CN113116328A - 一种基于心冲击图的心率检测方法 - Google Patents

Abstract

本发明涉及一种基于心冲击图的心率检测方法，包括心冲击图信号中杂散信号的滤波、标准心冲击图模板提取、相似性比较，即运用梯度下降法优化处理，找到极值，得出相关心冲击图斜率等步骤。心冲击图的心率异常检测方法是基于斜率对比检测法原理，核心是采用梯度下降法来完成整个检测过程。采集一段完整的心跳周期，作为标准心冲击图模板将其提取出来，计算出波谷到波峰这一段的斜率；最后相似性比较，在较短时间内，将标准模板与实时采集出来的BCG信号进行对比，根据梯度下降算法，得出实时信号斜率，判断其线性相关度，即可得出心率是否异常，该发明为基于非侵入式心冲击图的心率异常分析提供了依据。

Description

一种基于心冲击图的心率检测方法

技术领域：

本发明属于生物医疗领域，具体涉及一种基于心冲击图的心率异常检测方法。

背景技术：

当前心率是评估心血管疾病的重要指标，正确测定心率的异常，对临床医学诊治都有着深远的指导意义。BCG(心冲击图)是由心脏搏动以及躯干、上肢部分的脉动为作用力产生的信号，其中以心脏的搏动在重力方向的分力为主要冲击力。BCG能够在自然睡眠状态下获取到，不会对受试者产生心理上的压力。相比于传统的ECG的获取，BCG系统一般采用压电、加速度等非接触式的传感器，来获取每次心跳血液对血管产生的冲击力。这种非接触式、无侵入性、高活动自由度的心跳检测方法，在近年来受到越来越广泛的关注。

发明内容：

本发明的目的在于克服传统心电图监测心率的不足提供一种基于心冲击图的心率异常检测方法，本方法首先能够快速得到适用于被检测者的心冲击图模板，然后通过波形对比，梯度下降法得到相应的斜率，从而准确的判断心率是否异常，为后续的临床诊断提供依据。

为实现上述目的，本发明具体公开的技术方案为：一种基于心冲击图的心率异常检测方法，主要包括以下步骤：

一、信号滤波：通过小波滤波方法，将杂散信号从BCG信号中滤除，从而可以得到完好的BCG信号波形，在实际需求中，往往选用较大的阈值，但是此阈值参数很难设置，故提出了自适应阈值方法，此处提出的阈值如下：

式中M_J——第j层小波系数的中位数；

N_j——第j层小波系数的数量；

j——小波分解尺度；

由式可知，阈值随着小波分解尺度的增加而减小，除此之外，阈值还符合小波变换以2的倍数进行小波分解尺度的规律。由此可看出，自适应小波阈值能够很好的滤除噪声。

二、获取模板：在被检测者处于安静的状态下采集一段完整的心率周期，例如时间为1s，然后根据波形，找到波形的最大波峰与波谷，中间的部分波形忽略不计，然后求得此周期内的心跳速率，作为标准的参考模型。

三、相似性比较：在较短时间内，实时获取BCG信号，将标准模板与实时采集出来的BCG信号进行对比，通过波形对比，梯度下降法计算检测得到的波形斜率，判断其线性相关度，即判断心率是否异常。梯度下降算法步骤：

输入：目标函数f(x),梯度函数

设置精度ε；

输出：f(x)的极小点x^*。

步骤1：取初始值x⁽⁰⁾∈Rⁿ，置k＝0；

步骤2：计算f(x^k)

步骤3：计算梯度g_k＝g(x^k)，当||g_k||pε时，停止迭代，令x^*＝x^(k)；否则，令p_k＝-g(x^k)，求λ_k，使

步骤4：置x^k+1＝x^k+λ_kp_k，计算f(x^k+1)

当||f(x^k+1)-f(x^k)||pε或||x^k+1-x^k||pε，停止迭代，令x^*＝x^k+1；

步骤5：否则，置k＝k+1，转步骤3。

当目标函数是凸函数时，梯度下降法的解是全局最优解。一般情况下，其解不保证是全局最优解。梯度下降的收敛速度也未必是收敛最快的。

与现有技术相比，本发明的优点：

1.传统的通过心冲击图发现心率异常是采用波峰与波谷之间的时间来判断的，本发明采用梯度下降法，找到最优波峰波谷点并求出相应的斜率来进行心率异常判断，是一种全新的方法，提高了心率异常的判断率，从而对临床指导产生深远意义。

2.心冲击图判断心脏异常的方式是一种非接触、无创、便携式的心血管功能检测技术手段，相比于传统的心电图来说，可靠性、安全性更高。

附图说明

图1为本发明提供的基于BCG的心率异常检测方法图。

图2为本发明所提供的针对梯度下降法算法的流程图。

具体实施方式

一种基于心冲击图的心率异常检测方法，本发明的具体实施方式如下：

1)信号滤波：通过小波滤波方法，将杂散信号从BCG信号中滤除，从而可以得到完好的BCG信号波形，在实际需求中，往往选用较大的阈值，但是此阈值参数很难设置，故提出了自适应阈值方法。

2)模板提取：在被检测者处于安静的状态下采集一段完整的心率周期，例如时间为1s，然后根据波形，找到波形的最大波峰与波谷，中间的部分波形忽略不计，然后求得此周期内的心跳速率，作为标准的参考模型。

3)相似性比较：在较短时间内，实时获取BCG信号，将标准模板与实时采集出来的BCG信号进行对比，通过波形对比，梯度下降法计算检测得到的波形斜率，判断其相关度，即判断心率是否异常。

梯度下降法的核心思想如下：

每次选择若干样本估计梯度，比如每获得n个心冲击图样本更新一次梯度和权值。

首先，从所有心冲击图样本中随机选出m个心冲击图样本。我们把这m个心冲击图样本编号为X₁，X₂，……，X_i，……，X_m，此时，它们的均方误差为：

式中m——m个心冲击图样本；

||Y_i-A_i||²——每个心冲击图样本的损失；

其中

由梯度可得下式：

式中

——函数减少最快的方向；

因此，上式就用m个心冲击图样本数据估计出整体的梯度，当 m越大估计越准确，此时更新公式为：

式中η——常量；

ω——权重；

ω'——更新权重值；

b——偏量；

b'——更新偏量值；

k——迭代(第k步迭代)；

本发明是基于一种基于心冲击图的心率异常检测方法，首先需要杂散信号的滤波，通过小波滤波方法，采用自适应阈值，将接收到的心冲击图信号中的高频干扰以及低频漂移噪声抑制；然后标准心冲击图模板提取需要被检测者在静止状态下保持一段时间，采集一段完整的心跳周期，作为标准心冲击图模板将其提取出来，计算出波谷到波峰这一段的斜率；最后相似性比较，在较短时间内，将标准模板与实时采集出来的BCG信号进行对比，根据梯度下降算法，得出实时信号斜率，判断其线性相关度，即可得出心率是否异常。与传统的心率异常检测方法相比，该发明具有无接触测量、无创、便携、可靠性高等多种优点，为现在医学临床诊治提供了良好的依据。

Claims (8)

1.一种基于心冲击图的心率检测方法，其特征在于，包括如下步骤：

通过小波滤波算法，采用自适应阈值滤波的方法，将所接收到的心冲击图信号中的高频干扰以及低频漂移噪声滤除；

提取需要被检测者在静止状态下保持一段时间，然后采集一段完整的心跳周期，作为标准心冲击图模板将其提取出来，计算出波谷到波峰这一段的斜率；

在较短时间内，将标准模板与实时采集出来的BCG信号进行对比，通过波形对比，梯度下降法计算检测得到的波形斜率，判断其相关度，从而得到检测数据。

2.根据权利要求1所述的基于心冲击图的心率检测方法，其特征在于：所述所述自适应阈值方法的阈值通过下述方式计算:

式中M_J——第j层小波系数的中位数；

N_j——第j层小波系数的数量；

j——小波分解尺度。

3.根据权利要求1所述的基于心冲击图的心率检测方法，其特征在于：所述梯度下降法通过求解无约束最优化问题，得到最佳极值，从而得出波峰与波谷之间的斜率。

4.根据权利要求1所述的基于心冲击图的心率检测方法，其特征在于：所述波谷到波峰这一段的斜率通过梯度下降法计算。

5.根据权利要求3所述的基于心冲击图的心率检测方法，其特征在于：所述梯度下降法选取适当的初值，不断迭代，更新x值，进行目标函数的极小化，直到收敛。

6.根据权利要求5所述的基于心冲击图的心率检测方法，其特征在于：所述梯度下降法包括以下步骤:

步骤1：取初始值x⁽⁰⁾∈Rⁿ，置k＝0；

步骤2：计算f(x^k)

步骤3：计算梯度g_k＝g(x^k)，当||g_k||pε时，停止迭代，令x^*＝x^(k)；否则，令p_k＝-g(x^k)，求λ_k，使

步骤4：置x^k+1＝x^k+λ_kp_k，计算f(x^k+1)

当||f(x^k+1)-f(x^k)||pε或||x^k+1-x^k||pε，停止迭代，令x^*＝x^k+1；

步骤5：否则，置k＝k+1，转步骤3；

其中f(x)为目标函数,梯度函数g(x)＝▽f(x),精度为ε。

7.根据权利要求5所述的基于心冲击图的心率检测方法，其特征在于：所述梯度下降法中,每获得n个心冲击图样本更新一次梯度和权值,包括以下步骤:

从所有心冲击图样本中随机选出m个心冲击图样本。我们把这m个心冲击图样本编号为X₁，X₂，……，X_i，……，X_m，此时，它们的均方误差为：

式中||Y_i-A_i||²——每个心冲击图样本的损失；

其中

由梯度可得下式：

式中▽C——函数减少最快的方向；

用m个心冲击图样本数据估计出整体的梯度，此时更新公式为：

式中η——常量；

ω——权重；

ω'——更新权重值；

b——偏量；

b'——更新偏量值；

k——迭代(第k步迭代)。

8.根据权利要求1所述的基于心冲击图的心率检测方法，其特征在于：根据所述检测数据判断心率是否异常。

Images