CN104055496B - 一种基于心源性信号的运动负荷水平的估计方法 - Google Patents
一种基于心源性信号的运动负荷水平的估计方法 Download PDFInfo
- Publication number
- CN104055496B CN104055496B CN201410016526.9A CN201410016526A CN104055496B CN 104055496 B CN104055496 B CN 104055496B CN 201410016526 A CN201410016526 A CN 201410016526A CN 104055496 B CN104055496 B CN 104055496B
- Authority
- CN
- China
- Prior art keywords
- sports load
- photoelectricity volume
- electrocardio
- sports
- ripple
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开一种基于心源性信号的运动负荷水平的估计方法,首先在“静息—运动”实验中从心电、逐拍血压、光电容积波中提取大量特征,然后从中筛选出个体化运动负荷敏感指标,构成个体化运动负荷敏感指标向量;并根据个体化运动负荷敏感指标向量通过数值计算方法估计出运动负荷估计方程的系数;最后在实际运动状态或非运动状态下,将在实时检测计算得到的心电、逐拍血压、光电容积波特征参数中筛选个体化运动负荷敏感指标向量代入负荷估计方程进行实际运动负荷水平估计。采用本发明的技术方案,避免了单一孤立指标估计运动负荷水平的局限性,通过多种心源性信号准确、全面地估计运动负荷水平。
Description
技术领域
本发明涉及运动负荷水平的估计,尤其涉及一种基于心源性信号的运动负荷水平的估计方法。
背景技术
运动负荷可分为“外部负荷”与“内部负荷”两类。“外部负荷”表征机体外部各种因素对机体所施加刺激的强度与数量,也称“物理负荷”,是指机体在单位时间内需要完成的运动量或做功量,一般是以距离、速度、质量、时间及运动次数等来表示,例如,举重运动时抓举或挺举的重量,蹬车运动时的速度与扭矩等均为外部负荷。“内部负荷”也称“生理负荷”,是指机体在承受一定强度的外部负荷时所表现出来的生理与心理的适应性变化,是机体内部对机体外部刺激的适应性调整。
运动负荷水平是指运动过程中人体所承受的生理负荷强度,反映了机体对运动负荷的适应程度,运动负荷水平评价的主要生理指标有心率、血压、耗氧量、呼吸频率等。对运动负荷水平的监测十分重要,如果运动负荷水平超出了身体能够承受的范围,将对机体造成潜在或直接危害,威胁其身心健康甚至生命安全。国内外均有因为运动负荷水平过高、诱发心血管疾病而猝死的报道,以马拉松长跑中的案例较为常见。高强度运动负荷不受监控而超出正常生理承受范围时,心血管系统尤其是心脏可能从生理适应性变化向器质病理性变化,甚至威胁生命安全。运动负荷长时间超出最大生理承受限度后,演变过程一般为“心肌灌注不良→无氧代谢异常→心肌舒张功能异常→心肌收缩功能异常→心腔内血流动力学改变→心肌电生理异常→临床心绞痛症状发作→威胁生命健康安全”。
目前运动负荷水平的连续实时监测手段比较单一,主要依赖心率监测。心率是目前应用最广泛的负荷估计生理指标。运动负荷限度分为极量与亚极量两档。极量是指心率达到生理承受极限的负荷量。这种极限运动量一般根据年龄来预计最大心率。最大心率粗略计算法为“220-年龄数”;亚极量是指心率达到85%至90%最大心率的负荷量,在临床上大多采用亚极量运动试验。例如55岁的受检者最大心率为220-55=165次/分钟,那么亚极量运动试验其心率上限应为165*85%=140次/分钟。
较之静息状态,运动负荷提高了新陈代谢水平,动用了心脏储备,提高了心脏负荷强度。心血管系统是运动负荷的主要响应系统之一。心源性信号指依赖心脏活动而存在的信号,心电、血压、脉搏等作为心源性信号,蕴含了丰富的心血管系统的相关信息,而这些信息尚且未必充分发掘与利用。心脏是循环系统的“泵”,即血液循环的动力之源。心脏的电活动在前,机械活动在后,构成“(电)兴奋——(机械)收缩”偶联。心电反映了心脏除极、复极的电活动;血压是推动血液流动和维持器官供血的必要条件,反映了血液循环系统的力学特性;光电容积波包含了微循环状态的信息。心电、血压、光电脉搏波分别以电、力、光的信号形式,反映了心脏或心血管系统活动。
任何一项孤立的指标均有一定的局限性,运动负荷对心血管系统的影响绝不仅仅反映在心率上,心血管系统对运动负荷的响应也不局限于心率上,只有采用多类信号与多项指标综合判断,才能较客观全面地反映运动负荷对心血管系统的影响,从而对过量运动负荷水平进行提前预警,防范过量负荷诱导发生严重心血管疾病情况的出现。目前使用单一心率指标估计运动负荷水平的模式,不能全面反映心血管系统对运动负荷的响应,存在单一性、片面性的缺点。
