CN109984742B - 心阻抗信号处理系统和方法 - Google Patents

心阻抗信号处理系统和方法 Download PDF

Info

Publication number
CN109984742B
CN109984742B CN201910325098.0A CN201910325098A CN109984742B CN 109984742 B CN109984742 B CN 109984742B CN 201910325098 A CN201910325098 A CN 201910325098A CN 109984742 B CN109984742 B CN 109984742B
Authority
CN
China
Prior art keywords
signal
impedance signal
respiratory
formula
cardiac
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
Application number
CN201910325098.0A
Other languages
English (en)
Other versions
CN109984742A (zh
Inventor
张旭
李晨洋
叶继伦
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.)
Shenzhen University
Original Assignee
Shenzhen University
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 Shenzhen University filed Critical Shenzhen University
Priority to CN201910325098.0A priority Critical patent/CN109984742B/zh
Publication of CN109984742A publication Critical patent/CN109984742A/zh
Application granted granted Critical
Publication of CN109984742B publication Critical patent/CN109984742B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • 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
    • A61B5/7235—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)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

心阻抗信号处理系统和方法，设置心阻抗信号检测模块、呼吸阻抗信号检测模块和自适应滤波模块；心阻抗信号检测模块将获取的心阻抗信号输入至自适应滤波模块，用作自适应滤波模块的原始输入信号；呼吸阻抗信号检测模块将获取的呼吸阻抗信号输入至自适应滤波模块，用作自适应滤波模块的参考信号；自适应滤波模块采用最小均方误差算法准则，以最速下降原则调整参考信号参与滤波运算的权重；自适应滤波模块滤除心阻抗信号中的呼吸噪声后输出心阻抗信号。通过同步采集呼吸阻抗信号作为自适应滤波器的参考信号，利用呼吸阻抗信号和心阻抗信号的相关性，巧妙的滤除呼吸噪声，呼吸噪声消除效果好，提高了后续心排计算的准确性。

Description

心阻抗信号处理系统和方法
技术领域
本发明涉及医疗设备相关信号处理技术领域，具体涉及利用胸阻抗法测量心阻抗的信号处理系统和方法。
背景技术
现代社会中心血管疾病是威胁人类生命健康的头号疾病之一，早期筛查与预防是关键，无创血液动力学检测是评价心血管健康状况的重要手段之一，其中心排量CO、每博射血量SV等血液动力学的关键参数具有十分重要的临床意义。心排量能够指示人体心功能状态，反应外周循环功能，对人体心功能及循环功能做出全面的评价，可在循环和代谢功能出现问题的早期发出预警。心排量及相关血液动力学参数已成为心血管疾病患者临床监测与诊断的必要指标，作为评估人体循环系统效率的关键参数，其中心排量是衡量心脏射血能力强弱的重要评价标准，是其他血液动力学参数推算的基础。
生物电阻抗测量(ElectricaI BioimPedance Measurement)是一种利用生物组织与器官的电特性及其变化规律提取与人体生理、病理状况相关的生物医学信息的检测技术。它通常借助置于体表的电极系统向检测对象送入一微小的交流测量电流或电压，检测相应的电阻抗及其变化，然后根据不同的应用目的，获取相关的生理和病理信息。它具有无创、无害，廉价、操作简单和功能信息丰富等特点，医生和病人易于接受。
现有技术中，生物电阻抗测量技术也用于连续监测心排量及相关血液动力学参数，如利用心脏搏动周期中身体局部阻抗变化即阻抗法进行心排量检测。具体方式如，根据Nyboer式，通过心脏搏动导致的胸阻抗变化量（后简称心阻抗信号）来计算获得心排量及相关血液动力学参数。具体地，当人体的心脏周期性泵血时，胸腔的心阻抗发生相应的周期性改变，通过描绘出心阻抗变化图，再根据Nyboer式，就可以计算出心排量及相关血液动力学参数。Nyboer式：
Figure DEST_PATH_IMAGE001
，其中
Figure 412502DEST_PATH_IMAGE002
即每搏量SV，
Figure DEST_PATH_IMAGE003
为血液的电阻率，L为两测量电极之间的间距，
Figure 391960DEST_PATH_IMAGE004
为基础阻抗，
Figure DEST_PATH_IMAGE005
为阻抗变化量即心阻抗信号。
阻抗法进行心排量连续监测的明显缺点是抗干扰能力较差，易受病人呼吸或运动的影响。由于呼吸也会导致胸部阻抗变化，呼吸造成的胸阻抗变化量（后简称呼吸阻抗信号）显著大于心脏搏动导致的胸阻抗变化量（后简称心阻抗信号），且呼吸噪声与阻抗法获取的心阻抗信号在频域上的频带比较接近，因此呼吸噪声是心阻抗信号检测中常见且棘手的问题。
一般人在正常生理状态下，呼吸频率为0.25Hz，心阻抗频率为1Hz左右，心阻抗信号检测的现有技术中，通常利用呼吸频率低于心阻抗信号频率，通过高通滤波处理来消除呼吸噪声。当呼吸频率较高时，为了去除呼吸噪声则需要提高截止频率，而提高截止频率的代价是有用信号也遭到衰减。且许多心血管疾病患者的生理状态不稳定，氧代谢存在问题患者伴随呼吸急促症状，此时高通滤波方法不再适用。
现有技术中，也有采用中心频率为0.25Hz的陷波技术对心阻抗信号进行处理，但陷波器的陷波参数指标固定，需已知患者的呼吸信号幅频特性。一方面，不同的患者呼吸幅度和频率不同，同一个算法的参数指标固定不能适用于所有患者；另一方面，同一患者在长期测量过程中，呼吸深度和频率不可能保持恒定不变，需实时陷波器调整参数才能达到良好的滤波效果。陷波器的陷波参数指标涉及到自动控制反馈原理算法，实现起来十分复杂繁琐，且算法实现效率不高，对于氧气代谢患有疾病的患者，由于呼吸深度和频率变化差异大，一般很难进行陷波参数的实时调整。
发明内容
为了避免上述现有技术的不足，本发明利用自适应滤波器去除心阻抗信号检测中的呼吸噪声。自适应滤波器不用过多的关注原信号和噪声的先验知识，只需同时采集心阻抗信号和阻抗呼吸信号，应用自适应噪声抵消器有效去除心阻抗信号检测中的呼吸噪声，实际应用中取得了非常好的滤波效果。
本发明要解决的技术问题在于避免上述技术方案的不足，提出的技术方案是一种心阻抗信号处理系统，包括用于获取心阻抗信号的心阻抗信号检测模块，用于呼吸阻抗信号获取的呼吸阻抗信号检测模块，用于滤除心阻抗信号中呼吸噪声的自适应滤波模块；心阻抗信号检测模块将获取的心阻抗信号输入至自适应滤波模块，用作自适应滤波模块的原始输入信号；呼吸阻抗信号检测模块将获取的呼吸阻抗信号输入至自适应滤波模块，用作自适应滤波模块的参考信号；自适应滤波模块滤除心阻抗信号中的呼吸噪声后输出滤波后的心阻抗信号。
所述自适应滤波模块包括采用最小均方误差算法准则的自适应滤波器，在该自适应滤波器中，采用最速下降原则调整参考信号参与滤波运算的权重；自适应滤波器中，以心阻抗信号检测模块所获取的心阻抗信号为原始信号d(n)，以呼吸阻抗信号作为参考信号X(n)；原始信号d(n)和参考信号X(n)之间进行运算获得误差信号e(n)，并计算误差信号e(n)的实时均方差，并以实时均方差为依据调整参考信号X(n)参与运算的权重，使得误差信号e(n)的均方差趋于最小。
心阻抗信号检测模块和呼吸阻抗信号检测模块同步进行信号检测，获取同步的心阻抗信号和呼吸阻抗信号。
