CN115024716A - 基于心率标签生成的心冲击图信号重建方法 - Google Patents

基于心率标签生成的心冲击图信号重建方法 Download PDF

Info

Publication number
CN115024716A
CN115024716A CN202210604899.2A CN202210604899A CN115024716A CN 115024716 A CN115024716 A CN 115024716A CN 202210604899 A CN202210604899 A CN 202210604899A CN 115024716 A CN115024716 A CN 115024716A
Authority
CN
China
Prior art keywords
beat
ballistocardiogram
ballistocardiogram signal
heart rate
equal
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.)
Pending
Application number
CN202210604899.2A
Other languages
English (en)
Inventor
焦昶哲
赵汉涛
郭璋
黄陆光
缑水平
海栋
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.)
Xidian University
Original Assignee
Xidian 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 Xidian University filed Critical Xidian University
Priority to CN202210604899.2A priority Critical patent/CN115024716A/zh
Publication of CN115024716A publication Critical patent/CN115024716A/zh
Pending legal-status Critical Current

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
    • A61B5/103—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
    • A61B5/1102—Ballistocardiography
    • 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
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • 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
    • 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
    • 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
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • 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
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm

Abstract

本发明提出了一种基于心率标签生成的心冲击图信号重建方法，主要解决现有技术需要提供标准心率作为参考信息，且没有对具体心跳位置进行映射的问题。其实现方案为：采集受试者的心冲击图信号；对采集的心冲击图信号依次进行带通滤波、滑窗、标准化的预处理；基于预处理后的心冲击图信号和希尔伯特HT算法，生成标签HT心率；基于预处理后的心冲击图信号和标签HT心率，重建心冲击图心跳信号。本发明能将噪声背景强，信号弱，易受外界干扰的心冲击图信号，映射重建为明确直观，用公式化表示，同时蕴含心率大小和位置信息的心冲击图心跳信号，为心冲击图信号的利用提供了极大的便利，可用于辅助人体健康监测。

