CN114176528A - 心动干扰识别方法及计算机可读存储介质 - Google Patents
心动干扰识别方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114176528A CN114176528A CN202111665227.4A CN202111665227A CN114176528A CN 114176528 A CN114176528 A CN 114176528A CN 202111665227 A CN202111665227 A CN 202111665227A CN 114176528 A CN114176528 A CN 114176528A
- Authority
- CN
- China
- Prior art keywords
- signal
- airflow
- cardiac
- sequence
- motion
- 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
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
- A61B5/103—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
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- 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
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
- A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (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
本发明提供了一种心动干扰识别方法,包括:同步获取口鼻气流信号和胸腹运动信号;根据口鼻气流信号和胸腹运动信号计算呼吸信号;计算胸腹运动信号和呼吸信号的差值作为心动干扰检测信号;根据心动干扰检测信号得到周期序列和幅度序列;判断周期序列和幅度序列是否满足预设条件;以及当周期序列和幅度序列均满足预设条件时,判定存在心动干扰。此外,本发明还提供了一种计算机可读存储介质。本发明技术方案能够有效提高心动干扰识别的准确率。
Description
技术领域
本发明涉及医学信号处理技术领域,尤其涉及一种心动干扰识别方法及计算机可读存储介质。
背景技术
阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea,OSA)是一种由呼吸道阻塞或者变窄而引起的呼吸暂停,当病人发生阻塞性睡眠呼吸暂停时,病人的胸腹运动处于正常状态;中枢性睡眠呼吸暂停(Central Sleep Apnea,CSA)是一种由于呼吸中枢神经障碍而不能正常传达呼吸指令所导致的睡眠呼吸功能失调产生的呼吸暂停,当病人发生中枢性睡眠呼吸暂停时,不产生正常的胸腹运动。因此,胸腹运动可用于区分中枢性睡眠呼吸暂停和阻塞性睡眠呼吸。
胸腹运动信号通过胸腹呼吸绑带记录胸腹扩张得到。胸腹运动信号中通常包括心跳引起的胸腔运动,即心动干扰。因此,心动干扰的识别对提高胸腹运动状态检测的准确度具有非常重要的意义。
发明内容
本发明提供了一种心动干扰识别方法及计算机可读存储介质,能够有效提高心动干扰识别的准确率。
第一方面,本发明实施例提供一种心动干扰识别方法,所述心动干扰识别方法包括:
同步获取口鼻气流信号和胸腹运动信号;
根据所述口鼻气流信号和所述胸腹运动信号计算呼吸信号;
计算所述胸腹运动信号和所述呼吸信号的差值作为心动干扰检测信号;
根据所述心动干扰检测信号得到周期序列和幅度序列;
判断所述周期序列和所述幅度序列是否满足预设条件;以及
当所述周期序列和所述幅度序列均满足预设条件时,判定存在心动干扰。
第二方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质用于存储程序指令,所述程序指令可被处理器执行以实现如上所述的心动干扰识别方法。
上述心动干扰识别方法及计算机可读存储介质,根据口鼻气流信号和胸腹运动信号计算呼吸信号,将胸腹运动信号中的呼吸信号移除就可以得到心动干扰检测信号,根据心动干扰检测信号判断是否存在心动干扰,从而能够有效提高心动干扰识别的准确率。对于单个使用者而言,只要固定好的胸腹呼吸绑带位置不变,则使用者由心跳引起的胸腔运动的幅度基本一致。因此,心动干扰检测信号的识别能够有助于判断中枢性呼吸暂停出现的胸腹运动暂停事件。高准确率地识别心动干扰能够为提升呼吸暂停检测准确度提供有力的保障,进而提升睡眠初筛仪的检测窒息的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例提供的心动干扰识别方法的流程图。
