CN104622478A - 血氧仪抖动判定方法和智能抗抖动血氧测量设备 - Google Patents

Abstract

本申请涉及一种血氧仪抖动判定方法和智能抗抖动血氧测量设备，该血氧仪抖动判定方法包括以下步骤：检测步骤，通过血氧仪向生物体组织发射光来检测生物体组织的脉搏波信号；以及判定步骤，通过对所述脉搏波信号进行噪声分析来判定所述脉搏波信号中是否具有抖动。本申请可以智能地辨别出血氧仪是否抖动，并据此使用正常测量算法或者抗抖动测量算法，从而有效降低非抖动状态下的系统功耗。

Description

血氧仪抖动判定方法和智能抗抖动血氧测量设备

技术领域

本发明涉及血氧测量领域，更具体地涉及一种血氧仪抖动判定方法和智能抗抖动血氧测量设备。

背景技术

目前通过光学方法实现无创检测血氧饱和度及心率的技术在医疗领域中被广泛使用。随着技术的不断进步与发展，这种血氧检测设备也在不断小型化，便携式血氧仪正得到越来越广泛的应用，便携式血氧仪能适应的状况也更多。例如为适应抖动状况下的正确测量，通常需要采用抗抖动算法来实现信号去噪。目前抗抖动算法主要有自适应滤波去噪、小波变换去噪、通过重力传感器（G-sensor）与脉搏波信号的同步相关滤波去噪等方法。上述去噪算法通常运算比较复杂，便携式血氧仪需要具有强大的算法处理器才能使用这些去噪算法，这对于整体仪器的功耗来说是一个巨大的挑战。因此如何降低系统的功耗是一个亟须解决的问题。

发明内容

鉴于上述问题，本发明的一个目的是提供一种血氧仪抖动判定方法以及智能抗抖动血氧测量设备，其能智能辨别出血氧仪是否具有抖动，从而在血氧仪具有抖动时使用抗抖动测量算法，而在血氧仪不具有抖动时使用正常测量算法，从而能够有效降低非抖动状态下的系统功耗。

为了实现上述目的，本发明提供一种血氧仪抖动判定方法，所述方法包括以下步骤：检测步骤，通过血氧仪向生物体组织发射光来检测生物体组织的脉搏波信号；以及判定步骤，通过对所述脉搏波信号进行噪声分析来判定所述脉搏波信号中是否具有抖动。

上述对所述脉搏波信号进行噪声分析的步骤可以包括以下步骤：对所检测的脉搏波信号进行归一化；以及计算归一化后的脉搏波信号在一时间段内的平均梯度；其中，若计算的平均梯度在特定时段内的变化大于等于一阈值，则判定具有抖动，若计算的平均梯度在特定时段内的变化小于该阈值，则判定没有抖动。

所述平均梯度可以利用如下公式来计算：

$\stackrel{\‾}{\mathrm{\ΔX}}=\frac{\underset{i=1}{\overset{M-1}{\mathrm{\Σ}}}|X_{i+1}-X_i|}{M-1}$

其中，M为所采样的脉搏波数据点的数目，X_i为第i个脉搏波数据点的值，i为大于零小于M的整数。

上述对所述脉搏波信号进行噪声分析的步骤可以包括以下步骤：根据所检测的脉搏波信号计算特定时间内的血氧浓度的变化；其中，若该变化大于等于一阈值，则判定具有抖动，若该变化小于该阈值，则判定没有抖动。

上述计算特定时间内的血氧浓度的变化可以包括根据如下公式计算K值：

$K=\frac{\ln \left(\frac{I_{R1}}{F_R{I}_{R0}}\right)}{\ln \left(\frac{I_{\mathrm{IR}1}}{F_{\mathrm{IR}}{I}_{\mathrm{IR}0}}\right)}=\frac{{{\mathrm{\μ}}^R}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\μ}}^R}_{\mathrm{HbO}2}{C}_{\mathrm{HbO}2}}{{{\mathrm{\μ}}^{\mathrm{IR}}}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\μ}}^{\mathrm{IR}}}_{\mathrm{HbO}2}{C}_{\mathrm{HbO}2}}$

其中，若该K值大于等于该阈值，则判定具有抖动，若该K值小于该阈值，则判定没有抖动，其中，μ^R _Hb与分别为Hb和HbO₂对红光的吸收系数，μ^IR _Hb与分别为Hb和HbO₂对红外光的吸收系数，C_Hb和分别为Hb浓度和HbO₂浓度，I_R0和I_IR0分别为红光和红外光的入射光强，I_R1和I_IR1分别为红光和红外光的透射光强，F_R和F_IR是动脉血液组织以外其它组织对红光和红外光的吸光率。

