创新医疗新参数-SCG（心震图）：详细解读版

云深无际

发布于 2025-08-09 14:12:19

30600

代码可运行

文章被收录于专栏：云深之无迹云深之无迹

运行总次数：0

代码可运行

我昨天还是前天来着看见 FDA 给一个新设备授权了，我仔细一看，居然有了差异化，至于是什么，之后说：

image-20250807234952674

是一个很小巧的设备，就贴在胸口就好了，下面还有一个充电和传输数据的基站。

除了常见的 ECG 和 PPG

居然有个 SCG，这个也比较形象，叫做心震图，马上发给我的好基友：

锐评一个捆绑，我在说技术，他在说政策

好，什么是 SCG：

可以看到在时域上面也是这样的波形图

时间序列数据

地震心动图（SCG）相对小众一些，它主要测量与心脏机械活动相关的胸壁微小振动，这些振动中蕴含着心脏收缩和舒张的力学信息。

他们的论文比较好，我就先写一个（在下面的文章），有和硬件相关的内容：

image-20250807232620502

(A) SCG 传感原理示意图

SCG Sensor 放置于胸骨中部，即胸骨上切迹与剑突之间。

显示两个关键物理量：

𝑎⃗_scg：加速度信号（矢量形式），是由于心脏搏动和血液加速产生的胸壁振动；

𝐹_h：心脏产生的反作用力，使胸腔产生震动（可通过加速度测出）；

这体现了 SCG 是 心脏机械活动的非侵入式反映。

心脏搏动时会引起血液加速、心肌收缩、瓣膜打开关闭，这些活动都会传递到胸壁形成微小振动；SCG 捕捉的是这些“机械震动”，可以间接推断出心脏的泵血功能、瓣膜活动情况等。

(B) SCG 三轴测量方向

三个方向定义：

Head-to-Foot（HF）：从头部到脚部方向；

Dorso-Ventral（DV）：背腹方向（胸部前后）；

Lateral（LAT）：左右侧向。

使用三轴加速度计可以：捕捉复杂立体的震动轨迹；提高数据的完整性与鲁棒性；后续可融合为 SCG3D（平均波形），降低运动伪迹与呼吸干扰。

(C) 可穿戴贴片结构实物图

圆形结构：直径约 7cm，厚度 1cm，重量仅 40g，便于佩戴；

可见：电池模块；主控板；加速度传感器；三个电极接点（通过导线连接到贴片背面）；采用三片 Ag/AgCl 胶贴电极（Red Dot 2560）贴在胸前皮肤上，既可进行 ECG 采集，又可提供良好机械耦合收集 SCG 信号；

数据本地存储：microSD 卡中，采样率为 500 Hz；

续航时间：≥50 小时，支持睡眠状态下的连续监测；

使用 BMA280 三轴 MEMS 加速度计（Bosch）：具有超低噪声、高分辨率的特点，适合捕捉微小震动信号。

我就放个框图

不过他们的文章我的都不记得哪篇里面是使用了 ADI 的一个，200 一颗的加速度计。

这很经典了

这篇论文《Novel Wearable Seismocardiography and Machine Learning Algorithms Can Assess Clinical Status of Heart Failure Patients》聚焦于 Seismocardiography（SCG） 技术在慢性心力衰竭（HF）患者状态评估中的应用。

SCG 的作用（Seismocardiography）

基本原理：

SCG 是一种记录 胸壁在心脏搏动时产生的微小振动 的技术。这些振动反映了：血液射入主动脉 造成的机械冲击；心脏在胸腔内运动；与 主动脉瓣开启/关闭、心室收缩等机械事件 密切相关。

它的本质是一种机械振动信号，相较于 ECG（电信号）提供的是 心脏机械功能状态 的信息。

在 健康或补偿期 HF（Compensated HF） 患者中：运动（如 6 分钟步行测试，6MWT）后，心脏收缩加强；SCG 波形会表现出高频成分增强、时域特征改变（如更短的等容收缩期）；表明心脏具备良好的 心血管储备（cardiovascular reserve）。

在 失代偿期 HF（Decompensated HF） 患者中：由于交感神经调节能力差、β 受体下调；SCG 信号运动前后变化很小；表明缺乏心血管储备，提示疾病恶化。

关键指标：Graph Similarity Score（GSS）

SCG 信号被提取出频域特征后构建成图（Graph），再对比运动前后图结构的相似性（共边数）：

GSS 高 → 运动前后 SCG 图结构相似 → 心脏状态变化小 → 失代偿 HF

GSS 低 → SCG 有明显变化 → 补偿期 HF 或康复状态

现在也没有数据给我看，自己仿真一下！

用 Python 构建一套仿真流程，来模拟 补偿期（Compensated） 与 失代偿期（Decompensated） 心力衰竭（HF）状态下的 SCG（Seismocardiogram）信号差异。

1. SCG 波形的构成

类似于一个“颤动的波”，每个心动周期中包含几个关键机械事件：

IM (isovolumic contraction)

AO (aortic valve opening)