图2为本发明实施例提供的心动干扰识别方法的第一子流程图。
图3为本发明实施例提供的心动干扰识别方法的第二子流程图。
图4为本发明实施例提供的心动干扰识别方法的第三子流程图。
图5为本发明实施例提供的心动干扰识别方法的第四子流程图。
图6为本发明实施例提供的睡眠初筛仪的使用示意图。
图7为图1所示的第一信号波形图。
图8为图1所示的第二信号波形图。
图9为图1所示的第三信号波形图。
图10为本发明实施例提供的终端的内部结构示意图。
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
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的规划对象,而不必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,换句话说,描述的实施例根据除了这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,还可以包含其他内容,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于只清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
请结合参看图6,其为本发明实施例提供的睡眠初筛仪的使用示意图。睡眠初筛仪20包括口鼻气流管21以及胸腹呼吸绑带22。当使用者佩戴睡眠初筛仪20时,口鼻气流管21固定于使用者的口腔或者鼻子处,用于采集使用者的口鼻气流信号;胸腹呼吸绑带22固定于使用者的胸部,用于采集使用者的胸腹运动信号。由于胸腹呼吸绑带22固定于使用者的胸部,在检测使用者由于呼吸引起的胸腹运动的过程中,可能会检测到由于心跳引起的胸腹运动,导致胸腹运动信号中可能包含心动干扰所产生的信号。
请结合参看图1,其为本发明实施例提供的心动干扰识别方法的流程图。心动干扰识别方法可应用于睡眠初筛仪20等用于检测使用者胸腹运动的设备,用于对采集到的胸腹运动信号中是否存在心动干扰进行识别。心动干扰识别方法具体包括如下步骤。
步骤S102,同步获取口鼻气流信号和胸腹运动信号。由于使用者的呼吸是连续的,相应地,获取到的口鼻气流信号和胸腹运动信号也是连续的(如图7所示)。如图7所示的第一信号波形图中,波动幅度较大的波形为胸腹运动信号,波动幅度较小的波形为口鼻气流信号。对获取到的口鼻气流信号和胸腹运动信号分别进行降噪处理。在本实施例中,可以利用5赫兹的低通滤波器分别对口鼻气流信号和胸腹运动信号进行降噪处理。根据呼吸检测算法对降噪后的口鼻气流信号进行检测,从而得到口鼻气流信号相对于使用者呼吸周期的开始时间和结束时间、口鼻气流信号的峰值和谷值和峰值幅度。其中,呼吸检测算法包括但不限于流量阈值检测算法、流量图形检测算法等。根据检测到的开始时间和结束时间,可以将口鼻气流信号划分为多个相对应的呼吸周期。将口鼻气流信号和胸腹运动信号划分为若干信号单元。其中,根据口鼻气流信号的呼吸周期,将口鼻气流信号和胸腹运动信号划分为与呼吸周期一一对应的若干个信号单元。可以理解的是,一个信号单元包括一个呼吸周期的口鼻气流信号和一个周期的胸腹运动信号,同一信号单元中的口鼻气流信号和胸腹运动信号同步。对每一信号单元的口鼻气流信号和胸腹运动信号都进行采样处理以得到相应的口鼻气流值和胸腹运动值。可以理解的是,每一信号单元的口鼻气流信号均包括若干口鼻气流值,每一信号单元的胸腹运动信号均包括若干胸腹运动值。其中,每一信号单元的口鼻气流信号中口鼻气流值的数量与相应信号单元的胸腹运动信号中胸腹运动值的数量相同,且每一信号单元中口鼻气流信号的口鼻气流值与相应信号单元中胸腹运动信号的胸腹运动值一一对应。不同信号单元的口鼻气流信号中口鼻气流值的数量可以相同,也可以不同。
步骤S104,对口鼻气流信号和胸腹运动信号进行基线移除处理。由于口鼻气流信号的波形和胸腹运动信号的波形是在不同的基线上来回波动,为了便于对口鼻气流信号和胸腹运动信号进行统一处理,需要将口鼻气流信号和胸腹运动信号都进行基线移除处理。如图8所示的第二信号波形图中,波动幅度较大的波形为移除基线后的胸腹运动信号,波动幅度较小的波形为移除基线后的口鼻气流信号。在本实施例中,移除基线后的口鼻气流信号和胸腹运动信号在同一新的基线上来回波动,新的基线的值为0。对口鼻气流信号和胸腹运动信号进行基线移除处理的具体过程将在下文详细描述。
