CN105796115B - 血氧测量方法和系统 - Google Patents

血氧测量方法和系统 Download PDF

Info

Publication number
CN105796115B
CN105796115B CN201610251596.1A CN201610251596A CN105796115B CN 105796115 B CN105796115 B CN 105796115B CN 201610251596 A CN201610251596 A CN 201610251596A CN 105796115 B CN105796115 B CN 105796115B
Authority
CN
China
Prior art keywords
signal
pulse
amplitude
blood oxygen
harmonic
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.)
Active
Application number
CN201610251596.1A
Other languages
English (en)
Other versions
CN105796115A (zh
Inventor
郑晓波
赵巍
胡静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Original Assignee
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Shiyuan Electronics Thecnology Co Ltd filed Critical Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority to CN201610251596.1A priority Critical patent/CN105796115B/zh
Publication of CN105796115A publication Critical patent/CN105796115A/zh
Application granted granted Critical
Publication of CN105796115B publication Critical patent/CN105796115B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters

Abstract

本发明涉及一种血氧测量方法和系统，其中，血氧测量方法包括以下步骤：根据预设的分段间隔，对频谱信号进行分段，得到各分段频谱信号；频谱信号为对去除了直流分量的血氧原始信号进行时域转换频域处理后获得的信号；分别获取各分段频谱信号的基波对应的谐波特征；根据脉搏波基波信号特征和各谐波特征，从各分段频谱信号中识别出有效频率段；根据有效频率段，得到有效脉搏信号，获取有效脉搏信号的脉搏信号幅值；根据脉搏信号幅值得到血氧值。本发明能够实现对血氧脉搏信号的准确识别，排除干扰脉搏信号，可以在干扰情况下提高血氧测量精确度。

