CN106798547A - 一种基于统计的臂踝脉搏波延时的计算方法 - Google Patents
一种基于统计的臂踝脉搏波延时的计算方法 Download PDFInfo
- Publication number
- CN106798547A CN106798547A CN201611244799.4A CN201611244799A CN106798547A CN 106798547 A CN106798547 A CN 106798547A CN 201611244799 A CN201611244799 A CN 201611244799A CN 106798547 A CN106798547 A CN 106798547A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- arm
- ankle pulse
- wave time
- arm ankle
- 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.)
- Withdrawn
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
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及一种基于统计的臂踝脉搏波延时的计算方法,克服了传统臂踝脉搏波延时计算方法稳定性差,不能适应个体差异的问题。该方法含有如下几个步骤,步骤1:提取和配对多对臂踝脉搏波;步骤2:提取臂踝脉搏波的多个特征参数序列并对臂踝脉搏波延时序列进行数据稳定性的评价,选择最为稳定的臂踝脉搏波延时序列;步骤3:对步骤2所得到的臂踝脉搏波延时序列检验并剔除异常值;步骤4:对剔除异常值后的臂踝脉搏波延时序列进行偏态分析,动态选取集中趋势测度指标来计算臂踝脉搏波的延时。本发明提高了臂踝脉搏波延时计算的稳定性和准确性,更好的适应了个体差异。
Description
技术领域
本发明涉及医疗信号检测领域,特别涉及一种基于统计的臂踝脉搏波延时的计算方法,旨在提高人体动脉硬化检测的稳定性和准确性。
背景技术
动脉硬化指的是由于早期动脉壁的病变而引起的组织改变,进而致使动脉弹性下降,由此产生的局部或大范围的管壁肥厚或变性的现象。
经过临床证实,动脉弹性和脉搏波传导速度(PWV-pulse wave velocity)具有良好的相关性。可以通过Moens-Korteweg方程得出:
式中:E为杨氏弹性模量
h为血管壁厚度
p为血液密度
R为平均血管半径
PWV与动脉管壁的弹性大小有关,动脉弹性越大(杨式弹性模量E越小),动脉硬化程度越小,脉搏波的传播速度越慢,对应的PWV值就越小。反之动脉弹性越小(杨式弹性模量E越大),动脉硬化程度越高,脉搏波的传波速度越快,对应的PWV值就越大。
因此,PWV可以作为人体动脉硬化程度的评估指标。
PWV的测定因为测量点的不同,分为颈-股脉波搏传导速度,臂-踝脉搏波传导速度,指-趾脉搏波传导速度,指-桡脉搏波传导速度等。
baPWV臂踝(上臂-脚踝)脉搏波传导速度(brachial-ankle pulse wavevelocity)是判断动脉壁的硬化程度的可靠指标,因其测量便捷,无创无损而被广泛应用于动脉硬化程度和心血管系统的分析评估中。baPWV的计算公式如下:
心脏-上臂血管长度Lb,心脏-脚踝血管长度La的距离可以依据被测量者身高计算得到,用(La-Lb)除以上臂和脚踝的脉搏波延时ΔT,就可以计算得到baPWV,从而依据baPWV的值评估被测量者血管动脉硬化程度。因为(La-Lb)的值是依据被测量者的身高通过固定的公式计算得到的,是与被测量者身高相关的定值,La-Lb=0.5934×身高(cm)+14.4014,所以baPWV计算的难点在于上臂和脚踝的脉搏波延时ΔT。
本发明围绕的中心就是上臂和脚踝的脉搏波延时ΔT的计算。提出了一种基于统计的臂踝脉搏波延时ΔT的计算方法。
在此需要说明的是,本发明研究的都是同侧的臂踝脉搏波延时ΔT的计算方法,即左臂对应左踝,右臂对应右踝,由于人体四肢的对称性,故文中将不会区分左右,所述的臂踝脉搏波延时ΔT指的就是同侧的上臂和脚踝的脉搏波的延时。
