CN110327036A - 从穿戴式心电中提取呼吸信号和呼吸频率的方法 - Google Patents

从穿戴式心电中提取呼吸信号和呼吸频率的方法 Download PDF

Info

Publication number
CN110327036A
CN110327036A CN201910670473.5A CN201910670473A CN110327036A CN 110327036 A CN110327036 A CN 110327036A CN 201910670473 A CN201910670473 A CN 201910670473A CN 110327036 A CN110327036 A CN 110327036A
Authority
CN
China
Prior art keywords
wave
respiratory rate
signal
breath signal
sequence
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.)
Granted
Application number
CN201910670473.5A
Other languages
English (en)
Other versions
CN110327036B (zh
Inventor
刘澄玉
胡振原
孙琦
李建清
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN201910670473.5A priority Critical patent/CN110327036B/zh
Publication of CN110327036A publication Critical patent/CN110327036A/zh
Application granted granted Critical
Publication of CN110327036B publication Critical patent/CN110327036B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/366—Detecting abnormal QRS complex, e.g. widening
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • 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)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Pulmonology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Power Engineering (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提出了一种从穿戴式心电中提取呼吸信号和呼吸频率的方法，该方法先获取原始穿戴式心电数据信号，再对心电数据进行滤波处理，接着QRS波群的特征点识别，幅值变换法得到呼吸信号，根据峰值检测法计算出第一呼吸率，根据自相关函数和快速傅里叶变换得到第二呼吸率，最后呼吸率融合。本发明提供的从穿戴式心电中提取呼吸信号和呼吸频率的方法，通过该方法从而使得呼吸信号的提取不依赖于专门的硬件，只需要心电信号就能获取呼吸信号，而且得到的数据准确度较高，误差较小，受环境、运动等的影响较小。同时不会增加待监护病人的不舒适感和病人的身心负担，便于日常生理监护。