心阻抗信号检测模块包括用于获取心阻抗信号的心阻抗电极；心阻抗电极包括两个激励电极和两个检测电极；其中一个激励电极和一个检测电极用于设置在颈动脉处，另一个激励电极和另一个检测电极用于设置在心脏下方的胸壁处；当两个激励电极之间发送了激励电流信号后，两个检测电极所获取的人体电位变化信号为心阻抗信号。
呼吸阻抗信号检测模块包括用于获取呼吸阻抗信号的两个呼吸电极；两个呼吸电极同时用作激励电极和检测电极；两个呼吸电极用于以交叉方式设置在胸壁上，两个呼吸电极所获取的人体电位变化信号为呼吸阻抗信号。
所述的心阻抗信号处理系统，还包括用于获取心电信号的心电信号检测模块；心电信号检测模块包括用于获取心电信号的复数个心电电极；取复数个心电电极中的至少两个电极用作呼吸电极，向呼吸阻抗信号检测模块传送呼吸阻抗信号。
心电信号检测模块、心阻抗信号检测模块和呼吸阻抗信号检测模块，三个模块同步进行信号检测，获取同步的心电信号、心阻抗信号和呼吸阻抗信号；心电信号和心阻抗信号同时输入至自适应滤波模块，用作自适应滤波模块的参考信号。
本发明要解决的上述技术问题的技术方案还可以是一种心阻抗信号处理方法，包括以下步骤：设置心阻抗信号检测模块，获取心阻抗信号；设置呼吸阻抗信号检测模块，获取呼吸阻抗信号；设置用于滤除心阻抗信号中呼吸噪声的自适应滤波模块；心阻抗信号检测模块将获取的心阻抗信号输入至自适应滤波模块，用作自适应滤波模块的原始输入信号；呼吸阻抗信号检测模块将获取的呼吸阻抗信号输入至自适应滤波模块，用作自适应滤波模块的参考信号；自适应滤波模块滤除心阻抗信号中的呼吸噪声后输出滤波后的心阻抗信号。
所述自适应滤波模块包括采用最小均方误差算法准则的自适应滤波器，在该自适应滤波器中，采用最速下降原则调整参考信号参与滤波运算的权重；以心阻抗信号检测模块所获取的心阻抗信号为原始信号d(n)，以呼吸阻抗信号作为参考信号X(n)；原始信号d(n)和参考信号X(n)之间进行运算获得误差信号e(n)，并计算误差信号e(n)的实时均方差，并以实时均方差为依据调整参考信号X(n)参与运算的权重，使得误差信号e(n)的均方差趋于最小。
同现有技术相比较，本发明的有益效果是：通过同步采集呼吸阻抗信号，并利用采集的呼吸阻抗信号作为输入自适应滤波器的参考信号，利用呼吸阻抗信号和心阻抗信号的相关性，利用自适应滤波法巧妙的滤除呼吸噪声获得高质量的心阻抗信号；心阻抗信号检测中的呼吸噪声消除效果好，提高了后续心排计算的准确性。
附图说明
图1是心阻抗信号处理系统和方法的算法结构示意图；
图2是心阻抗信号处理系统的硬件组成框图；
图3是心阻抗信号处理系统的电极设置位置示意图之一；
图4是心阻抗信号处理系统的电极设置位置示意图之二；
图5是心阻抗信号处理系统的采集到的呼吸阻抗信号波形示意图；
图6中，上方的波形是心阻抗信号处理系统的采集到的原始心阻抗信号波形，下方的波形是自适应滤波后的心阻抗信号波形；
图7中，上方的波形是心阻抗信号处理系统的采集到的呼吸阻抗信号波形示意图，下方的波形是心阻抗信号处理系统的采集到的原始心阻抗信号波形；
图8中，最上方的波形是图7中原始心阻抗信号波形经过高通滤波后获得的心阻抗信号波形；中间的波形是图7中原始心阻抗信号波形经过陷波处理后的心阻抗信号波形，最下方的波形是图7中原始心阻抗信号波形经过自适应滤波处理后的心阻抗信号波形。
具体实施方式
以下结合各附图对本发明的实施方式做进一步详述。
附图中未显示出的一种心阻抗信号处理系统和方法的实施例中，设置有心阻抗信号检测模块，获取心阻抗信号；设置有呼吸阻抗信号检测模块，获取呼吸阻抗信号；设置有用于滤除心阻抗信号中呼吸噪声的自适应滤波模块；心阻抗信号检测模块将获取的心阻抗信号输入至自适应滤波模块，用作自适应滤波模块的原始输入信号；呼吸阻抗信号检测模块将获取的呼吸阻抗信号输入至自适应滤波模块，用作自适应滤波模块的参考信号；自适应滤波模块滤除心阻抗信号中的呼吸噪声后输出滤波后的心阻抗信号。
如图1所示一种心阻抗信号处理系统和方法的实施例中，所述自适应滤波模块包括采用最小均方误差算法准则的自适应滤波器，在该自适应滤波器中，采用最速下降原则调整参考信号参与滤波运算的权重；自适应滤波器中，以心阻抗信号检测模块所获取的心阻抗信号为原始信号d(n)，以呼吸阻抗信号作为参考信号X(n)；原始信号d(n)和参考信号X(n)之间进行运算获得误差信号e(n)，并计算误差信号e(n)的实时均方差，并以实时均方差为依据调整参考信号X(n)参与运算的权重，使得误差信号e(n)的均方差趋于最小。
具体，如图1所示的一种心阻抗信号处理系统和方法实施例中，原始信号d(n)中包含了目标信号S(n)和噪声信号V(n)，表达如式1：
Figure 171697DEST_PATH_IMAGE006
式（1）；
以原始信号d(n)和参考信号X(n)计算误差信号e(n)，误差信号e(n)也称为损失信号量或损失函数；表达如式2：
Figure DEST_PATH_IMAGE007
式（2）；
其中y(n)为参与误差运算的向量，表达如式3：
Figure 629223DEST_PATH_IMAGE008
式（3）；
其中
Figure DEST_PATH_IMAGE009
，且W(n)为权向量，初始向量取值通常取为1;计算误差信号e(n)的均方误差，均方误差表达如式4和5：
Figure 132011DEST_PATH_IMAGE010
式（4）；
Figure DEST_PATH_IMAGE011
式（5）；
由于有用信号S(n)与V(n)和y(n)都不相关，因此式5右端中的第三项为零，则有：
Figure 16790DEST_PATH_IMAGE012
式（6）；
应用最小均方误差准则，通过调整式3中的权向量W(n)，使式（6）计算值最小，表达如式7：
Figure DEST_PATH_IMAGE013
式（7）；
其中权向量W(n）的更新计算式，表达如式8
Figure 283824DEST_PATH_IMAGE014
式（8）；
式8中的
Figure DEST_PATH_IMAGE015
为步长因子；通常步长因子的收敛条件为
Figure 46505DEST_PATH_IMAGE016
，其中
Figure DEST_PATH_IMAGE017
为输入信号X(n)的自相关矩阵Rx的最大特征值，而
Figure 777701DEST_PATH_IMAGE015
会根据算法收敛的稳定性进行自动调整。
对式8两边求均值，并记
Figure 771065DEST_PATH_IMAGE018
，则有：
Figure DEST_PATH_IMAGE019
式（12）；
将式2带入式3得到：
Figure 587711DEST_PATH_IMAGE020
式（13）；
将式13带入式12得到：
Figure DEST_PATH_IMAGE021
式（14）；
式14中I是单位矩阵，由式14可以看出，步长
Figure 324723DEST_PATH_IMAGE022
在迭代的稳定性和收敛速度方面起到了决定性的作用。
设输入参考信号X(n)的自相关矩阵
Figure DEST_PATH_IMAGE023
为：
Figure 910425DEST_PATH_IMAGE024
式（9）；
输入的原始信号d(n)与输入参考信号X(n)的互相关矩阵P为：
Figure DEST_PATH_IMAGE025
式（10）；
其中
Figure 340269DEST_PATH_IMAGE026
有M个实特征值：
Figure DEST_PATH_IMAGE027
；在选取步长因子
Figure 145677DEST_PATH_IMAGE028
是为保证算法收敛，
Figure 420800DEST_PATH_IMAGE028
应该满足下面的式：
Figure DEST_PATH_IMAGE029
式（11）；
由于
Figure 126588DEST_PATH_IMAGE030
是对称的自相关阵，可将其作矩阵分解：
Figure DEST_PATH_IMAGE031
式（15）；
式15中，
Figure 524071DEST_PATH_IMAGE032
是正交阵，
Figure DEST_PATH_IMAGE033
是对角阵，其元素是
Figure 252993DEST_PATH_IMAGE023
的特征值。将式15代入式14，有
Figure 394124DEST_PATH_IMAGE034
式（16）；
式16中，
Figure DEST_PATH_IMAGE035
。式16表示的是M个一阶差分方程。由于
Figure 892102DEST_PATH_IMAGE036
是常数项，因此LMS算法的稳定性由下式的齐次差分方程组来决定，即
Figure 227530DEST_PATH_IMAGE037
式（17）；
式17中
Figure 178169DEST_PATH_IMAGE038
是齐次方程的解。式17表示的是M个联立的解偶差分方程。考查该方程组的第
Figure 60674DEST_PATH_IMAGE039
个方程,其解应具有如下的形式：
Figure 475475DEST_PATH_IMAGE040
式（18）；
式18中的c是任意常数，
Figure 418023DEST_PATH_IMAGE041
是单位阶跃序列。
显然，如果保证：
Figure 855958DEST_PATH_IMAGE042
式（19）；
就能从而保证
Figure 338892DEST_PATH_IMAGE043
收敛到常数。
而，上式19又等效的要求，
Figure DEST_PATH_IMAGE044
式（20）；
由于式18中有M个方程，每一个方程都需要满足此条件，因此，为保证每一个方程的解都收敛，必有,
Figure 499877DEST_PATH_IMAGE016
式中
Figure 675643DEST_PATH_IMAGE017
是矩阵
Figure 600874DEST_PATH_IMAGE030
最大的特征值。
通过调节滤波器的权向量W（n），使得式（7）左边的E[e2(n)]最小，这时候E[(V(n)-y(n))2]也将达到最小。这就意味着，自适应滤波器的输出信号y(n)会与原始信号d(n)中的噪声分量V(n)达到最接近的水平，也就是说y(n)是噪声V(n)的最优估计，此时d(n)-y(n)的数值最接近真实的目标信号S(n)，并将此时的d(n)-y(n)作为自适应滤波器的输出。
当误差信号e(n)趋于零，自适应滤波器输出滤波后的心阻抗信号就和目标信号S(n)越接近；当参考信号X(n)和参考信号V(n)之间的相关性越高，自适应滤波的效果越明显。
如图2所示，一种心阻抗信号处理系统的硬件组成框图中，包括设置在人体胸壁上的传感器，和传感器连接的信号采集系统，电源模块为信号采集系统电连接实现供电，PC机检测平台通过串口通讯模块和信号采集系统连接获取信号。传感器包括了信号检测电极。
如图3和4所示，一种心阻抗信号处理系统的实施例中，心阻抗信号检测模块和呼吸阻抗信号检测模块同步进行信号检测，获取同步的心阻抗信号和呼吸阻抗信号。心阻抗信号检测模块包括用于获取心阻抗信号的心阻抗电极；心阻抗电极包括两个激励电极和两个检测电极；其中一个激励电极和一个检测电极用于设置在颈动脉处，另一激励电极和另一个检测电极用于设置在心脏下方的胸壁处；当两个激励电极之间发送了激励电流信号后，两个检测电极之间获取的人体电位变化信号为心阻抗信号。
如图3和4所示，一种心阻抗信号处理系统的实施例中，还包括用于获取心电信号的心电信号检测模块；心电信号检测模块包括用于获取心电信号的复数个心电电极；取复数个心电电极中的至少两个电极用作呼吸电极，向呼吸阻抗信号检测模块输入呼吸阻抗信号。心电信号检测模块、心阻抗信号检测模块和呼吸阻抗信号检测模块，三个模块同步进行信号检测，获取同步的心电信号、心阻抗信号和呼吸阻抗信号；心电信号和心阻抗信号同时输入至自适应滤波模块，用作自适应滤波模块的参考信号。
如图3的心阻抗信号处理系统的电极设置位置示意图之一可见，图中的RA、RL和LL为心电电极，以三导联心电电极的设置方式设置在胸壁上；该三个心电电极用于获取心电信号和呼吸信号；或者也可以采用精简的电极方式，只采用其中的任意两个电极组合，仅获取呼吸信号。
图3中的E1、E2、E3和E4为心阻抗信号检测电极，E1和E2这两个电极设置在颈动脉处，E3和E4这两个电极设置在心脏下方的胸壁上；其中E1和E4这两电极为心阻抗信号检测的激励电极，E2和E3这两电极为心阻抗信号检测的检测电极；且E3电极和LL心电电极为共用的一个电极。
如图3所示的电极的设置方式，能够保证激励电流沿主动脉和颈动脉传导，采集到比较显著的心阻抗信号，且尽可能减小其中的呼吸噪声。通过测量两个测量电极的电位信号，即可避免接触阻抗和极化作用的干扰。对心阻抗信号的测量，采用调制解调的原理，用高频低幅电流来调制心阻抗信号，经过解调和低通滤波电路得到解调后的心阻抗信号。
如图4的心阻抗信号处理系统的电极设置位置示意图之二可见，图中的RA、RL和LL为心电电极，以三导联心电电极的设置方式设置在胸壁上；该三个心电电极用于获取心电信号和呼吸信号；或者也可以采用精简的电极方式，只采用其中的任意两个电极组合，仅获取呼吸信号。在该实施例中，系统减少了测量电极的使用数量，测量心电信号的电极与测量另外两个信号的电极共用，简化了测量装置。
图4中的E1和E2为心阻抗信号检测电极，E1电极设置在颈动脉处，E2电极设置在心脏下方的胸壁上；其中E1和E2电极同时用作心阻抗信号检测的激励电极和检测电极；且E2电极和LL心电电极为共用的一个电极。
在一些附图中未显示的一种心阻抗信号处理系统的实施例中，呼吸阻抗信号检测模块包括用于获取呼吸阻抗信号的两个呼吸电极；呼吸电极同时用作激励电极和检测电极；两个呼吸电极以交叉方式设置在胸壁上，两个电极之间获取的人体电位变化信号为呼吸阻抗信号。
信号采集系统可以包括心电信号、心阻抗信号和呼吸信号的同步采集，也可以只包括心阻抗信号和呼吸信号的同步采集；信号采集系统所采集到的心电信号的幅度范围为0.2-5mV，频率范围为0.05-100Hz。胸腔基础阻抗的范围为0-500
Figure 825182DEST_PATH_IMAGE045
，并可能叠加干扰信号，其频率范围为0-0.12Hz之间；心脏泵血造成的胸腔阻抗变化范围为
Figure 948996DEST_PATH_IMAGE046
，信号频率范围为0.2-3Hz；呼吸造成的胸腔阻抗变化范围为0.1-3
Figure 233347DEST_PATH_IMAGE045
，对于的呼吸率范围为6-180 RPM(respiratory rates per minute)。
胸阻抗法在心阻抗信号检测过程中不可避免的引入呼吸阻抗，且一般的滤波器不能有效的去除呼吸噪声，自适应滤波器不用过多的关注原信号和噪声的先验知识，心阻抗和阻抗呼吸信号同时采集，应用自适应噪声抵消滤波器去除心阻抗信号中的呼吸噪声。自适应滤波器的优势在于能够根据上一次迭代得到的参数计算结果，来调节下一次的滤波器中的计算参数，从而达到良好的滤波效果，实现了自动调节滤波冲击响应的目的。
本发明中的滤波算法设计采用自适应滤波原理。以预处理后的心阻抗信号作为输入，以呼吸信号作为参考输入。以LMS最小均方差误差准则为算法依据，进行算法设计调整呼吸信号参与噪声滤除算法中的权重。在实际验证中获得了很好的滤波效果。
图5是心阻抗信号处理系统的采集到的呼吸阻抗信号波形示意图；图6中，上方的波形是心阻抗信号处理系统的采集到的原始心阻抗信号波形，下方的波形是自适应滤波后的心阻抗信号波形；从图5和图6的综合可知，图6中上方的原始心阻抗信号波形中的呼吸噪声非常的强烈，经过自适应滤波处理后的心阻抗信号波形中，呼吸噪声的滤除效果明显。
图7中，上方的波形是心阻抗信号处理系统的采集到的呼吸阻抗信号波形示意图，下方的波形是心阻抗信号处理系统的采集到的原始心阻抗信号波形。
图8中，最上方的波形是图7中原始心阻抗信号波形经过高通滤波后获得的心阻抗信号波形；中间的波形是图8中原始心阻抗信号波形经过陷波处理后的心阻抗信号波形，最下方的波形是图8中原始心阻抗信号波形经过自适应滤波处理后的心阻抗信号波形。
图8中最上方波形所采用的高通滤波滤除呼吸噪声的方法，对于氧代谢存在问题的患者伴有呼吸急促症状，患者的呼吸频率较高，此时高通滤波方法将不再适用。
图8中的中间波形所采用的陷波滤除呼吸噪声的方法，由于陷波器的参数指标固定，需要已知患者的呼吸信号幅频特性，增加了此算法的复杂度与冗余度。无论是高通滤波还是陷波，其滤波参数很难跟随患者情况进行实时调整。
从图7和图8的综合可知，图7中上方的原始心阻抗信号波形中的呼吸噪声非常的强烈，经过自适应滤波处理后的心阻抗信号波形呼吸噪声的滤除效果相对高通滤波和陷波滤除呼吸噪声的效果更好。
在获得了滤波后的心阻抗信号基础上，可以再根据Nyboer式，就可以计算出心排量及相关血液动力学参数。Nyboer式：
Figure 197936DEST_PATH_IMAGE001
，其中
Figure 225935DEST_PATH_IMAGE002
即每搏量SV，
Figure 407518DEST_PATH_IMAGE047
为血液的电阻率，L为两测量电极之间的间距，
Figure 597191DEST_PATH_IMAGE004
为基础阻抗，
Figure 559331DEST_PATH_IMAGE005
为阻抗变化量即心阻抗信号。
应用呼吸阻抗信号用作自适应滤波算法的参考输入信号进行噪声抵消，既防止了不同患者呼吸频率不同而普通固定频带的滤波器无法适应的情况，又避免了固定参数的滤波器对信号和噪声的先验知识要求较多的缺陷。
本发明基于同步采集的呼吸阻抗信号进行自适应滤波，取得更好的滤波效果：其优势在于能够根据上一次迭代得到的参数计算结果，来调节下一次的滤波器中的计算参数，从而达到良好的滤波效果，实现了自动调节滤波冲击响应的目的。
本发明创新性的提出了心阻抗信号中呼吸噪声去除的信号处理系统和方法，能非常有效的去除心阻抗信号中的呼吸噪声。且本发明的系统简单，降低信号处理系统的复杂度，提高滤波的有效性、准确性和适应性，有效的解决了心阻抗信号中呼吸噪声难以去除的难题，且呼吸噪声的去除效果相比其他处理方法都有非常大的提高，噪声滤除效果好，也显著提高了心排量等相关血液动力学参数计算的准确性，为准确、有效地计算出血液动力学参数，进而对更好的评价人体的心血管系统有较大的推动意义，同时具有显著的应用价值。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种心阻抗信号处理系统，其特征在于：
包括用于获取心阻抗信号的心阻抗信号检测模块，用于呼吸阻抗信号获取的呼吸阻抗信号检测模块，用于滤除心阻抗信号中呼吸噪声的自适应滤波模块；
心阻抗信号检测模块将获取的心阻抗信号输入至自适应滤波模块，用作自适应滤波模块的原始输入信号；
呼吸阻抗信号检测模块将获取的呼吸阻抗信号输入至自适应滤波模块，用作自适应滤波模块的参考信号；
自适应滤波模块滤除心阻抗信号中的呼吸噪声后输出滤波后的心阻抗信号；
所述自适应滤波模块包括采用最小均方误差算法准则的自适应滤波器，在该自适应滤波器中，采用最速下降原则调整参考信号参与滤波运算的权重；
自适应滤波器中，以心阻抗信号检测模块所获取的心阻抗信号为原始信号d(n)，以呼吸阻抗信号作为参考信号X(n)；原始信号d(n)和参考信号X(n)之间进行运算获得误差信号e(n)，并计算误差信号e(n)的实时均方差，并以实时均方差为依据调整参考信号X(n)参与运算的权重，使得误差信号e(n)的均方差趋于最小；
原始信号d(n)中包含了目标信号S(n)和噪声信号V(n)，表达如式1：
d(n)＝S(n)+V(n) 式(1)；
以原始信号d(n)和参考信号X(n)计算误差信号e(n)，误差信号e(n)也称为损失信号量或损失函数；表达如式2：
e(n)＝d(n)-y(n)＝S(n)+V(n)-y(n) 式(2)；
其中y(n)为参与误差运算的向量，表达如式3：
y(n)＝WT(n)X(n) 式(3)；
其中W(n)为权向量，初始权向量取值为1；
计算误差信号e(n)的均方误差，均方误差表达如式4和5：
E[e2(n)]＝E[(S(n)+V(n)-y(n))2] 式(4)；
E[e2(n)]＝E[S2(n)]+E[(V(n)-y(n))2]+2·E[S(n)(V(n)-y(n))] 式(5)；
由于有用信号S(n)与V(n)和y(n)都不相关，因此式(5)右端中的第三项为零，则有：
