CN111248900A - 一种基于单通道心脑信息耦合分析方法及系统 - Google Patents

一种基于单通道心脑信息耦合分析方法及系统 Download PDF

Info

Publication number
CN111248900A
CN111248900A CN202010244142.8A CN202010244142A CN111248900A CN 111248900 A CN111248900 A CN 111248900A CN 202010244142 A CN202010244142 A CN 202010244142A CN 111248900 A CN111248900 A CN 111248900A
Authority
CN
China
Prior art keywords
heart rate
time sequence
rate variability
channel
signal
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
Application number
CN202010244142.8A
Other languages
English (en)
Inventor
季淑梅
张珅
梁振虎
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.)
Yanshan University
Original Assignee
Yanshan 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 Yanshan University filed Critical Yanshan University
Priority to CN202010244142.8A priority Critical patent/CN111248900A/zh
Publication of CN111248900A publication Critical patent/CN111248900A/zh
Pending legal-status Critical Current

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
    • A61B5/24—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
    • 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
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • 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
    • A61B5/369—Electroencephalography [EEG]
    • 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
    • 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)
  • Psychiatry (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychology (AREA)
  • Power Engineering (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种基于单通道心脑信息耦合分析方法及系统。通过采集单通道心电信号和单通道脑电信号，对信号进行预处理操作；提取预处理后的心电信号中的R波，得到RR间期时间序列；对RR间期时间序列进行平均值滤波器和线性插值处理，得到第一心率变异性时间序列；对第一心率变异性时间序列进行三次样条插值，得到插值后的心率变异性时间序列；对插值后的心率变异性时间序列和第一脑电信号进行处理，得到第二心率变异性时间序列和第二脑电信号；根据第二心率变异性时间序列和第二脑电信号，计算相干性和交叉谱功率；根据相干性和交叉谱功率，得到耦合强度。本发明能够解决心电和脑电信号在耦合信息特征方面的提取。

