CN109316172A - 基于脉搏波特征参数对人体健康状况的检测方法 - Google Patents
基于脉搏波特征参数对人体健康状况的检测方法 Download PDFInfo
- Publication number
- CN109316172A CN109316172A CN201811213852.3A CN201811213852A CN109316172A CN 109316172 A CN109316172 A CN 109316172A CN 201811213852 A CN201811213852 A CN 201811213852A CN 109316172 A CN109316172 A CN 109316172A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- health status
- human health
- frequency
- peak
- 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- Withdrawn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
- A61B5/48—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
- A61B5/72—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
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Alternative & Traditional Medicine (AREA)
- Power Engineering (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Vascular Medicine (AREA)
- Cardiology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
一种基于脉搏波特征参数对人体健康状况的检测方法,属于医学及生理信号的分析与分类技术领域。采用中值滤波的方式对脉搏波信号进行预处理,在时域和频域方面以中西医理论为基础对脉搏波信号进行分析,提取特征参数。对脉搏波特征参数利用支持向量机进行样本训练,获取建立预测模型,对特征参数进行分类识别,从而判断人体的健康状况。通过该模型,设计可实际应用的的软件界面,实现对人体健康状况进行监测。实验显示本发明的分类效果性能良好,对人体健康状况的判断具有良好的准确度。本发明通过便携的腕式脉搏检测装置,即可对人体健康状况进行检测,从而有助于改善人体健康状况检测的便携性。
Description
技术领域
本发明涉及医学及生理信号的分析与分类技术领域,涉及到中西医脉搏波信号的特征参数的提取与分类,特别涉及到利用中西医相关理论对采集的脉搏波信号进行人体健康状况检测的方法。
背景技术
脉搏波中含有人体中丰富的生理病理信息,但实际应用中除中医脉诊外,对于脉搏波的利用少之又少。同时中医这种脉搏分析方式对医生本身的经验和感受依赖性大,缺乏统一的客观标准。目前,对于人体健康状况的监测中,多数属于有创检测,给病人带来创口、检测过程不方便且检测时间长等缺点使得很多病人不能及时了解自己的病情发展,耽误治疗。在无创检测中,使用大型医疗器械,费用高、有辐射且不便捷等问题使得人们不能经常进行健康状况的监测。
如果能结合中西医理论利用脉搏波信号来提取出客观的可区分人体健康状态的特征参数来对人体健康状况进行检测,会显著改善人体健康状态的检测的方便程度和普及性。
发明内容
本发明的主要目的是结合中西医理论,以脉搏波信号分析为基础,建立一种可以基于脉搏波测量对人体健康状况进行分析的客观可应用的辅助医疗手段。
为了达到上述目的,本发明采用的技术方案为:
基于脉搏波特征参数对人体健康状况的检测方法,包括以下步骤:
第一步,对采集得到的脉搏波信号进行预处理
采用中值滤波法对脉搏波去除基线漂移干扰;采用平滑滤波对脉搏波去除工频干扰和肌电干扰等噪声。
第二步,基于中西医脉搏分析的相关理论,对预处理之后的脉搏波信号进行时域和频域上特征参数的提取和分析,包括脉图面积K值、频谱、谱能比、归一化峰值差异比和频率差异比等,从而得到对人体健康状况区分度较高的特征参数。
第三步,通过提取的特征参数,训练得到可以区分健康状态与非健康状态的分类器,实现对人体健康状况的检测。
本发明的有益效果为:本发明可以实现由脉搏波信号得到人体健康状况的重要信息。通过便携的腕式脉搏检测装置,即可对人体健康状况进行检测,从而有助于改善人体健康状况检测的便携性。通过本发明可以有效、便捷、无痛无创地对人体健康状况进行监测。
附图说明
图1是本发明的构建检验人体健康状况模型的系统框图。
图2.1是预处理前脉搏波信号的时域波形图。
图2.2是预处理后脉搏波信号的时域波形图。
图3.1是对脉搏波时域信号峰峰值和峰谷值点的识别。
图3.2是对脉搏波频域信号各谱峰值点的识别。
图3.3是脉搏波信号的功率谱图。
图4是本发明用于检验人体健康状况模型的实际应用界面图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清晰,以下结合本发明的技术方案和附图作进一步详细描述:
利用脉搏波信号构建可判断人体健康状况的模型用于对人体健康状况的监测的方法,其系统总体框图如图1所示。该方法可分为三个环节,分别为:信号预处理、特征参数的提取与构建模型。其中,信号预处理部分用于对采集得到的脉搏波信号去除噪声干扰,特征参数提取部分是结合中西医理论对脉搏波信号进行分析,找出可区分人体健康状况的特征参数,构建模型的作用是构建出用于检验人体健康状况模型。具体步骤如下:
步骤A.对采集得到的脉搏波信号进行预处理
对同步采集得到的采样频率为200赫兹,各3000个点的脉搏波信号进行预处理。主要包括如下步骤:首先设置中值滤波器的窗长为100,将脉搏波信号通过此滤波器,得到脉搏波信号的趋势项。从原始的脉搏波信号中减去此趋势项,所得结果便是去除基线漂移后的脉搏波信号。再将所得脉搏波信号通过窗长为8的平均滤波器,即可去除工频干扰和肌电干扰。预处理前后脉搏波的时域波形图如图2.1和图2.2所示。
步骤B.基于中西医脉搏分析的相关理论,对预处理之后的脉搏波信号提取不同的特征参数向量,包括脉图面积K值、频谱、谱能比、归一化峰值差异比和频率差异比等,从而得到对人体健康状况区分度较高的特征参数。包括如下步骤:
B1.对脉搏波信号时域的波形进行特征点的识别,求取脉图面积K值作为特征参数,其公式如下:
其中,PS表示心脏的收缩压,Pd表示心脏的舒张压,Pm表示平均动脉压即在脉图中,通过峰峰值和峰谷值来表示收缩压Ps和舒张压Pd。收缩压和舒张压分别对应脉搏波时域信号中峰峰值和峰谷值点,如图3.1所示是对脉搏波时域信号峰峰值和峰谷值点的识别。
B2.结合中医的脉搏分析理论,本发明将中医中脉搏的径向共振理论应用到人体健康诊断的实际应用中。经研究表明人体的脉搏波信号可以看做是一个短时间内的平稳周期信号,对其做傅里叶变换,可以将信号分解成是由各种不同频率的谐波所组成的信号。如果把心脏跳动一次也就是一个脉搏波的周期当成是一个周期,那么就可以将脉搏波分解为以下的各次谐波的组合:
其中,n表示脉搏波信号的n次谐波,t表示时间,T表示信号的周期,φ表示相位,C0表示基线幅度,Cn表示第n次谐波信号的幅度。
将脉搏波的时域信号进行快速傅里叶变换得到频谱图,对其进行归一化处理,提取频谱中各峰的幅值及峰值点对应的频率值作为两个特征参数。并且提出了基于各谐波峰值和峰值对应频率的特征参数:归一化峰值差异比和频率差异比,具体公式如下:
峰值差异比:
其中,A1表示基频的峰峰值,Ai表示频谱上第i个谐波峰值的对应的峰值,n为分解出的谐波总数。
频率差异比:
其中,f表示基频,fi表示频谱上第i个谐波峰值的对应的频率,i为第i个谐波。
B3.对脉搏波信号做功率谱估计,提取信号能量意义上的特征参数谱能比,作为特征参数,其公式如下:
其中,Ei表示iHz内的功率谱能量,P(f)表示功率谱密度,E40表示40Hz内的功率谱能量。对频谱中谐波峰值点的识别如图3.2所示。
步骤C.由步骤B得到脉搏波的多个特征参数。针对这些特征参数来构建出一个如何由脉搏波信号判断人体健康状况的模型。具体包括:
C1.根据脉搏波分析后提取到的脉图面积K值、频谱中各峰的幅值、峰值点对应的频率值、谱能比、归一化峰值差异比及频率差异比,对采集到的健康和不健康的数据进行分析处理,提取特征参数。
C2.将采集到的脉搏波数据分为两部分,根据其中一部分健康、不健康人群的脉搏波信号的特征参数值作为训练组,输入支持向量机进行样本训练,得到可以区分健康状态与非健康状态的分类器,建立可判断人体健康状况的模型。
C3.将剩余部分的健康、不健康人群的脉搏波信号的特征参数值作为测试组,对得到的分类器模型进行测试,对模型效果进行检测和评估。
C4.经过多组数据训练测试,得到可区分健康状态与非健康状态的分类器,从而判断人体健康状态。
另外,将实验结果用于实际生活中,还可以对可实现的功能进行软件的设计。具体为:首先,采用Matlab中的GUI来进行计算机应用界面的设计。界面的姓名、性别、出生日期部分是可编辑的,便于保存受试者信息。其次,点击打开数据可以打开采集到的受试者的脉搏波数据,点击运行,可得到此数据对应的脉搏波的时域和频域波形图,便于观察和分析。最后,同时可以采集到受试者的心率,配合波形进行分析。点击健康状况分析的按钮,会对特征参数进行特征分析。根据分析得出人体健康或者不健康的判断。本发明用于检验人体健康状况模型的实际应用界面图如图4所示。
以上所述,仅为本发明较佳的具体实施方式,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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种基于脉搏波特征参数对人体健康状况的检测方法,其特征在于以下步骤:
第一步,对采集得到的脉搏波信号进行预处理
采用中值滤波法对脉搏波去除基线漂移干扰;采用平滑滤波对脉搏波去除工频干扰和肌电干扰噪声;
第二步,基于中西医脉搏分析的相关理论,对预处理之后的脉搏波信号进行时域和频域上特征参数的提取和分析,包括脉图面积K值、频谱、谱能比、归一化峰值差异比和频率差异比,得到对人体健康状况区分度较高的特征参数;
第三步,通过提取的特征参数,训练得到可以区分健康状态与非健康状态的分类器,实现对人体健康状况的检测。
2.根据权利要求1所述的一种基于脉搏波特征参数对人体健康状况的检测方法,其特征在于,所述的第二步包括以下步骤:
(1)对脉搏波信号时域的波形进行特征点的识别,求取脉图面积K值作为特征参数,其公式如下:
其中,PS表示心脏的收缩压,Pd表示心脏的舒张压,Pm表示平均动脉压即在脉图中,通过峰峰值和峰谷值来表示收缩压Ps和舒张压Pd;
(2)结合中医的脉搏分析理论,对脉搏波信号做傅里叶变换,将信号分解成是由各种不同频率的谐波所组成的信号;把心脏跳动一次也就是一个脉搏波的周期当成是一个周期,将脉搏波分解为以下的各次谐波的组合:
其中,n表示脉搏波信号的n次谐波,t表示时间,T表示信号的周期,φ表示相位,C0表示基线幅度,Cn表示第n次谐波信号的幅度;
将脉搏波的时域信号进行快速傅里叶变换得到频谱图,对其进行归一化处理,提取频谱中各峰的幅值及峰值点对应的频率值作为两个特征参数;并且提出基于各谐波峰值和峰值对应频率的特征参数:归一化峰值差异比和频率差异比,公式如下:
峰值差异比:
其中,A1表示基频的峰峰值,Ai表示频谱上第i个谐波峰值的对应的峰值,n为分解出的谐波总数;
频率差异比:
其中,f表示基频,fi表示频谱上第i个谐波峰值的对应的频率,i为第i个谐波;
B3.对脉搏波信号做功率谱估计,提取信号能量意义上的特征参数谱能比,作为特征参数,其公式如下:
其中,Ei表示iHz内的功率谱能量,P(f)表示功率谱密度,E40表示40Hz内的功率谱能量。
3.根据权利要求1或2所述的一种基于脉搏波特征参数对人体健康状况的检测方法,其特征在于,所述的第三步包括以下子步骤:
(1)根据脉搏波分析后提取到的脉图面积K值、频谱中各峰的幅值、峰值点对应的频率值、谱能比、归一化峰值差异比及频率差异比,对采集到的健康和不健康的数据进行分析处理,提取特征参数;
(2)将采集到的脉搏波数据分为两部分,根据其中一部分健康、不健康人群的脉搏波信号的特征参数值作为训练组,输入支持向量机进行样本训练,得到可以区分健康状态与非健康状态的分类器,建立可判断人体健康状况的模型;
(3)将剩余部分的健康、不健康人群的脉搏波信号的特征参数值作为测试组,对得到的分类器模型进行测试,对模型效果进行检测和评估;
(4)经过多组数据训练测试,得到可区分健康状态与非健康状态的分类器,从而判断人体健康状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811213852.3A CN109316172A (zh) | 2018-10-18 | 2018-10-18 | 基于脉搏波特征参数对人体健康状况的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811213852.3A CN109316172A (zh) | 2018-10-18 | 2018-10-18 | 基于脉搏波特征参数对人体健康状况的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109316172A true CN109316172A (zh) | 2019-02-12 |
Family
ID=65262821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811213852.3A Withdrawn CN109316172A (zh) | 2018-10-18 | 2018-10-18 | 基于脉搏波特征参数对人体健康状况的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109316172A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112932423A (zh) * | 2021-01-25 | 2021-06-11 | 中山大学附属第八医院(深圳福田) | 基于体外反搏干预下心脑血管疾病预测方法及系统、设备 |
CN114366046A (zh) * | 2022-01-19 | 2022-04-19 | 福州九候生医科技有限公司 | 脉搏波数据处理方法及相关设备 |
CN114469019A (zh) * | 2022-04-14 | 2022-05-13 | 剑博微电子(深圳)有限公司 | 脉搏波信号的滤波方法、装置和计算机设备 |
CN116130095A (zh) * | 2023-04-04 | 2023-05-16 | 深圳市金瑞铭科技有限公司 | 一种基于传感技术的状态监测方法、装置及存储介质 |
-
2018
- 2018-10-18 CN CN201811213852.3A patent/CN109316172A/zh not_active Withdrawn
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112932423A (zh) * | 2021-01-25 | 2021-06-11 | 中山大学附属第八医院(深圳福田) | 基于体外反搏干预下心脑血管疾病预测方法及系统、设备 |
CN112932423B (zh) * | 2021-01-25 | 2024-05-28 | 中山大学附属第八医院(深圳福田) | 基于体外反搏干预下心脑血管疾病预测方法及系统、设备 |
CN114366046A (zh) * | 2022-01-19 | 2022-04-19 | 福州九候生医科技有限公司 | 脉搏波数据处理方法及相关设备 |
CN114366046B (zh) * | 2022-01-19 | 2024-03-22 | 福州九候生医科技有限公司 | 脉搏波数据处理方法及相关设备 |
CN114469019A (zh) * | 2022-04-14 | 2022-05-13 | 剑博微电子(深圳)有限公司 | 脉搏波信号的滤波方法、装置和计算机设备 |
CN114469019B (zh) * | 2022-04-14 | 2022-06-21 | 剑博微电子(深圳)有限公司 | 脉搏波信号的滤波方法、装置和计算机设备 |
CN116130095A (zh) * | 2023-04-04 | 2023-05-16 | 深圳市金瑞铭科技有限公司 | 一种基于传感技术的状态监测方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Choudhary et al. | Automatic detection of aortic valve opening using seismocardiography in healthy individuals | |
CN109316172A (zh) | 基于脉搏波特征参数对人体健康状况的检测方法 | |
Gambarotta et al. | A review of methods for the signal quality assessment to improve reliability of heart rate and blood pressures derived parameters | |
Papadaniil et al. | Efficient heart sound segmentation and extraction using ensemble empirical mode decomposition and kurtosis features | |
Gupta et al. | A comparison of ECG signal pre-processing using FrFT, FrWT and IPCA for improved analysis | |
CN109069081A (zh) | 用于预测、筛查和监测脑病/谵妄的设备、系统和方法 | |
Choudhary et al. | Heart sound extraction from sternal seismocardiographic signal | |
JP2009160410A (ja) | 複数の時間区分にわたり胎児及び産婦のecgを特定する方法 | |
Altuve et al. | Fundamental heart sounds analysis using improved complete ensemble EMD with adaptive noise | |
CN107788969A (zh) | 一种心电信号中qrs波群的自动检测方法 | |
Choudhary et al. | A novel method for aortic valve opening phase detection using SCG signal | |
Nair et al. | Wavelet based electroretinographic signal analysis for diagnosis | |
Hadiyoso et al. | Arrhythmia detection based on ECG signal using Android mobile for athlete and patient | |
Saminu et al. | Wavelet feature extraction for ECG beat classification | |
Chen et al. | Identification of Velcro rales based on Hilbert–Huang transform | |
Mishra et al. | Grading heart sounds through variational mode decomposition and higher order spectral features | |
Vepa et al. | Segmentation of heart sounds using simplicity features and timing information | |
Hugeng et al. | Development of the ‘Healthcor’system as a cardiac disorders symptoms detector using an expert system based on arduino uno | |
Amin et al. | Features for heartbeat sound signal normal and pathological | |
Saktheeswari et al. | Survey on signal processing techniques for diagnoising cardiovascular diseases | |
Ramos et al. | Modulation filtering for noise detection in heart sound signals | |
Alonzo et al. | Ensemble empirical mode decomposition of photoplethysmogram signals for assessment of ventricular fibrillation | |
Brian et al. | ECG based algorithm for detecting ventricular arrhythmia and atrial fibrillation | |
Chen et al. | A fast ECG diagnosis using frequency-based compressive neural network | |
CN114886403A (zh) | 一种基于脉搏主波间期的恶性心律失常识别与预测系统 |
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 |
Application publication date: 20190212 |
|
WW01 | Invention patent application withdrawn after publication |