CN112294272A - 监护仪及其不规则脉率识别方法 - Google Patents
监护仪及其不规则脉率识别方法 Download PDFInfo
- Publication number
- CN112294272A CN112294272A CN201910711069.8A CN201910711069A CN112294272A CN 112294272 A CN112294272 A CN 112294272A CN 201910711069 A CN201910711069 A CN 201910711069A CN 112294272 A CN112294272 A CN 112294272A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- pulse
- signal
- information
- signals
- 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
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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
-
- 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
- A61B5/14542—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 for measuring blood gases
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Optics & Photonics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请提供的一种不规则脉率识别方法,包括步骤:采集受测者的生理信号,获得脉搏波信号;根据所述脉搏波信号,识别脉搏波的波动节律信息;对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;根据所述评估结果确定是否输出所述脉搏波的波动节律信息。本申请还提供一种监护仪。本申请基于所述脉搏波的信号质量来决定脉搏波的波动节律信息及其输出,避免信号质量差所造成的误判断给用户带来困扰。
Description
技术领域
本申请涉及医疗监测领域,尤其涉及一种监护仪及其不规则脉率识别方法。
背景技术
在现有的某些临床场景,例如急诊分诊以及查房的条件下,无法满足医护人员通过心电设备去监测心脏节律性的需求,而一些心律失常现象如房颤、室早二联律、室早三联律等会导致心律节律性的变化,及时的对心率节律的早期初筛检查能够使患者及时地接受相关的治疗。人体的脉搏波信号能够反映人体心脏的节律性信息,因此可以通过基于脉搏波信号来完成对心脏节律性的初步筛查,为急诊分诊的诊疗以及心脏病患的查房提供帮助。
然而,在脉搏波识别的过程当中,运动、环境噪声干扰、不同参数测量间相互干扰等会造成脉搏波信号采集的精确性降低,在生理参数的计算中造成误差。
发明内容
本申请实施例公开监护仪及其不规则脉率识别方法,能够排除干扰,以解决上述问题。
本申请实施例公开的不规则脉率识别方法,包括步骤:采集受测者的生理信号,获得脉搏波信号;根据所述脉搏波信号,识别脉搏波的波动节律信息;对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;根据所述评估结果确定是否输出所述脉搏波的波动节律信息。。
本申请实施例公开的不规则脉率识别方法,包括步骤:采集受测者的生理信号,获得脉搏波信号;根据所述脉搏波信号,提取信号特征信息;根据所述信号特征信息,对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;将所述评估结果和所述信号特征信息一起作为输入来识别脉搏波的波动节律信息。
本申请实施例公开的不规则脉率识别方法,包括步骤:利用佩戴在受测者身体上的血氧测量设备,采集血氧信号;利用佩戴在受测者身体上的血压测量设备,采集血压信号;根据所述血氧信号和/或血压信号,获得脉搏波信号;根据所述脉搏波信号,识别脉搏波的波动节律信息;至少通过以下步骤之一输出所述脉搏波的波动节律信息:当血压测量设备和血氧测量设备佩戴在受测者的同一肢体上分别进行血压和血氧测量时,暂停输出脉搏波的波动节律信息;和,当所述血压测量设备和所述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,输出脉搏波的波动节律信息。
本申请实施例公开的监护仪,包括:至少一个参数测量电路,所述至少一个参数测量电路分别通过相应的传感器接口与外部插入的传感器附件连接以采集受测者的生理信号,其中,所述生理信号至少包括脉搏信号;显示屏,用于显示所述生理信号的相关信息,存储器,用于存储数据以及计算机程序,以及,处理器,所述处理器执行计算机程序时实现以下过程:根据所述生理信号,获得脉搏波信号;根据所述脉搏波信号,识别脉搏波的波动节律信息;对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;及根据所述评估结果确定是否在所述显示屏上输出所述脉搏波的波动节律信息。
本申请实施例公开的监护仪,包括至少一个参数测量电路,所述至少一个参数测量电路分别通过相应的传感器接口与外部插入的传感器附件连接以采集受测者的生理信号,其中,所述生理信号至少包括脉搏信号;显示屏,用于显示所述生理信号的相关信息,存储器,用于存储数据以及计算机程序,以及,处理器,所述处理器执行计算机程序时实现以下过程:根据所述生理信号,获得脉搏波信号;根据所述脉搏波信号,提取信号特征信息;根据所述信号特征信息,对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;将所述评估结果和所述信号特征信息一起作为输入来识别脉搏波的波动节律信息;及在所述显示屏上输出显示所述波动节律信息。
本申请实施例公开的监护仪,包括佩戴在受测者身体上的血氧测量设备和血压测量设备,所述血氧测量设备用于采集血氧信号;所述血压测量设备用于采集血压信号;显示屏,用于显示所述生理信号的相关信息,存储器,用于存储数据以及计算机程序,以及,处理器,所述处理器执行计算机程序时实现以下过程:根据所述血氧信号和/或血压信号,获得脉搏波信号;根据所述脉搏波信号,识别脉搏波的波动节律信息;至少通过以下步骤之一在所述显示屏上输出所述脉搏波的波动节律信息:当血压测量设备和血氧测量设备佩戴在受测者的同一肢体上分别进行血压和血氧测量时,暂停输出脉搏波的波动节律信息;和,当所述血压测量设备和所述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,在所述显示屏上输出脉搏波的波动节律信息。
本申请实施例公开的监护仪及其不规则脉率识别方法,能够在监护仪没有配备ECG技术时,仍然可以排除外界环境的干扰,准确地识别不规则脉率,提高脉搏波的波动节律信息判断的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例中的不规则脉率识别方法的流程示意图。
图2为本申请另一实施例中的不规则脉率识别方法的流程示意图。
图3为本申请又一实施例中的不规则脉率识别方法的流程示意图。
图4为本申请一实施例中的监护仪的模块示意图。
图5为本申请又一实施例中的监护仪的模块示意图。
图6为本申请一实施例中的脉搏波的显示界面示意图。
图7为本申请又一实施例中的脉搏波的显示界面示意图。
具体实施方式
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。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”等是用于区别不同对象,而非用于描述特定顺序。此外,术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
说明书后续描述为实施本申请的较佳实施例,然所述描述乃以说明本申请的一般原则为目的,并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。
请参阅图1,图1为本申请一实施例中的不规则脉率识别方法的流程示意图。前述不规则脉率识别方法的执行顺序并不限于图1所示的顺序。前述不规则脉率识别方法包括步骤:
步骤101:采集受测者的生理信号,获得脉搏波信号;
步骤102:根据前述脉搏波信号,识别脉搏波的波动节律信息;
步骤103:对前述脉搏波信号进行质量分析,得出表征信号质量好坏的评估结果;
步骤104:根据前述评估结果确定是否输出前述脉搏波的波动节律信息。
从而,本申请中,采集受测者的生理信号,并根据前述脉搏波信号,识别脉搏波的波动节律信息;对前述脉搏波信号进行质量分析,得出表征信号质量好坏的评估结果;及根据前述表征信号质量好坏的评估结果,确定是否输出前述脉搏波的波动节律信息,能够在监护仪没有配备ECG技术时,仍然可以排除外界环境的干扰,准确地自动识别不规则脉率,提高脉搏波的波动节律信息判断的准确性,提升监护仪的易用性、简易性以及用户良好的使用体验。本文中的脉搏波信号包含至少一个单个脉搏波波形。
具体地,在其中一实施例中,在步骤101中,前述采集受测者的生理信号,获得脉搏波信号,包括:
将不同波长的光辐射到受测者相应部位的组织区域中,检测通过前述组织区域发送的光信号,处理前述光信号,获得前述脉搏波信号。
还比如,在其中一个实施例中,前述采集受测者的生理信号,获得脉搏波信号,可以采用如下无创血压测量方式:
A1、将袖带设置在身体的规定部位;
B1、控制袖带充气到一定的压力,使袖带压迫动脉,然后逐渐放气;
C1、在放气过程或充气的过程中,采样袖带内的压力;
D1、检测出该压力下的脉搏波,获得前述脉搏波信号。
其次,前述生理信号可以采用有创血压、无创血压以及血氧等检测设备来获得。
可见,前述生理信号可以来源于但不限于脉搏血氧探头、无创血压测量设备、具有脉搏测量功能的智能手表、具有脉搏测量功能的智能手环、电磁传感器、声音传感器以及加速度传感器中的至少一种。例如,当前述生理信号来源于电磁传感器时,电磁传感器可包括穿戴于手腕上的导电环以及设置于导电环磁场内的霍尔传感器等传感器,手腕上的导电环跟随脉管搏动而伸缩,导致磁场变化,从而可通过霍尔传感器侦测该变化而产生相应的电磁感应信号,从而获得脉搏波信号。又例如,当前述生理信号来源于声音传感器时,可通过声音传感器采集脉搏搏动的声音信号,即,前述传感器信号可为声音信号,然后通过声音的频率、音量、音色等特征进行分析,而可得到脉搏波信号。
具体地,在步骤102中,根据前述脉搏波信号,识别脉搏波的波动节律信息,采用以下方法来实现:对前述脉搏波信号进行时域分析、频域分析、机器学习分析和/或非线性动力学分析,获得脉搏波的波动节律信息。
本文中提到的波动节律信息至少包括:脉搏波的波动节律波形、节律量化参数、脉搏节律规则度的评价信息中的其中之一。
其中,脉搏波的波动节律波形至少可以包括脉搏波不规则时候的脉搏波波形,也可以包括脉搏波规则时候的脉搏波波形,也可以包括在生理体征测量过程中得到的脉搏波波形。脉搏波波形可以包括一段时间的波形形态,也可以是连续产生的脉搏波波形形态,例如,脉搏波波形可以是含有一段时间的不规则脉搏波波形。另外,脉搏波波形可以至少包括信号质量好的时候对应的脉搏波波形,也可以是包括信号质量不好的时候对应的脉搏波波形。例如,信号质量好的时候对应的脉搏波波形可以包括不规则脉搏波波形,也可以包括规则波动节律波形。在其中一个实施例中,信号质量好的时候对应的脉搏波波形可以包括一段时间的不规则脉搏波波形。
其中,节律量化参数至少可以包括频域特征、非线性动力学特征、脉搏频率相关量、波形形态特征值、波形形态特征统计量和变异相关量中的其中之一。
频域特征至少包括频谱特征、频谱特征统计量、功率谱特征、和功率谱特征统计量等其中之一。其中,频谱特征可以包括:频谱峰、频谱间隔、频谱幅度、频谱面积、频谱斜率、和频谱包络等中的其中之一特征信息,频谱峰包括频谱峰幅度,指的是频谱峰的高度;频谱峰包括频谱峰位置,指的是频谱峰对应的频率位置;频谱峰还可以包括频谱峰个数,指的是频谱中的频段内频谱峰的个数。频谱间隔指的是任意两个频率之间的间隔,频谱幅度指的是频谱中每个频率对应的幅度,频谱面积指的是频谱在频段内的积分,频谱斜率指的是频谱中任一上升段或下降段的斜率,频谱包络指的是频谱峰之间相连形成的包络。频谱特征统计量包括单频谱特征统计量和多频谱特征统计量等中的其中之一特征信息,其中,单频谱特征统计量包括:单频谱内,不同频谱峰幅度、频谱峰位置、频谱间隔、频谱幅度、频谱面积、频谱斜率等这些特征的最值、均值、比值、差值、加和、标准差、分布统计等以及频谱特征统计量的统计分析值,例如频谱间隔差值的平均值、频谱间隔差值的标准差等。多频谱特征统计量包括:一段时间内的不同时段对应频谱间的频谱峰幅度、频谱峰个数、频谱峰位置、频谱间隔、频谱幅度、频谱面积、频谱斜率等这些特征的最值、均值、比值、差值、加和、标准差、分布统计等,以及频谱特征统计量的统计分析值,例如频谱间最大频谱峰位置差值的标准差、频谱间最大频谱峰位置差值超过预定值的个数等。功率谱特征可以包括:功率谱峰、功率谱间隔、功率谱幅度、功率谱面积、功率谱斜率、功率谱包络等中的其中之一特征信息,功率谱峰包括功率谱峰幅度,指的是功率谱峰的高度;功率谱峰包括功率谱峰位置,指的是功率谱峰对应的频率位置;功率谱峰还可以包括功率谱峰个数,指的是功率谱中的频段内功率谱峰的个数。功率谱间隔指的是任意两个频率之间的间隔,功率谱幅度指的是功率谱中每个频率对应的幅度,功率谱面积指的是功率谱在频段内的积分,功率谱斜率指的是功率谱中任一上升段或下降段的斜率,功率谱包络指的是功率谱峰之间相连形成的包络。功率谱特征统计量包括单功率谱特征统计量、和多功率谱特征统计量等中的其中之一特征信息,其中,单功率谱特征统计量包括:单功率谱内,不同功率谱峰幅度、功率谱峰位置、功率谱间隔、功率谱幅度、功率谱面积、功率谱斜率等这些特征的最值、均值、比值、差值、加和、标准差、分布统计等以及功率谱特征统计量的统计分析值,例如功率谱间隔差值的平均值、标准差等。多功率谱特征统计量包括:一段时间内的不同时段对应功率谱间的功率谱峰幅度、功率谱峰个数、功率谱峰位置、功率谱间隔、功率谱幅度、功率谱面积、功率谱斜率等这些特征的最值、均值、比值、差值、加和、标准差、分布统计等,以及功率谱特征统计量的统计分析值,例如功率谱间最大功率谱峰位置差值的标准差、功率谱间最大功率谱峰位置差值超过预定值的个数等。
非线性动力学特征至少包括:熵值和复杂度中的其中之一,熵值包括但不限于信息熵、谱熵、近似熵、样本熵、模糊熵等熵值特征。
脉搏频率相关量包含脉率以及脉率的统计分析量,例如脉率的统计分析量包含最大脉率值和/或最小脉率值。最大脉率/最小脉率定义:在一段时间内,在有N个脉搏波的信号中,根据相邻脉搏波的间隔可以计算出N-1个脉率,在其中脉率的最大值和最小值即定义为最大脉率和最小脉率。
波形形态特征值至少包含脉搏间隔、脉搏幅度、脉搏宽度、脉搏面积、脉搏斜率、脉搏包络等其中之一。其中,脉搏间隔是指两个单脉搏之间的时间间隔,可以是波峰与波峰、波谷与波谷、或两个单脉搏上任意对应点之间的时间间隔,间隔可以是相邻的,也可以是不相邻的,而本文中的单脉搏,可以是一个脉搏波,也可以是应用其他形式采集到的单次脉搏。脉搏幅度是指的波峰与波谷之间的差值,脉搏斜率是指脉搏波上升段与下降段的任一处的斜率,脉搏面积是指相邻两个波谷之间或单脉搏的起始到终止之间的脉搏波在时间上的积分,脉搏宽度是指单个脉搏的起始至终止的时间长度,脉搏包络是指:由波峰与波峰(或波谷与波谷)间相连接所形成的包络。
波形形态特征统计量是指基于统计学分析方法对波形形态特征值进行一段时间的分析结果,可以至少包含脉搏间隔的均值、脉搏间隔的差值、脉搏间隔差值的均值、脉搏间隔的标准差、脉搏间隔的加和、脉搏间隔的比值、脉搏宽度的差值、脉搏宽度的均值、脉搏宽度的标准差、脉搏宽度的加和、脉搏宽度的比值、脉搏幅度的差值、脉搏幅度的均值、脉搏幅度的标准差、脉搏斜率的差值、脉搏斜率的均值、脉搏斜率的标准差、脉搏面积的差值、脉搏面积的均值和脉搏面积的标准差等其中之一。其中,脉搏间隔的均值是指一时间段内的脉搏间隔的平均值,脉搏间隔的差值是指脉搏间隔之间的差值,脉搏间隔差值的均值是指一时间段内的脉搏间隔差值的均值,脉搏间隔的标准差是指一时间段脉搏间隔的标准差,脉搏幅度的均值是指一时间段内的脉搏幅度的均值,脉搏幅度的标准差是指一时间段内的脉搏幅度的标准差,脉搏斜率的差值是指脉搏斜率之间的差值,脉搏斜率的均值是指一时间段内脉搏斜率的均值,脉搏斜率的标准差是指一时间段内的脉搏斜率的标准差,脉搏面积的差值是指脉搏面积之间的差值,脉搏面积的均值是指一时间段内的脉搏面积之间的均值,脉搏面积的标准差是指一时间段内的脉搏面积的标准差。脉搏宽度的差值是指脉搏宽度之间的差值、脉搏宽度的均值是指一时间段内的脉搏宽度差值的均值,脉搏宽度的标准差是指一时间段脉搏宽度的标准差,脉搏间隔的加和是指脉搏间隔相加之和、脉搏间隔的比值是指不同的脉搏间隔做比值、脉搏宽度的加和是指脉搏宽度的相加之和、脉搏宽度的比值是指不同的脉搏宽度间的比值。
变异相关量是指反映一段时间内波形形态特征值、波形形态特征统计量、脉搏波频率相关量、频域特征、非线性动力学特征发生变化的度量,例如变异相关量至少包括变异度和变异次数等其中之一。
其中,前述变异度用于表征脉搏波的信号特征信息相对于一段时间内脉搏波信号特征信息的统计分析结果的变异程度,这里的信号特征信息至少包括波形形态特征值、波形形态特征统计量、脉搏波频率相关量、频域特征、非线性动力学特征等中的其中之一。在其中一个实施例中,变异度可以是波形形态特征值、脉搏波频率相关量、频域特征、非线性动力学特征中的其中之一,与波形形态特征统计量、一段时间内脉搏波频率相关量的统计量、一段时间内频域特征的统计量、一段时间内的非线性动力学特征的统计量之间的差异度。本文的差异度可以采用求差值、求商、求差值和商的组合运算等来获得。本文中提到的统计分析方法包括均值计算、差值计算、标准差计算等数学统计方法中的其中之一。具体地,在其中一实施例中,前述变异度可以是指一个脉搏波相对任意一段时间的脉搏波的变异程度,具体地,前述变异度可以是指当前脉搏波相对一时间段内的脉搏波的变异程度,如,脉搏间隔的变异度。以下以脉搏间隔的变异度举例说明,当前脉搏波为第七个脉搏波,则具有六个脉搏间隔,计算这六个脉搏间隔中的至少一个脉搏间隔与六个脉搏间隔中任意个数的脉搏间隔的均值的差值,将该差值与均值的比值作为脉搏间隔的变异度。可以理解的是,在其它实施例中,前述变异度是指当前脉搏波相对前一脉搏波的变异程度,例如,当前脉搏波为第七个脉搏波,则具有六个脉搏间隔,计算第六个脉搏间隔与前五个脉搏间隔的均值之间的差值,将该差值和前五个脉搏间隔的均值比值作为脉搏间隔的变异度。
其中,上述变异次数可以是指在一段时间内脉搏波变异发生的次数,例如,一段时间内波形形态特征值、波形形态特征统计量、脉搏波频率相关量、频域特征、非线性动力学特征超过预定值的次数。具体地,如变异次数可以是脉搏间隔的差值超过预定值的次数,或者是在一段时间内上述脉搏间隔、脉搏间隔的均值、脉搏间隔差值的均值、脉搏间隔的标准差、脉搏幅度的差值、脉搏幅度的均值、脉搏幅度的标准差、脉搏斜率的差值、脉搏斜率的均值、脉搏斜率的标准差、脉搏面积的差值、脉搏面积的均值、脉搏面积的标准差、脉率值、最大脉率值和最小脉率值等脉搏波信号特征信息中的其中一种超过预定值的次数。节律量化参数还可以包括变异度、变异次数分别对应的阈值中的至少一种。
其中,脉搏节律规则度的评价信息包含判断脉搏波是否不规则的评估结果或者给出脉搏波规则与否的建议,例如,评估结果可以为特定标签或标识结果,用于表征一段时间内的脉搏波为规则或者不规则。建议包括提示信息和/或推荐信息,提示信息是指对一段时间内的脉搏波的波动情况存疑的预估结论,例如,提示“疑似规则”或“疑似不规则”的预估结论。推荐信息用于指引用户判断和操作,例如,推荐信息包括提示用户预约ECG、预约心电图、打印波动节律波形、预约超声检查和其他功能中的其中至少一种。当脉搏波出现不规则或者“疑似不规则”后,提供提示信息指引用户判断和操作。在一些实施例中,可以基于识别的节律量化参数与相应预设阈值的比较来给出脉搏节律规则度的评价信息,例如,可以基于前述变异度与相应的阈值进行比较、前述变异次数与相应的阈值进行比较、或者结合前述变异度和变异次数分别与相应的阈值进行比较,根据比较结果来给出脉搏节律规则度的评价信息,从而确定脉搏波是否规则,或者以及比较结果给出脉搏波规则与否的建议。在一些实施例中,可以依据识别到的前述节律量化参数中的一个特征信息来与阈值比较进行,从而给出脉搏节律规则度的评价信息;或者,还可以依据识别到的前述节律量化参数中两个以上(含两个)的特征信息分别与相应的阈值比较,进行多条件组合判断,从而给出脉搏节律规则度的评价信息。其次,在一些实施例中,连续多次将识别的节律量化参数中的至少一种特征信息,与预设阈值进行比较,在多次比较结果均满足脉搏波规则或脉搏波不规则的标准时,给出有关脉搏波规则或脉搏波不规则的评估结果,从而获得脉搏节律规则度的评价信息,或者给出前述脉搏波规则与否的建议。其次,在一些实施例中,在一段时间内连续多次将识别的节律量化参数中的至少一种特征信息,与预设阈值进行比较,当多次比较结果中表征脉搏波规则的次数占比满足脉搏波规则标准时,输出脉搏波规则的评估结果,当多次比较结果中表征脉搏波不规则的次数占比满足脉搏波不规则标准时,输出脉搏波不规则的评估结果。
具体地,在其中一实施例中,对滤波后的脉搏波信号进行时域分析以得到脉搏波的波动节律信息,包括:
对前述滤波后的脉搏波信号搜索波峰信息和波谷信息,并根据前述波峰信息和波谷信息计算脉搏间隔、脉搏间隔的均值、脉搏间隔的差值、脉搏间隔差值的均值、脉搏间隔的标准差、脉搏幅度的差值、脉搏幅度的均值、脉搏幅度的标准差、脉搏斜率的差值、脉搏斜率的均值、脉搏斜率的标准差、脉搏面积的差值、脉搏面积的均值、脉搏面积的标准差、变异度、变异次数、最大脉率值和最小脉率值等信号特征信息中的其中一种,将对应计算的脉搏波信号特征信息作为脉搏波的波动节律信息的部分或全部。计算的信号特征信息至少含有脉搏波频率相关量、波形形态特征值、波形形态特征统计量以及基于脉搏波频率相关量、波形形态特征值、波形形态特征统计量得到的变异相关量中的其中之一。
此外,更进一步地,在其中一个实施例中,还可以包括以下步骤:将对应的脉搏波信号特征信息计算结果与对应的预设阈值进行比较而得到脉搏波的波动节律信息。例如在其中一个实施例中,根据上述计算的脉搏波信号特征信息对脉搏波是否规则做出筛查,获得一段时间内对应的脉搏波的波动节律信息,该段时间内对应的脉搏波的波动节律信息为发生不规则脉搏波时对应的波动节律信息,即至少包含不规则的脉搏波波形、一段时间不规则的脉搏波对应的波动节律信息和节律规则度的评价信息中的其中之一。
当然,在其中一个实施例中,依据前述得到的脉搏波信号,识别脉搏波的波动节律信息的过程包括:
依据前述脉搏波信号,识别不规则的脉搏波信号;
提取一段时间内不规则的脉搏波信号,
基于一段时间内不规则的脉搏波信号,输出上述波动节律信息。比如,基于一段时间内不规则的脉搏波信号输出不规则的脉搏波信号所对应的波动节律信息。
本文中的“一段时间”的时间长度可以是机器默认的,也可以根据用户的选择来调整,还可以是实时采样时依据测量结果随时变化调整的。本实施例中的,依据前述滤波后的脉搏波信号,识别不规则的脉搏波信号,可以是将对应计算的脉搏波信号特征信息,与对应的预设阈值进行比较而确定不规则的脉搏波信号,从而提高信号计算的准确性。
具体地,在其中一实施例中,对前述脉搏波信号进行频域分析以得到脉搏波的波动节律信息,包括:
对前述滤波后的脉搏波信号通过拉普拉斯变换等算法将时域的脉搏波波形转换为频域信号,进而得出的频域特征,具体定义可见前文所述。更进一步地,还可以将对应的计算结果与对应的预设阈值进行比较而得到脉搏波的波动节律信息。例如,将频域特征的计算结果与对应的预设阈值进行比较,从而识别不规则的脉搏波信号,提取一段时间内不规则的脉搏波信号,基于一段时间内不规则的脉搏波信号,输出上述波动节律信息,比如,基于一段时间内不规则的脉搏波信号输出不规则脉搏波信号所对应的波动节律信息。
具体地,在其中一实施例中,对前述脉搏波信号进行非线性动力学分析以得到脉搏波的波动节律信息,包括:
对前述滤波后的脉搏波信号通过非线性动力学分析得出非线性动力学特征值,该特征值包括但不限于脉搏波波形的信息熵、谱熵、近似熵、样本熵、模糊熵等熵值特征或复杂度特征在内的非线性动力学特征值。更进一步地,还可以将对应的非线性动力学特征值计算结果与对应的预设阈值进行比较而得到脉搏波的波动节律信息。例如,将非线性动力学特征值的计算结果与对应的预设阈值进行比较,从而识别不规则的脉搏波信号,提取一段时间内不规则的脉搏波信号,基于一段时间内不规则的脉搏波信号,输出上述波动节律信息,比如,基于一段时间内不规则的脉搏波信号输出不规则脉搏波信号所对应的波动节律信息。
其次,在一些实施例中,对前述脉搏波信号进行机器分析以得到脉搏波的波动节律信息,包括:
将滤波后的脉搏波信号输入到完成训练之后的机器学习模型中,自动获得脉搏波的波动节律信息。
其中,可通过模型训练建立机器学习模型,机器学习模型如神经网络模型。在其中一个实施例中,在训练机器学习模型时,可将节律量化参数的计算结果与节律规则度的评价信息的关联关系、和/或脉搏波波形与节律规则度的评价信息的关联关系,输入到训练机器学习模型中,获得完成训练之后的机器学习模型。当然,在一些实施例中,对前述脉搏波信号进行机器分析以得到脉搏波的波动节律信息,包括:将基于时域分析、频域分析、或非线性动力学分析滤波后的脉搏波信号得到的节律量化参数输入到完成训练之后的机器学习模型中,可自动获得脉搏波的波动节律信息,其中波动节律信息包括节律规则度的评价信息。
具体地,在其中一实施例中,前述依据前述脉搏波信号,识别脉搏波的波动节律信息,至少包括以下步骤之一:
依据前述脉搏波信号,生成脉搏波的波动节律波形;和,
依据前述脉搏波信号,识别表征信号波动节律规则性程度的节律量化参数。
具体地,在其中一个实施例中,通过识别脉搏波的波形形态特征信息而获得关于信号波动节律规则性程度的节律量化参数。
其次,还可以针对不规则脉搏波信号进行信息输出,因此,在本发明的其中一个实施例中,依据前述得到的脉搏波信号,通过时域分析、频域分析、机器分析和/或非线性动力学分析以得到不规则脉搏波信号,提取一段时间内的不规则脉搏波信号,基于一段时间内的不规则脉搏波信号,生成脉搏波的波动节律波形,和/或识别一段时间内不规则脉搏波信号对应的节律量化参数。
具体地,在其中一实施例中,上述方法还包括:步骤105,输出及显示步骤,其中包括:根据前述脉搏波信号,获得脉率和/或血氧信息;同时,输出显示脉率和/或血氧信息;和输出显示前述波动节律信息。其中步骤105可以包括多个生理参数信息的输出显示,也可以包括脉搏波的波动节律信息的输出显示。步骤105中的输出及显示步骤包括在前述显示屏上输出前述脉搏波的波动节律信息的过程。
进一步地,在其中一实施例中,在步骤105中,前述方法还包括以下其中之一:
在生理体征显示界面上的第一显示窗显示前述脉率和/或血氧信息;及在前述生理体征显示界面上的第二显示窗显示前述波动节律信息,其中前述第一显示窗与前述第二显示窗不相同,或者前述第一显示窗与前述第二显示窗相互重叠,或者前述第二显示窗悬浮叠加在前述第一显示窗之上;和在同一生理体征显示界面上同时显示前述脉率和/或血氧信息,以及显示前述波动节律信息。
例如,图6所示,在监护仪100的生命体征显示界面监护仪11A上分区显示有关于无创血压NIBP的测量参数“120/80”,在第一显示窗内关于血氧SPO2的测量参数“98”,关于体温的测量参数“102.5”,关于呼吸特征信息的呼吸率测量参数“20”,在第一显示窗内显示关于脉搏特征信息的脉率测量参数“64”,在此之外,在同一生命体征显示界面监护仪11A上还设定有第二显示窗来显示脉搏波的波动节律波形11C,例如,该波动节律波形11C可以是在测量过程中的波动节律波形,也可以是属于不规则脉搏波信号的一段时间内对应的波动节律波形。显示波动节律波形11C的第二显示窗与显示脉率和/或血氧信息的第一显示窗不相同,例如,显示窗的显示位置不相同。当然,第一显示窗与第二显示窗相互重叠,或者第二显示窗悬浮叠加在前述第一显示窗之上,例如图7所示。
其次,如图7所示,在监护仪100的生命体征显示界面监护仪12A上分区显示有关于无创血压NIBP的测量参数“120/80”,关于血氧SPO2的测量参数“98”,关于脉搏特征信息的脉率测量参数“64”,关于体温的测量参数“102.5”,关于呼吸特征信息的呼吸率测量参数“20”,在此之外,在同一生命体征显示界面监护仪12A上,当脉搏波出现不规则现象时,在生命体征显示界面12A上弹出的新窗口12B(如第二显示窗),在新窗口12B内可以显示波动节律波形12C,例如,该波动节律波形12C可以是在测量过程中的波动节律波形,也可以是属于不规则脉搏波信号的一段时间内对应的波动节律波形。其次,在新窗口12B内还显示有变异次数“4”、变异次数阈值“4”,以及最大脉率PRmax“80”和最小脉率PRmin“40”。同时,还可以在新窗口12B中给出脉搏波规则与否的建议,如输出疑似不规则的提示信息供用户判断,提示信息包括在界面上显示“规则”和“不规则”的触摸按钮,当用户依据新窗口12B内显示的波动节律波形和波动节律量化参数,输入“不规则”的判定结论后,相应生成不规则标识,并与相关波动节律波形和波动节律量化参数关联存储,可作为判断脉搏波是否不规则的评估结果。
具体地,在其中一实施例中,在步骤103中,对前述脉搏波信号进行质量分析,得出表征信号质量好坏的评估结果,包括:
对前述脉搏波信号进行时域分析、频域分析、机器学习分析和/或非线性动力学分析以得出前述质量因子,基于前述质量因子确定表征信号质量好坏的评估结果。
具体地,在其中一实施例中,对脉搏波信号进行时域分析以得出前述质量因子,包括:
对前述滤波后的脉搏波信号搜索波峰信息和波谷信息,并根据前述波峰信息和波谷信息计算脉搏间隔、脉搏幅度、脉搏斜率、脉搏宽度、脉搏面积、脉搏间隔的差值、脉搏幅度的差值、脉搏斜率的差值、脉搏面积的差值、脉搏间隔的均值、脉搏间隔的差值的均值、脉搏幅度的均值、脉搏斜率的均值、脉搏面积的均值、脉搏间隔的标准差、脉搏幅度的标准差、脉搏波斜率的标准差、脉搏面积的标准差、脉搏宽度的标准差、脉搏宽度的加和、脉搏宽度的比值、脉搏宽度的差值、最大脉率值、最小脉率值、变异度、变异次数以及变异度、变异次数分别对应的阈值中的至少一种,从而得出前述质量因子。
具体地,在其中一实施例中,对前述脉搏波信号进行频域分析以得出前述质量因子,包括:
对前述脉搏波信号通过拉普拉斯变换等算法将时域的脉搏波波形转换为频域信号,进而得出的频域特征,从而得到前述质量因子。
具体地,在其中一实施例中,对前述脉搏波信号进行机器学习分析以得出前述质量因子,包括:
通过模型训练建立机器学习模型,例如神经网络模型,从而,可将前述对前述脉搏波信号作为机器学习模型的输入,而自动得出前述质量因子。其中,可通过已知的脉搏波信号与质量因子的关联关系,输入到训练机器学习模型中进行训练,获得完成训练之后的机器学习模型,然后利用完成训练之后的机器学习模型,基于实时得到的脉搏波信号自动得出前述质量因子。
具体地,在其中一实施例中,对前述脉搏波信号进行非线性动力学分析以得出前述质量因子,包括:
对前述脉搏波信号通过通过非线性动力学分析得出的特征值包括但不限于脉搏波波形的信息熵、谱熵、近似熵、样本熵、模糊熵等熵值特征或复杂度特征在内的非线性动力学特征值,而得出前述质量因子。
可见,在步骤102中根据前述脉搏波信号识别脉搏波的波动节律信息的信号分析方法,与步骤103中对脉搏波信号进行信号质量分析得出质量因子所采用的信号分析方法,可以相同,也可以不相同。这里的信号分析方法可以为时域分析、频域分析、机器学习分析和非线性动力学分析方法中的其中之一。本文提到的质量因子,可以与前述节律量化参数相同,或部分相同。
更进一步地,在其中一个实施例中,步骤102至步骤103的过程可以采用以下方式:
根据前述脉搏波信号,提取信号特征信息;
根据前述信号特征信息,识别脉搏波的波动节律信息;
根据前述信号特征信息,对前述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果。
在本实施例中,用于识别波动节律信息的信号特征信息,与用于得出表征信号质量好坏的评估结果的信号特征信息,可以相同,也可以不完全相同。例如,在其中一个变形实施例中,在步骤102中,根据前述脉搏波信号,提取至少一种信号特征信息,根据提取的至少一种信号特征信息的部分或全部,识别脉搏波的波动节律信息,在步骤103中,根据提取的至少一种信号特征信息的部分或全部,对前述脉搏波信号进行质量分析,得出表征信号质量好坏的评估结果。本文中提到的信号特征信息,为前述节律量化参数中至少一种特征信息。
可以理解的是,在其它实施例中,前述步骤102至步骤103的过程还可以采用如下方式:
根据前述脉搏波信号,提取第一时间段内对应的第一信号特征信息;
根据前述脉搏波信号,提取第二时间段内对应的第二信号特征信息;
根据第一时间段内对应的第一信号特征信息,识别脉搏波的前述波动节律信息;
根据第二时间段内对应的第二信号特征信息,对前述脉搏波信号进行质量分析,得出前述质量因子,和,
基于前述质量因子确定表征信号质量好坏的评估结果;
其中,前述第一时间段与第二时间段部分重合或全部重合。
其中,第一信号特征信息与第二信号特征信息不相同,或第一信号特征信息与第二信号特征信息部分相同,或第一信号特征信息与第二信号特征信息完全相同。第一信号特征信息与第二信号特征信息取自本文前述提到的信号特征信息中的部分或全部,例如,第一信号特征信息与第二信号特征信息分别可取自前述节律量化参数中至少一种特征信息。例如,第一信号特征信息可以是脉搏间隔,第二信号特征信息可以是脉搏波的峰值标准差结合脉搏间隔。
具体地,在其中一实施例中,前述步骤103和步骤104中,前述对前述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果,以及根据前述表征信号质量好坏的评估结果确定是否输出前述脉搏波的波动节律信息,包括:
对前述脉搏波信号进行质量分析,得出质量因子;和,
根据前述质量因子,确定是否输出前述脉搏波的波动节律信息。
其中,根据前述质量因子,确定是否输出前述脉搏波的波动节律信息,还可以包括:在确定前述质量因子满足预设条件时,输出前述脉搏波的波动节律信息;或者,在确定前述质量因子不满足预设条件时,暂停输出前述脉搏波的波动节律信息。
可以理解的是,在其中一实施例中,在确定前述质量因子不满足预设条件时,暂停输出前述脉搏波的波动节律信息,但显示脉搏波的波动节律波形。
具体地,在其中一实施例中,前述在确定前述质量因子不满足预设条件时,暂停输出前述脉搏波的波动节律信息,包括:
继续采集受测者的生理信号以识别脉搏波的波动节律信息并得出质量因子,直至当前质量因子满足预设条件时,输出前述脉搏波的波动节律信息。
具体地,在其中一实施例中,前述预设条件包括至少一个判断条件,当前述质量因子满足前述至少一个判断条件的全部判断条件,或者满足前述至少一个判断条件中的预定个数的判断条件时,确定前述质量因子满足预设条件,否则,确定前述质量因子不满足预设条件。
具体地,在其中一实施例中,前述预设条件为固定条件、滑动窗条件、动态条件、模糊范围条件和自适应条件中的其中一种。其中,前述固定条件是指不随时间产生变化的判断条件。前述滑动窗条件是指在滑动窗内随着外界条件的改变而产生变化的判断条件。前述动态条件是指随时间产生动态变化的判断条件。前述模糊范围条件是指对模糊范围进行界定的判断条件。前述自适应条件是指随着外界条件的改变而产生自适应改变的判断条件。
具体地,在其中一实施例中,前述输出前述脉搏波的波动节律信息,包括以下步骤之一:
显示脉搏波的波动节律波形,和
显示表征信号波动节律规则性程度的节律量化参数。本文中的脉搏波的波动节律波形,可以依据前述脉搏波信号来生成。
具体地,在其中一实施例中,前述显示脉搏波的波动节律波形,包括:
显示一段时间内波动节律波形,以及该一段时间内的波动节律波形相关的节律量化参数。其中,在其中一实施例中,节律量化参数可以包括:脉搏间隔、脉搏幅度、脉搏斜率、脉搏宽度、脉搏面积、脉搏间隔的差值、脉搏幅度的差值、脉搏斜率的差值、脉搏面积的差值、脉搏间隔的均值、脉搏间隔的差值的均值、脉搏幅度的均值、脉搏斜率的均值、脉搏面积的均值、脉搏间隔的标准差、脉搏幅度的标准差、脉搏波斜率的标准差、脉搏面积的标准差、脉搏宽度的标准差、脉搏宽度的加和、脉搏宽度的比值、脉搏宽度的差值、最大脉率值、最小脉率值、变异度、变异次数以及变异度、变异次数分别对应的阈值中的至少一种。或者,在其中一实施例中,前述显示脉搏波的波动节律波形,包括:显示一段时间内波动节律波形,例如显示一段时间内不规则脉搏波对应的波动节律波形。本文中的不规则脉搏波对应的波动节律波形,可以依据前述提取的不规则的脉搏波信号来生成。
具体地,在其中一实施例中,在上述步骤105中,还包括:基于前述质量因子,生成评价标识;同时输出前述评价标识和前述波动节律信息。
请参考图2,图2为本申请另一实施例中的不规则脉率识别方法的流程示意图。前述不规则脉率识别方法的执行顺序并不限于图2所示的顺序。前述不规则脉率识别方法包括步骤:
步骤201:采集受测者的生理信号,获得脉搏波信号;
步骤202:根据前述脉搏波信号,提取信号特征信息;
步骤203:根据前述信号特征信息,对前述脉搏波信号进行质量分析,得出表征信号质量好坏的评估结果;
步骤204:将前述评估结果和前述信号特征信息一起作为输入来识别脉搏波的波动节律信息。
从而,本申请在对脉搏波信号进行质量分析得出表征信号质量好坏的评估结果时,根据前述评估结果和前述信号特征信息一起作为输入来识别脉搏波的波动节律信息,能够在监护仪没有配备ECG技术时,可以消除噪声对识别脉搏波的波动节律信息的影响,准确地得出不规则评价信息,提高脉搏波的波动节律信息判断的准确性。
具体地,在其中一实施例中,前述步骤201中,前述采集受测者的生理信号,获得脉搏波信号包括:将不同波长的光辐射到受测者相应部位的组织区域中,检测通过前述组织区域发送的光信号,处理前述光信号,获得前述脉搏波信号。当然,还可以采用其他方式来获得脉搏波信号,例如可参见前述步骤101的相关说明。还比如,在其中一个实施例中,前述采集受测者的生理信号,获得脉搏波信号,可以采用如下无创血压测量方式:
A1、将袖带设置在身体的规定部位;
B1、控制袖带充气到一定的压力,使袖带压迫动脉,然后逐渐放气;
C1、在放气过程或充气的过程中,采样袖带内的压力;
D1、检测出该压力下的脉搏波,获得前述脉搏波信号。
其次,前述生理信号可以采用有创血压、无创血压以及血氧等检测设备来获得。
可见,前述生理信号可以来源于但不限于脉搏血氧探头、无创血压测量设备、具有脉搏测量功能的智能手表、具有脉搏测量功能的智能手环、电磁传感器、声音传感器以及加速度传感器中的至少一种。例如,当前述生理信号来源于电磁传感器时,电磁传感器可包括穿戴于手腕上的导电环以及设置于导电环磁场内的霍尔传感器等传感器,手腕上的导电环跟随脉管搏动而伸缩,导致磁场变化,从而可通过霍尔传感器侦测该变化而产生相应的电磁感应信号,从而获得脉搏波信号。又例如,当前述生理信号来源于声音传感器时,可通过声音传感器采集脉搏搏动的声音信号,即,前述传感器信号可为声音信号,然后通过声音的频率、音量、音色等特征进行分析,而可得到脉搏波信号。
在前述步骤202,根据前述脉搏波信号,提取信号特征信息;以及前述步骤203,根据前述信号特征信息,对前述脉搏波信号进行质量分析,得出表征信号质量好坏的评估结果中,可参见前述实施例中步骤103的相关说明。
前述步骤202中,对前述脉搏波信号进行时域分析、频域分析、机器学习分析和/或非线性动力学分析以得出前述信号特征信息。
具体地,在其中一实施例中,对脉搏波信号进行时域分析以得到信号特征信息,包括:
对前述滤波后的脉搏波信号搜索波峰信息和波谷信息,并根据前述波峰信息和波谷信息计算脉搏间隔、脉搏幅度、脉搏斜率、脉搏宽度、脉搏面积、脉搏间隔的差值、脉搏幅度的差值、脉搏斜率的差值、脉搏面积的差值、脉搏间隔的均值、脉搏间隔的差值的均值、脉搏幅度的均值、脉搏斜率的均值、脉搏面积的均值、脉搏间隔的标准差、脉搏幅度的标准差、脉搏波斜率的标准差、脉搏面积的标准差、脉搏宽度的标准差、脉搏宽度的加和、脉搏宽度的比值、脉搏宽度的差值、最大脉率值、最小脉率值、变异度、变异次数以及变异度、变异次数分别对应的阈值中的至少一种。
具体地,在其中一实施例中,对前述脉搏波信号进行频域分析以得到信号特征信息,包括:
对前述滤波后的脉搏波信号通过拉普拉斯变换等算法将时域的脉搏波波形转换为频域信号,进而得出的频域特征,具体定义可见前文所述。
具体地,在其中一实施例中,对前述脉搏波信号进行非线性动力学分析以得到信号特征信息,包括:
对前述滤波后的脉搏波信号通过非线性动力学分析得出非线性动力学特征值,该特征值包括但不限于脉搏波波形的信息熵、谱熵、近似熵、样本熵、模糊熵等熵值特征或复杂度特征在内的非线性动力学特征值。
其次,在一些实施例中,对前述脉搏波信号进行机器分析以得到信号特征信息,包括:
通过模型训练建立机器学习模型,例如神经网络模型,从而,可将前述对前述脉搏波信号作为机器学习模型的输入,而自动得出前述信号特征信息。其中,可通过已知的脉搏波信号与信号特征信息的关联关系,输入到训练机器学习模型中进行训练,获得完成训练之后的机器学习模型,然后利用完成训练之后的机器学习模型,基于实时得到的脉搏波信号自动得出前述信号特征信息。
本文中提到的信号特征信息,为前述节律量化参数中至少一种,例如,关于本实施例中的信号特征信息可参见前述步骤102中关于波动节律信息的识别过程。
可以理解的是,在其它实施例中,前述评估结果为质量因子,前述根据前述脉搏波信号,提取特征信息;根据前述特征信息,对前述脉搏波信号进行质量分析,得出表征信号质量好坏的评估结果,包括:
根据前述脉搏波信号,提取第一时间段内对应的第一信号特征信息;
根据前述脉搏波信号,提取第二时间段内对应的第二信号特征信息;
根据第一时间段内对应的第一信号特征信息,识别脉搏波的前述波动节律信息;
根据第二时间段内对应的第二信号特征信息,对前述脉搏波信号进行质量分析,得出前述质量因子;
其中,前述第一时间段与第二时间段部分重合或全部重合。
其中,第一信号特征信息与第二信号特征信息不相同,或第一信号特征信息与第二信号特征信息部分相同。
具体地,在其中一实施例中,前述评估结果为质量因子,前述根据前述信号特征信息,对前述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果,包括:
提取前述脉搏波信号并进行时域分析、频域分析、机器学习分析和/或非线性动力学分析以得出前述质量因子。
具体地,在其中一实施例中,对脉搏波信号进行时域分析以得出前述质量因子,包括:
对前述滤波后的脉搏波信号搜索波峰信息和波谷信息,并根据前述波峰信息和波谷信息计算脉搏间隔、脉搏间隔的均值、脉搏间隔的差值、脉搏间隔差值的均值、脉搏间隔的标准差、脉搏幅度的差值、脉搏幅度的均值、脉搏幅度的标准差、脉搏斜率的差值、脉搏斜率的均值、脉搏斜率的标准差、脉搏面积的差值、脉搏面积的均值、脉搏面积的标准差、变异度、变异次数、最大脉率值和最小脉率值等信号特征信息中的其中一种,从而得出前述质量因子。
具体地,在其中一实施例中,对前述脉搏波信号进行频域分析以得出前述质量因子,包括:
对前述脉搏波信号通过拉普拉斯变换等算法将时域的脉搏波波形转换为频域信号,进而得出的频域特征,从而得到前述质量因子。
具体地,在其中一实施例中,对前述脉搏波信号进行机器学习分析以得出前述质量因子,包括:
通过模型训练建立机器学习模型,例如神经网络模型,从而,可将前述对前述脉搏波信号作为机器学习模型的输入,而自动得出前述质量因子。其中,可通过已知的脉搏波信号与质量因子的关联关系,输入到训练机器学习模型中进行训练,获得完成训练之后的机器学习模型,然后利用完成训练之后的机器学习模型,基于实时得到的脉搏波信号自动得出前述质量因子。
具体地,在其中一实施例中,对前述脉搏波信号进行非线性动力学分析以得出前述质量因子,包括:
对前述脉搏波信号通过通过非线性动力学分析得出的特征值包括但不限于脉搏波波形的信息熵、谱熵、近似熵、样本熵、模糊熵等熵值特征或复杂度特征在内的非线性动力学特征值,而得出前述质量因子。
具体地,在其中一实施例中,前述将前述质量因子和前述脉搏波信号的特征信息一起作为输入来识别脉搏波的波动节律信息,包括:
基于前述质量因子,生成评价标识;
同时输出前述评价标识和前述波动节律信息。例如同时在显示屏上输出前述评价标识和前述波动节律信息。
具体地,在其中一实施例中,前述基于前述质量因子,生成评价标识,包括:
将前述质量因子与预设条件进行比较,进而生成评价标识。
具体地,在其中一实施例中,前述预设条件包括至少一个判断条件,前述将前述质量因子与预设条件进行比较,进而生成评价标识,包括:
根据前述质量因子满足前述至少一个判断条件的个数来生成评价标识,前述评价标识包括评价等级、评价数值、评价图形中的至少一种。
其中,前述评价等级可以是但不限于“好”、“中”、“差”等。
其中,前述评价数值可以是但不限于“100”、“70”、“50”等。
其中,前述评价图形可以是但不限于用柱状图表示信号质量的好坏,例如,柱状图充盈表示信号质量好。
具体地,在其中一实施例中,前述步骤204中,前述将前述评估结果和前述信号特征信息一起作为输入来识别脉搏波的波动节律信息,包括:
根据前述信号特征信息的权重值以及前述评估结果的权重值进行加权计算得到加权特征值;和,根据加权特征值进行分析,得到前述波动节律信息。
此外,例如前述评估结果为前述质量因子,将前述评估结果和前述脉搏波信号的特征信息一起作为输入来识别脉搏波的波动节律信息,包括:
根据前述脉搏波特征信息的权重值以及前述质量因子的权重值进行加权计算得到加权特征值;和,根据加权特征值进行分析,得到前述波动节律信息。
即,在一些实施例中,可根据脉搏波信号的质量而得到指示前述脉搏波信号质量的质量因子,由于前述质量因子本身由脉搏波的信号特征信息得出,从而可将质量因子与根据脉搏波信号获取的脉搏波信号特征信息进行加权得到加权特征值后,再根据加权特征值进行分析,得到前述波动节律信息,可有效提高波动节律信息的准确性。
其中,前述根据前述信号特征信息的权重值以及前述质量因子的权重值进行加权计算得到加权特征值,可具体包括:将得到的质量因子与对应的质量因子阈值进行比较,根据比较结果确定该质量因子的加权值j1;以及确定前述信号特征信息的权重值为(1-j1)。
其中,前述质量因子可包括至少一个质量因子,且可为通过不同的分析技术得到的不同类型的质量因子或通过相同的分析技术得到的不同类型的质量因子。
以时域技术得到的质量因子为例,通过时域技术分析,得到以下值:脉搏幅度标准差、脉搏间隔均值、脉搏间隔最大值,则分别将脉搏幅度标准差、脉搏间隔均值、脉搏间隔最大最小值与标准差阈值、间隔均值阈值、间隔最大值阈值进行比较,并根据比较结果确定质量因子的加权值j1。其中,当信号质量越好时,对应的质量因子的加权值越小;反之,当信号质量越差时,对应的质量因子的加权值越大。
其中,前述阈值可为单个阈值,也可包括两个阈值,例如第一阈值和第二阈值构成的阈值范围。具体地,在一些实施例中,质量因子的加权值j1的取值范围为0到1,相应地,特征值的权重值1-j1的取值范围也为0到1。设定质量信号越好时,对应的质量因子的加权值越小的意义在于:当质量信号越好时,应该弱化质量因子,而此时的根据脉搏波信号获取的信号特征信息也更为准确,应该强化信号特征信息,故此情形下,质量因子的加权值越小,而信号特征信息的权重值越大;反之亦然。
例如,当满足,幅度标准差<a,并且,脉搏间隔均值/脉搏间隔最大值<b,则判断信号质量为好,对应的质量因子的加权值j1较小,例如可为j1=0.2。当a<幅值标准差<c,并且,b<峰峰间隔最大值(最小值)/峰峰间隔平均值<d,判断信号质量为中,对应的质量因子的加权值例如可为j1=0.5;当幅值标准差>c,并且,峰峰间隔最大值(最小值)/峰峰间隔平均值>d,判断信号质量为低,对应的质量因子的加权值j1较大,例如可为j1=0.8。
例如,若信号质量越好,则说明得到信号质量的质量因子应该尽量弱化,因此质量因子的加权值可以取值为数值较小的值,例如0.2,而信号特征信息应该强化,因此信号特征信息的权重值可以取值为数值较大的值,例如为1-0.2=0.8。
以频域为例来说:可得到一段时间信号的频谱,统计出频谱峰幅度>a的频谱峰个数,第一种情况:当频谱峰幅度>a的频谱峰个数<b时,则判断信号质量为好,加权值j1=0.8;当b<频谱峰幅度>a的频谱峰个数<c时,判断信号质量为中,加权值=0.5;当频谱峰幅度>a的频谱峰个数>c时,判断信号质量为低,加权值=0.2。
在另一些实施例中,前述评估结果为质量因子,将前述评估结果和前述脉搏波信号的特征信息一起作为输入来识别脉搏波的波动节律信息,还可包括:
将前述质量因子映射为前述特征信息的质量因子系数;
将前述特征信息和质量因子系数计算得到校正特征值,例如,这里的计算可以是相乘或相除;
根据前述校正特征值进行分析,识别脉搏波的波动节律信息。
即,在另一些实施例中,是通过质量因子得到质量因子系数后,将特征信息与质量因子系数计算得到校正特征值后,再根据前述校正特征值识别脉搏波的波动节律信息。
其中,得到前述质量因子的方式与前相同,在此不再赘述。
进一步的,前述将前述质量因子映射为前述识别脉搏波的波动节律信息的质量因子系数,包括:将前述质量因子与对应的质量因子阈值进行比较,根据比较结果将前述质量因子映射为前述识别脉搏波的波动节律信息的质量因子系数。
其中,前述阈值可为单个阈值,也可包括两个阈值,例如第一阈值和第二阈值构成的阈值范围。
例如,当满足,幅度标准差<a,并且,脉搏间隔均值/脉搏间隔最大值<b,则判断信号质量为好,对应的质量因子系数可为1。当a<幅度标准差<c,并且,b<脉搏间隔最大值(最小值)/脉搏间隔均值<d,判断信号质量为中,质量因子系数为0.8;当幅度标准差>c,并且,脉搏间隔最大值(最小值)/脉搏间隔均值>d,判断信号质量为低,质量因子系数为0.5。
在另一些实施例中,是通过质量因子得到质量因子系数后,将特征信息与质量因子系数计算得到校正特征值后,再根据前述校正特征值识别脉搏波的波动节律信息。这里的计算包括相乘或相除等计算方式。
进一步的,前述将前述质量因子映射为前述识别脉搏波的波动节律信息的质量因子系数,包括:将前述质量因子与对应的质量因子阈值进行比较,根据比较结果将前述质量因子映射为前述识别脉搏波的波动节律信息的质量因子系数。
其中,前述阈值可为单个阈值,也可包括两个阈值,例如第一阈值和第二阈值构成的阈值范围。
例如,当满足,幅度标准差<a,并且,脉搏间隔均值/脉搏间隔最大值<b,则判断信号质量为好,对应的质量因子系数可为1。当a<幅度标准差<c,并且,b<脉搏间隔最大值(最小值)/脉搏间隔均值<d,判断信号质量为中,质量因子系数为1.25;当幅度标准差>c,并且,脉搏间隔最大值(最小值)/脉搏间隔均值>d,判断信号质量为低,质量因子系数为2。
以频域为例来说:可得到一段时间信号的频谱,统计出频谱峰幅度>a的频谱峰个数,第一种情况:当频谱峰幅度>a的频谱峰个数<b时,则判断信号质量为好,质量因子系数为1;当b<频谱峰幅度>a的频谱峰个数<c时,判断信号质量为中,质量因子系数为0.8;当频谱峰幅度>a的频谱峰个数>c时,判断信号质量为低,质量因子系数为0.2。
例如,若信号质量为低,则说明当前受到的干扰大,此时将脉搏特征信息乘以的质量因子系数更小,使得特征信息对应的干扰信号进行较大的削减,从而有效避免干扰。
前述步骤204中,将前述评估结果和前述信号特征信息一起作为输入来识别脉搏波的波动节律信息的过程可以采用前述各个实施例中利用加权计算的方式来实现。特别是,根据前述信号特征信息的权重值以及前述评估结果的权重值进行加权计算得到加权特征值,用以获得加权计算后的信号特征信息。然后根据加权计算后得到的信号特征信息,与对应的预设阈值进行比较来判断脉搏波是否规则,获得一段时间内脉搏波对应的波动节律信息,该段时间内对应的脉搏波的波动节律信息为发生不规则脉搏波时对应的波动节律信息,即至少包含不规则的脉搏波波形、一段时间不规则的脉搏波对应的波动节律信息和节律规则度的评价信息中的其中之一。
当然,在其中一个实施例中,前述步骤204中,将前述评估结果和前述信号特征信息一起作为输入来识别脉搏波的波动节律信息的过程还包括以下步骤:
根据前述信号特征信息的权重值以及前述评估结果的权重值进行加权计算得到加权计算后的信号特征信息,
依据加权计算的信号特征信息,识别不规则的脉搏波信号,
提取一段时间内不规则的脉搏波信号,和,
基于一段时间内不规则的脉搏波信号,输出不规则脉搏波对应的波动节律信息。
关于波动节律信息的识别以及定义可参见前文的相关说明,在此不再累述。
进一步地,在其中一实施例中,前述方法还包括输出及显示步骤205,此处的输出及显示步骤205可参见前述步骤105的相关说明,例如,输出及显示步骤205包括在显示屏上输出和/或显示脉搏波的波动节律信息。例如,前述输出及显示步骤包括:根据前述脉搏波信号,获得脉率和/或血氧信息;同时,输出显示脉率和/或血氧信息;和输出显示前述波动节律信息。其中数据及显示可以包括多个生理参数信息的输出显示,也可以包括脉搏波的波动节律信息的输出显示。
进一步地,在其中一实施例中,在步骤205中,前述方法还包括以下其中之一:
在生理体征显示界面上的第一显示窗显示前述脉率和/或血氧信息;及在前述生理体征显示界面上的第二显示窗显示前述波动节律信息,其中前述第一显示窗与前述第二显示窗不相同,或者前述第一显示窗与前述第二显示窗相互重叠,或者前述第二显示窗悬浮叠加在前述第一显示窗之上;和在同一生理体征显示界面上同时显示前述脉率和/或血氧信息,以及显示前述波动节律信息。
例如,图6所示,在监护仪100的生命体征显示界面监护仪11A上分区显示有关于无创血压NIBP的测量参数“120/80”,在第一显示窗内关于血氧SPO2的测量参数“98”,关于体温的测量参数“102.5”,关于呼吸特征信息的呼吸率测量参数“20”,在第一显示窗内显示关于脉搏特征信息的脉率测量参数“64”,在此之外,在同一生命体征显示界面监护仪11A上还设定有第二显示窗来显示脉搏波的波动节律波形11C,例如,该波动节律波形11C可以是在测量过程中的波动节律波形,也可以是属于不规则脉搏波信号的一段时间内对应的波动节律波形。显示波动节律波形11C的第二显示窗与显示脉率和/或血氧信息的第一显示窗不相同,例如,显示窗的显示位置不相同。当然,第一显示窗与第二显示窗相互重叠,或者第二显示窗悬浮叠加在前述第一显示窗之上,例如图7所示。
其次,如图7所示,在监护仪100的生命体征显示界面监护仪12A上分区显示有关于无创血压NIBP的测量参数“120/80”,关于血氧SPO2的测量参数“98”,关于脉搏特征信息的脉率测量参数“64”,关于体温的测量参数“102.5”,关于呼吸特征信息的呼吸率测量参数“20”,在此之外,在同一生命体征显示界面监护仪12A上,当脉搏波出现不规则现象时,在生命体征显示界面12A上弹出的新窗口12B(如第二显示窗),在新窗口12B内可以显示波动节律波形12C,例如,该波动节律波形12C可以是在测量过程中的波动节律波形,也可以是属于不规则脉搏波信号的一段时间内对应的波动节律波形。其次,在新窗口12B内还显示有变异次数“4”、变异次数阈值“4”,以及最大脉率PRmax“80”和最小脉率PRmin“40”。同时,还可以在新窗口12B中给出脉搏波规则与否的建议,如输出疑似不规则的提示信息供用户判断,提示信息包括在界面上显示“规则”和“不规则”的触摸按钮,当用户依据新窗口12B内显示的波动节律波形和波动节律量化参数,输入“不规则”的判定结论后,相应生成不规则标识,并与相关波动节律波形和波动节律量化参数关联存储,可作为判断脉搏波是否不规则的评估结果。
具体地,在其中一实施例中,前述输出前述脉搏波的波动节律信息,包括以下步骤之一:
显示脉搏波的波动节律波形,和
显示表征信号波动节律规则性程度的节律量化参数。本文中的脉搏波的波动节律波形,可以依据前述脉搏波信号来生成。
具体地,在其中一实施例中,前述显示脉搏波的波动节律波形,包括:
显示一段时间内波动节律波形,以及该一段时间内的波动节律波形相关的节律量化参数。其中,在其中一实施例中,前述显示表征信号波动节律规则性程度的节律量化参数,包括:脉搏间隔、脉搏幅度、脉搏斜率、脉搏宽度、脉搏面积、脉搏间隔的差值、脉搏幅度的差值、脉搏斜率的差值、脉搏面积的差值、脉搏间隔的均值、脉搏间隔的差值的均值、脉搏幅度的均值、脉搏斜率的均值、脉搏面积的均值、脉搏间隔的标准差、脉搏幅度的标准差、脉搏波斜率的标准差、脉搏面积的标准差、脉搏宽度的标准差、脉搏宽度的加和、脉搏宽度的比值、脉搏宽度的差值、最大脉率值、最小脉率值、变异度、变异次数以及变异度、变异次数分别对应的阈值中的至少一种。或者,在其中一实施例中,前述显示脉搏波的波动节律波形,包括:显示一段时间内波动节律波形,例如显示一段时间内不规则脉搏波对应的波动节律波形。本文中的不规则脉搏波对应的波动节律波形,可以依据前述提取的不规则的脉搏波信号来生成。
具体地,在其中一实施例中,还可以包括:基于前述质量因子,生成评价标识;同时输出前述评价标识和前述波动节律信息。
请参考图3,图3为本申请又一实施例中的不规则脉率识别方法的流程示意图。前述不规则脉率识别方法的执行顺序并不限于图3所示的顺序。前述不规则脉率识别方法包括步骤:
步骤301:利用佩戴在受测者身体上的血氧测量设备,采集血氧信号;
步骤302:利用佩戴在受测者身体上的血压测量设备,采集血压信号;
步骤303:根据前述血氧信号和/或血压信号,获得脉搏波信号;
步骤304:根据前述脉搏波信号,识别脉搏波的波动节律信息;
至少通过以下步骤之一输出步骤304识别的脉搏波的波动节律信息:
步骤305:当血压测量设备和血氧测量设备佩戴在受测者的同一肢体上分别进行血压和血氧测量时,暂停输出脉搏波的波动节律信息;
步骤306:当前述血压测量设备和前述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,输出脉搏波的波动节律信息。
从而,本申请在血压和血氧同侧测量时,暂停输出脉搏波的波动节律信息,在血压和血氧不同侧测量时,输出脉搏波的波动节律信息,避免血压血氧同侧测量对脉搏波的波动节律信息所产生的影响,使得脉搏波的波动节律信息的识别更加准确。
在步骤301和步骤303中,具体可以利用以下方式获得脉搏波信号,例如,将不同波长的光辐射到受测者相应部位的组织区域中,检测通过前述组织区域发送的光信号,处理前述光信号,获得前述脉搏波信号。
在步骤302和步骤303中,具体可以利用以下方式获得脉搏波信号,例如,A1、将袖带设置在身体的规定部位;
B1、控制袖带充气到一定的压力,使袖带压迫动脉,然后逐渐放气;
C1、在放气过程或充气的过程中,采样袖带内的压力;
D1、检测出该压力下的脉搏波,获得前述脉搏波信号。
具体地,在其中一实施例中,步骤304中前述根据前述特征信息,识别脉搏波的波动节律信息,包括:
对前述特征信息进行时域分析、频域分析、机器学习分析和/或非线性动力学分析以得到脉搏波的波动节律信息。
有关步骤304中如何实现波动节律信息的识别和波动节律信息的具体定义可参见前文关于步骤102相关内容的相关说明,在此不再累述。
可以理解的是,在其中一实施例中,当血压测量设备和血氧测量设备佩戴在受测者的同一肢体上分别进行血压和血氧测量时,暂停输出前述脉搏波的波动节律信息,但可显示脉搏波的波动节律波形。
此外,关于步骤306中如何输出显示脉搏波的波动节律信息的过程可采用前述步骤105和前述步骤205的输出及显示方法。
具体地,在其中一实施例中,前述输出前述脉搏波的波动节律信息,包括以下步骤之一:
显示脉搏波的波动节律波形,和
显示表征信号波动节律规则性程度的节律量化参数。
具体地,在其中一实施例中,前述显示脉搏波的波动节律波形,包括:
显示一段时间内波动节律波形,以及该一段时间内与波动节律波形相关的节律量化参数;或者,显示一段时间内波动节律波形。一段时间内波动节律波形可以包含一段时间的不规则的脉搏波波形。
具体地,在其中一实施例中,上述方法还包括:输出血压信息和/或血氧信息;同时,输出前述波动节律信息。血压信息基于血压信号获得,血氧信息基于血氧信号获得。
具体地,在其中一个实施例中,步骤303中,前述根据前述脉搏波信号,识别脉搏波的波动节律信息,包括:
依据前述脉搏波信号,识别不规则的脉搏波信号,
提取一段时间内不规则的脉搏波信号,和,
基于前述一段时间内不规则的脉搏波信号,输出不规则的脉搏波信号所对应的波动节律信息。具体实现方法可参见前述步骤102的相关说明。
在一些实施例中,可以基于用户设置的工作模式来确定在使用时,血压测量设备和血氧测量设备是否佩戴在受测者的同一肢体上。其次,也可以在一些实施例中,利用自动检测方式来确定血压测量设备和血氧测量设备是否佩戴在受测者的同一肢体上,例如,通过检测血氧信号受血压信号采集过程的影响程度,来自动判断血压测量设备和血氧测量设备是否佩戴在受测者的同一肢体上,当血压信号采集过程中,血氧信号波动过大或波动超过第一预设值时,视为血压测量设备和血氧测量设备佩戴在受测者的同一肢体上;当血压信号采集过程中,血氧信号无波动或波动未超过第二预设值时,视为血压测量设备和血氧测量设备没有佩戴在受测者的同一肢体上,即血压测量设备和血氧测量设备佩戴在不同肢体上。
其次,在更进一步地实施例中,在步骤306中,当前述血压测量设备和前述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,输出脉搏波的波动节律信息的过程中还包括:
当前述血压测量设备和前述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,对步骤303获得的脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;和,根据前述评估结果确定是否输出前述脉搏波的波动节律信息。
在本实施例中,对步骤303获得的脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果的过程,可参见前述实施例中有关步骤103相关内容的具体说明;根据前述评估结果确定是否输出前述脉搏波的波动节律信息的过程,可参见前述实施例中有关步骤104相关内容的具体说明。
其次,在更进一步地实施例中,在步骤306中,当前述血压测量设备和前述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,输出脉搏波的波动节律信息的过程中还包括:
当前述血压测量设备和前述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,根据步骤303获得的脉搏波信号,提取信号特征信息;根据前述信号特征信息,对前述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;将前述评估结果和前述信号特征信息一起作为输入来识别脉搏波的波动节律信息;输出及显示脉搏波的波动节律信息。
在本实施例中,根据步骤303获得的脉搏波信号,提取信号特征信息的过程,可参见前述实施例中有关步骤202相关内容的具体说明;根据前述信号特征信息,对前述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果的过程,可参见前述实施例中有关步骤203相关内容的具体说明;将前述评估结果和前述信号特征信息一起作为输入来识别脉搏波的波动节律信息的过程,可参见前述实施例中有关步骤204相关内容的具体说明;输出及显示脉搏波的波动节律信息,可参见前述实施例中有关步骤205和/或步骤105相关内容的具体说明。
请参考图4,图4为本申请一实施例中的监护仪100的模块示意图。前述监护仪100包括处理器10、至少一个参数测量电路20、显示屏30和存储器60。前述至少一个参数测量电路20分别通过相应的传感器接口与外部插入的传感器附件连接以采集受测者的生理信号;前述显示屏30用于显示前述生理信号的相关信息。前述存储器60用于存储数据以及计算机程序。前述处理器10执行计算机程序时实现以下过程:根据前述生理信号,获得脉搏波信号;根据前述脉搏波信号,识别脉搏波的波动节律信息;对前述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;及根据前述评估结果,确定是否在前述显示屏上输出前述脉搏波的波动节律信息。
从而,本申请中,采集受测者的生理信号,获得脉搏波信号并根据前述脉搏波信号,识别脉搏波的波动节律信息;对前述脉搏波信号进行质量分析,得出表征信号质量好坏的评估结果;及根据前述表征信号质量好坏的评估结果,确定是否输出前述脉搏波的波动节律信息,能够在监护仪没有配备ECG技术时,仍然可以排除外界环境的干扰,准确地自动识别不规则脉率,提高脉搏波的波动节律信息判断的准确性,提升监护仪的易用性、简易性以及用户良好的使用体验。本文中的脉搏波信号包含至少一个单个脉搏波波形。
在本实施例的监护仪执行过程中,处理器执行计算机程序时实现图1所示方法的过程可参照前文有关步骤101、步骤102、步骤103、步骤104以及步骤105等的相关内容的具体说明。
具体地,在其中一实施例中,前述传感器附件将不同波长的光辐射到受测者相应部位的组织区域中,参数测量电路20检测通过前述组织区域发送的光信号,处理前述光信号,用以获得前述脉搏波信号。
还比如,在其中一个实施例中,前述传感器附件将袖带设置在身体的规定部位,参数测量电路20控制袖带充气到一定的压力,使袖带压迫动脉,然后逐渐放气,在放气过程或充气的过程中,采样袖带内的压力,检测出该压力下的脉搏波,用以获得前述脉搏波信号。
请参考图4,图4为本申请一实施例中的监护仪100的模块示意图。前述监护仪100包括处理器10、至少一个参数测量电路20、显示屏30和存储器60。前述至少一个参数测量电路20分别通过相应的传感器接口与外部插入的传感器附件连接以采集受测者的生理信号;前述显示屏30用于显示前述生理信号的相关信息。前述存储器60用于存储数据以及计算机程序。前述处理器10执行计算机程序时实现以下过程:根据前述生理信号,获得脉搏波信号;根据前述脉搏波信号,提取信号特征信息;根据前述信号特征信息,对前述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;将前述评估结果和前述信号特征信息一起作为输入来识别脉搏波的波动节律信息;及在前述显示屏上输出显示前述波动节律信息。
从而,本申请中,采集受测者的生理信号,获得脉搏波信号,并根据前述脉搏波信号,识别脉搏波的波动节律信息;对前述脉搏波信号进行质量分析,得出表征信号质量好坏的评估结果;及根据前述表征信号质量好坏的评估结果,确定是否输出前述脉搏波的波动节律信息,能够在监护仪没有配备ECG技术时,仍然可以排除外界环境的干扰,准确地自动识别不规则脉率,提高脉搏波的波动节律信息判断的准确性,提升监护仪的易用性、简易性以及用户良好的使用体验。本文中的脉搏波信号包含至少一个单个脉搏波波形。
在本实施例的监护仪执行过程中,处理器执行计算机程序时实现图2所示方法的过程可参照前文有关步骤201、步骤202、步骤203、步骤204以及步骤205的相关内容的具体说明。
请参考图5,图5为本申请又一实施例中的监护仪100的模块示意图。前述监护仪100包括佩戴在受测者身体上的血氧测量设备40和血压测量设备50。前述血氧测量设备40用于采集血氧信号;前述血压测量设备50用于采集血压信号;前述监护仪100包括处理器10、显示屏30和存储器60。前述显示屏30用于显示前述生理信号的相关信息。前述存储器60用于存储数据以及计算机程序。前述处理器10执行计算机程序时实现以下过程:
根据前述血氧信号和/或血压信号,获得脉搏波信号;根据前述脉搏波信号,识别脉搏波的波动节律信息;至少通过以下步骤之一在前述显示屏上输出前述脉搏波的波动节律信息:
当血压测量设备和血氧测量设备佩戴在受测者的同一肢体上分别进行血压和血氧测量时,暂停输出脉搏波的波动节律信息;和,
当前述血压测量设备和前述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,在前述显示屏上输出显示脉搏波的波动节律信息。
从而,本申请在血压和血氧同侧测量时,暂停输出脉搏波的波动节律信息,在血压和血氧不同侧测量时,输出脉搏波的波动节律信息,避免血压血氧同侧测量对脉搏波的波动节律信息所产生的影响,使得脉搏波的波动节律信息的识别更加准确。
在本实施例的监护仪执行过程中,处理器执行计算机程序时实现图3所示方法的过程可参照前文有关步骤301、步骤302、步骤303、步骤304、步骤305、步骤306等相关内容的具体说明。本实施例中如何输出显示脉搏波的波动节律信息的过程可采用前述步骤105和前述步骤205的输出及显示方法。
需要说明的是,上述实施例揭示的方法可由处理器10实现。处理器10可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器10中的硬件的集成逻辑电路或者软件形式的指令完成。其中,上述处理器10可以是通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。处理器10可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。处理器10可以是图像处理器、微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,例如处理器10可读取存储器中的应用程序、计算机指令或数据,结合其硬件完成用户终端所执行的上述方法的步骤。
在所述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施例进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施例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申请的限制。
Claims (34)
1.一种不规则脉率识别方法,其特征在于,包括步骤:
采集受测者的生理信号,获得脉搏波信号;
根据所述脉搏波信号,识别脉搏波的波动节律信息;
对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;
根据所述评估结果确定是否输出所述脉搏波的波动节律信息。
2.根据权利要求1所述的不规则脉率识别方法,其特征在于,所述采集受测者的生理信号,获得脉搏波信号,包括:
将不同波长的光辐射到受测者相应部位的组织区域中,检测通过所述组织区域发送的光信号,处理所述光信号,获得所述脉搏波信号。
3.根据权利要求1所述的不规则脉率识别方法,其特征在于,所述根据所述脉搏波信号,识别脉搏波的波动节律信息,包括:
对所述脉搏波信号进行时域分析、频域分析、机器学习分析和/或非线性动力学分析,获得所述波动节律信息。
4.根据权利要求1所述的不规则脉率识别方法,其特征在于,所述根据所述脉搏波信号,识别脉搏波的波动节律信息,包括:
依据所述脉搏波信号,识别不规则的脉搏波信号,
提取一段时间内不规则的脉搏波信号,和,
基于所述一段时间内不规则的脉搏波信号,输出不规则的脉搏波信号所对应的波动节律信息。
5.根据权利要求1所述的不规则脉率识别方法,其特征在于,所述方法还包括:
根据所述脉搏波信号,获得脉率和/或血氧信息;同时,
所述方法还包括:输出显示脉率和/或血氧信息;和输出显示所述波动节律信息。
6.根据权利要求5所述的不规则脉率识别方法,其特征在于,所述输出显示脉率和/或血氧信息,和输出显示所述波动节律信息,包括以下其中之一:
在生理体征显示界面上的第一显示窗显示所述脉率和/或血氧信息,并在所述生理体征显示界面上的第二显示窗显示所述波动节律信息,其中所述第一显示窗与所述第二显示窗不相同,或者所述第一显示窗与所述第二显示窗相互重叠,或者所述第二显示窗悬浮叠加在所述第一显示窗之上;和,
在同一生理体征显示界面上同时显示所述脉率和/或血氧信息,以及显示所述波动节律信息。
7.根据权利要求1所述的不规则脉率识别方法,其特征在于,所述对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果,包括:
对所述脉搏波信号进行时域分析、频域分析、机器学习分析和/或非线性动力学分析以得出质量因子,基于所述质量因子确定所述评估结果。
8.根据权利要求1所述的不规则脉率识别方法,其特征在于,所述根据所述脉搏波信号,识别脉搏波的波动节律信息,对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果,包括:
根据所述脉搏波信号,提取第一时间段内对应的第一信号特征信息,
根据所述脉搏波信号,提取第二时间段内对应的第二信号特征信息,
根据第一时间段内对应的第一信号特征信息,识别脉搏波的所述波动节律信息,
根据第二时间段内对应的第二信号特征信息,对所述脉搏波信号进行质量分析,得出所述质量因子,和,
基于所述质量因子确定所述评估结果;
其中,所述第一时间段与第二时间段部分重合或全部重合。
9.根据权利要求1所述的不规则脉率识别方法,其特征在于,所述对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果包括:
对所述脉搏波信号进行质量分析,得出质量因子;并且,
所述根据所述表征信号质量好坏的评估结果确定是否输出所述脉搏波的波动节律信息,包括:
在确定所述质量因子满足预设条件时,输出所述脉搏波的波动节律信息;或者,在确定所述质量因子不满足预设条件时,暂停输出所述脉搏波的波动节律信息。
10.根据权利要求9所述的不规则脉率识别方法,其特征在于,所述在确定所述质量因子不满足预设条件时,暂停输出所述脉搏波的波动节律信息,包括:
在确定所述质量因子不满足预设条件时,输出显示脉搏波的波动节律波形。
11.根据权利要求9所述的不规则脉率识别方法,其特征在于,所述在确定所述质量因子不满足预设条件时,暂停输出所述脉搏波的波动节律信息,包括:
继续采集受测者的生理信号以识别脉搏波的波动节律信息并得出质量因子,直至当前质量因子满足预设条件时,输出所述脉搏波的波动节律信息。
12.根据权利要求9至11任一项所述的不规则脉率识别方法,其特征在于,所述预设条件包括至少一个判断条件,当所述质量因子满足所述至少一个判断条件的全部判断条件,或者满足所述至少一个判断条件中的预定个数的判断条件时,确定所述质量因子满足预设条件,否则,确定所述质量因子不满足预设条件。
13.根据权利要求12所述的不规则脉率识别方法,其特征在于,所述预设条件为固定条件、滑动窗条件、动态条件、模糊范围条件和自适应条件中的其中一种。
14.根据权利要求9至11任一项所述的不规则脉率识别方法,其特征在于,所述输出所述脉搏波的波动节律信息,至少包括以下步骤之一:
显示脉搏波的波动节律波形,和
显示表征信号波动节律规则性程度的节律量化参数。
15.根据权利要求14所述的不规则脉率识别方法,其特征在于,所述显示脉搏波的波动节律波形,包括:
显示一段时间内的波动节律波形,以及该一段时间内的波动节律波形相关的节律量化参数;或者,
显示一段时间内波动节律波形。
16.根据权利要求14所述的不规则脉率识别方法,其特征在于,所述显示表征信号波动节律规则性程度的节律量化参数,包括:脉搏间隔、脉搏幅度、脉搏斜率、脉搏宽度、脉搏面积、脉搏间隔的差值、脉搏幅度的差值、脉搏斜率的差值、脉搏面积的差值、脉搏宽度的差值、脉搏间隔的均值、脉搏间隔的差值的均值、脉搏幅度的均值、脉搏斜率的均值、脉搏面积的均值、脉搏宽度的均值、脉搏间隔的标准差、脉搏幅度的标准差、脉搏波斜率的标准差、脉搏面积的标准差、脉搏宽度的标准差、脉搏宽度的加和、脉搏宽度的比值、最大脉率值、最小脉率值、变异度、变异次数以及变异度、变异次数分别对应阈值中的至少一种。
17.一种不规则脉率识别方法,其特征在于,包括步骤:
采集受测者的生理信号,获得脉搏波信号;
根据所述脉搏波信号,提取信号特征信息;
根据所述信号特征信息,对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;
将所述评估结果和所述信号特征信息一起作为输入来识别脉搏波的波动节律信息。
18.根据权利要求17所述的不规则脉率识别方法,其特征在于,所述采集受测者的生理信号,获得脉搏波信号包括:
将不同波长的光辐射到受测者相应部位的组织区域中,检测通过所述组织区域发送的光信号,处理所述光信号,获得所述脉搏波信号。
19.根据权利要求17所述的不规则脉率识别方法,其特征在于,所述评估结果为质量因子,所述根据所述特征信息,对所述脉搏波信号进行质量分析,得出表征信号质量好坏的评估结果,包括:
对所述脉搏波信号进行时域分析、频域分析、机器学习分析和/或非线性动力学分析以得出所述质量因子。
20.根据权利要求17所述的不规则脉率识别方法,其特征在于,所述评估结果为质量因子,所述将所述评估结果和所述脉搏波特征信息一起作为输入来识别脉搏波的波动节律信息,包括:
基于所述质量因子,生成评价标识;
同时输出所述评价标识和所述波动节律信息。
21.根据权利要求20所述的不规则脉率识别方法,其特征在于,所述评价标识包括评价等级、评价数值、评价图形中的至少一种。
22.根据权利要求17所述的不规则脉率识别方法,其特征在于,所述将所述评估结果和所述信号特征信息一起作为输入来识别脉搏波的波动节律信息,包括:
根据所述信号特征信息的权重值以及所述评估结果的权重值进行加权计算得到加权特征值;和,
根据加权特征值进行分析,得到所述波动节律信息。
23.如权利要求19所述的分析方法,其特征在于,所述评估结果为质量因子,所述将所述评估结果和所述信号特征信息一起作为输入来识别脉搏波的波动节律信息,包括:
将所述质量因子映射为所述信号特征信息的质量因子系数;
将所述信号特征信息和所述质量因子系数计算得到校正特征值;
根据所述校正特征值进行分析来识别脉搏波的波动节律信息。
24.如权利要求23所述的分析方法,其特征在于,将所述质量因子映射为所述信号特征信息的质量因子系数,包括:
将所述质量因子与对应的质量因子阈值进行比较,根据比较结果将所述质量因子映射为所述信号特征信息的质量因子系数。
25.根据权利要求17所述的不规则脉率识别方法,其特征在于,所述将所述评估结果和所述信号特征信息一起作为输入来识别脉搏波的波动节律信息,包括:
根据所述信号特征信息的权重值以及所述评估结果的权重值进行加权计算得到加权计算后的信号特征信息,
依据加权计算的信号特征信息,识别不规则的脉搏波信号,
提取一段时间内不规则的脉搏波信号,和,
基于一段时间内不规则的脉搏波信号,输出上述波动节律信息。
26.一种不规则脉率识别方法,其特征在于,包括步骤:
利用佩戴在受测者身体上的血氧测量设备,采集血氧信号;
利用佩戴在受测者身体上的血压测量设备,采集血压信号;
根据所述血氧信号和/或血压信号,获得脉搏波信号;
根据所述脉搏波信号,识别脉搏波的波动节律信息;
至少通过以下步骤之一输出所述脉搏波的波动节律信息:
当血压测量设备和血氧测量设备佩戴在受测者的同一肢体上分别进行血压和血氧测量时,暂停输出脉搏波的波动节律信息;和,
当所述血压测量设备和所述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,输出脉搏波的波动节律信息。
27.根据权利要求26所述的不规则脉率识别方法,其特征在于,所述根据所述脉搏波信号,识别脉搏波的波动节律信息,包括:
对所述脉搏波信号进行时域分析、频域分析、机器学习分析和/或非线性动力学分析以得到脉搏波的波动节律信息。
28.根据权利要求26所述的不规则脉率识别方法,其特征在于,所述输出所述脉搏波的波动节律信息,包括以下步骤之一:
显示脉搏波的波动节律波形,和
显示表征信号波动节律规则性程度的节律量化参数。
29.根据权利要求26所述的不规则脉率识别方法,其特征在于,所述根据所述脉搏波信号,识别脉搏波的波动节律信息,包括:
依据所述脉搏波信号,识别不规则的脉搏波信号,
提取一段时间内不规则的脉搏波信号,和,
基于所述一段时间内不规则的脉搏波信号,输出不规则的脉搏波信号所对应的波动节律信息。
30.根据权利要求26所述的不规则脉率识别方法,其特征在于,所述当所述血压测量设备和所述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,输出脉搏波的波动节律信息,包括:
当所述血压测量设备和所述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;和,根据所述评估结果确定是否输出所述脉搏波的波动节律信息。
31.根据权利要求26所述的不规则脉率识别方法,其特征在于,所述当所述血压测量设备和所述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,输出脉搏波的波动节律信息,包括:
当所述血压测量设备和所述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,根据所述脉搏波信号,提取信号特征信息;根据所述信号特征信息,对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;将所述评估结果和所述信号特征信息一起作为输入来识别脉搏波的波动节律信息;输出及显示脉搏波的波动节律信息。
32.一种监护仪,其特征在于,包括:
至少一个参数测量电路,所述至少一个参数测量电路分别通过相应的传感器接口与外部插入的传感器附件连接以采集受测者的生理信号,其中,所述生理信号至少包括脉搏信号;
显示屏,用于显示所述生理信号的相关信息,
存储器,用于存储数据以及计算机程序,以及,
处理器,所述处理器执行计算机程序时实现以下过程:
根据所述生理信号,获得脉搏波信号;
根据所述脉搏波信号,识别脉搏波的波动节律信息;
对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;及
根据所述评估结果确定是否在所述显示屏上输出所述脉搏波的波动节律信息。
33.一种监护仪,其特征在于,包括:
至少一个参数测量电路,所述至少一个参数测量电路分别通过相应的传感器接口与外部插入的传感器附件连接以采集受测者的生理信号,其中,所述生理信号至少包括脉搏信号;
显示屏,用于显示所述生理信号的相关信息,
存储器,用于存储数据以及计算机程序,以及,
处理器,所述处理器执行计算机程序时实现以下过程:
根据所述生理信号,获得脉搏波信号;
根据所述脉搏波信号,提取信号特征信息;
根据所述信号特征信息,对所述脉搏波信号进行信号质量分析,得出表征信号质量好坏的评估结果;
将所述评估结果和所述信号特征信息一起作为输入来识别脉搏波的波动节律信息;及
在所述显示屏上输出显示所述波动节律信息。
34.一种监护仪,其特征在于,包括:
佩戴在受测者身体上的血氧测量设备和血压测量设备,所述血氧测量设备用于采集血氧信号;所述血压测量设备用于采集血压信号;
显示屏,用于显示所述生理信号的相关信息,
存储器,用于存储数据以及计算机程序,以及,
处理器,所述处理器执行计算机程序时实现以下过程:
根据所述血氧信号和/或血压信号,获得脉搏波信号;
根据所述脉搏波信号,识别脉搏波的波动节律信息;
至少通过以下步骤之一在所述显示屏上输出所述脉搏波的波动节律信息:
当血压测量设备和血氧测量设备佩戴在受测者的同一肢体上分别进行血压和血氧测量时,暂停输出脉搏波的波动节律信息;和,
当所述血压测量设备和所述血氧测量设备佩戴在不同肢体上分别进行血压和血氧的测量时,在所述显示屏上输出脉搏波的波动节律信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910711069.8A CN112294272A (zh) | 2019-07-30 | 2019-07-30 | 监护仪及其不规则脉率识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910711069.8A CN112294272A (zh) | 2019-07-30 | 2019-07-30 | 监护仪及其不规则脉率识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112294272A true CN112294272A (zh) | 2021-02-02 |
Family
ID=74485914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910711069.8A Pending CN112294272A (zh) | 2019-07-30 | 2019-07-30 | 监护仪及其不规则脉率识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112294272A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112957022A (zh) * | 2021-03-24 | 2021-06-15 | 南京邮电大学 | 一种ppg信号快速自适应获取装置及获取方法 |
CN113100727A (zh) * | 2021-05-12 | 2021-07-13 | 深圳市通久电子有限公司 | 实时分析识别脉搏波峰的方法 |
CN113951846A (zh) * | 2021-12-17 | 2022-01-21 | 北京麦邦光电仪器有限公司 | 脉搏波信号处理方法、装置及可读存储介质 |
CN113995387A (zh) * | 2021-10-28 | 2022-02-01 | 上海掌门科技有限公司 | 一种用于检测脉搏波形的方法、设备、介质及程序产品 |
CN114041766A (zh) * | 2021-10-29 | 2022-02-15 | 广东宝莱特医用科技股份有限公司 | 血压测量优化方法、系统及介质 |
-
2019
- 2019-07-30 CN CN201910711069.8A patent/CN112294272A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112957022A (zh) * | 2021-03-24 | 2021-06-15 | 南京邮电大学 | 一种ppg信号快速自适应获取装置及获取方法 |
CN113100727A (zh) * | 2021-05-12 | 2021-07-13 | 深圳市通久电子有限公司 | 实时分析识别脉搏波峰的方法 |
CN113100727B (zh) * | 2021-05-12 | 2023-09-19 | 深圳市通久电子有限公司 | 实时分析识别脉搏波峰的方法 |
CN113995387A (zh) * | 2021-10-28 | 2022-02-01 | 上海掌门科技有限公司 | 一种用于检测脉搏波形的方法、设备、介质及程序产品 |
CN113995387B (zh) * | 2021-10-28 | 2024-04-12 | 上海掌门科技有限公司 | 一种用于检测脉搏波形的方法、设备、介质及程序产品 |
CN114041766A (zh) * | 2021-10-29 | 2022-02-15 | 广东宝莱特医用科技股份有限公司 | 血压测量优化方法、系统及介质 |
CN114041766B (zh) * | 2021-10-29 | 2024-02-13 | 广东宝莱特医用科技股份有限公司 | 血压测量优化系统 |
CN113951846A (zh) * | 2021-12-17 | 2022-01-21 | 北京麦邦光电仪器有限公司 | 脉搏波信号处理方法、装置及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112294272A (zh) | 监护仪及其不规则脉率识别方法 | |
Smital et al. | Real-time quality assessment of long-term ECG signals recorded by wearables in free-living conditions | |
US11311201B2 (en) | Feature selection for cardiac arrhythmia classification and screening | |
EP3379997B1 (en) | Method to quantify photoplethysmogram (ppg) signal quality | |
CN109276241B (zh) | 一种压力识别方法及设备 | |
US11915825B2 (en) | Systems and methods of analyte measurement analysis | |
US5423326A (en) | Apparatus and method for measuring cardiac output | |
KR100954817B1 (ko) | 맥파신호분석을 이용한 혈관건강 및 스트레스 검사시스템 및 방법 | |
US8668649B2 (en) | System for cardiac status determination | |
JP2018525188A (ja) | 生物学的データの処理 | |
US20150105666A1 (en) | Narrow band feature extraction from cardiac signals | |
US20120136226A1 (en) | Pulse Oximetry For Determining Heart Rate Variability As A Measure Of Susceptibility To Stress | |
CN111797817B (zh) | 情绪识别方法、装置、计算机设备及计算机可读存储介质 | |
EP2688468A1 (en) | Apparatus and method for measuring physiological signal quality | |
CN107028603A (zh) | 使用脉搏触诊信号来检测人体内的糖尿病的装置和方法 | |
WO2005041778A1 (en) | Analysis of auscultatory sounds using single value decomposition | |
CN111714144A (zh) | 基于视频非接触测量的精神压力分析方法 | |
US20210251499A1 (en) | Medical Instrument and Program | |
WO2021225744A1 (en) | Heart rate variability monitoring and analysis | |
Cosoli et al. | Heart rate variability analysis with wearable devices: Influence of artifact correction method on classification accuracy for emotion recognition | |
CN112274120A (zh) | 一种基于单路脉搏波的无创动脉硬化检测方法、装置 | |
CN108652604B (zh) | 一种基于心电信号的无气囊血压检测方法及系统 | |
CN114040705A (zh) | 规则性评价信息的分析方法、监护设备及监护系统 | |
CN114145725B (zh) | 一种基于无创连续血压测量的ppg采样率估算方法 | |
CN112294281A (zh) | 规则性评价信息的提示方法、监护设备及监护系统 |
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 |