CN114259206A - 脉搏波拟合方法、系统、计算机设备及可读存储介质 - Google Patents
脉搏波拟合方法、系统、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN114259206A CN114259206A CN202111462858.6A CN202111462858A CN114259206A CN 114259206 A CN114259206 A CN 114259206A CN 202111462858 A CN202111462858 A CN 202111462858A CN 114259206 A CN114259206 A CN 114259206A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- functions
- exponential function
- asymmetric
- exponential
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000006870 function Effects 0.000 claims abstract description 281
- 238000012886 linear function Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 6
- 230000036278 prepulse Effects 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 210000002321 radial artery Anatomy 0.000 description 1
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种脉搏波拟合方法,包括:构建脉搏波拟合方程,脉搏波拟合方程包括三组以线性组合方式进行组合的非线性函数,三组非线性函数中的其中一组非线性函数包括一项非对称型的指数函数,三组非线性函数中的另外两组非线性函数均包括一项指数函数,非对称型的指数函数包括位置参数,位置参数用于反映非对称型的指数函数的波峰位置;将脉搏波数据输入所述脉搏波拟合方程以拟合脉搏波。本发明还公开了一种脉搏波拟合方法系统、计算机设备及计算机可读存储介质。采用本发明,能显著提高脉搏生理讯号的拟合优度,使拟合过程拥有实际的生理意义。
Description
技术领域
本发明涉及信号拟合技术领域,尤其涉及一种脉搏波拟合方法、一种脉搏波拟合系统、一种计算机设备及一种计算机可读存储介质。
背景技术
脉搏波的测量是医学中的一种十分常用的重要诊断方法,是医师们长期医疗实践的经验总结,且目前各类脉搏波测量的仪器已经在医疗领域与家庭市场中铺开。脉搏波信号的某些特征可以被用作某些疾病的指标,临床工作者们可通过桡动脉的脉搏波来判断心血管的健康状态。
脉搏波的分析方法中,对于脉搏波信号的拟合方式是该研究领域的重点项目。
现有的研究中,通常采用多个高斯函数(钟形波)合成的数学模型对脉搏波数据进行拟合。脉搏波的波形主要由主峰波、重搏波及重搏前波组成。现有的研究将每个子波都使用高斯函数这种非线性函数去近似。这种分析方法可使脉搏波的特征变得明确,脉搏波波形的变化完全由这三个高斯函数共九个参数的变化构成。然而该方法没有考虑到主峰波及其他子波可能存在的形态多样性。
相应地,也有部分研究人员采用对数正态函数对脉搏波进行拟合,在拟合优度上,对比单纯采用高斯函数进行拟合的方式有显著提升,但同时,这个函数对于脉搏波波形拟合存在的问题在于,其波形的形状与脉搏波子波之间仍存在一定差别,因此该方法拟合的效果也并未达到理想效果。
另外,上述两种脉搏波的拟合方式均缺少对脉搏波生理信息上的考量,可能会失去脉搏波特有且十分重要的生理特征点(如,主波峰特征点、重搏前波特征点及重搏波特征点),其中,重搏前波特征点最容易在拟合过程中被隐没,这对于后续的信号处理及分析不利。因此,对于具有生理特征的脉搏波信号的拟合,不能单单从数学拟合最优化的方向单独考虑。
综上,需要研发一种新的脉搏波方法以提升脉搏波数据的拟合优度,并进一步保留原始数据的重要生理特征点,使拟合曲线具有生理意义,有利于后续脉搏波信号的处理和分析。
发明内容
本发明所要解决的技术问题在于,提供一种脉搏波拟合方法、系统、计算机设备及计算机可读存储介质,可提高脉搏生理讯号的拟合优度,使拟合过程拥有实际的生理意义。
本发明所要解决的技术问题还在于,提供一种脉搏波拟合方法、系统、计算机设备及计算机可读存储介质,可保证拟合方程保留脉搏波生理特征点信息。
为了解决上述技术问题,本发明提供了一种脉搏波拟合方法,包括:构建脉搏波拟合方程,所述脉搏波拟合方程包括三组以线性组合方式进行组合的非线性函数,三组非线性函数中的其中一组非线性函数包括一项非对称型的指数函数,三组非线性函数中的另外两组非线性函数均包括一项指数函数,所述非对称型的指数函数包括位置参数,所述位置参数用于反映所述非对称型的指数函数的波峰位置;将脉搏波数据输入所述脉搏波拟合方程以拟合脉搏波。
作为上述方案的改进,所述将脉搏波数据输入脉搏波拟合方程以拟合脉搏波时,在所述脉搏波数据中提取重搏前波的特征点横坐标,并将所述特征点横坐标作为所述三组非线性函数中一项指数函数的位置参数。
作为上述方案的改进,所述另外两组非线性函数所对应的指数函数均为非对称型的指数函数。
作为上述方案的改进,所述另外两组非线性函数中一组非线性函数所对应的指数函数为非对称型的指数函数,另一组非线性函数所对应的指数函数为对称型的指数函数。
作为上述方案的改进,所述指数函数均包括尺度参数、位置参数及形状参数,所述尺度参数用于反映所述指数函数的高度,所述位置参数用于反映所述指数函数的波峰位置,所述形状参数用于反映所述指数函数的形状。
相应地,本发明还提供了一种脉搏波拟合系统,包括:方程构建模块,用于构建脉搏波拟合方程,所述脉搏波拟合方程包括三组以线性组合方式进行组合的非线性函数,三组非线性函数中的其中一组非线性函数包括一项非对称型的指数函数,三组非线性函数中的另外两组非线性函数均包括一项指数函数,所述非对称型的指数函数包括位置参数,所述位置参数用于反映所述非对称型的指数函数的波峰位置;脉搏波拟合模块,用于将脉搏波数据输入所述脉搏波拟合方程以拟合脉搏波。
作为上述方案的改进,所述脉搏波拟合模块包括:脉搏波拟合单元,用于将脉搏波数据输入所述脉搏波拟合方程以拟合脉搏波;特征点锁定单元,用于在所述脉搏波数据中提取重搏前波的特征点横坐标,并将所述特征点横坐标作为所述三组非线性函数中一项指数函数的位置参数。
作为上述方案的改进,所述另外两组非线性函数所对应的指数函数均为非对称型的指数函数,或者所述另外两组非线性函数中一组非线性函数所对应的指数函数为非对称型的指数函数且另一组非线性函数所对应的指数函数为对称型的指数函数。
相应地,本发明还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其中,所述处理器执行所述计算机程序时实现上述脉搏波拟合方法的步骤。
相应地,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现上述脉搏波拟合方法的步骤。
实施本发明,具有如下有益效果:
本发明保证了脉搏波拟合方程中至少涉及一项非对称型的指数函数,充分考虑了脉搏波中主峰波及其他子波可能存在的非对称性,更容易捕捉脉搏波中存在的子波非对称现象。同时,本发明在非对称型的指数函数中引入位置参数,可有效地保留脉搏波的生理特征点信息。
进一步,为了充分发挥脉搏波拟合方程中不同类型的非线性函数的组合优势,本发明的脉搏波拟合方程中同时含有非对称型的指数函数及对称型的指数函数,大大提升了脉搏波拟合的灵活度;优选地,通过至少两项非对称型的指数函数及一项对称型指数函数的组合,可进一步凸显出脉搏波中主峰波及其他子波可能存在的非对称性,更容易捕捉脉搏波中存在的子波非对称现象。
另外,由于非对称型的指数函数覆盖了更多的形态可能性,本发明的脉搏波拟合方程单纯采用多组非对称型的指数函数进行拟合,从而使得拟合出的脉搏波的波形更为灵活,可更好地贴合实际脉搏状态。
相应地,针对现有技术中缺少对重搏前波特征点的锁定的情况,本发明将控制指数函数中心轴横坐标的位置参数固定为脉搏波中重搏前波的特征点横坐标,使得该特征点横坐标能够控制对应的指数函数在横坐标上左右平移,从而将实际的人体生理学意义赋予在脉搏波拟合方法中,保证了拟合方程保留脉搏波生理特征点信息,使后续的分析更具有临床的生理意义。
附图说明
图1是本发明脉搏波拟合方法的流程图;
图2是现有技术中采用三项高斯函数对脉搏波进行拟合的波形图;
图3是采用本发明脉搏波拟合方法对脉搏波进行拟合的波形图;
图4是采用本发明脉搏波拟合方法对脉搏波进行拟合的另一波形图;
图5是本发明脉搏波拟合系统的结构示意图;
图6是本发明脉搏波拟合系统中方程构建模块的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
参见图1,图1显示了本发明脉搏波拟合方法的流程图,其包括:
S101,构建脉搏波拟合方程。
现有技术中,采用多个高斯函数或对数正态函数对脉搏波进行拟合。与现有技术不同的是,本发明中的脉搏波拟合方程包括至少三组以线性组合方式进行组合的非线性函数,且三组非线性函数中的其中一组非线性函数包括至少一项非对称型的指数函数,三组非线性函数中的另外两组非线性函数均包括至少一项指数函数。
现有技术中,对数正态函数不含有位置参数,其参数数值无法直接反映指数函数的波峰位置。与现有技术不同的是,本发明中非对称型的指数函数包括位置参数,位置参数用于反映非对称型的指数函数的波峰位置,可利于后续脉搏波信号的处理和分析。
需要说明的是,指数函数包括非对称型的指数函数及对称型的指数函数,其中,非对称型的指数函数是指波形不对称的指数函数,对称型的指数函数是指波形对称的指数函数。
本发明中,脉搏波拟合方程中可以设有多组函数,且每组函数之间可通过线性组合的方式进行组合;其中,多组函数中至少有三组函数为自由设定的非线性函数。同时,每组非线性函数中分别可以设有多项函数,且每项函数之间可通过线性组合的方式进行组合;其中,一组非线性函数中有一项函数为非对称型的指数函数,两组非线性函数中有一项函数为指数函数。因此,本发明保证了脉搏波拟合方程中至少涉及一项非对称型的指数函数,充分考虑了脉搏波中主峰波及其他子波可能存在的非对称性,更容易捕捉脉搏波中存在的子波非对称现象。
同时,本发明中非对称型的指数函数内设有位置参数,通过位置参数可直接反映非对称型的指数函数的波峰位置。正是由于位置参数的引入,可有效地保留脉搏波的生理特征点信息,使后续的分析更具有临床的生理意义。
例如,脉搏波拟合方程中设有三组通过线性组合方式进行组合的非线性函数,其中,第一组非线性函数中设有一项非对称型的指数函数,第二组非线性函数中设有一项非对称型的指数函数或对称型的指数函数,第三组非线性函数中设有一项非对称型的指数函数或对称型的指数函数,同时,每一非对称型的指数函数均设有用于反映非对称型的指数函数的波峰位置的位置参数。相应地,通过此组合方式,即可构建出既考虑非对称性特征,又考虑子波波形特征的脉搏波拟合方程。
S102,将脉搏波数据输入脉搏波拟合方程以拟合脉搏波。
需要说明的是,脉搏波数据以心跳周期为单位。相应地,将脉搏波数据切分为一组单周期脉搏波数据集后,将多组脉搏波数据集不断输入脉搏波拟合方程进行更新拟合,即可得到脉搏波拟合方程中各参数的值,从而拟合出最优的脉搏波。
因此,本发明通过采用特殊的指数函数对脉搏波进行拟合,能显著提高脉搏生理讯号的拟合优度及拟合灵活性,具有普遍性;同时,本发明使拟合过程拥有实际的生理意义,对于后续的信号分析具有十分重要的应用价值。
下面结合具体的实施例对脉搏波拟合方程作进一步的详细说明:
实施例1:
本实施例中,脉搏波拟合方程如下:
由上可知,脉搏波拟合方程由三项非对称型的指数函数组成。需要说明的是,本发明中,指数函数均包括尺度参数、位置参数及形状参数,尺度参数用于反映指数函数的高度,位置参数用于反映指数函数的波峰位置,形状参数用于反映指数函数的形状。本实施例中,尺度参数为a1、a2及a3,位置参数为b1、b2及b3,形状参数为c1、c2及c3。
实施例2:
本实施例中,脉搏波拟合方程如下:
由上可知,脉搏波拟合方程由四项非对称型的指数函数组成;与实施例1不同的是,本实施例中可根据实际情况增加一项或多项函数。
实施例3:
本实施例中,脉搏波拟合方程如下:
由上可知,脉搏波拟合方程由三项指数函数组成,其中,第一项为对称型的指数函数,第二项为非对称型的指数函数,第三项为非对称型的指数函数。
实施例4:
本实施例中,脉搏波拟合方程如下:
由上可知,脉搏波拟合方程由三项指数函数组成,其中,第一项为非对称型的指数函数,第二项为非对称型的指数函数,第三项为对称型的指数函数;与实施例3不同的是,本实施例中各项指数函数的排列顺序不同,且各项指数函数还可根据实际情况调整系数(如,将系数1/4修改为1/2)。
实施例5:
本实施例中,脉搏波拟合方程如下:
由上可知,脉搏波拟合方程由三项指数函数组成,其中,第一项为非对称型的指数函数,第二项为非对称型的指数函数,第三项为对称型的指数函数;与实施例4不同的是,本实施例中的各项指数函数均可根据实际情况增加系数Z1、Z2及Z3。
实施例6:
本实施例中,脉搏波拟合方程如下:
或者:
或者:
由上可知,脉搏波拟合方程由三项非对称型的指数函数组成,其中,三项非对称型的指数函数的表达形式均相同,但随着尺度参数为a1、a2及a3,位置参数为b1、b2及b3,形状参数为c1、c2及c3取值的不同,三项非对称型的指数函数所对应的波形不同。
实施例7:
本实施例中,脉搏波拟合方程如下:
或者:
由上可知,脉搏波拟合方程由三项非对称型的指数函数组成,其中,前两项指数函数的表达形式均相同,第三项指数函数的表达形式与前两项指数函数的表达形式不同,但随着尺度参数为a1、a2及a3,位置参数为b1、b2及b3,形状参数为c1、c2及c3取值的不同,三项非对称型的指数函数所对应的波形不同。
结合实施例3-5,为了充分发挥脉搏波拟合方程中不同类型的非线性函数的组合优势,本发明的另外两组非线性函数中至少一组非线性函数所对应的指数函数为对称型的指数函数。
也就是说,三组非线性函数中的其中一组非线性函数包括至少一项非对称型的指数函数,三组非线性函数中的另外一组非线性函数均包括至少一项对称型指数函数,三组非线性函数中的最后一组非线性函数均包括至少一项指数函数(可以为非对称型的指数函数或对称型的指数函数)。从而保证了脉搏波拟合方程中同时含有非对称型的指数函数及对称型的指数函数,大大提升了脉搏波拟合的灵活度。
优选地,另外两组非线性函数中一组非线性函数所对应的指数函数为非对称型的指数函数,另一组非线性函数所对应的指数函数为对称型的指数函数。
也就是说,三组非线性函数中的其中两组非线性函数均包括至少一项非对称型的指数函数,三组非线性函数中的另外一组非线性函数包括至少一项对称型指数函数。因此,通过至少两项非对称型的指数函数及一项对称型指数函数的组合,可进一步凸显出脉搏波中主峰波及其他子波可能存在的非对称性,更容易捕捉脉搏波中存在的子波非对称现象。
结合实施例1-2,6-7,为了充分发挥非对称型的指数函数的灵活性,本发明中的另外两组非线性函数所对应的指数函数均为非对称型的指数函数。需要说明的是,非对称型的指数函数覆盖了更多的形态可能性(包括形态上明显不对称的波形及形态上接近对称的波形),因此,采用至少三个非对称型的指数函数进行拟合,可使拟合出的脉搏波的波形更为灵活,更好地贴合实际脉搏状态。
另外,针对现有技术中缺少对重搏前波特征点的锁定的情况,本发明引入对重搏前波特征点的锁定。具体的锁定方法为:将脉搏波数据输入脉搏波拟合方程以拟合脉搏波时,在脉搏波数据中提取重搏前波的特征点横坐标,并将特征点横坐标作为三组非线性函数中一项指数函数的位置参数。
例如,当采用实施例5所公开的脉搏波拟合方程时,若提取到重搏前波的特征点横坐标为“20”时,可将实施例5中脉搏波拟合方程进一步限定为:
需要说明的是,本发明将控制指数函数中心轴横坐标的位置参数,固定为脉搏波中重搏前波的特征点横坐标,使得该特征点横坐标能够控制对应的指数函数在横坐标上左右平移。
因此,本发明通过将实际的人体生理学意义赋予在脉搏波拟合方法中,保证拟合方程保留脉搏波生理特征点信息,使后续的分析更具有临床的生理意义。
下面结合具体的附图对本发明做进一步的详细说明:
参见图2,图2为采用三项高斯函数对脉搏波进行拟合的波形图;在该实施例中,各高斯函数的参数均不固定,可自由移动更新;相应地,本实施例的拟合优度为0.9915。
参见图3,图3为采用三项非对称型的指数函数对脉搏波进行拟合的波形图,其中重搏前波的特征点横坐标为h2;在该实施例中,各指数函数的参数均不固定,可自由移动更新,最后拟合出的第二组非线性函数的位置参数为b2,h2与b2不重合;相应地,本实施例的拟合优度为0.9958。
参见图4,图4为采用三项非对称型的指数函数对脉搏波进行拟合的波形图,其中重搏前波的特征点横坐标为h2;在该实施例中,其中一项非对称型的指数函数的位置参数已锁定为b2,锁定值b2与该周期脉搏波中重搏前波的特征点横坐标h2相等,即h2与b2重合,另外,除该参数外的其它指数函数的参数均不固定,可自由移动更新;相应地,本实施例的拟合优度为0.9944。
综合图2-图4可知,图3及图4所采用的脉搏波拟合方程的均优于图2所采用的脉搏波拟合方程,图4所采用的脉搏波拟合方程的拟合优度略低于图3所采用的脉搏波拟合方程的拟合优度,但图4的脉搏波中锁定值b2与该周期脉搏波中重搏前波的特征点横坐标h2相等,即b2与h2重合,能更好地保留脉搏波生理特征点信息。因此,通过采用特殊的指数函数对脉搏波进行拟合,能显著提高脉搏生理讯号的拟合优度及拟合灵活性;同时,通过将实际的人体生理学意义赋予在脉搏波拟合方法中,可保证拟合方程保留脉搏波生理特征点信息,使后续的分析更具有临床的生理意义。
参见图5,图5显示了本发明脉搏波拟合系统100的具体结构,其包括方程构建模块1及脉搏波拟合模块2,具体地:
方程构建模块1用于构建脉搏波拟合方程。其中,脉搏波拟合方程包括三组以线性组合方式进行组合的非线性函数,三组非线性函数中的其中一组非线性函数包括一项非对称型的指数函数,三组非线性函数中的另外两组非线性函数均包括一项指数函数,非对称型的指数函数包括位置参数,位置参数用于反映非对称型的指数函数的波峰位置。
脉搏波拟合模块2用于将脉搏波数据输入脉搏波拟合方程以拟合脉搏波。需要说明的是,脉搏波数据以心跳周期为单位。相应地,将脉搏波数据切分为一组单周期脉搏波数据集后,脉搏波拟合模块将多组脉搏波数据集不断输入脉搏波拟合方程进行更新拟合,即可得到脉搏波拟合方程中各参数的值,从而拟合出最优的脉搏波。
需要说明的是,指数函数包括非对称型的指数函数及对称型的指数函数,其中,非对称型的指数函数是指波形不对称的指数函数,对称型的指数函数是指波形对称的指数函数。
方程构建模块1构建脉搏波拟合方程时可以设置多组函数,且每组函数之间可通过线性组合的方式进行组合;其中,多组函数中至少设置有三组函数为自由设定的非线性函数;而每组非线性函数中分别可以设置多项函数,且每项函数之间可通过线性组合的方式进行组合;其中,一组非线性函数中设置一项函数为非对称型的指数函数,两组非线性函数中设置一项函数为指数函数。同时,还在非对称型的指数函数内设置位置参数。
因此,本发明在考虑脉搏波中主峰波及其他子波可能存在的非对称性的前提下,保证了脉搏波拟合方程中至少涉及一项非对称型的指数函数,更容易捕捉脉搏波中存在的子波非对称现象;而且,本发明通过引入位置参数,可有效地保留脉搏波的生理特征点信息,使后续的分析更具有临床的生理意义。
进一步,为了充分发挥脉搏波拟合方程中不同类型的非线性函数的组合优势,方程构建模块1所构建的脉搏波拟合方程包括至少三组以线性组合方式进行组合的非线性函数,且三组非线性函数中的其中一组非线性函数包括至少一项非对称型的指数函数,另外两组非线性函数中至少一组非线性函数所对应的指数函数为对称型的指数函数,从而保证了脉搏波拟合方程中同时含有非对称型的指数函数及对称型的指数函数,大大提升了脉搏波拟合的灵活度。
优选地,另外两组非线性函数中一组非线性函数所对应的指数函数为非对称型的指数函数,另一组非线性函数所对应的指数函数为对称型的指数函数。相应地,通过至少两项非对称型的指数函数及一项对称型指数函数的组合,可进一步凸显出脉搏波中主峰波及其他子波可能存在的非对称性,更容易捕捉脉搏波中存在的子波非对称现象。
另外,为了充分发挥非对称型的指数函数的灵活性,方程构建模块1所构建的脉搏波拟合方程中的另外两组非线性函数所对应的指数函数均为非对称型的指数函数。需要说明的是,非对称型的指数函数覆盖了更多的形态可能性(包括形态上明显不对称的波形及形态上接近对称的波形),因此,采用至少三个非对称型的指数函数进行拟合,可使拟合出的脉搏波的波形更为灵活,更好地贴合实际脉搏状态。
如图6所示,脉搏波拟合模块2包括:
脉搏波拟合单元21,用于将脉搏波数据输入脉搏波拟合方程以拟合脉搏波;
特征点锁定单元22,用于在脉搏波数据中提取重搏前波的特征点横坐标,并将特征点横坐标作为三组非线性函数中一项指数函数的位置参数。
需要说明的是,可根据实际情况设置或删除特征点锁定单元22;当不需要对重搏前波特征点进行锁定时,可删除特征点锁定单元22并单独设置脉搏波拟合单元21;当需要对重搏前波特征点进行锁定时,可同时设置特征点锁定单元22及脉搏波拟合单元21。
针对现有技术中缺少对重搏前波特征点的锁定的情况,本发明通过特征点锁定单元22对重搏前波特征点进行锁定。
具体地,当脉搏波数据输入脉搏波拟合方程以拟合脉搏波时,特征点锁定单元22在脉搏波数据中提取重搏前波的特征点横坐标,并将特征点横坐标作为三组非线性函数中一项指数函数的位置参数。也就是说,特征点锁定单元22将控制指数函数中心轴横坐标的位置参数,固定为脉搏波中重搏前波的特征点横坐标,使得该特征点横坐标能够控制对应的指数函数在横坐标上左右平移。
