CN106859625B - 一种hrv测量方法以及装置 - Google Patents

一种hrv测量方法以及装置 Download PDF

Info

Publication number
CN106859625B
CN106859625B CN201710076448.5A CN201710076448A CN106859625B CN 106859625 B CN106859625 B CN 106859625B CN 201710076448 A CN201710076448 A CN 201710076448A CN 106859625 B CN106859625 B CN 106859625B
Authority
CN
China
Prior art keywords
interval data
data set
hrv
interval
sinus rhythm
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.)
Expired - Fee Related
Application number
CN201710076448.5A
Other languages
English (en)
Other versions
CN106859625A (zh
Inventor
陈远翔
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.)
Hangzhou active Health Technology Co.,Ltd.
Original Assignee
Beijing Xinliang Technology 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 Beijing Xinliang Technology Co Ltd filed Critical Beijing Xinliang Technology Co Ltd
Priority to CN201710076448.5A priority Critical patent/CN106859625B/zh
Publication of CN106859625A publication Critical patent/CN106859625A/zh
Application granted granted Critical
Publication of CN106859625B publication Critical patent/CN106859625B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • A61B5/024—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
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • 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]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供了一种HRV测量方法以及装置，其中，该方法包括：获取原始RR间期数据集，所述原始RR间期数据集中包括多个RR间期数据；对所述原始RR间期数据集做一次滤波处理，获取窦性心律所对应的RR间期数据集；对所述RR间期数据集进行快速傅立叶变换和/或小波变换，并根据快速傅立叶变换和/或小波变换的结果，对所述RR间期数据集进行去误差处理，获取标准RR间期数据集；根据所述标准RR间期数据集计算短程HRV时域指标；根据所述短程HRV时域指标，使用计算模型，计算24小时HRV时域指标。该方法能够保证计算精度的前提下，缩减了测量需要用到的时间，同时，能够最终获得准确的24小时HRV数据。

Description

一种HRV测量方法以及装置
技术领域
本发明涉及计算机应用技术领域，具体而言，涉及一种HRV测量方法以及装置。
背景技术
HRV(Heart rate variability，心率变异性)是指心率节奏快慢随时间所发生的变化。经临床实践证明，HRV可作为心源性猝死危险性的一个独立预测指标，在评价心血管疾病的预后和预测急性心血管事件方面具有重要的意义。长程24小时HRV是2008年美国AHA/ACC/HRS三大学会制定的“无创技术对心脏性猝死(SCD)危险分层的专家共识”中提到的总死亡率的预测因素,HRV下降,总死亡率增加。
现有的HRV测量方法包括短程测试和长程测试。长程测试虽然精确度比较高，但是一般的测试时间需要24小时左右，被测量的患者需要全天佩戴动态心电图监护仪，用户的很多行动都会受到限制，因此有很多情况下用户会选择短程测试。短程测试是指在短时间内(例如5分钟)通过专有设备进行测量，该方法虽然具备测量时间短，使用方便的有点，但是测量出来的结果数据波动大，重复性差，且结果误差和较大，往往只有研究领域才会使用该方法对HRV进行测量。同时，短程测试所得到的HRV数据并不能直接使用，而目前并没有一种能够通过短程HRV数据估算24小时HRV数据的方法。
因此，一种耗时短、测量精确，且能够获得24小时HRV测量数据的心率变异性测量方法成为目前亟待解决的问题。
发明内容
有鉴于此，本发明实施例的目的在于提供一种心率变异性的测量方法以及装置，能够保证计算精度的前提下，缩减了测量需要用到的时间，同时，能够最终获得准确的24小时HRV数据。
第一方面，本发明实施例提供了一种HRV测量方法，包括：
获取原始RR间期数据集，所述原始RR间期数据集中包括多个RR间期数据；
对所述原始RR间期数据集做一次滤波处理，获取窦性心律所对应的RR间期数据集；
对所述RR间期数据集进行快速傅立叶变换和/或小波变换，并根据快速傅立叶变换和/或小波变换的结果，对所述RR间期数据集进行去误差处理，获取标准RR间期数据集；
根据所述标准RR间期数据集计算短程HRV时域指标；
根据所述短程HRV时域指标，使用计算模型，计算24小时HRV时域指标。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中：使用下述方法获取所述计算模型：
获取短程HRV实验数据，并获取与之对应的24小时HRV实验数据；
对短程HRV实验数据以及24小时HRV实验数据进行回归行分析，建立回归方程，并将该回归方程作为所述计算模型；
所述回归方程为：Y＝20.788×X0.487；
其中，Y为24小时HRV时域指标，X为短程HRV时域指标。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中：所述对所述原始RR间期数据集做一次滤波处理，获取窦性心律所对应的RR间期数据集，具体包括：
计算所述原始RR间期数据集中每相邻的两个RR间期数据之间的差值；
判断所述差值的绝对值是否小于等于预设的第一阈值；
如果否，则将该相邻的两个所述RR间期数据从所述原始RR间期数据集中剔除，形成所述RR间期数据集。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中：所述对所述RR间期数据集进行快速傅立叶变换和/或小波变换，并根据快速傅立叶变换和/或小波变换的结果，对所述RR间期数据集进行去误差处理，获取标准RR间期数据集，具体包括：
对所述RR间期数据集进行快速傅立叶变换，分别获取HRV的四个标准频率段ULF、VLF、LF以及HF的能量：EULF、EVLF、ELF以及EHF；
判断EULF+EVLF是否小于预设的阈第二值，和/或，判断(EULF+EVLF)/(EULF+EVLF+ELF+EHF)*100％是否小于等于预设的第三阈值；
如果是，则将所述RR间期数据集作为标准RR间期数据集；
如果否，则对所述RR间期数据集进行小波变换，获取多个阶层的波形；
按照从高阶至低阶，或者从低阶至高阶的顺序，执行下述处理过程：
对当前阶层的波形进行快速傅立叶变换，获取当前阶层中HRV的四个标准频率段：ULF、VLF、LF以及HF的能量EULF、EVLF、ELF以及EHF
判断ULF+VLF是否小于预设的阈第二值，和/或，判断(ULF+VLF)/(ULF+VLF+LF+HF)*100％是否小于等于预设的第三阈值；
如果是，则将当前阶层所对应的RR间期数据集作为标准间期数据集。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中：所述根据所述标准RR间期数据集计算HRV时域指标具体包括：
根据所述标准RR间期数据集，以RR间期作为纵坐标，以i为横坐标，绘制HRV信号曲线；
根据下述公式计算HRV时域技术指标：
Figure BDA0001224500600000041
NNVGR为全部正常NN间期的平均值；
Figure BDA0001224500600000042
SDNN为全部正常NN间期的标准差；
Figure BDA0001224500600000043
RNSSD为全部相邻NN间期之差的均方根值；
Figure BDA0001224500600000044
SDSD为全部相邻NN间期之差的标准差；
NN50，为全部相邻NN间期之差大于50ms的心搏数；
Figure BDA0001224500600000045
PNN50为全部相邻NN间期之差大于50ms的心搏数的百分比；
