CN112494031A - 一种呼吸率计算方法及装置 - Google Patents
一种呼吸率计算方法及装置 Download PDFInfo
- Publication number
- CN112494031A CN112494031A CN202011352816.2A CN202011352816A CN112494031A CN 112494031 A CN112494031 A CN 112494031A CN 202011352816 A CN202011352816 A CN 202011352816A CN 112494031 A CN112494031 A CN 112494031A
- Authority
- CN
- China
- Prior art keywords
- respiration
- calculating
- effective
- respiratory
- 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
Links
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 89
- 238000004364 calculation method Methods 0.000 title claims abstract description 51
- 230000000241 respiratory effect Effects 0.000 claims abstract description 64
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 16
- 230000036387 respiratory rate Effects 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 4
- 230000035945 sensitivity Effects 0.000 description 5
- 210000000038 chest Anatomy 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000009531 respiratory rate measurement Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000115 thoracic cavity 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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- 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
本发明涉及一种呼吸率计算方法，包括以下步骤：获取呼吸信号并进行滤波；计算所述呼吸信号在设定分位处的分位值，作为判断阈值；保留所述呼吸信号中大于所述判断阈值的数据，得到有效呼吸信号；获取所述有效呼吸信号中的峰值点作为候选峰值点；对所述候选峰值点进行筛选得到有效峰值点，并计算有效峰值间期；根据所述有效峰值间期计算呼吸率。本发明具有呼吸率计算量小和计算精度高的技术效果。
Description
技术领域
本发明涉及呼吸检测技术领域，尤其涉及一种呼吸率计算方法、装置及计算机存储介质。
背景技术
现有技术中，呼吸波信号是通过呼吸测量装置获取到的，典型的呼吸波获取方法是用一种基于阻抗法的测量方法来获得。该方法是在体表心电信号监测中借助贴在体表特定位置的电极，来将高频载波信号施加给人体胸腔；因为容积不变的人体胸腔对采高频载波具有一个恒定的基阻抗，当呼吸引致该胸腔容积变化时，胸腔阻抗会有微小变化，因此呼吸变化可以通过这个微小变化来反映，并进一步被调制在所述高频载波信号上。该被人体呼吸调制过的高频载波信号可以通过心电导联线被送入呼吸放大电路进行载波放大、载波检波解调和呼吸波放大，最后得到伏特级的呼吸信号，再经A/D转换得到数字呼吸波信号，用来进行呼吸波特征识别和呼吸率计算。
当前通过呼吸波计算呼吸率的方法也有很多种，例如：
1、频域功率谱法，申请号为201610259873.3的专利申请采用的就是这种方法，这种方法将信号通过傅里叶变换转换到频域，然后寻找频域最大功率对应的频率。因呼吸率是以每分钟的呼吸次数来计算的，为了满足呼吸率误差在±2rpm范围内，要求频域频率分辨率为1/30HZ，就需要30S的呼吸数据进行傅里叶变换。因此该方法时间计算量大，并不适合在对计算和实时性有要求的嵌入式场合使用。
2、波形识别法，申请号为CN201380052751.1的专利申请采用的就是这种方法，这种方法需要识别至少每个完整循环(包括一次吸入和一次呼出)的开始和结束。此方法难点在于如何准确地识别和定位吸入的开始和呼出的结束，在有干扰的情况下准确率也很难保证。
