CN112836546A - 检测生理信号质量的方法、装置及电子设备 - Google Patents

检测生理信号质量的方法、装置及电子设备 Download PDF

Info

Publication number
CN112836546A
CN112836546A CN201911155908.9A CN201911155908A CN112836546A CN 112836546 A CN112836546 A CN 112836546A CN 201911155908 A CN201911155908 A CN 201911155908A CN 112836546 A CN112836546 A CN 112836546A
Authority
CN
China
Prior art keywords
waveform
current period
correlation coefficient
period
physiological signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911155908.9A
Other languages
English (en)
Inventor
杨阳
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.)
Edan Instruments Inc
Original Assignee
Edan Instruments Inc
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 Edan Instruments Inc filed Critical Edan Instruments Inc
Priority to CN201911155908.9A priority Critical patent/CN112836546A/zh
Publication of CN112836546A publication Critical patent/CN112836546A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, 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
    • A61B5/0205Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, 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
    • A61B5/024Detecting, measuring or recording pulse rate or heart rate
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/145Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08Feature extraction
    • G06F2218/10Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

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

Abstract

本发明涉及生物医学信号处理技术领域,具体涉及检测生理信号质量的方法、装置及电子设备,其中方法包括:获取目标生理信号波形中当前周期的波形与上一周期的波形;将当前周期的波形与上一周期的波形对齐,并计算当前周期的波形与上一周期的波形的相关系数,以得到当前周期的波形对应的相关系数;根据当前周期的波形对应的相关系数,检测当前周期的波形的信号质量。通过计算相邻两个波形的相关系数,即采用逐波匹配的方式进行相关系数的计算,避免采用建立模板的方式所导致的生理信号质量的检测效率较低的问题;采用目标生理信号自身而不依赖于模板进行信号质量的检测,在获取到目标生理信号的同时即可实现信号质量的检测,具有较高的检测效率。

Description

检测生理信号质量的方法、装置及电子设备
技术领域
本发明涉及生物医学信号处理技术领域,具体涉及检测生理信号质量的方法、装置及电子设备。
背景技术
生物医学信号属于强噪声背景下的低频微弱信号,是由复杂的生命体发出的不稳定的自然信号。在每一次心动周期中,随着心室的收缩和舒张引起动脉管内压力的周期性变化,而产生扩张和回缩的信号称为脉动信号。基于动脉血液对光的吸收量随动脉搏动而变化的原理可以得到血氧脉搏信号,即PPG(PhotoPlethysmoGraphy,光电容积脉搏波描记波)信号。
针对PPG的信号质量评价较常用的方法是相关性方法,通常的步骤是建立模板,然后与待匹配信号进行皮尔逊相关系数计算,在不断的匹配过程中,更新或重建模板。PPG信号的特殊性在于其幅度与生理没有很强的相关性,原因有:一是受到程控增益调节算法控制,是经处理过的信号。二是受到体动、呼吸、咳嗽等来自患者自身的干扰。三是受到探头加持力改变、皮肤色素沉着、指甲油、环境气体或荧光灯(尤其是那些接近脉搏血氧仪LED脉动谐波频率的振荡频率)等的外界干扰。因此,PPG信号幅度总是带有随机性,波形可能受到任意的基线偏移和突然幅度变化的影响。这给PPG信号建立模板带来极大的困扰:一是难以建立一个合理的模板;二是即使建立了一个模板,模板重建的频率也会较高。因此,采用建立模板的方式进行生理信号质量的检测效率较低。
发明内容
有鉴于此,本发明实施例提供了一种检测生理信号质量的方法、装置及电子设备,以解决生理信号质量的检测效率低的问题。
根据第一方面,本发明实施例提供了一种检测生理信号质量的方法,包括:
获取目标生理信号波形中当前周期的波形与上一周期的波形;
将所述当前周期的波形与所述上一周期的波形对齐,并计算所述当前周期的波形与所述上一周期的波形的相关系数,以得到所述当前周期的波形对应的相关系数;
根据所述当前周期的波形对应的相关系数,检测所述当前周期的波形的信号质量。
本发明实施例提供的检测生理信号质量的方法,通过将当前周期的波形与上一周期的波形对齐并计算相邻两个波形的相关系数,即采用逐波匹配的方式进行相关系数的计算,避免采用建立模板的方式所导致的生理信号质量的检测效率较低的问题;该方法采用目标生理信号自身而不依赖于模板进行信号质量的检测,在获取到目标生理信号的同时即可实现信号质量的检测,具有较高的检测效率。
结合第一方面,在第一方面第一实施方式中,所述将所述当前周期的波形与所述上一周期的波形对齐,以计算所述当前周期的波形与所述上一周期的波形的相关系数,包括:
利用所述当前周期的波形的样本点数量以及所述上一周期的波形的样本点数量构建矩阵网格;其中,所述矩阵网格的每一个格点表示所述当前周期的波形与所述上一周期的波形中的两个样本点对齐时所述两个样本点之间的距离;
利用N*N的滑动窗对所述矩阵网格进行搜索,以在所述矩阵网格中确定所述当前周期的波形与所述上一周期的波形的对齐格点;其中,所述滑动窗的每一个格点表示累积距离,所述滑动窗的中间格点对应于所述矩阵网格中的当前搜索格点;所述N表示所述滑动窗中每行或每列的格点数量;
基于搜索出的对齐格点所表示的距离,计算所述当前周期的波形与所述上一周期的波形的相关系数。
本发明实施例提供的检测生理信号质量的方法,通过滑动窗的方式对矩阵网格进行搜索,以进行局部搜索;该局部搜索的方式空间复杂度以及时间复杂度较低,占用空间资源小、消耗时间资源小,提高了生理信号质量检测的效率。
结合第一方面第一实施方式,在第一方面第二实施方式中,所述利用N*N的滑动窗对所述矩阵网格进行搜索,以在所述矩阵网格中确定所述当前周期的波形与所述上一周期的波形的对齐格点,包括:
在三个预设搜索方向上,在所述矩阵网格中分别确定所述当前搜索格点的下一搜索格点;
分别计算三个预设搜索方向上所述当前搜索格点到对应的所述下一搜索格点之间的累积距离;
确定三个计算出的累积距离中最小的累积距离对应的预设搜索方向为目标搜索方向;
沿所述目标搜索方向移动所述滑动窗,并更新所述滑动窗的每一个格点,以对所述矩阵网格进行下一次搜索;其中,所有所述中间格点对应的所述矩阵网格的格点为所述对齐格点。
结合第一方面,或第一方面第一实施方式,或第一方面第二实施方式,在第一方面第三实施方式中,所述根据所述当前周期的波形对应的相关系数,检测所述当前周期的波形的信号质量,包括:
提取所述当前周期的波形对应的相关系数,以及所述目标生理信号波形中当前周期的波形之前的所有周期的波形对应的相关系数;
利用提取出的所有所述相关系数,计算所述当前周期的波形对应的目标相关系数;
将所述目标相关系数与预设相关系数进行比较,以检测出所述当前周期的波形的信号质量;其中,所述预设相关系数与所述信号质量一一对应。
本发明实施例提供的检测生理信号质量的方法,在检测当前周期的波形对应的相关系数时,不仅考虑当前周期的波形对应的相关系数,还结合当前周期的波形之前的所有周期的波形对应的相关系数,提高了所检测出的当前周期波形的信号质量的准确性。
结合第一方面第三实施方式,在第一方面第四实施方式中,所述提取所述当前周期的波形对应的相关系数,以及所述目标生理信号波形中当前周期的波形之前的所有周期的波形对应的相关系数,包括:
获取预设长度的数组;其中,所述数组中的元素用于表示各个周期的波形对应的相关系数;
循环移动所述数组,并将所述当前周期的波形对应的相关系数插入所述数组中;
提取所述数组中的所有元素,以得到所述当前周期的波形对应的相关系数,以及所述目标生理信号波形中当前周期的波形之前的所有周期的波形对应的相关系数。
结合第一方面第三实施方式,在第一方面第五实施方式中,所述利用提取出的所有所述相关系数,计算所述当前周期的波形对应的目标相关系数,包括:
计算所有所述相关系数的均值,以得到第一目标相关系数;
计算所有所述相关系数的中值,以得到第二目标相关系数;
对所述第一目标相关系数以及所述第二目标相关系数进行加权求和,以得到所述目标相关系数。
结合第一方面,在第一方面第六实施方式中,所述方法还包括:
采用与所述当前周期的波形的信号质量对应的标识对所述当前周期的波形进行标记。
本发明实施例提供的检测生理信号质量的方法,采用与检测出的信号质量对应的标识对当前周期的波形进行标记,使得用户能够直观地知晓当前周期的波形的信号质量,即通过标记后的目标生理信号的波形能够传达信号质量信息,以实现目标生理信号的智能显示。
结合第一方面,或第一方面第六实施方式,在第一方面第七实施方式中,所述获取目标生理信号波形中当前周期的波形与上一周期的波形的步骤之前,还包括:
获取所述目标生理信号波形;
标记所述目标生理信号波形中未进行信号质量检测的波形。
本发明实施例提供的检测生理信号质量的方法,对未进行信号质量检测的波形进行标记,以减小当前周期的波形与上一周期的波形的提取与实时采样点之间的延时。
根据第二方面,本发明实施例还提供了一种检测生理信号质量的装置,包括:
获取模块,用于获取目标生理信号波形中当前周期的波形与上一周期的波形;
相关系数计算模块,用于将所述当前周期的波形与所述上一周期的波形对齐,并计算所述当前周期的波形与所述上一周期的波形的相关系数,以得到所述当前周期的波形对应的相关系数;
信号质量检测模块,用于根据所述当前周期的波形对应的相关系数,检测所述当前周期的波形的信号质量。
本发明实施例提供的检测生理信号质量的装置,通过将当前周期的波形与上一周期的波形对齐并计算相邻两个波形的相关系数,即采用逐波匹配的方式进行相关系数的计算,避免采用建立模板的方式所导致的生理信号质量的检测效率较低的问题;该装置采用目标生理信号自身而不依赖于模板进行信号质量的检测,在获取到目标生理信号的同时即可实现信号质量的检测,具有较高的检测效率。
根据第三方面,本发明实施例提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面或者第一方面的任意一种实施方式中所述的检测生理信号质量的方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的检测生理信号质量的方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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是根据本发明实施例的检测生理信号质量的方法的流程图;
图2是根据本发明实施例的目标生理信号质量的波形示意图;
图3是根据本发明实施例的检测生理信号质量的方法的流程图;
图4a-图4d为本发明实施例的3*3滑动窗以及其移动的方向示意图;
图5a-图5c为本发明实施例的3*3滑动窗的移动示意图;
图6为本发明实施例的DTW和E-DTW的效果对比图;
图7为本发明实施例的DTW和E-DTW的效果对比图;
图8是根据本发明实施例的检测生理信号质量的方法的流程图;
图9是根据本发明实施例的基于E-DTW的信号质量判断效果图;
图10是根据本发明实施例的检测生理信号质量的方法的流程图;
图11是根据本发明实施例的检测生理信号质量的装置的结构框图;
图12是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例中所述的周期性的信号,并不是指固定时间内的生理信号,而是指生命体中目标部位的周期性机械活动所带来的周期性信号。例如,心动周期是指心脏每收缩和舒张一次所构成的机械活动周期,每个心动周期对应的波形为相邻的收缩末期,或相邻的舒张末期之间的波形,相邻两个心动周期的波形对应的时间不一定相同,可能在某一时间段内生命体的心跳加速,那么相邻两个心动周期的波形所对应的时间就不同。
所述的生理信号波形为采用监测设备所采集到的生命体的生理信号,具体地,所述生理信号波形中的每个点为监测设备对生命体进行生理信号采集所得到的样本点。如上文所述,既然相邻的两个周期的生理信号波形对应的时间不同,那么这两个周期的生理信号波形的样本点的数量也就不同。
根据本发明实施例,提供了一种检测生理信号质量的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种检测生理信号质量的方法,可用于电子设备,例如监护仪中,图1是根据本发明实施例的检测生理信号质量的方法的流程图,如图1所示,该流程包括如下步骤:
S11,获取目标生理信号波形中当前周期的波形与上一周期的波形。
电子设备在获取到目标生理信号波形时,可以利用极值点搜索算法搜索目标生理信号波形中的极值点,进而获取到当前周期的波形,为后续描述方便,将当前周期的波形称为B。电子设备将当前周期的波形紧挨着的前一个波形定义为与当前周期的波形相关性匹配的参考模板,即上一周期的波形,可以将其称之为T。后续利用当前周期的波形与上一周期的波形进行相关系数的计算。
以图2为例,电子设备所获取到的当前周期的波形为图2中12所对应的波形,上一周期的波形为图2中11所对应的波形。
可选地,当前周期的波形也可以采用其他方式获取到,例如可以采用事先训练的网络模型,该网络模型是的输入为目标生理信号波形,输出为该目标生理信号波形中的一个周期的波形;或者也可以采用其他方式。在此获取目标生理信号波形中当前周期的波形以及上一周期的波形的方式并不做任何限制,只需保证电子设备能够获取到当前周期的波形与上一周期的波形即可。
S12,将当前周期的波形与上一周期的波形对齐,并计算当前周期的波形与上一周期的波形的相关系数,以得到当前周期的波形对应的相关系数。
在进行当前周期的波形与上一周期的波形对齐之前,可以将波形转化为时间序列的形式表示。如上文所述,波形是由多个样本点组成的,那么就可以采用样本点序列表示出波形。即,当前周期的波形以及上一周期的波形可以采用如下时间序列表示:
B={b1,b2,b3,…,bn};
T={t1,t2,t3,…,tm};
其中,b1,b2,b3,…,bn表示当前周期的波形中的样本点,n为当前周期的波形中样本点的数量;t1,t2,t3,…,tm表示上一周期的波形中的样本点,m为上一周期的波形中样本点的数量。
电子设备在S11中得到当前周期的波形B以及上一周期的波形T之后,可以采用DTW(Dynamic Time Warping,动态时间规整)的方式将当前周期的波形与上一周期的波形对齐,并计算当前周期的波形与上一周期的波形的相关系数。
具体地,为了对齐这两个序列,需要构造一个n×m的矩阵网格,矩阵网格的每一个格点(i,j)表示bi和tj两个点的距离d(bi,tj)。每一个格点(i,j)表示点bi和tj的对齐。需要说明的是两个点之间的距离可以采用欧式距离表示,也可以采用余弦距离表示,或者采用其他形式的距离表示,在此对距离的表示形式并不做任何限制。
其中,矩阵网格每一个格点的路径只有三个前进方向:如果路径已经通过了格点(i,j),那么下一个通过的格点只可能是下列三种情况之一:(i+1,j),(i,j+1)或(i+1,j+1)。每个格点的累积欧式距离γ(i,j)定义为在当前格点中找到的距离d(bi,tj)和相邻格点的累积欧式距离的最小值,即为:
γ(i,j)=d(bi,tj)+min{γ(i-1,j),γ(i,j-1),γ(i-1,j-1)}
DTW算法可以归结为寻找一条通过此网格中若干格点的路径,路径通过的格点即为两个序列进行计算的对齐的点。在确定出两个序列的对齐的点之后,可以利用皮尔逊相关系数的计算方式计算当前周期的波形与上一周期的波形的相关系数。
可选地,电子设备除了可以采用DTW的方式将两个序列进行对齐,也可以采用其他方式。由于DTW采用的全局搜索的方式将两个序列进行对齐的,电子设备也可以采用局部搜索的方式将两个序列进行对齐。其中,关于局部搜索的方式将在下文中进行详细描述。
S13,根据当前周期的波形对应的相关系数,检测当前周期的波形的信号质量。
电子设备在计算得到当前周期的波形对应的相关系数之后,可以利用该相关系数与预设设置好的预设相关系数进行比较,当相关系数大于或等于该预设相关系数时,表示当前周期的波形的信号质量较好;当相关系数小于预设相关系数时,表示当前周期的波形的信号质量欠佳。或者,也可以对信号质量进行细分,即将信号质量划分为多个等级,每个等级对应于一个预设相关系数,将S12中计算得到的相关系数与预设相关系数进行比较,即可确定当前周期的波形的信号质量所对应的等级。当然,也可以采用其他方式对当前周期的波形的信号质量进行检测。
其中,所述的预设相关系数可以根据实际情况进行具体设置,例如可以利用经验值进行设置,也可以是通过对多种信号质量的波形的相关系数进行分析后确定的等等,在此对预设相关系数的具体确定方式并不做任何限制,只需保证电子设备能够获取预设相关系数即可。
本实施提供的检测生理信号质量的方法,通过将当前周期的波形与上一周期的波形对齐并计算相邻两个波形的相关系数,即采用逐波匹配的方式进行相关系数的计算,避免采用建立模板的方式所导致的生理信号质量的检测效率较低的问题;该方法采用目标生理信号自身而不依赖于模板进行信号质量的检测,在获取到目标生理信号的同时即可实现信号质量的检测,具有较高的检测效率。
在本实施例中提供了一种检测生理信号质量的方法,可用于电子设备,例如监护仪中,图3是根据本发明实施例的检测生理信号质量的方法的流程图,如图3所示,该流程包括如下步骤:
S21,获取目标生理信号波形中当前周期的波形与上一周期的波形。
详细请参见图1所示实施例的S11,在此不再赘述。
S22,将当前周期的波形与上一周期的波形对齐,并计算当前周期的波形与上一周期的波形的相关系数,以得到当前周期的波形对应的相关系数。
在本实施例中,电子设备采用局部搜索的方式将当前周期的波形与上一周期的波形进行对齐。具体地,上述S22可以包括如下步骤:
S221,利用当前周期的波形的样本点数量以及上一周期的波形的样本点数量构建矩阵网格。
其中,所述矩阵网格的每一个格点表示所述当前周期的波形与所述上一周期的波形中的两个样本点对齐时所述两个样本点之间的距离。
请参见图1所示实施例的S12中关于将当前周期的波形B以及上一周期的波形转换为时间序列的形式的描述。其中,当前周期的波形以及上一周期的波形可以采用如下时间序列表示:
B={b1,b2,b3,…,bn};
T={t1,t2,t3,…,tm}。
当前周期的波形B具有n个样本点,上一周期的波形T具有m个样本点,基于两个波形的样本点的数量,构建n*m的矩阵网格,该矩阵网格中每一个格点(i,j)表示bi和tj两个点的距离d(bi,tj)。
S222,利用N*N的滑动窗对矩阵网格进行搜索,以在矩阵网格中确定当前周期的波形与上一周期的波形的对齐格点。
其中,所述滑动窗的每一个格点表示累积距离,所述滑动窗的中间格点对应于所述矩阵网格中的当前搜索格点。
所述的滑动窗为N*N,N为滑动窗中每行或每列的格点数量,具体滑动窗的大小可以根据实际情况进行具体设置,例如可以是3*3,也可以是4*4,或5*5等等。在下文的描述中以3*3的滑动窗,且样本点之间的距离是欧式距离为例进行描述,采用3*3滑动窗可以占用较少的计算资源,且计算效果较好。
利用3*3的滑动窗对从矩阵网格的格点(1,1)开始对矩阵网格进行搜索,即将滑动窗的中间格点对齐矩阵网格的格点(1,1),通过计算累积距离,确定滑动窗的搜索方向,以在矩阵网格中确定当前周期的波形与上一周期的波形的对齐格点。
具体地,上述S222包括如下步骤:
(1)在三个预设搜索方向上,在矩阵网格中分别确定当前搜索格点的下一搜索格点。
图4a-图4d示出了3*3滑动窗及其移动的方向,滑动窗具有三个预设搜索方向,若当前搜索格点为(i,j),则下一个搜索格点(i+1,j),(i,j+1)或(i+1,j+1)中的一个。
如图4a所示,分别有(1)~(9)共9个格点,每个格点均存储累积欧式距离。滑动窗的中间格点(5)对应于矩阵网格中的当前搜索格点,在三个方向(6)、(8)、(9)选择最短的累积欧式距离。
(2)分别计算三个预设搜索方向上当前搜索格点到对应的下一搜索格点之间的累积距离。
由DTW算法原理可知,如图4b所示,(6)的累积欧式距离是(6)的欧式距离与(2)、(3)、(5)中累积欧式距离的最小值的和;如图4c所示,(8)的累积欧式距离是(8)的欧式距离与(4)、(5)、(7)中累积欧式距离的最小值的和;如图4d所示,(9)的累积欧式距离是(9)的欧式距离与(5)、(6)、(8)中累积欧式距离的最小值的和。
(3)确定三个计算出的累积距离中最小的累积距离对应的预设搜索方向为目标搜索方向。
当计算出(6)、(8)、(9)的累积欧式距离后,比较三者的累积欧式距离。将三者中累积欧式距离最小的预设搜索方向为目标搜索方向。
(4)沿目标搜索方向移动滑动窗,并更新滑动窗的每一个格点,以对矩阵网格进行下一次搜索。
其中,所有所述中间格点对应的所述矩阵网格的格点为所述对齐格点。
若(9)的累积欧式距离最小,滑动窗向斜下角移动,见图5a,同时,更新滑动窗,即(5)变为(1),(6)变为(2),(8)变为(4),(9)变为(5),(3)、(6)、(7)、(8)、(9)重新计算累积欧式距离。若(6)的累积欧式距离最小,滑动窗向右移动,见图5b,同时,更新滑动窗,即(2)变为(1),(3)变为(2),(5)变为(4),(6)变为(5),(8)变为(7),(9)变为(8),(3)、(6)、(9)重新计算累积欧式距离。若(8)的累积欧式距离最小,滑动窗向下移动,见图5c,同时,更新滑动窗,即(4)变为(1),(5)变为(2),(6)变为(3),(7)变为(4),(8)变为(5),(9)变为(6),(7)、(8)、(9)重新计算累积欧式距离。
当滑动窗格点(6)、(8)、(9)其中之一到达(n,m)时,停止滑动。滑动窗所有滑动的格点(5)所对应的(i,j)即为两个序列应该对齐的点。
S223,基于搜索出的对齐格点所表示的距离,计算当前周期的波形与上一周期的波形的相关系数。
电子设备在对齐两个信号后,就可以计算相关系数ρ。本质上,本实施例的局部搜索方法可以称之为E-DTW方法是通过局部搜索的方式代替DTW的全局搜索。
以对当前周期的波形B以及下一周期的波形T分别采用DTW以及E-DTW进行两个序列的对齐,并计算相关系数。
从空间复杂度上来看,为了对齐这B和T,首先需要构造一个n×m的矩阵网格。若采样率为250Hz,脉率为60bpm时,那么B和T的宽度为250个采样点。在计算DTW时,需要建立1个250×250的32位型矩阵,即4×250×250=250000Bytes≈244KBytes,空间复杂度太高了。若用于嵌入式平台,因占用RAM较多而导致成本较高。另外,按照DTW方法,在所构建的矩阵中寻找最短累积欧式距离路径,至少需要进行250×250=62500次累积欧式距离计算,若用于嵌入式平台,时间复杂度太高,会消耗太多时间资源。
而采用本实施例中的E-DTW方法,若采用3*3的滑动窗存储累积欧式距离,该方法空间复杂度为4×3×3=36Bytes,针对采样率为250Hz,脉率为60bpm的信号,空间复杂度下降了约6900倍;只需要进行约1244次距离和计算,时间复杂度下降了约50倍。由此可知,本实施例所述的E-DTW方法具有占用空间资源小、消耗时间资源小等优点,若用于嵌入式平台,具有成本小的优点。
从计算出的相关系数角度看,图6和图7为DTW和E-DTW的效果对比。其中,图6以及图7中的原始信号为未经过对齐处理的目标生理信号,DTW下的波形为对目标生理信号进行DTW处理后的波形,E-DTW下的波形为对目标生理信号进行E-DTW处理后的波形。本实施例所述的E-DTW在降低空间复杂度以及时间复杂度的前提下,还能够达到与DTW相同的计算结果。
S23,根据当前周期的波形对应的相关系数,检测当前周期的波形的信号质量。
详细请参见图1所示实施例的S13,在此不再赘述。
本实施例提供的检测生理信号质量的方法,通过滑动窗的方式对矩阵网格进行搜索,以进行局部搜索;该局部搜索的方式空间复杂度以及时间复杂度较低,占用空间资源小、消耗时间资源小,提高了生理信号质量检测的效率。
在本实施例中提供了一种检测生理信号质量的方法,可用于电子设备,例如监护仪中,图8是根据本发明实施例的检测生理信号质量的方法的流程图,如图8所示,该流程包括如下步骤:
S31,获取目标生理信号波形中当前周期的波形与上一周期的波形。
详细请参见图3所示实施例的S21,在此不再赘述。
S32,将当前周期的波形与上一周期的波形对齐,并计算当前周期的波形与上一周期的波形的相关系数,以得到当前周期的波形对应的相关系数。
详细请参见图3所示实施例的S22,在此不再赘述。
S33,根据当前周期的波形对应的相关系数,检测当前周期的波形的信号质量。
本实施例中,在检测当前周期的波形的信号质量时,不仅考虑S32中计算得到的相关系数,还结合当前周期的波形之前的所有周期的波形对应的相关系数。具体地,上述S33包括以下步骤:
S331,提取当前周期的波形对应的相关系数,以及目标生理信号波形中当前周期的波形之前的所有周期的波形对应的相关系数。
由于目标生理信号波形是连续的波形,那么电子设备在当前周期的波形对应的相关系数计算之前,已经计算当前周期的波形之前的所有周期的波形对应的相关系数并存储在电子设备中。即,电子设备直接从相应的存储空间中提取当前周期的波形对应的相关系数以及之前所有周期的波形对应的相关系数即可。
作为本实施例的一种可选实施方式,可以采用数组的方式进行相关系数的存储。具体地,上述S331包括如下步骤:
(1)获取预设长度的数组;其中,所述数组中的元素用于表示各个周期的波形对应的相关系数。
所述预设长度为事先设置的需要进行相关系数计算的波形的数量,该预设长度可以根据实际情况进行具体设置,在此不做任何限制。
例如,将预设长度设置为L,当计算出L个相关系数之后,可以利用当前周期的波形对应的相关系数取代最早存储的相关系数,以实现数组的循环使用,避免使用较长的数组占用较大的计算资源。
(2)循环移动数组,并将当前周期的波形对应的相关系数插入数组中。
在计算得到当前周期的波形对应的相关系数之后,可以循环向首位移动数组,并将该相关系数插入数组末位;也可以循环向末位移动数组,并将该相关系数插入数组首位。
(3)提取数组中的所有元素,以得到当前周期的波形对应的相关系数,以及所述目标生理信号波形中当前周期的波形之前的所有周期的波形对应的相关系数。
S332,利用提取出的所有相关系数,计算当前周期的波形对应的目标相关系数。
电子设备可以计算所有相关系数的均值,作为当前周期的波形对应的目标相关系数;也可以计算所有相关系数的中值,以作为目标相关系数;或者采用其他方式实现。
作为本实施例的一种可选实施方式,上述S332包括如下步骤:
(1)计算所有相关系数的均值,以得到第一目标相关系数;
(2)计算所有相关系数的中值,以得到第二目标相关系数;
(3)对第一目标相关系数以及第二目标相关系数进行加权求和,以得到目标相关系数。
例如,目标相关系数可以采用如下公式表示:
ρB=coef1×ρmean+coef2×ρmedian
其中,ρB为目标相关系数;ρmean为第一目标相关系数;coef1为第一目标相关系数对应的权重;ρmedian为第二目标相关系数;coef2为第二目标相关系数对应的权重。coef1、coef2可以根据实际情况进行具体设置,在此并不做任何限制。
按照以下公式得到波形B的目标相关系数ρB,该值越高,表示当前信号质量越好,反之,信号质量越差。可选地,电子设备在计算得到目标相关系数ρB之后,如图9所示,可以将目标相关系数叠加显示在目标生理信号(即,图中的原始信号)波形上。
S333,将目标相关系数与预设相关系数进行比较,以检测出当前周期的波形的信号质量。
其中,所述预设相关系数与所述信号质量一一对应。
在本实施例中,将信号质量划分为4个等级,等级划分规则如下:
Figure BDA0002284794310000151
其中,Thd1、Thd2、Thd3为各个等级对应的预设相关系数。例如,Thd1、Thd2、Thd3分别为0.9、0.79、0.5,在其它实例中不限于此。级别越小,表示信号质量越好。
本发明实施例提供的检测生理信号质量的方法,在检测当前周期的波形对应的相关系数时,不仅考虑当前周期的波形对应的相关系数,还结合当前周期的波形之前的所有周期的波形对应的相关系数,提高了所检测出的当前周期波形的信号质量的准确性。
作为本实施例的一种可选实施方式,上述S33之后,还可以包括:采用与当前周期的波形的信号质量对应的标识对当前周期的波形进行标记。
其中,信号质量对应的标识可以是颜色,也可以是线型,亦或是其他标识,只需保证该标识能够区分出各个信号质量的波形即可。在本实施例中可以采用颜色区分不同信号质量的波形,例如:
若ρB处于1级,用绿色着色当前周期的波形。
若ρB处于2级,用蓝色着色当前周期的波形。
若ρB处于3级,用黄色着色当前周期的波形。
若ρB处于4级,用红色着色当前周期的波形。
采用与检测出的信号质量对应的标识对当前周期的波形进行标记,使得用户能够直观地知晓当前周期的波形的信号质量,即通过标记后的目标生理信号的波形能够传达信号质量信息,以实现目标生理信号的智能显示。
在本实施例中提供了一种检测生理信号质量的方法,可用于电子设备,例如监护仪中,图10是根据本发明实施例的检测生理信号质量的方法的流程图,如图10所示,该流程包括如下步骤:
S41,获取目标生理信号波形。
电子设备为监护仪时,监护仪实时监测生命体的目标生理信号波形,并进行下述的处理。
S42,标记目标生理信号波形中未进行信号质量检测的波形。
电子设备在获取到目标生理信号波形时,可以标记出该波形中未进行信号质量检测波形。可以采用颜色区分,也可以采用其他方式进行区分等等,在此并不做任何限制。例如,电子设备对这部分波形采用白色着色,已经处理的波形可以依据各自的信号质量对应的颜色对波形进行着色。
S43,获取目标生理信号波形中当前周期的波形与上一周期的波形。
详细请参见图8所示实施例的S31,在此不再赘述。
S44,将当前周期的波形与上一周期的波形对齐,并计算当前周期的波形与上一周期的波形的相关系数,以得到当前周期的波形对应的相关系数。
详细请参见图8所示实施例的S32,在此不再赘述。
S45,根据当前周期的波形对应的相关系数,检测当前周期的波形的信号质量。
详细请参见图8所示实施例的S33,在此不再赘述。
S46,采用与所检测出的信号质量对应的标识对当前周期的波形进行标记。
详细请参见图8所示实施例的S33之后的可选实施方式,在此不再赘述。
本实施提供的检测生理信号质量的方法,对未进行信号质量检测的波形进行标记,以减小当前周期的波形与上一周期的波形的提取与实时采样点之间的延时。
在本实施例中还提供了一种检测生理信号质量的装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种检测生理信号质量的装置,如图11所示,包括:
获取模块51,用于获取目标生理信号波形中当前周期的波形与上一周期的波形。
相关系数计算模块52,用于将所述当前周期的波形与所述上一周期的波形对齐,并计算所述当前周期的波形与所述上一周期的波形的相关系数,以得到所述当前周期的波形对应的相关系数。
信号质量检测模块53,用于根据所述当前周期的波形对应的相关系数,检测所述当前周期的波形的信号质量。
本实施例提供的检测生理信号质量的装置,通过将当前周期的波形与上一周期的波形对齐并计算相邻两个波形的相关系数,即采用逐波匹配的方式进行相关系数的计算,避免采用建立模板的方式所导致的生理信号质量的检测效率较低的问题;该装置采用目标生理信号自身而不依赖于模板进行信号质量的检测,在获取到目标生理信号的同时即可实现信号质量的检测,具有较高的检测效率。
本实施例中的检测生理信号质量的装置是以功能单元的形式来呈现,这里的单元是指ASIC电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本发明实施例还提供一种电子设备,具有上述图11所示的检测生理信号质量的装置。
请参阅图12,图12是本发明可选实施例提供的一种电子设备的结构示意图,如图12所示,该电子设备可以包括:至少一个处理器61,例如CPU(Central Processing Unit,中央处理器),至少一个通信接口63,存储器64,至少一个通信总线62。其中,通信总线62用于实现这些组件之间的连接通信。其中,通信接口63可以包括显示屏(Display)、键盘(Keyboard),可选通信接口63还可以包括标准的有线接口、无线接口。存储器64可以是高速RAM存储器(Random Access Memory,易挥发性随机存取存储器),也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器64可选的还可以是至少一个位于远离前述处理器61的存储装置。其中处理器61可以结合图11所描述的装置,存储器64中存储应用程序,且处理器61调用存储器64中存储的程序代码,以用于执行上述任一方法步骤。
其中,通信总线62可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。通信总线62可以分为地址总线、数据总线、控制总线等。为便于表示,图12中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器64可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard diskdrive,缩写:HDD)或固态硬盘(英文:solid-state drive,缩写:SSD);存储器64还可以包括上述种类的存储器的组合。
其中,处理器61可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。
其中,处理器61还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写:ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写:CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写:FPGA),通用阵列逻辑(英文:generic arraylogic,缩写:GAL)或其任意组合。
可选地,存储器64还用于存储程序指令。处理器61可以调用程序指令,实现如本申请图1-10实施例中所示的检测生理信号质量的方法。
本发明实施例还提供了一种非暂态计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的检测生理信号质量的方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(HardDisk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (11)

1.一种检测生理信号质量的方法,其特征在于,包括:
获取目标生理信号波形中当前周期的波形与上一周期的波形;
将所述当前周期的波形与所述上一周期的波形对齐,并计算所述当前周期的波形与所述上一周期的波形的相关系数,以得到所述当前周期的波形对应的相关系数;
根据所述当前周期的波形对应的相关系数,检测所述当前周期的波形的信号质量。
2.根据权利要求1所述的方法,其特征在于,所述将所述当前周期的波形与所述上一周期的波形对齐,以计算所述当前周期的波形与所述上一周期的波形的相关系数,包括:
利用所述当前周期的波形的样本点数量以及所述上一周期的波形的样本点数量构建矩阵网格;其中,所述矩阵网格的每一个格点表示所述当前周期的波形与所述上一周期的波形中的两个样本点对齐时所述两个样本点之间的距离;
利用N*N的滑动窗对所述矩阵网格进行搜索,以在所述矩阵网格中确定所述当前周期的波形与所述上一周期的波形的对齐格点;其中,所述滑动窗的每一个格点表示累积距离,所述滑动窗的中间格点对应于所述矩阵网格中的当前搜索格点;所述N表示所述滑动窗中每行或每列的格点数量;
基于搜索出的对齐格点所表示的距离,计算所述当前周期的波形与所述上一周期的波形的相关系数。
3.根据权利要求2所述的方法,其特征在于,所述利用N*N的滑动窗对所述矩阵网格进行搜索,以在所述矩阵网格中确定所述当前周期的波形与所述上一周期的波形的对齐格点,包括:
在三个预设搜索方向上,在所述矩阵网格中分别确定所述当前搜索格点的下一搜索格点;
分别计算三个预设搜索方向上所述当前搜索格点到对应的所述下一搜索格点之间的累积距离;
确定三个计算出的累积距离中最小的累积距离对应的预设搜索方向为目标搜索方向;
沿所述目标搜索方向移动所述滑动窗,并更新所述滑动窗的每一个格点,以对所述矩阵网格进行下一次搜索;其中,所有所述中间格点对应的所述矩阵网格的格点为所述对齐格点。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述根据所述当前周期的波形对应的相关系数,检测所述当前周期的波形的信号质量,包括:
提取所述当前周期的波形对应的相关系数,以及所述目标生理信号波形中当前周期的波形之前的所有周期的波形对应的相关系数;
利用提取出的所有所述相关系数,计算所述当前周期的波形对应的目标相关系数;
将所述目标相关系数与预设相关系数进行比较,以检测出所述当前周期的波形的信号质量;其中,所述预设相关系数与所述信号质量一一对应。
5.根据权利要求4所述的方法,其特征在于,所述提取所述当前周期的波形对应的相关系数,以及所述目标生理信号波形中当前周期的波形之前的所有周期的波形对应的相关系数,包括:
获取预设长度的数组;其中,所述数组中的元素用于表示各个周期的波形对应的相关系数;
循环移动所述数组,并将所述当前周期的波形对应的相关系数插入所述数组中;
提取所述数组中的所有元素,以得到所述当前周期的波形对应的相关系数,以及所述目标生理信号波形中当前周期的波形之前的所有周期的波形对应的相关系数。
6.根据权利要求4所述的方法,其特征在于,所述利用提取出的所有所述相关系数,计算所述当前周期的波形对应的目标相关系数,包括:
计算所有所述相关系数的均值,以得到第一目标相关系数;
计算所有所述相关系数的中值,以得到第二目标相关系数;
对所述第一目标相关系数以及所述第二目标相关系数进行加权求和,以得到所述目标相关系数。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
采用与所述当前周期的波形的信号质量对应的标识对所述当前周期的波形进行标记。
8.根据权利要求1或7所述的方法,其特征在于,所述获取目标生理信号波形中当前周期的波形与上一周期的波形的步骤之前,还包括:
获取所述目标生理信号波形;
标记所述目标生理信号波形中未进行信号质量检测的波形。
9.一种检测生理信号质量的装置,其特征在于,包括:
获取模块,用于获取目标生理信号波形中当前周期的波形与上一周期的波形;
相关系数计算模块,用于将所述当前周期的波形与所述上一周期的波形对齐,并计算所述当前周期的波形与所述上一周期的波形的相关系数,以得到所述当前周期的波形对应的相关系数;
信号质量检测模块,用于根据所述当前周期的波形对应的相关系数,检测所述当前周期的波形的信号质量。
10.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-8中任一项所述的检测生理信号质量的方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的检测生理信号质量的方法。
CN201911155908.9A 2019-11-22 2019-11-22 检测生理信号质量的方法、装置及电子设备 Pending CN112836546A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911155908.9A CN112836546A (zh) 2019-11-22 2019-11-22 检测生理信号质量的方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911155908.9A CN112836546A (zh) 2019-11-22 2019-11-22 检测生理信号质量的方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN112836546A true CN112836546A (zh) 2021-05-25

Family

ID=75921850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911155908.9A Pending CN112836546A (zh) 2019-11-22 2019-11-22 检测生理信号质量的方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN112836546A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113288175A (zh) * 2021-05-31 2021-08-24 量心科技(深圳)有限公司 脑电信号的质量检测方法、装置、电子设备及存储介质
CN113408492A (zh) * 2021-07-23 2021-09-17 四川大学 一种基于全局-局部特征动态对齐的行人重识别方法
CN115054209A (zh) * 2022-04-14 2022-09-16 杭州华视诺维医疗科技有限公司 一种基于智能移动设备的多参数生理信息检测系统和方法
WO2023179516A1 (zh) * 2022-03-23 2023-09-28 北京华视诺维医疗科技有限公司 一种基于智能移动设备的检测系统、方法及检测模型构建方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020472A (zh) * 2012-12-27 2013-04-03 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
US20140276114A1 (en) * 2013-03-15 2014-09-18 Fujitsu Limited Signal processor, signal processing method, and recording medium
US20160058318A1 (en) * 2014-09-02 2016-03-03 The Regents Of The University Of Michigan Electrocardiogram Data Analysis Method for Rapid Diagnosis
JP2017086293A (ja) * 2015-11-06 2017-05-25 日本電信電話株式会社 生理指標検出装置、生理指標検出方法、生理指標検出処理プログラム
CN108107321A (zh) * 2017-12-14 2018-06-01 科大智能电气技术有限公司 一种电力系统故障波形比对方法
CN108633249A (zh) * 2017-01-25 2018-10-09 华为技术有限公司 一种生理信号质量判断方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020472A (zh) * 2012-12-27 2013-04-03 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
US20140276114A1 (en) * 2013-03-15 2014-09-18 Fujitsu Limited Signal processor, signal processing method, and recording medium
US20160058318A1 (en) * 2014-09-02 2016-03-03 The Regents Of The University Of Michigan Electrocardiogram Data Analysis Method for Rapid Diagnosis
JP2017086293A (ja) * 2015-11-06 2017-05-25 日本電信電話株式会社 生理指標検出装置、生理指標検出方法、生理指標検出処理プログラム
CN108633249A (zh) * 2017-01-25 2018-10-09 华为技术有限公司 一种生理信号质量判断方法及装置
CN108107321A (zh) * 2017-12-14 2018-06-01 科大智能电气技术有限公司 一种电力系统故障波形比对方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈宗海: "系统仿真技术及其应用", 30 June 2018, pages: 329 - 331 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113288175A (zh) * 2021-05-31 2021-08-24 量心科技(深圳)有限公司 脑电信号的质量检测方法、装置、电子设备及存储介质
CN113288175B (zh) * 2021-05-31 2024-01-19 量心科技(深圳)有限公司 脑电信号的质量检测方法、装置、电子设备及存储介质
CN113408492A (zh) * 2021-07-23 2021-09-17 四川大学 一种基于全局-局部特征动态对齐的行人重识别方法
WO2023179516A1 (zh) * 2022-03-23 2023-09-28 北京华视诺维医疗科技有限公司 一种基于智能移动设备的检测系统、方法及检测模型构建方法
CN115054209A (zh) * 2022-04-14 2022-09-16 杭州华视诺维医疗科技有限公司 一种基于智能移动设备的多参数生理信息检测系统和方法
CN115054209B (zh) * 2022-04-14 2023-09-26 杭州华视诺维医疗科技有限公司 一种基于智能移动设备的多参数生理信息检测系统和方法

Similar Documents

Publication Publication Date Title
CN112836546A (zh) 检测生理信号质量的方法、装置及电子设备
JP6343107B1 (ja) ビデオ・シーケンスにおける生体皮膚組織の識別
CN102499694B (zh) 用于消除血氧饱和度监测干扰的方法
CN112200162B (zh) 基于端到端网络的非接触式心率测量方法、系统和装置
US9962126B2 (en) Signal processor, signal processing method, and recording medium
EP3015057B1 (en) Estimating physiological parameters
JP6608527B2 (ja) 装置、端末および生体情報システム
US20220261997A1 (en) Method and apparatus for acquiring blood vessel evaluation parameter based on physiological parameter, and storage medium
CN109833034A (zh) 一种脉搏波信号中提取血压数据的方法及装置
JP2017517349A (ja) 生理学的測定におけるアーティファクトを除去するデバイス及び方法
CN112545472B (zh) 一种ppg信号质量评估的方法、装置、设备及储存介质
US9398874B2 (en) Mood analysis method, system, and apparatus
Wedekind et al. Automated identification of cardiac signals after blind source separation for camera-based photoplethysmography
EP3133985A1 (en) A method and a device for non invasive blood pressure measurement
CN113180623B (zh) 无袖式血压测量方法、系统、设备及存储介质
CN107194922B (zh) 一种血管内超声图像序列关键帧的提取方法
KR102468648B1 (ko) 영상에 대한 원격 광용적맥파신호를 이용하여 사람의 심박수를 산출하는 방법
WO2020003910A1 (ja) 心拍検出装置、心拍検出方法及びプログラム
US20150182140A1 (en) Arterial pulse analysis method and system thereof
TWI504378B (zh) 脈搏波信號的去噪處理方法和裝置及脈搏式血氧儀
CN104997518A (zh) 血氧测量设备的运动干扰抵消方法和系统
CN114098721B (zh) 心冲击图信号的提取方法、装置以及设备
CN116502124A (zh) 脉搏波信号的质量评估方法及装置、计算机可读存储介质
Scherpf et al. Deepperfusion: Camera-based blood volume pulse extraction using a 3d convolutional neural network
CN106491118A (zh) 基于安卓系统的心电图机的实时心率计算系统及其方法

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