玻尔百科智能手表背面或指尖医疗夹上那道简单的亮光，隐藏着一个非凡的秘密：它能看见生命脉搏在您血管中流动的能力。这项被称为光电容积脉搏波描记法（Photoplethysmography, PPG）的技术，将血液的节律性涌动转化为可测量的信号，为我们提供了一个无创地观察心血管健康的窗口。虽然最终显示的心率数字看似简单，但其背后却蕴含着复杂的物理学原理和精密的工程技术，才能从嘈杂的真实环境中捕捉到有意义的信号。本文旨在弥合简单输出与使其成为可能的深层科学之间的鸿沟。
本次探索将分为两部分。首先，在“原理与机制”部分，我们将深入探讨光与血液相互作用的基本物理学，将PPG信号分解为其核心组成部分，并解释脉搏血氧饱和度测定法背后的奥秘。我们还将研究PPG信号与心脏电活动的关系，并直面噪声和运动伪影这一主要挑战。随后，“应用与跨学科联系”部分将展示PPG令人难以置信的多功能性，从挽救生命的临床诊断和可穿戴健康监测，到与神经科学和人工智能等领域产生的惊人协同效应，展示一个单一原理如何连接起不同的科学世界。
想象一下，如果您能看见生命脉搏在体内流动。随着心脏的每一次跳动，一股血流涌过您的动脉，如同一场无声而有节奏的潮汐。您可以在手腕或颈部感受到它，但您能看见它吗？事实证明，借助一点物理学，您可以。这便是光电容积脉搏波描记法（Photoplethysmography, PPG）的核心，这个名字虽然复杂，但它所代表的理念却优美无比：用光来测量变化的血容量。
其装置简单得令人惊讶。一个小型设备，或许在您的手表上或指尖的夹子上，包含一个发光二极管（LED），它将光线射入您的皮肤。附近的-光电探测器测量有多少光被反射回来或穿透过去。其核心原理在于一个简单的事实：血液吸收光线。具体来说，您红细胞中一种名为血红蛋白的蛋白质是主要吸收体。
当您的心脏跳动时，它将一股脉冲血液推入动脉。在短暂的一瞬间，您指尖的动脉扩张，血容量增加。血量增多意味着血红蛋白增多，也就意味着更多的光被吸收，到达探测器的光变少。当脉搏波通过后，动脉舒张，血容量减少，更多的光到达探测器。这种探测到的光线的节律性变化——这场光与血的微妙之舞——就是PPG信号。
整个过程可以用物理学的一个基本原理——比尔-朗伯定律（Beer–Lambert law）来优雅地描述。您可以直观地将其想象成投射阴影。光线需要穿过的“东西”越多，到达另一侧的光就越暗。在这里，“东西”是光路中的一切：皮肤、骨骼、肌肉，当然还有血液。该定律告诉我们，我们探测到的光强度与初始强度之间存在指数衰减关系：，其中是组织造成的总衰减，即“阴影”。正是这种衰减随着血容量的变化而变化，从而导致通过血液的光程长度随着您的心跳而搏动。PPG传感器本质上是一个转换器，它将血容量脉冲这一生理事件转换为可测量的光信号。
当我们观察原始的PPG信号时，会发现一些有趣的事情。我们正在寻找的节律性搏动，实际上是骑在一个非常大而稳定的波浪上的微小涟漪。该信号具有两种截然不同的“特性”，工程师称之为DC分量和AC分量。
直流（Direct Current, DC）分量是信号巨大且缓慢变化的基线。它代表了光线穿过的所有静态、非搏动性物质（您的表皮、真皮、脂肪、骨骼，以及动脉和静脉中的平均血容量）对光的大部分吸收。这个DC水平是河流深邃而平稳的部分。如果您将信号建模为一系列简单的脉冲，那么一个心跳周期内的平均值就是其DC分量。
交流（Alternating Current, AC）分量是与心跳同步的、微小的、搏动性的涟漪。这才是我们真正追求的“信号”。它完全是由心脏周期中动脉血容量的变化引起的——如同河面上的微小波浪。这个AC信号使我们能够计算心率。
比尔-朗伯定律的美妙之处在于，对于这些微小的搏动，它可以被极大地简化。光强的分数变化，即AC部分（）与DC部分（）的比值，结果与通过动脉血的有效光程变化（）成正比。这给了我们一个非常好的线性关系：