发明内容
本发明要解决的技术问题是,提供一种基于心源性信号的运动负荷水平的估计方法,能够对运动员或锻炼者运动负荷水平进行实时监控,当负荷量过高时,及时提醒运动员或锻炼者进行休息,对保障运动员或锻炼者的健康安全具有重要意义。
为解决上述问题,本发明采用如下的技术方案:
一种基于多种心源性信号的运动负荷水平的估计方法包括以下步骤:
步骤S1、在“静息——运动”实验中从心电、逐拍血压、光电容积波中筛选出个体化运动负荷敏感指标,建立个体化运动负荷敏感指标向量,包括以下步骤:
步骤S1.1、静息期与运动期的心电、逐拍血压、光电容积波的同步采集;
步骤S1.2、心电和光电容积波消噪;
步骤S1.3、心电和光电容积波特征点检测;
步骤S1.4、心电和光电容积波特征参数提取;
步骤S1.5、对心电和光电容积波特征参数进行中值滤波;
步骤S1.6、根据滤波后的心电特征参数、光电容积波特征参数以及逐拍血压特征参数采用t检验方法比较心电、逐拍血压和光电容积波各特征在静息期与运动期存在的显著性差异,以差异显著性水平P<0.05为标准,筛选出个体化运动负荷敏感指标,这些敏感指标构建个体化运动负荷敏感指标向量;
步骤S2、计算运动负荷估计方程系数,包括以下步骤:
步骤S2.1、设运动负荷估计方程为:其中,ai和b为负荷方程系数,{xi}为自变量,y为因变量;
步骤S2.2、将运动负荷敏感指标向量作为自变量{xi};
步骤S2.3、根据心率值HR构建因变量y,
其中,c=220-yr+d,yr为年龄,d为与身体体质、性别、健康情况有关的修正量;
步骤S2.4、将{xi}与y带入运动负荷估计方程,通过最小二乘法计算出系数向量{ai}与标量b。
步骤S3、在实际运动状态或非运动状态下进行运动负荷水平估计,包括:
步骤S3.1、受试者处于任意形式的运动负荷下,实时对心电、逐拍血压、光电容积波同步采集;
步骤S3.2、心电和光电容积波消噪;
步骤S3.3、心电和光电容积波特征点检测;
步骤S3.4、心电和光电容积波特征参数提;
步骤S3.5、对心电和光电容积波特征参数进行中值滤波;
步骤S3.6、在实时检测和计算得到的心电特征参数、光电容积波特征参数、逐拍血压特征参数中筛选出步骤S1中个体化运动负荷敏感指标,并将所述个体化运动负荷敏感指标向量作为{xi}带入由步骤S2中确定的运动负荷估计方程系数{ai}与b构成的负荷估计方程,计算出运动负荷水平。
步骤S3.7、对S3.6得到的运动负荷水平进行判断,运动负荷水平取值范围为[0,1],其中”1”代表达到生理最大承受运动负荷水平,”0”代表无运动负荷;如果计算得到的数值大于1,则运动负荷水平为1,如果计算得到的数值小于0,则运动负荷水平为0。
一种基于多种心源性信号的运动负荷水平的估计方法,心电特征点为:QRS波的起点Qp、峰点Rp、终点Sp,T波的起点Tb、峰点Tp、终点Tn;光电容积波特征点为:主波起点A、主波峰点B、重搏波起点C、AB波段最大上升斜率点Q、以A为参考点的AB幅度的25%处P点。
一种基于多种心源性信号的运动负荷水平的估计方法,心电特征参数为QRS三角形与T波三角形的每个三角形的边长、角度、高线、面积、周长、边长比值、角度比值;光电容积波特征参数为:幅度参数、时间参数、斜率参数、面积参数,逐拍血压参数为:收缩压、舒张压、收缩压与舒张压的压差。
本发明采用的技术方案,根据心电、逐拍血压、光电容积波三种心源性信号时域特征估计运动负荷水平,在“静息——运动”实验中从心电、逐拍血压、光电容积波中筛选出个体化运动负荷敏感指标,由这些敏感指标构成运动负荷敏感指标向量;并根据负荷敏感指标向量通过数值计算方法估计出运动负荷估计方程的系数;最后在实际运动状态或非运动状态下,将在实时检测计算得到的心电、逐拍血压、光电容积波特征参数中筛选个体化运动负荷敏感指标向量代入负荷估计方程进行实际运动负荷水平估计。该方法基于心电、逐拍血压、光电容积波的多参数特征和运动负荷估计方程进行运动负荷水平估计,避免了单一孤立指标估计运动负荷水平的局限性,通过多种心源性信号准确、全面地估计运动负荷水平。
附图说明
图1为本发明运动负荷水平估计方法的流程图;
图2为心电三角形特征点示意图;
图3为光电容积波的特征点及特征参数的示意图;
图4为光电容积波面积参数的示意图。
具体实施方式
本实施例提供一种基于心源性信号的运动负荷水平的估计方法包括以下步骤:
步骤S1、在“静息——运动”实验中从心电、逐拍血压、光电容积波中筛选出个体化运动负荷敏感指标,建立个体化运动负荷敏感指标向量,具体包括如下步骤:
步骤S1.1、“静息——运动”实验及生理数据采集。数据采集时间为6分钟,包括3分钟静息期、3分钟运动期,具体实验过程为:在自行车上静坐3min,蹬自行车3min,其功量设置为100W。实验全程同步采集心电、光电容积波、逐拍血压。心电与光电容积波的采集设备为浙江大学开发的无创心功能仪器NCFM,以波长940nm的红外光作为测量血流容积变化的透射光源,从右手中指指尖处采集光电容积波;采集V5导联的心电信号;心电与光电容积波的采样率均为250Hz。采用荷兰FMS公司的portapres逐拍血压测量仪器测量左手中指处的逐拍血压值。
步骤S1.2、心电和光电容积波消噪。采用样条小波分别对心电和光电容积波进行多尺度分解,以信号有效频段内的小波成分分别重构心电和光电容积波,从而抑制心电和光电容积波的干扰噪声。小波变换滤波算法通过信号分解与信号重构的方法,在去除干扰的同时可较好的保留波形形态。
选择紧支正交基Daubechies小波为小波基函数,阶数为4阶,即db4小波。用db4小波对心电信号做7尺度分解,对细节分量3至7级进行组合重构心电波形(D3+D4+D5+D6+D7组合),可以得到抑制噪声干扰后的心电信号。
光电容积波的主要频率成分在10Hz以下(其95%的能量主要集中在0~6Hz),高频干扰为主要分布在30~300HZ的随机噪声,人体活动所引起的基线漂移一般在0.5~1Hz。用db4小波对光电容积波信号做7尺度分解,对细节分量4至7级进行组合重构光电容积波波形(D4+D5+D6+D7组合),可以得到去掉干扰后的光电容积波信号。
步骤S1.3、心电特征点和光电容积波特征点的检测。心电特征点如图2所示,光电容积波特征点如图3所示。
心电QRS波群是代表左、右心室及室间隔除极的波群,它包括三个紧密相连的波,第一个向下的波称为Q波,在其之后狭窄而高耸向上的波为R波,在R波之后向下的波称为S波,QRS波群简称QRS波。心电T波代表心室肌复极的电位,在不同的导联可呈直立、倒置、双向或低平等多种形态,V5导联的T波一般波峰方向朝上。心电特征点选择QRS波的起点Qp,峰点Rp,终点Sp,并由Qp,Rp与Sp三个点作为QRS三角形的三个顶点;心电特征点还选择T波的起点Tb,峰点Tp,终点Tn,并由Tb,Tp与Tn三个点作为T波三角形的三个顶点。
光电容积波升支AB指示心脏收缩时,左心室向主动脉射血,引起主动脉血压迅速上升、血流量增大;降支BC代表左心室射血后期,由于射血速度减慢,主动脉根部流入血量低于向外周流出血量时,压力随之下降。C点既是主波ABC的终点,也是重搏波的起点,是心室收缩期与心室心舒期的分界点。光电容积波特征点选择主波起点A,主波峰点B,重搏波起点C,AB波段最大上升斜率点Q,以A为参考点的AB幅度的25%处P点。
步骤S1.4、心电、逐拍血压和光电容积波特征参数提取。心电特征参数为QRS三角形与T波三角形的每个三角形的边长、角度、高线、面积、周长、边长比值、角度比值,详见表1;光电容积波特征参数为幅度参数、时间参数、斜率参数、面积参数,详见表2;逐拍血压参数有:收缩压、舒张压、收缩压与舒张压的压差,逐拍血压参数通过逐拍血压测量仪器可获得。
表1心电特征参数
设任一心电三角形为三角形△ABC,令△ABC的三条边长分别为SdAB、SdAC与SdBC,其三角形边长的计算公式如下:
其中,TmAB代表三角形顶点A点与三角形顶点B点的水平距离(x轴为时间轴),单位为s;FTm是时间尺度因子,取决于心电走纸速度,一般可选数值集合有{0.04,0.02,0.01,0.005}s/mm;AmAB代表三角形顶点A点与三角形顶点B点的垂直距离(y轴为电压轴),单位为mV;FAm是幅度尺度因子,取决于心电图纵向记录分辨率,一般为0.1mV/mm;因此,边长SdAB的量纲是mm。同理可计算得到△ABC其他两条边长SdAC、SdBC。
△ABC的周长Pm为:Pm=SdAB+SdBC+SdAC。
△ABC的面积为Ar为:其中P=Pm/2。
△ABC的AB边上的高LnAB为:LnAB=2Ar/SdAB,同理可计算得到△ABC的BC边上的高LnBC,△ABC的AC边上的高LnAC。
根据余弦定理,△ABC的角A的度数为:其中a,b,c分别代表SdBC,SdAC与SdAB,同理可计算得到△ABC的角B、角C。
由此可得到QRS三角形与T波三角形的边长、角度、高线、面积、周长,进而得到心电特征参数。
表2光电容积波特征参数
可通过光电容积波的波形获得光电容积波特征参数的幅度参数和时间参数。
光电容积波斜率计算公式如下:
其中,Bx为第x个光电容积波的主波峰点B横坐标,Ax为第x个光电容积波的主波起点A横坐标,ppg(i)为光电容积波第i个采样点幅值,ppg(i-1)为光电容积波第i+1个采样点幅值。
其中,Bx为第x个光电容积波的主波峰点B横坐标,Cx为第x个光电容积波的重搏波起点C横坐标,ppg(i)为光电容积波第i个采样点幅值,ppg(i-1)为光电容积波第i+1个采样点幅值。
面积参数RtArea定义见图4,其计算公式如下:
其中,AK与Ck位于第K个心拍上,Ak+1处于第K+1个心拍上,ppg(i)为光电容积波第i个采样点幅值,ppg(Ak)为第K个光电容积波的起点幅值。
