CN113616194B - 一种监测手部震颤频率和强度的装置及方法 - Google Patents
一种监测手部震颤频率和强度的装置及方法 Download PDFInfo
- Publication number
- CN113616194B CN113616194B CN202110896479.1A CN202110896479A CN113616194B CN 113616194 B CN113616194 B CN 113616194B CN 202110896479 A CN202110896479 A CN 202110896479A CN 113616194 B CN113616194 B CN 113616194B
- Authority
- CN
- China
- Prior art keywords
- hand tremor
- component
- frequency
- intensity
- signal
- 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
- 206010044565 Tremor Diseases 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 230000003595 spectral effect Effects 0.000 claims abstract description 32
- 230000001133 acceleration Effects 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 230000009466 transformation Effects 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000001228 spectrum Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000001575 pathological effect Effects 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000018737 Parkinson disease Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 201000006517 essential tremor Diseases 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010061296 Motor dysfunction Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 238000013019 agitation Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000007659 motor function Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 208000024891 symptom Diseases 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
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1101—Detecting tremor
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Mathematical Physics (AREA)
- Dentistry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种监测手部震颤频率和强度的装置及方法,所述装置包括:加速度计、陀螺仪、傅里叶变换组件、频率判决组件、功率谱密度分析组件、强度计算组件;其中,所述加速度计和所述陀螺仪采集加速度信息和角速度信息作为手部震颤信号,并将所述手部震颤信号输入到傅里叶变换组件和功率谱密度分析组件;所述傅里叶组件对所述手部震颤信号进行傅里叶变换,将变换后的信号输入到频率判决组件,由所述频率判决组件判决并输出所述手部震颤信号的频率;所述功率谱密度分析组件对所述手部震颤信号进行功率谱密度估计,并将估计后的结果输入到强度计算组件,由所述强度计算组件判决并输出所述手部震颤信号的强度。综合利用加速度与角速度来评估和判断手部震颤信号,提高了对手部震颤信号监测的准确性。
Description
技术领域
本发明属于医疗信息监测领域,具体地,涉及监测手部震颤信号的频率和强度的装置及方法。
背景技术
