CN114073519A - 一种基于心率变异性的无创血糖检测方法及装置 - Google Patents
一种基于心率变异性的无创血糖检测方法及装置 Download PDFInfo
- Publication number
- CN114073519A CN114073519A CN202111470725.3A CN202111470725A CN114073519A CN 114073519 A CN114073519 A CN 114073519A CN 202111470725 A CN202111470725 A CN 202111470725A CN 114073519 A CN114073519 A CN 114073519A
- Authority
- CN
- China
- Prior art keywords
- blood glucose
- frequency power
- analysis
- heart rate
- sequence
- 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
Links
- 239000008280 blood Substances 0.000 title claims abstract description 43
- 210000004369 blood Anatomy 0.000 title claims abstract description 43
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 title claims abstract description 39
- 239000008103 glucose Substances 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000010937 topological data analysis Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 238000007619 statistical method Methods 0.000 claims abstract description 6
- 230000002688 persistence Effects 0.000 claims description 8
- 238000005192 partition Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000003403 autonomic nervous system Anatomy 0.000 description 1
- 238000010241 blood sampling Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001734 parasympathetic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
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
- A61B5/14532—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 for measuring glucose, e.g. by tissue impedance measurement
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Optics & Photonics (AREA)
- Emergency Medicine (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (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心率变异性的无创血糖检测方法及装置，该方法包括：采集受试者的信号数据并进行RR间期提取，得到RR序列；对RR序列进行快速傅里叶变换分析、拓扑数据分析和计算平均距离分析，得到参考特征值；对参考特征值进行统计分析并根据分析结果检测血糖波动。该装置包括存储器以及用于执行上述基于心率变异性的无创血糖检测方法的处理器。通过使用本发明，能够实现无创血糖检测，有助于实时对用户进行血糖跟踪。本发明作为一种基于心率变异性的无创血糖检测方法及装置，可广泛应用于血糖检测领域。
Description
技术领域
本发明涉及血糖检测领域，尤其涉及一种基于心率变异性的无创血糖检测方法及装置。
背景技术
目前主流的血糖监测是采用手指采血的方法，这种方法准确性较高，但是需要通过针刺取样，不仅给患者带来了不便与疼痛，而且反复的针扎也增加了感染的风险，另外，这种方法也难以实现实时血糖跟踪，尚未存在一种无创的血糖检测方法，心电信号能反映一段时间内心脏的电活动，已被广泛应用于疾病的辅助检测，研究表明，心电信号的变化与血糖水平异常存在一定的联系。
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心率变异性的无创血糖检测方法及装置，实现无创血糖检测功能，有助于实时对用户进行血糖跟踪。
本发明所采用的第一技术方案是：一种基于心率变异性的无创血糖检测方法，包括以下步骤：
采集受试者的信号数据并进行RR间期提取，得到RR序列；
对RR序列进行快速傅里叶变换分析、拓扑数据分析和计算平均距离分析，得到参考特征值；
对参考特征值进行统计分析并根据分析结果检测血糖波动。
进一步，所述采集受试者的信号数据并进行RR间期提取，得到RR序列这一步骤，其具体包括：
采集受试者的心电信号，得到信号数据；
对信号数据进行模数转换，得到数字信号；
基于Pan-Tompkins算法对数字信号进行处理，提取RR间期，得到RR序列。
进一步，对RR序列进行快速傅里叶变换分析具体包括：
分别计算RR序列中的低频功率和高频功率；
根据低频功率和高频功率计算比值，得到低频功率与高频功率之比；
以低频功率、高频功率、低频功率与高频功率之比为频域指标，得到功率谱密度。
进一步，低频功率的计算公式如下：
上式中，LF表示低频功率，w表示角频率，F(w)表示对w进行傅里叶变换。
进一步，高频功率的计算公式如下：
上式中，HF表示高频功率，w表示角频率，F(w)表示对信号进行傅里叶变换。
