CN110338798A - 基于rfid标签的人体呼吸量评估系统及方法 - Google Patents

基于rfid标签的人体呼吸量评估系统及方法 Download PDF

Info

Publication number
CN110338798A
CN110338798A CN201910634359.7A CN201910634359A CN110338798A CN 110338798 A CN110338798 A CN 110338798A CN 201910634359 A CN201910634359 A CN 201910634359A CN 110338798 A CN110338798 A CN 110338798A
Authority
CN
China
Prior art keywords
chest
displacement
label
user
respiratory capacity
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
CN201910634359.7A
Other languages
English (en)
Other versions
CN110338798B (zh
Inventor
常相茂
徐晓翔
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910634359.7A priority Critical patent/CN110338798B/zh
Publication of CN110338798A publication Critical patent/CN110338798A/zh
Application granted granted Critical
Publication of CN110338798B publication Critical patent/CN110338798B/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
    • A61B5/087—Measuring breath flow
    • 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
    • A61B5/091—Measuring volume of inspired or expired gases, e.g. to determine lung capacity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness

Abstract

本发明属于无线感知以及医疗监测领域，涉及一种基于RFID标签的人体呼吸量评估系统及方法，系统分为三个模块：（1）胸部位移估计：对预处理过后的相位流数据应用低通滤波器以消除环境和多路径产生的噪声，再利用距离与相位的换算公式推导出胸部标签的相对位移量并对其进行校准。（2）运动误差消除：通过在用户脖子下方附加参考标签以消除由于测量期间用户上身的轻微移动导致相位流产生的基线漂移。（3）胸部移位与呼吸量之间的关系构建：利用BP神经网络来建立单次呼吸期间胸部多点位移和呼吸量之间的关系模型。本发明可以在对用户不造成干扰的情况下长时间监测多个用户的呼吸量，从而为一些呼吸道疾病的监测和诊断提供依据。

Description

基于RFID标签的人体呼吸量评估系统及方法
技术领域
本发明属于医疗监测领域，具体涉及一种基于RFID标签的人体呼吸量评估系统及方法，主要用于解决如何长时间连续且准确测量多个用户呼吸量的问题。
背景技术
呼吸监测已被广泛用于评估一般人的健康状况，提供慢性病的线索，并跟踪患者康复的进展情况。连续和准确的呼吸量测量可以为疾病的进展提供快速有效的诊断线索。例如，常见的阻塞性气道疾病，例如哮喘和慢性阻塞性肺病(COPD)，这类病症的特征为不完全可逆的气流受限，通过对呼吸量的监测可以发现患者病理状态的变化、揭示相关疾病的病理学特性等；此外，当检测到患者在通气期间呼吸量频繁大幅下降时，可以作为囊性纤维化或肺结核等气道疾病的诊断依据。
目前传统的接触式呼吸量检测方法包括：在用户鼻腔内附着鼻插管来实现对呼吸量的检测，或者是在用户的胸腹部附着呼吸力带检测腹腔和胸腔的周长变化来对呼吸量进行评估。接触式方案需要连接导线或布置传感器在用户身体表层，在长时间连续使用时会对用户造成严重干扰。大部分非接触式的方法主要针对呼吸频率进行监测，无法满足某些医疗健康应用的需求，部分对呼吸量进行检测的非接触式方法通常依赖于专有设备或者严格的使用场景，不利于推广。RFID读写器在人们生活中越来越普及，RFID标签不会对人造成干扰，因此利用RFID技术实现对人体呼吸量的监测具有较高的应用价值。
发明内容
本发明针对现有技术中的不足，提供一种基于RFID标签的人体呼吸量评估系统及方法，可实现对多人进行无干扰的连续的呼吸量监测。
为实现上述目的，本发明采用以下技术方案：
基于RFID标签的人体呼吸量评估系统，其特征在于，包括如下三个模块：
胸部位移估计模块：采集用户呼吸期间的相位流数据，对预处理过后的相位流数据应用傅里叶变换以及切比雪夫低通滤波器以消除环境、多路径产生的噪声，再利用距离与相位的换算公式推导出胸部标签的相对位移量即胸部位移并对其进行校准，其中，胸部标签是在用户胸部附着的RFID标签；
运动误差消除模块：对校准后的胸部位移进行运动误差消除，通过在用户锁骨处附加参考标签以消除由于测量期间用户上身的轻微移动而导致相位流产生的基线漂移；
胸部移位与呼吸量之间的关系构建模块：将消除运动误差后的胸部位移和用户的最大胸围作为训练BP神经网络的输入层，肺活量计测得的呼吸量真值作为输出层，以此来建立呼吸量和胸部位移之间的关系模型。
此外，本发明还提出了一种如上所述的人体呼吸量评估系统的实现方法，其特征在于，包括如下步骤：
1)胸部位移估计：
由RFID阅读器收集用户呼吸期间的相位流数据；
用低通滤波器对相位流数据进行滤波，然后计算出呼吸阶段中的波峰波谷对应的相位数值；
使用距离与相位的换算公式推导出胸部位移，并通过分析胸部标签在空间中的位移关系来校准胸部位移中的偏差；
2)运动误差消除：
判断参考标签和胸部标签的运动矢量方向的异同，根据公式消除由于测量期间用户上身的轻微位移造成的误差；
3)胸部移位与呼吸量之间的关系构建：
获取用户最大胸围以及呼吸期间由肺活量计测量的呼吸量真值；
将用户最大胸围、消除运动误差后的胸部位移作为训练BP神经网络的输入层变量，呼吸量真值则作为输出层变量；
设置BP神经网络的训练参数以及隐含层的节点数和层数，用输入层变量数据和对应的呼吸量真值对BP神经网络进行训练；
将训练得到的BP神经网络作为呼吸量和胸部位移之间的关系模型。
为优化上述技术方案，采取的具体措施还包括：
进一步地，所述胸部位移估计具体如下：
S1：令用户端坐于天线正前方1.5m处，并在其左胸、右胸和锁骨处分别附着单个RFID标签，然后由RFID阅读器收集用户呼吸期间的相位流数据，其中，天线用于发射RF射频场同时也接收RFID标签反向散射回来的信号；
S2：观察傅里叶变换后相位流数据的频谱分布以确定切比雪夫低通滤波器的通带和阻带截止频率；
S3：计算出切比雪夫低通滤波器处理后相位流数据波峰和波谷对应的相位值，并利用计算出胸部标签的相对位移dex，其中λ是波长，θcrest和θtrough分别代表胸部标签相位流数据波峰和波谷的相位值；
S4：通过分析胸部标签在空间中的位移关系实现位移量的校准，使用计算出胸部标签的真实位移AA′，其中OA、OA′分别代表用户到天线之间的距离和用户到天线之间的距离与dex的差值，θ2为AA′和OA之间的夹角。
进一步地，所述运动误差消除具体如下：
S1：利用计算出用户上身轻微位移引起的误差AF，通过AF的正负能够判断参考标签垂直于天线平面的位移矢量的方向，其中，θcrest′和θtrough′分别代表参考标签相位流数据波峰和波谷的相位值；
S2：利用公式FA′＝AA′±|AF|分别消除同向运动和异向运动时用户上身轻微位移引起的误差，其中，FA′是胸部标签消除误差后的位移，当dex和AF正负相同时，胸部标签和参考标签为同向运动，dex和AF正负不同时，胸部标签和参考标签为异向运动。
进一步地，所述胸部移位与呼吸量之间的关系构建具体如下：
S1：将用户最大胸围以及左右胸的胸部位移量作为训练BP神经网络模型的输入层变量，呼吸量真值作为输出层变量；
S2：根据公式确定隐含层的节点数以及层数，其中m，n，l分别表示隐含层，输入层和输出层的节点数，α表示1到10之间的可调节正整数；
S3：由肺活量计测量呼吸量真值，用最大胸围、左右胸的胸部位移量及其对应的呼吸量真值对设置的BP神经网络进行训练；
S4：将训练好的BP神经网络作为呼吸量与胸部位移之间的关系模型，输入最大胸围与左右胸的胸部位移量即可得到呼吸量。
进一步地，步骤S3中，BP神经网络的训练循环次数设置为200，学习速率设置为0.01，验证集的均方根误差在模型训练迭代的过程中连续6次没有下降即停止迭代。
本发明的有益效果是：设计了一种基于RFID标签的人体呼吸量评估系统及方法，通过连续收集附着在胸部区域标签的相位流数据以提取呼吸引起的胸部位移，接着利用参考标签来消除了用户上半身运动对胸部位移产生的干扰，最后利用BP神经网络建立的胸部位移和呼吸量之间的关系模型，实现对用户呼吸量的准确评估。本发明在不对用户造成干扰的情况下可以长时间连续的监测多个用户的呼吸量，从而为呼吸暂停和一些呼吸道疾病例如哮喘和慢性阻塞性肺病(COPD)的监测和诊断提供依据。
附图说明
图1为基于RFID标签的人体呼吸量评估系统框架图。
图2为胸部位移校准方法示意图。
图3为轻微运动误差消除方法示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
如图1所示的基于RFID标签的人体呼吸量评估系统的主要思想为：将系统划分为三个模块：胸部位移估计，运动误差消除，以及胸部移位与呼吸量之间的关系构建。前两个模块通过一系列的降噪算法实现了对用户胸部位移的提取，同时利用标签在空间中的位移关系消除了测量期间用户上身躯干的轻微移动造成的误差。第三个模块利用BP神经网络来建立单次呼吸期间胸部多点位移和呼吸量之间的关系模型。
胸部位移估计的具体步骤是：
1)令用户端坐于天线正前方1.5m处，并在其左胸、右胸和锁骨处分别附着单个型号为Alien-9654标签；
2)将PC(配备有型号为Intel Core i7-4790的CPU以及12GB内存)通过网口连接到RFID阅读器，并采用基于LLRP协议编写的JAVA程序识别标签返回数据包中包含的EPC信息来对不同标签的数据分类存储在本地，存储的数据类别包含相位流数据、时间戳数据以及标签的EPC；
3)对上阶段获取到的相位流数据进行预处理，对相位流数据流进行傅里叶变换，接着通过观察傅里叶变换后相位流数据的频谱分布以确定需要滤除噪音的频率范围，应用切比雪夫低通滤波器对相位流数据进行滤波；
4)查找滤波后相位流的波峰和波谷对应的相位值，并利用计算出胸部的相对位移量，其中λ是波长，θcrest和θtrough分别代表胸部标签相位流数据波峰和波谷的相位值；
5)根据图2中胸部标签在空间中的位移关系实现位移量的校准，使用计算出胸部标签的真实位移，其中OA、OA′分别代表用户到天线之间的距离和用户到天线之间的距离与dex的差值，θ2为AA′和OA之间的夹角。
运动误差消除的具体步骤是：
1)根据图3中参考标签和胸部标签之间的位移关系利用计算出用户上身轻微位移引起的误差AF，通过AF的正负能够判断参考标签垂直于天线平面的位移矢量的方向，其中，θcrest′和θtrough′分别代表参考标签相位流数据波峰和波谷的相位值；
2)通过公式FA′＝AA′±|AF|分别消除同向运动(dex和AF正负相同)和异向运动(dex和AF正负不同)时用户上身躯干轻微位移引起的误差，其中，FA′是胸部标签消除误差后的位移。
胸部移位与呼吸量之间的关系构建的具体步骤是：
1)对5名受测试者的最大胸围进行测量，并采用呼吸量计来记录其呼吸量真值。将收集的数据集中用户最大胸围以及左右胸的位移量作为训练BP神经网络模型的输入层变量，呼吸量作为输出层变量。根据公式确定隐含层的节点数以及层数，其中m，n，l分别表示隐含层，输入层和输出层的节点数，α表示1到10之间的可调节正整数；
2)用最大胸围、左右胸的位移量及其对应的呼吸量真值对设置的BP神经网络进行训练。循环次数设置为200，学习速率设置为0.01，验证集的均方根误差(RMSE)在模型训练迭代的过程中连续6次没有下降即停止迭代；
3)将训练好的BP神经网络作为呼吸量与胸部位移之间的关系模型，输入最大胸围与左右胸的位移量即可得到呼吸量。
需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (6)

1.基于RFID标签的人体呼吸量评估系统，其特征在于，包括如下三个模块：
胸部位移估计模块：采集用户呼吸期间的相位流数据，对预处理过后的相位流数据应用傅里叶变换以及切比雪夫低通滤波器以消除环境、多路径产生的噪声，再利用距离与相位的换算公式推导出胸部标签的相对位移量并对其进行校准，其中，胸部标签是在用户胸部附着的RFID标签；
运动误差消除模块：对校准后的胸部位移进行运动误差消除，通过在用户锁骨处附加参考标签以消除由于测量期间用户上身的轻微移动而导致相位流产生的基线漂移；
胸部移位与呼吸量之间的关系构建模块：将消除运动误差后的胸部位移和用户的最大胸围作为训练BP神经网络的输入层，肺活量计测得的呼吸量真值作为输出层，以此来建立呼吸量和胸部位移之间的关系模型。
2.如权利要求1所述的人体呼吸量评估系统的实现方法，其特征在于，包括如下步骤：
1)胸部位移估计：
由RFID阅读器收集用户呼吸期间的相位流数据；
用低通滤波器对相位流数据进行滤波，然后计算出呼吸阶段中的波峰波谷对应的相位数值；
使用距离与相位的换算公式推导出胸部位移，并通过分析胸部标签在空间中的位移关系来校准胸部位移中的偏差；
2)运动误差消除：
判断参考标签和胸部标签的运动矢量方向的异同，根据公式消除由于测量期间用户上身的轻微位移造成的误差；
3)胸部移位与呼吸量之间的关系构建：
获取用户最大胸围以及呼吸期间由肺活量计测量的呼吸量真值；
将用户最大胸围、消除运动误差后的胸部位移作为训练BP神经网络的输入层变量，呼吸量真值则作为输出层变量；
设置BP神经网络的训练参数以及隐含层的节点数和层数，用输入层变量数据和对应的呼吸量真值对BP神经网络进行训练；
将训练得到的BP神经网络作为呼吸量和胸部位移之间的关系模型。
3.如权利要求2所述的实现方法，其特征在于：所述胸部位移估计具体如下：
S1：令用户端坐于天线正前方1.5m处，并在其左胸、右胸和锁骨处分别附着单个RFID标签，然后由RFID阅读器收集用户呼吸期间的相位流数据，其中，天线用于发射RF射频场同时也接收RFID标签反向散射回来的信号；
S2：观察傅里叶变换后相位流数据的频谱分布以确定切比雪夫低通滤波器的通带和阻带截止频率；
S3：计算出切比雪夫低通滤波器处理后相位流数据波峰和波谷对应的相位值，并利用计算出胸部标签的相对位移dex，其中λ是波长，θcrest和θtrough分别代表胸部标签相位流数据波峰和波谷的相位值；
S4：通过分析胸部标签在空间中的位移关系实现位移量的校准，使用计算出胸部标签的真实位移AA′，其中OA、OA′分别代表用户到天线之间的距离和用户到天线之间的距离与dex的差值，θ2为AA′和OA之间的夹角。
4.如权利要求3所述的实现方法，其特征在于：所述运动误差消除具体如下：
S1：利用计算出用户上身轻微位移引起的误差AF，通过AF的正负能够判断参考标签垂直于天线平面的位移矢量的方向，其中，θcrest′和θtrough′分别代表参考标签相位流数据波峰和波谷的相位值；
S2：利用公式FA′＝AA′±|AF|分别消除同向运动和异向运动时用户上身轻微位移引起的误差，其中，FA′是胸部标签消除误差后的位移，当dex和AF正负相同时，胸部标签和参考标签为同向运动，dex和AF正负不同时，胸部标签和参考标签为异向运动。
5.如权利要求3所述的实现方法，其特征在于：所述胸部移位与呼吸量之间的关系构建具体如下：
S1：将用户最大胸围以及左右胸的胸部位移量作为训练BP神经网络模型的输入层变量，呼吸量真值作为输出层变量；
S2：根据公式确定隐含层的节点数以及层数，其中m，n，l分别表示隐含层，输入层和输出层的节点数，α表示1到10之间的可调节正整数；
S3：由肺活量计测量呼吸量真值，用最大胸围、左右胸的胸部位移量及其对应的呼吸量真值对设置的BP神经网络进行训练；
S4：将训练好的BP神经网络作为呼吸量与胸部位移之间的关系模型，输入最大胸围与左右胸的胸部位移量即可得到呼吸量。
6.如权利要求5所述的实现方法，其特征在于：步骤S3中，BP神经网络的训练循环次数设置为200，学习速率设置为0.01，验证集的均方根误差在模型训练迭代的过程中连续6次没有下降即停止迭代。
CN201910634359.7A 2019-07-15 2019-07-15 基于rfid标签的人体呼吸量评估系统及方法 Active CN110338798B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910634359.7A CN110338798B (zh) 2019-07-15 2019-07-15 基于rfid标签的人体呼吸量评估系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910634359.7A CN110338798B (zh) 2019-07-15 2019-07-15 基于rfid标签的人体呼吸量评估系统及方法

Publications (2)

Publication Number Publication Date
CN110338798A true CN110338798A (zh) 2019-10-18
CN110338798B CN110338798B (zh) 2020-08-25

Family

ID=68175273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910634359.7A Active CN110338798B (zh) 2019-07-15 2019-07-15 基于rfid标签的人体呼吸量评估系统及方法

Country Status (1)

Country Link
CN (1) CN110338798B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111214231A (zh) * 2020-02-10 2020-06-02 湖南大学 移动过程中的人体呼吸监测方法及系统
CN113940660A (zh) * 2021-10-26 2022-01-18 庚辰科技(宁波)有限公司 一种基于复信号调节的雷达检测呼吸频率及呼吸量的方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070106152A1 (en) * 2005-09-23 2007-05-10 Kantrowitz Allen B Fiducial marker system for subject movement compensation during medical treatment
CN101049239A (zh) * 2007-05-10 2007-10-10 浙江大学 基于射频识别的非接触式生物特征识别方法与系统
CN101605496A (zh) * 2006-09-21 2009-12-16 奈鹰唯医学科技公司 处理胸部反射射频探询信号的方法
US20100022850A1 (en) * 2008-07-28 2010-01-28 Analogic Corporation Transducer array for sensing physiological information
WO2013177431A1 (en) * 2012-05-23 2013-11-28 University Of Florida Research Foundation, Inc. Method and apparatus for detecting and/or analyzing motion using radar and multiple identifiable reflectors
US8874186B2 (en) * 2009-12-30 2014-10-28 Avery Dennison Corporation Apparatus and method for monitoring physiological parameters using electrical measurements
CN107595289A (zh) * 2017-09-19 2018-01-19 佛山市丈量科技有限公司 非接触式呼吸通气量检测方法、装置、介质及计算机设备
CN109431465A (zh) * 2018-10-26 2019-03-08 南京邮电大学 一种基于射频标签技术的老年人睡眠质量监测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070106152A1 (en) * 2005-09-23 2007-05-10 Kantrowitz Allen B Fiducial marker system for subject movement compensation during medical treatment
CN101605496A (zh) * 2006-09-21 2009-12-16 奈鹰唯医学科技公司 处理胸部反射射频探询信号的方法
CN101049239A (zh) * 2007-05-10 2007-10-10 浙江大学 基于射频识别的非接触式生物特征识别方法与系统
US20100022850A1 (en) * 2008-07-28 2010-01-28 Analogic Corporation Transducer array for sensing physiological information
US8874186B2 (en) * 2009-12-30 2014-10-28 Avery Dennison Corporation Apparatus and method for monitoring physiological parameters using electrical measurements
WO2013177431A1 (en) * 2012-05-23 2013-11-28 University Of Florida Research Foundation, Inc. Method and apparatus for detecting and/or analyzing motion using radar and multiple identifiable reflectors
CN107595289A (zh) * 2017-09-19 2018-01-19 佛山市丈量科技有限公司 非接触式呼吸通气量检测方法、装置、介质及计算机设备
CN109431465A (zh) * 2018-10-26 2019-03-08 南京邮电大学 一种基于射频标签技术的老年人睡眠质量监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YUXIAO HOU等: "TagBreathe: Monitor Breathing with Commodity RFID Systems", 《2017IEEE 37TH INTERNATIONAL CONFERENCE ON DISTRIBUTED COMPUTING SYSTEMS》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111214231A (zh) * 2020-02-10 2020-06-02 湖南大学 移动过程中的人体呼吸监测方法及系统
CN113940660A (zh) * 2021-10-26 2022-01-18 庚辰科技(宁波)有限公司 一种基于复信号调节的雷达检测呼吸频率及呼吸量的方法

Also Published As

Publication number Publication date
CN110338798B (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
Jiang Combination of wearable sensors and internet of things and its application in sports rehabilitation
CN105451652B (zh) 用于确定对象的呼吸信号的处理装置和处理方法
CN106725488A (zh) 一种无线场强呼吸检测方法、装置及呼吸检测仪
Crema et al. Virtual respiratory rate sensors: An example of a smartphone-based integrated and multiparametric mhealth gateway
CN106618497A (zh) 复杂环境下基于信道状态信息监测睡眠的方法
US11684293B2 (en) Sensors and method for defining breathing signatures for identifying respiratory disease
CN110338798A (zh) 基于rfid标签的人体呼吸量评估系统及方法
CN103976737B (zh) 一种左右肺呼吸阻抗相关性分析方法及系统
Massaroni et al. Analysis of breathing via optoelectronic systems: comparison of four methods for computing breathing volumes and thoraco-abdominal motion pattern
CN109431465A (zh) 一种基于射频标签技术的老年人睡眠质量监测方法
CN107260173A (zh) 一种基于摄像头与球状标记物的呼吸测量方法
Houssein et al. Estimation of respiratory variables from thoracoabdominal breathing distance: a review of different techniques and calibration methods
CN112363139A (zh) 基于幅度特征的人体呼吸时长检测方法、装置和存储介质
Sharma et al. A wearable RF sensor for monitoring respiratory patterns
CN114403847B (zh) 基于腹部和肺部数据相关性的呼吸状态检测方法及系统
Pham et al. Respiratory artefact removal in forced oscillation measurements: A machine learning approach
CN113456061A (zh) 一种基于无线信号睡眠姿势监测方法及系统
CN106859649A (zh) 呼吸率检测方法及装置
CN110292383A (zh) 一种基于rf技术的多目标呼吸频率检测方法及系统
Nesar et al. Improving touchless respiratory monitoring via lidar orientation and thermal imaging
CN108742628A (zh) 一种呼吸检测方法
CN109620236A (zh) 一种口鼻气流检测装置及方法
Hill et al. Touchless respiratory monitor preliminary data and results
Liu et al. Improved regression models for ventilation estimation based on chest and abdomen movements
Ross et al. An adaptively parameterized algorithm estimating respiratory rate from a passive wearable RFID smart garment

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