CN113100727B - 实时分析识别脉搏波峰的方法 - Google Patents
实时分析识别脉搏波峰的方法 Download PDFInfo
- Publication number
- CN113100727B CN113100727B CN202110515905.2A CN202110515905A CN113100727B CN 113100727 B CN113100727 B CN 113100727B CN 202110515905 A CN202110515905 A CN 202110515905A CN 113100727 B CN113100727 B CN 113100727B
- Authority
- CN
- China
- Prior art keywords
- time point
- current time
- pulse
- value
- wave
- 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
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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明实施例提供了一种实时分析识别脉搏波峰的方法,包括如下步骤:实时获取脉搏数据;实时获取脉搏数据;实时分析并确定脉搏波峰。本发明提供的实时分析识别脉搏波峰的方法,可通过差值、波峰阈值及波谷阈值实时快速确定波峰段,并通过波峰段的最大脉搏强度值实时确定最近的脉搏波峰,获取脉搏波峰数据,时效快,实时性好,实用性强。
Description
技术领域
本发明涉及脉搏分析技术领域,特别是涉及一种实时分析识别脉搏波峰的方法。
背景技术
在医疗领域,一些情况下如测量人体血压、血氧,均需要采集到人体的脉搏数据,并对脉搏数据进行分析,获得脉搏的波峰,才能计算出血压、血氧等数据。
目前在脉搏波峰的识别中,常见的方法有:斜率阈值法,小波变换,峰高比和拟合手腕脉搏信号的高斯模型的方法。这些方法均需要预先采集大量的脉搏数据,并利用采集的脉搏数据构建训练样本,然后利用训练样本训练高斯模型。由于测量过程中存在不可避免的扰动和噪声干扰,以及测量本身方法的缺陷,目前的脉搏波峰识别方法普遍存在偏差,而且这些方法需要预先采集大量的脉搏数据训练模型,需要耗费大量的时间,实时性不好。
发明内容
本发明实施例的目的在于提供一种实时分析识别脉搏波峰的方法,以在提高识别脉搏波峰的准确性的基础上,实时地确定脉搏波峰。具体技术方案如下:
本发明实施例提供了一种实时分析识别脉搏波峰的方法,包括如下步骤:
实时获取脉搏数据;所述脉搏数据包括脉搏强度值,以及该脉搏强度值所对应的时间点;
实时对脉搏强度值进行差值处理;
实时分析并确定脉搏波峰;
所述实时对脉搏强度值进行差值处理包括如下步骤:
计算当前时间点的脉搏强度值的移动平均值;
将当前时间点的脉搏强度值与其移动平均值的差作为当前时间点的差值;
所述实时分析并确定脉搏波峰包括如下步骤:
确定并实时更新当前时间点对应的最大脉搏强度值;
确定并实时更新当前时间点对应的最小差值及最大差值;
根据当前时间点对应的最大差值确定并实时更新当前时间点对应的波峰阈值,根据当前时间对应的最小差值确定并实时更新当前时间点对应的波谷阈值;所述波峰阈值为最大差值与第一预设系数的乘积;所述波谷阈值为最小差值与第二预设系数的乘积;所述第一预设系数及第二预设系数均为小于1的正数;
根据当前时间点的差值、当前时间点对应的波峰阈值及当前时间点对应的波谷阈值,确定当前时间点的脉搏强度值对应的波段状态;所述波段状态包括波峰段和波谷段;
根据波峰段的最大脉搏强度值实时确定脉搏波峰数据。
可选的,所述计算当前时间点的脉搏强度值的移动平均值的方法包括:
设计算脉搏强度值的移动平均值所需的脉搏数据的数量为C,当前采集到的脉搏数据的数量为c;
当c<C时,获取当前时间点的脉搏强度值以及距离当前时间点最近的之前连续c-1个时间点对应的脉搏强度值,通过公式二计算包含当前时间点的c个连续脉搏强度值的平均值作为当前时间点的脉搏强度值的移动平均值;
所述公式二为:avg=(c1+c2+c3+...+cc)/c;
当c≥C时,获取当前时间点的脉搏强度值以及距离当前时间点最近的之前连续C-1个时间点对应的脉搏强度值,通过公式三计算包含当前时间点的C个连续脉搏强度值的平均值作为当前时间点的脉搏强度值的移动平均值;
所述公式三为:avg=(cc-C+1+...+cc-2+cc-1+cc)/C。
可选的,所述C的取值范围为:C>4。
可选的,所述第一预设系数的取值范围为1/3~2/3;所述第二预设系数的取值范围为1/3~2/3。
可选的,所述确定并实时更新当前时间点对应的最大脉搏强度值的方法包括:
若当前时间点的脉搏强度值大于当前时间点所对应的最大脉搏强度值,则将当前时间点所对应的最大脉搏强度值的值更新为当前时间点的脉搏强度值。
可选的,所述确定并实时更新当前时间点对应的最小差值及最大差值的方法包括:
若当前时间点的差值小于等于当前时间点所对应的最小差值,则将当前时间点所对应的最小差值的值更新为当前时间点的差值;
若当前时间点的差值大于等于当前时间点所对应的最大差值,则将当前时间点所对应的最大差值的值更新为当前时间点的差值。
可选的,所述确定当前时间点的脉搏强度值对应的波段状态的方法包括:
若当前时间点的上一个时间点的差值大于等于波谷阈值,且当前时间点的差值小于波谷阈值,则确定当前时间点的脉搏强度值所处的波段状态为波谷段;
若当前时间点的上一个时间点的差值小于等于波峰阈值,且当前时间点的差值大于波峰阈值,则确定当前时间点的脉搏强度值所处的波段状态为波峰段。
可选的,所述实时确定脉搏波峰数据的方法包括:
当脉搏波由前一波峰段转入当前波谷段时,前一波峰段的最大脉搏强度值即为当前最近的脉搏波峰的脉搏强度值,前一波峰段的最大脉搏强度值所对应的时间点即为当前最近的波峰位置。
可选的,所述实时分析并确定脉搏波峰还包括如下步骤:
若当前时间点的脉搏强度值的波段状态为从其他波段状态转变为波谷段时,更新当前时间点所对应的波峰阈值,同时重置当前时间点所对应的最小差值;
若当前时间点的脉搏强度值的波段状态为从其他波段状态转变为波峰段时,更新当前时间点所对应的波谷阈值,同时重置当前时间点所对应的最大差值;
若当前时间点的脉搏强度值的波段状态为从其他波段状态转变为波峰段时,重置当前时间点所对应的最大脉搏强度值。
可选的,所述实时分析识别脉搏波峰的方法还包括如下步骤:
预设初始化时间段;
判断当前时间点是否在初始化时间段之内:
若当前时间点在初始化时间段之内,进行预处理;
若当前时间点不在初始化时间段之内,实时分析并确定脉搏波峰;
所述预处理包括:
初始化最大差值及最小差值;
初始化最大脉搏强度值;
初始化波峰阈值及波谷阈值;
初始化波段状态。
本发明提供的实时分析识别脉搏波峰的方法,通过将脉搏波差值处理,并通过最大差值及最小差值设置波峰阈值及波谷阈值,实现对脉搏数据的有效实时分析,无需预先采集脉搏数据训练模型,有效提高脉搏波峰识别的实时性及准确性。
本发明方法通过差值变换,可以将脉搏波整形到沿X轴行进并同时在Y轴方向上下波动的差值波,为后续分析提供方便;本发明方法通过设置波峰阈值、波谷阈值及最大脉搏值并实时更新,使波峰阈值、波谷阈值及最大脉搏值能够随脉搏波的变化同步进行实时变化,进而准确实时确定脉搏波峰数据,避免因脉搏波形变化产生的遗漏。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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为本发明实施例提供的实时分析识别脉搏波峰的方法的整体流程示意图。
图2为本发明实施例提供的实时分析并确定脉搏波峰的流程示意图。
图3为本发明实施例提供的一段脉搏波的示意图。
图4为对图3中脉搏波进行差值处理后形成的差值变换示意图。
图5为本发明实施例提供的于差值变换图中限定出波峰阈值及波谷阈值的示意图。
图6为本发明实施例提供的识别脉搏波峰的局部示意图。
具体实施方式
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,所描述的实施例仅仅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,都属于本发明保护的范围。
为了在提高识别脉搏波峰的准确性的基础上,实时地确定脉搏波峰,本发明实施例提供了一种实时分析识别脉搏波峰的方法,本发明实施例可以在采集脉搏数据的同时,对采集的脉搏数据进行脉搏波峰的实时分析。
如图1所示,所述实时分析识别脉搏波峰的方法包括如下步骤:
101,实时获取脉搏数据;所述脉搏数据包括脉搏强度值,以及该脉搏强度值所对应的时间点;
102,实时对脉搏强度值进行差值处理;
103,判断当前时间点是否在初始化时间段之内:
104,预处理:若当前时间点在初始化时间段之内,进行预处理:
105,实时分析并确定脉搏波峰:若当前时间点不在初始化时间段之内,实时分析并确定脉搏波峰。
在本发明实施例中,为便于理解,设脉搏强度值为heart,时间点为tick。从采集脉搏信号开始,按预设频率将每个脉搏数据一一进行记录,每一个脉搏数据均包括一个脉搏强度值heart及一个时间点tick。请参考图3,图3为一段脉搏信号采样图,包括由多个脉搏数据构成的脉搏波;其中,横坐标代表脉搏的位置,即采集的时间点tick,纵坐标代表脉搏强度,即采集的时间点tick所对应的脉搏强度值heart。本实施例中,所述时间点tick的单位为厘秒,所述脉搏数据的采集频率设置为100次/秒,也就是每1/100秒采集一次脉搏数据,每1秒采集100个脉搏数据。使用本发明的方法可在采集脉搏数据的同时,对每个时间点的脉搏强度值进行实时分析,进而实时获得脉搏波峰数据。
所述实时对脉搏强度值进行差值处理具体包括如下步骤:
计算当前时间点的脉搏强度值的移动平均值;
计算当前时间点的差值:将当前时间点的脉搏强度值与其移动平均值的差作为当前时间点的差值,所述差值特指脉搏强度值的差值,通过差值处理,将脉搏波整形成沿X轴行进并同时在Y轴方向上下波动的差值波。
本发明实施例中,通过公式一计算当前时间点的脉搏强度值的差值,公式一为:diff=heart-avg,其中diff为当前时间点的脉搏强度值的差值,heart为当前时间点的脉搏强度值,avg为当前时间点的脉搏强度值的移动平均值。如图4所示,通过计算当前时间点的脉搏强度值与其移动平均值的差确定当前时间点的脉搏强度值的差值,实时对每一个时间点的脉搏强度值进行差值处理,通过差值变换,将脉搏波整形成沿X轴行进并同时在Y轴方向上下波动的差值波,进而为后续的脉搏分析提供方便。
进一步地,所述计算当前时间点的脉搏强度值的移动平均值的方法包括如下步骤:
设计算脉搏强度值的移动平均值所需的脉搏数据的数量为C,当前采集到的脉搏数据的数量为count(为便于描述,在后文中将“count”简写为“c”);
预先设置计算脉搏强度值的移动平均值所需的脉搏数据的数量C;
当当前采集到的脉搏数据的数量小于预设的计算脉搏强度值的移动平均值所需的脉搏数据的数量,即当c<C时,获取当前时间点的脉搏强度值以及距离当前时间点最近的之前连续c-1个时间点对应的脉搏强度值,通过公式二计算包含当前时间点的c个连续脉搏强度值的平均值作为当前时间点的脉搏强度值的移动平均值;
所述公式二为:avg=(c1+c2+c3+...+cc)/c;
其中,“c1+c2+c3+...+cc”为当前采集到的包含当前时间点的c个连续脉搏强度值;
当当前采集到的脉搏数据的数量大于等于预设的计算脉搏强度值的移动平均值所需的脉搏数据的数量,即当c≥C时,获取当前时间点的脉搏强度值以及距离当前时间点最近的之前连续C-1个时间点对应的脉搏强度值,通过公式三计算包含当前时间点的C个连续脉搏强度值的平均值作为当前时间点的脉搏强度值的移动平均值;
所述公式三为:avg=(cc-C+1+...+cc-2+cc-1+cc)/C;
其中,“cc-C+1+...+cc-2+cc-1+cc”为当前采集到的包含当前时间点的C个连续脉搏强度值。
本发明实施例中,所述C的取值通常要大于4,即C>4。比如,在其中的一个实施例中,所述C=8;
若当前采集到的脉搏数据的个数c=7,该7个脉搏数据中的脉搏强度值按获取的先后顺序排列分别为c1、c2、c3、c4、c5、c6、c7,其中,c7为当前时间点的脉搏强度值,c1、c2、c3、c4、c5、c6为距离当前时间点最近的之前连续c-1个时间点对应的脉搏强度值,则该共计7个脉搏强度值的移动平均值的计算公式为:avg=(c1+c2+c3+c4+c5+c6+c7)/7,通过该公式计算出的结果即设为当前时间点的脉搏强度值的移动平均值;
若当前采集到的脉搏数据的个数c=10,该10个脉搏数据中的脉搏强度值按获取的先后顺序排列分别为c1、c2、c3、c4、c5、c6、c7、c8、c9、c10,其中,c10为当前时间点的脉搏强度值,c3、c4、c5、c6、c7、c8、c9为距离当前时间点最近的之前连续C-1个时间点对应的脉搏强度值,则该共计8个脉搏强度值的移动平均值的计算公式为:avg=(c3+c4+c5+c6+c7+c8+c9+c10)/8,通过该公式计算出的结果即设为当前时间点的脉搏强度值的移动平均值。
本发明方法预设有初始阈值时间点T,本发明实施例中,在所述初始阈值时间点T之内(本发明实施例中所述的“在初始阈值时间点T之内”均包括初始阈值时间点T)的时间点为初始化时间段,也即所述初始化时间段的截止时间点为T;若当前时间点tick小于等于初始阈值时间点T,即当前tick≤T,表示当前时间点在初始化时间段,则进行预处理;若当前时间点tick大于初始阈值时间点T,即当前tick>T,表示当前时间点不在初始化时间段,则实时分析并确定脉搏波峰。所述初始化时间段的时长可设置为一个心跳的时长,本发明实施例中,所述初始阈值时间点T优选设置为200,也即表示所述初始化时间段的总共时长为200厘秒,即2秒钟,也就是一般心脏跳动一次的间隔时长。
所述预处理主要功能是初始化相关数值,包括如下步骤:
初始化最大差值及最小差值;
初始化最大脉搏强度值;
初始化波峰阈值及波谷阈值;
初始化波段状态。
所述初始化最大差值及最小差值主要是确定最大差值及最小差值的初始值。具体地,设最大差值为diff_max,最小差值为diff_min,所述最大差值为某一时间段内的所有差值中的最大值,所述最小差值为某一时间段内的所有差值中的最小值。在初始化时间段,将最大差值的初始值设置为初始化时间段内所有差值中的最大值,将最小差值的初始值设置为初始化时间段内所有差值中的最小值;即,记录初始的最大差值diff_max的值为初始阈值时间点T之内计算得到的最大的差值diff;记录初始的最小差值diff_min的值为初始阈值时间点T之内计算得到的最小的差值diff。当然,在本发明的另一些实施例中,所述最大差值及最小差值的初始值可均设置为零,并在在初始化时间段内,在实时获取脉搏数据的同时,实时确定并更新当前时间点的最大差值及最小差值。
所述初始化最大脉搏强度值的目的是设置最大脉搏强度值的初始值。设最大脉搏强度值为heart_max,其所对应的时间点为tick_max。在初始化时间段,将最大脉搏强度值的初始值设置为0;优选地,本发明实施例中,当当前时间点tick等于初始阈值时间点T时,将最大脉搏强度值的初始值设置为0,其对应的时间点tick_max的初始值也设为0。本发明实施例在当前时间点tick小于初始阈值时间点T时,不对最大脉搏强度值及其对应的时间点进行记录与处理,以减轻数据统计的负担。
所述初始化波峰阈值及波谷阈值的主要目的是设置波峰阈值及波谷阈值的计算方式及起算点。在初始化时间段,根据最大差值的初始值设置波峰阈值,根据最小差值的初始值设置波谷阈值。
本发明实施例中,所述波峰阈值为最大差值与第一预设系数的乘积;所述波谷阈值为最小差值与第二预设系数的乘积;具体地,设波峰阈值为high,波谷阈值为low,第一预设系数为c_high,第二预设系数为c_low;
所述波峰阈值high的计算公式为:high=c_high×diff_max;
所述波谷阈值low的计算公式为:low=c_low×diff_min;
其中,所述第一预设系数及第二预设系数均为小于1的正数。
本发明实施例中,所述第一预设系数的取值范围优选设置为1/3~2/3,如将所述第一预设系数设置为1/2;所述第二预设系数的取值范围优选设置为1/3~2/3,如将所述第二预设系数设置为1/2。
在初始化时间段,设置波峰阈值为最大差值的初始值与第一预设系数的乘积,设置波谷阈值为最小差值的初始值与第二预设系数的乘积;优选地,本发明实施例中,当当前时间点等于初始阈值时间点T时,根据最大差值的初始值设置波峰阈值,根据最小差值的初始值设置波谷阈值;在当前时间点tick小于初始阈值时间点T时,可不对波峰阈值及波谷阈值进行设置。
所述初始化波段状态的主要目的是设置初始化时间段脉搏波的波段状态。本发明实施例中,所述脉搏波的波段状态包括初始段、波峰段及波谷段,将初始化时间段的波段状态设置为初始段。具体地,设所述波段状态为status,所述初始段为“无”,当所述波段状态status显示为“无”时,表示当前所处的波段状态为初始段。优选地,当当前时间点等于初始阈值时间点T时,设置所述波段状态并将波段状态设置为初始段,即在前时间点等于初始阈值时间点T时设置初始化时间段的波段状态status为无。
可以理解地,作为又一种实施方式,所述初始化时间段也可不包括初始阈值时间点T,即:当当前时间点等于初始阈值时间点T时即进入实时分析并确定脉搏波峰的步骤,而所述初始阈值时间点T也可设置为其他适合的数值。
所述实时分析并确定脉搏波峰包括如下步骤:
确定并实时更新当前时间点对应的最大脉搏强度值;
确定并实时更新当前时间点对应的最小差值及最大差值;
确定并实时更新当前时间点对应的波峰阈值及波谷阈值:根据当前时间点对应的最大差值确定并实时更新当前时间点对应的波峰阈值,根据当前时间对应的最小差值确定并实时更新当前时间点对应的波谷阈值;
确定当前时间点的脉搏强度值对应的波段状态:根据当前时间点的差值、当前时间点对应的波峰阈值及当前时间点对应的波谷阈值,确定当前时间点的脉搏强度值所对应的波段状态;其中,所述波段状态包括波峰段和波谷段;
实时确定脉搏波峰数据:根据波峰段的最大脉搏强度值实时确定脉搏波峰数据。
本发明实施例中,某一时间段的多个连续时间点所对应的最大脉搏强度值为同一个最大脉搏强度值;同样,某一时间段的多个连续时间点所对应的最大差值为同一个最大差值,某一时间段的多个连续时间点所对应的最小差值为同一个最小差值,某一时间段的多个连续时间点所对应的波峰阈值为同一个波峰阈值,某一时间段的多个连续时间点所对应的波谷阈值为同一个波谷阈值。基于此,为确保脉搏波峰数据确定的准确性,需要实时确定并更新上述数值。
所述确定并实时更新当前时间点对应的最大脉搏强度值也即附图2中所指的“更新heart_max与tick_max”,具体理解为确定并实时更新当前时间点所对应的最大脉搏强度值heart_max及其对应的时间点tick_max的值,其具体方法包括:
若当前时间点的脉搏强度值大于当前时间点所对应的最大脉搏强度值,则将当前时间点所对应的最大脉搏强度值的值更新为当前时间点的脉搏强度值,即:若当前时间点的heart≥heart_max,则将heart_max的值更新为当前时间点的heart,并且将tick_max的值更新为当前时间点的heart所对应的时间点tick。
所述确定并实时更新当前时间点对应的最小差值及最大差值也即附图2中所指的“更新diff_min与diff_max”,其具体方法包括:
若当前时间点的差值小于等于当前时间点所对应的最小差值,则将当前时间点所对应的最小差值的值更新为当前时间点的差值,即:若当前时间点的diff≤diff_min,则将diff_min的值更新为当前时间点的diff;此时,当前时间点所对应的最大差值不变动,即diff_max的值保持不变;
若当前时间点的差值大于等于当前时间点所对应的最大差值,则将当前时间点所对应的最大差值的值更新为当前时间点的差值,即:若当前时间点的diff≥diff_max,则将diff_max的值更新为当前时间点的diff;此时,当前时间点所对应的最小差值不变动,即diff_min的值保持不变。
所述确定并实时更新当前时间点对应的波峰阈值和波谷阈值的具体方法包括:
根据当前时间点对应的最大差值确定并实时更新当前时间点对应的波峰阈值;所述当前时间点对应的波峰阈值为当前时间点对应的最大差值与第一预设系数的乘积;
根据当前时间对应的最小差值确定并实时更新当前时间点对应的波谷阈值;所述当前时间点对应的波谷阈值为当前时间点对应的最小差值与第二预设系数的乘积。
所述确定当前时间点的脉搏强度值对应的波段状态也即附图2中所指的“通过差值diff计算status”,具体方法包括:
若当前时间点的上一个时间点的差值大于等于波谷阈值,且当前时间点的差值小于波谷阈值,则确定当前时间点的脉搏强度值所处的脉搏波的波段状态为波谷段;即:若当前时间点的上一个时间点的diff≥low,且当前时间点的diff<low,则status设为“波谷段”;
若当前时间点的上一个时间点的差值小于等于波峰阈值,且当前时间点的差值大于波峰阈值,则确定当前时间点的脉搏强度值所处的脉搏波的波段状态为波峰段;即:若当前时间点的上一个时间点的diff≤high,且当前时间点的diff>high,则status设为“波峰段”;
否则,当前时间点的脉搏强度值所处的波段状态与前一时间点的脉搏强度值所处的波段状态相同,也即若为其他情况,则波段状态不变。
当确定当前时间点的脉搏强度值所处的脉搏波的波段状态为波谷段或者为波段状态不变时,结束本次数据处理,进而继续对后续的数据进行实时分析。
所述实时确定脉搏波峰数据是一个实时分析返回最近的脉搏波峰位置并提取脉搏波峰数据的过程,也即附图2中所指的“设置波峰位置P与脉搏强度值V”、“输出P与V”,具体方法如下:
设脉搏波峰位置为P,脉搏波峰的脉搏强度值为V;
当脉搏波由前一波峰段转入当前波谷段时,前一波峰段的最大脉搏强度值即为当前最近的脉搏波峰的脉搏强度值,前一波峰段的最大脉搏强度值所对应的时间点即为当前最近的波峰位置;
输出脉搏波峰数据P和V,即实现对当前最近的脉搏波峰数据的记录,通过重复实时地对当前最近的脉搏波峰的确定及数据的输出,即实现对脉搏波峰的实时获取。
由于脉搏波波动较大,时高时低,且变化无规则,如附图6中所示的波峰,由于后几个波峰较之前的波峰的脉搏强度值低,如果相关数值不可变化未实现调整,可能就无法准确的识别出每一个脉搏波峰,进而造成脉搏波峰识别的遗漏。为更准确的确定波峰段,避免波峰识别的遗漏与错误,所述实时分析并确定脉搏波峰还包括如下步骤:
若当前时间点的脉搏强度值的波段状态为从其他波段状态转变为波谷段时,更新当前时间点所对应的波峰阈值,同时重置当前时间点所对应的最小差值;所述更新当前时间点所对应的波峰阈值指的是根据当前时间点所对应的最大差值重新计算波峰阈值;所述重置当前时间点所对应的最小差值指的是,将当前时间点对应的最小差值的值更新为当前时间点的差值;即:如果status为从其他波段状态转变为波谷段,根据公式high=c_high×diff_max重新计算当前时间点所对应的波峰阈值high;同时,将当前时间点对应的diff_min的值更新为当前时间点的差值diff;
若当前时间点的脉搏强度值的波段状态为从其他波段状态转变为波峰段时,更新当前时间点所对应的波谷阈值,同时重置当前时间点所对应的最大差值;所述更新当前时间点所对应的波谷阈值指的是根据当前时间点所对应的最小差值重新计算波谷阈值;所述重置当前时间点所对应的最大差值指的是,将当前时间点对应的最大差值的值更新为当前时间点的差值;即,如果status为从其他状态转变为波峰段,根据公式low=c_low×diff_min重新计算当前时间点所对应的波谷阈值low;同时,将当前时间点对应的diff_max的值更新为当前时间点的差值diff;
若当前时间点的脉搏强度值的波段状态为从其他波段状态转变为波峰段时,重置当前时间点所对应的最大脉搏强度值;所述重置当前时间点所对应的最大脉搏强度差值指的是将当前时间点对应的最大脉搏强度值的值更新为当前时间点的脉搏强度值;即,如果status为从其他状态变为波峰段,重置heart_max及tick_max,即:将当前时间点所对应的heart_max设为当前时间点的heart,并相应地将tick_max设置为当前时间点tick。
在本发明的另一些实施例中,重置当前时间点所对应的最小差值、重置当前时间点所对应的最大差值以及重置当前时间点所对应的最大脉搏强度值,也可以是将上述值重置为0,然后重新获取或计算并记录新的实时数据。
本发明实施例通过在波段状态进行转变时,根据转入的波段状态更新波峰阈值或波谷阈值,并同时重置当前时间点所对应的最小差值或最大差值,使最小差值与最大差值的实时确定更准确,进而保证波峰阈值与波谷阈值的准确性与实时性;同时,在波段状态转变为波峰段时重置最大脉搏强度值,确保最大脉搏强度值的实时性,进而确保脉搏波峰确定的准确性。
请参考附图5~6,在附图5~6中,heart线表示脉搏强度值,heart_max线表示最大脉搏强度值,diff线表示差值,diff_max线表示最大差值,diff_min表示最小差值,high线表示波峰阈值,low线表示波谷阈值,status线表示波段状态。所述“波峰段”指的是差值波diff线向上超过波峰阈值high线时刻起到差值波diff线与波谷阈值low线重合时刻止之间所对应脉搏强度值heart线的部分;所述“波谷段”指的是差值波diff线向下超过波谷阈值low值线起到差值波diff线与波峰阈值high线重合的时刻止之间所对应脉搏强度值heart线的部分。在status线中,所述“波谷段”表示为与X轴重合即Y轴坐标为0的部分,所述“波峰段”表示为凸出X轴部分即Y轴坐标为正数部分。
本发明提供的实时分析识别脉搏波峰的方法,通过将脉搏波差值处理,并通过最大差值及最小差值设置波峰阈值及波谷阈值,实现对脉搏数据的有效实时分析,无需预先采集脉搏数据训练模型,有效提高脉搏波峰识别的实时性;同时,由于无需预先采集脉搏数据训练模型,有效避免了预先采集脉搏数据不准确而导致训练得到的模型识别准确度低,最终导致识别脉搏波峰准确度低的问题。本发明提供的实时分析识别脉搏波峰的方法,可通过差值、波峰阈值及波谷阈值实时快速确定波峰段,并通过波峰段的最大脉搏强度值实时确定最近的脉搏波峰,获取脉搏波峰数据,时效快,实时性好,实用性强。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上仅为本发明的较佳实施例,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (7)
1.一种实时分析识别脉搏波峰的方法,其特征在于,包括如下步骤:
实时获取脉搏数据;所述脉搏数据包括脉搏强度值,以及该脉搏强度值所对应的时间点;
实时对脉搏强度值进行差值处理;
实时分析并确定脉搏波峰;
所述实时对脉搏强度值进行差值处理包括如下步骤:
计算当前时间点的脉搏强度值的移动平均值;
将当前时间点的脉搏强度值与其移动平均值的差作为当前时间点的差值;
所述实时分析并确定脉搏波峰包括如下步骤:
确定并实时更新当前时间点对应的最大脉搏强度值;
确定并实时更新当前时间点对应的最小差值及最大差值;
根据当前时间点对应的最大差值确定并实时更新当前时间点对应的波峰阈值,根据当前时间对应的最小差值确定并实时更新当前时间点对应的波谷阈值;所述波峰阈值为最大差值与第一预设系数的乘积;所述波谷阈值为最小差值与第二预设系数的乘积;所述第一预设系数及第二预设系数均为小于1的正数;
根据当前时间点的差值、当前时间点对应的波峰阈值及当前时间点对应的波谷阈值,确定当前时间点的脉搏强度值对应的波段状态;所述波段状态包括波峰段和波谷段;
根据波峰段的最大脉搏强度值实时确定脉搏波峰数据;
所述确定当前时间点的脉搏强度值对应的波段状态的方法包括:
若当前时间点的上一个时间点的差值大于等于波谷阈值,且当前时间点的差值小于波谷阈值,则确定当前时间点的脉搏强度值所处的波段状态为波谷段;
若当前时间点的上一个时间点的差值小于等于波峰阈值,且当前时间点的差值大于波峰阈值,则确定当前时间点的脉搏强度值所处的波段状态为波峰段;
所述实时确定脉搏波峰数据的方法包括:
当脉搏波由前一波峰段转入当前波谷段时,前一波峰段的最大脉搏强度值即为当前最近的脉搏波峰的脉搏强度值,前一波峰段的最大脉搏强度值所对应的时间点即为当前最近的波峰位置;
所述实时分析并确定脉搏波峰还包括如下步骤:
若当前时间点的脉搏强度值的波段状态为从其他波段状态转变为波谷段时,更新当前时间点所对应的波峰阈值,同时重置当前时间点所对应的最小差值;
若当前时间点的脉搏强度值的波段状态为从其他波段状态转变为波峰段时,更新当前时间点所对应的波谷阈值,同时重置当前时间点所对应的最大差值;
若当前时间点的脉搏强度值的波段状态为从其他波段状态转变为波峰段时,重置当前时间点所对应的最大脉搏强度值。
2.根据权利要求1所述的实时分析识别脉搏波峰的方法,其特征在于,所述计算当前时间点的脉搏强度值的移动平均值的方法包括:
设计算脉搏强度值的移动平均值所需的脉搏数据的数量为C,当前采集到的脉搏数据的数量为c;
当c<C时,获取当前时间点的脉搏强度值以及距离当前时间点最近的之前连续c-1个时间点对应的脉搏强度值,通过公式二计算包含当前时间点的c个连续脉搏强度值的平均值作为当前时间点的脉搏强度值的移动平均值;
所述公式二为:avg=(c1+c2+c3+...+cc)/c;
当c≥C时,获取当前时间点的脉搏强度值以及距离当前时间点最近的之前连续C-1个时间点对应的脉搏强度值,通过公式三计算包含当前时间点的C个连续脉搏强度值的平均值作为当前时间点的脉搏强度值的移动平均值;
所述公式三为:avg=(cc-C+1+...+cc-2+cc-1+cc)/C。
3.根据权利要求2所述的实时分析识别脉搏波峰的方法,其特征在于,所述C的取值范围为:C>4。
4.根据权利要求1所述的实时分析识别脉搏波峰的方法,其特征在于,所述第一预设系数的取值范围为1/3~2/3;所述第二预设系数的取值范围为1/3~2/3。
5.根据权利要求1所述的实时分析识别脉搏波峰的方法,其特征在于,所述确定并实时更新当前时间点对应的最大脉搏强度值的方法包括:
若当前时间点的脉搏强度值大于当前时间点所对应的最大脉搏强度值,则将当前时间点所对应的最大脉搏强度值的值更新为当前时间点的脉搏强度值。
6.根据权利要求1所述的实时分析识别脉搏波峰的方法,其特征在于,所述确定并实时更新当前时间点对应的最小差值及最大差值的方法包括:
若当前时间点的差值小于等于当前时间点所对应的最小差值,则将当前时间点所对应的最小差值的值更新为当前时间点的差值;
若当前时间点的差值大于等于当前时间点所对应的最大差值,则将当前时间点所对应的最大差值的值更新为当前时间点的差值。
7.根据权利要求1~6中任一项所述的实时分析识别脉搏波峰的方法,其特征在于,所述实时分析识别脉搏波峰的方法还包括如下步骤:
预设初始化时间段;
判断当前时间点是否在初始化时间段之内:
若当前时间点在初始化时间段之内,进行预处理;
若当前时间点不在初始化时间段之内,实时分析并确定脉搏波峰;
所述预处理包括:
初始化最大差值及最小差值;
初始化最大脉搏强度值;
初始化波峰阈值及波谷阈值;
初始化波段状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110515905.2A CN113100727B (zh) | 2021-05-12 | 2021-05-12 | 实时分析识别脉搏波峰的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110515905.2A CN113100727B (zh) | 2021-05-12 | 2021-05-12 | 实时分析识别脉搏波峰的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113100727A CN113100727A (zh) | 2021-07-13 |
CN113100727B true CN113100727B (zh) | 2023-09-19 |
Family
ID=76722453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110515905.2A Active CN113100727B (zh) | 2021-05-12 | 2021-05-12 | 实时分析识别脉搏波峰的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113100727B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003000561A (ja) * | 2001-06-18 | 2003-01-07 | Canon Inc | R波認識方法及びr−r間隔測定方法及び心拍数測定方法及びr−r間隔測定装置及び心拍数測定装置 |
JP2004358022A (ja) * | 2003-06-06 | 2004-12-24 | U-Medica Inc | 脈波解析法、この解析法に基づく自律神経機能評価法及び自律神経機能評価装置 |
JP2007135614A (ja) * | 2005-11-14 | 2007-06-07 | Citizen Watch Co Ltd | センシング装置及び心拍計 |
CN101361652A (zh) * | 2007-08-07 | 2009-02-11 | 深圳迈瑞生物医疗电子股份有限公司 | 自适应阈值的波形峰谷识别方法和装置 |
JP2010119584A (ja) * | 2008-11-19 | 2010-06-03 | Fujitsu Ltd | 脈拍数算出プログラム、脈拍数算出装置、脈拍数算出方法および携帯端末装置 |
CN101991410A (zh) * | 2009-08-31 | 2011-03-30 | 深圳市理邦精密仪器股份有限公司 | 一种脉率搜索和计算方法 |
CN103505246A (zh) * | 2012-06-18 | 2014-01-15 | 深圳市蓝韵实业有限公司 | 多普勒参数实时自动标记的方法 |
CN105078438A (zh) * | 2015-06-19 | 2015-11-25 | 京东方科技集团股份有限公司 | 脉搏周期检测设备和方法和可穿戴电子设备 |
CN105266784A (zh) * | 2014-06-05 | 2016-01-27 | 明仲 | 一种基于示波法测量血压的方法和装置 |
CN106974631A (zh) * | 2017-03-17 | 2017-07-25 | 深圳大学 | 一种基于脉搏波波形和心电信号的血压测量方法及装置 |
CN106974637A (zh) * | 2017-04-11 | 2017-07-25 | 西南大学 | 心率实时计算方法及装置 |
CN107041743A (zh) * | 2017-04-05 | 2017-08-15 | 南京大学 | 一种心电信号实时r波检测方法 |
CN108354597A (zh) * | 2018-01-31 | 2018-08-03 | 南京邮电大学 | 一种基于最优波提取的快速血压计算方法 |
CN109199355A (zh) * | 2018-09-18 | 2019-01-15 | 深圳和而泰数据资源与云技术有限公司 | 心率信息检测方法、装置和检测设备 |
JP2020000312A (ja) * | 2018-06-25 | 2020-01-09 | グローリー株式会社 | 生体判定システム、生体認証システム、生体判定プログラム、及び生体判定方法 |
CN110916636A (zh) * | 2019-11-22 | 2020-03-27 | 新绎健康科技有限公司 | 一种基于动态二阶差分阈值的bcg信号心率计算方法及系统 |
CN112294272A (zh) * | 2019-07-30 | 2021-02-02 | 深圳迈瑞生物医疗电子股份有限公司 | 监护仪及其不规则脉率识别方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5200968B2 (ja) * | 2009-02-03 | 2013-06-05 | オムロンヘルスケア株式会社 | 脈波解析装置、脈波解析方法、および脈波解析プログラム |
CN102885616A (zh) * | 2012-07-17 | 2013-01-23 | 桂林电子科技大学 | 一种去除脉搏波信号基线漂移的方法 |
CN104027103A (zh) * | 2013-03-06 | 2014-09-10 | 精工爱普生株式会社 | 生物体信息检测装置以及脉搏计 |
CN103565427B (zh) * | 2013-11-19 | 2016-09-28 | 深圳邦健生物医疗设备股份有限公司 | 准周期生理信号特征点的检测 |
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 |
US10810052B2 (en) * | 2018-04-12 | 2020-10-20 | Vmware, Inc. | Methods and systems to proactively manage usage of computational resources of a distributed computing system |
CN108652650A (zh) * | 2018-05-24 | 2018-10-16 | 中国航天员科研训练中心 | 基于脉搏波信号的警觉度实时检测方法及系统 |
-
2021
- 2021-05-12 CN CN202110515905.2A patent/CN113100727B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003000561A (ja) * | 2001-06-18 | 2003-01-07 | Canon Inc | R波認識方法及びr−r間隔測定方法及び心拍数測定方法及びr−r間隔測定装置及び心拍数測定装置 |
JP2004358022A (ja) * | 2003-06-06 | 2004-12-24 | U-Medica Inc | 脈波解析法、この解析法に基づく自律神経機能評価法及び自律神経機能評価装置 |
JP2007135614A (ja) * | 2005-11-14 | 2007-06-07 | Citizen Watch Co Ltd | センシング装置及び心拍計 |
CN101361652A (zh) * | 2007-08-07 | 2009-02-11 | 深圳迈瑞生物医疗电子股份有限公司 | 自适应阈值的波形峰谷识别方法和装置 |
JP2010119584A (ja) * | 2008-11-19 | 2010-06-03 | Fujitsu Ltd | 脈拍数算出プログラム、脈拍数算出装置、脈拍数算出方法および携帯端末装置 |
CN101991410A (zh) * | 2009-08-31 | 2011-03-30 | 深圳市理邦精密仪器股份有限公司 | 一种脉率搜索和计算方法 |
CN103505246A (zh) * | 2012-06-18 | 2014-01-15 | 深圳市蓝韵实业有限公司 | 多普勒参数实时自动标记的方法 |
CN105266784A (zh) * | 2014-06-05 | 2016-01-27 | 明仲 | 一种基于示波法测量血压的方法和装置 |
CN105078438A (zh) * | 2015-06-19 | 2015-11-25 | 京东方科技集团股份有限公司 | 脉搏周期检测设备和方法和可穿戴电子设备 |
CN106974631A (zh) * | 2017-03-17 | 2017-07-25 | 深圳大学 | 一种基于脉搏波波形和心电信号的血压测量方法及装置 |
CN107041743A (zh) * | 2017-04-05 | 2017-08-15 | 南京大学 | 一种心电信号实时r波检测方法 |
CN106974637A (zh) * | 2017-04-11 | 2017-07-25 | 西南大学 | 心率实时计算方法及装置 |
CN108354597A (zh) * | 2018-01-31 | 2018-08-03 | 南京邮电大学 | 一种基于最优波提取的快速血压计算方法 |
JP2020000312A (ja) * | 2018-06-25 | 2020-01-09 | グローリー株式会社 | 生体判定システム、生体認証システム、生体判定プログラム、及び生体判定方法 |
CN109199355A (zh) * | 2018-09-18 | 2019-01-15 | 深圳和而泰数据资源与云技术有限公司 | 心率信息检测方法、装置和检测设备 |
CN112294272A (zh) * | 2019-07-30 | 2021-02-02 | 深圳迈瑞生物医疗电子股份有限公司 | 监护仪及其不规则脉率识别方法 |
CN110916636A (zh) * | 2019-11-22 | 2020-03-27 | 新绎健康科技有限公司 | 一种基于动态二阶差分阈值的bcg信号心率计算方法及系统 |
Non-Patent Citations (3)
Title |
---|
一种自适应的QRS复合波检测方法;汪传忠;聂桥桥;莫灵珊;;南昌航空大学学报(自然科学版)(第01期);全文 * |
基于动态自适应阈值法的QRS波群检测方法;陈静;张世杰;;中国新通信(第03期);全文 * |
基于卡尔曼滤波的动态脉搏波处理和脉率提取;蒋伟平;蒋平;朱劲;王晓年;;计算机与现代化(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113100727A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108647565B (zh) | 一种基于深度学习模型对心电信号分类的数据预处理方法 | |
EP2099359B1 (en) | Biomedical signal morphology analysis method | |
EP1750580B1 (en) | Signal analysis method | |
CN112998690B (zh) | 一种基于脉搏波多特征融合的呼吸率提取方法 | |
CN106618560B (zh) | 脑电波信号的处理方法和装置 | |
WO2019153578A1 (zh) | 一种基于心电信号的无创血糖检测方法及系统 | |
CN113057648A (zh) | 一种基于复合lstm结构的ecg信号分类方法 | |
CN112869716B (zh) | 一种基于双通道卷积神经网络的脉搏特征识别系统及方法 | |
CN113066502A (zh) | 基于vmd和多小波的心音分割定位方法 | |
CN114469124A (zh) | 一种运动过程中异常心电信号的识别方法 | |
CN113558584A (zh) | 一种基于信号质量评估的脉搏波预处理方法 | |
WO2023226223A1 (zh) | Ppg信号质量评估方法及装置以及ppg信号处理方法及系统 | |
CN113598737A (zh) | 一种基于特征融合的血压预测方法 | |
CN113729648B (zh) | 一种基于多脉搏传感器的穿戴式脉诊手环系统 | |
Clifford et al. | Model-based determination of QT intervals | |
CN105138823B (zh) | 一种基于自相关函数的生理信号质量检测方法 | |
CN113100727B (zh) | 实时分析识别脉搏波峰的方法 | |
CN110403595B (zh) | 可穿戴式心电监测设备的信号质量评估方法 | |
CN110491504B (zh) | 一种心音信号医学指标数据的获取方法 | |
Shi et al. | A Novel Method of sEMG Signal Segmentation | |
CN114145725B (zh) | 一种基于无创连续血压测量的ppg采样率估算方法 | |
CN113080891B (zh) | 基于人体微动信号的呼吸率和心率的提取方法 | |
CN111803061B (zh) | 一种基于目标检测的r波识别方法及装置 | |
CN114668375A (zh) | 一种基于深度神经网络模型的无袖带血压预测系统 | |
CN110368019B (zh) | 一种心音信号特征提取、检测模型构建及检测装置 |
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 |