CN114937488B - 脉搏数据处理方法、设备及存储介质 - Google Patents
脉搏数据处理方法、设备及存储介质 Download PDFInfo
- Publication number
- CN114937488B CN114937488B CN202210475425.2A CN202210475425A CN114937488B CN 114937488 B CN114937488 B CN 114937488B CN 202210475425 A CN202210475425 A CN 202210475425A CN 114937488 B CN114937488 B CN 114937488B
- Authority
- CN
- China
- Prior art keywords
- data
- pulse
- calibration
- pressure
- output
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000006870 function Effects 0.000 claims description 88
- 239000011159 matrix material Substances 0.000 claims description 74
- 238000001514 detection method Methods 0.000 claims description 59
- 238000012545 processing Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012888 cubic function Methods 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006872 improvement Effects 0.000 description 10
- 239000003814 drug Substances 0.000 description 9
- 238000012549 training Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013488 ordinary least square regression Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 210000002321 radial artery Anatomy 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Primary Health Care (AREA)
- Pure & Applied Mathematics (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Pharmacology & Pharmacy (AREA)
- Alternative & Traditional Medicine (AREA)
- Evolutionary Biology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Measuring Fluid Pressure (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明揭示了一种脉搏数据处理方法、设备及存储介质,所述方法包括:接收脉搏标定数据组;对所述脉搏标定数据组进行非线性拟合,计算得到所述标定输出数据关于所述标定反馈数据的中间标定函数;根据所述中间标定函数,计算所述标定输出数据对应的输出参考数据;以所述输出参考数据作为被解释变量,以所述标定输出数据作为解释变量进行线性拟合,生成输出标定函数;接收压力输出数据,根据所述输出标定函数和所述压力输出数据,计算并输出对应的压力校准数据。本发明提供的脉搏数据处理方法,能够提高数据的一致性,保持数据类型和格式统一,提高分析的工作效率和输出结果的准确度。
Description
技术领域
本发明涉及中医诊脉技术领域,尤其涉及一种脉搏数据处理方法、设备及存储介质。
背景技术
“望、闻、问、切”四诊是中华民族传统医学(简称中医,下同)对病人进行诊断的方法,其中的“切”通常代表脉诊,中医医师通过手指触压患者寸口桡动脉处的寸、关、尺三个部位,分别施加诸如浮、中、沉等不同压力,感受位于中医中手太阴肺经的动脉处的波动,通过对包含有脉搏的位置、强弱、趋势、形状、宽度和节律等信息的脉搏数据进行分析,了解患者当前各种维度下的脉象,以分析判断患者当前的生理状态。由于脉搏数据的采集无需对患者进行创伤性操作,也无需采集人体的体液或其他分泌物进行高精度分析,能够使中医医师快速掌握患者病情并对症下药,因此具有极强的发展需求。
现有技术中,将诊脉过程抽象为计算机程序,交由电子设备独立进行脉搏数据的采集,在对采集到的脉搏数据进行处理时,通常使用原始数据进行脉象分析或利用分析模型重复训练以降低误差。由此,原始数据具有较差的一致性,难以分析出正确的脉象,分析模型对数据重复训练会导致运算效率低、数据格式或数据类型不兼容,以及数据动态变化趋势受损失、数据特征在迭代过程中被消除等问题,最终导致脉象分析结果出现较大误差。
发明内容
本发明的目的之一在于提供一种脉搏数据处理方法,以解决现有技术中用于脉象分析的脉搏数据一致性差、格式类型不兼容,以及动态趋势和数据特征等内容缺失的技术问题。
本发明的目的之一在于提供一种脉搏数据处理设备。
本发明的目的之一在于提供一种存储介质。
为实现上述发明目的之一,本发明一实施方式提供一种脉搏数据处理方法,包括:接收脉搏标定数据组;其中,所述脉搏标定数据组包括相互对应的标定输出数据和标定反馈数据;对所述脉搏标定数据组进行非线性拟合,计算得到所述标定输出数据关于所述标定反馈数据的中间标定函数;根据所述中间标定函数,计算所述标定输出数据对应的输出参考数据;以所述输出参考数据作为被解释变量,以所述标定输出数据作为解释变量进行线性拟合,生成输出标定函数;接收压力输出数据,根据所述输出标定函数和所述压力输出数据,计算并输出对应的压力校准数据。
作为本发明一实施方式的进一步改进,所述非线性拟合包括多项式拟合;所述脉搏标定数据组中的数据对数,与所述中间标定函数对应的多项式的次数之差大于或等于1。
作为本发明一实施方式的进一步改进,所述方法具体包括:以所述标定反馈数据作为因变量,以所述标定输出数据作为自变量进行多项式拟合,生成多项式函数;计算所述多项式函数的反函数,以所述反函数作为所述中间标定函数。
作为本发明一实施方式的进一步改进,所述方法具体包括:根据所述标定反馈数据,以及由对应的所述标定输出数据形成的参数多项式,计算得到误差函数;对所述误差函数,分别计算其相对于所述参数多项式中每个待定系数的偏导数,得到偏导数组;对所述偏导数组中所述偏导数赋值为0,确定所述待定系数的值,并计算得到所述多项式函数。
作为本发明一实施方式的进一步改进,所述方法具体包括:根据赋值后的偏导数等式生成范德蒙矩阵,根据所述范德蒙矩阵确定系数矩阵;其中,所述系数矩阵包括所述待定系数的值。
作为本发明一实施方式的进一步改进,所述线性拟合包括最小二乘线性拟合,所述输出标定函数为所述输出参考数据关于所述标定输出数据的三次函数。
作为本发明一实施方式的进一步改进,所述方法具体包括:获取与所述压力输出数据对应的压力检测数据,根据所述压力检测数据和所述压力输出数据计算得到脉搏检测数据;根据所述脉搏检测数据生成脉象输入序列,将所述脉象输入序列输入预设脉象分析模型中,生成并输出脉象分析数据。
作为本发明一实施方式的进一步改进,所述方法具体包括:设定去基线滑动窗口,重复所述脉搏检测数据中的边界数值,并以所述去基线滑动窗口对处理后的脉搏检测数据进行遍历,生成多组脉搏检测序列;对所述脉搏检测序列按照数值大小排序,提取多个初始中位值,生成基线分量序列;在所述脉搏检测数据中滤除所述基线分量序列,生成并输出脉搏平滑数据;对所述脉搏平滑数据进行小波变换去噪,得到脉搏初始数据;根据所述脉搏初始数据和所述压力校准数据,计算脉搏运算数据,并根据所述脉搏运算数据排列形成所述脉象输入序列。
作为本发明一实施方式的进一步改进,所述压力检测数据包括受压时间数据和受压空间数据,所述压力输出数据包括分别与所述受压时间数据和所述受压空间数据对应的施压时间数据和施压空间数据;所述方法具体包括:接收所述施压空间数据,根据所述输出标定函数校准所述施压空间数据,计算并输出对应的空间校准数据;以第一预设频率采样得到所述受压时间数据,并以第二预设频率采样得到所述受压空间数据;所述方法还包括:根据所述施压时间数据和所述受压时间数据计算得到脉搏时间数据,并根据所述空间校准数据和所述受压空间数据计算得到脉搏空间数据;以所述第二预设频率设定的第二周期为单位,根据所述脉搏时间数据和所述脉搏空间数据,排列生成所述脉象输入序列,将所述脉象输入序列输入至所述预设脉象分析模型中,生成并输出脉象分析数据。
作为本发明一实施方式的进一步改进,所述第一预设频率大于所述第二预设频率,所述受压时间数据表征待测区域在至少两个不同时刻下整体脉搏变化情况,所述受压空间数据表征待测区域中至少两个不同位置处的脉搏变化情况。
作为本发明一实施方式的进一步改进,所述方法具体包括:对所述脉搏空间数据进行双三次插值,生成空间插值数据;以所述第二预设频率设定的第二周期为单位,对所述脉搏时间数据和所述空间插值数据进行排列,生成所述脉象输入序列。
作为本发明一实施方式的进一步改进,所述方法具体包括:获取所述脉象分析模型的序列尺寸数据,根据所述序列尺寸数据生成输入矩阵模板;以所述第二周期为单位,根据所述脉搏时间数据和所述脉搏空间数据进行数据排列,并根据所述序列尺寸数据进行数据筛选,分别生成脉搏时间矩阵和脉搏空间矩阵;将所述脉搏时间矩阵和所述脉搏空间矩阵,按照时间顺序排列至所述输入矩阵模板,生成所述脉象输入序列。
为实现上述发明目的之一,本发明一实施方式提供一种脉搏数据处理设备,包括处理器、存储器和通信总线,其中,所述处理器和所述存储器通过所述通信总线完成相互间的通信;所述存储器,用于存放应用程序;所述处理器,用于在执行所述存储器上所存放的应用程序时,实现上述任一种技术方案所述的脉搏数据处理方法的步骤。
为实现上述发明目的之一,本发明一实施方式提供一种存储介质,其上存储有应用程序,所述应用程序被执行时,实现上述任一种技术方案所述的脉搏数据处理方法的步骤。
与现有技术相比,本发明提供的脉搏数据处理方法,在脉搏检测之前设置标定步骤,并在标定步骤中,首先对输出和感测两方面压力数据进行非线性拟合,从而最大程度保留数据变化趋势的同时建立对应关系,而后反推对应标定输出数据的输出参考数据,并建立输出参考数据和标定输出数据的对应关系,通过线性拟合减小标定输出数据和实际施加压力之间的误差,如此可以利用校准后的压力校准数据结合后续脉搏检测过程中产生的数据进行脉象分析,提高了作为脉象分析基础的压力输出数据的一致性,保留变化趋势等数据特征的基础上,保持数据类型和数据格式统一,提高了脉象分析的工作效率和输出结果的准确度。
附图说明
图1是本发明一实施方式中脉搏数据处理设备的结构原理图。
图2是本发明一实施方式中脉搏数据处理方法的步骤示意图。
图3是本发明一实施方式中脉搏数据处理方法的一个实施例的步骤示意图。
图4是本发明另一实施方式中脉搏数据处理方法的步骤示意图。
图5是本发明另一实施方式中脉搏数据处理方法的一个实施例的步骤示意图。
图6是本发明另一实施方式中脉搏数据处理方法的一个实施例的步骤222的一个具体示例的步骤示意图。
图7是本发明另一实施方式中脉搏数据处理方法的一个实施例的一个具体示例的脉象输入序列的结构原理图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
需要说明的是,术语“包括”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者还包括为这种过程、方法、物品或者设备所固有的要素。此外,术语“第一”、“第二”、“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
随着医学技术的发展,如何模仿中医技术,通过采集患者外部体征,特别是采集一段时间内患者脉搏处的波动情况,感受患者脉象并分析得到患者病症等信息,替换地应用现代检测技术对上述信息和数据进行采集、处理和运算是本领域亟待解决的技术问题。
本发明一实施方式为了进一步提升压力数据的一致性,防止用于进行脉象分析和脉象分布图生成的基础数据发生变化趋势等特征的损失,提高工作效率和输出结果的准确度,提供了如图1所示的一种脉搏数据处理设备和如图2所示的一种脉搏数据处理方法。
其中,上述设备和方法可以应用于一种脉象分析系统中,具体可以应用于脉象分析系统中的处理装置,从而对采集得到的数据进行脉搏数据处理。
对应于上述脉搏数据处理方法,本发明首先提供了一种存储介质,存储介质上存储有应用程序,应用程序被执行时,实现一种脉搏数据处理方法,以通过设置标定步骤最大程度保留数据变化趋势并建立对应关系,通过反推上述对应关系建立标定关系,并通过线性拟合减小误差。
此外,存储介质可以设置于上述脉象分析系统中,存储介质可以是上述脉象分析系统能够存取的任何可用介质,或可以是包含一个或多个可用介质集成的服务器、数据中心等存储设备。可用介质可以是例如软盘、硬盘、磁带等的磁性介质,或例如DVD(DigitalVideo Disc,高密度数字视频光盘)等的光介质,或例如SSD(Solid State Disk,固态硬盘)等的半导体介质。
本发明一实施方式进一步提供一种如图1所示的脉搏数据处理设备100,该脉搏数据处理设备包括处理器11、通信接口12、存储器13以及通信总线14。处理器11、通信接口12、存储器13通过通信总线14完成相互间的通信。
其中,存储器13用于存放应用程序;处理器11用于执行存储器13上存放的应用程序,应用程序可以是前文的、存储于存储介质上的应用程序,也即上述存储介质可以是包含于存储器13的。在执行该应用程序时,同样可以实现诸如前文的功能和步骤,并达到对应的技术效果。
具体地,通信总线14可以是PCI总线(Peripheral Component Interconnect,外设部件互连标准)或EISA总线(Extended Industry Standard Architecture,扩展工业标准结构)等。该通信总线14可以分为地址总线、数据总线、控制总线等。为便于表示,图1中仅用一条线来表示,但并不表示仅有一根总线或一种类型的总线。
通信接口12用于上述脉搏数据处理设备100与其他设备之间的通信。
存储器13可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-Volatile Memory,非易失性存储器),例如至少一个磁盘存储器。可选地,存储器13还可以是至少一个远离前述处理器11设置的存储装置。
处理器11可以是通用处理器,包括CPU(Central Processing Unit,中央处理器)、NP(Network Processor,网络处理器)等,还可以是DSP(Digital Signal Processing,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明一实施方式提供一种如图2所示的脉搏数据处理方法,该方法应的程序或指令,可以搭载于上述存储介质和/或上述脉搏数据处理设备和/或上述脉象分析系统中,以实现数据处理的技术效果。脉搏数据处理方法具体包括下述步骤。
步骤21,接收脉搏标定数据。
步骤22,对脉搏标定数据组进行非线性拟合,计算得到标定输出数据关于标定反馈数据的中间标定函数。
步骤23,根据中间标定函数,计算标定输出数据对应的输出参考数据。
步骤24,以输出参考数据作为被解释变量,以标定输出数据作为解释变量进行线性拟合,生成输出标定函数。
步骤25,接收压力输出数据,根据输出标定函数和压力输出数据,计算并输出对应的压力校准数据。
其中,脉搏标定数据组包括多组脉搏标定数据,每组脉搏标定数据包括相互对应的标定输出数据和标定反馈数据。上述标定输出数据表征脉搏标定过程中,试验性地向待测区域输出的压力数值大小的数据。标定反馈数据表征脉搏标定过程中,试验性地对应检测得到的脉搏反馈的压力情况。中间标定函数表征标定输出数据随标定反馈数据的变化情况。输出参考数据表征非线性拟合后,标定输出数据应当具有的标准数据。输出标定函数示出了标准的输出参考数据与标定输出数据之间的差异和线性关系。压力输出数据表征实际脉搏检测过程中,对待测区域输出压力数值大小的数据。
如此,相比于直接且单独采用线性拟合和非线性拟合,能够先行保留脉搏标定数据的变化趋势,防止遗漏数据特征导致误差增大,并在进行第二步拟合时可以简化输出标定函数的形式,便于直接对压力检测数据进行校准,增强后续运算所使用的压力校准数据的一致性,有效去除误差较大的离散数据。
优选地,在本实施方式中,非线性拟合的方式包括多项式拟合。脉搏标定数据中的数据对数(即数据对的数量,其中数据对为一个标定输出数据和一个标定反馈数据组成的一对数据),与中间标定函数对应的多项式次数之差大于等于1。具体地,可以是先建立系数待定的多项式等式,而后将脉搏标定数据中以标定输出数据和标定反馈数据形成的数据对,分别代入多项式等式的等号两侧,得到对应数据对数的多个多项式等式后,联立以求解多项式等式的待定系数。例如,多项式等式的次数为n次,则其中的待定系数有n+1个,为了求解该多项式等式,至少需要大于等于n+1组数据对。在一种较佳的实施方式中,数据对中的标定输出数据,离散分布于脉搏检测量程范围内尽量多的区域,以归一化后形成的量程范围[0,1]为例,若多项式的次数为3,则数据对至少有4组,且标定输出数据可以优选为0.1,0.4,0.7,1,当然此种仅作为示例性说明,并不限定本实施方式。
本发明一实施方式提供一种脉搏数据处理方法的一个实施例,如图3所示,具体包括下述步骤。
步骤21,接收脉搏标定数据。
步骤221,以标定反馈数据作为因变量,以标定输出数据作为自变量进行多项式拟合,生成多项式函数。
步骤222,计算多项式函数的反函数,以反函数作为中间标定函数。
步骤23,根据中间标定函数,计算标定输出数据对应的输出参考数据。
步骤24,以输出参考数据作为被解释变量,以标定输出数据作为解释变量进行线性拟合,生成输出标定函数。
步骤25,接收压力输出数据,根据输出标定函数和压力输出数据,计算并输出对应的压力校准数据。
相较于直接拟合标定输出数据关于标定反馈数据的函数,形成中间标定函数而言,上述实施方式提供的技术方案,能够减小对数据对数的需求,并提升拟合过程的速度和准确性。当然,拟合多项式函数的方式有多种,该实施例并不局限于前文所列举的多项式函数拟合方式。此外,为了简化算法,本领域技术人员选择直接拟合标定输出数据关于标定反馈数据的技术方案,也是可以预期的。
进一步地,步骤221优选地包括下述一系列具体步骤。
步骤2211,根据标定反馈数据,以及由对应的标定输出数据形成的参数多项式,计算得到误差函数。
步骤2212,对误差函数,分别计算其相对于参数多项式中每个待定系数的偏导数,得到偏导数组。
步骤2213,对偏导数组中的偏导数赋值为0,确定待定系数的值,并计算得到多项式函数。
以参数多项式为n次,待定系数为p0,p1,p2,p3,..,pn,标定反馈数据为y=y1,y2,y3,...,yk,标定输出数据为x=x1,x2,x3,...,xk为例,则参数多项式可以被初步建立为满足:
f(x)=p0xn+p1xn-1+p2xn-2+p3xn-3+...+pn。
此时待定系数不确定,为了使求解得到的标定多项式函数最优,定义第i组标定反馈数据和标定输出数据分别为yi和xi,则可以得到对应的误差函数Loss,其至少可以满足:
对误差函数Loss进行最优化求解,缩小根据待定系数拟合生成的多项式函数对应每个标定输出数据的值,与实际的标定反馈数据之间的差异,基于此,偏导数组至少可以满足:
如此,可以计算并确定待定系数的值,并代入多项式函数中,完成对多项式函数的确定。
而对于上述步骤2213,优选地,可以是:根据赋值后的偏导数等式生成范德蒙矩阵,根据范德蒙矩阵确定系数矩阵。其中,系数矩阵包括待定系数的值。利用范德蒙矩阵对上述待定系数进行确定,可以大幅提升运算速度,并适应设备或处理器的运算模式。
首先,可以对上述形成的偏导数组进行化简,可以得到下述等式关系:
接着,可以根据上述多组等式关系,整理成矩阵形式,得到范德蒙矩阵:
将上述范德蒙矩阵简单记作XXTA=XY,则可以根据A=(XXT)-1XY计算得到系数矩阵A。当然,在其他实施方式中,还可以采用其他确定多项式函数待定系数的方式,在其他实施方式中,也可以采用例如幂函数、对数函数、指数函数、三角级数、正态密度函数、韦伯分布(Weibull distribution)函数等实现非线性拟合。
优选地,上述任何一种实施方式中所包含的线性拟合的方式,可以具体包括最小二乘线性拟合,从而简化算法复杂程度,并利用相关优化方式实现对拟合形成的线性函数进行优化。当然,除了采用最小二乘法(OLS,Ordinary least squares)进行拟合外,还可以采用Theil-Sen估算、LMS算法(Least Mean Square,最小均方算法),LTS(Least TrimmedSquares,最小截平方和)估计和S估计等方式进行。
进一步地,上述任一种实施方式中提供的输出标定函数,可以具体为输出参考数据关于标定输出数据的三次函数。经过三次函数的拟合,可以将数据误差降低至脉搏数据检测允许的范围内,防止重复拟合而降低工作效率。同时,上述数据对的数量可以进一步配置为固定的十组,从而与三次函数配合,有助于提升输出标定函数校准的准确度。
基于此,经过多项式拟合,多项式函数可以表示为y=f(x),求解该多项式函数的反函数,可以得到形如X=g(y)的中间标定函数,再将标定反馈数据y代入上述中间标定函数中,可以求解得到分别对应不同标定反馈数据y的不同标定输出数据x所对应的输出参考数据X,进一步线性拟合输出参考数据与标定输出数据之间的关系,得到形如X=h(x)的输出标定函数,从而在接收到压力输出数据后,可以将其代入输出标定函数中进行校准,得到对应的压力校准数据/>
本发明另一实施方式提供一种脉搏数据处理方法,如图4所示,具体包括下述步骤。
步骤21,接收脉搏标定数据。
步骤22,对脉搏标定数据组进行非线性拟合,计算得到标定输出数据关于标定反馈数据的中间标定函数。
步骤23,根据中间标定函数,计算标定输出数据对应的输出参考数据。
步骤24,以输出参考数据作为被解释变量,以标定输出数据作为解释变量进行线性拟合,生成输出标定函数。
步骤25,接收压力输出数据,根据输出标定函数和压力输出数据,计算并输出对应的压力校准数据。
步骤26,获取与压力输出数据对应的压力检测数据,根据压力检测数据和压力输出数据计算得到脉搏检测数据。
步骤27,根据脉搏检测数据生成脉象输入序列,将脉象输入序列输入预设脉象分析模型中,生成并输出脉象分析数据。
其中,本实施例中的参考数据可以为参考函数。
压力检测数据表征在将压力输出数据的数值大小的压力,施加在待测区域上后,待测区域反馈至感测组件处的压力数据。如此,可以根据相互对应的压力输出数据和压力检测数据,计算两者压力的差值等衍生数据,得以掌握当前状态下的脉搏检测数据,并进一步地,形成对应时间和/或空间的脉搏数据分布,最终形成脉象分析数据,其中,所述脉象分析数据包括脉象分类结果、脉象分布图和诊断相关参数等数据至少其中之一,用于辅助医疗工作者对患者进行诊断。
上述脉象分析模型可以采用贝叶斯、神经网络、决策树和支持向量机等类型,一方面可以对其输入多种脉象及对应的数据进行训练,得到参数组后再根据脉象输入序列进行脉象分类预测;另一方面在训练过程中可以设定多种评价参数对模型准确度等维度进行评价,从而辅助训练的进行。
进一步地,步骤27优选地包括下述一系列具体步骤。
步骤2701,设定去基线滑动窗口,重复脉搏检测数据中的边界数值,并以去基线滑动窗口对处理后的脉搏检测数据进行遍历,生成多组脉搏检测序列。
步骤2702,对脉搏检测序列按照数值大小排序,提取多个初始中位值,生成基线分量序列。
步骤2703,在脉搏检测数据中滤除基线分量序列,生成并输出脉搏平滑数据。
步骤2704,对脉搏平滑数据进行小波变换去噪,得到脉搏初始数据。
步骤2705,根据脉搏初始数据和压力校准数据,计算脉搏运算数据,并根据脉搏运算数据排列形成脉象输入序列。
上述步骤2701至步骤2702描述了遍历提取脉搏检测数据中“基线”的方式,设定步长较小的滑动窗口,依次找到窗口下脉搏检测序列的中位值,并最终找到整个脉搏检测数据的中位值,以此为基础进行后续基线漂移去除的步骤。相比于对脉搏检测数据进行整体排列再提取基线的方式而言,简化了算法,提升了处理速度,直接在脉搏检测数据中减去基线分量,能够使数据分布更为平滑。
同时,对脉搏检测数据先进行基线漂移的去除,再进行小波变换去噪,能够保留原始数据的变化趋势,防止先进行去噪导致数据特征损失。此外,还可以采用滑动平均的方式进行去噪处理,本领域技术人员在本发明的启示下可以预期,在此不再赘述。
本发明另一实施方式提供一种脉搏数据处理方法的一个实施例,如图5所示,相较于前文提供的实施方式而言,该实施例限定了压力检测数据包括受压时间数据和受压空间数据,并限定了压力输出数据包括分别与受压时间数据和受压空间数据对应的施压时间数据和施压空间数据。基于此,该实施例具体包括下述步骤。
步骤21,接收脉搏标定数据。
步骤22,对脉搏标定数据组进行非线性拟合,计算得到标定输出数据关于标定反馈数据的中间标定函数。
步骤23,根据中间标定函数,计算标定输出数据对应的输出参考数据。
步骤24,以输出参考数据作为被解释变量,以标定输出数据作为解释变量进行线性拟合,生成输出标定函数。
步骤25',接收施压空间数据,根据输出标定函数校准施压空间数据,计算并输出对应的空间校准数据。
步骤26',分别以第一预设频率和第二预设频率采样得到受压时间数据和受压空间数据。
步骤271,根据施压时间数据和受压时间数据计算得到脉搏时间数据,并根据空间校准数据和受压空间数据计算得到脉搏空间数据。
步骤272,以第二预设频率设定的第二周期为单位,根据脉搏时间数据和脉搏空间数据,排列生成脉象输入序列,将脉象输入序列输入至预设脉象分析模型中,生成并输出脉象分析数据。
其中,第一预设频率大于第二预设频率,受压时间数据表征待测区域在至少两个不同时刻下整体脉搏变化情况,受压空间数据表征待测区域中至少两个不同位置处的脉搏变化情况。
如此,可以从时间和空间两个层面对待测区域的脉搏情况进行检测,并至少对与脉搏空间数据对应的施压空间数据进行校准,能够提升不同位置上检测得到的脉搏空间数据之间的一致性,统一压力单位,有助于后续的预测和脉象拟合。并且,通过两种频率采集数据,便于根据不同类型数据的特征和需要,控制采集的数据量以及数据分布等,进而提高脉搏出具处理的精度。
脉搏空间数据在一种具体的实施方式中,等于受压空间数据与空间校准数据之间的差值,反应待测区域某一位置处的脉搏相对动作情况。当然,施压时间数据也可以根据需要进行校准,对应得到一种时间校准数据,此时脉搏时间数据也可以替换地等于受压时间数据与时间校准数据之间的差值。
脉搏时间数据和脉搏空间数据优选配置为具有相等的检测周期,脉搏空间数据对应的空间传感器在单个周期内,至少检测有一组表征不同位置上脉搏动作情况的数据,脉搏时间数据对应的时间传感器在单个周期内,至少检测有两组能够相互结合以表征不同时刻下脉搏动作情况的数据。基于此,第一预设频率可以大于第二预设频率。当然,也可以是具有其他频率配置方式,只要满足脉搏时间数据在单周期内包含两组即可。
以上述检测周期或至少第二预设频率对应的第二周期为单位进行排列,能够将该周期下脉搏时间数据和空间运算数据形成一组,在脉象分析时,可以兼顾时间和空间两个维度,且两者一并输入分析模型中,能够提升脉象分析的速度和准确程度,并得到脉象变化等更多数据信息,分析基础更为全面。在进行多周期检测时,上述脉象输入序列能够兼顾整体、局部、时间、空间等多个维度,形成按照时间顺序排列的位置数据。
进一步地,步骤272优选地包括下述一系列具体步骤。
步骤27201,对脉搏空间数据进行双三次插值,生成空间插值数据。
步骤27202,以第二预设频率设定的第二周期为单位,对脉搏时间数据和空间插值数据进行排列,生成脉象输入序列。
如此,可以进一步提升空间运算数据的连续性,将离散的数据点通过插值形成近乎覆盖待测区域所有位置的“数据面”,有助于后续对可视化图像的拟合、脉象分析模型的训练和预测,且可以满足对28种脉象进行细化分析的数据需求。当然,本发明并不局限于这一种插值方式。
本发明另一实施方式提供一种脉搏数据处理方法的一个实施例的步骤272的一个具体示例,如图6所示,具体包括下述步骤。
步骤2721,获取脉象分析模型的序列尺寸数据,根据序列尺寸数据生成输入矩阵模板。
步骤2722,以第二周期为单位,根据脉搏时间数据和脉搏空间数据进行数据排列,并根据序列尺寸数据进行数据筛选,分别生成脉搏时间矩阵和脉搏空间矩阵。
步骤2723,将脉搏时间矩阵和脉搏空间矩阵,按照时间顺序排列至输入矩阵模板,生成脉象输入序列。
不同的脉象分析模型可能存在对脉象输入序列的尺寸要求,因此,实施上述具体示例,能够使脉搏数据处理方法自适应地搭配任何脉象分析模型,实现对脉象输入序列的生成。
序列尺寸通常表示对脉象输入序列在长、宽方向数据量的限制,以序列尺寸为a×b为例,对应建立的输入矩阵模板应当在长度方向包含供a个数据填入的位置,并在宽度方向上包含供b个数据填入的位置。
单个第二周期内需要依照一种顺序将处理后的脉搏时间数据和脉搏空间数据排列并填入,优选地,脉搏时间数据排列在单个第二周期的伊始,脉搏空间数据排列在单个第二周期的尾部,如此形成的矩阵内,脉搏时间矩阵整体排列在脉搏空间矩阵的左侧。当然,此点可以根据预设脉象分析模型的需求进行特殊设计。
考虑到上述序列尺寸的限制,部分数据由于位置分配原因可能无法完全填入上述输入矩阵模板中,此时,优选对脉搏时间数据进行筛选,次选对脉搏空间数据中单次检测所形成的整体数据组进行筛选,以保持数据在量程范围和位置分布上的广度。
图7提供了实施上述实施例在一个优选示例中的脉象输入序列的结构原理图,在该优选示例中,第二周期被设定为200ms。其中,Sn部分表征根据脉搏时间数据生成的脉搏时间矩阵Sn,An部分表征根据脉搏空间数据生成的脉搏空间矩阵An,两者组合形成了一种区域矩阵,该区域矩阵对应一个待测区域在200ms内的脉搏情况,并具体包含着脉搏随时间变化情况和脉搏在空间上的位置分布情况。
具体地,基于前文所述,传统中医往往通过对“尺”、“关”、“寸”三种部位切脉了解患者脉象,因此单个第二周期内,具体可以同时对三个位置进行脉搏时间数据和脉搏空间数据的检测。在图7中,反映为在200ms内,同时产生对应尺部位的尺区域矩阵10A'、对应关部位的关区域矩阵10B'和对应寸部位的寸区域矩阵10C'。三者均包含在对应部位下的脉搏时间矩阵Sn和脉搏空间矩阵An;三者在脉象输入序列中的排列关系,优选为按照脉长延伸方向依次排列,当然在其他实施方式中也可以具有其他排列方式。
对于序列尺寸的适应性调整,以序列尺寸为224×224,第二周期为200ms,时间传感器在200ms内采集20次(可以认为第一频率对应的第一周期为10ms),空间传感器在200ms内采集2次,每次得到对应待测区域上20个不同位置的脉搏空间数据为例。其中,20个不同位置可以是分别沿脉长和脉宽方向呈5×4排列的分布结构。
据此,对时间传感器采集得到的20项脉搏时间数据进行筛选,删除离散、间隔分布于其中的4项数据,保持其分布广度不受过多影响,并继续将脉搏时间数据按照4×4矩阵排列,得到脉搏时间矩阵;再者,对脉搏空间数据所有数据进行保留,并按照4×10矩阵排列,得到脉搏空间矩阵,并将两校准矩阵按先后排列得到尺区域矩阵10A',尺区域矩阵为4×14矩阵。
第二周期200ms内按照尺区域矩阵10A'、关区域矩阵10B'和寸区域矩阵10C'的顺序排列,最终形成一个4×42的周期矩阵。考虑其横向排列需要224的数据量,因此选择在横向排列5个周期矩阵后,再在其右侧排列尺区域矩阵10A'、关区域矩阵10B'和寸区域矩阵10C'其中之一,如此,将横向224个数据位置排满。对于最右侧补位排列的单个4×14矩阵,其可以沿纵向依次排列,例如在最右侧一列,由上至下按照尺区域矩阵10A'、关区域矩阵10B'和寸区域矩阵10C'的顺序进行排列,以最大程度保持相邻矩阵之间的位置和时间接续关系。当然,也可以是与下一行的首个4×14矩阵进行接续排列。
对于纵向排列,以压力输出数据对应的偏置压力的量程范围为2kPa-28kPa,且调节精度为2kPa为例,共计14个档位。采集与档位对应的14个循环后,会对应生成脉象输入序列。基于此,单个循环持续时长可以是4800ms,在此循环内持续施加稳定的偏置压力,并在此时间内实施24次对三个位置持续第二周期200ms的数据采集。进而,在横向排列持续时间为1200ms的基础上,单次循环的4800ms内会排列4行尺区域矩阵10A'、关区域矩阵10B'和寸区域矩阵10C'。
进一步地,单次循环持续时间为4800ms,完成对14个档位的14次循环检测后,共计采样时间67200ms,纵向排列4×14行尺区域矩阵10A'、关区域矩阵10B'和寸区域矩阵10C',共计224个数据。如此,完成了对224×224的数据分布设计和填入。
此外,一方面可知,以第二周期为单位填入仅是本发明的一种实施方式,实际上可以以任何与第二周期成整数倍的时长为单位填入上述数据。另一方面,除了考虑脉象分析模型的序列尺寸需求外,还可以考虑脉象分析模型的序列类型需求,例如,在一种实施方式中,可以将生成的脉象输入序列执行归一化处理,而后将其映射为0-225数值区间内,将脉象输入序列转化为灰度输入序列,以供脉象分析模型进行处理。同时,上述对224×224序列尺寸的描述仅作为示例,提供了像素为8bit时的标准处理过程,在序列尺寸有其他需求时,可以参照上述技术路线产生其他衍生的实施方式,本发明此处不再赘述。
总结而言,本发明提供的脉搏数据处理方法,在脉搏检测之前设置标定步骤,并在标定步骤中,首先对输出和感测两方面压力数据进行非线性拟合,从而在最大程度保留数据变化趋势的同时建立对应关系,而后反推对应标定输出数据的输出参考数据,并建立输出参考数据和标定输出数据的对应关系,通过线性拟合减小标定输出数据和实际施加压力之间的误差。如此,可以利用校准后的压力校准数据结合后续脉搏检测过程中产生的数据进行脉象分析,提高了作为脉象分析基础的压力输出数据的一致性,保留变化趋势等数据特征的基础上,保持数据类型和数据格式统一,提高了脉象分析的工作效率和输出结果的准确度。
应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施方式中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (14)
1.一种脉搏数据处理方法,其特征在于,包括:
接收脉搏标定数据组;其中,所述脉搏标定数据组包括相互对应的标定输出数据和标定反馈数据;
对所述脉搏标定数据组进行非线性拟合,计算得到所述标定输出数据关于所述标定反馈数据的中间标定函数;其中,所述中间标定函数表征标定输出数据随标定反馈数据的变化情况;所述非线性拟合包括多项式拟合;
根据所述中间标定函数,计算所述标定输出数据对应的输出参考数据;
以所述输出参考数据作为被解释变量,以所述标定输出数据作为解释变量进行线性拟合,生成输出标定函数;
接收压力输出数据,根据所述输出标定函数和所述压力输出数据,计算并输出对应的压力校准数据;其中,所述压力校准数据用于结合脉搏检测过程中产生的数据进行脉象分析。
2.根据权利要求1所述的脉搏数据处理方法,其特征在于,所述脉搏标定数据组中的数据对数,与所述中间标定函数对应的多项式的次数之差大于或等于1。
3.根据权利要求2所述的脉搏数据处理方法,其特征在于,所述“对所述脉搏标定数据组进行非线性拟合,计算得到所述标定输出数据关于所述标定反馈数据的中间标定函数”具体包括:
以所述标定反馈数据作为因变量,以所述标定输出数据作为自变量进行多项式拟合,生成多项式函数;
计算所述多项式函数的反函数,以所述反函数作为所述中间标定函数。
4.根据权利要求3所述的脉搏数据处理方法,其特征在于,所述“以所述标定反馈数据作为因变量,以所述标定输出数据作为自变量进行多项式拟合,生成多项式函数”具体包括:
根据所述标定反馈数据,以及由对应的所述标定输出数据形成的参数多项式,计算得到误差函数;
对所述误差函数,分别计算其相对于所述参数多项式中每个待定系数的偏导数,得到偏导数组;
对所述偏导数组中所述偏导数赋值为0,确定所述待定系数的值,并计算得到所述多项式函数。
5.根据权利要求4所述的脉搏数据处理方法,其特征在于,所述“对所述偏导数组中所述偏导数赋值为0,确定所述待定系数的值,并计算得到所述多项式函数”具体包括:
根据赋值后的偏导数等式生成范德蒙矩阵,根据所述范德蒙矩阵确定系数矩阵;其中,所述系数矩阵包括所述待定系数的值。
6.根据权利要求1所述的脉搏数据处理方法,其特征在于,所述线性拟合包括最小二乘线性拟合,所述输出标定函数为所述输出参考数据关于所述标定输出数据的三次函数。
7.根据权利要求1所述脉搏数据处理方法,其特征在于,在所述“接收压力输出数据,根据所述输出标定函数和所述压力输出数据,计算并输出对应的压力校准数据”之后,所述方法具体包括:
获取与所述压力输出数据对应的压力检测数据,根据所述压力检测数据和所述压力输出数据计算得到脉搏检测数据;
根据所述脉搏检测数据生成脉象输入序列,将所述脉象输入序列输入预设脉象分析模型中,生成并输出脉象分析数据。
8.根据权利要求7所述的脉搏数据处理方法,其特征在于,所述“根据所述脉搏检测数据生成脉象输入序列,将所述脉象输入序列输入预设脉象分析模型中,生成并输出脉象分析数据”具体包括:
设定去基线滑动窗口,重复所述脉搏检测数据中的边界数值,并以所述去基线滑动窗口对处理后的脉搏检测数据进行遍历,生成多组脉搏检测序列;
对所述脉搏检测序列按照数值大小排序,提取多个初始中位值,生成基线分量序列;
在所述脉搏检测数据中滤除所述基线分量序列,生成并输出脉搏平滑数据;
对所述脉搏平滑数据进行小波变换去噪,得到脉搏初始数据;
根据所述脉搏初始数据和所述压力校准数据,计算脉搏运算数据,并根据所述脉搏运算数据排列形成所述脉象输入序列。
9.根据权利要求7所述的脉搏数据处理方法,其特征在于,所述压力检测数据包括受压时间数据和受压空间数据,所述压力输出数据包括分别与所述受压时间数据和所述受压空间数据对应的施压时间数据和施压空间数据;所述“根据所述压力检测数据和所述压力输出数据计算得到脉搏检测数据”具体包括:
接收所述施压空间数据,根据所述输出标定函数校准所述施压空间数据,计算并输出对应的空间校准数据;
以第一预设频率采样得到所述受压时间数据,并以第二预设频率采样得到所述受压空间数据;
根据所述施压时间数据和所述受压时间数据计算得到脉搏时间数据,并根据所述空间校准数据和所述受压空间数据计算得到脉搏空间数据;
所述“根据所述脉搏检测数据生成脉象输入序列,将所述脉象输入序列输入预设脉象分析模型中,生成并输出脉象分析数据”具体包括:
以所述第二预设频率设定的第二周期为单位,根据所述脉搏时间数据和所述脉搏空间数据,排列生成所述脉象输入序列,将所述脉象输入序列输入至所述预设脉象分析模型中,生成并输出脉象分析数据。
10.根据权利要求9所述的脉搏数据处理方法,其特征在于,所述第一预设频率大于所述第二预设频率,所述受压时间数据表征待测区域在至少两个不同时刻下整体脉搏变化情况,所述受压空间数据表征待测区域中至少两个不同位置处的脉搏变化情况。
11.根据权利要求9所述的脉搏数据处理方法,其特征在于,所述“以所述第二预设频率设定的第二周期为单位,根据所述脉搏时间数据和所述脉搏空间数据,排列生成所述脉象输入序列”具体包括:
对所述脉搏空间数据进行双三次插值,生成空间插值数据;
以所述第二预设频率设定的第二周期为单位,对所述脉搏时间数据和所述空间插值数据进行排列,生成所述脉象输入序列。
12.根据权利要求9所述的脉搏数据处理方法,其特征在于,所述“以所述第二预设频率设定的第二周期为单位,根据所述脉搏时间数据和所述脉搏空间数据,排列生成所述脉象输入序列”具体包括:
获取所述脉象分析模型的序列尺寸数据,根据所述序列尺寸数据生成输入矩阵模板;
以所述第二周期为单位,根据所述脉搏时间数据和所述脉搏空间数据进行数据排列,并根据所述序列尺寸数据进行数据筛选,分别生成脉搏时间矩阵和脉搏空间矩阵;
将所述脉搏时间矩阵和所述脉搏空间矩阵,按照时间顺序排列至所述输入矩阵模板,生成所述脉象输入序列。
13.一种脉搏数据处理设备,其特征在于,包括处理器、存储器和通信总线,其中,所述处理器和所述存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放应用程序;
所述处理器,用于在执行所述存储器上所存放的应用程序时,实现权利要求1-12任一项所述的脉搏数据处理方法的步骤。
14.一种存储介质,其上存储有应用程序,其特征在于,所述应用程序被执行时,实现如权利要求1-12任一项所述的脉搏数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210475425.2A CN114937488B (zh) | 2022-04-29 | 2022-04-29 | 脉搏数据处理方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210475425.2A CN114937488B (zh) | 2022-04-29 | 2022-04-29 | 脉搏数据处理方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114937488A CN114937488A (zh) | 2022-08-23 |
CN114937488B true CN114937488B (zh) | 2024-04-12 |
Family
ID=82864940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210475425.2A Active CN114937488B (zh) | 2022-04-29 | 2022-04-29 | 脉搏数据处理方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114937488B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1698534A (zh) * | 2004-05-17 | 2005-11-23 | 普尔松医疗系统公司 | 用于确定血液动力学参数的装置 |
CN102393870A (zh) * | 2011-06-15 | 2012-03-28 | 西安电子科技大学 | 脉搏波数据基线不平的修正方法 |
CN103284707A (zh) * | 2012-02-28 | 2013-09-11 | Ge医疗系统环球技术有限公司 | 校正脉搏压力值的传感器阵列和方法 |
CN111449638A (zh) * | 2020-04-08 | 2020-07-28 | 上海祉云医疗科技有限公司 | 一种基于传感器采集的数据构建三维脉象图的方法及应用 |
CN112057043A (zh) * | 2020-08-24 | 2020-12-11 | 段晓东 | 中医脉搏数据处理方法、设备及存储介质 |
CN112712874A (zh) * | 2020-12-29 | 2021-04-27 | 北京浪潮数据技术有限公司 | 一种智能诊脉方法、装置及电子设备和存储介质 |
CN113238995A (zh) * | 2021-05-17 | 2021-08-10 | 上汽通用汽车有限公司 | 标定数据更新方法、存储介质及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7674231B2 (en) * | 2005-08-22 | 2010-03-09 | Massachusetts Institute Of Technology | Wearable pulse wave velocity blood pressure sensor and methods of calibration thereof |
-
2022
- 2022-04-29 CN CN202210475425.2A patent/CN114937488B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1698534A (zh) * | 2004-05-17 | 2005-11-23 | 普尔松医疗系统公司 | 用于确定血液动力学参数的装置 |
CN102393870A (zh) * | 2011-06-15 | 2012-03-28 | 西安电子科技大学 | 脉搏波数据基线不平的修正方法 |
CN103284707A (zh) * | 2012-02-28 | 2013-09-11 | Ge医疗系统环球技术有限公司 | 校正脉搏压力值的传感器阵列和方法 |
CN111449638A (zh) * | 2020-04-08 | 2020-07-28 | 上海祉云医疗科技有限公司 | 一种基于传感器采集的数据构建三维脉象图的方法及应用 |
CN112057043A (zh) * | 2020-08-24 | 2020-12-11 | 段晓东 | 中医脉搏数据处理方法、设备及存储介质 |
CN112712874A (zh) * | 2020-12-29 | 2021-04-27 | 北京浪潮数据技术有限公司 | 一种智能诊脉方法、装置及电子设备和存储介质 |
CN113238995A (zh) * | 2021-05-17 | 2021-08-10 | 上汽通用汽车有限公司 | 标定数据更新方法、存储介质及电子设备 |
Non-Patent Citations (2)
Title |
---|
A 3D Wrist Pulse Signal Acquisition System for Width Information of Pulse Wave;Chen C 等;Sensors (Basel);11-15 * |
基于高斯拟合算法的脉搏数据提取与分析方法;王博;;计算机产品与流通;20200519(07);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114937488A (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220068495A1 (en) | Systems and methods for modelling physiologic function using a combination of models of varying detail | |
CN106725426A (zh) | 一种心电信号分类的方法及系统 | |
CN111814656A (zh) | 一种基于对抗生成网络的心电信号降噪方法 | |
CN107832737A (zh) | 基于人工智能的心电图干扰识别方法 | |
CN110969614A (zh) | 基于三维卷积神经网络的脑龄预测方法及系统 | |
CN111612756A (zh) | 冠状动脉特异性钙化检测方法及装置 | |
CN111652881A (zh) | 基于深度学习的冠脉重构和血流储备分数计算方法、装置、设备以及可读存储介质 | |
CN114937488B (zh) | 脉搏数据处理方法、设备及存储介质 | |
CN117651523A (zh) | 心电图解析辅助装置、程序、心电图解析辅助方法、心电图解析辅助系统、峰值推测模型生成方法、以及区间推测模型生成方法 | |
CN117425431A (zh) | 心电图解析辅助装置、程序、心电图解析辅助方法、以及心电图解析辅助系统 | |
CN116712056B (zh) | 心电图数据的特征图像生成与识别方法、设备及存储介质 | |
CN111598966B (zh) | 一种基于生成对抗网络的磁共振成像方法及装置 | |
CN111407231B (zh) | 用于检测阿兹海默症罹患风险的方法、装置及终端设备 | |
Ahmed et al. | Architecture and design of real-time system for elderly health monitoring | |
CN113180684B (zh) | 一种ⅱ导联心电信号分类方法 | |
CN114847890A (zh) | 脉搏特征分析方法、设备及存储介质 | |
CN112971796A (zh) | 一种心梗预测装置、系统及存储介质 | |
CN115115722A (zh) | 图像重建模型生成及图像重建方法、装置、设备和介质 | |
KR20210068189A (ko) | 의료 영상을 이용한 병변 여부 판단 방법 | |
CN115969388B (zh) | 基于多尺度残差收缩网络的多普勒雷达心跳检测方法 | |
CN112419112B (zh) | 学业成长曲线生成方法、装置、电子设备和存储介质 | |
CN116035580A (zh) | 尿动力学评估系统、方法及相关设备 | |
WO2022157872A1 (ja) | 情報処理装置、特徴量選択方法、教師データ生成方法、推定モデル生成方法、ストレス度の推定方法、およびプログラム | |
CN115956912A (zh) | 尿动力学评估模型训练方法及相关设备 | |
CN115708677A (zh) | 一种数据处理方法、装置、电子设备和存储介质 |
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 |