3、时域整体趋势判断法，申请号为CN200510102392.3的专利申请采用的就是这种方法，这种方法通过判断时域当前最大上升/下降计数和预定阶数的关系判断趋势，然后通过趋势上升或下降来去除干扰，以识别真正的呼吸波。这种方法通过整体趋势判断来去除干扰波形，但存在两个问题：灵敏度为手动设置，不同的灵敏度会得出不同的呼吸率，会对医生产生如何选取灵敏度的困扰；整体趋势判断存在预定阶数2倍的阈值判断，在某些情况下(干扰波在滤波通带范围内，不能滤除干扰波而导致干扰波幅度较大时)可能会导致误判。
发明内容
有鉴于此，有必要提供一种呼吸率计算方法及装置，用以解决目前呼吸率计算方法峰值特征点计算量大，计算准确率低的问题。
本发明提供一种呼吸率计算方法，包括以下步骤：
获取呼吸信号并进行滤波；
计算所述呼吸信号在设定分位处的分位值，作为判断阈值；
保留所述呼吸信号中大于所述判断阈值的数据，得到有效呼吸信号；
获取所述有效呼吸信号中的峰值点作为候选峰值点；
对所述候选峰值点进行筛选得到有效峰值点，并计算有效峰值间期；
根据所述有效峰值间期计算呼吸率。
进一步的，获取呼吸信号并进行滤波，具体为：
获取呼吸信号；根据呼吸率范围计算呼吸波频率范围，根据所述呼吸波频率范围设置滤波通带频率，基于所述滤波通带频率对所述呼吸信号进行滤波。
进一步的，计算所述呼吸信号在设定分位处的分位值，作为判断阈值，具体为：
将所述呼吸信号划分为多段；
分别计算每段呼吸信号在设定分位处的分位值；
计算各段呼吸信号的分位值的平均值，作为所述判断阈值。
进一步的，所述设定分位为0.6～0.7。
进一步的，对所述候选峰值点进行筛选得到有效峰值点，具体为：
计算所有所述候选峰值点的间期；
筛选出间期小于设定阈值的候选峰值点对，剔除候选峰值点对中幅值较小的候选峰值点，得到所述有效峰值点。
进一步的，计算有效峰值间期，具体为：
计算所有所述有效峰值点的间期；
对有效峰值点的间期进行聚类，得到两类中心点；
判断两类中心点之间的距离是否大于上限值，如果是，则以中心点较大的一类的间期作为所述有效峰值间期，否则以所有有效峰值点的间期作为所述有效峰值间期。
进一步的，根据所述有效峰值间期计算呼吸率，具体为：
计算所有有效峰值间期的平均值，用60秒除以有效峰值间期的平均值得到所述呼吸率。
本发明还提供一种呼吸率计算装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述呼吸率计算方法。
本发明还提供一种计算机存储介质，其上存储有计算机程序，所述计算机该程序被处理器执行时，实现所述呼吸率计算方法。
有益效果：本发明首先对采集到的呼吸信号进行滤波，以剔除大部分干扰；然后，在峰值点获取和筛选之前先对呼吸信号进行切割，具体为：计算呼吸信号在设定分位处的分位值作为判断阈值，然后保留大于判断阈值的呼吸信号，删除不大于判断阈值的呼吸信号，得到切割后的有效呼吸信号。有效呼吸信号剔除了呼吸信号中不包含有效峰值点的无效部分，完成了峰值点的预筛选，因此不需要对呼吸信号中所有的数据进行峰值点定位，减小了后续峰值点的计算量，以及筛选的计算量，提高了呼吸率计算的实时性。同时，判断阈值是根据实时的呼吸信号确认的，因此相对于灵敏度手动设置的方式来说，其呼吸率计算更适于实时的呼吸信号，精度更高。
附图说明
图1为本发明提供的呼吸率计算方法第一实施例的方法流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
实施例1
如图1所示，本发明的实施例1提供了呼吸率计算方法，包括以下步骤：
获取呼吸信号并进行滤波；
计算所述呼吸信号在设定分位处的分位值，作为判断阈值；
保留所述呼吸信号中大于所述判断阈值的数据，得到有效呼吸信号；
获取所述有效呼吸信号中的峰值点作为候选峰值点；
对所述候选峰值点进行筛选得到有效峰值点，并计算有效峰值间期；
根据所述有效峰值间期计算呼吸率。
本实施例首先对采集到的呼吸信号进行滤波，以剔除大部分干扰；然后并未直接进行峰值点的获取以及筛选，而是在峰值点获取和筛选之前先对呼吸信号进行切割，具体为：计算呼吸信号在设定分位处的分位值作为判断阈值，然后保留大于判断阈值的呼吸信号，删除不大于判断阈值的呼吸信号，得到切割后的有效呼吸信号。有效呼吸信号剔除了呼吸信号中不包含有效峰值点的无效部分，完成了峰值点的预筛选，因此不需要对呼吸信号中所有的数据进行峰值点定位，减小了后续峰值点的计算量，以及筛选的计算量，提高了呼吸率计算的实时性。例如，设定分位值为0.6时，则大约有60％的呼吸信号不需要进行峰值点定位，在特征点定位部分可减少约60％的计算量。同时，本实施例中判断阈值是根据实时的呼吸信号确认了，因此相对于灵敏度手动设置的方式来说，其呼吸率计算更适于实时的呼吸信号，精度更高。
本实施例提供的呼吸率计算方法属于时域判断方法，其计算量较之一般的时域判断方法更小，实时性更高，更适合于在嵌入式系统中使用。
优选的，获取呼吸信号并进行滤波，具体为：
获取呼吸信号；根据呼吸率范围计算呼吸波频率范围，根据所述呼吸波频率范围设置滤波通带频率，基于所述滤波通带频率对所述呼吸信号进行滤波。
对采集到的呼吸信号进行滤波，以剔除大部分干扰，保留呼吸波信号。一般情况下，人的呼吸律范围是10-70BPM，考虑极端情况呼吸律范围是8-150BPM，对应的呼吸波频率约为0.125-2.5Hz。因此设置通带频率0.125-2.5Hz的带通滤波器对呼吸信号进行滤波。具体的，优选使用整系数滤波器以减少运算量。
优选的，计算所述呼吸信号在设定分位处的分位值，作为判断阈值，具体为：
将所述呼吸信号划分为多段；
分别计算每段呼吸信号在设定分位处的分位值；
计算各段呼吸信号的分位值的平均值，作为所述判断阈值。
本实施例将呼吸信号分为4段，分别计算每段呼吸信号的0.6分位值，平均4段0.6分位值作为最终呼吸波峰峰值的判断阈值；使用判断阈值对呼吸信号进行分割，保留大于判断阈值的数据做下一步处理；分别找出分割得到的有效呼吸信号中多个连续数据段的最大值，并以这些最大值点作为候选峰值点。
本实施例的思路是将呼吸信号分为多段，分别计算每段呼吸波形的分位值，综合多段的分位值作为判断候选峰值点的判断阈值。分段计算的方式使得计算更加简便，且计算出的判断阈值更加符合整体呼吸信号的情况，后续判断结果也就更准确。
优选的，所述设定分位为0.6～0.7。
设定分位可自行设定，设定分位越大，删除的呼吸数据就越多，后续需要进行筛选的候选峰值点就越少，计算量也就越小，但是存在误删有效峰值点的可能；设定分位越小，删除的呼吸数据就越少，后续需要进行筛选的候选峰值点就越多，计算量也就越大，但是误删有效峰值点可能就较低。因此设定分位需要根据待测生物体的呼吸波峰点的特征进行设置。本实施例对人的呼吸率进行计算，通过对人的呼吸信号进行统计分析，发现有效峰值点均在整体呼吸波形的0.7分位以上，因此可以将设定分位设置为0.7，为了防止可能出现的意外情况(少数个体)，取0.7以下的值能够避免误判，设定分位取0.6～0.7较为合适，本实施例中取0.6。
优选的，对所述候选峰值点进行筛选得到有效峰值点，具体为：
计算所有所述候选峰值点的间期；
筛选出间期小于设定阈值的候选峰值点对，剔除候选峰值点对中幅值较小的候选峰值点，得到所述有效峰值点。
为了有效解决背景技术中所提到的是与整体区域判断法，由于呼吸信号干扰过大导致的呼吸率计算不准确的问题，本实施例提出基于间期和幅值双重判断的方法剔除干扰峰值点。具体的，首先计算所有候选峰值点的间期；然后剔除间期小于400ms的候选峰值点；剔除规则为：对比间期小于400ms两个候选峰值点的幅值，剔除幅值较小的候选峰值点。本实施例基于间期和幅值进行双重判断，避免了因干扰波幅值较大导致的有效峰值点的误判，提高呼吸率计算精度。
优选的，计算有效峰值间期，具体为：
计算所有所述有效峰值点的间期；
对有效峰值点的间期进行聚类，得到两类中心点；
判断两类中心点之间的距离是否大于上限值，如果是，则以中心点较大的一类的间期作为所述有效峰值间期，否则以所有有效峰值点的间期作为所述有效峰值间期。
将经过筛选的有效峰值点的间期聚类为两类，若聚类后的两类中心点距离过大，例如大于400ms或两者之间的倍数大于1.5，则以较大的中心点所在类的间期为有效峰值间期，否则以所有间期为有效峰值间期。本实施例中聚类算法采用K-means算法，也可以使用其它聚类方法对候选峰值间期进行聚类，能够达到分类效果即可。
优选的，根据所述有效峰值间期计算呼吸率，具体为：
计算所有有效峰值间期的平均值，用60秒除以有效峰值间期的平均值得到所述呼吸率。
实施例2
本发明的实施例2提供了呼吸率计算装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现实施例1提供的呼吸率计算方法。
本发明实施例提供的呼吸率计算装置，用于实现呼吸率计算方法，因此，方法所具备的技术效果，呼吸率计算装置同样具备，在此不再赘述。
实施例3
本发明的实施例3提供了计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现实施例1提供的呼吸率计算方法。
本发明实施例提供的计算机存储介质，用于实现呼吸率计算方法，因此，呼吸率计算方法所具备的技术效果，计算机存储介质同样具备，在此不再赘述。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种呼吸率计算方法，其特征在于，包括以下步骤：
获取呼吸信号并进行滤波；
计算所述呼吸信号在设定分位处的分位值，作为判断阈值；
保留所述呼吸信号中大于所述判断阈值的数据，得到有效呼吸信号；
获取所述有效呼吸信号中的峰值点作为候选峰值点；
对所述候选峰值点进行筛选得到有效峰值点，并计算有效峰值间期；
根据所述有效峰值间期计算呼吸率。
2.根据权利要求1所述的呼吸率计算方法，其特征在于，获取呼吸信号并进行滤波，具体为：
获取呼吸信号；根据呼吸率范围计算呼吸波频率范围，根据所述呼吸波频率范围设置滤波通带频率，基于所述滤波通带频率对所述呼吸信号进行滤波。
3.根据权利要求1所述的呼吸率计算方法，其特征在于，计算所述呼吸信号在设定分位处的分位值，作为判断阈值，具体为：
将所述呼吸信号划分为多段；
分别计算每段呼吸信号在设定分位处的分位值；
计算各段呼吸信号的分位值的平均值，作为所述判断阈值。
4.根据权利要求1所述的呼吸率计算方法，其特征在于，所述设定分位为0.6～0.7。
5.根据权利要求1所述的呼吸率计算方法，其特征在于，对所述候选峰值点进行筛选得到有效峰值点，具体为：
计算所有所述候选峰值点的间期；
筛选出间期小于设定阈值的候选峰值点对，剔除候选峰值点对中幅值较小的候选峰值点，得到所述有效峰值点。
6.根据权利要求1所述的呼吸率计算方法，其特征在于，计算有效峰值间期，具体为：
计算所有所述有效峰值点的间期；
