CN110353699B - 传感器脱落检测方法、装置及存储介质 - Google Patents
传感器脱落检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110353699B CN110353699B CN201810315415.6A CN201810315415A CN110353699B CN 110353699 B CN110353699 B CN 110353699B CN 201810315415 A CN201810315415 A CN 201810315415A CN 110353699 B CN110353699 B CN 110353699B
- Authority
- CN
- China
- Prior art keywords
- sensor
- variation
- detection
- blood oxygen
- characteristic parameter
- 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
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
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
- A61B5/14552—Details of sensors specially adapted therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0266—Operational features for monitoring or limiting apparatus function
- A61B2560/0276—Determining malfunction
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提出一种传感器脱落检测方法、装置及存储介质，该方法包括获取传感器采集到的测量信号；根据测量信号获取测量信号的多个特征参数序列；根据多个特征参数序列得到多个特征参数变异度；根据多个特征参数变异度对传感器进行脱落检测。通过本发明能够有效提升传感器脱落检测的精准度，且不需要对传感器的结构设计做附加处理，能够有效节约传感器所耗费的成本，提升脱落检测效果和鲁棒性。
Description
技术领域
本发明涉及生物医学信号处理技术领域，尤其涉及一种传感器脱落检测方法、装置及存储介质。
背景技术
在生物医学信号处理领域，将传感器帖附于人体皮肤表面，或将导管置于人体体内，可以获得人体的生理信号，基于生理信号可以得到人体的生命体征信息，用于诊断。在病患长时使用仪器监护，而医生不在患者身边陪护过程中，若传感器脱离病患，报警却无法及时触发时，则会导致延误治疗，重则危及病患生命。
现有的传感器脱落检测方法有利用温度传感器获得温度，判断温度是否在人体正常体温范围，从而判断传感器是否脱落的方法；进一步，有使用红外传感器判断是否有遮掩物，再利用温度传感器检测温度是否在人体正常体温范围，从而判断传感器是否脱落的方法；有使用人体红外热释电传感器，依据是否能探测到人体皮肤发射出的特定波长的红外线，从而判断传感器是否脱落的方法；有利用红外传感器获得人体透射或反射的光信号，判断信号幅度是否过大或过小，从而判断传感器是否脱落的方法等等。
这些方式下，基于温度判断的方法，若环境温度或仪器温度达到人体温度范围则失效。基于信号幅度判断的方法，因传感器脱离病患后，张开角度不一，当信号幅度仍然在算法容忍的信号幅度范围内，则会失效。另外，这些方法需要对已有的获取人体生理信号的传感器做附加处理，经济性不高，尤其是使用一次便丢弃的一次性传感器而言，该类型传感器具有防止医院环境疾病交叉传染、节省时间和成本改善病患护理过程等优势，若添加额外传感器，则必然增加成本，给病患带来经济压力，传感器脱落检测不够精准，且耗费成本资源，脱落检测效果不佳。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种传感器脱落检测方法，能够有效提升传感器脱落检测的精准度，且不需要对传感器的结构设计做附加处理，能够有效节约传感器所耗费的成本，提升脱落检测效果和鲁棒性。