进一步，对RR序列进行拓扑数据分析具体包括：
对RR序列以数组方式划分重构，得到重构后的三维数组；
基于冲沟后的三位数组生成持续性图，并将持续性图中的拓扑结构特征与时间序列关联。
进一步，所述对RR序列以数组方式划分重构，得到重构后的三维数组这一步骤，其具体包括：
自序列第一个值，将一维RR序列中相邻两个值分别作为一数据点在x轴和y轴上的坐标，依次滑动一个值，形成一个新的数据点，直至滑动至序列最后一个值，构建得到二维数组；
设三维数组第三维度大小为RD，将二维数组分为若干个元素个数为RD的二维数组划分，将二维数组划分组合，得到重构后的三维数组。
进一步，对RR序列进行计算平均距离分析具体为计算两个相邻RR序列之间的距离，所述距离计算公式如下：
上式中，N为归一化因子，L表示不同m位字的总数，wi表示m位字，p表示单词出现的概率，S是这个词的权重，D(R1，R2)表示两个单词序列之间的距离，R表示单词的秩。
进一步，所述对参考特征值进行统计分析并根据分析结果检测血糖波动这一步骤，其具体包括：
对快速傅里叶变换结果、平均距离计算结果分别求平均值；
对拓扑数据结构求平均值和方差；
根据参考特征值的平均值和方差进行显著性分析，得到分析结果；
根据分析结果进行血糖波动检测。
本发明所采用的第二技术方案是：一种基于心率变异性的无创血糖检测装置，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心率变异性的无创血糖检测方法。
本发明方法、系统及装置的有益效果是：本发明在传统的线性分析方法快速傅里叶变换的基础上，引入了非线性的拓扑数据分析和计算平均距离的分析方法，用来度量血糖异常波动的变化，以实现无创血糖检测。
附图说明
图1是本发明一种基于心率变异性的无创血糖检测方法的步骤流程图；
图2是本发明具体实施例快速傅里叶变换分析的流程示意图；
图3是本发明具体实施例计算平均距离分析的流程示意图；
图4是本发明具体实施例持续同调的拓扑的过程示意图。
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，本发明提供了一种基于心率变异性的无创血糖检测方法，该方法包括以下步骤：
S1、采集受试者的信号数据并进行RR间期提取，得到RR序列；
S1.1、采集受试者的心电信号，得到信号数据；
S1.2、对信号数据进行模数转换，得到数字信号；
S1.3、基于Pan-Tompkins算法对数字信号进行处理，提取RR间期，得到RR序列。
S2、对RR序列进行快速傅里叶变换分析、拓扑数据分析和计算平均距离分析，得到参考特征值；
S2.1、参照图2，对RR序列进行快速傅里叶变换分析：分别计算RR序列中的低频功率和高频功率；根据低频功率和高频功率计算比值，得到低频功率与高频功率之比；以低频功率、高频功率、低频功率与高频功率之比为频域指标，得到功率谱密度。
低频功率(LF)，表示RR间期在0.04-0.15Hz频带内的功率，可用于评估交感神经活性，其计算公式为：
上式中，LF表示低频功率，w表示角频率，F(w)表示对信号进行傅里叶变换。
高频功率(HF)，表示RR间期在0.15-0.4Hz频带内的功率，可用于评估副交感神经活性，其计算公式为：
上式中，HF表示高频功率，w表示角频率，F(w)表示对信号进行傅里叶变换。
低频功率与高频功率之比(LF/HF)，可用于反映整个自主神经系统的平衡程度，其计算公式为：
上式中，LF表示低频功率，HF表示高频功率，w表示角频率，F(w)表示对信号进行傅里叶变换。
S2.2、对RR序列进行拓扑数据分析：自序列第一个值，将一维RR间期时间序列中相邻两个值分别作为一数据点在x轴和y轴上的坐标，依次滑动一个值，形成一个新的数据点，直至滑动至序列最后一个值，由此构建出一个二维数组，以“点云”的形式分布在二维直角坐标系中；然后设三维数组第三维度大小为RD，将二维数组分为若干个元素个数为RD的二维数组划分，将划分组合为一个三维数组；利用重构的三维数组生成持续性图，参照图4，对持续性图中体现的拓扑结构特征的孔洞数、持续间隔均值、持续间隔标准差等数据序列，与血糖数据时间序列相关联。
S2.3、参照图3，对RR序列进行计算平均距离分析：为了评估两个相邻RR序列之间的相似性，将RR间隔的增加和减少分别定义为1和0。然后将长度为m的二进制序列表示为一个单词，称为m位单词；应用以下公式计算两个相邻RR序列之间的距离，以反映它们的相似性。距离越小，相似度越大，反之亦然：
上式中，N为归一化因子，L表示不同m位字的总数，wi表示m位字，p表示单词出现的概率，S是这个词的权重，D(R1，R2)表示两个单词序列之间的距离，R表示单词的秩。
S3、对参考特征值进行统计分析并根据分析结果检测血糖波动。
本发明提出将传统的线性分析方法和非线性分析方法相结合的方法对心率变异性进行分析。和传统的线性心率变异性分析方法相比，该方法能够有效将心率变异性与血糖值相关联。同时，本发明的检测设备在采集受试者的心电信号时，对受试者所处状态等没有过多的要求，适合于用在可穿戴环境中，实时提示受试者是否出现血糖异常波动的情况。
一种基于心率变异性的无创血糖检测装置：
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心率变异性的无创血糖检测方法。
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)
1.一种基于心率变异性的无创血糖检测方法，其特征在于，包括以下步骤：
采集受试者的信号数据并进行RR间期提取，得到RR序列；
对RR序列进行快速傅里叶变换分析、拓扑数据分析和计算平均距离分析，得到参考特征值；
对参考特征值进行统计分析并根据分析结果检测血糖波动。
2.根据权利要求1所述一种基于心率变异性的无创血糖检测方法，其特征在于，所述采集受试者的信号数据并进行RR间期提取，得到RR序列这一步骤，其具体包括：
采集受试者的心电信号，得到信号数据；
对信号数据进行模数转换，得到数字信号；
基于Pan-Tompkins算法对数字信号进行处理，提取RR间期，得到RR序列。
3.根据权利要求2所述一种基于心率变异性的无创血糖检测方法，其特征在于，对RR序列进行快速傅里叶变换分析具体包括：
分别计算RR序列中的低频功率和高频功率；
根据低频功率和高频功率计算比值，得到低频功率与高频功率之比；
以低频功率、高频功率、低频功率与高频功率之比为频域指标，得到功率谱密度。
4.根据权利要求3所述一种基于心率变异性的无创血糖检测方法，其特征在于，低频功率的计算公式如下：
