CN111557658B - Ppg实时心率信号质量评估方法及装置、存储介质 - Google Patents
Ppg实时心率信号质量评估方法及装置、存储介质 Download PDFInfo
- Publication number
- CN111557658B CN111557658B CN202010403619.2A CN202010403619A CN111557658B CN 111557658 B CN111557658 B CN 111557658B CN 202010403619 A CN202010403619 A CN 202010403619A CN 111557658 B CN111557658 B CN 111557658B
- Authority
- CN
- China
- Prior art keywords
- heart rate
- real
- time heart
- ppg
- rate 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 21
- 238000002372 labelling Methods 0.000 claims description 134
- 230000008859 change Effects 0.000 claims description 39
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 13
- 239000003550 marker Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000718 qrs complex Methods 0.000 claims description 7
- 238000001303 quality assessment method Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000013186 photoplethysmography Methods 0.000 description 128
- 238000004422 calculation algorithm Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 108010076504 Protein Sorting Signals Proteins 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010003658 Atrial Fibrillation Diseases 0.000 description 1
- 210000003403 autonomic nervous system Anatomy 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000001186 vagus nerve Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
-
- 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
Abstract
本发明提供一种PPG实时心率信号质量评估方法及装置、存储介质。方法包括采集用户的PPG信号和ECG信号;分别对两个信号进行提取,得到PPG实时心率信号和ECG实时心率信号;分别从两个实时心率信号中,提取心率变异性的时域、频域特征和非线性特征中的至少一者,计算两个信号特征之间的相关性;计算ECG实时心率信号与PPG实时心率信号的相似度,根据相关性和相似度,评估PPG实时心率的信号质量。可以有效实现量化手环或其他设备采集的PPG实时心率信号与ECG实时心率信号之间的相关性和相似度等问题,从而可以精确量化并评估所述手环或其他设备采集的PPG实时心率信号的质量。
Description
技术领域
本发明属于脉搏波信号监测技术领域,具体涉及一种手环或其他设备采集的PPG实时心率信号质量评估方法、一种PPG实时心率信号质量评估装置以及一种计算机可读存储介质。
背景技术
目前市面上的智能手环种类、功能繁多,这些手环除了具备运动计步等基本功能,还提供了许多实时监测人体日常活动以及健康状况的功能,包括实时监测心率、睡眠分析、检测心房颤动和记录分析身体活动数据等。因为脉搏波包含有丰富的心血管系统生理病理信息,所以这些健康监测功能绝大部分都是先通过光电容积脉搏波描记法(photoplethysmography,PPG)检测人体的脉搏波信号,再对脉搏波信号进一步提取相关特征来实现的。因此脉搏波信号的质量对智能手环的这些功能的准确性就会有很大的影响,所以在将任何可穿戴设备采集的PPG数据用于下一步研究分析前,都应对这些数据进行一个详细的评估,评估这些数据的质量以及数据提取出的特征的准确性是否达到一定的条件以支持之后的分析研究。
现在国内外有不少人的针对PPG信号及其提取的实时心率信号做信号质量评估,主要是分为两个方法,一个方法是从PPG的波形评估出发,通过提取与质量相关的波形形态特征,如脉冲幅度、脉冲宽度、连续波谷间的波谷深度差等建立一个三阶段分类算法进行质量评估。例如通过波形特征评估PPG质量的方法,其中的波形特征包括:峰度指数、偏度指数、主波宽度等指标。但是,PPG的波形特征好坏不是评判实时心率信号质量的唯一标准,而且由于日常生活中存在许多噪声,导致PPG的波形多种多样,因此单靠波形特征无法做到准确评估PPG实时心率信号的质量。
另一方法是将PPG的实时心率信号与心电(Electrocardiogram,ECG)的实时心率信号相比较,分别计算一些相关特征之后,将两者的特征做相关性分析。如使用了平均心率、心跳间隔标准差、心跳间隔高频分量和低频分量等特征与对应的ECG实时心率信号的特征做相关性分析,由此评判PPG实时心率信号质量。但是,这种方法无法精确量化两个信号之间的相似度,并且由于两者信号之间无法准确对齐,会增加一些误差。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一,提供一种PPG实时心率信号质量评估方法、一种PPG实时心率信号质量评估装置以及一种计算机可读存储介质。
本发明的一个方面,提供一种PPG实时心率信号质量评估方法,包括:
采集用户的PPG信号和ECG信号;
分别对所述PPG信号和所述ECG信号进行提取,得到PPG实时心率信号和ECG实时心率信号;