E[e2(n)]＝E[S2(n)]+E[(V(n)-y(n))2] 式(6)；
应用最小均方误差准则，通过调整式3中的权向量W(n)，使式(6)计算值最小，表达如式7：
minE[e2(n)]＝E[S2(n)]+minE[(V(n)-y(n))2] 式(7)；
其中权向量W(n)的更新计算式，表达如式8
W'(n)＝W(n)+μe(n)X(n) 式(8)；
式8中的μ为步长因子；步长因子的收敛条件为
Figure FDA0003873510720000021
其中λmax为输入信号X(n)的自相关矩阵Rx的最大特征值。
2.根据权利要求1所述的心阻抗信号处理系统，其特征在于：
心阻抗信号检测模块和呼吸阻抗信号检测模块同步进行信号检测，获取同步的心阻抗信号和呼吸阻抗信号。
3.根据权利要求1所述的心阻抗信号处理系统，其特征在于：
心阻抗信号检测模块包括用于获取心阻抗信号的心阻抗电极；
心阻抗电极包括两个激励电极和两个检测电极；
其中一个激励电极和一个检测电极用于设置在颈动脉处，另一个激励电极和另一个检测电极用于设置在心脏下方的胸壁处；
当两个激励电极之间发送了激励电流信号后，两个检测电极所获取的人体电位变化信号为心阻抗信号。
4.根据权利要求1所述的心阻抗信号处理系统，其特征在于：
呼吸阻抗信号检测模块包括用于获取呼吸阻抗信号的两个呼吸电极；两个呼吸电极同时用作激励电极和检测电极；
两个呼吸电极用于以交叉方式设置在胸壁上，两个呼吸电极所获取的人体电位变化信号为呼吸阻抗信号。
5.根据权利要求1所述的心阻抗信号处理系统，其特征在于：
还包括用于获取心电信号的心电信号检测模块；
心电信号检测模块包括用于获取心电信号的复数个心电电极；
取复数个心电电极中的至少两个电极用作呼吸电极，向呼吸阻抗信号检测模块传送呼吸阻抗信号。
6.一种心阻抗信号处理方法，包括以下步骤：
设置心阻抗信号检测模块，获取心阻抗信号；
设置呼吸阻抗信号检测模块，获取呼吸阻抗信号；
设置用于滤除心阻抗信号中呼吸噪声的自适应滤波模块；
心阻抗信号检测模块将获取的心阻抗信号输入至自适应滤波模块，用作自适应滤波模块的原始输入信号；
呼吸阻抗信号检测模块将获取的呼吸阻抗信号输入至自适应滤波模块，用作自适应滤波模块的参考信号；
自适应滤波模块滤除心阻抗信号中的呼吸噪声后输出滤波后的心阻抗信号；
所述自适应滤波模块包括采用最小均方误差算法准则的自适应滤波器，在该自适应滤波器中，采用最速下降原则调整参考信号参与滤波运算的权重；
以心阻抗信号检测模块所获取的心阻抗信号为原始信号d(n)，以呼吸阻抗信号作为参考信号X(n)；原始信号d(n)和参考信号X(n)之间进行运算获得误差信号e(n)，并计算误差信号e(n)的实时均方差，并以实时均方差为依据调整参考信号X(n)参与运算的权重，使得误差信号e(n)的均方差趋于最小；
原始信号d(n)中包含了目标信号S(n)和噪声信号V(n)，表达如式1：
d(n)＝S(n)+V(n) 式(1)；
以原始信号d(n)和参考信号X(n)计算误差信号e(n)，误差信号e(n)也称为损失信号量或损失函数；表达如式2：
e(n)＝d(n)-y(n)＝S(n)+V(n)-y(n) 式(2)；
其中y(n)为参与误差运算的向量，表达如式3：
y(n)＝WT(n)X(n) 式(3)；
其中W(n)为权向量，初始权向量取值为1；
计算误差信号e(n)的均方误差，均方误差表达如式4和5：
E[e2(n)]＝E[(S(n)+V(n)-y(n))2] 式(4)；
E[e2(n)]＝E[S2(n)]+E[(V(n)-y(n))2]+2·E[S(n)(V(n)-y(n))] 式(5)；
由于有用信号S(n)与V(n)和y(n)都不相关，因此式(5)右端中的第三项为零，则有：
E[e2(n)]＝E[S2(n)]+E[(V(n)-y(n))2] 式(6)；
应用最小均方误差准则，通过调整式3中的权向量W(n)，使式(6)计算值最小，表达如式7：
min E[e2(n)]＝E[S2(n)]+minE[(V(n)-y(n))2] 式(7)；
其中权向量W(n)的更新计算式，表达如式8
W'(n)＝W(n)+μe(n)X(n) 式(8)；
式8中的μ为步长因子；步长因子的收敛条件为
Figure FDA0003873510720000051
其中λmax为输入信号X(n)的自相关矩阵Rx的最大特征值。
CN201910325098.0A 2019-04-22 2019-04-22 心阻抗信号处理系统和方法 Active CN109984742B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910325098.0A CN109984742B (zh) 2019-04-22 2019-04-22 心阻抗信号处理系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910325098.0A CN109984742B (zh) 2019-04-22 2019-04-22 心阻抗信号处理系统和方法

