CN111839494A - 一种心率监测方法及系统 - Google Patents

一种心率监测方法及系统 Download PDF

Info

Publication number
CN111839494A
CN111839494A CN202010920842.4A CN202010920842A CN111839494A CN 111839494 A CN111839494 A CN 111839494A CN 202010920842 A CN202010920842 A CN 202010920842A CN 111839494 A CN111839494 A CN 111839494A
Authority
CN
China
Prior art keywords
heart rate
rate interval
abnormal
identification
pulse wave
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
CN202010920842.4A
Other languages
English (en)
Inventor
李华亮
刘羽中
谭伟
沈雅利
王宇
熊超琳
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.)
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid Co Ltd
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 Guangdong Power Grid Co Ltd, Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202010920842.4A priority Critical patent/CN111839494A/zh
Publication of CN111839494A publication Critical patent/CN111839494A/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
    • A61B5/02—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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Cardiology (AREA)
  • Power Engineering (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本申请公开了一种心率监测方法及系统，方法包括：获取心电信号和脉搏波信号；采用预置Pan Tompkins算法识别心电信号中的QRS波，并记录R波位置；根据第一心率间期分界线计算第一心率间期，第一心率间期分界线根据R波位置设置；根据阈值分析法检测脉搏波信号的心率周期的波峰位置；根据第二心率间期分界线计算第二心率间期，第二心率间期分界线根据波峰位置设置；根据第一心率间期或第二心率间期进行心率变异性分析，并计算心率变异率的变异指标；通过预置SVM模型对变异指标进行异常识别，并在识别结果为异常时发送警报。解决了现有心率监测技术获取的数据准确度较低，导致监测结果可靠性较差的技术问题。