步骤S1.5、对心电和光电容积波特征参数进行中值滤波。中值滤波窗宽为5个采样点;经过中值滤波,由于强噪声干扰而引起的参数野值基本被滤除。
步骤S1.6、根据滤波后的心电、光电容积波特征参数以及逐拍血压特征参数,采用t检验方法比较心电、逐拍血压和光电容积波各特征在静息期与运动期存在的显著性差异,以差异显著性水平P<0.05为标准,筛选出个体化运动负荷敏感指标,这些敏感指标构建个体化运动负荷敏感指标向量。静息期、运动期各参数分别以30秒时长分段,则每个参数静息期、运动期分别有6个数据,用t检验比较各参数静息期与运动期是否存在显著性差异,如果某参数静息期与运动期差异的显著性水平P<0.05,则认为该参数为该受试者的个体化运动负荷敏感指标。
步骤S2、计算运动负荷估计方程系数,包括以下步骤:
步骤S2.1、设运动负荷估计方程为:其中,ai和b为负荷方程系数,{xi}为自变量,y为因变量。
步骤S2.2、将运动负荷敏感指标向量作为自变量{xi}。
步骤S2.3、根据心率值HR构建因变量y,
其中,c=220-yr+d,yr为年龄,d为与身体体质、性别、健康情况有关的修正量,d为经验值。
步骤S2.4、将{xi}与y带入运动负荷估计方程,通过最小二乘法计算出系数向量{ai}与标量b。
步骤S3、在实际运动状态或非运动状态下实际运动负荷水平估计,具体包括如下步骤:
步骤S3.1、受试者处于任意形式的运动负荷下,同步采集心电、逐拍血压与光电容积波。
步骤S3.2、采用样条小波分别对心电和光电容积波进行多尺度分解,以信号有效频段内的小波成分分别重构心电和光电容积波,从而抑制心电和光电容积波的干扰噪声;小波变换滤波算法通过信号分解与信号重构的方法,在去除干扰的同时可较好的保留波形形态。
心电噪声抑制时,选择紧支正交基Daubechies小波为小波基函数,阶数为4阶,即db4小波;用db4小波对心电信号做7尺度分解,对细节分量3至7级进行组合重构心电波形(D3+D4+D5+D6+D7组合),可以得到抑制噪声干扰后的心电信号。
光电容积波的主要频率成分在10Hz以下,其95%的能量主要集中在0~6Hz,高频干扰为主要分布在30~300HZ的随机噪声,人体活动所引起的基线漂移一般在0.5~1Hz。用db4小波对光电容积波信号做7尺度分解,对细节分量4至7级进行组合重构光电容积波波形(D4+D5+D6+D7组合),可以得到去掉干扰后的光电容积波信号。
步骤S3.3、心电特征点和光电容积波特征点的检测,这些特征点均为逐心拍特征点,心电特征点选择QRS波群的起点Qp,峰点Rp,终点Sp,并由Qp,Rp与Sp三个点作为QRS三角形的三个顶点;心电特征点还选择T波的起点Tb,峰点Tp,终点Tn,并由Tb,Tp与Tn三个点作为T波三角形的三个顶点。光电容积波特征点选择主波起点A,主波峰点B,重搏波起点C,AB波段最大上升斜率点Q,以A为参考点的AB幅度的25%处P点。
步骤S3.4、心电和光电容积波特征参数提取,心电特征参数为QRS三角形与T波三角形的每个三角形的边长、角度、高线、面积、周长、边长比值、角度比值,详见表1;光电容积波特征参数主要为幅度参数、时间参数、斜率参数、面积参数,详见表2;逐拍血压参数有:收缩压、舒张压、收缩压与舒张压的压差。
步骤S3.5、对心电和光电容积波特征参数进行中值滤波,中值滤波窗宽为5个采样点;经过中值滤波,由于强噪声干扰而引起的参数野值基本被滤除。
步骤S3.6、在实时检测和计算得到的心电特征参数、光电容积波特征参数、逐拍血压特征参数中筛选出步骤S1中个体化运动负荷敏感指标,并将所述个体化运动负荷敏感指标向量作为{xi}带入由步骤S2中确定的运动负荷估计方程系数{ai}与b构成的负荷估计方程,计算出运动负荷水平。
步骤S3.7、对S3.6得到的运动负荷水平进行判断,运动负荷水平取值范围为[0,1],其中″1″代表达到生理最大承受运动负荷水平,″0″代表无运动负荷;如果计算得到的数值大于1,则运动负荷水平为1,如果计算得到的数值小于0,则运动负荷水平为0。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (3)
1.一种基于多种心源性信号的运动负荷水平的估计方法,其特征在于,包括以下步骤:
步骤S1、在“静息——运动”实验中从心电、逐拍血压、光电容积波中筛选出个体化运动负荷敏感指标,建立个体化运动负荷敏感指标向量,包括以下步骤:
步骤S1.1、静息期与运动期的心电、逐拍血压、光电容积波的同步采集;
步骤S1.2、心电和光电容积波消噪;
步骤S1.3、心电和光电容积波特征点检测;
步骤S1.4、心电和光电容积波特征参数提取;
步骤S1.5、对心电和光电容积波特征参数进行中值滤波;
