4. 医疗设备数据预处理与质量控制
医疗设备采集的原始信号几乎不可能直接用于诊断或算法推理。以监护仪为例，ECG 电极接触不良会产生基线漂移，患者翻身会造成运动伪影，SpO₂ 探头脱落会输出无效值，网络抖动还会导致数据包丢失。预处理与质量控制的任务，就是在数据进入算法之前，把“脏数据”识别出来、修复或剔除，并给出可信度标签。本章围绕一条完整的数据处理链展开：异常值检测 → 缺失值处理 → 信号滤波 → 伪影去除 → 数据质量评估。
一、异常值检测：先定义“正常”的边界
异常值检测不是简单设一个上下限。医疗信号中，异常可能来自生理真实事件（如室性早搏），也可能来自传感器故障。因此需要区分“生理异常”和“技术异常”。常用方法有三类：
- 阈值法：对心率、SpO₂、体温等参数设定生理合理范围。例如成人 HR 合理范围 30–220 bpm，SpO₂ 合理范围 70%–100%。超出范围标记为可疑，但不立即删除。
- 统计法：对滑动窗口计算均值 μ 和标准差 σ，将 |x−μ| > 3σ 的点标记为离群点。适合基线稳定的信号，但对真实突变敏感。
- 物理约束法：利用信号自身特性判断。例如 ECG 的 R 峰间隔不应小于 200 ms（对应 300 bpm），若检测到更短间隔，说明存在误检或噪声。
实际工程中通常组合使用：先用阈值法做粗筛，再用统计法在窗口内精筛，最后用物理约束做一致性校验。标记结果写入质量字段，而不是直接覆盖原始值。
二、缺失值处理：区分“没采到”和“采到但无效”
缺失值有两种来源：一是传输丢包，时间戳不连续；二是设备输出无效标记（如 SpO₂ 显示“--”）。处理策略取决于缺失比例和信号类型：
- 短时缺失（< 3 个采样点）：线性插值或前值保持。对 ECG 这类高频信号，线性插值可能引入伪影，建议用样条插值。
- 中等缺失（3–10 个点）：对慢变参数（体温、SpO₂）可用滑动平均填充；对 ECG 不建议填充，应标记为无效段。
- 长时缺失（> 10 个点）：不填充，直接标记为数据空洞，并在质量评估中扣分。
三、信号滤波：保留生理频带，抑制噪声
不同生理信号的频带不同，滤波参数必须按信号类型选择。以下是常见参数的示例配置（教学示例，非实测）：
| 信号 | 有效频带 | 推荐滤波器 | 典型参数 |
|---|---|---|---|
| ECG | 0.5–40 Hz | 带通 + 50 Hz 陷波 | 0.5–40 Hz 巴特沃斯，Q=30 |
| PPG | 0.5–5 Hz | 低通 + 带通 | 0.5–5 Hz，4 阶 |
| 呼吸 | 0.1–0.5 Hz | 低通 | 0.5 Hz 截止 |
| 体温 | 0–0.1 Hz | 滑动平均 | 窗口 30 s |
以 ECG 为例，50 Hz 工频干扰用 IIR 陷波器抑制，基线漂移用 0.5 Hz 高通滤除。滤波顺序建议先高通去基线，再低通去高频，最后陷波。若先陷波，基线漂移可能使陷波器工作点偏移，降低抑制效果。
四、伪影去除：识别并隔离非生理成分
伪影与噪声的区别在于：噪声是随机叠加，伪影是特定事件造成的结构化干扰。常见伪影包括：
- 运动伪影：患者活动导致电极位移，表现为 ECG 基线剧烈波动或 PPG 波形畸变。检测方法：计算滑动窗口内的信号能量突增，或利用加速度计辅助判断。
- 电极脱落伪影：ECG 出现饱和或平线，阻抗检测可辅助识别。
- 电刀干扰：手术中高频电刀产生宽带噪声，表现为 ECG 完全淹没。此时应标记该段为不可用，而非强行滤波。
伪影去除的核心原则是“先检测，后处理”。检测到伪影段后，优先选择剔除或标记，而不是用滤波强行恢复。因为滤波可能把伪影能量扩散到邻近正常段，造成二次污染。
五、数据质量评估：给每段数据一个可信度分数
质量评估的输出应是一个可量化的指标，便于后续算法加权或告警。一个实用的质量评分模型包含四个维度：
- 完整性：有效采样点占比。例如 10 s 窗口内应有 2500 个 ECG 点，实际有效 2300 个，完整性 = 92%。
- 异常率：被标记为异常值的点占比。异常率 > 5% 时质量降级。
- 信噪比：信号功率与噪声功率之比。可用高频段能量与低频段能量比值估算。
- 伪影占比：被标记为伪影的时长占比。伪影占比 > 10% 时该段不可用于诊断。
综合评分可采用加权求和：Q = 0.3×完整性 + 0.2×(1−异常率) + 0.3×信噪比归一化 + 0.2×(1−伪影占比)。评分低于 0.6 的数据段应触发告警或丢弃。
六、案例：一段 10 秒 ECG 的完整处理过程
假设从监护仪取出一段 10 秒 ECG，采样率 250 Hz，共 2500 个点。处理过程如下：
- 异常值检测：滑动窗口 1 秒，计算 μ 和 σ。发现第 3.2 秒处有 5 个点超出 3σ，标记为可疑。同时 R 峰检测发现一个 R-R 间期 150 ms，低于 200 ms 物理下限，标记为误检。
- 缺失值处理：检查时间戳，发现第 5.0–5.04 秒有 10 个点丢失（约 40 ms），属于短时缺失，用三次样条插值填充，并打上“已填充”标记。
- 信号滤波：先 0.5 Hz 高通去基线漂移，再 40 Hz 低通去高频噪声，最后 50 Hz 陷波去工频。滤波后波形基线平稳，R 峰清晰。
- 伪影去除：计算滑动窗口能量，发现第 7.5–8.0 秒能量突增 3 倍，结合加速度计数据判断为患者翻身，标记该段为运动伪影，不参与后续诊断。
- 质量评估：完整性 = 2490/2500 = 99.6%；异常率 = 5/2500 = 0.2%；信噪比估算为 18 dB（归一化 0.75）；伪影占比 = 0.5/10 = 5%。综合 Q = 0.3×0.996 + 0.2×0.998 + 0.3×0.75 + 0.2×0.95 = 0.299 + 0.200 + 0.225 + 0.190 = 0.914，质量良好，可用于后续心率变异性分析。
总结来说，医疗设备数据预处理的核心不是“把数据变干净”，而是“把数据变可信”。异常值检测、缺失值处理、信号滤波、伪影去除和质量评估，共同构成一条可追溯、可量化、可复现的处理链。只有每一步都留下标记和依据，后续算法才能做出正确的判断。