Description

一种心率监测方法及系统
技术领域
本申请涉及信号识别技术领域，尤其涉及一种心率监测方法及系统。
背景技术
随着生活水平的不断提高，人们对个人健康问题，特别是对自身健康的管理和监控的需求也随之增加。物联网技术和生物传感器的发展使得越来越多的可穿戴智能健康设备进入个人消费领域中，可穿戴智能设备在生理信息监控上还面临一些技术问题，例如精度问题。心率检测在可穿戴智能设备上较为常见，但是一般是由PPG技术实现监测，该方法所得的数据存在误差，可靠性较低。
发明内容
本申请提供了一种心率监测方法及系统，用于解决现有的心率监测技术获取的数据准确度较低，导致监测结果的可靠性较差的技术问题。
有鉴于此，本申请第一方面提供了一种心率监测方法，包括：
获取心电信号和脉搏波信号；
采用预置Pan Tompkins算法识别所述心电信号中的QRS波，并记录R波位置；
根据第一心率间期分界线计算第一心率间期，所述第一心率间期分界线根据所述R波位置设置；
根据阈值分析法检测所述脉搏波信号的心率周期的波峰位置；
根据第二心率间期分界线计算第二心率间期，所述第二心率间期分界线根据所述波峰位置设置；
根据所述第一心率间期或所述第二心率间期进行心率变异性分析，并计算心率变异率的变异指标；
通过预置SVM模型对所述变异指标进行异常识别，并在识别结果为异常时发送警报。
可选的，所述获取心电信号和脉搏波信号，之后还包括：
采用滤波器对所述心电信号和所述脉搏波信号进行去电源干扰和去基线漂移干扰。
可选的，所述根据第一心率间期分界线计算第一心率间期，所述第一心率间期分界线根据所述R波位置设置，包括：
根据所述R波位置设置所述第一心率间期分界线；
对相邻两个所述第一心率间期分界线作差，得到所述第一心率间期。
可选的，所述通过预置SVM模型对所述变异指标进行异常识别，并在识别结果为异常时发送警报，之后还包括：
标记所述异常识别结果，所述异常识别结果包括异常指标和对应的异常数值。
可选的，所述通过预置SVM模型对所述变异指标进行异常识别，并在识别结果为异常时发送警报，还包括：
根据所述脉搏波信号获取初始心率信号；
根据所述心电信号对所述初始心率信号进行矫正，得到矫正心率数据；
根据所述矫正心率数据辅助所述异常识别。
本申请第二方面提供了一种心率监测方法，包括：
获取模块，用于获取心电信号和脉搏波信号；
第一识别模块，用于采用预置Pan Tompkins算法识别所述心电信号中的QRS波，并记录R波位置；
第一计算模块，用于根据第一心率间期分界线计算第一心率间期，所述第一心率间期分界线根据所述R波位置设置；
第二识别模块，用于根据阈值分析法检测所述脉搏波信号的心率周期的波峰位置；
第二计算模块，用于根据第二心率间期分界线计算第二心率间期，所述第二心率间期分界线根据所述波峰位置设置；
心率分析模块，用于根据所述第一心率间期或所述第二心率间期进行心率变异性分析，并计算心率变异率的变异指标；
监测告警模块，用于通过预置SVM模型对所述变异指标进行异常识别，并在识别结果为异常时发送警报。
可选的，还包括：
预处理模块，用于采用滤波器对所述心电信号和所述脉搏波信号进行去电源干扰和去基线漂移干扰。
可选的，所述第一计算模块具体用于：
根据所述R波位置设置所述第一心率间期分界线；
对相邻两个所述第一心率间期分界线作差，得到所述第一心率间期。
可选的，还包括：
标记模块，用于标记所述异常识别结果，所述异常识别结果包括异常指标和对应的异常数值。
可选的，还包括：
辅助模块，用于根据所述脉搏波信号获取初始心率信号；
根据所述心电信号对所述初始心率信号进行矫正，得到矫正心率数据；
根据所述矫正心率数据辅助所述异常识别。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请中，提供了一种心率监测方法，包括：获取心电信号和脉搏波信号；采用预置Pan Tompkins算法识别心电信号中的QRS波，并记录R波位置；根据第一心率间期分界线计算第一心率间期，第一心率间期分界线根据R波位置设置；根据阈值分析法检测脉搏波信号的心率周期的波峰位置；根据第二心率间期分界线计算第二心率间期，第二心率间期分界线根据波峰位置设置；根据第一心率间期或第二心率间期进行心率变异性分析，并计算心率变异率的变异指标；通过预置SVM模型对变异指标进行异常识别，并在识别结果为异常时发送警报。
本申请提供的心率监测方法，从心电信号和脉搏波信号两种指标进行心率分析，通过不同的方式获取心率间期，进而得到心率变异率的变异指标。相较于直接进行心率分析，本方法获取的指标数据更加准确，使得采用模型进行异常识别得到的识别结果更加可靠，预置SVM模型能够进一步的提升识别精度，减少误报警率。因此，本申请能够解决现有的心率监测技术获取的数据准确度较低，导致监测结果的可靠性较差的技术问题。
附图说明
图1为本申请实施例提供的一种心率监测方法的一个流程示意图；
图2为本申请实施例提供的一种心率监测系统的一个结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
为了便于理解，请参阅图1，本申请提供的一种心率监测方法的实施例，包括：