步骤S1.6、根据滤波后的心电特征参数、光电容积波特征参数以及逐拍血压特征参数采用t检验方法比较心电、逐拍血压和光电容积波各特征在静息期与运动期存在的显著性差异,以差异显著性水平P<0.05为标准,筛选出个体化运动负荷敏感指标,这些敏感指标构建个体化运动负荷敏感指标向量;
步骤S2、计算运动负荷估计方程系数,包括以下步骤:
步骤S2.1、设运动负荷估计方程为:其中,ai和b为负荷方程系数,{xi}为自变量,y为因变量;
步骤S2.2、将运动负荷敏感指标向量作为自变量{xi};
步骤S2.3、根据心率值HR构建因变量y,
其中,c=220-yr+d,yr为年龄,d为与身体体质、性别、健康情况有关的修正量;
步骤S2.4、将{xi}与y带入运动负荷估计方程,通过最小二乘法计算出系数向量{ai}与标量b;
步骤S3、在实际运动状态或非运动状态下进行运动负荷水平估计,包括:
步骤S3.1、受试者处于任意形式的运动负荷下,实时对心电、逐拍血压、光电容积波同步采集;
步骤S3.2、心电和光电容积波消噪;
步骤S3.3、心电和光电容积波特征点检测;
步骤S3.4、心电和光电容积波特征参数提;
步骤S3.5、对心电和光电容积波特征参数进行中值滤波;
步骤S3.6、在实时检测和计算得到的心电特征参数、光电容积波特征参数、逐拍血压特征参数中筛选出步骤S1中个体化运动负荷敏感指标,并将所述个体化运动负荷敏感指标向量作为{xi}带入由步骤S2中确定的运动负荷估计方程系数{ai}与b构成的负荷估计方程,计算出运动负荷水平;
步骤S3.7、对S3.6得到的运动负荷水平进行判断,运动负荷水平取值范围为[0,1],其中”1”代表达到生理最大承受运动负荷水平,”0”代表无运动负荷;如果计算得到的数值大于1,则运动负荷水平为1,如果计算得到的数值小于0,则运动负荷水平为0。
2.如权利要求1所述一种基于多种心源性信号的运动负荷水平的估计方法,其特征在于,心电特征点为:QRS波的起点Qp、峰点Rp、终点Sp,T波的起点Tb、峰点Tp、终点Tn;光电容积波特征点为:主波起点A、主波峰点B、重搏波起点C、AB波段最大上升斜率点Q、以A为参考点的AB幅度的25%处P点。
3.如权利要求1或2所述一种基于多种心源性信号的运动负荷水平的估计方法,其特征在于,心电特征参数为QRS三角形与T波三角形的每个三角形的边长、角度、高线、面积、周长、边长比值、角度比值;光电容积波特征参数为:幅度参数、时间参数、斜率参数、面积参数,逐拍血压参数为:收缩压、舒张压、收缩压与舒张压的压差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410016526.9A CN104055496B (zh) | 2014-01-15 | 2014-01-15 | 一种基于心源性信号的运动负荷水平的估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410016526.9A CN104055496B (zh) | 2014-01-15 | 2014-01-15 | 一种基于心源性信号的运动负荷水平的估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104055496A CN104055496A (zh) | 2014-09-24 |
CN104055496B true CN104055496B (zh) | 2016-04-20 |
Family
ID=51543634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410016526.9A Expired - Fee Related CN104055496B (zh) | 2014-01-15 | 2014-01-15 | 一种基于心源性信号的运动负荷水平的估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104055496B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108882870B (zh) | 2016-04-15 | 2021-08-13 | 欧姆龙株式会社 | 生物体信息分析装置、系统以及程序 |
CN106821362A (zh) * | 2016-12-15 | 2017-06-13 | 中世泓利(北京)健康科技有限公司 | 一种基于心率数据以及运动时间的中小学生体育锻炼运动负荷的评价方法 |
CN108196221B (zh) * | 2017-12-20 | 2021-09-14 | 北京遥感设备研究所 | 一种基于多基线干涉仪角度模糊区间的去野值方法 |
CN109431535A (zh) * | 2018-11-13 | 2019-03-08 | 四川长虹电器股份有限公司 | 一种心力储备指数计算方法 |