因此,本发明通过将实际的人体生理学意义赋予在脉搏波拟合方法中,保证拟合方程保留脉搏波生理特征点信息,使后续的分析更具有临床的生理意义。
相应地,本发明还提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,其中,处理器执行计算机程序时实现上述脉搏波拟合方法的步骤。同时,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,其中,计算机程序被处理器执行时实现上述脉搏波拟合方法的步骤。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种脉搏波拟合方法,其特征在于,包括:
构建脉搏波拟合方程,所述脉搏波拟合方程包括三组以线性组合方式进行组合的非线性函数,三组非线性函数中的其中一组非线性函数包括一项非对称型的指数函数,三组非线性函数中的另外两组非线性函数均包括一项指数函数,所述非对称型的指数函数包括位置参数,所述位置参数用于反映所述非对称型的指数函数的波峰位置;
将脉搏波数据输入所述脉搏波拟合方程以拟合脉搏波。
2.如权利要求1所述的脉搏波拟合方法,其特征在于,所述将脉搏波数据输入脉搏波拟合方程以拟合脉搏波时,在所述脉搏波数据中提取重搏前波的特征点横坐标,并将所述特征点横坐标作为所述三组非线性函数中一项指数函数的位置参数。
3.如权利要求1所述的脉搏波拟合方法,其特征在于,所述另外两组非线性函数所对应的指数函数均为非对称型的指数函数。
4.如权利要求1所述的脉搏波拟合方法,其特征在于,所述另外两组非线性函数中一组非线性函数所对应的指数函数为非对称型的指数函数,另一组非线性函数所对应的指数函数为对称型的指数函数。
5.如权利要求1所述的脉搏波拟合方法,其特征在于,所述指数函数均包括尺度参数、位置参数及形状参数,所述尺度参数用于反映所述指数函数的高度,所述位置参数用于反映所述指数函数的波峰位置,所述形状参数用于反映所述指数函数的形状。
6.一种脉搏波拟合系统,其特征在于,包括:
方程构建模块,用于构建脉搏波拟合方程,所述脉搏波拟合方程包括三组以线性组合方式进行组合的非线性函数,三组非线性函数中的其中一组非线性函数包括一项非对称型的指数函数,三组非线性函数中的另外两组非线性函数均包括一项指数函数,所述非对称型的指数函数包括位置参数,所述位置参数用于反映所述非对称型的指数函数的波峰位置;
脉搏波拟合模块,用于将脉搏波数据输入所述脉搏波拟合方程以拟合脉搏波。
7.如权利要求6所述的脉搏波拟合系统,其特征在于,所述脉搏波拟合模块包括:
脉搏波拟合单元,用于将脉搏波数据输入所述脉搏波拟合方程以拟合脉搏波;
特征点锁定单元,用于在所述脉搏波数据中提取重搏前波的特征点横坐标,并将所述特征点横坐标作为所述三组非线性函数中一项指数函数的位置参数。
8.如权利要求6所述的脉搏波拟合系统,其特征在于,所述另外两组非线性函数所对应的指数函数均为非对称型的指数函数,或者所述另外两组非线性函数中一组非线性函数所对应的指数函数为非对称型的指数函数且另一组非线性函数所对应的指数函数为对称型的指数函数。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111462858.6A CN114259206B (zh) | 2021-12-02 | 2021-12-02 | 脉搏波拟合方法、系统、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111462858.6A CN114259206B (zh) | 2021-12-02 | 2021-12-02 | 脉搏波拟合方法、系统、计算机设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114259206A true CN114259206A (zh) | 2022-04-01 |
CN114259206B CN114259206B (zh) | 2024-03-29 |
Family
