CN115040121A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN115040121A CN115040121A CN202210715499.9A CN202210715499A CN115040121A CN 115040121 A CN115040121 A CN 115040121A CN 202210715499 A CN202210715499 A CN 202210715499A CN 115040121 A CN115040121 A CN 115040121A
- Authority
- CN
- China
- Prior art keywords
- dynamic spectrum
- candidate data
- slope
- period
- data points
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 69
- 230000000630 rising effect Effects 0.000 title claims abstract description 28
- 238000000605 extraction Methods 0.000 title claims abstract description 23
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000005457 optimization Methods 0.000 title claims abstract description 7
- 238000002835 absorbance Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims abstract description 9
- 238000013186 photoplethysmography Methods 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 9
- 230000000717 retained effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 3
- 239000012503 blood component Substances 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000012935 Averaging Methods 0.000 abstract description 5
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 238000010606 normalization Methods 0.000 abstract 1
- 238000010183 spectrum analysis Methods 0.000 abstract 1
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (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，涉及光谱分析技术领域，通过多次计算对数脉搏波周期内上升沿候选数据点与候选数据点的拟合直线之间的距离，并根据2σ准则剔除偏离点；叠加平均剩余候选点两点间的斜率，作为该周期的吸光度变化率；进一步地计算各波长下该周期的吸光度变化率，排列获得该周期的动态光谱；进一步地计算各周期的动态光谱，叠加平均，获得动态光谱模板；利用欧式距离剔除异常的动态光谱；对筛选后叠加平均，并归一化处理，获得最终的动态光谱。该方法提高了数据的准确性，有效提高了动态光谱信噪比，进一步提高了基于动态光谱法无创血液成分检测的精度。
Description
技术领域
本发明涉及光学检测领域，特别涉及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。
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。
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。而其中，吸光度变化率的获得是动态光谱提取过程中最重要的一环，吸光度变化率的准确与否极大地影响了动态光谱的优劣。根据动态光谱的定义，各波长下光电容积脉搏波信号任意周期的峰峰值均可提取吸光度变化率。然而光谱仪采样精度、采样速度等因素的限制，光电容积脉搏波信号的峰谷值准确位置的提取具有较大的难度，也因此限制了使用峰峰值[1]的方法提取动态光谱。实际采样中，由于采样积分时间的固定，两点间的差值在一定程度上可以转化为其斜率，依据此原理，研究人员提出了单沿提取法（发明专利《一种基于单沿提取法的动态光谱数据处理方法》，公开号：CN101912256A，公开日：2010年12月15日）以及一种单沿多谱的动态光谱数据提取方法（发明专利《一种单沿多谱的动态光谱数据提取方法》，公开号CN103263272A，公开日：2013年8月28日）均利用上升沿采样点线性拟合的斜率的方法代替峰峰值差值提取动态光谱。单沿提取法通过对光电容积脉搏波和单拍动态光谱的平均效应分别实现各波长光电容积脉搏波的波形误差校正和含有粗大误差单拍动态光谱的剔除，降低异常干扰波形对动态光谱谱线质量的影响，对个体差异和波形异常等噪声的抑制能力较好，是目前使用最多的动态光谱提取方法。发明人对单沿提取法和光电容积脉搏波信号的研究发现，仍存在如下两个影响单沿提取法提取动态光谱质量的问题：
（1）被测人员采集过程中异常抖动以及环境中可能存在的瞬时干扰导致光电容积脉搏波上升沿中出现异常波形，如波形毛刺等；
（2）脉搏波峰谷值点处变化缓慢，随机噪声带来的影响更加明显，且峰谷值明显偏离上升沿拟合直线。
参考文献
[1] 李刚，王焱，林凌，等.一种优异的无创血液成分检测方法[J] .生命科学仪器，2004，2（5）:33-35。
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，所述方法包括以下步骤:
S1：计算光电容积脉搏波第一波长下第一个周期内上升沿中所有候选数据点相邻点之间的斜率，并计算出斜率平均值、所有候选点的斜率值与斜率平均值之间的标准差以及总体残差σ；依据2σ准则，剔除标准差大于2σ的候选数据点，保留标准差小于2σ的候选数据点；再次对保留的候选数据点再次进行上述计算，获得斜率平均值、所有候选点斜率与斜率平均值之间的标准差以及总体残差σ，并再次依据2σ准则，筛选出标准差小于2σ的候选数据点；
S2：对经过筛选后最终保留的第一波长下第一个周期内上升沿中所有候选数据点相邻点之间的斜率，并计算出平均斜率，将平均斜率作为第一个周期的吸光度值；逐一计算所有波长下的光电容积脉搏波在第一个周期的吸光度值，并按照波长的顺序将吸光度值进行排列，归一化后作为第一个周期的子动态光谱；
S3：重复步骤S1与S2，，按照时间先后的顺序，依次计算光电容积脉搏波各周期的子动态光谱，并计算出平均子动态光谱，将平均子动态光谱归一化处理后，获得最终的动态光谱。
其中所述依据2σ准则，剔除标准差大于2σ的候选数据点，保留斜率标准差小于2σ的候选数据点具体为：
光电容积脉搏波在采集时易受到环境以及人为的干扰，使得脉搏波上升沿中出现携带有粗大误差的采样点，并且由于光电容积脉搏波在波峰与波谷处常常为S型曲线，这些误差均会影响提取的动态光谱的精度；因此需要对所有上升沿中的候选数据点进行剔除，剔除依据为2σ准则；其中，2σ准则为：若候选数据点的标准差大于2σ，则认为存在偏差，予以剔除，若候选数据点的标准差小于2σ，则认为不存在偏差，予以保留。
其中所述第一个周期的子动态光谱具体为：
依据脉搏波规律性变化的特点，将光电容积脉搏波划按照先后顺序划分为多个周期，提取第一波长下第一个周期的光电脉搏波最后保留的候选数据点，并求取相邻点之间的斜率，计算出斜率平均值，作为第一个波长下的吸光度值；依次求取所有波长的吸光度值，最终按照波长的顺序排列，并归一化获得第一周期的子动态光谱。
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，降低了由于测量时波形毛刺以及奇异值的影响，提高了各波长及各周期内光电容积脉搏波采样数据的有效性；动态光谱的优化单沿提取法和单沿提取法相比，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的流程图。
图2为本发明提供的光电容积脉搏波的采样点筛选步骤的流程图。
图3为本发明提供的各个周期的子动态光谱获取步骤的流程图。
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。
为了进一步提升动态光谱的提取质量，本发明实施例提供了一种基于优化单沿提取的动态光谱数据处理方法，参见图1，详见下文描述。
101: S1：计算光电容积脉搏波第一波长下第一个周期内上升沿中所有候选数据点相邻点之间的斜率，并计算出斜率平均值、所有候选点的斜率值与斜率平均值之间的标准差以及总体残差σ；依据2σ准则，剔除标准差大于2σ的候选数据点，保留标准差小于2σ的候选数据点；再次对保留的候选数据点再次进行上述计算，获得斜率平均值、所有候选点斜率与斜率平均值之间的标准差以及总体残差σ，并再次依据2σ准则，筛选出标准差小于2σ的候选数据点。
该步骤具体包括步骤1011-1013，参见图2，详见下文描述。
1011: 对光电容积脉搏波数据叠加平均，获取全波段模板光电容积脉搏波，判断出全波段模板光电容积脉搏波各周期的峰谷值，并依据全波段模板光电脉搏波的峰谷值位置标记出各波长原始光电脉搏波的峰谷值位置。
其中，相同时刻、相同部位的动脉血液在不同波长下具有一定的相似性，利用叠加平均的方式获得全波段模板光电容积脉搏波；进一步地设置固定的窗口（窗口大小最好设置为1.5个脉搏波周期）滑动提取全波段模板光电容积脉搏波的峰谷值点，依次得到若干峰值点和谷值点；进一步地依据获得若干峰值点与谷值点标记出各波长原始光电容积脉搏波的峰谷值处；进一步地依据峰谷值划分出上升沿与下降沿；依据全波段模板光电脉搏波的峰谷值对各波长下的原始光电容积脉搏波的峰谷值进行标定的方式可以减少抖动等噪声带来的影响。
1012：计算光电容积脉搏波第一波长下第一个周期内上升沿中所有候选数据点相邻点之间的斜率，并计算出斜率平均值，所有候选点的斜率值与斜率平均值之间的标准差以及总体残差σ。
其中，所有候选数据点相邻点之间的斜率
依据式（1） 获得，其中Xi，Yi为候选
数据点的空间坐标值，Ki为第i个与第i+1个候选数据点之间的斜率；
依据式（2）计算出所有候选数据点斜率的平均值
；
进一步地根据式（3）计算各候选数据点的标准差
；
进一步地根据式（4）所有候选数据点的残差σ；
上述公式（1）至公式（4）中，n为该周期上升沿候选数据点的个数，Xi，Yi为第i候选
数据点的位置坐标，
为获得第i个候选数据点与第i+1个候选数据点之间的斜率；
为
所有候选数据点斜率的平均值，
为第i个候选数据点斜率的标准差，σ为获得所有候选数
据点斜率的总体残差。
1013：依据2σ准则，剔除标准差大于2σ的候选数据点，保留标准差小于2σ的候选数据点；再次对保留的候选数据点再次进行上述计算，获得斜率平均值、所有候选点斜率与斜率平均值之间的标准差以及总体残差σ，并再次依据2σ准则，筛选出标准差小于2σ的候选数据点。
其中，2σ准则筛选方法为：若候选数据点对应的斜率残差大于2σ，即
，则
认为该候选数据点存在粗大误差，需要剔除；若候选数据点对应的残差小于2σ，即
，即认为该候选数据点数据合理，予以保留。
102：对经过筛选后最终保留的第一波长下第一个周期内上升沿中所有候选数据点相邻点之间的斜率，并计算出平均斜率，将平均斜率作为第一个周期的吸光度值；逐一计算所有波长下的光电容积脉搏波在第一个周期的吸光度值，并按照波长的顺序将吸光度值进行排列，归一化后作为第一个周期的子动态光谱。
该步骤具体包括步骤1021-1022，参见图3，详见下文描述。
1021：对经过筛选后最终保留的第一波长下第一个周期内上升沿中所有候选数据点相邻点之间的斜率，并计算出平均斜率，将平均斜率作为第一个周期的吸光度值。
其中，所有候选数据点相邻之间的斜率通过式（1）计算，平均斜率通过式（2）计算。
1022：逐一计算所有波长下的光电容积脉搏波在第一个周期的吸光度值，并按照波长的顺序将吸光度值进行排列，归一化后作为第一个周期的子动态光谱。
103：重复步骤S1与S2，，按照时间先后的顺序，依次计算光电容积脉搏波各周期的子动态光谱，并计算出平均子动态光谱，将平均子动态光谱归一化处理后，获得最终的动态光谱。
本发明实施例方法中应用到的最小二乘拟合方法，2σ准则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，该方法与原单沿提取法相比，对单个脉搏周期内上升沿的采样点进行了筛选，剔除光电容积脉搏波波形中粗大偏离点，提高了数据的可靠性；其次又采用叠加平均多周期动态光谱的方式获取动态光谱，利用其平均效应，进一步的降低了测量光电脉搏波时引入的随机误差，有效地提高了动态光谱的信噪比，从而提高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 (3)
1.一种利用脉搏波上升沿优化提取的动态光谱数据处理方法，其特征在于，所述方法包括以下步骤：
S1：计算光电容积脉搏波第一波长下第一个周期内上升沿中所有候选数据点相邻点之间的斜率，并计算出斜率平均值、所有候选点的斜率值与斜率平均值之间的标准差以及总体残差σ；依据2σ准则，剔除标准差大于2σ的候选数据点，保留标准差小于2σ的候选数据点；再次对保留的候选数据点再次进行上述计算，获得斜率平均值、所有候选点斜率与斜率平均值之间的标准差以及总体残差σ，并再次依据2σ准则，筛选出标准差小于2σ的候选数据点；
S2：对经过筛选后最终保留的第一波长下第一个周期内上升沿中所有候选数据点相邻点之间的斜率，并计算出平均斜率，将平均斜率作为第一个周期的吸光度值；逐一计算所有波长下的光电容积脉搏波在第一个周期的吸光度值，并按照波长的顺序将吸光度值进行排列，归一化后作为第一个周期的子动态光谱；
S3：重复步骤S1与S2，，按照时间先后的顺序，依次计算光电容积脉搏波各周期的子动态光谱，并计算出平均子动态光谱，将平均子动态光谱归一化处理后，获得最终的动态光谱。
2.根据权利要求1所述的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，其特征在于，所述依据2σ准则，剔除标准差大于2σ的候选数据点，保留斜率标准差小于2σ的候选数据点具体为：
光电容积脉搏波在采集时易受到环境以及人为的干扰，使得脉搏波上升沿中出现携带有粗大误差的采样点，并且由于光电容积脉搏波在波峰与波谷处常常为S型曲线，这些误差均会影响提取的动态光谱的精度；因此需要对所有上升沿中的候选数据点进行剔除，剔除依据为2σ准则；其中，2σ准则为：若候选数据点的标准差大于2σ，则认为存在偏差，予以剔除，若候选数据点的标准差小于2σ，则认为不存在偏差，予以保留。
3.根据权利要求1所述的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，其特征在于，所述第一个周期的子动态光谱具体为：
依据脉搏波规律性变化的特点，将光电容积脉搏波划按照先后顺序划分为多个周期，提取第一波长下第一个周期的光电脉搏波最后保留的候选数据点，并求取相邻点之间的斜率，计算出斜率平均值，作为第一个波长下的吸光度值；依次求取所有波长的吸光度值，最终按照波长的顺序排列，并归一化获得第一周期的子动态光谱。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210715499.9A CN115040121A (zh) | 2022-06-23 | 2022-06-23 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210715499.9A CN115040121A (zh) | 2022-06-23 | 2022-06-23 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115040121A true CN115040121A (zh) | 2022-09-13 |
Family
ID=83162959
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210715499.9A Pending CN115040121A (zh) | 2022-06-23 | 2022-06-23 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115040121A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117786281A (zh) * | 2024-02-23 | 2024-03-29 | 中国海洋大学 | 一种沉积物柱状样沉积速率与误差的优化计算方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4941178A (en) * | 1986-04-01 | 1990-07-10 | Gte Laboratories Incorporated | Speech recognition using preclassification and spectral normalization |
| JP2005304832A (ja) * | 2004-04-22 | 2005-11-04 | Olympus Corp | 成分濃度測定装置およびグルコース濃度測定装置 |
| 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 |
| CN103263272A (zh) * | 2013-04-23 | 2013-08-28 | 天津大学 | 一种单沿多谱的动态光谱数据提取方法 |
| CN105486934A (zh) * | 2015-12-23 | 2016-04-13 | 北京握奇智能科技有限公司 | 一种基于直线拟合的脉冲波形前沿检测的方法和系统 |
| CN106073800A (zh) * | 2016-08-04 | 2016-11-09 | 天津大学 | 基于绝对差值和提取的动态光谱数据处理方法及其装置 |
| CN107174258A (zh) * | 2017-06-02 | 2017-09-19 | 北京信息科技大学 | 血糖浓度预测方法 |
| CN112294281A (zh) * | 2019-07-30 | 2021-02-02 | 深圳迈瑞生物医疗电子股份有限公司 | 规则性评价信息的提示方法、监护设备及监护系统 |
-
2022
- 2022-06-23 CN CN202210715499.9A patent/CN115040121A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4941178A (en) * | 1986-04-01 | 1990-07-10 | Gte Laboratories Incorporated | Speech recognition using preclassification and spectral normalization |
| JP2005304832A (ja) * | 2004-04-22 | 2005-11-04 | Olympus Corp | 成分濃度測定装置およびグルコース濃度測定装置 |
| 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 |
| CN103263272A (zh) * | 2013-04-23 | 2013-08-28 | 天津大学 | 一种单沿多谱的动态光谱数据提取方法 |
| CN105486934A (zh) * | 2015-12-23 | 2016-04-13 | 北京握奇智能科技有限公司 | 一种基于直线拟合的脉冲波形前沿检测的方法和系统 |
| CN106073800A (zh) * | 2016-08-04 | 2016-11-09 | 天津大学 | 基于绝对差值和提取的动态光谱数据处理方法及其装置 |
| CN107174258A (zh) * | 2017-06-02 | 2017-09-19 | 北京信息科技大学 | 血糖浓度预测方法 |
| CN112294281A (zh) * | 2019-07-30 | 2021-02-02 | 深圳迈瑞生物医疗电子股份有限公司 | 规则性评价信息的提示方法、监护设备及监护系统 |
Non-Patent Citations (2)
| Title |
|---|
| 徐馨荷: "基于"M+N"理论的近红外光谱血糖无创测量方法", 实验室研究与探索, vol. 37, no. 2, 28 February 2018 (2018-02-28), pages 5 - 14 * |
| 李刚: "动态光谱提取方法的对比研究", 光谱学与光谱分析, vol. 32, no. 5, 31 December 2012 (2012-12-31), pages 1324 - 1328 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117786281A (zh) * | 2024-02-23 | 2024-03-29 | 中国海洋大学 | 一种沉积物柱状样沉积速率与误差的优化计算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102631198B (zh) | 一种基于差值提取的动态光谱数据处理方法 | |
| CA2976568C (en) | Methods and systems for disease analysis based on tranformations of diagnostic signals | |
| EP3267884B1 (en) | Systems, apparatus and methods for sensing fetal activity | |
| CN101912256B (zh) | 一种基于单沿提取的动态光谱数据处理方法 | |
| CN105147274A (zh) | 一种从可见光谱段人脸视频信号中提取心率的方法 | |
| CN117405622B (zh) | 一种燕窝中亚硝酸盐含量智能检测方法 | |
| 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 | |
| CN106137219A (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 | |
| CN106073800B (zh) | 基于绝对差值和提取的动态光谱数据处理方法及其装置 | |
| CN103263272B (zh) | 一种单沿多谱的动态光谱数据提取方法 | |
| CN113243902B (zh) | 一种基于光电容积脉搏波的特征提取方法 | |
| US9760540B2 (en) | Methods for processing sequential data to identify possible peak points and to estimate peak to noise ratio of sequential data | |
| CN111956209B (zh) | 一种基于ewt和结构特征提取的心电信号r波识别方法 | |
| CN103239239A (zh) | 一种定幅值的动态光谱数据提取方法 | |
| CN110063726B (zh) | 一种心电信号单导联f波提取方法和装置 | |
| CN111134634A (zh) | 一种基于聚类分析的光电容积脉搏波分析处理方法 | |
| Kouekeu et al. | Embedded QRS complex detection based on ECG signal strength and trend | |
| CN114767102B (zh) | 基于波形比例系数提取的动态光谱数据处理方法 | |
| CN115381424A (zh) | 基于双高斯函数模型及线性回归迭代算法的心率检测方法 | |
| Luengo et al. | Sparse ECG representation with a multi-scale dictionary derived from real-world signals | |
| CN103239240B (zh) | 一种消除光程长差异的血氧饱和度提取方法 | |
| CN109589106B (zh) | 一种等差距的动态光谱差值提取方法 | |
| CN110470396B (zh) | 光谱平滑降噪的处理方法 | |
| CN114166814A (zh) | 一种基于双尺度相关运算的拉曼谱峰识别方法 | |
| CN113576422A (zh) | 一种生理信号波形的简化处理和量化方法、系统及设备 |
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 |