Description

从穿戴式心电中提取呼吸信号和呼吸频率的方法
技术领域
本发明涉及呼吸检测领域，尤其涉及一种从穿戴式心电中提取呼吸信号和呼吸频率的方法。
背景技术
呼吸是人体最为重要的的生理过程之一，也是生命延续的表征之一，对人体呼吸的监测是日常综合监护的一项重要内容，也是现代监护技术在医疗领域的一项重要组成部分，现代医学也已经证明，高血压、心脏病以及房颤等疾病都与呼吸功能障碍有关，而与呼吸监测相关的医学研究、军事研究以及运动医学等方面的技术都得到了极其广泛的应用。
呼吸信号作为一项很重要的生理过程已经越来越受到人们的重视和研究，并且在过去的几十年里，在全世界的工程师们的努力之下，开创和发展了相当成熟的呼吸检测分析技术。呼吸信号主要有以下几种检测技术：压力传感器获取呼吸信号，阻抗容积法获取呼吸信号，电容传感器获取呼吸信号，温度传感器获取呼吸信号，呼吸音法获取呼吸信号等，但是使用这些方法不但增加信号的采集模块，而且准确度较低，误差较大，收环境、运动等的影响较大，并且会增加待监护病人的不舒适感和病人的身心负担，不适合用于日常生理监护。
在实际应用中，心电信号是应用极其广泛且提取相对比较容易的生理信号，心电信号包含了心脏的相关健康状况，但是在心电信号采集过程中，由于规律的呼吸运动会造成心脏电轴旋转也呈规律性的变化，进而会使采集的心电信号发生与呼吸信号同步的规律变化，也就是说，呼吸运动可以引起心电信号的变化。在心电信号中，QRS波群无疑是变化最明显的特征之一，这也是由于在呼吸运动的周期中，描述心脏电波主要传输方向的心脏电轴旋转造成的QRS波群的形态发生了变化，主要表现为Q-R幅值和R-S幅值的变化，参见图1，呼吸作用对心电信号的调制作用，这也为我们从心电信号中提取呼吸信号提供了理论基础和事实根据。从而使得呼吸信号的提取不依赖于专门的硬件，只需要心电信号就能获取呼吸信号。
但现有的从心电信号提取呼吸信号(EDR)主要通过单个特征点来确定呼吸信号，并且针对的是待测者在静止状态下的心电信号，例如，通过识别心电信号的特征点R波幅值的大小的周期性变化来判断呼吸信号的趋势变化，这种算法虽然相对简单，逻辑清楚，但易受心电信号的基线漂移，随机性干扰等的影响，而导致出现较大的误差，使得呼吸率偏差较大的情况。
发明内容
发明目的：针对上述问题，本发明提出了一种从穿戴式心电中提取呼吸信号和呼吸频率的方法，可提高运动状态下的呼吸信号的准确度，以实现检测到的呼吸率具有较高的精确度。
技术方案：为了实现上述目的，一种从穿戴式心电中提取呼吸信号和呼吸频率的方法，包括如下步骤：
(1)获取原始穿戴式心电数据信号；
(2)对心电数据进行滤波处理，得到包含心电信号的时间序列；
(3)对滤波处理后的包含心电信号的时间序列进行QRS波群的特征点识别，提取出QRS波特征点；
(4)根据所得到的QRS波特征点的位置序列，采用幅值变换法得到呼吸信号；
(5)根据峰值检测法对呼吸信号进行处理，计算出第一呼吸率；
(6)先对包含心电信号的时间序列进行滤波，再根据自相关函数和快速傅里叶变换得到功率谱求得第二呼吸率；
(7)将第一呼吸率和第二呼吸率融合，得到呼吸频率。
进一步，所述步骤(2)中，构建滤波器对心电数据进行滤波处理，心电数据信号主要频率集中在0.05Hz～100Hz，呼吸信号频率主要集中在0.1667Hz～0.6667Hz，设置低通滤波器参数，低截止频率98Hz，高截止频率103Hz；设置高通滤波器参数，低截止频率0.02Hz～0.1Hz；设置带通滤波器参数，滤除工频干扰，上截止频率53Hz，下截止频率47Hz，得到包含呼吸信号的时间序列S1。
进一步，所述步骤(3)中，将所得到的包含呼吸信号的时间序列S1，通过自适应移动窗口极值法进行QRS波群特征点检出，自适应的移动窗口会根据采样率的不同计算出大小不同的窗口，每个窗口将包含一个完整的QRS波群，从而提取出QRS波特征点。
进一步，所述步骤(3)中，将所得到的包含呼吸信号的时间序列S1序列，提取出QRS波特征点的具体步骤如下：
将上述所得到的包含呼吸信号的时间序列S1进行差分计算得到差分信号D(t):
D(t)＝[S1i+1-S1i]
设θ为时间序列S1的总的采样点数，S1i和S1i+1表示S1序列中相邻的两个采样点的值，则D(t)的序列长度为θ-1；
再对差分信号D(t)进行非线性平方变换得到X(t)信号：
X(t)＝D(t)2
然后对X(t)信号通过滑动平均滤波和中值滤波方法对信号进行平滑处理得到Y(t)信号，滑动平均滤波的阶数和中值滤波阶数均设置为n，n向上取整，且有采样频率唯一确定：
其中f表示心电信号S1的采样频率，且f>100Hz；
对滤波后Y(t)信号根据滑动平均滤波的延迟特性进行还原处理，即舍弃序列前n/2个信号点，得到还原信号Y1(t)；
阈值的大小设置为Y1(t)中R波所对应得窗口幅值的0.2倍，为了减小尖峰干扰影响可通过平均值近似计算窗口幅值的大小；
将超过阈值的区间定义为Y1(t)中一个QRS波窗口，用Hx表示窗口，在每个窗口中通过极大值求最大值确定R波位置序列R(δ)：
R(δ)＝[max(H1)…max(Hx)]
其中QRS波最大宽度为0.12s，采样频率f，可通过在R波位置后f*0.12个采样点中搜索最小值，得到S波位置，因此利用R波位置序列R(δ)可计算出相应的S波位置序列S(δ)；通过在R波位置前f*0.12个采样点中搜索最小值，得到Q波位置，因此利用R波位置序列R(δ)可计算出相应的Q波位置序列Q(δ)。
