CN113069091A - 一种ppg信号的脉象分类装置及方法 - Google Patents
一种ppg信号的脉象分类装置及方法 Download PDFInfo
- Publication number
- CN113069091A CN113069091A CN202110334984.7A CN202110334984A CN113069091A CN 113069091 A CN113069091 A CN 113069091A CN 202110334984 A CN202110334984 A CN 202110334984A CN 113069091 A CN113069091 A CN 113069091A
- Authority
- CN
- China
- Prior art keywords
- ppg signal
- pulse condition
- pulse
- value
- ppg
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000013186 photoplethysmography Methods 0.000 title description 56
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims description 15
- 230000024883 vasodilation Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 206010047141 Vasodilatation Diseases 0.000 claims description 6
- 210000004204 blood vessel Anatomy 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013145 classification model Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims 1
- 230000001568 sexual effect Effects 0.000 claims 1
- 239000003814 drug Substances 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 abstract description 2
- 230000001174 ascending effect Effects 0.000 description 5
- 230000002792 vascular Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 210000001367 artery Anatomy 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000036581 peripheral resistance Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000004301 Sinus Arrhythmia Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 210000003403 autonomic nervous system Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 230000001631 hypertensive effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 210000002321 radial artery Anatomy 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003845 vascular endothelial function Effects 0.000 description 1
- 230000008320 venous blood flow 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
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Cardiology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种PPG信号的脉象分类装置及方法,该装置包括:红外光发送与接收模块、信号处理模块以及微处理器,红外光发送与接收模块用于发送红外光并将其转换成PPG信号;信号处理模块对接收到的PPG信号进行滤波处理、消除伪差干扰及基线漂移;微处理器,用于对PPG信号进行脉象分类。分类方法步骤:1).将中医已定义好的四种脉象标准化,提取4类特征值;2).将接受到的PPG信号提取特征值,计算与四种标准脉象的偏差值;3).将4类特征值的偏差相加,取其中最小偏差;4).完成脉象分类得到结果。本发明能够简单便捷的对被测者脉象进行分类评估,测量准确性高,测量过程简单、方便,解决现有的方法存在着操作专业性强、价格昂贵等问题。
Description
技术领域
本发明涉及医学信号处理领域,具体是一种PPG信号的脉象分类装置及方法,可以对人体脉象进行简单分类。
背景技术
脉象是中医学的名词,指脉搏的形象与动态,一般分为浮、沉、迟、数四大类,脉象的形成与脏腑气血密切相关,因此在中医中,脉象的判别正确与否关系到进一步的诊断,对中医学至关重要。一般脉象的判别,都是通过具有丰富经验的老中医进行脉诊,判断脉象类别。
目前已经提出的基于PPG信号的血管评估方法有:
周丹等对脉搏信号进行短时傅立叶变换,然后通过奇异值分解提取特征参数,进而实现对吸毒者和正常人的分类识别。任亚莉等对脉搏信号进提取功率谱峰值、功率谱重心频率、小波熵和近似熵四种特征参量,利用主成分分析方法,并结合改进的线性判别分析法进行分类,实现了人体亚健康状态的识别。
Chowienczyk等利用PPG技术对高血压人群血管内皮功能的损害程度进行了评价,发现呼吸引起PPG信号频率变化源于呼吸窦性心律不齐。Alberto等通过分析ECG和PPG信号,对高压环境下人体自主神经系统的响应特征进行了分析。芦燕玲等对脉搏波传导速度与冠状动脉病变以及心血管系统健康状况之间的关联进行了研究,发现当脉搏波传导速度变大时,患有动脉硬化,血管状况变差的人大大增加,而当脉搏波传导速度变小时,心血管血管状况会有所好转,因此脉搏波传导速度目前也是评价血管动脉的“金指标”。
而在长期临床实践中脉诊也暴露出很多缺陷,首先中医脉诊用三根手指在人体桡动脉的寸、关、尺三部进行切脉,通过脉搏波的波动去反馈信息,因此就会受到很多主观臆断等影响。其次,脉诊技术大多由老中医所掌握,年轻医师掌握较差。最后,脉象的感受较为短暂,根本不能存储,深入研究。所以人们迫切的希望实现脉搏诊断的的科学与现代化,脉象的客观化研究已经迫在眉睫,实现脉诊客观化以及研究脉象的模式识别已经成为国内外专家比较关注的课题。因此,本发明针对上述现象,发明了一套能够简单快速准确判别脉象的装置及方法。
发明内容
本发明的目的在于提供一种PPG信号的脉象分类装置及方法,以克服现有技术中,分类速度慢,耗费成本大等问题。
为实现上述目的,本发明提供了一种PPG信号的脉象分类装置,包括信号采集模块、信号预处理模块和微处理器,其中,所述信号采集模块用于发送探测光并将其转换成PPG电信号;所述信号预处理模块用于接收PPG信号并对其进行滤波、消除伪差干扰及基线漂移;所述微处理器用于接收经滤波处理后的PPG信号数据,并对PPG信号进行脉象分类,根据分类方法获取分类结果。
进一步的,所述信号采集模块为红外光发送与接收模块,其中所用红外光的波段为:660nm的红光。
进一步的,所述脉象分类装置还包括电源模块和存储模块,所述电源模块用于为所述装置供电,所述存储模块与微处理器电性连接,用于存储脉象分类方法和脉象分类结果。
更进一步的,所述脉象分类装置还包括无线通信模块,所述无线通信模块用于将分类结果发送至显示器模块,所述显示器模块包括显示器以及移动智能终端的显示屏;所述微处理器还用于将分类结果发送至无线通讯模块。
一种PPG信号的脉象分类方法,包括以下步骤:
S1:PPG信号采集:通过脉象分类装置,采集被测者的PPG信号;
S2:PPG信号预处理:通过脉象分类装置对PPG信号进行预处理;
S3:特征点检测及提取:对采集得到的PPG信号提取4种特征值;
S4:计算偏差值:PPG信号提取特征值后,计算4种特征值与标准脉象的偏差值;
S5:取最小偏差:将4种特征值的偏差相加,取其中最小偏差;
S6:完成分类:完成对采集到的PPG信号的识别,输出脉象分类。
进一步的,步骤S2中,预处理的步骤为:用带通滤波器和陷波器对采集到的原始PPG信号进行滤波处理,滤除各种噪声信号,得到过滤后的PPG信号。
进一步的,步骤S3中,特征点检测及提取需构建脉象分类模型,对标准脉象和实际获得的PPG信号进行标准化处理,其中包括以下步骤:
A1:对标准4种脉象进行标准化处理,每一种获取32个特征点,再经过处理得到4种特征值:波峰值、波谷值、弹性指数、血管舒张指数;
A2:对实际获得的PPG信号进行标准化处理,获取32个特征点,再经过处理得到4种特征值:波峰值、波谷值、弹性指数、血管舒张指数;
波峰值、波谷值的提取依靠15个信号点,单一的提取峰值不够全面,因此提取波峰、波谷前后各7个点,与标准脉象的进行计算,大大减小人为地粗大误差影响。
进一步的,步骤S3中,4种特征值提取计算式为:
其中,Tpk表示采集到含波峰的PPG信号第k个点,
Tp8为波峰点,
Tapk为第一类(a)标准脉象信号含波峰的第k个点;
其中,Tgk表示采集到含有波谷的PPG信号第k个点,
Tg8为波谷点,
Tagk为第一类(a)标准脉象信号第k个点;
其中,H2即重搏波弹起的高度,H1主波高度;
其中,T1即波形上升到达主波波峰的时间,T即整个周期。
进一步的,步骤S5中,偏差值的计算式为:
偏差值计算则是计算待分类脉象与标准脉象的偏差,可以看出待分类脉象与上述四类差值,该计算方法简单迅速,准确率高,因此适用在系统中。
更进一步的,步骤S6中,完成分类需取偏差度最小,计算四种偏差度的总和,其计算公式为:
ηn=η1+η2+η3+η4,n=a,b,c,d,
取ηn最小值,n即为脉象分类的结果;
四种特征相加,特征越接近,则偏差值越小,所以取四种偏差值和最小的结果,便可以将待分类脉象归为其中,根据计算的结果选择,科学性高。
与现有技术相比,本发明的有益效果为:
本发明将红外光发送与接收模块接收的PPG信号数据,输入至预先构建的脉象分类模型中,利用微处理器中的分类方法获取测量对象的脉象分类结果,能够实现对人体PPG信号的精确采集和脉象分类,对被测者脉象进行分类评估,测量时间短、速度快、准确性高,测量过程简单、方便,解决现有的方法存在着操作专业性强、价格昂贵等问题,有效地提升了用户体验感。
附图说明
图1为本发明一种PPG信号的脉象分类装置的连接关系示意图;
图2为本发明一种PPG信号的脉象分类方法的步骤流程图。
具体实施方式
下为使本发明实施例的目的、技术方案和优点更加清楚,下面将对本发明实施例中的技术方案进行清楚、完整地描述。实施例中未注明具体条件者,按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者,均为可以通过市售购买获得的常规产品。
实施例:如图1所示,一种PPG信号的脉象分类装置,包括信号采集模块、信号预处理模块和微处理器,其中,信号采集模块用于发送探测光并将其转换成PPG电信号;信号预处理模块用于接收PPG信号并对其进行滤波、消除伪差干扰及基线漂移;微处理器用于接收经滤波处理后的PPG信号数据,并对PPG信号进行脉象分类,根据分类方法获取分类结果。
信号采集模块为红外光发送与接收模块,其中所用红外光的波段为:660nm的红光。
脉象分类装置还包括电源模块和存储模块,电源模块用于为装置供电,存储模块与微处理器电性连接,用于存储脉象分类方法和脉象分类结果。
脉象分类装置还包括无线通信模块,无线通信模块用于将分类结果发送至显示器模块,所述显示器模块包括显示器以及移动智能终端的显示屏;微处理器还用于将分类结果发送至无线通讯模块。
如图2所示,一种PPG信号的脉象分类方法,包括以下步骤:
S1:PPG信号采集:通过脉象分类装置,采集被测者的PPG信号;
S2:PPG信号预处理:通过脉象分类装置对PPG信号进行预处理;
S3:特征点检测及提取:对采集得到的PPG信号提取4种特征值;
S4:计算偏差值:PPG信号提取特征值后,计算4种特征值与标准脉象的偏差值;
S5:取最小偏差:将4种特征值的偏差相加,取其中最小偏差;
S6:完成分类:完成对采集到的PPG信号的识别,输出脉象分类。
步骤S2中,预处理的步骤为:用带通滤波器和陷波器对采集到的原始PPG信号进行滤波处理,滤除各种噪声信号,得到过滤后的PPG信号,采集所得PPG信号会受到噪声、基线漂移等影响,大部分PPG信号噪声都存在高频区域,因此使用带通滤波器去除频率在0.1-0.3Hz的噪声,以及使用陷波器消除50Hz的工频干扰。
步骤S3中,特征点检测及提取需构建脉象分类模型,对标准脉象和实际获得的PPG信号进行标准化处理,其中包括以下步骤:
A1:对标准4种脉象进行标准化处理,每一种获取32个特征点,再经过处理得到4种特征值:波峰值、波谷值、弹性指数、血管舒张指数;
A2:对实际获得的PPG信号进行标准化处理,获取32个特征点,再经过处理得到4种特征值:波峰值、波谷值、弹性指数、血管舒张指数。
步骤S3中,4种特征值提取计算式为:
其中,Tpk表示采集到含波峰的PPG信号第k个点,
Tp8为波峰点,
Tapk为第一类(a)标准脉象信号含波峰的第k个点;
其中,Tgk表示采集到含有波谷的PPG信号第k个点,
Tg8为波谷点,
Tagk为第一类(a)标准脉象信号第k个点;
其中,H2即重搏波弹起的高度,H1主波高度;
其中,T1即波形上升到达主波波峰的时间,T即整个周期。
根据血液动力学的研究,脉搏波的形成分为上升和下降两支,心室处于射血阶段时,波形呈稳定且快速的上升,且上升支所占整个脉搏周期的时间很短,波形上升的速度也与动脉壁弹性、心室射血能力和动脉阻力有关。如果上升分支斜率大,则心输出量大,射血速度快,外周阻力小。如果上升分支斜率小,则心输出量小,射血速度慢,外周阻力大。
因此波峰值反映了左心室射血功能和血管顺应性。
波谷形成的原理则是波形进入下降期,而之后到了心脏的舒张期,静脉血液回流,产生了缺口,缺口即为波谷,反映了血管壁阻力大小。
步骤S5中,偏差值的计算式为:
步骤S6中,完成分类需取偏差度最小,计算四种偏差度的总和,其计算公式为:
ηn=η1+η2+η3+η4,n=a,b,c,d,
取ηn最小值,n即为脉象分类的结果。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神和基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种PPG信号的脉象分类装置,其特征在于,包括信号采集模块、信号预处理模块和微处理器,其中,所述信号采集模块用于发送探测光并将其转换成PPG电信号;所述信号预处理模块用于接收PPG信号并对其进行滤波、消除伪差干扰及基线漂移;所述微处理器用于接收经滤波处理后的PPG信号数据,并对PPG信号进行脉象分类,根据分类方法获取分类结果。
2.根据权利要求1所述的一种PPG信号的脉象分类装置,其特征在于,所述信号采集模块为红外光发送与接收模块,其中所用红外光的波段为:660nm的红光。
3.根据权利要求1所述的一种PPG信号的脉象分类装置,其特征在于,所述脉象分类装置还包括电源模块和存储模块,所述电源模块用于为所述装置供电,所述存储模块与微处理器电性连接,用于存储脉象分类方法和脉象分类结果。
4.根据权利要求1所述的一种PPG信号的脉象分类装置,其特征在于,所述脉象分类装置还包括无线通信模块和显示器模块,所述无线通信模块用于将分类结果发送至显示器模块,所述显示器模块包括显示器以及移动智能终端的显示屏;所述微处理器还用于将分类结果发送至无线通讯模块。
5.一种PPG信号的脉象分类方法,其特征在于,包括以下步骤:
S1:PPG信号采集:通过脉象分类装置,采集被测者的PPG信号;
S2:PPG信号预处理:通过脉象分类装置对PPG信号进行预处理;
S3:特征点检测及提取:对采集得到的PPG信号提取4种特征值;
S4:计算偏差值:PPG信号提取特征值后,计算4种特征值与标准脉象的偏差值;
S5:取最小偏差:将4种特征值的偏差相加,取其中最小偏差;
S6:完成分类:完成对采集到的PPG信号的识别,输出脉象分类。
6.根据权利要求5所述的一种PPG信号的脉象分类方法,其特征在于,步骤S2中,预处理的步骤为:用带通滤波器和陷波器对采集到的原始PPG信号进行滤波处理,滤除各种噪声信号,得到过滤后的PPG信号。
7.根据权利要求5所述的一种PPG信号的脉象分类方法,其特征在于,步骤S3中,特征点检测及提取需构建脉象分类模型,对标准脉象和实际获得的PPG信号进行标准化处理,其中包括以下步骤:
A1:对标准4种脉象进行标准化处理,每一种获取32个特征点,再经过处理得到4种特征值:波峰值、波谷值、弹性指数、血管舒张指数;
A2:对实际获得的PPG信号进行标准化处理,获取32个特征点,再经过处理得到4种特征值:波峰值、波谷值、弹性指数、血管舒张指数。
10.根据权利要求5所述的一种PPG信号的脉象分类方法,其特征在于,步骤S6中,完成分类需取偏差度最小,计算四种偏差度的总和,其计算公式为:
ηn=η1+η2+η3+η4,n=a,b,c,d,
取ηn最小值,n即为脉象分类的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110334984.7A CN113069091A (zh) | 2021-03-29 | 2021-03-29 | 一种ppg信号的脉象分类装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110334984.7A CN113069091A (zh) | 2021-03-29 | 2021-03-29 | 一种ppg信号的脉象分类装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113069091A true CN113069091A (zh) | 2021-07-06 |
Family
ID=76611160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110334984.7A Pending CN113069091A (zh) | 2021-03-29 | 2021-03-29 | 一种ppg信号的脉象分类装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113069091A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114027804A (zh) * | 2021-12-03 | 2022-02-11 | 科思技术(温州)研究院 | 一种脉象诊断的方法、装置及可读存储介质 |
CN114916910A (zh) * | 2022-04-29 | 2022-08-19 | 无锡市华焯光电科技有限公司 | 脉象分类方法、分类模型训练方法、分类设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7430446B2 (en) * | 2005-01-20 | 2008-09-30 | Cardiac Pacemakers, Inc. | Methods and apparatuses for cardiac arrhythmia classification using morphology stability |
CN101668476A (zh) * | 2007-03-14 | 2010-03-10 | 韩国韩医学研究院 | 虚脉和实脉的诊断系统 |
US20120310100A1 (en) * | 2011-05-31 | 2012-12-06 | Nellcor Puritan Bennett Ireland | Systems And Methods For Detecting And Monitoring Arrhythmias Using the PPG |
US20160338603A1 (en) * | 2014-02-13 | 2016-11-24 | Fujitsu Limited | Signal processing device, signal processing method, and computer-readable recording medium |
-
2021
- 2021-03-29 CN CN202110334984.7A patent/CN113069091A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7430446B2 (en) * | 2005-01-20 | 2008-09-30 | Cardiac Pacemakers, Inc. | Methods and apparatuses for cardiac arrhythmia classification using morphology stability |
CN101668476A (zh) * | 2007-03-14 | 2010-03-10 | 韩国韩医学研究院 | 虚脉和实脉的诊断系统 |
US20120310100A1 (en) * | 2011-05-31 | 2012-12-06 | Nellcor Puritan Bennett Ireland | Systems And Methods For Detecting And Monitoring Arrhythmias Using the PPG |
US20160338603A1 (en) * | 2014-02-13 | 2016-11-24 | Fujitsu Limited | Signal processing device, signal processing method, and computer-readable recording medium |
Non-Patent Citations (2)
Title |
---|
张兴: "《光电容积脉搏信号特征提取与分类识别研究》", 《信息科技辑》 * |
张兴: "《光电容积脉搏信号特征提取与分类识别研究》", 《信息科技辑》, 30 June 2019 (2019-06-30), pages 136 - 29 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114027804A (zh) * | 2021-12-03 | 2022-02-11 | 科思技术(温州)研究院 | 一种脉象诊断的方法、装置及可读存储介质 |
CN114916910A (zh) * | 2022-04-29 | 2022-08-19 | 无锡市华焯光电科技有限公司 | 脉象分类方法、分类模型训练方法、分类设备和存储介质 |
CN114916910B (zh) * | 2022-04-29 | 2024-04-09 | 无锡市华焯光电科技有限公司 | 脉象分类方法、分类模型训练方法、分类设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109276241B (zh) | 一种压力识别方法及设备 | |
CN107569226B (zh) | 基于压电传感获取hrv的方法及应用 | |
WO2018107915A1 (zh) | 一种基于时序分析的通用无创血糖预测方法 | |
CN101732040B (zh) | 一种无创多路脉搏波检测方法 | |
Belgacem et al. | ECG based human authentication using wavelets and random forests | |
CN104173043B (zh) | 一种适合于移动平台的心电数据分析方法 | |
WO2017024457A1 (zh) | 连续血压测量装置、测量模型建立方法和系统 | |
CN204931634U (zh) | 基于生理信息的抑郁症评估系统 | |
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 | |
CN108095708A (zh) | 一种基于混合传感的生理监测及分析方法、系统 | |
CN108992053B (zh) | 一种实时的无束缚检测心率和心跳间隔的方法 | |
TW201019898A (en) | Method and apparatus for presenting heart rate variability by sound and/or light | |
CN105193423A (zh) | 无创血糖检测方法、装置及系统 | |
CN110074765A (zh) | 一种sahs筛查及睡眠分期的判别方法 | |
CN112089405B (zh) | 一种脉搏波特征参数测量及显示装置 | |
CN109793507A (zh) | 一种基于手指压力示波法的无袖套血压测量装置及测量方法 | |
CN113069091A (zh) | 一种ppg信号的脉象分类装置及方法 | |
CN112294264A (zh) | 一种基于bcg与血氧饱和率的睡眠分期方法 | |
CN112274120B (zh) | 一种基于单路脉搏波的无创动脉硬化检测方法、装置 | |
CN115211858A (zh) | 一种基于深度学习的情绪识别方法、系统及可存储介质 | |
CN111839488A (zh) | 基于脉搏波的无创连续血压测量装置和方法 | |
Benchekroun et al. | Comparison of Stress Detection through ECG and PPG signals using a Random Forest-based Algorithm | |
Gupta et al. | In-vivo estimation of glucose level using PPG signal | |
CN109036552A (zh) | 中医诊断终端及其存储介质 | |
CN114145725B (zh) | 一种基于无创连续血压测量的ppg采样率估算方法 |
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 |
Application publication date: 20210706 |
|
RJ01 | Rejection of invention patent application after publication |