CN113413135B - 一种基于脉搏采集分析的方法、系统、装置及存储介质 - Google Patents
一种基于脉搏采集分析的方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN113413135B CN113413135B CN202110515008.1A CN202110515008A CN113413135B CN 113413135 B CN113413135 B CN 113413135B CN 202110515008 A CN202110515008 A CN 202110515008A CN 113413135 B CN113413135 B CN 113413135B
- Authority
- CN
- China
- Prior art keywords
- pulse
- pulse wave
- signal
- wave signal
- determining
- 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 54
- 238000004458 analytical method Methods 0.000 title claims abstract description 52
- 238000003745 diagnosis Methods 0.000 claims abstract description 27
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 230000036541 health Effects 0.000 claims abstract description 23
- 238000013145 classification model Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 14
- 238000003825 pressing Methods 0.000 claims description 12
- 238000010183 spectrum analysis Methods 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 10
- 230000003750 conditioning effect Effects 0.000 claims description 7
- 230000000737 periodic effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 239000003814 drug Substances 0.000 abstract description 14
- 238000000605 extraction Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000001968 nicotinic acid Nutrition 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
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
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明提供的一种基于脉搏采集分析的方法、系统、装置及介质，方法包括以下步骤：采集原始脉搏波信号，对原始脉搏波信号进行滤波得到第二脉搏波信号；从第二脉搏波信号中提取得到周期内特征和周期间特征；获取历史脉搏波信号，将第二脉搏波信号与历史脉搏波信号进行比对，在周期内特征和周期间特征确定强相关型特征；根据强相关型特征通过分类模型确定健康状况，根据健康状况确定脉诊加压等级，确定加压等级的取脉压；方法能更好地反映脉搏信息，提取更加丰富有用地信息，提高了模型的预测率；此外，方案还根据区间调节和PID调节确定脉诊加压等级以及最佳取脉压，提供更加贴近中医脉诊的取脉压力，可广泛应用于中医脉诊信息采集分析的技术领域。
Description
技术领域
本发明涉及中医脉诊信息采集分析技术领域，尤其是一种基于脉搏采集分析的方法、系统、装置及存储介质。
背景技术
中医脉诊在中医基础理论体系和临床实践中占有重要的地位，经过千年的发展已经成为了一门独立的学科，其中“寸口脉诊法”是临床应用中最为广泛的脉诊手法，医生将手指放在寸口脉的寸、关、尺部，通过指腹感知脉搏的变化规律，依据其不同的脉象了解患者的脏腑气血盛衰进一步辩证论治。这种手法很大程度上依赖医师的个人临床经验、主观感悟能力，缺乏标准和规范；因此随着中医学、统计学、计算机科学、机械学、仿生学以及传感技术等多门学科的介入，致力于将脉诊进行规范标准化，使用设计的仪器采集脉象的数字信号，量化脉象信息，分析提取脉象信号特征并进行分类和诊断。但是，相关技术中，脉象检测系统以及相关的脉搏信号分析方法，仍存在下述问题：
