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 PDFInfo
- 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
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
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:
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:
在本实例中选取D=fs*60=6000,S=6000,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的心冲击图信号段该长度为6000的心冲击图信号段在标准化后将作为与HT心率对齐的基本单位。
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:
参照图2,本步骤的具体实现如下:
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。
参照图3,本步骤的具体实现如下:
3.4.3a)迭代次数为r=r+1;
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:
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
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:
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:
(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:
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。
(4d3.1)迭代次数为r=r+1;
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)
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 |
-
2022
- 2022-05-30 CN CN202210604899.2A patent/CN115024716A/zh active Pending
Cited By (2)
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 |