臂踝脉搏波延时ΔT的产生原因是由于随着心脏每一次跳动,心脏传导到上臂和脚踝的脉搏波因为传播距离的不一致,导致传导到上臂和脚踝的时间不同。脚踝距离心脏较远,上臂距离心脏较近,在同一次心动周期内,传导到脚踝的脉搏波相比较上臂脉搏波会有一个延时,这个延时就是臂踝脉搏波的延时ΔT。产生原因的图形化表示如图1所示。
臂踝脉搏波的数据获取方式是通过给绑缚四肢的袖带充气放气,通过压力传感器获得袖带内压力的变化,将采集到的AD值在动脉硬化检测仪内转换为对应的压力值,然后通过USB接口传给PC机。
传统的臂踝脉搏波延时ΔT的计算方式是通过同一心动周期内,提取脉搏波数据中的一对臂踝脉搏波,并对这一对臂踝脉搏波进行单一脉搏波特征点的提取,从而计算得到臂踝脉搏波延时ΔT。统计的思想和方法很少在传统的臂踝脉搏波延时ΔT的计算过程中得到体现。近年来,虽然有一些学者也进行了臂踝脉搏波延时ΔT的计算在统计方向的尝试,比如用多对臂踝脉搏波代替一对臂踝脉搏波,但是始终没有系统的,完整的,科学的将各种统计方法综合运用到臂踝脉搏波延时ΔT计算的各个过程中去。而系统的,完整的,科学的将各种统计方法综合运用到臂踝脉搏波延时ΔT的计算的各个过程中去是很有必要的。
人体脉搏波信号属于强噪声背景下的低频微弱信号,是由复杂的生命体发出的不稳定的自然信号,从信号本身特征、检测方式到处理技术,都不同于一般的信号。人体脉搏波信号有着信号弱,噪声强,频率范围较低,随机性强等特征。人体脉搏波信号的固有特征和个体差异的普遍存在,以及测量过程中不可避免的测量误差等因素都会影响臂踝脉搏波延时ΔT计算的稳定性和准确性,因此对于臂踝脉搏波延时的计算,传统的提取一对臂踝脉搏波的单一脉搏波特征点计算脉搏波延时ΔT的方法,或是提取多对臂踝脉搏波的单一脉搏波特征点计算脉搏波延时ΔT的方法,都太过于单一,没有系统的,完整的,科学的将各种统计方法综合运用到臂踝脉搏波延时ΔT的计算的各个过程中去,不能适应脉搏波的固有特征,不能适应个体差异,不能应对外界的干扰,不能满足臂踝脉搏波延时计算的需求,不能保证脉搏波延时ΔT测量的稳定性和准确性,从而影响动脉硬化结果的判定。
发明内容
有鉴于此,本发明的目的在于提供一种基于统计的臂踝脉搏波延时的计算方法。该方法提取和配对多对臂踝脉搏波,提取臂踝脉搏波的多个特征参数序列并对臂踝脉搏波延时序列进行数据稳定性的评价,选择最为稳定的臂踝脉搏波延时序列,并结合格拉布斯法的统计方法来检验并剔除异常值,对剔除异常值后的臂踝脉搏波延时序列进行偏态分析,依据本发明提出了集中趋势测度指标的选取规则,动态的选取集中趋势测度指标来计算臂踝脉搏波延时ΔT。
本发明提高了动脉硬化检测应对不同个体差异的和外界干扰的能力,以统计的思想和方法适应了脉搏波的固有特征,降低了由于个体差异,测量误差,外界干扰等因素造成的臂踝脉搏波的延时的计算误差,保证了臂踝脉搏波延时计算的稳定性和准确性,从而保证了动脉硬化测量结果的稳定性和准确性。
本发明技术方案如下:
本发明技术方案的第一方面,提出了利用多对臂踝脉搏波来计算臂踝脉搏波延时的方法。所述的方法,通过动脉硬化检测仪前端给袖带一个预设的压力值,预设的压力值是产品研发过程中通过大量实验测量分析得到,在该压力状态下人体四肢的脉搏波信号幅度最大,信噪比最高。保持上臂和脚踝以预设的压力值稳压特定的一段时间(采样时间的确定既要保证有充足的数据计算臂踝脉搏波延时,又要考虑用户舒适度),在特定的一段时间内心脏会经过多个心动周期,上臂和脚踝会采集到多个脉搏波,将上臂和脚踝脉搏波进行数据预处理、滤波、对齐、配对,获得多对上臂和脚踝的脉搏波数据对。
本发明技术方案的第二方面,针对多对上臂和脚踝的脉搏波数据对,提出了脉搏波多特征参数提取的方法。分别提取特征参数1,特征参数2,特征参数3,得到三组上臂和脚踝脉搏波特征序列。三组上臂和脚踝脉搏波特征序列配对相减后获得基于特征参数1的臂踝脉搏波的延时序列,基于特征参数2的臂踝脉搏波的延时序列,基于特征参数3的臂踝脉搏波的延时序列,依据本发明提出的臂踝脉搏波延时序列数据稳定性的评价规则,分别对各序列进行数据稳定性的评价,选取数据稳定性最好的序列作为臂踝脉搏波延时序列进行臂踝脉搏波延时的计算,实现了动态的选择臂踝脉搏波延时序列,以统计的思想和方法保证了臂踝脉搏波延时序列的稳定性和准确性,降低了由于体差异,测量误差,外界干扰等因素对臂踝脉搏波延时序列稳定性和准确性的影响。