1)采集脉搏波信号的传感器选取不合适，不符合中医指压诊脉的特点导致采集的原始信号不准确，导致后续的信号分析过程不准确；
2)对脉搏波信号的特征提取、算法分析过程中，还存在偏离中医脉学理论，反映信息不全面等问题。
发明内容
有鉴于此，为至少部分解决上述技术问题之一，本发明实施例目的在于提供一种够满足中医脉诊的基本理论，以及能够正确的量化信息的基于脉搏采集分析的方法，以及能够对应实现该方法的系统、装置及计算机可读的存储介质。
第一方面，本申请的技术方案提供了一种基于脉搏采集分析的方法，其步骤包括：
采集原始脉搏波信号，对所述原始脉搏波信号进行滤波得到第二脉搏波信号；
从所述第二脉搏波信号中提取得到周期内特征和周期间特征；
获取历史脉搏波信号，将所述第二脉搏波信号与所述历史脉搏波信号进行比对，在所述周期内特征和所述周期间特征确定强相关型特征；
根据所述强相关型特征通过分类模型确定健康状况，对所述健康状况进行统计分析确定脉诊加压等级，确定所述加压等级的取脉压。
在本申请方案的一种可行的实施例中，所述采集原始脉搏波信号，对所述原始脉搏波信号进行滤波得到第二脉搏波信号这一步骤，其包括：
通过柔性电压传感器采集得到所述原始脉搏波信号；
通过放大滤波调理电路对所述原始脉搏波信号进行放大，将放大后的所述原始脉搏波信号转换为数字信号；
将所述数字信号进行高频去噪处理，去除漂移基线得到所述第二脉搏信号。
在本申请方案的一种可行的实施例中，所述将所述数字信号进行高频去噪处理，去除漂移基线得到所述第二脉搏信号这一步骤，其包括：
确定小波基函数，根据所述小波基函数通过时间尺度和时间平移确定小波序列；
根据所述小波序列对所述数字信号进行多分辨率小波分解，将多分辨率小波分解中的含高频噪声系数进行阈值量化得到第一中间信号；
根据所述第一中间信号中主波的波峰位置确定脉搏信号起始点，去除所述脉搏信号起始点中的所述漂移基线得到所述第二脉搏信号。
在本申请方案的一种可行的实施例中，所述从所述第二脉搏波信号中提取得到周期内特征和周期间特征这一步骤，其包括以下步骤至少之一：
提取所述第二脉搏波信号的时域特征；
提取所述第二脉搏波信号的频域特征；
提取所述第二脉搏波信号的时频域特征；
提取所述第二脉搏波信号的非线性特征；
根据周期间的差异分析，提取所述周期间特征。
在本申请方案的一种可行的实施例中，所述提取所述第二脉搏波信号的时频域特征这一步骤，其包括：
基于希尔伯特黄变换对所述搏波信号对所述第二脉搏波信号进行频谱分析，根据所述频谱分析的结果确定所述时频域特征；
所述频谱分析的过程包括：
将所述第二脉搏波信号进行希尔伯特黄变换；
获取变换后的时间序列信号变换得到解析信号；
对所述解析信号中的相位函数进行求导得到瞬时频率，根据所述瞬时频率确定所述第二脉搏波信号的时频域特征。
在本申请方案的一种可行的实施例中，所述根据所述强相关型特征通过分类模型确定健康状况，对所述健康状况进行统计分析，确定脉诊加压等级，确定所述加压等级的取脉压这一步骤，其包括：
确定所述脉诊加压等级的区间；
在所述区间内通过PID调节确定所述取脉压；
所述取脉压为所述区间内平均周期脉搏信号的最大幅值的压力；
所述PID调节的离散表达形式为：
其中，u(k)为调节后的信号幅值，Kp为比例增益，Ki为积分增益，Kd为微分增益，e(k)为当前给定值和测量值之间的误差；e(k-1)为前一次给定值和测量值之间的误差。
在本申请方案的一种可行的实施例中，所述方法还包括通过标定公式对所述数字信号进行标定；所述标定公式的生成过程包括以下步骤：
获取按压压力值，根据所述按压压力值以及所述数字信号幅值进行描点；
通过多项式拟合对描点结果中的线性分布和非线性分布进行分区间拟合，确定标定公式。
第二方面，本发明的技术方案还提供一种基于脉搏采集分析的系统，其包括：
信号采集模块；用于采集原始脉搏波信号，对所述原始脉搏波信号进行滤波得到第二脉搏波信号
分析处理模块；用于从所述第二脉搏波信号中提取得到周期内特征和周期间特征；以及获取历史脉搏波信号，将所述第二脉搏波信号与所述历史脉搏波信号进行比对，在所述周期内特征和所述周期间特征确定强相关型特征；并根据所述强相关型特征通过分类模型确定健康状况；
动作执行模块；用于根据健康状态进行统计分析确定脉诊加压等级，确定所述加压等级的取脉压。
第三方面，本发明的技术方案还提供一种基于脉搏采集分析的装置，其包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当至少一个程序被至少一个处理器执行，使得至少一个处理器运行第一方面中的一种基于脉搏采集分析的方法。