震颤常见于人体的四肢和头部,是最常见的神经科疾病之一,如原发性震颤(ET)、帕金森病(PD)等。肢体震颤从产生机理上震颤可以分为以下两类,生理性震颤和病理性震颤,生理性震颤是人体的一种固有震颤,所有人的肢体都有这种现象,只是强弱不同,经常在紧张、激动、疲劳的情况下产生,当这些原因消除时,震颤也将消失,生理性震颤频率多集中在8-15Hz。病理性震颤是由人体的病变引起的震颤,会一直伴随着人体运动而运动,病理性震颤具有大振幅、低频、多集中在2-6Hz。虽然震颤不危害生命,但是却给众多的患者带来了生活上的不便,严重的甚至可以导致患者的生活不能自理。
早期临床实践中对震颤患者运动功能障碍症状的评估主要依靠评分量表,但是量表法受到评分医师的操作经验和主观影响,依靠评分量表对震颤患者运动功能进行评估并不够客观准确,会对震颤患者的早期诊断、分期造成影响;近年出现患者配备可穿戴设备利用加速度计测量手部动作,进而识别出震颤,然而这种方法识别精度有限,算法通常十分简陋,无法准确、真实地区分出生理性震颤或病理性震颤,且测量容易受到个人生理特性、设备以及其他噪声影响,导致测量结果不准确,甚至出现反复测量的情况;此外,还有部分方案需要患者手持设备进行绘画、描线等操作,并进一步利用图像技术识别震颤幅度,这种方法难以应用于临床及日常监测,且算法复杂,不易实施。
发明内容
有鉴于此,本发明旨在提供一种简便易行、且能客观准确地定量监测手部震颤信号的频率和强度的装置及方法。
第一方面,提供一种监测手部震颤频率和强度的装置,包括:加速度计、陀螺仪、傅里叶变换组件、频率判决组件、功率谱密度分析组件、强度计算组件;其中,所述加速度计和所述陀螺仪采集加速度信息和角速度信息作为手部震颤信号,并将所述手部震颤信号输入到傅里叶变换组件和功率谱密度分析组件;所述傅里叶组件对所述手部震颤信号进行傅里叶变换,将变换后的信号输入到频率判决组件,由所述频率判决组件判决并输出所述手部震颤信号的频率;所述功率谱密度分析组件对所述手部震颤信号进行功率谱密度估计,并将估计后的结果输入到强度计算组件,由所述强度计算组件判决并输出所述手部震颤信号的强度。
由于震颤信号的幅度、频率极易受到外界各方面因素的影响,因此,优选地,所述装置还包括滤波组件,所述滤波组件包括6阶巴特沃斯带通滤波器及配合使用的陷波器,以滤除意向运动带来的噪声信号和外界工频干扰。
优选地,所述滤波组件还包括平稳小波阈值去噪组件,所述平稳小波阈值去噪组件依次包括平稳小波变换SWT模块、方差估计模块、小波系数阈值模块及平稳小波SWT逆变换模块,以去除设备结构、系统回路引入的零偏、温漂、轴间对齐误差、暗电流、散粒噪声、随机噪声、高斯白噪声等。
进一步,所述频率判决组件基于特定频率范围的极大值判决输出所述手部震颤信号的频率;使用Welch算法分析所述手部震颤信号的功率谱密度,所述强度计算组件利用功率谱密度2~7Hz的峰值计算所述手部震颤信号的强度。
第二方面,提供一种监测手部震颤频率和强度的方法,包括:步骤1、测量手部震颤信号,所述手部震颤信号包括加速度信息和角速度信息;步骤2、对所述手部震颤信号中的所述加速度信息和角速度信息进行傅里叶变换,以确定所述手部震颤信号的频率;以及,步骤3、对所述手部震颤信号中的所述加速度信息和角速度信息进行功率谱密度分析,以确定所述手部震颤信号的强度。
由于震颤信号的幅度、频率极易受到外界各方面因素的影响,因此,优选地,在测量获得手部震颤信号之后,将所述手部震颤信号进行6阶巴特沃斯带通滤波;进一步,配合使用陷波器对带通滤波之后的信号消除工频干扰。带通滤波可以有效滤除意向运动带来的噪声信号,配合陷波器可以有效滤除外界工频干扰。
优选地,滤波之后的信号进行平稳小波SWT变换,估计分解后各层小波系数的噪声方差,得到不同尺度下的阈值,经过阈值函数选取不同尺度下的小波系数合适的阈值,进行SWT逆变换。利用平稳小波阈值去噪的方式可以有效去除设备结构、系统回路引入的零偏、温漂、轴间对齐误差、暗电流、散粒噪声、随机噪声、高斯白噪声等。
进一步,经过滤波、去噪后的手部震颤信号,在经过快速傅里叶变换后,确定在特定频率范围内的极大值作为所述手部震颤信号的频率。使用AR模型逼近所述手部震颤信号的功率谱,利用自回归过程确定回归阶次和参数,利用AR模型参数计算所述手部震颤信号的强度。
第三方面,提供一种计算机可读存储介质,其上存储有计算机可执行指令,当所述计算机可执行指令由处理器执行时,实现本发明第二方面所述的方法。还提供一种计算机设备,其包括存储装置及处理装置,所述存储装置存储有计算机程序,当所述计算机程序被处理装置执行时,使得所述计算机设备实现本发明第二方面所述的方法。
根据本发明的第一方面~第三方面,可以达到以下有益效果:1、综合利用加速度与角速度来评估和判断手部震颤信号,相比于仅依据加速度信息的判断方式更加精准、客观;2、利用相对简单易行的滤波去噪方式,使得手部震颤信号更准确;3、手部震颤信号的频率和强度特征分开确定,相互无干扰,进一步提高监测结果的准确性。