本发明还提供一种血氧仪抖动判定方法，所述方法包括：通过重力传感器感测血氧仪的加速度变化，当该加速度变化超过一阈值时，则判定具有抖动，当该加速度变化没有超过该阈值时，则判定没有抖动。

本发明还提供一种血氧仪抖动判定方法，所述方法包括：检测是否接收到抖动指令，若接收到抖动指令，则判定具有抖动，若没有接收到抖动指令时，则判定没有抖动。

该抖动指令可以通过人机交互接口被输入血氧仪。

该抖动指令可以在检测到血氧仪的外接探头被连接时触发。

本发明还提供一种智能抗抖动血氧测量设备，包括：判定处理部件，通过对脉搏波信号进行噪声分析来判定所述脉搏波信号中是否具有抖动，若没有抖动，则使用非抗抖动算法对脉搏波信号进行处理，若具有抖动，则使用抗抖动算法对脉搏波信号进行处理，其中所述脉搏波信号是通过检测器向生物体组织发射光而检测到的；以及计算部件，根据所述非抗抖动算法或者所述抗抖动算法处理后的脉搏波信号计算出血氧饱和度。

本发明还提供一种智能抗抖动血氧测量设备，包括：判定处理部件，被配置为通过重力传感器感测血氧仪的加速度变化，其中，当该加速度变化超过一阈值时，判定具有抖动，当该加速度变化没有超过该阈值时，则判定没有抖动；以及计算部件，在所述判定处理部件判定没有抖动时，使用非抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度；在所述判定处理部件判定具有抖动时，使用抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度。

本发明还提供一种智能抗抖动血氧测量设备，包括：判定处理部件，被配置为检测是否接收到抖动指令，其中，若接收到抖动指令，则判定具有抖动，若没有接收到抖动指令时，则判定没有抖动；以及计算部件，在所述判定处理部件判定没有抖动时，使用非抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度；在所述判定处理部件判定具有抖动时，使用抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度。

本发明具有但不限于如下有益技术效果：通过智能判定出血氧仪是否具有抖动，从而在血氧仪具有抖动时使用抗抖动测量算法，而在血氧仪不具有抖动时使用正常测量算法，从而能够有效降低非抖动状态下的系统功耗。

附图说明

图1示出了根据本申请实施例1的血氧仪抖动判定方法的流程图；

图2示出了根据本申请实施例2的血氧仪抖动判定方法的流程图；

图3示出了根据本申请实施例3的血氧仪抖动判定方法的流程图；

图4示出了根据本申请实施例4的血氧仪抖动判定方法的流程图；

图5示出了根据本申请实施例7的智能抗抖动血氧测量方法的流程图；

图6示出了根据本申请实施例8的智能抗抖动血氧测量方法的流程图；

图7示出了根据本申请实施例9的智能抗抖动血氧测量方法的流程图；

图8示出了根据本申请实施例10的智能抗抖动血氧测量设备的结构图；

图9示出了根据本申请实施例11的智能抗抖动血氧测量设备的结构图；以及

图10示出了根据本申请实施例12的智能抗抖动血氧测量设备的结构图。

具体实施方式

下面将详细描述本申请的实施例。应当注意，这里描述的实施例仅用于举例说明，并不用于限制本申请的范围。

实施例1

以下将参考图1描述根据实施例1的一种血氧仪抖动判定方法。

通常，当用户使用血氧仪时，血氧仪会先利用其检测器向用户的生物体组织发射光来检测生物体组织的脉搏波信号，然后利用检测到的脉搏波信号来生成用户的血氧饱和度和/或心率。如果用户在使用血氧仪时由于运动等其它原因导致血氧仪发生抖动，则会使检测到的脉搏波信号与理想信号有所差别，进而导致由此计算出的血氧浓度有偏差。因而，通过对所检测的脉搏波信号进行噪声分析可以判定脉搏波信号中是否有抖动，进而判定血氧仪是否有抖动。