其中是一个与血红蛋白吸收特性相关的常数。负号至关重要：它提醒我们，更多的血液意味着更少的光。这个简单的近似是PPG众多应用得以建立的基础。
现在，让我们运用这一原理来做一件真正了不起的事情：无创地测量您血液中的氧含量。这便是脉搏血氧仪的魔力，这个设备拯救了无数生命，是应用物理学的一大胜利。
秘密在于使用两种不同颜色的光，而非一种，通常是红光（约）和红外光（约）。为什么是这两种？因为氧合血红蛋白（HbO2），即您动脉中鲜红色的物质，和脱氧血红蛋白（Hb），即您静脉中较暗的物质，对光的“口味”不同。脱氧Hb吸收更多的红光，而氧合HbO2吸收更多的红外光。
脉搏血氧仪测量红光和红外光波长下的AC和DC分量。然后，它计算每种颜色的AC/DC比率。请记住，这个比率与搏动性吸收成正比。通过计算这两个比率的比值——一个被称为比率的比率（ratio-of-ratios）算法（）的巧妙技巧——我们可以消除一系列未知数，如脉搏的确切大小、手指的厚度以及皮肤色素沉着。
结果表明，这个值几乎完全取决于一件事：氧合血红蛋白和脱氧血红蛋白的相对比例。通过存储在设备内存中的校准曲线，这个数字被直接映射为外周血氧饱和度（）读数。这是一个惊人的例子，展示了对物理学的深刻理解如何让我们能够窥探身体内部，仅用一点光就能测量一项关键的生命体征。
PPG信号并非孤立存在；它是心血管系统宏伟交响乐中的一件乐器。要真正欣赏它，我们必须将其与乐团的指挥——心电图（ECG）进行比较。
ECG测量的是指挥心脏收缩的电脉冲。ECG波形中显著的R波峰是心室泵血的主要电指令。它是“开始！”的信号。而PPG测量的则是该指令的血液动力学后果——血脉冲物理上到达手指或手腕等外周位置。它是“血液已到达！”的信号。
很自然，从指令发出到其执行结果的到达之间存在延迟。PPG波形总是滞后于ECG的R波峰。这种延迟不仅仅是一种麻烦；它是一个信息宝库。总延迟可以分解为两个主要部分：
特别是PTT，它是一个强大的生物标志物。它与脉搏波的速度直接相关，而脉搏波的速度又取决于您动脉的硬度。较硬的动脉（可能是心血管疾病的迹象）会导致更快的脉搏波和更短的PTT。通过测量ECG R波峰和PPG上升段之间的延迟，我们可以对我们的血管健康状况获得深刻的见解。
在完美的世界里，PPG信号会是一个干净、有节奏的波形。但现实世界是混乱的。使用PPG，特别是从腕戴式可穿戴设备获取信号时，最大的挑战是噪声。我们可以将其分为两大类。
首先是生理噪声。这些是真实的生物信号，如果我们只关注心率，它们可能会干扰我们的测量。例如，呼吸行为会调节回流到心脏的血液，导致PPG振幅缓慢、轻柔地起伏，这种现象被称为呼吸诱导强度变化。其他与血压控制相关的节律，如Mayer波，也可能出现。虽然对于心率算法来说这些是“噪声”，但它们本身却是宝贵的信号。
更大的问题是运动伪影。当您移动时，手表在手腕上滑动，表带压力发生变化，组织本身也被压缩和变形。这会导致光程发生巨大且不规则的变化，而这些变化与您的心跳无关。这些机械扰动产生的噪声信号可能比我们寻求的微弱AC分量大几十倍甚至几百倍。它们不是稳定、可预测的噪声源；它们是瞬态伪影——突然、非平稳的事件，可以完全淹没心脏信号。从这些强大的伪装者中辨别出真实的脉搏，是可穿戴PPG面临的最大挑战。
我们如何从这片噪声的海洋中拯救出我们美丽的信号？这就是信号处理的艺术与科学发挥作用的地方。
首先，来自光电探测器的模拟信号必须被转换为数字信号，以便计算机处理。这涉及到在离散的时间点上对信号进行采样。这里我们面临一个经典的陷阱：混叠（aliasing）。如果我们的采样频率太低，高频噪声（如室内照明的 Hz闪烁）可能会“折叠”下来，伪装成低频信号，正好落在我们的心率频带内，从而破坏测量。这就像老西部片中看起来倒转的车轮——这是由摄像机帧率太慢造成的错觉。为了避免这种情况，我们必须以远高于信号中最高频率（奈奎斯特速率）的速率进行采样，或者在采样前使用抗混叠滤波器去除那些高频成分。
