CN113545777A - 血氧检测方法、血氧检测装置、电子设备和可读存储介质 - Google Patents

血氧检测方法、血氧检测装置、电子设备和可读存储介质 Download PDF

Info

Publication number
CN113545777A
CN113545777A CN202111009183.XA CN202111009183A CN113545777A CN 113545777 A CN113545777 A CN 113545777A CN 202111009183 A CN202111009183 A CN 202111009183A CN 113545777 A CN113545777 A CN 113545777A
Authority
CN
China
Prior art keywords
light signal
blood oxygen
signal
infrared light
value
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.)
Granted
Application number
CN202111009183.XA
Other languages
English (en)
Other versions
CN113545777B (zh
Inventor
尹世龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Vivo Mobile Communication Co Ltd
Original Assignee
Vivo Mobile Communication Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Vivo Mobile Communication Co Ltd filed Critical Vivo Mobile Communication Co Ltd
Priority to CN202111009183.XA priority Critical patent/CN113545777B/zh
Priority claimed from CN202111009183.XA external-priority patent/CN113545777B/zh
Publication of CN113545777A publication Critical patent/CN113545777A/zh
Application granted granted Critical
Publication of CN113545777B publication Critical patent/CN113545777B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A61B5/14552—Details of sensors specially adapted therefor

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Optics & Photonics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请公开了一种血氧检测方法、血氧检测装置、电子设备和可读存储介质。属于血氧检测技术领域，其中，血氧检测方法，包括：采集红光信号、红外光信号和绿光信号；根据红光信号和红外光信号，确定第一血氧值；根据红光信号、红外光信号和绿光信号，确定红光信号和红外光信号的特征向量；在特征向量符合设定条件的情况下，输出第一血氧值。