步骤S106,根据口鼻气流信号和胸腹运动信号计算呼吸信号。由于使用者在正常呼吸的情况下,胸腔运动带动肺部运动,进而产生气流的流动,因此胸腹运动与口鼻气流波动应该是一致的。因此,可以根据口鼻气流信号和胸腹运动信号计算呼吸信号。相应地,呼吸信号也划分为若干信号单元。每一信号单元的呼吸信号与相应的口鼻气流信号和胸腹运动信号均一一对应。每一信号单元的呼吸信号均包括若干呼吸值。每一信号单元的呼吸信号中呼吸值的数量与相应信号单元的口鼻气流信号中口鼻气流值、胸腹运动信号中胸腹运动值的数量均相同,且每一信号单元中呼吸信号的呼吸值与相应信号单元中口鼻气流信号的口鼻气流值、胸腹运动信号的胸腹运动值均一一对应。根据口鼻气流信号和胸腹运动信号计算呼吸信号的具体过程将在下文详细描述。
步骤S108,计算胸腹运动信号和呼吸信号的差值作为心动干扰检测信号。根据同一信号单元的胸腹运动信号和呼吸信号进行计算,胸腹运动信号中的胸腹运动值与呼吸信号中相对应的呼吸值进行差值的计算,从而得到心动干扰检测信号。如图9所示的第三信号波形图中,波动幅度较大的波形分别为移除基线后的胸腹运动信号和呼吸信号,波动幅度较小的波形为心动干扰检测信号。
步骤S110,根据心动干扰检测信号得到周期序列和幅度序列。由于心跳的波动频率和呼吸的波动频率不同,因此需要对心动干扰检测信号重新进行检测。利用呼吸检测算法对心动干扰检测信号进行检测,从而得到心动干扰检测信号的周期序列和幅度序列。其中,呼吸检测算法包括但不限于流量阈值检测算法、流量图形检测算法等。可以理解的是,心动干扰检测信号的周期和口鼻气流信号、胸腹运动信号、呼吸信号的周期不同。在本实施例中,将心动干扰检测信号根据算法的检测结果以周期为单位划分为不同的检测单元。其中,每一检测单元包括一个周期时间和一个心动干扰幅度。则,若干检测单元的心动干扰检测信号包括一个周期序列和一个幅度序列,一个周期序列包括若干周期时间,一个幅度序列包括若干心动干扰幅度。
步骤S112,判断周期序列和幅度序列是否满足预设条件。根据周期序列和幅度序列判断是否存在心动干扰。当周期序列和幅度序列均满足预设条件时,判定存在心动干扰;当周期序列或幅度序列不满足预设条件时,判定不存在心动干扰。在本实施例中,周期序列中周期时间的数量和幅度序列中心动干扰幅度的数量均大于预设数量。其中,预设数量为5。可以理解的是,根据至少5个连续的检测单元的心动干扰检测信号进行判断。即是说,一个周期序列包括至少5个周期时间,一个幅度序列包括至少5个心动干扰幅度。判断周期序列和幅度序列是否满足预设条件的具体过程将在下文详细描述。
上述实施例中,根据口鼻气流信号和胸腹运动信号计算呼吸信号,将胸腹运动信号中的呼吸信号移除就可以得到心动干扰检测信号,根据心动干扰检测信号判断是否存在心动干扰,从而能够有效提高心动干扰识别的准确率。对于单个使用者而言,只要固定好的胸腹呼吸绑带位置不变,则使用者由心跳引起的胸腔运动的幅度基本一致。因此,心动干扰检测信号的识别能够有助于判断中枢性呼吸暂停出现的胸腹运动暂停事件。高准确率地识别心动干扰能够为提升呼吸暂停检测准确度提供有力的保障,进而提升睡眠初筛仪的检测窒息的准确度。此外,由于口鼻气流信号通过口鼻气流管采集得到,胸腹运动信号通过胸腹呼吸绑带采集得到,使用者在睡眠过程中,口鼻气流管和胸腹呼吸绑带均不易脱落,能够有效获取到口鼻气流信号和胸腹运动信号,因此,根据口鼻气流信号和胸腹运动信号对心动干扰进行识别具有较高的可靠性。
请结合参看图2,其为本发明实施例提供的心动干扰识别方法的第一子流程图。步骤S104具体包括如下步骤。
步骤S202,计算口鼻气流信号中所有口鼻气流值的平均值作为口鼻气流基准值。在本实施例中,计算一个信号单元的口鼻气流信号中所有口鼻气流值的平均值作为口鼻气流基准值。相应地,每一信号单元的口鼻气流信号均对应一个口鼻气流基准值。在一些可行的实施例中,可以计算多个信号单元的口鼻气流信号中所有口鼻气流值的平均值作为口鼻气流基准值。相应地,多个信号单元的口鼻气流信号对应一个口鼻气流基准值。
步骤S204,计算口鼻气流值和口鼻气流基准值的差值作为移除基线后的口鼻气流信号的口鼻气流值。将每一信号单元的口鼻气流信号中所有口鼻气流值分别与相应的口鼻气流基准值计算差值,从而得到移除基线后的一个信号单元的口鼻气流信号。
步骤S206,计算胸腹运动信号中所有胸腹运动值的平均值作为胸腹运动基准值。在本实施例中,计算一个信号单元的胸腹运动信号中所有胸腹运动值的平均值作为胸腹运动基准值。相应地,每一信号单元的胸腹运动信号均对应一个胸腹运动基准值。在一些可行的实施例中,可以计算多个信号单元的胸腹运动信号中所有胸腹运动值的平均值作为胸腹运动基准值。相应地,多个信号单元的胸腹运动信号对应一个胸腹运动基准值。
步骤S208,计算胸腹运动值和胸腹运动基准值的差值作为移除基线后的胸腹运动信号的胸腹运动值。将每一信号单元的胸腹运动信号中所有胸腹运动值分别与相应的胸腹运动基准值计算差值,从而形成移除基线后的一个信号单元的胸腹运动信号。
上述实施例中,将口鼻气流信号中所有口鼻气流值的平均值作为口鼻气流基准值,将胸腹运动信号中所有胸腹运动值的平均值作为胸腹运动基准值,根据口鼻气流基准值对口鼻气流信号进行基线移除,根据胸腹运动基准值对胸腹运动信号进行基线移除。移除基线后,口鼻气流信号和胸腹运动信号都是在0基线上来回波动,即口鼻气流信号和胸腹运动信号的基线一致,能够有效保证后续呼吸信号计算的准确率。
请结合参看图3,其为本发明实施例提供的心动干扰识别方法的第二子流程图。步骤S106具体包括如下步骤。
步骤S302,根据胸腹运动信号对口鼻气流信号进行归一化处理。计算胸腹运动信号的胸腹运动幅度和口鼻气流信号的口鼻气流幅度的商作为归一化系数,并计算口鼻气流信号的口鼻气流值和归一化系数的积作为归一化后的口鼻气流信号的口鼻气流值。在本实施例中,根据一个信号单元的胸腹运动信号的胸腹运动幅度和相应信号单元的口鼻气流信号的口鼻气流幅度计算归一化系数,计算相应信号单元的口鼻气流信号中所有口鼻气流值与归一化系数的乘积作为归一化后的口鼻气流信号的口鼻气流值。可以理解的是,每一信号单元对应一个归一化系数。具体地,根据归一化公式对口鼻气流信号进行归一化处理,归一化公式为:其中,y_ac_normal(i)表示归一化后的口鼻气流值,y_ac(i)表示移除基线后的口鼻气流值,max(x_ac(n))表示移除基线后胸腹运动信号中的最大值,min(x_ac(n))表示移除基线后胸腹运动信号中的最小值,max(x_ac(n))-min(x_ac(n))表示移除基线后胸腹运动信号的胸腹运动幅度,max(y_ac(n))表示移除基线后口鼻气流信号中的最大值,min(y_ac(n))表示移除基线后口鼻气流信号中的最小值,max(y_ac(n))-min(y_ac(n))表示移除基线后口鼻气流信号的口鼻气流幅度,表示归一化系数。
步骤S304,将归一化后的口鼻气流信号作为呼吸信号。
上述实施例中,使用者在正常呼吸的情况下,胸腔运动带动肺部运动,进而产生气流的流动,因此胸腹运动与口鼻气流波动应该是一致的。故,本实施例将口鼻气流信号作为胸腔呼吸运动的参考,将口鼻气流信号根据胸腹运动信号进行归一化处理,并将归一化后的口鼻气流信号作为呼吸信号,使得呼吸信号的计算过程简单、快速。
请结合参看图4,其为本发明实施例提供的心动干扰识别方法的第三子流程图。步骤S112中,判断周期序列是否满足预设条件具体包括如下步骤。
步骤S402,计算周期序列中所有周期时间的平均值作为第一均值。
步骤S404,根据第一均值设定第一范围。在本实施例中,第一范围为第一均值的0.8倍至第一均值的1.2倍之间,即avgT*0.8~avgT*1.2,其中,avgT表示第一均值。在一些可行的实施例中,第一范围为第一均值的0.75倍至第一均值的1.25倍之间,即avgT*0.75~avgT*1.25。在另一些可行的实施例中,第一范围还可以根据实际情况进行设置,在此不做限定。
步骤S406,判断周期时间是否处于第一范围内。判断周期序列中每一周期时间是否均处于第一范围内。在本实施例中,当周期时间等于avgT*0.8或者avgT*1.2,也认为周期时间处于第一范围内。
步骤S408,当周期序列中所有周期时间均处于第一范围内时,确认周期序列满足预设条件。
请结合参看图5,其为本发明实施例提供的心动干扰识别方法的第四子流程图。步骤S112中,判断幅度序列是否满足预设条件具体包括如下步骤。
步骤S502,计算幅度序列中所有心动干扰幅度的平均值作为第二均值。
步骤S504,根据第二均值设定第二范围。在本实施例中,第二范围为第二均值的0.7倍至第二均值的1.3倍之间,即avgAmp*0.7~avgAmp*1.3,其中,avgAmp表示第二均值。在一些可行的实施例中,第二范围还可以根据实际情况进行设置,在此不做限定。
步骤S506,判断心动干扰幅度是否处于第二范围内。判断幅度序列中每一心动干扰幅度是否均处于第二范围内。在本实施例中,当心动干扰幅度等于avgAmp*0.7或者avgAmp*1.3,也认为心动干扰幅度处于第二范围内。
步骤S508,当幅度序列中所有心动干扰幅度均处于第二范围内时,确认幅度序列满足预设条件。
上述实施例中,根据周期序列中所有周期时间的平均值作为第一均值,并根据第一均值设置第一范围;根据幅度序列中所有心动干扰幅度的平均值作为第二均值,并根据第二均值设置第二范围。根据周期时间是否处于第一范围内和心动干扰幅度是否处于第二范围内判断周期序列和幅度序列是否满足预设条件。即是说,当得到的心动干扰检测信号的周期序列和幅度序列均差异不大时,则认为存在心动干扰;当得到的心动干扰检测信号的周期序列或者幅度序列差异较大时,则认为不存在心动干扰。