本发明的其他特征及优点,将在随后的说明书具体实施方式部分阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
附图说明
图1示出本发明第一实施例的监测手部震颤频率和强度的装置结构示意图;
图2示出本发明第二实施例的监测手部震颤频率和强度的装置结构示意图;
图3为本发明第二实施例中平稳小波阈值去噪组件的结构示意图;
图4示出本发明第三实施例的监测手部震颤频率和强度的方法示意图;
图5为本发明第三实施例中滤波方法的示意图;
图6和图7分别示出本发明采集的手部震颤信号中加速度和角速度的信号波形示例;
图8和图9分别示出本发明采集的手部震颤信号中加速度和角速度的功率谱密度分析结果。
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付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。
根据本发明的第一实施例,如附图1所示,提供一种监测手部震颤频率和强度的装置,其包括加速度计、陀螺仪、傅里叶变换组件、频率判决组件、功率谱密度分析组件、强度计算组件。
加速度计用于采集加速度信息,陀螺仪用于采集角速度信息,患者佩戴监测装置后,即可持续性地实时采集三维加速度信息和三维角速度信息作为手部震颤信号,采集的加速度和角速度信号波形如附图6和附图7所示。
手部震颤信号分别被输入到傅里叶变换组件和功率谱密度分析组件,其中,傅里叶组件对时域手部震颤信号进行傅里叶变换,得到频域手部震颤信号,变换后的信号由频率判决组件进行判决,确定出在2~20Hz内的极大值,输出作为手部震颤信号的频率。另外,功率谱密度分析组件对手部震颤信号进行功率谱密度分析,使用Welch算法分析所述手部震颤信号的功率谱密度,所述强度计算组件利用功率谱密度2~7Hz的峰值计算所述手部震颤信号的强度。
具体地,Welch算法估计功率谱密度的具体过程为:
首先,将样本记为:x(n)={x(1),x(2),…,x(n)}其中,x(n)是信号的第n个采样值。将信号分为L段,每段M个点,相邻两段信号重叠50%,其中第i段信号xi(n)如下式所示:
xi(n)=x(n+iD)
其中,n=0,1,…,M-1;i=0,1,…,L-1,D为信号平移长度。
其次,计算第i段信号的功率谱密度Psdi(f),如下式所示:
其中,i=0,1,…,L-1,j为虚数单位,w(n)为窗函数,用以减少频谱泄露,其长度与每段信号长度相同。U为窗口正则化系数,用来减少窗函数对功率谱密度估计的影响,其计算方法如下式:
最后,Welch算法估计的功率谱密度为每段功率谱密度的平均值,如下式所示:
取谱中2~7Hz的峰值作为当前信号的震颤幅度。加速度和角速度信号的功率谱密度估计结果分别如附图8和附图9所示。
当基于三个方向的加速度和角速度信号使用Welch算法分析功率谱密度时,就可以得到6个震颤幅度参数,强度计算组件对得到的震颤幅度参数取绝对值后计算算数平均数,得到的值作为震颤信号的强度。
根据本发明的第二实施例,如附图2所示,提供一种监测手部震颤频率和强度的装置,与第一实施例相比,第二实施例中的监测装置还包括滤波组件。
由于震颤信号的幅度相对较小、频率相对较低,因此极易受到外界各方面因素的影响,因此,为提高手部震颤信号监测结果的准确性,而设置了滤波组件。
滤波组件包括6阶巴特沃斯带通滤波器及配合使用的陷波器,以滤除意向运动带来的噪声信号和外界工频干扰。正常的意向运动信号,其通常具有与震颤信号不同的频率——大部分的意向运动低于1Hz,例如抬手、抬肘以及其他日常运动等;而工频干扰通常由电力系统导致,对波形的影响尤其明显。配合带通滤波器使用陷波器,可以有效滤除意向运动噪声信号以及工频干扰。
此外,滤波组件还可以包括平稳小波阈值去噪组件,参考附图3,平稳小波阈值去噪组件依次包括平稳小波变换SWT模块、方差估计模块、小波系数阈值模块及平稳小波SWT逆变换模块,具体的处理过程为:
1)平稳小波变换SWT模块对信号进行SWT变换;
2)方差估计模块估计分解后各层小波系数的噪声方差,得到不同尺度下的阈值;
3)小波系数阈值模块将不同尺度下的小波系数使用阈值函数选取合适的阈值后进行处理;
4)平稳小波SWT逆变换模块重构信号——即SWT逆变换,得到需要的手部震颤信号。
平稳小波阈值去噪组件可以有效去除设备结构、系统回路引入的零偏、温漂、轴间对齐误差、暗电流、散粒噪声、随机噪声、高斯白噪声等。
需要说明的是,根据实际需要,可以将本发明第一实施例、第二实施例的监测装置的全部组件集成在可穿戴设备中,这无疑将大大增加可穿戴设备的成本,适合医院临床小范围应用;为节省成本考虑,可以仅将加速度计与陀螺仪集成在可穿戴设备中,而监测装置的其余组件设置在计算机设备或分析仪器中,可穿戴设备利用实时或非实时的无线通信技术,将加速度计与陀螺仪采集的加速度信息与角速度信息发送到傅里叶变换组件、功率谱密度分析组件或滤波组件,进行监测处理。