RE (rapid ejection)

AC (aortic valve closure)

2. 两种心力状态对 SCG 的影响

状态	波形变化特征
补偿期	- 更强的心肌收缩 → 高频成分多 - 波形间隔更短，幅度更明显
失代偿期	- 收缩无力 → 高频成分弱化 - 时域更“钝化”，波形变化不大

3. 6MWT 后的变化

补偿期患者运动后波形变化显著；失代偿期几乎无明显变化；构建两种状态下的“运动前后”SCG 波形，展示其时域与频域差异。

import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import butter, filtfilt

# 基础参数
fs = 500  # 采样率（Hz）
t = np.linspace(0, 5, 5 * fs)  # 模拟 5 秒

# 波形构造函数
def generate_scg_signal(state="compensated", after_exercise=False):
    scg = np.zeros_like(t)
    bpm = 80 if not after_exercise else 110  # 心率

    # 每个心动周期的长度
    beat_period = 60 / bpm

    # 模拟 5 秒内多个周期
    times = np.arange(0, t[-1], beat_period)

    for ti intimes:
        if state == "compensated":
            A = 1.0 if not after_exercise else 1.2  # 振幅增强
            f1 = 12 if not after_exercise else 18  # 高频成分增加
        elif state == "decompensated":
            A = 0.8
            f1 = 8  # 高频减少
        # 模拟单个 SCG 波形周期（类似振铃 + 阻尼）
        pulse = A * np.exp(-20 * (t - ti)) * np.sin(2 * np.pi * f1 * (t - ti))
        pulse[t < ti] = 0  # 零前置
        scg += pulse

    # 加入低频运动伪迹
    scg += 0.05 * np.sin(2 * np.pi * 0.5 * t)

    # 滤波（模拟硬件带宽限制）
    b, a = butter(2, [0.8 / (fs / 2), 35 / (fs / 2)], btype='band')
    scg = filtfilt(b, a, scg)
    return scg

# 生成信号
scg_c_before = generate_scg_signal("compensated", after_exercise=False)
scg_c_after  = generate_scg_signal("compensated", after_exercise=True)
scg_d_before = generate_scg_signal("decompensated", after_exercise=False)
scg_d_after  = generate_scg_signal("decompensated", after_exercise=True)

# 可视化
plt.figure(figsize=(12, 8))

plt.subplot(2, 1, 1)
plt.title("Compensated HF - SCG Before vs After Exercise")
plt.plot(t, scg_c_before, label="Before")
plt.plot(t, scg_c_after, label="After", alpha=0.7)
plt.legend(); plt.ylabel("Amplitude"); plt.grid()

plt.subplot(2, 1, 2)
plt.title("Decompensated HF - SCG Before vs After Exercise")
plt.plot(t, scg_d_before, label="Before")
plt.plot(t, scg_d_after, label="After", alpha=0.7)
plt.legend(); plt.xlabel("Time (s)"); plt.ylabel("Amplitude"); plt.grid()

plt.tight_layout()
plt.show()

结果

1. 补偿期 HF

明显的振铃波形；运动后波形压缩，频率增加，反映心脏增强的收缩功能。

2. 失代偿期 HF

整体波形较钝化；运动前后几乎没有变化，反映储备能力缺失。

频谱分析

展示了补偿期（Compensated）与失代偿期（Decompensated）心力衰竭患者在运动前后 SCG3D 信号的频谱差异（使用 Welch 方法估计 PSD）：

上图：Compensated HF

运动后（橙线） 显著增加了高频分量（约 10–30 Hz 区间 PSD 上升）；说明心脏搏动加强，收缩力增加，SCG 信号更加尖锐与快速；这是典型的“心脏储备能力”表现，能在运动后迅速增强机械输出。

下图：Decompensated HF

运动前后频谱几乎重合；没有显著高频增强；表明患者的心脏功能无法响应运动刺激，缺乏储备能力。

因为传感器是三轴的，也模拟一下呗～

image-20250807234510010

以上三幅图展示了补偿期 HF 患者在运动前后，SCG 信号三个轴向（HF、DV、LAT）的频谱变化：

Head-to-Foot（HF）轴

表现出最显著的高频提升（10–25 Hz 区域）；对应心脏纵向收缩/伸展方向，可能与主动脉血流喷射直接相关；是 SCG 中最敏感的轴向，最常用于心脏事件检测。

Dorso-Ventral（DV）轴

同样有频率提升，但程度略低；受胸壁运动影响较多；可捕捉与心室收缩后背部方向撞击相关的信号。

Lateral（LAT）轴

频谱变化相对平缓；多反映左右心室膨胀或轻微偏心运动；对运动响应的表现最不敏感。

方向	特征变化	心理解剖意义	实际建议
HF	高频增强明显	与纵向喷血、主动脉瓣打开密切相关	首选主通道
DV	中度变化	胸壁起伏、右心室收缩传导	可作为辅助轴融合
LAT	最弱响应	偏心运动、心脏旋转	信噪比较低，可选用