CN112932424B - 一种数据获取方法及系统 - Google Patents
一种数据获取方法及系统 Download PDFInfo
- Publication number
- CN112932424B CN112932424B CN201911250418.7A CN201911250418A CN112932424B CN 112932424 B CN112932424 B CN 112932424B CN 201911250418 A CN201911250418 A CN 201911250418A CN 112932424 B CN112932424 B CN 112932424B
- Authority
- CN
- China
- Prior art keywords
- heart rate
- data
- rate data
- determining
- noise
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000001914 filtration Methods 0.000 claims abstract description 35
- 210000000467 autonomic pathway Anatomy 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 33
- 230000005284 excitation Effects 0.000 claims description 29
- 230000002889 sympathetic effect Effects 0.000 claims description 22
- 210000005036 nerve Anatomy 0.000 claims description 17
- 238000001228 spectrum Methods 0.000 claims description 14
- 210000005037 parasympathetic nerve Anatomy 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 206010001497 Agitation Diseases 0.000 claims description 10
- 230000002567 autonomic effect Effects 0.000 claims description 7
- 230000001734 parasympathetic effect Effects 0.000 claims description 6
- 230000013632 homeostatic process Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 25
- 238000004364 calculation method Methods 0.000 abstract description 15
- 230000008859 change Effects 0.000 description 13
- 230000033001 locomotion Effects 0.000 description 10
- 230000009467 reduction Effects 0.000 description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 239000001301 oxygen Substances 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 210000000748 cardiovascular system Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 230000003767 neural control Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000002106 pulse oximetry Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect 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
- A61B5/02—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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- 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
- A61B5/145—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
- A61B5/1455—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 using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—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 using optical sensors, e.g. spectral photometrical oximeters 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Optics & Photonics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Pulmonology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请公开了一种数据获取方法及系统,根据被测对象的特征参数确定模拟噪音数据,并将模拟噪音数据与第二心率数据结合,得到添加了模拟噪音数据的第三心率数据,实现了对通过传感器获取到的原始心率数据进行噪音过滤后,再添加符合条件的模拟噪音,使得进行指标计算的心率数据是符合实际心率数据及变化的,从而实现由此计算出的平衡指标更准确,避免心率数据获取过程中由于过滤掉有用信息而导致由此计算出的平衡指标不准确的问题;同时实现了采用普通传感器获取心率数据也可通过模拟噪音数据得到准确的平衡指标,避免了采用心电图方式对平衡指标进行计算过程中心电图获取过程中用户体验低的问题。