第四方面，本发明的技术方案还提供了一种存储介质，其中存储有处理器可执行的程序，处理器可执行的程序在由处理器执行时用于运行第一方面中的方法。
本发明的优点和有益效果将在下面的描述中部分给出，其他部分可以通过本发明的具体实施方式了解得到：
本申请的技术方案在信号特征分析使用了多种类型的特征，包括周期内和周期间的特征提取；其中周期内的特征包括有时域特征提取、频域特征提取、时频域特征提取以及非线性特征提取；同时使用组间比较体现各类特征在不同实验组之间是否具有显著性差异，得到最优的特征子集，能更好地反映脉搏信息，提取更加丰富有用的信息，提高了模型的预测率；此外，本申请还使用区间调节和PID调节确定脉诊加压等级以及最佳取脉压，提供更加贴近中医脉诊的取脉压力。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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为本发明实施例提供的基于压电传感的脉搏波采集与分析系统的结构示意图
图2为本发明实施例提供的一种基于脉搏采集分析的方法的步骤流程图；
图3为实施例中的电荷放大电路原理图；
图4为实施例中的低通滤波电路原理图；
图5为实施例中的工频陷波电路原理图；
图6为实施例中的带通滤波电路原理图；
图7为实施例中的电压放大电路原理图。
具体实施方式
下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
第一方面，如图1所示，实施例所提供的基于脉搏采集分析的方法，其具体的实施过程包括基于压电传感的脉搏波采集与分析系统包括信号采集和分析两方面。
在信号采集方面，使用一款集ArmCortex-M4内核和蓝牙5为一体的RA4W1微控制器作为该系统核心控制器，主要对脉搏波信号的采集和蓝牙无线传输以及对电机的压力调节设置，具有便携性、低功耗等特点；采集脉搏信号的传感器选用柔性压电传感器，具有机械性能良好，精度高，与人体皮肤特性阻抗相匹配等优点；压电传感器输出的信号比较微弱并且携带噪声，因此需要后续的放大滤波调理电路，如电荷放大电路、低通滤波电路、带通电路以及工频陷波电路等对该信号进行处理；接着信号经过ADC采样转换为数字信号，通过蓝牙无线传输到移动终端上；此外，该系统具有待机功能，即较长时间没有工作，系统会进入待机睡眠模式，通过触摸按键唤醒，节省了功耗，具备电源管理功能。
在信号分析方面，使用小波阈值去噪方法对脉搏波信号进行高频去噪处理，结合参考基线检测脉搏波信号的起始点，拟合基线，从而去除了基线漂移，获得了更干净的脉搏波信号；接着，对干净的脉搏波信号进行周期内和周期间的特征提取；进一步地，为了减少冗余的特征造成拟合过度，提高模型预测的准确度，缩短训练时间，寻找强相关型的特征，分别提取了正常人组和患者组，例如高血压患者的脉搏波信号的各类特征并进行组间比较，说明各类特征在不同实验组之间是否具有显著性差异；接着使用最优的样本子集作为提取的特征集作为SVM(支持向量机)分类模型的输入，进而预测人的健康状况。
具体的实施例过程，如图2所示，实施例中基于脉搏采集分析的方法，包括步骤S100-S400：
S100、采集原始脉搏波信号，对原始脉搏波信号进行滤波得到第二脉搏波信号；
其中，第二脉搏波信号是指经过预处理去除了噪音之后的干净的脉搏波信号。实施例中采集脉搏信号的传感器包括但不限于压力传感器、光电传感器、传声器等；压力传感器又可以采用为压阻式、压电式以及压磁式。在这之中，压电式传感器机械性能良好，精度高，与人体皮肤特性阻抗相匹配。
示例性地，实施例采用压电传感器采集原始脉波波信号，但基于压电传感器输出的信号比较微弱同时采集过程中携带噪声，因此需要后续的放大滤波调理电路，如电荷放大电路、低通滤波电路、带通电路以及工频陷波电路等进而得到初步处理，获得干净的脉搏波信号。
S200、从第二脉搏波信号中提取得到周期内特征和周期间特征；
具体地，对干净的脉搏波信号进行周期内和周期间的特征提取，其中周期内的特征提取包括时域特征提取、频域特征提取、时频域特征提取以及非线性特征提取；周期间特征提取是基于周期间差异分析。
S300、获取历史脉搏波信号，将第二脉搏波信号与历史脉搏波信号进行比对，在周期内特征和周期间特征确定强相关型特征；
具体地，为了减少冗余的特征造成拟合过度，提高模型预测的准确度，缩短训练时间，寻找强相关型的特征，分别提取了正常人组和患者组(高血压患者)的脉搏波信号的各类特征并进行组间比较，说明各类特征在不同实验组之间是否具有显著性差异；然后使用强相关型特征构建最优的样本子集作为提取的特征集作为SVM分类模型的输入，从而预测人的健康状况。
S400、根据强相关型特征通过分类模型确定健康状况，根据健康状况确定脉诊加压等级，确定加压等级的取脉压；