进一步，所述步骤(4)中根据上述所得到的QRS波特征点的位置序列Q(δ)，R(δ)，S(δ)，采用幅值变换法计算呼吸信号，即通过R-S波幅值与R-Q波幅值之和的周期性波动来表示呼吸信号R(σ)：
R(σ)＝Mrs+Mrq
其中R(σ)表示随时间变化的呼吸信号，Mrs和Mrq表示同一个窗口内QRS波中相邻的R波和S波的幅值取绝对值及R波和Q波的幅值的绝对值；对所得到的呼吸信号根据香农—奈奎斯特采样定理进行重采样和滑动平均滤波，使所得到的信号的尽可能的平滑，方便呼吸率的计算。
进一步，所述步骤(5)中，得到的呼吸信号R(σ)，根据通过峰值检测法在上述所得的呼吸信号R(σ)找到波峰或者波谷，得到一段时间的呼吸次数，根据时间换算即可得到当前时刻的呼吸率，设为第一呼吸率R1，具体步骤如下：
峰值检测算法如下：
舍去R(σ)序列中最后一个元素后作差分：
RF(σ)＝[R(2)-R(1)…R(ε-1)-R(ε-2)]
其中ε表示R(σ)序列中元素的个数，对所得的前差分信号取逻辑值，即正数取1，负数取0，并记作RF(σ)；
舍去R(σ)序列第一个元素作差分：
RB(σ)＝[R(3)-R(2)…R(ε)-R(ε-1)]
其中ε表示R(σ)序列中元素的个数，对所得的差分信号取逆逻辑值，即正数取0，负数取1，并记作RB(σ)；
根据峰值的特点是峰值大于相邻两个点的值，即对RF(σ)与RB(σ)相应位置取逻辑与运算，相应位置为1的后一位是一个峰值。然后可通过时间和峰值个数计算出实时的呼吸率作为第一呼吸率R1。
进一步，对保护心电信号的时间序列S1进行低通滤波，设置低截止频率0.6667Hz，高截止频率1Hz，得到含有呼吸信号的时间序列S2，通过自相关函数和其傅里叶变换对S2求功率谱分布，在频率范围[0.1667,0.6667]Hz内找功率最大的点对应的频率就是呼吸频率，设为第二呼吸率R2。
进一步，所述步骤(7)中，呼吸频率可如下获得：R＝(R1+R2)/2。
具体工作机理：将上述所得到的心电信号进行差分计算得到D(t)差分信号，差分信号描述了信号的变化率，在一个心电周期中，QRS波的变化率是最明显的，为了方便计算和比较需要对差分信号进行非线性平方变换得到X(t)信号，然后对X(t)通过滑动平均滤波和中值滤波方法对信号进行平滑处理，滑动平均滤波和中值滤波的阶数n由采样频率确定。由于滑动平均滤波的延迟特性，需要对滤波后的信号进行还原处理，将舍弃信号的前n/2个信号点。阈值的大小设置为窗口幅值的0.2倍大小，可通过平均值近似计算窗口幅值的大小。将超过0.2倍窗口幅值的区间定义为一个QRS波窗口，根据QRS波特点首先在一个窗口中通过极值法求最大值来识别R波位置，同理在QRS波窗口中R波后求最小值来识别S波位置，在同一个窗口中R波之前求最小值来识别Q波位置。至此得到QRS波特征点。
根据上述所得到的QRS波特征点，根据幅值变换法计算出呼吸波形。如图1所示，心电信号在呼吸的作用下，QRS波的幅值会呈周期性变化，因此，通过幅值调制法即通过采用R-S波幅值与R-Q波幅值之和的周期性波动来表示呼吸信号。
对上述步骤得到的呼吸信号，根据香农——奈奎斯特采样原理进行重采样和滑动平均滤波。通过极值法在上述所得的呼吸信号中找到波峰或者波谷，得到一段时间的呼吸次数，根据时间换算即可得到当前时刻的呼吸率，设为第一呼吸率。通过自相关函数和其傅里叶变换求其功率分布，在频率范围[0.1667,0.6667]Hz内找功率最大的点对应的频率就是呼吸频率，设为第二呼吸率。对两个呼吸率作平均值为所求呼吸信号的真实呼吸率。
有益效果
本发明提供的从穿戴式心电中提取呼吸信号和呼吸频率的方法，通过该方法从而使得呼吸信号的提取不依赖于专门的硬件，只需要心电信号就能获取呼吸信号，而且得到的数据准确度较高，误差较小，受环境、运动等的影响较小。同时不会增加待监护病人的不舒适感和病人的身心负担，便于日常生理监护。
附图说明
图1为呼吸运动的周期中，呼吸信号对心电信号幅值调制后的心电信号图和同步的呼吸信号图。
图2为实施例1提供的呼吸信号提取和呼吸率评估方法的过程示意图。
图3为实施例1提供的原始穿戴式心电信号和呼吸信号波形图。
图4为实施例1中原始穿戴式心电信号通过滤波后的心电信号波形图。
图5为实施例1中通过实际的心电数据进行测试得到的呼吸波形图。
图6为实施例1通过心电信号提取的第二呼吸信号波形图。
图7为实施例1通过时间序列S1得到的第二呼吸信号功率谱图。
图8为实施例1同步采集的呼吸信号功率谱图。
具体实施方式
以下将结合附图和实施例，对本发明进行较为详细的说明。
实施例：
本发明提供了一种从穿戴式心电中提取呼吸信号和呼吸频率的方法，由于呼吸的作用会对心电信号产生调制作用，使QRS波群特征点产生较明显的变化，穿戴式心电信号比起传统的静止状态下的心电信号更容易受到外界环境的干扰，因此，对于信号质量不佳的心电信号要滤除掉，本发明实例采用相邻QRS波群特征的比值来描述波群的变化趋势，而这个波群的变化趋势也就是呼吸波的变化趋势，从而提取出呼吸波，计算出呼吸频率。
参见图2，本发明实施例提供了一种基于穿戴式心电信号的呼吸波提取和呼吸率评估方法，其包括如下步骤：
获取原始穿戴式心电信号，如图3，为原始穿戴式心电信号波形图。原始穿戴式心电数据信号是从穿戴心电设备获取的，在日常简单运动下，通过穿戴式心电设备获取运动状态下心电数据。首先为了满足呼吸信号实时监测的需要，需要一段短时长的心电数据，这里设置为10s的数据长度，短时长的数据帧能降低基线漂移的影响，同时也有利于滤除运动伪信号，以下所有信号分析处理也均采用固定10s的分析窗口进行分析。
