CN105997019A - 基于体感网的多维心跳信息同步采集方法与系统 - Google Patents

基于体感网的多维心跳信息同步采集方法与系统 Download PDF

Info

Publication number
CN105997019A
CN105997019A CN201610301309.3A CN201610301309A CN105997019A CN 105997019 A CN105997019 A CN 105997019A CN 201610301309 A CN201610301309 A CN 201610301309A CN 105997019 A CN105997019 A CN 105997019A
Authority
CN
China
Prior art keywords
time
pulse
multidimensional
heartbeat message
radial artery
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
Application number
CN201610301309.3A
Other languages
English (en)
Other versions
CN105997019B (zh
Inventor
鲍崇智
鲍军荣
李坚
寿小云
杨海彦
周蕾
常珍
万家利
张智海
王贺
王�华
孙安
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201610301309.3A priority Critical patent/CN105997019B/zh
Publication of CN105997019A publication Critical patent/CN105997019A/zh
Application granted granted Critical
Publication of CN105997019B publication Critical patent/CN105997019B/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
    • A61B5/02—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
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • 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
    • 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
    • A61B5/24—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
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Abstract

本发明涉及一种基于体感网的多维心跳信息同步采集方法与系统，主要是利用具有微秒级时间精度的嵌入式系统通过心电传感模块、压电脉搏传感模块、红外血容积搏动传感模块实时同步采集心电信号、寸口处桡动脉压电脉搏振动信号以及指尖处红外血容积搏动信号，从采集的上述三种信号中分别提取心电信号的R波峰时间点及波峰强度、寸口处桡动脉的压电脉搏振动信号的波峰时间点及波峰强度以及指尖处的红外血容积搏动信号的波峰时间点及波峰强度，并将这些参数进行关联，获得的原始参数和关联参数可以用作精神状态评价的参考指标，提示心脑血管科室的相关临床医生或精神卫生科临床医生辅助实现对心脑血管生理疾病以及精神障碍的筛查。

Description

基于体感网的多维心跳信息同步采集方法与系统
技术领域
本发明涉及一种基于体感网的多维心跳信息同步采集方法与系统，可用于情感状态识别、临床医生的精神障碍初级筛选。
背景技术
有文献报道，目前国内综合医院临床医生普遍对焦虑和抑郁障碍识别率很低，然而在我国综合性医院就医的患者中罹患抑郁或焦虑障碍症状的比例超过20%，致使部分患者得不到正确的诊断和治疗，并因此而反复就医，造成医疗资源的严重浪费，但是客观上来说，提高所有医生的精神障碍识别水平是不现实的。需要有一套客观化的精神障碍评估系统前置给临床医生，实现精神障碍的初级筛选。
发明内容
为了克服现有技术下的上述缺陷，本发明的目的在于提供一种基于体感网的多维心跳信息同步采集方法与系统，可提供参考数据和参考指标辅助心脑科室和精神卫生科室的相关临床医生对心脑血管生理疾病以及精神障碍进行筛查。
本发明的技术方案是：
一种基于体感网的多维心跳信息同步采集方法，包括如下步骤：
（1）用多维心跳信息采集模块同步采集与心跳相关的多个角度的原始信号，同时记录嵌入式系统的系统时间点进行时间对准；
（2）所述嵌入式系统将所述原始信号构建成信号帧实现信息汇聚；
（3）将汇聚后的信息通过有线或/和无线网络送入到数据处理设备，所述数据处理设备从汇聚后的信息中提取多个角度的心跳信号；
（4）从多个角度的所述心跳信号中分别提取心跳参数并对这些心跳参数进行关联，分别得到原始参数和关联参数；
（5）以所述原始参数和关联参数作为识别和评估精神障碍的指标。
所述多维心跳信息采集模块可以包括心电传感模块、桡动脉压电脉搏传感模块和指尖红外脉搏传感模块，相应地，多个角度的心跳信号可以包括心电信号、寸口处桡动脉的压电脉搏振动信号和指尖处红外血容积搏动信号。
所述原始参数可以包括心电信号的R波峰时间及波峰幅值、寸口处桡动脉的压电脉搏振动信号的波峰时间及波峰幅值以及指尖处的红外血容积搏动信号的波峰时间及波峰幅值。
所述关联参数优选包括：
（1）寸口处桡动脉脉搏振动信号峰值时间与相对应的心电信号R波峰值时间的差值；
（2）指尖处红外血容积搏动信号峰值时间与相对应的心电信号R波峰值时间的差值；
（3）指尖处红外血容积搏动信号峰值时间与相对应的寸口处桡动脉脉搏振动信号峰值时间的差值；
（4）心电R-R间期：心电信号相邻R波峰值时间间隔；
（5）寸口处桡动脉脉搏振动信号相邻峰峰值时间间隔：寸口处桡动脉脉搏振动信号相邻峰值时间的差值；
（6）指尖处红外血容积搏动信号相邻峰峰值时间间隔：指尖处红外血容积搏动信号相邻峰值时间的差值；
（7）寸口处桡动脉脉搏振动信号相邻峰峰值时间间隔与心电R-R间期的比值；
（8）指尖处红外血容积搏动信号相邻峰峰值时间间隔与心电R-R间期的比值；
（9）AECG(n)、APPG(n)、APPW(n)的差值APPG(n) -AECG(n)、APPG(n)- APPW(n)、APPW(n)- AECG(n)。
其中，为心电信号R波第n个峰值的时间，和分别为与相对应的寸口处桡动脉脉搏振动信号峰值的时间和指尖处红外血容积搏动信号峰值的时间，AECG(n)、APPG(n)、APPW(n)为分别对应tECG(n)、tPPG(n)、tPPW(n)时刻的强度值。
对于前述任意一种所述的基于体感网的多维心跳信息同步采集方法，所述时间是以所述嵌入式系统的系统时间为时间基准得到的时间。
一种采用上述任意一种方法的基于体感网的多维心跳信息同步采集系统，包括依次通信连接的多维心跳信息采集模块、嵌入式系统和数据处理设备，所述多维心跳信息采集模块同步采集与心跳相关的多个角度的原始信号，所述嵌入式系统汇聚所述原始信号并用所述嵌入式系统的系统时间对所述原始信号进行时间对准，将所述原始信号进行信息汇聚并将汇聚后的信息送入所述数据处理设备，所述数据处理设备从汇聚后的信息中提取所述多个角度的原始信号各自所对应的心跳信号，再从各心跳信号提取心跳参数并进行参数间关联，分别得到原始参数和关联参数。
所述多维心跳信息采集模块可以包括心电传感模块、桡动脉压电脉搏传感模块和指尖红外脉搏传感模块。
所述嵌入式系统与所述数据处理设备有线或无线通信连接。
所述嵌入式系统优选为微秒级时间精度的嵌入式系统。
对于前述任意一种所述的基于体感网的多维心跳信息同步采集系统，还可以包括个人信息采集模块，所述个人信息采集模块的输出端接入所述嵌入式系统。
本发明的有益效果为：
本发明在微型化、智能化和网络化的可穿戴式生理参数采集设备的支持下，利用多类单生理参数时间同步实现融合，产生了涉及心电信号、寸口处桡动脉脉搏振动信号和指尖处红外血容积搏动信号等多角度反应心跳信息的关联参数，为心血管疾病、心身疾病和精神障碍等的初步筛选提供了参考数据和参考指标。
本发明同步采集人体循环系统的多个参数并对这些参数进行关联从而获得关联参数，由于人体循环系统参数与精神障碍具有一定程度的强关联，以及人体心脑血管疾病也与人体循环系统参数息息相关，因此本发明以心脏跳动为源点，利用心电信息表达心脏跳动过程中的电活动，以寸口处桡动脉脉搏振动信息表达心脏跳动过程中结合血管和血管周围组织的情况，将所取得的结果用于心脑血管生理疾病以及精神障碍初步筛选时的参考参数和参考指标其指向性更强。
附图说明
图1是本发明的方法的流程图；
图2是本发明的系统的硬件架构原理示意图；
图3是所述多维心跳信息采集模块的信号采集端在人体上的布设图；
图4是本发明的一个实施例所采集的原始信号图；
图5是对应于图4的所提取的心电信号图；
图6是对应于图4的所提取的寸口处桡动脉的压电脉搏振动信号图；
图7是对应于图4的所提取的指尖处红外血容积搏动信号图；
图8是本实发明三类峰值强度的包络曲线图。
具体实施方式
如图1所示，本发明公开了一种基于体感网的多维心跳信息同步采集方法，包括如下步骤：
（1）用多维心跳信息采集模块同步采集与心跳相关的多个角度的原始信号，同时记录嵌入式系统的系统时间点进行时间对准；
（2）所述嵌入式系统对所述原始信号进行信息汇聚（例如通过将所述原始信号构建成信号帧实现）；
（3）将汇聚后的信息通过有线或/和无线网络送入到数据处理设备（即前文描述的数据处理设备），通过一定的算法，所述数据处理设备利用算法从实时或非实时送来的汇聚后的信息中提取多个角度的心跳信号；
（4）从多个角度的所述心跳信号中分别提取心跳参数并对这些心跳参数进行关联，分别得到原始参数（即所述心跳参数）和关联参数；可依据所获得的原始参数和/或关联参数，生成一份与模版结合的分析结果报告。
（5）以所述原始参数和关联参数作为识别和评估精神障碍的指标。相应的报告可提供给心脑科室的相关临床医生或精神卫生科临床医生以便实现对心脑血管生理疾病以及精神障碍的筛查。
所述多维心跳信息采集模块可以包括心电传感模块、桡动脉压电脉搏传感模块和指尖红外脉搏传感模块，相应地，多个角度的心跳信号可以包括心电信号、寸口处桡动脉的压电脉搏振动信号和指尖处红外血容积搏动信号。图4示出了步骤（1）能够得到的统一了时间轴的多个角度的原始信号图示，图5-7示出了步骤（3）能够得到的多个角度的心跳信号图示。
所述原始参数可以包括心电信号的R波峰时间及波峰幅值、寸口处桡动脉的压电脉搏振动信号的波峰时间及波峰幅值以及指尖处的红外血容积搏动信号的波峰时间及波峰幅值。所述波峰幅值主要表征相应信号的强度。
所述关联参数优选包括：
（1）寸口处桡动脉脉搏振动信号峰值时间与相对应的心电信号R波峰值时间的差值；
（2）指尖处红外血容积搏动信号峰值时间与相对应的心电信号R波峰值时间的差值；
（3）指尖处红外血容积搏动信号峰值时间与相对应的寸口处桡动脉脉搏振动信号峰值时间的差值；
（4）心电R-R间期：心电信号相邻R波峰值时间间隔；
（5）寸口处桡动脉脉搏振动信号相邻峰峰值时间间隔：寸口处桡动脉脉搏振动信号相邻峰值时间的差值；
（6）指尖处红外血容积搏动信号相邻峰峰值时间间隔：指尖处红外血容积搏动信号相邻峰值时间的差值；
（7）寸口处桡动脉脉搏振动信号相邻峰峰值时间间隔与心电R-R间期的比值；
（8）指尖处红外血容积搏动信号相邻峰峰值时间间隔与心电R-R间期的比值；
（9）AECG(n)、APPG(n)、APPW(n)的差值APPG(n) -AECG(n)、APPG(n)- APPW(n)、APPW(n)- AECG(n)。
其中，为心电信号R波第n个峰值的时间，和分别为与相对应的寸口处桡动脉脉搏振动信号峰值的时间和指尖处红外血容积搏动信号峰值的时间，AECG(n)、APPG(n)、APPW(n)为分别对应tECG(n)、tPPG(n)、tPPW(n)时刻的强度值。
所述时间是以所述嵌入式系统的系统时间为时间基准得到的时间，即各参数的时间轴是统一的，所采集的数据均为同一时刻下对应的数据。
本发明的一个具体实施例如下表所示：
在本发明中，采集到ECG 峰值强度、PPW 峰值强度、PPG 峰值强度以同跳心脏为一个基准点，形成三类峰值强度的包络及三类峰值强度差值的曲线（如图8所示）。
通常可在所述步骤（1）之前先通过身份证标识系统或其他RFID身份标识系统，采集个人信息，并存入数据处理设备的相应数据库中。
所述数据处理设备还可以与一台或多台计算机（客户终端设备）通信连接时，用户可以通过这些计算机对所述数据处理设备中的心跳信号、原始参数和关联参数进行查询、统计、打印等操作，也可以代替所述数据处理设备从汇聚后的信息中提取所述多个角度的原始信号各自所对应的心跳信号，再从各心跳信号提取心跳参数并进行参数间关联，分别得到原始参数和关联参数。即提取信号和原始参数以及构建关联参数也可以由客户终端设备来做。
参见图2，本发明还公开了一种采用上述方法的基于体感网的多维心跳信息同步采集系统，包括依次通信连接的多维心跳信息采集模块、嵌入式系统和数据处理设备（如图中所示的服务器），所述多维心跳信息采集模块同步采集与心跳相关的多个角度的原始信号，所述嵌入式系统汇聚所述原始信号并用所述嵌入式系统的系统时间对所述原始信号进行时间对准，对所述原始信号进行信息汇聚并将汇聚后的信息送入所述数据处理设备，所述数据处理设备从汇聚后的信息中提取所述多个角度的原始信号各自所对应的心跳信号，再从各心跳信号提取心跳参数并进行参数间关联，分别得到原始参数和关联参数。所述原始参数和关联参数可以用作识别和评估精神障碍的参考指标。
所述多维心跳信息采集模块可以包括心电传感模块101、桡动脉压电脉搏传感模块102和指尖红外脉搏传感模块103。可以按照图3所示位置在人体上布设这些模块的感应输入端进行相应原始信号的采集。所述多维心跳信息采集模块可以采用穿戴式生理参数采集设备，以方便采集操作。
所述嵌入式系统与所述数据处理设备有线或无线通信连接，优选为通过所述嵌入式系统自带的无线传输模块与所述数据处理设备无线通信连接。
所述嵌入式系统优选为微秒级时间精度的嵌入式系统。
所述基于体感网的多维心跳信息采集系统还可以包括个人信息采集模块，所述个人信息采集模块的输出端接入所述嵌入式系统。所述个人信息采集模块可以是身份证识别模块或其他RFID身份识别模块，例如医院等能够进行精神障碍识别评估的机构自行设置的RFID识别模块，该模块可用于读取该机构自行发放的记录有个人信息的卡片等存储的个人信息。通常，先用所述个人信息采集模块进行个人信息采集，后续再同步采集多维心跳信息，以明确所采集的多维心跳信息是来自哪个人。
所述数据处理设备还可以与一台或多台计算机（客户终端设备）通信连接，用户通过这些计算机可以对所述数据处理设备中的心跳信号、原始参数和关联参数进行查询、统计、打印等操作，从而实现对相关信息的管理和使用。例如可以方便个人自行查询了解自己的多维心跳信息。或者，也可以通过这些计算机中的算法，从汇聚后的信息中提取所述多个角度的原始信号各自所对应的心跳信号，再从各心跳信号提取心跳参数并进行参数间关联，分别得到原始参数和关联参数。即这些客户终端设备也可以用于执行所述数据处理设备的除信息汇聚之外的部分或全部工作。
本发明中所称的多维心跳信息是指以心脏跳动为源点，包括了用以表达心脏跳动过程中的电活动的心电信息和用以表达心脏跳动过程中结合血管和血管周围组织情况的寸口处桡动脉脉搏振动信息。

Claims (10)

1.一种基于体感网的多维心跳信息同步采集方法，其特征在于包括如下步骤：
(1)用多维心跳信息采集模块同步采集与心跳相关的多个角度的原始信号，同时记录嵌入式系统的系统时间点进行时间对准；
(2)所述嵌入式系统对所述原始信号进行信息汇聚；
(3)将汇聚后的信息通过有线或/和无线网络送入到数据处理设备，所述数据处理设备从汇聚后的信息中提取多个角度的心跳信号；
(4)从多个角度的所述心跳信号中分别提取心跳参数并对这些心跳参数进行关联，分别得到原始参数和关联参数；
(5)以所述原始参数和关联参数作为识别和评估精神障碍的指标。
2.如权利要求1所述的基于体感网的多维心跳信息同步采集方法，其特征在于所述多维心跳信息采集模块包括心电传感模块、桡动脉压电脉搏传感模块和指尖红外脉搏传感模块，多个角度的心跳信号包括心电信号、寸口处桡动脉的压电脉搏振动信号和指尖处红外血容积搏动信号。
3.如权利要求2所述的基于体感网的多维心跳信息同步采集方法，其特征在于所述原始参数包括心电信号的R波峰时间及波峰幅值、寸口处桡动脉的压电脉搏振动信号的波峰时间及波峰幅值以及指尖处的红外血容积搏动信号的波峰时间及波峰幅值。
4.如权利要求3所述的基于体感网的多维心跳信息同步采集方法，其特征在于所述关联参数包括：
（1）寸口处桡动脉脉搏振动信号峰值时间与相对应的心电信号R波峰值时间的差值；
（2）指尖处红外血容积搏动信号峰值时间与相对应的心电信号R波峰值时间的差值；
（3）指尖处红外血容积搏动信号峰值时间与相对应的寸口处桡动脉脉搏振动信号峰值时间的差值；
（4）心电R-R间期：心电信号相邻R波峰值时间间隔；
（5）寸口处桡动脉脉搏振动信号相邻峰峰值时间间隔：寸口处桡动脉脉搏振动信号相邻峰值时间的差值；
（6）指尖处红外血容积搏动信号相邻峰峰值时间间隔：指尖处红外血容积搏动信号相邻峰值时间的差值；
（7）寸口处桡动脉脉搏振动信号相邻峰峰值时间间隔与心电R-R间期的比值；
（8）指尖处红外血容积搏动信号相邻峰峰值时间间隔与心电R-R间期的比值；
（9）AECG(n)、APPG(n)、APPW(n)的差值APPG(n) -AECG(n)、APPG(n)- APPW(n)、APPW(n)- AECG(n)；
其中，为心电信号R波第n个峰值的时间，和分别为与相对应的寸口处桡动脉脉搏振动信号峰值的时间和指尖处红外血容积搏动信号峰值的时间，AECG(n)、APPG(n)、APPW(n)为分别对应tECG(n)、tPPG(n)、tPPW(n)时刻的强度值。
5.如权利要求1、2、3或4所述的基于体感网的多维心跳信息同步采集方法，其特征在于所述时间是以所述嵌入式系统的系统时间为时间基准得到的时间。
6.一种采用权利要求1-5中任意一种方法的基于体感网的多维心跳信息同步采集系统，其特征在于包括依次通信连接的多维心跳信息采集模块、嵌入式系统和数据处理设备，所述多维心跳信息采集模块同步采集与心跳相关的多个角度的原始信号，所述嵌入式系统汇聚所述原始信号并用所述嵌入式系统的系统时间对所述原始信号进行时间对准，将所述原始信号进行信息汇聚并将汇聚后的信息送入所述数据处理设备，所述数据处理设备从汇聚后的信息中提取所述多个角度的原始信号各自所对应的心跳信号，再从各心跳信号提取心跳参数并进行参数间关联，分别得到原始参数和关联参数。
7.如权利要求6所述的基于体感网的多维心跳信息同步采集系统，其特征在于所述多维心跳信息采集模块包括心电传感模块、桡动脉压电脉搏传感模块和指尖红外脉搏传感模块。
8.如权利要求6所述的基于体感网的多维心跳信息同步采集系统，其特征在于所述嵌入式系统与所述数据处理设备有线或无线通信连接。
9.如权利要求6所述的基于体感网的多维心跳信息同步采集系统，其特征在于所述嵌入式系统为微秒级时间精度的嵌入式系统。
10.如权利要求6、7、8或9所述的基于体感网的多维心跳信息同步采集系统，其特征在于还包括个人信息采集模块，所述个人信息采集模块的输出端接入所述嵌入式系统。
CN201610301309.3A 2016-05-09 2016-05-09 基于体感网的多维心跳信息同步采集方法与系统 Active CN105997019B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610301309.3A CN105997019B (zh) 2016-05-09 2016-05-09 基于体感网的多维心跳信息同步采集方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610301309.3A CN105997019B (zh) 2016-05-09 2016-05-09 基于体感网的多维心跳信息同步采集方法与系统

Publications (2)

Publication Number Publication Date
CN105997019A true CN105997019A (zh) 2016-10-12
CN105997019B CN105997019B (zh) 2019-02-19

Family

ID=57099660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610301309.3A Active CN105997019B (zh) 2016-05-09 2016-05-09 基于体感网的多维心跳信息同步采集方法与系统

Country Status (1)

Country Link
CN (1) CN105997019B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106691434A (zh) * 2017-01-20 2017-05-24 深圳诺康医疗设备股份有限公司 生理参数检测系统
CN108630043A (zh) * 2018-04-26 2018-10-09 成都泰盟软件有限公司 脉搏传导检测教学设备系统
CN110491500A (zh) * 2019-08-07 2019-11-22 王满 一种基于心脏功能动态监测与分析的身份识别系统及方法
WO2020029255A1 (zh) * 2018-08-10 2020-02-13 广州丰谱信息技术有限公司 人体多点机械振动参数随时间演进的混合测量方法与装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010104480A1 (en) * 2009-03-12 2010-09-16 Univerza V Ljubljani System and procedure for estimation of psychological state based on psychophysiological responses and transmission of the estimated state over various networks
CN104127193A (zh) * 2014-07-14 2014-11-05 华南理工大学 一种抑郁症程度量化的评估系统及其评估方法
CN104127194A (zh) * 2014-07-14 2014-11-05 华南理工大学 一种基于心率变异性分析方法的抑郁症的评估系统及方法
CN104523260A (zh) * 2014-12-08 2015-04-22 北京工业大学 一种微循环血流速度测量装置及方法
CN105193431A (zh) * 2015-09-02 2015-12-30 杨静 一种人体精神压力状态分析装置
CN105377137A (zh) * 2013-06-28 2016-03-02 株式会社村田制作所 生物状态推测装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010104480A1 (en) * 2009-03-12 2010-09-16 Univerza V Ljubljani System and procedure for estimation of psychological state based on psychophysiological responses and transmission of the estimated state over various networks
CN105377137A (zh) * 2013-06-28 2016-03-02 株式会社村田制作所 生物状态推测装置
CN104127193A (zh) * 2014-07-14 2014-11-05 华南理工大学 一种抑郁症程度量化的评估系统及其评估方法
CN104127194A (zh) * 2014-07-14 2014-11-05 华南理工大学 一种基于心率变异性分析方法的抑郁症的评估系统及方法
CN104523260A (zh) * 2014-12-08 2015-04-22 北京工业大学 一种微循环血流速度测量装置及方法
CN105193431A (zh) * 2015-09-02 2015-12-30 杨静 一种人体精神压力状态分析装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106691434A (zh) * 2017-01-20 2017-05-24 深圳诺康医疗设备股份有限公司 生理参数检测系统
CN108630043A (zh) * 2018-04-26 2018-10-09 成都泰盟软件有限公司 脉搏传导检测教学设备系统
WO2020029255A1 (zh) * 2018-08-10 2020-02-13 广州丰谱信息技术有限公司 人体多点机械振动参数随时间演进的混合测量方法与装置
CN110491500A (zh) * 2019-08-07 2019-11-22 王满 一种基于心脏功能动态监测与分析的身份识别系统及方法
CN110491500B (zh) * 2019-08-07 2022-08-16 王满 一种基于心脏功能动态监测与分析的身份识别系统及方法

Also Published As

Publication number Publication date
CN105997019B (zh) 2019-02-19

Similar Documents

Publication Publication Date Title
US10362997B2 (en) System and method of extraction, identification, marking and display of heart valve signals
CN101773394B (zh) 身份识别方法及应用该方法的身份识别系统
Belgacem et al. A novel biometric authentication approach using ECG and EMG signals
Zhang et al. Automated detection and localization of myocardial infarction with staked sparse autoencoder and treebagger
Jin et al. Predicting cardiovascular disease from real-time electrocardiographic monitoring: An adaptive machine learning approach on a cell phone
CN103126655B (zh) 一种非约束目标的非接触式脉搏波采集系统及采集方法
Camara et al. Human identification using compressed ECG signals
US20150057506A1 (en) Arrayed electrodes in a wearable device for determining physiological characteristics
CN105997019A (zh) 基于体感网的多维心跳信息同步采集方法与系统
CN109065162A (zh) 一种综合性智能化诊断系统
Moody The physionet/computing in cardiology challenge 2010: Mind the gap
Landreani et al. Smartphone accelerometers for the detection of heart rate
EP3288632B1 (en) Detection of the heartbeat in cranial accelerometer data using independent component analysis
Vo et al. P2E-WGAN: ECG waveform synthesis from PPG with conditional wasserstein generative adversarial networks
Nandagopal et al. Newly constructed real time ECG monitoring system using labview
Park et al. Preprocessing method for performance enhancement in CNN-based STEMI detection from 12-lead ECG
Tan et al. ECG biometric identification using wavelet analysis coupled with probabilistic random forest
CN108024747A (zh) 心内egm信号用于搏动匹配和接受
Pereira et al. Biometric recognition: A systematic review on electrocardiogram data acquisition methods
Soliman et al. Toward wearable estimation of tidal volume via electrocardiogram and seismocardiogram signals
EP3399905A1 (en) System and method of extraction, identification, making and display of the heart valve signals
CN205866740U (zh) 一种同步获取多维心跳信息的采集装置
Huang et al. A congestive heart failure detection system via multi-input deep learning networks
Javaid et al. Ballistocardiogram based identity recognition: towards zero-effort health monitoring in an internet-of-things (IoT) environment
Fuster-Barceló et al. Unleashing the Power of Electrocardiograms: A novel approach for Patient Identification in Healthcare Systems with ECG Signals

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