具体地，根据统计分析确定中医脉诊中“浮、中、沉”的三个加压等级，然后在加压等级前后8g区间内使用步进电机进行加压调节，结合PID算法调节到稳定的取脉压，获取在该取脉压力的平均周期脉搏信号的幅值；最后整个区间内最大幅值对应的压力为此加压等级的最佳取脉压；对采集的数字取脉压力幅值信号需要进行标定转换为预测的按压值。
在一些可行的实施例中，采集原始脉搏波信号，对原始脉搏波信号进行滤波得到第二脉搏波信号这一步骤S100，其可以细分为步骤S110-S130：
S110、通过柔性电压传感器采集得到原始脉搏波信号；
具体地，使用柔性的压电传感器作为实施例系统采集脉搏波信号的传感器，通过该柔性的压点传感器采集原始脉搏波信号。
S120、通过放大滤波调理电路对原始脉搏波信号进行放大，将放大后的原始脉搏波信号转换为数字信号；
具体地，由于压电传感器输出的信号比较微弱同时采集过程中携带噪声，因此需要后续的放大滤波调理电路进行噪声滤除以及信号放大。首先，如图3所示，实施例的系统中电荷放大电路是将压电传感器产生的电荷量转换电压量，由于压电传感本身的内阻抗较高，因此需要选择高阻抗的集成运放与其内阻抗进行相匹配，在转换电路过程当中极易引入噪声，因此，需要确定好反馈电阻以及输出引线要做好屏蔽措施。如图4所示，使用截止频率fL为0.45Hz低通滤波器滤除交流噪声信号获取直流的取脉压力信号；如图5所示，使用中心频率f0为50Hz的带阻陷波器滤除携带的工频干扰噪声；如图6所示，使用0.5～30Hz带通频段带通滤波器获取脉搏波信号；脉搏波经过上述滤波调理电路之后进行了滤波降噪，提高了信号的信噪比，后续需要如图7所示的电压放大电路对信号进行放大，以满足的ADC采样的电压要求。
S130、将数字信号进行高频去噪处理，去除漂移基线得到第二脉搏信号；
具体地，在得到较为干净的数字信号后，为了获取高保真度的脉象信号，本实施例在进一步对获取的脉搏波信号进行滤波处理；首先使用改进的小波阈值对脉搏波信号进行高频去噪处理，结合参考基线检测脉搏波信号的起始点，拟合了漂移的基线，从而去除了基线漂移，获得了更干净的脉搏波信号。
在一些可行的实施例中，将数字信号进行高频去噪处理，去除漂移基线得到第二脉搏信号这一步骤S130，可以进一步细分得到步骤S131-S133：
S131、确定小波基函数，根据小波基函数通过时间尺度和时间平移确定小波序列；
具体地，若满足ψ(t)∈L2(R)，L2(R)平方可积的实数空间，且同时满足则称ψ(t)为小波基函数，则经过不同的时间尺度和时间平移得到的小波序列为：
公式(1)中，a为缩放的尺度因子，b为平移因子。
S132、根据小波序列对数字信号进行多分辨率小波分解，将多分辨率小波分解中的含高频噪声系数进行阈值量化得到第一中间信号；
其中，第一中间信号为通过小波变换去噪后的脉搏信号。具体地，对于任意函数f(t)∈L2(R)，小波变换定义为：
因此，首先将原始的脉搏波信号进行多分辨率小波分解，确定分解层数；其次，将小波分解的含高频噪声系数进行阈值量化，得到去噪后的脉搏信号如下所示：
在公式(3)中，wj，k表示的是第j个尺度的第k个小波系数，t设置为λj表示给定的阈值，c是个常数因子。当|wj，k|值的大小与给定的阈值λj相近或者是常数c设置为0时，公式(3)是软阈值函数；当常数c设置为无穷大时，公式(3)为硬阈值函数。因此，改进的阈值函数在硬阈值函数和软阈值函数之间进行了平衡。
133、根据第一中间信号中主波的波峰位置确定脉搏信号起始点，去除脉搏信号起始点中的漂移基线得到第二脉搏信号；
具体地，通过公式：
b＝SL+(SH-SL)*a (4)
其中，SL为脉搏波波形中的最小值，SH为脉搏波波形的最大值，a为阈值，b为波形参考线。调整阈值参数a使得在参考线b以上包含主波，使用基于差分法寻找主波的波峰位置；之后在两主波波峰间使用差分法寻找最小值，从而确定了脉搏信号的起始点，拟合连接各检测的起始点，为脉搏信号中含有的漂移基线，最后从原始的脉搏信号减去漂移基线得到去除基线漂移的干净脉搏波信号，相对传统的基线漂移去除方法其起始点的检测准确率有了大的提高，其滤除效果也有了提高。
在一些可行的实施例中，从第二脉搏波信号中提取得到周期内特征和周期间特征这一步骤，其包括以下步骤至少之一：
提取第二脉搏波信号的时域特征；提取第二脉搏波信号的频域特征；提取第二脉搏波信号的时频域特征；提取第二脉搏波信号的非线性特征；根据周期间的差异分析，提取周期间特征。
具体地，周期内的特征提取包括时域特征提取、频域特征提取、时频域特征提取以及非线性特征提取；其中时域特征包括有对脉搏波波形如主波、重搏前波、重博波以及降中峡等幅值、时间之间的做差或比例等的特征；频域特征包括基于快速傅里叶变换(FFT)的频谱分析、时频分析包络基于希尔伯特黄变换(Hilbert-Huang，HHT)的谱分析和基于小波分解的特征分析；非线性特征如样本熵和多尺度熵，实验表明，这些非线性特征能够反映脉搏信号的时间复杂度；此外，周期间特征提取是基于周期间差异分析而提取得到的。
在一些可行的实施例中，提取第二脉搏波信号的时频域特征的过程，可以进一步具体为基于希尔伯特黄变换对搏波信号对第二脉搏波信号进行频谱分析，根据频谱分析的结果确定时频域特征；其中，频谱分析的过程包括步骤S210-S230：
S210、将第二脉搏波信号进行希尔伯特黄变换；
S220、获取变换后的时间序列信号变换得到解析信号；
S230、对解析信号中的相位函数进行求导得到瞬时频率，根据瞬时频率确定第二脉搏波信号的时频域特征。
具体地，对于任一时间序列信号x(t)，有如下变换：
在公式(5)中，x(t)是原始脉搏信号，y(t)是x(t)和1/πτ的卷积，进而得到解析信号z(t)：
Z(t)＝x(t)+iy(t)＝a(t)eiθ(t) (6)
在公式(6)中，增值函数为：相位函数为/>对相位函数进行求导，得到瞬时频率：
因此，原始信号x(t)经过Hilbert变换后可表示如下形式：
其中，Re是指取该复数中的实部。
在一些可行的实施例中，根据强相关型特征通过分类模型确定健康状况，根据健康状况确定脉诊加压等级，确定加压等级的取脉压这一步骤S400，可以进一步细分为步骤S410-S430：
S410、确定脉诊加压等级的区间；
具体地，根据统计分析确定中医脉诊中“浮、中、沉”的三个加压等级，然后在加压等级前后8g使用步进电机进行加压调节，即设定“浮、中、沉”的三个加压等级为Pf，Pz，Pc，然后确定等级的区间为[Pf-8，Pf+8]，[Pz-8，Pz+8]，[Pc-8，Pc+8]。
S420、在区间内通过PID调节确定取脉压；
S430、取脉压为区间内平均周期脉搏信号的最大幅值的压力；
具体地，在[Pf-8，Pf+8]，[Pz-8，Pz+8]，[Pc-8，Pc+8]区间内，以1g的间隔使用PID调节到稳定的取脉压，获取在该取脉压力的平均周期脉搏信号的幅值；最后整个区间内最大幅值对应的压力为此加压等级的最佳取脉压力。其中，PID离散表达形式如下：
其中，u(k)为调节后的信号幅值，Kp为比例增益，Ki为积分增益，Kd为微分增益，e(k)为当前给定值和测量值之间的误差；e(k-1)为前一次给定值和测量值之间的误差。
在一些可行的实施例中，基于脉搏采集分析的方法还可以包括步骤S500-S600：
S500、获取按压压力值，根据按压压力值以及数字信号幅值进行描点；
具体地，实施例还对采集的数字取脉压力信号进行标定，通过电子秤测量电机的实际按压压力值和获取采集滤波得到的数字取脉压力信号，一共测量100组实验数据，重复次数为3次；以横坐标为实际的按压压力值，纵坐标为该压力值下的数字取脉压力信号幅值进行描点。
S600、通过多项式拟合对描点结果中的线性分布和非线性分布进行分区间拟合，确定标定公式；
具体地，实施例使用多项式拟合方式对线性分布和非线性分布等部分进行分区间拟合，之后同样采取100组数据，之后使用标定的公式输入取脉压力信号幅值获取估计的取脉压力，与实际的取脉压力使用下述指标R进行分析，验证该标定公式是否是高度拟合；
在公式(9)中，yi是实际的按压压力值，是使用标定公式得到的估计取脉压力，是实际按压的均值，wi为权重，实施例中可设置为1。
在第二方面，本申请所提供的一种用于第一方面中方法的基于脉搏采集分析的系统，其包括：
信号采集模块；用于采集原始脉搏波信号，对原始脉搏波信号进行滤波得到第二脉搏波信号
分析处理模块；用于从第二脉搏波信号中提取得到周期内特征和周期间特征；以及获取历史脉搏波信号，将第二脉搏波信号与历史脉搏波信号进行比对，在周期内特征和所述周期间特征确定强相关型特征；并根据强相关型特征通过分类模型确定健康状况；
动作执行模块；用于确定脉诊加压等级，确定加压等级的取脉压。
第三方面，本申请的技术方案还提供一种基于脉搏采集分析的装置，其包括至少一个处理器；至少一个存储器，用于存储至少一个程序；当至少一个程序被至少一个处理器执行，使得至少一个处理器运行如第一方面中的一种基于脉搏采集分析的方法。
本发明实施例还提供了一种存储介质内存储有程序，程序被处理器执行，实现如第一方面中的方法。
从上述具体的实施过程，可以总结出，本发明所提供的技术方案相较于现有技术存在以下优点或优势：
(1)本申请的技术方案使用统计分析确定中医脉诊中“浮、中、沉”的三个加压等级，然后在加压等级前后8g区间内使用PID算法和步进电机进行加压调节，获取在该取脉压力的平均周期脉搏信号的幅值，最后整个区间内最大幅值对应的压力为此加压等级的最佳取脉压；较好了模拟中医脉诊中“浮、中、沉”力度；
(2)本申请的技术方案在分析熵使用了多种类型的特征，包括周期内和周期间的特征提取；其中周期内的特征包括有时域特征提取、频域特征提取、时频域特征提取以及非线性特征提取；周期间的特征是基于周期间差异分析；同时使用组间比较说明各类特征在不同实验组之间是否具有显著性差异，得到最优的特征子集，能更好地反映脉搏信息，提取更加丰富有用地信息，提高了模型的预测率。
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种基于脉搏采集分析的方法，其特征在于，包括以下步骤：
采集原始脉搏波信号，对所述原始脉搏波信号进行滤波得到第二脉搏波信号；
从所述第二脉搏波信号中提取得到周期内特征和周期间特征；
获取历史脉搏波信号，分别将正常人组和患者组的所述第二脉搏波信号、所述历史脉搏波信号进行组间比对，在所述周期内特征和所述周期间特征确定强相关型特征；
根据所述强相关型特征通过分类模型确定健康状况，对所述健康状况进行统计分析确定脉诊加压等级，确定所述加压等级的取脉压；
所述根据所述强相关型特征通过分类模型确定健康状况，对所述健康状况进行统计分析确定脉诊加压等级，确定所述加压等级的取脉压这一步骤，其包括：
确定所述脉诊加压等级的区间；
在所述区间内通过PID调节确定所述取脉压；
所述取脉压为所述区间内平均周期脉搏信号的最大幅值的压力。
2.根据权利要求1所述的一种基于脉搏采集分析的方法，其特征在于，所述采集原始脉搏波信号，对所述原始脉搏波信号进行滤波得到第二脉搏波信号这一步骤，其包括：
通过柔性电压传感器采集得到所述原始脉搏波信号；
通过放大滤波调理电路对所述原始脉搏波信号进行放大，将放大后的所述原始脉搏波信号转换为数字信号；
将所述数字信号进行高频去噪处理，去除漂移基线得到所述第二脉搏波信号。
3.根据权利要求2所述的一种基于脉搏采集分析的方法，其特征在于，所述将所述数字信号进行高频去噪处理，去除漂移基线得到所述第二脉搏波信号这一步骤，其包括：
确定小波基函数，根据所述小波基函数通过时间尺度和时间平移确定小波序列；
根据所述小波序列对所述数字信号进行多分辨率小波分解，将多分辨率小波分解中的含高频噪声系数进行阈值量化得到第一中间信号；
根据所述第一中间信号中主波的波峰位置确定脉搏信号起始点，去除所述脉搏信号起始点中的所述漂移基线得到所述第二脉搏波信号。
4.根据权利要求1所述的一种基于脉搏采集分析的方法，其特征在于，所述从所述第二脉搏波信号中提取得到周期内特征和周期间特征这一步骤，其包括以下步骤至少之一：
提取所述第二脉搏波信号的时域特征；
提取所述第二脉搏波信号的频域特征；
提取所述第二脉搏波信号的时频域特征；
提取所述第二脉搏波信号的非线性特征；
根据周期间的差异分析，提取所述周期间特征。
5.根据权利要求4所述的一种基于脉搏采集分析的方法，其特征在于，所述提取所述第二脉搏波信号的时频域特征这一步骤，其包括：
基于希尔伯特黄变换对所述第二脉搏波信号进行频谱分析，根据所述频谱分析的结果确定所述时频域特征；
所述频谱分析的过程包括：
将所述第二脉搏波信号进行希尔伯特黄变换；
获取变换后的时间序列信号变换得到解析信号；
对所述解析信号中的相位函数进行求导得到瞬时频率，根据所述瞬时频率确定所述第二脉搏波信号的时频域特征。
6.根据权利要求1所述的一种基于脉搏采集分析的方法，其特征在于，
所述PID调节的离散表达形式为：
其中，u(k)为调节后的信号幅值，Kp为比例增益，Ki为积分增益，Kd为微分增益，e(k)为当前给定值和测量值之间的误差；e(k-1)为前一次给定值和测量值之间的误差。
7.根据权利要求2所述的一种基于脉搏采集分析的方法，其特征在于，所述方法还包括通过标定公式对所述数字信号进行标定；所述标定公式的生成过程包括以下步骤：
获取按压压力值，根据所述按压压力值以及所述数字信号幅值进行描点；
通过多项式拟合对描点结果中的线性分布和非线性分布进行分区间拟合，确定标定公式。
8.一种基于脉搏采集分析的系统，其特征在于，包括：
信号采集模块；用于采集原始脉搏波信号，对所述原始脉搏波信号进行滤波得到第二脉搏波信号
分析处理模块；用于从所述第二脉搏波信号中提取得到周期内特征和周期间特征；以及
获取历史脉搏波信号，分别将正常人组和患者组的所述第二脉搏波信号、所述历史脉搏波信号进行组间比对，在所述周期内特征和所述周期间特征确定强相关型特征；并根据所述强相关型特征通过分类模型确定健康状况；
动作执行模块；用于对所述健康状况进行统计分析，确定脉诊加压等级，确定所述加压等级的取脉压；
所述根据所述强相关型特征通过分类模型确定健康状况，对所述健康状况进行统计分析确定脉诊加压等级，确定所述加压等级的取脉压这一步骤，其包括：
确定所述脉诊加压等级的区间；
在所述区间内通过PID调节确定所述取脉压；
所述取脉压为所述区间内平均周期脉搏信号的最大幅值的压力。
9.一种基于脉搏采集分析的装置，其特征在于，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器运行如权利要求1-7任一项所述的一种基于脉搏采集分析的方法。
10.一种存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于运行如权利要求1-7中任一项所述的一种基于脉搏采集分析的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110515008.1A CN113413135B (zh) | 2021-05-12 | 2021-05-12 | 一种基于脉搏采集分析的方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110515008.1A CN113413135B (zh) | 2021-05-12 | 2021-05-12 | 一种基于脉搏采集分析的方法、系统、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113413135A CN113413135A (zh) | 2021-09-21 |
| CN113413135B true CN113413135B (zh) | 2024-03-29 |
Family
ID=77712244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110515008.1A Active CN113413135B (zh) | 2021-05-12 | 2021-05-12 | 一种基于脉搏采集分析的方法、系统、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113413135B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115089133A (zh) * | 2022-06-20 | 2022-09-23 | 中国农业银行股份有限公司 | 脉象信号识别方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013165565A1 (en) * | 2012-04-30 | 2013-11-07 | Nikon Corporation | Method of detecting a main subject in an image |
| CN103845043A (zh) * | 2014-03-12 | 2014-06-11 | 天津大学 | 一种快速脉象采集装置及控制方法 |
| CN107468221A (zh) * | 2017-09-12 | 2017-12-15 | 济南大学 | 基于金氏脉学的脉搏波信号处理方法及肺癌检测系统 |
| KR20180014417A (ko) * | 2016-07-29 | 2018-02-08 | 연세대학교 원주산학협력단 | 비강압력신호를 이용한 수면호흡장애 환자의 수면/각성 분류 장치 및 방법 |
| CN109864719A (zh) * | 2017-12-05 | 2019-06-11 | 深圳市前海安测信息技术有限公司 | 中医脉象检测分析系统及方法 |
| CN112043252A (zh) * | 2020-10-10 | 2020-12-08 | 山东大学 | 基于脉搏信号中呼吸成分的情绪识别系统及方法 |
| CN112773340A (zh) * | 2021-02-07 | 2021-05-11 | 佛山科学技术学院 | 一种基于eemd-pncc的脉搏特征提取系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3366203B1 (en) * | 2017-02-23 | 2019-12-25 | Tata Consultancy Services Limited | Method and system for cuffless blood pressure estimation using photoplethysmogram features and pulse transit time |
-
2021
- 2021-05-12 CN CN202110515008.1A patent/CN113413135B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013165565A1 (en) * | 2012-04-30 | 2013-11-07 | Nikon Corporation | Method of detecting a main subject in an image |
| CN103845043A (zh) * | 2014-03-12 | 2014-06-11 | 天津大学 | 一种快速脉象采集装置及控制方法 |
| KR20180014417A (ko) * | 2016-07-29 | 2018-02-08 | 연세대학교 원주산학협력단 | 비강압력신호를 이용한 수면호흡장애 환자의 수면/각성 분류 장치 및 방법 |
| CN107468221A (zh) * | 2017-09-12 | 2017-12-15 | 济南大学 | 基于金氏脉学的脉搏波信号处理方法及肺癌检测系统 |
| CN109864719A (zh) * | 2017-12-05 | 2019-06-11 | 深圳市前海安测信息技术有限公司 | 中医脉象检测分析系统及方法 |
| CN112043252A (zh) * | 2020-10-10 | 2020-12-08 | 山东大学 | 基于脉搏信号中呼吸成分的情绪识别系统及方法 |
| CN112773340A (zh) * | 2021-02-07 | 2021-05-11 | 佛山科学技术学院 | 一种基于eemd-pncc的脉搏特征提取系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 可穿戴式自动加压脉诊手环的研制;余夏晖;中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)(第1期);说明书第13-71页 * |
| 穿戴式脉象检测装置及其信号处理的研究;张西洋;中国优秀硕士学位论文全文数据库 (信息科技辑)(第5期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113413135A (zh) | 2021-09-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10825569B2 (en) | Universal non-invasive blood glucose estimation method based on time series analysis | |
| CN111035367B (zh) | 一种用于判断睡眠呼吸暂停的信号检测系统 | |
| Logesparan et al. | Optimal features for online seizure detection | |
| Wang et al. | A robust signal preprocessing framework for wrist pulse analysis | |
| CN109124610B (zh) | 一种无创血压测量的抗干扰方法和装置 | |
| CN109907752A (zh) | 一种去除运动伪影干扰与心电特征检测的心电诊断与监护方法及系统 | |
| CN102512158B (zh) | 一种基于高维模糊识别的心电信号质量评估方法和装置 | |
| CN110338813B (zh) | 一种基于频谱分析的无创血糖检测方法 | |
| CN104382571A (zh) | 一种基于桡动脉脉搏波传导时间的测量血压方法及装置 | |
| CN104305992B (zh) | 一种交互式胎儿心电快速自动提取方法 | |
| Saxena et al. | QRS detection using new wavelets | |
| CN113413135B (zh) | 一种基于脉搏采集分析的方法、系统、装置及存储介质 | |
| CN107361764A (zh) | 一种心电信号特征波形r波的快速提取方法 | |
| Elbuni et al. | ECG parameter extraction algorithm using (DWTAE) algorithm | |
| Übeyli | Statistics over features of ECG signals | |
| CN113729653A (zh) | 一种人体脉搏波信号采集方法 | |
| CN116172531B (zh) | 一种基于小波散射变换的血压变化趋势估计方法 | |
| CN115553784B (zh) | 基于心电、心音信号耦合分析的冠心病评估方法及系统 | |
| CN104352234A (zh) | 一种生理电信号尖峰奇异点检测方法 | |
| CN114145725B (zh) | 一种基于无创连续血压测量的ppg采样率估算方法 | |
| WO2004098409A1 (ja) | 心拍や呼吸等の生体信号の抽出法及び装置 | |
| CN113616194B (zh) | 一种监测手部震颤频率和强度的装置及方法 | |
| CN113425273B (zh) | 一种建模个体脉搏波特征的血压测量系统 | |
| CN112826459B (zh) | 一种基于卷积自编码器的脉搏波波形重建的方法及系统 | |
| CN113100735B (zh) | 一种基于静脉血流图的血栓检测装置及方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |