定義、訊號來源與任務邊界
心衝擊圖(BCG)記錄心臟射血及血液在大血管中加速時,經反作用力引起的全身微小位移、速度、加速度或力變化。現代睡眠系統常把壓電膜、床腳荷重感測器、應變規、氣壓墊或光纖置於床墊內外,無需貼附人體即可連續感知。特徵提取演算法把混合機械波形轉換為心搏位置、間期、形態、品質和統計特徵。
床上感測器的原始輸出通常不只含 BCG,還疊加呼吸起伏、翻身、肢體動作、床架振動和環境擾動。胸壁加速度計記錄的心震圖(SCG)、周邊脈搏波和心電圖分別反映不同物理過程,不能只因都有週期峰就互換名稱。演算法應說明感測器量測的是力、壓力、位移還是加速度,以及方向、安裝位置和機械耦合路徑。
BCG 特徵可支援心率與呼吸率估計、在床與體動分析,並為 HRV、睡眠分期或呼吸異常模型提供輸入,但它不是心臟電活動的直接記錄。單一機械通道通常不能確認 QRS 形態、異位搏動類型或氣流停止。輸出的生理意義必須綁定預期用途,篩檢與趨勢監測結果不能自動升級為心律不整或睡眠呼吸障礙診斷。
感測器、座標與機械傳遞
經典 BCG 波形以 H、I、J、K 等收縮期波命名,其中 J 波常是正常縱向記錄中較顯著的頭向波;但這些定義依賴座標、極性、靈敏度和儀器頻率響應。床載系統經過床墊、床板和多點支撐後,波形可能反相、展寬或出現共振。未證明與標準方向和時間關係時,應稱為候選機械心搏峰,而非武斷標註為 J 波。
壓電薄膜對動態壓力敏感,床腳荷重元件量測支撐力變化,氣壓和液壓墊整合較大面積載荷,光纖方案則感知彎曲或應變。它們的增益、頻帶、空間覆蓋和對靜態負荷的響應不同。採集記錄應包括感測器型號、通道配置、取樣率、類比濾波、床架與床墊材料、受試者方向以及校準方法。
體重、身高、睡姿和身體相對感測器的位置會改變訊號幅度與形態;柔軟厚床墊可衰減高頻成分,彈簧和可調床架可能引入結構振動。多通道陣列可依局部品質選擇或融合資訊,但通道同時受到同一體動時並非獨立證據。演算法應識別離床、坐床邊、雙人同床和寵物等狀態,無法分離訊號歸屬時停止個人輸出。
預處理、分量分離與品質門控
預處理可包含去直流與趨勢、抗混疊、帶通或小波分解、電源干擾抑制和通道正規化。心搏、呼吸與體動的頻率範圍會重疊,固定濾波器不能保證得到純心源分量;濾波相位還會移動峰值時點。實作應報告截止頻率、濾波階數、是否零相位和邊界處理,並用已知輸入檢查幅度及延遲失真。
分量分離可以利用多尺度分解、主成分或獨立成分、經驗模態、形態模板以及多通道空間資訊。選擇最大能量分量可能誤選呼吸或床體共振,而在每個視窗自適應選擇又可能造成特徵定義跳變。演算法應保留所選分量、參數和信心,並驗證不同心率、呼吸率及姿勢下不會發生系統性串擾。
翻身和較大動作的幅度往往遠超心衝擊訊號,飽和後也可能留下較長恢復振鈴。品質門控應在心搏偵測前標出動作、削波、感測器斷連、床體受碰撞和低訊噪比時段,並設定恢復穩定期。寧可輸出缺失與原因,也不應在污染區間憑週期先驗補造心搏;同時要報告各狀態的有效覆蓋率,避免只展示安靜片段效能。
心搏定位、間期與形態特徵
心搏定位方法包括自適應峰值或包絡偵測、模板比對、自相關、平均幅度差、倒頻譜、Hilbert 包絡、小波以及學習模型。頻域主峰適合估計視窗平均心率,卻未必給出可靠逐搏時點;逐峰偵測更適合間期分析,但容易受形態變化影響。融合多個估計器時,應說明衝突解決、信心和不可判定規則。
