CN107361753A - 基于脉搏波形特征点的人体健康状态监护方法 - Google Patents
基于脉搏波形特征点的人体健康状态监护方法 Download PDFInfo
- Publication number
- CN107361753A CN107361753A CN201710753471.3A CN201710753471A CN107361753A CN 107361753 A CN107361753 A CN 107361753A CN 201710753471 A CN201710753471 A CN 201710753471A CN 107361753 A CN107361753 A CN 107361753A
- Authority
- CN
- China
- Prior art keywords
- electrocardiosignal
- noise
- pulse signal
- pulse wave
- pulse
- 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
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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- 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
- A61B5/7203—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
Abstract
基于脉搏波形特征点的人体健康状态监护方法。现有的心血管诊断设备主要集中在价格昂贵或测量参数单一,不利于实时监测。同步采集心电信号和脉搏信号;对采集到的心电信号和脉搏信号依次进行去基线漂移、去工频干扰、去肌电干扰、消除噪声的操作;检测分析心电信号,提取心电特征信息,判断心电信号的R波和T波位置;基于心电信号和脉搏信号在时域上的同步性,分别检测脉搏波的波谷和波峰,检测脉搏波的降中峡位置和脉搏波的重搏波位置。本发明可以跟踪健康生理参数,也可以为在医院就医的人们提供辅助参考的作用,具有性能可靠、成本低廉、携带方便的特点。
Description
技术领域
本发明涉及一种基于脉搏波形特征点的人体健康状态监护方法。
背景技术
中医诊断的最重要的手段是脉诊,在中国有几千年的历史.它通过脉象分析疾病,也就是说各种疾病都会影响到脉搏的搏动特征。对于直接影响脉搏搏动的心血管系统,它的任何病变或功能改变必然导致脉搏搏动特征的变化。因此脉搏波中含有大量的生理信息,脉搏波的形状可以反映血管壁的硬度、外周阻力、心脏的射血情况。由此可见,人体健康状况的很多信息都包含在脉搏波里面,人类可以从脉搏里分析和识别出很多对人体有意义的信息。通过更加深入的去研究脉搏波信号的产生、采集、处理,以及对脉搏波变化规律和特征的分析记录,然后再去探索人类机体关于心血管系统内部病变的奥秘,然后再而建成一套科学的、相对准确的心血管动力学参数无创采集检测新的原理和新的方法,为相关诊断提供一个准确可靠和简捷方便的手段,这对生物医学工作来说是一个具有里程碑意义的事情。如果能够准确的预测出心血管系统病变情况和发展方向,同时在整个诊断治疗过程中给予科学合理的指导,这个对于人类的生命健康无疑是意义重大。而目前心血管健康是以预防为主,各类诊断设备主要集中在价格昂贵或测量参数单一,不利于实时监测。
发明内容
本发明的目的是为了解决现有的的问题,而提出的基于脉搏波形特征点的人体健康状态监护方法。
上述的目的通过以下的技术方案实现:
基于脉搏波形特征点的人体健康状态监护方法,所述的脉搏波形特征点提取方法通过以下步骤实现:
步骤一、同步采集心电信号和脉搏信号;
步骤二、对采集到的心电信号和脉搏信号依次进行去基线漂移、去工频干扰、去肌电干扰、消除噪声的操作;
步骤三、检测分析心电信号,提取心电特征信息,判断心电信号的R波和T波位置;
步骤四、基于心电信号和脉搏信号在时域上的同步性,在消除噪声后的脉搏信号差分序列上找出T点对应位置,分别前向后向滑动5个点,找到脉搏波信号差分信号的局部极大值位置,检测出这个局部极大值前后最近的两个过零点,这两个过零点分别是脉搏波的波谷和波峰;
步骤五、基于心电信号和脉搏信号在时域上的同步性,在消除噪声后的脉搏信号差分序列上找出R点对应位置,分别前向后向滑动5个点,找到脉搏波信号差分信号的局部极大值位置,检测出这个局部极大值前后最近的两个过零点,这两个过零点分别对应脉搏波的降中峡位置和脉搏波的重搏波位置。
有益效果:
1. 采用集成化脉搏波采集仪和蓝牙制作脉搏波采集装置,采集脉搏波信号并传输Android智能机,然后开发一款基于Android的心血管专家分析软件,对前端所采集的参数进行记录、分析,达到便携式心血管检测、监控的效果。利用了现代脉搏波发展的近期成果,研究了脉搏以及脉搏波的原理和理论基础,根据脉搏波的相关理论,探索了血管参数的测量方法,并给出前端脉搏信号采集硬件的设计和实现。在前端采集模块上,系统采用MSP430芯片对脉搏信号进行处理,通过对硬件采集电路结构框图及各部分的功能的设计,实现脉搏波信号的采集并通过蓝牙模块与智能设备进行有效交互。然后通过模拟程序,对前端硬件采集设备进行了系统调试,对产生的系统结果进行了分析和论证。
基于连续小波变换的脉搏波自动识别既能实现脉搏波的自动识别,解决杂波及基线漂移对脉搏波造成的干扰;最后介绍了软件客户端系统的功能设计,分析了数据库操作以及BLE通信的原理与实现方式,完成了软件系统的实现和调试,并对监测数据进行了分析。通过实验证明,项目所研制的人体健康状态监测系统能有效的采集脉搏波相关参数,通过软件后台运算实现心血管健康状态的检测和实施监控。整个系统准确、便捷,而且充分利用了智能机普及性、开放性等特点,较好的实现了预先的设计目标。
本发明通过对心电信号和脉搏信号的同时监测结果,达到能为需要的人群提供24小时进行监测与预警的设备,并且能通过手机等智能终端上显示健康信息具有重要的意义,一方面可以跟踪健康生理参数,另一方面可以为在医院就医的人们提供辅助参考的作用,具有性能可靠、成本低廉、携带方便等特点,随着医疗卫生事业的发展,心血管健康管理助手具有重要的现实意义和广阔的发展前景。
具体实施方式:
具体实施方式一:
本实施方式的基于脉搏波形特征点的人体健康状态监护方法,所述的脉搏波形特征点提取方法通过以下步骤实现:
步骤一、同步采集心电信号和脉搏信号;
步骤二、对采集到的心电信号和脉搏信号依次进行去基线漂移、去工频干扰、去肌电干扰、消除噪声的操作;
步骤三、检测分析心电信号,提取心电特征信息,判断心电信号的R波和T波位置;
步骤四、基于心电信号和脉搏信号在时域上的同步性,在消除噪声后的脉搏信号差分序列上找出T点对应位置,分别前向后向滑动5个点,找到脉搏波信号差分信号的局部极大值位置,检测出这个局部极大值前后最近的两个过零点,这两个过零点分别是脉搏波的波谷和波峰;
步骤五、基于心电信号和脉搏信号在时域上的同步性,在消除噪声后的脉搏信号差分序列上找出R点对应位置,分别前向后向滑动5个点,找到脉搏波信号差分信号的局部极大值位置,检测出这个局部极大值前后最近的两个过零点,这两个过零点分别对应脉搏波的降中峡位置和脉搏波的重搏波位置。
具体实施方式二:
与具体实施方式一不同的是,本实施方式的基于脉搏波形特征点的人体健康状态监护方法,步骤二所述的对采集到的心电信号进行去基线漂移、去工频干扰、去肌电干扰、消除噪声的操作具体为,对采集到的心电信号进行预处理,先确定出低通滤波器的初始条件,将心电信号通过滤波器,所得结果反转后再次通过滤波器,最后将所得结果再反转,得到心电信号的精确零相位低频噪声序列,用原始心电信号减去这个精确零相位低频噪声序列,所得结果就是心电信号去基线漂移后的结果;
去基线漂移后的心电信号通过Notch滤波器进行去工频干扰,然后对得到的心电信号进行小波分解,剔除与噪声相关的系数,重构心电信号,完成去除肌电干扰;
将得到的心电信号进行二次小波包降噪,使用启发式阈值对心电信号进行消噪处理。
具体实施方式三:
与具体实施方式一或二不同的是,本实施方式的基于脉搏波形特征点的人体健康状态监护方法,步骤二所述的对采集到的脉搏信号进行去基线漂移、去工频干扰、去肌电干扰、消除噪声的操作具体为:
对采集到的脉搏信号进行预处理,先确定出低通滤波器的初始条件,将脉搏信号通过滤波器,所得结果反转后再次通过滤波器,最后将所得结果再反转,得到脉搏信号的精确零相位低频噪声序列,用原始脉搏信号减去这个精确零相位低频噪声序列,所得结果就是脉搏信号去基线漂移后的结果;
去基线漂移后的脉搏信号通过Notch滤波器进行去工频干扰,然后对得到的脉搏信号进行小波分解,剔除与噪声相关的系数,重构脉搏信号,完成去除肌电干扰。
具体实施方式四:
与具体实施方式三不同的是,本实施方式的基于脉搏波形特征点的人体健康状态监护方法,降噪后的脉搏信号还进行后向差分运算,然后对差分运算结果进行平滑滤波,用于进一步消除高频脉冲噪声、窄带噪声和工频干扰,得到消噪后的脉搏信号差分序列。
具体实施方式五:
与具体实施方式一、二或四不同的是,本实施方式的基于脉搏波形特征点的人体健康状态监护方法,步骤一所述的同步采集心电信号和脉搏信号的过程中,采用脉搏波采集仪和蓝牙制作脉搏波采集装置,采集脉搏波并传输Android智能机。
具体实施方式六:
与具体实施方式五不同的是,本实施方式的基于脉搏波形特征点的人体健康状态监护方法,步骤三所述的检测分析心电信号,提取心电特征信息的方法为,利用小波变换和小波包变换分别对脉搏信号进行特征提取。
Claims (6)
1.一种基于脉搏波形特征点的人体健康状态监护方法,其特征是:所述的脉搏波形特征点提取方法通过以下步骤实现:
步骤一、同步采集心电信号和脉搏信号;
步骤二、对采集到的心电信号和脉搏信号依次进行去基线漂移、去工频干扰、去肌电干扰、消除噪声的操作;
步骤三、检测分析心电信号,提取心电特征信息,判断心电信号的R波和T波位置;
步骤四、基于心电信号和脉搏信号在时域上的同步性,在消除噪声后的脉搏信号差分序列上找出T点对应位置,分别前向后向滑动5个点,找到脉搏波信号差分信号的局部极大值位置,检测出这个局部极大值前后最近的两个过零点,这两个过零点分别是脉搏波的波谷和波峰;
步骤五、基于心电信号和脉搏信号在时域上的同步性,在消除噪声后的脉搏信号差分序列上找出R点对应位置,分别前向后向滑动5个点,找到脉搏波信号差分信号的局部极大值位置,检测出这个局部极大值前后最近的两个过零点,这两个过零点分别对应脉搏波的降中峡位置和脉搏波的重搏波位置。
2.根据权利要求1所述的基于脉搏波形特征点的人体健康状态监护方法,其特征是:步骤二所述的对采集到的心电信号进行去基线漂移、去工频干扰、去肌电干扰、消除噪声的操作具体为,对采集到的心电信号进行预处理,先确定出低通滤波器的初始条件,将心电信号通过滤波器,所得结果反转后再次通过滤波器,最后将所得结果再反转,得到心电信号的精确零相位低频噪声序列,用原始心电信号减去这个精确零相位低频噪声序列,所得结果就是心电信号去基线漂移后的结果;
去基线漂移后的心电信号通过Notch滤波器进行去工频干扰,然后对得到的心电信号进行小波分解,剔除与噪声相关的系数,重构心电信号,完成去除肌电干扰;
将得到的心电信号进行二次小波包降噪,使用启发式阈值对心电信号进行消噪处理。
3.根据权利要求1或2所述的基于脉搏波形特征点的人体健康状态监护方法,其特征是:步骤二所述的对采集到的脉搏信号进行去基线漂移、去工频干扰、去肌电干扰、消除噪声的操作具体为:
对采集到的脉搏信号进行预处理,先确定出低通滤波器的初始条件,将脉搏信号通过滤波器,所得结果反转后再次通过滤波器,最后将所得结果再反转,得到脉搏信号的精确零相位低频噪声序列,用原始脉搏信号减去这个精确零相位低频噪声序列,所得结果就是脉搏信号去基线漂移后的结果;
去基线漂移后的脉搏信号通过Notch滤波器进行去工频干扰,然后对得到的脉搏信号进行小波分解,剔除与噪声相关的系数,重构脉搏信号,完成去除肌电干扰。
4.根据权利要求3所述的基于脉搏波形特征点的人体健康状态监护方法,其特征是:降噪后的脉搏信号还进行后向差分运算,然后对差分运算结果进行平滑滤波,用于进一步消除高频脉冲噪声、窄带噪声和工频干扰,得到消噪后的脉搏信号差分序列。
5.根据权利要求1、2或4所述的基于脉搏波形特征点的人体健康状态监护方法,其特征是:步骤一所述的同步采集心电信号和脉搏信号的过程中,采用脉搏波采集仪和蓝牙制作脉搏波采集装置,采集脉搏波并传输Android智能机。
6.根据权利要求5所述的基于脉搏波形特征点的人体健康状态监护方法,其特征是:步骤三所述的检测分析心电信号,提取心电特征信息的方法为,利用小波变换和小波包变换分别对脉搏信号进行特征提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710753471.3A CN107361753A (zh) | 2017-08-29 | 2017-08-29 | 基于脉搏波形特征点的人体健康状态监护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710753471.3A CN107361753A (zh) | 2017-08-29 | 2017-08-29 | 基于脉搏波形特征点的人体健康状态监护方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107361753A true CN107361753A (zh) | 2017-11-21 |
Family
ID=60311835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710753471.3A Pending CN107361753A (zh) | 2017-08-29 | 2017-08-29 | 基于脉搏波形特征点的人体健康状态监护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107361753A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320735A (zh) * | 2018-01-23 | 2018-07-24 | 北京易智能科技有限公司 | 一种多数据融合的情感识别方法及系统 |
CN108618765A (zh) * | 2018-05-04 | 2018-10-09 | 哈尔滨理工大学 | 基于脉搏波和人体三维姿态的心脑血管疾病突发风险实时监测系统及方法 |
CN110664384A (zh) * | 2019-09-19 | 2020-01-10 | 恒爱高科(北京)科技有限公司 | 一种脉搏波特征点的提取方法及系统 |
CN112022143A (zh) * | 2020-08-17 | 2020-12-04 | 南京凌华微电子科技有限公司 | 基于生命体征参数分析的移动机器人监护系统及方法 |
CN112274119A (zh) * | 2020-10-19 | 2021-01-29 | 哈尔滨理工大学 | 一种基于神经网络的脉搏波模型预测方法 |
WO2021217873A1 (zh) * | 2020-04-29 | 2021-11-04 | 平安科技(深圳)有限公司 | 心电信号中基线漂移的滤除方法、装置、设备及存储介质 |
CN114916923A (zh) * | 2022-05-19 | 2022-08-19 | 南京中医药大学 | 一种电机械互联的心电脉搏信号分析方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101176660A (zh) * | 2007-12-06 | 2008-05-14 | 山东大学 | 一种心血管系统联合变异性指标的检测方法和装置 |
CN102440768A (zh) * | 2010-10-13 | 2012-05-09 | 兰州理工大学 | 脉搏波形特征点提取方法 |
CN103565427A (zh) * | 2013-11-19 | 2014-02-12 | 深圳邦健生物医疗设备股份有限公司 | 准周期生理信号特征点的检测 |
CN105997055A (zh) * | 2016-07-11 | 2016-10-12 | 吉林大学 | 一种心电信号st段的自动分类方法、系统及装置 |
CN106413534A (zh) * | 2015-08-08 | 2017-02-15 | 深圳先进技术研究院 | 连续血压测量装置、测量模型建立方法和系统 |
-
2017
- 2017-08-29 CN CN201710753471.3A patent/CN107361753A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101176660A (zh) * | 2007-12-06 | 2008-05-14 | 山东大学 | 一种心血管系统联合变异性指标的检测方法和装置 |
CN102440768A (zh) * | 2010-10-13 | 2012-05-09 | 兰州理工大学 | 脉搏波形特征点提取方法 |
CN103565427A (zh) * | 2013-11-19 | 2014-02-12 | 深圳邦健生物医疗设备股份有限公司 | 准周期生理信号特征点的检测 |
CN106413534A (zh) * | 2015-08-08 | 2017-02-15 | 深圳先进技术研究院 | 连续血压测量装置、测量模型建立方法和系统 |
CN105997055A (zh) * | 2016-07-11 | 2016-10-12 | 吉林大学 | 一种心电信号st段的自动分类方法、系统及装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320735A (zh) * | 2018-01-23 | 2018-07-24 | 北京易智能科技有限公司 | 一种多数据融合的情感识别方法及系统 |
CN108618765A (zh) * | 2018-05-04 | 2018-10-09 | 哈尔滨理工大学 | 基于脉搏波和人体三维姿态的心脑血管疾病突发风险实时监测系统及方法 |
CN108618765B (zh) * | 2018-05-04 | 2020-10-27 | 哈尔滨理工大学 | 基于脉搏波和人体三维姿态的心脑血管疾病突发风险实时监测系统及方法 |
CN110664384A (zh) * | 2019-09-19 | 2020-01-10 | 恒爱高科(北京)科技有限公司 | 一种脉搏波特征点的提取方法及系统 |
WO2021217873A1 (zh) * | 2020-04-29 | 2021-11-04 | 平安科技(深圳)有限公司 | 心电信号中基线漂移的滤除方法、装置、设备及存储介质 |
CN112022143A (zh) * | 2020-08-17 | 2020-12-04 | 南京凌华微电子科技有限公司 | 基于生命体征参数分析的移动机器人监护系统及方法 |
CN112274119A (zh) * | 2020-10-19 | 2021-01-29 | 哈尔滨理工大学 | 一种基于神经网络的脉搏波模型预测方法 |
CN112274119B (zh) * | 2020-10-19 | 2024-04-05 | 哈尔滨理工大学 | 一种基于神经网络的脉搏波模型预测方法 |
CN114916923A (zh) * | 2022-05-19 | 2022-08-19 | 南京中医药大学 | 一种电机械互联的心电脉搏信号分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107361753A (zh) | 基于脉搏波形特征点的人体健康状态监护方法 | |
ES2395039T3 (es) | Monitorizar actividad fisiológica usando reconstrucción parcial de espacio de estado | |
Chua et al. | Application of higher order statistics/spectra in biomedical signals—A review | |
Couceiro et al. | Detection of motion artifact patterns in photoplethysmographic signals based on time and period domain analysis | |
EP3672474A1 (en) | A method of detecting abnormalities in ecg signals | |
CN105997043B (zh) | 一种基于腕式可穿戴设备的脉率提取方法 | |
CN101919704A (zh) | 一种心音信号定位、分段方法 | |
CN110327032A (zh) | 一种单导心电信号pqrst波联合精准识别算法 | |
Talatov et al. | Algorithmic and software analysis and processing of ECG signals | |
CN114027804A (zh) | 一种脉象诊断的方法、装置及可读存储介质 | |
CN103876731B (zh) | 一种胎儿心电信号提取装置及方法 | |
Vuksanovic et al. | Analysis of human electrocardiogram for biometric recognition using analytic and ar modeling extracted parameters | |
Sanamdikar et al. | Extraction of different features of ECG signal for detection of cardiac arrhythmias by using wavelet transformation Db 6 | |
Murthy et al. | Ecg signal denoising and ischemic event feature extraction using daubechies wavelets | |
Hegde et al. | A review on ECG signal processing and HRV analysis | |
Turnip et al. | Extraction of P and T waves from electrocardiogram signals with modified Hamilton algorithm | |
Hussein et al. | Detection of electrocardiogram QRS complex based on modified adaptive threshold | |
Agrawal et al. | FPGA-based peak detection of ECG signal using histogram approach | |
Sanamdikar et al. | Analysis of several characteristics of ECG signal for cardiac arrhythmia detection | |
US20190374123A1 (en) | Predicting atrial fibrillation or stroke using p-wave analysis | |
Gayani et al. | Automation of ECG heart beat detection using Morphological filtering and Daubechies wavelet transform | |
Srinagesh et al. | ECG wireless telemetry | |
Sanamdikar et al. | Categorization of Cardiac Arrhythmia from ECG Waveform by Using Super Vector Regression Method | |
Shama et al. | Hamming filter design for ECG signal detection and processing using co-simulation | |
Javier et al. | R-wave detection algorithm using integration of virtual instruments |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171121 |