CN114028671A - 一种呼吸机控制触发方法 - Google Patents

一种呼吸机控制触发方法 Download PDF

Info

Publication number
CN114028671A
CN114028671A CN202111298087.1A CN202111298087A CN114028671A CN 114028671 A CN114028671 A CN 114028671A CN 202111298087 A CN202111298087 A CN 202111298087A CN 114028671 A CN114028671 A CN 114028671A
Authority
CN
China
Prior art keywords
signal
diaphragm
wavelet
signals
electromyographic
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
Application number
CN202111298087.1A
Other languages
English (en)
Inventor
刘哲
杜春玲
粟锦平
吴超民
袁再鑫
宋元林
周磊
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.)
Hunan Ventmed Medical Technology Co Ltd
Original Assignee
Hunan Ventmed Medical Technology 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 Hunan Ventmed Medical Technology Co Ltd filed Critical Hunan Ventmed Medical Technology Co Ltd
Priority to CN202111298087.1A priority Critical patent/CN114028671A/zh
Publication of CN114028671A publication Critical patent/CN114028671A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/0003—Accessories therefor, e.g. sensors, vibrators, negative pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A61B5/397—Analysis of electromyograms
    • 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
    • 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
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
    • A61M16/021—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes operated by electrical means
    • A61M16/022—Control means therefor
    • A61M16/024—Control means therefor including calculation means, e.g. using a processor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/08—Other bio-electrical signals

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Pulmonology (AREA)
  • Anesthesiology (AREA)
  • Emergency Medicine (AREA)
  • Hematology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及呼吸机控制的技术领域，公开了一种呼吸机控制触发方法，包括：使用电极传感器采集体表膈肌肌电信号，并对所采集的膈肌肌电信号进行信号增强处理；利用小波滤波技术对增强处理后的膈肌肌电信号进行时频转换，得到滤波处理后的膈肌肌电信号；利用数学形态操作对滤波处理后的膈肌肌电信号进行去噪处理，得到去噪后的膈肌肌电信号；计算去噪后膈肌肌电信号的信号强度，若该信号强度大于预设阈值则呼吸机需要进行辅助送气。本发明所述方法通过建立膈肌肌电信号与呼吸机控制触发的关联关系，当膈肌肌电信号达到触发阈值时实现呼吸机自动的辅助送气，达到更高的人机同步性。