BCG 的機械峰發生在 ECG R 波之後,而且延遲會隨射血、血管狀態、姿勢和感測器鏈改變。評估逐搏定位時應把固定或變化的機電延遲與真正漏檢、誤檢區分開,並檢查相鄰間期誤差而非強求波形峰與 R 波同時。用於 HRV 時,對峰時抖動的要求比視窗平均心率更嚴格,必須單獨驗證。
形態特徵可包括候選 H-I-J-K 波的幅度、斜率、面積、持續時間、峰間間隔、能量、頻譜熵和跨通道一致性,也可使用模板距離或學習得到的表示。幅度只有在感測器和機械系統經過校準時才具有跨夜或跨床可比性。姿勢變化後模板應重新確認,不能把床墊傳遞函數變化直接解釋為心肌收縮力或每搏量改變。
呼吸、體動與睡眠相關特徵
低頻床載波形可反映胸腹動作造成的載荷變化,演算法可從峰間隔、包絡或分解分量估計呼吸率和相對幅度。呼吸參考應來自氣流、胸腹努力或經過驗證的獨立通道;BCG 自身分解出的呼吸波不能同時充當訓練標籤和驗證真值。呼吸中止時的心源振動仍可能存在,低幅度也可能由姿勢或耦合改變造成。
體動特徵常利用短窗變異、能量、過零、通道間突變和持續時間區分安靜、微動、翻身與離床。體動既是有意義的睡眠行為,也是心肺特徵的主要偽差來源,因此應保存獨立標籤而非簡單刪除。事件邊緣、恢復時段和感測器重新受力需要明確規則,避免把一次翻身切成大量虛假心搏或呼吸事件。
睡眠分期或呼吸風險模型可組合心率、心搏間期變異、呼吸規律、體動和耦合特徵,但這些是間接代理。模型必須與同步 PSG 標籤對齊,並處理覺醒、階段轉換和重疊呼吸事件。若輸入特徵來自同一床載訊號,相關性不代表存在多種獨立生理證據,也不能用良好的平均心率結果替代最終臨床任務驗證。
參考標註、驗證與泛化
心搏偵測應使用同步 ECG 作為逐搏參考,呼吸率使用明確的氣流或呼吸努力參考,體動和姿勢可藉助同步影像或經驗證感測器。所有裝置需共用時鐘或校正漂移,標註者應能查看原始參考波形和偽差。訓練標籤若由另一自動演算法生成,必須揭露其誤差和人工複核範圍。
效能應同時報告心搏靈敏度、陽性預測值、時點誤差、間期誤差、心率偏差與一致性,以及有效輸出覆蓋率。按視窗計算的低平均誤差可能掩蓋成串漏搏、倍頻或半頻錯誤;相關係數也不能證明可互換。結果應按姿勢、體動、床型、單人或雙人、心率範圍和疾病亞組分層,並列出完全失敗的記錄。
資料劃分必須以受試者為單位,避免同一人的相鄰視窗或相鄰夜晚跨入訓練與測試。外部驗證應涵蓋不同體型、年齡、心血管與睡眠疾病、居家環境、感測器批次、床架和床墊。若模型依賴特定硬體的共振特性,應將硬體—演算法組合視為整體重新驗證,不能只在軟體層宣稱跨裝置通用。
部署、維護與安全邊界
部署系統應保存原始或可稽核的中間訊號、品質標誌、演算法版本和感測器配置,使異常趨勢能夠回查。安裝流程需驗證各通道受力、極性、時鐘和空床雜訊,床墊更換、床位移動或韌體升級後應執行基準測試。長期監測還要識別增益漂移、材料老化和連接鬆動造成的漸進變化。
邊緣運算可減少原始臥室資料上傳,但仍需明確本機快取、加密、存取、保留和刪除策略。雙人床環境涉及兩人的生理資訊,訊號分離、身分綁定和同意機制必須清楚;無法可靠歸屬時應隱藏個人指標。模型更新應使用固定測試集檢查心搏、呼吸、體動及各亞組覆蓋率是否退步。
BCG 的優勢是無感、適合長期觀察,局限是高度依賴機械環境並在體動時容易失效。持續異常、明顯心悸、胸痛、暈厥或疑似呼吸中止應進入適當的臨床評估流程,不能由床載特徵自行確診。可信演算法應把不可判定和感測器失效作為正式輸出,並清楚區分量得的機械現象、推導指標與臨床解釋。