ID=80826092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111462858.6A Active CN114259206B (zh) | 2021-12-02 | 2021-12-02 | 脉搏波拟合方法、系统、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114259206B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007330430A (ja) * | 2006-06-14 | 2007-12-27 | Mitsuba Corp | 生体情報判定システム及び生体情報判定方法並びに生体情報判定プログラム |
JP2013208312A (ja) * | 2012-03-30 | 2013-10-10 | Seiko Epson Corp | 信号解析装置、電子機器及びプログラム |
CN104127173A (zh) * | 2014-07-14 | 2014-11-05 | 昆明理工大学 | 一种基于动态脉搏波特征参数的病理信息提取方法 |
CN106073743A (zh) * | 2015-04-27 | 2016-11-09 | 塔塔顾问服务有限公司 | 用于光学体积描记图信号的噪声清除的方法和系统 |
CN107743374A (zh) * | 2015-07-27 | 2018-02-27 | 谷歌有限责任公司 | 基于患者移动改变生理信号 |
CN108053708A (zh) * | 2017-12-22 | 2018-05-18 | 天津天堰科技股份有限公司 | 一种动态脉搏波仿真模块 |
CN109820498A (zh) * | 2019-01-28 | 2019-05-31 | 重庆邮电大学 | 一种可绑定身份信息的腕式血压计及其脉搏波拟合方法 |
CN110025296A (zh) * | 2019-03-01 | 2019-07-19 | 西安理工大学 | 一种光电容积脉搏波的特征参数的采集方法 |
-
2021
- 2021-12-02 CN CN202111462858.6A patent/CN114259206B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007330430A (ja) * | 2006-06-14 | 2007-12-27 | Mitsuba Corp | 生体情報判定システム及び生体情報判定方法並びに生体情報判定プログラム |
JP2013208312A (ja) * | 2012-03-30 | 2013-10-10 | Seiko Epson Corp | 信号解析装置、電子機器及びプログラム |
CN104127173A (zh) * | 2014-07-14 | 2014-11-05 | 昆明理工大学 | 一种基于动态脉搏波特征参数的病理信息提取方法 |
CN106073743A (zh) * | 2015-04-27 | 2016-11-09 | 塔塔顾问服务有限公司 | 用于光学体积描记图信号的噪声清除的方法和系统 |
CN107743374A (zh) * | 2015-07-27 | 2018-02-27 | 谷歌有限责任公司 | 基于患者移动改变生理信号 |
CN108053708A (zh) * | 2017-12-22 | 2018-05-18 | 天津天堰科技股份有限公司 | 一种动态脉搏波仿真模块 |
CN109820498A (zh) * | 2019-01-28 | 2019-05-31 | 重庆邮电大学 | 一种可绑定身份信息的腕式血压计及其脉搏波拟合方法 |
CN110025296A (zh) * | 2019-03-01 | 2019-07-19 | 西安理工大学 | 一种光电容积脉搏波的特征参数的采集方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114259206B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Clifford et al. | Robust parameter extraction for decision support using multimodal intensive care data | |
Goldberger | Fractal variability versus pathologic periodicity: complexity loss and stereotypy in disease | |
Cerutti et al. | Advanced methods of biomedical signal processing | |
CN204904688U (zh) | 一种心脏血液循环模型 | |
Wang et al. | An ECG signal denoising method using conditional generative adversarial net | |
Deyranlou et al. | Numerical study of atrial fibrillation effects on flow distribution in aortic circulation | |
TW202100096A (zh) | 心臟圖形顯示系統 | |
CN109512395B (zh) | 一种生物信号的分析处理方法、装置及设备 | |
Stracina et al. | Golden standard or obsolete method? Review of ECG applications in clinical and experimental context | |
Gritti | The bio-psycho-social model forty years later: a critical review | |
CN101370427A (zh) | 医疗状况的评估 | |
CN113499079A (zh) | 一种心电图中的房颤检测方法 | |
CN101877035A (zh) | 基于金标准数据库的心电图分析系统 | |
Tseng et al. | Sliding large kernel of deep learning algorithm for mobile electrocardiogram diagnosis | |
CN114259206B (zh) | 脉搏波拟合方法、系统、计算机设备及可读存储介质 | |
Volpes et al. | Feasibility of ultra-short-term analysis of heart rate and systolic arterial pressure variability at rest and during stress via time-domain and entropy-based measures | |
Cao et al. | Multi-task feature fusion network for Obstructive Sleep Apnea detection using single-lead ECG signal | |
CN107505839B (zh) | 一种虚拟仪器的波形同步方法及系统 | |
Chen et al. | Multi-channel lightweight convolution neural network for anterior myocardial infarction detection | |
Pu et al. | Cuff-less blood pressure estimation from electrocardiogram and photoplethysmography based on VGG19-LSTM network | |
Yamanaka et al. | Calibration-free cuffless blood pressure estimation based on a population with a diverse range of age and blood pressure | |
CN115736867A (zh) | 一种基于元学习神经网络预测中心动脉压的方法 | |
CN108236458A (zh) | 基于双外周血压重建肱动脉血压的方法 | |
Georgieva-Tsaneva et al. | Cardio-diagnostic assisting computer system | |
CN113436747A (zh) | 一种基于医疗数据分析模型的医疗数据临床辅助系统及其方法 |
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 | ||
GR01 | Patent grant |