CN109223503B - 测量心肺复苏按压深度的方法、装置、设备和存储介质 - Google Patents
测量心肺复苏按压深度的方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109223503B CN109223503B CN201811172178.9A CN201811172178A CN109223503B CN 109223503 B CN109223503 B CN 109223503B CN 201811172178 A CN201811172178 A CN 201811172178A CN 109223503 B CN109223503 B CN 109223503B
- Authority
- CN
- China
- Prior art keywords
- acceleration
- sum
- components
- cardiopulmonary resuscitation
- acceleration sensor
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H31/00—Artificial respiration or heart stimulation, e.g. heart massage
Abstract
本发明公开了测量心肺复苏按压深度的方法、装置、设备和存储介质。方法包括：静止状态下校准加速度传感器；动作状态下根据加速度传感器的多维角度变化求取多轴的加速度信号在竖直方向上的加速度分量总和；对每个周期的加速度分量总和进行第一次积分获得速度曲线；根据心肺复苏的动作特征修正速度曲线，再采用得到的修正系数修正加速度分量总和；对修正后的加速度分量总和进行第二次积分获得加速度传感器的位移。本发明通过对加速度传感器的校正、基于速度曲线修正的综合修正方法获得的两次修正的加速度信号，再通过二次积分获得加速度传感器的位移，即心肺复苏的按压深度，为心肺复苏施救者提供更精确的参考和辅助，保证心肺复苏的质量。
Description
技术领域
本发明实施例涉及医疗辅助领域，尤其涉及测量心肺复苏按压深度的方法、装置、设备和存储介质。
背景技术
心肺复苏(CPR)是指当一个人因某种因素造成呼吸、心跳停止，而产生猝死现象，为紧急掌握患者生机，将患者从死亡的边界线抢救回来的一种急救技术。当进行CPR时，救助者按压胸部上侧的胸骨。该按压代替患者的心脏，能够引起含氧血在整个生命体中循环。作为胸外按压的指标，按压深度在5厘米以上，按压频率在每分钟100-120次的按压操作被认为是有效的。在国内，紧急救护网体制尚未健全下，研究显示，患者到医院前的救活率只有1.4％，主要原因是绝大多数施救者没有受过正规的心肺复苏训练，即便是医生，依靠经验对按压深度和频率进行把控也是很难的。
加速度传感器可以测量加速度值。经过对加速度值进行积分，第一次积分可以得到运动速度，第二次积分就可以测得到相对位移。利用这个原理，加速度传感器可以实现对运动距离的测量而不需要任何外部参考系，可以大大简化系统，提高设备的便携性。
但是在使用加速度传感器进行距离测量时，由于加速度传感器精度有限，而且实际应用过程中会有振动等干扰，因此加速度传感器会产生噪音信号和误差。在经过两次积分后，误差被累积放大，最终导致距离测量结果误差随着时间积累变得越来越大，这些问题极大的限制了加速度传感器在测量相对运动位移的应用，而高精度的加速度传感器十分昂贵。
目前心肺复苏辅助设备的最大问题是便携性不好，另一个缺点是只反馈压力而没有实时反馈更有效的按压深度用于修正操作。
发明内容
本发明提供测量心肺复苏按压深度的方法、装置、设备和存储介质，通过对加速度传感器信号的校正，实现心肺复苏按压深度的准确测量。
第一方面，本发明实施例提供了一种测量心肺复苏按压深度的方法，包括：
静止状态下，对加速度传感器获取的加速度信号进行校准，去除零点漂移；
动作状态下，根据加速度传感器的多维角度变化，求取加速度传感器多个轴的加速度信号在竖直方向上的加速度分量总和；
对所述加速度分量总和进行波形识别和周期分割，计算动作频率；
对每个周期的所述加速度分量总和进行第一次积分，获得速度曲线；
根据心肺复苏的动作特征对所述速度曲线进行修正，并得到加速度分量总和的修正系数；
采用所述修正系数对所述加速度分量总和进行修正；
对修正后的加速度分量总和进行第二次积分，获得加速度传感器在竖直方向上的位移。
其中，对加速度传感器获取的加速度信号进行校准，去除零点漂移，包括：
分别获取加速度传感器的多个轴的倾斜角度和相应的多个加速度信号；