原始信号中包含了大量的基线漂移干扰，工频干扰，以及高频干扰等，需要通过构建滤波器进行滤除，心电数据信号主要频率集中在0.05Hz～100Hz，呼吸信号频率主要集中在0.1667Hz～0.6667Hz，构建滤波器并设置相应的参数：设置低通滤波器参数，低截止频率98Hz，高截止频率103Hz；设置高通滤波器参数，低截止频率0.02Hz～0.1Hz；设置带通滤波器参数，滤除工频干扰，上截止频率53Hz，下截止频率47Hz，得到包含心电信号的时间序列S1，参见图4。
根据上述所得到的心电信号，进行QRS波特征点提取。典型的QRS波包括紧密相连的三个波，第一个向下的是Q波，继Q波之后的一个高耸向上的波是R波，继R波之后的向下的波是S波，三个波紧密相连，也是ECG信号中最容易捕捉的波形，R波和S波是QRS波群中最容易捕捉的波形。通常根据标准II导联采集的心电信号提取呼吸信号，标准II导联信号中S波小于Q波和R波，R波大于Q波和S波，所以可以在一个包含一个QRS波群的窗口中根据极值法求得R波和S波，再根据R波位置计算Q波的位置。根据自适应移动窗口极值法进行QRS波群特征点检出，自适应的移动窗口会根据QRS波的不同计算出大小不同的窗口，每个窗口将包含一个完整的QRS波群。
具体步骤如下：
将上述所得到的心电信号S1进行差分计算得到差分信号D(t):
D(t)＝[S1i+1-S1i]
设θ为序列S1的总的采样点数，S1i和S1i+1表示S1序列中相邻的两个采样点的值，则D(t)的序列长度为θ-1。
再对差分信号D(t)进行非线性平方变换得到X(t)信号：
X(t)＝D(t)2
然后对X(t)通过滑动平均滤波和中值滤波方法对信号进行平滑处理得到Y(t)信号，滑动平均滤波的阶数和中值滤波阶数均设置为n，n向上取整，且有采样频率唯一确定：
其中f表示心电信号S1的采样频率，且f>100Hz。
对滤波后Y(t)信号根据滑动平均滤波的延迟特性进行还原处理，即舍弃序列前n/2个信号点，得到还原信号Y1(t)。
阈值的大小设置为Y1(t)中R波所对应得窗口幅值的0.2倍，为了减小尖峰干扰影响可通过平均值近似计算窗口幅值的大小。
将超过阈值的区间定义为Y1(t)中一个QRS波窗口，用Hx表示窗口，在每个窗口中通过极大值求最大值确定R波位置序列R(δ)：
R(δ)＝[max(H1)…max(Hx)]
其中QRS波最大宽度为0.12s，采样频率f，可通过在R波位置后f*0.12个采样点中搜索最小值，得到S波位置，因此利用R波位置序列R(δ)可计算出相应的S波位置序列S(δ)；通过在R波位置前f*0.12个采样点中搜索最小值，得到Q波位置，因此利用R波位置序列R(δ)可计算出相应的Q波位置序列Q(δ)。
根据上述所得到的QRS波特征点的位置序列Q(δ)，R(δ)，S(δ)，采用幅值变换法计算呼吸信号，即通过R-S波幅值与R-Q波幅值之和的周期性波动来表示呼吸信号R(σ)：
R(σ)＝Mrs+Mrq
其中R(σ)表示随时间变化的呼吸信号，Mrs和Mrq表示同一个窗口内QRS波中相邻的R波和S波的幅值取绝对值及R波和Q波的幅值的绝对值；对所得到的呼吸信号根据香农—奈奎斯特采样定理进行重采样和滑动平均滤波，使所得到的信号的尽可能的平滑，方便呼吸率的计算。通过实际的心电数据进行测试得到的呼吸波形如图5所示，可以看出与实际呼吸波形具有很高的一致性。
根据通过峰值检测法在上述所得的呼吸信号R(σ)找到波峰或者波谷，得到一段时间的呼吸次数，根据时间换算即可得到当前时刻的呼吸率，设为第一呼吸率R1。
峰值检测算法如下：
舍去R(σ)序列中最后一个元素后作差分：
RF(σ)＝[R(2)-R(1)…R(ε-1)-R(ε-2)]
其中ε表示R(σ)序列中元素的个数，对所得的前差分信号取逻辑值，即正数取1，负数取0，并记作RF(σ)；
舍去R(σ)序列第一个元素作差分：
RB(σ)＝[R(3)-R(2)…R(ε)-R(ε-1)]
其中ε表示R(σ)序列中元素的个数，对所得的差分信号取逆逻辑值，即正数取0，负数取1，并记作RB(σ)；
根据峰值的特点是峰值大于相邻两个点的值，即对RF(σ)与RB(σ)相应位置取逻辑与运算，相应位置为1的后一位是一个峰值。然后可通过时间和峰值个数计算出实时的呼吸率作为第一呼吸率R1。
对包含心电信号的时间序列S1进行低通滤波，设置低截止频率0.6667Hz，高截止频率1Hz，得到含有呼吸信号的时间序列S2，通过自相关函数和其傅里叶变换对S2求功率谱分布，在频率范围[0.1667,0.6667]Hz内找功率最大的点对应的频率就是呼吸频率，设为第二呼吸率R2，如图7所示，第二呼吸信号的功率谱，作为对比图8为实际呼吸信号的功率谱，可以得出，第二呼吸信号与实际呼吸信号在[0.1667,0.6667]Hz内具有很高的一致性。
如图5为经过本发明方法得到的第一呼吸信号，其经过峰值检测算法得呼吸频率为16次/min，图6是经过本发明得到的第二呼吸信号，图7为第二呼吸信号功率谱，其对应的呼吸频率为18次/min，其平均呼吸频率为17次/min，通过对同步采集的呼吸信号作功率谱，如图8所示，可得其实际呼吸频率为18次/min，相对误差为0.056。
以上说明为本发明的具体实施步骤。