Description
技术领域
本申请涉及控制领域,尤其涉及一种数据获取方法及系统。
背景技术
自律神经动态平衡指标是心率变异性功率谱分析指标之一,在心率失常、高血压、冠心病、糖尿病、心源性猝死的早期预测,以及精神压力检测、运动效果的评估中起到重要的作用。因此,在日常生活中通过检测自身的自律神经动态平衡指标,了解自身的自主神经功能变化情况,有利于及时发现心血管疾病、调节精神压力,提升个人的身心健康。
在对自律神经动态平衡指标进行计算时,通常采用心电图ECG设备或指尖PPG脉搏血氧设备等在人体静止的状态下测量心率数据(此心率数据为时域数据,以时间为单位),从而确定自律神经动态平衡指标。
然而,若通过心电图设备获取心率数据,需要心率带或电极贴固定在皮肤上,用户体验低;而若采用指尖PPG脉搏血氧设备,测量时需保持安静,运动会对获取到的心率间隔数据造成干扰,因此会有测量不准确的问题。
虽然现有传感器可以对原始数据通过Fourie变换算法等频域或功率谱分析方式获取准确的心率,受运动影响干扰小,但此种方式获得的心率数据(此心率为频域数据,单位为Hz,如1Hz=60bpm,1.5Hz=90bpm),并不能满足用于自律神经动态平衡指标的计算。
发明内容
有鉴于此,本申请提供一种数据获取方法及系统,其具体方案如下:
一种数据获取方法,包括:
通过心率传感器获取被测对象的第一心率数据;
对所述第一心率数据进行数据处理,确定第二心率数据;
依据所述被测对象的特征参数确定模拟噪音数据,根据所述模拟噪音数据对所述第二心率数据进行心率变动特征的还原,确定第三心率数据。
进一步的,所述依据所述被测对象的特征参数确定模拟噪音数据,根据所述模拟噪音数据对所述第二心率数据进行心率变动特征的还原,确定第三心率数据,包括:
确定所述被测对象的特征参数;
依据预先存储的特征参数与模拟噪音对照数据确定所述被测对象的模拟噪音的变动范围;
依据所述变动范围确定所述第二心率数据中任一时刻的模拟噪音数据;
依据所述模拟噪音数据对所述第二心率数据进行心率变动特征的还原,确定还原后的第三心率数据。
进一步的,
所述第二心率数据中所有时刻对应的模拟噪音数据相加之和为0,其中,任一时刻的所述模拟噪音数据是以所述任一时刻的所述第二心率数据为基准确定的。
进一步的,所述被测对象的特征参数,包括:
所述被测对象的身体特征参数,其中,所述身体特征参数为能够对所述被测对象的心率数据造成影响的所述被测对象本身的身体特征参数。
进一步的,还包括:
根据所述第三心率数据,通过功率谱估计确定自律神经动态平衡指标。
进一步的,所述根据所述第三心率数据,通过功率谱估计确定自律神经动态平衡指标,包括:
根据所述第三心率数据,通过功率谱估计确定交感神经兴奋度以及副交感神经兴奋度;
确定所述交感神经兴奋度与所述交感神经兴奋度及所述副交感神经兴奋度之和的比值,将所述比值确定为所述自律神经动态平衡指标。
进一步的,所述对所述第一心率数据进行数据处理,确定第二心率数据,包括:
对所述第一心率数据进行异常心率数据过滤处理,将经过所述异常心率数据过滤处理后剩余的数据确定为所述第二心率数据。
一种数据获取系统,包括:获取单元,第一确定单元及第二确定单元,其中:
所述获取单元用于通过心率传感器获取被测对象的第一心率数据;
所述第一确定单元用于对所述第一心率数据进行数据处理,确定第二心率数据;
所述第二确定单元用于依据所述被测对象的特征参数确定模拟噪音数据,根据所述模拟噪音数据对所述第二心率数据进行心率变动特征的还原,确定第三心率数据。
进一步的,所述第二确定单元具体用于:
确定所述被测对象的特征参数,依据预先存储的特征参数与模拟噪音对照数据确定所述被测对象的模拟噪音的变动范围;依据所述变动范围确定所述第二心率数据中任一时刻的模拟噪音数据;依据所述模拟噪音数据对所述第二心率数据进行心率变动特征的还原,确定还原后的第三心率数据。
进一步的,还包括:第三确定单元,其中:
所述第三确定单元用于根据所述第三心率数据,通过功率谱估计确定自律神经动态平衡指标。
从上述技术方案可以看出,本申请公开的数据获取方法及系统,通过心率传感器获取被测对象的第一心率数据,对第一心率数据进行数据处理,确定第二心率数据,依据被测对象的特征参数确定模拟噪音数据,根据模拟噪音数据对第二心率数据进行心率变动特征的还原,确定第三心率数据。本方案通过在获取第一心率数据的过程中对第一心率数据进行了预处理,过滤了心率变动特征,根据被测对象的特征参数确定模拟噪音数据,并将模拟噪音数据与第二心率数据结合,得到添加了模拟噪音数据的第三心率数据,实现了对通过传感器获取到的原始心率数据进行噪音过滤后,再添加符合条件的模拟噪音,使得进行指标计算的心率数据是符合实际心率数据及心率变动特征的,从而实现由此计算出的平衡指标更准确,避免心率数据获取过程中由于过滤掉有用信息而导致由此计算出的平衡指标不准确的问题;同时实现了采用普通传感器以及在人体运动的条件下,或使用非时域的计算方式获取的心率数据也可通过模拟噪音数据得到准确的平衡指标,避免了采用心电图方式对平衡指标进行计算过程中心电图获取过程中用户体验低的问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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为本申请实施例公开的一种数据获取方法的流程图;
图2为本申请实施例公开的一种数据获取方法的流程图;
图3为本申请实施例公开的一种数据获取方法的流程图;
图4为本申请实施例公开的一种数据获取系统的结构示意图。
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。
本申请公开了一种数据获取方法,其流程图如图1所示,包括:
步骤S11、通过心率传感器获取被测对象的第一心率数据;
通过心率传感器获取被测对象的第一心率数据,其中,心率传感器可以为心电图ECG设备,也可以为指尖PPG脉搏血氧设备等。
其中,心电图ECG设备的精确度较高,但是其并非随时可以获取的,数据获取条件的限制较多,并且需要固定在身体上或使用心率带,用户的使用体验低;而采用指尖PPG脉搏血氧设备虽然可以克服心电图ECG设备的问题,但是还会存在其他问题,如:传感器在使用时需要紧贴皮肤,运动会造成测量部位与传感器的位移,对原始信号干扰较大,就会导致测量到的数据不准确。虽然对心电或脉搏原始信号通过Fourie变换等算法处理可以获得在运动状态下准确的心率数据,但该数据并不符合用于自律神经动态平衡指标的计算。
因此,本方案中通过对传感器获取到的原始数据进行处理,从而获取符合真实心率数据及心率变动特征的方案,从而克服上述问题。
无论是心电图ECG设备还是指尖PPG脉搏血氧设备,使用Fourie变换等算法计算心率的非时域性心率算法对被测对象进行心率数据采集时,其会直接将采集到的原始数据进行噪声过滤处理,之后才进行数据输出,即心率传感器输出的数据是经过该心率传感器自身的噪声过滤处理后的数据。
而心率传感器进行噪声过滤处理,其过滤掉的噪声中可能会存在有用的信息,该有用的信息为:对需要通过心率数据确定的其他数据有用的信息。例如:自律神经动态平衡指标需要由心率数据,如:心率变异性数据确定,若使用经过噪声过滤处理后的心率数据确定自律神经动态平衡指标,由于噪声过滤过程中过滤掉了对确定自律神经动态平衡指标所必须的数据,因此,由此确定出的平衡指标并不准确。
而由于心率传感器输出的心率数据就是经过噪声过滤处理后的数据,无法直接获取真实心率数据及心率变动特征,因此,需要在通过心率传感器获取的原始数据,即第一心率数据的基础上,通过对噪声数据模拟,实现最终得到的第三心率数据能够接近或符合真实心率数据。
步骤S12、对第一心率数据进行数据处理,确定第二心率数据;
对第一心率数据进行数据处理,可以为对心率传感器输出的数据进行预处理。
具体的,可以为:对第一心率数据进行异常心率数据过滤处理,即对第一心率数据中的异常心率数据进行过滤。例如:设置心率范围为40bpm-180bpm,那么,高于180bpm或低于40bpm的数据均为异常心率数据,将异常心率数据从第一心率数据中删除,最终剩余的数据即为第二心率数据。
另外,对第一心率数据进行数据处理,还可以为:对第一心率数据进行差分过滤。
例如:抽取计算平均心率的心率数量X=8,抽取条件Y=15,平均心率的差分阈值Z=30,当满足|H.R(n)-H.R(n-1)|≤Y时,计算meanH.R(X)的移动平均,当|meanH.R(X)-H.R(n)|≥Z时,H.R(n)则被认为是误差心率并过滤掉。其中,|H.R(n)-H.R(n-1)|≤Y是指抽取符合先后心率相减后的绝对值符合小于等于Y的心率,即为相邻心率的差不应超过15;|meanH.R(X)-H.R(n)|为心率的移动平均减去第n个心率;|meanH.R(X)-H.R(n)|≥Z是指第n个心率和8个心率的平均值差距不能超过30,超过则视为误差并删除。
步骤S13、依据被测对象的特征参数确定模拟噪音数据,根据模拟噪音数据对第二心率数据进行还原,确定第三心率数据。
被测对象的特征参数,可以为:被测对象的身体特征参数,其中,身体特征参数为能够对被测对象的心率数据噪声影响的被测对象本身的身体特征数据,如:年龄、体重、性别、身高、病史等。
例如:不同年龄段的用户有不同的模拟噪音数据范围,不同性别的用户有不同的模拟噪音数据范围,不同体重的用户有不同的模拟噪音数据范围,还可以为:上述至少一种身体特征数据对模拟噪音数据范围的影响。
根据被测对象的特征参数以及获得的被测对象的第二心率数据可以获得模拟噪音数据,得到第三心率数据,如:符合被测对象的特征参数的噪音变化幅度数据,如:第二心率数据为:60,60,60,60,60,模拟噪音数据为0,1,3,-1,1,对应的,第三心率数据为:60,61,63,59,61。
或者,模拟噪音数据也可以为:第二心率数据为:60,60,60,60,60,模拟噪音数据为60,61,63,59,61,对应的,第三心率数据为:60,61,63,59,61。此时,模拟噪音数据为模拟出的符合第二心率数据的噪音心率数据。
无论模拟噪音数据是指模拟出的符合第二心率数据的噪音心率数据,还是指符合被测对象的特征参数的噪音变化幅度数据,最终得到的第三心率数据都是具有变化幅度的心率数据,而非如心率传感器直接测得的平滑的数据,画成曲线后为平滑的曲线,使得最终得到的第三心率数据能够更符合实际心率数据,更接近通过心电图ECG设备获得的心率时域数据。
本实施例公开的数据获取方法,通过心率传感器获取被测对象的第一心率数据,对第一心率数据进行数据处理,确定第二心率数据,依据被测对象的特征参数确定模拟噪音数据,根据模拟噪音数据对第二心率数据进行心率变动特征的还原,确定第三心率数据。本方案通过在获取第一心率数据的过程中对第一心率数据进行了预处理,过滤了心率变动特征,根据被测对象的特征参数确定模拟噪音数据,并将模拟噪音数据与第二心率数据结合,得到添加了模拟噪音数据的第三心率数据,实现了对通过传感器获取到的原始心率数据进行噪音过滤后,再添加符合条件的模拟噪音,使得进行指标计算的心率数据是符合实际心率数据的,从而实现由此计算出的平衡指标更准确,避免心率数据获取过程中由于过滤掉有用信息而导致由此计算出的平衡指标不准确的问题;同时实现了采用普通传感器使用非时域算法获取心率数据也可通过模拟噪音数据得到准确的平衡指标,避免了采用心电图方式对平衡指标进行计算过程中心电图获取过程中用户体验低的问题。
本实施例公开了一种数据获取方法,其流程图如图2所示,包括:
步骤S21、通过心率传感器获取被测对象的第一心率数据;
步骤S22、对第一心率数据进行数据处理,确定第二心率数据;
步骤S23、确定被测对象的特征参数;
步骤S24、依据预先存储的特征参数与模拟噪音对照数据确定被测对象的模拟噪音的变动范围;
步骤S25、依据变动范围确定第二心率数据中任一时刻的模拟噪音数据;
步骤S26、依据模拟噪音数据对第二心率数据进行噪音数据的还原,确定还原后的第三心率数据。
预先存储有特征参数与模拟噪音对照数据,其可具体为对照表,即针对不同类型的特征参数与模拟噪音数据的对照表,以及,不同数据的特征参数与模拟噪音数据的对照表。
例如:以性别为特征参数的,针对男性的模拟噪音数据以及针对女性的模拟噪音数据;以年龄为特征参数的,针对不同年龄段的模拟噪音数据;以年龄及性别为特征参数的模拟噪音数据。
其中特征参数与模拟噪音对照数据表中的模拟噪音的相关数据可以具体为模拟噪音的变动范围,即能够在第二心率数据的基础上调整的模拟噪音变动范围。
由于心率数据是一组连续的时域数据。由于人体心血管系统及神经控制系统的复杂性,在实际真实的心率时域数据中,任意两个连续的心率时域数据是相同的可能性是很低的,而心率传感器测得的心率频域数据则在一定的时间范围数值是可能相同的,而为了使心率传感器的数据更符合实际数据,则需要在第二心率数据的基础上增加模拟噪音数据,从而得到该组数据中任一时刻的经过模拟噪音还原的心率数据。
模拟噪音的变化数值是有一定的变化范围的,即噪音变动范围,其根据被测对象的特征参数确定,例如:年龄段为[50,60]的被测对象所对应的噪音变化幅度会比较小,如:[-1,+1],而年龄段为[20,30]的被测对象所对应的噪音变化幅度会比较大,如:[-3,+3];又如:女性的被测对象所对应的噪音变化幅度小于男性被测对象所对应的噪音阈值的变化幅度。
以上述年龄段为[20,30]的被测对象所对应的噪音变化幅度会比较大,如:[-3,+3]为例进行说明:
若被测对象的年龄段为[20,30],那么其噪音变化幅度为[-3,+3],若心率传感器检测到某一时间段内的第一心率数据为(60,60,60,60,60),经数据处理后第二心率数据为(60,60,60,60,60),由于噪音变化幅度为[-3,+3],那么,模拟噪音数据可以为(0,3,1,-2,-1),对应的,第三心率数据为第二心率数据与模拟噪音数据相加得到的一组数据,即第三心率数据为(60,63,61,58,59)。
进一步的,第二心率数据中所有时刻对应的模拟噪音数据相加之和等于0,任一时刻的模拟噪音数据是以该任一时刻的第二心率数据为基准确定的。具体的,可以为接近于0,或者,等于0,如:第1-6个模拟噪音数据相加之后为0,如果再加上第7个模拟噪音数据,这7个模拟噪音数据相加之后可能不为0;但是,再加上第8个,或者,第8-9、第8-10个模拟噪音数据,相加之后可能又等于0。在此并不限定不为0的情况。
具体的,若在某一时刻第二心率数据为60,则第三心率数据是第二心率数据与模拟噪音数据相加的和,而模拟噪音数据的确定基准则是以该时刻第二心率数据,即某一时刻的模拟噪音数据为0,则该时刻的模拟噪音数据是在该时刻的第二心率数据的基础上确定的,即其相对于该时刻的第二心率数据是0;同样的,若某一时刻的模拟噪音数据为-1,则该时刻的模拟噪音数据是在该时刻的第二心率数据的基础上确定的,即其实际是相对于该时刻的第二心率数据为-1。
例如:第二心率数据中,某一时刻的心率数据为60,该时刻的模拟噪音数据为1,其相邻时刻的心率数据为70,该相邻时刻的模拟噪音数据为-3,则该某一时刻的第三心率数据为61,而其相邻时刻的第三心率数据为67,即模拟噪音数据是相对于该时刻的第二心率数据的数据,其仅与该时刻的第二心率数据相关。
另外,第二心率数据中所有时刻对应的模拟噪音数据相加之和接近或等于0,以避免一组数据中相邻或邻近的心率数据的变化幅度过大,导致数据异常的问题。即通过模拟噪音数据体现出心率数据的细微变化。
即以某一组模组噪音数据相加之和接近或等于0作为该组模拟噪音数据确定的依据。例如:第二心率数据为(60,60,60,60,60),噪音变动范围为[-3,+3],那么,模拟噪音数据可以为(-1,3,1,-2,-1),对应的,第三心率数据为第二心率数据与模拟噪音数据相加得到的一组数据,即第三心率数据为(59,63,61,58,59)。
另外,根据特征参数与模拟噪音对照数据确定的除模拟噪音的变动范围外,还可以确定均值、方差或数量等,那么,对照数据表中,与模拟噪音相关的数据,除变动范围外,还记载有均值、方差或数量等。
本实施例公开的数据获取方法,通过心率传感器获取被测对象的第一心率数据,对第一心率数据进行数据处理,确定第二心率数据,依据被测对象的特征参数确定模拟噪音数据,根据模拟噪音数据对第二心率数据进行心率变动特征的还原,确定第三心率数据。本方案通过在获取第一心率数据的过程中对第一心率数据进行了预处理,过滤了心率变动特征,根据被测对象的特征参数确定模拟噪音数据,并将模拟噪音数据与第二心率数据结合,得到添加了模拟噪音数据的第三心率数据,实现了对通过传感器获取到的原始心率数据进行噪音过滤后,再添加符合条件的模拟噪音,使得进行指标计算的心率数据是符合实际心率数据的,从而实现由此计算出的平衡指标更准确,避免心率数据获取过程中由于过滤掉有用信息而导致由此计算出的平衡指标不准确的问题;同时实现了采用普通传感器及心率的非时域算法获取心率数据也可通过模拟噪音数据得到准确的平衡指标,避免了采用心电图方式对平衡指标进行计算过程中心电图获取过程中用户体验低的问题。
本实施例公开了一种数据获取方法,其流程图如图3所示,包括:
步骤S31、通过心率传感器获取被测对象的第一心率数据;
步骤S32、对第一心率数据进行数据处理,确定第二心率数据;
步骤S33、依据被测对象的特征参数确定模拟噪音数据,根据模拟噪音数据对第二心率数据进行噪音数据的还原,确定第三心率数据;
步骤S34、根据第三心率数据,通过功率谱估计确定自律神经动态平衡指标。
基于第二心率数据,通过模拟噪音数据获取第三心率数据,其中,第三心率数据为恢复或接近真实心率时域数据的心率变化数据,只有通过准确的心率时域数据才能对自律神经动态平衡指标的计算更准确。
其中,根据第三心率数据确定自律神经动态平衡指标之前,还需要对第三心率数据进行处理,如:进行等间隔取样,之后才进行平衡指标的确定,即并非采用全部的第三心率数据进行计算。
具体的,对获取的第三心率数据进行插值,使心率信号等间隔分布,其中,插值方法可以为线性插值或样条插值;由于信号分析时需要使用等间距的数据,因此对插值后的心率进行等间距取样,其中,取样周期可以为1秒或0.5秒。
根据脉冲响应与自回归AR模型系数导出AR模型的功率谱密度,功率谱密度曲线可以通过Burg法、Marple法等算法得到;获取LF与HF各自的积分值,并计算LF/(LF+HF)值。
进一步的,根据第三心率数据确定自律神经动态平衡指标,可以具体为:
根据第三心率数据,通过功率谱估计确定交感神经兴奋度以及副交感神经兴奋度,确定交感神经兴奋度与交感神经兴奋度及副交感神经兴奋度之和的比值,将该比值确定为自律神经动态平衡指标。
自律神经动态平衡指标由交感神经兴奋度及副交感神经兴奋度确定,具体的,其可以为交感神经兴奋度与副交感神经兴奋度的比值,但是该比值可能为任意数值,可能为很大的数值,也可能为很小的数值,不便于被测对象根据该数值对自身的身体状况进行判定。
