CN105844075A - 心血管周期、等值线分析和心率的低功耗、鲁棒估计方法 - Google Patents

心血管周期、等值线分析和心率的低功耗、鲁棒估计方法 Download PDF

Info

Publication number
CN105844075A
CN105844075A CN201610069683.5A CN201610069683A CN105844075A CN 105844075 A CN105844075 A CN 105844075A CN 201610069683 A CN201610069683 A CN 201610069683A CN 105844075 A CN105844075 A CN 105844075A
Authority
CN
China
Prior art keywords
time
grades
coordinate
primary
dimension
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.)
Pending
Application number
CN201610069683.5A
Other languages
English (en)
Inventor
李叶磊
阿西夫·卡拉克
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics 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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN105844075A publication Critical patent/CN105844075A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/4833—Physical analysis of biological material of solid biological material, e.g. tissue samples, cell cultures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Cardiology (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Pulmonology (AREA)
  • Fuzzy Systems (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Biochemistry (AREA)
  • Food Science & Technology (AREA)
  • Immunology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Vascular Medicine (AREA)
  • Data Mining & Analysis (AREA)

Abstract

提供心血管周期、等值线分析和心率的低功耗、鲁棒估计方法。一种用于利用时间延迟嵌入估计心血管特征(诸如，心脏心搏间期)的计算机实现的方法，包括：从生物生理传感器接收准周期的观察的数据流，选择第一延时值，通过时间延迟嵌入从观察的数据流在多维坐标空间生成具有第一维度的第一矢量。所述方法还包括：选择穿过坐标空间的原点并且具有等于或高于第一维度的第二维度的第一平面，识别第一矢量沿一个方向经过第一平面的多个交叉，关联与交叉中的每个相应的时间值。所述方法还包括计算与连续交叉相应的时间值之间的多个时间段，其中，所述时间段表示一连串心搏间期。

Description

心血管周期、等值线分析和心率的低功耗、鲁棒估计方法
本申请要求2015年1月30日提交的第62/110,263号美国临时申请、2015年2月4日提交的第62/112,032号美国临时申请以及2015年2月6日提交的第62/113,092号美国临时申请的权益，这些申请通过引用包含于此。
技术领域
本描述一般涉及信号处理，更具体地说，涉及用于心血管周期、等值线分析(contour analysis)和心率的低功耗、鲁棒估计的方法。
背景技术
信号处理一般包括采集、组织、变换以及汇总原始输入数据，以产生有意义或有用的信息或者输出数据。信号处理通常操作大量的数值数据，并且可包括诸如数据的排序、格式化、聚合、分类、验证和报告的处理。
延时嵌入定理详细说明了可从对动力学系统的状态的一系列观察而重建混沌动力学系统的条件。一般而言，重建应保存在光滑坐标变化下不变化的动力学系统的特性，但是不一定要保存相空间中的结构的几何形状。例如，Takens定理(1981)提供延时嵌入定理，所述延时嵌入定理提供可从观察的时间序列重建物理系统的基本动力学的条件，给定在等间距的时刻的足够数量的观察。
发明内容
根据一个实施例，一种装置，包括：内存，存储机器指令；处理器，被结合到内存，执行机器指令，从而：从数据流沿第一维生成与第一时间对应的第一坐标，沿第二维生成与第二时间对应的第二坐标，其中，第二时间由于时间延迟值而与第一时间不同，其中，第二维具有比第一维高的维数，基于第一坐标和第二坐标生成第一矢量轨迹，基于对矢量轨迹的与期望的决定线交叉的多个初级交叉点的确定，来确定心血管特征。
根据另一实施例，一种方法，包括：从数据流沿第一维生成与第一时间对应的第一坐标；沿第二维生成与第二时间相应的第二坐标，其中，第二时间由于时间延迟值而与第一时间不同，其中，第二维具有比第一维高的维数；基于第一坐标和第二坐标生成第一矢量轨迹；基于对矢量轨迹的与期望的决定线交叉的多个初级交叉点的确定，来确定心血管特征。
根据另一实施例，一种计算机程序产品，包括：编码有适合于被处理器执行以实现下述操作的指令的非暂时、计算机可读存储器介质：从数据流沿第一维生成与第一时间相应的第一坐标，沿第二维生成与第二时间相应的第二坐标，其中，第二时间由于时间延迟值而与第一时间不同，其中，第二维具有比第一维高的维数，基于第一坐标和第二坐标生成第一矢量轨迹，基于对矢量轨迹与期望的决定线交叉的多个初级交叉点的确定，来确定心血管特征。
在附图和以下的描述中阐述本公开的一个或多个实施例的细节。从描述、附图和权利要求，本公开的其他特征、目的和优点将是清楚的。
附图说明
图1示出根据实施例的描述示意性周期估计装置的框图。
图2示出根据实施例的与观察的数据的时间序列相应的相轨迹的示例性二维重建的图形。
图3A示出根据实施例的表示估计心血管周期的示例性方法的逻辑图。
图3B示出根据实施例的表示估计心血管周期的示例性方法的另一逻辑图。
图3C示出根据实施例的表示估计心血管周期的示例性方法的另一逻辑图。
图4是根据实施例描述实现周期估计装置的示例性计算系统的示意图。
具体实施方式
以下参照示出本发明的示例性实施例的附图，将更加全面地描述本发明。虽然本发明对各种变化和可替换形式是敏感的，但是它的特定实施例通过附图中的示例的方式被示出，并在此将被详细地描述。然而，应理解不意图将本发明限制在公开的具体形式，相反，本发明将覆盖落入本发明的精神和范围内的全部变化、等同和替换。
心血管周期一般表示由心脏引起的几乎规则的周期性血压和容积脉搏(volume pulse)。连续的单独的心跳之间的每个周期的时间长度通常被称为心搏间期(interbeat interval)(IBI或RR间期)。心率是心血管周期的倒数。
在正常的心脏活动期间，连续时间序列的IBI值存在一些变化。该自然变化被称为心率变异性(HRV)。相对含噪声的或低振幅的传感器信号可增加测量误差，所述测量误差进一步损坏观察的心跳信号的接近周期性的特性。因此，观察的心跳传感器信号通常表示准周期函数(quasiperiodic function)。也就是说，该信号与周期函数相似，但是显示不规则的周期性，并且不满足以固定的间隔重现的周期函数的严格定义。准周期行为包括重复出现的具有不适宜于精确测量的不可预测性的分量的图案。
通常在心电图(ECG或EKG)中，从通常均包括三个分量波形(Q波、R波和S波)的与心室收缩相应的两个连续的QRS波群中的每个QRS波群的起始，来测量连续心跳之间的时间间隔。然而，QRS波群的起始可能难以位于相对多地含噪声的或低振幅的传感器信号中，这可导致测量误差。因此，有时在连续心跳的R波峰之间测量IBI，以降低测量误差。
还可从外周脉搏测量(例如，数字容积脉搏测量(诸如，光电血管容积图(PPG)、光获得的体积描计图)或者器官的容积测量)来确定IBI。PPG传感器已经被用于监测呼吸和心跳、血氧饱和度、血容量减少以及其他循环状况。
作为一种已知类型的PPG传感器的脉搏血氧仪(pulse oximeter)使用一个或多个颜色的光照射皮肤，并且测量光吸收在每个波长的变化。PPG传感器例如使用光发射器(诸如，发光二极管(LED))照射皮肤，并且例如使用光电检测器(诸如，光电二极管)测量穿过相对较薄的身体部分(诸如，手指或耳垂)而传播的光的量，或者测量从皮肤反射的光的量。
传统的PPG通常监测皮肤的真皮及皮下组织的血液的灌注，这可被用于检测例如与心脏的连续心动周期的压力脉搏对应的容积(volume)的变化。如果PPG在未压缩皮肤的情况下被附着，则二次压力峰值(secondary pressurepeak)还可从静脉丛被观察到。微控制器通常处理并计算波形信号的峰值，以对每分钟的心跳(bmp)进行计数。
具有与之前的RR间隔对比地绘制的当前RR间隔的，其中每个数据点表示一对连续跳动的RR间隔的洛伦兹散点图(Lorenz plot)或庞加莱散点图(Poincaré plot)已经被用作为用于评估HRV的几何的或图形的非线性方法。这些散点图允许以具有相对低维度的子空间(例如，二维或三维子空间)可视化更高维的相空间。在一些分析中，数学定义的几何形状(诸如，椭圆的、线性的或三角的形状)已经适合于全部的数据模式。在其他分析中，沿着或正交于均等线或标识线(identity line)的轴线的点的分散已经被评估。
根据一个实施例，周期估计装置可随时间处理生物生理传感器数据的流并且输出生物生理特征数据的流，例如，心搏间期或瞬时心率。该处理实现涉及构造与系统中的一系列的时间延迟相关联的多坐标(multiple coordinates)的时间延迟嵌入。
根据一个实施例，周期估计装置和方法提供在生物生理传感器和关联的微控制器由相对较小的电池供电的心血管测量环境中确定心血管周期、等值线分析(contour analysis)和心率的低功耗方法。周期估计装置和方法还确定针对信号噪声和伪影稳健(鲁棒)的心血管周期、等值线分析和心率。
图1示出根据实施例的描述示意性周期估计装置的框图。示意性周期估计装置10采用延时嵌入处理以估计心血管周期、等值线分析和心率。周期估计装置10包括：传感器信号接收器12、信号调整器14、抗纹波计时器16、交叉点(intercept，截点)检测器18、间隔计算器20、错误检测器22和初始化计时器(initialization timer)24。
传感器信号接收器12接收作为输入的生物生理传感器数据(例如，光电血管容积图(PPG，光电容积图)传感器信号)。在各种实施例中，可被周期估计装置10分析的生物生理传感器数据包括：光传感器数据(例如，PPG)、电势传感器数据(例如，心电图(ECG或EKG))、电阻抗传感器数据(例如，生物阻抗式心动描记法(ICG))，但不限于此。
信号调整器14绘制输入信号相对于延时的信号(例如，固定的延时)。抗纹波计时器16在抗纹波期间将信号设置为零。交叉点检测器18去除传感器信号的相对高频分量、针对信号导数实现时间延迟嵌入，并且检测交叉点(intercept，截点)或零交叉(zero crossings，过零)。
例如，对于具体的测量时间序列函数s(t)，坐标：{s(t),s(t-500)}可被用于重建相应的相轨迹。在二维坐标空间中分别针对x轴和y轴绘制坐标。在本示例中，坐标表示沿x轴在时间t处的当前观察的样本、沿y轴比时间t早500毫秒(ms)观察的样本。在其他实施例中，时间延迟值可变化。例如，时间延迟在各种实施例中可以是100ms、200ms、300ms、900ms、1200ms或任何其他有用的值。
在可选的实施例中，可使用多个时间延迟值作为沿每个轴的函数变量，在更高维度的坐标空间中重建与时间序列函数相应的相轨迹。例如，针对上面的测量时间序列函数s(t)，坐标：{s(t),s(t-500),s(t-1000)}可被用于在三维坐标空间中创建三维矢量。在本示例中，坐标表示沿x轴在时间t处的当前观察的样本、沿y轴比时间t早500ms观察的样本以及沿z轴比时间t早1000ms观察的样本。在各种实施例中，时间延迟值可变化。例如，时间延迟在各种实施例中是100ms、200ms、300ms、900ms、1200ms或任何值。
间期计算器(间隔计算器)20计算零交叉之间的时间段，例如，以确定主体心脏的心搏间期(IBI)。错误检测器22在错误情况(例如，过大的传感器运动或离群数据)被检测到时，将输出设置为默认值。初始化计时器24为了让处理输出达到稳定状态，在周期估计处理被发起时临时地将输出信号设置为默认值。
图2示出根据实施例的与观察的数据的时间序列相应的相轨迹(trajectory)的示例性二维重建的图形绘制。示例性轨迹(trace)30示出二维重建的几个循环。针对矢量32在线34或以45度角穿过坐标空间原点(0,0)的射线上的交叉来评估矢量32的相对于x轴和y轴的轨迹。矢量32在沿线34的几个点与期望的线34交叉。箭头36和38指示轨道的方向。每当矢量32以具体的方向(例如，在图2中从左至右)穿过线34时指示循环或周期的开始。针对二维重建，期望的线具有一维的属性。
在使用多于一个时间延迟以例如创建示出三维坐标空间中的三维重建的几个循环的轨迹的可选的实施例中，经过二维的平面的交叉被评估。在另一实施例中，示出四维重建的几个循环的轨迹在四维坐标空间中被创建，并且经过三维的形状的交叉被评估。
在可选的实施例中，多个时间延迟值被用于创建附加的补充结果，诸如，基于不同时间延时的周期的分布。例如，可使用150ms、300ms和450ms的时间延迟来创建特定维度的各自的重建。在此情况下，可基于周期的产生的分布(三组)来执行进一步的统计计算或推断。
在另一可选的实施例中，循环切割平面(cycle-cut)的多个选择被用于创建附加的补充结果，诸如，基于不同循环切割平面的周期的分布。例如，在30度、45度和60度的循环切割平面可被用于具体维度的重建中。可基于周期的产生的分布来执行进一步的统计计算或推断。
在仍另一可选的实施例中，多个时间延迟值以及循环切割平面的多个选择被用于创建额外的补充结果，诸如，基于具有不同循环切割平面的不同时间延迟值的周期的分布。例如，可使用150ms、300ms和450ms的时间延迟来创建特定维度的各自的重建，并且可使用在30度、45度和60度的循环切割平面中的三个不同选择来评估每个重建。基于周期的产生的分布可执行进一步的统计计算或推断。
图3A示出根据实施例的表示估计心血管周期的示例性方法的逻辑图。根据一个实施例，可通过周期估计装置来执行用于利用时间延迟嵌入估计心血管周期、等值线分析和心率的方法。PPG传感器40检测输入信号，例如，心血管周期信号。在42，输入信号被采样和保持，并且与离散脉冲信号44组合。在46，固定的整数延时(例如，Z-1)被应用于输入信号，以获得延时的信号。在48，从延时的信号减去42的输出信号。48的输出信号如由参考标号“1”所指示地被发送到图3C的缓冲器100用于进一步地处理。
在50，48的输出信号的数字数据类型被转换为，例如，双精度浮点数。在52，使用低通滤波器去除50的输出信号的相对高频分量。在54，计算52的输出信号关于时间的离散导数。
数字时钟56在抗纹波期间的初始被重置为零。在60，使用关系运算符(例如，≥)将抗纹波拖延(延续)时间58(例如，0.5s)与数字时钟56进行比较。在64，在抗纹波时间段期间，使用默认输出(例如，零)62，要不就使用来自54的离散导数。64的输出信号如由参考标号“2”所指示地被发送到图3B的70、76和78用于进一步地处理。
图3B示出根据实施例的表示估计心血管周期的示例性方法的另一逻辑图。在70，当前点的时间延迟(例如，50秒)被应用于图3A的64的输出信号。应理解，在不脱离本公开的范围的情况下，当前点的时间延时可以是任何值。在74，从70的输出信号减去鲁棒性偏移常数(例如，零)72。在76，使用关系运算符(例如，>)将74的差输出信号(difference output signal)与图3A的64的输出信号进行比较。
在78，一点的滞后(one-point lag)被应用于64的输出信号。在80，之前点的时间延迟(例如，50秒)被应用于78的输出信号。应理解，在不脱离本公开的范围情况下，之前点的时间延迟可以是任何值。在82，80的输出信号与鲁棒性偏移常数72相加。在84，使用关系运算符(例如，≤)将82的和输出信号与78的输出信号进行比较。在86，基于76和84的输出信号是真或正的而检测时间延迟嵌入的零交叉点。如果零交叉点被检测到，则将零交叉标志作为输入发送到92，并且将零交叉标志作为IBI标志提供在94输出。