Description

一种呼吸机控制触发方法
技术领域
本发明涉及呼吸机控制的技术领域，尤其涉及一种呼吸机控制触发方法。
背景技术
呼吸机已经普遍被用于麻醉及各种原因所致的呼吸衰竭，大手术期间呼吸管理及急救复苏等场合，因此它在现在医学领域占有十分重要的地位，但随着呼吸机在临床的广泛应用，越来越多的缺陷也就暴露出来了，诸如人机对抗、呼吸不同步等。
膈肌肌电信号是人体主要呼吸肌-膈肌所产生的微弱电信号，它出现得比气道的压力和流量变化早，并且能很好地反映呼吸中枢的吸气和呼气的时间以及呼吸努力程度，因此利用膈肌肌电信号触发呼吸机，可达到更高的人机同步性。
鉴于此，本发明提出一种呼吸机控制触发方法，通过建立膈肌肌电信号与呼吸机控制触发的关联关系，当膈肌肌电信号达到触发阈值时实现呼吸机自动的辅助送气，达到更高的人机同步性。
发明内容
本发明提供一种呼吸机控制触发方法，目的在于(1)建立膈肌肌电信号与呼吸机控制触发的关联关系；(2)当膈肌肌电信号达到触发阈值时实现呼吸机自动的辅助送气。
实现上述目的，本发明提供的一种呼吸机控制触发方法，包括以下步骤：
S1：使用电极传感器采集体表膈肌肌电信号，并对所采集的膈肌肌电信号进行信号增强处理；
S2：利用小波滤波技术对增强处理后的膈肌肌电信号进行时频转换，剔除信号高频部分，保留信号低频部分，将保留的信号低频部分还原为时域信号，得到滤波处理后的膈肌肌电信号；
S3：利用数学形态操作对滤波处理后的膈肌肌电信号进行去噪处理，得到去噪后的膈肌肌电信号；
S4：计算去噪后膈肌肌电信号的信号强度，并比较该信号强度与预设阈值的大小，若该信号强度大于预设阈值则呼吸机需要进行辅助送气，否则不需要。
作为本发明的进一步改进方法：
所述S1步骤中使用电极传感器采集人体体表膈肌肌电信号，包括：
将与呼吸机相连的表面电极粘贴在人体胸腔表面皮肤，表面电极内置电极传感器，利用表面电极内的电极传感器采集体表膈肌肌电信号，在本发明一个具体实施例中，在粘贴表面电极时先用碘酒擦拭表面皮肤；
所述电极传感器采集膈肌肌电信号的公式为：
Figure BDA0003337368410000011
其中：
h(t)表示设置的滤波器，在本发明一个具体实施例中，所设置的滤波器为狄拉克函数，若滤波器检测到体表膈肌运动的脉冲电位序列和静止电位序列，则只会输出脉冲电位序列，讲滤波器所采集到的体表膈肌运动的脉冲电位序列作为膈肌肌电信号；
u(t)为采集到的膈肌肌电信号序列；
ti表示出现膈肌肌电信号的时刻。
所述S1步骤中对所采集的膈肌肌电信号进行信号放大的信号增强处理，包括：
设置信号运算放大器，将采集到的膈肌肌电信号输入到信号运算放大器的同相输入端，同相输入端的输出信号与膈肌肌电信号波形相同，则同相输入端的信号输出结果u1(t)为：
u1(t)＝(R1+R2)u(t)
其中：
R1,R2分别为信号运算放大器的同相电阻，R1+R2＞1；
将同相输入端的输出结果u1(t)输入到信号运算放大器的反相输入端，反相输入端的输出信号与输入信号波形相反，则反相输入端的信号输出结果为：
u2(t)＝u1(t)/R3
其中：
R3为信号运算放大器的反相电阻，R3＞1；
则膈肌肌电信号的增益倍数为
Figure BDA0003337368410000021
所述S1步骤中对放大增强后的膈肌肌电信号进行信号降噪的信号增强处理，得到增强处理后的膈肌肌电信号，包括：
将放大增强后的膈肌肌电信号输入到高通滤波器中，设置高通滤波器的截止频率为18Hz，则高通滤波器允许频率高于18Hz的膈肌肌电信号通过，将通过高通滤波器的膈肌肌电信号作为增强处理后的膈肌肌电信号u′(t)。
所述S2步骤中利用小波滤波技术对增强处理后的膈肌肌电信号进行时频转换以及滤波处理，得到滤波后的膈肌肌电信号，包括：
利用小波滤波技术对增强处理后的膈肌肌电信号进行时频转换以及滤波处理，得到滤波后的膈肌肌电信号，所述小波滤波技术流程为：
1)选择小波函数ω(t)，固定尺度因子a，利用所选择的小波函数对增强处理后的膈肌肌电信号u′(t)进行小波变换处理，在本发明一个具体实施例中，所选择的小波函数为Haar小波，所述小波变换处理公式为：
Figure BDA0003337368410000022
其中：
b表示小波函数的位移因子；
qu′(t)(a,b)表示小波变换得到的小波系数；
2)改变小波函数的位移因子并重复步骤1)，得到在尺度因子a下的小波系数；
3)改变尺度因子a，重复步骤1)2)，直到
Figure BDA0003337368410000023
4)确定小波阈值：
Figure BDA0003337368410000024
其中：
N表示采集信号的信号长度；
mid表示步骤2)得到的若干小波系数绝对值的中位数；
0.675为高斯噪声标准方差的调整系数；
5)删除小于小波阈值的小波系数，选择大于小波阈值的小波系数，利用小波逆变换将小波系数重构为若干滤波处理后的膈肌肌电信号，并比较重构得到的膈肌肌电信号与原始信号的信号差值，将信号差值最小的重构信号作为滤波处理后的膈肌肌电信号x(t)。在本发明一个具体实施例中，信号差值的计算公式为
Figure BDA0003337368410000025
其中u′(i)表示在时刻i的增强处理后的膈肌肌电信号，x(i)表示在时刻i的重构信号。
所述S3步骤中利用数学形态操作对滤波处理后的膈肌肌电信号进行去噪处理，包括：
对滤波处理后的膈肌肌电信号x(t)进行数学形态操作，利用数学形态操作对滤波处理后的膈肌肌电信号进行去噪处理，得到去噪后的膈肌肌电信号，所述数学形态操作流程为：
1)对滤波处理后的膈肌肌电信号x(t)进行g个点的膨胀腐蚀运算处理：
Figure BDA0003337368410000031
Figure BDA0003337368410000032
Figure BDA0003337368410000033
其中：
Figure BDA0003337368410000034
表示信号的腐蚀运算，该运算使得x(t)信号序列在信号前段减少了g-1个信号点；
Figure BDA0003337368410000035
表示信号的膨胀运算，该运算使得x(t)信号序列在信号后段减少了g-1个信号点；
b(g)表示结构元素，g∈{0,1,…,g-1}，且g＜＜N；
x(t)表示滤波处理后的膈肌肌电信号，t∈{0,1,…,N-1}；
x′(t′)表示经过膨胀腐蚀运算处理的膈肌肌电信号，t′表示x′(t′)对应的时域信息；
2)对经过膨胀腐蚀运算处理的膈肌肌电信号进行腐蚀膨胀处理：
Figure BDA0003337368410000036
其中：
x″(t″)表示去噪后的膈肌肌电信号，t″表示x″(t″)对应的时域信息。
开运算的目的是削去数据中的峰值噪声，而闭运算的目的是填充数据中的波谷，因此对信号序列进行正确的开闭运算后，将有效滤除一些波峰和波谷，数学形态滤波法主要特点是要根据滤波要求设定合适的结构元素长度，不要求相关的信号模板，输出信号能保证有效膈肌肌电的信息。
所述S4步骤中计算去噪后膈肌肌电信号的信号强度，包括：
计算去噪后膈肌肌电信号x″(t″)的信号强度，形成信号强度包络曲线，所述信号强度包络曲线的形成过程为：
建立信号强度计算窗口[k1,k2,…,kmax]，其中max表示信号强度计算窗口的长度，初始情况下k1对应着x″(t″)的第一个信号点，则膈肌肌电信号的信号强度初始值为：
Figure BDA0003337368410000037
x″(ki)表示ki对应x″(t″)的第i个信号点；
信号强度计算窗口每次右移1个信号点，直到kmax对应着x″(t″)的最后一个信号点，则ki对应x″(t″)的第h+i个信号点，其中h表示右移的次数，得到若干连续的信号强度值[S1,S2,…,SH]，其中H-1表示右移的总次数；
将连续的信号强度值[S1,S2,…,SH]连接为包络曲线S(H)，其中S(w)表示信号强度计算窗口移动w-1次的信号强度值，即膈肌肌电信号在时刻w的信号强度值。
所述S4步骤中比较膈肌肌电信号的信号强度与预设阈值的大小，若该信号强度大于预设阈值则呼吸机需要进行辅助送气，包括：
预设呼吸机触发阈值
Figure BDA0003337368410000038
对于人体体表在任意时刻膈肌肌电信号的信号强度值S(w)，若
Figure BDA0003337368410000039
则控制呼吸机进行辅助送气，若
Figure BDA00033373684100000310
则控制呼吸机停止送气。
相对于现有技术，本发明提出一种呼吸机控制触发方法，该技术具有以下优势：
首先，本方案提出一种信号放大方法以及基于小波变换的滤波方法，通过设置信号运算放大器，将采集到的膈肌肌电信号输入到信号运算放大器的同相输入端，同相输入端的输出信号与膈肌肌电信号波形相同，则同相输入端的信号输出结果u1(t)为：
u1(t)＝(R1+R2)u(t)
其中：R1,R2分别为信号运算放大器的同相电阻，R1+R2＞1；将同相输入端的输出结果u1(t)输入到信号运算放大器的反相输入端，反相输入端的输出信号与输入信号波形相反，则反相输入端的信号输出结果为：
u2(t)＝u1(t)/R3
其中：R3为信号运算放大器的反相电阻，R3＞1；则膈肌肌电信号的增益倍数为
Figure BDA0003337368410000041
