CN116250816A - 一种心率计算方法、装置、介质、电子设备 - Google Patents
一种心率计算方法、装置、介质、电子设备 Download PDFInfo
- Publication number
- CN116250816A CN116250816A CN202211716451.6A CN202211716451A CN116250816A CN 116250816 A CN116250816 A CN 116250816A CN 202211716451 A CN202211716451 A CN 202211716451A CN 116250816 A CN116250816 A CN 116250816A
- Authority
- CN
- China
- Prior art keywords
- heart sound
- sound signal
- heart
- peak
- peaks
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 44
- 230000005236 sound signal Effects 0.000 claims abstract description 496
- 230000000747 cardiac effect Effects 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 238000003064 k means clustering Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 abstract description 22
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000002555 auscultation Methods 0.000 description 3
- 230000003205 diastolic effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 208000035211 Heart Murmurs Diseases 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010027727 Mitral valve incompetence Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 206010002906 aortic stenosis Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 208000016569 congenital mitral valve insufficiency Diseases 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 210000003709 heart valve Anatomy 0.000 description 1
- 208000005907 mitral valve insufficiency Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal 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
- A61B5/02—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
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Veterinary Medicine (AREA)
- Cardiology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请涉及心音信号技术领域,揭示了一种心率计算方法、装置、介质、电子设备。所述方法包括:对输入的心音信号进行预处理,得到包络信号;基于预设的自适应阈值以及包络信号生成含有心音成分的心音信号波峰序列;基于心音信号波峰序列获取包络信号的多个心动周期;在心音信号波峰序列中选取预设数量的心动周期作为目标心动周期;根据所述目标心动周期的平均周期时长计算所述心音信号对应的心率值;或者根据相邻两个所述第一心音信号之间的时间间隔或相邻两个所述第二心音信号之间的时间间隔计算所述心音信号对应的心率值。通过本申请提供的心率计算方法可以解决传统的心率计算方案中无法解决因错检和漏检而导致的计算得出的心率值不准确的问题。
Description
技术领域
本申请涉及心音信号技术领域,特别地,涉及一种心率计算方法、装置、介质、电子设备。
背景技术
对心率的监测有助于心血管疾病的早期诊断以及对心脏状况的评估和突发性心脏疾病的预警。常见的心率监测信号包括心电信号(ECG)、脉搏波信号(PPG)以及心脏听诊。相比其它生理信号,对心脏进行听诊具有更加悠久的历史,通过听取心脏搏动时所产生的振动声音(心音)来达到诊断心脏疾病的目的,其不仅可以检测心脏瓣膜的结构性异常和以心杂音为特征的缺陷,而且提供了一种更便宜、更可靠的替代方案,医生通过听诊器即可进行快速简单的听诊诊断,不会对患者的活动性或姿势施加较长时间的限制,保证了患者舒适性。
心音主要由基本心音和额外心音(S3和S4)、心杂音组成,其中基本心音成分包括第一心音(S1)和第二心音(S2)。正常情况下每个心动周期中仅存在基本心音,而当心脏存在一些疾病时,如主动脉狭窄、二尖瓣关闭不全等疾病时,则会导致额外心音或者杂音的发生。
传统的心率计算方案往往采用阈值的方法对心音信号进行阈值处理,从而检测出心音成分。然而,通过简单地采用阈值来检测得出的心音成分进而根据心音成分来进行心率计算得出的计算结果准确度较低,因为在实际采集的心音信号中,可能还存在额外心音、心杂音和其他噪声,这些成分很容易被错误的检测为基本心音成分,进而出现错检的情况,同时,由于可能存在第一心音或者第二心音微弱进而出现心音漏检的情况,从而由此计算出的心率值也是不准确的。因此,传统的心率计算方案中无法解决因错检和漏检而导致的计算得出的心率值不准确的问题。
发明内容
本申请提供了一种心率计算方法、装置、介质、电子设备,以解决传统的心率计算方案中无法解决因错检和漏检而导致的计算得出的心率值不准确的问题。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种心率计算方法,所述方法包括:
对输入的心音信号进行预处理,得到包络信号;
基于预设的自适应阈值以及所述包络信号生成含有心音成分的心音信号波峰序列,所述心音信号波峰序列包括多个心音信号波峰;
基于所述心音信号波峰序列获取所述包络信号的多个心动周期;所述心动周期包括第一心音信号以及第二心音信号,所述第一心音信号以及所述第二心音信号均分别对应一个所述心音信号波峰;
在所述心音信号波峰序列中选取预设数量的心动周期作为目标心动周期;
若所述目标心动周期中的全部心音信号波峰均被确定为所述第一心音信号对应的所述心音信号波峰或所述第二心音信号对应的所述心音信号波峰中的任一种,根据所述目标心动周期的平均周期时长计算所述心音信号对应的心率值;
若所述目标心动周期中的任一个心音信号波峰未被确定为所述第一心音信号对应的所述心音信号波峰或所述第二心音信号对应的所述心音信号波峰,根据相邻两个所述第一心音信号之间的时间间隔或相邻两个所述第二心音信号之间的时间间隔计算所述心音信号对应的心率值;
其中,所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔可以通过计算相隔一个所述心音信号波峰的两个所述心音信号波峰之间的时间间隔得到;
基于所述心音信号波峰序列获取所述包络信号的多个心动周期可以通过双校验心音识别方法对所述心音信号波峰进行分类;
所述心音信号波峰可以被所述双校验心音识别方法分类为所述第一心音信号或所述第二心音信号或者不确定信号;
所述双校验心音识别方法包括第一次校验和第二次校验,当所述第一次校验和所述第二次校验对所述心音信号波峰前的两个所述心音信号波峰分类类别一致时,所述心音信号波峰被分类为所述第一心音信号或所述第二心音信号,否则,所述心音信号波峰被分类为所述不确定信号;
所述第一次校验包括通过当前所述心音信号波峰前的第二个所述心音信号波峰与第三个所述心音信号波峰之间的时间间隔和当前所述心音信号波峰前的第一个所述心音信号波峰与第二个所述心音信号波峰之间的时间间隔使得当前所述心音信号波峰前的两个所述心音信号波峰被确定为所述第一心音信号或所述第二心音信号;
所述第二次校验包括通过当前所述心音信号波峰与当前所述心音信号波峰前的第一个所述心音信号波峰的时间间隔和当前所述心音信号波峰前的第一个所述心音信号波峰与第二个所述心音信号波峰之间的时间间隔使得当前所述心音信号波峰前的两个所述心音信号波峰被确定为所述第一心音信号或所述第二心音信号。
在本申请的一个实施例中,基于前述方案,所述对输入的心音信号进行预处理,得到包络信号,包括:
对所述心音信号进行降采样并进行滤波去噪,得到滤波数据,所述滤波数据为双极性信号;
通过计算所述心音信号的香农能量将所述滤波数据转换成单极性信号的香农能量信号;
基于所述香农能量信号生成所述包络信号。
在本申请的一个实施例中,基于前述方案,所述基于预设的自适应阈值以及所述包络信号生成含有心音成分的心音信号波峰序列,包括:
获取所述包络信号中的全部包络值;
从全部所述包络值中选取高于所述自适应阈值的包络片段作为心音信号包络峰;
基于所述心音信号包络峰生成所述心音信号波峰序列。
在本申请的一个实施例中,基于前述方案,所述基于所述心音信号包络峰生成所述心音信号波峰序列,包括:
在所述心音信号包络峰中选取目标数量的包络峰作为目标包络峰;
从所述目标包络峰中选取极值点作为目标包络峰极值点,所述目标包络峰极值点中每相邻两个所述目标包络峰极值点的间隔均大于预设的间隔阈值;
基于所述目标包络峰生成所述心音信号波峰序列;其中,单个所述目标包络峰对应单个所述心音信号波峰。
在本申请的一个实施例中,基于前述方案,所述根据所述目标心动周期的平均周期时长计算所述心音信号对应的心率值,包括:
获取所述目标心动周期的平均周期时长;
将60除以所述平均周期时长得到所述心音信号对应的心率值。
在本申请的一个实施例中,基于前述方案,所述根据相邻两个所述第一心音信号之间的时间间隔或相邻两个所述第二心音信号之间的时间间隔计算所述心音信号对应的心率值,包括:
基于所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔计算所述目标心动周期内的多个瞬时心率值;
所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔可以通过计算相隔一个所述心音信号波峰的两个所述心音信号波峰之间的时间间隔得到;
基于K均值聚类算法对所述目标心动周期内的瞬时心率值进行分簇,得到预设数量的簇;
在所述预设数量的簇中选取瞬时心率值数量最多的簇作为目标簇;
基于所述目标簇计算所述心音信号对应的心率值。
在本申请的一个实施例中,基于前述方案,所述基于所述目标簇计算所述心音信号对应的心率值,包括:
获取所述目标簇中所述瞬时心率值的数量以及数值;
基于所述瞬时心率值的数量以及所述瞬时心率值的数值计算得到所述目标簇的瞬时心率值的平均值;
若所述平均值大于预设的心率值阈值,将所述平均值作为所述心音信号对应的心率值;
若所述平均值小于所述心率值阈值,基于相邻两个所述心音信号波峰的时间间隔计算所述心音信号对应的心率值。
根据本申请实施例的一个方面,提供了一种心率计算装置,所述装置包括:预处理单元,被用于对输入的心音信号进行预处理,得到包络信号;生成单元,被用于基于预设的自适应阈值以及所述包络信号生成含有心音成分的心音信号波峰序列,所述心音信号波峰序列包括多个心音信号波峰;获取单元,被用于基于所述心音信号波峰序列获取所述包络信号的多个心动周期;所述心动周期包括第一心音信号以及第二心音信号,所述第一心音信号以及所述第二心音信号均分别对应一个所述心音信号波峰;选取单元,被用于在所述心音信号波峰序列中选取预设数量的心动周期作为目标心动周期;第一计算单元,被用于若所述目标心动周期中的全部心音信号波峰均被确定为所述第一心音信号对应的所述心音信号波峰或所述第二心音信号对应的所述心音信号波峰中的任一种,根据所述目标心动周期的平均周期时长计算所述心音信号对应的心率值;第二计算单元,被用于若所述目标心动周期中的任一个心音信号波峰未被确定为所述第一心音信号对应的所述心音信号波峰或所述第二心音信号对应的所述心音信号波峰,根据相邻两个所述第一心音信号之间的时间间隔或相邻两个所述第二心音信号之间的时间间隔计算所述心音信号对应的心率值;
其中,所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔可以通过计算相隔一个所述心音信号波峰的两个所述心音信号波峰之间的时间间隔得到;
基于所述心音信号波峰序列获取所述包络信号的多个心动周期可以通过双校验心音识别方法对所述心音信号波峰进行分类;
所述心音信号波峰可以被所述双校验心音识别方法分类为所述第一心音信号或所述第二心音信号或者不确定信号;
所述双校验心音识别方法包括第一次校验和第二次校验,当所述第一次校验和所述第二次校验对所述心音信号波峰前的两个所述心音信号波峰分类类别一致时,所述心音信号波峰被分类为所述第一心音信号或所述第二心音信号,否则,所述心音信号波峰被分类为所述不确定信号;
所述第一次校验包括通过当前所述心音信号波峰前的第二个所述心音信号波峰与第三个所述心音信号波峰之间的时间间隔和当前所述心音信号波峰前的第一个所述心音信号波峰与第二个所述心音信号波峰之间的时间间隔使得当前所述心音信号波峰前的两个所述心音信号波峰被确定为所述第一心音信号或所述第二心音信号;
所述第二次校验包括通过当前所述心音信号波峰与当前所述心音信号波峰前的第一个所述心音信号波峰的时间间隔和当前所述心音信号波峰前的第一个所述心音信号波峰与第二个所述心音信号波峰之间的时间间隔使得当前所述心音信号波峰前的两个所述心音信号波峰被确定为所述第一心音信号或所述第二心音信号。
根据本申请实施例的一个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序包括可执行指令,当该可执行指令被处理器执行时,实现如上述实施例中所述的心率计算方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储所述处理器的可执行指令,当所述可执行指令被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的心率计算方法。
在本申请实施例的技术方案中,通过对心音信号进行预处理后得到去噪的包络信号,再通过预设的自适应阈值以及所述包络信号生成含有心音成分的心音信号波峰序列。通过心音信号波峰序列获取所述包络信号的多个心动周期,选取预设数量的心动周期作为目标心动周期可以降低心率值的计算量,计算效率更高。
通过目标心动周期中的全部心音信号波峰都被确定了心音信号类型对应的心音信号波峰时,其中心音信号类型也就是第一心音信号和第二心音信号,此时说明可以进行心率的计算,通过目标心动周期的平均周期时长计算所述心音信号对应的心率值。
当目标心动周期中的任一个心音信号波峰未被确定为所述第一心音信号对应的所述心音信号波峰或所述第二心音信号对应的所述心音信号波峰,也就是目标心动周期中的任意一个心音信号波峰都不能被确定是哪个心音信号类型对应的心音信号波峰时,此时可能出现错检或漏检的情况,通过相邻两个所述第一心音信号之间的时间间隔或相邻两个所述第二心音信号之间的时间间隔计算所述心音信号对应的心率值。
其中,所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔可以通过计算相隔一个所述心音信号波峰的两个所述心音信号波峰之间的时间间隔得到。
通过本申请提供的心率计算方法可以解决传统的心率计算方案中无法解决因错检和漏检而导致的计算得出的心率值不准确的问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
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。显而易见地,下面描述中的附图仅仅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。在附图中:
图1为根据本申请实施例示出的心率计算方法的流程图;
图2为根据本申请实施例示出的所述基于预设的自适应阈值以及所述包络信号生成含有心音成分的心音信号波峰序列的流程示意图;
图3为根据本申请实施例示出的无杂音成分的心动周期的示意图;
图4为根据本申请实施例示出的包含有杂音成分的心动周期的示意图;
图5为根据本申请实施例示出的对心音信号进行预处理时信号波形的变化示意图;
图6为根据本申请实施例示出的双校验心音识别方法的示意图;
图7为根据本申请实施例示出的一种心率计算装置的结构框图;
图8为根据本申请实施例示出的计算机可读存储介质的示意图;
图9为根据本申请实施例示出的电子设备的系统结构的示意图;
图10为根据本申请实施例示出的K均值聚类的结果示意图;
图11为根据本申请实施例示出的心音信号存在漏检的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制节点装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
需要说明的是:在本文中提及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
首先,需要说明的是,本申请中所提出的心率计算方案可以应用于心音信号的相关技术领域。需要说明的是,准确的心率值是基于第一心音和第二心音都被确定的情况下计算得出的,单个心动周期中包括第一心音和第二心音。因此,如果存在错检和漏判,也就是将异常心音或者噪声成分错误的检测为心音,或者对部分或全部第一心音或第二心音漏检的情况下,所计算得出的心率值是不准确的,通过本申请中所提出的心率计算方案可以准确得出心率值。
根据本申请的一个方面,提供了一种心率计算方法,图1为根据本申请实施例示出的心率计算方法的流程图,该心率计算方法至少包括步骤110至步骤160,详细介绍如下:
在步骤110中,对输入的心音信号进行预处理,得到包络信号。
在本申请的一个实施例中,步骤110可以按照步骤S1-步骤S3进行:
步骤S1:对所述心音信号进行降采样并进行滤波去噪,得到滤波数据,所述滤波数据为双极性信号。
步骤S2:通过计算所述心音信号的香农能量将所述滤波数据转换成单极性信号的香农能量信号。
步骤S3:基于所述香农能量信号生成所述包络信号。
心音信号主要集中在20Hz~1000Hz,而听诊器采集频率可以是4000Hz、8000Hz、44100Hz等,为了降低后续对心音信号处理所需计算量,将信号降采样至2000Hz采样率。
如图5所示,图5心音信号预处理过程中信号波形的变化图;图5中最后一个波形图为包络信号的波形图。
为了计算心音信号的心率值,需要检测第一心音信号(S1)和第二心音信号(S2),第一心音信号和第二心音信号主要集中在200Hz以内。在本申请的实施例中采用20Hz~200Hz的带通数字滤波器对心音信号进行滤波处理,去除频带以外噪声对检测S1和S2的干扰。
经过所述带通滤波器滤波后的信号为双极性信号,因此还需要将其转换为单极性信号,通过香农能量公式来获得单极性信号,所用公式如下:
y[n]=-(x[n])^2In((x[n])^2) (1)
x[n]为经过滤波后的信号,y[n]为变换后信号值。所获得的单极性信号再经过移动平均滤波器获取包络信号,所用公式如下:
其中y[n]为香农能量信号,e[n]为经过移动平均计算后的包络信号。公式(2)计算长度为N的信号窗内平均值大小,公式(3)为公式(2)的迭代计算形式,可以减少计算量,N的大小根据S1和S2持续时长来确定,示例性的可设置N取值为50ms,也即N=0.05×FS,其中FS为信号采样频率,在本实施例中为2000Hz。
继续参照图1,在步骤120中,基于预设的自适应阈值以及所述包络信号生成含有心音成分的心音信号波峰序列。
在本申请的一个实施例中,如图2所示,步骤120可以按照步骤S4-步骤S6进行:
步骤S4:获取所述包络信号中的全部包络值。
步骤S5:从全部所述包络值中选取高于所述自适应阈值的包络片段作为心音信号包络峰。
步骤S6:基于所述心音信号包络峰生成所述心音信号波峰序列。
在本申请中,通过步骤S4以及步骤S5来对包络信号进行峰值检测,预设的自适应阈值是根据如下公式进行的:
其中Thn代表第n时刻所确定的自适应阈值大小。代表第n时刻心音成分所确定的阈值大小,由心音均值减去其标准差得到,由于可能存在S1和S2幅度相差较大情况,导致其标准差过大,从而过小,此时将其与做对比,通过公式(7)选取较大那一个作为的值,该阈值确定了心音成分检测所需要的下阈值大小。代表第n时刻背景噪声所确定的阈值,通过公式(6)由背景噪声均值加上其3倍标准差确定,该阈值确定了噪声成分检测所确定的上阈值。选取心音成分所确定的下阈值和噪声成分所确定的上阈值之差的1/2倍作为浮动阈值,为心音信号全局平均值,作为基准阈值,将浮动阈值加上基准阈值作为最终的自适应阈值大小。所有统计参数均采用迭代的计算方式获得,以减少计算量,迭代计算公式如下所示:
其中e[n]为包络信号的计算公式。
在本申请的一个实施例中,步骤S6可以按照步骤S61-S63进行:
步骤S61:在所述心音信号包络峰中选取目标数量的包络峰作为目标包络峰。
步骤S62:从所述目标包络峰中选取极值点作为目标包络峰极值点,所述目标包络峰极值点中每相邻两个所述目标包络峰极值点的间隔均大于预设的间隔阈值。
步骤S63:基于所述目标包络峰生成所述心音信号波峰序列;其中,单个所述目标包络峰对应单个所述心音信号波峰。
在本申请中,间隔阈值可以具体为0.16s。通过计算出的自适应阈值对包括信号进行峰值检测,高于自适应阈值的心音信号波峰可能为心音成分,否则可能为噪声成分,并利用以下条件来进一步约束心音信号峰检测:
条件1:心音信号波峰宽度对应的是心音信号的持续时长,心音信号波峰宽度应该大于0.02s,小于0.15s。第一心音信号和第二心音信号持续时间通常为0.06s-0.15s,因此设定当所检测到的心音信号波峰宽度小于0.02s时,则认为该心音信号波峰对应的心音信号属于尖锐噪声或者背景噪声,将其去除,而当检测到的峰宽度大于0.15s时,则认为该信号峰已包含一个完整心音成分。
条件2:相邻的心音信号波峰的间隔大于0.02s,极点之间间隔大于0.16s。心率大小范围为40-180BPM(心率),因此一个心动周期持续时间应该大于0.33s,此时收缩期与舒张期时长大致相同,因此第一心音信号和第二心音信号之间的间隔应大于0.16s。因此当两个心音信号波峰的极点距离小于0.16s或者其相邻边界距离小于0.02s时,则认为属于同一个心音信号峰。
通过上述条件1和条件2来去除掉非心音信号峰从而更精确地得出所述心音信号波峰序列中尽可能的只包括第一心音信号和第二心音信号的心动周期。
继续参照图1,在步骤130中,基于所述心音信号波峰序列获取所述包络信号的多个心动周期;所述心动周期包括第一心音信号以及第二心音信号,所述第一心音信号以及所述第二心音信号均分别对应一个所述心音信号波峰。
心动周期包括第一心音信号以及第二心音信号,所述第一心音信号以及所述第二心音信号均分别对应一个所述心音信号波峰,也就是说在单个心动周期中,包括有第一心音信号以及所述第二心音信号。
在步骤140中,在所述心音信号波峰序列中选取预设数量的心动周期作为目标心动周期。
在本申请中,预设数量可以根据实际需要去设定,本申请下述的实施例的预设数量就以4为例进一步说明。通过选取预设数量的心动周期作为目标心动周期可以减少心率值的计算量,提高得出心率值的效率。
继续参照图1,在步骤150中,若所述目标心动周期中的全部心音信号波峰均被确定为所述第一心音信号对应的所述心音信号波峰或所述第二心音信号对应的所述心音信号波峰中的任一种,根据所述目标心动周期的平均周期时长计算所述心音信号对应的心率值。
在本申请的一个实施例中,所述根据所述目标心动周期的平均周期时长计算所述心音信号对应的心率值,包括:
获取所述目标心动周期的平均周期时长;
将60除以所述平均周期时长得到所述心音信号对应的心率值。
在本申请中,需要确定所述信号波峰是属于第一心音信号还是属于第二心音信。根据正常心音收缩期比舒张期短的特点,如图3所示,第一心音信号S1、收缩期、第二心音信号S2以及舒张期组成一个完整的心动周期。本申请采用双校验心音分类方法识别S1和S2。图4为一个心动周期中包含有杂音成分的示意图。
如图6所示,所述双校验心音分类方法包括第一次校验和第二次校验,所述第一次校验包括通过当前心音信号波峰P前第二个峰峰间隔ΔT2和第三个峰峰间隔ΔT3时长确定前两个信号峰P2和P1分别属于S1还是S2,所述第二次校验包括通过当前心音信号波峰P前第一个峰峰间隔ΔT1和第二个峰峰间隔ΔT2时长确定当前峰P和前两个峰P2和P1分别属于S1还是S2。
当所述第一次校验和第二次校验确定的心音信号波峰前两个心音信号波峰P2和P1相同时,表明两次校验互相匹配,因此所述第二次校验所确定的当前心音信号波峰P的类别可靠,被标记为S1或者S2,否者认为当前的心音信号波峰分类结果不可靠,被标记为不确定(U)。
如果连续四个心跳周期的心音信号波峰都能够准确被分类而不存在不确定峰情况时,则认为此时可直接用来对心率进行计算,利用以下式子计算心率值大小:
其中,和分别代表第i个S1和S2峰极值点所对应的时刻,ΔTcycle表示该段时间内心跳平均周期,HR为计算所得到的该时间段平均心率值大小。如果连续四个心动周期的心音信号波峰不能被完全准确分类存在不确定峰情况,则继续进行后面步骤。
继续参照图1,在步骤160中,若所述目标心动周期中的任一个心音信号波峰未被确定为所述第一心音信号对应的所述心音信号波峰或所述第二心音信号对应的所述心音信号波峰,根据相邻两个所述第一心音信号之间的时间间隔或相邻两个所述第二心音信号之间的时间间隔计算所述心音信号对应的心率值。
其中,所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔可以通过计算相隔一个所述心音信号波峰的两个所述心音信号波峰之间的时间间隔得到。
在本申请的一个实施例中,步骤160可以按照下述步骤S7-S10进行:
步骤S7:基于所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔计算所述目标心动周期内的多个瞬时心率值。
步骤S8:基于K均值聚类算法对所述目标心动周期内的瞬时心率值进行分簇,得到预设数量的簇。
步骤S9:在所述预设数量的簇中选取瞬时心率值数量最多的簇作为目标簇。
步骤S10:基于所述目标簇计算所述心音信号对应的心率值。
在本申请的一个实施例中,步骤S10可以按照下述步骤S101-S104进行:
步骤S101:获取所述目标簇中所述瞬时心率值的数量以及数值;
步骤S102:基于所述瞬时心率值的数量以及所述瞬时心率值的数值计算得到所述目标簇的瞬时心率值的平均值;
步骤S103:若所述平均值大于预设的心率值阈值,将所述平均值作为所述心音信号对应的心率值;
步骤S104:若所述平均值小于所述心率值阈值,基于相邻两个所述心音信号波峰的时间间隔计算所述心音信号对应的心率值。
在本申请中,所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔,也就是单个心动周期的持续时长。
所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔可以通过计算相隔一个所述心音信号波峰的两个所述心音信号波峰之间的时间间隔得到,也就是说在连续三个心音信号波峰中,第一个心音信号波峰与第三个心音信号波峰的时间间隔就作为相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔。
此时在连续四个心动周期的心音信号波峰不能被完全准确分类时,通过K均值聚类算法来对目标心动周期内的瞬时心率值进行分簇,得到预设数量的簇,其中,预设数量的簇可以具体为3簇。
利用K均值聚类算法去除异常心率值。假定当前检测到的峰大多数属于S1或者S2的心音信号波峰,并且心音信号波峰出现次序为先S1后S2,计算此时相隔一个心音信号波峰的峰峰时间间隔ΔT代表前一个S1到下一个S1或者前一个S2到下一个S2的时间间隔,也就是一个心动周期的时长,并根据下述公式:
来计算出瞬时心率值大小。
由于绝大多数情况下实际检测到错误的信号峰数量较少,由此确定的瞬时心率值大多数是正确且短时间内心率值大小接近,因此利用K均值聚类算法将目标心动周期内的瞬时心率值分成3个簇,选取数量最多簇瞬时心率平均值大小,作为计算的心率值。
如图10所示,瞬时心率经过K均值聚类算法分成3个簇,其中最下面那个簇数量最多,另外两个簇瞬时心率值是由于噪声带来的异常心率值,因此被舍弃。如果所计算得到的心率值大于60BPM,则直接得到最终实时心率计算结果,否则说明可能存在S1或者S2漏检情况。
第一心音信号S1或者第二心音信号S2漏检情况如图11所示,此时计算得到的心率小于60BPM,由于S1或者S2微弱或者由于心杂音存在导致某一心音成分漏检。如图11所示,由于S1幅度太微弱导致S1被漏检,此时可以通过下述公式来计算瞬时心率大小,此时公式中的ΔT指的是相邻两个心音信号波峰之间的间隔。
同样利用K均值聚类算法确定最终实时心率值大小。
图7为根据本申请实施例示出的一种心率计算装置的框图。
参照图7所示,根据本申请的一个实施例的心率计算装置700,所述装置700包括:
预处理单元701,被用于对输入的心音信号进行预处理,得到包络信号;
生成单元702,被用于基于预设的自适应阈值以及所述包络信号生成含有心音成分的心音信号波峰序列,所述心音信号波峰序列包括多个心音信号波峰;
获取单元703,被用于基于所述心音信号波峰序列获取所述包络信号的多个心动周期;所述心动周期包括第一心音信号以及第二心音信号,所述第一心音信号以及所述第二心音信号均分别对应一个所述心音信号波峰;
选取单元704,被用于在所述心音信号波峰序列中选取预设数量的心动周期作为目标心动周期;
第一计算单元705,被用于若所述目标心动周期中的全部心音信号波峰均被确定为所述第一心音信号对应的所述心音信号波峰或所述第二心音信号对应的所述心音信号波峰中的任一种,根据所述目标心动周期的平均周期时长计算所述心音信号对应的心率值;
第二计算单元706,被用于若所述目标心动周期中的任一个心音信号波峰未被确定为所述第一心音信号对应的所述心音信号波峰或所述第二心音信号对应的所述心音信号波峰,根据相邻两个所述第一心音信号之间的时间间隔或相邻两个所述第二心音信号之间的时间间隔计算所述心音信号对应的心率值;
其中,所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔可以通过计算相隔一个所述心音信号波峰的两个所述心音信号波峰之间的时间间隔得到;
基于所述心音信号波峰序列获取所述包络信号的多个心动周期可以通过双校验心音识别方法对所述心音信号波峰进行分类;
所述心音信号波峰可以被所述双校验心音识别方法分类为所述第一心音信号或所述第二心音信号或者不确定信号;
所述双校验心音识别方法包括第一次校验和第二次校验,当所述第一次校验和所述第二次校验对所述心音信号波峰前的两个所述心音信号波峰分类类别一致时,所述心音信号波峰被分类为所述第一心音信号或所述第二心音信号,否则,所述心音信号波峰被分类为所述不确定信号;
所述第一次校验包括通过当前所述心音信号波峰前的第二个所述心音信号波峰与第三个所述心音信号波峰之间的时间间隔和当前所述心音信号波峰前的第一个所述心音信号波峰与第二个所述心音信号波峰之间的时间间隔使得当前所述心音信号波峰前的两个所述心音信号波峰被确定为所述第一心音信号或所述第二心音信号;
所述第二次校验包括通过当前所述心音信号波峰与当前所述心音信号波峰前的第一个所述心音信号波峰的时间间隔和当前所述心音信号波峰前的第一个所述心音信号波峰与第二个所述心音信号波峰之间的时间间隔使得当前所述心音信号波峰前的两个所述心音信号波峰被确定为所述第一心音信号或所述第二心音信号。
参考图8所示,描述了根据本申请的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
作为另一方面,本申请还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图9来描述根据本申请的这种实施方式的电子设备900。图9显示的电子设备900仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示,电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于:上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元910执行,使得所述处理单元910执行本说明书上述“实施例方法”部分中描述的根据本申请各种示例性实施方式的步骤。
存储单元920可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)921和/或高速缓存存储单元922,还可以进一步包括只读存储单元(ROM)923。
存储单元920还可以包括具有一组(至少一个)程序模块925的程序/实用工具924,这样的程序模块925包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线930可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备900也可以与一个或多个外部设备1200(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备900交互的设备通信,和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口950进行。并且,电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器960通过总线930与电子设备900的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备900使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本申请实施方式的方法。
此外,上述附图仅是根据本申请示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种心率计算方法,其特征在于,所述方法包括:
对输入的心音信号进行预处理,得到包络信号;
基于预设的自适应阈值以及所述包络信号生成含有心音成分的心音信号波峰序列,所述心音信号波峰序列包括多个心音信号波峰;
基于所述心音信号波峰序列获取所述包络信号的多个心动周期;所述心动周期包括第一心音信号以及第二心音信号,所述第一心音信号以及所述第二心音信号均分别对应一个所述心音信号波峰;
在所述心音信号波峰序列中选取预设数量的心动周期作为目标心动周期;
若所述目标心动周期中的全部心音信号波峰均被确定为所述第一心音信号对应的所述心音信号波峰或所述第二心音信号对应的所述心音信号波峰中的任一种,根据所述目标心动周期的平均周期时长计算所述心音信号对应的心率值;
若所述目标心动周期中的任一个心音信号波峰未被确定为所述第一心音信号对应的所述心音信号波峰或所述第二心音信号对应的所述心音信号波峰,根据相邻两个所述第一心音信号之间的时间间隔或相邻两个所述第二心音信号之间的时间间隔计算所述心音信号对应的心率值;
其中,所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔可以通过计算相隔一个所述心音信号波峰的两个所述心音信号波峰之间的时间间隔得到;
基于所述心音信号波峰序列获取所述包络信号的多个心动周期可以通过双校验心音识别方法对所述心音信号波峰进行分类;
所述心音信号波峰可以被所述双校验心音识别方法分类为所述第一心音信号或所述第二心音信号或者不确定信号;
所述双校验心音识别方法包括第一次校验和第二次校验,当所述第一次校验和所述第二次校验对所述心音信号波峰前的两个所述心音信号波峰分类类别一致时,所述心音信号波峰被分类为所述第一心音信号或所述第二心音信号,否则,所述心音信号波峰被分类为所述不确定信号;
所述第一次校验包括通过当前所述心音信号波峰前的第二个所述心音信号波峰与第三个所述心音信号波峰之间的时间间隔和当前所述心音信号波峰前的第一个所述心音信号波峰与第二个所述心音信号波峰之间的时间间隔使得当前所述心音信号波峰前的两个所述心音信号波峰被确定为所述第一心音信号或所述第二心音信号;
所述第二次校验包括通过当前所述心音信号波峰与当前所述心音信号波峰前的第一个所述心音信号波峰的时间间隔和当前所述心音信号波峰前的第一个所述心音信号波峰与第二个所述心音信号波峰之间的时间间隔使得当前所述心音信号波峰前的两个所述心音信号波峰被确定为所述第一心音信号或所述第二心音信号。
2.根据权利要求1所述的心率计算方法,其特征在于,所述对输入的心音信号进行预处理,得到包络信号,包括:
对所述心音信号进行降采样并进行滤波去噪,得到滤波数据,所述滤波数据为双极性信号;
通过计算所述心音信号的香农能量将所述滤波数据转换成单极性信号的香农能量信号;
基于所述香农能量信号生成所述包络信号。
3.根据权利要求1所述的心率计算方法,其特征在于,所述基于预设的自适应阈值以及所述包络信号生成含有心音成分的心音信号波峰序列,包括:
获取所述包络信号中的全部包络值;
从全部所述包络值中选取高于所述自适应阈值的包络片段作为心音信号包络峰;
基于所述心音信号包络峰生成所述心音信号波峰序列。
4.根据权利要求3所述的心率计算方法,其特征在于,所述基于所述心音信号包络峰生成所述心音信号波峰序列,包括:
在所述心音信号包络峰中选取目标数量的包络峰作为目标包络峰;
从所述目标包络峰中选取极值点作为目标包络峰极值点,所述目标包络峰极值点中每相邻两个所述目标包络峰极值点的间隔均大于预设的间隔阈值;
基于所述目标包络峰生成所述心音信号波峰序列;其中,单个所述目标包络峰对应单个所述心音信号波峰。
5.根据权利要求1所述的心率计算方法,其特征在于,所述根据所述目标心动周期的平均周期时长计算所述心音信号对应的心率值,包括:
获取所述目标心动周期的平均周期时长;
将60除以所述平均周期时长得到所述心音信号对应的心率值。
6.根据权利要求1所述的心率计算方法,其特征在于,所述根据相邻两个所述第一心音信号之间的时间间隔或相邻两个所述第二心音信号之间的时间间隔计算所述心音信号对应的心率值,包括:
基于所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔计算所述目标心动周期内的多个瞬时心率值;
所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔可以通过计算相隔一个所述心音信号波峰的两个所述心音信号波峰之间的时间间隔得到;
基于K均值聚类算法对所述目标心动周期内的瞬时心率值进行分簇,得到预设数量的簇;
在所述预设数量的簇中选取瞬时心率值数量最多的簇作为目标簇;
基于所述目标簇计算所述心音信号对应的心率值。
7.根据权利要求6所述的心率计算方法,其特征在于,所述基于所述目标簇计算所述心音信号对应的心率值,包括:
获取所述目标簇中所述瞬时心率值的数量以及数值;
基于所述瞬时心率值的数量以及所述瞬时心率值的数值计算得到所述目标簇的瞬时心率值的平均值;
若所述平均值大于预设的心率值阈值,将所述平均值作为所述心音信号对应的心率值;
若所述平均值小于所述心率值阈值,基于相邻两个所述心音信号波峰的时间间隔计算所述心音信号对应的心率值。
8.一种心率计算装置,其特征在于,所述装置包括:
预处理单元,被用于对输入的心音信号进行预处理,得到包络信号;
生成单元,被用于基于预设的自适应阈值以及所述包络信号生成含有心音成分的心音信号波峰序列,所述心音信号波峰序列包括多个心音信号波峰;
获取单元,被用于基于所述心音信号波峰序列获取所述包络信号的多个心动周期;所述心动周期包括第一心音信号以及第二心音信号,所述第一心音信号以及所述第二心音信号均分别对应一个所述心音信号波峰;
选取单元,被用于在所述心音信号波峰序列中选取预设数量的心动周期作为目标心动周期;
第一计算单元,被用于若所述目标心动周期中的全部心音信号波峰均被确定为所述第一心音信号对应的所述心音信号波峰或所述第二心音信号对应的所述心音信号波峰中的任一种,根据所述目标心动周期的平均周期时长计算所述心音信号对应的心率值;
第二计算单元,被用于若所述目标心动周期中的任一个心音信号波峰未被确定为所述第一心音信号对应的所述心音信号波峰或所述第二心音信号对应的所述心音信号波峰,根据相邻两个所述第一心音信号之间的时间间隔或相邻两个所述第二心音信号之间的时间间隔计算所述心音信号对应的心率值;
其中,所述相邻两个所述第一心音信号之间的时间间隔或所述相邻两个所述第二心音信号之间的时间间隔可以通过计算相隔一个所述心音信号波峰的两个所述心音信号波峰之间的时间间隔得到;
基于所述心音信号波峰序列获取所述包络信号的多个心动周期可以通过双校验心音识别方法对所述心音信号波峰进行分类;
所述心音信号波峰可以被所述双校验心音识别方法分类为所述第一心音信号或所述第二心音信号或者不确定信号;
所述双校验心音识别方法包括第一次校验和第二次校验,当所述第一次校验和所述第二次校验对所述心音信号波峰前的两个所述心音信号波峰分类类别一致时,所述心音信号波峰被分类为所述第一心音信号或所述第二心音信号,否则,所述心音信号波峰被分类为所述不确定信号;
所述第一次校验包括通过当前所述心音信号波峰前的第二个所述心音信号波峰与第三个所述心音信号波峰之间的时间间隔和当前所述心音信号波峰前的第一个所述心音信号波峰与第二个所述心音信号波峰之间的时间间隔使得当前所述心音信号波峰前的两个所述心音信号波峰被确定为所述第一心音信号或所述第二心音信号;
所述第二次校验包括通过当前所述心音信号波峰与当前所述心音信号波峰前的第一个所述心音信号波峰的时间间隔和当前所述心音信号波峰前的第一个所述心音信号波峰与第二个所述心音信号波峰之间的时间间隔使得当前所述心音信号波峰前的两个所述心音信号波峰被确定为所述第一心音信号或所述第二心音信号。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行以实现如权利要求1至7任一项所述的方法所执行的操作。
10.一种电子设备,其特征在于,所述电子设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述至少一条程序代码由所述一个或多个处理器加载并执行以实现如权利要求1至7任一项所述的方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211716451.6A CN116250816A (zh) | 2022-12-29 | 2022-12-29 | 一种心率计算方法、装置、介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211716451.6A CN116250816A (zh) | 2022-12-29 | 2022-12-29 | 一种心率计算方法、装置、介质、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116250816A true CN116250816A (zh) | 2023-06-13 |
Family
ID=86681796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211716451.6A Pending CN116250816A (zh) | 2022-12-29 | 2022-12-29 | 一种心率计算方法、装置、介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116250816A (zh) |
-
2022
- 2022-12-29 CN CN202211716451.6A patent/CN116250816A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9198634B2 (en) | Medical decision support system | |
EP2945537B1 (en) | Detection of sleep apnea using respiratory signals | |
US9042973B2 (en) | Apparatus and method for measuring physiological signal quality | |
US9949653B2 (en) | Patient signal analysis based on vector analysis | |
Castro et al. | Heart sound segmentation of pediatric auscultations using wavelet analysis | |
CN109452935B (zh) | 使用统计后处理从血管容积图估计血压的无创方法和系统 | |
CN107530019B (zh) | 针对不同ecg导联系统的ecg电缆互换的自动检测/分类 | |
US9955890B2 (en) | Heart electrophysiological signal analysis system | |
CN107456227B (zh) | 全导联心电图聚类模板系统及方法 | |
CN109009084B (zh) | 多导联心电信号的qrs波群校验方法、装置及设备、介质 | |
CN109328033B (zh) | 用于快速心电图(ecg)采集的系统和方法 | |
Xiang et al. | ECG-based heartbeat classification using two-level convolutional neural network and RR interval difference | |
Sedighian et al. | Pediatric heart sound segmentation using Hidden Markov Model | |
CN114283494A (zh) | 一种用户跌倒预警方法、装置、设备和存储介质 | |
Gahane et al. | An analytical review of heart failure detection based on IoT and machine learning | |
KR101977745B1 (ko) | 심장 부정맥을 분류하기 위한 방법 및 장치 | |
CN118236072B (zh) | 一种用于麻醉过程的患者体征状态监测方法 | |
CN114469131A (zh) | 自适应实时心电信号质量评估方法 | |
CN111839494A (zh) | 一种心率监测方法及系统 | |
Oliveira et al. | Coupled hidden Markov model for automatic ECG and PCG segmentation | |
CN110200620A (zh) | 多模态心脏数据检测方法、装置、存储介质及终端设备 | |
US9020583B2 (en) | Patient signal analysis and characterization | |
KR101293248B1 (ko) | Rr간격을 이용한 심실조기수축 판별 시스템, 심실조기수축 판별 방법 및 이를 수행 하는 프로그램이 기록된 저장매체 | |
EP3506314B1 (en) | Systems and methods for detecting anomaly in a cardiovascular signal using hierarchical extremas and repetitions | |
CN116250816A (zh) | 一种心率计算方法、装置、介质、电子设备 |
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 |