CN112914546A - 非接触式肠动信号特征提取方法及系统 - Google Patents
非接触式肠动信号特征提取方法及系统 Download PDFInfo
- Publication number
- CN112914546A CN112914546A CN201911234555.1A CN201911234555A CN112914546A CN 112914546 A CN112914546 A CN 112914546A CN 201911234555 A CN201911234555 A CN 201911234555A CN 112914546 A CN112914546 A CN 112914546A
- Authority
- CN
- China
- Prior art keywords
- intestinal motility
- intestinal
- standard deviation
- motility
- time period
- 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
- 230000008991 intestinal motility Effects 0.000 title claims abstract description 201
- 238000000605 extraction Methods 0.000 title claims abstract description 18
- 230000000968 intestinal effect Effects 0.000 claims abstract description 48
- 238000000926 separation method Methods 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 238000001228 spectrum Methods 0.000 claims description 33
- 238000005311 autocorrelation function Methods 0.000 claims description 25
- 210000001035 gastrointestinal tract Anatomy 0.000 claims description 16
- 238000009825 accumulation Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 210000000936 intestine Anatomy 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 4
- 230000030135 gastric motility Effects 0.000 abstract description 6
- 230000029058 respiratory gaseous exchange Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000002496 gastric effect Effects 0.000 description 9
- 210000002784 stomach Anatomy 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- RAICQOARWDPXIZ-UHFFFAOYSA-N [Gd].[Cr] Chemical compound [Gd].[Cr] RAICQOARWDPXIZ-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 208000018522 Gastrointestinal disease Diseases 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000005176 gastrointestinal motility Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000035565 breathing frequency Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001121 heart beat frequency Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 235000021056 liquid food Nutrition 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007659 motor function Effects 0.000 description 1
- 238000012633 nuclear imaging Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000007704 transition Effects 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
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- High Energy & Nuclear Physics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种非接触式肠动信号特征提取方法及系统，所述系统包括：数据采集模块，利用非接触式生命体征监测雷达采集雷达回波信号；预处理模块，对雷达回波信号采用带通滤波器进行处理；信号分离模块，对预处理后的信号采用信号分离算法进行处理，分离出胃动信号、肠动信号、呼吸信号及心跳信号；特征提取模块，对分离出来的肠动信号进行特征提取，得出有利于判决不同肠道情况的特征参数。
Description
技术领域
本发明属于雷达技术领域，特别涉及一种非接触式肠动信号特征提取方法及系统。
背景技术
随着人们日常生活节奏的加快、工作学习压力的增加，胃肠疾病已逐渐成为现代社会的常见病和高发病，评估胃肠动力的重要性也越来越受到人们广泛的关注。在胃肠疾病的诊断中，对于已发生器质性病变的患者，可以通过放射学、核素显像、核磁共振、胃肠电图等手段进行检查。
放射性核素显像方法的原理是将放射性核素标记的药物与普通食物混合，因放射性核素在胃内的运动过程和食物运动过程一致，用γ照相机在检查区域进行连续照相，根据胃肠内食物放射性核素的量来评价胃肠动力，可获得胃肠的动态功能图像，经计算机处理获得胃肠的时间—放射性曲线，并计算出胃肠半排空时间及不同时间的排空率。但放射性核素显像法也有不足之处，患者要接受小剂量的射线照射，而且价格昂贵。
磁共振成像(MRI)使用钆铬合物作为造影剂，摄入后用MRI进行多层横断面扫描，即可显示主体影像，随着钆铬合物和食物共同从胃内排出，MRI显示的胃肠主体影像发生一系列变化，从而获得胃肠排空结果。但检查须仰卧位，和生理状态下的立位有所差别，对以重力为主要动力的液体食物检测时有一定误差，且检查成本高。
胃肠电图通过内窥镜放置黏膜电极和体表电极同时记录胃肠电活动。胃电图操作简单，且能对胃肠的电活动进行长时间非侵入性的描记，但胃肠电只反映胃肠收缩频率，不直接反映胃肠的运动功能。
由上可知，现有技术中的缺陷为：1)测量方式都为接触式测量，应用范围受到限制；2)无法准确判断肠道运动情况；3)大多数测量方式价格成本高，且对人体有一定危害。
发明内容
本发明的目的在于提取有利于判决肠道情况的肠动信号特征参数。
实现本发明目的的技术解决方案为：一种非接触式肠动信号特征提取方法，对分离出的人体的肠动信号f1(t)进行特征提取，提取出肠道运动的特征参数。具体包括：
(1)肠动周期IC：某时间段内肠动信号功率谱的自相关函数曲线的第一个峰值点与原点的横坐标值之差；
(2)肠动周期差分值IC_d：某时间段的肠动周期与上个时间段的肠动周期之差:
IC_di＝ICi-ICi-1 (i≥2)
式中，ICi为第i个肠动周期，ICi-1为第i-1个肠动周期；
(3)肠动周期标准差IC_v：M个时间段内肠动周期的标准差，M为整数，公式如下：
式中
为M个时间段内肠动周期的均值；
(4)肠动次数IPF：某时间段内肠动信号功率谱的自相关函数曲线的峰值点个数加一：
IPFi＝Npeak+1
式中，Npeak为肠动信号功率谱的自相关函数曲线的峰值点个数；
(5)肠动次数差分值：某时间段的肠动次数与上个时间段的肠动次数之差：
IPF_di＝IPFi-IPFi-1
式中，IPFi为第i个时间段的肠动次数，IPFi-1为第i-1个时间段的肠动次数；
(6)肠动次数标准差：M个时间段内肠动次数的标准差：
式中，
为M个时间段内肠动次数的均值；
(7)肠动强度II：某时间段内肠动信号功率谱的自相关函数曲线的第一个峰值点与自相关曲线起始点(0，R(τ0))所构成的直线与自相关曲线之间的面积；
(8)肠动强度标准差：M个时间段内肠动强度的标准差：
式中，IIj为M个时间段内第j个时间段的肠动强度，
为M个时间段内的肠动强度的均值；
(9)肠动平均能量EN：某个时间段内所检测到的肠道运动的能量的均值：
公式为：
式中，e(n)为该时间段内第n次肠道运动的能量，
其中L代表第n次肠道运动的采样点的总个数，yn(i)代表第n次肠道运动的第i个信号采样点的幅度；
(10)肠动能量标准差：某时间段内所检测到的肠动运动的能量的标准差；
公式为：
(11)肠动能量差累积：某时间段内所有两两相邻的肠动运动能量差值的累积：
(12)肠动能量差标准差：某时间段内所有两两相邻的肠动运动能量差值的标准差：
式中，de(i)＝|e(i)-e(i-1)|，
de(i)为该时间段内第i次肠道运动的能量与第i-1次肠道运动的能量的差值绝对值，
为de(i)的均值；
(13)肠动一致性：某时间段内的肠动信号功率谱的自相关函数曲线的各个峰值点的标准差，是有关肠道运动的平稳性的参数，公式如下：
式中，R(τj)是该时间段第j个峰值点，
是各个峰值点的均值。
本发明与现有技术相比，其显著优点为：1)本发明可以实现非接触测量，能够穿透衣物与被褥等障碍物，与传统的接触式相比，操作更便利，能减少人体的不适感，并且可以克服接触式的很多局限性；2)本发明能够提取出有利于判断肠道运动情况的肠动信号特征参数；3)相比传统测量，本系统需要的仪器少，操作简单，无需接触人体，应用前景更广，受测者易于接受；4)系统简单有效，性能可靠，便于实施。
下面结合说明书附图对本发明做进一步描述。
附图说明
图1为本发明非接触式肠动信号特征提取系统的流程图。
图2为本发明中由采集数据得到的雷达回波信号图。
图3为本发明中雷达回波信号经带通滤波后的信号图。
图4为本发明中经过信号分离算法处理后得到的时域波形图，其中图(a)为呼吸信号波形图，图(b)为心跳信号波形图，图(c)为肠动信号波形图，图(d)为胃动信号波形图。
具体实施方式
结合图1，本发明一种非接触式肠动信号特征提取方法，包括：
步骤1，利用生命体征监测雷达采集受试者的雷达回波信号x(t)，具体如下：
被测目标平躺于床上，将基于超宽带雷达的非接触式生命体征检测系统架设于人体腹部上方，得到雷达回波信号x(t)，如图2所示。
步骤2，对获得的雷达回波信号x(t)采用带通滤波器进行预处理，得到预处理后信号f(t)，具体如下：
对数据采集模块中得到的雷达回波信号x(t)进行带通滤波，引入三个带通滤波器h1(n)、h2(n)和h3(n)，其中h1(n)的频率范围是0.025～0.12Hz，该频率范围包括常见的肠动与胃动频段；h2(n)的频率范围是0.2～0.4Hz，该频率范围为基本呼吸频段；h3(n)的频率范围是1～1.33Hz，该频率范围为基本心跳频段。将经由带通滤波器h1(n)、h2(n)和h3(n)滤除后的信号相加得到预处理后信号f(t)，如图3所示。
步骤3，采用信号分离算法进行处理，如经验小波变换算法，分离出肠动信号、胃动信号、呼吸信号及心跳信号，如图4所示。具体如下：
步骤3-1、对预处理后信号f(t)进行快速傅里叶变换得到预处理信号频谱
ω为频率；
步骤3-2、对预处理信号频谱
进行频谱检测，检测频谱中的局部极大值以降序的方式进行排序并归一化得到极大值序列，极大值序列为
步骤3-3、在极大值序列
中，设置阈值Mmin+α(Mmax-Mmin),其中Mmin为极大值序列中的最小值，Mmax为极大值序列中的最大值，α为常数，保留极大值序列中大于阈值的数，此时得到极大值序列的个数MN个，将呼吸、心跳、肠动、胃动信号分离的选定模式数N＝MN+D，D≥4；
步骤3-4、确定模式数N之后，对预处理信号频谱
进行频谱检测，遵照香农定理将频谱范围限定在[0,π]，将频谱划分为N个相邻区域，产生N+1个分界线ωn，n表示第n个，0≤n≤N，在每条分界线周围定义一个过渡区间Tn，宽度为2τn；
步骤3-5、确定分割区间∧n＝[ωn-1,ωn]，添加小波窗口系数
得到小波经验尺度函数
经验小波
步骤3-6、确定细节系数
式中F-1表示傅里叶逆变换；
步骤3-7、确定逼近系数
式中F-1表示傅里叶逆变换；
步骤3-8、将步骤2中得到的预处理后信号f(t)通过经验小波变换分解为N个固有模态分量，由预处理后信号f(t)分解的各个频率尺度的模态函数表示为
步骤3-9、对通过经验小波变换算法得到的N个模态时域函数按能量大小进行降序排列，选取能量最大的前四个模态，即为呼吸信号、心跳信号与胃动信号、肠动信号。
步骤4，对肠动信号进行特征提取，得出特征参数，所述特征参数包括：
(1)肠动周期IC：1min内肠动信号功率谱的自相关函数曲线的第一个峰值点与原点的横坐标值之差。
(2)肠动周期差分值IC_d：一个1min的肠动周期与上个1min的肠动周期之差。IC_di＝ICi-ICi-1 (i≥2)
式中ICi为第i个1min的肠动周期，ICi-1为第i-1个1min的肠动周期。
(3)肠动周期标准差IC_v：M个1min段内的肠动周期的标准差，M为1到10之间的整数。
计算公式如下：
式中
为M min内肠动周期的均值。
(4)肠动次数IPF：肠动信号功率谱的自相关函数曲线的峰值点个数加一。
IPFi＝Npeak+1
式中Npeak为肠动信号功率谱的自相关函数曲线的峰值点个数。
(5)肠动次数差分值：1min内肠动次数与上个1min内的肠动次数之差。
IPF_di＝IPFi-IPFi-1,式中IPFi为第i个1min的肠动次数，IPFi-1为第i-1个1min的肠动次数。
(6)肠动次数标准差：M分钟内肠动次数的标准差。
式中
为M min内肠动次数的均值。
(7)肠动强度II：肠动信号功率谱的自相关函数曲线的第一个峰值点与自相关曲线起始点(0，R(τ0))所构成的直线与自相关曲线之间的面积。
(8)肠动强度标准差：M个1min段内的肠动强度的标准差。
式中IIj为M个1min内第j个1min段的肠动强度，
为M个1min段的肠动强度的均值。
(9)肠动平均能量EN：1min内所检测到的肠道运动的能量的均值。
计算公式为：
式中e(n)为1min内第n次肠道运动的能量，
其中L代表第n次肠道运动的采样点的总个数，yn(i)代表第n次肠道运动的第i个信号采样点的幅度。
(10)肠动能量标准差：1min内所检测到的肠动运动的能量的标准差。
(11)肠动能量差累积：1min内所有两两相邻的肠动运动能量差值的累积。
(12)肠动能量差标准差:1min内所有两两相邻的肠动运动能量差值的标准差。
式中，de(i)＝|e(i)-e(i-1)|，
de(i)为1min内第i次肠道运动的能量与第i-1次肠道运动的能量的差值绝对值，
为de(i)的均值。
(13)肠动一致性：1min内肠动信号功率谱的自相关函数曲线的各个峰值点的标准差，是有关肠道运动的平稳性的参数。计算公式如下：
式中，R(τj)是第j个峰值点，
是各个峰值点的均值。
本发明的一种非接触式肠动信号特征提取系统，包括
数据采集模块，利用非接触式生命体征监测雷达采集雷达回波信号；
预处理模块，对雷达回波信号采用带通滤波器进行处理；
信号分离模块，对预处理后的信号采用信号分离算法进行处理，分离出肠动信号；
特征提取模块，对分离出来的肠动信号进行特征提取，提取出肠道运动的特征参数。
所述特征提取模块提取的肠道运动的特征参数包括：肠动周期、肠动周期差分值、肠动周期标准差、肠动次数、肠动次数差分值、肠动次数标准差、肠动强度、肠动强度标准差、肠动平均能量、肠动能量标准差、肠动能量差累积、肠动能量差标准差、肠动一致性，具体为：
(1)肠动周期IC：某时间段内肠动信号功率谱的自相关函数曲线的第一个峰值点与原点的横坐标值之差；
(2)肠动周期差分值IC_d：某时间段的肠动周期与上个时间段的肠动周期之差:
IC_di＝ICi-ICi-1 (i≥2)
式中，ICi为第i个肠动周期，ICi-1为第i-1个肠动周期；
(3)肠动周期标准差IC_v：M个时间段内肠动周期的标准差，M为整数，公式如下：
式中
为M个时间段内肠动周期的均值；
(4)肠动次数IPF：某时间段内肠动信号功率谱的自相关函数曲线的峰值点个数加一：
IPFi＝Npeak+1
式中，Npeak为肠动信号功率谱的自相关函数曲线的峰值点个数；
(5)肠动次数差分值：某时间段的肠动次数与上个时间段的肠动次数之差：
IPF_di＝IPFi-IPFi-1
式中，IPFi为第i个时间段的肠动次数，IPFi-1为第i-1个时间段的肠动次数；
(6)肠动次数标准差：M个时间段内肠动次数的标准差：
式中，
为M个时间段内肠动次数的均值；
(7)肠动强度II：某时间段内肠动信号功率谱的自相关函数曲线的第一个峰值点与自相关曲线起始点(0，R(τ0))所构成的直线与自相关曲线之间的面积；
(8)肠动强度标准差：M个时间段内肠动强度的标准差：
式中，IIj为M个时间段内第j个时间段的肠动强度，
为M个时间段内的肠动强度的均值；
(9)肠动平均能量EN：某个时间段内所检测到的肠道运动的能量的均值：
公式为：
式中，e(n)为该时间段内第n次肠道运动的能量，
其中L代表第n次肠道运动的采样点的总个数，yn(i)代表第n次肠道运动的第i个信号采样点的幅度；
(10)肠动能量标准差：某时间段内所检测到的肠动运动的能量的标准差；
公式为：
(11)肠动能量差累积：某时间段内所有两两相邻的肠动运动能量差值的累积：
(12)肠动能量差标准差：某时间段内所有两两相邻的肠动运动能量差值的标准差：
式中，de(i)＝|e(i)-e(i-1)|，
de(i)为该时间段内第i次肠道运动的能量与第i-1次肠道运动的能量的差值绝对值，
为de(i)的均值；
(13)肠动一致性：某时间段内的肠动信号功率谱的自相关函数曲线的各个峰值点的标准差，是有关肠道运动的平稳性的参数，公式如下：
式中，R(τj)是该时间段第j个峰值点，
是各个峰值点的均值。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
步骤1、获取雷达回波信号x(t)；
步骤2、对步骤1获取的雷达回波信号x(t)进行预处理，获取人体生命体征信号，之后滤除干扰，得到预处理后信号f(t)，所述获取的人体生命体征信号包括心跳信号、呼吸信号、胃动力信号和肠动力信号；
步骤3、对步骤2中的预处理后信号f(t)采用EWT即经验小波变换进行处理，分离出人体的肠动信号f1(t)；
步骤4、对分离出的人体的肠动信号f1(t)进行特征提取，提取出肠道运动的特征参数。所述特征参数由上可知，在此不再赘述。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
步骤1、获取雷达回波信号x(t)；
步骤2、对步骤1获取的雷达回波信号x(t)进行预处理，获取人体生命体征信号，之后滤除干扰，得到预处理后信号f(t)，所述获取的人体生命体征信号包括心跳信号、呼吸信号、胃动力信号和肠动力信号；
步骤3、对步骤2中的预处理后信号f(t)采用EWT即经验小波变换进行处理，分离出人体的肠动信号f1(t)；
步骤4、对分离出的人体的肠动信号f1(t)进行特征提取，提取出肠道运动的特征参数。所述特征参数由上可知，在此不再赘述。
综上所述，本发明先采取传统方法获取原始雷达回波信号，然后利用信号分离算法分离肠动信号，并提取出有利于肠道情况判断的特征参数，本发明可以实现非接触测量，能够穿透衣物与被褥等障碍物，与传统的接触式相比，操作更便利，能减少人体的不适感，并且可以克服接触式的很多局限性。
Claims (8)
1.一种非接触式肠动信号特征提取方法，其特征在于，对分离出的人体的肠动信号进行特征提取，提取出肠道运动的特征参数。
2.根据权利要求1所述的非接触式肠动信号特征提取方法，其特征在于，对分离出的人体的肠动信号进行特征提取，提取出肠道运动的特征参数具体包括：
(1)肠动周期IC：某时间段内肠动信号功率谱的自相关函数曲线的第一个峰值点与原点的横坐标值之差；
(2)肠动周期差分值IC_d：某时间段的肠动周期与上个时间段的肠动周期之差:
TC_di＝ICi-ICi-1 (i≥2)
式中，ICi为第i个肠动周期，ICi-1为第i-1个肠动周期；
(3)肠动周期标准差IC_v：M个时间段内肠动周期的标准差，M为整数，公式如下：
式中
为M个时间段内肠动周期的均值；
(4)肠动次数IPF：某时间段内肠动信号功率谱的自相关函数曲线的峰值点个数加一：
IPFi＝Npeak+1
式中，Npeak为肠动信号功率谱的自相关函数曲线的峰值点个数；
(5)肠动次数差分值：某时间段的肠动次数与上个时间段的肠动次数之差：
IPF-di＝IPFi-IPFi-1
式中，IPFi为第i个时间段的肠动次数，IPFi-1为第i-1个时间段的肠动次数；
(6)肠动次数标准差：M个时间段内肠动次数的标准差：
式中，
为M个时间段内肠动次数的均值；
(7)肠动强度II：某时间段内肠动信号功率谱的自相关函数曲线的第一个峰值点与自相关曲线起始点(0，R(τ0))所构成的直线与自相关曲线之间的面积；
(8)肠动强度标准差：M个时间段内肠动强度的标准差：
式中，IIj为M个时间段内第j个时间段的肠动强度，
为M个时间段内的肠动强度的均值；
(9)肠动平均能量EN：某个时间段内所检测到的肠道运动的能量的均值：
公式为：
式中，e(n)为该时间段内第n次肠道运动的能量，
其中L代表第n次肠道运动的采样点的总个数，yn(i)代表第n次肠道运动的第i个信号采样点的幅度；
(10)肠动能量标准差：某时间段内所检测到的肠动运动的能量的标准差；
公式为：
(11)肠动能量差累积：某时间段内所有两两相邻的肠动运动能量差值的累积：
(12)肠动能量差标准差：某时间段内所有两两相邻的肠动运动能量差值的标准差：
式中，de(i)＝|e(i)-e(i-1)|，
de(i)为该时间段内第i次肠道运动的能量与第i-1次肠道运动的能量的差值绝对值，
为de(i)的均值；
(13)肠动一致性：某时间段内的肠动信号功率谱的自相关函数曲线的各个峰值点的标准差，是有关肠道运动的平稳性的参数，公式如下：
式中，R(τj)是该时间段第j个峰值点，
是各个峰值点的均值。
3.根据权利要求2所述的非接触式肠动信号特征提取方法，其特征在于，M为0～1中的整数。
4.一种非接触式肠动信号特征提取系统，其特征在于，包括
数据采集模块，利用非接触式生命体征监测雷达采集雷达回波信号；
预处理模块，对雷达回波信号采用带通滤波器进行处理；
信号分离模块，对预处理后的信号采用信号分离算法进行处理，分离出肠动信号；
特征提取模块，对分离出来的肠动信号进行特征提取，提取出肠道运动的特征参数。
5.根据权利要求4所述的非接触式肠动信号特征提取系统，其特征在于，特征提取模块提取的肠道运动的特征参数包括：肠动周期、肠动周期差分值、肠动周期标准差、肠动次数、肠动次数差分值、肠动次数标准差、肠动强度、肠动强度标准差、肠动平均能量、肠动能量标准差、肠动能量差累积、肠动能量差标准差、肠动一致性，具体为：
(1)肠动周期IC：某时间段内肠动信号功率谱的自相关函数曲线的第一个峰值点与原点的横坐标值之差；
(2)肠动周期差分值IC_d：某时间段的肠动周期与上个时间段的肠动周期之差:
IC-di＝ICi-ICi-1 (i≥2)
式中，ICi为第i个肠动周期，ICi-1为第i-1个肠动周期；
(3)肠动周期标准差IC_v：M个时间段内肠动周期的标准差，M为整数，公式如下：
式中
为M个时间段内肠动周期的均值；
(4)肠动次数IPF：某时间段内肠动信号功率谱的自相关函数曲线的峰值点个数加一：
IpFi＝Npeak+1
式中，Npeak为肠动信号功率谱的自相关函数曲线的峰值点个数；
(5)肠动次数差分值：某时间段的肠动次数与上个时间段的肠动次数之差：
IPF_di＝IPFi-IPFi-1
式中，IPFi为第i个时间段的肠动次数，IPFi-1为第i-1个时间段的肠动次数；
(6)肠动次数标准差：M个时间段内肠动次数的标准差：
式中，
为M个时间段内肠动次数的均值；
(7)肠动强度II：某时间段内肠动信号功率谱的自相关函数曲线的第一个峰值点与自相关曲线起始点(0，R(τ0))所构成的直线与自相关曲线之间的面积；
(8)肠动强度标准差：M个时间段内肠动强度的标准差：
式中，IIj为M个时间段内第j个时间段的肠动强度，
为M个时间段内的肠动强度的均值；
(9)肠动平均能量EN：某个时间段内所检测到的肠道运动的能量的均值：
公式为：
式中，e(n)为该时间段内第n次肠道运动的能量，
其中L代表第n次肠道运动的采样点的总个数，yn(i)代表第n次肠道运动的第i个信号采样点的幅度；
(10)肠动能量标准差：某时间段内所检测到的肠动运动的能量的标准差；
公式为：
(11)肠动能量差累积：某时间段内所有两两相邻的肠动运动能量差值的累积：
(12)肠动能量差标准差：某时间段内所有两两相邻的肠动运动能量差值的标准差：
式中，de(i)＝|e(i)-e(i-1)|，
de(i)为该时间段内第i次肠道运动的能量与第i-1次肠道运动的能量的差值绝对值，
为de(i)的均值；
(13)肠动一致性：某时间段内的肠动信号功率谱的自相关函数曲线的各个峰值点的标准差，是有关肠道运动的平稳性的参数，公式如下：
式中，R(τj)是该时间段第j个峰值点，
是各个峰值点的均值。
6.根据权利要求5所述的非接触式肠动信号特征提取系统，其特征在于，M为0～1中的整数。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911234555.1A CN112914546A (zh) | 2019-12-05 | 2019-12-05 | 非接触式肠动信号特征提取方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911234555.1A CN112914546A (zh) | 2019-12-05 | 2019-12-05 | 非接触式肠动信号特征提取方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112914546A true CN112914546A (zh) | 2021-06-08 |
Family
ID=76162329
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911234555.1A Pending CN112914546A (zh) | 2019-12-05 | 2019-12-05 | 非接触式肠动信号特征提取方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112914546A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090209850A1 (en) * | 2008-02-20 | 2009-08-20 | Industrial Technology Research Institute | Pulsed ultra-wideband sensor and the method thereof |
| US20120165700A1 (en) * | 2010-12-23 | 2012-06-28 | Industrial Technology Research Institute | Intestinal peristalsis detecting device and system and method thereof |
| CN107753001A (zh) * | 2017-11-29 | 2018-03-06 | 陕西易阳科技有限公司 | 一种胃动力监测系统 |
-
2019
- 2019-12-05 CN CN201911234555.1A patent/CN112914546A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090209850A1 (en) * | 2008-02-20 | 2009-08-20 | Industrial Technology Research Institute | Pulsed ultra-wideband sensor and the method thereof |
| US20120165700A1 (en) * | 2010-12-23 | 2012-06-28 | Industrial Technology Research Institute | Intestinal peristalsis detecting device and system and method thereof |
| CN107753001A (zh) * | 2017-11-29 | 2018-03-06 | 陕西易阳科技有限公司 | 一种胃动力监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11006838B2 (en) | Devices, system and methods for monitoring physiological functions from surface electrophysiological sensors | |
| US10898099B2 (en) | Characterizing gastrointestinal functions from surface electrophysiology recording | |
| CN110327036B (zh) | 从穿戴式心电中提取呼吸信号和呼吸频率的方法 | |
| CN104173043B (zh) | 一种适合于移动平台的心电数据分析方法 | |
| CN111568399A (zh) | 一种基于雷达的呼吸和心跳信号检测方法及系统 | |
| CN108186000B (zh) | 基于心冲击信号与光电信号的实时血压监测系统及方法 | |
| CN108451532B (zh) | 呼吸信息的获取方法及系统 | |
| CN110801212B (zh) | 基于神经网络的bcg信号心率提取方法 | |
| Khan et al. | Automated Detection and Classification of Gastrointestinal Diseases using surface-EMG Signals | |
| Sadek et al. | Automatic heart rate detection from FBG sensors using sensor fusion and enhanced empirical mode decomposition | |
| CN113974576B (zh) | 一种基于心磁图的睡眠质量监测系统及监测方法 | |
| JP2002541895A (ja) | 平滑筋の運動活性の検出システムおよび方法 | |
| CN110353700A (zh) | 非接触式血氧饱和度检测方法 | |
| JP2003524468A (ja) | 筋電気信号を評価しアーティファクトを特定するための方法及び装置 | |
| CN112914546A (zh) | 非接触式肠动信号特征提取方法及系统 | |
| Li et al. | Gastric motility measurement and evaluation of functional dyspepsia by a bio-impedance method | |
| CN112914545A (zh) | 非接触式肠道疾病诊断设备 | |
| Chung et al. | Spatial feature extraction from wrist pulse signals | |
| CN102525448A (zh) | 根据体表胃电信号重建胃体表面浆膜胃电信号的方法 | |
| Sbrollini et al. | Evaluation of the low-frequency components in surface electromyography | |
| CN112914502B (zh) | 基于ewt的肠动信号分离方法 | |
| KR102275263B1 (ko) | 깊이 카메라를 이용한 호흡량 측정 시스템 | |
| Tchervensky et al. | Centre-specific multichannel electrogastrographic testing utilizing wavelet-based decomposition | |
| CN112617786A (zh) | 基于tof摄像头的心率检测装置及方法 | |
| Zhang et al. | Separating fetal ECG from transabdominal electrical signal: An application of AE-UNet3+ |
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: 20210608 |