分别从所述PPG实时心率信号和所述ECG实时心率信号中,提取心率变异性的时域、频域特征和非线性特征中的至少一者,并计算所述PPG实时心率信号与所述ECG实时心率信号之间的相关性;
计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度;
根据所述相关性和所述相似度,评估所述PPG实时心率信号的质量。
在可选地一些实施方式中,对所述ECG信号进行提取,得到ECG实时心率信号,包括:
根据所述ECG信号与预设的多个分类模板之间的匹配度,将所述ECG信号分类,并且,每类所述ECG信号对应一组权重;
将所述ECG信号输入至预设的多个标注器,得到多组标注结果;
根据所述标注结果和对应的权重,计算每个所述标注结果的标注分数,并将标注分数超过预设阈值的标注结果作为初步标注结果;
根据所述初步标注结果,再计算每个标注的质量分数,并将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号。
在可选地一些实施方式中,所述根据所述标注结果和对应的权重,计算每个所述标注结果的标注分数,包括:
确定当前标注器的当前标注结果在预设范围内是否存在其余标注器的其余标注结果;
若存在所述其余标注结果,则根据其标注器对应的权重,计算所述其余标注结果对所述当前标注结果增加的标注分数,以获得所述当前标注结果的最终标注分数。
在可选地一些实施方式中,采用下述关系式计算所述当前标注结果的最终标注分数:
pointi为得到第i个其余标注结果对应的标注器的权重;
indexA与indexi分别为当前标注结果A和第i个其余标注结果的位置;
numA为所述当前标注结果A的所述最终标注分数。
在可选地一些实施方式中,根据所述初步标注结果,再计算每个标注的质量分数,并将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号,包括:
根据所述初步标注结果,确定所述每个初步标注结果对应范围内的ECG信号;
从所述范围内的ECG信号提取能够表征ECG信号质量的计算特征;
根据ECG信号质量的计算特征计算所述初步标注结果的质量分数;
将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号。
在可选地一些实施方式中,采用下述关系式计算所述质量分数:
其中,kur为峰度,power为QRS复合波功率占比,ske为偏度,spv为信号功率。
在可选地一些实施方式中,计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度,包括:
计算所述ECG实时心率信号与所述PPG实时心率信号的相似度D1;
随机打乱所述PPG实时心率信号,再计算与所述ECG实时心率信号的相似度D2;
向所述PPG实时心率信号添加不同功率i的白噪声,再计算与所述ECG实时心率信号的相似度Di,并记录下当Di与D2相等时所添加的白噪声功率W1;
根据所述相似度D1、相似度D2、相似度Di和白噪声功率W1,计算所述PPG实时心率信号包含的白噪声功率,利用多组白噪声功率i,相似度Di,拟合出相似度随白噪声功率变化的变化特性曲线,以根据所述变化特性曲线确定所述PPG实时心率信号对应的白噪声功率;
根据所述PPG实时心率信号与所述ECG实时心率信号之间的相似度以及所述变化特性曲线,具体量化PPG实时心率信号的质量。
在可选地一些实施方式中,计算所述ECG实时心率信号与所述PPG实时心率信号的相似度,包括:
将心跳间隔之间的变化转为二进制0-1序列;
逐个取序列中连续m个符号为一组,每组代表一种变化模式;
统计预设一段时间内,每种变化模式出现的频率,根据频率对不同模式进行排名,通过两组间隔变化模式的排名和频率并计算它们之间的相似度。
本发明的另一个方面,提供一种PPG实时心率信号质量评估装置,包括:
采集模块,用于采集用户的PPG信号和ECG信号;
提取模块,用于分别对所述PPG信号和所述ECG信号进行提取,得到PPG实时心率信号和ECG实时心率信号;
计算模块,用于分别从所述PPG实时心率信号和所述ECG实时心率信号中,提取心率变异性的时域、频域特征和非线性特征中的至少一者,并计算所述PPG实时心率信号与所述ECG实时心率信号之间的相关性;
所述计算模块,计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度;
评估模块,用于根据所述相关性和所述相似度,评估所述PPG实时心率信号的质量。
在可选地一些实施方式中,所述对所述ECG信号进行提取,得到ECG实时心率信号,包括:
所述提取模块,具体还用于:
根据所述ECG信号与预设的多个分类模板之间的匹配度,将所述ECG信号分类,并且,每类所述ECG信号对应一组权重;
将所述ECG信号输入至预设的多个标注器,得到多组标注结果;
根据所述标注结果和对应的权重,计算每个所述标注结果的标注分数,并将标注分数超过预设阈值的标注结果作为初步标注结果;
根据所述初步标注结果,再计算每个标注的质量分数,并将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号。
在可选地一些实施方式中,所述根据所述标注结果和对应的权重,计算每个所述标注结果的标注分数,包括:
所述提取模块,具体还用于:
确定当前标注器的当前标注结果在预设范围内是否存在其余标注器的其余标注结果;
若存在所述其余标注结果,则根据其标注器对应的权重,计算所述其余标注结果对所述当前标注结果增加的标注分数,以获得所述当前标注结果的最终标注分数。
在可选地一些实施方式中,采用下述关系式计算所述当前标注结果的最终标注分数:
pointi为得到第i个其余标注结果对应的标注器的权重;
indexA与indexi分别为当前标注结果A和第i个其余标注结果的位置;
numA为所述当前标注结果A的所述最终标注分数。
在可选地一些实施方式中,根据所述初步标注结果,再计算每个标注的质量分数,并将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号,包括:
所述提取模块,具体还用于:
根据所述初步标注结果,确定所述每个初步标注结果对应范围内的ECG信号;
从所述范围内的ECG信号提取能够表征ECG信号质量的计算特征;
根据ECG信号质量的计算特征计算所述初步标注结果的质量分数;
将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号。
在可选地一些实施方式中,采用下述关系式计算所述质量分数:
其中,kur为峰度,power为QRS复合波功率占比,ske为偏度,spv为信号功率。
在可选地一些实施方式中,计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度,包括:
所述计算模块,具体还用于:
计算所述ECG实时心率信号与所述PPG实时心率信号的相似度D1;
随机打乱所述PPG实时心率信号,再计算与所述ECG实时心率信号的相似度D2;
向所述PPG实时心率信号添加不同功率i的白噪声,再计算与所述ECG实时心率信号的相似度Di,并记录下当Di与D2相等时所添加的白噪声功率W1;
根据所述相似度D1、相似度D2、相似度Di和白噪声功率W1,计算所述PPG实时心率信号包含的白噪声功率,利用多组白噪声功率i,相似度Di,拟合出相似度随白噪声功率变化的变化特性曲线,以根据所述变化特性曲线确定所述PPG实时心率信号对应的白噪声功率;
根据所述PPG实时心率信号与所述ECG实时心率信号之间的相似度以及所述变化特性曲线,具体量化PPG实时心率信号的质量。
在可选地一些实施方式中,计算所述ECG实时心率信号与所述PPG实时心率信号的相似度,包括:
所述计算模块,具体还用于:
将心跳间隔之间的变化转为二进制0-1序列;
逐个取序列中连续m个符号为一组,每组代表一种变化模式;
统计预设一段时间内,每种变化模式出现的频率,根据频率对不同模式进行排名,通过两组间隔变化模式的排名和频率并计算它们之间的相似度。
本发明的另一个方面,提供一种电子设备,包括:
一个或多个处理器;
一个存储单元,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,能使得所述一个或多个处理器实现根据前文记载的所述的方法。
本发明的另一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时能实现根据前文记载的所述的方法。
本发明的PPG实时心率信号质量评估方法及装置,通过计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度,可以有效实现量化PPG实时心率信号与ECG实时心率信号之间的相似度等问题,从而可以精确量化两个信号之间的相似度,进而可以更加精准的评估所述PPG实时心率信号的质量。
附图说明
图1为本发明一实施例的一种电子设备的组成示意框图;
图2为本发明另一实施例的PPG实时心率信号质量评估方法的流程图;
图3为本发明另一实施例的从ECG信号得到初步R波标注结果的流程图;
图4为本发明另一实施例的计算R波标注质量分数的结果图;
图5为本发明另一实施例的基于信息相似度方法定量量化PPG实时心率信号质量流程图;
图6为本发明另一实施例的PPG实时心率信号质量评估装置的结构示意图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明作进一步详细描述。
首先,参照图1来描述用于实现本发明实施例的评估装置、评估方法的示例电子设备。
如图1所示,电子设备200包括一个或多个处理器210、一个或多个存储装置220、一个或多个输入装置230、一个或多个输出装置240等,这些组件通过总线系统250和/或其他形式的连接机构互连。应当注意,图1所示的电子设备的组件和结构只是示例性的,而非限制性的,根据需要,电子设备也可以具有其他组件和结构。
处理器210可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备200中的其他组件以执行期望的功能。
存储装置220可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如,所述应用程序使用和/或产生的各种数据等。
输入装置230可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
输出装置240可以向外部(例如用户)输出各种信息(例如图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
下面,将参考图2描述根据本发明一实施例的PPG实时心率信号质量评估方法。
如图2所示,一种PPG实时心率信号质量评估方法S100,包括:
S110、采集用户的PPG信号和ECG信号。
具体地,在本步骤中,可以利用佩戴在用户胳膊上的手环(如智能手环等)或其它设备采集用户的PPG信号,利用佩戴在用户身上的心电设备(如医用心电设备、可穿戴心电设备或其他心电信号检测设备等)采集用户的ECG信号。
需要说明的是,在该步骤中,对PPG信号和ECG信号进行采集,为了获得更好地可以用于评估PPG实时心率信号质量的ECG实时心率信号,可以在多种运动状态下采集信号,每种运动状态采集预定时长(如1个小时等)的信号,用于之后的质量评估。
S120、分别对所述PPG信号和所述ECG信号进行提取,得到PPG实时心率信号和ECG实时心率信号。
具体地,在本步骤中,采用何种方法对所述PPG信号和所述ECG信号进行提取并没有限定。示例性的,对于PPG信号提取而言,可以采用特定算法提取。对于ECG信号提取,可以采用心电R波算法标注及质量评估算法提取。当然,除此以外,本领域技术人员还可以根据实际需要,选择其他一些提取方式,本实施例对此并不限制。
S130、分别从所述PPG实时心率信号和所述ECG实时心率信号中,提取心率变异性的时域、频域特征和非线性特征中的至少一者,并计算所述PPG实时心率信号与所述ECG实时心率信号之间的相关性。
具体地,在本步骤中,提取心率变异性(HRV)的时域、频域特征和非线性特征等,并做相关性分析。心率变异性是反映自主神经系统活性和定量评估心脏交感神经与迷走神经张力及其平衡性的有效指标之一,本实施例主要使用HRV的时域、频域、非线性等特征做相关性对比分析。
示例性的,在本步骤中,时域特征可以包括下述内容:
1.MeanHR:一段时间内心跳间隔的平均值;
2.SDNN:一段时间内心跳间隔的标准差;
3.NN50:连续两个心跳间隔相差大于50ms的个数;
4.pNN50:连续两个心跳间隔相差大于50ms占心跳总个数的百分比;
5.RMSSD:心跳间隔的差值均方根;
6.Twod_SDNN:二阶差分标准差;
7.心跳间期RRI的均值、中值、方差和最值之差等统计特征。
频域特征可以包括下述内容:
1.pVLF:HRV信号在0.003-0.04Hz频带内的功率与总功率的比值;
2.pLF:HRV信号在0.04-0.15Hz频带内的功率与总功率的比值;
3.pHF:HRV信号在0.15-0.4Hz频带内的功率与总功率的比值;
4.aTotal:HRV信号总功率;
5.LFHF:低频功率pLF与高频功率pHF比值;
6.心跳间期RRI的频谱等特征。
非线性特征可以包括:样本熵、近似熵、多尺度熵、模糊熵、最大Lyapunov指数、Lempel-Ziv熵等非线性特征。
S140、计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度。
具体地,在本步骤中,对于采用何种方式计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度并没有作出限定,其只要能够满足可以有效量化两者之间的相似度等问题即可。示例性的,在本步骤中,可以采用一种新的基于IBS算法定量量化ECG实时心率信号与PPG实时心率信号的相似度的方法,此方法可以统计各种心跳变化模式,这一步可以更细致地评估ECG实时心率信号与PPG实时心率信号之间的距离。当然,除此以外,本领域技术人员还可以根据实际需要,选择其他一些计算方法,本实施例对此并不限制。
S150、根据所述相关性和所述相似度,评估所述PPG实时心率信号的质量。
具体地,在本步骤中,可以综合以上步骤的结果,包括各种时域、频域、非线性特征的相关性结果和量化相似度指标,输入到一个支持向量机模型中进行PPG实时心率信号质量的综合评估。PPG实时心率信号质量评估主要用于评估各种PPG采集设备处于不同运动状态下实时心率信号的质量以及从信号中提取出的各种特征的准确性是否达到一定的条件以支持之后的各种分析研究。
本实施例的评估方法,通过计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度,可以有效实现量化PPG实时心率信号与ECG实时心率信号之间的相似度等问题,从而可以精确量化两个信号之间的相似度,进而可以更加精准的评估所述PPG实时心率信号的质量。
在可选地一些实施方式中,对所述ECG信号进行提取,得到ECG实时心率信号,包括:
根据所述ECG信号与预设的多个分类模板之间的匹配度,将所述ECG信号分类,并且,每类所述ECG信号对应一组权重。
将所述ECG信号输入至预设的多个标注器,得到多组标注结果。
根据所述标注结果和对应的权重,计算每个所述标注结果的标注分数,并将标注分数超过预设阈值的标注结果作为初步标注结果。
根据所述初步标注结果,再计算每个标注的质量分数,并将质量分数超过预设阈值的标注结果作为所述ECG实时心率信号。
示例性的,ECG信号采用心电R波算法标注提取。如图3所示,考虑到不同的R波标注器对于不同干扰类型下的ECG信号优势不同,所以通过分配权重的方法,综合多个标注器的优点,实现更高的准确率。心电的R波标注算法结合了目前常用的多个标注器。首先使用模板匹配的方法将ECG信号分为多个种类,每类ECG信号对应一组标注器权重。在某个种类的ECG信号上比较擅长的R波标注器,则它的在本组的权重就比较大,反之则小。ECG信号经过全部的标注器,得到多组标注结果,再结合标注器权重,得到每个标注的得分,超过阈值的标注则为正确的标注,否则为错误标注。
权重是通过统计了各个类别中的一些例子的人工标注结果得出的,再在实验中进行了一些微调。对于每一类信号,都有一组对应的标注器权重。对于在这一类信号上表现较好的标注器,在这类信号对应的这组权重中,这个标注器对应的权重值就会更大,表现较差的标注器的权重就会很小,甚至为负数。权重代表了标注器在各类信号上的平均表现情况。
此外,在本实施例中,除了采用心电R波算法标注进行提取以外,还结合了质量评估算法进一步提取。利用R波算法标注得到标注结果后,提取ECG波形特征,对ECG信号进行逐拍的质量分数评估,结合该ECG波形特征来计算分数,分数低的则为标注错误或信号质量差的区域。这一质量评估部分主要是为了进一步去除经由R波标注算法得到的错误的标注。
本实施例的评估方法,采用设计的多个分类模板将ECG信号分为多个类别,并赋予每个类别一定的权重,同时将ECG信号输入至多个标注器得到多个标注结果,根据对应的权重,计算得到每个标注结果的标注分数,筛除标注分数低于阈值的一些标注结果,得到初步标注结果,最后根据所述初步标注结果,再计算每个标注的质量分数,并将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号,从而可以更加准确地提取出ECG实时心率信号,以便可以精确量化PPG实时心率信号和ECG实时心率信号之间的相似度,进而可以更加精准的评估所述PPG实时心率信号的质量。
在可选地一些实施方式中,所述根据所述标注结果和对应的权重,计算每个所述标注结果的标注分数,包括:
确定当前标注器的当前标注结果在预设范围内是否存在其余标注器的其余标注结果;
若存在所述其余标注结果,则根据其标注器对应的权重,计算所述其余标注结果对所述当前标注结果增加的标注分数,以获得所述当前标注结果的最终标注分数。
示例性的,在本实施方式中,标注的分数受两方面影响,一方面是标注器的权重,另一方面是邻近范围内其他标注的影响,若是大部分其他标注器也在这个地方有标注,则说明为准确的标注的可能性越大。
由上面的思路,拟合出下面的式子用于计算标注分数。输入参数:多组标注index,分类后确定的权重point,采样频率fs。将多组标注组合成一个向量,逐个计算标注分数。先要找出标注A的左右范围内有无其它标注器的标注结果,范围设置为以标注A为中心,左右50ms的范围内。若范围内有其它标注,则给标注A增加一定的分数,增加分数的计算方法如下:
pointi为得到第i个其余标注结果对应的标注器的权重;
indexA与indexi分别为当前标注结果A和第i个其余标注结果的位置;
numA为所述当前标注结果A的所述最终标注分数。
在获得了最终标注分数后,可以对其进行阈值筛选,阈值定为:
threshold=|0.8·mean-20|
其中,其中mean为所有标注的平均分数。如果通过式子计算得到的阈值超过1.5mean则定为1.5mean,这是为了排除异常值使得阈值过高的影响。分数超过阈值的标注结果则得保留,经过阈值筛选,得到初步标注结果。式子里的超参数可以根据实际应用的数据及结果做调整。
本实施例的评估方法,在计算标注结果的标注分数时,不仅考虑权重的影响,还需要考虑在该标注结果的周围是否存在其余标注器的标注结果,从而可以更加准确地提取出ECG实时心率信号,以便可以精确量化两个信号之间的相似度,进而可以更加精准的评估所述PPG实时心率信号的质量。
在可选地一些实施方式中,根据所述初步标注结果,再计算每个标注的质量分数,并将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号,包括:
根据所述初步标注结果,确定所述每个初步标注结果对应范围内的ECG信号。从所述范围内的ECG信号提取能够表征ECG信号质量的计算特征。根据ECG信号质量的计算特征计算所述初步标注结果的质量分数。将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号。
ECG质量评估采用的是逐搏计算的方式,根据R波标注确定一个心跳的范围,通过计算这个心跳范围内的一些特征值来确定这个心跳的质量,最终计算得到一个质量分数,分数越高表示质量越好。主要结合了心电波形特征来进行质量评估,当心电的波形异常时,R波就很有可能出现误检或错检。
选用的特征包括峰度kurtosis、偏度skewness、QRS复合波功率占比以及信号功率。其中峰度kurtosis和偏度skewness特征用于检测R波标注错误的地方,QRS复合波功率占比以及信号功率主要是对于异常信号的检测。
对于一些异常信号,例如电极脱落等原因导致的异常信号,这些信号应属于质量差的部分,通过计算信号的方差来进行判断并对分数进行一定的惩罚。
在得到各特征值后,采用下述关系式计算所述质量分数:
其中,kur为峰度,power为QRS复合波功率占比,ske为偏度,spv为信号功率,参数可随实际情况进行调整。筛除point值低的部分信号及标注,得到最终的标注结果。式子中的超参数可以根据实际应用情况进行调整,最终ECG信号质量评估算法的结果图如图4所示。
本实施例的评估方法,在利用由R波标注算法得到初步标注结果以后,再对ECG信号进行逐拍的质量分数评估,结合该心跳的波形特征来计算分数,分数低的则为标注错误或信号质量差的区域。这一质量评估部分主要是为了进一步去除经由R波标注算法得到的错误的标注。从而可以更加准确地提取出ECG实时心率信号,以便可以精确量化PPG实时心率信号和ECG实时心率信号之间的相似度,进而可以更加精准的评估所PPG实时心率信号的质量。
在可选地一些实施方式中,计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度,包括:
计算所述ECG实时心率信号与所述PPG实时心率信号的相似度D1;
随机打乱所述PPG实时心率信号,再计算与所述ECG实时心率信号的相似度D2;
向所述PPG实时心率信号添加不同功率i的白噪声,再计算与所述ECG实时心率信号的相似度Di,并记录下当Di与D2相等时所添加的白噪声功率W1;
根据所述相似度D1、相似度D2、相似度Di和白噪声功率W1,计算所述PPG实时心率信号包含的白噪声功率,利用多组白噪声功率i,相似度Di,拟合出相似度随白噪声功率变化的变化特性曲线,以根据所述变化特性曲线确定所述PPG实时心率信号对应的白噪声功率;
根据所述PPG实时心率信号与所述ECG实时心率信号之间的相似度以及所述变化特性曲线,具体量化PPG实时心率信号的质量。
本实施例的评估方法,采用上述记载的计算相似度方法,为了解决PPG信号的时间轴与ECG信号的时间无法精确对齐的问题,提出了一种新的基于IBS算法定量量化ECG实时心率信号与PPG实时心率信号的相似度的方法,此方法可以统计各种心跳变化模式,这一步可以更细致地评估ECG实时心率信号与PPG实时心率信号之间的距离。
在可选地一些实施方式中,一并结合图5,计算所述ECG实时心率信号与所述PPG实时心率信号的相似度,包括:
IBS算法主要是将心跳间隔之间的变化转为二进制0-1序列,之后逐个取序列中连续m个符号为一组,代表一组变化模式。再统计一段时间内,每种变化模式出现的频率,根据频率对不同模式进行排名,通过两组间隔变化模式的排名和频率并计算它们之间的相似度。所以将IBS方法用于计算PPG实时心率信号与ECG实时心率信号之间的相似度。计算了两者的相似度后,将PPG实时心率信号随机打乱,再计算与ECG实时心率信号的相似度,作为无效数据的一个基准。最后再给PPG实时心率信号不断加白噪声,直至加噪声后的PPG实时心率信号序列与ECG实时心率信号序列的相似度和无效数据的相似度相近,则此时的信噪比也可作为评判PPG实时心率信号质量的一个量化特征。
本发明的评估方法,解决了目前使用单一R波标注器对实际生活采集到的ECG信号标注准确率不高的问题,实现了综合多个标注器的优点,以达到更高的R峰标注准确率,从而得到更多质量可靠的ECG实时心率信号作为标准。此外,还解决了目前PPG实时心率信号质量无法定量量化的问题,由于设备的本地时间不同、设备晶振之间的差异等等原因,所以两个信号之间无法精确同步,就导致了无法量化PPG实时心率信号与同时采集的ECG实时心率信号之间的相似度,本发明通过基于信息相似度的方法,实现了定量量化两个信号间的相似度。
本发明的另一个方面,如图6所示,提供一种PPG实时心率信号质量评估装置100,该评估装置100可以用于前文记载的评估方法,具体可以参考前文相关记载,在此不作赘述。评估装置100包括:
采集模块110,用于采集用户的PPG信号ECG信号;
提取模块120,用于分别对所述PPG实时心率信号和所述ECG实时心率信号进行提取,得到PPG实时心率信号和ECG实时心率信号;
计算模块130,用于分别从所述PPG实时心率信号和所述ECG实时心率信号中,提取心率变异性的时域和/或频域特征,并计算所述PPG实时心率信号与所述ECG实时心率信号之间的相关性;以及,
所述计算模块130,还用于计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度;
评估模块140,用于根据所述相关性和所述相似度,评估所述PPG实时心率信号的质量。
本实施例的评估装置,通过计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度,可以有效实现量化PPG实时心率信号与ECG实时心率信号之间的相似度等问题,从而可以精确量化两个信号之间的相似度,进而可以更加精准的评估所述PPG实时心率信号的质量。
在可选地一些实施方式中,所述对所述ECG信号进行提取,得到ECG实时心率信号,包括:
所述提取模块120,具体还用于:
根据所述ECG信号与预设的多个分类模板之间的匹配度,将所述ECG信号分类,并且,每类所述ECG信号对应一组权重;
将所述ECG信号输入至预设的多个标注器,得到多组标注结果;
根据所述标注结果和对应的权重,计算每个所述标注结果的标注分数,并将标注分数超过预设阈值的标注结果作为初步标注结果;
根据所述初步标注结果,再计算每个标注的质量分数,并将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号。
在可选地一些实施方式中,所述根据所述标注结果和对应的权重,计算每个所述标注结果的标注分数,包括:
所述提取模块120,具体还用于:
确定当前标注器的当前标注结果在预设范围内是否存在其余标注器的其余标注结果;
若存在所述其余标注结果,则根据其标注器对应的权重,计算所述其余标注结果对所述当前标注结果增加的标注分数,以获得所述当前标注结果的最终标注分数。
在可选地一些实施方式中,采用下述关系式计算所述当前标注结果的最终标注分数:
pointi为得到第i个其余标注结果对应的标注器的权重;
indexA与indexi分别为当前标注结果A和第i个其余标注结果的位置;
numA为所述当前标注结果A的所述最终标注分数。
在可选地一些实施方式中,根据所述初步标注结果,再计算每个标注的质量分数,并将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号,包括:
所述提取模块120,具体还用于:
根据所述初步标注结果,确定所述每个初步标注结果对应范围内的ECG信号;
从所述范围内的ECG信号提取能够表征ECG信号质量的计算特征;
根据ECG信号质量的计算特征计算所述初步标注结果的质量分数;将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号。
在可选地一些实施方式中,采用下述关系式计算所述质量分数:
其中,kur为峰度,power为QRS复合波功率占比,ske为偏度,spv为信号功率,参数可随实际情况进行调整。
在可选地一些实施方式中,计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度,包括:
所述计算模块130,具体还用于:
计算所述ECG实时心率信号与所述PPG实时心率信号的相似度D1;
随机打乱所述PPG实时心率信号,再计算与所述ECG实时心率信号的相似度D2;
向所述PPG实时心率信号添加不同功率i的白噪声,再计算与所述ECG实时心率信号的相似度Di,并记录下当Di与D2相等时所添加的白噪声功率W1;
根据所述相似度D1、相似度D2、相似度Di和白噪声功率W1,计算所述PPG实时心率信号包含的白噪声功率,利用多组白噪声功率i,相似度Di,拟合出相似度随白噪声功率变化的变化特性曲线,以根据所述变化特性曲线确定所述PPG实时心率信号对应的白噪声功率;
根据所述PPG实时心率信号与所述ECG实时心率信号之间的相似度以及所述变化特性曲线,具体量化PPG实时心率信号的质量。
在可选地一些实施方式中,计算所述ECG实时心率信号与所述PPG实时心率信号的相似度,包括:
所述计算模块130,具体还用于:
将心跳间隔之间的变化转为二进制0-1序列;
逐个取序列中连续m个符号为一组,每组代表一种变化模式;
统计预设一段时间内,每种变化模式出现的频率,根据频率对不同模式进行排名,通过两组间隔变化模式的排名和频率并计算它们之间的相似度。
本发明的另一个方面,提供一种电子设备,包括:
一个或多个处理器;
一个存储单元,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,能使得所述一个或多个处理器实现根据前文记载的方法。
本发明的另一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时能实现根据前文记载的所述的方法。
其中,计算机可读介质可以是本发明的装置、设备、系统中所包含的,也可以是单独存在。
其中,计算机可读存储介质可是任何包含或存储程序的有形介质,其可以是电、磁、光、电磁、红外线、半导体的系统、装置、设备,更具体的例子包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、光纤、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件,或它们任意合适的组合。
其中,计算机可读存储介质也可包括在基带中或作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码,其具体的例子包括但不限于电磁信号、光信号,或它们任意合适的组合。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (9)
1.一种PPG实时心率信号质量评估方法,其特征在于,包括:
采集用户的PPG信号和ECG信号;
分别对所述PPG信号和所述ECG信号进行提取,得到PPG实时心率信号和ECG实时心率信号;
分别从所述PPG实时心率信号和所述ECG实时心率信号中,提取心率变异性的时域、频域特征和非线性特征中的至少一者,并计算所述PPG实时心率信号与所述ECG实时心率信号之间的相关性;
计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度;
根据所述相关性和所述相似度,评估所述PPG实时心率信号的质量;
计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度,包括:
计算所述ECG实时心率信号与所述PPG实时心率信号的相似度D1;
随机打乱所述PPG实时心率信号,再计算与所述ECG实时心率信号的相似度D2;
向所述PPG实时心率信号添加不同功率i的白噪声,再计算与所述ECG实时心率信号的相似度Di,并记录下当Di与D2相等时所添加的白噪声功率W1;
根据所述相似度D1、相似度D2、相似度Di和白噪声功率W1,计算所述PPG实时心率信号包含的白噪声功率,利用多组白噪声功率i,相似度Di,拟合出相似度随白噪声功率变化的变化特性曲线,根据所述变化特性曲线确定所述PPG实时心率信号对应的白噪声功率;
根据所述PPG实时心率信号与所述ECG实时心率信号之间的相似度以及所述变化特性曲线,具体量化PPG实时心率信号的质量。
2.根据权利要求1所述的方法,其特征在于,对所述ECG信号进行提取,得到ECG实时心率信号,包括:
根据所述ECG信号与预设的多个分类模板之间的匹配度,将所述ECG信号分类,并且,每类所述ECG信号对应一组权重;
将所述ECG信号输入至预设的多个标注器,得到多组标注结果;
根据所述标注结果和对应的权重,计算每个所述标注结果的标注分数,并将标注分数超过预设阈值的标注结果作为初步标注结果;
根据所述初步标注结果,再计算每个标注的质量分数,并将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号。
3.根据权利要求2所述的方法,其特征在于,根据所述标注结果和对应的权重,计算每个所述标注结果的标注分数,包括:
确定当前标注器的当前标注结果在预设范围内是否存在其余标注器的其余标注结果;
若存在所述其余标注结果,则根据其标注器对应的权重,计算所述其余标注结果对所述当前标注结果增加的标注分数,以获得所述当前标注结果的最终标注分数。
5.根据权利要求2所述的方法,其特征在于,根据所述初步标注结果,再计算每个标注的质量分数,并将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号,包括:
根据所述初步标注结果,确定所述每个初步标注结果对应范围内的ECG信号;
从所述范围内的ECG信号提取能够表征ECG信号质量的计算特征;
根据ECG信号质量的计算特征计算所述初步标注结果的质量分数;
将质量分数超过预设阈值的初步标注结果作为所述ECG实时心率信号。
7.根据权利要求1至6任一项所述的方法,其特征在于,计算所述PPG实时心率信号与所述ECG实时心率信号的相似度,包括:
将心跳间隔之间的变化转为二进制0-1序列;
逐个取序列中连续m个符号为一组,每组代表一种变化模式;
统计预设一段时间内,每种变化模式出现的频率,根据频率对不同模式进行排名,通过两组间隔变化模式的排名和频率并计算它们之间的相似度。
8.一种PPG实时心率信号质量评估装置,其特征在于,包括:
采集模块,用于采集用户的PPG信号和ECG信号;
提取模块,用于分别对所述PPG信号和ECG信号进行提取,得到PPG实时心率信号和ECG实时心率信号;
计算模块,用于分别从所述PPG实时心率信号和所述ECG实时心率信号中,提取心率变异性的时域、频域特征和非线性特征中的至少一者,并计算所述PPG实时心率信号与所述ECG实时心率信号之间的相关性;以及,
所述计算模块,还用于计算所述PPG实时心率信号与所述ECG实时心率信号之间的相似度;
评估模块,用于根据所述相关性和所述相似度,评估所述PPG实时心率信号的质量;
所述计算模块,具体还用于:
计算所述ECG实时心率信号与所述PPG实时心率信号的相似度D1;
随机打乱所述PPG实时心率信号,再计算与所述ECG实时心率信号的相似度D2;
向所述PPG实时心率信号添加不同功率i的白噪声,再计算与所述ECG实时心率信号的相似度Di,并记录下当Di与D2相等时所添加的白噪声功率W1;
根据所述相似度D1、相似度D2、相似度Di和白噪声功率W1,计算所述PPG实时心率信号包含的白噪声功率,利用多组白噪声功率i,相似度Di,拟合出相似度随白噪声功率变化的变化特性曲线,根据所述变化特性曲线确定所述PPG实时心率信号对应的白噪声功率;
根据所述PPG实时心率信号与所述ECG实时心率信号之间的相似度以及所述变化特性曲线,具体量化PPG实时心率信号的质量。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时能实现根据权利要求1~7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010403619.2A CN111557658B (zh) | 2020-05-13 | 2020-05-13 | Ppg实时心率信号质量评估方法及装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010403619.2A CN111557658B (zh) | 2020-05-13 | 2020-05-13 | Ppg实时心率信号质量评估方法及装置、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111557658A CN111557658A (zh) | 2020-08-21 |
CN111557658B true CN111557658B (zh) | 2022-06-03 |
Family
ID=72069052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010403619.2A Active CN111557658B (zh) | 2020-05-13 | 2020-05-13 | Ppg实时心率信号质量评估方法及装置、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111557658B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112545472B (zh) * | 2020-12-02 | 2022-11-01 | 成都心吉康科技有限公司 | 一种ppg信号质量评估的方法、装置、设备及储存介质 |
CN112965060A (zh) * | 2021-02-19 | 2021-06-15 | 加特兰微电子科技(上海)有限公司 | 生命特征参数的检测方法、装置和检测体征点的方法 |
CN114469131A (zh) * | 2021-12-13 | 2022-05-13 | 中国科学院深圳先进技术研究院 | 自适应实时心电信号质量评估方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020472B (zh) * | 2012-12-27 | 2015-12-09 | 中国科学院深圳先进技术研究院 | 基于约束估计的生理信号质量评估方法和系统 |
WO2017089921A1 (en) * | 2015-11-24 | 2017-06-01 | Koninklijke Philips N.V. | Method to quantify photoplethysmogram (ppg) signal quality |
US10617311B2 (en) * | 2017-08-09 | 2020-04-14 | Samsung Electronics Co., Ltd. | System and method for real-time heartbeat events detection using low-power motion sensor |
IT201700120714A1 (it) * | 2017-10-24 | 2019-04-24 | St Microelectronics Srl | Procedimento per trattare segnali elettrofisiologici, sistema, veicolo e prodotto informatico corrispondenti |
CN109691993B (zh) * | 2018-12-07 | 2022-07-26 | 芯海科技(深圳)股份有限公司 | 一种测量心率变异性的方法及人体秤 |
CN109480828A (zh) * | 2018-12-24 | 2019-03-19 | 深圳市瑞康宏业科技开发有限公司 | 一种心电信息处理方法、装置、计算机装置和存储介质 |
-
2020
- 2020-05-13 CN CN202010403619.2A patent/CN111557658B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111557658A (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dolatabadi et al. | Automated diagnosis of coronary artery disease (CAD) patients using optimized SVM | |
Sopic et al. | Real-time event-driven classification technique for early detection and prevention of myocardial infarction on wearable systems | |
Pathinarupothi et al. | Instantaneous heart rate as a robust feature for sleep apnea severity detection using deep learning | |
US20210275046A1 (en) | Peak Detection System and Method for Calculation of Signal-Derived Metrics | |
CN111557658B (zh) | Ppg实时心率信号质量评估方法及装置、存储介质 | |
Oweis et al. | QRS detection and heart rate variability analysis: A survey | |
Iyengar et al. | Age-related alterations in the fractal scaling of cardiac interbeat interval dynamics | |
US11350868B2 (en) | Electrocardiogram information processing method and electrocardiogram workstation system | |
Udhayakumar et al. | Approximate entropy profile: a novel approach to comprehend irregularity of short-term HRV signal | |
Faust et al. | Linear and non-linear analysis of cardiac health in diabetic subjects | |
Gambarotta et al. | A review of methods for the signal quality assessment to improve reliability of heart rate and blood pressures derived parameters | |
US11783924B2 (en) | ECG information processing method and ECG workstation | |
Karimi Moridani et al. | Non-linear feature extraction from HRV signal for mortality prediction of ICU cardiovascular patient | |
CN105228508A (zh) | 一种测定用于分类的危险评分的系统和方法 | |
WO2021225745A1 (en) | Heart rate variability composite scoring and analysis | |
US20210345896A1 (en) | Heart Rate Variability Monitoring and Analysis | |
Yang et al. | Automated intra-patient and inter-patient coronary artery disease and congestive heart failure detection using EFAP-Net | |
Lee et al. | A real-time abnormal beat detection method using a template cluster for the ECG diagnosis of IoT devices | |
Zhang et al. | Towards early detection and burden estimation of atrial fibrillation in an ambulatory free-living environment | |
Asl et al. | An adaptive backpropagation neural network for arrhythmia classification using RR interval signal | |
Wan et al. | A novel atrial fibrillation automatic detection algorithm based on ensemble learning and multi-feature discrimination | |
Tanc et al. | Hypertension classification using PPG signals | |
Gliner et al. | Novel method to efficiently create an mHealth app: Implementation of a real-time electrocardiogram R peak detector | |
Zhang et al. | PPG-based Heart Rate Estimation with Efficient Sensor Sampling and Learning Models | |
CN113679369B (zh) | 一种心率变异性的评估方法、智能穿戴设备及存储介质 |
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 |