Description

血氧测量方法和系统
技术领域
本发明涉及人体生理信号检测与信号处理技术领域，特别是涉及一种血氧测量方法和系统。
背景技术
血液通常含有多种类型的血红蛋白，包括氧合血红蛋白(HbO2)、还原血红蛋白(Hb)、碳氧血红蛋白(COHb)以及高铁血红蛋白(MetHb)，后两种正常情况下含量比较低(1％)，血氧饱和度(SpO2)通常指血液中氧合血红蛋白(HbO2)占血红蛋白比例的多少：SpO2＝HbO2/(HbO2+Hb)×100％；
目前的血氧测量方法是通过红光(660nm)和红外光(940nm)照射手指，由于氧合血红蛋白在红光下比还原血红蛋白吸收系数小，在红外光下比还原血红蛋白吸收系数大，当人体血液中氧合血红蛋白含量变化时，红光和红外光信号幅值会发生变化，利用这个变化可以计算出脉搏血氧饱和度，是一种无损伤血氧测量方法。但是当人体处于运动状态时，血流的状态会不断改变，而且手指与指夹式探头的相对位置也会变化，造成血氧和脉率结果计算不准确。
传统技术针对运动状态的血氧测量包括时域方法和频域方法，具体可如图1所示：1)时域方法为把原始信号分别通过一个低通和一个高通滤波器，在低通滤波后的信号上提取出直流幅值，在高通滤波器上提取交流幅值，利用比例公式求出比例系数，再通过该比例系数与血氧关系求出血氧值；2)频域方法为先提取出信号的直流分量，再把信号减去直流分量，把减去直流分量后的信号变换到频域，在频谱上找出信号幅值最大的频率点作为有效信号，求出信号的幅值，同时利用相应的公式求出血氧值。
在实现过程中，发明人发现传统技术中至少存在如下问题：具体可如图2所示，当脉搏信号有大量干扰时，时域方法脉搏信号很容易识别错误，导致测量的交流幅值精确度低、稳定性差。频域方法提取出的频谱信号幅值最大的频率点不一定是有效信号，有可能是干扰信号，会导致脉率和信号交流幅值同时识别错误，进而造成血氧测量精确度低、稳定性差。
发明内容
基于此，有必要针对传统技术在有干扰的情况下血氧测量精确度低且稳定性差的问题，提供一种血氧测量方法和系统。
为了实现上述目的，本发明技术方案的实施例为：
一方面，提供了一种血氧测量方法，包括以下步骤：
根据预设的分段间隔，对频谱信号进行分段，得到各分段频谱信号；频谱信号为对去除了直流分量的血氧原始信号进行时域转换频域处理后获得的信号；
分别获取各分段频谱信号的基波对应的谐波特征；
根据脉搏波基波信号特征和各谐波特征，从各分段频谱信号中识别出有效频率段；
根据有效频率段，得到有效脉搏信号，获取有效脉搏信号的脉搏信号幅值；
根据脉搏信号幅值得到血氧值。
另一方面，提供了一种血氧测量系统，包括：
信号分段模块，用于根据预设的分段间隔，对频谱信号进行分段，得到各分段频谱信号；频谱信号为对去除了直流分量的血氧原始信号进行时域转换频域处理后获得的信号；
特征值获取模块，用于分别获取各分段频谱信号的基波对应的谐波特征；
识别模块，用于根据脉搏波基波信号特征和各谐波特征，从各分段频谱信号中识别出有效频率段；
幅值获取模块，用于根据有效频率段，得到有效脉搏信号，获取有效脉搏信号的脉搏信号幅值；
血氧计算模块，用于根据脉搏信号幅值得到血氧值。
上述技术方案具有如下有益效果：
本发明血氧测量方法和系统，通过频谱分段求最大值的方法提高谱峰识别的精确度和稳定性，通过脉搏信号谐波特征识别有效信号，排除干扰信号；解决了血氧测量设备在运动干扰情况下有效信号的识别问题。本发明能够实现对血氧脉搏信号的准确识别，排除干扰脉搏信号，可以在干扰情况下提高血氧测量的精确度和稳定性。
附图说明
图1为正常情况下血氧信号时域和频域波形的示意图；
图2为运动干扰情况下血氧信号时域和频域波形的示意图；
图3为本发明血氧测量方法实施例1的流程示意图；
图4为本发明血氧测量系统实施例1的结构示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明血氧测量方法实施例1：
为了解决传统技术在有干扰的情况下血氧测量精确度低且稳定性差的问题，本发明提供了一种血氧测量方法实施例1；图3为本发明血氧测量方法实施例1的流程示意图；如图3所示，可以包括以下步骤：
步骤S310：根据预设的分段间隔，对频谱信号进行分段，得到各分段频谱信号；频谱信号为对去除了直流分量的血氧原始信号进行时域转换频域处理后获得的信号；
步骤S320：分别获取各分段频谱信号的基波对应的谐波特征；
步骤S330：根据脉搏波基波信号特征和各谐波特征，从各分段频谱信号中识别出有效频率段；
步骤S340：根据有效频率段，得到有效脉搏信号，获取有效脉搏信号的脉搏信号幅值；
步骤S350：根据脉搏信号幅值得到血氧值。
具体而言，可以先对去除直流信号分量(直流信号分量可以通过求一段信号均值的方法获得)后的血氧原始信号进行线性调频Z变换(chirp-z transform CZT)，在一个具体的实施例中，也可以采用快速傅立叶变换(FFT：Fast Fourier Transformation)，将上述血氧原始信号变换到频域，从而得到本发明实施例中的频谱信号。
为了提高频谱峰值信号识别的精确度，对上述得到的频谱信号进行分段，例如：假设频谱信号在0到10Hz内有600个数据点，那么1Hz相当于60个点，按照0.33Hz分段就约等于20个数据点分一段。然后分别求出每一段频谱信号的最大值，并按从大到小排序；排序的目的在于为了提高筛选出可能是有效脉搏信号的分段频谱信号的概率，并将这些分段频谱信号作为候选信号段以进行下一步获取谐波特征的处理。
在一个具体的实施例中，步骤S330可以包括：
在谐波特征达到脉搏波基波信号特征的预设参比条件时，确定分段频谱信号为有效频率段；谐波特征包括谐波的幅值和谐波红光红外光的比值；脉搏波基波信号特征包括基波信号幅值和基波信号红光红外光的比值。
具体而言，依据步骤S320中求出的多个频谱最大值(即分别获取各分段频谱信号的基波对应的谐波特征)，一般情况下，谐波指的是频率为基波整数倍的信号。通过对候选的分段频谱信号进行识别，可以得到有效频率段，进而根据有效频率段获取有效脉搏信号。由于脉搏基波信号(Base：脉搏波基波信号)一般不是正弦信号，包含大量重搏波等信息，频谱上表现为存在明显的谐波信号(Harmonic)，因此，可以根据谐波特征和脉搏波基波信号特征对分段频谱信号进行识别。
在一个具体的实施例中，上述在谐波特征达到脉搏波基波信号特征的预设参比条件时，确定分段频谱信号为有效频率段的步骤可以包括：
在谐波的幅值大于预设倍数的基波信号幅值且谐波红光红外光的比值与基波信号红光红外光的比值的差值在预设数值范围内时，确定谐波特征达到脉搏波基波信号特征的预设参比条件；预设倍数为0.4倍。
具体而言，可以通过以下公式确定谐波的幅值大于预设倍数的基波信号幅值(即谐波的幅值要达到脉搏信号基波幅值的一定比例)：
Harmonic＞Base*k4；k4＝0.2；
其中，Harmonic表示谐波的幅值，Base表示基波信号幅值；k4为标定参数；
同时可以通过以下公式时，确定谐波红光红外光的比值与基波信号红光红外光的比值的差值在预设数值范围内(即谐波红光红外光的比值要近似等于脉搏基波信号红光红外光的比值)：
Red_Harmonic/Ir_Harmonic≈Red_Base/Ir_Base
其中，Red_Harmonic表示谐波红光；Ir_Harmonic表示述谐波红外光；Red_Harmonic/Ir_HarmoniC表示谐波红光红外光的比值；Red_Base表示基波信号红光；Ir_Base表示基波信号红外光；Red_Base/Ir_Base表示基波信号红光红外光的比值。
在一个具体的实施例中，预设的分段间隔为小于最低脉率所需的频谱间隔；最低脉率包含的数值为每分钟20的脉搏数和0.33赫兹的频率值。
具体而言，预设的分段间隔可以为小于最低脉率所需的频谱间隔，在一个具体实施例中，最低脉率包含的数值为20BPM(beat per minute：每分钟脉搏),0.33Hz；而采用预设的分段间隔的目的是保证能够求出有效脉搏信号的谐波；例如：有效脉搏信号的基波是0.33Hz，谐波就是0.66Hz，如果取分段间隔为0.34Hz，那么就有可能漏掉0.66Hz这个谐波。
在一个具体的实施例中，步骤S340可以包括：
获取有效频率段所在的频率点的位置；
根据频率点的位置，获取脉搏信号幅值。
具体而言，利用上述步骤的识别方法，识别出有效脉搏信号所在的频率点的位置后，求出有效脉搏信号所在位置的幅值(即脉搏信号幅值)，然后可以通过以下公式求出血氧值，通过比例公式：
R＝(红光交流量/红光直流量)/(红外光交流量/红外光直流量)
其中，直流量：信号中不变的部分分量；交流量：信号中变化的部分分量；R为比例系数；
再通过比例系数R与血氧关系(R-SpO2曲线)，求出血氧值：
SpO2＝k1*R^2+k2*R+k3
其中，SpO2为血氧饱和度，R-SpO2曲线的参数k1,k2,k3需要通过临床实验标定。
为了进一步详细说明本发明血氧测量方法的技术方案，特以实际的血氧测量过程为例，说明本发明血氧测量方法的实现流程：
1.首先对去除直流信号分量后的血氧原始信号进行线性调频Z变换(或快速傅立叶变换)，将上述血氧原始信号变换到频域，从而得到频谱信号。
2.对上述得到的频谱信号进行分段，然后分别求出每一段频谱信号的最大值，并按从大到小排序。
3.根据2中求出的多个频谱最大值，分别对候选的分段频谱信号进行识别，要求：
1)分段频谱信号谐波的幅值要达到脉搏信号基波幅值的一定比例：
Harmonic＞Base*k4；k4＝0.2
2)分段频谱信号谐波红光红外光的比值要近似等于脉搏基波信号红光红外光的比值：
Red_Harmonic/Ir_Harmonic≈Red_Base/Ir_Base
4.利用步骤3所述的识别方法，识别出有效脉搏信号所在的频率点的位置。
5.求出有效脉搏信号所在位置的幅值，即脉搏信号幅值；然后根据脉搏信号幅值，通过相关公式求出血氧值。
本发明血氧测量方法实施例1，通过频谱分段求最大值的方法提高谱峰识别的精确度和稳定性，通过脉搏信号谐波特征识别有效信号，排除干扰信号；解决了血氧测量设备在运动干扰情况下有效信号的识别问题。本发明能够实现对血氧脉搏信号的准确识别，排除干扰脉搏信号，可以在干扰情况下提高血氧测量的精确度和稳定性。
本发明血氧测量系统实施例1：
基于上述血氧测量方法的技术思想，同时为了解决传统技术在有干扰的情况下血氧测量精确度低且稳定性差的问题，本发明还提供了一种血氧测量系统实施例1；图4为本发明血氧测量系统实施例1的结构示意图；如图4所示，可以包括：
信号分段模块410，用于根据预设的分段间隔，对频谱信号进行分段，得到各分段频谱信号；频谱信号为对去除了直流分量的血氧原始信号进行时域转换频域处理后获得的信号；
特征值获取模块420，用于分别获取各分段频谱信号的基波对应的谐波特征；
识别模块430，用于根据脉搏波基波信号特征和各谐波特征，从各分段频谱信号中识别出有效频率段；
幅值获取模块440，用于根据有效频率段，得到有效脉搏信号，获取有效脉搏信号的脉搏信号幅值；
血氧计算模块450，用于根据脉搏信号幅值得到血氧值。
在一个具体的实施例中，识别模块430，用于在谐波特征达到脉搏波基波信号特征的预设参比条件时，确定分段频谱信号为有效频率段；谐波特征包括谐波的幅值和谐波红光红外光的比值；脉搏波基波信号特征包括基波信号幅值和基波信号红光红外光的比值。
在一个具体的实施例中，识别模块430，用于在谐波的幅值大于预设倍数的基波信号幅值且谐波红光红外光的比值与基波信号红光红外光的比值的差值在预设数值范围内时，确定谐波特征达到脉搏波基波信号特征的预设参比条件；预设倍数为0.4倍。
即在谐波特征满足以下两个公式时，确定谐波特征达到脉搏波基波信号特征的预设参比条件：
Harmonic＞Base*k4；k4＝0.2；
其中，Harmonic表示谐波的幅值，Base表示基波信号幅值；k4为标定参数；
Red_Harmonic/Ir_Harmonic≈Red_Base/Ir_Base
其中，Red_Harmonic表示谐波红光；Ir_Harmonic表示述谐波红外光；Red_Harmonic/Ir_Harmonic表示谐波红光红外光的比值；Red_Base表示基波信号红光；Ir_Base表示基波信号红外光；Red_Base/Ir_Base表示基波信号红光红外光的比值。
在一个具体的实施例中，预设的分段间隔为小于最低脉率所需的频谱间隔；最低脉率包含的数值为每分钟20的脉搏数和0.33赫兹的频率值。
在一个具体的实施例中，幅值获取模块440包括：
位置模块442，用于获取有效频率段所在的频率点的位置；
幅值模块444，用于根据频率点的位置，获取脉搏信号幅值。
本发明血氧测量方法系统实施例1，通过频谱分段求最大值的方法提高谱峰识别的精确度和稳定性，通过脉搏信号谐波特征识别有效信号，排除干扰信号；解决了血氧测量设备在运动干扰情况下有效信号的识别问题。本发明能够实现对血氧脉搏信号的准确识别，排除干扰脉搏信号，可以在干扰情况下提高血氧测量的精确度和稳定性。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (3)

1.一种血氧测量系统，其特征在于，包括：
信号分段模块，用于根据预设的分段间隔，对频谱信号进行分段，得到各分段频谱信号；所述频谱信号为对去除了直流分量的血氧原始信号进行时域转换频域处理后获得的信号；
特征值获取模块，用于分别获取各所述分段频谱信号的基波对应的谐波特征；
识别模块，用于根据脉搏波基波信号特征和各所述谐波特征，从各所述分段频谱信号中识别出有效频率段；在所述谐波特征达到所述脉搏波基波信号特征的预设参比条件时，确定所述分段频谱信号为有效频率段；所述谐波特征包括谐波的幅值和谐波红光红外光的比值；所述脉搏波基波信号特征包括基波信号幅值和基波信号红光红外光的比值；所述预设参比条件为，所述谐波的幅值大于预设倍数的所述基波信号幅值且所述谐波红光红外光的比值与所述基波信号红光红外光的比值的差值在预设数值范围内；所述预设倍数为0.2倍；
幅值获取模块，用于根据所述有效频率段，得到有效脉搏信号，获取所述有效脉搏信号的脉搏信号幅值；
血氧计算模块，用于根据所述脉搏信号幅值得到血氧值。
2.根据权利要求1所述的血氧测量系统，其特征在于，所述预设的分段间隔为小于最低脉率所需的频谱间隔；所述最低脉率包含的数值为每分钟20的脉搏数和0.33赫兹的频率值。
3.根据权利要求1所述的血氧测量系统，其特征在于，所述幅值获取模块包括：
位置模块，用于获取所述有效频率段所在的频率点的位置；
幅值模块，用于根据所述频率点的位置，获取所述脉搏信号幅值。
CN201610251596.1A 2016-04-20 2016-04-20 血氧测量方法和系统 Active CN105796115B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610251596.1A CN105796115B (zh) 2016-04-20 2016-04-20 血氧测量方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610251596.1A CN105796115B (zh) 2016-04-20 2016-04-20 血氧测量方法和系统

Publications (2)

Publication Number Publication Date
CN105796115A CN105796115A (zh) 2016-07-27
CN105796115B true CN105796115B (zh) 2018-11-02

Family

ID=56457343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610251596.1A Active CN105796115B (zh) 2016-04-20 2016-04-20 血氧测量方法和系统

Country Status (1)

Country Link
CN (1) CN105796115B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2805810C1 (ru) * 2023-02-09 2023-10-24 Самсунг Электроникс Ко., Лтд. Носимое устройство с функцией определения концентрации гемоглобина, способ и система для определения концентрации гемоглобина

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108294738A (zh) * 2018-03-06 2018-07-20 江苏康尚生物医疗科技有限公司 一种血氧频域抗干扰测量方法、设备及存储介质
TWM574470U (zh) * 2018-11-19 2019-02-21 眾里科技股份有限公司 血氧感測裝置
CN110755055A (zh) * 2019-10-18 2020-02-07 上海掌门科技有限公司 一种用于确定脉搏波形的波形评价信息的方法与设备
CN111781457A (zh) * 2020-07-24 2020-10-16 上海擎度汽车科技有限公司 一种用于电子产品emc传导发射的测试系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1441648A (zh) * 2000-02-10 2003-09-10 美国西门子医疗解决公司 检测生化参数的方法和设备
CN101103921A (zh) * 2007-08-14 2008-01-16 北京麦邦光电仪器有限公司 一种测量血氧饱和度的方法和装置
CN101933810A (zh) * 2010-09-03 2011-01-05 深圳市纽泰克电子有限公司 一种血氧饱和度检测方法及系统
CN101933811A (zh) * 2010-09-03 2011-01-05 深圳市纽泰克电子有限公司 一种血氧饱和度检测方法及系统
CN103230267A (zh) * 2013-05-14 2013-08-07 北京理工大学 一种抗运动干扰的脉率提取方法
CN104490373A (zh) * 2014-12-17 2015-04-08 辛勤 脉搏信号的判断方法、判断装置以及生理参数测量设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2111152A2 (en) * 2007-01-10 2009-10-28 Starr Life Sciences Corporation Techniques for accurately deriving physiologic parameters of a subject from photoplethysmographic measurements

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1441648A (zh) * 2000-02-10 2003-09-10 美国西门子医疗解决公司 检测生化参数的方法和设备
CN101103921A (zh) * 2007-08-14 2008-01-16 北京麦邦光电仪器有限公司 一种测量血氧饱和度的方法和装置
CN101933810A (zh) * 2010-09-03 2011-01-05 深圳市纽泰克电子有限公司 一种血氧饱和度检测方法及系统
CN101933811A (zh) * 2010-09-03 2011-01-05 深圳市纽泰克电子有限公司 一种血氧饱和度检测方法及系统
CN103230267A (zh) * 2013-05-14 2013-08-07 北京理工大学 一种抗运动干扰的脉率提取方法
CN104490373A (zh) * 2014-12-17 2015-04-08 辛勤 脉搏信号的判断方法、判断装置以及生理参数测量设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2805810C1 (ru) * 2023-02-09 2023-10-24 Самсунг Электроникс Ко., Лтд. Носимое устройство с функцией определения концентрации гемоглобина, способ и система для определения концентрации гемоглобина

Also Published As

Publication number Publication date
CN105796115A (zh) 2016-07-27

Similar Documents

Publication Publication Date Title
CN105796115B (zh) 血氧测量方法和系统
Chong et al. Photoplethysmograph signal reconstruction based on a novel hybrid motion artifact detection–reduction approach. Part I: Motion and noise artifact detection
Stetson Determining heart rate from noisy pulse oximeter signals using fuzzy logic
Wei et al. Study on conditioning and feature extraction algorithm of photoplethysmography signal for physiological parameters detection
CN109117730A (zh) 心电图心房颤动实时判断方法、装置、系统及存储介质
EP3281580A1 (en) Classifying ecg signals
KR20210018202A (ko) 광혈류측정 데이터 분석 및 프리젠테이션
AU2019101756A4 (en) Method for analyzing heart rate variability signal based on extremum energy decomposition method
Vijayalakshmi et al. Spike detection in epileptic patients EEG data using template matching technique
Cichon et al. Unsupervised classification of neocortical activity patterns in neonatal and pre-juvenile rodents
CN108652640A (zh) 一种基于心电信号的无创血糖检测方法及系统
DE102019104798A1 (de) Vorrichtung und verfahren zur passiven arrhythmiedetektion auf der basis von photoplethysmogramm (ppg)-intervallen zwischen den schlägen und morphologie
CN107510462A (zh) 血氧测量方法和装置
Addison et al. Secondary wavelet feature decoupling (SWFD) and its use in detecting patient respiration from the photoplethysmogram
CN109117729A (zh) 心电图室性逸搏实时判断方法、装置、系统及存储介质
CN116502124A (zh) 脉搏波信号的质量评估方法及装置、计算机可读存储介质
Kalauzi et al. Consecutive differences as a method of signal fractal analysis
CN103263272A (zh) 一种单沿多谱的动态光谱数据提取方法
Biran et al. Automatic qrs detection and segmentation using short time fourier transform and feature fusion
Addison et al. Oxygen saturation determined using a novel wavelet ratio surface
Zhang et al. Non-invasive blood glucose detection using NIR based on GA and SVR
Baijal et al. Performance evaluation of S-Golay and MA filter on the basis of white and flicker noise
Rahimpour et al. ECG fiducial points extraction using QRS morphology and adaptive windowing for real-time ECG signal analysis
Ghaffari et al. Finding events of electrocardiogram and arterial blood pressure signals via discrete wavelet transform with modified scales
Schack et al. Adaptive methods of trend detection and their application in analysing biosignals

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant