CN113128350A - 一种ppg信号特征点的时域识别定位方法、设备及介质 - Google Patents
一种ppg信号特征点的时域识别定位方法、设备及介质 Download PDFInfo
- Publication number
- CN113128350A CN113128350A CN202110319649.XA CN202110319649A CN113128350A CN 113128350 A CN113128350 A CN 113128350A CN 202110319649 A CN202110319649 A CN 202110319649A CN 113128350 A CN113128350 A CN 113128350A
- Authority
- CN
- China
- Prior art keywords
- point
- signal
- ppg
- periodic
- time domain
- 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 48
- 230000000737 periodic effect Effects 0.000 claims abstract description 69
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 7
- 230000004807 localization Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000009795 derivation Methods 0.000 claims description 2
- 238000013186 photoplethysmography Methods 0.000 description 54
- 238000010586 diagram Methods 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种PPG信号特征点的时域识别定位方法、设备及介质，所述方法首先对PPG信号的周期信号波形数据进行逐点差分运算，分别计算PPG信号的一阶导函数VPG和二阶导函数APG；其次利用周期分割方法提取时域整周期波形，获得时域整周期信号；最后实现PPG时域整周期信号中各特征点包括起始点A点、主波峰点B点、次波谷点C点、次波峰点D点和终止点E点位置的识别与定位。与现有技术相比，本发明全部运算都在时域中进行，在C点和D点没有明显波峰和波谷波形的情况下也能获得有效估计结果，具有计算速度快、实时性好、判定准确等优点。
Description
技术领域
本发明涉及信号识别与处理领域，尤其涉及一种PPG信号特征点的时域识别定位方法、设备及介质。
背景技术
血压测量的方法分为无创测量法和有创测量法，无创测量法又可分为间歇式测量法和连续式测量法。无创血压测量方法没有有创测量法精准，但是不会对人体造成损伤。光电容积描记法是一种连续式测量法，其利用动脉对于光的吸收有变化而其他组织对光的吸收基本不变的特点，将得到的信号分为直流DC信号和交流AC信号，提取其中的AC信号，即可反应血液流动的特点。此种方法不需要复杂而昂贵的仪器设备，且操作简答、性能稳定，具有无创伤和适应性等诸多优点，因此深受国内外医学界的普遍重视。
光电容积脉搏波(PPG，PhotoPlethysmoGraphy)信号所表现出的形态(波的形状)、强度(波的幅值)、速率(波的速度)与节律(波的周期)等方面的综合信息可以反映出人体心血管系统的许多生理和病理特征。因此，需要准确识别和获取PPG信号各特征点的位置。但相较于心电(ECG，Electrocardiograph)信号，其特征较不明显，PPG信号的波峰与波谷等波形特征的提取与判断伴随着更多的困难与挑战，当PPG信号的次波谷点C点可能会由于人的身体与年龄情况而无法出现明显的波谷，进而对次波峰点D点的识别也会产生干扰，在计算资源有限的嵌入式系统应用中，PPG信号特征点的识别与定位的准确性和实时性不能同时满足。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提出一种PPG信号特征点的时域识别定位方法、设备及介质，该方法计算速度快、实时性好且判定准确。
本发明的目的可以通过以下技术方案来实现：
本发明提供一种PPG信号特征点的时域识别定位方法，包括如下步骤：
1)获取PPG周期信号，对PPG周期信号的波形数据进行逐点差分运算，分别计算PPG周期信号的一阶导函数VPG周期信号和二阶导函数APG周期信号；
2)利用周期分割方法提取所有所述周期信号的时域整周期波形，获得时域整周期信号；
3)基于各所述时域整周期信号，实现单通道PPG信号特征点位置的识别与定位，所述单通道PPG信号特征点包括周期起始点A点、周期主波峰点B点、周期次波谷点C点、周期次波峰点D点和周期终止点E点。
优选地，所有所述周期信号为时域离散采样信号。
优选地，所述PPG周期信号为去漂移处理后的PPG周期信号。
优选地，执行所述步骤2)前，对所有所述周期信号进行滑动平均滤波和消除人体运动伪影处理。
优选地，所述周期起始点A点和周期结束点E点的识别依靠所述二阶导函数APG周期信号波形进行辅助识别，具体为：
识别APG周期信号波形的每个周期中突出的波峰，该波峰位置即对应当前周期的周期起始点A点，且对应上一个周期的周期终止点E点。
优选地，所述周期主波峰点B点的识别依靠所述一阶导函数VPG周期信号波形进行辅助识别，具体为：
标记VPG周期信号的特征点，包括信号主波峰点M点、M点后第一个过零点N点、N点后第一个波谷点O点、周期终止点R点、NR段唯一波峰点P点和PR段唯一波谷点Q点；
将所述M点后第一个过零点N点所在位置确定为所述周期主波峰点B点。
优选地，所述周期次波谷点C点和所述周期次波峰点D点的识别依靠所述一阶导函数VPG周期信号波形辅助识别，具体步骤如下：
确定所述N点后第一个波谷点O点、PR段唯一波谷点Q点和NR段唯一波峰点P点的位置；
通过以下计算式分别估计获得所述周期次波谷点C点和所述周期次波峰点D点的位置：
C＝(O+P)/2，D＝(P+Q)/2。
优选地，所述步骤3)中，计算特征点定位位置时，减去滑动平均滤波与求导差分运算所造成的相位偏移。
本发明还提供一种电子设备，包括：
一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上所述的PPG信号特征点的时域识别定位方法的指令。
本发明还提供一种计算机可读存储介质，其特征在于，包括电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如上所述的PPG信号特征点的时域识别定位方法的指令。
与现有技术相比，本发明具有如下有益效果：
1.本发明直接采用单传感器PPG周期信号的时域波形数据，全部运算都在时域中进行，避免复杂的频域变换。
2.本发明通过依靠计算得到的一阶导函数VPG信号波形和二阶导函数APG信号波形进行辅助识别，克服了在次波谷点C点和次波峰点D点没有明显波形的情况下也能有较好的有效估计结果。
3.本发明具有计算简单、运算速度快、实时性好且判定准确的优点。
附图说明
图1为本发明的流程示意图；
图2为本实施例中的连续PPG周期信号特征点位置计算示意图，其中，(2a)为PPG周期信号，(2b)为VPG周期信号，(2c)为APG周期信号；
图3为现有一种方法确定的VPG周期信号特征点示意图；
图4为样本数据分析获得的VPG周期信号特征点示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本实施例提供一种PPG信号特征点的时域识别定位方法，如图1所述，以单通道PPG周期信号为例，包括如下步骤：
1)从脉搏波传感器中获取PPG周期信号，对PPG周期信号的波形数据进行逐点差分运算，分别计算PPG周期信号的一阶导函数VPG周期信号和二阶导函数APG周期信号，所有所述周期信号为时域离散采样信号。
所述PPG周期信号可以是去漂移处理后PPG周期信号，也可以是包含漂移分量的PPG周期信号。
设PPG信号的时域采样序列为PPG(i)，对应采样时间序列t[i]，其中i＝1,2,3…为正整数，则VPG信号和APG信号的计算分别可由公式(1)和公式(2)给出。
VPG(i)＝PPG(i)-PPG(i-1),i≥1 (1)
APG(i)＝PPG(i)-2*PPG(i-1)+PPG(i-2),i≥2 (2)
在某些实施方式中，若PPG周期信号包含随机噪声分量，影响到周期分割，则执行周期分割前，对周期信号进行滑动平均滤波和消除人体运动伪影处理。
2)利用周期分割方法提取所有所述周期信号的时域整周期波形，获得时域整周期信号。
步骤2)中的周期分割方法为直接利用时域波形数据来判断和分割出PPG周期信号的每个周期的起点和终点之间的信号波形。
3)基于各所述时域整周期信号，实现单通道PPG信号特征点位置的识别与定位，所述单通道PPG信号特征点包括周期起始点A点、周期主波峰点B点、周期次波谷点C点、周期次波峰点D点和周期终止点E点，如图(2a)所示。
具体地，所述周期起始点A点和周期结束点E点的识别依靠PPG周期信号的二阶导函数APG周期信号波形进行辅助识别，其中APG周期信号波形如图(2c)所示，APG信号波形的每个周期中突出的波峰，该波峰位置即对应PPG信号的A点位置A(n)，且对应上一个周期信号波形的结束点E点位置E(n-1)，n表示当前周期数。
本实施例采用的识别A点和E点的方法具体为，
1)在一段APG数据中扫描并计算，获取APG信号最大值APG_max；
2)定义一个合适的阈值，本实施例定义0.6*APG_max为阈值，枚举所有数据点，判断是否有大于该阈值的点，若有则开始计算波峰，否则则确认上个周期的A点并继续等待直到下个大于阈值的点，以此类推，即可计算出所有A点；
由于A点被定义为每个周期PPG信号的起始点(也是前一周期PPG信号的终止点)，由此可对一段PPG信号的每个周期进行分割，之后再识别每个周期内其余特征点。
如图(2b)所示，所述VPG周期信号有特征点，信号主波峰点M点、M点后第一个过零点N点、N点后第一个波谷点O点、周期终止点R点、NR段唯一波峰点P点和PR段唯一波谷点Q点，VPG周期信号的各特征点的确定方式如下：
1)根据已经识别得到的A点特征点位置，分割得到每个周期开始到结束的信号波形数据集，通过排序求极值的方法判断出VPG信号中M点位置；
2)在M点和该周期结束点R点(和PPG信号的E点对应)之间，直接从前往后枚举数据，第一个过零点即为N点；
3)由N点之后第一个极小值点位置确定N点后第一个波谷点O点位置O(n)；
4)由周期终止点R点也是下一个周期的起始点A点，从后往前扫描VPG波形所找到的第一个极小值点位置确定位波谷点Q点位置Q(n)；
5)由信号上O和Q两点之间的波形最大值所在位置确定为NR段唯一波峰点P点位置P(n)。
现有技术如文献“基于PPG信号连续血压检测手环的研究与设计”(王森)公开一种VPG信号O、P、Q点的判别方法，其具体是：N点是第一个过零点，R点是周期结束点，也就是之前算出来的下一周期的A点，然后O点就可以通过取NR段最小值来确定，确定了O点以后，取OR段最大值即为P点，然后Q点是取PR段最小值，如图3所示。然而在实际进行测试时，对样本数据进行分析后发现，VPG信号波形中O点与Q点与上述方法得出的位置并不一样，大多数情况下O点是比Q点高的，如图4所示，O点不是NR段最小值，这样该论文中用的算法就不再适合。
本实施例采用的方法中，首先VPG信号第一个过零点判断出N点，然后O点就是N点之后第一个极小值点，这个通过APG信号的过零点来判断。然后同样R点是下一个周期的A点，这已经计算得知，再从R点从后往前扫描，找到第一个极小值，也是通过APG信号过零点来判断，就得到Q点。最后P点就是取OQ段的最大值即可。除了O点是比Q点高的情况下，O点是比Q点低的情况也可以准确定位识别。
基于VPG周期信号的特征点，确定N点所在位置对应为PPG信号的B点位置B(n)。设信号的时域序列为VPG(i)，对应采样时间序列t(i)，其中i＝1,2,3…为正整数，检查波形数据序列中VPG(i-1)，VPG(i)；当VPG(i-1)>0并且VPG(i)<＝0时，则过零点落在t(i-1)和t(i)之间，可采用插值运算得到更精确的数值，减去滑动平均滤波与求差分所造成的相位偏移后即可得到对应的PPG信号的主波峰点B点位置。
所述周期次波谷点C点和所述周期次波峰点D点的识别同时依靠VPG周期信号的特征点，通过以下计算式分别估计获得所述周期次波谷点C点和所述周期次波峰点D点的位置：C(n)＝(O(n)+P(n))/2和D(n)＝(P(n)+Q(n))/2。通过上述方法，PPG信号在没有明显的C点和D点波形特征的情况下也能有较好的估计结果，计算量小，不会消耗大量的计算资源，具有较好的实时性。
所述步骤3)中，计算特征点定位位置时，减去滑动平均滤波与求导差分运算所造成的相位偏移。
上述方法适用于次波谷C点和次波峰点D点的波形特征不明显的PPG信号，也适用于VPG波形中O点和Q点之间数值大小关系不定的情况。
上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在另一实施例中提供一种电子设备，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行所述的PPG信号特征点的时域识别定位方法的指令。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种PPG信号特征点的时域识别定位方法，其特征在于，包括如下步骤：
1)获取PPG周期信号，对PPG周期信号的波形数据进行逐点差分运算，分别计算PPG周期信号的一阶导函数VPG周期信号和二阶导函数APG周期信号；
2)利用周期分割方法提取所有所述周期信号的时域整周期波形，获得时域整周期信号；
3)基于各所述时域整周期信号，实现单通道PPG信号特征点位置的识别与定位，所述单通道PPG信号特征点包括周期起始点A点、周期主波峰点B点、周期次波谷点C点、周期次波峰点D点和周期终止点E点。
2.根据权利要求1所述的PPG信号特征点的时域识别定位方法，其特征在于，所有所述周期信号为时域离散采样信号。
3.根据权利要求1所述的PPG信号特征点的时域识别定位方法，其特征在于，所述PPG周期信号为去漂移处理后的PPG周期信号。
4.根据权利要求1所述的PPG信号特征点的时域识别定位方法，其特征在于，执行所述步骤2)前，对所有所述周期信号进行滑动平均滤波和消除人体运动伪影处理。
5.根据权利要求1所述的PPG信号特征点的时域识别定位方法，其特征在于，所述周期起始点A点和周期结束点E点的识别依靠所述二阶导函数APG周期信号波形进行辅助识别，具体为：
识别APG周期信号波形的每个周期中突出的波峰，该波峰位置即对应当前周期的周期起始点A点，且对应上一个周期的周期终止点E点。
6.根据权利要求1所述的PPG信号特征点的时域识别定位方法，其特征在于，所述周期主波峰点B点的识别依靠所述一阶导函数VPG周期信号波形进行辅助识别，具体为：
标记VPG周期信号的特征点，包括信号主波峰点M点、M点后第一个过零点N点、N点后第一个波谷点O点、周期终止点R点、NR段唯一波峰点P点和PR段唯一波谷点Q点；
将所述M点后第一个过零点N点所在位置确定为所述周期主波峰点B点。
7.根据权利要求6所述的PPG信号特征点的时域识别定位方法，其特征在于，所述周期次波谷点C点和所述周期次波峰点D点的识别依靠所述一阶导函数VPG周期信号波形辅助识别，具体步骤如下：
确定所述N点后第一个波谷点O点、PR段唯一波谷点Q点和NR段唯一波峰点P点的位置；
通过以下计算式分别估计获得所述周期次波谷点C点和所述周期次波峰点D点的位置：
C＝(O+P)/2，D＝(P+Q)/2。
8.根据权利要求1中所述的PPG信号特征点的时域识别定位方法，其特征在于，所述步骤3)中，计算特征点定位位置时，减去滑动平均滤波与求导差分运算所造成的相位偏移。
9.一种电子设备，其特征在于，包括：
一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-8任一所述的PPG信号特征点的时域识别定位方法的指令。
10.一种计算机可读存储介质，其特征在于，包括电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-8任一所述的PPG信号特征点的时域识别定位方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110319649.XA CN113128350A (zh) | 2021-03-25 | 2021-03-25 | 一种ppg信号特征点的时域识别定位方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110319649.XA CN113128350A (zh) | 2021-03-25 | 2021-03-25 | 一种ppg信号特征点的时域识别定位方法、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113128350A true CN113128350A (zh) | 2021-07-16 |
Family
ID=76774108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110319649.XA Pending CN113128350A (zh) | 2021-03-25 | 2021-03-25 | 一种ppg信号特征点的时域识别定位方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113128350A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115204238A (zh) * | 2022-07-29 | 2022-10-18 | 山东光辉人力资源科技有限公司 | 用于可穿戴设备上的ppg信号身份识别方法及可穿戴设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103169456A (zh) * | 2013-03-29 | 2013-06-26 | 深圳职业技术学院 | 一种脉搏波信号的处理方法及处理系统 |
| CN103989462A (zh) * | 2014-04-04 | 2014-08-20 | 辛勤 | 一种脉搏波形第一特征点和第二特征点的提取方法 |
| CN111528821A (zh) * | 2020-05-27 | 2020-08-14 | 福州数据技术研究院有限公司 | 一种脉搏波中重搏波特征点识别方法 |
-
2021
- 2021-03-25 CN CN202110319649.XA patent/CN113128350A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103169456A (zh) * | 2013-03-29 | 2013-06-26 | 深圳职业技术学院 | 一种脉搏波信号的处理方法及处理系统 |
| CN103989462A (zh) * | 2014-04-04 | 2014-08-20 | 辛勤 | 一种脉搏波形第一特征点和第二特征点的提取方法 |
| CN111528821A (zh) * | 2020-05-27 | 2020-08-14 | 福州数据技术研究院有限公司 | 一种脉搏波中重搏波特征点识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘乔寿 等: "基于单路PPG信号的连续血压检测算法设计", 《电子设计工程》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115204238A (zh) * | 2022-07-29 | 2022-10-18 | 山东光辉人力资源科技有限公司 | 用于可穿戴设备上的ppg信号身份识别方法及可穿戴设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Vadrevu et al. | A robust pulse onset and peak detection method for automated PPG signal analysis system | |
| Kadambe et al. | Wavelet transform-based QRS complex detector | |
| Sadhukhan et al. | R-peak detection algorithm for ECG using double difference and RR interval processing | |
| EP2854635A1 (en) | Respiration rate extraction from cardiac signals | |
| CN105997043B (zh) | 一种基于腕式可穿戴设备的脉率提取方法 | |
| EP2854620A1 (en) | Narrow band feature extraction from cardiac signals | |
| CN101919704B (zh) | 一种心音信号定位、分段方法 | |
| EP1941286A2 (en) | Method and system for high-resolution extraction of quasi-periodic signals | |
| CN107622259B (zh) | 一种t波检测方法、心电数据分析方法及装置 | |
| Sahambi et al. | Wavelet based ST-segment analysis | |
| Azad | Fetal QRS complex detection from abdominal ECG: a fuzzy approach | |
| Lee et al. | QRS complex detection based on primitive | |
| CN111419279A (zh) | 一种超声多普勒胎心信号的自适应消噪算法 | |
| Shukla et al. | An efficient heart sound segmentation approach using kurtosis and zero frequency filter features | |
| CN113128350A (zh) | 一种ppg信号特征点的时域识别定位方法、设备及介质 | |
| Lin et al. | Investigation on pulse wave forward peak detection and its applications in cardiovascular health | |
| JPS62233142A (ja) | 血圧測定装置 | |
| CN110491504B (zh) | 一种心音信号医学指标数据的获取方法 | |
| JP2014176427A (ja) | データ解析装置、及びデータ解析プログラム | |
| CN114145725B (zh) | 一种基于无创连续血压测量的ppg采样率估算方法 | |
| JP2007181628A (ja) | 脈拍間隔算出装置及び脈拍間隔算出方法 | |
| JPWO2016039182A1 (ja) | 心拍検出方法および心拍検出装置 | |
| JP2023035888A (ja) | 無線レーダー信号に基づいて心拍データを抽出するための装置及び方法 | |
| CN115828168A (zh) | 一种基于隐马尔可夫心动周期的心音分割方法及其装置 | |
| CN114271830A (zh) | 一种心电信号检测方法及系统 |
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: 20210716 |