一旦数字化，我们可以使用数字带通滤波器，让正常心率范围内的频率（例如，到 Hz）通过，同时阻断非常缓慢的漂移和高频电子噪声。
但是，对于那些通常占据与心率相同频带的运动伪影，我们该怎么办？简单的滤波器无法区分它们。为此，我们采用一种更复杂的策略：自适应噪声消除。还记得您手表里那个追踪步数的加速度计吗？我们可以用它作为运动的参考。自适应滤波器学习加速度计信号与PPG信号中噪声之间的关系。然后，它创建一个运动伪影的模型，并将其从被污染的信号中减去，留下一个更干净的波形。这是一种绝妙的技术，它利用一个传感器来对抗另一个传感器测量的噪声，从而揭示真相。
物理学家和工程师们甚至发现，对原始强度信号进行对数变换，即，也会有所帮助。这个技巧源于比尔-朗伯定律的指数特性，有助于将乘性噪声效应转化为更易于处理的加性噪声效应，使自适应滤波器的工作更加有效。通过这些层层巧妙的处理，我们可以驯服可穿戴数据混乱的现实，并提取出隐藏在其中的微弱生命脉搏。
在我们了解了光电容积脉搏波描记法的基本原理——看到一束简单的光如何随着每一次心跳揭示血液的潮起潮落之后——我们可能会认为我们已经了解了全部故事。但在科学领域，理解一个原理仅仅是冒险的开始。真正的乐趣在于，当我们运用这个原理，看到它能做到的所有奇妙和意想不到的事情，它能解决的令人惊讶的问题，以及它开辟的新的探究世界。现在，我们将注意力转向这个不起眼的技术已成为不可或缺工具的广阔应用领域，它将医学、工程学甚至神经科学在一个美丽的发现之网中连接起来。
医学的核心在于观察身体并解读其信号。PPG提供了一个极好、直接且无创的信号，临床医生在解读它的故事方面已经变得非常聪明。
想象一个因严重脱水而虚弱、昏昏欲睡的小孩被送往医院。心脏在加速跳动，试图泵送减少的血量以维持重要器官的供应。身体出于本能，收缩了皮肤和四肢的血管，将血流重新导向核心。医生或护士可以感觉到冰冷的皮肤，并检查按压指甲床后颜色恢复的速度——这是一种称为毛细血管再充盈时间的测量方法。但这些都是定性指标。脉搏血氧仪那盏小小的红灯提供了更多的信息。我们知道PPG信号有一个稳定部分（）和一个搏动部分（）。这两者之比，，被称为灌注指数（Perfusion Index）。在我们脱水的孩子身上，由于外周血管收缩，指尖的动脉脉搏很弱，分量很小，PI值非常低。当医生输液后，血容量扩张，心脏可以更强劲、更有效地泵血，身体可以放松其外周血管收缩。血液重新涌入四肢。在监护仪上，我们看到PPG信号的分量增长，PI值攀升。这个单一的数字成为了一个动态的、实时的指标，表明治疗正在起效，其反应速度通常比血乳酸等需要时间由身体清除的代谢标志物更快。指尖中简单的光之舞，成为了直接观察孩子整个循环系统恢复的窗口。
但PPG讲述的故事不仅仅关乎动脉。我们的静脉是一个低压系统，旨在将血液送回心脏，它们依靠一系列单向阀门来防止血液倒流，尤其是在必须对抗重力的腿部。当这些阀门失效时，就会出现一种称为慢性静脉功能不全的病症，血液会淤积在下肢。PPG如何检测到这一点？临床医生可以将PPG传感器放在脚踝上，让患者做几次小腿肌肉泵送动作。这种肌肉泵会挤压静脉并将其排空。在健康的腿部，静脉血容量会缓慢地再充盈，仅由相对较慢的动脉流入供给。追踪这个容量的PPG信号需要很长时间——通常超过秒——才能恢复到基线水平。这是正常的静脉再充盈时间（venous refill time, VRT）。但在阀门有问题的腿部，一旦肌肉泵停止，血液就会从上方的静脉迅速倒流——即反流——迅速重新充满脚踝的静脉。VRT会病态地缩短，通常低于秒。更巧妙的是，通过在小腿上放置一个简单的止血带以阻断浅静脉，临床医生可以判断反流是发生在浅静脉系统还是深静脉系统。如果戴上止血带后VRT恢复正常，那么问题出在被阻断的浅静脉；如果它仍然很短，那么渗漏必定发生在未被阻断的深静脉中。在这里，PPG测量的根本不是脉搏，而是总血容量的缓慢变化，展示了这一光学原理非凡的多功能性。
我们能把这个推得更远吗？比如，尝试在最难触及的地方之一观察脉搏：牙齿内部的活髓？评估一颗牙齿在受创后其神经和血液供应是存活还是坏死，是一个重大的牙科挑战。让光线穿透坚硬、高度散射的牙釉质和牙本质层，以捕捉其中微小血管的微弱脉搏，这个想法似乎很大胆。挑战是巨大的：大部分光在光滑的表面被反射，或被组织散射成一片弥散的雾气。但通过应用光学的基本原理，一个巧妙的解决方案应运而生。我们选择近红外波段（约– ）的波长，在这个波段散射较低，光可以穿透得更深。我们在牙齿表面涂上折射率匹配凝胶，以防止在空气-牙釉质界面发生大的反射损失。为了克服表面反射的眩光，我们使用了一个偏振光的技巧：从表面反射的光保持其偏振状态，而在牙髓深处散射的光其偏振状态则变得随机。通过使用一个光源偏振器和一个探测器分析仪，并将它们交叉成角，我们可以阻挡表面眩光，并优先探测深层散射的、富含信息的光子。最后，为了从巨大的DC背景中提取出这个微小的AC信号，我们将光源以高频（比如， ）进行调制，并使用一个锁相放大器，它只“聆听”该确切频率的信号，拒绝所有其他噪声。这些巧妙技巧的组合，每一种都针对一个特定的物理挑战，使不可能变为可能，将PPG转变为一种潜在的无创牙科工具。
PPG从临床环境过渡到我们手腕上无处不在的智能手表，代表了一项巨大的工程挑战。在受控的医院环境中的传感器是一回事；在慢跑、打字、做手势的人身上的传感器则完全是另一回事。这开启了生理学与信号处理、统计学和机器学习领域之间丰富的对话。
可穿戴PPG的一个主要驱动力是检测心房颤动（Atrial Fibrillation, AF），这是一种常见的心律失常，其特征是心脏上腔室不规则地跳动。这可能导致血栓和中风，但它通常是无症状和偶发性的，难以在医生办公室捕捉到。腕戴式设备可以持续监测脉搏，寻找AF典型的“不规则中的不规则”节律。但这引出了一个来自公共卫生的关键问题：这个测试有多好？在任何筛查项目中，我们都必须平衡灵敏度（正确识别患者的能力）和特异性（正确识别非患者的能力）。一个可穿戴PPG设备可能有不错的灵敏度，比如，但其真正的挑战在于特异性。因为它佩戴在活动的手腕上，容易出错。如果它的特异性是，例如，，这听起来很棒，但在庞大的人群中，那的假阳性可能会累积成大量被不必要地惊吓并送去做更昂贵的后续检测的人。一个更准确的测试，如便携式单导联ECG，可能同时具有更高的灵敏度（）和更高的特异性（），从而导致少得多的假警报。这一统计现实塑造了我们如何使用这些技术：方便的可穿戴PPG是进行初步广泛筛查的绝佳工具，但阳性结果必须始终由更具特异性的医疗级方法来确认。
可穿戴PPG最大的克星是运动伪影。为什么它如此难以处理？不仅仅是运动增加了噪声；这是一个更阴险的阴谋。想象一下，您以频率周期性地挥手，而您的心跳频率为。运动改变了传感器界面的压力和几何形状，这不仅仅是增加了一个频率为的信号；它调制了心脏信号本身。探测到的心脏脉冲振幅实际上被一个与运动相关的时变增益所乘。从三角学我们知道，两个正弦波和相乘，会产生它们和与差的新频率，和。这些“边带”是运动与脉搏相互作用产生的幽灵。如果您的心率是 Hz（ bpm），而您以 Hz的频率敲击手指，那么在 Hz（ bpm）处可能会出现一个伪影，这是一个完全可能的心率！简单的滤波器无法区分这个幽灵和真实的脉搏。
我们如何驱除这些幽灵？我们需要第二个信息来源。可穿戴设备配备了测量运动的加速度计。由于PPG中的运动伪影是由加速度计记录的运动引起的，而真正的心脏脉搏则不是，我们可以完成一项卓越的信号分离壮举。一种强大的技术是自适应噪声消除（Adaptive Noise Cancellation, ANC）。该算法使用加速度计信号作为噪声的“参考”。它建立一个滤波器，实时学习如何变换加速度计信号以最佳地模仿PPG信号中的噪声成分。然后，它减去这个合成的噪声，留下一个对真实心脏脉搏的更清晰的估计。这是正交性原理的一个优美应用，也是估计理论的基石：最终被清理的信号是那个与运动参考尽可能不相关——尽可能“正交”——的信号 [@problem_s_id:4848903, 4903370]。
这种传感器融合——智能地结合来自不同来源的信息——的理念是一个反复出现的主题。想象一下我们有两个心率估计值：一个来自ECG，非常精确；另一个来自PPG，可能噪声更大。我们如何将它们结合起来以获得单一的最佳估计？答案既简单又深刻：一个由精度加权的平均值。一个测量的“精度”是其方差的倒数（）。最优的融合估计是通过将每个测量值按其精度进行加权得到的。您更信任更精确（方差更低）的测量值。这不仅仅是一个好主意；它可以从第一性原理推导为最大似然估计，即那个使我们观察到的数据最可能出现的估计。对于更复杂的场景，工程师们转向像卡尔曼滤波器这样的框架，这是一个强大的状态空间模型，可以动态地融合PPG和加速度计数据，维持心脏信号和运动伪影的内部模型，并随着新数据的到来不断更新其估计。
当一个基本原理超越其原始领域，并在不同科学领域之间建立起意想不到的联系时，其真正的美才得以展现。
其中最引人注目的例子之一是PPG在现代神经科学中的作用，特别是在功能性磁共振成像（fMRI）中。fMRI扫描仪通过检测血氧的微小变化来测量大脑活动。它通过以一定的重复时间（TR）反复获取大脑的“切片”来做到这一点。由于技术原因，TR通常很长，大约为1或2秒，对应于非常低的采样频率。问题是，大脑不是扫描仪中产生信号的唯一东西；来自心动周期的血液搏动，频率为，也会产生强烈的生理“噪声”信号。因为心脏频率（ Hz）通常高于fMRI采样频率（ Hz），心脏信号被严重混叠了。就像频闪灯可以使旋转的轮子看起来静止或倒转一样，fMRI的慢速采样使得真实的心脏频率在数据中表现为另一个较低的频率。采样理论的法则告诉我们，有许多可能的真实频率都可能折叠到同一个混叠频率上。那么我们如何知道真正的-心脏噪声频率是什么，以便我们可以移除它呢？我们使用PPG！通过在扫描期间将一个简单的PPG传感器放在受试者的手指上，我们得到了一个干净、连续且无混叠的真实心脏频率的测量值。然后我们可以查看我们可能的真实频率列表，并选择与我们的PPG测量值匹配的那个。一旦确定了真实的噪声频率，我们就可以建立一个模型来从fMRI数据中移除其污染效应，使神经科学家能够更清晰地看到大脑活动的微妙信号。在这里，一个简单的光学传感器帮助解码来自一台数吨重、数百万美元的超导磁体的数据，这一切都归功于采样理论的普适原理。
最后，我们站在PPG与人工智能相遇的前沿。我们从可穿戴设备中收集了海量的数据流，但其中大部分是未标记的。机器如何在没有医生标记每一个心跳的情况下学习检测心律失常？答案在于自监督学习，这是一种数据本身提供监督的技术。考虑这个优雅的前置任务：我们取一段长长的PPG数据，随机隐藏几个连续的心跳，然后让一个神经网络根据周围的上下文重建缺失的片段。为了解决这个难题，模型不能简单地进行插值；它必须学习心动周期的基本“语法”。它必须内化脉搏波的典型形状，更重要的是，掌握控制节律和逐拍依赖性的规则。它学习了健康信号应该是什么样子。经过这种训练后，学到的表示——模型对信号的内部总结——变得异常强大。当随后向它展示一个包含心律失常的信号时，心律失常表现为一个“语法错误”，一个偏离了所学节律和形态规则的偏差，这使得一个简单的分类器很容易检测到它。这种方法使我们超越了仅仅测量心率等简单指标，朝着创造丰富的、习得的“数字表型”迈进，这些表型可能捕捉到我们甚至尚未想到去寻找的健康和疾病的微妙特征。
从病童的床边到牙齿的核心，从运动员的手腕到脑部扫描仪的内部，光电容积脉搏波描记法的原理编织了一条连接之线。它提醒我们，有时，对生命复杂机器最深刻的洞察，可能来自于观察光的简单穿行。