Description

一种基于单通道心脑信息耦合分析方法及系统
技术领域
本发明涉及心脑信息耦合分析领域，特别是涉及一种基于单通道心脑信息耦合分析方法及系统。
背景技术
随着医学技术的快速发展，脑电心电信号等弱生理信号的采集技术越来越成熟，从这些弱生理信号中提取出相应特征，并将其用作医学方面的疾病诊断依据，将对医学方面的发展起到极大的推进作用。
当代人生活节奏加快，生活压力增加，导致越来越多的人出现健康方面的问题，当人体出现疾病时就需要对人体的身体生理信号进行检测，根据检测结果确定病因，其中脑电和心电信号是人体生理信号检测的重点。其实人体的生理信号在一定程度上是相互影响的，并且可以根据其联系，做出一系列的诊断。目前已经有许多基于心电信号或者脑电信号分析睡眠的方法，如文献《An Electrocardiogram-based Technique to Assess Cardiopulmonary Coupling During Sleep》中提出了一种心肺耦合技术在睡眠中的应用，文献《头皮脑电和上肢肌电耦合性研究》中提出一种头皮脑电和上肢肌电的耦合方法。虽然目前国内外研究中耦合方法较多，但是心脑信号之间的信息耦合算法却很少，而本发明提供一种新的基于单通道心脑信息耦合分析方法，并且其对睡眠、麻醉等状态的特征提取有重要的意义。
发明内容
本发明的目的是提供一种基于单通道心脑信息耦合分析方法及系统，能够解决心电和脑电信号在耦合信息特征方面的提取，并对睡眠状态的准确分类提供了一个新的角度。
为实现上述目的，本发明提供了如下方案：
一种基于单通道心脑信息耦合分析方法，包括：
采集单通道心电信号和单通道脑电信号；
对所述单通道心电信号和所述单通道脑电信号进行预处理操作，得到第一心电信号和第一脑电信号；
提取所述第一心电信号中的R波，得到RR间期时间序列；
对所述RR间期时间序列进行平均值滤波器和线性插值处理，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列；
对所述第一心率变异性时间序列进行三次样条插值，得到插值后的心率变异性时间序列；
对所述插值后的心率变异性时间序列和所述第一脑电信号进行重采样和汉宁窗处理，得到第二心率变异性时间序列和第二脑电信号；
根据所述第二心率变异性时间序列和所述第二脑电信号，计算所述第二脑电信号和所述第二心率变异性的相干性和交叉谱功率；
根据所述相干性和所述交叉谱功率，得到所述第二脑电信号和所述第二心率变异性在不同频段内的相干交叉功率，所述相干交叉功率为所述单通道心电信号和所述单通道脑电信号间的耦合强度。
可选的，所述对所述单通道心电信号和所述单通道脑电信号进行预处理操作，得到第一心电信号和第一脑电信号，具体包括：
对所述单通道心电信号和所述单通道脑电信号进行滤除工频干扰处理和基线漂移处理，得到第一心电信号和第一脑电信号。
可选的，所述提取所述第一心电信号中的R波，得到RR间期时间序列，具体包括：
选取所述心电信号的波形中R波的斜率最大且R波波峰为局部幅值最大的特征点；
根据所述特征点提取第一心电信号，得到RR间期时间序列。
可选的，所述对所述RR间期时间序列进行平均值滤波器和线性插值处理，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列，具体包括：
对所述RR间期时间序列使用平均值滤波器去除和窗口长度内数据平均值相差超过20％的数据，并使用插值法替换数据异常值，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列。
可选的，所述根据所述第二心率变异性时间序列和所述第二脑电信号，计算所述第二脑电信号和所述第二心率变异性的相干性和交叉谱功率，具体包括：
根据所述第二心率变异性时间序列和所述第二脑电信号采用公式
Figure BDA0002433516230000031
得到所述第二脑电信号和所述第二心率变异性的相干性；
根据所述第二心率变异性时间序列和所述第二脑电信号采用公式
Figure BDA0002433516230000032
得到所述第二脑电信号和所述第二心率变异性的交叉谱功率；
其中，
Figure BDA0002433516230000033