本发明技术方案的第三个方面,针对选定的臂踝脉搏波延时序列,由于数据传输错误、通信丢包、外界干扰、测量失误,人体情绪或肌肉组织和血管的状态的波动,难免会产生异常值,异常值有两类情况:
(1)第一类异常值情况是该数据不属于该总体,抽样抽错了,从另外一个总体抽出一个(一些)数据,其值与总体平均值相差较大;对应于臂踝脉搏波延时序列中,是由于测试过程中数据传输错误,通信丢包,测量失误等原因造成的异常值,是需要剔除的。
(2)第二类异常值情况是该数据虽然属于该总体,但可能是该总体固有随机变异性的极端表现。对应于臂踝脉搏波延时序列中,是测量者情绪或肌肉组织和血管状态的正常波动的临界值,是不应剔除的,需要保留的。
犯错误1:将本来不属于该总体的、第一种情况的异常值检验出来舍去,不会犯错误;将本来属于该总体的、出现的概率较小的、第二种情况的异常值检验出来舍去,则会犯错误。
犯错误2:不属于该总体但数值又和该总体平均值接近的数据被抽样抽出来,统计检验方法检验不出它是异常值,则会犯错误。
检验并剔除序列异常值的统计检验方法有多种,例如格拉布斯法、狄克逊法、偏度-峰度法、拉依达法、奈尔法等等。每种统计检验方法都会犯错误1和错误2。在所有统计检验方法中,格拉布斯法犯这两种错误的概率最小,所以本发明使用格拉布斯法检验并剔除臂踝脉搏波延时序列的异常值,舍去由于测量误差,数据传输,外界干扰造成的第一类异常值,保留由于人体情绪或肌肉组织和血管的状态的波动产生的临界值,从而得到剔除第一类异常值后的臂踝脉搏波延时序列。在此需要说明的是,本发明所述的剔除异常值,指的都是剔除第一类异常值,保留第二异常值(临界值)。
本发明技术方案的第四个方面,对剔除异常值后的臂踝脉搏波延时序列进行偏态分析,用偏态分析的结果对臂踝脉搏波延时序列进行频数分布的区分,再依据本发明提出的集中趋势测度指标的选取规则,选取合适的集中趋势测度指标来计算得到臂踝脉搏波的延时ΔT。臂踝脉搏波延时ΔT结合测量者身高就可以计算出baPWV,进而评估测量者动脉硬化程度。
附图说明
图1所示是臂踝脉搏波延时ΔT产生原因的图形化表示。
图2所示是本发明提取多对臂踝脉搏波的流程图。
图3所示是本发明由多对臂踝脉搏波的数据对得到数据稳定性最好的臂踝脉搏波延时序列的流程图。
图4所示针对动态选定的臂踝脉搏波延时序列,运用格拉布斯法,检验并剔除出异常值,得到剔除异常值后的臂踝脉搏波延时序列的流程图。
图5所示格拉布斯法的格拉布斯表—求临界值GP(n)。
图6所示对剔除异常值后的臂踝脉搏波延时序列进行偏态分析,选取合适的集中趋势测度指标来计算臂踝脉搏波的延时ΔT的流程图。
图7所示臂踝脉搏波延时序列不同偏态分布的图形化表示,以及不同的偏态分布下三种集中趋势指标均值中位值Me,众数Mo之间的关系。
具体实施方式
下面结合附图并通过具体实施方式对本发明作进一步详细论述:
在图2中利用动脉硬化检测仪前端设备,在70mmHg稳压状态下采集被测用户30s的四肢脉搏波数据。基于大量实验和临床获得的数据,结合数据进行分析得到70mmHg时四肢的脉搏波信号幅度最大,信噪比最高,30s的采样时间既可以保证臂踝脉搏波延时计算所需的脉搏波数据对,又可以保证用户测量过程中的舒适度。对采集到的臂踝脉搏波数据进行数据预处理,包含去奇异点,去奇异波等。对预处理后的臂踝脉搏波数据进行信号滤波,包含小波分析去除基线漂移,FIR高通滤波,巴特沃斯低通滤波,零相移滤波等。滤波后对上臂和脚踝同侧脉搏波数据进行分组,确定上臂和脚踝脉搏波数据配对的起始数据标志位,对上臂和脚踝脉搏波进行配对相减,获得多对臂踝脉搏波数据对。
在图3中针对多对臂踝脉搏波数据对,用脉搏波多特征点的提取方法提取特征点。单一特征点的脉搏波提取方法,由于个体差异,测量误差,外界干扰等,无法稳定的计算臂踝脉搏波的延时。本实施例分别求得上臂脉搏波的波谷点,波峰点,二阶差分的最大值点,脚踝脉搏波的波谷点,波峰点,二阶差分的最大值点,上臂与脚踝同特征点序列配对相减,获得基于不同特征点的三组臂踝的脉搏波延时序列,对三组臂踝脉搏波延时序列进行数据稳定性的评价,评价规则如下:
(Ⅰ)若序列均值相差在阈值范围内,则比较标准差,标准差越小,数据稳定性越好。
(Ⅱ)若序列均值相差不在阈值范围内,则比较变异系数(标准差与均值的比),变异系数越小,数据稳定性越好。
通过对大量实验数据进行分析,得出如下结论:阈值的选取和采样频率正相关,当采样频率为800HZ时,阈值为5时对不同数据的稳定性评价区分程度最高。本实施例采样频率为800HZ,所以选取5为阈值。
基于三组臂踝脉搏波延时序列数据稳定性评价的结果选择最为稳定的臂踝脉搏波的延时序列,实现了臂踝脉搏波延时序列的动态选取,以最为稳定的臂踝脉搏波延时序列计算臂踝脉搏波延时ΔT。
在图4中基于选定的最为稳定的臂踝脉搏波的延时序列,运用格拉布斯法检验并剔除异常值的步骤如下:
(I)对臂踝脉搏波延时序列进行升序排列,得到xi(i=1,2,...,n)从小到大排列:x1,x2,x3,…,xn(x1为最小值,xn为最大值)。
(Ⅱ)计算xi(i=1,2,...,n)序列的平均值标准差s。
(Ⅲ)计算残差与残差
(Ⅳ)确定可疑值。
若v1>vn,则x1为可疑值。
若v1≤vn,则xn为可疑值。
(V)计算i是可疑值的排列序号。
(Ⅵ)结合臂踝脉搏波信号的特征,通过对实验数据进行分析,定出检出水平a=0.05,计算出置信概率P=1-α。
(Ⅶ)依据P值n值查图5所示格拉布斯表获得临界值GP(n)。
(Ⅷ)比较Gi和Gp(n)的值。
若Gi>Gp(n),则可疑值xi为异常值,从臂踝脉搏波延时序列中剔除,重复步骤I-Ⅷ。
若Gi<=Gp(n),则可疑值xi不是异常值,不剔除xi,格拉布斯法检验并剔除异常值结束。
以上就是基于选定的最为稳定的臂踝脉搏波延时序列运用格拉布斯法检验并剔除异常值,得到剔除异常值的臂踝脉搏波延时序列的过程。
在图6中基于剔除异常值后的臂踝脉搏波延时序列,该序列中的每一个值都是由测量者自身血管的动脉硬化程度所决定,是测量者臂踝脉搏波延时ΔT真实值的一个反映,之所以该序列中的值并不完全相同,是因为他们受到测量者情绪或者肌肉和血管当前状态的影响而产生波动。为了由臂踝脉搏波延时序列获得唯一的臂踝脉搏波延时ΔT,需要对该序列进行偏态分析,其中以偏度系数作为臂踝脉搏波延时序列偏态分析的基本参量,是本发明经过大量的实验和临床,通过对实验数据的分析,结合人体的脉搏波的信号特征提出的。依据偏态分析的结果对臂踝脉搏波延时序列进行频数分布的区分,再结合本发明提出的集中趋势测度指标的选取规则,动态的选取集中趋势测度指标来计算臂踝脉搏波延时ΔT。上述过程详细步骤如下:
(1)对剔除异常值后的臂踝脉搏波延时序列计算均值标准差s。
(2)依据臂踝脉搏波延时序列均值标准差s计算偏态系数SK,计算公式如下:
(3)结合人体脉搏波的信号特征,创造性的提出了用偏态系数值SK对臂踝脉搏波延时序列的频数分布进行区分的规则:
(Ⅰ)若SK>0.47,则臂踝脉搏波延时序列的频数分布为右偏分布。
(Ⅱ)若SK<-0.43,则臂踝脉搏波延时序列的频数分布为左偏分布。
(Ⅲ)若-0.43≤SK≤0.47,则臂踝脉搏波延时序列的频数分布为对称分布。
上述规则不同于传统的偏态系数值SK对频数分布的定义规则,是本发明经过大量的实验和临床,通过对实验和临床数据的分析,结合人体臂踝脉搏波信号弱,噪声强,频率范围较低,随机性强等特点,创造性的提出来的。
不同分布的图形化表示如图7所示。
(4)依据臂踝脉搏波延时序列的分布特征,选择合适的集中趋势测度指标。集中趋势测度是指从一组数据中抽象出一个代表值,以代表现象的共性和一般水平,可以根据这个代表值来估计或预测每个研究对象的数值。臂踝脉搏波延时序列集中趋势测度指标有三类:众数、中位值、平均数。不同偏态分布下均值中位值Me,众数Mo之间的关系如图7所示。对三类集中趋势测度指标之间的特点和关系进行研究,结合大量的实验和临床数据,本发明创造性的提出了臂踝脉搏波延时序列集中趋势测度指标的选取规则,规则如下:
(Ⅰ)若分布为对称分布,则选取平均数作为臂踝脉搏波延时序列的集中趋势测度指标。
(Ⅱ)若分布为左偏分布或右偏分布,并且众数唯一,则选取众数作为臂踝脉搏波延时序列的集中趋势测度指标。
(Ⅲ)若分布为左偏分布或右偏分布,并且众数不是一个,则选取中位值为作为臂踝脉搏波延时序列的的集中趋势测度指标。
(5)依据选定的集中趋势测度指标对臂踝脉搏波延时序列进行集中趋势的测度,计算得到臂踝脉搏波延时ΔT。
本具体实施例在计算臂踝脉搏波延时ΔT的过程中,处处用了统计的思想和方法,适应了脉搏波的固有特征,降低了由于个体差异,测量误差,外界干扰等因素造成的臂踝脉搏波延时ΔT计算误差,保证了臂踝脉搏波延时ΔT计算的稳定性和准确性,从而保证动脉硬化测量结果的稳定性和准确性。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (15)