Description

基于心率标签生成的心冲击图信号重建方法
技术领域
本发明属于生物医学信息处理技术领域，特别涉及一种心冲击图信号重建方法，用于辅助人体健康监测。
背景技术
随着生活水平的提高，心脏健康问题受到越来越多的重视，在日常生活中监测心跳节奏无论是人们对于自身疾病的早期发现还是治疗都有着重要的意义。心跳节奏超出正常范围的变化通常预示着某种疾病的发生，比如无力、昏厥、心律不齐和心脏性猝死等。
目前，有许多种心率监测设备可用，它们中的大多数都是接触式可穿戴的传感器，这不仅经常给老年人带来不适，而且这些技术的出现都不是为了解决家庭日常监测这个需求而产生的。例如心电图ECG在临床上被广泛应用，但是ECG需要将电极与体表的各个指定位置进行准确接触，这不仅需要专业人员进行操作，而且还会带给被监测者带来不便和极大的压力，并且由于电极对人体皮肤的刺激作用，长时间粘贴电极会大大增加受试者患上皮肤病的概率。在非临床上，手环、心率带等可穿戴设备是在心跳监测上最为普及的设备，虽然这种设备较心电图ECG更为方便，但是其要求用户佩戴系统和经常性的为电池充电，依然会给被监测者带来束缚感，甚至对于一些患有疾病的老年人和部分残疾人，他们可能并没有使用这种设备的能力和条件。
相比之下，心冲击图信号是由心脏搏动和大动脉血液循环引起的人体对外压力的变化，可用于无接触心脏活动检测。基于心冲击图信号的设备，例如嵌入式心冲击图传感器床垫，可以为心率监测提供一种非侵入性的、维护成本低、舒适的心跳监测方法。但是由于心冲击图信号缺乏显著性和较大的变异性，使得检测单个心跳比心电图困难得多。例如，申请公布号为CN110420019A，名称为“一种心冲击图信号的深度回归心率估计方法”的专利申请，公开了一种心冲击图信号的深度回归心率估计方法，该方法采用有监督的学习方式，引入心脏脉冲信号的心率值作为监督信息，通过双向循环神经网络获取心冲击图信号的周期性特征和幅值特征，然后通过回归网络同时利用心冲击图信号的周期性特征和幅值特征估计心冲击图信号的心率值。该方法虽然在一定程度上提高了心率估计的精度，但仍存在两方面的不足：
一是该方法在对双向循环神经网络进行训练的过程中，将由需要提供传感器采集的标准心率值作为参考信息，因此在采集无接触的心冲击图信号的过程中，还需要同步采集有接触的标准心率，从而大幅度增加了数据采集的难度和成本；
二是在对心冲击图信号进行标记以及对双向循环神经网络进行训练的过程中，未更充分的利用心脏脉冲信号提供的幅值特征和心率体现的周期特征，仅对心率进行了估计，没有对具体心跳位置进行映射。
发明内容
本发明的目的在于针对上述现有技术的不足，提出一种基于心率标签生成的心冲击图信号重建方法，以降低心率值采集成本，充分利用心冲击图信号幅值特征及心率的周期特征实现对心跳位置的映射。
为实现上述目的，本发明采用的技术方案包括如下：
1.一种基于心率标签生成的心冲击图信号重建方法，其特征在于，包括如下步骤：
(1)采用液压床传感器以fs为采样频率采集M个受试者的心冲击图信号A：
A＝{A1，A2，...，Am，...，AM}，
其中，fs≥100Hz，Am表示第m个心冲击图信号，1≤m≤M，Am的长度为T，T≥60000，M≥2；
(2)对心冲击图信号A依次进行带通滤波、滑窗、标准化的预处理，得到心冲击图信号段集合X′m：
Figure BDA0003670312690000021
其中,
Figure BDA0003670312690000022
表示经过标准化后的第m个心冲击图信号的第n个心冲击图信号段；
(3)基于心冲击图信号段
Figure BDA0003670312690000023
和希尔伯特HT算法，生成标签HT心率
Figure BDA0003670312690000024
(3a)对每个心冲击图信号段
Figure BDA0003670312690000025
分别乘以等长的汉明窗口函数w(t),得到M个汉明窗口心冲击图信号段集合W′m：
Figure BDA0003670312690000026
其中，
Figure BDA0003670312690000027
表示第m个心冲击图信号的第n个汉明窗口心冲击图信号段；
(3b)对每个汉明窗口心冲击图信号段
Figure BDA0003670312690000028
使用HT算法生成对应的频率幅度谱F′m：
Figure BDA0003670312690000029
其中，
Figure BDA0003670312690000031
表示第m个心冲击图信号的第n个心冲击图信号段对应的频率幅度谱；
(3c)对每个频率幅度谱
Figure BDA0003670312690000032
在频谱范围R内找到幅值最大处，其幅值最大处对应的频率乘以60秒/分钟，得到N个HT心率集合Y′m：
Figure BDA0003670312690000033
其中，
Figure BDA0003670312690000034
表示第m个心冲击图信号的第n个心冲击图信号段对应的HT心率，0.75<R<4；
(4)基于心冲击图信号段
Figure BDA0003670312690000035
和HT心率
Figure BDA0003670312690000036
重建心冲击图心跳信号段
Figure BDA0003670312690000037
(4a)基于心冲击图信号段
Figure BDA0003670312690000038
的长度D、HT心率
Figure BDA0003670312690000039
和缩放系数s，得到心跳间隔
Figure BDA00036703126900000310
和心跳范围
Figure BDA00036703126900000311
其中0.5<s<1；
(4b)在心冲击图信号段
Figure BDA00036703126900000312
中，按照心跳间隔
Figure BDA00036703126900000313
在心跳范围
Figure BDA00036703126900000314
内寻找与其波谷差值最大的波峰，映射得到Q个峰位点集合
Figure BDA00036703126900000315
Figure BDA00036703126900000316
其中，
Figure BDA00036703126900000317
表示第m个心冲击图信号的第n个心冲击图信号段的第q个峰位点，1≤q≤Q，
Figure BDA00036703126900000318
(4c)基于心冲击图信号段
Figure BDA00036703126900000319
的长度D和峰位点集合
Figure BDA00036703126900000320
得到逐拍心率
Figure BDA00036703126900000321
(4d)以逐拍心率
Figure BDA00036703126900000322
为基准，峰位点集合
Figure BDA00036703126900000323
为输入，通过峰位点迭代映射算法不断迭代更新峰位点集合
Figure BDA00036703126900000324
输出更新后的峰位点集合
Figure BDA00036703126900000325
Figure BDA00036703126900000326
其中，1≤q≤Q，
Figure BDA00036703126900000327
表示逐拍误差
Figure BDA00036703126900000328
的绝对值最小时所对应的峰位点集合
Figure BDA00036703126900000329
的第q个峰位点；
(4e)基于心冲击图信号段
Figure BDA00036703126900000330
长度D、HT心率
Figure BDA00036703126900000331
和峰位点集合
Figure BDA00036703126900000332
得到心冲击图心跳信号段
Figure BDA00036703126900000333
Figure BDA0003670312690000041
本发明与现有技术相比，具有以下优点：
1、本发明在无需标准心率输入参与心跳映射的情况下，仅通过希尔伯特HT算法构建心率标签，基于预处理后的心冲击图信号和所构建的心率标签对心冲击图信号进行心跳映射，可将信号噪声背景强，信号弱，易受外界干扰的心冲击图信号，映射重建为明确直观，可公式化表示，同时蕴含心率大小和心跳位置的心冲击图心跳信号，为后续进一步利用心冲击图信号提供极大的便利。
2、本发明在传统快速傅里叶变换估计心率的基础上，使用以希尔伯特变换为重点、以幅度平方和快速傅里叶变换为基础的希尔伯特HT算法，有效去除信号中的呼吸分量、高频噪声分量等非心率分量，大大提高了心率标签的构建精度，并为心冲击图信号重建的可靠性提供了保障。
3、本发明使用心跳的平均间隔为基准计算得到逐拍心率，相较于统计心跳个数的传统心率计算，大大提高了心跳间隔的准确性。
4、本发明以所构建心率为基准，充分利用心率体现的周期特征，让心冲击图信号的显著性寻峰过程在一个合理的范围内，既保证了心跳点间隔的均匀性，又保证了所寻得心跳点的准确性，并以逐拍心率为依据，对缩放系数向合理的方向调整，然后充分迭代，进一步提升了心跳映射的精度。
附图说明
图1是本发明的实现总流程图；
图2是本发明中用的HT算法构建心率的子流程图；
图3是本发明中重建心冲击图心跳信号的子流程图。
具体实施方式
以下结合附图对本发明的具体实施例和效果进一步详细描述。
参照图1，本实例的实现步骤包括如下：
步骤1，获取受试者的心冲击图信号A，并对其进行预处理。
1.1)采用液压床传感器以fs为采样频率采集M个受试者的心冲击图信号A：
A＝{A1，A2，...，Am，...，AM}，
其中，M＝10，1≤m≤M，Am表示第m个心冲击图信号，Am的长度为T；
选取合理的采样频率fs和Am的长度T是获得较高心跳映射精度的前提：
如果fs、T选取过小时会导致心跳映射精度大幅降低：
如果fs、T选取过大，不仅对于心率估计精度提升效果不明显而且会导致算法的复杂度大幅度提高；
在本实例中选取但不限于fs＝100Hz，T＝60000。
1.2)为了减弱心冲击图信号中的呼吸分量和高频噪声分量对心率估计性能的影响，以截断频率下限f1和截断频率上限f2的巴特沃斯带通滤波器对每个心冲击图信号Am进行带通滤波，得到带通滤波后的M个心冲击图信号A′：
A′＝{A′1，A′2，...，A′m，...，A′M}，
其中，A′m表示第m个带通滤波后的心冲击图信号，f1的取值范围的依据为心冲击图信号中呼吸分量的频率上限约为0.2Hz～0.75Hz，f2的取值范围的依据为心冲击图信号中高频噪声分量的频率下限约为8Hz～12Hz；
在本实例中选取f1＝0.75Hz，f2＝8Hz。
1.3)采用长度为D的滑窗，并以S为步长，按照采集的时间顺序对每个滤波后心冲击图信号A′m进行N次滑动，得到滑窗后的N个心冲击图信号段集合B′m：
Figure BDA0003670312690000051
其中D＝fs*60，S＝D，
Figure BDA0003670312690000052
表示经过滑窗后的第m个心冲击图信号的第n个心冲击图信号段，1≤n≤N，
Figure BDA0003670312690000053
在本实例中选取D＝fs*60＝6000，S＝6000，
Figure BDA0003670312690000054
使得长度为60000的心冲击图信号A′m经过滑窗后转化为9个长度为6000的心冲击图信号段
Figure BDA0003670312690000055
该长度为6000的心冲击图信号段
Figure BDA0003670312690000056
在标准化后将作为与HT心率
Figure BDA0003670312690000057
对齐的基本单位。
1.4)对带通滤波后心冲击图信号段集合B′m进行Z-Score标准化处理，得到标准化处理后的心冲击图信号段集合：
Figure BDA0003670312690000058
其中,
Figure BDA0003670312690000059
表示经过标准化处理后的第m个心冲击图信号的第n个心冲击图信号段，
Figure BDA0003670312690000061
