CN114073495A - 一种基于信息相似度的睡眠呼吸暂停检测方法及装置 - Google Patents

一种基于信息相似度的睡眠呼吸暂停检测方法及装置 Download PDF

Info

Publication number
CN114073495A
CN114073495A CN202111470932.9A CN202111470932A CN114073495A CN 114073495 A CN114073495 A CN 114073495A CN 202111470932 A CN202111470932 A CN 202111470932A CN 114073495 A CN114073495 A CN 114073495A
Authority
CN
China
Prior art keywords
information similarity
letter
sequence
sleep apnea
sequences
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
CN202111470932.9A
Other languages
English (en)
Other versions
CN114073495B (zh
Inventor
刘官正
陈明婧
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.)
Sun Yat Sen University
Sun Yat Sen University Shenzhen Campus
Original Assignee
Sun Yat Sen University
Sun Yat Sen University Shenzhen Campus
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 Sun Yat Sen University, Sun Yat Sen University Shenzhen Campus filed Critical Sun Yat Sen University
Priority to CN202111470932.9A priority Critical patent/CN114073495B/zh
Publication of CN114073495A publication Critical patent/CN114073495A/zh
Application granted granted Critical
Publication of CN114073495B publication Critical patent/CN114073495B/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
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea
    • 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
    • A61B5/02—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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • 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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval

Landscapes

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

Abstract

本发明公开了一种基于信息相似度的睡眠呼吸暂停检测方法及装置，该方法包括：采集用户睡觉状态下的信号数据并进行RR间期提取，得到RR序列；对RR序列进行多尺度序列处理，构造得到多字节字母序列；基于香农熵计算字母序列间的距离，得到信息相似度；根据信息相似度对睡眠呼吸暂停进行检测。该装置包括存储器以及用于执行上述基于信息相似度的睡眠呼吸暂停检测方法的处理器。通过使用本发明，能够准确的对睡眠呼吸暂停进行检测并且更具有鲁棒性。本发明作为一种基于信息相似度的睡眠呼吸暂停检测方法及装置，可广泛应用于医疗监测领域。