上式中，LF表示低频功率，w表示角频率，F(w)表示对w进行傅里叶变换。
5.根据权利要求4所述一种基于心率变异性的无创血糖检测方法，其特征在于，高频功率的计算公式如下：
上式中，HF表示高频功率，w表示角频率，F(w)表示对信号进行傅里叶变换。
6.根据权利要求5所述一种基于心率变异性的无创血糖检测方法，其特征在于，对RR序列进行拓扑数据分析具体包括：
对RR序列以数组方式划分重构，得到重构后的三维数组；
基于冲沟后的三位数组生成持续性图，并将持续性图中的拓扑结构特征与时间序列关联。
7.根据权利要求6所述一种基于心率变异性的无创血糖检测方法，其特征在于，所述对RR序列以数组方式划分重构，得到重构后的三维数组这一步骤，其具体包括：
自序列第一个值，将一维RR序列中相邻两个值分别作为一数据点在x轴和y轴上的坐标，依次滑动一个值，形成一个新的数据点，直至滑动至序列最后一个值，构建得到二维数组；
设三维数组第三维度大小为RD，将二维数组分为若干个元素个数为RD的二维数组划分，将二维数组划分组合，得到重构后的三维数组。
8.根据权利要求7所述一种基于心率变异性的无创血糖检测方法，其特征在于，对RR序列进行计算平均距离分析具体为计算两个相邻RR序列之间的距离，所述距离计算公式如下：
上式中，N为归一化因子，L表示不同m位字的总数，wi表示m位字，p表示单词出现的概率，S是这个词的权重，D(R1,R2)表示两个单词序列之间的距离，R表示单词的秩。
9.根据权利要求8所述一种基于心率变异性的无创血糖检测方法，其特征在于，所述对参考特征值进行统计分析并根据分析结果检测血糖波动这一步骤，其具体包括：
对快速傅里叶变换结果、平均距离计算结果分别求平均值；
对拓扑数据结构求平均值和方差；
根据参考特征值的平均值和方差进行显著性分析，得到分析结果；
根据分析结果进行血糖波动检测。
10.一种基于心率变异性的无创血糖检测装置，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1-8任一项所述一种基于心率变异性的无创血糖检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111470725.3A CN114073519B (zh) | 2021-12-03 | 2021-12-03 | 一种基于心率变异性的无创血糖检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111470725.3A CN114073519B (zh) | 2021-12-03 | 2021-12-03 | 一种基于心率变异性的无创血糖检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114073519A true CN114073519A (zh) | 2022-02-22 |
| CN114073519B CN114073519B (zh) | 2024-06-07 |
Family
ID=80284468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111470725.3A Active CN114073519B (zh) | 2021-12-03 | 2021-12-03 | 一种基于心率变异性的无创血糖检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114073519B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116491938A (zh) * | 2023-06-27 | 2023-07-28 | 亿慧云智能科技（深圳）股份有限公司 | 一种ecg无创血糖测量方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050027183A1 (en) * | 2003-07-01 | 2005-02-03 | Antonio Sastre | Method for non-invasive monitoring of blood and tissue glucose |
| US20050137470A1 (en) * | 2003-12-08 | 2005-06-23 | Rosenthal Robert D. | Method and apparatus for low blood glucose level detection |
| CN109394197A (zh) * | 2018-11-27 | 2019-03-01 | 中山大学 | 一种基于时频分析的心率变异性测量方法、装置及设备 |
| CN111317484A (zh) * | 2018-12-13 | 2020-06-23 | 三星电子株式会社 | 用于估计血糖的装置和方法 |
| CN111631729A (zh) * | 2020-05-14 | 2020-09-08 | 中国科学院深圳先进技术研究院 | 一种基于多模融合的低血糖预测方法和系统 |
| CN113133762A (zh) * | 2021-03-03 | 2021-07-20 | 刘欣刚 | 一种无创血糖预测方法及装置 |
| CN113692530A (zh) * | 2019-01-22 | 2021-11-23 | 塞维利亚大学 | 用于非侵入式血糖水平估计的便携式设备和方法 |
-
2021
- 2021-12-03 CN CN202111470725.3A patent/CN114073519B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050027183A1 (en) * | 2003-07-01 | 2005-02-03 | Antonio Sastre | Method for non-invasive monitoring of blood and tissue glucose |
| US20050137470A1 (en) * | 2003-12-08 | 2005-06-23 | Rosenthal Robert D. | Method and apparatus for low blood glucose level detection |
| CN109394197A (zh) * | 2018-11-27 | 2019-03-01 | 中山大学 | 一种基于时频分析的心率变异性测量方法、装置及设备 |
| CN111317484A (zh) * | 2018-12-13 | 2020-06-23 | 三星电子株式会社 | 用于估计血糖的装置和方法 |
| CN113692530A (zh) * | 2019-01-22 | 2021-11-23 | 塞维利亚大学 | 用于非侵入式血糖水平估计的便携式设备和方法 |
| CN111631729A (zh) * | 2020-05-14 | 2020-09-08 | 中国科学院深圳先进技术研究院 | 一种基于多模融合的低血糖预测方法和系统 |
| CN113133762A (zh) * | 2021-03-03 | 2021-07-20 | 刘欣刚 | 一种无创血糖预测方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 王娜等: "老年原发性高血压患者餐后血糖水平与心率变异性的相关性研究", 中国社区医师, no. 07, 5 March 2015 (2015-03-05) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116491938A (zh) * | 2023-06-27 | 2023-07-28 | 亿慧云智能科技（深圳）股份有限公司 | 一种ecg无创血糖测量方法及系统 |
| CN116491938B (zh) * | 2023-06-27 | 2023-10-03 | 亿慧云智能科技（深圳）股份有限公司 | 一种ecg无创血糖测量方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114073519B (zh) | 2024-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bolanos et al. | Comparison of heart rate variability signal features derived from electrocardiography and photoplethysmography in healthy individuals | |
| Beyramienanlou et al. | Shannon’s energy based algorithm in ECG signal processing | |
| CN106214145B (zh) | 一种基于深度学习算法的心电图分类方法 | |
| McNames et al. | Reliability and accuracy of heart rate variability metrics versus ECG segment duration | |
| CN110236573B (zh) | 心理压力状态的检测方法及相关装置 | |
| Hou et al. | A real-time QRS detection method based on phase portraits and box-scoring calculation | |
| Balli et al. | Classification of biological signals using linear and nonlinear features | |
| Singh et al. | Ectopic beats in approximate entropy and sample entropy-based HRV assessment | |
| Chandra et al. | Feature extraction of ECG signal | |
| CN111265210A (zh) | 一种基于深度学习的房颤预测装置和设备 | |
| CN109938719B (zh) | 一种基于生理参数的驾驶员疲劳检测方法 | |
| CN101310676A (zh) | 中医脉诊的分析系统与方法 | |
| CN106539580B (zh) | 一种自主神经系统动态变化的连续监测方法 | |
| Park et al. | Prediction of daily mental stress levels using a wearable photoplethysmography sensor | |
| CN114073519B (zh) | 一种基于心率变异性的无创血糖检测方法及装置 | |
| Chou et al. | Pulse rate variability estimation method based on sliding window iterative DFT and Hilbert transform | |
| Zhang | An improved QRS wave group detection algorithm and matlab implementation | |
| CN114366060A (zh) | 一种基于心率变异性的健康预警方法、装置及电子设备 | |
| CN111956209B (zh) | 一种基于ewt和结构特征提取的心电信号r波识别方法 | |
| Pan et al. | Improved blood pressure estimation using photoplethysmography based on ensemble method | |
| Jegan et al. | High-performance ECG signal acquisition for heart rate measurement | |
| Fedotov et al. | Analysis of the parameters of frequency filtering of an electrocardiograph signal | |
| CN116211308A (zh) | 一种高强度运动下机体疲劳评估方法 | |
| CN113576438B (zh) | 一种非侵入式血压提取方法和系统 | |
| JP2023035888A (ja) | 無線レーダー信号に基づいて心拍データを抽出するための装置及び方法 |
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 |