位置会改变信号幅度与形态;软厚床垫可衰减高频成分,弹簧和可调床架可能引入结构振动。多通道阵列可根据局部质量选择或融合信息,但通道同时受到同一体动时并非独立证据。算法应识别离床、坐床边、双人同床和宠物等状态,无法分离信号归属时停止个体输出。
预处理、分量分离与质量门控
预处理可包含去直流与趋势、抗混叠、带通或小波分解、工频抑制和通道归一化。心搏、呼吸与体动的频率范围会重叠,固定滤波器不能保证得到纯心源分量;滤波相位还会移动峰时点。实现应报告截止频率、滤波阶数、是否零相位和边界处理,并用已知输入检查幅度及时延失真。
分量分离可以利用多尺度分解、主成分或独立成分、经验模态、形态模板以及多通道空间信息。选择最大能量分量可能误选呼吸或床体共振,而在每个窗口自适应选择又可能造成特征定义跳变。算法应保留所选分量、参数和置信度,并验证不同心率、呼吸率及姿势下不会发生系统性串扰。
翻身和较大动作的幅度往往远超心冲击信号,饱和后也可能留下较长恢复振铃。质量门控应在心搏检测前标出运动、削顶、传感器断连、床体受碰撞和低信噪比时段,并设置恢复稳定期。宁可输出缺失与原因,也不应在污染区间凭周期先验补造心搏;同时要报告各状态的有效覆盖率,避免只展示安静片段性能。
心搏定位、间期与形态特征
心搏定位方法包括自适应峰值或包络检测、模板匹配、自相关、平均幅度差、倒谱、Hilbert 包络、小波以及学习模型。频域主峰适合估计窗口平均心率,却未必给出可靠逐搏时点;逐峰检测更适合间期分析,但容易受形态变化影响。融合多个估计器时,应说明冲突解决、置信度和不可判定规则。
BCG 的机械峰发生在 ECG R 波之后,而且延迟会随射血、血管状态、姿势和传感器链改变。评估逐搏定位时应把固定或变化的机电延迟与真正漏检、误检区分开,并检查相邻间期误差而非强求波形峰与 R 波同时。用于 HRV 时,对峰时抖动的要求比窗口平均心率更严格,必须单独验证。
形态特征可包括候选 H-I-J-K 波的幅度、斜率、面积、持续时间、峰间间隔、能量、谱熵和跨通道一致性,也可使用模板距离或学习得到的表示。幅度只有在传感器和机械系统经过校准时才具有跨夜或跨床可比性。姿势变化后模板应重新确认,不能把床垫传递函数变化直接解释为心肌收缩力或每搏量改变。
呼吸、体动与睡眠相关特征
低频床载波形可反映胸腹运动造成的载荷变化,算法可从峰间隔、包络或分解分量估计呼吸率和相对幅度。呼吸参考应来自气流、胸腹努力或经过验证的独立通道;BCG 自身分解出的呼吸波不能同时充当训练标签和验证真值。呼吸暂停时的心源振动仍可能存在,低幅度也可能由姿势或耦合改变造成。
体动特征常利用短窗方差、能量、过零、通道间突变和持续时间区分安静、微动、翻身与离床。体动既是有意义的睡眠行为,也是心肺特征的主要伪差来源,因此应保存独立标签而非简单删除。事件边缘、恢复时段和传感器重新受力需要明确规则,避免把一次翻身切成大量虚假心搏或呼吸事件。
睡眠分期或呼吸风险模型可组合心率、心搏间期变异、呼吸规律、体动和耦合特征,但这些是间接代理。模型必须与同步 PSG 标签对齐,并处理觉醒、阶段转换和重叠呼吸事件。若输入特征来自同一床载信号,相关性不代表存在多种独立生理证据,也不能用良好的平均心率结果替代最终临床任务验证。
参考标注、验证与泛化
心搏检测应使用同步 ECG 作为逐搏参考,呼吸率使用明确的气流或呼吸努力参考,体动和姿势可借助同步视频或经验证传感器。所有设备需共用时钟或校正漂移,标注者应能查看原始参考波形和伪差。训练标签若由另一自动算法生成,必须披露其误差和人工复核范围。
性能应同时报告心搏灵敏度、阳性预测值、时点误差、间期误差、心率偏倚与一致性,以及有效输出覆盖率。按窗口计算的低平均误差可能掩盖成串漏搏、倍频或半频错误;相关系数也不能证明可互换。结果应按姿势、体动、床型、单人或双人、心率范围和疾病亚组分层,并列出完全失败的记录。
数据划分必须以受试者为单位,避免同一人的相邻窗口或相邻夜晚跨入训练与测试。外部验证应覆盖不同体型、年龄、心血管与睡眠疾病、家用环境、传感器批次、床架和床垫。若模型依赖特定硬件的共振特性,应将硬件—算法组合视为整体重新验证,不能仅在软件层宣称跨设备通用。
部署、维护与安全边界
部署系统应保存原始或可审计的中间信号、质量标志、算法版本和传感器配置,使异常趋势能够回查。安装流程需验证各通道受力、极性、时钟和空床噪声,床垫更换、床位移动或固件升级后应执行基准测试。长期监测还要识别增益漂移、材料老化和连接松动造成的渐进变化。
边缘计算可减少原始卧室数据上传,但仍需明确本地缓存、加密、访问、保留和删除策略。双人床环境涉及两人的生理信息,信号分离、身份绑定和同意机制必须清楚;无法可靠归属时应隐藏个体指标。模型更新应使用固定测试集检查心搏、呼吸、体动及各亚组覆盖率是否回退。
BCG 的优势是无感、适合长期观察,局限是高度依赖机械环境并在体动时容易失效。持续异常、明显心悸、胸痛、晕厥或疑似呼吸暂停应进入适当的临床评估流程,不能由床载特征自行确诊。可信算法应把不可判定和传感器失效作为正式输出,并清楚区分测得的机械现象、推导指标与临床解释。