Description

一种基于信息相似度的睡眠呼吸暂停检测方法及装置
技术领域
本发明涉及医疗监测领域，尤其涉及一种基于信息相似度的睡眠呼吸暂停检测方法及装置。
背景技术
阻塞性睡眠呼吸暂停(OSA)是一种常见的睡眠障碍，通常是由睡眠中上呼吸道部分发生的部分或完全阻塞引起的，往往与肥胖、衰老、抽烟喝酒等不良生活习惯、呼吸道解剖结构异常等密切相关。OSA患者通常伴随着白天的疲倦过度嗜睡，对日常生活造成影响。同时，OSA还伴随着自主神经功能紊乱，往往容易引起中风，高血压冠状动脉疾病风险升高。而由于传统诊断金标准多导睡眠描记法昂贵，复杂的特性，造成了多达85％的OSA患者漏诊。因此，目前临床和市场上都急需方便、准确、经济的OSA的诊断方法。
发明内容
为了解决上述技术问题，本发明的目的是提供一种基于信息相似度的睡眠呼吸暂停检测方法及装置，能够准确的对睡眠呼吸暂停进行检测并且更具有鲁棒性。
本发明所采用的第一技术方案是：一种基于信息相似度的睡眠呼吸暂停检测方法，包括以下步骤：
采集用户睡觉状态下的信号数据并进行RR间期提取，得到RR序列；
对RR序列进行多尺度序列处理，构造得到多字节字母序列；
基于香农熵计算字母序列间的距离，得到信息相似度；
根据信息相似度对睡眠呼吸暂停进行检测。
进一步，所述采集用户睡觉状态下的信号数据并进行RR间期提取，得到RR序列这一步骤，其具体包括：
采集用户睡觉状态下的信号数据；
所述信号数据包括心电和脉搏波信号；
将信号数据转为数字信号并对数字信号进行校准和分割，得到等时间长度片段；
基于Pan-Tompkins算法对等时间长度片段提取心电R波，并计算出RR间期，得到RR序列。
进一步，所述对RR序列进行多尺度序列处理，构造得到多字节字母序列这一步骤，其具体包括：
对RR序列进行多尺度序列处理，得到粗粒化RR序列；
对粗粒化RR序列进行二进制化，得到二进制序列；
将二进制序列中预设数量的二进制符号等价为对应的字节字母，得到多字节字母序列。
进一步，所述对粗粒化RR序列进行二进制化的公式表示如下：
Figure BDA0003392143340000021
上式中，RRn表示第n个RR间期值，RRn-1表示第n-1个RR间期值。
进一步，所述基于香农熵计算字母序列间的距离，得到信息相似度这一步骤，其具体包括：
将多字节字母序列中的字母根据出现次数进行排序，得到排序后的字母序列；
对于同个个体两组相邻字母序列，分别计算归一化参数和字母权重；
根据排序后的字母序列和字母权重计算两字母序列间的距离，得到信息相似度。
进一步，所述信息相似度的计算公式如下：
Figure BDA0003392143340000022
上式中，R(wk)表示字母wk的排列顺序，S(wk)表示字母wk的权重，N表示字母的总个数，k表示字母序号。
进一步，所述根据信息相似度对睡眠呼吸暂停进行检测这一步骤，其具体包括：
计算所有相邻字母序列之间的信息相似度平均值和信息相似度标准差，得到参考特征；
对参考特征值进行统计分析，得到分析结果；
根据分析结果的均值、方差和标准差进行睡眠呼吸暂停检测，得到检测结果。
进一步，信息相似度平均值的计算公式如下：
Figure BDA0003392143340000023
上式中，sIBS表示信息相似度平均值，L表示序列数总数，d(Ik，Ik+1)表示两两相邻字母序列的距离。
进一步，信息相似度标准差的计算公式如下：
Figure BDA0003392143340000031
上式中，dIBS表示信息相似度标准差。
本发明所采用的第二技术方案是：一种基于信息相似度的睡眠呼吸暂停检测装置，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实现如上所述一种基于信息相似度的睡眠呼吸暂停检测方法。
本发明方法、系统及装置的有益效果是：本发明是一种非线性的短期心率波动分析方法，对数据存储时，通过将RR序列转变为相应字母序列，能够揭示相邻RR序列的相对大小关系，且在构造字母序列的过程中，着眼于字母出现的频率，而非每个字母出现的绝对位置。因此，能够有效避免信号收集过程中外界噪音造成的基线漂移等干扰，适用于长期的生理信号采集过程。
附图说明
图1是本发明一种基于信息相似度的睡眠呼吸暂停检测方法的步骤流程图；
图2是本发明具体实施例对RR序列处理的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。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。
参照图1和图2，本发明提供了一种基于信息相似度的睡眠呼吸暂停检测方法，该方法包括以下步骤：
S1、采集用户睡觉状态下的信号数据并进行RR间期提取，得到RR序列；
S1.1、采集用户睡觉状态下的信号数据，所述信号数据包括心电和脉搏波信号；
S1.2、将信号数据转为数字信号并对数字信号进行校准和分割，得到等时间长度片段；
S1.3、基于Pan-Tompkins算法对等时间长度片段提取心电R波，并计算出RR间期，得到RR序列。
S2、对RR序列进行多尺度序列处理，构造得到多字节字母序列；
S2.1、对RR序列进行多尺度序列处理，得到粗粒化RR序列；
具体地，原始RR序列X＝{rr1,rr2,…,rrn},n为总的RR间期点数，对RR序列通过公式
Figure BDA0003392143340000041
进行多尺度序列处理，得到粗粒化RR序列，其中C为粗粒化参数。
S2.2、对粗粒化RR序列进行二进制化，得到二进制序列；
具体地，对粗粒化RR序列进行二进制化的公式表示如下：
Figure BDA0003392143340000042
RRn表示第n个RR间期值，RRn-1表示第n-1个RR间期值，粗粒化RR序列进行二进制化，构成所含元素均为0，1的二进制序列，
S2.3、将二进制序列中预设数量的二进制符号等价为对应的字节字母，得到多字节字母序列。
具体地，接着，对这个二进制序列进行转化，令每m个二进制符号等价为一个m字节字母，得到字母序列。
另外，还有第二种方法构造多字节字母序列，如：将粗粒化RR序列重构为一系列长度为m的短序列，对短序列内的元素按照升序排列，记下重新排序后的字母原始位置，即为该短序列的对应字母。例如，(1.1，0.9，0.8)，重新排序后为(0.8，0.9，1.1)，对应的字母序列则为(3，2，1)。
S3、基于香农熵计算字母序列间的距离，得到信息相似度；
S3.1、将多字节字母序列中的字母根据出现次数进行排序，得到排序后的字母序列；
具体地，对于字母序列，将其中的m字节字母按照出现次数的由少到多进行排序，若是字母出现次数相同，则按照字母本身固有顺序进行排序。由不同的RR序列转换而来的字母排序顺序往往不尽相同。对于两组不同的RR序列，每个字母拥有两个序数，在第一组中排在第3位时，在第二组中可能排在第15位。
S3.2、对于同个个体两组相邻字母序列，分别计算归一化参数和字母权重；
对于两组字母序列，通过公式
Figure BDA0003392143340000043
计算出归一化参数，其中wk表示m字节的字母，N表示字母的总个数，p(wk)表示字母的出现概率；然后计算字母wk的权重，由该字母在两组字母序列中的香农熵之和进行归一化后求得S(wk)＝[-p1(wk)log2p1(wk)-p2(wk)log2 p2(wk)]/Z。
S3.3、根据排序后的字母序列和字母权重计算两字母序列间的距离，得到信息相似度。
具体地，最后，定义两字母序列间的距离，即信息相似度，为
Figure BDA0003392143340000051
其中R(wk)为S3.1中字母的排列顺序。
S4、根据信息相似度对睡眠呼吸暂停进行检测。
S4.1、计算所有相邻字母序列之间的信息相似度平均值和信息相似度标准差，得到参考特征；
静态相似度定义为信息相似度平均值，计算公式：
Figure BDA0003392143340000052
其中，sIBS表示信息相似度平均值，L表示序列数总数，d(Ik，Ik+1)表示两两相邻字母序列的距离。
动态相似度定义为信息相似度标准差，计算公式为：
Figure BDA0003392143340000053
其中，dIBS表示信息相似度标准差。
S4.2、对参考特征值进行统计分析，得到分析结果；
S4.3、根据分析结果的均值、方差和标准差进行睡眠呼吸暂停检测，得到检测结果。
具体地，计算分析结果与相关睡眠呼吸暂停严重程度相关指数AHI的相关性，利用分析结果的均值、方差、标准差等参数分析不同群体间的差异性。
本发明提出一种无侵入的方法，利用心电/脉搏波信号，可以实现对睡眠呼吸暂停患者的检测与识别。这种基于心率变异性信息相似度的睡眠呼吸暂停检测方法具有操作简便，切实可行，准确率高的优点，适于在实际生活中应用；且该方法在受试者睡眠期间进行数据采集，对受试者的日常生活无影响，接受度高，可推广性强，具有广泛的应用前景。
一种基于信息相似度的睡眠呼吸暂停检测装置：
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实现如上所述一种基于信息相似度的睡眠呼吸暂停检测方法。
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，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)

1.一种基于信息相似度的睡眠呼吸暂停检测方法，其特征在于，包括以下步骤：
采集用户睡觉状态下的信号数据并进行RR间期提取，得到RR序列；
对RR序列进行多尺度序列处理，构造得到多字节字母序列；
基于香农熵计算字母序列间的距离，得到信息相似度；
根据信息相似度对睡眠呼吸暂停进行检测。
2.根据权利要求1所述一种基于信息相似度的睡眠呼吸暂停检测方法，其特征在于，所述采集用户睡觉状态下的信号数据并进行RR间期提取，得到RR序列这一步骤，其具体包括：
采集用户睡觉状态下的信号数据；
所述信号数据包括心电和脉搏波信号；
将信号数据转为数字信号并对数字信号进行校准和分割，得到等时间长度片段；
基于Pan-Tompkins算法对等时间长度片段提取心电R波，并计算出RR间期，得到RR序列。
3.根据权利要求2所述一种基于信息相似度的睡眠呼吸暂停检测方法，其特征在于，所述对RR序列进行多尺度序列处理，构造得到多字节字母序列这一步骤，其具体包括：
对RR序列进行多尺度序列处理，得到粗粒化RR序列；
对粗粒化RR序列进行二进制化，得到二进制序列；
将二进制序列中预设数量的二进制符号等价为对应的字节字母，得到多字节字母序列。
4.根据权利要求3所述一种基于信息相似度的睡眠呼吸暂停检测方法，其特征在于，所述对粗粒化RR序列进行二进制化的公式表示如下：
Figure FDA0003392143330000011
上式中，RRn表示第n个RR间期值，RRn-1表示第n-1个RR间期值。
5.根据权利要求4所述一种基于信息相似度的睡眠呼吸暂停检测方法，其特征在于，所述基于香农熵计算字母序列间的距离，得到信息相似度这一步骤，其具体包括：
将多字节字母序列中的字母根据出现次数进行排序，得到排序后的字母序列；
对于同个个体两组相邻字母序列，分别计算归一化参数和字母权重；
根据排序后的字母序列和字母权重计算两字母序列间的距离，得到信息相似度。
6.根据权利要求5所述一种基于信息相似度的睡眠呼吸暂停检测方法，其特征在于，所述信息相似度的计算公式如下：
Figure FDA0003392143330000021
上式中，wk表示m字节的字母，R(wk)表示字母wk的排列顺序，S(wk)表示字母wk的权重，N表示字母的总个数，k表示字母序号。
7.根据权利要求6所述一种基于信息相似度的睡眠呼吸暂停检测方法，其特征在于，所述根据信息相似度对睡眠呼吸暂停进行检测这一步骤，其具体包括：
计算所有相邻字母序列之间的信息相似度平均值和信息相似度标准差，得到参考特征；
对参考特征值进行统计分析，得到分析结果；
根据分析结果的均值、方差和标准差进行睡眠呼吸暂停检测，得到检测结果。
8.根据权利要求7所述一种基于信息相似度的睡眠呼吸暂停检测方法，其特征在于，信息相似度平均值的计算公式如下：
Figure FDA0003392143330000022
上式中，sIBS表示信息相似度平均值，L表示序列数总数，d(Ik，Ik+1)表示两两相邻字母序列的距离。
9.根据权利要求8所述一种基于信息相似度的睡眠呼吸暂停检测方法，其特征在于，信息相似度标准差的计算公式如下：
Figure FDA0003392143330000023
上式中，dIBS表示信息相似度标准差。
10.一种基于信息相似度的睡眠呼吸暂停检测装置，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实现如权利要求1-9任一项所述一种基于信息相似度的睡眠呼吸暂停检测方法。
CN202111470932.9A 2021-12-03 2021-12-03 一种基于信息相似度的睡眠呼吸暂停检测方法及装置 Active CN114073495B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111470932.9A CN114073495B (zh) 2021-12-03 2021-12-03 一种基于信息相似度的睡眠呼吸暂停检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111470932.9A CN114073495B (zh) 2021-12-03 2021-12-03 一种基于信息相似度的睡眠呼吸暂停检测方法及装置