请结合参看图10,其为本发明实施例提供的终端的内部结构示意图。终端10包括计算机可读存储介质11、处理器12以及总线13。其中,计算机可读存储介质11至少包括一种类型的可读存储介质,该可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。计算机可读存储介质11在一些实施例中可以是终端10的内部存储单元,例如终端10的硬盘。计算机可读存储介质11在另一些实施例中也可以是终端10的外部存储设备,例如终端10上配备的插接式硬盘、智能存储卡(Smart MediaCard,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,计算机可读存储介质11还可以既包括终端10的内部存储单元也包括外部存储设备。计算机可读存储介质11不仅可以用于存储安装于终端10的应用软件及各类数据,还可以用于暂时地存储已经输出或者将要输出的数据。
总线13可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
进一步地,终端10还可以包括显示组件14。显示组件14可以是发光二极管(LightEmitting Diode,LED)显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode,OLED)触摸器等。其中,显示组件14也可以适当的称为显示装置或显示单元,用于显示在终端10中处理的信息以及用于显示可视化的用户界面。
进一步地,终端10还可以包括通信组件15。通信组件15可选地可以包括有线通信组件和/或无线通信组件,如WI-FI通信组件、蓝牙通信组件等,通常用于在终端10与其他智能控制设备之间建立通信连接。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行计算机可读存储介质11中存储的程序代码或处理数据。具体地,处理器12执行处理程序以控制终端10实现心动干扰识别方法。
图10仅示出了具有组件11-15、用于实现心动干扰识别方法的终端10,本领域技术人员可以理解的是,图10示出的结构并不构成对终端10的限定,终端10可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
以上所列举的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属于本发明所涵盖的范围。
Claims (10)
1.一种心动干扰识别方法,其特征在于,所述心动干扰识别方法包括:
同步获取口鼻气流信号和胸腹运动信号;
根据所述口鼻气流信号和所述胸腹运动信号计算呼吸信号;
计算所述胸腹运动信号和所述呼吸信号的差值作为心动干扰检测信号;
根据所述心动干扰检测信号得到周期序列和幅度序列;
判断所述周期序列和所述幅度序列是否满足预设条件;以及
当所述周期序列和所述幅度序列均满足预设条件时,判定存在心动干扰。
2.如权利要求1所述的心动干扰识别方法,其特征在于,根据所述口鼻气流信号和所述胸腹运动信号计算呼吸信号具体包括:
根据所述胸腹运动信号对所述口鼻气流信号进行归一化处理;以及
将归一化后的口鼻气流信号作为所述呼吸信号。
3.如权利要求2所述的心动干扰识别方法,其特征在于,根据所述胸腹运动信号对所述口鼻气流信号进行归一化处理具体包括:
计算所述胸腹运动信号的胸腹运动幅度和所述口鼻气流信号的口鼻气流幅度的商作为归一化系数;以及
计算所述口鼻气流信号的口鼻气流值和所述归一化系数的积为归一化后的口鼻气流信号的口鼻气流值,其中,所述口鼻气流信号包括若干口鼻气流值。
4.如权利要求1所述的心动干扰识别方法,其特征在于,判断所述周期序列是否满足预设条件具体包括:
计算所述周期序列中所有周期时间的平均值作为第一均值,其中,所述周期序列包括若干周期时间;
根据所述第一均值设定第一范围;
判断所述周期时间是否处于所述第一范围内;以及
当所述周期序列中所有周期时间均处于所述第一范围内时,确认所述周期序列满足预设条件。
5.如权利要求1所述的心动干扰识别方法,其特征在于,判断所述幅度序列是否满足预设条件具体包括:
计算所述幅度序列中所有心动干扰幅度的平均值作为第二均值,其中,所述幅度序列包括若干心动干扰幅度;
根据所述第二均值设定第二范围;
判断所述心动干扰幅度是否处于所述第二范围内;以及
当所述幅度序列中所有心动干扰幅度均处于所述第二范围内时,确认所述幅度序列满足预设条件。
6.如权利要求5所述的心动干扰识别方法,其特征在于,所述幅度序列中心动干扰幅度的数量大于预设数值。
7.如权利要求1所述的心动干扰识别方法,其特征在于,根据所述口鼻气流信号和所述胸腹运动信号计算呼吸信号之前,所述心动干扰识别方法还包括:
对所述口鼻气流信号和所述胸腹运动信号进行基线移除处理。
8.如权利要求7所述的心动干扰识别方法,其特征在于,对所述口鼻气流信号和所述胸腹运动信号进行基线移除处理具体包括:
计算所述口鼻气流信号中所有口鼻气流值的平均值作为口鼻气流基准值,其中,所述口鼻气流信号包括若干口鼻气流值;
计算所述口鼻气流值和所述口鼻气流基准值的差值作为移除基线后的口鼻气流信号的口鼻气流值;
计算所述胸腹运动信号中所有胸腹运动值的平均值作为胸腹运动基准值,其中,所述胸腹运动信号包括若干胸腹运动值;以及
计算所述胸腹运动值和所述胸腹运动基准值的差值作为移除基线后的胸腹运动信号的胸腹运动值。
9.如权利要求1所述的心动干扰识别方法,其特征在于,根据所述口鼻气流信号和所述胸腹运动信号计算呼吸信号之前,所述心动干扰识别方法还包括:
将所述口鼻气流信号和所述胸腹运动信号划分为若干信号单元。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序指令,所述程序指令可被处理器执行以实现如权利要求1至9中任一项所述的心动干扰识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111665227.4A CN114176528B (zh) | 2021-12-30 | 2021-12-30 | 心动干扰识别方法及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111665227.4A CN114176528B (zh) | 2021-12-30 | 2021-12-30 | 心动干扰识别方法及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114176528A true CN114176528A (zh) | 2022-03-15 |
CN114176528B CN114176528B (zh) | 2022-10-14 |
Family
ID=80545443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111665227.4A Active CN114176528B (zh) | 2021-12-30 | 2021-12-30 | 心动干扰识别方法及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114176528B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040097823A1 (en) * | 2000-09-15 | 2004-05-20 | Arnd Friedrichs | Device and method for producing respiration-related data |
US20120296221A1 (en) * | 2010-02-11 | 2012-11-22 | Koninklijke Philips Electronics N.V. | Method and apparatus for determining a respiration signal |
US20160235344A1 (en) * | 2013-10-24 | 2016-08-18 | Breathevision Ltd. | Motion monitor |
US20180153427A1 (en) * | 2015-06-26 | 2018-06-07 | Resmed Limited | Diagnosis and monitoring of cardio-respiratory disorders |
US20190133499A1 (en) * | 2013-10-24 | 2019-05-09 | Breathevision Ltd. | Body motion monitor |
CN113397523A (zh) * | 2020-03-16 | 2021-09-17 | 深圳市理邦精密仪器股份有限公司 | 一种呼吸率检测方法、装置及医疗设备 |
-
2021
- 2021-12-30 CN CN202111665227.4A patent/CN114176528B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040097823A1 (en) * | 2000-09-15 | 2004-05-20 | Arnd Friedrichs | Device and method for producing respiration-related data |
US20120296221A1 (en) * | 2010-02-11 | 2012-11-22 | Koninklijke Philips Electronics N.V. | Method and apparatus for determining a respiration signal |
US20160235344A1 (en) * | 2013-10-24 | 2016-08-18 | Breathevision Ltd. | Motion monitor |
US20190133499A1 (en) * | 2013-10-24 | 2019-05-09 | Breathevision Ltd. | Body motion monitor |
US20180153427A1 (en) * | 2015-06-26 | 2018-06-07 | Resmed Limited | Diagnosis and monitoring of cardio-respiratory disorders |
CN113397523A (zh) * | 2020-03-16 | 2021-09-17 | 深圳市理邦精密仪器股份有限公司 | 一种呼吸率检测方法、装置及医疗设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114176528B (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI720215B (zh) | 提供即時訊號分段和基準點對準架構的系統與方法 | |
JP5070701B2 (ja) | 寝具に加わる被験者の荷重変化により得られる呼吸信号の解析方法および装置 | |
CN110236491B (zh) | 一种睡眠分期监控方法 | |
JP4862469B2 (ja) | 加速度センサのデータ処理方法、及び呼吸運動検出方法、並びに呼吸運動検出装置。 | |
CN109480783B (zh) | 一种呼吸暂停检测方法、装置及计算设备 | |
CA2697631A1 (en) | Electrocardiogram derived apnoea/hypopnea index | |
JP2005118151A (ja) | 睡眠状態推定装置 | |
CN110638460B (zh) | 一种相对于床的对象的状态检测方法、装置和设备 | |
US20220095952A1 (en) | Processor and method for determining a respiratory signal | |
CN111657948A (zh) | 一种睡眠呼吸状态的检测方法、装置及设备 | |
CN114176528B (zh) | 心动干扰识别方法及计算机可读存储介质 | |
JP6535186B2 (ja) | 呼吸状態判定装置、機器の作動方法、およびプログラム | |
US20190021633A1 (en) | Detecting respiratory rates in audio using an adaptive low-pass filter | |
Korten et al. | Respiratory waveform pattern recognition using digital techniques | |
CN107811610B (zh) | 一种呼吸率检测方法、装置、电子设备及存储介质 | |
WO2024066502A1 (zh) | 呼吸监测方法及装置 | |
CN114176568B (zh) | 基于呼吸压力信号的鼾声检测方法 | |
CN114176567A (zh) | 呼吸窒息检测方法及计算机可读存储介质 | |
CN116115190A (zh) | 睡眠监测设备和呼吸事件检测方法 | |
CN114176584A (zh) | 氧减事件检测方法、计算机可读存储介质以及嵌入式设备 | |
CN113317773A (zh) | 一种呼吸频率的测量方法、装置及hfnc设备 | |
WO2020090763A1 (ja) | 処理装置、システム、処理方法、およびプログラム | |
KR102637472B1 (ko) | 수면다원검사에 따른 호흡 이벤트 구간을 감지하기 위한 데이터 처리 장치 및 그 동작 방법 | |
KR102637471B1 (ko) | 수면다원검사에 따른 호흡 이벤트 감지를 위한 데이터 처리 장치 및 그 동작 방법 | |
KR102637473B1 (ko) | 수면다원검사에 따른 rera 구간을 감지하기 위한 데이터 처리 장치 및 그 동작 방법 |
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 |