CN106137219A - 双波长的绝对差值加和计算动脉血氧饱和度方法及其装置 - Google Patents

双波长的绝对差值加和计算动脉血氧饱和度方法及其装置 Download PDF

Info

Publication number
CN106137219A
CN106137219A CN201610638667.3A CN201610638667A CN106137219A CN 106137219 A CN106137219 A CN 106137219A CN 201610638667 A CN201610638667 A CN 201610638667A CN 106137219 A CN106137219 A CN 106137219A
Authority
CN
China
Prior art keywords
absolute difference
dual wavelength
photoplethysmographic
difference
oxygen saturation
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
CN201610638667.3A
Other languages
English (en)
Other versions
CN106137219B (zh
Inventor
林凌
代文婷
王怀乐
李刚
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN201610638667.3A priority Critical patent/CN106137219B/zh
Publication of CN106137219A publication Critical patent/CN106137219A/zh
Application granted granted Critical
Publication of CN106137219B publication Critical patent/CN106137219B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/145Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455Measuring 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
    • A61B5/14551Measuring 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
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Signal Processing (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种双波长的绝对差值加和计算动脉血氧饱和度方法及其装置,包括:提取对数光电容积脉搏波的前后两个相邻采样点的差值,并取差值的绝对值,通过筛选获取双波长绝对差值序列;顺序提取双波长对应位置的若干绝对差值得到多组双波长绝对差值序列,对各组双波长绝对差值序列分别进行归一化,获取归一化绝对差值序列;根据kσ准则,剔除含有粗大误差的归一化绝对差值,将剔除后的值进行叠加,作为最终的光电容积脉搏波的绝对差值加和;建立动脉血氧饱和度的真值、与光电容积脉搏波的绝对差值加和的校正模型;利用校正模型计算动脉血氧饱和度。本发明更为充分利用了采集到的光谱数据,显著改善动态光谱无创血液成分检测的精度。

Description

双波长的绝对差值加和计算动脉血氧饱和度方法及其装置
技术领域
本发明涉及动脉血氧饱和度计算领域,尤其涉及一种双波长的绝对差值加和计算动脉血氧饱和度方法及其装置。
背景技术
现有的无创脉搏血氧仪存在测量精度不高,检测的实时性受限制的问题。主要是由于目前的脉搏血氧饱和度检测仪采用传统的近似计算,同时测量精度受个体差异和测量条件的影响。在众多检测脉搏血氧饱和度的方法中,基于动态光谱原理的脉搏血氧饱和度的检测方法在理论上可消除皮肤、脂肪等光学背景对测量动脉血液光谱的干扰。
动态光谱法的基本原理是:采用可见和近红外波段的光照射手指进而得到各波长下含有血液成分信息的光电容积脉搏波,通过提取各波长下取对数后的光电容积脉搏波的峰峰值即可组成动态光谱。由于动脉血液吸光量相较于组织背景而言微弱很多,加之光谱重叠、异常波形干扰、以及数据采集系统的采样率有限等因素的影响,如何更为充分利用采集到的各波长光电容积脉搏波数据,更为高速有效地获得高质量的动态光谱就显得尤为重要。
目前在基于动态光谱的脉搏血氧饱和度检测方法的基础上,为了更为简单有效的获取相同血液容积变化对应的吸光度的差异,提出了采用提取光电容积脉搏波的峰峰值(单个光电容积脉搏波周期中最大值与最小值之间的差值)来对应动脉血液最大变化量,从而进行血氧饱和度的计算。现有的动态光谱提取方法主要有频域提取法(发明专利《无创测量血液光谱与成分的方法》公开号:CN101507607,公开日:2009年8月19日)、时域单拍提取法(发明专利《一种基于单沿提取法的动态光谱数据处理方法》公开号:CN101912256A,公开日:2010年12月15日)、以及时域差值提取法(发明专利《一种基于差值提取的动态光谱数据处理方法》公开号:CN102631198A,公开日:2012年8月15日),前两者均是通过提取多波长光电容积脉搏波的峰峰值来组成动态光谱,后者则是通过提取多波长光电容积脉搏波的两个相差一定初始步长采样点的差值来组成动态光谱。
通过对上述三种方法进行分析发现,若将上述三种方法应用于血氧饱和度的检测,会存在以下的不足和缺陷:
1、利用频域提取法进行动脉血氧饱和的计算,是利用傅里叶变换的方法对双波长下的取对数后的光电容积脉搏波进行时域到频域的变换,提取频域中幅值最大的谐波幅值来替代对数光电容积脉搏波的峰峰值。
该方法是为了解决时域提取对数光电容积脉搏波峰峰值相对困难且误差较大的问题而提出的间接提取方式,尽管对双波长下光电容积脉搏波的全部数据加以处理,但只利用了最大谐波分量信息,造成运算的冗余,降低了运算效率,且在运算过程中难以抑制时域信号中存在的异常波形和基线漂移等因素的影响,无法在运算过程中对数据质量进行有效的实时评估。
2、利用时域单拍提取法的原理进行动脉血氧饱和度的计算,虽然初步解决了双波长动态光谱时域提取的困难,实现了对数脉搏波峰峰值的直接提取、并且能较好地抑制光电容积脉搏波中异常波形对动态光谱精度的影响,数据处理速度有所提升。
但该方法未能对实验数据进行充分利用,在脉搏波峰值定位上仍存在较大误差,实验数据处理程序繁冗复杂,实时监测能力较差。
3、而基于时域差值提取法的原理进行动脉血氧饱和度的计算,实现了无须定位脉搏波波峰,就可以解决脉搏波峰值定位存在较大误差的问题,数据处理速度有所提高。
但该方法由于两个采样点的初始步长小于峰峰值,减小了光程长,也就减小了携带血液成分的光谱的比例,未能用到峰峰值这个幅度最大的吸光度的差值,信噪比有所损失,并且要寻找最佳步长,数据处理程序繁冗复杂,实时监测能力差。
发明内容
本发明提供了一种双波长的绝对差值加和来计算动脉血氧饱和度方法及其装置,本发明解决了频域提取法中运算效率低、运算中无法有效评估、克服异常波形影响等不足;同时解决了时域单拍提取法中脉搏波定位困难和运算复杂等问题;还解决了时域差分提取法中光程长减小,携带血液成分的光谱比例减小、以及运算十分复杂等问题,详见下文描述:
一种双波长的绝对差值加和计算动脉血氧饱和度方法,所述方法包括以下步骤:
利用时域差值提取法提取对数光电容积脉搏波的前后两个相邻采样点的差值,并取差值的绝对值,通过筛选以此获取双波长绝对差值序列;
顺序提取双波长对应位置的若干绝对差值得到多组双波长绝对差值序列,对各组双波长绝对差值序列分别进行归一化,获取归一化绝对差值序列;
根据kσ准则,从归一化绝对差值序列中剔除含有粗大误差的归一化绝对差值,将剔除后的值进行叠加,作为最终的光电容积脉搏波的绝对差值加和;
建立动脉血氧饱和度的真值、与光电容积脉搏波的绝对差值加和的校正模型;利用校正模型计算动脉血氧饱和度。
进一步地,所述方法还包括:
同步采集一段时间内两个不同波长的光源下的光电容积脉搏波并取对数,得到两个波长下的对数光电容积脉搏波。
其中,所述利用时域差值提取法提取对数光电容积脉搏波的前后两个相邻采样点的差值,并取差值的绝对值,通过筛选以此获取双波长绝对差值序列的步骤具体为:
对连续采集的对数光电容积脉搏波,顺序滑动地计算相邻的两个对数光电容积脉搏波差值的绝对值,获取双波长绝对差值序列;
设置合理的差值阈值范围,对绝对差值序列进行筛选。
其中,所述建立动脉血氧饱和度的真值、与光电容积脉搏波的绝对差值加和的校正模型的步骤具体为:
对每个实验对象进行双波长光电脉搏波的采集,同时进行血气分析,记录动脉血氧饱和度的真值;
提取每个实验对象的双波长光电容积脉搏波的绝对差值加和;
将每个实验对象的双波长光电容积脉搏波的绝对差值加和作为自变量,血气分析结果中得到的动脉血氧饱和度的真值作为因变量,建立因变量与自变量的对应关系。
一种双波长的绝对差值加和计算动脉血氧饱和度装置,所述装置包括:
第一获取模块,利用时域差值提取法提取对数光电容积脉搏波的前后两个相邻采样点的差值,并取差值的绝对值,通过筛选以此获取双波长绝对差值序列;
第二获取模块,用于顺序提取双波长对应位置的若干绝对差值得到多组双波长绝对差值序列,对各组双波长绝对差值序列分别进行归一化,获取归一化绝对差值序列;
绝对差值加和模块,用于根据kσ准则,从归一化绝对差值序列中剔除含有粗大误差的归一化绝对差值,将剔除后的值进行叠加,作为最终的光电容积脉搏波的绝对差值加和;
建立模块,用于建立动脉血氧饱和度的真值、与光电容积脉搏波的绝对差值加和的校正模型;
计算模块,利用校正模型计算动脉血氧饱和度。
其中,所述装置还包括:
采集模块,用于同步采集一段时间内两个不同波长的光源下的光电容积脉搏波并取对数,得到两个波长下的对数光电容积脉搏波。
进一步地,所述第一获取模块包括:
第一获取子模块,用于对连续采集的对数光电容积脉搏波,顺序滑动地计算相邻的两个对数光电容积脉搏波差值的绝对值,获取双波长绝对差值序列;
筛选子模块,用于设置合理的差值阈值范围,对绝对差值序列进行筛选。
进一步地,所述建立模块包括:
记录子模块,用于对每个实验对象进行双波长光电脉搏波的采集,同时进行血气分析,记录动脉血氧饱和度的真值;
提取子模块,用于提取每个实验对象的双波长光电容积脉搏波的绝对差值加和;
建立子模块,用于将每个实验对象的双波长光电容积脉搏波的绝对差值加和作为自变量,血气分析结果中得到的动脉血氧饱和度的真值作为因变量,建立因变量与自变量的对应关系。
本发明提供的技术方案的有益效果是:
1、本发明有效地解决了频域提取法中数据运算量大、无法抑制异常波形和基线漂移等干扰的影响;
2、本发明弥补了时域单拍提取法中数据利用不充分,脉搏波峰值定位精度不高、实时监控能力较差等缺陷;
3、本发明也改善了时域差值提取方法的光程长小,信噪比低,计算复杂等缺陷;
4、本发明更为充分利用了采集到的光谱数据,显著改善动态光谱无创血液成分检测的精度,同时数据处理速度得到显著提高,实时监测能力显著增强。
附图说明
图1为双波长的绝对差值加和计算动脉血氧饱和度方法的流程图;
图2为双波长的绝对差值加和计算动脉血氧饱和度方法的另一流程图;
图3为获取双波长绝对差值序列的流程图;
图4为建立动脉血氧饱和度的真值、与光电容积脉搏波的绝对差值加和的校正模型的流程图;
图5为双波长的绝对差值加和计算动脉血氧饱和度装置的结构示意图;
图6为双波长的绝对差值加和计算动脉血氧饱和度装置的另一结构示意图;
图7为第一获取模块的结构示意图;
图8为建立模块的结构示意图。
附图中,各部件的列表如下所示:
1:第一获取模块; 2:第二获取模块;
3:绝对差值加和模块; 4:建立模块;
5:计算模块; 6:采集模块;
11:第一获取子模块; 12:筛选子模块;
41:记录子模块; 42:提取子模块:;
43:建立子模块。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
实施例1
为了解决动态光谱频域提取法、时域单拍提取法以及时域差值提取法中的不足,本发明实施例提供了一种双波长的绝对差值加和计算动脉血氧饱和度方法,参见图1,详见下文描述:
101:利用时域差值提取法提取对数光电容积脉搏波的前后两个相邻采样点的差值,并取差值的绝对值,通过筛选以此获取双波长绝对差值序列;
102:顺序提取双波长对应位置的若干绝对差值得到多组双波长绝对差值序列,对各组双波长绝对差值序列分别进行归一化,获取归一化绝对差值序列;
103:根据kσ准则,从归一化绝对差值序列中剔除含有粗大误差的归一化绝对差值,将剔除后的值进行叠加,作为最终的光电容积脉搏波的绝对差值加和;
104:建立动脉血氧饱和度的真值、与光电容积脉搏波的绝对差值加和的校正模型;利用校正模型计算动脉血氧饱和度。
其中,在步骤101之前,该方法还包括:
同步采集一段时间内两个不同波长的光源下的光电容积脉搏波并取对数,得到两个波长下的对数光电容积脉搏波。
进一步地,步骤101具体为:
对连续采集的对数光电容积脉搏波,顺序滑动地计算相邻的两个对数光电容积脉搏波差值的绝对值,获取双波长绝对差值序列;
设置合理的差值阈值范围,对绝对差值序列进行筛选。
进一步地,步骤104具体为:
对每个实验对象进行双波长光电脉搏波的采集,同时进行血气分析,记录动脉血氧饱和度的真值;
提取每个实验对象的双波长光电容积脉搏波的绝对差值加和;
将每个实验对象的双波长光电容积脉搏波的绝对差值加和作为自变量,血气分析结果中得到的动脉血氧饱和度的真值作为因变量,建立因变量与自变量的对应关系。
综上所述,本发明实施例更为充分利用了采集到的光谱数据,显著改善动态光谱无创血液成分检测的精度,同时数据处理速度得到显著提高,实时监测能力显著增强。
实施例2
下面结合图1、图2,对实施例1中的方案进行进一步地介绍,详见下文描述:
201:同步采集一段时间内两个不同波长的光源下的光电容积脉搏波并取对数,得到两个波长下的对数光电容积脉搏波;
其中,步骤201的具体操作包括以下步骤:
两个不同波长的光源可以是反向并联的发光二极管、共阳极的发光二极管或者共阴极的发光二极管,具体实现时,本发明实施例对此不做限制。
实际应用时,驱动上述发光二极管的方式可以是时分驱动或者频分驱动,本发明实施例对此不做限制。
进一步地,驱动上述发光二极管的方式可以是正弦波驱动,或者方波驱动,或者三角波驱动,本发明实施例对此不做限制。
再进一步地,接收对数光电容积脉搏波的光电接收器件可以是敏感波长满足光源波长的光电二极管、光电池等光电器件,也可以是能实现上述功能的其他光电器件,具体实现时,本发明实施例对此不做限制。
其中,光源和光电接收器件与被测对象手指指尖的放置方式可以是透射式或者反射式,即测量得到的光电容积脉搏波可以来源于透射光强或者漫反射光强,具体实现时,本发明实施例对此不做限制。
实际应用时,对采集得到的两个波长下的光电容积脉搏波取对数,可以得到两个波长下的对数光电容积脉搏波。
202:利用时域差值提取法提取对数光电容积脉搏波的前后两个相邻采样点的差值,并取差值的绝对值,通过筛选以此获取双波长绝对差值序列;
其中,参见图3,该步骤202具体包括2021-2022,详见下文的描述:
2021:对上述连续采集的对数光电容积脉搏波,顺序滑动地计算相邻的两个对数光电容积脉搏波差值的绝对值,获取双波长绝对差值序列;
2022:设置合理的差值阈值范围,对绝对差值序列进行优选。
具体实现时,由于在差值运算过程中会出现差值过小以及异常波形导致差值异常的情况,这些都严重影响绝对差值序列的信噪比,需要予以剔除。
在上述绝对差值序列中以N个绝对差值为一组,得到多组绝对差值序列,以某一波长下的某一组绝对差值序列为例,其绝对差值序列的优选处理过程如下:
1)对某一波长的某组绝对差值序列中的所有绝对差值Di(i=1,2,3…,N)进行叠加平均得到一个平均差值
2)根据平均差值和绝对差值序列的图形特征,确定合理的绝对差值阈值范围;
其中,该步骤的具体操作为本领域技术人员所公知,本发明实施例对此不做赘述。
3)对落在绝对差值阈值范围内的绝对差值予以保留,否则予以剔除,从而实现对绝对差值的优选。
其中,通常选择绝对差值阈值范围为具体实现时本发明实施例对此不做限制。
203:顺序提取双波长对应位置的若干绝对差值得到多组双波长绝对差值序列,对各组双波长绝对差值序列分别进行归一化,获取相对应的归一化绝对差值序列;
具体实现时,由于同一波长不同时刻存在光程长的差异,因此需要对各组双波长绝对差值序列进行归一化处理。
以某一波长的某一组绝对差值序列为例,其归一化的处理过程如下:将同一时刻两个波长下对应的绝对差值相除,所得的比例系数序列作为归一化绝对差值序列。
204:根据kσ准则,在提取出的归一化绝对差值序列中剔除含有粗大误差的归一化绝对差值,将剔除粗大误差后的归一化绝对差值序列的值进行叠加,作为最终的光电容积脉搏波的绝对差值加和;
测量过程中,某个时刻的光电容积脉搏波信号如果包含运动伪迹或含有较大噪声,会影响该段提取双波长光电容积脉搏波特征量的准确性。
kσ准则具体为:在每个实验对象的同种特征量(归一化绝对差值)组成的集合中,某个元素与集合的平均值之差大于等于kσ,则认为该元素误差较大并剔除,若小于kσ则保留。
其中,对于预设值k的选择范围为1.5~2.5,具体实现时本发明实施例对此不做限制。
205:按上述步骤201-204,提取一定数量的光电容积脉搏波的绝对差值加和样本,同时使用血气分析仪测量动脉血氧饱和度的参考真值(真实的血氧饱和度值),建立动脉血氧饱和度的真值、与光电容积脉搏波的绝对差值加和的校正模型;
其中,参见图4,该步骤205具体包括步骤2051-2053,详见下文描述:
2051:对每个实验对象进行双波长光电脉搏波的采集,同时进行血气分析,记录动脉血氧饱和度的真值;
2052:提取每个实验对象的双波长光电容积脉搏波的绝对差值加和;
2053:将每个实验对象的双波长光电容积脉搏波的绝对差值加和作为自变量,血气分析结果中得到的动脉血氧饱和度的真值作为因变量,建立因变量与自变量的对应关系,即动脉血氧饱和度的真值与光电容积脉搏绝对差值加和的校正模型。
其中,实际应用时,可以采用偏最小二乘建模、神经网络建模等建模方法,具体实现时,本发明实施例对此不做限制。
本方法要求被测实验对象的手指厚度、肤色、年龄等个体差异分布要范围广泛,这样才能使校正模型充分包含各种个体差异,提高了使用模型计算动脉血氧饱和度的准确性。
具体实现时,被测实验对象的动脉血氧饱和度应该范围广泛,对于低血氧饱和度样本较少的情况,可以增加低血氧饱和度的样本数,提高了使用模型计算动脉血氧饱和度的准确性。
206:在测量时,按照上述步骤201-205,提取被测对象的光电容积脉搏波绝对差值加和,利用校正模型计算动脉血氧饱和度。
具体实现时,本发明实施例方法中应用到的取对数、傅里叶变换、偏最小二乘建模,神经网络建模、kσ判定准则等均为数据处理方法中的公知技术,为本领域技术人员所公知,本发明实施例对此不做赘述。
综上所述,本发明实施例提供了一种利用双波长的绝对差值加和计算动脉血氧饱和度的方法,该方法与现有的频域提取法、时域单拍提取法和时域差值提取法相比,在处理过程中利用一段时间内前后相邻的两个采样点绝对差值叠加,可增加光程长,实现了对携带血液成分的光谱数据更为充分的利用,同时由于无须寻找最佳步长,简化了实验数据的处理程序,数据处理速度有所提升,其次在误差剔除过程中利用平均效应对含随机噪声的实验数据予以剔除,同时利用kσ准则剔除了粗大误差,极大地提高了动态光谱的信噪比,改善了动脉血氧饱和度检测的精度。
实施例3
本发明实施例提供了一种双波长的绝对差值加和来计算动脉血氧饱和度的装置,该装置是与实施例1和2中的方法部分相对应,参见图5,该装置包括:
第一获取模块1,利用时域差值提取法提取对数光电容积脉搏波的前后两个相邻采样点的差值,并取差值的绝对值,通过筛选以此获取双波长绝对差值序列;
第二获取模块2,用于顺序提取双波长对应位置的若干绝对差值得到多组双波长绝对差值序列,对各组双波长绝对差值序列分别进行归一化,获取归一化绝对差值序列;
绝对差值加和模块3,用于根据kσ准则,从归一化绝对差值序列中剔除含有粗大误差的归一化绝对差值,将剔除后的值进行叠加,作为最终的光电容积脉搏波的绝对差值加和;
建立模块4,用于建立动脉血氧饱和度的真值、与光电容积脉搏波的绝对差值加和的校正模型;
计算模块5,利用校正模型计算动脉血氧饱和度。
其中,参见图6,该装置还包括:
采集模块6,用于同步采集一段时间内两个不同波长的光源下的光电容积脉搏波并取对数,得到两个波长下的对数光电容积脉搏波。
进一步地,参见图7,该第一获取模块1包括:
第一获取子模块11,用于对连续采集的对数光电容积脉搏波,顺序滑动地计算相邻的两个对数光电容积脉搏波差值的绝对值,获取双波长绝对差值序列;
筛选子模块12,用于设置合理的差值阈值范围,对绝对差值序列进行筛选。
进一步地,参见图8,该建立模块4包括:
记录子模块41,用于对每个实验对象进行双波长光电脉搏波的采集,同时进行血气分析,记录动脉血氧饱和度的真值;
提取子模块42,用于提取每个实验对象的双波长光电容积脉搏波的绝对差值加和;
建立子模块43,用于将每个实验对象的双波长光电容积脉搏波的绝对差值加和作为自变量,血气分析结果中得到的动脉血氧饱和度的真值作为因变量,建立因变量与自变量的对应关系。
具体实现时,本发明实施例对上述的模块、子模块的执行主体不做限制,可以为单片机、计算机、微控制器等具有计算功能的硬件,只要能实现上述功能的器件均可。
综上所述,本发明实施例更为充分利用了采集到的光谱数据,显著改善动态光谱无创血液成分检测的精度,同时数据处理速度得到显著提高,实时监测能力显著增强。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种利用双波长的绝对差值加和计算动脉血氧饱和度方法,其特征在于,所述方法包括以下步骤:
利用时域差值提取法提取对数光电容积脉搏波的前后两个相邻采样点的差值,并取差值的绝对值,通过筛选以此获取双波长绝对差值序列;
顺序提取双波长对应位置的若干绝对差值得到多组双波长绝对差值序列,对各组双波长绝对差值序列分别进行归一化,获取归一化绝对差值序列;
根据kσ准则,从归一化绝对差值序列中剔除含有粗大误差的归一化绝对差值,将剔除后的值进行叠加,作为最终的光电容积脉搏波的绝对差值加和;
建立动脉血氧饱和度的真值、与光电容积脉搏波的绝对差值加和的校正模型;利用校正模型计算动脉血氧饱和度。
2.根据权利要求1所述的一种利用双波长的绝对差值加和计算动脉血氧饱和度方法,其特征在于,所述方法还包括:
同步采集一段时间内两个不同波长的光源下的光电容积脉搏波并取对数,得到两个波长下的对数光电容积脉搏波。
3.根据权利要求1或2所述的一种利用双波长的绝对差值加和计算动脉血氧饱和度方法,其特征在于,所述利用时域差值提取法提取对数光电容积脉搏波的前后两个相邻采样点的差值,并取差值的绝对值,通过筛选以此获取双波长绝对差值序列的步骤具体为:
对连续采集的对数光电容积脉搏波,顺序滑动地计算相邻的两个对数光电容积脉搏波差值的绝对值,获取双波长绝对差值序列;
设置合理的差值阈值范围,对绝对差值序列进行筛选。
4.根据权利要求1或2所述的一种利用双波长的绝对差值加和计算动脉血氧饱和度方法,其特征在于,所述建立动脉血氧饱和度的真值、与光电容积脉搏波的绝对差值加和的校正模型的步骤具体为:
对每个实验对象进行双波长光电脉搏波的采集,同时进行血气分析,记录动脉血氧饱和度的真值;
提取每个实验对象的双波长光电容积脉搏波的绝对差值加和;
将每个实验对象的双波长光电容积脉搏波的绝对差值加和作为自变量,血气分析结果中得到的动脉血氧饱和度的真值作为因变量,建立因变量与自变量的对应关系。
5.一种双波长的绝对差值加和计算动脉血氧饱和度装置,其特征在于,所述装置包括:
第一获取模块,利用时域差值提取法提取对数光电容积脉搏波的前后两个相邻采样点的差值,并取差值的绝对值,通过筛选以此获取双波长绝对差值序列;
第二获取模块,用于顺序提取双波长对应位置的若干绝对差值得到多组双波长绝对差值序列,对各组双波长绝对差值序列分别进行归一化,获取归一化绝对差值序列;
绝对差值加和模块,用于根据kσ准则,从归一化绝对差值序列中剔除含有粗大误差的归一化绝对差值,将剔除后的值进行叠加,作为最终的光电容积脉搏波的绝对差值加和;
建立模块,用于建立动脉血氧饱和度的真值、与光电容积脉搏波的绝对差值加和的校正模型;
计算模块,利用校正模型计算动脉血氧饱和度。
6.根据权利要求5所述的一种双波长的绝对差值加和计算动脉血氧饱和度装置,其特征在于,所述装置还包括:
采集模块,用于同步采集一段时间内两个不同波长的光源下的光电容积脉搏波并取对数,得到两个波长下的对数光电容积脉搏波。
7.根据权利要求5或6所述的一种双波长的绝对差值加和计算动脉血氧饱和度装置,其特征在于,所述第一获取模块包括:
第一获取子模块,用于对连续采集的对数光电容积脉搏波,顺序滑动地计算相邻的两个对数光电容积脉搏波差值的绝对值,获取双波长绝对差值序列;
筛选子模块,用于设置合理的差值阈值范围,对绝对差值序列进行筛选。
8.根据权利要求5或6所述的一种双波长的绝对差值加和计算动脉血氧饱和度装置,其特征在于,所述建立模块包括:
记录子模块,用于对每个实验对象进行双波长光电脉搏波的采集,同时进行血气分析,记录动脉血氧饱和度的真值;
提取子模块,用于提取每个实验对象的双波长光电容积脉搏波的绝对差值加和;
建立子模块,用于将每个实验对象的双波长光电容积脉搏波的绝对差值加和作为自变量,血气分析结果中得到的动脉血氧饱和度的真值作为因变量,建立因变量与自变量的对应关系。
CN201610638667.3A 2016-08-04 2016-08-04 双波长的绝对差值加和计算动脉血氧饱和度方法及其装置 Active CN106137219B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610638667.3A CN106137219B (zh) 2016-08-04 2016-08-04 双波长的绝对差值加和计算动脉血氧饱和度方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610638667.3A CN106137219B (zh) 2016-08-04 2016-08-04 双波长的绝对差值加和计算动脉血氧饱和度方法及其装置

Publications (2)

Publication Number Publication Date
CN106137219A true CN106137219A (zh) 2016-11-23
CN106137219B CN106137219B (zh) 2019-02-01

Family

ID=57328545

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610638667.3A Active CN106137219B (zh) 2016-08-04 2016-08-04 双波长的绝对差值加和计算动脉血氧饱和度方法及其装置

Country Status (1)

Country Link
CN (1) CN106137219B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108814620A (zh) * 2018-05-30 2018-11-16 清华大学 柔性生理信息监测装置
CN109512417A (zh) * 2018-10-19 2019-03-26 天津大学 一种多位置动态光谱差值提取法
CN109589107A (zh) * 2018-10-19 2019-04-09 天津大学 一种双位置动态光谱差值提取法
CN109589106A (zh) * 2018-10-19 2019-04-09 天津大学 一种等差距的动态光谱差值提取方法
CN110742621A (zh) * 2019-10-31 2020-02-04 京东方科技集团股份有限公司 一种信号处理方法及计算机设备
CN110840430A (zh) * 2018-08-21 2020-02-28 北京万生人和科技有限公司 腹内压数据筛选方法、计算机可读存储介质、腹内压数据筛选装置
CN113080866A (zh) * 2021-04-09 2021-07-09 上海中医药大学附属曙光医院 一种针对实验动物的舌象采集装置和方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102631198A (zh) * 2012-04-20 2012-08-15 天津大学 一种基于差值提取的动态光谱数据处理方法
US20140073957A1 (en) * 2012-09-11 2014-03-13 Nellcor Puritan Bennett Llc Methods and systems for qualifying calculated values based on a sum of differences
CN104224197A (zh) * 2014-09-24 2014-12-24 天津大学 双波长光电容积脉搏波特征量的动脉血氧饱和度计算方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102631198A (zh) * 2012-04-20 2012-08-15 天津大学 一种基于差值提取的动态光谱数据处理方法
US20140073957A1 (en) * 2012-09-11 2014-03-13 Nellcor Puritan Bennett Llc Methods and systems for qualifying calculated values based on a sum of differences
CN104224197A (zh) * 2014-09-24 2014-12-24 天津大学 双波长光电容积脉搏波特征量的动脉血氧饱和度计算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林凌等: "基于统计方法的动态光谱差值提取", 《光谱学与光谱分析》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108814620A (zh) * 2018-05-30 2018-11-16 清华大学 柔性生理信息监测装置
CN110840430A (zh) * 2018-08-21 2020-02-28 北京万生人和科技有限公司 腹内压数据筛选方法、计算机可读存储介质、腹内压数据筛选装置
CN110840430B (zh) * 2018-08-21 2022-09-13 北京万生人和科技有限公司 腹内压数据筛选方法、计算机可读存储介质、腹内压数据筛选装置
CN109512417A (zh) * 2018-10-19 2019-03-26 天津大学 一种多位置动态光谱差值提取法
CN109589107A (zh) * 2018-10-19 2019-04-09 天津大学 一种双位置动态光谱差值提取法
CN109589106A (zh) * 2018-10-19 2019-04-09 天津大学 一种等差距的动态光谱差值提取方法
CN109512417B (zh) * 2018-10-19 2021-04-20 天津大学 一种多位置动态光谱差值提取法
CN109589107B (zh) * 2018-10-19 2021-05-07 天津大学 一种双位置动态光谱差值提取法
CN110742621A (zh) * 2019-10-31 2020-02-04 京东方科技集团股份有限公司 一种信号处理方法及计算机设备
CN113080866A (zh) * 2021-04-09 2021-07-09 上海中医药大学附属曙光医院 一种针对实验动物的舌象采集装置和方法

Also Published As

Publication number Publication date
CN106137219B (zh) 2019-02-01

Similar Documents

Publication Publication Date Title
CN106137219A (zh) 双波长的绝对差值加和计算动脉血氧饱和度方法及其装置
CN102631198B (zh) 一种基于差值提取的动态光谱数据处理方法
CN105147274B (zh) 一种从可见光谱段人脸视频信号中提取心率的方法
CN104224196B (zh) 无创测量血液成分浓度的方法
CN104224197B (zh) 双波长光电容积脉搏波特征量的动脉血氧饱和度计算方法
CN107837082A (zh) 基于人工智能自学习的心电图自动分析方法和装置
CN103271734A (zh) 一种基于低端成像设备的心率测量方法
CN103948393B (zh) 一种血液成分含量的近红外无创检测方法及装置
CN105997043B (zh) 一种基于腕式可穿戴设备的脉率提取方法
CN105380609A (zh) 基于多光谱的皮肤检测方法与系统
CN103892830A (zh) 一种基于人体皮肤电阻变化的情绪检测方法及系统
CN104977258A (zh) 基于二维相关光谱的茶叶/化妆品等品质检测方法
CN109064553A (zh) 基于近红外光谱分析的实木板材节子形态反演方法
CN111754028A (zh) 一种基于高光谱的煤炭灰分、水分检测系统及方法
CN112788200B (zh) 频谱信息的确定方法及装置、存储介质、电子装置
CN103263272B (zh) 一种单沿多谱的动态光谱数据提取方法
CN106073800B (zh) 基于绝对差值和提取的动态光谱数据处理方法及其装置
CN102631199A (zh) 一种快速的动态光谱数据提取方法
CN103239239B (zh) 一种定幅值的动态光谱数据提取方法
CN106691410B (zh) 一种脉搏及血红细胞浓度监测仪及方法
CN104757938A (zh) 基于近红外光谱技术的皮肤油脂含量检测方法
CN114403904A (zh) 基于肌电信号与肌肉血氧饱和度确定肌肉状态的装置
CN105942982A (zh) 一种基于动态光谱的肿瘤预测仪
CN205215187U (zh) 基于多光谱的皮肤检测系统
CN103027692A (zh) 一种基于不确定度的动态光谱数据处理方法

Legal Events

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