如图1所示，本实施例的血氧仪抖动判定方法包括以下步骤：

S100：检测步骤，通过血氧仪向生物体组织发射光来检测生物体组织的脉搏波信号；以及

S101：判定步骤，通过对所述脉搏波信号进行噪声分析来判定所述脉搏波信号中是否具有抖动。

实施例2

以下将参考图2描述根据实施例2的一种血氧仪抖动判定方法。

理想的脉搏波信号具有良好的周期性，当脉搏波信号中混有抖动信号或者强干扰信号时，脉搏波信号的周期性就会被扰乱，这种情况即为本文中所声称的血氧仪具有抖动的情况。因而，通过判断信号的周期性是否被扰乱，就可以判断出是否具有抖动信号或者强干扰信号，进而判定血氧仪是否具有抖动。

而且，对于实际人体，一般在短时间（例如3秒）内由于心率变化幅度相对较小，因而其脉搏波数据点的平均梯度变化较小；如果在短时间内脉搏波数据点的平均梯度变化较大，则表明脉搏波信号中可能已经混有抖动信号或者强干扰信号。因而，在本实施例中，可以根据归一化后的脉搏波时域信号的平均梯度在特定时段内的变化来判断是否血氧仪具有抖动。

具体地说，参考图2，根据本实施例的血氧仪抖动判定方法包括以下步骤：

S200：检测步骤，通过血氧仪向生物体组织发射光来检测生物体组织的脉搏波信号；

S201：对所检测的脉搏波信号进行归一化；

S202：计算归一化后的脉搏波信号在一时间段内的平均梯度；以及

S203：判断计算的平均梯度在特定时段内的变化是否大于等于一阈值；若在步骤S203中判断出计算的平均梯度在特定时段内的变化大于等于一阈值，则流程进行到步骤S204，即，判定具有抖动；若在步骤S203中判断出计算的平均梯度在特定时段内的变化小于该阈值，则处理进行到步骤S205，即，判定没有抖动。

在一示例中，上述获得平均梯度在特定时段内的变化可以通过以下方式进行。

首先，将通过对生物体组织透射光后得到的脉搏波时域信号进行高频去噪处理（例如，低通或带通滤波）和基线漂移处理，然后将上述经高频去噪和基线漂移处理后的脉搏波时域信号归一化在一个范围[N1,N2]之内。上述高频去噪处理可以消除脉搏波时域波形中的高频噪声，即消除脉搏波时域波形中的毛刺；而基线漂移处理可以消除脉搏波时域信号的直流波动。

然后，从采样点中任意选取M个脉搏波数据点（M的取值至少应大于脉搏波周期数据点数），这M个数据点的值为X_i(0<i＜M)，并依次计算每两个相邻的数据点之间的梯度|X_i+1-X_i|，从而可以利用如下公式（1）计算这M个脉搏波数据点的平均梯度如下：

$\stackrel{\&OverBar;}{\mathrm{\&Delta;X}}=\frac{\underset{i=1}{\overset{M-1}{\mathrm{\&Sigma;}}}|X_{i+1}-X_i|}{M-1}---\left(1\right)$

实施例3

以下将参考图3描述根据实施例3的一种血氧仪抖动判定方法。

与上述实施例2中所述心率变化幅度在短时间内较小类似，对于实际人体，在短时间（例如3秒）内血氧浓度不会大幅变化，通过该前提就能简单判断是否具有抖动信号或者强干扰信号。即，通过检测血氧浓度的变化可以判断是否具有抖动信号或者强干扰信号，进而判定血氧仪是否有抖动。

具体地说，参考图3，根据本实施例的血氧仪抖动判定方法包括以下步骤：

S300：检测步骤，通过血氧仪向生物体组织发射光来检测生物体组织的脉搏波信号；

S301：根据所检测的脉搏波信号计算特定时间内的血氧浓度的变化；

S302：判断步骤S301中计算的特定时间内的血氧浓度的变化是否大于等于一阈值，若该变化大于等于该阈值，则流程进入步骤S303，即，判定具有抖动，若该变化小于该阈值，则流程进入步骤S304，即，判定没有抖动。

在一示例中，上述特定时间内的血氧浓度的变化可以通过如下方式进行计算。

具体地，在血氧仪中，当透光区域动脉血管搏动时，动脉血液对光的吸收量将随之变化，由于皮肤、骨骼、肌肉等其他组织对光的吸收可认为恒定不变，且如果忽略反射、散射等因素造成的光的衰减，依据比尔-朗伯定律，则可以得到如下公式（2）：

$\left\{\begin{array}{c}{I}_{R1}=F_R{I}_{R0}\exp (-({{\mathrm{\&mu;}}^R}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\&mu;}}^R}_{\mathrm{Hb}{O}_2}{C}_{{\mathrm{HbO}}_2})d)\\ I_{\mathrm{IR}1}=F_{\mathrm{IR}}{I}_{\mathrm{IR}0}\exp (-({{\mathrm{\&mu;}}^{\mathrm{IR}}}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\&mu;}}^{\mathrm{IR}}}_{{\mathrm{HbO}}_2}{C}_{{\mathrm{HbO}}_2})d)\end{array}\right.---\left(2\right)$

其中μ^R _Hb与分别为Hb和HbO₂对红光的吸收系数，μ^IR _Hb与分别为Hb和HbO₂对红外光的吸收系数，C_Hb和分别为Hb浓度和HbO₂浓度，I_R0和I_IR0分别为红光和红外光入射光强，I_R1和I_IR1分别为红光和红外光透射光强，F_R和F_IR是动脉血液组织以外其它组织对红光和红外光的吸光率，d为光程。在某一时间点上，在双波长血氧仪中两路光穿过血管的光程相等，并假设血液中Hb和HbO₂对光强信号波动占主导成分。经过变换得到如下公式（3）：

$K=\frac{\ln \left(\frac{I_{R1}}{F_R{I}_{R0}}\right)}{\ln \left(\frac{I_{\mathrm{IR}1}}{F_{\mathrm{IR}}{I}_{\mathrm{IR}0}}\right)}=\frac{{{\mathrm{\&mu;}}^R}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\&mu;}}^R}_{\mathrm{HbO}2}{C}_{\mathrm{HbO}2}}{{{\mathrm{\&mu;}}^{\mathrm{IR}}}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\&mu;}}^{\mathrm{IR}}}_{\mathrm{HbO}2}{C}_{\mathrm{HbO}2}}---\left(3\right)$

可见当C_Hb和基本不变时，K值应该变化很小。如果在短时间（譬如3秒）之内K值变化较大，则脉搏波信号中可能已经混有抖动信号或强干扰信号。

实施例4

以下将参考图4描述根据实施例4的一种血氧仪抖动判定方法。

在本实施例中，将通过使用重力传感器来判断血氧仪是否具有抖动。重力传感器能够感知到加速度的变化，在血氧仪上附带一个重力传感器，这样当血氧仪处于抖动状况时，血氧仪的移动变化就会被重力传感器所感知。当移动变化超过一定的阈值时，则可以判定血氧仪具有抖动。

具体地说，参考图4，根据本实施例的血氧仪抖动判定方法包括以下步骤：

S400：通过重力传感器感测血氧仪的加速度变化；以及

S401：判断该加速度变化是否超过一阈值，如果该加速度变化是否超过该阈值，则判定血氧仪具有抖动，如果该加速度变化没有超过该阈值，则判定血氧仪没有抖动。

实施例5

在实际使用中，用户可能事先就知道血氧仪的测量将会出现抖动状况或者强干扰状况，例如当被测者为幼儿时，血氧仪不可避免地随幼儿的运动移动，或者当附近有强干扰信号血氧仪的测量将不可避免地被影响。在这种情况下，用户可以通过按键、触摸屏等人机交互方式直接向血氧仪发出指令，直接判定血氧仪具有抖动。

实施例6

指夹式血氧仪有内接探头和外接探头两种方式。对于指夹式血氧仪，当系统探测到外接探头被连接上时，就可以直接默认判定血氧仪具有抖动。

实施例7

本实施例是在上述实施例1-3判定血氧仪是否具有抖动的基础上进一步测量血氧饱和度（简称为血氧）的方法。

具体地说，本实施例先判定血氧仪是否具有抖动，然后血氧仪可以基于判定结果在正常测量算法与抗抖动测量算法中切换，即，在血氧仪被判定具有抖动时，使用抗抖动测量算法进行计算，而在当血氧仪被判定不具有抖动时，使用正常测量算法进行计算，这样可以有效降低非抖动状态时的系统功耗。

以下将参考图5描述根据本实施例的智能抗抖动血氧测量方法。如图5所示，该方法包括：

S500：对脉搏波信号进行噪声分析来判定所述脉搏波信号中是否具有抖动，若没有抖动，则使用正常抖动算法（即，非抗抖动算法）对脉搏波信号进行处理，若具有抖动，则使用抗抖动算法对脉搏波信号进行处理，其中所述脉搏波信号是通过检测器向生物体组织发射光而检测到的；以及

S501：根据所述非抗抖动算法或者所述抗抖动算法处理后的脉搏波信号计算出血氧饱和度。

在一示例中，上述S500可以包括：

对所检测的脉搏波信号进行归一化；以及

计算归一化后的脉搏波信号在一时间段内的平均梯度；其中，若计算的平均梯度在特定时段内的变化大于等于一阈值，则判定具有抖动，若计算的平均梯度在特定时段内的变化小于该阈值，则判定没有抖动。

上述平均梯度可以利用如下公式来计算：

$\stackrel{\&OverBar;}{\mathrm{\&Delta;X}}=\frac{\underset{i=1}{\overset{M-1}{\mathrm{\&Sigma;}}}|X_{i+1}-X_i|}{M-1}$

其中，M为所采样的脉搏波数据点的数目，X_i为第i个脉搏波数据点的值，i为大于零小于M的整数。

在另一示例中，上述S500可以包括：根据所检测的脉搏波信号计算特定时间内的血氧浓度的变化；其中，若该变化大于等于一阈值，则判定具有抖动，若该变化小于该阈值，则判定没有抖动。

上述变化可以由K值来表示，该K值可以根据如下公式而计算出：

$K=\frac{\ln \left(\frac{I_{R1}}{F_R{I}_{R0}}\right)}{\ln \left(\frac{I_{\mathrm{IR}1}}{F_{\mathrm{IR}}{I}_{\mathrm{IR}0}}\right)}=\frac{{{\mathrm{\&mu;}}^R}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\&mu;}}^R}_{\mathrm{HbO}2}{C}_{\mathrm{HbO}2}}{{{\mathrm{\&mu;}}^{\mathrm{IR}}}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\&mu;}}^{\mathrm{IR}}}_{\mathrm{HbO}2}{C}_{\mathrm{HbO}2}}$

其中，μ^R _Hb与分别为Hb和HbO₂对红光的吸收系数，μ^IR _Hb与分别为Hb和HbO₂对红外光的吸收系数，C_Hb和分别为Hb浓度和HbO₂浓度，I_R0和I_IR0分别为红光和红外光的入射光强，I_R1和I_IR1分别为红光和红外光的透射光强，F_R和F_IR是动脉血液组织以外其它组织对红光和红外光的吸光率，

其中，若该K值大于等于该阈值，则判定具有抖动，若该K值小于该阈值，则判定没有抖动。

实施例8

本实施例是在上述实施例4判定是否具有抖动的基础上进一步测量血氧的方法。

具体地说，本实施例先判定血氧仪是否具有抖动，然后血氧仪可以基于判定结果在正常测量算法与抗抖动测量算法中切换，即，在血氧仪被判定具有抖动时，使用抗抖动测量算法进行计算，而在当血氧仪被判定不具有抖动时，使用正常测量算法进行计算，这样可以有效降低非抖动状态时的系统功耗。

以下将参考图6描述根据本实施例的智能抗抖动血氧测量方法。如图6所示，该方法包括：

S600：通过重力传感器感测血氧仪的加速度变化，当该加速度变化超过一阈值时，判定具有抖动，当该加速度变化没有超过该阈值时，则判定没有抖动；以及

S601：在S600中判定没有抖动时，使用非抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度；在S600判定具有抖动时，使用抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度。

实施例9

本实施例是在上述实施例5-6判定是否具有抖动的基础上进一步测量血氧的方法。

具体地说，本实施例先判定血氧仪是否具有抖动，然后血氧仪可以基于判定结果在正常测量算法与抗抖动测量算法中切换，即，在血氧仪被判定具有抖动时，使用抗抖动测量算法进行计算，而在当血氧仪被判定不具有抖动时，使用正常测量算法进行计算，这样可以有效降低非抖动状态时的系统功耗。

以下将参考图7描述根据本实施例的智能抗抖动血氧测量方法。如图7所示，该方法包括：

S700：检测是否接收到抖动指令，其中，若接收到抖动指令，则判定具有抖动，若没有接收到抖动指令时，则判定没有抖动；以及

S701：在S700中判定没有抖动时，使用非抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度；在S700中判定具有抖动时，使用抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度。

上述抖动指令可以通过人机交互接口被输入血氧仪，或者上述抖动指令也可以在检测到血氧仪的外接探头被连接时触发。

实施例10

本实施例是对应于实施例7中的智能抗抖动血氧测量方法的智能抗抖动血氧测量设备。在通过实施例7的方法判定出不具有抖动时，表示该血氧测量设备处于非抖动使用情况或非强噪声干扰情况，此时利用正常的算法（而非抗抖动算法）就可以对非抖动脉搏波信号进行较好的处理和计算，这种正常算法的特点是功耗较低、测试显示结果较快，可以适用于大部分的使用者。如果通过实施例7的方法判定出具有抖动时，则使用抗抖动算法，该算法可以对抖动信号或腔噪声干扰信号进行较好的处理和计算，抗干扰能力强，能在抖动信号情况下进行测试。

以下将参考图8描述智能抗抖动血氧测量设备的结构，该设备包括：第一判定处理部件10，通过对脉搏波信号进行噪声分析来判定所述脉搏波信号中是否具有抖动，若没有抖动，则使用非抗抖动算法对脉搏波信号进行处理，若具有抖动，则使用抗抖动算法对脉搏波信号进行处理，其中所述脉搏波信号是通过检测器向生物体组织发射光而检测到的；以及第一计算部件11，根据所述非抗抖动算法或者所述抗抖动算法处理后的脉搏波信号计算出血氧饱和度。

该第一判定处理部件10可以进一步被配置为对所检测的脉搏波信号进行归一化，并计算归一化后的脉搏波信号在一时间段内的平均梯度；其中，若计算的平均梯度在特定时段内的变化大于等于一阈值，则判定具有抖动，若计算的平均梯度在特定时段内的变化小于该阈值，则判定没有抖动。

上述平均梯度可以利用如下公式来计算：

$\stackrel{\&OverBar;}{\mathrm{\&Delta;X}}=\frac{\underset{i=1}{\overset{M-1}{\mathrm{\&Sigma;}}}|X_{i+1}-X_i|}{M-1}$

其中，M为所采样的脉搏波数据点的数目，X_i为第i个脉搏波数据点的值，i为大于零小于M的整数。

该第一判定处理部件10可以进一步被配置为根据所检测的脉搏波信号计算特定时间内的血氧浓度的变化；其中，若该变化大于等于一阈值，则判定具有抖动，若该变化小于该阈值，则判定没有抖动。

该第一判定处理部件10可以进一步被配置为根据如下公式计算K值：

$K=\frac{\ln \left(\frac{I_{R1}}{F_R{I}_{R0}}\right)}{\ln \left(\frac{I_{\mathrm{IR}1}}{F_{\mathrm{IR}}{I}_{\mathrm{IR}0}}\right)}=\frac{{{\mathrm{\&mu;}}^R}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\&mu;}}^R}_{\mathrm{HbO}2}{C}_{\mathrm{HbO}2}}{{{\mathrm{\&mu;}}^{\mathrm{IR}}}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\&mu;}}^{\mathrm{IR}}}_{\mathrm{HbO}2}{C}_{\mathrm{HbO}2}}$

其中，μ^R _Hb与分别为Hb和HbO₂对红光的吸收系数，μ^IR _Hb与分别为Hb和HbO₂对红外光的吸收系数，C_Hb和分别为Hb浓度和HbO₂浓度，I_R0和I_IR0分别为红光和红外光的入射光强，I_R1和I_IR1分别为红光和红外光的透射光强，F_R和F_IR是动脉血液组织以外其它组织对红光和红外光的吸光率，

其中，若该K值大于等于该阈值，则判定具有抖动，若该K值小于该阈值，则判定没有抖动。

实施例11

本实施例是对应于实施例8中的智能抗抖动血氧测量方法的智能抗抖动血氧测量设备。在通过实施例8的方法判定出不具有抖动时，表示该血氧测量设备处于非抖动使用情况或非强噪声干扰情况，此时利用正常的算法（而非抗抖动算法）就可以对非抖动脉搏波信号进行较好的处理和计算，这种正常算法的特点是功耗较低、测试显示结果较快，可以适用于大部分的使用者。如果通过实施例7的方法判定出具有抖动时，则使用抗抖动算法，该算法可以对抖动信号或腔噪声干扰信号进行较好的处理和计算，抗干扰能力强，能在抖动信号情况下进行测试。

以下将参考图9描述智能抗抖动血氧测量设备的结构，该设备包括：第二判定处理部件20，被配置为通过重力传感器感测血氧仪的加速度变化，其中，当该加速度变化超过一阈值时，判定具有抖动，当该加速度变化没有超过该阈值时，则判定没有抖动；以及第二计算部件21，在所述判定处理部件判定没有抖动时，使用非抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度；在所述判定处理部件判定具有抖动时，使用抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度。

实施例12

本实施例是对应于实施例9中的智能抗抖动血氧测量方法的智能抗抖动血氧测量设备。在通过实施例9的方法判定出不具有抖动时，表示该血氧测量设备处于非抖动使用情况或非强噪声干扰情况，此时利用正常的算法（而非抗抖动算法）就可以对非抖动脉搏波信号进行较好的处理和计算，这种正常算法的特点是功耗较低、测试显示结果较快，可以适用于大部分的使用者。如果通过实施例7的方法判定出具有抖动时，则使用抗抖动算法，该算法可以对抖动信号或腔噪声干扰信号进行较好的处理和计算，抗干扰能力强，能在抖动信号情况下进行测试。

以下将参考图10描述智能抗抖动血氧测量设备的结构，该设备包括：第三判定处理部件30，被配置为检测是否接收到抖动指令，其中，若接收到抖动指令，则判定具有抖动，若没有接收到抖动指令时，则判定没有抖动；以及第三计算部件31，在所述判定处理部件判定没有抖动时，使用非抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度；在所述判定处理部件判定具有抖动时，使用抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度。

上述抖动指令可以通过人机交互接口被输入血氧仪，或者上述抖动指令可以在检测到血氧仪的外接探头被连接时触发。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (18)

1.一种血氧仪抖动判定方法，其特征在于，所述方法包括以下步骤：

检测步骤，通过血氧仪向生物体组织发射光来检测生物体组织的脉搏波信号；以及

判定步骤，通过对所述脉搏波信号进行噪声分析来判定所述脉搏波信号中是否具有抖动。

2.根据权利要求1所述的方法，其特征在于，对所述脉搏波信号进行噪声分析包括以下步骤：对所检测的脉搏波信号进行归一化；以及计算归一化后的脉搏波信号在一时间段内的平均梯度；其中，若计算的平均梯度在特定时段内的变化大于等于一阈值，则判定具有抖动，若计算的平均梯度在特定时段内的变化小于该阈值，则判定没有抖动。

3.根据权利要求2所述的方法，其特征在于，利用如下公式来计算所述平均梯度

$\stackrel{\&OverBar;}{\mathrm{\&Delta;X}}=\frac{\underset{i=1}{\overset{M-1}{\mathrm{\&Sigma;}}}|X_{i+1}-X_i|}{M-1}$

其中，M为所采样的脉搏波数据点的数目，X_i为第i个脉搏波数据点的值，i为大于零小于M的整数。

4.根据权利要求1所述的方法，其特征在于，对所述脉搏波信号进行噪声分析包括以下步骤：根据所检测的脉搏波信号计算特定时间内的血氧浓度的变化；其中，若该变化大于等于一阈值，则判定具有抖动，若该变化小于该阈值，则判定没有抖动。

5.根据权利要求4所述的方法，其特征在于，计算特定时间内的血氧浓度的变化包括根据如下公式计算K值：

$K=\frac{\ln \left(\frac{I_{R1}}{F_R{I}_{R0}}\right)}{\ln \left(\frac{I_{\mathrm{IR}1}}{F_{\mathrm{IR}}{I}_{\mathrm{IR}0}}\right)}=\frac{{{\mathrm{\&mu;}}^R}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\&mu;}}^R}_{\mathrm{HbO}2}{C}_{\mathrm{HbO}2}}{{{\mathrm{\&mu;}}^{\mathrm{IR}}}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\&mu;}}^{\mathrm{IR}}}_{\mathrm{HbO}2}{C}_{\mathrm{HbO}2}}$

其中，若该K值大于等于该阈值，则判定具有抖动，若该K值小于该阈值，则判定没有抖动，其中，μ^R _Hb与分别为Hb和HbO₂对红光的吸收系数，μ^IR _Hb与分别为Hb和HbO₂对红外光的吸收系数，C_Hb和分别为Hb浓度和HbO₂浓度，I_R0和I_IR0分别为红光和红外光的入射光强，I_R1和I_IR1分别为红光和红外光的透射光强，F_R和F_IR是动脉血液组织以外其它组织对红光和红外光的吸光率。

6.一种血氧仪抖动判定方法，其特征在于，所述方法包括：通过重力传感器感测血氧仪的加速度变化，当该加速度变化超过一阈值时，则判定具有抖动，当该加速度变化没有超过该阈值时，则判定没有抖动。

7.一种血氧仪抖动判定方法，其特征在于，所述方法包括：检测是否接收到抖动指令，若接收到抖动指令，则判定具有抖动，若没有接收到抖动指令时，则判定没有抖动。

8.根据权利要求7所述的方法，其特征在于，通过人机交互接口将该抖动指令输入血氧仪。

9.根据权利要求7所述的方法，其特征在于，在检测到血氧仪的外接探头被连接时触发该抖动指令。

10.一种智能抗抖动血氧测量设备，包括：

判定处理部件，通过对脉搏波信号进行噪声分析来判定所述脉搏波信号中是否具有抖动，若没有抖动，则使用非抗抖动算法对脉搏波信号进行处理，若具有抖动，则使用抗抖动算法对脉搏波信号进行处理，其中所述脉搏波信号是通过检测器向生物体组织发射光而检测到的；以及

计算部件，根据所述非抗抖动算法或者所述抗抖动算法处理后的脉搏波信号计算出血氧饱和度。

11.根据权利要求10所述的智能抗抖动血氧测量设备，其特征在于，所述判定处理部件进一步被配置为对所检测的脉搏波信号进行归一化，并计算归一化后的脉搏波信号在一时间段内的平均梯度；其中，若计算的平均梯度在特定时段内的变化大于等于一阈值，则判定具有抖动，若计算的平均梯度在特定时段内的变化小于该阈值，则判定没有抖动。

12.根据权利要求11所述的智能抗抖动血氧测量设备，其特征在于，所述平均梯度利用如下公式来计算：

$\stackrel{\&OverBar;}{\mathrm{\&Delta;X}}=\frac{\underset{i=1}{\overset{M-1}{\mathrm{\&Sigma;}}}|X_{i+1}-X_i|}{M-1}$

其中，M为所采样的脉搏波数据点的数目，X_i为第i个脉搏波数据点的值，i为大于零小于M的整数。

13.根据权利要求10所述的智能抗抖动血氧测量设备，其特征在于，所述判定处理部件进一步被配置为根据所检测的脉搏波信号计算特定时间内的血氧浓度的变化；其中，若该变化大于等于一阈值，则判定具有抖动，若该变化小于该阈值，则判定没有抖动。

14.根据权利要求13所述的智能抗抖动血氧测量设备，其特征在于，所述判定处理部件进一步被配置为根据如下公式计算K值：

$K=\frac{\ln \left(\frac{I_{R1}}{F_R{I}_{R0}}\right)}{\ln \left(\frac{I_{\mathrm{IR}1}}{F_{\mathrm{IR}}{I}_{\mathrm{IR}0}}\right)}=\frac{{{\mathrm{\&mu;}}^R}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\&mu;}}^R}_{\mathrm{HbO}2}{C}_{\mathrm{HbO}2}}{{{\mathrm{\&mu;}}^{\mathrm{IR}}}_{\mathrm{Hb}}{C}_{\mathrm{Hb}}+{{\mathrm{\&mu;}}^{\mathrm{IR}}}_{\mathrm{HbO}2}{C}_{\mathrm{HbO}2}}$

其中，μ^R _Hb与分别为Hb和HbO₂对红光的吸收系数，μ^IR _Hb与分别为Hb和HbO₂对红外光的吸收系数，C_Hb和分别为Hb浓度和HbO₂浓度，I_R0和I_IR0分别为红光和红外光的入射光强，I_R1和I_IR1分别为红光和红外光的透射光强，F_R和F_IR是动脉血液组织以外其它组织对红光和红外光的吸光率，

其中，若该K值大于等于该阈值，则判定具有抖动，若该K值小于该阈值，则判定没有抖动。

15.一种智能抗抖动血氧测量设备，包括：

判定处理部件，被配置为通过重力传感器感测血氧仪的加速度变化，其中，当该加速度变化超过一阈值时，判定具有抖动，当该加速度变化没有超过该阈值时，则判定没有抖动；以及

计算部件，在所述判定处理部件判定没有抖动时，使用非抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度；在所述判定处理部件判定具有抖动时，使用抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度。

16.一种智能抗抖动血氧测量设备，包括：

判定处理部件，被配置为检测是否接收到抖动指令，其中，若接收到抖动指令，则判定具有抖动，若没有接收到抖动指令时，则判定没有抖动；以及

计算部件，在所述判定处理部件判定没有抖动时，使用非抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度；在所述判定处理部件判定具有抖动时，使用抗抖动算法对脉搏波信号进行处理，进而计算出血氧饱和度。

17.根据权利要求16所述的智能抗抖动血氧测量设备，其特征在于，所述抖动指令通过人机交互接口被输入血氧仪。

18.根据权利要求16所述的智能抗抖动血氧测量设备，其特征在于，所述抖动指令在检测到血氧仪的外接探头被连接时触发。