Description

血氧检测方法、血氧检测装置、电子设备和可读存储介质
技术领域
本申请属于血氧检测技术领域，具体涉及一种血氧检测方法、血氧检测装置、电子设备和可读存储介质。
背景技术
在相关技术中，穿戴设备能够获取用户的血氧参数，用户通过穿戴设备上血氧参数了解自身的健康指标。
用户在佩戴穿戴设备时，由于不同用户的佩戴习惯不同，存在穿戴设备佩戴过紧或过松的问题，导致血氧参数的获取结果不准确。
用户获取穿戴设备上错误的血氧参数，容易错误的了解自身的健康指标，出现血氧参数误报的问题。
发明内容
本申请实施例的目的是提供一种血氧检测方法、血氧检测装置、电子设备和可读存储介质，能够实现降低血氧参数的误报率。
第一方面，本申请实施例提供了一种血氧检测方法，包括：
采集红光信号、红外光信号和绿光信号；
根据红光信号和红外光信号，确定第一血氧值；
根据红光信号、红外光信号和绿光信号，确定红光信号和红外光信号的特征向量；
在特征向量符合设定条件的情况下，输出第一血氧值。
第二方面，本申请实施例提供了一种血氧检测装置，包括：
采集单元，用于采集红光信号、红外光信号和绿光信号；
第一确定单元，用于根据红光信号和红外光信号，确定第一血氧值；
第二确定单元，用于根据红光信号、红外光信号和绿光信号，确定红光信号和红外光信号的特征向量；
输出单元，用于在特征向量符合设定条件的情况下，输出第一血氧值。
第三方面，本申请实施例提供了一种电子设备，包括处理器，存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面的方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，该可读存储介质上存储程序或指令，该程序或指令被处理器执行时实现如第一方面的方法的步骤。
第五方面，本申请实施例提供了一种芯片，该芯片包括处理器和通信接口，该通信接口和该处理器耦合，该处理器用于运行程序或指令，实现如第一方面的方法的步骤。
在本申请实施例中，特征向量能够说明红光信号和红外光信号的信号质量，通过对红光信号和红外光信号的信号质量进行判断，从而可以对第一血氧值进行筛选，红光信号和红外光信号的信号质量较好时输出的第一血氧值发生误报的几率较低，从而提高电子设备获取用户血氧值的准确性。
用户在佩戴电子设备时，如果出现佩戴过紧或过松的情况时，获取到的红光信号和红外光信号的信号质量较低，此时不输出第一血氧值，避免用户错误的了解自身的健康指标。
附图说明
图1示出了本申请实施例中血氧检测方法的流程示意图；
图2示出了本申请实施例中特征向量的分布示意图；
图3示出了本申请实施例中检测子模型的示意图；
图4示出了相关技术中第一血氧值的输出结果的折线图；
图5示出了本申请实施例中第一血氧值的输出结果示意图；
图6示出了根据本申请实施例的血氧检测装置的结构框图；
图7示出了根据本申请实施例的电子设备的结构框图；
图8为实现本申请实施例的电子设备的硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的进行详细地说明。
在本申请的一些实施例中，提出了一种血氧检测方法，如图1所示，包括：
步骤102，采集红光信号、红外光信号和绿光信号；
步骤104，根据红光信号和红外光信号，确定第一血氧值；
步骤106，根据红光信号、红外光信号和绿光信号，确定红光信号和红外光信号的特征向量；
步骤108，在特征向量符合设定条件的情况下，输出第一血氧值。
在本申请的实施例中，可以通过红光传感器、红外传感器和绿光传感器对被测用户进行信号采集，从而可以获取红光信号、红外光信号和绿光信号。
由于含氧血红蛋白和脱氧血红蛋白对红光和红外光的吸收率差异较大，通过红光信号和红外光信号确定第一血氧值。然后获取红光信号和红外光信号的特征向量，特征向量能够说明红光信号和红外光信号的信号质量，在红光信号和红外光信号的信号质量满足设定条件的情况下，说明红光信号和红外光信号的信号质量较高，此时可以输出第一血氧值，含氧血红蛋白和脱氧血红蛋白对绿光的吸收率较高，可以通过绿光信号作为基准信号，将红光信号和红外光信号与绿光信息进行对比，从而辅助判断红光信号和红外光信号的信号质量。
如果红光信号和红外光信号的信号质量不满足设定条件，说明红光信号和红外光信号的信号质量较差，此时不输出第一血氧值，并继续对下一组红光信号和红外光信号的特征向量进行判断。
通过对红光信号和红外光信号的信号质量进行判断，从而可以对第一血氧值进行筛选，红光信号和红外光信号的信号质量较好时输出的第一血氧值发生误报的几率较低，从而提高电子设备获取用户血氧值的准确性。
用户在佩戴电子设备时，如果出现佩戴过紧或过松的情况时，获取到的红光信号和红外光信号的信号质量较低，此时不输出第一血氧值，避免用户错误的了解自身的健康指标。
通过设置多个判断条件，用来对错误的数据进行筛选，可以有效减少血氧错误出值，尤其是在用户正常使用中出现低血氧值误报的情况，从而提升用户对于产品的信赖。
在本申请的一种可能实施例中，根据红光信号、红外光信号和绿光信号，确定红光信号和红外光信号的特征向量，包括：
获取红光信号和红外光信号的第一时域特征和第一频域特征；
获取红光信号对应的第一光密度和红外光信号对应的第二光密度，根据第一光密度和第二光密度确定光密度比；
根据绿光信号、红光信号和红外光信号，确定红光信号和红外光信号的形态特征；
根据第一时域特征、第一频域特征、光密度比和形态特征，确定特征向量。
在该实施例中，红光信号和红外光信号的第一时域特征、第一频域特征、光密度比和形态特征，确定红光信号和红外光信号的特征向量，多个特征组合形成的特征向量，能够提高判断红光信号和红外光信号的信号质量的准确性。
示例性地，第一时域特征主要包括最大差异值，最大跳变值，最大峰峰值和最小峰峰值，最大差异值为MAX(V)-MIN(V)，最大跳变值为MAX(ABS(Vt+1-Vt))，最大峰峰值为MAX(Vpeak-Vvalley)，最小峰峰值为MIN(Vpeak-Vvalley)，其中，V代表显示窗口内的信号序列，MAX，MIN，ABS分别代表最大值，最小值和绝对值函数，Vt代表t时刻的值，Vpeak，和Vvalley分别代表波峰值和波谷值的集合。第一时域特征中的所有特征都使用平均峰峰值进行归一化，确保不同用户的数据可以使用同一套系统进行评估。这些特征能够反映红光信号和红外光信号在纵向，即数值上的稳定性。对于归一化后的最大差异值，最大峰峰值和最小峰峰值，它们的值越接近于1，说明信号的值越稳定，计算得到的第一血氧值的可信度就越高。
频域特征主要包括主峰能量在全频段(采样频率的一半)上能量的占比，和在心率频段(0.8～3Hz)上能量的占比，能量的计算公式为E＝∑F f2，其中F表示指定的频率区间，f为该区间每个频率点所对应的值。这两个特征能够反映红光信号和红外光信号在横向，即周期上的稳定性。能量占比越高，说明信号的周期性越强，计算得到的血氧可信度越高。
含氧血红蛋白和脱氧血红蛋白对绿光的吸收率较高，可以通过绿光信号作为基准信号，确定红光信号和红外光信号的形态特征，红光信号和红外光信号与绿光信号的偏差能够反应红光信号和红外光信号在形态上是否发生畸变。
通过上述特征结合后得到的特征向量与设定条件进行比对，提高电子设备输出的第一血氧值的准确性。
如图2所示，第一时域特征、第一频域特征对于红外光和红光各计算一次，光密度比只计算一次。
在本申请的一种可能实施例中，根据绿光信号、红光信号和红外光信号，确定红光信号和红外光信号的形态特征，包括：
获取绿光信号的信号形态第一参数值；
获取红光信号和红外光信号的信号形态第二参数值；
根据信号形态第一参数值和信号形态第二参数值，得到形态特征。
在该实施例中，含氧血红蛋白和脱氧血红蛋白对绿光的吸收率较高，可以通过绿光信号作为基准信号，确定红光信号和红外光信号的形态特征，将三种光的信号通过在数值上调整到同一尺度后，计算红光和红外光与绿光信号的均方根误差，将三种光的信号调整到同一尺度能够使得对比结果更加明显，这个特征可以反映红光信号在形态上是否存在较大的畸变。误差值越小，说明该信号与参考信号越接近，计算得到的血氧可信度就越高。通过将三种光的偏差进行对比，使得对第一血氧值是否输出的判断过程更加准确，提高电子设备输出的第一血氧值的准确性。
在本申请的一种可能实施例中，确定特征向量符合设定条件，输出第一血氧值，包括：
按照设定顺序，分别对第一时域特征和第一预设值、第一频域特征和第二预设值、光密度比和第三预设值以及形态特征和第四预设值进行比较，得到N个第一信号参数；
根据N个第一信号参数进行计算，确定第二信号参数，第二信号参数与第一血氧值相对应；
在第二信号参数处于预设参数阈值范围内的情况下，输出第一血氧值。
在该实施例中，在获取红光信号和红外光信号的特征向量之后，可通过将红光信号和红外光信号的特征向量输入检测模型中，检测模型是提前训练好的集成模型，根据输入的形态特征能够得到第一信号参数。
通过设置N个检测子模型，可以得到N个第一信号参数，多个第一信号参数综合后得到第二信号参数，第二信号参数是用于说明第一血氧值的置信度，将置信度与预设参数阈值进行比较，只有在处于预设参数阈值范围内时，与第二信号参数对应的第一血氧值才能被输出，置信度较低的第一血氧值不会被输出，避免用户错误的了解自己的健康指标，有利于提升用户对电子设备的使用体验。
通过增加检测模型的数量，能够提高检测结果的准确性。
检测模型分别对第一时域特征和第一预设值、第一频域特征和第二预设值、光密度比和第三预设值以及形态特征和第四预设值进行比较，得到N个第一信号参数，该比较过程不限于顺序，不同的检测模型内对各特征进行比较的先后顺序可能不同。
示例性地，将特征向量输入检测模型后，能够得到预测分数，预测分数即第一信号参数，如图3所示，检测模型为集成树模型，对于每一个集成树模型，输入特征向量，每一个分裂节点都是一个判断，最后落入的子节点即是对应特征向量的预测分数。图2中得到的数值输入检测模型中，根据图3中的检测模型对数值进行比对，得到的结果即第一信号参数。根据N个第一信号参数计算，确定第二信号参数的具体计算过程为，对所有集成树模型，给出的预测分数进行求和，得到第二信号参数，即特征向量的得分，将该分数通过函数映射到0到1之间，该值即可作为第一血氧值的置信度，越接近1，代表第一血氧值的结果可信度越高，反之，则说明血氧结果不可信。在计算得到第一血氧值对应的置信度后，我们需要定一个阈值，并规定只有置信度高于该阈值的第一血氧值最后才会被输出，阈值的选择基于使用者对于准确率以及出值率的权衡。
图4是未经过置信度修正的测试员第一血氧值变化曲线，可以看到方框内有明显的血氧跳变情况，也就是低血氧误报。图5是经过置信度过滤后的第一血氧值曲线，同一位置由于置信度没有达到要求，因此不会输出错误的血氧值。
在本申请的一种可能实施例中，根据红光信号和红外光信号，确定第一血氧值，包括：
获取拟合参数；
根据拟合参数与光密度比，计算得到第一血氧值。
在该实施例中，光密度比能够用于计算第一血氧值，计算公式为：SPO2＝AR2+BR+C，其中R为光密度比，A,B,C分别为拟合参数，通过实验数据进行拟合获得，之所以加入这几个值是因为发现畸变的信号往往计算出来的血氧值普遍偏低，对于低血氧的出值，我们对信号质量需要有更高的要求，通过上述计算方式，提高了对红光信号和红外光信号的信号质量进行判断的准确性。
在本申请的一种可能实施例中，根据红光信号和红外光信号，确定第一血氧值之前，还包括：
获取M个加速度信号；
计算M个加速度信号中相邻两个加速度信号的加速度变化值；
在加速度变化值小于变化阈值的情况下，继续执行根据红光信号和红外光信号，确定第一血氧值的步骤。
在该实施例中，确定第一血氧值之前，需要先获取电子设备的加速度信号，具体是获取M个加速度信号，相邻两个加速度信号的加速度变化值能够体现用户是否处于运动状态，在用户处于运动状态的情况下，用户的血氧值不稳定，所以此时不应该继续计算第一血氧值，避免做出无用的工作量，通过判断用户的运动状态，进一步输出第一血氧值的准确性。
在获取的加速度信号有剧烈变化的情况下，说明用户在该时刻有一个较为明显的动作，此时不需要进行第一血氧值的计算。
在本申请的一种可能实施例中，获取M个加速度信号之前，还包括：
获取绿光信号的第二时域特征和第二频域特征；
在第二时域特征包括周期性特征，和/或第二频域特征包括目标频域特征的情况下，继续执行获取M个加速度信号的步骤。
在该实施例中，在确定用户是否处于运动状态之前，需要先确定电子设备是否处于佩戴状态，人体对于绿光的吸收率较高，因此绿光的信号质量一般会比红光信号和红外光信号要好，通过获取绿光信号能够提高判断用户是否佩戴电子设备的准确性，如果用户没有佩戴电子设备，就不需要继续判断用户是否处于运动状态，避免出现误检测。
如果时域信号上存在明显的心跳，即表现出周期性，则在频域上会有一个较为突出的主峰，通过识别到这个主峰，既可以帮助我们判断用户是否处于佩戴状态，也可以帮助我们获取到用户的心率。
如图6所示，在本申请一些实施例中，提出了一种血氧检测装置500，包括：
采集单元502，用于采集红光信号、红外光信号和绿光信号；
第一确定单元504，用于根据红光信号和红外光信号，确定第一血氧值；
第二确定单元506，用于根据红光信号、红外光信号和绿光信号，确定红光信号和红外光信号的特征向量；
输出单元508，用于在特征向量符合设定条件的情况下，输出第一血氧值。
通过对红光信号和红外光信号的信号质量进行判断，从而可以对第一血氧值进行筛选，红光信号和红外光信号的信号质量较好时输出的第一血氧值发生误报的几率较低，从而提高电子设备获取用户血氧值的准确性。
在本申请一种可能的实施例中，第二确定单元具体用于：
获取红光信号和红外光信号的第一时域特征和第一频域特征；
获取红光信号对应的第一光密度和红外光信号对应的第二光密度，根据第一光密度和第二光密度确定光密度比；
根据绿光信号、红光信号和红外光信号，确定红光信号和红外光信号的形态特征；
根据第一时域特征、第一频域特征、光密度比和形态特征，确定特征向量。
在本申请一种可能的实施例中，第二确定单元具体还用于：
获取绿光信号的信号形态第一参数值；
获取红光信号和红外光信号的信号形态第二参数值；
根据信号形态第一参数值和信号形态第二参考值进行计算，得到形态特征。
在本申请一种可能的实施例中，输出单元具体用于：
将特征向量输入至N个检测模型；
按照设定顺序，分别对第一时域特征和第一预设值、第一频域特征和第二预设值、光密度比和第三预设值以及形态特征和第四预设值进行比较，得到N个第一信号参数；
根据N个第一信号参数进行计算，确定第二信号参数，第二信号参数与第一血氧值相对应；
在第二信号参数处于预设参数阈值范围内的情况下，输出第一血氧值。
在本申请一种可能的实施例中，第一确定单元具体用于：
获取拟合参数；
根据拟合参数与光密度比，计算得到第一血氧值。
在本申请一种可能的实施例中，血氧检测装置还包括：
第一获取单元，用于获取M个加速度信号；
计算单元，用于计算M个加速度信号中相邻两个加速度信号的加速度变化值，在加速度变化值小于变化阈值的情况下，第一确定单元根据红光信号和红外光信号，确定第一血氧值。
在本申请一种可能的实施例中，血氧检测装置还包括：
第二获取单元，用于获取绿光信号的第二时域特征和第二频域特征，在第二时域特征包括周期性特征，和/或第二频域特征包括目标频域特征的情况下，第一获取单元获取M个加速度信号。本申请实施例中的血氧检测装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。
本申请实施例中的血氧检测装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为iOS操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
本申请实施例提供的血氧检测装置能够实现上述方法实施例实现的各个过程，为避免重复，这里不再赘述。
可选地，本申请实施例还提供一种电子设备600，图7示出了根据本申请实施例的电子设备的结构框图，如图7所示，包括处理器602，存储器604，存储在存储器604上并可在处理器602上运行的程序或指令，该程序或指令被处理器602执行时实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，本申请实施例中的电子设备包括上述的移动电子设备和非移动电子设备。
图8为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备2000包括但不限于：射频单元2001、网络模块2002、音频输出单元2003、输入单元2004、传感器2005、显示单元2006、用户输入单元2007、接口单元2008、存储器2009、以及处理器2010等部件。
本领域技术人员可以理解，电子设备2000还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器2010逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图8中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
其中，传感器2005采集红光信号、红外光信号和绿光信号；
处理器2010用于根据红光信号和红外光信号，确定第一血氧值；根据红光信号、红外光信号和绿光信号，确定红光信号和红外光信号的特征向量；在特征向量符合设定条件的情况下，输出第一血氧值。
可选的，处理器2010用于获取红光信号和红外光信号的第一时域特征和第一频域特征；
获取红光信号对应的第一光密度和红外光信号对应的第二光密度，根据第一光密度和第二光密度确定光密度比；根据绿光信号、红光信号和红外光信号，确定红光信号和红外光信号的形态特征；根据第一时域特征、第一频域特征、光密度比和形态特征，确定特征向量。
可选的，处理器2010用于获取绿光信号的形态第一参数值；获取红光信号和红外光信号的信号形态第二参数值；根据信号形态第一参数值和信号形态第二参考值进行计算，得到形态特征。
可选的，输入单元2004将特征向量输入至N个检测模型；
处理器2010用于按照设定顺序，分别对第一时域特征和第一预设值、第一频域特征和第二预设值、光密度比和第三预设值以及形态特征和第四预设值进行比较，得到N个第一信号参数；根据N个第一信号参数进行计算，确定第二信号参数，第二信号参数与第一血氧值相对应；在第二信号参数处于预设参数阈值范围内的情况下，输出第一血氧值。
可选的，处理器2010用于获取拟合参数；根据拟合参数与光密度比，计算得到第一血氧值。
可选的，处理器2010用于获取M个加速度信号；计算M个加速度信号中相邻两个加速度信号的加速度变化值；在加速度变化值小于变化阈值的情况下，继续执行根据红光信号和红外光信号，确定第一血氧值的步骤。
可选的，处理器2010用于获取绿光信号的第二时域特征和第二频域特征；在第二时域特征包括周期性特征，和/或第二频域特征包括目标频域特征的情况下，继续执行获取M个加速度信号的步骤。
通过对红光信号和红外光信号的信号质量进行判断，从而可以对第一血氧值进行筛选，红光信号和红外光信号的信号质量较好时输出的第一血氧值发生误报的几率较低，从而提高电子设备获取用户血氧值的准确性。
应理解的是，本申请实施例中，输入单元2004可以包括图形处理器(GraphicsProcessing Unit，GPU)20041和麦克风20042，图形处理器20041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。
显示单元2006可包括显示面板20061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板20061。用户输入单元2007包括触控面板20071以及其他输入设备20072。触控面板20071，也称为触摸屏。触控面板20071可包括触摸检测装置和触摸控制器两个部分。其他输入设备20072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。存储器2009可用于存储软件程序以及各种数据，包括但不限于应用程序和操作系统。处理器2010可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器2010中。
本申请实施例还提供一种可读存储介质，可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，处理器为上述实施例中的电子设备中的处理器。可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (12)

1.一种血氧检测方法，其特征在于，包括：
采集红光信号、红外光信号和绿光信号；
根据所述红光信号和所述红外光信号，确定第一血氧值；
根据所述红光信号、所述红外光信号和所述绿光信号，确定所述红光信号和红外光信号的特征向量；
在所述特征向量符合设定条件的情况下，输出所述第一血氧值。
2.根据权利要求1所述的血氧检测方法，其特征在于，所述根据红光信号、红外光信号和绿光信号，确定所述红光信号和红外光信号的特征向量，包括：
获取所述红光信号和所述红外光信号的第一时域特征和第一频域特征；
获取所述红光信号对应的第一光密度和所述红外光信号对应的第二光密度，根据所述第一光密度和所述第二光密度确定光密度比；
根据所述绿光信号、所述红光信号和所述红外光信号，确定所述红光信号和所述红外光信号的形态特征；
根据所述第一时域特征、所述第一频域特征、所述光密度比和所述形态特征，确定所述特征向量。
3.根据权利要求2所述的血氧检测方法，其特征在于，根据所述绿光信号、所述红光信号和所述红外光信号，确定所述红光信号和所述红外光信号的形态特征，包括：
获取所述绿光信号的信号形态第一参数值；
获取所述红光信号和红外光信号的信号形态第二参数值；
根据所述信号形态第一参数值和所述信号形态第二参考值进行计算，得到所述形态特征。
4.根据权利要求2所述的血氧检测方法，其特征在于，所述确定所述特征向量符合设定条件，输出所述第一血氧值，包括：
按照设定顺序，分别对所述第一时域特征和第一预设值、所述第一频域特征和第二预设值、所述光密度比和第三预设值以及所述形态特征和第四预设值进行比较，得到N个第一信号参数；
根据所述N个第一信号参数进行计算，确定第二信号参数，所述第二信号参数与所述第一血氧值相对应；
在所述第二信号参数处于预设参数阈值范围内的情况下，输出所述第一血氧值。
5.根据权利要求2所述的血氧检测方法，其特征在于，所述根据所述红光信号和所述红外光信号，确定第一血氧值，包括：
获取拟合参数；
根据所述拟合参数与所述光密度比，计算得到所述第一血氧值。
6.一种血氧检测装置，其特征在于，包括：
采集单元，用于采集红光信号、红外光信号和绿光信号；
第一确定单元，用于根据所述红光信号和所述红外光信号，确定第一血氧值；
第二确定单元，用于根据红光信号、红外光信号和绿光信号，确定所述红光信号和红外光信号的特征向量；
输出单元，用于在所述特征向量符合设定条件的情况下，输出所述第一血氧值。
7.根据权利要求6所述的血氧检测装置，其特征在于，所述第二确定单元具体用于：
获取所述红光信号和所述红外光信号的第一时域特征和第一频域特征；
获取所述红光信号对应的第一光密度和所述红外光信号对应的第二光密度，根据所述第一光密度和所述第二光密度确定光密度比；
根据所述绿光信号、所述红光信号和所述红外光信号，确定所述红光信号和所述红外光信号的形态特征；
根据所述第一时域特征、所述第一频域特征、所述光密度比和所述形态特征，确定所述特征向量。
8.根据权利要求7所述的血氧检测装置，其特征在于，所述第二确定单元具体还用于：
获取所述绿光信号的信号形态第一参数值；
获取所述红光信号和红外光信号的信号形态第二参数值；
根据所述信号形态第一参数值和所述信号形态第二参考值进行计算，得到所述形态特征。
9.根据权利要求7所述的血氧检测装置，其特征在于，所述输出单元具体用于：
按照设定顺序，分别对所述第一时域特征和第一预设值、所述第一频域特征和第二预设值、所述光密度比和第三预设值以及所述形态特征和第四预设值进行比较，得到N个第一信号参数；
根据所述N个第一信号参数进行计算，确定第二信号参数，所述第二信号参数与所述第一血氧值相对应；
在所述第二信号参数处于预设参数阈值范围内的情况下，输出所述第一血氧值。
10.根据权利要求7所述的血氧检测装置，其特征在于，所述第一确定单元具体用于：
获取拟合参数；
根据所述拟合参数与所述光密度比，计算得到所述第一血氧值。
11.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至5中任一项所述血氧检测方法的步骤。
12.一种可读存储介质，其特征在于，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现如上述权利要求1至5中任一项所述的血氧检测方法的步骤。
CN202111009183.XA 2021-08-31 血氧检测方法、血氧检测装置、电子设备和可读存储介质 Active CN113545777B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111009183.XA CN113545777B (zh) 2021-08-31 血氧检测方法、血氧检测装置、电子设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111009183.XA CN113545777B (zh) 2021-08-31 血氧检测方法、血氧检测装置、电子设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN113545777A true CN113545777A (zh) 2021-10-26
CN113545777B CN113545777B (zh) 2024-05-24

Family

ID=

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201104882Y (zh) * 2007-12-05 2008-08-27 沈阳东软医疗系统有限公司 一种血氧饱和度测量装置
CN102499694A (zh) * 2011-09-22 2012-06-20 中国人民解放军第三军医大学野战外科研究所 用于消除血氧饱和度监测干扰的方法
CN112587133A (zh) * 2020-12-09 2021-04-02 深圳市奋达智能技术有限公司 一种血氧饱和度的测量方法
CN113274008A (zh) * 2021-04-21 2021-08-20 北京雪扬科技有限公司 一种基于可穿戴设备的三波长血氧饱和度监测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201104882Y (zh) * 2007-12-05 2008-08-27 沈阳东软医疗系统有限公司 一种血氧饱和度测量装置
CN102499694A (zh) * 2011-09-22 2012-06-20 中国人民解放军第三军医大学野战外科研究所 用于消除血氧饱和度监测干扰的方法
CN112587133A (zh) * 2020-12-09 2021-04-02 深圳市奋达智能技术有限公司 一种血氧饱和度的测量方法
CN113274008A (zh) * 2021-04-21 2021-08-20 北京雪扬科技有限公司 一种基于可穿戴设备的三波长血氧饱和度监测方法

Similar Documents

Publication Publication Date Title
CN110851338B (zh) 异常检测方法、电子设备及存储介质
CN109951595A (zh) 智能调节屏幕亮度的方法、装置、存储介质及移动终端
WO2016137728A1 (en) Detect sports video highlights based on voice recognition
US20180078156A1 (en) Blood Pressure Measurement Data Processing Method and Apparatus
US20170140210A1 (en) Image processing apparatus and image processing method
CN111105852B (zh) 一种电子病历推荐方法、装置、终端及存储介质
CN108633249A (zh) 一种生理信号质量判断方法及装置
CN111387936A (zh) 一种睡眠阶段识别方法、装置及设备
Tabei et al. A novel diversity method for smartphone camera-based heart rhythm signals in the presence of motion and noise artifacts
CN114159038A (zh) 血压测量方法、装置、电子设备和可读存储介质
WO2022063270A1 (zh) 人脸图像的属性特征的识别方法、装置及电子设备
CN108937902B (zh) 一种胎心率基线估算方法、装置、电子设备及存储介质
US20200352504A1 (en) Image Drunken Driving Judgment System and Related Method
CN114513694A (zh) 评分确定方法、装置、电子设备和存储介质
CN113545777B (zh) 血氧检测方法、血氧检测装置、电子设备和可读存储介质
CN113545777A (zh) 血氧检测方法、血氧检测装置、电子设备和可读存储介质
CN108960213A (zh) 目标跟踪方法、装置、存储介质及终端
CN113064118A (zh) 声源定位方法和装置
CN115414022A (zh) 数据的处理方法、处理装置、电子设备和存储介质
US11266346B2 (en) Method and apparatus for determining sleep state using biometric information and motion information
CN113647909B (zh) 睡眠指标监测方法、电子装置、装置及可读存储介质
CN115702791A (zh) 生理数据的处理方法、装置、可穿戴设备和可读存储介质
Liang et al. Application of artificial intelligence wearable devices based on neural network algorithm in mass sports activity evaluation
CN115374359A (zh) 推荐方法和电子设备
CN115357461B (zh) 异常检测的方法、装置、电子设备及计算机可读存储介质

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