本发明的另一个目的在于提出一种传感器脱落检测装置。
本发明的另一个目的在于提出一种非临时性计算机可读存储介质。
本发明的另一个目的在于提出一种计算机程序产品。
为达到上述目的，本发明第一方面实施例提出的传感器脱落检测方法，包括：获取传感器采集到的测量信号；根据所述测量信号获取测量信号的多个特征参数序列；根据所述多个特征参数序列得到多个特征参数变异度；根据所述多个特征参数变异度对所述传感器进行脱落检测。
本发明第一方面实施例提出的传感器脱落检测方法，通过获取传感器所采集到的测量信号的多个特征参数序列，根据所述多个特征参数序列得到多个特征参数变异度，以及根据所述多个特征参数变异度对所述传感器进行脱落检测，能够有效提升传感器脱落检测的精准度，且不需要对传感器的结构设计做附加处理，能够有效节约传感器所耗费的成本，提升脱落检测效果和鲁棒性。
为达到上述目的，本发明第二方面实施例提出的传感器脱落检测装置，包括：第一获取模块，用于获取传感器采集到的测量信号；第二获取模块，用于根据所述测量信号获取测量信号的多个特征参数序列异度；第三获取模块，用于根据所述多个特征参数序列得到多个特征参数变异度；脱落检测模块，用于根据所述多个特征参数变异度对所述传感器进行脱落检测。
本发明第二方面实施例提出的传感器脱落检测装置，通过获取传感器所采集到的测量信号的多个特征参数序列，根据所述多个特征参数序列得到多个特征参数变异度，以及根据所述多个特征参数变异度对所述传感器进行脱落检测，能够有效提升传感器脱落检测的精准度，且不需要对传感器的结构设计做附加处理，能够有效节约传感器所耗费的成本，提升脱落检测效果和鲁棒性。
为达到上述目的，本发明第三方面实施例提出的非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器被执行时，使得移动终端能够执行一种传感器脱落检测方法，所述方法包括：获取传感器采集到的测量信号；根据所述测量信号获取测量信号的多个特征参数序列；根据所述多个特征参数序列得到多个特征参数变异度；根据所述多个特征参数变异度对所述传感器进行脱落检测。
本发明第三方面实施例提出的非临时性计算机可读存储介质，通过获取传感器所采集到的测量信号的多个特征参数序列，根据所述多个特征参数序列得到多个特征参数变异度，以及根据所述多个特征参数变异度对所述传感器进行脱落检测，能够有效提升传感器脱落检测的精准度，且不需要对传感器的结构设计做附加处理，能够有效节约传感器所耗费的成本，提升脱落检测效果和鲁棒性。
为达到上述目的，本发明第四方面实施例提出的计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行一种传感器脱落检测方法，所述方法包括：获取传感器采集到的测量信号；根据所述测量信号获取测量信号的多个特征参数序列；根据所述多个特征参数序列得到多个特征参数变异度；根据所述多个特征参数变异度对所述传感器进行脱落检测。
本发明第四方面实施例提出的计算机程序产品，通过获取传感器所采集到的测量信号的多个特征参数序列，根据所述多个特征参数序列得到多个特征参数变异度，以及根据所述多个特征参数变异度对所述传感器进行脱落检测，能够有效提升传感器脱落检测的精准度，且不需要对传感器的结构设计做附加处理，能够有效节约传感器所耗费的成本，提升脱落检测效果和鲁棒性。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明一实施例提出的传感器脱落检测方法的流程示意图；
图2为本发明实施例中未脱落状态时的测量信号与脱落状态时的测量信号示意图；
图3是本发明另一实施例提出的传感器脱落检测方法的流程示意图；
图4是本发明另一实施例提出的传感器脱落检测方法的流程示意图；
图5为本发明实施例中双重滑动窗示意图；
图6是本发明一实施例提出的传感器脱落检测装置的结构示意图；
图7是本发明另一实施例提出的传感器脱落检测装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本发明一实施例提出的传感器脱落检测方法的流程示意图。
本实施例以该传感器脱落检测方法被配置为传感器脱落检测装置中来举例说明。
本实施例以传感器脱落检测方法被配置在电子设备中为例。
需要说明的是，本发明实施例的执行主体，在硬件上可以例如为电子设备中的中央处理器(Central Processing Unit，CPU)，在软件上可以例如为电子设备中的传感器脱落检测相关的服务，对此不作限制。
在生物医学信号处理领域，将传感器帖附于人体皮肤表面，或将导管置于人体体内，可以获得人体的生理信号，基于生理信号可以得到人体的生命体征信息，用于诊断。在病患长时使用仪器监护，而医生不在患者身边陪护过程中，若传感器脱离病患，报警却无法及时触发时，则会导致延误治疗，重则危及病患生命。
现有的传感器脱落检测方法有利用温度传感器获得温度，判断温度是否在人体正常体温范围，从而判断传感器是否脱落的方法；进一步，有使用红外传感器判断是否有遮掩物，再利用温度传感器检测温度是否在人体正常体温范围，从而判断传感器是否脱落的方法；有使用人体红外热释电传感器，依据是否能探测到人体皮肤发射出的特定波长的红外线，从而判断传感器是否脱落的方法；有利用红外传感器获得人体透射或反射的光信号，判断信号幅度是否过大或过小，从而判断传感器是否脱落的方法等等。
这些方式下，基于温度判断的方法，若环境温度或仪器温度达到人体温度范围则失效。基于信号幅度判断的方法，因传感器脱离病患后，张开角度不一，当信号幅度仍然在算法容忍的信号幅度范围内，则会失效。另外，这些方法需要对已有的获取人体生理信号的传感器做附加处理，经济性不高，尤其是使用一次便丢弃的一次性传感器而言，该类型传感器具有防止医院环境疾病交叉传染、节省时间和成本改善病患护理过程等优势，若添加额外传感器，则必然增加成本，给病患带来经济压力，传感器脱落检测不够精准，且耗费成本资源，脱落检测效果不佳。
为了解决上述技术问题，本发明实施例首先获取传感器采集到的测量信号；根据测量信号获取测量信号的多个特征参数序列；根据多个特征参数序列得到多个特征参数变异度；根据多个特征参数变异度对传感器进行脱落检测，由于传感器在脱落状态下，所采集到的测量信号中一般包括环境光信号，因此，通过比对测量信号的多个特征参数变异度，能够有效提升传感器脱落检测的精准度，且不需要对传感器的结构设计做附加处理，能够有效节约传感器所耗费的成本，提升脱落检测效果和鲁棒性。
其中，传感器包括发光管和接收管，发光管通过分时驱动电路作用在间隔时序内发出红光或红外光，接收管通过检测光信号的变化对用户的生理特征进行监测。正常情况下，由于医疗设备不可能处于完全密闭的空间中，因此，接收管不仅会接收到发光管所发送的红光或红外光信号，也会接收到环境光所产生的光信号。
因此，在本发明的实施例中，不仅可以通过接收管获取光信号，并将光信号进行处理，获取光信号对应的多个参数(多个参数例如为，相关性变异度、脉率值变异度、血氧值变异度、灌注度变异度)对传感器的脱落状态进行检测，还可以通过接收管所接收的环境光信号对应的参数(环境光信号幅度变异度)，对传感器的脱落状态进行检测。
参见图1，该方法包括：
S101：获取传感器采集到的测量信号。
本发明实施例中，传感器在测量状态下采集到的信号可以被称为测量信号，该测量信号可以例如为人体生理特征信号。
本发明实施例中的传感器脱落检测方法可以应用于采集脉搏信号的血氧传感器，也可用于采集的信号特征与脉搏信号相似的其它类型的传感器，如心电传感器、动脉压力传感器等，对此不作限制。
本发明实施例以传感器为血氧传感器进行示例，该血氧传感器可配置在脉率血氧仪中。
为了更好的理解本发明实施例中的方案，首先对血氧传感器的工作原理进行介绍：
通用的血氧传感器有发光管和接收管，发光管分时驱动电路在间隔时序里驱动发光管，分别发出红光和红外光，接收管接收这两种光信号。
根据传感器的工作原理，发光管和接收管相对设立。皮肤、脂肪、肌肉、骨骼等影响光信号的直流成分，血液中血红蛋白周期性的脉动影响光信号的交流成分。因为血液中脱氧血红蛋白和氧合血红蛋白对这两种光的吸收程度不同，基于朗伯-比尔定律，根据红光和红外光的直流分量与交流分量的比值可以得到血氧饱和度值。
在测量过程中，由于医疗设备不可能处于完全密闭的空间中，因此接收管不仅会接收到发光管所发送的光信号，也会接收到环境光所产生的光信号。因此在发光管发光且传感器脱落时，血氧传感器的接收管接收的是发光管信号和环境光信号，而非正常的人体生理特征信号，因此呈现杂乱无规律的特性，基线不稳定，信号变异度大；在发光管不发光且传感器脱落时，接收管接收的测量信号为环境光信号，该环境光信号杂乱无规律，且基线不稳定，信号变异度大。且由于直流分量与交流分量的比值可以反映测量部位的灌注度信息，在未脱落时采集的正常的人体生理特征信号的交流分量，通常比脱落时采集信号的交流分量稳定，进一步地，未脱落时测量组织的吸光度，比脱落后无测量组织的吸光度更稳定，因此，未脱落时的直流分量较脱落后的直流分量稳定，因而，在传感器脱落后，测量信号的灌注度变异大。另外，考虑到环境光信号复杂性，传感器脱落时采集信号的幅度变异度，远远大于未脱落时采集的测量信号的幅度变异度。
因此，本发明实施例可以首先获取传感器采集到的测量信号，并触发执行S102。
S102：根据测量信号获取测量信号的多个特征参数序列。
S103：根据多个特征参数序列得到多个特征参数变异度。
基于以上分析，本发明实施例得出测量信号的多个特征参数变异度有如下：相关性变异度、脉率值变异度、血氧值变异度、灌注度变异度、环境光信号幅度变异度等。
参见图2，图2为本发明实施例中未脱落状态时的测量信号与脱落状态时的测量信号示意图。
可选地，一些实施例中，参见图3，上述步骤中根据多个特征参数序列得到多个特征参数变异度，可以包括：
S301：根据测量信号的预设参数序列的平均偏差、标准差和斜率比得到特征参数变异度。
其中，可以根据预设参数序列的平均偏差、标准差和斜率比得到特征参数变异度。
本发明实施例中，在确定多个特征参数变异度时，可以根据测量信号获取测量信号的多个特征参数序列，并根据其中的预设参数序列的平均偏差、标准差和斜率比得到特征参数变异度。
具体地，作为一种示例，首先计算测量信号的多个特征参数，多个特征参数例如包括：相关性、脉率、血氧、灌注度、环境光信号幅度等，而后，在预设时间内，可以获取上述列举特征参数的特征参数序列，针对每一特征参数序列，分别计算其平均偏差、标准差、以及斜率比，这三者可以分别取不同的权重系数，三者的加权和便是该特征参数序列对应的特征参数变异度。
在本发明的实施例中，权重系数的取值可以例如是0.2、0.5、0.3，在其它实施例中，权重系数取值不限于此。
具体的，斜率比的计算方法是，分别计算特征参数序列的中值和平均值，再计算中值与平均值的差值，以及差值的绝对值与平均值的比例，并将该比例作为本发明实施例中的斜率比。
具体的，平均偏差(A.D.)、标准差(Var)、斜率比(S.R.)、以及特征参数变异度(D.O.V.)的公式表达分别如下：
D.O.V.＝coef1×A.D.+coef2×Var+coef3×S.R. (4)
其中，xi表示特征参数序列，
表示特征参数序列的均值，N表示特征参数序列的个数，xMe表示特征参数序列的中值，coef1、coef2、coef3表示权重系数。
本发明实施例在确定测量信号的相关性变异度时，上述的预设参数还可以包括极值点，即测量信号的极值点。
具体的，作为一种示例，首先可以采用极值点搜索算法搜索出测量信号的极值点，常见的极值点搜索算法有差分法、阈值筛选法、小波变换法等，得到极值点序列，便可以得到每个脉搏波。然后，采用基线拟合算法拟合出测量信号的基线，常见的基线拟合算法有小波变换法、滑动窗中值滤波法等，通过采用基线拟合算法，拟合出基线并去除，能够有效排除呼吸、基线漂移对测量信号的影响。再者，计算两两脉搏波的相关系数，得到相关系数序列，再按照上面的特征参数变异度计算方法，可以得到相关性变异度。
具体的，脉率值变异度的计算方法是，基于得到的测量信号极值点序列，可以计算得到两两脉搏波的极值点间距序列Len，通过以下公式
PR＝(60×fs)/Len (5)
其中，PR表示脉率，fs表示传感器的采样率，可以得到脉率序列，再按照特征参数变异度的计算方法，可以得到脉率值变异度。
本发明实施例在确定血氧值变异度时，上述的预设参数还可以包括血氧值，即测量信号的血氧值。
具体的，血氧值变异度的计算方法是，计算测量信号的血氧值，在预设时间内，可以得到血氧值序列，再按照特征参数变异度的计算方法，可以得到血氧值变异度。
具体的，灌注度变异度的计算方法是，计算测量信号直流分量与交流分量的比值，得到灌注度值，在预设时间内，可以得到灌注度值序列，再按照特征参数变异度的计算方法，可以得到灌注度变异度。
具体的，环境光信号幅度变异度的计算方法是，计算环境光信号的幅度，在预设时间内，可以得到环境光信号幅度序列，再按照特征参数变异度计算方法，可以得到环境光信号幅度变异度。
因此，本发明实施例中，基于特征参数变异度的计算，可以有效地根据特征参数变异度来确定传感器是否脱落。
需要注意的是，以上特征均为传感器脱离人体前与脱离人体后信号差异的特征提取，但不仅限于以上特征，以上特征仅仅是本实例的最佳实践。
S104：根据多个特征参数变异度对传感器进行脱落检测。
可选地，一些实施例中，针对多个特征参数变异度中的每个特征参数变异度，获取特征参数变异度与对应的预设阈值之间的绝对差值；判断绝对差值是否小于预设阈值；如果特征参数中至少有预设个数的特征参数的绝对差值小于对应的预设阈值，则确定传感器未脱落。
其中的预设阈值/预设个数可以由用户根据实际使用需求进行设置，也可以由执行传感器脱落检测方法的装置的出厂程序预先设定，对此不作限制。
本发明实施例在具体执行的过程中，相关性变异度、脉率值变异度、血氧值变异度、灌注度变异度、环境光信号幅度变异度，可以选择1个或多个的特征参数变异度的组合来判断传感器是否脱落，更佳的实践是，同时计算得到以上5个特征参数变异度，分别对每个特征参数变异度，对应地设定一个预设阈值，该预设阈值可以有效地根据特征参数变异度来确定传感器是否脱落。当某一特征参数变异度大于设定的对应的预设阈值时，计数器加一。而后，在计数器的计数值大于预设个数时，确认为传感器脱落，否则，继续测量。
本发明实施例在具体执行的过程中，经验显示，预设个数设定为2，传感器脱落检测较为敏感，设定为5，传感器脱落检测较为严格，在本发明的实施例中，可以把计数器阈值设置为3，在其它实施例中，预设个数设置不限于此。
本实施例中，通过获取传感器所采集到的测量信号的多个特征参数序列，根据多个特征参数序列得到多个特征参数变异度，以及根据多个特征参数变异度对传感器进行脱落检测，能够有效提升传感器脱落检测的精准度，且不需要对传感器的结构设计做附加处理，能够有效节约传感器所耗费的成本，提升脱落检测效果和鲁棒性。
上述为本发明实施例中传感器脱落检测方法的具体介绍，优选的，本发明在对传感器进行脱落检测之前，还可以启动预检测流程，在预检测流程下对传感器进行脱落预检测，若预检测得到的结果为传感器脱落，则触发获取传感器采集到的测量信号，添加预检测流程，能够提高算法运行速度以及传感器脱落检测的准确性。该预检测流程首先检测传感器是否可能已经从患者皮肤或人体体内脱落，若是，则触发对传感器进行脱落检测，否则，继续正常人体生理特征信号的测量。详见下述图4。
图4是本发明另一实施例提出的传感器脱落检测方法的流程示意图。
参见图4，该方法包括：
S401：将传感器所接收到的光信号转换为人体生理特征信号，并确定人体生理特征信号的幅值变化量。
S402：判断幅值变化量是否满足预设条件，若是，则触发执行S404，否则执行S403。
可选地，判断幅值变化量是否满足预设条件，包括：采用双重滑动窗判断幅值变化量是否满足预设条件。
S403：继续正常人体生理信号的测量。
S404：确定预检测得到的结果为传感器脱落。
作为一种示例，当血氧传感器从患者测量部位脱落的过程中，存在测量组织从有到无的变化。接收管和发光管的距离称为光程长，于是光程长从与测量组织厚度近似，然后变大，最后因患者体位、环境、探头结构的不同，这个改变可能变小或变更大。这一过程，会造成红光信号和红外光信号的幅度上较大的改变。本发明用双重滑动窗去捕捉这种变化，双重滑动窗参见图5，滑动窗包含一定时间段内的波形图像，图5为本发明实施例中双重滑动窗示意图，图5中包括第一重滑动窗11和第二重滑动窗12。第一重滑动窗11其窗长预设为T秒，步长为自身长度T。第二重滑动窗12由N个第一重滑动窗组成，步长为第一重滑动窗窗长T，窗长为NT。因此，第二重滑动窗每一次滑动时，均包含了N-1个上一次第一重滑动窗。在本实例中，T＝1/2秒，N＝4，在其它实例中，T和N不限于此。
首先第二重滑动窗内幅值变化量，幅值变化量为峰值最高点和峰值最低点之差的绝对值SS，设定一个判断阈值Thd2，Thd2可以有效区分运动干扰与真实传感器脱落引起的幅值改变，该阈值可以被称为预设阈值，是多次实际测试而得到的经验值。当第二重滑动窗幅值变化量SS超过Thd2时，本发明实施例中可以认为是传感器疑似脱落，公式如下：
SS>Thd2 (6)
可选地，预设条件为第二重滑动窗内的幅值变化量满足公式(6)，以及第二重滑动窗的n个第一重滑动窗满足下述第一条件，第一条件包括：
1)N个第一重滑动窗内，至少存在1个第一重滑动窗幅值变化量小于Thd1；
2)定义第一个第一重滑动窗的幅值变化量为S1，定义第i个第一重滑动窗的幅值为Si，则至少存在一个Si大于S1，其中i大于1.
3)N个第一重滑动窗任意两个相邻的第一重滑动窗的幅值变化量的差值绝对值与后一滑动窗的幅值变化量的比值均大于20％。
即，若第二重滑动窗满足公式(6)，则进行下一步的判断，针对第一重滑动窗内幅值变化量，设定一个判断阈值，该判断阈值也可以被称为预设阈值Thd1。最终确认传感器疑似脱落，第二重滑动窗的n个第一重滑动窗必须满足上述的第一条件。
上述的第一条件可以用数学表达依次如下：
|Si-Si-1|/Si>0.2 (9)
其中，Si表示第i个第一重滑动窗内幅值的改变量，
表示至少存在1个。
通过以上特征的识别，能够准确地判断传感器是否从患者身上脱落，防止运动、漏光测量、信号单个采样点的幅度突变等带来的误判。以上特征均为传感器脱落造成信号幅度改变的特征提取，但不仅限于以上特征，以上特征仅仅是本实例的最佳实践。
需要说明的是，利用双重滑动窗去捕捉信号幅度的改变，可以单独基于红光信号，也可以单独基于红外光信号，也可以基于红光信号和红外光信号。基于两种光信号判断时，可以对应设置不同的阈值或采用相同的阈值去判断，可以两个光信号其中一个光信号满足判断条件或两个光信号均满足判断条件，从而判断传感器疑似脱落。在本实例中，双重滑动窗基于红光信号和红外光信号去判断幅度的改变，两个光信号设置不同的阈值，且两个光信号均满足判断条件时，才确认为传感器疑似脱落。
本发明实施例中在传感器疑似脱落后，便可以触发获取传感器采集到的测量信号。
本发明实施例中通过添加预检测流程，使得传感器脱落检测在双检测流程下进行，不仅提高了传感器脱落检测的敏感度，而且提高了脱落检测的准确性，排除了患者剧烈运动、患者电刀手术等可能的传感器脱落误检测。
S405：获取传感器采集到的测量信号。
S406：根据测量信号获取测量信号的多个特征参数序列。
S407：根据多个特征参数序列得到多个特征参数变异度。
S408：根据多个特征参数变异度对传感器进行脱落检测。
S405-S408的详细执行过程可以参见上述实施例，在此不再赘述。
本实施例中，双重滑动窗基于红光信号和红外光信号去判断幅度的改变，两个光信号设置不同的阈值，且两个光信号均满足判断条件时，才确认为传感器疑似脱落，能够提高算法运行速度以及探头脱落检测的准确性。通过获取传感器所采集到的测量信号的多个特征参数序列，根据多个特征参数序列得到多个特征参数变异度，以及根据多个特征参数变异度对传感器进行脱落检测，能够有效提升传感器脱落检测的精准度，且不需要对传感器的结构设计做附加处理，能够有效节约传感器所耗费的成本，提升脱落检测效果和鲁棒性。
图6是本发明一实施例提出的传感器脱落检测装置的结构示意图。
参见图6，该装置600包括：第一获取模块601、第二获取模块602，以及第三获取模块603、脱落检测模块604，其中，
第三获取模块603，具体用于：
根据测量信号的预设参数序列的平均偏差、标准差和斜率比得到特征参数变异度。
第一获取模块601，包括：
预检测子模块6011，用于启动预检测流程，在预检测流程下对传感器进行脱落预检测。
获取子模块6012，用于在预检测得到的结果为传感器脱落时，触发获取传感器采集到的测量信号。
预检测子模块6011，具体用于：
将传感器所接收到的光信号转换为人体生理特征信号，并确定人体生理特征信号的幅值变化量；
判断幅值变化量是否满足预设条件；
若满足预设条件，则确定预检测得到的结果为传感器脱落。
需要说明的是，前述图1-图5实施例中对传感器脱落检测方法实施例的解释说明也适用于该实施例的传感器脱落检测装置600，其实现原理类似，此处不再赘述。
上述传感器脱落检测装置600中各个模块的划分仅用于举例说明，在其它实施例中，可将传感器脱落检测装置按照需要划分为不同的模块，以完成上述传感器脱落检测装置的全部或部分功能。
本实施例中，通过获取传感器所采集到的测量信号的多个特征参数序列，根据多个特征参数序列得到多个特征参数变异度，以及根据多个特征参数变异度对传感器进行脱落检测，能够有效提升传感器脱落检测的精准度，且不需要对传感器的结构设计做附加处理，能够有效节约传感器所耗费的成本，提升脱落检测效果和鲁棒性。
为了实现上述实施例，本发明还提出一种非临时性计算机可读存储介质，当存储介质中的指令由终端的处理器执行时，使得终端能够执行一种传感器脱落检测方法，方法包括：
获取传感器采集到的测量信号；
根据测量信号获取测量信号的多个特征参数序列；
根据多个特征参数序列得到多个特征参数变异度；
根据多个特征参数变异度对传感器进行脱落检测。
本实施例中的非临时性计算机可读存储介质，通过获取传感器所采集到的测量信号的多个特征参数序列，根据多个特征参数序列得到多个特征参数变异度，以及根据多个特征参数变异度对传感器进行脱落检测，能够有效提升传感器脱落检测的精准度，且不需要对传感器的结构设计做附加处理，能够有效节约传感器所耗费的成本，提升脱落检测效果和鲁棒性。
为了实现上述实施例，本发明还提出一种计算机程序产品，当计算机程序产品中的指令被处理器执行时，执行一种传感器脱落检测方法，方法包括：
获取传感器采集到的测量信号；
根据测量信号获取测量信号的多个特征参数序列；
根据多个特征参数序列得到多个特征参数变异度；
根据多个特征参数变异度对传感器进行脱落检测。
本实施例中的计算机程序产品，通过获取传感器所采集到的测量信号的多个特征参数序列，根据多个特征参数序列得到多个特征参数变异度，以及根据多个特征参数变异度对传感器进行脱落检测，能够有效提升传感器脱落检测的精准度，且不需要对传感器的结构设计做附加处理，能够有效节约传感器所耗费的成本，提升脱落检测效果和鲁棒性。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种传感器脱落检测方法，其特征在于，包括以下步骤：
获取血氧传感器采集到的测量信号；
根据所述测量信号获取测量信号的多个特征参数序列；
根据所述多个特征参数序列得到多个特征参数变异度；所述特征参数变异度包括以下特征参数变异度中的至少一种：相关性变异度、脉率值变异度、血氧值变异度、灌注度变异度、环境光信号幅度变异度，其中，所述相关性变异度为所述测量信号的波形相关性变异度；
根据所述多个特征参数变异度对所述血氧传感器进行脱落检测；
其中，所述根据所述多个特征参数序列得到多个特征参数变异度，包括：
根据所述测量信号的预设参数序列的平均偏差、标准差和斜率比得到所述特征参数变异度。
2.如权利要求1所述的传感器脱落检测方法，其特征在于，所述根据所述多个特征参数变异度对所述血氧传感器进行脱落检测，包括：
针对所述多个特征参数变异度中的每个特征参数变异度，获取所述特征参数变异度与对应的预设阈值之间的绝对差值；
判断所述绝对差值是否小于预设阈值；
如果所述特征参数中至少有预设个数的特征参数的绝对差值小于对应的所述预设阈值，则确定所述血氧传感器未脱落。
3.如权利要求1所述的传感器脱落检测方法，其特征在于，所述获取血氧传感器采集到的测量信号，包括：
启动预检测流程，在所述预检测流程下对所述血氧传感器进行脱落预检测；
若预检测得到的结果为血氧传感器脱落，则触发获取所述血氧传感器采集到的测量信号。
4.如权利要求3所述的传感器脱落检测方法，其特征在于，所述启动预检测流程，在所述预检测流程下对所述血氧传感器进行脱落预检测，包括：
将所述血氧传感器所接收到的光信号转换为人体生理特征信号，并确定所述人体生理特征信号的幅值变化量；
判断所述幅值变化量是否满足预设条件；
若满足所述预设条件，则确定所述预检测得到的结果为所述血氧传感器脱落。
5.如权利要求4所述的传感器脱落检测方法，其特征在于，所述判断所述幅值变化量是否大于或者等于预设阈值，包括：
采用双重滑动窗判断所述幅值变化量是否满足所述预设条件。
6.一种传感器脱落检测装置，其特征在于，包括：
第一获取模块，用于获取血氧传感器采集到的测量信号；
第二获取模块，用于根据所述测量信号获取测量信号的多个特征参数序列异度；
第三获取模块，用于根据所述多个特征参数序列得到多个特征参数变异度；所述特征参数变异度包括以下特征参数变异度中的至少一种：相关性变异度、脉率值变异度、血氧值变异度、灌注度变异度、环境光信号幅度变异度，其中，所述相关性变异度为所述测量信号的波形相关性变异度；
脱落检测模块，用于根据所述多个特征参数变异度对所述血氧传感器进行脱落检测；
所述第三获取模块，具体用于：
根据所述测量信号的预设参数序列的平均偏差、标准差和斜率比得到所述特征参数变异度。
7.如权利要求6所述的传感器脱落检测装置，其特征在于，所述第一获取模块，包括：
预检测子模块，用于启动预检测流程，在所述预检测流程下对所述血氧传感器进行脱落预检测；
获取子模块，用于在预检测得到的结果为血氧传感器脱落时，触发获取所述血氧传感器采集到的测量信号。
8.如权利要求7所述的传感器脱落检测装置，其特征在于，所述预检测子模块，具体用于：
将所述血氧传感器所接收到的光信号转换为人体生理特征信号，并确定所述人体生理特征信号的幅值变化量；
判断所述幅值变化量是否满足预设条件；
若满足所述预设条件，则确定所述预检测得到的结果为所述血氧传感器脱落。
9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的传感器脱落检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810315415.6A CN110353699B (zh) | 2018-04-10 | 2018-04-10 | 传感器脱落检测方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810315415.6A CN110353699B (zh) | 2018-04-10 | 2018-04-10 | 传感器脱落检测方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110353699A CN110353699A (zh) | 2019-10-22 |
| CN110353699B true CN110353699B (zh) | 2023-03-31 |
Family
ID=68212897
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810315415.6A Active CN110353699B (zh) | 2018-04-10 | 2018-04-10 | 传感器脱落检测方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110353699B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110987241B (zh) * | 2019-12-23 | 2021-01-01 | 珠海格力电器股份有限公司 | 外机感温包故障检测方法、装置及空调机组 |
| CN114073520B (zh) * | 2020-08-12 | 2024-06-25 | 华为技术有限公司 | 基于绿光的血氧检测设备及其血氧检测方法和介质 |
| CN114382661A (zh) * | 2021-12-07 | 2022-04-22 | 重庆海装风电工程技术有限公司 | 用于风力发电机组的传感器运行状态检测方法、系统及电子设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6035223A (en) * | 1997-11-19 | 2000-03-07 | Nellcor Puritan Bennett Inc. | Method and apparatus for determining the state of an oximetry sensor |
| CN105139596A (zh) * | 2015-09-15 | 2015-12-09 | 广东小天才科技有限公司 | 一种基于可穿戴设备进行脱落提醒的方法和系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6510329B2 (en) * | 2001-01-24 | 2003-01-21 | Datex-Ohmeda, Inc. | Detection of sensor off conditions in a pulse oximeter |
| CN202723853U (zh) * | 2012-07-20 | 2013-02-13 | 北京超思电子技术股份有限公司 | 一种血氧检测仪及系统 |
| US10758149B2 (en) * | 2012-08-15 | 2020-09-01 | Koninklijke Philips N.V. | Neurofeedback system |
| CN103040466B (zh) * | 2013-01-08 | 2014-07-30 | 中国人民解放军第四军医大学 | 一种电阻抗检测用电极连接异常的检测方法 |
| KR102367550B1 (ko) * | 2014-09-02 | 2022-02-28 | 삼성전자 주식회사 | 생체 신호를 이용한 카메라 모듈의 제어 |
| CN106618569A (zh) * | 2016-11-10 | 2017-05-10 | 中国人民解放军第四军医大学 | 一种电极‑皮肤间接触阻抗的测量装置及方法 |
-
2018
- 2018-04-10 CN CN201810315415.6A patent/CN110353699B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6035223A (en) * | 1997-11-19 | 2000-03-07 | Nellcor Puritan Bennett Inc. | Method and apparatus for determining the state of an oximetry sensor |
| CN105139596A (zh) * | 2015-09-15 | 2015-12-09 | 广东小天才科技有限公司 | 一种基于可穿戴设备进行脱落提醒的方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 风电机传动系统振动故障的智能诊断方法研究;蒋金;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20160215(第2期) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110353699A (zh) | 2019-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11759121B2 (en) | Apparatus and method for estimating respiration rate | |
| EP2448475B1 (en) | Systems and methods for assessing measurements in physiological monitoring devices | |
| US9936882B2 (en) | Blood pressure monitor coordinated with a cardiovascular health condition monitoring module | |
| US8668649B2 (en) | System for cardiac status determination | |
| CN110353699B (zh) | 传感器脱落检测方法、装置及存储介质 | |
| CN108937957B (zh) | 检测方法、装置及检测设备 | |
| US20160242672A1 (en) | Vital signal measuring apparatus and method for estimating contact condition | |
| US9504400B2 (en) | Atrial fibrillation analyzer, atrial fibrillation analysis system, atrial fibrillation analysis method, and program | |
| JP2013510678A (ja) | 複合型生理学的センサのシステムおよび方法 | |
| EP3727143B1 (en) | Autoregulation system and method using tissue oximetry and blood pressure | |
| JP2003339651A (ja) | 脈波解析装置及び生体状態監視装置 | |
| US20180199832A1 (en) | Blood pressure analyzing apparatus, blood pressure measuring apparatus, and blood pressure analyzing method | |
| CN111698943A (zh) | 用于非侵入式地监测血细胞比容浓度的系统和方法 | |
| JP2011167424A (ja) | 血圧監視装置 | |
| KR20200050530A (ko) | 혈관 건강도 측정 시스템 및 그 방법 | |
| US20180263558A1 (en) | A physiological monitoring kit with usb drive | |
| US20160048649A1 (en) | Disease predicting apparatus and disease predicting method | |
| US11039795B2 (en) | Physiological monitoring and related methods | |
| US11259719B2 (en) | Vital sign information recording system, vital sign information analyzer, and vital sign information display method | |
| KR100910591B1 (ko) | 피 측정자의 움직인 정도를 측정하여 부정맥을 판단할 수있는 혈압 측정 방법 | |
| JP7466548B2 (ja) | 呼吸警報を発生させるための装置及びシステム | |
| US20210113097A1 (en) | Heart failure degree-of-exacerbation determination system and heart failure degree-of-exacerbation determination method | |
| CN114680846A (zh) | 一种监护系统和生理参数的监护方法 | |
| JP2021083605A (ja) | 不整脈判定装置及び不整脈判定用プログラム | |
| Priyadharshini et al. | Pulse Sensor for Diagnosis and Analysis of Heart Rate Using Peak Detection Technique |
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 |