为了便于被测对象直接根据该数值确定其自身的身体状况,可以将资料神经动态平衡指标调整为一个大于0且小于1的数值,通过该大于0且小于1的数值可清楚的看出该平衡指标处于什么数值范围。因此,将交感神经兴奋度作为分子,将交感神经兴奋度与副交感神经兴奋度相加的和作为分母,确定分子与分母的比值,便于观察。
另外,也可以将副交感神经兴奋度作为分子,将交感神经兴奋度与副交感神经兴奋度相加的和作为分母,确定分子与分母的比值。
本实施例公开的数据获取方法,通过心率传感器获取被测对象的第一心率数据,对第一心率数据进行数据处理,确定第二心率数据,依据被测对象的特征参数确定模拟噪音数据,根据模拟噪音数据对第二心率数据进行心率变动特征的还原,确定第三心率数据,根据第三心率数据,通过功率谱估计确定自律神经动态平衡指标。本方案通过在获取第一心率数据的过程中对第一心率数据进行了预处理,过滤了心率变动特征,根据被测对象的特征参数确定模拟噪音数据,并将模拟噪音数据与第二心率数据结合,得到添加了模拟噪音数据的第三心率数据,并依第三心率数据进行自律神经动态平衡指标的获取,实现了对通过传感器获取到的原始心率数据进行噪音过滤后,再添加符合条件的模拟噪音,使得进行指标计算的心率数据是符合实际心率数据的,从而实现由此计算出的平衡指标更准确,避免心率数据获取过程中由于过滤掉有用信息而导致由此计算出的平衡指标不准确的问题;同时实现了采用普通传感器以及在人体运动的条件下,或使用非时域的计算方式获取的心率数据也可通过模拟噪音数据得到准确的平衡指标,避免了采用心电图方式对平衡指标进行计算过程中心电图获取过程中用户体验低的问题。
本实施例公开了一种数据获取系统,其结构示意图如图4所示,包括:
获取单元41,第一确定单元42及第二确定单元43。
其中,获取单元41用于通过心率传感器获取被测对象的第一心率数据;
第一确定单元42用于对第一心率数据进行数据处理,确定第二心率数据;
第二确定单元43用于依据被测对象的特征参数确定模拟噪音数据,根据模拟噪音数据对第二心率数据进行噪音数据的还原,确定第三心率数据。
通过心率传感器获取被测对象的第一心率数据,其中,心率传感器可以为心电图ECG设备,也可以为指尖PPG脉搏血氧设备等。
其中,心电图ECG设备的精确度较高,但是其并非随时可以获取的,数据获取条件的限制较多,并且需要固定在身体上或使用心率带,用户的使用体验低;而采用指尖PPG脉搏血氧设备虽然可以克服心电图ECG设备的问题,但是还会存在其他问题,如:传感器在使用时需要紧贴皮肤,运动会造成测量部位与传感器的位移,对原始信号干扰较大,就会导致测量到的数据不准确。虽然对心电或脉搏原始信号通过Fourie变换等算法处理可以获得在运动状态下准确的心率数据,但该数据并不符合用于自律神经动态平衡指标的计算。
因此,本方案中通过对传感器获取到的原始数据进行处理,从而获取符合真实心率数据及心率变动特征的方案,从而克服上述问题。
无论是心电图ECG设备还是指尖PPG脉搏血氧设备,使用Fourie变换等算法计算心率的非时域性心率算法对被测对象进行心率数据采集时,其会直接将采集到的原始数据进行噪声过滤处理,之后才进行数据输出,即心率传感器输出的数据是经过该心率传感器自身的噪声过滤处理后的数据。
而心率传感器进行噪声过滤处理,其过滤掉的噪声中可能会存在有用的信息,该有用的信息为:对需要通过心率数据确定的其他数据有用的信息。例如:自律神经动态平衡指标需要由心率数据,如:心率变异性数据确定,若使用经过噪声过滤处理后的心率数据确定自律神经动态平衡指标,由于噪声过滤过程中过滤掉了对确定自律神经动态平衡指标所必须的数据,因此,由此确定出的平衡指标并不准确。
而由于心率传感器输出的心率数据就是经过噪声过滤处理后的数据,无法直接获取真实心率数据及心率变动特征,因此,需要在通过心率传感器获取的原始数据,即第一心率数据的基础上,通过对噪声数据模拟,实现最终得到的第三心率数据能够接近或符合真实心率数据。
对第一心率数据进行数据处理,可以为对心率传感器输出的数据进行预处理。
具体的,可以为:对第一心率数据进行异常心率数据过滤处理,即对第一心率数据中的异常心率数据进行过滤。例如:设置心率范围为40bpm-180bpm,那么,高于180bpm或低于40bpm的数据均为异常心率数据,将异常心率数据从第一心率数据中删除,最终剩余的数据即为第二心率数据。
另外,对第一心率数据进行数据处理,还可以为:对第一心率数据进行差分过滤。
例如:抽取计算平均心率的心率数量X=8,抽取条件Y=15,平均心率的差分阈值Z=30,当满足|H.R(n)-H.R(n-1)|≤Y时,计算meanH.R(X)的移动平均,当|meanH.R(X)-H.R(n)|≥Z时,H.R(n)则被认为是误差心率并过滤掉。其中,|H.R(n)-H.R(n-1)|≤Y是指抽取符合先后心率相减后的绝对值符合小于等于Y的心率,即为相邻心率的差不应超过15;|meanH.R(X)-H.R(n)|为心率的移动平均减去第n个心率;|meanH.R(X)-H.R(n)|≥Z是指第n个心率和8个心率的平均值差距不能超过30,超过则视为误差并删除。
被测对象的特征参数,可以为:被测对象的身体特征参数,其中,身体特征参数为能够对被测对象的心率数据噪声影响的被测对象本身的身体特征数据,如:年龄、体重、性别、身高、病史等。
例如:不同年龄段的用户有不同的模拟噪音数据范围,不同性别的用户有不同的模拟噪音数据范围,不同体重的用户有不同的模拟噪音数据范围,还可以为:上述至少一种身体特征数据对模拟噪音数据范围的影响。
根据被测对象的特征参数以及获得的被测对象的第二心率数据可以获得模拟噪音数据,得到第三心率数据,如:符合被测对象的特征参数的噪音变化幅度数据,如:第二心率数据为:60,60,60,60,60,模拟噪音数据为0,1,3,-1,1,对应的,第三心率数据为:60,61,63,59,61。
或者,模拟噪音数据也可以为:第二心率数据为:60,60,60,60,60,模拟噪音数据为60,61,63,59,61,对应的,第三心率数据为:60,61,63,59,61。此时,模拟噪音数据为模拟出的符合第二心率数据的噪音心率数据。
无论模拟噪音数据是指模拟出的符合第二心率数据的噪音心率数据,还是指符合被测对象的特征参数的噪音变化幅度数据,最终得到的第三心率数据都是具有变化幅度的心率数据,而非如心率传感器直接测得的平滑的数据,画成曲线后为平滑的曲线,使得最终得到的第三心率数据能够更符合实际心率数据,更接近通过心电图ECG设备获得的心率时域数据。
进一步的,第二确定单元43还用于:
确定被测对象的特征参数,依据预先存储的特征参数与模拟噪音对照数据确定被测对象的模拟噪音的变动范围;依据变动范围确定第二心率数据中任一时刻的模拟噪音数据;依据模拟噪音数据对第二心率数据进行噪音数据的还原,确定还原后的第三心率数据。
预先存储有特征参数与模拟噪音对照数据,其可具体为对照表,即针对不同类型的特征参数与模拟噪音数据的对照表,以及,不同数据的特征参数与模拟噪音数据的对照表。
例如:以性别为特征参数的,针对男性的模拟噪音数据以及针对女性的模拟噪音数据;以年龄为特征参数的,针对不同年龄段的模拟噪音数据;以年龄及性别为特征参数的模拟噪音数据。
其中特征参数与模拟噪音对照数据表中的模拟噪音的相关数据可以具体为模拟噪音的变动范围,即能够在第二心率数据的基础上调整的模拟噪音变动范围。
由于心率数据是一组连续的时域数据。由于人体心血管系统及神经控制系统的复杂性,在实际真实的心率时域数据中,任意两个连续的心率时域数据是相同的可能性是很低的,而心率传感器测得的心率时域数据则在一定的时间范围数值是可能相同的,而为了使心率传感器的数据更符合实际数据,则需要在第二心率数据的基础上增加模拟噪音数据,从而得到该组数据中任一时刻的经过模拟噪音还原的心率数据。
模拟噪音的变化数值是有一定的变化范围的,即噪音变动范围,其根据被测对象的特征参数确定,例如:年龄段为[50,60]的被测对象所对应的噪音变化幅度会比较小,如:[-1,+1],而年龄段为[20,30]的被测对象所对应的噪音变化幅度会比较大,如:[-3,+3];又如:女性的被测对象所对应的噪音变化幅度小于男性被测对象所对应的噪音阈值的变化幅度。
以上述年龄段为[20,30]的被测对象所对应的噪音变化幅度会比较大,如:[-3,+3]为例进行说明:
若被测对象的年龄段为[20,30],那么其噪音变化幅度为[-3,+3],若心率传感器检测到某一时间段内的第一心率数据为(60,60,60,60,60),经数据处理后第二心率数据为(60,60,60,60,60),由于噪音变化范围为[-3,+3],那么,模拟噪音数据可以为(0,3,1,-2,-1),对应的,第三心率数据为第二心率数据与模拟噪音数据相加得到的一组数据,即第三心率数据为(60,63,61,58,59)。
进一步的,第二心率数据中所有时刻对应的模拟噪音数据相加之和接近或等于0,任一时刻的模拟噪音数据是以该任一时刻的第二心率数据为基准确定的。
具体的,若在某一时刻第二心率数据为60,则第三心率数据是第二心率数据与模拟噪音数据相加的和,而模拟噪音数据的确定基准则是以该时刻第二心率数据,即某一时刻的模拟噪音数据为0,则该时刻的模拟噪音数据是在该时刻的第二心率数据的基础上确定的,即其相对于该时刻的第二心率数据是0;同样的,若某一时刻的模拟噪音数据为-1,则该时刻的模拟噪音数据是在该时刻的第二心率数据的基础上确定的,即其实际是相对于该时刻的第二心率数据为-1。
例如:第二心率数据中,某一时刻的心率数据为60,该时刻的模拟噪音数据为1,其相邻时刻的心率数据为70,该相邻时刻的模拟噪音数据为-3,则该某一时刻的第三心率数据为61,而其相邻时刻的第三心率数据为67,即模拟噪音数据是相对于该时刻的第二心率数据的数据,其仅与该时刻的第二心率数据相关。
另外,第二心率数据中所有时刻对应的模拟噪音数据相加之和接近或等于0,以避免一组数据中相邻或邻近的心率数据的变化幅度过大,导致数据异常的问题。即通过模拟噪音数据体现出心率数据的细微变化。
即以某一组模组噪音数据相加之和接近或等于0作为该组模拟噪音数据确定的依据。例如:第二心率数据为(60,60,60,60,60),噪音变动范围为[-3,+3],那么,模拟噪音数据可以为(-1,3,1,-2,-1),对应的,第三心率数据为第二心率数据与模拟噪音数据相加得到的一组数据,即第三心率数据为(59,63,61,58,59)。
另外,根据特征参数与模拟噪音对照数据确定的除模拟噪音的变动范围外,还可以确定均值、方差或数量等,那么,对照数据表中,与模拟噪音相关的数据,除变动范围外,还记载有均值、方差或数量等。
进一步的,本实施例公开的数据获取系统,还包括:第三确定单元,其中:
第三确定单元用于根据所述第三心率数据,通过功率谱估计确定自律神经动态平衡指标。
基于第二心率数据,通过模拟噪音数据获取第三心率数据,其中,第三心率数据为恢复或接近真实心率时域数据的心率变化数据,只有通过准确的心率时域数据才能对自律神经动态平衡指标的计算更准确。
其中,根据第三心率数据确定自律神经动态平衡指标之前,还需要对第三心率数据进行处理,如:进行等间隔取样,之后才进行平衡指标的确定,即并非采用全部的第三心率数据进行计算。
具体的,对获取的第三心率数据进行插值,使心率信号等间隔分布,其中,插值方法可以为线性插值或样条插值;由于信号分析时需要使用等间距的数据,因此对插值后的心率进行等间距取样,其中,取样周期可以为1秒或0.5秒。
根据脉冲响应与自回归AR模型系数导出AR模型的功率谱密度,功率谱密度曲线可以通过Burg法、Marple法等算法得到;获取LF与HF各自的积分值,并计算LF/(LF+HF)值。
进一步的,根据第三心率数据确定自律神经动态平衡指标,可以具体为:
根据第三心率数据,通过功率谱估计确定交感神经兴奋度以及副交感神经兴奋度,确定交感神经兴奋度与交感神经兴奋度及副交感神经兴奋度之和的比值,将该比值确定为自律神经动态平衡指标。
自律神经动态平衡指标由交感神经兴奋度及副交感神经兴奋度确定,具体的,其可以为交感神经兴奋度与副交感神经兴奋度的比值,但是该比值可能为任意数值,可能为很大的数值,也可能为很小的数值,不便于被测对象根据该数值对自身的身体状况进行判定。
为了便于被测对象直接根据该数值确定其自身的身体状况,可以将资料神经动态平衡指标调整为一个大于0且小于1的数值,通过该大于0且小于1的数值可清楚的看出该平衡指标处于什么数值范围。因此,将交感神经兴奋度作为分子,将交感神经兴奋度与副交感神经兴奋度相加的和作为分母,确定分子与分母的比值,便于观察。
另外,也可以将副交感神经兴奋度作为分子,将交感神经兴奋度与副交感神经兴奋度相加的和作为分母,确定分子与分母的比值。
本实施例公开的数据获取系统,通过心率传感器获取被测对象的第一心率数据,对第一心率数据进行数据处理,确定第二心率数据,依据被测对象的特征参数确定模拟噪音数据,根据模拟噪音数据对第二心率数据进行心率变动特征的还原,确定第三心率数据,根据第三心率数据,通过功率谱估计确定自律神经动态平衡指标。本方案通过在获取第一心率数据的过程中对第一心率数据进行了预处理,过滤了心率变动特征,根据被测对象的特征参数确定模拟噪音数据,并将模拟噪音数据与第二心率数据结合,得到添加了模拟噪音数据的第三心率数据,并依第三心率数据进行自律神经动态平衡指标的获取,实现了对通过传感器获取到的原始心率数据进行噪音过滤后,再添加符合条件的模拟噪音,使得进行指标计算的心率数据是符合实际心率数据的,从而实现由此计算出的平衡指标更准确,避免心率数据获取过程中由于过滤掉有用信息而导致由此计算出的平衡指标不准确的问题;同时实现了采用普通传感器以及在人体运动的条件下,或使用非时域的计算方式获取的心率数据也可通过模拟噪音数据得到准确的平衡指标,避免了采用心电图方式对平衡指标进行计算过程中心电图获取过程中用户体验低的问题。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种数据获取方法,其特征在于,包括:
通过心率传感器获取被测对象的第一心率数据;
对所述第一心率数据进行数据处理,确定第二心率数据;
依据所述被测对象的特征参数确定模拟噪音数据,根据所述模拟噪音数据对所述第二心率数据进行心率变动特征的还原,确定第三心率数据;其中,所述第二心率数据中所有时刻对应的模拟噪音数据相加之和接近或等于0;
根据所述第三心率数据,通过功率谱估计确定自律神经动态平衡指标;
其中,所述依据所述被测对象的特征参数确定模拟噪音数据,根据所述模拟噪音数据对所述第二心率数据进行心率变动特征的还原,确定第三心率数据,包括:
确定所述被测对象的特征参数;
依据预先存储的特征参数与模拟噪音对照数据确定所述被测对象的模拟噪音的变动范围;
依据所述变动范围确定所述第二心率数据中任一时刻的模拟噪音数据;
依据所述模拟噪音数据对所述第二心率数据进行心率变动特征的还原,确定还原后的第三心率数据。
2.根据权利要求1所述的方法,其特征在于,任一时刻的所述模拟噪音数据是以所述任一时刻的所述第二心率数据为基准确定的。
3.根据权利要求1所述的方法,其特征在于,所述被测对象的特征参数,包括:
所述被测对象的身体特征参数,其中,所述身体特征参数为能够对所述被测对象的心率数据造成影响的所述被测对象本身的身体特征参数。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第三心率数据,通过功率谱估计确定自律神经动态平衡指标,包括:
根据所述第三心率数据,通过功率谱估计确定交感神经兴奋度以及副交感神经兴奋度;
确定所述交感神经兴奋度与所述交感神经兴奋度及所述副交感神经兴奋度之和的比值,将所述比值确定为所述自律神经动态平衡指标。
5.根据权利要求1所述的方法,其特征在于,所述对所述第一心率数据进行数据处理,确定第二心率数据,包括:
对所述第一心率数据进行异常心率数据过滤处理,将经过所述异常心率数据过滤处理后剩余的数据确定为所述第二心率数据。
6.一种数据获取系统,其特征在于,包括:获取单元,第一确定单元,第二确定单元及第三确定单元,其中:
所述获取单元用于通过心率传感器获取被测对象的第一心率数据;
所述第一确定单元用于对所述第一心率数据进行数据处理,确定第二心率数据;
所述第二确定单元用于依据所述被测对象的特征参数确定模拟噪音数据,根据所述模拟噪音数据对所述第二心率数据进行心率变动特征的还原,确定第三心率数据;其中,所述第二心率数据中所有时刻对应的模拟噪音数据相加之和接近或等于0;
所述第三确定单元用于根据所述第三心率数据,通过功率谱估计确定自律神经动态平衡指标;
其中,所述第二确定单元具体用于:
确定所述被测对象的特征参数,依据预先存储的特征参数与模拟噪音对照数据确定所述被测对象的模拟噪音的变动范围;依据所述变动范围确定所述第二心率数据中任一时刻的模拟噪音数据;依据所述模拟噪音数据对所述第二心率数据进行心率变动特征的还原,确定还原后的第三心率数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911250418.7A CN112932424B (zh) | 2019-12-09 | 2019-12-09 | 一种数据获取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911250418.7A CN112932424B (zh) | 2019-12-09 | 2019-12-09 | 一种数据获取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112932424A CN112932424A (zh) | 2021-06-11 |
CN112932424B true CN112932424B (zh) | 2023-03-31 |
Family
ID=76226161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911250418.7A Active CN112932424B (zh) | 2019-12-09 | 2019-12-09 | 一种数据获取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112932424B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114209336A (zh) * | 2022-01-17 | 2022-03-22 | 武汉吉星医疗科技有限公司 | 基于心电图机的实时心率监控方法、系统及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1931088A (zh) * | 2006-09-29 | 2007-03-21 | 北京新兴阳升科技有限公司 | 血压监测仪的检测方法及柯氏音延时和脉搏波传导时间信号发生器 |
CN104706337A (zh) * | 2015-02-11 | 2015-06-17 | 华东师范大学 | 脉搏波波峰波谷自动检测方法 |
CN106137226A (zh) * | 2016-07-29 | 2016-11-23 | 华南理工大学 | 一种基于心源性呼吸信号的精神压力评估方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6339715B1 (en) * | 1999-09-30 | 2002-01-15 | Ob Scientific | Method and apparatus for processing a physiological signal |
JP4122003B2 (ja) * | 2003-05-07 | 2008-07-23 | 誠次郎 富田 | 心拍や呼吸等の生体信号の抽出法及び装置 |
CN1661617A (zh) * | 2004-02-23 | 2005-08-31 | 威今基因科技股份有限公司 | 自律神经的自动诊断方法及其装置 |
US9157727B2 (en) * | 2013-01-18 | 2015-10-13 | Kabushiki Kaisha Topcon | Image measuring method and image measuring apparatus |
US9986952B2 (en) * | 2013-03-14 | 2018-06-05 | Masimo Corporation | Heart sound simulator |
CN205568938U (zh) * | 2016-01-04 | 2016-09-14 | 深圳市洛书和科技发展有限公司 | 一种基于体表的无创人体健康综合检测系统 |
CN106202953B (zh) * | 2016-07-19 | 2019-07-02 | 北京心量科技有限公司 | 一种数据分析方法及系统 |
CN108937878B (zh) * | 2018-06-06 | 2020-10-02 | 北京邮电大学 | 一种脉搏波信号运动噪声消除的方法 |
CN109101910B (zh) * | 2018-07-31 | 2019-11-08 | 湖南师范大学 | 一种基于噪声甄别的大地电磁信号去噪方法 |
-
2019
- 2019-12-09 CN CN201911250418.7A patent/CN112932424B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1931088A (zh) * | 2006-09-29 | 2007-03-21 | 北京新兴阳升科技有限公司 | 血压监测仪的检测方法及柯氏音延时和脉搏波传导时间信号发生器 |
CN104706337A (zh) * | 2015-02-11 | 2015-06-17 | 华东师范大学 | 脉搏波波峰波谷自动检测方法 |
CN106137226A (zh) * | 2016-07-29 | 2016-11-23 | 华南理工大学 | 一种基于心源性呼吸信号的精神压力评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112932424A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9681814B2 (en) | Devices and methods for real-time denoising of electrocardiograms | |
KR100954817B1 (ko) | 맥파신호분석을 이용한 혈관건강 및 스트레스 검사시스템 및 방법 | |
CN107920758B (zh) | 用于确定血压值的方法、装置和计算机程序 | |
KR100493714B1 (ko) | 자율신경 검사장치 | |
EP3174458B1 (en) | Method and system for monitoring stress | |
JP6310401B2 (ja) | 生理的リズムを表す信号を処理する方法、システム及びコンピュータプログラム | |
JP2015521075A (ja) | 心臓信号からの呼吸速度の抽出 | |
JP5521906B2 (ja) | 血圧推定装置 | |
CN105705079A (zh) | 用于处理生理信号的设备、方法和系统 | |
EP3643227B1 (en) | Minimum heart rate value approximation | |
JP2010051387A (ja) | 睡眠呼吸障害の無呼吸発作又は低呼吸発作に伴うcvhrの検出装置 | |
KR101706197B1 (ko) | 압전센서를 이용한 폐쇄성수면무호흡 선별검사를 위한 장치 및 방법 | |
JP2006271474A (ja) | 睡眠状態推定装置 | |
CN112932424B (zh) | 一种数据获取方法及系统 | |
US10980485B2 (en) | Measuring apparatus, measuring method and non-transitory computer readable medium | |
Cabasson et al. | Estimation and modeling of QT-interval adaptation to heart rate changes | |
JP2008253727A (ja) | モニタ装置、モニタシステム及びモニタ方法 | |
CN116369888B (zh) | 一种非接触式心率变异性数据获取方法和装置 | |
KR102547325B1 (ko) | 연속혈당 측정기와 심전도 기반의 저혈당 예측 시스템 및 그 제어방법 | |
JP6557489B2 (ja) | 生体状態推定装置及びコンピュータプログラム | |
JP6468986B2 (ja) | ノイズ判定装置、方法、およびプログラム | |
JP2019051011A (ja) | 瞬時心拍の時系列データの補完装置、補完方法及びそのプログラム | |
JP3314521B2 (ja) | 心拍変動波形解析方法及び装置 | |
EP2938247B1 (en) | Method and apparatus for reducing motion artifacts in ecg signals | |
KR20100128100A (ko) | 심박 주기 검출 방법, 맥파를 이용한 감성 측정 장치 및 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |