CN104127173A - 一种基于动态脉搏波特征参数的病理信息提取方法 - Google Patents
一种基于动态脉搏波特征参数的病理信息提取方法 Download PDFInfo
- Publication number
- CN104127173A CN104127173A CN201410334183.0A CN201410334183A CN104127173A CN 104127173 A CN104127173 A CN 104127173A CN 201410334183 A CN201410334183 A CN 201410334183A CN 104127173 A CN104127173 A CN 104127173A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- wave
- cycle section
- pulse
- normal cycle
- 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.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 20
- 230000007170 pathology Effects 0.000 title abstract 4
- 238000000034 method Methods 0.000 claims description 53
- 230000001575 pathological effect Effects 0.000 claims description 15
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 claims description 7
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims description 7
- 208000001953 Hypotension Diseases 0.000 claims description 3
- 230000003205 diastolic effect Effects 0.000 claims description 3
- 208000021822 hypotensive Diseases 0.000 claims description 3
- 230000001077 hypotensive effect Effects 0.000 claims description 3
- 230000002861 ventricular Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及一种基于动态脉搏波特征参数的病理信息提取方法,属于信息科学与医学的融合技术领域。本发明首先寻找脉搏波的起止点;求出脉搏波起止点的置信区间;根据起止点的置信区间判断脉搏波是否为正常脉搏波,从而选出正常的脉搏波;再算出用于拟合第i个正常周期段脉搏波的高斯函数的个数;求出对第i个正常周期段脉搏波拟合的高斯函数的参数ak、ck;再求出参数bk及第i个正常周期段脉搏波的高斯函数表达式;然后求出第i个正常周期段脉搏波6个特征点;再依次求出每个正常周期段脉搏波的6个特征点,然后再求出所有正常周期段脉搏波的特征点的平均值来作为病例信息分析的依据。本发明使得拟合精度更高,对脉搏波特征点的提取更准确。
Description
技术领域
本发明涉及一种基于动态脉搏波特征参数的病理信息提取方法,属于信息科学与医学的融合技术领域。
背景技术
基于动态脉搏波特征参数的分析提取方法具有非常广泛的应用范围。该方法运用在脉搏波实时监测不仅可以用于日常生活中对疾病的监测,使用者对自己的身体状况有更详细准确的了解,还可以用在临床上,对患者的脉搏波的连续监测对治疗有更重要的意义。
目前对脉搏波特征点研究方法很多,张俊利、蔺嫦燕等提出脉搏波波形周期面积特征量与血流动力学参数的相关关系,该方法提取的面积特征代表人体心血管系统中最为重要的一些生理参数,特征量值简单易记,生理意义明确,变化很有规律,且检测方便。但是该方法不能完全反映出脉搏波曲线每个局部细微变化所代表的生理意义。张攀登,吴效明,林绍杰提出的基于经验参数和小波变换提取颈动脉波的时域特征的方法,该方法在过零点法基础上较大地提高了运算速度,并且方法具有准确、方便、直观、运算量小等优点,由于可以不依赖于心电信号实现脉搏波自定位,因而特别适合单独进行脉搏波分析。但是在实际应用中,该方法对于弱脉的识别效果不是很理想。张香焕,吴效明,黄岳山提出基于经验模态分解的方法,该方法具有较高信噪比特点,其分量可以准确定位脉搏波相应的特征点,该方法可以同时实现脉搏波的去噪和特征点提取。郭靖玉,何琳,景爱华提出了阈值法,该方法能够较好地提取出脉搏波形图中的两个主要特征点:主波峰值和重搏波峰值,不影响原信号的其他特性,并且方法十分简单,易于通过编程来实现。然而脉搏信号图形因人而异,不同年龄段及不同身体条件的人,脉搏波会有很大的差异,但找出这两个特征点并不足以对脉搏波信号进行全面的分析,需要找出更多的特征点,因此该方法适合波形的简易分析。
发明内容
本发明要解决的技术问题是:本发明提供一种基于动态脉搏波特征参数的病理信息提取方法,通过对每个高斯波的起止点位置做了限制,提出了利用n个高斯函数提取脉搏波特征点的方法,用于解决动态脉搏波特征点提取精度不高的问题。
本发明技术方案是:一种基于动态脉搏波特征参数的病理信息提取方法,首先寻找脉搏波的起止点;求出脉搏波起止点的置信区间;根据起止点的置信区间判断脉搏波是否为正常脉搏波,从而选出正常的脉搏波;再算出用于拟合第i个正常周期段脉搏波的高斯函数的个数;求出对第i个正常周期段脉搏波拟合的高斯函数的参数ak、ck;再求出参数bk及第i个正常周期段脉搏波的高斯函数表达式;然后求出第i个正常周期段脉搏波6个特征点;再依次求出每个正常周期段脉搏波的6个特征点,然后再求出所有正常周期段脉搏波的特征点的平均值来作为病例信息分析的依据。
所述方法的具体步骤如下:
A、在动态脉搏波数据yj中,选取动态脉搏波数据yj中第i个脉搏波的起点Oi、终点Oi+1,若yj<5,则Oi=yj,Oi+1=yj+1,其中j=1,2,3…,;
B、根据动态脉搏波数据yj中第i个脉搏波所选取的起点Oi、终点Oi+1,把动态脉搏波数据yj划分周期,第i个脉搏波划分的周期长度为Ti,Ti满足n1<Ti<n2,n1,n2满足P(n1<Ti<n2)=1-α,那么在置信度为α下,Ti的置信下限Ti的置信上限 Ti的置信区间为 从而求出Ti的置信下限n1,置信上限n2;
其中Ti为每个脉搏波起点与终点之间数据个数,Ti∈N,T为脉搏波平均周期长度,n1<n2,n1∈N,n2∈N,n1<n2,区间(n1,n2)为Ti的置信度为1-α的置信区间,n1,n2分别为上、下置信限,α为置信水平,α=0.05,S为样本标准差, M为第i个周期脉搏波数据样本数量;
C、根据求出的Ti的置信下限n1,置信上限n2的值来判断脉搏波是否为正常脉搏波,从而选出正常的脉搏波:
如果n1<Ti<n2,则n1<Ti<n2的脉搏波周期段认为是正常脉搏波,选出n1<Ti<n2周期段的脉搏波;
如果Ti≤n1或Ti≥n2,则Ti≤n1或Ti≥n2的脉搏波周期段不参与特征点提取,删除Ti≤n1或Ti≥n2周期段的脉搏波;
D、在选出的正常周期段脉搏波中,把第i个正常周期段脉搏波数据起点Oi的横坐标到最大值Maxi的横坐标m等分,等分后每份长度为l,然后算出用于拟合第i个正常周期段脉搏波的高斯函数的个数n;
当第i个周期脉搏波数据长度Ti能被l整除时,那么n=Ti/l;
当第i个周期脉搏波数据长度Ti不能被l整除时,取n=[Ti/l]-1;
其中Maxi为i个正常周期段脉搏波数据最大值,m=1,2,3…,n为用于拟合第i个正常周期段脉搏波的高斯函数的个数;
E、求出对第i个正常周期段脉搏波拟合的高斯函数的参数ak、ck;对第i个正常周期段脉搏波用高斯波拟合,用于拟合的第k+1个高斯波的起点横坐标限制为第k个高斯波最大值的横坐标,第k个高斯波的终点的横坐标为第k+1个高斯波最大值所对应的横坐标,每个用于拟合的高斯波的起点和终点的纵坐标均为零,再将第k个高斯波与第k+1个高斯波的交点(xk,yk)的横坐标限制到第k个高斯波的终点的横坐标与第k+1高斯波起点的横坐标之间的中点处,根据拟合好的高斯波可以得出拟合的第k个高斯波最大值的横坐标Maxk、第k个高斯波起点的横坐标与第k个高斯波最大值的横坐标之间的距离ck;根据第k个高斯波最大值的横坐标Maxk再结合正常周期段脉搏波采集到的数据可以得到第k个高斯波最大值的横坐标Maxk所对应的纵坐标ak;
F、根据高斯函数表达式再结合第k个高斯波与第k+1个高斯波的交点(xk,yk)、ak、ck,求出bk=(xk-ck)2/(ln ak-ln yk);当采用n个高斯函数拟合第i个正常周期段脉搏波时,根据高斯函数表达式中的参数ak、bk、ck,进而确定出高斯函数的表达式 及第i个正常周期段脉搏波的高斯函数表达式
其中,ak、bk、ck代表的物理意义分别是高斯函数的峰高、半宽度信息和峰位置;
G、根据确定的第i个正常周期段脉搏波的高斯函数表达式求取第i个正常周期段脉搏波的6个特征点:b、c、d、e、f、g;由步骤A可知b=Oi,由步骤D可知c=Maxi;
在第i个正常周期段脉搏波的区间(x1,x2)内,求取f(x)的极大值fmax1(x)和极小值fmin1(x);
若f(x)在区间(x1,x2)内存在极大值、极小值,那么d=fmax1(x),e=fmin1(x);
若f(x)在区间(x1,x2)内不存在极值点,则求在此区间范围内高斯函数f(x)的曲率k的最大值kmax1和最小值kmin1,其中d=kmax1,e=kmin1;
在第i个正常周期段脉搏波的区间(x3,x4)内,求取f(x)的极大值fmax2(x)和极小值fmin2(x);
若f(x)在区间(x3,x4)内存在极大值、极小值,那么f=fmax2(x),g=fmin2(x);
若f(x)在区间(x3,x4)内不存在极值点,则求在此区间范围内高斯函数f(x)的曲率k的最大值kmax2和最小值kmin2,其中d=kmax2,e=kmin2;
b、c、d、e、f、g分别代表主动脉脉瓣开放点即第i个正常周期段脉搏波的起点、收缩期最高压力点即第i个正常周期段脉搏波的最大值点、主动脉扩张降压点、左心室舒张期开始点、反潮波起点、反潮波最高压力点;
H、依次求出每个正常周期段脉搏波的6个特征点,然后再求出所有正常周期段脉搏波的特征点的平均值作为病例信息分析的依据,所有正常周期段脉搏波的特征点的平均值分别为:
本发明中采用n个高斯函数使得该方法更具有一般性,根据不同的需求,可以对n赋予不同的值,n的值越大,用n个高斯函数拟合出来的脉搏波更接近真实的脉搏波,结果精度越高。再则,脉搏波包含丰富的病理信息,对应病理信息的脉搏波特征点可以是脉搏波上的任意一点。采用n个高斯函数提取脉搏波特征点的方法可以通过对n的赋值提取脉搏波上的所需要的任意特征点。
本发明的有益效果是:本发明采用n(n取正整数)个高斯波对动态脉搏波进行特征点提取。提出并使用n个高斯波对脉搏波进行特征点提取方法,使得提取的结果更准确。再则,脉搏波包含丰富的病理信息,对应病理信息的脉搏波特征点可以是脉搏波上的任意一点。采用n个高斯函数提取脉搏波特征点的方法可以通过对n的赋值提取脉搏波上的所需要的任意特征点。本方法对每个高斯波的起止点位置做了限制,使得拟合精度更高,对脉搏波特征点的提取更准确。
附图说明
图1是本发明中的流程图;
图2是本发明采用n个高斯波对一个周期段的动态脉搏波进行拟合的示意图;
图3是本发明其中一个周期段的脉搏波六个特征点的示意图。
具体实施方式
下面结合附图和具体实施例,对本发明作进一步说明。
实施例1:如图1-3所示,一种基于动态脉搏波特征参数的病理信息提取方法,首先寻找脉搏波的起止点;求出脉搏波起止点的置信区间;根据起止点的置信区间判断脉搏波是否为正常脉搏波,从而选出正常的脉搏波;再算出用于拟合第i个正常周期段脉搏波的高斯函数的个数;求出对第i个正常周期段脉搏波拟合的高斯函数的参数ak、ck;再求出参数bk及第i个正常周期段脉搏波的高斯函数表达式;然后求出第i个正常周期段脉搏波6个特征点;再依次求出每个正常周期段脉搏波的6个特征点,然后再求出所有正常周期段脉搏波的特征点的平均值来作为病例信息分析的依据。
所述方法的具体步骤如下:
A、在动态脉搏波数据yj中,选取动态脉搏波数据yj中第i个脉搏波的起点Oi、终点Oi+1,若yj<5,则Oi=yj,Oi+1=yj+1,其中j=1,2,3…,
B、根据动态脉搏波数据yj中第i个脉搏波所选取的起点Oi、终点Oi+1,把动态脉搏波数据yj划分周期,第i个脉搏波划分的周期长度为Ti,Ti满足n1<Ti<n2,n1,n2满足P(n1<Ti<n2)=1-α,那么在置信度为α下,Ti的置信下限Ti的置信上限 Ti的置信区间为 从而求出Ti的置信下限n1,置信上限n2;
其中Ti为每个脉搏波起点与终点之间数据个数,Ti∈N,T为脉搏波平均周期长度,n1<n2,n1∈N,n2∈N,n1<n2,区间(n1,n2)为Ti的置信度为1-α的置信区间,n1,n2分别为上、下置信限,α为置信水平,α=0.05,S为样本标准差, M为第i个周期脉搏波数据样本数量;
C、根据求出的Ti的置信下限n1,置信上限n2的值来判断脉搏波是否为正常脉搏波,从而选出正常的脉搏波:
如果n1<Ti<n2,则n1<Ti<n2的脉搏波周期段认为是正常脉搏波,选出n1<Ti<n2周期段的脉搏波;
如果Ti≤n1或Ti≥n2,则Ti≤n1或Ti≥n2的脉搏波周期段不参与特征点提取,删除Ti≤n1或Ti≥n2周期段的脉搏波;
D、在选出的正常周期段脉搏波中,把第i个正常周期段脉搏波数据起点Oi的横坐标到最大值Maxi的横坐标m等分,等分后每份长度为l,然后算出用于拟合第i个正常周期段脉搏波的高斯函数的个数n;
当第i个周期脉搏波数据长度Ti能被l整除时,那么n=Ti/l;
当第i个周期脉搏波数据长度Ti不能被l整除时,取n=[Ti/l]-1;
其中Maxi为i个正常周期段脉搏波数据最大值,m=1,2,3…,n为用于拟合第i个正常周期段脉搏波的高斯函数的个数;
E、求出对第i个正常周期段脉搏波拟合的高斯函数的参数ak、ck;对第i个正常周期段脉搏波用高斯波拟合,用于拟合的第k+1个高斯波的起点横坐标限制为第k个高斯波最大值的横坐标,第k个高斯波的终点的横坐标为第k+1个高斯波最大值所对应的横坐标,每个用于拟合的高斯波的起点和终点的纵坐标均为零,再将第k个高斯波与第k+1个高斯波的交点(xk,yk)的横坐标限制到第k个高斯波的终点的横坐标与第k+1高斯波起点的横坐标之间的中点处,根据拟合好的高斯波可以得出拟合的第k个高斯波最大值的横坐标Maxk、第k个高斯波起点的横坐标与第k个高斯波最大值的横坐标之间的距离ck;根据第k个高斯波最大值的横坐标Maxk再结合正常周期段脉搏波采集到的数据可以得到第k个高斯波最大值的横坐标Maxk所对应的纵坐标ak;
F、根据高斯函数表达式,再结合第k个高斯波与第k+1个高斯波的交点(xk,yk)、ak、ck,求出bk=(xk-ck)2/(ln ak-ln yk);当采用n个高斯函数拟合第i个正常周期段脉搏波时,根据高斯函数表达式中的参数ak、bk、ck,进而确定出高斯函数的表达式 及第i个正常周期段脉搏波的高斯函数表达式
其中,ak、bk、ck代表的物理意义分别是高斯函数的峰高、半宽度信息和峰位置;
G、根据确定的第i个正常周期段脉搏波的高斯函数表达式求取第i个正常周期段脉搏波的6个特征点:b、c、d、e、f、g;由步骤A可知b=Oi,由步骤D可知c=Maxi;
在第i个正常周期段脉搏波的区间(x1,x2)内,求取f(x)的极大值fmax1(x)和极小值fmin1(x);
若f(x)在区间(x1,x2)内存在极大值、极小值,那么d=fmax1(x),e=fmin1(x);
若f(x)在区间(x1,x2)内不存在极值点,则求在此区间范围内高斯函数f(x)的曲率k的最大值kmax1和最小值kmin1,其中d=kmax1,e=kmin1;
在第i个正常周期段脉搏波的区间(x3,x4)内,求取f(x)的极大值fmax2(x)和极小值fmin2(x);
若f(x)在区间(x3,x4)内存在极大值、极小值,那么f=fmax2(x),g=fmin2(x);
若f(x)在区间(x3,x4)内不存在极值点,则求在此区间范围内高斯函数f(x)的曲率k的最大值kmax2和最小值kmin2,其中d=kmax2,e=kmin2;
b、c、d、e、f、g分别代表主动脉脉瓣开放点即第i个正常周期段脉搏波的起点、收缩期最高压力点即第i个正常周期段脉搏波的最大值点、主动脉扩张降压点、左心室舒张期开始点、反潮波起点、反潮波最高压力点;
H、依次求出每个正常周期段脉搏波的6个特征点,然后再求出所有正常周期段脉搏波的特征点的平均值作为病例信息分析的依据,所有正常周期段脉搏波的特征点的平均值分别为:
实施例2:如图1-3所示,一种基于动态脉搏波特征参数的病理信息提取方法,首先寻找脉搏波的起止点;求出脉搏波起止点的置信区间;根据起止点的置信区间判断脉搏波是否为正常脉搏波,从而选出正常的脉搏波;再算出用于拟合第i个正常周期段脉搏波的高斯函数的个数;求出对第i个正常周期段脉搏波拟合的高斯函数的参数ak、ck;再求出参数bk及第i个正常周期段脉搏波的高斯函数表达式;然后求出第i个正常周期段脉搏波6个特征点;再依次求出每个正常周期段脉搏波的6个特征点,然后再求出所有正常周期段脉搏波的特征点的平均值来作为病例信息分析的依据。以下以具体数据内容来说明本实施例:
所述基于动态脉搏波特征参数的病理信息提取方法的具体步骤如下:
A、在动态脉搏波数据yj中,其中yj为[2,19,46,71,93,110,122,129,133,132,129,125,121,114,107,100,94,87,81,77,74,73,73,72,73,74,76,76,76,76,73,70,65,62,56,52,46,39,34,26,18,11,3,9,17,42,64,86,103,115,121,125,124,120,114,107,101,95,92,88,85,81,80,78,76,73,71,70,68,66,63,60,55,50,44,36,30,24,18,13,9,7,4,7,30,52,73,91,104,115,120,123,124,119,115,109,103,96,92,87,82,78,76,74,74,71,71,68,65,62,58,53,47,41,35,29,22,17,12,8,6,1,7,28,50,73,92,108,121,128,133,134,132,131,128,126,123,117,114,109,104,101,96,93,90,89,88,87,87,85,85,84,83,83,81,78,75,71,66,59,52,43,35,27,20,14,10,8,6,5,4,25,47,68,87,102,112,119,122,124,125,123,122,119,115,112,109,106,104,101,98,96,93,90,85,81,77,73,70,68,65,63,61,60,56,53,49,45,41,35,29,21,14,5,2,19,46,71,93,110,122,129,133,132,129,125,121,114,107,100,94,87,81,77,74,73,73,72,73,74,76,76,76,76,73,70,65,62,56,52,46,39,34,26,18,11,3];选取动态脉搏波数据yj中第1个脉搏波的起点为2、终点为3,第2个脉搏波的起点为3、终点为4,第3个脉搏波的起点为4、终点为1,第4个脉搏波的起点为1、终点为4,第5个脉搏波的起点为4、终点为2,第6个脉搏波的起点为2、终点为3;
B、根据动态脉搏波数据yj中第i个脉搏波所选取的起点Oi、终点Oi+1,把动态脉搏波数据yj划分周期,第1个脉搏波划分的周期长度为43,第2个脉搏波划分的周期长度为41,第3个脉搏波划分的周期长度为40,第4个脉搏波划分的周期长度为50,第5个脉搏波划分的周期长度为45,第6个脉搏波划分的周期长度为43,在置信度α=0.05下, 样本标准差 Ti的置信下限 Ti的置信上限 在M=6时查表得t0.025=2.447,代入求得置信下限n1=40.42,置信上限n2=46.92,所以置信区间为(40.42,46.92);
C、根据求得的置信区间(40.42,46.92),周期长度为T1=43,T2=41,T3=45,T4=43的脉搏波波段落在此区间内,即为正常周期段;
D、当m=1时,对于第1个正常周期段脉搏波数据起点O1=2的横坐标到最大值Maxi=133的横坐标1等分,等分后每份长度为l=8,然后算出用于拟合第1个正常周期段脉搏波的高斯函数的个数n=[T1/l]-1=4。同理,用于拟合第2个正常周期段脉搏波的高斯函数的个数n=[T2/l]-1=3,用于拟合第3个正常周期段脉搏波的高斯函数的个数n=[T3/l]-1=3,用于拟合第4个正常周期段脉搏波的高斯函数的个数n=[T4/l]-1=4;
E、当m=1时,求出对第1个正常周期段脉搏波拟合的高斯函数的参数a1=133、a2=94、a3=73、a4=65,c1=8、c2=16、c3=24、c4=32;对第1个正常周期段脉搏波用高斯波拟合,第1个高斯波与第2个高斯波的交点为(12,60),第2个高斯波与第3个高斯波的交点为(20,37),第3个高斯波与第4个高斯波的交点为(28,38)。同理得出剩下3个正常周期段脉搏波拟合的高斯函数的参数以及用于拟两两相邻高斯波的交点;
F、当m=1时,对于第1个正常周期段脉搏波,根据高斯函数表达式,已知再结合第k个高斯波与第k+1个高斯波的交点(xk,yk)、ak、ck,求出bk=(xk-ck)2/(ln ak-ln yk),得出b1=20.10、b2=17.16、b3=24.51、b4=15.40。这样得到了m=1时第1个正常周期段脉搏波的高斯函数表达式: 同样方法求出剩下3个正常周期段脉搏波;
G、当m=1时根据确定的第1个正常周期段脉搏波的高斯函数表达式 求取第1个正常周期段脉搏波的6个特征点:b、c、d、e、f、g;由步骤A可知b=2,由步骤D可知c=133,在第1个正常周期段脉搏波的区间(10,18)内,f(x)不存在极值点;在该区间上求得曲率k的最大值kmax1=119和最小值kmin1=100,那么d=119,e=100,在第1个正常周期段脉搏波的区间(18,38)内,求取f(x)的极大值fmax2(x)=73和极小值fmin2(x)=69,那么f=69,g=73;
H、依次求出每个正常周期段脉搏波的6个特征点,当m=1第1个正常周期段脉搏波特征点为:b=2、c=133、d=119、e=100、f=72、g=76。同样方法求得第2个正常周期段脉搏波特征点:b=3、c=123、d=95、e=84、f=71、g=63,第3个正常周期段脉搏波特征点:b=4、c=125、d=107、e=104、f=70、g=60,第4个正常周期段脉搏波特征点:b=2、c=129、d=108、e=93、f=67、g=71;当m=1时求出所有正常周期段脉搏波的特征点的平均值
目前,由非创伤性测量获得的脉搏波主要由主波峰、重搏波及重搏前波组成。在对这种脉搏波拟合时用于拟合的波形最佳的选择就是钟形波,在钟形波中高斯波使用最为广泛,拟合效果也最佳,对脉搏波特征点的提取也更准确。本实施例使用n=4个高斯波对动态脉搏波进行拟合特征点提取,n的取值越大用于拟合的高斯波的个数越多,高斯波的峰值可以量化更多的脉搏波上的点,因此对脉搏波细节特征的量化更准确,对脉搏波整体拟合效果更细致,进而对脉搏波特征点的提取也就越准确。
实施例3:如图1-3所示,一种基于动态脉搏波特征参数的病理信息提取方法,首先寻找脉搏波的起止点;求出脉搏波起止点的置信区间;根据起止点的置信区间判断脉搏波是否为正常脉搏波,从而选出正常的脉搏波;再算出用于拟合第i个正常周期段脉搏波的高斯函数的个数;求出对第i个正常周期段脉搏波拟合的高斯函数的参数ak、ck;再求出参数bk及第i个正常周期段脉搏波的高斯函数表达式;然后求出第i个正常周期段脉搏波6个特征点;再依次求出每个正常周期段脉搏波的6个特征点,然后再求出所有正常周期段脉搏波的特征点的平均值来作为病例信息分析的依据。以下以具体数据内容来说明本实施例:
所述基于动态脉搏波特征参数的病理信息提取方法的具体步骤如下:
A、在动态脉搏波数据yj中,其中yj为[2,19,46,71,93,110,122,129,133,132,129,125,121,114,107,100,94,87,81,77,74,73,73,72,73,74,76,76,76,76,73,70,65,62,56,52,46,39,34,26,18,11,3,9,17,42,64,86,103,115,121,125,124,120,114,107,101,95,92,88,85,81,80,78,76,73,71,70,68,66,63,60,55,50,44,36,30,24,18,13,9,7,4,7,30,52,73,91,104,115,120,123,124,119,115,109,103,96,92,87,82,78,76,74,74,71,71,68,65,62,58,53,47,41,35,29,22,17,12,8,6,1,7,28,50,73,92,108,121,128,133,134,132,131,128,126,123,117,114,109,104,101,96,93,90,89,88,87,87,85,85,84,83,83,81,78,75,71,66,59,52,43,35,27,20,14,10,8,6,5,4,25,47,68,87,102,112,119,122,124,125,123,122,119,115,112,109,106,104,101,98,96,93,90,85,81,77,73,70,68,65,63,61,60,56,53,49,45,41,35,29,21,14,5,2,19,46,71,93,110,122,129,133,132,129,125,121,114,107,100,94,87,81,77,74,73,73,72,73,74,76,76,76,76,73,70,65,62,56,52,46,39,34,26,18,11,3];选取动态脉搏波数据yj中第1个脉搏波的起点为2、终点为3,第2个脉搏波的起点为3、终点为4,第3个脉搏波的起点为4、终点为1,第4个脉搏波的起点为1、终点为4,第5个脉搏波的起点为4、终点为2,第6个脉搏波的起点为2、终点为3;
B、根据动态脉搏波数据yj中第i个脉搏波所选取的起点Oi、终点Oi+1,把动态脉搏波数据yj划分周期,第1个脉搏波划分的周期长度为43,第2个脉搏波划分的周期长度为41,第3个脉搏波划分的周期长度为40,第4个脉搏波划分的周期长度为50,第5个脉搏波划分的周期长度为45,第6个脉搏波划分的周期长度为43在置信度α=0.05下, 样本标准差 Ti的置信下限 Ti的置信上限 在M=6时查表得t0.025=2.447,代入求得置信下限n1=40.42,置信上限n2=46.92,所以置信区间为(40.42,46.92);
C、根据求得的置信区间(40.42,46.92),周期长度为T1=43,T2=41,T3=45,T4=43的脉搏波波段落在此区间内,即为正常周期段;
D、当m=2时,对于第1个正常周期段脉搏波数据起点O1=2的横坐标到最大值Maxi=133的横坐标2等分,等分后每份长度为l=4,然后算出用于拟合第1个正常周期段脉搏波的高斯函数的个数n=[T1/l]-1=9。同理,用于拟合第2个正常周期段脉搏波的高斯函数的个数n=[T2/l]-1=8,用于拟合第3个正常周期段脉搏波的高斯函数的个数n=[T3/l]-1=8,用于拟合第4个正常周期段脉搏波的高斯函数的个数n=[T4/l]-1=9;
E、当m=2时,求出对第1个正常周期段脉搏波拟合的高斯函数的参数a1=93、a2=133、a3=121、a4=94、a5=74、a6=73、a7=76、a8=65、a9=46,c1=4、c2=8、c3=12、c4=16、c5=20、c6=24、c7=28、c8=32、c9=36;对第1个正常周期段脉搏波用高斯波拟合,第1个高斯波与第2个高斯波的交点为(6,61),第2个高斯波与第3个高斯波的交点为(10,64),第3个高斯波与第4个高斯波的交点为(14,53),第4个高斯波与第5个高斯波的交点为(18,40),第5个高斯波与第6个高斯波的交点为(22,36),第6个高斯波与第7个高斯波的交点为(26,38),第7个高斯波与第8个高斯波的交点为(30,36),第8个高斯波与第9个高斯波的交点为(34,28)。同理得出剩下3个正常周期段脉搏波拟合的高斯函数的参数以及用于拟两两相邻高斯波的交点;
F、当m=2时,对于第1个正常周期段脉搏波,根据高斯函数表达式,已知再结合第k个高斯波与第k+1个高斯波的交点(xk,yk)、ak、ck,求出bk=(xk-ck)2/(ln ak-ln yk),得出b1=9.48、b2=5.47、b3=4.85、b4=4.68、b5=5.55、b6=6.13、b7=5.35、b8=4.75、b9=4.02,这样得到了m=2时第1个正常周期段脉搏波的高斯函数表达式:
G、当m=2时,根据实施例1中m=1时的步骤G中的方法求得第一个正常周期段脉搏波的特征点为:b=2、c=133、d=121、e=101、f=71、g=74;
H、依次求出每个正常周期段脉搏波的6个特征点,当m=2时同样方法求得第1个正常周期段脉搏波的特征点为:b=2、c=133、d=121、e=101、f=71、g=74,第2个正常周期段脉搏波特征点:b=3、c=123、d=93、e=82、f=68、g=60,第3个正常周期段脉搏波特征点:b=4、c=125、d=105、e=99、f=67、g=61,第4个正常周期段脉搏波特征点:b=2、c=129、d=110、e=95、f=71、g=73,当m=2时求出所有正常周期段脉搏波特征点的平均值:
目前,由非创伤性测量获得的脉搏波主要由主波峰、重搏波及重搏前波组成。在对这种脉搏波拟合时用于拟合的波形最佳的选择就是钟形波,在钟形波中高斯波使用最为广泛,拟合效果也最佳,对脉搏波特征点的提取也更准确。本实施例使用n=9个高斯波对动态脉搏波进行拟合特征点提取,n的取值越大用于拟合的高斯波的个数越多,高斯波的峰值可以量化更多的脉搏波上的点,因此对脉搏波细节特征的量化更准确,对脉搏波整体拟合效果更细致,进而对脉搏波特征点的提取也就越准确。
上面结合附图对本发明的具体实施例作了详细说明,但是本发明并不限于上述实施例,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (2)
1.一种基于动态脉搏波特征参数的病理信息提取方法,其特征在于:首先寻找脉搏波的起止点;求出脉搏波起止点的置信区间;根据起止点的置信区间判断脉搏波是否为正常脉搏波,从而选出正常的脉搏波;再算出用于拟合第i个正常周期段脉搏波的高斯函数的个数;求出对第i个正常周期段脉搏波拟合的高斯函数的参数ak、ck;再求出参数bk及第i个正常周期段脉搏波的高斯函数表达式;然后求出第i个正常周期段脉搏波6个特征点;再依次求出每个正常周期段脉搏波的6个特征点,然后再求出所有正常周期段脉搏波的特征点的平均值来作为病例信息分析的依据。
2.根据权利要求1所述的基于动态脉搏波特征参数的病理信息提取方法,其特征在于:所述方法的具体步骤如下:
A、在动态脉搏波数据yj中,选取动态脉搏波数据yj中第i个脉搏波的起点Oi、终点Oi+1,若yj<5,则Oi=yj,Oi+1=yj+1,其中j=1,2,3…,;
B、根据动态脉搏波数据yj中第i个脉搏波所选取的起点Oi、终点Oi+1,把动态脉搏波数据yj划分周期,第i个脉搏波划分的周期长度为Ti,Ti满足n1<Ti<n2,n1,n2满足P(n1<Ti<n2)=1-α,那么在置信度为α下,Ti的置信下限Ti的置信上限 Ti的置信区间为 从而求出Ti的置信下限n1,置信上限n2;
其中Ti为每个脉搏波起点与终点之间数据个数,Ti∈N,T为脉搏波平均周期长度,n1<n2,n1∈N,n2∈N,n1<n2,区间(n1,n2)为Ti的置信度为1-α的置信区间,n1,n2分别为上、下置信限,α为置信水平,α=0.05,S为样本标准差, M为第i个周期脉搏波数据样本数量;
C、根据求出的Ti的置信下限n1,置信上限n2的值来判断脉搏波是否为正常脉搏波,从而选出正常的脉搏波:
如果n1<Ti<n2,则n1<Ti<n2的脉搏波周期段认为是正常脉搏波,选出n1<Ti<n2周期段的脉搏波;
如果Ti≤n1或Ti≥n2,则Ti≤n1或Ti≥n2的脉搏波周期段不参与特征点提取,删除Ti≤n1或Ti≥n2周期段的脉搏波;
D、在选出的正常周期段脉搏波中,把第i个正常周期段脉搏波数据起点Oi的横坐标到最大值Maxi的横坐标m等分,等分后每份长度为l,然后算出用于拟合第i个正常周期段脉搏波的高斯函数的个数n;
当第i个周期脉搏波数据长度Ti能被l整除时,那么n=Ti/l;
当第i个周期脉搏波数据长度Ti不能被l整除时,取n=[Ti/l]-1;
其中Maxi为i个正常周期段脉搏波数据最大值,m=1,2,3…,n为用于拟合第i个正常周期段脉搏波的高斯函数的个数;
E、求出对第i个正常周期段脉搏波拟合的高斯函数的参数ak、ck;对第i个正常周期段脉搏波用高斯波拟合,用于拟合的第k+1个高斯波的起点横坐标限制为第k个高斯波最大值的横坐标,第k个高斯波的终点的横坐标为第k+1个高斯波最大值所对应的横坐标,每个用于拟合的高斯波的起点和终点的纵坐标均为零,再将第k个高斯波与第k+1个高斯波的交点(xk,yk)的横坐标限制到第k个高斯波的终点的横坐标与第k+1高斯波起点的横坐标之间的中点处,根据拟合好的高斯波可以得出拟合的第k个高斯波最大值的横坐标Maxk、第k个高斯波起点的横坐标与第k个高斯波最大值的横坐标之间的距离ck;根据第k个高斯波最大值的横坐标Maxk再结合正常周期段脉搏波采集到的数据可以得到第k个高斯波最大值的横坐标Maxk所对应的纵坐标ak;
F、根据高斯函数表达式再结合第k个高斯波与第k+1个高斯波的交点(xk,yk)、ak、ck,求出bk=(xk-ck)2/(ln ak-ln yk);当采用n个高斯函数拟合第i个正常周期段脉搏波时,根据高斯函数表达式中的参数ak、bk、ck,进而确定出高斯函数的表达式 及第i个正常周期段脉搏波的高斯函数表达式
其中,ak、bk、ck代表的物理意义分别是高斯函数的峰高、半宽度信息和峰位置;
G、根据确定的第i个正常周期段脉搏波的高斯函数表达式求取第i个正常周期段脉搏波的6个特征点:b、c、d、e、f、g;由步骤A可知b=Oi,由步骤D可知c=Maxi;
在第i个正常周期段脉搏波的区间(x1,x2)内,求取f(x)的极大值fmax1(x)和极小值fmin1(x);
若f(x)在区间(x1,x2)内存在极大值、极小值,那么d=fmax1(x),e=fmin1(x);
若f(x)在区间(x1,x2)内不存在极值点,则求在此区间范围内高斯函数f(x)的曲率k的最大值kmax1和最小值kmin1,其中d=kmax1,e=kmin1;
在第i个正常周期段脉搏波的区间(x3,x4)内,求取f(x)的极大值fmax2(x)和极小值fmin2(x);
若f(x)在区间(x3,x4)内存在极大值、极小值,那么f=fmax2(x),g=fmin2(x);
若f(x)在区间(x3,x4)内不存在极值点,则求在此区间范围内高斯函数f(x)的曲率k的最大值kmax2和最小值kmin2,其中d=kmax2,e=kmin2;
其中,b、c、d、e、f、g分别代表主动脉脉瓣开放点即第i个正常周期段脉搏波的起点、收缩期最高压力点即第i个正常周期段脉搏波的最大值点、主动脉扩张降压点、左心室舒张期开始点、反潮波起点、反潮波最高压力点;
H、依次求出每个正常周期段脉搏波的6个特征点,然后再求出所有正常周期段脉搏波的特征点的平均值作为病例信息分析的依据,所有正常周期段脉搏波的特征点的平均值分别为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410334183.0A CN104127173B (zh) | 2014-07-14 | 2014-07-14 | 一种基于动态脉搏波特征参数的病理信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410334183.0A CN104127173B (zh) | 2014-07-14 | 2014-07-14 | 一种基于动态脉搏波特征参数的病理信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104127173A true CN104127173A (zh) | 2014-11-05 |
CN104127173B CN104127173B (zh) | 2016-06-08 |
Family
ID=51800216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410334183.0A Expired - Fee Related CN104127173B (zh) | 2014-07-14 | 2014-07-14 | 一种基于动态脉搏波特征参数的病理信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104127173B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018010107A1 (zh) * | 2016-07-13 | 2018-01-18 | 悦享趋势科技(北京)有限责任公司 | 判断脉搏波是否有效的方法及装置 |
CN109883403A (zh) * | 2019-03-14 | 2019-06-14 | 哈尔滨工程大学 | 一种基于纵横倾角测量野值修正的波浪浮标主波向计算方法 |
CN113229787A (zh) * | 2021-03-22 | 2021-08-10 | 安庆师范大学 | 基于脉搏信号形状特征的血管年龄估算及有效性评价方法 |
CN114259206A (zh) * | 2021-12-02 | 2022-04-01 | 萤雪科技(佛山)有限公司 | 脉搏波拟合方法、系统、计算机设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090143688A1 (en) * | 2007-12-03 | 2009-06-04 | Junichi Rekimoto | Information processing apparatus, information processing method and program |
WO2010024418A1 (ja) * | 2008-09-01 | 2010-03-04 | 学校法人同志社 | 動脈硬化評価装置 |
CN103027667A (zh) * | 2011-09-30 | 2013-04-10 | Ge医疗系统环球技术有限公司 | 脉搏波的特征参数提取 |
CN103054564A (zh) * | 2013-01-29 | 2013-04-24 | 东北大学 | 一种基于fpga的脉搏波信号发生器及方法 |
CN103169456A (zh) * | 2013-03-29 | 2013-06-26 | 深圳职业技术学院 | 一种脉搏波信号的处理方法及处理系统 |
-
2014
- 2014-07-14 CN CN201410334183.0A patent/CN104127173B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090143688A1 (en) * | 2007-12-03 | 2009-06-04 | Junichi Rekimoto | Information processing apparatus, information processing method and program |
WO2010024418A1 (ja) * | 2008-09-01 | 2010-03-04 | 学校法人同志社 | 動脈硬化評価装置 |
CN103027667A (zh) * | 2011-09-30 | 2013-04-10 | Ge医疗系统环球技术有限公司 | 脉搏波的特征参数提取 |
CN103054564A (zh) * | 2013-01-29 | 2013-04-24 | 东北大学 | 一种基于fpga的脉搏波信号发生器及方法 |
CN103169456A (zh) * | 2013-03-29 | 2013-06-26 | 深圳职业技术学院 | 一种脉搏波信号的处理方法及处理系统 |
Non-Patent Citations (1)
Title |
---|
李强: "基于脉搏特征的智能生理信息提取与监测技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018010107A1 (zh) * | 2016-07-13 | 2018-01-18 | 悦享趋势科技(北京)有限责任公司 | 判断脉搏波是否有效的方法及装置 |
CN109883403A (zh) * | 2019-03-14 | 2019-06-14 | 哈尔滨工程大学 | 一种基于纵横倾角测量野值修正的波浪浮标主波向计算方法 |
CN109883403B (zh) * | 2019-03-14 | 2020-12-22 | 哈尔滨工程大学 | 一种基于纵横倾角测量野值修正的波浪浮标主波向计算方法 |
CN113229787A (zh) * | 2021-03-22 | 2021-08-10 | 安庆师范大学 | 基于脉搏信号形状特征的血管年龄估算及有效性评价方法 |
CN114259206A (zh) * | 2021-12-02 | 2022-04-01 | 萤雪科技(佛山)有限公司 | 脉搏波拟合方法、系统、计算机设备及可读存储介质 |
CN114259206B (zh) * | 2021-12-02 | 2024-03-29 | 萤雪科技(佛山)有限公司 | 脉搏波拟合方法、系统、计算机设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104127173B (zh) | 2016-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gaurav et al. | Cuff-less PPG based continuous blood pressure monitoring—A smartphone based approach | |
CN104615248B (zh) | 确定输入信息的方法和设备 | |
CN101732050B (zh) | 一种基于光电容积波的呼吸率监测方法 | |
CN103989462B (zh) | 一种脉搏波形第一特征点和第二特征点的提取方法 | |
CA3035795A1 (en) | Methods and systems for labeling sleep states | |
CN104127173A (zh) | 一种基于动态脉搏波特征参数的病理信息提取方法 | |
CN108056773A (zh) | 基于改进变分模态分解的心电信号qrs波群检测算法 | |
CN102247129B (zh) | 脉搏波非典型波峰波谷的识别方法 | |
CN104203089B (zh) | 搏动检测装置以及电子设备 | |
CN109276241A (zh) | 一种压力识别方法及设备 | |
CN104757955A (zh) | 一种基于脉搏波的人体血压预测方法 | |
AU2013217991A1 (en) | Method for determining the physical and/or psychological state of a subject | |
CN105496356A (zh) | 睡眠状态判定装置、睡眠状态判定方法及睡眠管理系统 | |
CN102631198A (zh) | 一种基于差值提取的动态光谱数据处理方法 | |
CN104188637B (zh) | 一种基于波形匹配法的主动脉脉搏波传导时间获取方法 | |
CN103400069B (zh) | 一种基于功率谱分析的脉搏波身份识别装置及方法 | |
CN109833034A (zh) | 一种脉搏波信号中提取血压数据的方法及装置 | |
CN104644151B (zh) | 一种基于光电容积脉搏信号的压力脉搏波波形传播预测方法 | |
CN106691402A (zh) | 一种基于脉搏特征的疲劳程度分析方法和装置 | |
CN109872820A (zh) | 一种无袖带血压测量方法、装置、设备及存储介质 | |
CN109034015B (zh) | Fsk-ssvep的解调系统及解调算法 | |
CN105654046B (zh) | 心电信号身份识别方法及装置 | |
CN104731322A (zh) | 确定输入信息的方法和设备 | |
CN101940476A (zh) | 一种血氧饱和度检测方法及系统 | |
CN102334986B (zh) | 动脉压信号中重搏切迹点识别方法 |
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 |
Granted publication date: 20160608 Termination date: 20210714 |
|
CF01 | Termination of patent right due to non-payment of annual fee |