CN110179456B (zh) * | 2019-05-23 | 2021-11-02 | 中国航天员科研训练中心 | 心电噪声识别模型训练及心电噪声检测方法、装置 |
CN111214218B (zh) * | 2020-01-13 | 2024-02-09 | 京东方科技集团股份有限公司 | 一种多生理参数的检测设备 |
CN113729727A (zh) * | 2021-11-01 | 2021-12-03 | 毕胜普生物科技有限公司 | 用于体检场景的负荷运动装置的控制方法及系统 |
CN116439713A (zh) * | 2023-04-17 | 2023-07-18 | 深圳东海浪潮科技有限公司 | 一种基于血流动力学参数与bp神经网络的体力负荷评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1151856A (zh) * | 1995-12-11 | 1997-06-18 | 北京工业大学 | 运动负荷下人体收缩压、舒张压的连续测定法 |
WO2008013666A2 (en) * | 2006-07-07 | 2008-01-31 | Glusco Mark C | Apparatus and method for physiological testing including cardiac stress test |
CN102339353A (zh) * | 2010-07-21 | 2012-02-01 | 国家体育总局体育科学研究所 | 科学健身指导系统 |
CN102397067A (zh) * | 2011-12-07 | 2012-04-04 | 秦皇岛市康泰医学系统有限公司 | 一种运动负荷心电波形叠加分析方法及其系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7149568B2 (en) * | 2002-07-12 | 2006-12-12 | Seiko Epson Corporation | Exercise load intensity evaluation device and exercise equipment |
US20050038351A1 (en) * | 2003-07-23 | 2005-02-17 | Starobin Joseph M. | Method and system for evaluating cardiac ischemia based on heart rate fluctuations |
-
2014
- 2014-01-15 CN CN201410016526.9A patent/CN104055496B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1151856A (zh) * | 1995-12-11 | 1997-06-18 | 北京工业大学 | 运动负荷下人体收缩压、舒张压的连续测定法 |
WO2008013666A2 (en) * | 2006-07-07 | 2008-01-31 | Glusco Mark C | Apparatus and method for physiological testing including cardiac stress test |
CN102339353A (zh) * | 2010-07-21 | 2012-02-01 | 国家体育总局体育科学研究所 | 科学健身指导系统 |
CN102397067A (zh) * | 2011-12-07 | 2012-04-04 | 秦皇岛市康泰医学系统有限公司 | 一种运动负荷心电波形叠加分析方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104055496A (zh) | 2014-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104055496B (zh) | 一种基于心源性信号的运动负荷水平的估计方法 | |
CN103860180B (zh) | 在心肺复苏(cpr)过程中实时识别自主循环恢复(rosc) | |
Blain et al. | Time-frequency analysis of heart rate variability reveals cardiolocomotor coupling during dynamic cycling exercise in humans | |
CN105496377A (zh) | 一种心率变异生物反馈锻炼系统方法和设备 | |
CN109475311A (zh) | 确定受试者周期性生理过程频率的方法以及确定受试者周期性生理过程频率的装置和系统 | |