Claims (8)

1.一种从穿戴式心电中提取呼吸信号和呼吸频率的方法，其特征在于包括如下步骤：
(1)获取原始穿戴式心电数据信号；
(2)对心电数据进行滤波处理，得到包含心电信号的时间序列；
(3)对滤波处理后的包含心电信号的时间序列进行QRS波群的特征点识别，提取出QRS波特征点；
(4)根据所得到的QRS波特征点的位置序列，采用幅值变换法得到呼吸信号；
(5)根据峰值检测法对呼吸信号进行处理，计算出第一呼吸率；
(6)先对包含心电信号的时间序列进行滤波，再根据自相关函数和快速傅里叶变换得到功率谱求得第二呼吸率；
(7)将第一呼吸率和第二呼吸率融合，得到呼吸频率。
2.根据权利要求1所述的从穿戴式心电中提取呼吸信号和呼吸频率的方法，其特征在于：所述步骤(2)中，构建滤波器对心电数据进行滤波处理，设置低通滤波器参数，低截止频率98Hz，高截止频率103Hz；设置高通滤波器参数，低截止频率0.02Hz～0.1Hz；设置带通滤波器参数，滤除工频干扰，上截止频率53Hz，下截止频率47Hz，得到包含呼吸信号的时间序列S1。
3.根据权利要求1所述的从穿戴式心电中提取呼吸信号和呼吸频率的方法，其特征在于：所述步骤(3)中，将所得到的包含呼吸信号的时间序列S1，通过自适应移动窗口极值法进行QRS波群特征点检出，自适应的移动窗口会根据采样率的不同计算出大小不同的窗口，每个窗口将包含一个完整的QRS波群，从而提取出QRS波特征点。
4.根据权利要求3所述的从穿戴式心电中提取呼吸信号和呼吸频率的方法，其特征在于：所述步骤(3)中，将所得到的包含呼吸信号的时间序列S1序列，提取出QRS波特征点的具体步骤如下：
将上述所得到的包含呼吸信号的时间序列S1进行差分计算得到差分信号D(t)：
D(t)＝[S1i+1-S1i]
设θ为时间序列S1的总的采样点数，S1i和S1i+1表示S1序列中相邻的两个采样点的值，则D(t)的序列长度为θ-1；
再对差分信号D(t)进行非线性平方变换得到X(t)信号：
X(t)＝D(t)2
然后对X(t)信号通过滑动平均滤波和中值滤波方法对信号进行平滑处理得到Y(t)信号，滑动平均滤波的阶数和中值滤波阶数均设置为n，n向上取整，且有采样频率唯一确定：
其中f表示心电信号s1的采样频率，且f＞100Hz；
对滤波后Y(t)信号根据滑动平均滤波的延迟特性进行还原处理，即舍弃序列前n/2个信号点，得到还原信号Y1(t)；
阈值的大小设置为Y1(t)中R波所对应得窗口幅值的0.2倍，为了减小尖峰干扰影响可通过平均值近似计算窗口幅值的大小；
将超过阈值的区间定义为Y1(t)中一个QRS波窗口，用Hx表示窗口，在每个窗口中通过极大值求最大值确定R波位置序列R(δ)：
R(δ)＝[max(H1)…max(Hx)]
其中QRS波最大宽度为0.12s，采样频率f，可通过在R波位置后f*0.12个采样点中搜索最小值，得到S波位置，因此利用R波位置序列R(δ)可计算出相应的S波位置序列S(δ)；通过在R波位置前f*0.12个采样点中搜索最小值，得到Q波位置，因此利用R波位置序列R(δ)可计算出相应的Q波位置序列Q(δ)。
5.根据权利要求1所述的从穿戴式心电中提取呼吸信号和呼吸频率的方法，其特征在于：所述步骤(4)中根据上述所得到的QRS波特征点的位置序列Q(δ)，R(δ)，S(δ)，采用幅值变换法计算呼吸信号，即通过R-S波幅值与R-Q波幅值之和的周期性波动来表示呼吸信号R(σ)：
R(σ)＝Mrs+Mrq
其中R(σ)表示随时间变化的呼吸信号，Mrs和Mrq表示同一个窗口内QRS波中相邻的R波和S波的幅值取绝对值及R波和Q波的幅值的绝对值；对所得到的呼吸信号根据香农-奈奎斯特采样定理进行重采样和滑动平均滤波，使所得到的信号的尽可能的平滑，方便呼吸率的计算。
6.根据权利要求1所述的从穿戴式心电中提取呼吸信号和呼吸频率的方法，其特征在于：所述步骤(5)中，得到的呼吸信号R(σ)，根据通过峰值检测法在上述所得的呼吸信号R(σ)找到波峰或者波谷，得到一段时间的呼吸次数，根据时间换算即可得到当前时刻的呼吸率，设为第一呼吸率R1，具体步骤如下：
峰值检测算法如下：
舍去R(σ)序列中最后一个元素后作差分：
RF(σ)＝[R(2)-R(1)…R(ε-1)-R(ε-2)]
其中ε表示R(σ)序列中元素的个数，对所得的前差分信号取逻辑值，即正数取1，负数取0，并记作RF(σ)；
舍去R(σ)序列第一个元素作差分：
RB(σ)＝[R(3)-R(2)…R(ε)-R(ε-1)]
其中ε表示R(σ)序列中元素的个数，对所得的差分信号取逆逻辑值，即正数取0，负数取1，并记作RB(σ)；
根据峰值的特点是峰值大于相邻两个点的值，即对RF(σ)与RB(σ)相应位置取逻辑与运算，相应位置为1的后一位是一个峰值。然后可通过时间和峰值个数计算出实时的呼吸率作为第一呼吸率R1。
7.根据权利要求1所述的从穿戴式心电中提取呼吸信号和呼吸频率的方法，其特征在于：对保护心电信号的时间序列S1进行低通滤波，设置低截止频率0.6667Hz，高截止频率1Hz，得到含有呼吸信号的时间序列S2，通过自相关函数和其傅里叶变换对S2求功率谱分布，在频率范围[0.1667，0.6667]Hz内找功率最大的点对应的频率就是呼吸频率，设为第二呼吸率R2。
8.根据权利要求1所述的从穿戴式心电中提取呼吸信号和呼吸频率的方法，其特征在于：所述步骤(7)中，呼吸频率可如下获得：R＝(R1+R2)/2。
CN201910670473.5A 2019-07-24 2019-07-24 从穿戴式心电中提取呼吸信号和呼吸频率的方法 Active CN110327036B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910670473.5A CN110327036B (zh) 2019-07-24 2019-07-24 从穿戴式心电中提取呼吸信号和呼吸频率的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910670473.5A CN110327036B (zh) 2019-07-24 2019-07-24 从穿戴式心电中提取呼吸信号和呼吸频率的方法

Publications (2)

Publication Number Publication Date
CN110327036A true CN110327036A (zh) 2019-10-15
CN110327036B CN110327036B (zh) 2021-11-30

Family

ID=68147282

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910670473.5A Active CN110327036B (zh) 2019-07-24 2019-07-24 从穿戴式心电中提取呼吸信号和呼吸频率的方法

Country Status (1)

Country Link
CN (1) CN110327036B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110859625A (zh) * 2019-12-25 2020-03-06 四川长虹电器股份有限公司 计算呼吸频率的方法
CN111248922A (zh) * 2020-02-11 2020-06-09 中国科学院半导体研究所 基于加速度计和陀螺仪的人体呼吸情况采集贴及制备方法
CN111493869A (zh) * 2020-04-10 2020-08-07 南京四十二科技有限公司 一种基于呼吸信号的超带宽雷达导航成像系统及方法
CN111603166A (zh) * 2020-06-01 2020-09-01 河南华南医电科技有限公司 一种基于心电向量图的呼吸信号检测方法
CN112651388A (zh) * 2021-01-20 2021-04-13 合肥工业大学 一种基于无人机的灾区生命信号检测与定位方法
CN113368351A (zh) * 2021-06-07 2021-09-10 中国人民解放军总医院第一医学中心 经鼻高流量呼吸频率监测方法及其呼吸支持设备
CN113729725A (zh) * 2021-09-30 2021-12-03 东南大学 基于功率谱一阶矩和平滑器的心电信号提取呼吸波形方法
CN114431853A (zh) * 2021-12-23 2022-05-06 新绎健康科技有限公司 便携式代谢能量检查设备
CN114521901A (zh) * 2021-12-28 2022-05-24 宁波慈溪生物医学工程研究所 一种心电特征提取方法、装置及存储介质
CN116019423A (zh) * 2022-12-30 2023-04-28 广州昂宝电子有限公司 睡眠监测方法和系统
CN116548928A (zh) * 2023-07-11 2023-08-08 西安浩阳志德医疗科技有限公司 一种基于互联网的护理服务系统
CN117503153A (zh) * 2024-01-05 2024-02-06 北华大学 基于人工智能的患者术后康复评价方法
CN117958792A (zh) * 2023-09-26 2024-05-03 延边大学 基于移动开窗法的自适应卡尔曼滤波呼吸频率计算方法

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6415174B1 (en) * 1998-11-09 2002-07-02 Board Of Regents The University Of Texas System ECG derived respiratory rhythms for improved diagnosis of sleep apnea
US20020169383A1 (en) * 2000-11-13 2002-11-14 Selvester Ronald H. Myocardial infarct detecting, sizing and locating
EP1711104A1 (en) * 2004-01-16 2006-10-18 Compumedics Limited Method and apparatus for ecg-derived sleep disordered breathing monitoring, detection and classification
WO2014089414A1 (en) * 2012-12-06 2014-06-12 Massachusetts Institute Of Technology Circuit for heartbeat detection and beat timing extraction
CN105488772A (zh) * 2016-01-26 2016-04-13 北京市环境保护监测中心 一种传感器信号峰值检测方法
CN105662375A (zh) * 2016-03-17 2016-06-15 广州中科新知科技有限公司 非接触式检测生命体征信号的方法和装置
CN105852850A (zh) * 2016-04-28 2016-08-17 深圳竹信科技有限公司 一种从心电信号中提取呼吸信号的方法及相关装置
US20160287122A1 (en) * 2015-03-30 2016-10-06 Resmed Sensor Technologies Limited Detection of periodic breathing
CN106073784A (zh) * 2016-08-17 2016-11-09 广州视源电子科技股份有限公司 一种呼吸率提取方法及装置
CN106137226A (zh) * 2016-07-29 2016-11-23 华南理工大学 一种基于心源性呼吸信号的精神压力评估方法
CN106510689A (zh) * 2016-12-30 2017-03-22 东南大学 一种穿戴式多生理参数采集装置
CN106691475A (zh) * 2016-12-30 2017-05-24 中国科学院深圳先进技术研究院 情感识别模型生成方法及装置
CN106955101A (zh) * 2017-01-16 2017-07-18 深圳中科汇康技术有限公司 从心电信号中提取呼吸信号的方法及装置
WO2017130250A1 (ja) * 2016-01-29 2017-08-03 パナソニックＩｐマネジメント株式会社 呼吸数検出装置、呼吸数検出方法、及び、プログラム記憶媒体
CN107080527A (zh) * 2017-02-23 2017-08-22 东南大学 一种可穿戴生命体征监测装置及精神状态监测方法
US20170293740A1 (en) * 2002-10-01 2017-10-12 World Award Academy Wearable personal digital device for facilitating mobile device payments and personal use
US10357163B1 (en) * 2012-06-01 2019-07-23 Vital Connect, Inc. Respiratory rate detection using decomposition of ECG

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6415174B1 (en) * 1998-11-09 2002-07-02 Board Of Regents The University Of Texas System ECG derived respiratory rhythms for improved diagnosis of sleep apnea
US20020169383A1 (en) * 2000-11-13 2002-11-14 Selvester Ronald H. Myocardial infarct detecting, sizing and locating
US20170293740A1 (en) * 2002-10-01 2017-10-12 World Award Academy Wearable personal digital device for facilitating mobile device payments and personal use
EP1711104A1 (en) * 2004-01-16 2006-10-18 Compumedics Limited Method and apparatus for ecg-derived sleep disordered breathing monitoring, detection and classification
US10357163B1 (en) * 2012-06-01 2019-07-23 Vital Connect, Inc. Respiratory rate detection using decomposition of ECG
WO2014089414A1 (en) * 2012-12-06 2014-06-12 Massachusetts Institute Of Technology Circuit for heartbeat detection and beat timing extraction
US20160287122A1 (en) * 2015-03-30 2016-10-06 Resmed Sensor Technologies Limited Detection of periodic breathing
CN105488772A (zh) * 2016-01-26 2016-04-13 北京市环境保护监测中心 一种传感器信号峰值检测方法
WO2017130250A1 (ja) * 2016-01-29 2017-08-03 パナソニックＩｐマネジメント株式会社 呼吸数検出装置、呼吸数検出方法、及び、プログラム記憶媒体
CN105662375A (zh) * 2016-03-17 2016-06-15 广州中科新知科技有限公司 非接触式检测生命体征信号的方法和装置
CN105852850A (zh) * 2016-04-28 2016-08-17 深圳竹信科技有限公司 一种从心电信号中提取呼吸信号的方法及相关装置
CN106137226A (zh) * 2016-07-29 2016-11-23 华南理工大学 一种基于心源性呼吸信号的精神压力评估方法
CN106073784A (zh) * 2016-08-17 2016-11-09 广州视源电子科技股份有限公司 一种呼吸率提取方法及装置
CN106691475A (zh) * 2016-12-30 2017-05-24 中国科学院深圳先进技术研究院 情感识别模型生成方法及装置
CN106510689A (zh) * 2016-12-30 2017-03-22 东南大学 一种穿戴式多生理参数采集装置
CN106955101A (zh) * 2017-01-16 2017-07-18 深圳中科汇康技术有限公司 从心电信号中提取呼吸信号的方法及装置
CN107080527A (zh) * 2017-02-23 2017-08-22 东南大学 一种可穿戴生命体征监测装置及精神状态监测方法

Non-Patent Citations (14)

* Cited by examiner, † Cited by third party
Title
BABAEIZADEH, SAEED；ZHOU, SOPHIA H；PITTMAN, STEPHEN D: "Electrocardiogram-derived respiration in screening of sleep-disordered breathing", 《JOURNAL OF ELECTROCARDIOLOGY》 *
DALLOO, A (DALLOO, AYAD): "High-Resolution ECG Automated Analysis and Diagnosis", 《2017 IEEE INTERNATIONAL CONFERENCE ON INTELLIGENT TECHNIQUES IN CONTROL, OPTIMIZATION AND SIGNAL PROCESSING (INCOS)》 *
GAO, Y (GAO, YUE)；YAN, H (YAN, HONG) XU, Z (XU, ZHI) XIAO: "A principal component analysis based data fusion method for ECG-derived respiration from single-lead ECG", 《AUSTRALASIAN PHYSICAL & ENGINEERING SCIENCES IN MEDICINE》 *
HELFENBEIN, ERIC；FIROOZABADI, REZA；CHIEN, SIMON；CARLSON, ERIC: "Development of three methods for extracting respiration from the surface ECG: A review", 《JOURNAL OF ELECTROCARDIOLOGY》 *
PAN, J (PAN, J) TOMPKINS, WJ (TOMPKINS, WJ): "A REAL-TIME QRS DETECTION ALGORITHM", 《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》 *
RUTTKAY-NEDECKY,REGECOVA, V: "Normal variability of the peak-to-trough amplitude of isointegral QRST body surface maps", 《JOURNAL OF ELECTROCARDIOLOGY》 *
S. FLEMING: "Measurement and Fusion of Non-invasive Vital Signs for Routine Triage", 《百度学术》 *
SCHMIDT, MARCUS；SCHUMANN, ANDY；MUELLER, JONAS；: "ECG derived respiration: comparison of time-domain approaches and application to altered breathing patterns of patients with schizophrenia", 《PHYSIOLOGICAL MEASUREMENT》 *
WIDJAJA, DEVY；TAELMAN, JOACHIM；VANDEPUT, STEVEN: "ECG-Derived Respiration: Comparison and New Measures for Respiratory Variability", 《COMPUTING IN CARDIOLOGY CONFERENCE》 *
刘俊秀: "基于心电信号检测睡眠呼吸暂停症的研究", 《万方》 *
刘文娜: "基于ECG信号进行心律失常及睡眠呼吸暂停综合症诊断分析", 《中国优秀硕士学位论文全文数据库》 *
杨沐春: "穿戴式呼吸参数监测与无线传输系统的研制", 《中国优秀硕士学位论文全文数据库》 *
林剑华: "基于心电信号的呼吸检测算法及其在睡眠分析中的应用研究", 《中国优秀硕士学位论文全文数据库》 *
迟相林,周建华,时萍,刘澄玉.: "短时心率变异性非线性分析方法及其在临床医学中的应用", 《生物医学工程学杂志》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110859625B (zh) * 2019-12-25 2021-03-30 四川长虹电器股份有限公司 计算呼吸频率的方法
CN110859625A (zh) * 2019-12-25 2020-03-06 四川长虹电器股份有限公司 计算呼吸频率的方法
CN111248922A (zh) * 2020-02-11 2020-06-09 中国科学院半导体研究所 基于加速度计和陀螺仪的人体呼吸情况采集贴及制备方法
CN111493869A (zh) * 2020-04-10 2020-08-07 南京四十二科技有限公司 一种基于呼吸信号的超带宽雷达导航成像系统及方法
CN111603166A (zh) * 2020-06-01 2020-09-01 河南华南医电科技有限公司 一种基于心电向量图的呼吸信号检测方法
CN112651388A (zh) * 2021-01-20 2021-04-13 合肥工业大学 一种基于无人机的灾区生命信号检测与定位方法
CN113368351A (zh) * 2021-06-07 2021-09-10 中国人民解放军总医院第一医学中心 经鼻高流量呼吸频率监测方法及其呼吸支持设备
CN113729725B (zh) * 2021-09-30 2024-02-06 东南大学 基于功率谱一阶矩和平滑器的心电信号提取呼吸波形方法
CN113729725A (zh) * 2021-09-30 2021-12-03 东南大学 基于功率谱一阶矩和平滑器的心电信号提取呼吸波形方法
CN114431853A (zh) * 2021-12-23 2022-05-06 新绎健康科技有限公司 便携式代谢能量检查设备
CN114521901A (zh) * 2021-12-28 2022-05-24 宁波慈溪生物医学工程研究所 一种心电特征提取方法、装置及存储介质
CN114521901B (zh) * 2021-12-28 2024-03-19 宁波慈溪生物医学工程研究所 一种心电特征提取方法、装置及存储介质
CN116019423A (zh) * 2022-12-30 2023-04-28 广州昂宝电子有限公司 睡眠监测方法和系统
CN116548928A (zh) * 2023-07-11 2023-08-08 西安浩阳志德医疗科技有限公司 一种基于互联网的护理服务系统
CN116548928B (zh) * 2023-07-11 2023-09-08 西安浩阳志德医疗科技有限公司 一种基于互联网的护理服务系统
CN117958792A (zh) * 2023-09-26 2024-05-03 延边大学 基于移动开窗法的自适应卡尔曼滤波呼吸频率计算方法
CN117503153A (zh) * 2024-01-05 2024-02-06 北华大学 基于人工智能的患者术后康复评价方法
CN117503153B (zh) * 2024-01-05 2024-03-15 北华大学 基于人工智能的患者术后康复评价方法

Also Published As

Publication number Publication date
CN110327036B (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN110327036A (zh) 从穿戴式心电中提取呼吸信号和呼吸频率的方法
CN101732050B (zh) 一种基于光电容积波的呼吸率监测方法
CN103070683B (zh) 基于生物电阻抗的睡眠呼吸模式识别方法及装置
US11103155B2 (en) Method of determining the frequency of a periodic physiological process of a subject, and a device and system for determining the frequency of a periodic physiological process of a subject
CN103479349B (zh) 心电信号数据获取及处理方法和系统
JP5090155B2 (ja) 呼吸速度、心拍速度、及び無呼吸に関する非侵襲性モニタリング
CN106108889A (zh) 基于深度学习算法的心电图分类方法
CN109414204A (zh) 用于确定针对对象的呼吸信息的方法和装置
CN112233813A (zh) 一种基于ppg的非接触式无创心率呼吸测量方法及系统
Ruangsuwana et al. Methods to extract respiration information from ECG signals
WO2019205841A1 (zh) 呼吸信息的获取方法及系统
CN109124610A (zh) 一种无创血压测量的抗干扰方法和装置
CN106473700B (zh) 基于hrv频域分析的阻塞性睡眠呼吸暂停综合征的检测系统
CN110236508A (zh) 一种无创血压连续监测方法
CN106037655A (zh) 一种睡眠周期信号的分离及周期计算方法及装置
CN105326477B (zh) 一种用于多种医学信号采集的呼吸及心跳同步信号提取方法及装置
CN106295225B (zh) 基于互信息网络的睡眠呼吸暂停综合征的检测系统
CN109498022A (zh) 一种基于光电容积脉搏波的呼吸频率提取方法
CN111543942A (zh) 睡眠呼吸暂停低通气事件的分类识别装置及方法
CN110384490A (zh) 基于相空间的bcg信号心率提取方法
CN105943040A (zh) 一种治疗中枢性睡眠呼吸暂停症的方法及装置
CN109157220A (zh) 一种基于多通道动态监测的呼吸指数提取系统及工作方法
CN111166325B (zh) 基于ipcmm算法的心电信号qrs复合波检测方法及系统
CN108742628B (zh) 一种呼吸检测方法
Zhang et al. Non-invasive blood glucose estimation using near-infrared spectroscopy based on SVR

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