CN107773224A - 脉搏分析方法及其装置 - Google Patents

脉搏分析方法及其装置 Download PDF

Info

Publication number
CN107773224A
CN107773224A CN201610768371.3A CN201610768371A CN107773224A CN 107773224 A CN107773224 A CN 107773224A CN 201610768371 A CN201610768371 A CN 201610768371A CN 107773224 A CN107773224 A CN 107773224A
Authority
CN
China
Prior art keywords
signal
pulse
characteristic signal
frequency spectrum
multiple characteristic
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
Application number
CN201610768371.3A
Other languages
English (en)
Inventor
张家齐
许弘毅
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.)
Winbond Electronics Corp
Original Assignee
Winbond Electronics Corp
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 Winbond Electronics Corp filed Critical Winbond Electronics Corp
Priority to CN201610768371.3A priority Critical patent/CN107773224A/zh
Priority to CN202310278910.5A priority patent/CN116269232A/zh
Priority to US15/426,066 priority patent/US10709380B2/en
Priority to JP2017075836A priority patent/JP6527192B2/ja
Publication of CN107773224A publication Critical patent/CN107773224A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
    • 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
    • A61B5/02—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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • 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
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • A61B5/02—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
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Alternative & Traditional Medicine (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明提出一种脉搏分析方法及其装置。所述方法包括：接收脉搏信号；将脉搏信号分解为多个特征信号；对每一特征信号进行频谱投影以产生一频谱；对每一特征信号所对应的频谱进行量化以获得对应每一特征信号的多个量化数据；以及根据特征信号所对应的量化数据，判断脉搏信号所对应的生理状况。本发明可以有效地表现出中医脉诊中关于空间(寸、关、尺)与时间(浮、中、沉)的大小的变化，并可以有效地应用于中医脉诊或个人健康照护等方面。

Description

脉搏分析方法及其装置
技术领域
本发明涉及一种用于中医的脉搏分析方法及其装置。
背景技术
在现今的医疗体系中，主要强调精准地医疗与个人照护。其中一项关键的技术为诊断参考的临床量化指标，而指标的特异性、敏感度与可靠度往往取决于计算公式与其演算方法。在心血管系统的非侵入式临床监测上，以往较多采用西医的临床实证来对应指标于生理表征的意义，然而在中医的脉搏诊断(也称为，脉诊)上，却较少有对应的量化演算技术。
一般的脉诊监测仪的分析技术多采用线性分频(例如，傅利叶转换)或时序特征解析(例如，小波转换)的方式，进行脉波波形的量化与指标计算，部分的脉诊监测仪甚至采用西医中评估自律神经功能的脉率变异度(Pulse rate variability)频域量化特征作为脉诊仪的参考显示指标。然而，相较于以往的分析技术，较难以体现出中医师在进行传统脉诊时所使用的脉搏特征，内含空间(寸、关、尺)与时间(浮、中、沉)的大小变化。
发明内容
本发明提供一种脉搏分析方法及其装置，可以有效地表现出中医脉诊中关于空间(寸、关、尺)与时间(浮、中、沉)的大小的变化，并可以有效地应用于中医脉诊或个人健康照护等方面。
本发明提供一种脉搏分析方法，所述方法包括：接收脉搏信号；将脉搏信号分解为多个特征信号；对每一特征信号进行频谱投影以产生一频谱；对每一特征信号所对应的频谱进行量化以获得对应每一特征信号的多个量化数据；以及根据特征信号所对应的量化数据，判断脉搏信号所对应的生理状况。
本发明的一实施例中，其中特征信号组合成该脉搏信号。
本发明的一实施例中，其中特征信号分别对应至一生理意义。
本发明的一实施例中，其中对每一特征信号所对应的频谱进行量化以获得对应每一特征信号的量化数据的步骤中，包括：根据每一特征信号所对应的频谱计算每一特征信号所对应的能量密度与平均周期。
本发明的一实施例中，其中根据特征信号所对应的量化数据，判断脉搏信号所对应的生理状况的步骤中，包括：将每一特征信号所对应的量化数据与参考数据进行比对，以判断脉搏信号所对应的生理状况。
本发明的一实施例中，其中生理状况至少包括多个中医脉象的其中之一。
本发明提供一种脉搏分析装置，所述装置包括：处理单元，其中处理单元用以：接收脉搏信号；将脉搏信号分解为多个特征信号；对每一特征信号进行频谱投影以产生一频谱；对每一特征信号所对应的频谱进行量化以获得对应每一特征信号的多个量化数据；以及根据特征信号所对应的量化数据，判断脉搏信号所对应的生理状况。
本发明的一实施例中，其中特征信号组合成该脉搏信号。
本发明的一实施例中，其中特征信号分别对应至一生理意义。
本发明的一实施例中，其中对每一特征信号所对应的频谱进行量化以获得对应每一特征信号的量化数据的运作中，处理单元更用以根据每一特征信号所对应的频谱计算每一特征信号所对应的能量密度与平均周期。
本发明的一实施例中，其中根据特征信号所对应的量化数据，判断脉搏信号所对应的生理状况的运作中，处理单元更用以将每一特征信号所对应的量化数据与参考数据进行比对，以判断脉搏信号所对应的生理状况。
本发明的一实施例中，其中生理状况至少包括多个中医脉象的其中之一。
本发明可以对脉搏信号分解为多个具有生理意义的特征信号，并对此些特征信号进行频谱投影以及量化以取得多个量化数据，最后根据此些特征信号所对应的量化数据来判断脉搏信号所对应的中医脉象。藉此，可以有效地表现出中医脉诊中关于空间(寸、关、尺)与时序(浮、中、沉)的大小的变化，并可以有效地应用于中医脉诊或个人健康照护等方面。
为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合附图作详细说明如下。
附图说明
图1是依照本发明一实施例所显示的脉搏分析装置的方框图；
图2A至图2D是依照本发明一实施例所显示的脉搏分析方法的示意图；
图3是依照本发明一实施例所显示的脉搏分析方法的流程图。
附图标记：
100：脉搏分析装置；
12：检测单元；
14：存储单元；
16：处理单元；
200、22：脉搏信号；
22a～22d：特征信号；
23：频谱图；
24：量化数据表；
S1：特征信号22a的频谱；
S2：特征信号22b的频谱；
S301：接收脉搏信号的步骤；
S303：将脉搏信号分解为多个特征信号的步骤；
S305：对每一特征信号进行频谱投影以产生一频谱的步骤；
S307：对每一特征信号所对应的频谱进行量化以获得对应每一特征信号的多个量化数据的步骤；
S309：根据特征信号所对应的量化数据，判断脉搏信号所对应的生理状况的步骤。
具体实施方式
图1是依照本发明一实施例所显示的脉搏分析装置的方框图。请参照图1，本实施例的脉搏分析装置100包括检测单元12、存储单元14及处理单元16。脉搏分析装置100例如是手机、平板电脑、笔记型电脑或一般桌上型电脑等电子装置，在此不设限。
检测单元12可以用于检测使用者的脉搏并产生对应的脉搏信号。检测单元12可以例如是脉搏式血氧计(pulse oximetry)。然而本发明不限于此，检测单元12也可以是藉由使用光学、超声波、压力或其他方式来获取脉搏信号的检测器。此外，检测单元12也可以从使用者的手指、手臂、耳朵或其他受测部位来量测脉搏以取得脉搏信号。需注意的是，在本范例实施例中，检测单元12是包含在脉搏分析装置100中。然而，在另一范例实施例中，脉搏分析装置100也可以不包括检测单元12，检测单元12也可以用外接的方式与脉搏分析装置100彼此相互连接。
存储单元14可以是任何型态的固定或可移动随机存取存储器(random accessmemory，RAM)、只读存储器(read-only memory，ROM)、快闪存储器(flash memory)或类似元件或上述元件的组合。在本实施例中，存储单元14是用以记录执行本发明的脉搏分析方法的多个模块。这些模块例如是储存在存储单元14中的多个程序码，其可载入脉搏分析装置100的处理单元16，而由处理单元16执行本发明的脉搏分析方法。
处理单元16分别与检测单元12及存储单元14连接，其可以是中央处理单元(Central Processing Unit，CPU)，或是其他可程序化的一般用途或特殊用途的微处理器(Microprocessor)、数字信号处理器(Digital Signal Processor，DSP)、可程序化控制器、特殊应用集成电路(Application Specific Integrated Circuit，ASIC)或其他类似元件或上述元件的组合。在本实施例中，处理单元16用以存取并执行上述存储单元14中所记录的模块，藉以实现本发明的脉搏分析方法。
需注意的是，在本范例实施例中，脉搏分析方法是使用程序码的方式来载入并执行。然而，在本发明另一范例实施例中，本发明的脉搏分析方法也可以是以硬件电路的型式来实作，本发明并不限于此。
图2A至图2D是依照本发明一实施例所显示的脉搏分析方法的示意图。本实施例的方法适用于上述的脉搏分析装置100。以下即搭配图1中脉搏分析装置100的各项元件，说明本实施例方法的详细流程。
请参照图2A，首先，检测单元12可以检测使用者一段时间内的脉搏并产生脉搏信号200，处理单元16可以从检测单元12接收脉搏信号200。当处理单元16从检测单元12接收脉搏信号200后，处理单元16可以将脉搏信号200分解为多个特征信号。
举例来说，图2A中的脉搏信号200是记录使用者在一段时间内(即，0到55秒)的脉搏。为了方便于解释，假设处理单元16是对脉搏信号200中的一特定时间间隔(例如，30到35秒)的脉搏信号22进行分析。处理单元16可以通过非稳态分解的方法，将脉博信号22分解为多个特征信号22a～22d。非稳态分解的方法例如可以是集成经验模态分解(EnsembleEmpirical Mode Decomposition，EEMD)、互补式集成经验模态分解(ComplementaryEnsemble Empirical Mode Decomposition，CEEMD)等方法，本发明并不对信号的分解方法作限制。特别是，由于本发明是对脉搏信号22进行非稳态分解，而经过非稳态分解所产生的特征信号22a～22d可以无失真地组合(或重组)成脉搏信号22。
值得一提的是，在本发明的范例实施例中，可以通过临床实验的方式，决定出对脉搏信号22进行分解的非稳态分解方法，使得所分解出的特征信号22a～22d分别对应至使用者的一个生理意义(也可称为，临床意义)。例如，在本范例实施例中，特征信号22a是与使用者的心跳快慢有关。特征信号22b是与心脏输出血液时血管分枝的压力反弹有关。特征信号22c是与周边组织的反应有关。特征信号22d是与检测仪器的高频噪音有关。然而需注意的是，本发明并不用于限定所分解出的特征信号的数量以及各个特征信号所对应的生理意义。
接着，处理单元16会对每一个特征信号22a～22d进行频谱投影以个别地产生一频谱。详细来说，请参照图2B，处理单元16可以对特征信号22a进行频谱投影以产生频谱S1，并且处理单元16可以对特征信号22b进行频谱投影以产生频谱S2。需注意的是，虽然图2B的频谱图23仅显示对应于特征信号22a的频谱S1以及对应于特征信号22b的频谱S2，而须了解的是，对应于特征信号22c的频谱S3(未显示)以及对应于特征信号22d的频谱S4(未显示)会分别地落在频谱图23中频率大于2Hz的范围(即，频谱S2的右边)。此外，已知技术中有多种对信号进行投影以产生频谱的方法，例如快速傅立叶转换(Fast Fourier Transform，FFT)或离散小波变换(Discrete Wavelet Transform、DWT)等方式，故在此并不赘述。
接着，请参照图2C，处理单元16可以对每一个特征信号22a～22d所对应的频谱S1～S4进行量化以获得对应每一个特征信号22a～22d的多个量化数据(例如，图2C的量化数据表24)。其中，处理单元16可以根据每一个特征信号22a～22d所对应的频谱S1～S4计算每一个特征信号22a～22d所对应的能量密度与平均周期。需注意的是，量化数据表24仅示意性地列出三组能量密度与平均周期的数据的对应关系，然而，量化数据表24可以用于纪录每一个特征信号22a～22d所对应的能量密度与平均周期。
详细来说，处理单元16会分别计算对应于特征信号22a的频谱S1、对应于特征信号22b的频谱S2、对应于特征信号22c的频谱S3以及对应于特征信号22d的频谱S4的能量密度与平均周期。能量密度的公式如下：
其中，n用于表示某一特定的频谱。例如，在本范例实施例中，当n＝1时，E1即代表频谱S1的能量密度；当n＝2时，E2即代表频谱S2的能量密度，以此类推。N代表某一特定频谱n中时间点的总数量，其中各个时间点可以藉由频率(例如，频谱图23的横轴的各个值)的倒数取得。IMFn(t)代表在某一特定频谱n的一时间范围中，时间点t所对应的能量强度。例如，IMF1(1)代表在频谱S1中第一个时间点的能量强度；IMF2(N)代表在频谱S2中第N个时间点的能量强度，以此类推。
根据上述公式(1)，处理单元16可以分别地计算对应于特征信号22a的频谱S1的能量密度E1、对应于特征信号22b的频谱S2的能量密度E2、对应于特征信号22c的频谱S3的能量密度E3以及对应于特征信号22d的频谱S4的能量密度E4。其中，能量密度可以用于代表其所对应的频谱中的主频率的能量强度，其中主频率是指频谱中的峰值所对应的频率。此外，在中医脉诊中，浮、中、沉代表脉搏的深度与强度的变化，在本范例实施例中，由于处理单元16已从脉搏信号22分解出特征信号22a～22d，且特征信号22a～22d分别对应于使用者的一生理特征，故特征信号22a～22d的所分别对应的能量强度E1～E4可以用于分析中医脉搏中关于浮、中、沉的变化。
此外，平均周期的公式如下：
其中，n用于表示某一特定的频谱。例如，在本范例实施例中，当n＝1时，即代表频谱S1的平均周期；当n＝2时，即代表频谱S2的平均周期，以此类推。此外，T代表时间。SlnT,n代表频谱n与时间T的自然对数的函数。
根据上述公式(2)，可以分别地计算对应于特征信号22a的频谱S1的平均周期对应于特征信号22b的频谱S2的平均周期对应于特征信号22c的频谱S3的平均周期以及对应于特征信号22d的频谱S4的平均周期其中，所计算出的各个平均周期可以分别代表各个频谱S1～S4中主频率的周期，其可以藉由取倒数获得各个频谱S1～S4中主频率的频率。此外，在中医脉诊中，寸、关、尺代表脉搏的在空间上波形的变化，在本范例实施例中，可以通过特征信号22a～22d所对应的平均周期与能量强度E1～E4的关系分析中医脉搏中关于寸、关、尺的变化。
之后，如图2D所示，在本范例实施例中，处理单元16会根据特征信号22a～22d所对应的量化数据(即，能量密度E1～E4以及平均周期)判断脉搏信号22所对应的生理状况，其中所述生理状况至少包括多个中医脉象的其中之一。例如，时脉或虚脉。具体来说，在本范例实施例中，可以预先设置一个数据库于存储单元14中，其中此数据库用以储存多个参考数据，所述参考数据代表平均周期和能量密度的组合与多种中医脉象之间的对应关系，其中此些对应关系可以经由临床实验的方式所取得。处理单元16可以将每一特征信号22a～22d所对应的量化数据(即，能量密度E1～E4以及平均周期)与参考数据进行比对，以判断脉搏信号22所对应的生理状况。处理单元16还可以通过例如屏幕等输出单元来输出比对的结果，以提供中医师在进行看诊时的脉诊信息。也就是说，特征信号22a～22d所分别对应的能量密度E1～E4以及平均周期可以用于反映出脉诊信号22的生理状况，其可以对应至多个中医脉象的其中之一。
图3是依照本发明一实施例所显示的脉搏分析方法的流程图。
请参照图3，在步骤S301中，处理单元16会接收脉搏信号。在步骤S303中，处理单元16会将所接收的脉搏信号分解为多个特征信号。在步骤S305中，对每一个特征信号进行频谱投影以产生频谱。在步骤S307中，处理单元16对每一特征信号所对应的频谱进行量化以获得对应每一个特征信号的多个量化数据。最后在步骤S309中，处理单元16会根据所述多个特征信号所对应的量化数据，判断脉搏信号所对应的生理状况。
综上所述，本发明可以对脉搏信号分解为多个具有生理意义的特征信号，并对此些特征信号进行频谱投影以及量化以取得多个量化数据，最后根据此些特征信号所对应的量化数据来判断脉搏信号所对应的中医脉象。藉此，可以有效地表现出中医脉诊中关于空间(寸、关、尺)与时序(浮、中、沉)的大小的变化，并藉由量化的方式来有效地表现出脉诊所参考的特性指标。
虽然本发明已以实施例揭示如上，然其并非用以限定本发明，任何所属技术领域中普通技术人员，在不脱离本发明的精神和范围内，当可作些许的更改与润饰，均在本发明范围内。

Claims (12)

1.一种脉搏分析方法，其特征在于，所述方法包括：
接收脉搏信号；
将所述脉搏信号分解为多个特征信号；
对每一所述多个特征信号进行频谱投影以产生频谱；
对每一所述多个特征信号所对应的所述频谱进行量化以获得对应每一所述多个特征信号的多个量化数据；以及
根据所述多个特征信号所对应的所述多个量化数据，判断所述脉搏信号所对应的生理状况。
2.根据权利要求1所述的脉搏分析方法，其特征在于，所述多个特征信号组合成所述脉搏信号。
3.根据权利要求1所述的脉搏分析方法，其特征在于，所述多个特征信号分别对应至少一生理意义。
4.根据权利要求1所述的脉搏分析方法，其特征在于，对每一所述多个特征信号所对应的所述频谱进行量化以获得对应每一所述多个特征信号的所述多个量化数据的步骤中，还包括：
根据每一所述多个特征信号所对应的所述频谱计算每一所述多个特征信号所对应的能量密度与平均周期。
5.根据权利要求1所述的脉搏分析方法，其特征在于，根据所述多个特征信号所对应的所述多个量化数据，判断所述脉搏信号所对应的所述生理状况的步骤中，还包括：
将每一所述多个特征信号所对应的所述多个量化数据与参考数据进行比对，以判断所述脉搏信号所对应的所述生理状况。
6.根据权利要求1所述的脉搏分析方法，其特征在于，所述生理状况至少包括多个中医脉象的其中之一。
7.一种脉搏分析装置，其特征在于，所述装置包括：
处理单元，其中
所述处理单元用以接收脉搏信号，
所述处理单元更用以将所述脉搏信号分解为多个特征信号，
所述处理单元更用以对每一所述多个特征信号进行频谱投影以产生频谱，
所述处理单元更用以对每一所述多个特征信号所对应的所述频谱进行量化以获得对应每一所述多个特征信号的多个量化数据，以及
所述处理单元更用以根据所述多个特征信号所对应的所述多个量化数据，判断所述脉搏信号所对应的生理状况。
8.根据权利要求7所述的脉搏分析装置，其特征在于，所述多个特征信号组合成所述脉搏信号。
9.根据权利要求7所述的脉搏分析装置，其特征在于，所述多个特征信号分别对应至少一生理意义。
10.根据权利要求7所述的脉搏分析装置，其特征在于，对每一所述多个特征信号所对应的所述频谱进行量化以获得对应每一所述多个特征信号的所述多个量化数据的运作中，
所述处理单元更用以根据每一所述多个特征信号所对应的所述频谱计算每一所述多个特征信号所对应的能量密度与平均周期。
11.根据权利要求7所述的脉搏分析装置，其特征在于，根据所述多个特征信号所对应的所述多个量化数据，判断所述脉搏信号所对应的所述生理状况的运作中，
所述处理单元更用以将每一所述多个特征信号所对应的所述多个量化数据与参考数据进行比对，以判断所述脉搏信号所对应的所述生理状况。
12.根据权利要求7所述的脉搏分析装置，其特征在于，所述生理状况至少包括多个中医脉象的其中之一。
CN201610768371.3A 2016-08-30 2016-08-30 脉搏分析方法及其装置 Pending CN107773224A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201610768371.3A CN107773224A (zh) 2016-08-30 2016-08-30 脉搏分析方法及其装置
CN202310278910.5A CN116269232A (zh) 2016-08-30 2016-08-30 脉搏分析方法及其装置
US15/426,066 US10709380B2 (en) 2016-08-30 2017-02-07 Method and apparatus for pulse signal analyzing
JP2017075836A JP6527192B2 (ja) 2016-08-30 2017-04-06 脈拍信号分析方法および装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610768371.3A CN107773224A (zh) 2016-08-30 2016-08-30 脉搏分析方法及其装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202310278910.5A Division CN116269232A (zh) 2016-08-30 2016-08-30 脉搏分析方法及其装置

Publications (1)

Publication Number Publication Date
CN107773224A true CN107773224A (zh) 2018-03-09

Family

ID=61240929

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201610768371.3A Pending CN107773224A (zh) 2016-08-30 2016-08-30 脉搏分析方法及其装置
CN202310278910.5A Pending CN116269232A (zh) 2016-08-30 2016-08-30 脉搏分析方法及其装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202310278910.5A Pending CN116269232A (zh) 2016-08-30 2016-08-30 脉搏分析方法及其装置

Country Status (3)

Country Link
US (1) US10709380B2 (zh)
JP (1) JP6527192B2 (zh)
CN (2) CN107773224A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108903911A (zh) * 2018-05-23 2018-11-30 江西格律丝科技有限公司 一种中医脉象信息远程采集处理的方法
WO2020155078A1 (zh) * 2019-02-01 2020-08-06 深圳市大耳马科技有限公司 一种心律失常事件的监测方法和设备

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112595782B (zh) * 2020-11-17 2022-07-22 江西理工大学 一种基于eemd算法的超声波横波起跳点识别方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1383958A (en) * 1971-03-24 1974-02-12 Searle Medidata Inc Signal processing apparatus for achilles tendon reflex testing
CN101036576A (zh) * 2007-04-29 2007-09-19 东北大学 便携式连续记录脉搏检测装置
JP2011212364A (ja) * 2010-04-01 2011-10-27 Sharp Corp 心音測定装置

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06197871A (ja) 1992-09-04 1994-07-19 Toyo Technos:Kk 画像による脈象診断装置
JP2979933B2 (ja) * 1993-08-03 1999-11-22 セイコーエプソン株式会社 脈波解析装置
EP1419730A1 (en) 2002-11-18 2004-05-19 Industrial Technology Research Institute Non-invasive apparatus system for monitoring autonomic nervous system and uses thereof
CA2481631A1 (en) 2004-09-15 2006-03-15 Dspfactory Ltd. Method and system for physiological signal processing
TWI259073B (en) 2005-08-30 2006-08-01 Shian-Tsai Wu Home type pulse wave examining system and its examination method
US20080103398A1 (en) 2006-10-31 2008-05-01 Chin Ming Huang Pulse Taking and Spectral Analysis and Display Instrument
KR100869514B1 (ko) 2007-03-14 2008-11-19 한국 한의학 연구원 허맥 및 실맥 진단 시스템
TW200841860A (en) 2007-04-20 2008-11-01 Nat Res Inst Of Chinese Medicine Analysis system and method for pulse diagnosis of Chinese medicine
JP2008295517A (ja) * 2007-05-29 2008-12-11 National Research Inst Of Chinese Medicine 漢方医における脈診の分析システムと方法
WO2009018570A2 (en) 2007-08-02 2009-02-05 The Research Foundation Of State University Of New York Rr interval monitoring and blood pressure culff utilizing same
TWI330073B (en) 2007-08-24 2010-09-11 Hsien Tsai Wu A non-invasive arterial stiffness assessment instrument for homecare
US20090124914A1 (en) 2007-11-08 2009-05-14 Kuo Terry B J Analysis system and a method for pulse diagnosis in chinese medicine
CN103027668A (zh) 2011-09-30 2013-04-10 Ge医疗系统环球技术有限公司 用于中医脉诊的脉搏信号的处理
CN103049631A (zh) 2011-10-13 2013-04-17 客隆生医科技股份有限公司 计算机脉波诊断分析装置及其方法
JP5408751B2 (ja) * 2012-03-27 2014-02-05 国立大学法人東北大学 自律神経機能測定装置
TWM460634U (zh) 2013-03-19 2013-09-01 Avita Corp 監控生理狀態之裝置
US20150018631A1 (en) 2013-07-14 2015-01-15 Avita Corporation Apparatus and Method for Measuring Physiological Signals
JP2015016268A (ja) 2013-07-15 2015-01-29 崔 忠浩ｃｕｉ ｚｈｏｎｇｈａｏ 東洋医学における脈診の測定分析方法と測定分析システム及び簡易で携帯できる人工智能脈診測定分析装置
CN103400069B (zh) 2013-07-29 2016-01-13 东北大学 一种基于功率谱分析的脉搏波身份识别装置及方法
EP3052008B1 (en) 2013-10-01 2017-08-30 Koninklijke Philips N.V. Improved signal selection for obtaining a remote photoplethysmographic waveform
TW201521683A (zh) 2013-12-10 2015-06-16 Kuo-Yuan Chang 心臟資訊分析方法及心臟資訊分析系統
RU2684044C1 (ru) 2013-12-12 2019-04-03 Конинклейке Филипс Н.В. Устройство и способ для определения основных показателей жизнедеятельности субъекта

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1383958A (en) * 1971-03-24 1974-02-12 Searle Medidata Inc Signal processing apparatus for achilles tendon reflex testing
CN101036576A (zh) * 2007-04-29 2007-09-19 东北大学 便携式连续记录脉搏检测装置
JP2011212364A (ja) * 2010-04-01 2011-10-27 Sharp Corp 心音測定装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘攀 等: "基于EEMD分解的脉象信号重构及其分类应用", 《中华中医药学会中医诊断学分会第十五次中医诊断学术年会》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108903911A (zh) * 2018-05-23 2018-11-30 江西格律丝科技有限公司 一种中医脉象信息远程采集处理的方法
WO2020155078A1 (zh) * 2019-02-01 2020-08-06 深圳市大耳马科技有限公司 一种心律失常事件的监测方法和设备
CN113164072A (zh) * 2019-02-01 2021-07-23 深圳市大耳马科技有限公司 一种心律失常事件的监测方法和设备

Also Published As

Publication number Publication date
US10709380B2 (en) 2020-07-14
JP6527192B2 (ja) 2019-06-05
US20180055445A1 (en) 2018-03-01
CN116269232A (zh) 2023-06-23
JP2018033928A (ja) 2018-03-08

Similar Documents

Publication Publication Date Title
Sopic et al. Real-time event-driven classification technique for early detection and prevention of myocardial infarction on wearable systems
CN111133526B (zh) 发掘可用于机器学习技术中的新颖特征，例如用于诊断医疗状况的机器学习技术
Chung et al. Deep learning for heart rate estimation from reflectance photoplethysmography with acceleration power spectrum and acceleration intensity
CN107773224A (zh) 脉搏分析方法及其装置
Valderrama et al. Improving the quality of point of care diagnostics with real-time machine learning in low literacy LMIC settings
Elgendi et al. A six-step framework on biomedical signal analysis for tackling noncommunicable diseases: Current and future perspectives
Techentin et al. 1D Convolutional neural networks for estimation of compensatory reserve from blood pressure waveforms
Baker et al. A computationally efficient CNN-LSTM neural network for estimation of blood pressure from features of electrocardiogram and photoplethysmogram waveforms
Prabakaran et al. XBioSiP: A methodology for approximate bio-signal processing at the edge
Zhang et al. Towards early detection and burden estimation of atrial fibrillation in an ambulatory free-living environment
Cao et al. Guard Your Heart Silently: Continuous Electrocardiogram Waveform Monitoring with Wrist-Worn Motion Sensor
CN108703748A (zh) 基于脉搏波谐波的人体健康状态评测方法
Zanghieri et al. Low-latency detection of epileptic seizures from IEEG with temporal convolutional networks on a low-power parallel MCU
Martinez-Millana et al. Integrated IoT intelligent system for the automatic detection of cardiac variability
Abenna et al. An enhanced motor imagery EEG signals prediction system in real-time based on delta rhythm
He et al. Machine learning for the early prediction of head-up tilt testing outcome
Thanaj et al. Attractor reconstruction analysis for blood flow signals
Myers Surrogation
Han et al. Non-contact blood pressure estimation using BP-related cardiovascular knowledge: an uncalibrated method based on consumer-level camera
TOCHINAI et al. Autonomic nervous activity in rats can be evaluated by blood photoplethysmography-derived pulse rate variability analysis
Skrivanos et al. Home Healthcare Technologies and Services: Heart-Rate Fetus Monitoring System Using an MCU ESP8266 Node
Shen et al. Uncertainty quantification of cuffless blood pressure estimation based on parameterized model evidential ensemble learning
Leong et al. Cuffless Non-invasive Blood Pressure Measurement Using CNN-LSTM Model: A Correlation Study
TWI573562B (zh) 脈搏分析方法及其裝置
Kosaraju et al. Predicting Pulmonary Hypertension by Electrocardiograms Using Machine Learning

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180309

RJ01 Rejection of invention patent application after publication