采用均值滤波法，根据所述倾斜角度滤除由重力加速度产生的加速度信号，去除零点漂移。
其中，根据加速度传感器的多维角度变化，求取加速度传感器多个轴的加速度信号在竖直方向上的加速度分量总和，包括：
利用多轴的加速度传感器采集动作状态下的多个加速度信号；
对每个所述加速度信号进行滤波降噪；
根据加速度传感器的多维角度变化，从多个所述加速度信号中提取竖直方向上的加速度信号分量并求和。
进一步的，对所述加速度分量总和进行波形识别和周期分割之前，还包括：
对所述加速度分量总和进行第一次修正，具体包括：
对所述加速度分量总和进行低通滤波；
采用领域平均法剔除所述加速度分量总和的曲线上的突变点。
其中，对所述加速度分量总和进行波形识别和周期分割，计算动作频率，包括：
识别所述加速度分量总和的相似波形，并根据相似波形进行周期分割；
根据采集加速度信号的时间和相应的周期数量，计算动作频率。
其中，根据心肺复苏的动作特征和所述速度曲线对所述速度曲线进行修正，并得到加速度分量总和的修正系数；采用所述修正系数对所述加速度分量总和进行修正，包括：
心肺复苏的动作特征包括理论初速度＝理论末速度＝0，且下降距离等于上升距离；
分别对每个周期的所述速度曲线获取初速度和末速度；
计算初速度与理论初速度的速度偏差，或者末速度与理论末速度的速度偏差；
利用所述速度偏差对所述速度曲线进行修正；
根据所述速度偏差和采样时间间隔计算噪声加速度，并对加速度分量总和进行噪声修正；
根据下降距离等于上升距离，得到加速度分量总和的修正系数；
采用所述修正系数对噪声修正后的所述加速度分量总和的上升加速度和下降加速度进行第二次修正。
其中，对修正后的加速度分量总和进行第二次积分，获得加速度传感器在竖直方向上的位移，包括：
对所述上升加速度和下降加速度进行第二次积分，获得加速度传感器的上升位移和下降位移。
第二方面，本发明提供一种测量心肺复苏按压深度的装置，包括：
校准模块，用于在静止状态下对加速度传感器获取的加速度信号进行校准，去除零点漂移；
分量提取模块，根据加速度传感器的多维角度变化，求取加速度传感器多个轴的加速度信号在竖直方向上的加速度分量总和；
周期计算模块，用于对所述加速度分量总和进行波形识别和周期分割，计算动作频率；
第二分量修正模块，用于对每个周期的所述加速度分量总和进行第一次积分，获得速度曲线；以及，根据心肺复苏的动作特征对所述速度曲线进行修正，并得到加速度分量总和的修正系数；采用所述修正系数对所述加速度分量总和进行修正；
位移计算模块，用于对修正后的加速度分量总和进行第二次积分，获得加速度传感器在竖直方向上的位移。
其中，所述校准模块具体用于：
分别获取加速度传感器的多个轴的倾斜角度和相应的多个加速度信号；
采用均值滤波法，根据所述倾斜角度滤除由重力加速度产生的加速度信号，去除零点漂移。
其中，所述分量提取模块具体用于：
利用多轴的加速度传感器采集动作状态下的多个加速度信号；
对每个所述加速度信号进行滤波降噪；
根据加速度传感器的多维角度变化，从多个所述加速度信号中提取竖直方向上的加速度信号分量并求和。
进一步的，所述装置还包括：第一分量修正模块，用于在对所述加速度分量总和进行波形识别和周期分割之前，对所述加速度分量总和进行第一次修正，具体包括：
对所述加速度分量总和进行低通滤波；
采用领域平均法剔除所述加速度分量总和的曲线上的突变点。
其中，所述周期计算模块具体用于：
识别所述加速度分量总和的相似波形，并根据相似波形进行周期分割；
根据采集加速度信号的时间和相应的周期数量，计算动作频率。
其中，所述第二分量修正模块具体用于：
对每个周期的所述加速度分量总和进行第一次积分，获得速度曲线；
心肺复苏的动作特征包括理论初速度＝理论末速度＝0，且下降距离等于上升距离；
分别对每个周期的所述速度曲线获取初速度和末速度；
计算初速度与理论初速度的速度偏差，或者末速度与理论末速度的速度偏差；
利用所述速度偏差对所述速度曲线进行修正；
根据所述速度偏差和采样时间间隔计算噪声加速度，并对加速度分量总和进行噪声修正；
根据下降距离等于上升距离，得到加速度分量总和的修正系数；
采用所述修正系数对噪声修正后的所述加速度分量总和的上升加速度和下降加速度进行第二次修正。
其中，位移计算模块具体用于：
对所述上升加速度和下降加速度进行第二次积分，获得加速度传感器的上升位移和下降位移。
第三方面，本发明实施例还提供了一种心肺复苏辅助设备，所述设备包括：
一个或多个处理器，所述处理器包括上述的测量心肺复苏按压深度的装置；
存储器，用于存储一个或多个程序；
加速度传感器，用于采集心肺复苏按压动作的加速度信号；