在上述公式中，N为正常心搏总数，RRi是所述标准RR间期数据集中的第i个RR间期数据，RRi+1是第i+1个RR间期数据。
Figure BDA0001224500600000046
是N个心搏的RR间期数据的平均值；NN间期为窦性心搏间期；
RR′i＝RRi-RRi-1；
Figure BDA0001224500600000047
结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中：所述对所述RR间期数据集进行快速傅立叶变换和小波变换之前，还包括：
对所述RR间期数据集进行可用性检测。
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中：
所述对所述RR间期数据集进行可用性检测具体包括：
按照时间轴顺序将所述RR间期数据集中的RR间期数据进行分组，形成多个RR间期数据组；每个所述RR间期数据组中包含预设数量的RR间期数据；
计算每个所述RR间期数据组中所有RR间期数据的平均值；
根据每个所述RR间期数据组中所有RR间期数据的平均值，计算该平均值所对应的心率值；
判断所有心率值中最大值与最小值之差是否大于预设的数值，如果是，则数据不可用；
和/或，
按照时间轴顺序将所述RR间期数据集中的RR间期数据进行分组，形成第一分组以及第二分组；其中，所述第一分组中的RR间期数据的数量和所述第二分组中RR间期数据的数量不同；
计算第一分组以及第二分组中RR间期数据差值的平均值；
根据所述第一分组以及第二分组中RR间期数据差值的平均值计算检测准确值；
判断所述准确标准值是否在预设范围之内，如果否，则数据不可用。
结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中：所述对所述RR间期数据集进行快速傅立叶变换和/或小波变换之前，还包括：对一次滤波所获得的窦性心律所对应的RR间期数据集做二次滤波处理；
其中，所述二次滤波处理按照如下方式进行：
计算所述RR间期数据集中所有RR间期数据的标准差；
使用所述RR间期数据的标准差，消除RR间期数据集中的峰值数据。
结合第一方面，本发明实施例提供了第一方面的第八种可能的实施方式，其中：所述使用所述RR间期数据的标准差，消除RR间期数据集中的峰值数据，具体包括：
根据下述公式计算RR间期数据取值区间的两个端点RR下端以及RR上端：
RR下端＝RR平-3×RR标；
RR上端＝RR平+3×RR标；
其中，RR平为RR间期数据集中所有RR间期数据的平均值；所述RR标为RR间期数据的标准差；
判断RR间期数据集中的每一个RR间期数据是否落入该RR间期数据取值区间以内，如果否，则将该RR间期数据从所述RR间期数据集中剔除。
第二方面，本发明实施例还提供一种HRV测量装置，包括：
数据获取模块，用于获取原始RR间期数据集，所述原始RR间期数据集中包括多个RR间期数据；
一次滤波模块，用于对所述原始RR间期数据集做一次滤波处理，获取窦性心律所对应的RR间期数据集；
误差处理模块，用于对所述RR间期数据集进行快速傅立叶变换和/或小波变换，并根据快速傅立叶变换和/或小波变换的结果，对所述RR间期数据集进行去误差处理，获取标准RR间期数据集；
短程HRV计算模块，用于根据所述标准RR间期数据集计算短程HRV时域指标；
24小时HRV计算模块，用于根据所述短程HRV时域指标，使用计算模型，计算24小时HRV时域指标。
本发明实施例所提供的HRV测量方法以及装置，在获取了原始RR间期数据集之后，先对原始RR间期数据集做一次滤波处理，获取窦性心律是对应的RR间期数据集，然后再对RR间期数据集通过快速傅立叶变换和/或小波变换，对RR间期数据集进行去误差的处理，去除由于呼吸等节律性变化所导致的误差，得到标准RR间期数据集，然后再根据标准RR间期数据集计算HRV时域指标，这个过程中，能够很大限度的去除外界因素对RR间期数据的影响，即使测量的时间较短，RR间期数据较小，也能够获得更加准确的计算结果，而在获取短程的HRV时域指标之后，能够根据该短程HRV时域指标，使用计算模型，计算出24小时HRV时域指标，因而，该HRV计算方法在保证计算精度的前提下，缩减了测量需要用到的时间，同时，能够最终获得准确的24小时HRV数据。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例所提供的一种HRV测量方法的流程图；
图2示出了本发明实施例所提供的HRV测量方法中，对原始RR间期数据集进行一次滤波的具体方法的流程图；
图3示出了本发明实施例所提供的HRV测量方法中，对RR间期数据集进行可用性检测的具体方法的流程图；
图4示出了本发明实施例所提供的HRV测量方法中，另一种对RR间期数据集进行可用性检测的具体方法的流程图；
图5示出了本发明实施例所提供的另一种HRV测量方法的流程图；
图6示出了本发明实施例所提供的HRV测量方法中，计算模型获取方法的流程图；
图7示出了本发明实施例所提供的一种HRV装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前HRV的测量方法中，包括短程测量以及长程测量，其中短程测量虽然需要时间短，但是最终的测试结果数据波动大，误差也比较大，往往只有研究领域采用；而长程测量需要的测量时间比较长，对用户的正常生活造成影响，基于此，本申请提供的一种心率变异性测量方法以及装置，可以以更短的时间，更高的精确度测量人体HRV。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种心率变异性测量方法进行详细介绍。
参见图1所示，本发明实施例所提供的HRV测量方法包括：
S101：获取原始RR间期数据集，所述原始RR间期数据集中包括多个RR间期数据。
在具体实现的时候，原始RR间期数据集中包括了一定持续时间长度内所有的RR间期数据。在本发明中，一般只需要获得5分钟-20分钟时间长度内的RR间期数据即可，或者可以根据实际的需要延长持续时间长度例如延长至25分钟、30分钟等。其中，RR间期数据可以采用多种方法获得，例如通过心电图测试仪或者其他专有测量设备获得，或者通过获取PPG(PhotoPlethysmoGraphy，光电容积脉搏波)数值来计算RR间期数据。
S102：对所述原始RR间期数据集做一次滤波处理，获取窦性心律所对应的RR间期数据集。
根据HRV的医学原理，RR interval的变化受到交感神经、副交感神经对心脏窦房结的共同作用的影响，时而变快、时而变慢，外界环境、自身情绪都可能影响到自律神经系统的调解功能，而HRV分析至分析窦性心律，因此，要从原始RR间期数据集中的RR间期数据中剔除其他因素的影响，只留下窦性心率所对应的RR间期数据，并构成窦性心率所对应的RR间期数据集。
参见图2所示，本发明实施例还提供一种对原始RR间期数据集进行一次滤波的具体方法，包括：
S201：计算所述原始RR间期数据集中每相邻的两个RR间期数据之间的差值；
S202：判断所述差值的绝对值是否小于等于预设的第一阈值；
S203：如果否，则将该相邻的两个所述RR间期数据从所述原始RR间期数据集中剔除，形成所述RR间期数据集。
在具体实现的时候，假设RR间期数据集中有N个RR间期数据，分别为RR1、RR2、RR3、RR4，……，RRN。计算每相邻的两个RR间期数据之间的差值，即RR2-RR1，RR3-RR2，RR4-RR3……。如果，其中有哪两个相邻的RR间期数据之间的差值的绝对值小于预设的第一阈值，那么就认为这两个RR间期数据均不符合需求，则将两个这两个RR间期数据均剔除。例如，如果RR3-RR2小于预设的第一阈值，那么就将RR3和RR2一起从原始RR间期数据集中剔除。此时，如果RR4-RR3也小于预设的第一阈值，那么就要将RR4也从剔原始RR数据集中剔除。将原始RR间期数据集中剔除了RR间期数据之后所剩余的其他RR间期数据所构成的集合，作为窦性心律所对应的RR间期数据。
一般地，预设的第一阈值为：140-160，优选的为150。另，由于RR数据间期的单位本身是毫秒，因此预设的第一阈值的单位也应当为毫秒。
通过该方法，可以将窦性心率所对应的RR间期数据集筛选出来，减小其他因素例如情绪的起伏，外界环境的变化对RR间期数据的影响。
S103：对所述RR间期数据集进行快速傅立叶变换和/或小波变换，并根据快速傅立叶变换和/或小波变换的结果，对所述RR间期数据集进行去误差处理，获取标准RR间期数据集。
在具体实现的时候，RR间期数据在进行测量的时候，不管时间长短，人体自身都会发生有戒律活动的变化，例如呼吸等，这就会导致在RR间期数据中存在一定的误差，而该节律性的误差会对HRV的测量结果造成一定的影响，因此需要通过快速傅立叶变换以及小波变换消除该误差。
在具体实现的时候，对所述RR间期数据进行快速傅立叶变换和/或小波变换，对RR间期数据集进行去误差处理，具体包括：
对RR间期数据集中的RR间期数据进行快速傅立叶变换，分别获取HRV的四个标准频率段的能量。这四个标准频率段从低频到高频分别为：ULF、VLF、LF以及HF，四个标准频率段的能量分别为EULF、EVLF、ELF以及EHF。
判断EULF+EVLF是否小于预设的第二阈值，和/或，判断(EULF+EVLF)/(EULF+EVLF+ELF+EHF)*100％是否小于等于预设的第三阈值；
如果是，则将所述RR间期数据集作为标准RR间期数据集；
如果否，则对所述RR间期数据进行小波变换，获取多个阶层的波形。其中，阶层的数量通常和RR间期数据的数量相关，因此根据所获得的RR间期数据集中RR间期数据的数量不同，最终所获得的阶层也可能会有所区别。
按照从高阶至低阶，或者从低阶至高阶的顺序，执行下述处理过程：
对当前阶层的波形进行快速傅立叶变换，获取当前阶层中HRV的四个标准频率段：ULF、VLF、LF以及HF的能量EULF、EVLF、ELF以及EHF；
判断EULF+EVLF是否小于预设的第二阈值，和/或，判断(EULF+EVLF)/(EULF+EVLF+ELF+EHF)*100％是否小于等于预设的第三阈值；
如果是，则将当前阶层所对应的RR间期数据集作为标准间期数据集。
在具体实现的时候，预设的第二阈值一般为：45-60，优选地，可以将之设置为50。预设的第三阈值一般为：23％-27％，优选地，可以将之设置为25％。
如此，就可以满足既消除部分误差，又不会对RR间期数据造成过大的影响。
S104：根据所述标准RR间期数据集计算短程HRV时域指标。
在具体实现的时候，所述根据所述标准RR间期数据集计算HRV时域指标具体包括：
根据所述标准RR间期数据集，以RR间期作为纵坐标，以i为横坐标，绘制HRV信号曲线；
根据下述公式计算HRV时域技术指标：
Figure BDA0001224500600000111
NNVGR为全部正常NN间期的平均值；
Figure BDA0001224500600000112
SDNN为全部正常NN间期的标准差；
Figure BDA0001224500600000113
RNSSD为全部相邻NN间期之差的均方根值；
Figure BDA0001224500600000114
SDSD为全部相邻NN间期之差的标准差；
NN50，为全部相邻NN间期之差大于50ms的心搏数；
Figure BDA0001224500600000121
PNN50为全部相邻NN间期之差大于50ms的心搏数的百分比；
在上述公式中，N为正常心搏总数，RRi是所述标准RR间期数据集中的第i个RR间期数据，RRi+1是第i+1个RR间期数据。
Figure BDA0001224500600000122
是N个心搏的RR间期数据的平均值；NN间期为窦性心搏间期；
RR′i＝RRi-RRi-1；
Figure BDA0001224500600000123
S105：根据所述短程HRV时域指标，使用计算模型，计算24小时HRV时域指标。
在具体实现的时候，计算模型通过下述方法获得：
S601：获取短程HRV实验数据，并获取与之对应的24小时HRV实验数据；
S602：对短程HRV实验数据以及24小时HRV实验数据进行回归分析，建立回归方程；
所述回归方程为：Y＝20.788×X0.487；
其中，Y为24小时HRV时域指标，X为短程HRV时域指标。
具体地，在获取短程HRV实验数据的时候，要保证短程HRV实验数据的准确性。因此，本发明实施例可以采用S101-S104的方法，得到短程HRV实验数据。同时，24小时HRV实验数据应当是与短程HRV实验数据在同一次测量中得到的。另外，还可以对用户进行24小的测量，而随机截取其中的一部分作为短程HRV实验数据。在获取短程HRV实验数据和24小时HRV实验数据之后，要对两者进行回归分析，建立回归方程，该回归方程表示了短程HRV数据和24小时HRV数据之间的关系，因此将该回归方程作为计算模型。
需要注意的是，该回归方程并不是一次获得，而是要获得多组短程HRV实验数据以及与之对应的24小时HRV实验数据，对这多组数据分别进行回归分析，获得多个回归方程，通过这多个回归方程最终所获得的。
本发明实施例所提供的HRV测量方法，在获取了原始RR间期数据集之后，先对原始RR间期数据集做一次滤波处理，获取窦性心律是对应的RR间期数据集，然后再对RR间期数据集通过快速傅立叶变换和/或小波变换，对RR间期数据集进行去误差的处理，去除由于呼吸等节律性变化所导致的误差，得到标准RR间期数据集，然后再根据标准RR间期数据集计算HRV时域指标，这个过程中，能够很大限度的去除外界因素对RR间期数据的影响，即使测量的时间较短，RR间期数据较小，也能够获得更加准确的计算结果，而在获取短程的HRV时域指标之后，能够根据该短程HRV时域指标，使用计算模型，计算出24小时HRV时域指标，因而，该HRV计算方法在保证计算精度的前提下，缩减了测量需要用到的时间，同时，能够最终获得准确的24小时HRV数据。
本发明实施例还提供另外一种HRV测量方法，在上述几个实施例的基础上，所述对所述RR间期数据集进行快速傅立叶变换和小波变换之前(即在S103之前)，还包括：对所述RR间期数据集进行可用性检测。
在具体实现的时候，由于人在进行RR检测的过程当中，即使测量的时间较短，但本身的情绪或者体位并不能够保证一定是处于稳定状态下，也不能够保证检测时的外部环境也一定是稳定的，因此，如果最终在对RR间期数据集进行可用性检查的时候，如果RR间期数据不可用，就需要用户需要进行重新的测量，如果RR间期数据可用，才会进行后续的处理过程。
参见图3所示，本发明实施例提供一种对RR间期数据集进行可用性检测的一种具体实施方法，其包括：
S301：按照时间轴顺序将所述RR间期数据集中的RR间期数据进行分组，形成多个RR间期数据组；每个所述RR间期数据组中包含预设数量的RR间期数据。
在具体实现的时候，由于RR间期数据集中的RR间期数据都具有时间戳，而其在RR间期数据集中也是按照时间顺序排列的，要根据每一个RR间期数据的时间戳，按照RR间期数据的先后顺序，对RR间期数据进行分组。一般地，每个分组中RR间期数据的数量都应当是相同的，且数量都是预先设置好的。特殊的，如果RR间期数据集中的RR间期数据的数量并非是预设数量的整数倍，那么最后一个分组中的RR间期数据的数量可以小于预设的数量。
S302：计算每个所述RR间期数据组中所有RR间期数据的平均值。
在具体实现的时候，假设RR间期数据集中有300个RR间期数据，且一个RR间期数据组中的RR间期数据的数量为10，那么最终所获得的RR间期数据组的数量应当有30个。针对每一个RR间期数据组，计算每个RR间期数据组中10个RR间期数据的平均值，所有的RR间期数据组共得到30个平均值，分别被记为：RR1’、RR2’、RR3’、RR4’、RR5’、……、RR28’、RR29’、RR30’。
S403：根据每个所述RR间期数据组中所有RR间期数据的平均值，计算该平均值所对应的心率值。
在具体实现的时候，通过公式60000/RRi’计算第i个RR间期数据组的心率值。在上述S402的例子中，最终30个RR间期数据组共得到30个RR间期数据的平均值，那么最终计算得到的心率值也应当有30个。
S304：判断所有心率值中最大值与最小值之差是否大于预设的数值，如果是，则数据不可用。
在人的状态(包括身体状态以及情绪状态)以及外界环境较为稳定的情况下，人的心率值通常在某一个范围内波动，因此使用该中方法可以检测到人状态或者外接环境是否处于稳定状态，如果是，那么数据可用，如果心率值中最大值与最小值之差大于预设的数值，那么就证明心率波动太大，数据不可用，需要用户进行重新测量。一般地，预设的数值的范围一般为：13-18。
参见图4所示，本发明实施例还提供另外一种对所述RR间期数据集进行可用性检测的实施方式，具体包括：
S401：按照时间轴顺序将所述RR间期数据集中的RR间期数据进行分组，形成第一分组以及第二分组；其中，所述第一分组中的RR间期数据的数量和所述第二分组中RR间期数据的数量不同；
S402：计算第一分组以及第二分组中RR间期数据差值的平均值；
S403：根据所述第一分组以及第二分组中RR间期数据差值的平均值计算检测准确值；
S404：判断所述准确标准值是否在预设范围之内，如果否，则数据不可用。
在具体实现的时候，为了方便的对第一分组以及第二分组中RR间期数据的数量是可以根据实际的需要进行具体的设定的，但是第一分组和第二分组中RR间期数据的数量肯定是有所区别的。例如，可以使得第一分组中RR间期数据的数量少于第二分组中RR间期数据的数量。
例如，可以取RR间期数据集中前三分之一的RR间期数据作为第一分组中的RR间期数据，将RR间期数据集中所剩余的后三分之二的RR间期数据作为第二分组中的RR间期数据。在后续计算的时候，也是要分别计算第一分组中以及第二分组中RR间期数据的差值的平均值，即：假设第一分组中RR间期数据分别为：RR1、RR2、……、RR10，第二分组中RR间期数据分别为：RR11、RR12、……、RR28、RR29、RR30。先分别计算第一分组和第二分组中，每相邻的两个RR间期数据之间的差值，其中，第一分组中：RR2-RR1，RR3-RR2，……，RR10-RR9，共9个差值；第二分组中：RR12-RR11，RR13-RR12，……，RR30-RR29，共19个差值；然后对第一分组中的9个差值做平均值计算，获得RR平1，对第二分组中的19个差值做平均值计算，获得RR平2，然后再根据两个平均值RR平1和RR平2，计算SRD(successive RRI difference，检测准确值)，其中，SRD＝RR平1/RR平2。最终，如果该SRD在预设范围之内，那么就认为RR间期数据的波动在正常范围内，如果SRD不在预设范围之内，那么就认为RR间期数据的波动明显受到干扰，误差较大，不可用。一般地，该预设范围为：0.8-1.2。该SDR在该预设范围之内，表示是RR间期数据的重复性比较好，测试的可信度较高，数据可用。如果不再该范围之内，那么数据不可用，需要重新测量。
需要注意的是，上述两种对RR间期数据集进行可用性检测的方法可以单独使用也可以一起使用。
参见图5所示，本发明实施例还提供另外一种HRV测量方法，在上述几个实施例的基础上，所述对所述RR间期数据集进行快速傅立叶变换和/或小波变换之前(即S103之前)，还包括：
S501：对一次滤波所获得的窦性心律所对应的RR间期数据集做二次滤波处理；
其中，所述二次滤波处理按照如下方式进行：
1、计算所述RR间期数据集中所有RR间期数据的标准差；
具体地，计算所述RR间期数据集中所有RR间期数据的标准差具体包括：
计算所有RR间期数据中所有RR间期数据的平均值RR平，并根据下述公式计算RR间期数据的标准差RR标：
Figure BDA0001224500600000161
其中，N为RR间期数据的数量，RRi为第i个RR间期数据。
2、采用所述标准差对标准差，消除RR间期数据集中的峰值数据。
在采用所述标准差对标准差，消除RR间期数据集中的峰值数据时，具体包括：
根据下述公式计算RR间期数据取值区间的两个端点RR下端以及RR上端：
RR下端＝RR平-3×RR标；
RR上端＝RR平+3×RR标；
判断RR间期数据集中的每一个RR间期数据是否落入该RR间期数据取值区间以内，如果否，则将该RR间期数据从所述RR间期数据集中剔除。
通过该S501的处理，可以消除RR间期数据集中的峰值数据，进一步的减少误差，提高后续计算中的精确度。
本发明又一实施例还提供一种HRV测量装置，参见图7所示，本发明实施例所提供的HRV测量装置包括：
数据获取模块，用于获取原始RR间期数据集，所述原始RR间期数据集中包括多个RR间期数据；
一次滤波模块，用于对所述原始RR间期数据集做一次滤波处理，获取窦性心律所对应的RR间期数据集；
误差处理模块，用于对所述RR间期数据集进行快速傅立叶变换和/或小波变换，并根据快速傅立叶变换和/或小波变换的结果，对所述RR间期数据集进行去误差处理，获取标准RR间期数据集；
短程HRV计算模块，用于根据所述标准RR间期数据集计算短程HRV时域指标；
24小时HRV计算模块，用于根据所述短程HRV时域指标，使用计算模型，计算24小时HRV时域指标。
本实施例中，数据获取模块、一次滤波模块、误差处理模块、短程HRV计算模块和24小时HRV计算模块的具体功能和交互方式，可参见图1-图2对应的实施例的记载，在此不再赘述。
本发明实施例所提供的HRV测量装置，在获取了原始RR间期数据集之后，先对原始RR间期数据集做一次滤波处理，获取窦性心律是对应的RR间期数据集，然后再对RR间期数据集通过快速傅立叶变换和/或小波变换，对RR间期数据集进行去误差的处理，去除由于呼吸等节律性变化所导致的误差，得到标准RR间期数据集，然后再根据标准RR间期数据集计算HRV时域指标，这个过程中，能够很大限度的去除外界因素对RR间期数据的影响，即使测量的时间较短，RR间期数据较小，也能够获得更加准确的计算结果，而在获取短程的HRV时域指标之后，能够根据该短程HRV时域指标，使用计算模型，计算出24小时HRV时域指标，因而，该HRV计算方法在保证计算精度的前提下，缩减了测量需要用到的时间，同时，能够最终获得准确的24小时HRV数据。
本发明实施例所提供的HRV测量方法和装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (7)

1.一种HRV测量方法，其特征在于，包括：
获取原始RR间期数据集，所述原始RR间期数据集中包括多个RR间期数据；
对所述原始RR间期数据集做一次滤波处理，获取窦性心律所对应的RR间期数据集；
对所述窦性心律所对应的RR间期数据集进行快速傅立叶变换和/或小波变换，并根据快速傅立叶变换和/或小波变换的结果，对所述窦性心律所对应的RR间期数据集进行去误差处理，获取标准RR间期数据集；
根据所述标准RR间期数据集计算短程HRV时域指标；
根据所述短程HRV时域指标，使用计算模型，计算24小时HRV时域指标；
使用下述方法获取所述计算模型：
获取短程HRV实验数据，并获取与之对应的24小时HRV实验数据；
对短程HRV实验数据以及24小时HRV实验数据进行回归行分析，建立回归方程，并将该回归方程作为所述计算模型；
所述回归方程为：Y＝20.788×X0.487；
其中，Y为24小时HRV时域指标，X为短程HRV时域指标；
所述对所述原始RR间期数据集做一次滤波处理，获取窦性心律所对应的RR间期数据集，具体包括：
计算所述原始RR间期数据集中每相邻的两个RR间期数据之间的差值；
判断所述差值的绝对值是否小于等于预设的第一阈值；
如果否，则将该相邻的两个所述RR间期数据从所述原始RR间期数据集中剔除，形成所述窦性心律所对应的RR间期数据集；
当对所述窦性心律所对应的RR间期数据集进行快速傅立叶变换，或者对所述窦性心律所对应的RR间期数据集进行快速傅立叶变换和小波变换时，所述对所述窦性心律所对应的RR间期数据集进行快速傅立叶变换和/或小波变换，并根据快速傅立叶变换和/或小波变换的结果，对所述窦性心律所对应的RR间期数据集进行去误差处理，获取标准RR间期数据集，具体包括：
对所述窦性心律所对应的RR间期数据集进行快速傅立叶变换，分别获取HRV的四个标准频率段ULF、VLF、LF以及HF的能量：EULF、EVLF、ELF以及EHF；
判断EULF+EVLF是否小于预设的第二阈值，和/或，判断(EULF+EVLF)/(EULF+EVLF+ELF+EHF)*100％是否小于等于预设的第三阈值；
如果是，则将所述窦性心律所对应的RR间期数据集作为标准RR间期数据集；
如果否，则对所述窦性心律所对应的RR间期数据集进行小波变换，获取多个阶层的波形；
按照从高阶至低阶，或者从低阶至高阶的顺序，执行下述处理过程：
对当前阶层的波形进行快速傅立叶变换，获取当前阶层中HRV的四个标准频率段：ULF、VLF、LF以及HF的能量EULF、EVLF、ELF以及EHF；
判断ULF+VLF是否小于预设的第二阈值，和/或，判断(ULF+VLF)/(ULF+VLF+LF+HF)*100％是否小于等于预设的第三阈值；
如果是，则将当前阶层所对应的RR间期数据集作为标准间期数据集。
2.根据权利要求1所述的方法，其特征在于，所述根据所述标准RR间期数据集计算HRV时域指标具体包括：
根据所述标准RR间期数据集，以RR间期作为纵坐标，以i为横坐标，绘制HRV信号曲线；
根据下述公式计算HRV时域技术指标：
Figure FDA0002318919020000031
NNVGR为全部正常NN间期的平均值；
Figure FDA0002318919020000032
SDNN为全部正常NN间期的标准差；
Figure FDA0002318919020000033
RNSSD为全部相邻NN间期之差的均方根值；
Figure FDA0002318919020000034
SDSD为全部相邻NN间期之差的标准差；
NN50，为全部相邻NN间期之差大于50ms的心搏数；
Figure FDA0002318919020000035
PNN50为全部相邻NN间期之差大于50ms的心搏数的百分比；
在上述公式中，N为正常心搏总数，RRi是所述标准RR间期数据集中的第i个RR间期数据，RRi+1是第i+1个RR间期数据；
Figure FDA0002318919020000036
是N个心搏的RR间期数据的平均值；NN间期为窦性心搏间期；
RR′i＝RRi-RRi-1；
Figure FDA0002318919020000037
3.根据权利要求2所述的方法，其特征在于，所述对所述窦性心律所对应的RR间期数据集进行快速傅立叶变换和小波变换之前，还包括：
对所述窦性心律所对应的RR间期数据集进行可用性检测。
4.根据权利要求3所述的方法，其特征在于，所述对所述窦性心律所对应的RR间期数据集进行可用性检测具体包括：
按照时间轴顺序将所述窦性心律所对应的RR间期数据集中的RR间期数据进行分组，形成多个RR间期数据组；每个所述RR间期数据组中包含预设数量的RR间期数据；
计算每个所述RR间期数据组中所有RR间期数据的平均值；
根据每个所述RR间期数据组中所有RR间期数据的平均值，计算该平均值所对应的心率值；
判断所有心率值中最大值与最小值之差是否大于预设的数值，如果是，则数据不可用；
和/或，
按照时间轴顺序将所述RR间期数据集中的RR间期数据进行分组，形成第一分组以及第二分组；其中，所述第一分组中的RR间期数据的数量和所述第二分组中RR间期数据的数量不同；
计算第一分组以及第二分组中RR间期数据差值的平均值；
根据所述第一分组以及第二分组中RR间期数据差值的平均值计算检测准确值；
判断所述检测准确值是否在预设范围之内，如果否，则数据不可用。
5.根据权利要求2所述的方法，其特征在于，所述对所述窦性心律所对应的RR间期数据集进行快速傅立叶变换和/或小波变换之前，还包括：对一次滤波所获得的窦性心律所对应的RR间期数据集做二次滤波处理；
其中，所述二次滤波处理按照如下方式进行：
计算所述窦性心律所对应的RR间期数据集中所有RR间期数据的标准差；
使用所述RR间期数据的标准差，消除窦性心律所对应的RR间期数据集中的峰值数据。
6.根据权利要求5所述的方法，其特征在于，所述使用所述RR间期数据的标准差，消除窦性心律所对应的RR间期数据集中的峰值数据，具体包括：
根据下述公式计算RR间期数据取值区间的两个端点RR下端以及RR上端：
RR下端＝RR平-3×RR标；
RR上端＝RR平+3×RR标；
其中，RR平为窦性心律所对应的RR间期数据集中所有RR间期数据的平均值；所述RR标为RR间期数据的标准差；
判断窦性心律所对应的RR间期数据集中的每一个RR间期数据是否落入该RR间期数据取值区间以内，如果否，则将该RR间期数据从所述窦性心律所对应的RR间期数据集中剔除。
7.一种HRV测量装置，其特征在于，包括：
数据获取模块，用于获取原始RR间期数据集，所述原始RR间期数据集中包括多个RR间期数据；
一次滤波模块，用于对所述原始RR间期数据集做一次滤波处理，获取窦性心律所对应的RR间期数据集；
误差处理模块，用于对所述窦性心律所对应的RR间期数据集进行快速傅立叶变换和/或小波变换，并根据快速傅立叶变换和/或小波变换的结果，对所述窦性心律所对应的RR间期数据集进行去误差处理，获取标准RR间期数据集；
短程HRV计算模块，用于根据所述标准RR间期数据集计算短程HRV时域指标；
24小时HRV计算模块，用于根据所述短程HRV时域指标，使用计算模型，计算24小时HRV时域指标；
所述24小时HRV计算模块，使用下述方法获取所述计算模型：
获取短程HRV实验数据，并获取与之对应的24小时HRV实验数据；
对短程HRV实验数据以及24小时HRV实验数据进行回归行分析，建立回归方程，并将该回归方程作为所述计算模型；
所述回归方程为：Y＝20.788×X0.487；
其中，Y为24小时HRV时域指标，X为短程HRV时域指标；
所述一次滤波模块在对所述原始RR间期数据集做一次滤波处理，获取窦性心律所对应的RR间期数据集时，所述一次滤波模块还用于：
计算所述原始RR间期数据集中每相邻的两个RR间期数据之间的差值；
判断所述差值的绝对值是否小于等于预设的第一阈值；
如果否，则将该相邻的两个所述RR间期数据从所述原始RR间期数据集中剔除，形成所述窦性心律所对应的RR间期数据集；
所述误差处理模块当对所述窦性心律所对应的RR间期数据集进行快速傅立叶变换，或者对所述窦性心律所对应的RR间期数据集进行快速傅立叶变换和小波变换时，所述对所述窦性心律所对应的RR间期数据集进行快速傅立叶变换和/或小波变换，并根据快速傅立叶变换和/或小波变换的结果，对所述窦性心律所对应的RR间期数据集进行去误差处理，获取标准RR间期数据集时，所述误差处理模块还用于：
对所述窦性心律所对应的RR间期数据集进行快速傅立叶变换，分别获取HRV的四个标准频率段ULF、VLF、LF以及HF的能量：EULF、EVLF、ELF以及EHF；
判断EULF+EVLF是否小于预设的第二阈值，和/或，判断(EULF+EVLF)/(EULF+EVLF+ELF+EHF)*100％是否小于等于预设的第三阈值；
如果是，则将所述窦性心律所对应的RR间期数据集作为标准RR间期数据集；
如果否，则对所述窦性心律所对应的RR间期数据集进行小波变换，获取多个阶层的波形；
按照从高阶至低阶，或者从低阶至高阶的顺序，执行下述处理过程：
对当前阶层的波形进行快速傅立叶变换，获取当前阶层中HRV的四个标准频率段：ULF、VLF、LF以及HF的能量EULF、EVLF、ELF以及EHF；
判断ULF+VLF是否小于预设的第二阈值，和/或，判断(ULF+VLF)/(ULF+VLF+LF+HF)*100％是否小于等于预设的第三阈值；
如果是，则将当前阶层所对应的RR间期数据集作为标准间期数据集。
CN201710076448.5A 2017-02-13 2017-02-13 一种hrv测量方法以及装置 Expired - Fee Related CN106859625B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710076448.5A CN106859625B (zh) 2017-02-13 2017-02-13 一种hrv测量方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710076448.5A CN106859625B (zh) 2017-02-13 2017-02-13 一种hrv测量方法以及装置

Publications (2)

Publication Number Publication Date
CN106859625A CN106859625A (zh) 2017-06-20
CN106859625B true CN106859625B (zh) 2020-03-10

Family

ID=59165826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710076448.5A Expired - Fee Related CN106859625B (zh) 2017-02-13 2017-02-13 一种hrv测量方法以及装置

Country Status (1)

Country Link
CN (1) CN106859625B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109953752A (zh) * 2019-03-05 2019-07-02 上海朗朗信息科技有限公司 心律失常情况下hrv分析方法、装置、设备和存储介质
CN112244791A (zh) * 2020-10-27 2021-01-22 南京大学 一种多生理参数监测的可穿戴单臂袖带装置和检测方法
CN117271977A (zh) * 2023-09-27 2023-12-22 北京津发科技股份有限公司 一种hrv数据预处理方法、装置及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4018219A (en) * 1975-11-03 1977-04-19 American Home Products Corporation Heart rate variability measurement
CN1559341A (zh) * 2004-02-26 2005-01-05 炯 阮 一种心率变异性的预测度指标检测分析方法及仪器
WO2005084537A1 (en) * 2004-03-08 2005-09-15 Medicus Engineering Aps A method and an instrument for measuring of physiological parameters
CN105147278A (zh) * 2015-09-30 2015-12-16 成都信汇聚源科技有限公司 一种具备自动分析和实时信息分享功能的远程心电图监测系统实现方法
CN105796096A (zh) * 2014-12-31 2016-07-27 深圳先进技术研究院 一种心率变异性分析方法、系统及终端
CN105902263A (zh) * 2016-04-29 2016-08-31 深圳市理邦精密仪器股份有限公司 评估心电图波形的rr间期不规则程度的方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4018219A (en) * 1975-11-03 1977-04-19 American Home Products Corporation Heart rate variability measurement
CN1559341A (zh) * 2004-02-26 2005-01-05 炯 阮 一种心率变异性的预测度指标检测分析方法及仪器
WO2005084537A1 (en) * 2004-03-08 2005-09-15 Medicus Engineering Aps A method and an instrument for measuring of physiological parameters
CN105796096A (zh) * 2014-12-31 2016-07-27 深圳先进技术研究院 一种心率变异性分析方法、系统及终端
CN105147278A (zh) * 2015-09-30 2015-12-16 成都信汇聚源科技有限公司 一种具备自动分析和实时信息分享功能的远程心电图监测系统实现方法
CN105902263A (zh) * 2016-04-29 2016-08-31 深圳市理邦精密仪器股份有限公司 评估心电图波形的rr间期不规则程度的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《心率变异性在汽车司机驾驶疲劳监测中应用的研究》;刘灵;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;20071215(第6期);第E060-4页 *
《高血压飞行员BPV、HRV及相互关系分析》;李小龙 等;《中国疗养医学》;20120930;第21卷(第9期);第779-781页 *

Also Published As

Publication number Publication date
CN106859625A (zh) 2017-06-20

Similar Documents

Publication Publication Date Title
US9943237B2 (en) Analysis of direct and indirect heartbeat data variations
JP5593473B2 (ja) 自律神経機能診断装置、生体モニタリングシステムおよびプログラム
EP3485806A1 (en) Wearable device capable of detecting sleep apnea event and detection method thereof
JP4487015B1 (ja) 自律神経機能評価装置およびプログラム
CN106859625B (zh) 一种hrv测量方法以及装置
JP5696501B2 (ja) 覚醒時データ生成装置、覚醒時データ生成方法、覚醒時データ生成プログラム及び覚醒度判定装置
CN106343979B (zh) 一种静息心率测量方法与装置及包括该装置的可穿戴设备
CN108403107B (zh) 一种心律失常判别方法及系统
US9301695B2 (en) Stress model based on RR integral average
JP6635507B2 (ja) 精神状態判定方法及び精神状態判定プログラム
US9662028B2 (en) Method and system for predicting of acute hypotensive episodes
US9737258B2 (en) Systems and methods for detecting a physiological abnormality in a patient by using cardiac or other chaos in combination with non-increasing parasympathetic modulation
JP2016147010A (ja) 作業覚醒度推定装置、方法およびプログラム
CN109938719A (zh) 一种基于生理参数的驾驶员疲劳检测方法
US20040230109A1 (en) Apparatus and method for detecting atrial fibrillation
WO2018130897A1 (en) Method and system for determining heart rate variability
CN111839494A (zh) 一种心率监测方法及系统
US20150133795A1 (en) System and method for risk stratification based on dynamic nonlinear analysis and comparison of cardiac repolarization with other physiological signals
CN106777884B (zh) 一种hrv测量方法以及装置
US9474460B2 (en) Non-invasive evaluation of cardiac repolarisation instability for risk stratification of sudden cardiac death
JP5592323B2 (ja) 自律神経機能診断装置およびプログラム
Signorini Nonlinear analysis of heart rate variability signal: physiological knowledge and diagnostic indications
JP2008220556A (ja) 心拍測定システム及び方法
JP2019033878A (ja) 異常検出方法、異常検出装置及び異常検出プログラム
Arkadiy The algorithm of estimation of parameters of heart rate, pq and st intervals with daily monitoring using a portable multifunction device

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
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Wang Hui

Inventor after: Chen Yuanxiang

Inventor before: Chen Yuanxiang

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210125

Address after: Room 256, 4th floor, No. 122, Xingfu South Road, Xiasha street, Qiantang New District, Hangzhou, Zhejiang 310000

Patentee after: Hangzhou active Health Technology Co.,Ltd.

Address before: 100000 Beijing Haidian District Qinghe Anningzhuang East Road, No. 18, 20, 4-storey 4051

Patentee before: BEIJING XINLIANG TECHNOLOGY Co.,Ltd.

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200310

Termination date: 20210213