CN116077050A - 呼吸诊断方法、装置、存储介质及电子装置 - Google Patents
呼吸诊断方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN116077050A CN116077050A CN202310090382.0A CN202310090382A CN116077050A CN 116077050 A CN116077050 A CN 116077050A CN 202310090382 A CN202310090382 A CN 202310090382A CN 116077050 A CN116077050 A CN 116077050A
- Authority
- CN
- China
- Prior art keywords
- respiratory
- target
- rate
- electronic equipment
- time
- 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
- 230000000241 respiratory effect Effects 0.000 title claims abstract description 148
- 238000003745 diagnosis Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000036387 respiratory rate Effects 0.000 claims abstract description 128
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 87
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 28
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims description 26
- 238000013499 data model Methods 0.000 claims description 14
- 238000002405 diagnostic procedure Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000747 cardiac effect Effects 0.000 claims 1
- 238000012806 monitoring device Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000000718 qrs complex Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000029744 multiple organ dysfunction syndrome Diseases 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 230000004202 respiratory function Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 210000000596 ventricular septum Anatomy 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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Cardiology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Power Engineering (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开了一种呼吸诊断方法、装置、存储介质及电子装置,涉及智慧家庭技术领域,该呼吸诊断方法包括:获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的目标用户的原始心电信号;对原始心电信号进行处理,得到目标呼吸波和第二呼吸率,并使用卡尔曼滤波算法对第一呼吸率和第二呼吸率进行加权融合,得到目标呼吸率;基于目标呼吸波和目标呼吸率对目标用户进行呼吸诊断,生成目标用户的呼吸诊断结果。本申请提供的呼吸诊断方法、装置、存储介质及电子装置,用于根据第二电子设备和第一电子设备采集的数据对用户进行呼吸状态的居家诊断,不仅准确率高,而且成本低廉。
Description
技术领域
本申请涉及智慧家庭技术领域,尤其涉及一种呼吸诊断方法、装置、存储介质及电子装置。
背景技术
随着人们对于医疗保障要求不断提高,以及对身体健康重视程度的不断提升,越来越多的用户开始使用各种健康监测设备对自身的各项身体参数进行监测,以便及时了解自身的身体健康状况。
在相关技术中,针对呼吸监测的方式主要包括智能穿戴设备(例如,智能手表)以及复杂的监护设备。然而,这样的呼吸监测方式存在很多不足,智能穿戴设备的呼吸监测结果准确率较低,监护设备成本较高,且需要在身体上固定多个传感器,给患者带来不适,影响正常生活。
基于此,如何通过其他方法更加简易准确的监测用户的呼吸状态并进行实时的智能诊断,是目前需要迫切解决的问题。
发明内容
本申请的目的是提供一种呼吸诊断方法、装置、存储介质及电子装置,用于根据两个不同的电子设备采集的数据对用户进行呼吸状态的居家诊断,不仅准确率高,而且成本低廉。
本申请提供一种呼吸诊断方法,包括:
获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的所述目标用户的原始心电信号;对所述原始心电信号进行处理,得到目标呼吸波和第二呼吸率,并使用卡尔曼滤波算法对所述第一呼吸率和所述第二呼吸率进行加权融合,得到目标呼吸率;基于所述目标呼吸波和所述目标呼吸率对所述目标用户进行呼吸诊断,生成所述目标用户的呼吸诊断结果。
可选地,所述获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的所述目标用户的原始心电信号之前,所述方法还包括:同时向所述第一电子设备以及所述第二电子设备发送时间校准指令,使得所述第一电子设备以及所述第二电子设备基于所述时间校准指令携带的时间进行时间校准;接收所述第一电子设备按照所述时间校准指令指示的反馈时间反馈的第一响应信息以及所述第二电子设备按照所述反馈时间反馈的第二响应信息,并计算接收到所述第一响应信息的第一时间与接收到所述第二响应信息的第二时间的目标时间差。
可选地,所述获取第一电子设备采集的目标用户的第一呼吸率,包括:接收所述第一电子设备发送的第一信息;所述第一信息包括:所述第一呼吸率,所述第一电子设备生成所述第一呼吸率时的第三时间;所述对所述原始心电信号进行处理,得到目标呼吸波和第二呼吸率,包括:接收所述第二电子设备发送的第二信息;所述第二信息包括:所述原始心电信号,所述原始心电信号中任一时刻的采样时间;基于所述第三时间、所述原始心电信号中的采样时间以及所述目标时间差,对所述原始心电信号进行处理,得到所述目标呼吸波和所述第二呼吸率;其中,所述目标呼吸波和所述第二呼吸率与所述第一呼吸率为所述目标用户在同一时刻的呼吸状态参数。
可选地,所述对所述原始心电信号进行处理,得到目标呼吸波和第二呼吸率,包括:对所述原始心电信号进行卡尔曼滤波处理后,通过PT算法提取出R波,得到目标心电信号;使用插值算法对所述目标心电信号进行数据填充,并基于数据填充后的目标心电信号得到所述目标呼吸波和所述第二呼吸率。
可选地,所述使用卡尔曼滤波算法对所述第一呼吸率和所述第二呼吸率进行加权融合,得到目标呼吸率,包括:基于对所述原始心电信号进行卡尔曼滤波处理过程中生成的卡尔曼残差,计算与所述第二呼吸率对应的第一权重,并基于所述第一权重确定所述第一呼吸率对应的第二权重;根据所述第一呼吸率与所述第二权重、所第二呼吸率与所述第一权重,得到所述目标呼吸率。
可选地,所述基于所述目标呼吸波和所述目标呼吸率对所述目标用户进行呼吸诊断,生成所述目标用户的呼吸诊断结果,包括:使用呼吸数据模型对所述目标呼吸波和所述目标呼吸率进行呼吸诊断,并生产所述呼吸诊断结果;其中,所述呼吸数据模型包括多个历史诊断记录,每个历史诊断记录均包括:呼吸波、呼吸率以及诊断结果。
本申请还提供一种呼吸诊断装置,包括:
获取模块,用于获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的所述目标用户的原始心电信号;数据处理模块,用于对所述原始心电信号进行处理,得到目标呼吸波和第二呼吸率,并使用卡尔曼滤波算法对所述第一呼吸率和所述第二呼吸率进行加权融合,得到目标呼吸率;诊断模块,用于基于所述目标呼吸波和所述目标呼吸率对所述目标用户进行呼吸诊断,生成所述目标用户的呼吸诊断结果。
可选地,所述装置还包括发送模块、接收模块以及计算模块;所述发送模块,用于同时向所述第一电子设备以及所述第二电子设备发送时间校准指令,使得所述第一电子设备以及所述第二电子设备基于所述时间校准指令携带的时间进行时间校准;所述接收模块,用于接收所述第一电子设备按照所述时间校准指令指示的反馈时间反馈的第一响应信息以及所述第二电子设备按照所述反馈时间反馈的第二响应信息;所述计算模块,用于计算接收到所述第一响应信息的第一时间与接收到所述第二响应信息的第二时间的目标时间差。
可选地,所述获取模块,具体用于接收所述第一电子设备发送的第一信息;所述第一信息包括:所述第一呼吸率,所述第一电子设备生成所述第一呼吸率时的第三时间;所述接收模块,还用于接收所述第二电子设备发送的第二信息;所述第二信息包括:所述原始心电信号,所述原始心电信号中任一时刻的采样时间;所述数据处理模块,还用于基于所述第三时间、所述原始心电信号中的采样时间以及所述目标时间差,对所述原始心电信号进行处理,得到所述目标呼吸波和所述第二呼吸率;其中,所述目标呼吸波和所述第二呼吸率与所述第一呼吸率为所述目标用户在同一时刻的呼吸状态参数。
可选地,所述数据处理模块,具体用于对所述原始心电信号进行卡尔曼滤波处理后,通过PT算法提取出R波,得到目标心电信号;所述数据处理模块,具体还用于使用插值算法对所述目标心电信号进行数据填充,并基于数据填充后的目标心电信号得到所述目标呼吸波和所述第二呼吸率。
可选地,所述处理模块,具体用于基于对所述原始心电信号进行卡尔曼滤波处理过程中生成的卡尔曼残差,计算与所述第二呼吸率对应的第一权重,并基于所述第一权重确定所述第一呼吸率对应的第二权重;所述处理模块,具体还用于根据所述第一呼吸率与所述第二权重、所第二呼吸率与所述第一权重,得到所述目标呼吸率。
可选地,所述诊断模块,具体用于使用呼吸数据模型对所述目标呼吸波和所述目标呼吸率进行呼吸诊断,并生产所述呼吸诊断结果;其中,所述呼吸数据模型包括多个历史诊断记录,每个历史诊断记录均包括:呼吸波、呼吸率以及诊断结果。
本申请还提供一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行实现如上述任一种所述呼吸诊断方法的步骤。
本申请还提供一种计算机可读存储介质,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行时实现如上述任一种所述呼吸诊断方法的步骤。
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述呼吸诊断方法的步骤。
本申请提供的呼吸诊断方法、装置、存储介质及电子装置,首先获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的目标用户的原始心电信号。之后,对原始心电信号进行处理,得到目标呼吸波和第二呼吸率,并使用卡尔曼滤波算法对第一呼吸率和第二呼吸率进行加权融合,得到目标呼吸率。最后,基于目标呼吸波和目标呼吸率对目标用户进行呼吸诊断,生成目标用户的呼吸诊断结果。如此,通过第二电子设备和第一电子设备采集的数据对用户进行呼吸状态的居家诊断,不仅准确率高,而且成本低廉。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本申请实施例的一种智能设备的交互方法的硬件环境示意图;
图2是本申请提供的呼吸诊断方法的流程示意图;
图3是本申请提供的设备时间校准流程示意图;
图4是本申请提供的呼吸诊断装置的结构示意图;
图5是本申请提供的电子装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面,提供了一种呼吸诊断方法。该呼吸诊断方法广泛应用于智慧家庭(Smart Home)、智能家居、智能家用设备生态、智慧住宅(IntelligenceHouse)生态等全屋智能数字化控制应用场景。可选地,在本实施例中,上述呼吸诊断方法可以应用于如图1所示的由终端设备102和服务器104所构成的硬件环境中。如图1所示,服务器104通过网络与终端设备102进行连接,可用于为终端或终端上安装的客户端提供服务(如应用服务等),可在服务器上或独立于服务器设置数据库,用于为服务器104提供数据存储服务,可在服务器上或独立于服务器配置云计算和/或边缘计算服务,用于为服务器104提供数据运算服务。
上述网络可以包括但不限于以下至少之一:有线网络,无线网络。上述有线网络可以包括但不限于以下至少之一:广域网,城域网,局域网,上述无线网络可以包括但不限于以下至少之一:WIFI(Wireless Fidelity,无线保真),蓝牙。终端设备102可以并不限定于为PC、手机、平板电脑、智能空调、智能烟机、智能冰箱、智能烤箱、智能炉灶、智能洗衣机、智能热水器、智能洗涤设备、智能洗碗机、智能投影设备、智能电视、智能晾衣架、智能窗帘、智能影音、智能插座、智能音响、智能音箱、智能新风设备、智能厨卫设备、智能卫浴设备、智能扫地机器人、智能擦窗机器人、智能拖地机器人、智能空气净化设备、智能蒸箱、智能微波炉、智能厨宝、智能净化器、智能饮水机、智能门锁等。
呼吸是人体重要的生理过程,对人体呼吸的监护检测也是现代医学监护技术的一个重要组成部分。患者不论是呼吸系统本身的病变或是其他重要脏器的病变发展到一定程度都会影响呼吸中枢。多脏器系统功能衰竭往往累及呼吸功能的衰竭,呼吸功能的衰竭又导致其他脏器功能的衰竭,互为因果。
相关技术中对呼吸运动主要使用下列方法检测:阻抗容积法:用高频恒流源测量胸部阻抗的变化来提取呼吸信息;传感器法:使用温度、压力、湿度和气流传感器作为鼻孔传感器;电容法:当呼吸时导致电容值产生相应的变化;呼吸音法:通过拾取呼吸音识别呼吸;超声法:利用超声波产生多谱勒现象,检测出呼吸频率。使用这些方法不但需要增加信号采集部件,而且受到运动和环境的影晌,不适合用于日常监护。
大量临床资料显示,呼吸运动会引起心电图的变化。通过心电图,我们可以观察到在呼吸周期内由胸部运动和心脏位置变化所引起的心电波形峰峰值的改变。这是由于呼吸周期内,描述心脏电波主要传播方向的心脏电轴旋转造成QRS波群形态发生了变化。QRS波是指正常心电图中幅度最大的波群,反映心室除极的全过程。正常心室除极始于室间隔中部,自左向右方向除极,故QRS波群先呈现一个小向下的Q波,再呈现一个向上的R波,接着呈现一个向下的S波。正常胸导联QRS波群形态较恒定。从心电信号中提取呼吸信号是一种呼吸信号检测技术,这种技术不需要专用传感器和硬件模块检测呼吸信号,只需要用心电监护仪获取心电信号,避免了上述两种检测方法对人体的束缚,使动态呼吸检测成为可能。
然而,在相关技术中,通常使用单一的数据来源获取的数据进行呼吸状态的监测,受单一数据的影响,当获取的数据出现误差时,在结果中无法对消除该误差,进而影响生成呼吸率的准确性。
针对相关技术中存在的上述技术问题,本申请实施例提供了一种呼吸诊断方法,通过多数据源的方式生成呼吸率,不仅能避免单一数据来源对生成结果准确率的影响,提高生成呼吸率的准确率,还具有成本低的优势。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的呼吸诊断方法进行详细地说明。
如图2所示,本申请实施例提供的一种呼吸诊断方法,该方法可以包括下述步骤201至步骤203:
步骤201、获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的所述目标用户的原始心电信号。
示例性地,上述第一电子设备和第二电子设备是两个不同的电子设备,均用于目标用户的呼吸状态参数的采集。呼吸状态参数可以包括:呼吸率,心电信号。具体地,上述第一电子设备用于采集目标用户的第一呼吸率;上述第二电子设备用于采集目标用户的心电信号。
举例说明,上述第一电子设备可以为智能睡眠枕,该智能睡眠枕可以实时监测用户的呼吸率;上述第二电子设备可以为穿戴式心电衣,该心电衣可以实时采集用户的心电信号。
需要说明的是,本申请实施例提供的呼吸诊断方法,可以应用于呼吸检测设备或者呼吸诊断设备。该设备可以基于从第一电子设备获取到的第一呼吸率以及从第二电子设备获取到的心电信号,对用户的呼吸状态进行实时监测和诊断。
可选地,在本申请实施例中,由于本申请实施例提供的呼吸诊断方法,数据来源与两个不同的电子设备,因此,需要对两个电子设备发送的数据进行时间上的同步,降低时间误差对诊断结果的影响。
示例性地,在上述步骤201之前,本申请实施例提供的呼吸诊断方法,还可以包括以下步骤301和步骤302:
步骤301、同时向所述第一电子设备以及所述第二电子设备发送时间校准指令,使得所述第一电子设备以及所述第二电子设备基于所述时间校准指令携带的时间进行时间校准。
步骤302、接收所述第一电子设备按照所述时间校准指令指示的反馈时间反馈的第一响应信息以及所述第二电子设备按照所述反馈时间反馈的第二响应信息,并计算接收到所述第一响应信息的第一时间与接收到所述第二响应信息的第二时间的目标时间差。
示例性地,如图3所示,为本申请实施例提供的针对上述第一电子设备和第二电子设备的时间校准流程示意图,以上述第一电子设备为睡眠枕、上述第二电子设备为心电衣、本申请呼吸诊断方法应用于监护设备为例,监护设备在08:00:03:269(即8时0分3秒269毫秒)同时向心电衣和睡眠枕发送了时间校准指令。心电衣和睡眠枕分别基于时间校准指令指示的时间对设备的本地时间进行校准,并分别基于设备的本地时间,在时间校准指令指示的反馈时间向监护设备发送反馈信息。监护设备在08:01:00:533接收到睡眠枕的反馈信息(即上述第一响应信息),在08:01:00:753接收到心电衣的反馈信息(即上述第二响应信息)。之后,监护设备根据接收到的两个设备发送的反馈信息的接收时间,计算上述两个设备反馈信息的时间差。根据该时间差,可以对获取到的心电衣和睡眠枕的数据进行时间对齐。
需要说明的是,监护设备接收到两个设备的反馈信息存在的时间差,是由于设备的计算能力、数据传输时延等多种因素造成的。具体产生时间差的音素包括:1、电子设备接收时间校准指令的时间差,2、电子设备按照时间校准指令设置本地时间的时间差,3、监护设备接收到电子设备按照时间校准指令指示的时间发送反馈信息的时间差。本申请实施例中,通过指定反馈时间,可以消除第1项和第2项产生的时间差,按照指定时间发送反馈信息,仅受两个电子设备的本地时间差以及数据传输时延导致的时间差的影响。由于两个电子设备的本地时间差产生的原因主要也是由于数据传输时延导致的,因此,按照如图3所示的方式进行时间校准后,获取到的两个设备的数据仅受数据传输时延的影响,且可以利用上述时间差来消除。
具体地,基于上述步骤获取到的目标时间差,上述步骤201可以包括以下步骤201a:
步骤201a、接收所述第一电子设备发送的第一信息;所述第一信息包括:所述第一呼吸率,所述第一电子设备生成所述第一呼吸率时的第三时间。
示例性地,在获取到第一电子设备生成第一呼吸率的准确时间后,结合上述目标时间差,便可以与第二电子设备获取到的数据在时间上进行对齐。
步骤202、对所述原始心电信号进行处理,得到目标呼吸波和第二呼吸率,并使用卡尔曼滤波算法对所述第一呼吸率和所述第二呼吸率进行加权融合,得到目标呼吸率。
示例性地,在获取到第二电子设备采集到的原始心电信号后,首先需要对该原始心电信号进行处理,进而得到目标用户的目标呼吸波和第二呼吸率。
具体地,基于上述步骤获取到的目标时间差,上述步骤202中对原始心电信号进行处理,得到目标呼吸波和第二呼吸率的步骤,可以包括以下步骤202a1和步骤202a2:
步骤202a1、接收所述第二电子设备发送的第二信息;所述第二信息包括:所述原始心电信号,所述原始心电信号中任一时刻的采样时间。
步骤202a2、基于所述第三时间、所述原始心电信号中的采样时间以及所述目标时间差,对所述原始心电信号进行处理,得到所述目标呼吸波和所述第二呼吸率。
其中,所述目标呼吸波和所述第二呼吸率与所述第一呼吸率为所述目标用户在同一时刻的呼吸状态参数。
示例性地,基于上述目标时间差,便可以将上述第一呼吸率、目标呼吸波以及第二呼吸率在时间上对齐,降低数据时间差对最终呼吸率的影响。
可选地,在本申请实施例中,可以通过以下方式对原始心电信号进行处理,得到目标用户的目标呼吸波和第二呼吸率。
具体地,上述步骤202,可以包括以下步骤202b1和步骤202b2:
步骤202b1、对所述原始心电信号进行卡尔曼滤波处理后,通过PT算法提取出R波,得到目标心电信号。
步骤202b2、使用插值算法对所述目标心电信号进行数据填充,并基于数据填充后的目标心电信号得到所述目标呼吸波和所述第二呼吸率。
示例性地,区别于相关技术中根据原始QRS波群中的所有信号确定呼吸率的技术方案,本申请实施例中仅通过QRS波群中的R波来获取呼吸率。
具体地,对所述原始心电信号进行卡尔曼滤波处理后,通过(Pan-Tompkins)PT算法提取出仅包含R波的心电信号,之后,通过差值算法对提取出的心电信号进行数据补全。最后,基于补全后的心电信号得到第二呼吸率。
需要说明的是,基于心电信号得到呼吸率的技术方案在相关技术中比较常见,具体实现方法可以参照相关技术,本申请实施例中不做详细介绍。
示例性地,在得到上述第一呼吸率和第二呼吸率之后,便可以基使用卡尔曼滤波算法对第一呼吸率和第二呼吸率进行加权融合,得到目标呼吸率。
可选地,在本申请实施例中,可以基于卡尔曼滤波算法对上述第一呼吸率和第二呼吸率进行加权融合,得到目标呼吸率。
具体地,上述步骤202中使用卡尔曼滤波算法对所述第一呼吸率和所述第二呼吸率进行加权融合得到目标呼吸率的步骤,可以包括以下步骤202c1和步骤202c2:
步骤202c1、基于对所述原始心电信号进行卡尔曼滤波处理过程中生成的卡尔曼残差,计算与所述第二呼吸率对应的第一权重,并基于所述第一权重确定所述第一呼吸率对应的第二权重。
步骤202c2、根据所述第一呼吸率与所述第二权重、所第二呼吸率与所述第一权重,得到所述目标呼吸率。
示例性地,上述基于对原始心电信号进行卡尔曼滤波处理过程中生成的卡尔曼残差,计算与第二呼吸率对应的第一权重的步骤,在相关技术中比较常见,具体实现方法可以参照相关技术,本申请实施例中不做详细介绍。上述第一权重与第二权重之和为1,因此,上述第二权重可以根据第一权重计算得到。
步骤203、基于所述目标呼吸波和所述目标呼吸率对所述目标用户进行呼吸诊断,生成所述目标用户的呼吸诊断结果。
在一种可能的实现方式中,在得到上述目标呼吸率以及目标呼吸波之后,可以将目标呼吸率以及目标呼吸波发送给专业医生,由医生进行远程诊断,并返回诊断结果,监护设备可以显示该诊断结果。
在另一种可能的实现方式中,在得到上述目标呼吸率以及目标呼吸波之后,可以基于训练好的神经网络模型对呼吸率和呼吸波进行识别,输出诊断结果,并在监护设备的显示屏上展示。
具体地,本申请实施例中可以使用大数据模型来进行呼吸诊断。上述步骤203,还可以包括以下步骤203a:
步骤203a、使用呼吸数据模型对所述目标呼吸波和所述目标呼吸率进行呼吸诊断,并生产所述呼吸诊断结果。
其中,所述呼吸数据模型包括多个历史诊断记录,每个历史诊断记录均包括:呼吸波、呼吸率以及诊断结果。
示例性地,上述呼吸数据模型为大数据模型,包括多个用户的诊断记录,每个诊断记录均包括用户的呼吸波、用户的呼吸率以及对应的诊断结果。
示例性地,基于该呼吸数据模型,可以对上述目标呼吸波和目标呼吸率进行匹配,并根据匹配结果确定该目标用户的呼吸诊断结果。
本申请实施例提供的呼吸诊断方法,首先获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的目标用户的原始心电信号。之后,对原始心电信号进行处理,得到目标呼吸波和第二呼吸率,并使用卡尔曼滤波算法对第一呼吸率和第二呼吸率进行加权融合,得到目标呼吸率。最后,基于目标呼吸波和目标呼吸率对目标用户进行呼吸诊断,生成目标用户的呼吸诊断结果。如此,通过第二电子设备和第一电子设备采集的数据对用户进行呼吸状态的居家诊断,不仅准确率高,而且成本低廉。
需要说明的是,本申请实施例提供的呼吸诊断方法,执行主体可以为呼吸诊断装置,或者该呼吸诊断装置中的用于执行呼吸诊断方法的控制模块。本申请实施例中以呼吸诊断装置执行呼吸诊断方法为例,说明本申请实施例提供的呼吸诊断装置。
需要说明的是,本申请实施例中,上述各个方法附图所示的。呼吸诊断方法均是以结合本申请实施例中的一个附图为例示例性的说明的。具体实现时,上述各个方法附图所示的呼吸诊断方法还可以结合上述实施例中示意的其它可以结合的任意附图实现,此处不再赘述。
下面对本申请提供的呼吸诊断装置进行描述,下文描述的与上文描述的呼吸诊断方法可相互对应参照。
图4为本申请一实施例提供的呼吸诊断装置的结构示意图,如图4所示,具体包括:
获取模块401,用于获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的所述目标用户的原始心电信号;数据处理模块402,用于对所述原始心电信号进行处理,得到目标呼吸波和第二呼吸率,并使用卡尔曼滤波算法对所述第一呼吸率和所述第二呼吸率进行加权融合,得到目标呼吸率;诊断模块403,用于基于所述目标呼吸波和所述目标呼吸率对所述目标用户进行呼吸诊断,生成所述目标用户的呼吸诊断结果。
可选地,所述装置还包括发送模块、接收模块以及计算模块;所述发送模块,用于同时向所述第一电子设备以及所述第二电子设备发送时间校准指令,使得所述第一电子设备以及所述第二电子设备基于所述时间校准指令携带的时间进行时间校准;所述接收模块,用于接收所述第一电子设备按照所述时间校准指令指示的反馈时间反馈的第一响应信息以及所述第二电子设备按照所述反馈时间反馈的第二响应信息;所述计算模块,用于计算接收到所述第一响应信息的第一时间与接收到所述第二响应信息的第二时间的目标时间差。
可选地,所述获取模块401,具体用于接收所述第一电子设备发送的第一信息;所述第一信息包括:所述第一呼吸率,所述第一电子设备生成所述第一呼吸率时的第三时间;所述接收模块,还用于接收所述第二电子设备发送的第二信息;所述第二信息包括:所述原始心电信号,所述原始心电信号中任一时刻的采样时间;所述数据处理模块402,还用于基于所述第三时间、所述原始心电信号中的采样时间以及所述目标时间差,对所述原始心电信号进行处理,得到所述目标呼吸波和所述第二呼吸率;其中,所述目标呼吸波和所述第二呼吸率与所述第一呼吸率为所述目标用户在同一时刻的呼吸状态参数。
可选地,所述数据处理模块402,具体用于对所述原始心电信号进行卡尔曼滤波处理后,通过PT算法提取出R波,得到目标心电信号;所述数据处理模块402,具体还用于使用插值算法对所述目标心电信号进行数据填充,并基于数据填充后的目标心电信号得到所述目标呼吸波和所述第二呼吸率。
可选地,所述处理模块402,具体用于基于对所述原始心电信号进行卡尔曼滤波处理过程中生成的卡尔曼残差,计算与所述第二呼吸率对应的第一权重,并基于所述第一权重确定所述第一呼吸率对应的第二权重;所述处理模块402,具体还用于根据所述第一呼吸率与所述第二权重、所第二呼吸率与所述第一权重,得到所述目标呼吸率。
可选地,所述诊断模块401,具体用于使用呼吸数据模型对所述目标呼吸波和所述目标呼吸率进行呼吸诊断,并生产所述呼吸诊断结果;其中,所述呼吸数据模型包括多个历史诊断记录,每个历史诊断记录均包括:呼吸波、呼吸率以及诊断结果。
本申请提供的呼吸诊断装置,首先获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的目标用户的原始心电信号。之后,对原始心电信号进行处理,得到目标呼吸波和第二呼吸率,并使用卡尔曼滤波算法对第一呼吸率和第二呼吸率进行加权融合,得到目标呼吸率。最后,基于目标呼吸波和目标呼吸率对目标用户进行呼吸诊断,生成目标用户的呼吸诊断结果。如此,通过第二电子设备和第一电子设备采集的数据对用户进行呼吸状态的居家诊断,不仅准确率高,而且成本低廉。
图5示例了一种电子装置的实体结构示意图,如图5所示,该电子装置可以包括:处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令,以执行呼吸诊断方法,该方法包括:获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的所述目标用户的原始心电信号;对所述原始心电信号进行处理,得到目标呼吸波和第二呼吸率,并使用卡尔曼滤波算法对所述第一呼吸率和所述第二呼吸率进行加权融合,得到目标呼吸率;基于所述目标呼吸波和所述目标呼吸率对所述目标用户进行呼吸诊断,生成所述目标用户的呼吸诊断结果。
此外,上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本申请还提供一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的呼吸诊断方法,该方法包括:获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的所述目标用户的原始心电信号;对所述原始心电信号进行处理,得到目标呼吸波和第二呼吸率,并使用卡尔曼滤波算法对所述第一呼吸率和所述第二呼吸率进行加权融合,得到目标呼吸率;基于所述目标呼吸波和所述目标呼吸率对所述目标用户进行呼吸诊断,生成所述目标用户的呼吸诊断结果。
又一方面,本申请还提供一种计算机可读的存储介质,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行上述各方法提供的呼吸诊断方法,该方法包括:获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的所述目标用户的原始心电信号;对所述原始心电信号进行处理,得到目标呼吸波和第二呼吸率,并使用卡尔曼滤波算法对所述第一呼吸率和所述第二呼吸率进行加权融合,得到目标呼吸率;基于所述目标呼吸波和所述目标呼吸率对所述目标用户进行呼吸诊断,生成所述目标用户的呼吸诊断结果。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种呼吸诊断方法,其特征在于,包括:
获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的所述目标用户的原始心电信号;
对所述原始心电信号进行处理,得到目标呼吸波和第二呼吸率,并使用卡尔曼滤波算法对所述第一呼吸率和所述第二呼吸率进行加权融合,得到目标呼吸率;
基于所述目标呼吸波和所述目标呼吸率对所述目标用户进行呼吸诊断,生成所述目标用户的呼吸诊断结果。
2.根据权利要求1所述的呼吸诊断方法,其特征在于,所述获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的所述目标用户的原始心电信号之前,所述方法还包括:
同时向所述第一电子设备以及所述第二电子设备发送时间校准指令,使得所述第一电子设备以及所述第二电子设备基于所述时间校准指令携带的时间进行时间校准;
接收所述第一电子设备按照所述时间校准指令指示的反馈时间反馈的第一响应信息以及所述第二电子设备按照所述反馈时间反馈的第二响应信息,并计算接收到所述第一响应信息的第一时间与接收到所述第二响应信息的第二时间的目标时间差。
3.根据权利要求2所述的呼吸诊断方法,其特征在于,所述获取第一电子设备采集的目标用户的第一呼吸率,包括:
接收所述第一电子设备发送的第一信息;所述第一信息包括:所述第一呼吸率,所述第一电子设备生成所述第一呼吸率时的第三时间;
所述对所述原始心电信号进行处理,得到目标呼吸波和第二呼吸率,包括:
接收所述第二电子设备发送的第二信息;所述第二信息包括:所述原始心电信号,所述原始心电信号中任一时刻的采样时间;
基于所述第三时间、所述原始心电信号中的采样时间以及所述目标时间差,对所述原始心电信号进行处理,得到所述目标呼吸波和所述第二呼吸率;
其中,所述目标呼吸波和所述第二呼吸率与所述第一呼吸率为所述目标用户在同一时刻的呼吸状态参数。
4.根据权利要求1所述的呼吸诊断方法,其特征在于,所述对所述原始心电信号进行处理,得到目标呼吸波和第二呼吸率,包括:
对所述原始心电信号进行卡尔曼滤波处理后,通过PT算法提取出R波,得到目标心电信号;
使用插值算法对所述目标心电信号进行数据填充,并基于数据填充后的目标心电信号得到所述目标呼吸波和所述第二呼吸率。
5.根据权利要求4所述的呼吸诊断方法,其特征在于,所述使用卡尔曼滤波算法对所述第一呼吸率和所述第二呼吸率进行加权融合,得到目标呼吸率,包括:
基于对所述原始心电信号进行卡尔曼滤波处理过程中生成的卡尔曼残差,计算与所述第二呼吸率对应的第一权重,并基于所述第一权重确定所述第一呼吸率对应的第二权重;
根据所述第一呼吸率与所述第二权重、所第二呼吸率与所述第一权重,得到所述目标呼吸率。
6.根据权利要求1所述的呼吸诊断方法,其特征在于,所述基于所述目标呼吸波和所述目标呼吸率对所述目标用户进行呼吸诊断,生成所述目标用户的呼吸诊断结果,包括:
使用呼吸数据模型对所述目标呼吸波和所述目标呼吸率进行呼吸诊断,并生产所述呼吸诊断结果;
其中,所述呼吸数据模型包括多个历史诊断记录,每个历史诊断记录均包括:呼吸波、呼吸率以及诊断结果。
7.一种呼吸诊断装置,其特征在于,所述装置包括:
获取模块,用于获取第一电子设备采集的目标用户的第一呼吸率,以及第二电子设备采集的所述目标用户的原始心电信号;
数据处理模块,用于对所述原始心电信号进行处理,得到目标呼吸波和第二呼吸率,并使用卡尔曼滤波算法对所述第一呼吸率和所述第二呼吸率进行加权融合,得到目标呼吸率;
诊断模块,用于基于所述目标呼吸波和所述目标呼吸率对所述目标用户进行呼吸诊断,生成所述目标用户的呼吸诊断结果。
8.根据权利要求7所述的呼吸诊断装置,其特征在于,所述装置还包括发送模块、接收模块以及计算模块;
所述发送模块,用于同时向所述第一电子设备以及所述第二电子设备发送时间校准指令,使得所述第一电子设备以及所述第二电子设备基于所述时间校准指令携带的时间进行时间校准;
所述接收模块,用于接收所述第一电子设备按照所述时间校准指令指示的反馈时间反馈的第一响应信息以及所述第二电子设备按照所述反馈时间反馈的第二响应信息;
所述计算模块,用于计算接收到所述第一响应信息的第一时间与接收到所述第二响应信息的第二时间的目标时间差。
9.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行权利要求1至6中任一项所述的呼吸诊断方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行权利要求1至6中任一项所述的呼吸诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310090382.0A CN116077050A (zh) | 2023-01-30 | 2023-01-30 | 呼吸诊断方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310090382.0A CN116077050A (zh) | 2023-01-30 | 2023-01-30 | 呼吸诊断方法、装置、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116077050A true CN116077050A (zh) | 2023-05-09 |
Family
ID=86199001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310090382.0A Pending CN116077050A (zh) | 2023-01-30 | 2023-01-30 | 呼吸诊断方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116077050A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009127799A1 (en) * | 2008-04-17 | 2009-10-22 | Oxford Biosignals Limited | Method and apparatus for measuring breathing rate |
US20100268093A1 (en) * | 2009-04-20 | 2010-10-21 | Mindray Ds Usa, Inc. | Method and system to measure ecg and respiration |
US8430817B1 (en) * | 2009-10-15 | 2013-04-30 | Masimo Corporation | System for determining confidence in respiratory rate measurements |
US20160296123A1 (en) * | 2015-04-10 | 2016-10-13 | BioBeats Inc. | Device and method for providing feedback on breathing rate |
CN106344022A (zh) * | 2016-09-18 | 2017-01-25 | 广州视源电子科技股份有限公司 | 一种呼吸率提取方法及装置 |
CN107334460A (zh) * | 2017-08-15 | 2017-11-10 | 北京道贞健康科技发展有限责任公司 | 基于心电、呼吸、体位信号的睡眠质量评估系统及方法 |
CN107714014A (zh) * | 2017-11-06 | 2018-02-23 | 深圳市德力凯医疗设备股份有限公司 | 一种晕厥检测系统 |
US20180344208A1 (en) * | 2015-11-25 | 2018-12-06 | Nippon Telegraph And Telephone Corporation | Respiration estimation method and apparatus |
CN108968963A (zh) * | 2018-06-26 | 2018-12-11 | 重庆市潼南区人民医院 | 一种医疗护理用呼吸检测设备及其检测系统 |
US20190125214A1 (en) * | 2017-11-02 | 2019-05-02 | Covidien Lp | Measuring respiratory parameters from an ecg device |
US20190282180A1 (en) * | 2016-06-22 | 2019-09-19 | Koninklijke Philips N.V. | A method and apparatus for determining respiratory information for a subject |
WO2021213165A1 (zh) * | 2020-04-24 | 2021-10-28 | 华为技术有限公司 | 多源数据处理方法、电子设备和计算机可读存储介质 |
-
2023
- 2023-01-30 CN CN202310090382.0A patent/CN116077050A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009127799A1 (en) * | 2008-04-17 | 2009-10-22 | Oxford Biosignals Limited | Method and apparatus for measuring breathing rate |
US20100268093A1 (en) * | 2009-04-20 | 2010-10-21 | Mindray Ds Usa, Inc. | Method and system to measure ecg and respiration |
US8430817B1 (en) * | 2009-10-15 | 2013-04-30 | Masimo Corporation | System for determining confidence in respiratory rate measurements |
US20160296123A1 (en) * | 2015-04-10 | 2016-10-13 | BioBeats Inc. | Device and method for providing feedback on breathing rate |
US20180344208A1 (en) * | 2015-11-25 | 2018-12-06 | Nippon Telegraph And Telephone Corporation | Respiration estimation method and apparatus |
US20190282180A1 (en) * | 2016-06-22 | 2019-09-19 | Koninklijke Philips N.V. | A method and apparatus for determining respiratory information for a subject |
CN106344022A (zh) * | 2016-09-18 | 2017-01-25 | 广州视源电子科技股份有限公司 | 一种呼吸率提取方法及装置 |
CN107334460A (zh) * | 2017-08-15 | 2017-11-10 | 北京道贞健康科技发展有限责任公司 | 基于心电、呼吸、体位信号的睡眠质量评估系统及方法 |
US20190125214A1 (en) * | 2017-11-02 | 2019-05-02 | Covidien Lp | Measuring respiratory parameters from an ecg device |
CN107714014A (zh) * | 2017-11-06 | 2018-02-23 | 深圳市德力凯医疗设备股份有限公司 | 一种晕厥检测系统 |
CN108968963A (zh) * | 2018-06-26 | 2018-12-11 | 重庆市潼南区人民医院 | 一种医疗护理用呼吸检测设备及其检测系统 |
WO2021213165A1 (zh) * | 2020-04-24 | 2021-10-28 | 华为技术有限公司 | 多源数据处理方法、电子设备和计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
DENG BAOYUN,ET AL: "Estimation of respiratory rate based on data fusion using electrocardiogram and pulse wave", CHINESE JOURNAL BIOMEDICAL ENGINEERING, vol. 31, no. 2, 20 April 2012 (2012-04-20), pages 211 - 16 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210369131A1 (en) | Electrocardiogram information dynamic monitoring method and dynamic monitoring system | |
CN106456017A (zh) | 多传感器生理监测系统和方法 | |
CN104873186A (zh) | 一种可穿戴的动脉检测装置及其数据处理方法 | |
CN108577830A (zh) | 一种面向用户的体征信息动态监护方法和动态监护系统 | |
CN105530866A (zh) | 心脏监测系统 | |
CN108309263A (zh) | 多参数监护数据分析方法和多参数监护系统 | |
US8359089B2 (en) | Reconstruction of a surface electrocardiogram from far field signals extracted of an endocardial electrogram | |
US20140073894A1 (en) | Non-linear filtering for the reconstruction of a surface electrocardiogram from an endocardial electrogram | |
CN108471968A (zh) | 使用心音检测心房心律失常 | |
JP2005505331A (ja) | 生理的なパラメータを代表する信号データを処理するためのシステム | |
WO2005041778A1 (en) | Analysis of auscultatory sounds using single value decomposition | |
CN204708828U (zh) | 一种可穿戴的无创动脉健康检测装置 | |
CN104066382B (zh) | 图像诊断装置以及图像显示方法 | |
CN108185988A (zh) | 基于酒店的智能枕头的健康检测方法及智能枕头 | |
CN108354612A (zh) | 一种信号处理方法及装置 | |
CN113499059B (zh) | 基于光纤传感非接触式的bcg信号处理系统及方法 | |
CN109893121A (zh) | 心电信号的采集方法、装置、终端和计算机可读存储介质 | |
Oliveira et al. | Coupled hidden Markov model for automatic ECG and PCG segmentation | |
CN105395173A (zh) | 一种远程脉象监控系统 | |
CN116077050A (zh) | 呼吸诊断方法、装置、存储介质及电子装置 | |
WO2017159753A1 (ja) | 収縮期心雑音検出装置 | |
Lee et al. | Heart sounds measurement using PVDF film sensor and their comparison with RR intervals of ECG signals | |
EP4368105A1 (en) | Method for generating synchronous electrocardiograms on basis of two lead asynchronous electrocardiograms | |
CN105326482B (zh) | 记录生理信号的方法和装置 | |
JP2020048622A (ja) | 生体状態推定装置 |
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 |