x(t)为第二心率变异性时间序列，y(t)为第二脑电信号时间序列，τ为延迟时间记为τ，Rxy(τ)为y(t)在t+τ时刻和x(t)在t时刻的互相关函数；Rxx(ω)为第二心率变异性时间序列的自功率谱，Ryy(ω)为第二脑电信号时间序列的自功率谱；Cxy为第二脑电信号和第二心率变异性的相干性，Sxy为第二脑电信号和第二心率变异性的交叉谱功率。
可选的，所述根据所述相干性和所述交叉谱功率，得到所述第二脑电信号和所述第二心率变异性在不同频段内的相干交叉功率，具体包括：
根据所述相干性和所述交叉谱功率采用公式CS(ω)＝|Sxy(ω)*Cxy(ω)|，得到所述第二脑电信号和所述第二心率变异性在不同频段内的相干交叉功率；
其中，CS(ω)为第二脑电信号和第二心率变异性在不同频段内的相干交叉功率，Cxy为第二脑电信号和第二心率变异性的相干性，Sxy为第二脑电信号和第二心率变异性的交叉谱功率。
一种基于单通道心脑信息耦合分析系统，包括：
信号采集模块，用于采集单通道心电信号和单通道脑电信号；
预处理模块，用于对所述单通道心电信号和所述单通道脑电信号进行预处理操作，得到第一心电信号和第一脑电信号；
提取模块，用于提取所述第一心电信号中的R波，得到RR间期时间序列；
滤波及插值处理模块，用于对所述RR间期时间序列进行平均值滤波器和线性插值处理，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列；
样条插值模块，用于对所述第一心率变异性时间序列进行三次样条插值，得到插值后的心率变异性时间序列；
重采样及汉宁窗处理模块，用于对所述插值后的心率变异性时间序列和所述第一脑电信号进行重采样和汉宁窗处理，得到第二心率变异性时间序列和第二脑电信号；
相干性及交叉谱功率确定模块，用于根据所述第二心率变异性时间序列和所述第二脑电信号，计算所述第二脑电信号和所述第二心率变异性的相干性和交叉谱功率；
相干交叉功率确定模块，用于根据所述相干性和所述交叉谱功率，得到所述第二脑电信号和所述第二心率变异性在不同频段内的相干交叉功率，所述相干交叉功率为所述单通道心电信号和所述单通道脑电信号间的耦合强度。
可选的，所述预处理模块，具体包括：
预处理单元，用于对所述单通道心电信号和所述单通道脑电信号进行滤除工频干扰处理和基线漂移处理，得到第一心电信号和第一脑电信号。
可选的，所述提取模块，具体包括：
特征点选取单元，用于选取所述心电信号的波形中R波的斜率最大且R波波峰为局部幅值最大的特征点；
提取单元，用于根据所述特征点提取第一心电信号，得到RR间期时间序列。
可选的，所述滤波及插值处理模块，具体包括：
滤波及插值处理单元，用于对所述RR间期时间序列使用平均值滤波器去除和窗口长度内数据平均值相差超过20％的数据，并使用插值法替换数据异常值，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供一种基于单通道心脑信息耦合分析方法及系统。通过采集单通道心电信号和单通道脑电信号，对信号进行预处理操作，提取预处理后的心电信号中的R波，得到RR间期时间序列；对RR间期时间序列进行平均值滤波器和线性插值处理，得到第一心率变异性时间序列；对第一心率变异性时间序列进行三次样条插值，得到插值后的心率变异性时间序列；对插值后的心率变异性时间序列和第一脑电信号进行处理，得到第二心率变异性时间序列和第二脑电信号；根据第二心率变异性时间序列和第二脑电信号，计算第二脑电信号和第二心率变异性的相干性和交叉谱功率；根据相干性和交叉谱功率，确定出第二脑电信号和第二心率变异性在不同频段内的相干交叉功率，即得到了单通道心电信号和单通道脑电信号间的耦合强度。显然，通过上述方法本发明能够解决心电和脑电信号在耦合信息特征方面的提取，能够对睡眠状态的准确分类提供新的角度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于单通道心脑信息耦合分析方法流程图；
图2为本发明自适应工频陷波原理图；
图3为本发明心电信号和R波峰值连线图；
图4为本发明三次样条插值示意图；
图5为本发明汉宁窗系数图；
图6为本发明心率变异性和脑电信号的相干交叉谱功率的结果图；
图7为本发明基于单通道心脑信息耦合分析系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于单通道心脑信息耦合分析方法及系统，能够解决心电和脑电信号在耦合信息特征方面的提取，并对睡眠状态的准确分类提供了一个新的角度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明基于单通道心脑信息耦合分析方法流程图。如图1所示，一种基于单通道心脑信息耦合分析方法包括：
步骤101：采集单通道心电信号和单通道脑电信号。
步骤102：对所述单通道心电信号和所述单通道脑电信号进行预处理操作，得到第一心电信号和第一脑电信号，具体包括：
对所述单通道心电信号和所述单通道脑电信号进行滤除工频干扰处理和基线漂移处理，得到第一心电信号和第一脑电信号。
去除工频干扰使用的是自适应陷波的方法，图2为本发明自适应工频陷波原理图。如图2所示，图中s0代表原始数据，s代表滤除工频噪声后的数据，n1和n2分别代表与原始数据相同采样率下的50Hz正弦信号和余弦信号，w代表权重，e代表反馈信号。其中：
Figure BDA0002433516230000061
Figure BDA0002433516230000062
式中C为预设常数，f代表工频频率，一般取50Hz，
Figure BDA0002433516230000063
为预设相位。通过上式可得y：
y＝w1*n1+w2*n2
式中w1＝w1(k)+C1*e(k)*n1，w2＝w2(k)+C2*e(k)*n2，其中w(k)和e(k)分别表示上一时刻的权重和误差，更新的权重w都与反馈信号e有关，进而不断更新y的值，达到追踪原始信号中工频干扰的目的。
自适应陷波的原理是通过反馈信号e，不断的调整权重w，进而改变y，使其通过反馈控制近似于原始数据中的工频干扰，之后令s＝s0-y来消除原始数据中的工频噪声。
基线漂移属于低频噪声，大多数采集设备采集的心电和脑电信号中的基线漂移通常已经被滤除掉了。心电信号的能量集中在100Hz以下，脑电信号的能量集中在0.01Hz-47Hz之间，且基线漂移属于低频噪声，可通过高通滤波器进行去除，故对心电信号进行0Hz高通滤波操作，对脑电信号进行0.01Hz到47Hz的带通滤波操作，进而得到预处理后的信号。
其中高通滤波器的原理类似于上述工频陷波的原理，将阻带中心频率f设置在0Hz处，即可信号中的滤除基线漂移。带通滤波器是通过反馈信号e，不断的调整权重w，令所求信号s＝s0*w，其中s0为输入的原始信号，w为根据上一时刻原始数据不断变化的权重，s为所需的输出信号。
步骤103：提取所述第一心电信号中的R波，得到RR间期时间序列，具体包括：
选取所述心电信号的波形中R波的斜率最大且R波波峰为局部幅值最大的特征点。
根据所述特征点提取第一心电信号，得到RR间期时间序列。
图3为本发明心电信号和R波峰值连线图。图2显示了R波峰值点提取的效果，图中实线为心电信号，虚线为包络线，虚线为R波峰值点的连线图，主要是定位心电信号中的局部最大值，即为所需的R波峰值点。RR间期时间序列的计算公式如下：
RRi＝Ri-Ri-1
其中i＝1,2,…,n，RRi表示i时刻R波峰值点与i-1时刻R波峰值点的时间差。
步骤104：对所述RR间期时间序列进行平均值滤波器和线性插值处理，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列，具体包括：
对所述RR间期时间序列使用平均值滤波器去除和窗口长度内数据平均值相差超过20％的数据，并使用插值法替换数据异常值，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列。
插值法的原理是将离散的点通过连线形式形成连续的点，从而补全丢失的离散点，之后通过等间距取点的方法得到所需数据的离散点。
本发明采用的平均值滤波器的公式如下：
Figure BDA0002433516230000081
式中k取20，mean代表所求阈值，当RRi≥(1+0.2)*mean或者RRi≤(1-0.2)*mean时，代表此时RR间期异常。当i时刻的RRi异常时，通过线性插值法替换RRi的值，通过RRi-1和RRi+1使用插值法的插值，计算二者的平均值替换异常值RRi。
对RR间期时间序列经过上述处理后，即可得到没有异常值的NN间期时间序列，即为第一心率变异性时间序列。
步骤105：对所述第一心率变异性时间序列进行三次样条插值，得到插值后的心率变异性时间序列。
对第一心率变异性时间序列进行三次样条插值处理的目的是使其数据长度与预处理后的第一脑电信号的数据长度一致。图4为本发明三次样条插值示意图。图4中圆圈的采样点为原始记录的数据点，通过使用三次多项式补充采样点之间的空白点，通过此操作，即可使心率变异性时间序列的数据点长度与脑电信号数据点长度一致，从而保证数据间长度的一致性，方便后面的计算。
步骤106：对所述插值后的心率变异性时间序列和所述第一脑电信号进行重采样和汉宁窗处理，得到第二心率变异性时间序列和第二脑电信号。
对二者进行重采样以及汉宁窗的处理，从而加快运算速度，并且去除数据趋势化和窗口化的影响。
由于心电信号和脑电信号的采样率通常较高，所以为了减少计算时间，将心电信号(即插值后的心率变异性时间序列)和第一脑电信号进行100Hz重采样的操作，将数据的采样率人为降到100Hz。比如原始采样率为500Hz，即1秒记录500个数据点，重采样到100Hz指的是1秒记录100个数据点，即将原来500个数据点等间隔取100个数据点，组成新的数据序列。
汉宁窗的系数公式如下：
Figure BDA0002433516230000091
式中0≤n≤N，w(n)即为汉宁窗的系数。例如将窗口长度N设置为512，图5为本发明汉宁窗系数图，由图5可知，越靠近窗口边缘，汉宁窗的系数越接近0，从而去除数据在分窗处理过程中的趋势化和窗口化。据此可知汉宁窗可以很好地去除数据窗口化和趋势化的影响。在数据计算时：令s(n)＝w(n)*s0(n)，其中s0(n)代表所需汉宁窗处理的原始数据，s(n)代表汉宁窗处理后的数据。
步骤107：根据所述第二心率变异性时间序列和所述第二脑电信号，计算所述第二脑电信号和所述第二心率变异性的相干性和交叉谱功率，具体包括：
根据所述第二心率变异性时间序列和所述第二脑电信号采用公式
Figure BDA0002433516230000092
得到所述第二脑电信号和所述第二心率变异性的相干性。
根据所述第二心率变异性时间序列和所述第二脑电信号采用公式
Figure BDA0002433516230000093
得到所述第二脑电信号和所述第二心率变异性的交叉谱功率。
其中，
Figure BDA0002433516230000094
x(t)为第二心率变异性时间序列，y(t)为第二脑电信号时间序列，τ为延迟时间记为τ，Rxy(τ)为y(t)在t+τ时刻和x(t)在t时刻的互相关函数；Rxx(ω)为第二心率变异性时间序列的自功率谱，Ryy(ω)为第二脑电信号时间序列的自功率谱；Cxy为第二脑电信号和第二心率变异性的相干性，Sxy为第二脑电信号和第二心率变异性的交叉谱功率。
步骤108：根据所述相干性和所述交叉谱功率，得到所述第二脑电信号和所述第二心率变异性在不同频段内的相干交叉功率，所述相干交叉功率为所述单通道心电信号和所述单通道脑电信号间的耦合强度，具体包括：
根据所述相干性和所述交叉谱功率采用公式CS(ω)＝|Sxy(ω)*Cxy(ω)|，得到所述第二脑电信号和所述第二心率变异性在不同频段内的相干交叉功率。
其中，CS(ω)为第二脑电信号和第二心率变异性在不同频段内的相干交叉功率，Cxy为第二脑电信号和第二心率变异性的相干性，Sxy为第二脑电信号和第二心率变异性的交叉谱功率。
利用相干性和交叉谱功率乘积，得到第二脑电信号与第二心率变异性在0.1～4Hz、4～8Hz、8～13Hz以及13～30Hz的相干交叉谱功率，作为单通道心电信号和单通道脑电信号间的耦合强度。
由于脑电信号分析中常用的频段包括Delta频段(0.5～4Hz)、Theta频段(4～8Hz)、Alpha频段(8～13Hz)和Beta频段(13～30Hz)，而心率变异性中的低频成分通常也是研究的重点，为了尽可能的保留二者的耦合关系，在耦合强度的划分频段分为0.1～4Hz、4～8Hz、8～13Hz以及13～30Hz四个频段。耦合强度用相干交叉谱功率表示。图6为本发明心率变异性和脑电信号的相干交叉谱功率的结果图。由图6可知，本发明分别提取在0.1～4hz、4～8hz、8～13hz以及13～30hz四个频段的相干交叉谱功率，作为心电信号和脑电信号的耦合强度。
图7为本发明基于单通道心脑信息耦合分析系统结构图。如图7所示，一种基于单通道心脑信息耦合分析系统包括：
信号采集模块201，用于采集单通道心电信号和单通道脑电信号。
预处理模块202，用于对所述单通道心电信号和所述单通道脑电信号进行预处理操作，得到第一心电信号和第一脑电信号。
提取模块203，用于提取所述第一心电信号中的R波，得到RR间期时间序列。
滤波及插值处理模块204，用于对所述RR间期时间序列进行平均值滤波器和线性插值处理，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列。
样条插值模块205，用于对所述第一心率变异性时间序列进行三次样条插值，得到插值后的心率变异性时间序列。
重采样及汉宁窗处理模块206，用于对所述插值后的心率变异性时间序列和所述第一脑电信号进行重采样和汉宁窗处理，得到第二心率变异性时间序列和第二脑电信号。
相干性及交叉谱功率确定模块207，用于根据所述第二心率变异性时间序列和所述第二脑电信号，计算所述第二脑电信号和所述第二心率变异性的相干性和交叉谱功率。
相干交叉功率确定模块208，用于根据所述相干性和所述交叉谱功率，得到所述第二脑电信号和所述第二心率变异性在不同频段内的相干交叉功率，所述相干交叉功率为所述单通道心电信号和所述单通道脑电信号间的耦合强度。
所述预处理模块202，具体包括：
预处理单元，用于对所述单通道心电信号和所述单通道脑电信号进行滤除工频干扰处理和基线漂移处理，得到第一心电信号和第一脑电信号。
所述提取模块203，具体包括：
特征点选取单元，用于选取所述心电信号的波形中R波的斜率最大且R波波峰为局部幅值最大的特征点。
提取单元，用于根据所述特征点提取第一心电信号，得到RR间期时间序列。
所述滤波及插值处理模块204，具体包括：
滤波及插值处理单元，用于对所述RR间期时间序列使用平均值滤波器去除和窗口长度内数据平均值相差超过20％的数据，并使用插值法替换数据异常值，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是和其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其和实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于单通道心脑信息耦合分析方法，其特征在于，包括：
采集单通道心电信号和单通道脑电信号；
对所述单通道心电信号和所述单通道脑电信号进行预处理操作，得到第一心电信号和第一脑电信号；
提取所述第一心电信号中的R波，得到RR间期时间序列；
对所述RR间期时间序列进行平均值滤波器和线性插值处理，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列；
对所述第一心率变异性时间序列进行三次样条插值，得到插值后的心率变异性时间序列；
对所述插值后的心率变异性时间序列和所述第一脑电信号进行重采样和汉宁窗处理，得到第二心率变异性时间序列和第二脑电信号；
根据所述第二心率变异性时间序列和所述第二脑电信号，计算所述第二脑电信号和所述第二心率变异性的相干性和交叉谱功率；
根据所述相干性和所述交叉谱功率，得到所述第二脑电信号和所述第二心率变异性在不同频段内的相干交叉功率，所述相干交叉功率为所述单通道心电信号和所述单通道脑电信号间的耦合强度。
2.根据权利要求1所述的基于单通道心脑信息耦合分析方法，其特征在于，所述对所述单通道心电信号和所述单通道脑电信号进行预处理操作，得到第一心电信号和第一脑电信号，具体包括：
对所述单通道心电信号和所述单通道脑电信号进行滤除工频干扰处理和基线漂移处理，得到第一心电信号和第一脑电信号。
3.根据权利要求1所述的基于单通道心脑信息耦合分析方法，其特征在于，所述提取所述第一心电信号中的R波，得到RR间期时间序列，具体包括：
选取所述心电信号的波形中R波的斜率最大且R波波峰为局部幅值最大的特征点；
根据所述特征点提取第一心电信号，得到RR间期时间序列。
4.根据权利要求1所述的基于单通道心脑信息耦合分析方法，其特征在于，所述对所述RR间期时间序列进行平均值滤波器和线性插值处理，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列，具体包括：
对所述RR间期时间序列使用平均值滤波器去除和窗口长度内数据平均值相差超过20％的数据，并使用插值法替换数据异常值，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列。
5.根据权利要求1所述的基于单通道心脑信息耦合分析方法，其特征在于，所述根据所述第二心率变异性时间序列和所述第二脑电信号，计算所述第二脑电信号和所述第二心率变异性的相干性和交叉谱功率，具体包括：
根据所述第二心率变异性时间序列和所述第二脑电信号采用公式
Figure FDA0002433516220000021
得到所述第二脑电信号和所述第二心率变异性的相干性；
根据所述第二心率变异性时间序列和所述第二脑电信号采用公式
Figure FDA0002433516220000022
得到所述第二脑电信号和所述第二心率变异性的交叉谱功率；
其中，
Figure FDA0002433516220000023
x(t)为第二心率变异性时间序列，y(t)为第二脑电信号时间序列，τ为延迟时间记为τ，Rxy(τ)为y(t)在t+τ时刻和x(t)在t时刻的互相关函数；Rxx(ω)为第二心率变异性时间序列的自功率谱，Ryy(ω)为第二脑电信号时间序列的自功率谱；Cxy为第二脑电信号和第二心率变异性的相干性，Sxy为第二脑电信号和第二心率变异性的交叉谱功率。
6.根据权利要求1所述的基于单通道心脑信息耦合分析方法，其特征在于，所述根据所述相干性和所述交叉谱功率，得到所述第二脑电信号和所述第二心率变异性在不同频段内的相干交叉功率，具体包括：
根据所述相干性和所述交叉谱功率采用公式CS(ω)＝|Sxy(ω)*Cxy(ω)|，得到所述第二脑电信号和所述第二心率变异性在不同频段内的相干交叉功率；
其中，CS(ω)为第二脑电信号和第二心率变异性在不同频段内的相干交叉功率，Cxy为第二脑电信号和第二心率变异性的相干性，Sxy为第二脑电信号和第二心率变异性的交叉谱功率。
7.一种基于单通道心脑信息耦合分析系统，其特征在于，包括：
信号采集模块，用于采集单通道心电信号和单通道脑电信号；
预处理模块，用于对所述单通道心电信号和所述单通道脑电信号进行预处理操作，得到第一心电信号和第一脑电信号；
提取模块，用于提取所述第一心电信号中的R波，得到RR间期时间序列；
滤波及插值处理模块，用于对所述RR间期时间序列进行平均值滤波器和线性插值处理，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列；
样条插值模块，用于对所述第一心率变异性时间序列进行三次样条插值，得到插值后的心率变异性时间序列；
重采样及汉宁窗处理模块，用于对所述插值后的心率变异性时间序列和所述第一脑电信号进行重采样和汉宁窗处理，得到第二心率变异性时间序列和第二脑电信号；
相干性及交叉谱功率确定模块，用于根据所述第二心率变异性时间序列和所述第二脑电信号，计算所述第二脑电信号和所述第二心率变异性的相干性和交叉谱功率；
相干交叉功率确定模块，用于根据所述相干性和所述交叉谱功率，得到所述第二脑电信号和所述第二心率变异性在不同频段内的相干交叉功率，所述相干交叉功率为所述单通道心电信号和所述单通道脑电信号间的耦合强度。
8.根据权利要求7所述的基于单通道心脑信息耦合分析系统，其特征在于，所述预处理模块，具体包括：
预处理单元，用于对所述单通道心电信号和所述单通道脑电信号进行滤除工频干扰处理和基线漂移处理，得到第一心电信号和第一脑电信号。
9.根据权利要求7所述的基于单通道心脑信息耦合分析系统，其特征在于，所述提取模块，具体包括：
特征点选取单元，用于选取所述心电信号的波形中R波的斜率最大且R波波峰为局部幅值最大的特征点；
提取单元，用于根据所述特征点提取第一心电信号，得到RR间期时间序列。
10.根据权利要求7所述的基于单通道心脑信息耦合分析系统，其特征在于，所述滤波及插值处理模块，具体包括：
滤波及插值处理单元，用于对所述RR间期时间序列使用平均值滤波器去除和窗口长度内数据平均值相差超过20％的数据，并使用插值法替换数据异常值，得到NN间期时间序列，所述NN间期时间序列为第一心率变异性时间序列。
CN202010244142.8A 2020-03-31 2020-03-31 一种基于单通道心脑信息耦合分析方法及系统 Pending CN111248900A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010244142.8A CN111248900A (zh) 2020-03-31 2020-03-31 一种基于单通道心脑信息耦合分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010244142.8A CN111248900A (zh) 2020-03-31 2020-03-31 一种基于单通道心脑信息耦合分析方法及系统

