创新医疗新参数-SCG（心震图）：详细解读版

发布时间：2025-10-22

点击次数：

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：

?⃗_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；

?_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）

N世界

一分钟搭建会展元宇宙

138 查看详情 N世界

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*一下！

用 Python 构建一套*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 npimport matplotlib.pyplot as pltfrom 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()