是
Figure BDA0003670312690000062
的平均值，
Figure BDA0003670312690000063
是
Figure BDA0003670312690000064
的标准差；
通过Z-Score标准化处理提高了每个心冲击图信号段
Figure BDA0003670312690000065
的可比性。
步骤2，基于心冲击图信号段
Figure BDA0003670312690000066
和希尔伯特HT算法，构建弱监督标签HT心率
Figure BDA0003670312690000067
参照图2，本步骤的具体实现如下：
2.1)对每个心冲击图信号段
Figure BDA0003670312690000068
分别乘以等长的汉明窗口函数w(t),得到M个汉明窗口心冲击图信号段集合W′m：
Figure BDA0003670312690000069
其中，
Figure BDA00036703126900000610
表示第m个心冲击图信号的第n个汉明窗口心冲击图信号段，汉明窗口函数w(t)计算公式为w(t)＝(1-α)-α*co s(2πt)，0≤t≤D；
在本实例中α＝0.46，0≤t≤6000；通过汉明窗口函数w(t)，使心冲击图信号段
Figure BDA00036703126900000611
更好地满足FFT处理的周期性要求，最大程度减少因截取而产生的频域泄漏。
2.2)对汉明窗口心冲击图信号段
Figure BDA00036703126900000612
进行希尔伯特变换，得到希尔伯特心冲击图信号段
Figure BDA00036703126900000613
Figure BDA00036703126900000614
其中,虚部
Figure BDA00036703126900000615
通过对汉明窗口心冲击图信号段
Figure BDA00036703126900000616
使用希尔伯特变换能有效的从中提取出蕴含心跳信号的谐波分量，有效提高信噪比和信号的稳定性。
2.3)对希尔伯特心冲击图信号段
Figure BDA00036703126900000617
依次进行幅度平方、快速傅里叶变换FFT，得到频率幅度谱F′m：
Figure BDA00036703126900000618
其中，
Figure BDA00036703126900000619
表示为第m个心冲击图信号的第n个幅度平方心冲击图信号段：
Figure BDA00036703126900000620
对应的频率幅度谱；
利用幅度平方和快速傅里叶变换将希尔伯特心冲击图信号段
Figure BDA00036703126900000621
转换成频率幅度谱
Figure BDA0003670312690000071
为从频域角度有效准确地获得心率
Figure BDA0003670312690000072
打下必要基础。
2.3)对每个频率幅度谱
Figure BDA0003670312690000073
在频谱范围R内找到幅值最大处，其幅值最大处对应的频率乘以60秒/分钟，得到N个HT心率集合Y′m：
Figure BDA0003670312690000074
其中，
Figure BDA0003670312690000075
表示第m个心冲击图信号的第n个心冲击图信号段对应的HT心率，0.75<R<4；
通过将频谱范围R限制在0.75Hz和4Hz，即45拍每分钟到240拍每分钟的心率，可确保心率的选择尽可能避免呼吸分量和高频噪声分量的干扰。
步骤3，基于心冲击图信号段
Figure BDA0003670312690000076
和HT心率
Figure BDA0003670312690000077
重建心冲击图心跳信号段
Figure BDA0003670312690000078
参照图3，本步骤的具体实现如下：
3.1)基于心冲击图信号段
Figure BDA0003670312690000079
的长度D、HT心率
Figure BDA00036703126900000710
和缩放系数s，得到心跳间隔
Figure BDA00036703126900000711
和心跳范围
Figure BDA00036703126900000712
在本实例中D＝6000，s＝0.7,通过对心跳间隔
Figure BDA00036703126900000713
和心跳范围
Figure BDA00036703126900000714
的限制保证了映射所得的峰位点集合
Figure BDA00036703126900000715
的均匀性、稳定性。
3.2)在心冲击图信号段
Figure BDA00036703126900000716
中，按照心跳间隔
Figure BDA00036703126900000717
在心跳范围
Figure BDA00036703126900000718
内寻找与其波谷差值最大的波峰，映射得到Q个峰位点集合
Figure BDA00036703126900000719
Figure BDA00036703126900000720
其中，
Figure BDA00036703126900000721
表示第m个心冲击图信号的第n个心冲击图信号段的第q个峰位点，1≤q≤Q，
Figure BDA00036703126900000722
在本实例中通过在心跳范围
Figure BDA00036703126900000723
内找与其波谷差值最大的波峰保证了映射所得的峰位点集合
Figure BDA00036703126900000724
的准确性，大幅度减少了异常点对寻峰过程的影响。
3.3)基于心冲击图信号段
Figure BDA00036703126900000725
的长度D和峰位点集合
Figure BDA00036703126900000726
计算得到逐拍心率
Figure BDA00036703126900000727
计算逐拍心率
Figure BDA00036703126900000728
Figure BDA0003670312690000081
其中，
Figure BDA0003670312690000082
表示第m个心冲击图信号的第n个心冲击图信号段的逐拍心率；
通过计算逐拍心率
Figure BDA0003670312690000083
较统计心跳个数的传统心率不仅在保证心率个数准确性的同时，更能关注到每个心跳点的间隔信息。
3.4)以逐拍心率
Figure BDA0003670312690000084
为基准，峰位点集合
Figure BDA0003670312690000085
为输入，通过峰位点迭代映射算法不断迭代更新峰位点集合
Figure BDA0003670312690000086
3.4.1)通过逐拍心率
Figure BDA0003670312690000087
和HT心率
Figure BDA0003670312690000088
得到逐拍误差
Figure BDA0003670312690000089
3.4.2)设阈值为β＝0.5，将逐拍误差
Figure BDA00036703126900000810
与阈值β进行比较：
如果绝对值逐拍误差
Figure BDA00036703126900000811
小于阈值β，则直接输出更新后的峰位点集合
Figure BDA00036703126900000812
如果逐拍误差
Figure BDA00036703126900000813
大于等于阈值β，则减少缩放系数s,即s＝s-s*0.01，设迭代次数为r，最大迭代次数为R＝20，执行3.4.3)；
如果逐拍误差
Figure BDA00036703126900000814
小于等于阈值相反数-β，则增大缩放系数s，即s＝s+s*0.01，设迭代次数为r，最大迭代次数为R＝20，执行3.4.3)；
3.4.3)迭代更新峰位点集合
Figure BDA00036703126900000815
3.4.3a)迭代次数为r＝r+1；
3.4.3b)基于长度D、HT心率
Figure BDA00036703126900000816
和更新后的缩放系数s，得到更新后的心跳间隔：
Figure BDA00036703126900000817
和更新后的心跳范围
Figure BDA00036703126900000818
3.4.3c)通过更新后的心跳间隔
Figure BDA00036703126900000819
在更新后的心跳范围
Figure BDA00036703126900000820
内寻找与其波谷差值最大的波峰，映射得到更新后的波峰对应的Q个峰位点集合
Figure BDA00036703126900000821
Figure BDA00036703126900000822
其中，
Figure BDA00036703126900000823
表示当前的第m个心冲击图信号的第n个心冲击图信号段的第q个峰位点；
3.4.3d)重新计算得到更新后的逐拍误差
Figure BDA00036703126900000824
Figure BDA00036703126900000825
其中，
Figure BDA00036703126900000826
表示第m个心冲击图信号的第n个心冲击图信号段的更新后的逐拍误差；
3.4.4)将更新后的逐拍误差
Figure BDA0003670312690000091
与阈值β进行比较：
如果当前的绝对值逐拍误差
Figure BDA0003670312690000092
增大，则停止迭代，输出上次迭代更新后的峰位点集合
Figure BDA0003670312690000093
如果当前的绝对值逐拍误差
Figure BDA0003670312690000094
小于阈值β，则停止迭代，输出当前更新后的峰位点集合
Figure BDA0003670312690000095
如果迭代次数r大于最大迭代次数R，则停止迭代，输出当前更新后的峰位点集合
Figure BDA0003670312690000096
如果当前的逐拍误差
Figure BDA0003670312690000097
大于等于阈值β，则减少缩放系数s,即s＝s-s*0.01，并返回3.4.3)；
如果当前的逐拍误差
Figure BDA0003670312690000098
小于等于阈值相反数-β，则增大缩放系数s，即s＝s+s*0.01，并返回3.4.3)。
3.5)基于心冲击图信号段
Figure BDA0003670312690000099
长度D、HT心率
Figure BDA00036703126900000910
和峰位点集合
Figure BDA00036703126900000911
得到心冲击图心跳信号段
Figure BDA00036703126900000912
Figure BDA00036703126900000913
以下结合仿真实验，对本发明的技术效果作进一步说明：
1.仿真条件
本实验采用的数据包括十个受试者的采集数据，每个受试者有一个心冲击图信号和一个标准心率信号。仿真平台为主频为3.20GHz的AMD Ryzen 7 5800HCPU，英伟达GTX3060的显卡，16.0GB的内存，Windows10操作系统，Python3.8.8版本开发平台。
2.仿真内容
利用本发明和现有深度回归心率估计方法Bi-LSTM分别对10位受试者的心冲击图信号进行重建，并分别计算两种方法与真实心率的估计误差:
Figure BDA00036703126900000914
其中，J为受试者测试集的样本总数，yj和y′j分别为第j个受试者的真实心率和估计心率，|·|表示绝对值运算，结果如表1。
表1本发明和Bi-LSTM算法的心率估计误差对比
Figure BDA0003670312690000101
从表1中可以看出，本发明在10位受试者的测试集样本上的平均心率估计误差为0.14，而Bi-LSTM方法在十位受试者的测试集样本上的平均心率估计误差为0.49，明显小于Bi-LSTM方法。并且从上表中还可以看出，本发明心率估计误差的波动更小，说明本方法的鲁棒性更强。

Claims (6)

1.一种基于心率标签生成的心冲击图信号重建方法，其特征在于，包括如下步骤：
(1)采用液压床传感器以fs为采样频率采集M个受试者的心冲击图信号A：
A＝{A1，A2，...，Am，...，AM}，
其中，fs≥100Hz，Am表示第m个心冲击图信号，1≤m≤M，Am的长度为T，T≥60000，M≥2；
(2)对心冲击图信号A依次进行带通滤波、滑窗、标准化的预处理，得到心冲击图信号段集合X′m：
Figure FDA0003670312680000011
其中,
Figure FDA0003670312680000012
表示经过标准化后的第m个心冲击图信号的第n个心冲击图信号段；
(3)基于心冲击图信号段
Figure FDA0003670312680000013
和希尔伯特HT算法，生成标签HT心率
Figure FDA0003670312680000014
(3a)对每个心冲击图信号段
Figure FDA0003670312680000015
分别乘以等长的汉明窗口函数w(t),得到M个汉明窗口心冲击图信号段集合W′m：
Figure FDA0003670312680000016
其中，
Figure FDA0003670312680000017
表示第m个心冲击图信号的第n个汉明窗口心冲击图信号段；
(3b)对每个汉明窗口心冲击图信号段
Figure FDA0003670312680000018
使用HT算法生成对应的频率幅度谱F′m：
Figure FDA0003670312680000019
其中，
Figure FDA00036703126800000110
表示第m个心冲击图信号的第n个心冲击图信号段对应的频率幅度谱；
(3c)对每个频率幅度谱
Figure FDA00036703126800000111
在频谱范围R内找到幅值最大处，其幅值最大处对应的频率乘以60秒/分钟，得到N个HT心率集合Y′m：
Figure FDA00036703126800000112
其中，
Figure FDA00036703126800000113
表示第m个心冲击图信号的第n个心冲击图信号段对应的HT心率，0.75<R<4；
(4)基于心冲击图信号段
Figure FDA00036703126800000114
和HT心率
Figure FDA00036703126800000115
重建心冲击图心跳信号段
Figure FDA00036703126800000116
(4a)基于心冲击图信号段
Figure FDA0003670312680000021
的长度D、HT心率
Figure FDA0003670312680000022
和缩放系数s，得到心跳间隔
Figure FDA0003670312680000023
Figure FDA0003670312680000024
和心跳范围
Figure FDA0003670312680000025
其中0.5<s<1；
(4b)在心冲击图信号段
Figure FDA0003670312680000026
中，按照心跳间隔
Figure FDA0003670312680000027
在心跳范围
Figure FDA0003670312680000028
内寻找与其波谷差值最大的波峰，映射得到Q个峰位点集合
Figure FDA0003670312680000029
Figure FDA00036703126800000210
其中，
Figure FDA00036703126800000211
表示第m个心冲击图信号的第n个心冲击图信号段的第q个峰位点，1≤q≤Q，
Figure FDA00036703126800000212
(4c)基于心冲击图信号段
Figure FDA00036703126800000213
的长度D和峰位点集合
Figure FDA00036703126800000214
得到逐拍心率
Figure FDA00036703126800000215
(4d)以逐拍心率
Figure FDA00036703126800000216
为基准，峰位点集合
Figure FDA00036703126800000217
为输入，通过峰位点迭代映射算法不断迭代更新峰位点集合
Figure FDA00036703126800000218
输出更新后的峰位点集合
Figure FDA00036703126800000219
Figure FDA00036703126800000220
其中，1≤q≤Q，
Figure FDA00036703126800000221
Figure FDA00036703126800000222
表示逐拍误差
Figure FDA00036703126800000223
的绝对值最小时所对应的峰位点集合
Figure FDA00036703126800000224
的第q个峰位点；
(4e)基于心冲击图信号段
Figure FDA00036703126800000225
长度D、HT心率
Figure FDA00036703126800000226
和峰位点集合
Figure FDA00036703126800000227
得到心冲击图心跳信号段
Figure FDA00036703126800000228
Figure FDA00036703126800000229
2.根据权利要求1所述的方法，其特征在于，所述(2)中对心冲击图信号A依次进行带通滤波、滑窗、标准化的预处理，实现如下：
(2a)以截断频率下限f1和截断频率上限f2的巴特沃斯带通滤波器对每个心冲击图信号Am进行带通滤波，得到带通滤波后的M个心冲击图信号A′：
A′＝{A′1，A′2，...，A′m，...，A′M}，
其中，0.2Hz≤f1≤0.75Hz，8Hz≤f2≤12Hz，A′m表示第m个带通滤波后的心冲击图信号；
(2b)采用长度为D＝fs*60的滑窗，并以S为步长，按照采集的时间顺序对每个滤波后心冲击图信号A′m进行N次滑动，得到滑窗后的N个心冲击图信号段集合B′m：
Figure FDA0003670312680000031
其中,
Figure FDA0003670312680000032
表示经过滑窗后的第m个心冲击图信号的第n个心冲击图信号段，1≤n≤N，
Figure FDA0003670312680000033
(2c)对带通滤波后心冲击图信号段集合B′m进行Z-Score标准化处理，得到标准化处理后的心冲击图信号段集合X′m：
Figure FDA0003670312680000034
其中,
Figure FDA0003670312680000035
表示经过标准化后的第m个心冲击图信号的第n个心冲击图信号段，
Figure FDA0003670312680000036
是
Figure FDA0003670312680000037
的平均值，
Figure FDA0003670312680000038
是
Figure FDA0003670312680000039
的标准差。
3.根据权利要求1所述的方法，其特征在于:步骤(3a)中所述的汉明窗口函数w(t),表示如下：
w(t)＝(1-α)-α*cos(2πt)，
其中，0.4≤α≤0.5，0≤t≤D。
4.根据权利要求1所述的方法，其特征在于：步骤(3b)中对每个汉明窗口心冲击图信号段
Figure FDA00036703126800000310
使用HT算法生成对应的频率幅度谱F′m，实现如下：
(3b1)对汉明窗口心冲击图信号段
Figure FDA00036703126800000311
进行希尔伯特变换，得到希尔伯特心冲击图信号段
Figure FDA00036703126800000312
Figure FDA00036703126800000313
其中,虚部
Figure FDA00036703126800000314
(3b2)对希尔伯特心冲击图信号段
Figure FDA00036703126800000315
依次进行幅度平方、快速傅里叶变换FFT，得到频率幅度谱F′m：
Figure FDA0003670312680000041
其中，
Figure FDA0003670312680000042
表示为
Figure FDA0003670312680000043
的频率幅度谱。
5.根据权利要求1所述的方法，其特征在于：步骤(4c)中计算逐拍心率
Figure FDA0003670312680000044
公式如下：
Figure FDA0003670312680000045
其中，
Figure FDA0003670312680000046
表示第m个心冲击图信号的第n个心冲击图信号段的第q个峰位点，1≤q≤Q，
Figure FDA0003670312680000047
6.根据权利要求1所述的方法，其特征在于：步骤(4d)中通过峰位点迭代映射算法不断迭代更新峰位点集合
Figure FDA0003670312680000048
实现如下：
(4d1)通过逐拍心率
Figure FDA0003670312680000049
和HT心率
Figure FDA00036703126800000410
得到逐拍误差
Figure FDA00036703126800000411
(4d2)设阈值为0.1≤β≤1；将逐拍误差
Figure FDA00036703126800000412
与阈值β进行比较：
如果绝对值逐拍误差
Figure FDA00036703126800000413
小于阈值β，则直接输出更新后的峰位点集合
Figure FDA00036703126800000414
如果逐拍误差
Figure FDA00036703126800000415
大于等于阈值β，则减少缩放系数s,即s＝s-s*0.01，设迭代次数为r，最大迭代次数为R＝20，执行(4d3)；
如果逐拍误差
Figure FDA00036703126800000416
小于等于阈值相反数-β，则增大缩放系数s，即s＝s+s*0.01，设迭代次数为r，最大迭代次数为R＝20，执行(4d3)；
(4d3)迭代更新峰位点集合
Figure FDA00036703126800000417
(4d3.1)迭代次数为r＝r+1；
(4d3.2)基于长度D、HT心率
Figure FDA00036703126800000418
和新的缩放系数s，得到更新后的心跳间隔
Figure FDA00036703126800000419
s和更新后的心跳范围
Figure FDA00036703126800000420
(4d3.2)通过更新后的心跳间隔
Figure FDA00036703126800000421
在更新后的心跳范围
Figure FDA00036703126800000422
内寻找与其波谷差值最大的波峰，映射得到更新后的波峰对应的Q个峰位点集合
Figure FDA0003670312680000051
Figure FDA0003670312680000052
其中，
Figure FDA0003670312680000053
表示当前的第m个心冲击图信号的第n个心冲击图信号段的第q个峰位点，1≤q≤Q，
Figure FDA0003670312680000054
(4d3.3)重新计算得到当前的逐拍误差
Figure FDA0003670312680000055
Figure FDA0003670312680000056
其中，
Figure FDA0003670312680000057
表示第m个心冲击图信号的第n个心冲击图信号段的更新后的逐拍误差；
(4d4)将迭代后的逐拍误差
Figure FDA0003670312680000058
与阈值β进行比较：
如果当前的绝对值逐拍误差
Figure FDA0003670312680000059
增大，则停止迭代，输出上次迭代更新后的峰位点集合
Figure FDA00036703126800000510
如果当前的绝对值逐拍误差
Figure FDA00036703126800000511
小于阈值β，则停止迭代，输出当前更新后的峰位点集合
Figure FDA00036703126800000512
如果迭代次数r大于最大迭代次数R，则停止迭代，输出当前更新后的峰位点集合
Figure FDA00036703126800000513
如果当前的逐拍误差
Figure FDA00036703126800000514
大于等于阈值β，则减少缩放系数s,即s＝s-s*0.01，并返回(4d3)；
如果当前的逐拍误差
Figure FDA00036703126800000515
小于等于阈值相反数-β，则增大缩放系数s，即s＝s+s*0.01，并返回(4d3)。
CN202210604899.2A 2022-05-30 2022-05-30 基于心率标签生成的心冲击图信号重建方法 Pending CN115024716A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210604899.2A CN115024716A (zh) 2022-05-30 2022-05-30 基于心率标签生成的心冲击图信号重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210604899.2A CN115024716A (zh) 2022-05-30 2022-05-30 基于心率标签生成的心冲击图信号重建方法

Publications (1)

Publication Number Publication Date
CN115024716A true CN115024716A (zh) 2022-09-09

Family

ID=83122170

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210604899.2A Pending CN115024716A (zh) 2022-05-30 2022-05-30 基于心率标签生成的心冲击图信号重建方法

Country Status (1)

Country Link
CN (1) CN115024716A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116172527A (zh) * 2023-03-15 2023-05-30 康原(江苏)科技有限公司 一种智能健康监测方法、系统及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116172527A (zh) * 2023-03-15 2023-05-30 康原(江苏)科技有限公司 一种智能健康监测方法、系统及装置
CN116172527B (zh) * 2023-03-15 2023-09-22 康原(江苏)科技有限公司 一种智能健康监测方法、系统及装置

Similar Documents

Publication Publication Date Title
US7862515B2 (en) Apparatus for detecting sleep apnea using electrocardiogram signals
Bolanos et al. Comparison of heart rate variability signal features derived from electrocardiography and photoplethysmography in healthy individuals
CN110420019B (zh) 一种心冲击图信号的深度回归心率估计方法
Boyle et al. Automatic detection of respiration rate from ambulatory single-lead ECG
Sahoo et al. Wavelet based pulse rate and Blood pressure estimation system from ECG and PPG signals
CN114376564B (zh) 一种基于心冲击信号的睡眠分期方法、系统、装置及介质
Saalasti Neural networks for heart rate time series analysis
JP6310401B2 (ja) 生理的リズムを表す信号を処理する方法、システム及びコンピュータプログラム
CN111407262A (zh) 基于blstm的睡眠分期方法以及基于blstm进行睡眠分期的装置
WO2016168979A1 (zh) 一种生命体征分析方法与系统
CN112294264A (zh) 一种基于bcg与血氧饱和率的睡眠分期方法
Sweeney et al. Employing ensemble empirical mode decomposition for artifact removal: extracting accurate respiration rates from ECG data during ambulatory activity
Sadek et al. Automatic heart rate detection from FBG sensors using sensor fusion and enhanced empirical mode decomposition
Lin et al. Energy-efficient blood pressure monitoring based on single-site photoplethysmogram on wearable devices
CN115024716A (zh) 基于心率标签生成的心冲击图信号重建方法
Surrel et al. Low-power wearable system for real-time screening of obstructive sleep apnea
Benchekroun et al. Comparison of Stress Detection through ECG and PPG signals using a Random Forest-based Algorithm
Pan et al. Improved blood pressure estimation using photoplethysmography based on ensemble method
Kew et al. Wearable patch-type ECG using ubiquitous wireless sensor network for healthcare monitoring application
Dong et al. An integrated framework for evaluation on typical ECG-derived respiration waveform extraction and respiration
CN116784860A (zh) 基于形态学心拍模板聚类的心电信号特征提取系统
CN106725487A (zh) 一种呼吸率提取方法及装置
Zhao et al. An early warning of atrial fibrillation based on short-time ECG signals
Zhang et al. Cuff-less and calibration-free blood pressure estimation using convolutional autoencoder with unsupervised feature extraction
Park et al. A study on the development of a day-to-day mental stress monitoring system using personal physiological data

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