在88，一点的滞后被应用于86的检测到的零交叉点输出，以计算心搏间期。在90，例如，使用每当检测到零交叉就重置的计数器来计算心搏间期。在92，90的当前计数值输出被采样和保持，并且92的输出信号如参考标号“4”所指示地被发送到图3C的122，以用于进一步地处理。
图3C示出根据实施例的表示估计心血管周期的示例性方法的另一逻辑图。图3A的48的输出信号在100被缓冲。在102，计算100的缓冲的输出信号的标准差。在106，使用关系运算符(例如，≤)将102的输出信号与常数104进行比较。在108，如果106的比较输出是真，则错误(例如，平点)被检测，并且滞后(hysteresis)错误标志110在错误滞后(hysteresis)时间期间被应用。
在114，如果传感器运动检测的标志112被接收，则错误(例如，被检测的运动)被检测到，并且滞后错误标志116在错误滞后时间期间被应用。如果在118从108或114的输出检测到错误，则在122，使用掩蔽的值120，否则，使用图3B的92的输出信号值。
数字时钟124在处理初始化被重置为零。在128，使用关系运算符(例如，≥)将初始化时间126(例如，2秒)与数字时钟124进行比较，以获得初始化时间段。在132，在初始化时间段期间，默认输出(例如，零)130被使用，否则，122的输出值被使用。在134，因此产生的间期(例如，IBI)作为输出被提供。
下面的伪代码实现在本公开中所描述的用于估计心血管周期、等值线分析和心率的方法的实施例：
Start with a quasiperiodic biophysiological sensor signal,s(t),such as ECG,PPG,Bioetc.
Select a delay value,deltaT
Create Embedding:Generate an n-vector,x(t)where x(t)＝{s(t-n*deltaT),s(t-(n-1)*deltaT),…,s(t)}.(This entails a minimum startup time of n*deltaT.)
Based on the n-dimensional coordinate space corresponding to the definedcoordinates,choose a(n-1)-plane that passes through the signal trajectory.(Thisplane should have a specified orientation and is called the"cycle-cut plane.")
Look for crossings of x(t)through the cycle-cut plane,and annotate eachcrossing with the direction that it crosses.For each value of t,generate a flagthat indicates whether the plane has been crossed in that sample.
Record the times associated with crossings in a certain direction:(T1,T2,T3,…)
Calculate the ibi(inter-beat interval)periods associated with this as(T2-T1,T3-T2,…)
Output this stream of ibi's
再次参照图3A、3B和3C，示出的处理流程表示n＝2的情况，其中，n＝2的情况具有如穿过原点的45度平面的循环切割平面的单一选择。在可选的实施例中，伪代码可被改变以基于时间延迟(deltaT)的不同值和循环切割平面的不同选择来生成IBI周期的分布。
因为公开的方法不要求复杂的计算，而仅要求每个样本的较少的操作，所以可使用相对低的功耗来执行处理。这在一些环境(例如，由较小电池供电的嵌入式微控制器)中可能是有利的。此外，因为不足够大到引起线或平面交叉的漂移在进一步计算中被忽略，所以该处理是相对鲁棒的，尤其在具有相对较低信噪比(SNR)或具有间歇的噪声的环境中。
如图4中所示，示例性计算装置140可实现包括处理器142、内存144、输入/输出装置(I/O)146、存储器148和网络接口150的周期估计装置。计算装置140的各个组件通过本地数据链接152被连接，本地数据链接152在各种实施例中包括，例如，地址总线、数据总线、串行总线、并行总线或它们的任何组合。
计算装置140可被用于，例如，实现使用时间延迟嵌入估计心血管周期、等值线分析和心率的方法。为了执行图1的使用时间延迟嵌入估计心血管周期、等值线分析(contour analysis，轮廓分析)和心率的方法的功能，存储在计算机可读介质(诸如，存储器148或连接到计算装置140的外围存储器组件)上的编程代码(诸如，源代码、目标代码或可执行的代码)可被加载到内存144中，并且被处理器142执行。
在此参照流程图或框图描述本公开的多个方面，在流程图或框图中可通过计算机程序指令实现每个框或框的任何组合。所述指令可被提供到通用计算机、专用计算机或其他可编程的数据处理设备的处理器，以完成机器或制品，当由处理器执行时，所述指令创建用于实现示图中的每个框或框的组合所指定的功能、动作或事件的方法。
就这一点而言，流程图或框图中的每个框可对应于包括用于实现指定逻辑功能的一个或多个可执行指令的代码的模块、段或部分。还应注意的是，在一些可选的实施例中，与任何框相关联的功能可发生在附图中所指出的顺序之外。例如，连续示出的两个框实际上可大体同时地被执行，或者框有时可以以相反的顺序被执行。
本领域的普通技术人员将理解，本公开的方面可被实施为装置、系统、方法或计算机程序产品。因此，在此通常称为电路、模块、组件或系统的本公开的方面可被实施在硬件、软件(包括固件、常驻软件、微码等)，或者软件和硬件的任何组合中，其中，所述硬件、软件或者软件和硬件的任何组合包括实施在具有在其上实施的计算机可读程序代码的计算机可读介质中的计算机编程产品。
将理解可进行各种变化。例如，如果以不同的顺序执行本公开的技术的步骤，和/或如果以不同的方式组合本公开的系统中的组件，和/或通过其他组件代替或补充本公开的系统的组件，则仍可获得有用的结果。因此，在以下权利要求的范围内包括其他实施例。

Claims (18)

1.一种周期估计装置，包括：
存储器，存储机器指令；
处理器，结合到存储器，执行机器指令，从而：
从数据流沿第一维生成与第一时间对应的第一坐标，
沿第二维生成与第二时间对应的第二坐标，其中，第二时间由于时间延迟值而与第一时间不同，其中，第二维具有比第一维高的维数，
基于第一坐标和第二坐标生成第一矢量轨迹，
基于对第一矢量轨迹与期望的决定线交叉的多个初级交叉点的确定，来确定心血管特征。
2.如权利要求1所述的周期估计装置，其中，处理器还执行机器指令以从生物生理传感器接收数据流。
3.如权利要求2所述的周期估计装置，其中，生物生理传感器包括光电血管容积图PPG传感器。
4.如权利要求1所述的周期估计装置，其中，处理器还执行机器指令，从而：
确定第一矢量轨迹沿一定方向与期望的决定线交叉的所述多个初级交叉点，其中，决定线穿过坐标空间的原点；
将多个初级时间值与所述初级交叉点相关联，每个初级时间值对应于各自的初级交叉点；
计算与连续的初级交叉点对应的初级时间值之间的多个初级时间段，其中，所述多个初级时间段表示心搏间期的初级流。
5.如权利要求4所述的周期估计装置，其中，处理器还执行机器指令，从而：
沿第三维生成与第三时间对应的第三坐标，其中，第三时间由于时间延迟值而与第二时间不同，其中，第三维具有比第二维高的维数；
基于第一坐标、第二坐标和第三坐标生成第二矢量轨迹；
基于对第二矢量轨迹沿一个方向穿过期望的平面的多个二级交叉点的确定，确定心血管的特征，
将多个二级时间值与所述多个二级交叉点相关联，每个二级时间值对应于各自的二级交叉点，
计算与连续的二级交叉点对应的二级时间值之间的多个二级时间段，其中，所述多个二级时间段表示心搏间期的二级流。
6.如权利要求4所述的周期估计装置，其中，处理器还执行机器指令以计算所述多个初级时间段中的每个初级时间段的倒数，其中，所述倒数表示心率。
7.如权利要求1所述的周期估计装置，其中，处理器还执行机器指令，从而：
沿第三维生成与第三时间对应的第三坐标，其中，第三时间由于第二时间延迟值而与第一时间不同，
基于第一坐标、第二坐标和第三坐标生成第二矢量轨迹；
基于对第二矢量轨迹与期望的决定线交叉的多个二级交叉点的确定，确定心血管特征；
将多个二级时间值与所述二级交叉点相关联，每个二级时间值对应于各自的二级交叉点；
计算与连续的二级交叉点对应的二级时间值之间的多个二级时间段，所述多个二级时间段表示心搏间期的二级流；
基于心搏间期的初级流和心搏间期的二级流的分布执行统计推断。
8.如权利要求7所述的周期估计装置，其中，处理器还执行机器指令以计算所述多个二级时间段中的每个二级时间段的倒数，其中，所述倒数表示心率。
9.如权利要求1所述的周期估计装置，其中，处理器还执行机器指令以基于已经被删除的错误提供默认输出值。
10.一种用于在周期估计装置中确定心血管特征的方法，包括：
从数据流沿第一维生成与第一时间对应的第一坐标；
沿第二维生成与第二时间对应的第二坐标，其中，第二时间由于时间延迟值而与第一时间不同，其中，第二维具有比第一维高的维数；
基于第一坐标和第二坐标生成第一矢量轨迹；
基于对第一矢量轨迹与期望的决定线交叉的多个初级交叉点的确定，来确定心血管特征。
11.如权利要求10所述的周期估计装置方法，还包括从生物生理传感器接收数据流。
12.如权利要求11所述的周期估计装置方法，其中，生物生理传感器包括光电血管容积图PPG传感器。
13.如权利要求10所述的方法，还包括：
确定第一矢量轨迹沿一定方向与期望的决定线交叉的所述多个初级交叉点，其中，决定线穿过坐标空间的原点；
将多个初级时间值与所述初级交叉点相关联，每个初级时间值对应于各自的初级交叉点；
计算与连续的初级交叉点对应的初级时间值之间的多个初级时间段，其中，所述多个初级时间段表示心搏间期的初级流。
14.如权利要求13所述的方法，还包括：
沿第三维生成与第三时间对应的第三坐标，其中，第三时间由于时间延迟值而与第二时间不同，其中，第三维具有比第二维高的维数；
基于第一坐标、第二坐标和第三坐标生成第二矢量轨迹；
基于对第二矢量轨迹沿一个方向穿过期望的平面的多个二级交叉点的确定，确定心血管的特征，
将多个二级时间值与所述多个二级交叉点相关联，每个二级时间值对应于各自的二级交叉点，
计算与连续的二级交叉点对应的二级时间值之间的多个二级时间段，其中，所述多个二级时间段表示心搏间期的二级流。
15.如权利要求13所述的方法，还包括计算所述多个初级时间段中的每个的倒数，其中，所述倒数表示心率。
16.如权利要求10所述的方法，还包括：
沿第三维生成与第三时间对应的第三坐标，其中，第三时间由于第二时间延迟值而与第一时间不同，
基于第一坐标、第二坐标和第三坐标生成第二矢量轨迹；
基于对第二矢量轨迹与期望的决定线交叉的多个二级交叉点的确定，确定心血管特征；
将多个二级时间值与所述二级交叉点相关联，每个二级时间值对应于各自的二级交叉点；
计算与连续的二级交叉点对应的二级时间值之间的多个二级时间段，所述多个二级时间段表示心搏间期的二级流；
基于心搏间期的初级流和心搏间期的二级流的分布执行统计推断。
17.如权利要求16所述的方法，还包括计算所述多个二级时间段中的每个的倒数，其中，所述倒数表示心率。
18.如权利要求10所述的方法，还包括基于已经被删除的错误提供默认输出值。
CN201610069683.5A 2015-01-30 2016-02-01 心血管周期、等值线分析和心率的低功耗、鲁棒估计方法 Pending CN105844075A (zh)

Applications Claiming Priority (8)

Application Number Priority Date Filing Date Title
US201562110263P 2015-01-30 2015-01-30
US62/110,263 2015-01-30
US201562112032P 2015-02-04 2015-02-04
US62/112,032 2015-02-04
US201562113092P 2015-02-06 2015-02-06
US62/113,092 2015-02-06
US14/928,072 US10405803B2 (en) 2015-01-30 2015-10-30 Method for low-power-consumption, robust estimation of cardiovascular periodicity, contour analysis, and heart rate
US14/928,072 2015-10-30

Publications (1)

Publication Number Publication Date
CN105844075A true CN105844075A (zh) 2016-08-10

Family

ID=56552652

Family Applications (3)

Application Number Title Priority Date Filing Date
CN201610066912.8A Pending CN105844612A (zh) 2015-01-30 2016-01-29 用于分析生物生理周期性数据的装置和方法
CN201610065271.4A Expired - Fee Related CN105832289B (zh) 2015-01-30 2016-01-29 用于使用希尔伯特变换估计生物生理速率的设备和方法
CN201610069683.5A Pending CN105844075A (zh) 2015-01-30 2016-02-01 心血管周期、等值线分析和心率的低功耗、鲁棒估计方法

Family Applications Before (2)

Application Number Title Priority Date Filing Date
CN201610066912.8A Pending CN105844612A (zh) 2015-01-30 2016-01-29 用于分析生物生理周期性数据的装置和方法
CN201610065271.4A Expired - Fee Related CN105832289B (zh) 2015-01-30 2016-01-29 用于使用希尔伯特变换估计生物生理速率的设备和方法

Country Status (3)

Country Link
US (3) US20160223514A1 (zh)
KR (3) KR20160094265A (zh)
CN (3) CN105844612A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107157475A (zh) * 2017-05-11 2017-09-15 陈昕 心电图数据的显示方法和终端设备
CN110461215A (zh) * 2017-05-05 2019-11-15 三星电子株式会社 使用便携式设备确定健康标志
CN113273986A (zh) * 2021-05-19 2021-08-20 于杨 一种心率变异性分析方法、装置、智能终端及存储介质

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11771375B2 (en) 2014-09-26 2023-10-03 Pixart Imaging Inc. Respiration rate detection device and breath detection device adopting motion denoising
TWI547265B (zh) * 2015-06-01 2016-09-01 原相科技股份有限公司 光學式呼吸率偵測裝置及其偵測方法
CA3042952A1 (en) 2016-11-14 2018-05-17 Nuralogix Corporation System and method for camera-based heart rate tracking
KR101809149B1 (ko) 2016-11-25 2017-12-14 한국과학기술연구원 순환계질환 발생잠재도를 판단하는 장치 및 그 방법
TW201838584A (zh) 2017-04-18 2018-11-01 原相科技股份有限公司 能夠消除或避免偏移干擾而可準確量測生理特徵的電子裝置及方法
CN113558596A (zh) * 2017-04-27 2021-10-29 原相科技股份有限公司 量测生理特征的方法
US10959626B2 (en) 2017-06-30 2021-03-30 Samsung Electronics Co., Ltd. Self-powered wearable for continuous biometrics monitoring
US11457855B2 (en) * 2018-03-12 2022-10-04 Persyst Development Corporation Method and system for utilizing empirical null hypothesis for a biological time series
EP3669757A1 (en) * 2018-12-18 2020-06-24 Koninklijke Philips N.V. System and method for detecting fluid accumulation
CN113423325A (zh) * 2018-12-18 2021-09-21 皇家飞利浦有限公司 用于检测流体积聚的系统和方法
CN110338776B (zh) * 2019-07-11 2022-04-01 无锡金童科技有限公司 基于cmos集成电路技术的ppg信号采集芯片及装置
CN111189882B (zh) * 2020-01-14 2022-03-08 天津大学 一种基于相空间拓扑因果的两相流瞬时分相持率预测方法
CN113243900B (zh) * 2021-04-18 2023-05-05 南京理工大学 一种视频心率检测的rPPG信号预处理方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1336156A (zh) * 2001-08-07 2002-02-20 沈宁 矢量心电图仪
US20070219453A1 (en) * 2006-03-14 2007-09-20 Michael Kremliovsky Automated analysis of a cardiac signal based on dynamical characteristics of the cardiac signal
CN101065058A (zh) * 2004-10-20 2007-10-31 卡迪欧尼特公司 使用部分状态空间重构监视生理活动
US20090105556A1 (en) * 2007-09-28 2009-04-23 Tiax Llc Measurement of physiological signals
CN101620504A (zh) * 2009-08-12 2010-01-06 北京红旗贰仟软件技术有限公司 一种办公套件中矢量化轨迹识别的方法及装置
CN102917637A (zh) * 2010-04-08 2013-02-06 加利福尼亚大学董事会 用于检测、诊断和治疗生物节律紊乱的方法、系统和设备
CN103080957A (zh) * 2010-08-24 2013-05-01 三星电子株式会社 用于综合管理个人健康设备标准和个人健康设备非标准数据的终端和服务器
CN103892826A (zh) * 2014-04-11 2014-07-02 北京麦迪克斯科技有限公司 基于心电图的心率分析方法及设备

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5810014A (en) * 1997-03-25 1998-09-22 Davis; Dennis W. Method and system for detection of physiological conditions
US6487523B2 (en) * 1999-04-07 2002-11-26 Battelle Memorial Institute Model for spectral and chromatographic data
US6636852B2 (en) * 2000-02-29 2003-10-21 Oracle International Corporation Income planner for corporate sales agents
US7054679B2 (en) * 2001-10-31 2006-05-30 Robert Hirsh Non-invasive method and device to monitor cardiac parameters
US7200270B2 (en) * 2001-12-13 2007-04-03 Kabushiki Kaisha Toshiba Pattern recognition apparatus and method using distributed model representation of partial images
CN1802649A (zh) * 2003-07-24 2006-07-12 罗彻斯特大学 用于图像传感和处理的系统和方法
CN100472555C (zh) * 2004-02-04 2009-03-25 皇家飞利浦电子股份有限公司 用于利用数据融合和假设检验来检测icu患者记录中的伪像的方法和系统
US7680748B2 (en) * 2006-02-02 2010-03-16 Honda Motor Co., Ltd. Creating a model tree using group tokens for identifying objects in an image
US8388543B2 (en) * 2007-05-16 2013-03-05 The Research Foundation Of State University Of New York Photoplethysmography apparatus and method employing high resolution estimation of time-frequency spectra
CN101642399B (zh) * 2008-12-16 2011-04-06 中国科学院声学研究所 一种基于频率调制信息的人工耳蜗语音处理方法及处理器
US20120185424A1 (en) * 2009-07-01 2012-07-19 Quantum Leap Research, Inc. FlexSCAPE: Data Driven Hypothesis Testing and Generation System
US20110231356A1 (en) * 2009-07-01 2011-09-22 Quantum Leap Research, Inc. FlexSCAPE: Data Driven Hypothesis Testing and Generation System
WO2011163341A2 (en) * 2010-06-22 2011-12-29 University Of Florida Research Foundation, Inc. Systems and methods for estimating pose
JP2012019966A (ja) * 2010-07-15 2012-02-02 Nippon Koden Corp ノイズ除去方法及びパルスフォトメータ
US9480432B2 (en) * 2010-10-08 2016-11-01 Koninklijke Philips N.V. Processing of periodic physiological signals
CN101972148B (zh) * 2010-11-19 2011-11-16 哈尔滨工业大学 基于经验模态分解的近红外脑功能检测的扰动消除方法
CN102379694B (zh) * 2011-10-12 2014-07-16 中国科学院苏州纳米技术与纳米仿生研究所 心电图r波检测方法
US20140114609A1 (en) * 2012-10-23 2014-04-24 Hewlett-Packard Development Company, L.P. Adaptive analysis of signals
CN103479349B (zh) * 2013-09-25 2017-02-01 深圳市理邦精密仪器股份有限公司 心电信号数据获取及处理方法和系统
CN103876783A (zh) * 2014-03-10 2014-06-25 续嘉 可用于监测女性生理周期的可穿戴设备及监测方法
US11055304B2 (en) * 2014-10-17 2021-07-06 Brandeis University System and method for differential analysis

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1336156A (zh) * 2001-08-07 2002-02-20 沈宁 矢量心电图仪
CN101065058A (zh) * 2004-10-20 2007-10-31 卡迪欧尼特公司 使用部分状态空间重构监视生理活动
US20070219453A1 (en) * 2006-03-14 2007-09-20 Michael Kremliovsky Automated analysis of a cardiac signal based on dynamical characteristics of the cardiac signal
US20090105556A1 (en) * 2007-09-28 2009-04-23 Tiax Llc Measurement of physiological signals
CN101620504A (zh) * 2009-08-12 2010-01-06 北京红旗贰仟软件技术有限公司 一种办公套件中矢量化轨迹识别的方法及装置
CN102917637A (zh) * 2010-04-08 2013-02-06 加利福尼亚大学董事会 用于检测、诊断和治疗生物节律紊乱的方法、系统和设备
CN103080957A (zh) * 2010-08-24 2013-05-01 三星电子株式会社 用于综合管理个人健康设备标准和个人健康设备非标准数据的终端和服务器
CN103892826A (zh) * 2014-04-11 2014-07-02 北京麦迪克斯科技有限公司 基于心电图的心率分析方法及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YELEI LI: "Heartbeat detection,classification and coupling analysis using electrocardiography data", 《DEPARTMENT OF ELECTRICAL ENGINEERING & COMPUTER SCIENCE》 *
YOSHIAKI WATANABE ET AL.: "A METHOD TO ESTIMATE CARDIAC VOLUME BY TWODIMENSIONAL", 《JOURNAL OF BIOMEDICAL ENGINEERING》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110461215A (zh) * 2017-05-05 2019-11-15 三星电子株式会社 使用便携式设备确定健康标志
CN107157475A (zh) * 2017-05-11 2017-09-15 陈昕 心电图数据的显示方法和终端设备
CN113273986A (zh) * 2021-05-19 2021-08-20 于杨 一种心率变异性分析方法、装置、智能终端及存储介质

Also Published As

Publication number Publication date
CN105832289A (zh) 2016-08-10
CN105832289B (zh) 2020-12-04
KR20160094317A (ko) 2016-08-09
US20160220192A1 (en) 2016-08-04
US10478129B2 (en) 2019-11-19
US20160220191A1 (en) 2016-08-04
US10405803B2 (en) 2019-09-10
KR102532764B1 (ko) 2023-05-16
CN105844612A (zh) 2016-08-10
KR20160094318A (ko) 2016-08-09
US20160223514A1 (en) 2016-08-04
KR20160094265A (ko) 2016-08-09

Similar Documents

Publication Publication Date Title
CN105844075A (zh) 心血管周期、等值线分析和心率的低功耗、鲁棒估计方法
EP2829223B1 (en) Monitoring physiological parameters
WO2019161609A1 (zh) 多参数监护数据分析方法和多参数监护仪
JP2019084343A (ja) ウェアラブルデバイスを用いた高い正確度の光電容積脈波基盤の心房細動検出のための方法及び装置
EP3379997A1 (en) Method to quantify photoplethysmogram (ppg) signal quality
CN104837401A (zh) 通过光电血管容积图(ppg)和加速度计检测显著心率失常事件的系统和方法
CN102551701A (zh) 通过周期性信号分析检测实体物件异常运作的系统及方法
CN112165897A (zh) 光体积描记图数据分析与呈现
WO2012051300A2 (en) Method and system for detection and rejection of motion/noise artifacts in physiological measurements
CN111588367A (zh) 心率检测方法、装置及计算机可读存储介质
CN108364290A (zh) 对周期性生理活动的图像序列进行分析的方法、介质和系统
CN106419907B (zh) 定位心电图信号中的j点
KR20190113552A (ko) Ppg ibi 및 모폴로지를 기반으로 하는 수동 부정맥 감지 장치 및 방법
CN105979863A (zh) 心跳检测和分类
CN107273827A (zh) 一种心电信号r波检测方法及装置
Schlesinger et al. Estimation and tracking of blood pressure using routinely acquired photoplethysmographic signals and deep neural networks
US20110265026A1 (en) Novelty detection with missing parameters
CN114052693B (zh) 心率分析方法、装置及设备
Hu et al. Contactless blood oxygen estimation from face videos: A multi-model fusion method based on deep learning
JP6842306B2 (ja) 生体信号処理方法及びその装置並びにコンピュータ読出可能記録媒体
CN111278353A (zh) 一种生命体征信号噪声的检测方法与系统
Ahmed et al. Architecture and design of real-time system for elderly health monitoring
CN104739384A (zh) 动脉波分析方法及其系统
US20220211283A1 (en) Methods for blood pressure calibration selection and modeling methods thereof
Yan et al. A resource-efficient, robust QRS detector using data compression and time-sharing architecture

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
AD01 Patent right deemed abandoned

Effective date of abandoning: 20211126

AD01 Patent right deemed abandoned