1.一种基于统计的臂踝脉搏波延时的计算方法,其特征含有如下几个步骤:
步骤1提取和配对多对臂踝脉搏波;
步骤2提取臂踝脉搏波的多个特征参数序列并对臂踝脉搏波延时序列进行数据稳定性的评价,选择最为稳定的臂踝脉搏波延时序列;
步骤3对步骤2所得到的臂踝脉搏波延时序列检验并剔除异常值;
步骤4对剔除异常值后的臂踝脉搏波延时序列进行偏态分析,动态选取集中趋势测度指标来计算臂踝脉搏波的延时。
2.根据权利要求1所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,所述步骤1包含以下几个步骤:
步骤1.1动脉硬化检测仪前端特定压力稳压采集特定时间段的人体四肢脉搏波信号;
步骤1.2脉搏波信号数据预处理;
步骤1.3脉搏波信号滤波;
步骤1.4确定上臂和脚踝脉搏波信号配对的起始数据标志位;
步骤1.5上臂和脚踝脉搏波进行配对。
3.根据权利要求1所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,所述步骤2包含以下几个步骤:
步骤2.1上臂和脚踝基于脉搏波多特征点的提取方法提取脉搏波特征参数序列;
步骤2.2上臂和脚踝相对应的脉搏波特征参数序列配对相减;
步骤2.3对多个臂踝脉搏波延时序列进行数据稳定性的评价;
步骤2.4依据评价结果动态选择最为稳定的臂踝脉搏波延时序列。
4.根据权利要求1所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,所述步骤4包含以下几个步骤:
步骤4.1对剔除异常值后的臂踝脉搏波延时序列进行偏态分析;
步骤4.2结合人体脉搏波的信号特征,用偏态分析的结果对臂踝脉搏波延时序列进行频数分布的区分;
步骤4.3依据臂踝脉搏波延时序列的分布特征,选择合适的集中趋势测度指标;
步骤4.4依据选定的集中趋势测度指标对臂踝脉搏波延时序列进行集中趋势的测度,计算得到臂踝脉搏波延时。
5.根据权利要求2所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,所述步骤1.1动脉硬化检测仪前端特定压力稳压采集特定时间段的人体四肢脉搏波信号信号,其中稳压的压力的选取规则是基于大量实验和临床获得的数据,结合数据进行分析,以脉搏波幅度和信噪比参数作为判断准则,确定了最佳的四肢加压的压力,保证了脉搏波信号的采集质量。
6.根据权利要求2所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,所述步骤1.1动脉硬化检测仪前端特定压力稳压采集特定时间段的人体四肢脉搏波信号,其中在稳压时间的选取上,如果稳压时间太短则会影响臂踝脉搏波延时的计算,如果稳压时间太长则会影响用户的舒适度,稳压时间的选取是基于大量实验和临床获得的数据,结合数据进行分析,进行综合评判确定的;评判的规则是在保证臂踝脉搏波延时的计算的前提下,尽可能的降低采样的时间。
7.根据权利要求3所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,所述步骤2.1上臂和脚踝基于脉搏波多特征点的提取方法提取脉搏波特征参数序列,其中所述的提取方法不同于传统的脉搏波单一特征点的提取方法,例如波谷法、波峰法、切线法、二阶差分最大值法、导数最大值法、混沌计算特征点、小波分析提取特征点等方法;单一的特征点提取方法是不能很好的适应个体差异,所述的基于脉搏波多特征点的提取方法,是用多个不同的单特征点的提取方法同时提取脉搏波的特征点,分别生成相应的脉搏波特征序列,从而计算得到多个臂踝脉搏波延时序列;基于臂踝脉搏波多特征点的提取方法提取得到的多个臂踝脉搏波延时序列是臂踝脉搏波序列进行数据稳定性的评价和动态选择臂踝脉搏波延时序列的数据基础。
8.根据权利要求3所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,所述步骤2.3中对数据稳定性的评价,其中评价过程中所依据的评价规则,是本发明经过大量的实验和临床,通过对实验数据的分析,结合人体的脉搏波的信号特征创造性提出的。
9.根据权利要求8所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,所述数据稳定性评价规则,其中阈值的选取是基于大量实验和临床获得的数据,结合数据进行分析,以稳定性评价区分程度为指标,确定了在采样频率为800HZ时,阈值为5。
10.根据权利要求1所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,所述步骤3臂踝脉搏波延时序列检验并剔除异常值,其中针对臂踝脉搏波延时序列的异常值本发明进行了分类,总结了产生的原因,并明确提出了针对不同异常值的处理方式;由于测量误差,数据传输,外界干扰造成的第一类异常值;由于人体情绪或肌肉组织和血管的状态的波动产生的临界值为第二类异常值;剔除第一类异常值,保留第二类异常值。
11.根据权利要求1所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,所述步骤3臂踝脉搏波延时序列检验并剔除异常值,其中检验并剔除异常值是用格拉布斯法的统计方法,第一次将格拉布斯法运用到臂踝脉搏波延时序列异常值的检验和剔除上,对格拉布斯法检验并剔除臂踝脉搏波延时序列异常值的过程,公式和使用原因进行了详细的论述。
12.根据权利要求11所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,格拉布斯法重要的参数检验水平a是基于大量实验和临床获得的数据,结合数据进行分析确定的,确定了a=0.05,保证了格拉布斯法对臂踝脉搏波延时序列检验并剔除异常值的准确性。
13.根据权利要求4所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,所述步骤4.1对剔除异常值后的臂踝脉搏波延时序列进行偏态分析,其中选取偏度系数作为臂踝脉搏波延时序列偏态分析的基本参量,是本发明经过大量的实验和临床,通过对实验数据的分析,结合人体的脉搏波的信号特征提出的;本发明对偏度系数计算的公式,过程进行了详细的论述。
14.根据权利要求4所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,所述步骤4.2对臂踝脉搏波延时序列进行频数分布的定义,其中定义的规则不同于传统的偏度系数对频数分布的定义规则,是本发明经过大量的实验和临床,通过对实验数据的分析,结合人体的脉搏波的信号特征创造性的提出的。
15.根据权利要求4所述的一种基于统计的臂踝脉搏波延时的计算方法,其特征在于,所述步骤4.3选择合适的集中趋势测度指标,其中集中趋势测度指标的选取规则是本发明对常用的三个集中趋势测度指标之间的特点和关系进行研究,结合大量的实验和临床数据创造性提出的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611244799.4A CN106798547A (zh) | 2016-12-29 | 2016-12-29 | 一种基于统计的臂踝脉搏波延时的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611244799.4A CN106798547A (zh) | 2016-12-29 | 2016-12-29 | 一种基于统计的臂踝脉搏波延时的计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106798547A true CN106798547A (zh) | 2017-06-06 |
Family
ID=58984073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611244799.4A Withdrawn CN106798547A (zh) | 2016-12-29 | 2016-12-29 | 一种基于统计的臂踝脉搏波延时的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106798547A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108354597A (zh) * | 2018-01-31 | 2018-08-03 | 南京邮电大学 | 一种基于最优波提取的快速血压计算方法 |
CN109998546A (zh) * | 2019-01-25 | 2019-07-12 | 芯海科技(深圳)股份有限公司 | 一种人体阻抗信号质量的评价方法 |
CN110464321A (zh) * | 2018-07-25 | 2019-11-19 | 北京动亮健康科技有限公司 | 一种动脉脉搏波形的质量分析方法、装置和系统 |
CN110652318A (zh) * | 2019-07-19 | 2020-01-07 | 飞依诺科技(苏州)有限公司 | 基于超声设备获得动脉硬化指标的测量方法及系统 |
CN111398886A (zh) * | 2020-04-09 | 2020-07-10 | 国网山东省电力公司电力科学研究院 | 一种自动化检定流水线表位在线异常的检测方法及系统 |
CN115414056A (zh) * | 2022-08-15 | 2022-12-02 | 燕山大学 | 面向多通道fes伪迹去除的g-s-g自适应滤波方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090299203A1 (en) * | 2008-06-03 | 2009-12-03 | De Voir Christopher S | Heart monitoring apparatus |
CN103190891A (zh) * | 2013-04-26 | 2013-07-10 | 西安嵌牛电子科技有限公司 | 基于光电容积的脉搏波速度生理参数的测量装置及方法 |
CN103690152A (zh) * | 2014-01-06 | 2014-04-02 | 山东大学 | 一种基于脉搏解析的动脉弹性功能评估装置 |
CN104027097A (zh) * | 2014-06-06 | 2014-09-10 | 首都医科大学 | 血管功能无创检测方法及装置 |
JP2014188237A (ja) * | 2013-03-27 | 2014-10-06 | Fujitsu Ltd | 脈波検出装置、脈波検出方法及び脈波検出プログラム |
-
2016
- 2016-12-29 CN CN201611244799.4A patent/CN106798547A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090299203A1 (en) * | 2008-06-03 | 2009-12-03 | De Voir Christopher S | Heart monitoring apparatus |
JP2014188237A (ja) * | 2013-03-27 | 2014-10-06 | Fujitsu Ltd | 脈波検出装置、脈波検出方法及び脈波検出プログラム |
CN103190891A (zh) * | 2013-04-26 | 2013-07-10 | 西安嵌牛电子科技有限公司 | 基于光电容积的脉搏波速度生理参数的测量装置及方法 |
CN103690152A (zh) * | 2014-01-06 | 2014-04-02 | 山东大学 | 一种基于脉搏解析的动脉弹性功能评估装置 |
CN104027097A (zh) * | 2014-06-06 | 2014-09-10 | 首都医科大学 | 血管功能无创检测方法及装置 |
Non-Patent Citations (3)
Title |
---|
卢小广: "《SPSS 20与经济管理实务教程》", 31 August 2015, 清华大学出版社 * |
贾乃亮等: "《数理统计》", 31 July 2006, 中国林业出版社 * |
邹欣瑾: "基于四肢同步测量动脉硬化的检测方法和临床研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108354597A (zh) * | 2018-01-31 | 2018-08-03 | 南京邮电大学 | 一种基于最优波提取的快速血压计算方法 |
CN110464321A (zh) * | 2018-07-25 | 2019-11-19 | 北京动亮健康科技有限公司 | 一种动脉脉搏波形的质量分析方法、装置和系统 |
CN109998546A (zh) * | 2019-01-25 | 2019-07-12 | 芯海科技(深圳)股份有限公司 | 一种人体阻抗信号质量的评价方法 |
CN110652318A (zh) * | 2019-07-19 | 2020-01-07 | 飞依诺科技(苏州)有限公司 | 基于超声设备获得动脉硬化指标的测量方法及系统 |
WO2021012561A1 (zh) * | 2019-07-19 | 2021-01-28 | 飞依诺科技(苏州)有限公司 | 基于超声设备获得动脉硬化指标的测量方法及系统 |
CN111398886A (zh) * | 2020-04-09 | 2020-07-10 | 国网山东省电力公司电力科学研究院 | 一种自动化检定流水线表位在线异常的检测方法及系统 |
CN115414056A (zh) * | 2022-08-15 | 2022-12-02 | 燕山大学 | 面向多通道fes伪迹去除的g-s-g自适应滤波方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106798547A (zh) | 一种基于统计的臂踝脉搏波延时的计算方法 | |
CN107822608B (zh) | 基于高斯混合模型的脉搏波特征提取方法 | |
CN201150533Y (zh) | 一种血压测量装置 | |
CN104546007B (zh) | 胎动检测抗干扰处理方法及装置 | |
CN104434311B (zh) | 生理参数处理方法、系统及监护设备 | |
US9877667B2 (en) | Method for quantifying the risk of falling of an elderly adult using an instrumented version of the FTSS test | |
CN104462744B (zh) | 适用于心血管远程监测系统的数据质量控制方法 | |
CN103027690A (zh) | 一种基于自相关建模法的低灌注血氧饱和度测量方法 | |
CN111091116A (zh) | 一种用于判断心律失常的信号处理方法及系统 | |
CN103932693A (zh) | 一种基于手机图像的人体心率的测量方法 | |
CN107771052A (zh) | 光学光电血管容积图信号形状特征生物监测 | |
CN107693000A (zh) | 基于心电和脉搏信号融合的心率估计方法、装置和系统 | |
CN110037668A (zh) | 脉搏信号时空域结合模型判断年龄、健康状态及恶性心律失常识别的系统 | |
CN108042107A (zh) | 一种ppg信号伪差校正方法 | |
CN109189207A (zh) | 一种可穿戴设备穿戴状态的检测方法及装置 | |
CN112545472A (zh) | 一种ppg信号质量评估的方法、装置、设备及储存介质 | |
CN106725411A (zh) | 一种基于gpu加速的非接触式心跳检测方法 | |
KR100871565B1 (ko) | 동잡음 제거된 혈류량 신호 검출 장치 및 방법 | |
CN116451110A (zh) | 基于信号能量特征和脉搏周期的血糖预测模型构建方法 | |
CN112656392B (zh) | 一种低功耗ppg心率计算方法及电子设备 | |
KR101744691B1 (ko) | 심탄도 신호를 이용한 심박 검출 방법 및 그 장치 | |
CN113539522A (zh) | 一种基于单路心冲击信号的连续血压监测方法 | |
CN108109701A (zh) | 一种胎儿体重估算模型的建立方法及系统 | |
Jang et al. | A simple and robust method for determining the quality of cardiovascular signals using the signal similarity | |
WO2022111203A1 (zh) | 心率检测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170606 |