紧固装置，用于使心肺复苏施救者将所述心肺复苏辅助设备佩戴在手腕上或手指上；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的测量心肺复苏按压深度的方法。
其中，所述存储器为计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的测量心肺复苏按压深度的方法。
本发明通过对加速度传感器采集到的加速度信号进行去零漂校准、分量提取、周期分割、波形修正等手段，获得较准确的加速度信号，再通过二次积分，获得加速度传感器的位移，即等同于心肺复苏的按压深度，为心肺复苏施救者提供更精确的参考和辅助，保证心肺复苏的质量。
附图说明
图1为本发明实施例一提供的测量心肺复苏按压深度的方法的流程图；
图2是本发明实施例一中初始状态下加速度传感器三轴的加速度；
图3是本发明实施例一中绕X轴倾斜时加速度传感器三轴的加速度；
图4是本发明实施例一中绕Y轴倾斜时加速度传感器三轴的加速度；
图5是本发明实施例一中绕Z轴倾斜时加速度传感器三轴的加速度；
图6是本发明实施例一中去零漂后加速度传感器三轴的加速度；
图7是本发明实施例一中对加速度信号进行周期分割的示意图；
图8是本发明实施例一中计算速度偏大的速度曲线；
图9是本发明实施例一中计算速度偏小的速度曲线；
图10是本发明实施例一中修正后的速度曲线；
图11是本发明实施例二提供的测量心肺复苏按压深度的装置的结构示意图；
图12是本发明实施例三提供的心肺复苏辅助设备的使用场景示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
本发明实施例提供了一种测量心肺复苏按压深度的方法，图1为本发明实施例一提供的测量心肺复苏按压深度的方法的流程图，本实施例可适用于心肺复苏的辅助，该方法可以由一种测量心肺复苏按压深度的装置来执行，该装置由软件和/或硬件组成，集成于一种心肺复苏辅助设备内部，该设备被设计为可佩带的便携式设备。
如图1所示，所述方法具体包括如下步骤：
S11，静止状态下，对加速度传感器获取的加速度信号进行校准，去除零点漂移。
采用加速度传感器获取加速度信号，多轴加速度传感器能够获得多个加速度信号。以三轴加速度传感器为例，三轴加速度传感器包括三维直角坐标系，初始状态下，X轴和Y轴相互垂直，且组成的平面与水平面平行，Z轴垂直于水平面。图2是本实施例中初始状态下加速度传感器三轴的加速度；图3是本实施例中传感器绕X轴倾斜时加速度传感器三轴的加速度；图4是本实施例中传感器绕Y轴倾斜时加速度传感器三轴的加速度；图5是本实施例中传感器绕Z轴倾斜时加速度传感器三轴的加速度。
静止状态下，分别获取加速度传感器的多个轴的倾斜角度和相应的多个加速度信号。静止状态可定义为心肺复苏施救者佩带该心肺复苏辅助设备、双手交叠放置于病人胸部时的状态。因为设备被佩带及施救者的手势，传感器产生了相应的倾斜角度，进而至少一个轴上能采集到受重力加速度影响而产生的信号。
采用均值滤波法，根据所述倾斜角度滤除由重力加速度产生的加速度信号，去除零点漂移，从而提高传感器静止状态的敏感度，实现对静止状态的更有效识别，避免重力加速度的干扰。沿用上例，图6是去零漂后加速度传感器三轴的加速度。
本实施例利用静止状态的特殊性对加速度传感器进行了校正并记录此时的设备角度值和三个方向的加速度值，使传感器对于静止状态特别敏感，能够准确识别出往复按压运动的起始位置。
S12，动作状态下，根据加速度传感器的多维角度变化，求取加速度传感器多个轴的加速度信号在竖直方向上的加速度分量总和。
利用多轴的加速度传感器采集动作状态下的多个加速度信号；对每个所述加速度信号进行滤波降噪。由于加速度信号变化较快，应使用静态滤波，针对随机噪声，再采用低通滤波法降噪。
去零漂后，加速度传感器各个轴上的加速度都趋于0，心肺复苏动作下，加速度传感器除了竖直方向上的按压运动外，还有可能包括施救者的轻微晃动或者移动，也会产生相应的加速度信号。本实施例仅关心按压的深度和频率，因此，根据加速度传感器的多维角度变化，利用力的分解原理，从每个轴的所述加速度信号中分别提取竖直方向上的加速度信号分量，剔除其他干扰的加速度信号；将这些加速度信号分量求和获得加速度分量总和。
S13，对所述加速度分量总和进行波形识别和周期分割，计算动作频率。
图7是本实施例中对加速度信号进行周期分割的示意图。如图7所示，因按压动作具有重复性，产生的波形具有相似性，所以将加速度分量总和按照相似波形进行周期分割。
根据心肺复苏往复按压的加速度波形特点，对各个阶段的运动进行识别和分割可以有效滤除由于非按压运动所产生的位移。
根据采集加速度信号的时间和相应的周期数量，计算动作频率。例如，统计一分钟内的周期数量，计算出动作频率。
进一步的，心肺复苏要求的有效按压频率至少为100次/分，根据上述计算出的动作频率，可以判断施救者的按压是否达到频率要求，若否，给予相应的提示，以提高施救成功率。
优选的，在其他实施例中，对所述加速度分量总和进行波形识别和周期分割之前，还包括：
对所述加速度分量总和进行第一次修正，具体包括：
对所述加速度分量总和进行低通滤波；采用领域平均法剔除所述加速度分量总和的曲线上的突变点。
S14，对每个周期的所述加速度分量总和进行第一次积分，获得速度曲线。
分别对每个周期的所述加速度分量总和进行第一次积分获得按压运动的速度，必要的情况下，绘制出每个周期的速度曲线。
S15，根据心肺复苏的动作特征对所述速度曲线进行修正，并得到加速度分量总和的修正系数；采用所述修正系数对所述加速度分量总和进行修正。
心肺复苏要求胸骨按压深度为至少5㎝，且按压后胸骨完全回弹。由此可知心肺复苏的动作特征包括理论初速度＝理论末速度＝0，且下降距离等于上升距离。
理想情况下，在运动过程结束时速度曲线应该回归0，但是由于误差信号的存在，积分后获得的初速度/末速度，与理论初速度/理论末速度0总是会存在偏差。如图8、9所示，图8的计算获得的初/末速度偏大，图9的计算获得的初/末速度偏小，速度偏差为Δv。
从每个周期的速度曲线获得初速度和末速度；获得初速度与理论初速度的速度偏差Δv，和/或，获得末速度与理论末速度的速度偏差Δv。图10所示为修正后的速度曲线，利用所述速度偏差对所述速度曲线进行修正，使速度曲线的初速度和末速度回归于0。
利用该速度偏差Δv以及信号采样时间间隔T，对运动过程中求得的加速度分量总和进行修正和补偿。具体如下：
如果将速度偏差Δv看做是由一个与设备倾斜角度θ(因动作而产生的倾斜)相关的噪声加速度a0·sinθ产生的误差，则根据所述速度偏差Δv和采样时间间隔T计算噪声加速度a0：Δv＝∑a0·T·sinθn，n为采样周期。
求得测量方向噪声加速度a0。在运动过程中任意时刻t的修正后加速度为acorrect1＝ameasure-a0·sinθn，ameasure为所述加速度分量总和。
速度偏差产生的原因不限于本实施例所述，也可根据运动的特殊性进行针对性的修正，共同特点是需要用到速度偏差Δv和信号采样时间间隔T。
信号采样时间间隔T可取当前周期的时间长度。
根据下降距离等于上升距离，分别对所述加速度分量总和上升加速度和下降加速度进行修正，使第二次修正后满足：
其中，acorrect11为第一次修正后下降阶段加速度；acorrect21为第二次修正后下降阶段加速度；t1为下降阶段时间；acorrect12为第一次修正后上升阶段加速度；acorrect22为第二次修正后上升阶段加速度；t2为上升阶段时间。
第二次修正具体如下：
引入加速度修正系数K1和K2，第二次修正后的加速度如下式：
加速度修正系数由下列等式给出：
S16，对修正后的加速度分量总和进行第二次积分，获得加速度传感器在竖直方向上的位移，即心肺复苏按压深度。
对所述上升加速度和下降加速度
进行第二次积分，获得加速度传感器的上升位移和下降位移，上升位移等于下降位移，为心肺复苏的按压深度。
进一步的，根据所述位移可以判断心肺复苏的按压深度是否达到要求，若否，给出相应的提示。
进一步的，心肺复苏结束后，针对整个施救过程进行分析，包括总时间、总次数、平均按压深度、平均按压速率、正确率、按压滞留等，向施救者汇报本次施救过程的有效性，用于参考和改正。
本实施例通过对加速度传感器的校正、基于速度曲线修正的加速度信号综合修正方法，获得两次修正的加速度信号，再通过二次积分，获得加速度传感器的位移，即等同于心肺复苏的按压深度，为心肺复苏施救者提供更精确的参考和辅助，保证心肺复苏的质量。
实施例二
本发明实施例所提供的测量心肺复苏按压深度的装置可执行本发明任意实施例所提供的测量心肺复苏按压深度的方法，具备执行方法相应的功能模块和有益效果。
图11为本实施例提供的测量心肺复苏按压深度的装置的结构示意图。如图11所示，该装置包括：
校准模块21，用于在静止状态下对加速度传感器获取的加速度信号进行校准，去除零点漂移；
分量提取模块22，根据加速度传感器的多维角度变化，求取加速度传感器多个轴的加速度信号在竖直方向上的加速度分量总和；
周期计算模块23，用于对所述加速度分量总和进行波形识别和周期分割，计算动作频率；
第二分量修正模块24，用于对每个周期的所述加速度分量总和进行第一次积分，获得速度曲线；以及，根据心肺复苏的动作特征对所述速度曲线进行修正，并得到加速度分量总和的修正系数；采用所述修正系数对所述加速度分量总和进行修正；
位移计算模块25，用于对修正后的加速度分量总和进行第二次积分，获得加速度传感器在竖直方向上的位移。
其中，所述校准模块21具体用于：
分别获取加速度传感器的多个轴的倾斜角度和相应的多个加速度信号；采用均值滤波法，根据所述倾斜角度滤除由重力加速度产生的加速度信号，去除零点漂移。
其中，所述分量提取模块22具体用于：
利用多轴的加速度传感器采集动作状态下的多个加速度信号；对每个所述加速度信号进行滤波降噪；根据加速度传感器的多维角度变化，从多个所述加速度信号中提取竖直方向上的加速度信号分量并求和。
进一步的，所述装置还包括：第一分量修正模块28，用于在对所述加速度分量总和进行波形识别和周期分割之前，对所述加速度分量总和进行第一次修正，具体包括：
对所述加速度分量总和进行低通滤波；采用领域平均法剔除所述加速度分量总和的曲线上的突变点。
其中，所述周期计算模块23具体用于：
识别所述加速度分量总和的相似波形，并根据相似波形进行周期分割；根据采集加速度信号的时间和相应的周期数量，计算动作频率。
其中，所述第二分量修正模块24具体用于：
对每个周期的所述加速度分量总和进行第一次积分，获得速度曲线；分别对每个周期的所述速度曲线获取初速度和末速度；
心肺复苏的动作特征包括理论初速度＝理论末速度＝0，且下降距离等于上升距离；计算初速度与理论初速度的速度偏差，或者末速度与理论末速度的速度偏差；利用所述速度偏差对所述速度曲线进行修正。
根据所述速度偏差和采样时间间隔计算噪声加速度，并对加速度分量总和进行噪声修正；根据下降距离等于上升距离，得到加速度分量总和的修正系数；采用所述修正系数对噪声修正后的所述加速度分量总和的上升加速度和下降加速度进行第二次修正。
其中，位移计算模块25具体用于：
对所述上升加速度和下降加速度进行第二次积分，获得加速度传感器的上升位移和下降位移。
进一步的，该装置还包括显示模块26和语音模块27；
显示模块26用于将最终计算获得的按压深度、按压频率、有效按压次数等信息显示给施救者，供其参考。
语音模块27用于在按压深度、按压频率有效按压次数达不到心肺复苏要求的时候，给予施救者声音提示。
实施例三
本实施例提供一种心肺复苏辅助设备，该设备包括处理器、存储器、加速度传感器和紧固装置；设备中处理器的数量可以是一个或多个；设备中的处理器、存储器和加速度传感器可以通过总线或其他方式连接。
所述存储器，用于存储一个或多个程序；
所述加速度传感器，用于采集心肺复苏按压动作的加速度信号；
所述紧固装置，用于使心肺复苏施救者将所述设备佩戴在手腕上或手指上，如图12所示。所述设备可以被设计为戒指、手环或手表，则所述紧固装置可以是指环、表带或腕带。
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上实施例所述的测量心肺复苏按压深度的方法。
存储器作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的测量心肺复苏按压深度方法对应的程序指令/模块。处理器通过运行存储在存储器中的软件程序、指令以及模块，从而执行设备/终端/服务器的各种功能应用以及数据处理，即实现上述的方法。
存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
其中，所述存储器为包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行上述实施例的心肺复苏按压深度的方法。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，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的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种测量心肺复苏按压深度的方法，其特征在于，包括：
静止状态下，对加速度传感器获取的加速度信号进行校准，去除零点漂移；
动作状态下，根据加速度传感器的多维角度变化，求取加速度传感器多个轴的加速度信号在竖直方向上的加速度分量总和；
对所述加速度分量总和进行波形识别和周期分割，计算动作频率；
对每个周期的所述加速度分量总和进行第一次积分，获得速度曲线；
根据心肺复苏的动作特征对所述速度曲线进行修正，并得到加速度分量总和的修正系数；
采用所述修正系数对所述加速度分量总和进行修正；
对修正后的加速度分量总和进行第二次积分，获得加速度传感器在竖直方向上的位移。
2.根据权利要求1所述的测量心肺复苏按压深度的方法，其特征在于，对加速度传感器获取的加速度信号进行校准，去除零点漂移，包括：
分别获取加速度传感器的多个轴的倾斜角度和相应的多个加速度信号；
采用均值滤波法，根据所述倾斜角度滤除由重力加速度产生的加速度信号，去除零点漂移。
3.根据权利要求1所述的测量心肺复苏按压深度的方法，其特征在于，根据加速度传感器的多维角度变化，求取加速度传感器多个轴的加速度信号在竖直方向上的加速度分量总和，包括：
利用多轴的加速度传感器采集动作状态下的多个加速度信号；
对每个所述加速度信号进行滤波降噪；
根据加速度传感器的多维角度变化，从多个所述加速度信号中分别提取竖直方向上的加速度信号分量并求和。
4.根据权利要求1所述的测量心肺复苏按压深度的方法，其特征在于，对所述加速度分量总和进行波形识别和周期分割之前，还包括：
对所述加速度分量总和进行第一次修正，具体包括：
对所述加速度分量总和进行低通滤波；
采用领域平均法剔除所述加速度分量总和的曲线上的突变点。
5.根据权利要求1所述的测量心肺复苏按压深度的方法，其特征在于，对所述加速度分量总和进行波形识别和周期分割，计算动作频率，包括：
识别所述加速度分量总和的相似波形，并根据相似波形进行周期分割；
根据采集加速度信号的时间和相应的周期数量，计算动作频率。
6.根据权利要求4所述的测量心肺复苏按压深度的方法，其特征在于，根据心肺复苏的动作特征对所述速度曲线进行修正，并得到加速度分量总和的修正系数；采用所述修正系数对所述加速度分量总和进行修正，包括：
心肺复苏的动作特征包括理论初速度＝理论末速度＝0，且下降距离等于上升距离；
分别从每个周期的所述速度曲线获取初速度和末速度；
计算初速度与理论初速度的速度偏差，和/或，末速度与理论末速度的速度偏差；
利用所述速度偏差对所述速度曲线进行修正；
根据所述速度偏差和采样时间间隔计算噪声加速度，并对加速度分量总和进行噪声修正；
根据下降距离等于上升距离，得到加速度分量总和的修正系数；
采用所述修正系数对噪声修正后的所述加速度分量总和的上升加速度和下降加速度进行第二次修正。
7.根据权利要求6所述的测量心肺复苏按压深度的方法，其特征在于，对第二次修正后的加速度分量总和进行第二次积分，获得加速度传感器在竖直方向上的位移，包括：
对第二次修正后的所述上升加速度和下降加速度进行第二次积分，获得加速度传感器的上升位移和下降位移。
8.一种测量心肺复苏按压深度的装置，其特征在于，包括：
校准模块，用于在静止状态下对加速度传感器获取的加速度信号进行校准，去除零点漂移；
分量提取模块，根据加速度传感器的多维角度变化，求取加速度传感器多个轴的加速度信号在竖直方向上的加速度分量总和；
周期计算模块，用于对所述加速度分量总和进行波形识别和周期分割，计算动作频率；
第二分量修正模块，用于对每个周期的所述加速度分量总和进行第一次积分，获得速度曲线；以及，根据心肺复苏的动作特征对所述速度曲线进行修正，并得到加速度分量总和的修正系数；采用所述修正系数对所述加速度分量总和进行修正；
位移计算模块，用于对修正后的加速度分量总和进行第二次积分，获得加速度传感器在竖直方向上的位移。
9.根据权利要求8所述的测量心肺复苏按压深度的装置，其特征在于，还包括：第一分量修正模块，用于在对所述加速度分量总和进行波形识别和周期分割之前，对所述加速度分量总和进行第一次修正，具体包括：
对所述加速度分量总和进行低通滤波；
采用领域平均法剔除所述加速度分量总和的曲线上的突变点。
10.一种心肺复苏辅助设备，其特征在于，所述设备包括：
一个或多个处理器，所述处理器包括权利要求8或9所述的测量心肺复苏按压深度的装置；
存储器，用于存储一个或多个程序；
加速度传感器，用于采集心肺复苏按压动作的加速度信号；
紧固装置，用于使心肺复苏施救者将所述心肺复苏辅助设备佩戴在手腕上或手指上；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的测量心肺复苏按压深度的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811172178.9A CN109223503B (zh) | 2018-10-09 | 2018-10-09 | 测量心肺复苏按压深度的方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811172178.9A CN109223503B (zh) | 2018-10-09 | 2018-10-09 | 测量心肺复苏按压深度的方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109223503A CN109223503A (zh) | 2019-01-18 |
| CN109223503B true CN109223503B (zh) | 2020-11-13 |
Family
ID=65055076
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811172178.9A Active CN109223503B (zh) | 2018-10-09 | 2018-10-09 | 测量心肺复苏按压深度的方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109223503B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111449681B (zh) * | 2020-04-08 | 2023-09-08 | 深圳开立生物医疗科技股份有限公司 | 一种剪切波成像方法、装置、设备及可读存储介质 |
| CN111947819A (zh) * | 2020-06-24 | 2020-11-17 | 广州蓝仕威克医疗科技有限公司 | 一种心肺复苏过程数据采集方法、装置及反馈系统 |
| EP3981373B1 (en) * | 2020-10-07 | 2024-01-24 | Baxter Medical Systems GmbH + Co. KG | Surgical table and method for detecting cardiopulmonary resuscitation by the surgical table |
| CN114983794B (zh) * | 2022-08-03 | 2022-11-04 | 苏州尚领医疗科技有限公司 | 胸外按压的风险反馈装置、存储介质和电子设备 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6827695B2 (en) * | 2002-10-25 | 2004-12-07 | Revivant Corporation | Method of determining depth of compressions during cardio-pulmonary resuscitation |
| US7220235B2 (en) * | 2003-06-27 | 2007-05-22 | Zoll Medical Corporation | Method and apparatus for enhancement of chest compressions during CPR |
| CN105287187B (zh) * | 2015-09-22 | 2018-07-13 | 上海尚领医疗科技有限公司 | 一种器械式cpr按压深度算法 |
| CN206651984U (zh) * | 2016-12-06 | 2017-11-21 | 汕头大学 | 心肺复苏辅助按压垫 |
| CN106619038A (zh) * | 2016-12-30 | 2017-05-10 | 天津乐慧生科技有限公司 | 一种胸外按压深度测量方法及心肺复苏急救与训练辅助器 |
| TWI623923B (zh) * | 2017-05-23 | 2018-05-11 | 國立臺灣大學 | 一種穿戴式裝置及其方法 |
| CN107737006A (zh) * | 2017-11-28 | 2018-02-27 | 王本慧 | 一种腕表式cpr感应器 |
-
2018
- 2018-10-09 CN CN201811172178.9A patent/CN109223503B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109223503A (zh) | 2019-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109223503B (zh) | 测量心肺复苏按压深度的方法、装置、设备和存储介质 | |
| Yoon et al. | Improvement of dynamic respiration monitoring through sensor fusion of accelerometer and gyro-sensor | |
| US20150265161A1 (en) | Methods and Apparatus for Physiological Parameter Estimation | |
| US9833171B2 (en) | Monitoring of vital body signals during movement | |
| US10758164B2 (en) | Processing apparatus and processing method for determining a respiratory signal of a subject | |
| CN102753095B (zh) | 用于确定呼吸信号的方法和设备 | |
| TWI549655B (zh) | 關節活動度量測裝置及其量測方法 | |
| JP2012524579A5 (zh) | ||
| Tripathy et al. | Constrained Kalman filter for improving Kinect based measurements | |
| Segarra et al. | Orientation estimation using filter-based inertial data fusion for posture recognition | |
| Cotton et al. | Wearable monitoring of joint angle and muscle activity | |
| Johnson et al. | Estimation of three-dimensional thoracoabdominal displacements during respiration using inertial measurement units | |
| Shin et al. | Noise-robust heart rate estimation algorithm from photoplethysmography signal with low computational complexity | |
| TWI584785B (zh) | 肌肉痙攣評估裝置及其評估方法 | |
| Al-Jawad et al. | The use of an orientation Kalman filter for the static postural sway analysis | |
| US11854214B2 (en) | Information processing apparatus specifying a relationship between a sensor and an object included in image data, and method and non-transitory computer-readable storage medium | |
| Alcaraz et al. | Mobile quantification and therapy course tracking for gait rehabilitation | |
| Hurnanen et al. | Heartbeat detection using multidimensional cardiac motion signals and dynamic balancing | |
| Bonnet et al. | Trunk orientation estimate during walking using gyroscope sensors | |
| Chien et al. | Non-linear complementary filter based upper limb motion tracking using wearable sensors | |
| Doan et al. | Inertial navigation algorithm for trajectory of front-wheel walker estimation | |
| Sessa et al. | Ultra-miniaturized WB-3 Inertial Measurement Unit: Performance evaluation of the attitude estimation | |
| TW202120012A (zh) | 感測數據篩選裝置及感測數據篩選方法 | |
| KR20160142657A (ko) | 위치 및 근전도 신호 측정 장치 및 이를 이용한 방법 | |
| CN105575239B (zh) | 一种骨折复位训练模型角度检测装置及其方法 |
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 |