Publications (2)

Publication Number Publication Date
CN114073495A true CN114073495A (zh) 2022-02-22
CN114073495B CN114073495B (zh) 2024-03-22

Family

ID=80284467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111470932.9A Active CN114073495B (zh) 2021-12-03 2021-12-03 一种基于信息相似度的睡眠呼吸暂停检测方法及装置

Country Status (1)

Country Link
CN (1) CN114073495B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080051669A1 (en) * 2006-08-28 2008-02-28 Wolfgang Meyer Diagnosis of sleep apnea
CN106473700A (zh) * 2016-08-26 2017-03-08 复旦大学 基于hrv频域分析的阻塞性睡眠呼吸暂停综合征的检测系统
US20170071533A1 (en) * 2014-03-13 2017-03-16 Halare, Inc. Systems and methods for detecting and diagnosing sleep disordered breathing
CN109770904A (zh) * 2019-01-28 2019-05-21 深圳和而泰数据资源与云技术有限公司 呼吸暂停的监测方法、装置、计算机设备和存储介质
US20190150772A1 (en) * 2017-11-20 2019-05-23 Kinpo Electronics, Inc. Wearable device capable of detecting sleep apnea event and detection method thereof
CN110151138A (zh) * 2019-05-29 2019-08-23 中山大学 基于卷积神经网络的睡眠呼吸暂停片段检测方法、设备
CN111166294A (zh) * 2020-01-29 2020-05-19 北京交通大学 一种基于心跳间期的睡眠呼吸暂停自动检测方法及装置
CN112587091A (zh) * 2020-12-04 2021-04-02 中山大学 基于心率变异性角场图像的睡眠呼吸暂停检测方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080051669A1 (en) * 2006-08-28 2008-02-28 Wolfgang Meyer Diagnosis of sleep apnea
US20170071533A1 (en) * 2014-03-13 2017-03-16 Halare, Inc. Systems and methods for detecting and diagnosing sleep disordered breathing
CN106473700A (zh) * 2016-08-26 2017-03-08 复旦大学 基于hrv频域分析的阻塞性睡眠呼吸暂停综合征的检测系统
US20190150772A1 (en) * 2017-11-20 2019-05-23 Kinpo Electronics, Inc. Wearable device capable of detecting sleep apnea event and detection method thereof
CN109770904A (zh) * 2019-01-28 2019-05-21 深圳和而泰数据资源与云技术有限公司 呼吸暂停的监测方法、装置、计算机设备和存储介质
CN110151138A (zh) * 2019-05-29 2019-08-23 中山大学 基于卷积神经网络的睡眠呼吸暂停片段检测方法、设备
CN111166294A (zh) * 2020-01-29 2020-05-19 北京交通大学 一种基于心跳间期的睡眠呼吸暂停自动检测方法及装置
CN112587091A (zh) * 2020-12-04 2021-04-02 中山大学 基于心率变异性角场图像的睡眠呼吸暂停检测方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
QI SHEN 等: "Multiscale Deep Neural Network for Obstructive Sleep Apnea Detection Using RR Interval From Single-Lead ECG Signal", 《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》, vol. 70, 5 March 2021 (2021-03-05), pages 1 - 13, XP011845358, DOI: 10.1109/TIM.2021.3062414 *
王涛 等: "多尺度卷积神经网络检测睡眠呼吸暂停", 《电子测量与仪器学报》, vol. 35, no. 7, 31 July 2021 (2021-07-31), pages 30 - 35 *
覃恒基 等: "基于自编码器和隐马尔可夫模型的睡眠呼吸暂停检测方法", 《中国生物医学工程学报》, vol. 39, no. 4, 31 August 2020 (2020-08-31), pages 422 - 430 *

Also Published As

Publication number Publication date
CN114073495B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
CN111035367B (zh) 一种用于判断睡眠呼吸暂停的信号检测系统
CN108416367B (zh) 基于多传感器数据决策级融合的睡眠分期方法
Zhou et al. Automatic online detection of atrial fibrillation based on symbolic dynamics and Shannon entropy
US9198634B2 (en) Medical decision support system
AU2009243424B2 (en) ECG signal analysis tool
US20110316704A1 (en) System and method for automatic capture and archive of clinically meaningful vitals
CN110151138B (zh) 基于卷积神经网络的睡眠呼吸暂停片段检测方法、设备
CN108175382B (zh) 基于cpc的非接触式睡眠评估方法及装置
Banerjee et al. PhotoECG: Photoplethysmographyto estimate ECG parameters
CN112869716B (zh) 一种基于双通道卷积神经网络的脉搏特征识别系统及方法
Gavrovska et al. Automatic heart sound detection in pediatric patients without electrocardiogram reference via pseudo-affine Wigner–Ville distribution and Haar wavelet lifting
CN112971795B (zh) 心电信号质量评估方法
CN114027853B (zh) 基于特征模板匹配的qrs波群检测方法、装置、介质及设备
KR20220150901A (ko) 모체 자궁 활동 검출을 위한 융합 신호 처리
Jarvis et al. Apnea patients characterized by 0.02 Hz peak in the multitaper spectrogram of electrocardiogram signals
Kupka et al. New method for beat-to-beat fetal heart rate measurement using Doppler ultrasound signal
CN114073495B (zh) 一种基于信息相似度的睡眠呼吸暂停检测方法及装置
CN112587091A (zh) 基于心率变异性角场图像的睡眠呼吸暂停检测方法及装置
Mitra et al. Pattern defined heuristic rules and directional histogram based online ECG parameter extraction
JP6706996B2 (ja) 生体信号処理装置、異常判別方法およびプログラム
Paila et al. Detection and Analysis of Cardiac Arrhythmias from Heartbeat Classification
CN110368019B (zh) 一种心音信号特征提取、检测模型构建及检测装置
CN114081450B (zh) 一种基于差异可见图的睡眠呼吸暂停检测方法及装置
Indrawati et al. Obstructive Sleep Apnea Detection using Frequency Analysis of Electrocardiographic RR Interval and Machine Learning Algorithms
CN110580448B (zh) 一种心音分类模型构建、分类方法及装置

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