Publications (2)

Publication Number Publication Date
CN109984742A CN109984742A (zh) 2019-07-09
CN109984742B true CN109984742B (zh) 2022-12-06

Family

ID=67134996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910325098.0A Active CN109984742B (zh) 2019-04-22 2019-04-22 心阻抗信号处理系统和方法

Country Status (1)

Country Link
CN (1) CN109984742B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111387939B (zh) * 2020-03-06 2023-08-18 芯海科技（深圳）股份有限公司 心排量的测量方法、装置、计算机设备和存储介质
TWI769449B (zh) * 2020-04-21 2022-07-01 廣達電腦股份有限公司 濾波系統及濾波方法
CN114305437B (zh) * 2020-10-10 2024-01-30 Oppo（重庆）智能科技有限公司 心电特征检测装置和方法以及心电特征检测系统
CN116458847B (zh) * 2023-04-18 2024-03-29 中船海神医疗科技有限公司 一种基于自适应滤波的急救设备干扰抑制方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1034665A (zh) * 1988-01-08 1989-08-16 北京航空学院 心脏功能自动无创检测仪
US6675036B2 (en) * 2001-07-18 2004-01-06 Ge Medical Systems, Inc. Diagnostic device including a method and apparatus for bio-potential noise cancellation utilizing the patient's respiratory signal
US7988634B1 (en) * 2007-01-10 2011-08-02 Pacesetter, Inc. Adaptive cancellation of a signal component
CN101422362A (zh) * 2008-12-09 2009-05-06 华南理工大学 具有运动伪差消除功能的无线心电监护系统
WO2014006891A1 (ja) * 2012-07-06 2014-01-09 パナソニック株式会社 生体信号計測装置、および、生体信号計測方法
US20140343448A1 (en) * 2013-05-15 2014-11-20 Zephyr Technology Corporation Two-electrode, impedance-based respiration determination
CN104545912B (zh) * 2015-01-31 2017-06-16 中山大学 一种心肺阻抗的测量方法及装置
CN106510716B (zh) * 2016-11-07 2019-09-20 广州视源电子科技股份有限公司 一种基于心电信号计算呼吸率的方法及装置

Also Published As

Publication number Publication date
CN109984742A (zh) 2019-07-09

Similar Documents

Publication Publication Date Title
CN109984742B (zh) 心阻抗信号处理系统和方法
KR101683908B1 (ko) 적응 조각 이음 알고리즘에 의한 심폐소생술 중의 진성 심전도 측정
US9351674B2 (en) Method for enhancing pulse oximetry calculations in the presence of correlated artifacts
JP4338242B2 (ja) 生理的信号内のアーチファクト信号のレベルを低減する装置
EP1740091B1 (en) Method and apparatus for optical detection of mixed venous and arterial blood pulsation in tissue
US20100094147A1 (en) Systems and methods for monitoring heart function
MXPA06010306A (es) Seleccion de ponderaciones de promediacion de conjuntos para un oximetro de pulso basada en metricas de calidad de senal.
WO2022068677A1 (zh) 一种基于胸阻抗的运动肺功能测量系统
JP5722898B2 (ja) 動脈血圧を非侵襲的に測定する装置
Hu et al. Adaptive filtering and characteristics extraction for impedance cardiography
Pingale Using Pan Tompkin ‘S Method, ECG signal processing and dignose various diseases in Matlab
US20200170526A1 (en) Detection and monitoring using high frequency electrogram analysis
Pandey et al. Cancellation of respiratory artifact in impedance cardiography
CN116250814A (zh) 无创连续血压检测方法、系统、装置和存储介质
Besleaga et al. Non-invasive detection of mechanical alternans utilizing photoplethysmography
US9254094B2 (en) Detection and monitoring using high frequency electrogram analysis
Fedotov et al. Motion artifacts reduction in wearable respiratory monitoring device
Pandey et al. Adaptive filtering for suppression of respiratory artifact in impedance cardiography
US20060235325A1 (en) Congestive heart failure monitor
Ahlstrom et al. A method for accurate localization of the first heart sound and possible applications
JP7175052B2 (ja) 体内組織の特徴情報を検出するための非侵襲的方法及びそのシステム
Pandey et al. Wavelet based cancellation of respiratory artifacts in impedance cardiography
Guleria et al. Removing the power line interference from ECG signal using Kalman least mean square filter
US10993672B2 (en) Non-invasive method and system to extract characteristic information of bio-tissues
CN111887829A (zh) 人体健康信息检测评估系统及其运行方法

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