根据本发明的第三实施例,如附图4所示,提供一种监测手部震颤频率和强度的方法,其包括:
步骤1、测量手部震颤信号,所述手部震颤信号包括加速度信息和角速度信息;
步骤2、对所述手部震颤信号中的所述加速度信息和角速度信息进行傅里叶变换,以确定所述手部震颤信号的频率;以及,
步骤3、对所述手部震颤信号中的所述加速度信息和角速度信息进行功率谱密度分析,以确定所述手部震颤信号的强度。
此外,由于震颤信号的幅度、频率极易受到外界各方面因素的影响,因此,在步骤1测量获得手部震颤信号之后,还包括滤波步骤,如附图5所示:将所述手部震颤信号进行6阶巴特沃斯带通滤波;配合使用陷波器对带通滤波之后的信号消除工频干扰;以及进行平稳小波阈值去噪。
其中,如在第二实施例中所述,进行6阶巴特沃斯带通滤波以及配合使用陷波器,可以有效滤除意向运动噪声信号以及工频干扰;而平稳小波阈值去噪则包括平稳小波SWT变换、估计分解后各层小波系数的噪声方差得到不同尺度下的阈值、经过阈值函数选取不同尺度下的小波系数合适的阈值以及进行SWT逆变换的步骤,利用平稳小波阈值去噪的方式可以有效去除设备结构、系统回路引入的零偏、温漂、轴间对齐误差、暗电流、散粒噪声、随机噪声、高斯白噪声等。
步骤2中,经过滤波、去噪后的手部震颤信号,在经过快速傅里叶变换后,确定在特定频率范围内的极大值作为所述手部震颤信号的频率,而符合病理性震颤的信号频率通常在2~20Hz之间。
步骤3中进行功率谱密度分析时,具体使用Welch算法分析所述手部震颤信号的功率谱密度,所述强度计算组件利用功率谱密度2~7Hz的峰值计算所述手部震颤信号的强度。具体方式已经在第一实施例中阐明,此处不再赘述。
根据本发明的第四实施例,提供一种计算机可读存储介质,其上存储有计算机可执行指令,当所述计算机可执行指令由处理器执行时,实现本发明第三实施例中的方法。还提供一种计算机设备,其包括存储装置及处理装置,所述存储装置存储有计算机程序,当所述计算机程序被处理装置执行时,使得所述计算机设备实现本发明第三实施例中的方法。
尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,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,均应包含在本发明的保护范围之内。
Claims (8)
1.一种监测手部震颤频率和强度的装置,其特征在于,包括:加速度计、陀螺仪、滤波组件、傅里叶变换组件、频率判决组件、功率谱密度分析组件、强度计算组件;其中,
所述加速度计和所述陀螺仪采集加速度信息和角速度信息,作为手部震颤信号,所述滤波组件对所述手部震颤信号进行滤波,并将滤波后的所述手部震颤信号输入到所述傅里叶变换组件和所述功率谱密度分析组件;
所述傅里叶变换组件对所述手部震颤信号进行傅里叶变换,将变换后的信号输入到所述频率判决组件,由所述频率判决组件判决,确定出在2~20Hz内的极大值,并输出所述手部震颤信号的频率;
所述功率谱密度分析组件对所述手部震颤信号进行功率谱密度分析,并将分析后的结果输入到所述强度计算组件,由所述强度计算组件判决并输出所述手部震颤信号的强度;
所述滤波组件包括6阶巴特沃斯带通滤波器及配合使用的陷波器;
所述功率谱密度分析组件使用Welch算法分析手部震颤信号的功率谱密度,所述强度计算组件利用功率谱密度2~7Hz的峰值计算所述手部震颤信号的强度。
2.根据权利要求1所述的监测手部震颤频率和强度的装置,其特征在于,所述滤波组件还包括平稳小波阈值去噪组件,所述平稳小波阈值去噪组件依次包括平稳小波变换SWT模块、方差估计模块、小波系数阈值模块及平稳小波SWT逆变换模块。
3.根据权利要求1或2所述的监测手部震颤频率和强度的装置,其特征在于,所述频率判决组件基于特定频率范围的极大值判决输出所述手部震颤信号的频率。
4.一种监测手部震颤频率和强度的方法,其特征在于,包括:
步骤1、测量手部震颤信号,在测量获得手部震颤信号之后,将所述手部震颤信号进行6阶巴特沃斯带通滤波;且,配合使用陷波器对带通滤波之后的信号消除工频干扰;所述手部震颤信号包括加速度信息和角速度信息;
步骤2、对所述手部震颤信号中的所述加速度信息和角速度信息进行傅里叶变换,确定出在2~20Hz内的极大值,以确定所述手部震颤信号的频率;以及,
步骤3、对所述手部震颤信号中的所述加速度信息和角速度信息进行功率谱密度分析,以确定所述手部震颤信号的强度;
所述步骤3中使用Welch算法分析所述手部震颤信号的功率谱密度,强度计算组件利用功率谱密度2~7Hz的峰值计算所述手部震颤信号的强度。
5.根据权利要求4所述的监测手部震颤频率和强度的方法,其特征在于,对滤波之后的信号依次进行以下操作:
平稳小波SWT变换;
估计分解后各层小波系数的噪声方差,得到不同尺度下的阈值;
经过阈值函数选取不同尺度下的小波系数合适的阈值;
进行SWT逆变换。
6.根据权利要求4或5所述的监测手部震颤频率和强度的方法,其特征在于,所述步骤2中经过快速傅里叶变换后,确定在特定频率范围内的极大值作为所述手部震颤信号的频率。
7.一种计算机可读存储介质,其上存储有计算机可执行指令,其特征在于,当所述计算机可执行指令由处理器执行时,实现如权利要求4-6中任意一项所述的方法。
8.一种计算机设备,其包括存储装置及处理装置,其特征在于,所述存储装置存储有计算机程序,当所述计算机程序被处理装置执行时,使得所述计算机设备实现如权利要求4-6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110896479.1A CN113616194B (zh) | 2021-08-05 | 2021-08-05 | 一种监测手部震颤频率和强度的装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110896479.1A CN113616194B (zh) | 2021-08-05 | 2021-08-05 | 一种监测手部震颤频率和强度的装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113616194A CN113616194A (zh) | 2021-11-09 |
CN113616194B true CN113616194B (zh) | 2023-10-03 |
Family
ID=78382922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110896479.1A Active CN113616194B (zh) | 2021-08-05 | 2021-08-05 | 一种监测手部震颤频率和强度的装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113616194B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115486837B (zh) * | 2022-09-22 | 2023-04-25 | 北京戴来科技有限公司 | 一种步态分析方法、系统以及改善行走障碍的装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102499691A (zh) * | 2011-10-28 | 2012-06-20 | 中国人民解放军第四军医大学 | 一种手持式神经功能评价仪 |
CN110522456A (zh) * | 2019-09-26 | 2019-12-03 | 安徽中医药大学 | 一种基于深度学习的wd震颤患者病情自评估系统 |
CN111012312A (zh) * | 2019-12-25 | 2020-04-17 | 中国科学院合肥物质科学研究院 | 一种便携式帕金森病运动迟缓监测干预装置及方法 |
CN112674762A (zh) * | 2020-12-28 | 2021-04-20 | 江苏省省级机关医院 | 一种基于可穿戴惯性传感器的帕金森震颤评估装置 |
-
2021
- 2021-08-05 CN CN202110896479.1A patent/CN113616194B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102499691A (zh) * | 2011-10-28 | 2012-06-20 | 中国人民解放军第四军医大学 | 一种手持式神经功能评价仪 |
CN110522456A (zh) * | 2019-09-26 | 2019-12-03 | 安徽中医药大学 | 一种基于深度学习的wd震颤患者病情自评估系统 |
CN111012312A (zh) * | 2019-12-25 | 2020-04-17 | 中国科学院合肥物质科学研究院 | 一种便携式帕金森病运动迟缓监测干预装置及方法 |
CN112674762A (zh) * | 2020-12-28 | 2021-04-20 | 江苏省省级机关医院 | 一种基于可穿戴惯性传感器的帕金森震颤评估装置 |
Non-Patent Citations (1)
Title |
---|
帕金森患者震颤信号提取及量化方法研究;梁雅庆;中国优秀硕士学位论文全文数据库 医药卫生科技辑(第2017 年 第05期期);第1-58页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113616194A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113349752B (zh) | 一种基于传感融合的可穿戴设备实时心率监测方法 | |
Fujita et al. | PARHELIA: Particle filter-based heart rate estimation from photoplethysmographic signals during physical exercise | |
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 | |
CN105997043B (zh) | 一种基于腕式可穿戴设备的脉率提取方法 | |
CN103034837B (zh) | 特征参数与脉象要素的关联 | |
CN108888259A (zh) | 一种心电信号实时qrs波检测方法 | |
Gupta et al. | An efficient low computational cost method of R-peak detection | |
CN105943012B (zh) | 一种去除光电容积脉搏波信号中运动噪声的心率测量方法 | |
CN102697495A (zh) | 基于总体平均经验模式分解的二代小波肌电信号消噪方法 | |
CN106264505A (zh) | 一种基于支持向量机的心率谱峰选择方法 | |
CN114469124B (zh) | 一种运动过程中异常心电信号的识别方法 | |
Ahmadi et al. | Heart Rate monitoring during physical exercise using wrist-type photoplethysmographic (PPG) signals | |
CN113116321A (zh) | 基于pso-grnn神经网络的无创连续血压测量系统 | |
CN113616194B (zh) | 一种监测手部震颤频率和强度的装置及方法 | |
CN108078554A (zh) | 一种人体脉搏波信号噪声抑制方法 | |
CN114052693A (zh) | 心率分析方法、装置及设备 | |
Pauk | 419. Different techniques for EMG signal processing. | |
Elbuni et al. | ECG parameter extraction algorithm using (DWTAE) algorithm | |
CN113413135B (zh) | 一种基于脉搏采集分析的方法、系统、装置及存储介质 | |
JP2000166877A (ja) | 生体リズム検査装置及び生体リズム検査方法 | |
CN114027804A (zh) | 一种脉象诊断的方法、装置及可读存储介质 | |
CN112674762A (zh) | 一种基于可穿戴惯性传感器的帕金森震颤评估装置 | |
CN106419884B (zh) | 一种基于小波分析的心率计算方法与系统 | |
CN116172531B (zh) | 一种基于小波散射变换的血压变化趋势估计方法 | |
Guo et al. | An effective photoplethysmography heart rate estimation framework integrating two-level denoising method and heart rate tracking algorithm guided by finite state machine |
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 | ||
CP02 | Change in the address of a patent holder |
Address after: 215000 West 5th Floor, Building 1, No. 233 Yunchuang Road, Jiangling Street, Wujiang District, Suzhou City, Jiangsu Province Patentee after: SUZHOU XIAOLAN MEDICAL TECHNOLOGY CO.,LTD. Address before: 215200 Room 102, building 1, science and technology entrepreneurship Park, No. 2358, Chang'an Road, economic and Technological Development Zone, Wujiang District, Suzhou City, Jiangsu Province Patentee before: SUZHOU XIAOLAN MEDICAL TECHNOLOGY CO.,LTD. |
|
CP02 | Change in the address of a patent holder |