对有效峰值点的间期进行聚类，得到两类中心点；
判断两类中心点之间的距离是否大于上限值，如果是，则以中心点较大的一类的间期作为所述有效峰值间期，否则以所有有效峰值点的间期作为所述有效峰值间期。
7.根据权利要求1所述的呼吸率计算方法，其特征在于，根据所述有效峰值间期计算呼吸率，具体为：
计算所有有效峰值间期的平均值，用60秒除以有效峰值间期的平均值得到所述呼吸率。
8.一种呼吸率计算装置，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-7任一项所述的呼吸率计算方法。
9.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机该程序被处理器执行时，实现如权利要求1-7任一项所述的呼吸率计算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011352816.2A CN112494031A (zh) | 2020-11-26 | 2020-11-26 | 一种呼吸率计算方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011352816.2A CN112494031A (zh) | 2020-11-26 | 2020-11-26 | 一种呼吸率计算方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112494031A true CN112494031A (zh) | 2021-03-16 |
Family
ID=74966565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011352816.2A Pending CN112494031A (zh) | 2020-11-26 | 2020-11-26 | 一种呼吸率计算方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112494031A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113273980A (zh) * | 2021-06-07 | 2021-08-20 | 深圳麦格米特电气股份有限公司 | 一种获取生命体征数据的方法、光纤传感器及智能床垫 |
| WO2022222472A1 (zh) * | 2021-04-19 | 2022-10-27 | 北京超思电子技术有限责任公司 | 呼吸率测量方法及装置、电子设备、可读介质 |
| WO2024066502A1 (zh) * | 2022-09-26 | 2024-04-04 | 上海矽睿科技股份有限公司 | 呼吸监测方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1559344A (zh) * | 2004-02-16 | 2005-01-05 | 深圳迈瑞生物医疗电子股份有限公司 | 基于阻抗变化原理的人体呼吸波监控方法和装置 |
| CN101797156A (zh) * | 2010-04-13 | 2010-08-11 | 秦皇岛市康泰医学系统有限公司 | 一种人体呼吸监控系统呼吸波的判定方法 |
| CN108778106A (zh) * | 2016-03-11 | 2018-11-09 | 欧利景无线有限公司 | 用于生命体征检测和监控的方法、装置、服务器和系统 |
| CN110115583A (zh) * | 2018-02-07 | 2019-08-13 | 普天信息技术有限公司 | 呼吸监测的方法和装置 |
| CN111493874A (zh) * | 2018-07-25 | 2020-08-07 | 佛山市丈量科技有限公司 | 一种人体呼吸频率测量系统及配备该测量系统的智能座椅 |
-
2020
- 2020-11-26 CN CN202011352816.2A patent/CN112494031A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1559344A (zh) * | 2004-02-16 | 2005-01-05 | 深圳迈瑞生物医疗电子股份有限公司 | 基于阻抗变化原理的人体呼吸波监控方法和装置 |
| CN101797156A (zh) * | 2010-04-13 | 2010-08-11 | 秦皇岛市康泰医学系统有限公司 | 一种人体呼吸监控系统呼吸波的判定方法 |
| CN108778106A (zh) * | 2016-03-11 | 2018-11-09 | 欧利景无线有限公司 | 用于生命体征检测和监控的方法、装置、服务器和系统 |
| CN110115583A (zh) * | 2018-02-07 | 2019-08-13 | 普天信息技术有限公司 | 呼吸监测的方法和装置 |
| CN111493874A (zh) * | 2018-07-25 | 2020-08-07 | 佛山市丈量科技有限公司 | 一种人体呼吸频率测量系统及配备该测量系统的智能座椅 |
Non-Patent Citations (1)
| Title |
|---|
| 徐天和: "《中华医学统计百科全书 描述性统计分册》", 30 April 2012, 中国统计出版社 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022222472A1 (zh) * | 2021-04-19 | 2022-10-27 | 北京超思电子技术有限责任公司 | 呼吸率测量方法及装置、电子设备、可读介质 |
| CN113273980A (zh) * | 2021-06-07 | 2021-08-20 | 深圳麦格米特电气股份有限公司 | 一种获取生命体征数据的方法、光纤传感器及智能床垫 |
| WO2024066502A1 (zh) * | 2022-09-26 | 2024-04-04 | 上海矽睿科技股份有限公司 | 呼吸监测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112494031A (zh) | 一种呼吸率计算方法及装置 | |
| CN110811609B (zh) | 基于自适应模板匹配与机器学习算法融合的癫痫棘波智能检测装置 | |
| CN107041743B (zh) | 一种心电信号实时r波检测方法 | |
| US20240023886A1 (en) | Noninvasive method and system for sleep apnea detection | |
| US7493157B2 (en) | Devices and methods for the non-invasive detection of spontaneous myoelectrical activity | |
| Faezipour et al. | A patient-adaptive profiling scheme for ECG beat classification | |
| CN108416367B (zh) | 基于多传感器数据决策级融合的睡眠分期方法 | |
| KR101619611B1 (ko) | 마이크로폰을 이용한 호흡률 추정 장치 및 기법 | |
| EP2203115B1 (en) | Electrocardiogram derived apnoea/hypopnea index | |
| CN110151138B (zh) | 基于卷积神经网络的睡眠呼吸暂停片段检测方法、设备 | |
| US20210267530A1 (en) | Multiclass classification method for the estimation of eeg signal quality | |
| CN108992053B (zh) | 一种实时的无束缚检测心率和心跳间隔的方法 | |
| US20220110590A1 (en) | System and Method for Assessing Physiological Signal Quality | |
| CN110840443B (zh) | 心电信号处理方法、心电信号处理装置和电子设备 | |
| CN112998690B (zh) | 一种基于脉搏波多特征融合的呼吸率提取方法 | |
| CN112842321B (zh) | 基于流量-容积环图的肺通气功能检测方法、设备及介质 | |
| CN111317499A (zh) | 一种基于小波技术的心音信号处理方法 | |
| CN111358464A (zh) | 一种针对卧床病人的非接触式生命体征监测方法 | |
| US20180310849A1 (en) | Medical systems and methods for detecting changes in electrophysiological evoked potentials | |
| CN112363139A (zh) | 基于幅度特征的人体呼吸时长检测方法、装置和存储介质 | |
| Jin et al. | Automatic wheeze detection using histograms of sample entropy | |
| Zhao et al. | A knowledge-based approach for automatic quantification of epileptiform activity in children with electrical status epilepticus during sleep | |
| CN113520368A (zh) | 一种咳嗽监测的方法、系统和存储设备 | |
| Zennaro et al. | A decomposition software package for the decomposition of long-term multi-channel electromyrographic signals | |
| CN104688264B (zh) | 喘鸣音检测装置和方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210316 |