CN114767102A - 基于波形比例系数提取的动态光谱数据处理方法 - Google Patents

基于波形比例系数提取的动态光谱数据处理方法 Download PDF

Info

Publication number
CN114767102A
CN114767102A CN202210696672.5A CN202210696672A CN114767102A CN 114767102 A CN114767102 A CN 114767102A CN 202210696672 A CN202210696672 A CN 202210696672A CN 114767102 A CN114767102 A CN 114767102A
Authority
CN
China
Prior art keywords
waveform
pulse wave
dynamic
wavelength
sub
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
CN202210696672.5A
Other languages
English (en)
Other versions
CN114767102B (zh
Inventor
李刚
程磊杨
樊美玲
林凌
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN202210696672.5A priority Critical patent/CN114767102B/zh
Publication of CN114767102A publication Critical patent/CN114767102A/zh
Application granted granted Critical
Publication of CN114767102B publication Critical patent/CN114767102B/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
    • A61B5/145—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
    • A61B5/1455—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 using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—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 using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Signal Processing (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Power Engineering (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明公开了基于波形比例系数提取的动态光谱数据处理方法，涉及光谱分析技术领域，包括以下步骤:选取任一波长下滤波后的光电容积脉搏波作为初始种子信号，依次求取各波长下光电容积脉搏波与初始种子信号的波形比例系数；利用各波长的波形比例系数对滤波后的容积脉搏波进行修正，并叠加平均获得光电脉搏波模板；计算各波长光电脉搏波与光电容积脉搏波之间的波形比例系数，按照波长的顺序排列，之后取对数并归一化，获得动态光谱。该方法最大化的提高了数据利用率，降低了不同测试仪器的影响，有效的提高了动态光谱提取方法的普适性以及光谱数据的信噪比，最终显著的提高了基于动态光谱法无创血液成分检测的精度。

Description

基于波形比例系数提取的动态光谱数据处理方法
技术领域
本发明涉及光学检测领域，特别涉及基于波形比例系数提取的动态光谱数据处理方法。
背景技术
动态光谱法是一种新的人体血液成分无创检测方法，该方法利用多波长光电容积脉搏波信号提取脉动血液部分的吸光度变化进行无创血液成分分析，并依据光电脉搏波的信号产生的原理，将由脉动血液带来的光强变化与其他组织分离，消除皮肤、肌肉等静态组织的个体差异以及测量条件对测量精度的影响，实现高精度的无创血液成分分析。不同波长光的吸光度差异则会反应在不同波长之间光电容积脉搏波波形上，各个波长光电容积脉搏波取对数后，其波形之间的比例系数即为动态光谱。
动态光谱数据是动态光谱法的核心，而动态光谱提取方法是获取动态光谱数据的唯一渠道。由于实际中所检测到的光电容积脉搏波信号十分微弱，且极易受到其他噪声和干扰的影响，因此高精度的提取动态光谱成为基于动态光谱法的无创血液成分检测最为关键的一环。随着对动态光谱理论的深入研究，研究人员公布了多种动态光谱提取方法。中国发明专利申请CN101507607公开的频域提取法通过对光电容积脉搏波滤波的方式，提取信号的基波幅值进行吸光度差值的计算，实现了动态光谱的提取，该方法一定程度上抑制了个体差异以及信号获取过程中引入的噪声，但傅立叶变换的平均效应会将一些和脉搏波频谱重叠的干扰和噪声带入检测结果中，导致这些粗大误差难以剔除。中国发明专利申请CN101912256A公开的单沿提取法利用上升沿采样点线性拟合的斜率的方法提取动态光谱，并采用光电容积脉搏波的波形校正和多次粗大误差剔除的方式，降低异常干扰波形对动态光谱谱线质量的影响，提高动态光谱提取质量，但由于仅仅利用光电容积脉搏波一半的采样数据，数据利用率不高，限制了信噪比的进一步提升；中国发明专利申请CN109589106公开的等差值的提取方法通过将光电容积脉搏波划分为上升沿与下降沿，利用固定的差值对上下沿滑动做差的方式实现提取动态光谱，提高了采集数据的利用率，并进一步改善了动态光谱的提取质量，但由于方法中需要选取固定间隔进行滑动作差，也因此降低了算法的普适性。
发明人对上述动态光谱提取方法和光电容积脉搏波信号的研究发现，若进一步的提高动态光谱的信噪比，将需要综合考虑以下三个方面：
(1) 光电容积脉搏波信号较为微弱，在提取时需要尽可能多地利用全部的数据，提高数据的利用率；
(2)信号采集的过程中，人体的抖动、呼吸等因素会造成 光电容积脉搏波信号中可能存在基线漂移与高频噪声的影响，需要对这部分噪声进行最大程度的抑制；
(3)测量仪器带来的影响，例如各种型号的光谱仪采样速度、采样精度均不同，实验时光谱仪的积分时间设置也不太相同，因此动态光谱提取法需要在面对不同的实验装置时具有较好的适应性。
发明内容
为进一步改善提取的动态光谱质量进而保证无创血液预测模型的稳健性，本发明提供了基于波形比例系数提取的动态光谱数据处理方法，所述方法包括以下步骤：
S1：对所有波长下的光电容积脉搏波取对数，并利用数字滤波方法滤波，获取所有波长下的对数脉搏波；按照预设比例将脉搏波分为若干分段，选择任一波长下完整的对数脉搏波作为初始波形信号；
S2：选择所有波长下第一段对数脉搏波信号，并按照波长的顺序依次计算所有波长下第一分段对数脉搏波与初始波形信号之间的波形比例系数；将每个波长下的波形比例系数与对数脉搏波相乘，获得每个波长的修正脉搏波；将全部的修正脉搏波相加并求平均，获得脉搏波模板；
S3：按照波长大小的顺序逐一计算所有波长下的第一分段对数脉搏波与脉搏波模板之间的波形比例系数；将获得的波形比例系数按照波长的顺序排列，之后进行归一化，获得第一分段脉搏波的子动态光谱；
S4：重复步骤S1、S2与S3，按照先后顺序，依次求取所有分段的对数脉搏波信号的子动态光谱，并计算出平均子动态光谱；之后计算处所有分段子动态光谱与平均子动态光谱的欧氏距离，标准差以及总残差σ，依据2σ准则，剔除标准差大于2σ的子动态光谱，保留标准差小于2σ的子动态光谱；求取最终保留的子动态光谱的平均光谱，归一化后，作为最终的动态光谱输出。
其中所述获取所有波长下的对数脉搏波具体为：
首先对所有波长下的光电容积脉搏波求取对数，之后通过数字滤波的方法滤除直流、基线漂移与高频噪声获得对数脉搏波。
其中所述初始波形信号具体为：
在所有获得的对数脉搏波中选取任一波长下清晰完整的对数脉搏波信号作为初始波形信号。
其中所述波形比例系数具体为：
依据脉搏波在不同波长下为相似形的原理，利用偏最小二乘法将分段对数脉搏波与初始波形信号两者的波形进行拟合，获取拟合误差最小时两个波形之间的比例系数；依据脉搏波在不同波长下为相似形的原理，利用偏最小二乘法将分段对数脉搏波与脉搏波模板波形两者的波形进行拟合，获取拟合误差最小时两个波形之间的比例系数。
其中所述得到每个波长的修正脉搏波具体为：
将每个波长下的波形比例系数与对数脉搏波相乘，得到每个波长的修正脉搏波，其中使用的波形比例系数与对数脉搏波两者在同一波长下。
其中所述依据2σ准则，剔除标准差大于2σ的子动态光谱，保留标准差小于2σ的子动态光谱具体为：
采集得到的光电容积脉搏波中存在粗大误差，需要对子动态光谱进行筛选；其中筛选依据为2σ准则；其中，2σ准则为：若子动态光谱与平均子动态光谱之间的标准差大于2σ，则认为存在粗大误差，予以剔除，若子动态光谱与平均子动态光谱之间的标准差小于2σ，则认为不存在粗大误差，予以保留。
本发明提供的技术方案的有益效果是：
本发明提供的方法充分利用了采集得到的光谱数据，降低了由不同测试仪器、不同测试环境带来的影响，进一步提高提取方法的普适性，显著地抑制由于手指抖动、压力不均等噪声的影响，具有更高的精度，有效的提高了动态光谱的信噪比，从而提高了基于动态光谱法无创血液成分检测的精度。
附图说明
图1为本发明提供的基于波形比例系数提取的动态光谱数据处理方法的流程图。
图2为本发明提供的初始波形信号获取步骤的流程图。
图3为本发明提供的脉搏波模板获取步骤的流程图。
图4为本发明提供的分段子动态光谱获取步骤的流程图。
图5为本发明提供的动态光谱的获取步骤的流程图。
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实施方式作进一步地详细描述。
为了进一步的提高动态光谱的提取质量，本发明实施例提供了基于波形比例系数提取的动态光谱数据处理方法，参见图1，详见下文描述。
101：对所有波长下的光电容积脉搏波取对数，并利用数字滤波方法滤波，获取所有波长下的对数脉搏波，并按照预设比例将脉搏波分为若干分段；选择任一波长下完整的对数脉搏波作为初始波形信号。
该步骤具体包括步骤1011-1013，参见图2，详见下文描述。
1011：采集待测部位的全波段光电容积脉搏波。
其中，待侧部位可以为手指或其他的部位，具体实现时，本发明实施例对此不做限制；
全波段光电容积脉搏波可以表示为M*N的矩阵，M为波长数，N为每个波长光电容积脉搏波的采样点个数。
1012：对所有波长下的光电容积脉搏波取对数，并利用数字滤波方法滤波，获取所有波长下的对数脉搏波，并按照预设比例将脉搏波分为若干分段。
其中，光电容积脉搏波中的直流信号以及基线漂移对于波形比例提取法影响较大，需要尽可能的去除这部分干扰，具体实现时，采用数字滤波方法对采集到的所有波长下的光电容积脉搏波进行滤波。
1013：选择任一波长下完整的对数脉搏波作为初始波形信号［A］。
其中，初始波形信号应该具有较好的脉搏波的波形特征，不存在粗大误差；初始种子信号［A］为在M个波长中随机选取的对数脉搏波信号，表示为1*N的矩阵，N为每个波长光电容积脉搏波的采样点个数。
102：选择所有波长下第一段对数脉搏波信号，并按照波长的顺序依次计算所有波长下第一分段对数脉搏波与初始波形信号之间的波形比例系数；将每个波长下的波形比例系数与对数脉搏波相乘，获得每个波长的修正脉搏波；将全部的修正脉搏波相加并求平均，获得脉搏波模板。
该步骤具体包括步骤1021-1023，参见图3，详见下文描述。
1021：选择所有波长下第一段对数脉搏波信号，并按照波长的顺序依次计算所有波长下第一分段对数脉搏波与初始波形信号之间的波形比例系数Sλ。
其中，由于同一时刻在相同部位采集到的同一部分脉动血液所得到的各波长光电容积脉搏波具有相似性，各波长下的光电容积脉搏波均可以表现为：
Figure DEST_PATH_IMAGE001
其中[A]为初始波长信号，Sλ为波形比例系数，ε为波形误差；利用偏最小二乘法计算出各波长分段对数脉搏波与初始波形信号之间的波形比例系数Sλ。
1022：将每个波长下的波形比例系数与对数脉搏波相乘，获得每个波长的修正脉搏波。
其中，按照对应的关系，将每个波长下的波形比例系数与对数脉搏波相乘进行修正；对数脉搏波信号的修正是为了获得更具有代表性的脉搏波模板，消除各个波长光电容积脉搏波波形不稳定引入的误差。
1023：将全部的修正脉搏波相加并求平均，获得脉搏波模板[T]。
其中，对所有波长下修正后的脉搏波相加并求平均，获得脉搏波模板。
103：按照波长大小的顺序逐一计算所有波长下的第一分段对数脉搏波与脉搏波模板之间的波形比例系数；将获得的波形比例系数按照波长的顺序排列，之后进行归一化，获得第一分段脉搏波的子动态光谱。
该步骤具体包括步骤1031-1032，参见图4，详见下文描述。
1031：按照波长大小的顺序逐一计算所有波长下的第一分段对数脉搏波与脉搏波模板之间的波形比例系数Dλ。
其中，再次利用偏最小二乘法计算出各波长下的对数脉搏波与脉搏波模板之间的波形比例系数。
1032：将获得的波形比例系数按照波长的顺序排列，之后进行归一化，获得第一分段脉搏波的子动态光谱。
将各波长对数脉搏波对应的波形比例系数按照波长的顺序依次排列，之后进行归一化，获得第一分段脉搏波的子动态光谱。
104：重复步骤S1、S2与S3，按照先后顺序，依次求取所有分段的对数脉搏波信号的子动态光谱，并计算出平均子动态光谱；之后计算处所有分段子动态光谱与平均子动态光谱的欧氏距离，标准差以及总残差σ，依据2σ准则，剔除标准差大于2σ的子动态光谱，保留标准差小于2σ的子动态光谱；求取最终保留的子动态光谱的平均光谱，归一化后，作为最终的动态光谱输出。
该步骤具体包括步骤1041-1043，参见图5，详见下文描述。
1041：重复步骤S1、S2与S3，按照先后顺序，依次求取所有分段的对数脉搏波信号的子动态光谱，并计算出平均子动态光谱。
1042：之后计算处所有分段子动态光谱与平均子动态光谱的欧氏距离，标准差以及总残差σ，依据2σ准则，剔除标准差大于2σ的子动态光谱，保留标准差小于2σ的子动态光谱。
采集得到的光电容积脉搏波中存在粗大误差，需要对子动态光谱进行筛选；其中筛选依据为2σ准则；其中，2σ准则为：若子动态光谱与平均子动态光谱之间的标准差大于2σ，则认为存在粗大误差，予以剔除，若子动态光谱与平均子动态光谱之间的标准差小于2σ，则认为不存在粗大误差，予以保留。
1043：求取最终保留的子动态光谱的平均光谱，归一化后，作为最终的动态光谱输出。
本发明实施例方法中应用到的偏最小二乘拟合方法、数字滤波方法、归一化等均为数据处理方法中的公知技术，为本领域工程技术人员所公知。
综上所述，本发明实施例提供了基于波形比例系数提取的动态光谱数据处理方法，该方法与现有技术相比，充分利用了采集得到的光谱数据，降低了由不同测试仪器、不同测试环境带来的影响，进一步提高提取方法的普适性，显著地抑制由于手指抖动、压力不均等噪声的影响，具有更高的精度，有效的提高了动态光谱的信噪比，从而提高了基于动态光谱法无创血液成分检测的精度。
本领域技术人员可以理解附图只是一个优选实施例的示意图，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。以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.基于波形比例系数提取的动态光谱数据处理方法，其特征在于，所述方法包括以下步骤：
S1：对所有波长下的光电容积脉搏波取对数，并利用数字滤波方法滤波，获取所有波长下的对数脉搏波；按照预设比例将脉搏波分为若干分段，选择任一波长下完整的对数脉搏波作为初始波形信号；
S2：选择所有波长下第一段对数脉搏波信号，并按照波长的顺序依次计算所有波长下第一分段对数脉搏波与初始波形信号之间的波形比例系数；将每个波长下的波形比例系数与对数脉搏波相乘，获得每个波长的修正脉搏波；将全部的修正脉搏波相加并求平均，获得脉搏波模板；
S3：按照波长大小的顺序逐一计算所有波长下的第一分段对数脉搏波与脉搏波模板之间的波形比例系数；将获得的波形比例系数按照波长的顺序排列，之后进行归一化，获得第一分段脉搏波的子动态光谱；
S4：重复步骤S1、S2与S3，按照先后顺序，依次求取所有分段的对数脉搏波信号的子动态光谱，并计算出平均子动态光谱；之后计算处所有分段子动态光谱与平均子动态光谱的欧氏距离，标准差以及总残差σ，依据2σ准则，剔除标准差大于2σ的子动态光谱，保留标准差小于2σ的子动态光谱；求取最终保留的子动态光谱的平均光谱，归一化后，作为最终的动态光谱输出。
2.根据权利要求1所述的基于波形比例系数提取的动态光谱数据处理方法，其特征在于，所述获取所有波长下的对数脉搏波具体为：
首先对所有波长下的光电容积脉搏波求取对数，之后通过数字滤波的方法滤除直流、基线漂移与高频噪声获得对数脉搏波。
3.根据权利要求1所述的基于波形比例系数提取的动态光谱数据处理方法，其特征在于，所述初始波形信号具体为：
在所有获得的对数脉搏波中选取任一波长下清晰完整的对数脉搏波信号作为初始波形信号。
4.根据权利要求1所述的基于波形比例系数提取的动态光谱数据处理方法，其特征在于，所述波形比例系数具体为：
依据脉搏波在不同波长下为相似形的原理，利用偏最小二乘法将分段对数脉搏波与初始波形信号两者的波形进行拟合，获取拟合误差最小时两个波形之间的比例系数；依据脉搏波在不同波长下为相似形的原理，利用偏最小二乘法将分段对数脉搏波与脉搏波模板波形两者的波形进行拟合，获取拟合误差最小时两个波形之间的比例系数。
5.根据权利要求1所述的基于波形比例系数提取的动态光谱数据处理方法，其特征在于，所述得到每个波长的修正脉搏波具体为：
将每个波长下的波形比例系数与对数脉搏波相乘，得到每个波长的修正脉搏波，其中使用的波形比例系数与对数脉搏波两者在同一波长下。
6.根据权利要求1所述的基于波形比例系数提取的动态光谱数据处理方法，其特征在于，所述依据2σ准则，剔除标准差大于2σ的子动态光谱，保留标准差小于2σ的子动态光谱具体为：
采集得到的光电容积脉搏波中存在粗大误差，需要对子动态光谱进行筛选；其中筛选依据为2σ准则；其中，2σ准则为：若子动态光谱与平均子动态光谱之间的标准差大于2σ，则认为存在粗大误差，予以剔除，若子动态光谱与平均子动态光谱之间的标准差小于2σ，则认为不存在粗大误差，予以保留。
CN202210696672.5A 2022-06-20 2022-06-20 基于波形比例系数提取的动态光谱数据处理方法 Active CN114767102B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210696672.5A CN114767102B (zh) 2022-06-20 2022-06-20 基于波形比例系数提取的动态光谱数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210696672.5A CN114767102B (zh) 2022-06-20 2022-06-20 基于波形比例系数提取的动态光谱数据处理方法

Publications (2)

Publication Number Publication Date
CN114767102A true CN114767102A (zh) 2022-07-22
CN114767102B CN114767102B (zh) 2022-11-29

Family

ID=82420888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210696672.5A Active CN114767102B (zh) 2022-06-20 2022-06-20 基于波形比例系数提取的动态光谱数据处理方法

Country Status (1)

Country Link
CN (1) CN114767102B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002282230A (ja) * 2001-03-23 2002-10-02 Fukuda Denshi Co Ltd 生体情報収集装置、生体情報処理装置及び処理方法
CN101912256A (zh) * 2010-08-13 2010-12-15 天津大学 一种基于单沿提取的动态光谱数据处理方法
CN102631198A (zh) * 2012-04-20 2012-08-15 天津大学 一种基于差值提取的动态光谱数据处理方法
JP2012239474A (ja) * 2011-05-13 2012-12-10 Fujitsu Ltd 心拍計測装置、心拍計測方法及び心拍計測プログラム
WO2016027738A1 (ja) * 2014-08-20 2016-02-25 学校法人産業医科大学 波形検査プログラム及び波形検査装置
CN107735018A (zh) * 2015-07-01 2018-02-23 浜松光子学株式会社 血压比计算装置、血压比计算方法、血压比计算程序及存储该程序的存储介质
CN108701219A (zh) * 2017-03-14 2018-10-23 华为技术有限公司 波形信号处理的方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002282230A (ja) * 2001-03-23 2002-10-02 Fukuda Denshi Co Ltd 生体情報収集装置、生体情報処理装置及び処理方法
CN101912256A (zh) * 2010-08-13 2010-12-15 天津大学 一种基于单沿提取的动态光谱数据处理方法
JP2012239474A (ja) * 2011-05-13 2012-12-10 Fujitsu Ltd 心拍計測装置、心拍計測方法及び心拍計測プログラム
CN102631198A (zh) * 2012-04-20 2012-08-15 天津大学 一种基于差值提取的动态光谱数据处理方法
WO2016027738A1 (ja) * 2014-08-20 2016-02-25 学校法人産業医科大学 波形検査プログラム及び波形検査装置
CN107735018A (zh) * 2015-07-01 2018-02-23 浜松光子学株式会社 血压比计算装置、血压比计算方法、血压比计算程序及存储该程序的存储介质
CN108701219A (zh) * 2017-03-14 2018-10-23 华为技术有限公司 波形信号处理的方法及装置

Also Published As

Publication number Publication date
CN114767102B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
US9392952B1 (en) Systems, apparatus and methods for sensing fetal activity
US6094592A (en) Methods and apparatus for estimating a physiological parameter using transforms
Shukla et al. Wavelet based empirical approach to mitigate the effect of motion artifacts from EEG signal
CN101912256B (zh) 一种基于单沿提取的动态光谱数据处理方法
CN106137219B (zh) 双波长的绝对差值加和计算动脉血氧饱和度方法及其装置
EP1450676A2 (en) Blind source separation of pulse oximetry signals
US20220110590A1 (en) System and Method for Assessing Physiological Signal Quality
CN111387959A (zh) 一种基于ippg的非接触式生理参数检测方法
Saxena et al. QRS detection using new wavelets
CN103263272B (zh) 一种单沿多谱的动态光谱数据提取方法
CN111493821B (zh) 一种基于modwt及中值滤波的ppg信号实时去噪方法
CN108042107A (zh) 一种ppg信号伪差校正方法
Bénar et al. Consensus matching pursuit for multi-trial EEG signals
Peng et al. Dynamic spectrum extraction method based on independent component analysis combined dual-tree complex wavelet transform
He et al. Spectral data quality assessment based on variability analysis: application to noninvasive hemoglobin measurement by dynamic spectrum
CN114767102B (zh) 基于波形比例系数提取的动态光谱数据处理方法
CN103239239B (zh) 一种定幅值的动态光谱数据提取方法
CN108596879B (zh) 一种基于希尔伯特黄变换的fMRI时频域动态网络构建方法
CN111134634B (zh) 一种基于聚类分析的光电容积脉搏波分析处理方法
CN115040121A (zh) 一种利用脉搏波上升沿优化提取的动态光谱数据处理方法
Frigo et al. Measuring cerebral activation from fNIRS signals: An approach based on compressive sensing and Taylor–Fourier model
Kalauzi et al. Consecutive differences as a method of signal fractal analysis
Alhussainy QRS complex detection and R–R interval computation based on discrete wavelet transform
CN109589106B (zh) 一种等差距的动态光谱差值提取方法
Figoń et al. ECG signal quality improvement techniques

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