步骤101、获取心电信号和脉搏波信号。
需要说明的是，获取信号的过程就是采集并保留最近1min内的心电信号和基于PPG的脉搏波信号，均是通过传感器直接获取。
步骤102、采用预置Pan Tompkins算法识别心电信号中的QRS波，并记录R波位置。
需要说明的是，心电信号中的QRS波识别采用的是Pan Tompkins算法，获取的数据是距离当前时刻的前1min至当前时刻的ECG信号，也就是时间长度为1min的心电数据进行识别；如果发现采集的数据不足1min，就需要在完成所有数据采集后每隔10s重新获取一次区段数据进行识别。识别过程中可以结合与R波相邻的Q波和S波的特点进行识别。识别过程可以为：对心电信号进行窗口大小为0.15倍采样频率的滑动平均处理；使用局部极大值寻找采样处理得到的的心电数据，得到局部极大值位置，即R波位置；取8个R波位置，计算这8个R波之间的平均时间间隔mean_RR，判断第9个R波与第8个R波的时间间隔RR是否满足RR<1.66*mean_RR，如不满足，则代表第8个R波和第9个R波之间缺少了一个R波的点，在第8个R波点和第9个R波点之间找到最大值，将其作为R波点插入到识别结果中；对后续的第10个R波点同样进行此判断，依此类推；最后输出R波位置结果。
识别完成后需要输出Q/R/S点在输入数据中的位置索引。输出的Q/R/S点为多个，因此可以得到多个Q/R/S点在心电信号中的位置，选取R点作为单个心率周期的标记点，并根据采样频率Fs可以求得：
Figure BDA0002666684010000051
ERi表示心电信号中的第i个心率周期的R点出现的时间，单位为秒(s)，时间的参考起点为心电信号的第一个参考点。
步骤103、根据第一心率间期分界线计算第一心率间期，第一心率间期分界线根据R波位置设置。
具体的计算过程为：根据R波位置设置第一心率间期分界线；对相邻两个第一心率间期分界线作差，得到第一心率间期。将R波位置作为心电信号的第一心率间期分界线，可以计算两次心跳之间的时间间隔，也就是第一心率间期，若是选择心电信号的两个时间点R1、R2，那么此段心电信号的第一个心率间期为RR1＝R2-R1，以此类推就可以得到多个心电信号的第一心率间期RRi＝Ri-Ri-1。
步骤104、根据阈值分析法检测脉搏波信号的心率周期的波峰位置。
步骤105、根据第二心率间期分界线计算第二心率间期，第二心率间期分界线根据波峰位置设置。
需要说明的是，检测脉搏波信号的心率周期的波峰位置具体过程为：首先提取1min的PPG信号数据，对PPG信号数据进行带通滤波处理，滤波频率可以设置为[0.4Hz,4Hz]，同时设置局部极大值时间窗长度Wlen，可以令Wlen＝4s。然后在PPG信号中截取前4s的数据temp，并采用局部极大值检测算法设定检测阈值threshold检测这段数据，检测公式为：
threshold＝min(temp)±(max(temp)-min(temp))*0.5；
min(temp)为temp数据中最小值，max(temp)为temp数据中最大值；设置两个局部极值之间的最小间隔为320ms，检测得到的结果为localmax，localmax为4s数据内检测到的负荷筛选条件的极大值位置的数组；从数组中选出最后一个局部极大值的位置，将此位置作为下一次识别temp数据的起点，直至检测完1min的PPG信号，依次可以获取多个localmax，即使最后的信号时长不足4s，仍然保留其分析识别结果。最后，依次拼接所有的localmax数据，得到所有波峰位置点Peaki，每隔10s重新获取PPG信号，再次进行检测，直至将PPG信号检测完。从所有的波峰位置中可以得到局部极大值点，也就是单个脉搏波周期的信号最强点Peakmax，根据采样频率Fs可得到：
Figure BDA0002666684010000061
PRj为脉搏波信号中第j个心率周期局部极大值的时间点，单位为秒(s)，时间的起始参考点为输入脉搏波信号的第一个采样点。
将波峰位置看做第二心率间期分界线，可以计算脉搏波信号中两次心跳之间的间隔，选取脉搏波信号中的两个时间点Peak1、Peak2，那么脉搏波信号中的第一个第二心率间期为
Figure BDA0002666684010000062
以此类推就可以得到多个心电信号的第二心率间期
Figure BDA0002666684010000063
需要说明的是，为了确保数据的可靠性，还可以根据预置融合算法对系统中的信号点进行筛选，排出误判信号点。信号点既包括心电信号，即ECG信号，也包括脉搏波信号，即PPG信号，误判模块时对信号数据进行筛选，排出分析过程中可能存在的误判数据点，误判数据点既包括冗余点，也包括漏检点；误判模块可以提高计算分析过程的准确率。首先获取1min的PPG信号和ECG信号，在经过识别和监测后可得到Peaki和ERi，取Peaki和ERi中R位置的前5个结果，计算两者波峰的时间间隔PTT，计算过程为：
Figure BDA0002666684010000064
从第6个开始同时遍历Peak和ER中波峰点位置，求两种信号对应点的时间间隔dt，判断dt是否满足以下条件：
PTT-tolerance＜dt＜PTT+tolerance；
其中，tolerance设置为100ms，若是满足该条件，则认为识别结果是一致的，若是不符合该条件，则计算Peak的前两个波峰点的时间间隔RR* i和RR* i-1：
Figure BDA0002666684010000065
Figure BDA0002666684010000066
若是
Figure BDA0002666684010000067
则说明
Figure BDA0002666684010000068
小于正常值，PPG波峰检测时出现误判，比正常识别结果多一个点，删除Peaki即可，并自动将下一个点作为新的Peaki；如果
Figure BDA0002666684010000069
则说明PPG波峰检测时漏检一个点，取当前对应的ERi作为缺失点，并添加新的Peaki：
Peaki＝ERi-PTT；
经过校核后就可以得到更加准确的心率数据。
步骤106、根据第一心率间期或第二心率间期进行心率变异性分析，并计算心率变异率的变异指标。
需要说明的是，心率变异率(HRV)是指逐次心跳周期差异的变化情况，它含有神经体液因素对心血管系统调节的信息，从而判断其对心血管等疾病的病情及预防，是预测心脏性猝死和心律失常性事件的一个有价值的指标。心率变异率的变异指标包括MEANRR，SDNN，RMSSD，PNN50，LF，HF，LF/HF等，MEANRR是心率间期的平均值，每进行一次识别计算一次一分钟内的心率间期的平均值；SDNN指的是心率间期的标准差；RMSSD指的是心率间期一阶差分的均方差；PNN50指的是心率间期相差超过50ms的点对的概率，计算为心率间期相差超过50ms的个数除以总共的心率间期数量；LF指的是对心率间期进行频域分析，低频段的功率(0.04-0.15Hz)；HF指的是对心率间期进行频域分析，高频段的功率(0.15-0.4Hz)；LF/HF指的是LF与HF的比例。具体选择第一心率间期RRi还是第二心率间期
Figure BDA0002666684010000071
进行指标计算取决于当下心率计算的模式，首先计算MEANRR，SDNN，RMSSD：
Figure BDA0002666684010000072
Figure BDA0002666684010000073
Figure BDA0002666684010000074
其中，X可以是RR或者RR*，
Figure BDA0002666684010000075
为RR或者RR*的均值。筛选心率间期变化超过50ms的时间点，并除以此段时间内的心率间期总数量就可以得到PNN50，对心率间期作傅里叶变换，并计算低频段和高频段功率，即可得到LF与HF，并计算LF/HF。
步骤107、通过预置SVM模型对变异指标进行异常识别，并在识别结果为异常时发送警报。
需要说明的是，预置SVM模型为预先训练完成的模型，采用的是临床记录的正常情况下的心率变异率的异常指标进行训练的，根据各种指标的参考范围对心率进行正常和异常的划分，从而实现心率的监测。一旦心率发生异常，则通过发送警报的形式进行提醒。
本申请实施例提供的心率监测方法，从心电信号和脉搏波信号两种指标进行心率分析，通过不同的方式获取心率间期，进而得到心率变异率的变异指标。相较于直接进行心率分析，本方法获取的指标数据更加准确，使得采用模型进行异常识别得到的识别结果更加可靠，预置SVM模型能够进一步的提升识别精度，减少误报警率。因此，本申请实施例能够解决现有的心率监测技术获取的数据准确度较低，导致监测结果的可靠性较差的技术问题。
进一步地，获取心电信号和脉搏波信号，之后还包括：
采用滤波器对心电信号和脉搏波信号进行去电源干扰和去基线漂移干扰。
预处理操作主要是对信号进行降噪，排出电源干扰和基线漂移干扰，提高信号质量，便于后续的信号分析。去电源干扰可以使用陷波滤波器，它可以去除50Hz、100Hz的干扰。
进一步地，通过预置SVM模型对变异指标进行异常识别，并在识别结果为异常时发送警报，之后还包括：标记异常识别结果，异常识别结果包括异常指标和对应的异常数值。
进一步地，通过预置SVM模型对变异指标进行异常识别，并在识别结果为异常时发送警报，还包括：
根据脉搏波信号获取初始心率信号；
根据心电信号对初始心率信号进行矫正，得到矫正心率数据；
根据矫正心率数据辅助异常识别。
具体矫正过程是根据脉搏波信号获取初始的心率信号；根据心电信号对初始心率信号进行矫正，得到矫正心率数据，矫正既可以是针对错误数据更正，也可以针对遗漏数据进行填充，具体不作限定；而获取的矫正心率数据还可以辅助异常识别，也就是同时和心率变异率的异常指标输入预置SVM模型中进行异常识别，可以进一步提升识别的准确度。
为了便于理解，请参阅图2，本申请提供了一种心率监测系统的实施例，包括：
获取模块201，用于获取心电信号和脉搏波信号；
第一识别模块202，用于采用预置Pan Tompkins算法识别心电信号中的QRS波，并记录R波位置；
第一计算模块203，用于根据第一心率间期分界线计算第一心率间期，第一心率间期分界线根据R波位置设置；
第二识别模块204，用于根据阈值分析法检测脉搏波信号的心率周期的波峰位置；
第二计算模块205，用于根据第二心率间期分界线计算第二心率间期，第二心率间期分界线根据波峰位置设置；
心率分析模块206，用于根据第一心率间期或第二心率间期进行心率变异性分析，并计算心率变异率的变异指标；
监测告警模块207，用于通过预置SVM模型对变异指标进行异常识别，并在识别结果为异常时发送警报。
进一步地，还包括：
预处理模块，用于采用滤波器对心电信号和脉搏波信号进行去电源干扰和去基线漂移干扰。
进一步地，第一计算模块具体用于：
根据R波位置设置第一心率间期分界线；
对相邻两个第一心率间期分界线作差，得到第一心率间期。
进一步地，还包括：
标记模块，用于标记异常识别结果，异常识别结果包括异常指标和对应的异常数值。
进一步地，还包括：
辅助模块，用于根据脉搏波信号获取初始心率信号；
根据心电信号对初始心率信号进行矫正，得到矫正心率数据；
根据矫正心率数据辅助异常识别。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以通过一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种心率监测方法，其特征在于，包括：
获取心电信号和脉搏波信号；
采用预置Pan Tompkins算法识别所述心电信号中的QRS波，并记录R波位置；
根据第一心率间期分界线计算第一心率间期，所述第一心率间期分界线根据所述R波位置设置；
根据阈值分析法检测所述脉搏波信号的心率周期的波峰位置；
根据第二心率间期分界线计算第二心率间期，所述第二心率间期分界线根据所述波峰位置设置；
根据所述第一心率间期或所述第二心率间期进行心率变异性分析，并计算心率变异率的变异指标；
通过预置SVM模型对所述变异指标进行异常识别，并在识别结果为异常时发送警报。
2.根据权利要求1所述的心率监测方法，其特征在于，所述获取心电信号和脉搏波信号，之后还包括：
采用滤波器对所述心电信号和所述脉搏波信号进行去电源干扰和去基线漂移干扰。
3.根据权利要求1所述的心率监测方法，其特征在于，所述根据第一心率间期分界线计算第一心率间期，所述第一心率间期分界线根据所述R波位置设置，包括：
根据所述R波位置设置所述第一心率间期分界线；
对相邻两个所述第一心率间期分界线作差，得到所述第一心率间期。
4.根据权利要求1所述的心率监测方法，其特征在于，所述通过预置SVM模型对所述变异指标进行异常识别，并在识别结果为异常时发送警报，之后还包括：
标记所述异常识别结果，所述异常识别结果包括异常指标和对应的异常数值。
5.根据权利要求1所述的心率监测方法，其特征在于，所述通过预置SVM模型对所述变异指标进行异常识别，并在识别结果为异常时发送警报，还包括：
根据所述脉搏波信号获取初始心率信号；
根据所述心电信号对所述初始心率信号进行矫正，得到矫正心率数据；
根据所述矫正心率数据辅助所述异常识别。
6.一种心率监测系统，其特征在于，包括：
获取模块，用于获取心电信号和脉搏波信号；
第一识别模块，用于采用预置Pan Tompkins算法识别所述心电信号中的QRS波，并记录R波位置；
第一计算模块，用于根据第一心率间期分界线计算第一心率间期，所述第一心率间期分界线根据所述R波位置设置；
第二识别模块，用于根据阈值分析法检测所述脉搏波信号的心率周期的波峰位置；
第二计算模块，用于根据第二心率间期分界线计算第二心率间期，所述第二心率间期分界线根据所述波峰位置设置；
心率分析模块，用于根据所述第一心率间期或所述第二心率间期进行心率变异性分析，并计算心率变异率的变异指标；
监测告警模块，用于通过预置SVM模型对所述变异指标进行异常识别，并在识别结果为异常时发送警报。
7.根据权利要求6所述的心率监测系统，其特征在于，还包括：
预处理模块，用于采用滤波器对所述心电信号和所述脉搏波信号进行去电源干扰和去基线漂移干扰。
8.根据权利要求6所述的心率监测系统，其特征在于，所述第一计算模块具体用于：
根据所述R波位置设置所述第一心率间期分界线；
对相邻两个所述第一心率间期分界线作差，得到所述第一心率间期。
9.根据权利要求6所述的心率监测系统，其特征在于，还包括：
标记模块，用于标记所述异常识别结果，所述异常识别结果包括异常指标和对应的异常数值。
10.根据权利要求6所述的心率监测系统，其特征在于，还包括：
辅助模块，用于根据所述脉搏波信号获取初始心率信号；
根据所述心电信号对所述初始心率信号进行矫正，得到矫正心率数据；
根据所述矫正心率数据辅助所述异常识别。
CN202010920842.4A 2020-09-04 2020-09-04 一种心率监测方法及系统 Pending CN111839494A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010920842.4A CN111839494A (zh) 2020-09-04 2020-09-04 一种心率监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010920842.4A CN111839494A (zh) 2020-09-04 2020-09-04 一种心率监测方法及系统

Publications (1)

Publication Number Publication Date
CN111839494A true CN111839494A (zh) 2020-10-30

Family

ID=72967831

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010920842.4A Pending CN111839494A (zh) 2020-09-04 2020-09-04 一种心率监测方法及系统

Country Status (1)

Country Link
CN (1) CN111839494A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112768069A (zh) * 2021-01-07 2021-05-07 金陵科技学院 基于ad-svm的智能养老机器人系统设计方法
CN113520401A (zh) * 2021-06-18 2021-10-22 清华大学 心电信号的分类方法和装置
CN113558584A (zh) * 2021-06-22 2021-10-29 深圳市大数据研究院 一种基于信号质量评估的脉搏波预处理方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103284702A (zh) * 2013-06-17 2013-09-11 中国科学院苏州纳米技术与纳米仿生研究所 心电图和脉搏波关系分析及融合分析的方法和装置
CN104127194A (zh) * 2014-07-14 2014-11-05 华南理工大学 一种基于心率变异性分析方法的抑郁症的评估系统及方法
CN105320969A (zh) * 2015-11-20 2016-02-10 北京理工大学 基于多尺度Renyi熵的心率变异性特征分类方法
US20160081566A1 (en) * 2014-09-22 2016-03-24 Xerox Corporation Identifying a type of cardiac event from a cardiac signal segment
CN106344034A (zh) * 2016-09-27 2017-01-25 深圳市国华光电科技有限公司 一种睡眠质量评估系统及其方法
CN107374600A (zh) * 2017-07-27 2017-11-24 中国科学院苏州生物医学工程技术研究所 基于多生理参数的实时监测方法及系统
WO2018211519A1 (en) * 2017-05-19 2018-11-22 American Megatrends India Private Limited Wireless portable vitals and fitness tracker
CN108960113A (zh) * 2018-06-26 2018-12-07 江苏师范大学 一种基于支持向量机的心率变异性识别方法
CN109044322A (zh) * 2018-08-29 2018-12-21 北京航空航天大学 一种非接触式心率变异性测量方法
CN110742585A (zh) * 2019-10-10 2020-02-04 北京邮电大学 基于bcg信号的睡眠分期方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103284702A (zh) * 2013-06-17 2013-09-11 中国科学院苏州纳米技术与纳米仿生研究所 心电图和脉搏波关系分析及融合分析的方法和装置
CN104127194A (zh) * 2014-07-14 2014-11-05 华南理工大学 一种基于心率变异性分析方法的抑郁症的评估系统及方法
US20160081566A1 (en) * 2014-09-22 2016-03-24 Xerox Corporation Identifying a type of cardiac event from a cardiac signal segment
CN105320969A (zh) * 2015-11-20 2016-02-10 北京理工大学 基于多尺度Renyi熵的心率变异性特征分类方法
CN106344034A (zh) * 2016-09-27 2017-01-25 深圳市国华光电科技有限公司 一种睡眠质量评估系统及其方法
WO2018211519A1 (en) * 2017-05-19 2018-11-22 American Megatrends India Private Limited Wireless portable vitals and fitness tracker
CN107374600A (zh) * 2017-07-27 2017-11-24 中国科学院苏州生物医学工程技术研究所 基于多生理参数的实时监测方法及系统
CN108960113A (zh) * 2018-06-26 2018-12-07 江苏师范大学 一种基于支持向量机的心率变异性识别方法
CN109044322A (zh) * 2018-08-29 2018-12-21 北京航空航天大学 一种非接触式心率变异性测量方法
CN110742585A (zh) * 2019-10-10 2020-02-04 北京邮电大学 基于bcg信号的睡眠分期方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
苏志同等: "基于Pan-Tompkins的运动心电QRS波群实时检测的运动", 《软件》 *
郭文灵等: "移动心电监护系统的心电图实时分析算法", 《计算机仿真》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112768069A (zh) * 2021-01-07 2021-05-07 金陵科技学院 基于ad-svm的智能养老机器人系统设计方法
CN113520401A (zh) * 2021-06-18 2021-10-22 清华大学 心电信号的分类方法和装置
CN113520401B (zh) * 2021-06-18 2022-05-31 清华大学 心电信号的分类方法和装置
CN113558584A (zh) * 2021-06-22 2021-10-29 深圳市大数据研究院 一种基于信号质量评估的脉搏波预处理方法

Similar Documents

Publication Publication Date Title
US9198634B2 (en) Medical decision support system
Kathirvel et al. An efficient R-peak detection based on new nonlinear transformation and first-order Gaussian differentiator
EP2688468B1 (en) Apparatus and method for measuring physiological signal quality
CN111839494A (zh) 一种心率监测方法及系统
WO2019161609A1 (zh) 多参数监护数据分析方法和多参数监护仪
EP3170449B1 (en) Device to detect diabetes in a person using pulse palpation signal
CN109998529B (zh) 一种基于高斯函数拟合的ecg信号中p波、t波检测方法
US10729350B2 (en) System and method for monitoring cardiac arrhythmias
CN107252313A (zh) 一种安全驾驶的监测方法及系统、汽车、可读存储介质
CN107622259B (zh) 一种t波检测方法、心电数据分析方法及装置
CN106618560B (zh) 脑电波信号的处理方法和装置
CN109674474B (zh) 睡眠呼吸暂停识别方法、设备及计算机可读介质
RU2016146176A (ru) Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий
US20210007621A1 (en) Method to analyze cardiac rhythms using beat-to-beat display plots
Gupta et al. A derivative-based approach for QT-segment feature extraction in digitized ECG record
CN114469131A (zh) 自适应实时心电信号质量评估方法
CN115444385A (zh) 基于血压测量脉搏震荡波特征分析的房颤检测方法和装置
Nguyen et al. A remote cardiac rhythm monitoring system for detecting episodes of atrial fibrillation
CN115067910A (zh) 一种心率变异性压力检测方法、装置、存储介质以及系统
CN111345814A (zh) 一种心电信号中心拍的分析方法、装置、设备和存储介质
CN113397510B (zh) 一种连续血压测量系统、装置及存储介质
Tanasković et al. A new algorithm for fetal heart rate detection: Fractional order calculus approach
WO2010000009A1 (en) Improved detection of cardiac dysfunction
CN115590524A (zh) 基于卷积神经网络的qt间期延长识别方法及系统
CN111345815A (zh) 一种心电信号中qrs波的检测方法、装置、设备和存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201030

RJ01 Rejection of invention patent application after publication