通过调整信号运算放大器的电阻大小，实现可调整的信号放大。同时本方案利用小波滤波技术对增强处理后的膈肌肌电信号进行时频转换以及滤波处理，得到滤波后的膈肌肌电信号，所述小波滤波技术流程为：选择小波函数ω(t)，固定尺度因子a，其中尺度因子较小可以得到信号的高频部分，尺度因子较大可以得到信号的低频部分，利用所选择的小波函数对增强处理后的膈肌肌电信号u′(t)进行小波变换处理，在本发明一个具体实施例中，所选择的小波函数为Haar小波，所述小波变换处理公式为：
Figure BDA0003337368410000042
其中：b表示小波函数的位移因子；qu′(t)(a,b)表示小波变换得到的小波系数；改变小波函数的位移因子并重复上一步骤，得到在尺度因子a下的小波系数；改变尺度因子a，重复上述步骤，直到
Figure BDA0003337368410000043
确定小波阈值：
Figure BDA0003337368410000044
其中：N表示采集信号的信号长度；mid表示同一尺度因子下，调整位移因子得到的若干小波系数绝对值的中位数；0.675为高斯噪声标准方差的调整系数；通过删除小于小波阈值的小波系数，选择大于小波阈值的小波系数，从而剔除信号高频部分，保留信号低频部分，利用小波逆变换将小波系数重构为若干滤波处理后的膈肌肌电信号，并比较重构得到的膈肌肌电信号与原始信号的信号差值，将信号差值最小的重构信号作为滤波处理后的膈肌肌电信号x(t)。
同时，本方案提出一种膈肌肌电信号去噪方法，通过对滤波处理后的膈肌肌电信号x(t)进行数学形态操作，实现利用数学形态操作对滤波处理后的膈肌肌电信号进行去噪处理，得到去噪后的膈肌肌电信号，所述数学形态操作流程为：对滤波处理后的膈肌肌电信号x(t)进行g个点的膨胀腐蚀运算处理：
Figure BDA0003337368410000045
Figure BDA0003337368410000046
Figure BDA0003337368410000047
其中：
Figure BDA0003337368410000048
表示信号的腐蚀运算，该运算使得x(t)信号序列在信号前段减少了g-1个信号点；
Figure BDA0003337368410000049
表示信号的膨胀运算，该运算使得x(t)信号序列在信号后段减少了g-1个信号点；b(g)表示结构元素，g∈{0,1,…,g-1}，且g＜＜N；x(t)表示滤波处理后的膈肌肌电信号，t∈{0,1,…,N-1}；x′(t′)表示经过膨胀腐蚀运算处理的膈肌肌电信号，t′表示x′(t′)对应的时域信息；对经过膨胀腐蚀运算处理的膈肌肌电信号进行腐蚀膨胀处理：
Figure BDA00033373684100000410
其中：x″(t″)表示去噪后的膈肌肌电信号，t″表示x″(t″)对应的时域信息。在本方案中，膨胀腐蚀运算的目的是削去信号序列中的峰值噪声，而腐蚀膨胀运算的目的是填充信号序列中的波谷，从而有效滤除一些波峰和波谷，并根据可去噪要求自行设定合适的结构元素长度，实现多种去噪方案。通过计算去噪后膈肌肌电信号x″(t″)的信号强度，形成信号强度包络曲线，并预设呼吸机触发阈值
Figure BDA00033373684100000411
对于人体体表在任意时刻膈肌肌电信号的信号强度值S(w)，若
Figure BDA00033373684100000412
则控制呼吸机进行辅助送气，若
Figure BDA00033373684100000413
则控制呼吸机停止送气，从而建立膈肌肌电信号与呼吸机控制触发的关联关系，当膈肌肌电信号达到触发阈值时实现呼吸机自动的辅助送气，达到更高的人机同步性。
附图说明
图1为本发明一实施例提供的一种呼吸机控制触发方法的流程示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
S1：使用电极传感器采集体表膈肌肌电信号，并对所采集的膈肌肌电信号进行信号增强处理。
所述S1步骤中使用电极传感器采集人体体表膈肌肌电信号，包括：
将与呼吸机相连的表面电极粘贴在人体胸腔表面皮肤，表面电极内置电极传感器，利用表面电极内的电极传感器采集体表膈肌肌电信号，在本发明一个具体实施例中，在粘贴表面电极时先用碘酒擦拭表面皮肤；
所述电极传感器采集膈肌肌电信号的公式为：
Figure BDA0003337368410000051
其中：
h(t)表示设置的滤波器，在本发明一个具体实施例中，所设置的滤波器为狄拉克函数，若滤波器检测到体表膈肌运动的脉冲电位序列和静止电位序列，则只会输出脉冲电位序列，讲滤波器所采集到的体表膈肌运动的脉冲电位序列作为膈肌肌电信号；
u(t)为采集到的膈肌肌电信号序列；
ti表示出现膈肌肌电信号的时刻。
所述S1步骤中对所采集的膈肌肌电信号进行信号放大的信号增强处理，包括：
设置信号运算放大器，将采集到的膈肌肌电信号输入到信号运算放大器的同相输入端，同相输入端的输出信号与膈肌肌电信号波形相同，则同相输入端的信号输出结果u1(t)为：
u1(t)＝(R1+R2)u(t)
其中：
R1,R2分别为信号运算放大器的同相电阻，R1+R2＞1；
将同相输入端的输出结果u1(t)输入到信号运算放大器的反相输入端，反相输入端的输出信号与输入信号波形相反，则反相输入端的信号输出结果为：
u2(t)＝u1(t)/R3
其中：
R3为信号运算放大器的反相电阻，R3＞1；
则膈肌肌电信号的增益倍数为
Figure BDA0003337368410000052
所述S1步骤中对放大增强后的膈肌肌电信号进行信号降噪的信号增强处理，得到增强处理后的膈肌肌电信号，包括：
将放大增强后的膈肌肌电信号输入到高通滤波器中，设置高通滤波器的截止频率为18Hz，则高通滤波器允许频率高于18Hz的膈肌肌电信号通过，将通过高通滤波器的膈肌肌电信号作为增强处理后的膈肌肌电信号u′(t)。
S2：利用小波滤波技术对增强处理后的膈肌肌电信号进行时频转换，剔除信号高频部分，保留信号低频部分，将保留的信号低频部分还原为时域信号，得到滤波处理后的膈肌肌电信号。
所述S2步骤中利用小波滤波技术对增强处理后的膈肌肌电信号进行时频转换以及滤波处理，得到滤波后的膈肌肌电信号，包括：
利用小波滤波技术对增强处理后的膈肌肌电信号进行时频转换以及滤波处理，得到滤波后的膈肌肌电信号，所述小波滤波技术流程为：
1)选择小波函数ω(t)，固定尺度因子a，利用所选择的小波函数对增强处理后的膈肌肌电信号u′(t)进行小波变换处理，在本发明一个具体实施例中，所选择的小波函数为Haar小波，所述小波变换处理公式为：
Figure BDA0003337368410000061
其中：
b表示小波函数的位移因子；
qu′(t)(a,b)表示小波变换得到的小波系数；
2)改变小波函数的位移因子并重复步骤1)，得到在尺度因子a下的小波系数；
3)改变尺度因子a，重复步骤1)2)，直到
Figure BDA0003337368410000062
4)确定小波阈值：
Figure BDA0003337368410000063
其中：
N表示采集信号的信号长度；
mid表示步骤2)得到的若干小波系数绝对值的中位数；
0.675为高斯噪声标准方差的调整系数；
5)删除小于小波阈值的小波系数，选择大于小波阈值的小波系数，利用小波逆变换将小波系数重构为若干滤波处理后的膈肌肌电信号，并比较重构得到的膈肌肌电信号与原始信号的信号差值，将信号差值最小的重构信号作为滤波处理后的膈肌肌电信号x(t)。在本发明一个具体实施例中，信号差值的计算公式为
Figure BDA0003337368410000064
其中u′(i)表示在时刻i的增强处理后的膈肌肌电信号，x(i)表示在时刻i的重构信号。
S3：利用数学形态操作对滤波处理后的膈肌肌电信号进行去噪处理，得到去噪后的膈肌肌电信号。
所述S3步骤中利用数学形态操作对滤波处理后的膈肌肌电信号进行去噪处理，包括：
对滤波处理后的膈肌肌电信号x(t)进行数学形态操作，利用数学形态操作对滤波处理后的膈肌肌电信号进行去噪处理，得到去噪后的膈肌肌电信号，所述数学形态操作流程为：
1)对滤波处理后的膈肌肌电信号x(t)进行g个点的膨胀腐蚀运算处理：
Figure BDA0003337368410000065
Figure BDA0003337368410000066
Figure BDA0003337368410000067
其中：
Figure BDA0003337368410000068
表示信号的腐蚀运算，该运算使得x(t)信号序列在信号前段减少了g-1个信号点；
Figure BDA0003337368410000069
表示信号的膨胀运算，该运算使得x(t)信号序列在信号后段减少了g-1个信号点；
b(g)表示结构元素，g∈{0,1,…,g-1}，且g＜＜N；
x(t)表示滤波处理后的膈肌肌电信号，t∈{0,1,…,N-1}；
x′(t′)表示经过膨胀腐蚀运算处理的膈肌肌电信号，t′表示x′(t′)对应的时域信息；
2)对经过膨胀腐蚀运算处理的膈肌肌电信号进行腐蚀膨胀处理：
Figure BDA00033373684100000610
其中：
x″(t″)表示去噪后的膈肌肌电信号，t″表示x″(t″)对应的时域信息。
S4：计算去噪后膈肌肌电信号的信号强度，并比较该信号强度与预设阈值的大小，若该信号强度大于预设阈值则呼吸机需要进行辅助送气，否则不需要。
所述S4步骤中计算去噪后膈肌肌电信号的信号强度，包括：
计算去噪后膈肌肌电信号x″(t″)的信号强度，形成信号强度包络曲线，所述信号强度包络曲线的形成过程为：
建立信号强度计算窗口[k1,k2,…,kmax]，其中max表示信号强度计算窗口的长度，初始情况下k1对应着x″(t″)的第一个信号点，则膈肌肌电信号的信号强度初始值为：
Figure BDA0003337368410000071
x″(ki)表示ki对应x″(t″)的第i个信号点；
信号强度计算窗口每次右移1个信号点，直到kmax对应着x″(t″)的最后一个信号点，则ki对应x″(t″)的第h+i个信号点，其中h表示右移的次数，得到若干连续的信号强度值[S1,S2,…,SH]，其中H-1表示右移的总次数；
将连续的信号强度值[S1,S2,…,SH]连接为包络曲线S(H)，其中S(w)表示信号强度计算窗口移动w-1次的信号强度值，即膈肌肌电信号在时刻w的信号强度值。
所述S4步骤中比较膈肌肌电信号的信号强度与预设阈值的大小，若该信号强度大于预设阈值则呼吸机需要进行辅助送气，包括：
预设呼吸机触发阈值
Figure BDA0003337368410000072
对于人体体表在任意时刻膈肌肌电信号的信号强度值S(w)，若
Figure BDA0003337368410000073
则控制呼吸机进行辅助送气，若
Figure BDA0003337368410000074
则控制呼吸机停止送气。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。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、装置、物品或者方法中还存在另外的相同要素。
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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种呼吸机控制触发方法，其特征在于，所述方法包括：
S1：使用电极传感器采集体表膈肌肌电信号，并对所采集的膈肌肌电信号进行信号增强处理；
S2：利用小波滤波技术对增强处理后的膈肌肌电信号进行时频转换，剔除信号高频部分，保留信号低频部分，将保留的信号低频部分还原为时域信号，得到滤波处理后的膈肌肌电信号；
S3：利用数学形态操作对滤波处理后的膈肌肌电信号进行去噪处理，得到去噪后的膈肌肌电信号；
S4：计算去噪后膈肌肌电信号的信号强度，并比较该信号强度与预设阈值的大小，若该信号强度大于预设阈值则呼吸机需要进行辅助送气，否则不需要。
2.如权利要求1所述的一种呼吸机控制触发方法，其特征在于，所述S1步骤中使用电极传感器采集人体体表膈肌肌电信号，包括：
将与呼吸机相连的表面电极粘贴在人体胸腔表面皮肤，表面电极内置电极传感器，利用表面电极内的电极传感器采集体表膈肌肌电信号；
所述电极传感器采集膈肌肌电信号的公式为：
Figure FDA0003337368400000011
其中：
h(t)表示设置的滤波器；
u(t)为采集到的膈肌肌电信号序列；
ti表示出现膈肌肌电信号的时刻。
3.如权利要求2所述的一种呼吸机控制触发方法，其特征在于，所述S1步骤中对所采集的膈肌肌电信号进行信号放大的信号增强处理，包括：
设置信号运算放大器，将采集到的膈肌肌电信号输入到信号运算放大器的同相输入端，同相输入端的输出信号与膈肌肌电信号波形相同，则同相输入端的信号输出结果u1(t)为：
u1(t)＝(R1+R2)u(t)
其中：
R1,R2分别为信号运算放大器的同相电阻，R1+R2＞1；
将同相输入端的输出结果u1(t)输入到信号运算放大器的反相输入端，反相输入端的输出信号与输入信号波形相反，则反相输入端的信号输出结果为：
u2(t)＝u1(t)/R3
其中：
R3为信号运算放大器的反相电阻，R3＞1；
则膈肌肌电信号的增益倍数为
Figure FDA0003337368400000012
4.如权利要求3所述的一种呼吸机控制触发方法，其特征在于，所述S1步骤中对放大增强后的膈肌肌电信号进行信号降噪的信号增强处理，得到增强处理后的膈肌肌电信号，包括：
将放大增强后的膈肌肌电信号输入到高通滤波器中，设置高通滤波器的截止频率为18Hz，则高通滤波器允许频率高于18Hz的膈肌肌电信号通过，将通过高通滤波器的膈肌肌电信号作为增强处理后的膈肌肌电信号u′(t)。
5.如权利要求4所述的一种呼吸机控制触发方法，其特征在于，所述S2步骤中利用小波滤波技术对增强处理后的膈肌肌电信号进行时频转换以及滤波处理，得到滤波后的膈肌肌电信号，包括：
利用小波滤波技术对增强处理后的膈肌肌电信号进行时频转换以及滤波处理，得到滤波后的膈肌肌电信号，所述小波滤波技术流程为：
1)选择小波函数ω(t)，固定尺度因子a，利用所选择的小波函数对增强处理后的膈肌肌电信号u′(t)进行小波变换处理，所述小波变换处理公式为：
Figure FDA0003337368400000021
其中：
b表示小波函数的位移因子；
qu′(t)(a,b)表示小波变换得到的小波系数；
2)改变小波函数的位移因子并重复步骤1)，得到在尺度因子a下的小波系数；
3)改变尺度因子a，重复步骤1)2)，直到
Figure FDA0003337368400000022
4)确定小波阈值：
Figure FDA0003337368400000023
其中：
N表示采集信号的信号长度；
mid表示步骤2)得到的若干小波系数绝对值的中位数；
0.675为高斯噪声标准方差的调整系数；
5)删除小于小波阈值的小波系数，选择大于小波阈值的小波系数，利用小波逆变换将小波系数重构为若干滤波处理后的膈肌肌电信号，并比较重构得到的膈肌肌电信号与原始信号的信号差值，将信号差值最小的重构信号作为滤波处理后的膈肌肌电信号x(t)。
6.如权利要求5所述的一种呼吸机控制触发方法，其特征在于，所述S3步骤中利用数学形态操作对滤波处理后的膈肌肌电信号进行去噪处理，包括：
对滤波处理后的膈肌肌电信号x(t)进行数学形态操作，利用数学形态操作对滤波处理后的膈肌肌电信号进行去噪处理，得到去噪后的膈肌肌电信号，所述数学形态操作流程为：
1)对滤波处理后的膈肌肌电信号x(t)进行g个点的膨胀腐蚀运算处理：
Figure FDA0003337368400000024
Figure FDA0003337368400000025
Figure FDA0003337368400000026
其中：
Figure FDA0003337368400000027
表示信号的腐蚀运算，该运算使得x(t)信号序列在信号前段减少了g-1个信号点；
Figure FDA0003337368400000028
表示信号的膨胀运算，该运算使得x(t)信号序列在信号后段减少了g-1个信号点；
b(g)表示结构元素，g∈{0,1,…,g-1}，且g＜＜N；
x(t)表示滤波处理后的膈肌肌电信号，t∈{0,1,…,N-1}；
x′(t′)表示经过膨胀腐蚀运算处理的膈肌肌电信号，t′表示x′(t′)对应的时域信息；
2)对经过膨胀腐蚀运算处理的膈肌肌电信号进行腐蚀膨胀处理：
Figure FDA0003337368400000029
其中：
x″(t″)表示去噪后的膈肌肌电信号，t″表示x″(t″)对应的时域信息。
7.如权利要求6所述的一种呼吸机控制触发方法，其特征在于，所述S4步骤中计算去噪后膈肌肌电信号的信号强度，包括：
计算去噪后膈肌肌电信号x″(t″)的信号强度，形成信号强度包络曲线，所述信号强度包络曲线的形成过程为：
建立信号强度计算窗口[k1,k2,…,kmax]，其中max表示信号强度计算窗口的长度，初始情况下k1对应着x″(t″)的第一个信号点，则膈肌肌电信号的信号强度初始值为：
Figure FDA0003337368400000031
x″(ki)表示ki对应x″(t″)的第i个信号点；
信号强度计算窗口每次右移1个信号点，直到kmax对应着x″(t″)的最后一个信号点，则ki对应x″(t″)的第h+i个信号点，其中h表示右移的次数，得到若干连续的信号强度值[S1,S2,…,SH]，其中H-1表示右移的总次数；
将连续的信号强度值[S1,S2,…,SH]连接为包络曲线S(H)，其中S(w)表示信号强度计算窗口移动w-1次的信号强度值，即膈肌肌电信号在时刻w的信号强度值。
8.如权利要求7所述的一种呼吸机控制触发方法，其特征在于，所述S4步骤中比较膈肌肌电信号的信号强度与预设阈值的大小，若该信号强度大于预设阈值则呼吸机需要进行辅助送气，包括：
预设呼吸机触发阈值
Figure FDA0003337368400000032
对于人体体表在任意时刻膈肌肌电信号的信号强度值S(w)，若
Figure FDA0003337368400000033
则控制呼吸机进行辅助送气，若
Figure FDA0003337368400000034
则控制呼吸机停止送气。
CN202111298087.1A 2021-11-04 2021-11-04 一种呼吸机控制触发方法 Pending CN114028671A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111298087.1A CN114028671A (zh) 2021-11-04 2021-11-04 一种呼吸机控制触发方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111298087.1A CN114028671A (zh) 2021-11-04 2021-11-04 一种呼吸机控制触发方法

Publications (1)

Publication Number Publication Date
CN114028671A true CN114028671A (zh) 2022-02-11

Family

ID=80136153

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111298087.1A Pending CN114028671A (zh) 2021-11-04 2021-11-04 一种呼吸机控制触发方法

Country Status (1)

Country Link
CN (1) CN114028671A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117017323A (zh) * 2023-09-14 2023-11-10 中国科学技术大学 基于盲源分离的高密度表面膈肌肌电采集与预处理方法
WO2023230868A1 (zh) * 2022-05-31 2023-12-07 深圳迈瑞生物医疗电子股份有限公司 控制通气设备的方法、通气系统和通气设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5820560A (en) * 1995-03-31 1998-10-13 Universite De Montreal Inspiratory proportional pressure assist ventilation controlled by a diaphragm electromyographic signal
CN201161060Y (zh) * 2007-11-19 2008-12-10 练洪深 闭环控制无创伤式高频通气膈肌起搏器
CN102949770A (zh) * 2012-11-09 2013-03-06 张红璇 一种体外膈肌起搏与呼吸机协同送气的方法及其装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5820560A (en) * 1995-03-31 1998-10-13 Universite De Montreal Inspiratory proportional pressure assist ventilation controlled by a diaphragm electromyographic signal
CN201161060Y (zh) * 2007-11-19 2008-12-10 练洪深 闭环控制无创伤式高频通气膈肌起搏器
CN102949770A (zh) * 2012-11-09 2013-03-06 张红璇 一种体外膈肌起搏与呼吸机协同送气的方法及其装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
吴晓维等: "表面膈肌肌电的测量系统的设计与实现", 《计算机测量与控制》 *
周乐等: "一种基于提升小波的膈肌肌电信号在线去噪方法", 《中国生物医学工程学报》 *
周权等: "结合小波变换和能量熵在膈肌肌电中去除心电干扰的应用", 《生物医学工程学杂志》 *
杨智等: "自适应小波尺度谱阈值在膈肌信号降噪的应用", 《计算机应用》 *
赵立业等: "基于形态小波的高精度重力仪信号快速滤波算法", 《东南大学学报(自然科学版)》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023230868A1 (zh) * 2022-05-31 2023-12-07 深圳迈瑞生物医疗电子股份有限公司 控制通气设备的方法、通气系统和通气设备
CN117017323A (zh) * 2023-09-14 2023-11-10 中国科学技术大学 基于盲源分离的高密度表面膈肌肌电采集与预处理方法
CN117017323B (zh) * 2023-09-14 2024-03-29 中国科学技术大学 基于盲源分离的高密度表面膈肌肌电采集与预处理方法

Similar Documents

Publication Publication Date Title
CN114028671A (zh) 一种呼吸机控制触发方法
WO2017092852A1 (de) Vorrichtung und verfahren zum bereitstellen von datensignalen indizierend muskelaktivitäten, welche für inspiratorische sowie exspiratorische atemanstrengungen eines patienten relevant sind
US9585622B2 (en) Apparatus and method for data processing of physiological signals
CN110680308B (zh) 基于改进emd与阈值法融合的心电信号去噪方法
US7474915B2 (en) Separating mixed signals containing a distorted signal
EP2451359B1 (en) Noise reduction of breathing signals
DE102009003489A1 (de) Ring für verbesserte nicht-invasive Blutdruckbestimmung
Mondal et al. Enhancement of lung sounds based on empirical mode decomposition and Fourier transform algorithm
DE69635141T2 (de) Verfahren zur Erzeugung von Sprachmerkmalsignalen und Vorrichtung zu seiner Durchführung
CN114449947B (zh) 用于确定呼吸信号和/或心源性信号的方法和设备
Devuyst et al. Cancelling ECG artifacts in EEG using a modified independent component analysis approach
KR20180012891A (ko) 생체신호 노이즈 제거방법
Mansy et al. Bowel-sound signal enhancement using adaptive filtering
Lin et al. Discrete-wavelet-transform-based noise reduction and R wave detection for ECG signals
CN111248900A (zh) 一种基于单通道心脑信息耦合分析方法及系统
Du et al. Crackle detection and classification based on matched wavelet analysis
DE102020002572A1 (de) Verfahren und Signalverarbeitungseinheit zur Ermittlung eines kardiogenen Signals
EP1216527B1 (en) Apparatus and method for de-esser using adaptive filtering algorithms
Wang Multi-sensor adaptive heart and lung sound extraction
Bensafia et al. Blind elimination of electrical artifacts caused by the electrosurgical units (ESU) for ECG Signals
CN114010201B (zh) 一种基于信息增益的心肺耦合关系分析方法
Koeipensri et al. The development of biosignal processing system (BPS-SWU V1. 0) for learning and research in biomedical engineering
Djellatou et al. Enhanced FBLMS algorithm for ECG and noise removal from sEMG signals
Aboofazeli et al. Automated extraction of swallowing sounds using a wavelet-based filter
CN112773379A (zh) 一种肌电信号的处理方法、处理设备以及存储介质

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20220211