CN109363646A - 一种三维脉波影像的基面预处理方法及系统 - Google Patents
一种三维脉波影像的基面预处理方法及系统 Download PDFInfo
- Publication number
- CN109363646A CN109363646A CN201811353133.1A CN201811353133A CN109363646A CN 109363646 A CN109363646 A CN 109363646A CN 201811353133 A CN201811353133 A CN 201811353133A CN 109363646 A CN109363646 A CN 109363646A
- Authority
- CN
- China
- Prior art keywords
- mode
- signal
- pulse wave
- wave image
- basal plane
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000003068 static effect Effects 0.000 claims abstract description 40
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 30
- 230000009977 dual effect Effects 0.000 claims description 5
- 230000003190 augmentative effect Effects 0.000 claims description 2
- 229910017435 S2 In Inorganic materials 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 description 12
- 210000000707 wrist Anatomy 0.000 description 12
- 206010033675 panniculitis Diseases 0.000 description 8
- 210000004304 subcutaneous tissue Anatomy 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000001788 irregular Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 6
- 210000002321 radial artery Anatomy 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000007920 subcutaneous administration Methods 0.000 description 4
- 230000003416 augmentation Effects 0.000 description 3
- 239000004568 cement Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 241000282693 Cercopithecidae Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000002567 electromyography Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000002435 tendon Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Power Engineering (AREA)
- Cardiology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明一种三维脉波影像的基面预处理方法及系统,所述方法包括如下步骤:步骤S1,采集三维脉波影像,获得脉搏所产生的脉象信号;步骤S2,对获得的脉象信号去除其中的静态压;步骤S3,对去除静态压后的脉象信号进行经验模态分解,得到每个传感器通道各自不同的模态的信号,保留相应的模态即可得到预处理后的结果,通过本发明,可实现更有效的基面预处理。
Description
技术领域
本发明涉及一种基面预处理方法及系统,特别是涉及一种三维脉波影像的基面预处理方法及系统。
背景技术
脉象信号预处理的效果将直接影响后续临床分析的结果,其中基线漂移的消除是脉象信号预处理的其中一个难点。在脉搏信号采集过程中,受测者的呼吸和运动会使脉搏信号的基线产生漂移。对于三维脉波影像,信号不再是对桡动脉某个点的压力脉搏波所形成的曲线进行研究,而是转变成对某个区域内多个点所产生的三维脉象进行研究。因此干扰也由原来的线也转变成了面(以下简称基面)。
如图1所示,根据分析手腕部位的皮下组成,皮肤下面依次为皮下组织、桡动脉、肌肉、肌腱以及骨头,当使用机器手指进行切脉时,传感器除了能接收到桡动脉的脉搏信号外,还会受到其他皮下组织的干扰,由此可以分析出干扰信号的主要构成:手腕皮下组织的不规则结构带来的干扰和手腕动态运动的干扰。预处理的目标就将脉搏产生的动态压保留下来,将干扰去除。
现有技术中用于基线漂移的处理,也可广泛用在不同的领域,比如:ECG信号处理、表面肌电图(Surface Electromyography,sEMG)、脉象信号等,目前,国内外对基线校正方法的研究成果已经十分丰富。
样条插值法是一种比较常见的简单处理手段,其原理是利用信号的特殊基准点进行样条插值。由于这些基准点在未受干扰的情况下,应该处于同一直线上,因此通过对这些漂移的基准点进行插值,即可逼近出信号的干扰基线。最后将观测信号中减掉预测的干扰基线信号,以此来达到基线校准的目的。
然而,样条插值法中,被插值点为脉搏波的起始点,因此干扰基线的准确度完全依赖于插值点的选择;另外,由于样条插值只能预测出基线漂移的趋势,而对于高频部分,样条插值不能达到比较理想的效果,同时高频干扰还可能会导致脉搏波起始点的选择,从而也影响到该方法的结果。
由于基线干扰信号一般是由一些低频信号所构成,因此对于基线干扰的消除还可以从频域的角度进行考虑,比如现有技术中使用切比雪夫和巴特沃斯滤波器对信号进行预处理。然而,巴特沃斯滤波器虽然有比较平稳的幅频特性,但是有较长的过度带,在过渡带很容易造成信号的失真;而切比雪夫滤波器则恰恰相反,它的过渡带很窄,但是幅频特性却很不稳定
基于小波的自适应级联滤波器(Wavelet based cascaded adaptive filter,CAF)则是结合了样条插值和频域滤波器的特点的一种基线校准方法,CAF滤波器由基线漂移级别检测、离散Meyer小波滤波器和基线漂移的三次样条估计三部分所组成,其主要的方法是根据脉波成分和基线漂移的能量比来衡量基线漂移的等级,然后再根据漂移的程度选用不同的处理策略进行处理。对于ECG信号,现有技术则提出了一种自适应的小波基线校正方法,该方法通过计算干扰信号的能量度,自适应的调整小波包的系数,以达到最佳的基线校正效果。
然而,对于小波的自适应级联滤波器,其核心在于使用基于小波的多尺度分析将高低频分量的能量比来自适应的选择合适的处理方式,这个能量比的阈值是一种经验值,需要不断的实验才能确定,同时该方法实际上也是基于样条插值,因此对插值点的选择算法会有很高的要求。
发明内容
为克服上述现有技术存在的不足,本发明之目的在于提供一种三维脉波影像的基面预处理方法及系统,以实现更有效的基面预处理并解决上述现有技术中存在的各种问题。
为达上述及其它目的,本发明提出一种三维脉波影像的基面预处理方法,包括如下步骤:
步骤S1,采集三维脉波影像,获得脉搏所产生的脉象信号;
步骤S2,对获得的脉象信号去除其中的静态压;
步骤S3,对去除静态压后的脉象信号进行经验模态分解,得到每个传感器通道各自不同的模态的信号,保留相应的模态即可得到预处理后的结果。
优选地,于步骤S1中,利用安装在机械手指上的传感器采集所述三维脉波影像,所述传感器包括若干个传感器感测点。
优选地,于步骤S2中,将所述脉象信号的每个通道的信号都减去所属通道的最小值,实现去除静态压。
优选地,所述经验模态分解就是假设信号分解出来的每个模态都处于不同的中心频率附近,然后将该问题转化为约束问题来求解出每个模态。
优选地,所述约束问题如下式所示:
其中,{uk}={u1,…,uK}为各个模态,{ωk}={ω1,…,ωK}为模态k所对应的中心频率,∑kuk=f代表原信号被分解成K个模态,该约束问题的实质为将原始信号f(t)分解成K个互相独立的模态uk(t),每个模态uk(t)以中心频率ωk进行分解,通过乘以来实现调频的操作,使得每个模态都被调整到估计的中心频率上,从而选出模态的基带。
优选地,为了求解该约束问题,首先需要将该约束问题转换为可解的对偶问题,其增广拉格朗日函数式如下:
上式问题的求解使用交替方向乘子法进行求解。
优选地,于步骤S3中,保留相应的模态得到预处理结果的步骤进一步包括:
步骤S4,根据每个模态的信号的中心频率,去除频率不在脉搏信号频率范围内的该模态的信号;
步骤S5,对去除频率不在脉搏信号频率范围内的模态的信号的结果进行叠加,获得最终的预处理结果。
优选地,于步骤S4中,分析每个模态的信号的中心频率,判断其是否在0.8~25Hz之间,若不在此区间,则丢弃该模态的信号,否则保留。
为达到上述目的,本发明还提供一种三维脉波影像的基面预处理系统,包括:
信号采集单元,用于采集三维脉波影像,获得脉搏所产生的脉象信号;
静态压去除单元,用于对获得的脉象信号去除其中的静态压;
经验模态分解单元,用于对去除静态压后的脉象信号进行经验模态分解,得到每个传感器通道各自不同的模态的信号,保留相应的模态得到预处理后的结果。
优选地,所述经验模态分解单元中保留相应的模态得到预处理结果具体为:
根据每个模态的信号的中心频率,去除频率不在脉搏信号频率范围内的该模态的信号;
对去除频率不在脉搏信号频率范围内的模态的信号的结果进行叠加,获得最终的预处理结果。
与现有技术相比,本发明一种三维脉波影像的基面预处理方法及系统通过获取三维脉波影像,并通过静态压去除和经验模态分解,实现了一种更有效的基面预处理方法,解决了现有技术存在的问题。
附图说明
图1为受测部位的皮下组织示意图;
图2为本发明一种三维脉波影像的基面预处理方法的步骤流程图;
图3为本发明具体实施例中其中一个传感器通道信号的4个模态示意图;
图4A与图4B为其中一个传感器的信号预处理前与后的结果示意图;
图5A与图5B为三维脉波影像预处理前与后的结果示意图;
图6为本发明一种三维脉波影像的基面预处理系统的系统架构图;
图7为本发明具体实施例之三维脉波影像的基面预处理方法的流程图;
图8为本发明具体实施例中模拟的干扰信号示意图;
图9为原始三维脉波影像;
图10为加入干扰后的三维脉波影像;
图11为4种不同的方法对观测信号进行处理后的结果对比图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。
图2为本发明一种三维脉波影像的基面预处理方法的步骤流程图。如图2所示,本发明一种三维脉波影像的基面预处理方法,包括如下步骤:
步骤S1,采集三维脉波影像,获得脉搏所产生的脉象信号。
在本发明具体实施例中,三维脉波影像可通过安装在机械手指上的传感器获得,具体地,所述传感器可为矩阵传感器阵列,其可由若干个传感器感测点所组成,将传感器按压在桡动脉也就是脉管的位置,脉搏所产生的动态信息即可被传感器捕获。
步骤S2,对获得的脉象信号去除其中的静态压。
从传感器获取到的脉象信号包含脉搏产生的动态压、手腕皮下组织不规则结构的干扰和手腕动态运动的干扰。为了提高后面预处理的效果,需要先将静态压去除,也就是去除机械手指按压手腕皮下不规则结构所产生的力的干扰。在本发明中,认为每个通道信号的最小值为所受到的静态压干扰,因此于步骤S2中,则将脉象信号的每个通道的信号都减去所属通道的最小值,即可实现去除静态压。
步骤S3,对去除静态压后的脉象信号进行经验模态分解,得到每个传感器通道各自不同的模态的信号,保留相应的模态即可得到预处理后的结果。
经验模态分解法的核心思想是假设信号分解出来的每个模态都处于不同的中心频率附近,然后将这个问题转化为约束问题来求解出每个模态,该约束问题如下式所示:
其中,δ(t)为狄拉克函数,{uk}={u1,…,uK}为各个模态,{ωk}={ω1,…,ωK}为模态k所对应的中心频率,∑kuk=f代表原信号被分解成K个模态。上式所描述的约束问题的实质是将原始信号f(t)分解成K个互相独立的模态uk(t),每个模态uk(t)以中心频率ωk进行分解,通过乘以来实现调频的操作,使得每个模态都被调整到估计的中心频率上,从而选出模态的“基带”。
为了求解上述问题,首先需要将问题转换为可解的对偶问题,其增广拉格朗日函数式如下:
其中,f为原始信号,λ是拉格朗日乘子。
上式问题的求解可以使用交替方向乘子法(ADMM)进行求解,根据对上式最小化的化简得到uk和ωk的更新表达式:
其中,α为二次惩罚因子,ω为频率变量,为一个关于ω的函数,为第n+1次迭代的第k个频率分量,为f(t)的傅里叶变换,表示前k个经过n+1次迭代更新的频率分量的叠加减去后k个经过n次迭代更新的频率分量的叠加,表示为第n+1次迭代的第k个频率分量的中心频率。
下面进行问题的求解,其迭代求解的实现步骤如下:
1、初始化n←0
2、重复步骤3-4,n←n+1,直到满足5的约束条件
3、k从1到K:
1)对所有的ω≥0更新
2)更新
4、对所有ω≥0,利用对偶上升法更新
5、约束条件:其中ε为事先设定的收敛误差
去除静态压后的脉象信号进行经验模态分解后,每个传感器通道的信号即可得到各自的不同的模态,如图3所示为其中一个传感器通道信号的4个模态。脉搏信号一般处于0.8到25Hz内,因此只需保留合适的模态即可得到处理后的结果。
优选地,于步骤S3中,保留相应的模态得到预处理结果的步骤进一步包括:
步骤S4,根据每个模态的信号的中心频率,去除频率不在脉搏信号频率范围内的该模态的信号。一般地,脉搏信号频率一般处于0.8到25Hz内,因此,于步骤S4中,分析每个模态的信号的中心频率,判断其是否在0.8~25Hz之间,若不在此区间,则丢弃该模态的信号,否则保留。
步骤S5,对去除频率不在脉搏信号频率范围内的模态的信号的结果进行叠加,获得最终的预处理结果,如图4A/图4B及图5A/图5B所示,图4A为其中一个传感器的信号预处理前的结果,图4B则为其中一个传感器的信号预处理后的结果,图5A为三维脉波影像预处理前的结果,图5B为三维脉波影像预处理后的结果。
图6为本发明一种三维脉波影像的基面预处理系统的系统架构图,如图6所示,本发明一种三维脉波影像的基面预处理系统,包括:
信号采集单元601,用于采集三维脉波影像,获得脉搏所产生的脉象信号。
在本发明具体实施例中,三维脉波影像可通过安装在机械手指上的传感器获得,具体地,所述传感器可为矩阵传感器阵列,其可由若干个传感器感测点所组成,将传感器按压在桡动脉也就是脉管的位置,脉搏所产生的动态信息即可被传感器捕获。
静态压去除单元602,用于对获得的脉象信号去除其中的静态压。
从传感器获取到的脉象信号包含脉搏产生的动态压、手腕皮下组织不规则结构的干扰和手腕动态运动的干扰。为了提高后面预处理的效果,需要先将静态压去除,也就是去除机械手指按压手腕皮下不规则结构所产生的力的干扰。在本发明具体实施例中,认为每个通道信号的最小值为所受到的静态压干扰,静态压去除单元602通过将脉象信号的每个通道的信号都减去所属通道的最小值,实现去除静态压的目的。
经验模态分解单元603,用于对去除静态压后的脉象信号进行经验模态分解,得到每个传感器通道各自不同的模态的信号,保留相应的模态即可得到预处理后的结果。
经验模态分解法的核心思想是假设信号分解出来的每个模态都处于不同的中心频率附近,然后将这个问题转化为约束问题来求解出每个模态,该约束问题如下式所示:
其中,δ(t)为狄拉克函数,{uk}={u1,…,uK}为各个模态,{ωk}={ω1,…,ωK}为模态k所对应的中心频率,∑kuk=f代表原信号被分解成K个模态。上式所描述的约束问题的实质是将原始信号f(t)分解成K个互相独立的模态uk(t),每个模态uk(t)以中心频率ωk进行分解,通过乘以来实现调频的操作,使得每个模态都被调整到估计的中心频率上,从而选出模态的“基带”。
为了求解上述问题,首先需要将问题转换为可解的对偶问题,其增广拉格朗日函数式如下:
上式问题的求解可以使用交替方向乘子法(ADMM)进行求解,根据对上式最小化的化简得到uk和ωk的更新表达式:
下面进行上述问题的求解,迭代求解的实现步骤如下:
1、初始化n←0
2、重复步骤3-4,n←n+1,直到满足5的约束条件
3、k从1到K:
1)对所有的ω≥0更新
2)更新
4、对所有ω≥0,利用对偶上升法更新
5、约束条件:其中ε为事先设定的收敛误差
去除静态压后的脉象信号进行经验模态分解后,每个传感器通道的信号即可得到各自的不同的模态,只需保留合适的模态即可得到处理后的结果。
优选地,经验模态分解单元603中保留相应的模态得到预处理结果具体可为:
根据每个模态的信号的中心频率,去除频率不在脉搏信号频率范围内的该模态的信号。一般地,脉搏信号频率一般处于0.8到25Hz内,因此,于步骤S4中,分析每个模态的信号的中心频率,判断其是否在0.8~25Hz之间,若不在此区间,则丢弃该模态的信号,否则保留。
对去除频率不在脉搏信号频率范围内的模态的信号的结果进行叠加,获得最终的预处理结果。
图7为本发明具体实施例之三维脉波影像的基面预处理方法的流程图。如图7所示,在本发明具体实施例中,该三维脉波影像的基面预处理方法步骤如下:
1、数据采集获取:
其中三维脉波影像通过安装在机械手指上的传感器获得,传感器阵列由24个传感器感测点所组成,将传感器按压在桡动脉也就是脉管的位置,脉搏所产生的动态信息即可被捕获。
2、静态压去除
从传感器获取到的脉象信号包含脉搏产生的动态压、手腕皮下组织不规则结构的干扰和手腕动态运动的干扰。为了提高后面预处理的效果,需要先将静态压去除,也就是去除机械手指按压手腕皮下不规则结构所产生的力的干扰。
由于皮下组织一般都是不平整的,因此矩阵传感器的每一点所受到的静态压都会不同。在去除静态压这个步骤,我们需要根据每个通道的不同情况来进行处理。另外,静态压的大小是一种静态值,不会随着测量的推进所改变,由此我们可以粗略的认为每个通道信号的最小值为所受到的静态压干扰。因此将每个通道的信号都减去所属通道的最小值,即可完成这个处理。
3、经验模态分解
经验模态分解法的核心思想是假设信号分解出来的每个模态都处于不同的中心频率附近,然后将这个问题转化为约束问题来求解出每个模态。该约束问题如下式所示:
其中,{uk}={u1,…,uK}为各个模态,{ωk}={ω1,…,ωK}为模态k所对应的中心频率,∑kuk=f代表原信号被分解成K个模态。上式所描述的约束问题的实质是将原始信号f(t)分解成K个互相独立的模态uk(t),每个模态uk(t)以中心频率ωk进行分解,通过乘以来实现调频的操作,使得每个模态都被调整到估计的中心频率上,从而选出模态的“基带”。
为了求解上述问题,首先需要将问题转换为可解的对偶问题,其增广拉格朗日函数式如下:
上式问题的求解可以使用交替方向乘子法(ADMM)进行求解,根据对上式最小化的化简得到uk和ωk的更新表达式:
去除静态压后的脉象信号进行经验模态分解后,每个传感器通道的信号即可得到各自的不同的模态
4、分析每个模态的信号的中心频率,去除频率不在脉搏信号频率范围内的该模态的信号。具体地,分析每个模态的信号的中心频率,判断其是否在0.8~25Hz之间,若不在此区间,则丢弃该模态的信号,否则保留。
5、对去除频率不在脉搏信号频率范围内的模态的信号的结果进行叠加,获得最终的预处理结果。
以下将对本发明与现有技术的样条插值法、小波滤波器和巴特沃斯滤波器的处理效果进行对比。首先需要将模拟的干扰(如图8)加入到三维脉波影像中,如图9所示为原始三维脉波影像,图10为加入干扰后的三维脉波影像,通过使用上述的方法来对比各种方案的处理效果的不同(如图11)。由于从图11上看,并不能很好的对比出各方法之间的差别,因此使用下式来对各个方法进行衡量:
其中,yk为第k个传感器通道的观测信号,nk为模拟的干扰信号,T为信号的采样总时间,从最终的结果(表1)可以看出,本发明有着更好的预处理效果。
表1各方案的量化对比(值越小,效果越好)
插值法 | 小波滤波器 | 巴特沃斯滤波器 | 本发明 |
0.1461 | 0.0867 | 0.142 | 0.0410 |
综上所述,本发明一种三维脉波影像的基面预处理方法及系统通过获取三维脉波影像,并通过静态压去除和经验模态分解,实现了一种更有效的基面预处理方法。
与现有技术相比,本发明具有如下优点:
1、相比于基于样条插值的基线处理方法,本发明不需要依赖于某种特定的不确定的特征(如:脉搏波起始点)。
2、本发明基于经验模态分解可以避免模态混叠和端点问题对信号分析的影响。
3、现有的技术基本上都是对一维脉搏波进行处理,而本发明弥补了三维脉波影像的预处理方法的缺失。
4、三维脉波影像是把脉触感的立体表现,因此获取到的信号还需要考虑静态压对波形的影响,否则波形会被大量的静态压所覆盖,从而导致无法分析出脉象的波形,本发明考虑到静态压对脉搏波的影响,在预处理的流程中加入了处理流程,改善了预处理的效果。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下,对上述实施例进行修饰与改变。因此,本发明的权利保护范围,应如权利要求书所列。
Claims (10)
1.一种三维脉波影像的基面预处理方法,包括如下步骤:
步骤S1,采集三维脉波影像,获得脉搏所产生的脉象信号;
步骤S2,对获得的脉象信号去除其中的静态压;
步骤S3,对去除静态压后的脉象信号进行经验模态分解,得到每个传感器通道各自不同的模态的信号,保留相应的模态即可得到预处理后的结果。
2.如权利要求1所述的一种三维脉波影像的基面预处理方法,其特征在于,于步骤S1中,利用安装在机械手指上的传感器采集所述三维脉波影像,所述传感器包括若干个传感器感测点。
3.如权利要求2所述的一种三维脉波影像的基面预处理方法,其特征在于:于步骤S2中,将所述脉象信号的每个通道的信号都减去所属通道的最小值,实现去除静态压。
4.如权利要求2所述的一种三维脉波影像的基面预处理方法,其特征在于:所述经验模态分解就是假设信号分解出来的每个模态都处于不同的中心频率附近,然后将该问题转化为约束问题来求解出每个模态。
5.如权利要求4所述的一种三维脉波影像的基面预处理方法,其特征在于,所述约束问题如下式所示:
其中,δ(t)为狄拉克函数,{uk}={u1,…,uK}为各个模态,{ωk}={ω1,…,ωK}为模态k所对应的中心频率,∑kuk=f代表原信号被分解成K个模态,该约束问题的实质为将原始信号f(t)分解成K个互相独立的模态uk(t),每个模态uk(t)以中心频率ωk进行分解,通过乘以来实现调频的操作,使得每个模态都被调整到估计的中心频率上,从而选出模态的基带。
6.如权利要求5所述的一种三维脉波影像的基面预处理方法,其特征在于:为了求解该约束问题,首先需要将该约束问题转换为可解的对偶问题,其增广拉格朗日函数式如下:
其中,f为原始信号,λ是拉格朗日乘子
上式问题的求解使用交替方向乘子法进行求解。
7.如权利要求1所述的一种三维脉波影像的基面预处理方法,其特征在于:于步骤S3中,保留相应的模态得到预处理结果的步骤进一步包括:
步骤S4,根据每个模态的信号的中心频率,去除频率不在脉搏信号频率范围内的该模态的信号;
步骤S5,对去除频率不在脉搏信号频率范围内的模态的信号的结果进行叠加,获得最终的预处理结果。
8.如权利要求7所述的一种三维脉波影像的基面预处理方法,其特征在于:于步骤S4中,分析每个模态的信号的中心频率,判断其是否在0.8~25Hz之间,若不在此区间,则丢弃该模态的信号,否则保留。
9.一种三维脉波影像的基面预处理系统,包括:
信号采集单元,用于采集三维脉波影像,获得脉搏所产生的脉象信号;
静态压去除单元,用于对获得的脉象信号去除其中的静态压;
经验模态分解单元,用于对去除静态压后的脉象信号进行经验模态分解,得到每个传感器通道各自不同的模态的信号,保留相应的模态得到预处理后的结果。
10.如权利要求9所述的一种三维脉波影像的基面预处理系统,其特征在于:所述经验模态分解单元中保留相应的模态得到预处理结果具体为:
根据每个模态的信号的中心频率,去除频率不在脉搏信号频率范围内的该模态的信号;
对去除频率不在脉搏信号频率范围内的模态的信号的结果进行叠加,获得最终的预处理结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811353133.1A CN109363646A (zh) | 2018-11-14 | 2018-11-14 | 一种三维脉波影像的基面预处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811353133.1A CN109363646A (zh) | 2018-11-14 | 2018-11-14 | 一种三维脉波影像的基面预处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109363646A true CN109363646A (zh) | 2019-02-22 |
Family
ID=65388683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811353133.1A Pending CN109363646A (zh) | 2018-11-14 | 2018-11-14 | 一种三维脉波影像的基面预处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109363646A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109935318A (zh) * | 2019-03-06 | 2019-06-25 | 珠海市万瑙特健康科技有限公司 | 三维脉波的显示方法、装置、计算机设备及存储介质 |
CN109949900A (zh) * | 2019-03-06 | 2019-06-28 | 珠海市万瑙特健康科技有限公司 | 三维脉波的显示方法、装置、计算机设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105653876A (zh) * | 2016-01-22 | 2016-06-08 | 中国科学院微电子研究所 | 基于三维成像的脉搏波图像采集与存储方法 |
-
2018
- 2018-11-14 CN CN201811353133.1A patent/CN109363646A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105653876A (zh) * | 2016-01-22 | 2016-06-08 | 中国科学院微电子研究所 | 基于三维成像的脉搏波图像采集与存储方法 |
Non-Patent Citations (5)
Title |
---|
CHUNG-SHING HU ET AL: "Temporal and Spatial Properties of Arterial Pulsation Measurement Using Pressure Sensor Array", 《EVIDENCE-BASED COMPLEMENTARY AND ALTERNATIVE MEDICINE》 * |
应怀樵: "《现代振动与噪声技术. 第12卷》", 30 April 2017, 北京:航空工业出版社 * |
汪权等: "《建筑结构振动控制理论与计算方法研究》", 31 October 2016, 合肥工业大学出版社 * |
韩庆阳等: "一种消除脉搏波信号中呼吸基线漂移的方法", 《中国医疗器械杂志》 * |
黄嘉华等: "桡动脉触力传感器和脉象仪动态性能检测装置的研制", 《中国医疗器械杂志》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109935318A (zh) * | 2019-03-06 | 2019-06-25 | 珠海市万瑙特健康科技有限公司 | 三维脉波的显示方法、装置、计算机设备及存储介质 |
CN109949900A (zh) * | 2019-03-06 | 2019-06-28 | 珠海市万瑙特健康科技有限公司 | 三维脉波的显示方法、装置、计算机设备及存储介质 |
CN109949900B (zh) * | 2019-03-06 | 2021-07-06 | 智美康民(珠海)健康科技有限公司 | 三维脉波的显示方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105919584B (zh) | 用于可穿戴心率监测设备的心率估计方法及装置 | |
CN107405096B (zh) | 用于感测胎儿活动的系统、装置和方法 | |
Üstündağ et al. | Denoising of weak ECG signals by using wavelet analysis and fuzzy thresholding | |
Barrios-Muriel et al. | A simple SSA-based de-noising technique to remove ECG interference in EMG signals | |
CN102697495A (zh) | 基于总体平均经验模式分解的二代小波肌电信号消噪方法 | |
CN110338813B (zh) | 一种基于频谱分析的无创血糖检测方法 | |
Mohebbian et al. | Single channel high noise level ECG deconvolution using optimized blind adaptive filtering and fixed-point convolution kernel compensation | |
Robinson et al. | Adaptive estimation of hand movement trajectory in an EEG based brain–computer interface system | |
CN111481192B (zh) | 一种基于改进U-Net的心电信号R波检测方法 | |
CN103190898A (zh) | 心磁信号噪声自适应滤波消除设计方法 | |
CN105249925B (zh) | 一种中医脉象采集装置及降噪系统和降噪方法 | |
CN107184187B (zh) | 基于DTCWT-Spline的脉搏波信号去噪处理方法 | |
CN109363646A (zh) | 一种三维脉波影像的基面预处理方法及系统 | |
CN110680307A (zh) | 一种运动环境下基于脉搏波传导时间的动态血压监测方法 | |
CN112307959A (zh) | 一种用于心电信号分析的小波去噪方法 | |
Seljuq et al. | Selection of an optimal mother wavelet basis function for ECG signal denoising | |
CN103690169A (zh) | 呼吸信息检测方法及系统 | |
CN109199366A (zh) | 基于变分模态分解的心电信号qrs波检测方法 | |
Elbuni et al. | ECG parameter extraction algorithm using (DWTAE) algorithm | |
CN105105739B (zh) | 短距离无线心率及心率变异性检测方法 | |
Li et al. | A High-Efficiency and Real-Time Method for Quality Evaluation of PPG Signals | |
CN116172531A (zh) | 一种基于小波散射变换的血压变化趋势估计方法 | |
Zong et al. | Denoising method for surface electromyography signals combining CEEMDAN and interval total variation | |
Fedotov | A robust method for detecting the QRS complex of the ECG signal | |
CN113616194B (zh) | 一种监测手部震颤频率和强度的装置及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190222 |