Publications (1)

Publication Number Publication Date
CN111248900A true CN111248900A (zh) 2020-06-09

Family

ID=70942203

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010244142.8A Pending CN111248900A (zh) 2020-03-31 2020-03-31 一种基于单通道心脑信息耦合分析方法及系统

Country Status (1)

Country Link
CN (1) CN111248900A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112006673A (zh) * 2020-08-26 2020-12-01 西安电子科技大学 人体心率检测方法、系统、存储介质、计算机设备及终端
CN114098756A (zh) * 2021-11-08 2022-03-01 杭州菲诗奥医疗科技有限公司 一种基于单通道ecg信号的心肺耦合分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103584840A (zh) * 2013-11-25 2014-02-19 天津大学 基于脑电、心率变异及两者相干性的自动睡眠分期方法
CN107997741A (zh) * 2018-01-08 2018-05-08 北京大学 一种胎心率和宫缩信号的耦合分析方法
CN110338787A (zh) * 2019-07-15 2019-10-18 燕山大学 一种对静态脑电信号的分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103584840A (zh) * 2013-11-25 2014-02-19 天津大学 基于脑电、心率变异及两者相干性的自动睡眠分期方法
CN107997741A (zh) * 2018-01-08 2018-05-08 北京大学 一种胎心率和宫缩信号的耦合分析方法
CN110338787A (zh) * 2019-07-15 2019-10-18 燕山大学 一种对静态脑电信号的分析方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
卞士平: "《临床远程心电监测学》", 31 August 2017, 上海辞书出版社 *
拉宾纳，等: "《数字信号处理的原理与应用》", 28 February 1982 *
曾垂省: "《远程心电监护技术及其应用》", 30 November 2016, 重庆大学出版社 *
杜笑娟: "情感数据库建立及情感特征提取算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112006673A (zh) * 2020-08-26 2020-12-01 西安电子科技大学 人体心率检测方法、系统、存储介质、计算机设备及终端
CN114098756A (zh) * 2021-11-08 2022-03-01 杭州菲诗奥医疗科技有限公司 一种基于单通道ecg信号的心肺耦合分析方法

Similar Documents

Publication Publication Date Title
CN110327036B (zh) 从穿戴式心电中提取呼吸信号和呼吸频率的方法
US7809433B2 (en) Method and system for limiting interference in electroencephalographic signals
Berwal et al. Motion artifact removal in ambulatory ECG signal for heart rate variability analysis
Zhang et al. VLSI friendly ECG QRS complex detector for body sensor networks
CN110353704B (zh) 基于穿戴式心电监测的情绪评估方法与装置
US20140148714A1 (en) Automatic online delineation of a multi-lead electrocardiogram bio signal
CN111248900A (zh) 一种基于单通道心脑信息耦合分析方法及系统
Pingale Using Pan Tompkin ‘S Method, ECG signal processing and dignose various diseases in Matlab
Viunytskyi et al. Signal processing techniques for fetal electrocardiogram extraction and analysis
Yang et al. Removal of pulse waveform baseline drift using cubic spline interpolation
Salsekar et al. Filtering of ECG signal using butterworth filter and its feature extraction
JP3171257B2 (ja) 心電図から基線変動を除去する方法および装置
CN108154112B (zh) 一种处理心电数据的方法、处理心电数据的装置及电子设备
Pandey Adaptive filtering for baseline wander removal in ECG
Rankawat et al. ECG artifacts detection in noncardiovascular signals using Slope Sum Function and Teager Kaiser Energy
CN114580477B (zh) 一种基于多时间序列融合的可穿戴动态呼吸率估测系统
CN115486856A (zh) 消除信号相移的表面电生理信号处理方法和系统
Muppalla et al. Implementation of an Arrhythmia detection scheme with cellular based alert framework
Dembrani et al. Accurate detection of ECG signals in ECG monitoring systems by eliminating the motion artifacts and improving the signal quality using SSG filter with DBE
Jaimovich et al. Creating biosignal algorithms for musical applications from an extensive physiological database
Daqrouq et al. The discrete wavelet transform based electrocardiographic baseline wander reduction method for better signal diagnosis
CN112826451A (zh) 一种麻醉深度及睡眠深度的评估方法及装置
Karnewar et al. Preprocessing ECG signal by eliminating various noises using denoising methods
Oktivasari et al. A simple real-time system for detection of normal and myocardial ischemia in the ST segment and t wave ECG signal
Babusiak et al. Prerequisite for HRV biofeedback: Real-Time Detection of R peaks

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

Application publication date: 20200609

RJ01 Rejection of invention patent application after publication