Shin et al. | HRV analysis and blood pressure monitoring on weighing scale using BCG | |
Jaafar et al. | Estimation of breathing rate and heart rate from photoplethysmogram | |
WO2010073908A1 (ja) | 生体情報信号処理装置、生体情報信号処理方法および生体情報測定装置 | |
CN109938719A (zh) | 一种基于生理参数的驾驶员疲劳检测方法 | |
Siecinski et al. | Time domain and frequency domain heart rate variability analysis on gyrocardiograms | |
Mirescu et al. | Heart rate variability: a practical review for the beginner | |
Rapalis et al. | Estimation of blood pressure variability during orthostatic test using instantaneous photoplethysmogram frequency and pulse arrival time | |
Madhav et al. | Extraction of respiratory activity from ECG and PPG signals using vector autoregressive model | |
Ribeiro et al. | A practical approach to health status monitoring based on heart rate and respiratory rate assessment | |
CN101596103A (zh) | 心电信号rr间隔和qt间隔的动力学模型的建立方法和该模型的应用 | |
Yang et al. | respiratory rate estimation from the photoplethysmogram combining multiple respiratory-induced variations based on SQI | |
Pollonini et al. | Integrated device for the measurement of systemic and local oxygen transport during physical exercise | |
Bhowmick et al. | HRV performance analysis in photoplethysmography and electrocardiography | |
Malik et al. | Detection of heart conditions using HRV processor in Matlab simulink | |
Madhav et al. | Extraction of surrogate respiratory activity from pulse oximeter signals using SSA | |
Iftikhar et al. | Rhythm disorders—heart beat classification of an electrocardiogram signal | |
Sudin et al. | Cyclist performance classification system based on submaximal fitness test | |
Selvaraj et al. | Feasibility of photoplethymographic signal for assessment of autonomic response using heart rate variability analysis | |
Kumar et al. | Comparative hrv analysis of ecg signal in the context of sportsperson under post-exercise and relaxed condition | |
RU2469641C2 (ru) | Устройство для определения показателя эластичности артериальных сосудов |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160420 Termination date: 20180115 |