CN116458847A - 一种基于自适应滤波的急救设备干扰抑制方法及系统 - Google Patents
一种基于自适应滤波的急救设备干扰抑制方法及系统 Download PDFInfo
- Publication number
- CN116458847A CN116458847A CN202310411691.3A CN202310411691A CN116458847A CN 116458847 A CN116458847 A CN 116458847A CN 202310411691 A CN202310411691 A CN 202310411691A CN 116458847 A CN116458847 A CN 116458847A
- Authority
- CN
- China
- Prior art keywords
- signal
- interference
- electrocardiosignal
- frequency
- filtering
- 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.)
- Granted
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 50
- 230000001629 suppression Effects 0.000 title claims abstract description 22
- 230000000737 periodic effect Effects 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 31
- 230000000241 respiratory effect Effects 0.000 claims abstract description 15
- 230000001133 acceleration Effects 0.000 claims abstract description 14
- 238000003825 pressing Methods 0.000 claims description 59
- 230000006835 compression Effects 0.000 claims description 40
- 238000007906 compression Methods 0.000 claims description 40
- 238000001228 spectrum Methods 0.000 claims description 18
- 210000003205 muscle Anatomy 0.000 claims description 10
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 5
- 238000012806 monitoring device Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- A61B5/24—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
- A61B5/72—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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于自适应滤波的急救设备干扰抑制方法及系统，应用于数据处理技术领域，该方法包括：通过获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波。根据初步滤波后的心电信号，确定周期性外部干扰频率，并设定频率阈值。基于频率阈值，获取大于所述频率阈值的周期性信号进行数据重建。将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电信号。通过抗干扰滤波算法，对心电信号进行修正，确保在恶劣外部环境的影响下，仍然能够准确获取伤者的心电信号。解决了现有技术中急救设备由于使用环境中存在干扰信号，导致设备无法准确获取伤者心电信号的技术问题。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种基于自适应滤波的急救设备干扰抑制方法及系统。
背景技术
急救设备是在短时间内给予伤者生命支持的各类设备，包括心脏除颤器、简易呼吸器、心电监测装置等，而心电监测装置是监测伤者生命体征的重要仪器。然而，急救设备在恶劣环境下的救治过程中，由外部冲击、胸外按压等行为不可避免对伤者的心电、呼吸信号产生影响。同时，由于急救一体机的整体性设计，能够提供心电、血氧、血压、呼吸、注射等多项功能同时作业，在机器内部也会存在多种电磁电路信号导致相互干扰。进而导致急救设备无法准确获取伤者心电信号，进而造成医护人员获取伤者信息存在偏差。
因此，在现有技术中急救设备由于使用环境中存在干扰信号，导致设备无法准确获取伤者心电信号的技术问题。
发明内容
本申请通过提供一种基于自适应滤波的急救设备干扰抑制方法及系统，解决了在现有技术中急救设备由于使用环境中存在干扰信号，导致设备无法准确获取伤者心电信号的技术问题。
本申请提供一种基于自适应滤波的急救设备干扰抑制方法，所述方法包括：获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波；根据初步滤波后的心电信号，确定周期性外部干扰频率，并设定频率阈值；基于频率阈值，获取大于所述频率阈值的周期性信号进行数据重建；将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电信号。
本申请还提供了一种基于自适应滤波的急救设备干扰抑制系统，所述系统包括：初步滤波模块，用于获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波；干扰频率获取模块，用于根据初步滤波后的心电信号，确定周期性外部干扰频率，并设定频率阈值；数据重建模块，用于基于频率阈值，获取大于所述频率阈值的周期性信号进行数据重建；心电信号获取模块，用于将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电信号。
本申请还提供了一种电子设备，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现本申请实施例提供的一种基于自适应滤波的急救设备干扰抑制方法。
本申请实施例提供一种计算机可读存储介质，存储有计算机程序，该程序被处理器执行时，实现本申请实施例提供的一种基于自适应滤波的急救设备干扰抑制方法。
拟通过本申请提出的一种基于自适应滤波的急救设备干扰抑制方法及系统，通过获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波。根据初步滤波后的心电信号，确定周期性外部干扰频率，并设定频率阈值。基于频率阈值，获取大于所述频率阈值的周期性信号进行数据重建。将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电信号。通过抗干扰滤波算法，对心电信号进行修正，确保在恶劣外部环境的影响下，仍然能够准确获取伤者的心电信号。解决了现有技术中急救设备由于使用环境中存在干扰信号，导致设备无法准确获取伤者心电信号的技术问题。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例，而非对本公开的限制。
图1为本申请实施例提供的一种基于自适应滤波的急救设备干扰抑制方法的流程示意图；
图2为本申请实施例提供的一种基于自适应滤波的急救设备干扰抑制方法获得自适应滤波器的流程示意图；
图3为本申请实施例提供的一种基于自适应滤波的急救设备干扰抑制方法进行按压干扰信号重建的流程示意图；
图4为本申请实施例提供的一种基于自适应滤波的急救设备干扰抑制方法的系统的结构示意图；
图5为本发明实施例提供的一种基于自适应滤波的急救设备干扰抑制方法的系统电子设备的结构示意图。
附图标记说明：初步滤波模块11，干扰频率获取模块12，数据重建模块13，心电信号获取模块14，处理器31，存储器32，输入装置33，输出装置34。
具体实施方式
实施例一
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，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它实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上，所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
如图1所示，本申请实施例提供了一种基于自适应滤波的急救设备干扰抑制方法，所述方法包括：
S10：获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波；
S20：根据初步滤波后的心电信号，确定周期性外部干扰频率，并设定频率阈值；
具体的，急救设备是在短时间内给予伤者生命支持的各类设备的总称，包括心脏除颤器、简易呼吸器、心电监测装置等，心电监测装置是监测伤者生命体征的重要仪器，然而，心电监测装置在实际应用过程中，采集的心电信号常伴有大量的噪音，如工频干扰、高频干扰、基线漂移以及导联电极与人体的相对运动产生的运动伪轨迹噪音等。为了抑制心电监测过程产生的干扰，通过获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波。其中，自适应滤波器为现有技术中通过自适应算法改变滤波器结构和参数的滤波器。随后，根据初步滤波后的心电信号，确定胸外按压干扰信号的周期性外部干扰频率，并设定频率阈值。
本申请实施例提供的方法S10还包括：
S11：对按压干扰心电信号进行频谱结构分析，确定胸外按压干扰信号频率区域；
S12：对原始心电信号进行频谱结构分析，确定心电信号的频率区域；
S13：基于所述胸外按压干扰信号频率区域、所述心电信号的频率区域，设计自适应滤波器。
具体的，在通过自适应滤波器对原始信号进行初步滤波之前对按压干扰心电信号进行获取，并将获取的按压干扰心电信号进行平滑处理，进一步对按压干扰心电信号平衡处理后的频谱结构进行分析，获取按压干扰的信号频率分布，确定胸外按压干扰信号频率区域，一般情况下胸外按压干扰信号分布于低频带。随后，对原始心电信号进行频谱结构分析，确定心电信号的频率区域。进一步，基于所述胸外按压干扰信号频率区域以及所述心电信号的频率区域，进而针对干扰信号频率区域设计自适应滤波器。
本申请实施例提供的方法S10还包括：
S14：所述自适应滤波器为有限长单位冲激响应滤波器，根据公式：
获得初步滤波后的心电信号，其中，r为滤波器的抽头数、m为滤波器的阶数、x(n-r)是延时，r个抽头的输入信号、h(r)为第r级抽头数、y(n)为滤波器的输出序列，为初步滤波后的心电信号。
具体的，由于胸外按压对原始心电信号的干扰信号分布在低频带上，而原始心电信号则分布在高频区域。基于这一发现，因此可以将原始心电信号在低频带上的主频分量近似为胸外按压干扰信号的基频。通过设计一个自适应滤波器对原始心电信号进行初步滤波，以便获取按压频率信号，所述自适应滤波器为有限长单位冲激响应滤波器，根据上述公式，对按压干扰信号进行滤波获得初步滤波后的心电信号，其中，r为滤波器的抽头数、m为滤波器的阶数、x(n-r)是延时，r个抽头的输入信号、h(r)为第r级抽头数(单位脉冲响应)、y(n)为滤波器的输出序列即初步滤波后的心电信号。
本申请实施例提供的方法S10还包括：
S15：根据初步滤波后的心电信号，获得按压最大值，确定按压瞬时点；
S16：根据所述按压瞬时点，确定按压周期；
S17：基于所述按压周期对心电信号进行周期频率计算，确定所述周期性外部干扰频率。
具体的，根据初步滤波后的电信号y(n)，获得按压最大值，确定按压瞬时点，其中按压瞬时点为初步滤波信号中的谷值点。随后，根据初步滤波后的电信号中的按压瞬时点，进而确定按压的周期，即获取相邻按压瞬时点的时间间隔。最后，基于所述按压周期对心电信号进行周期频率计算，确定所述周期性外部干扰频率。
S30：基于频率阈值，获取大于所述频率阈值的周期性信号进行数据重建；
S40：将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电信号。
具体的，根据常见周期性外部干扰，设定阈值，过滤掉异常捕获的外部周期性干扰源，只针对影响较大的周期性信号进行数据重建，通过获取大于所述频率阈值的周期性信号完成数据重建，即对大于所述频率阈值的周期性信号进行重建。进一步，由于在运动状态下，会产生基线漂移及电极相对运动而产生运动轨迹等噪音干扰，而且动作越剧烈干扰噪音越明显。最后，将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电信号。通过对比实验，通过对归一化最小均方算法中的初始状态权重、权重系数及增益系数进行调整，进而有效重建原始心电信号，从而获取完成滤波后的心电信号。通过抗干扰滤波算法，对心电信号进行修正，进而确保急救设备在恶劣外部环境产生的信号干扰的影响下，仍然能够准确获取伤者的心电信号。
如图3所示，本申请实施例提供的方法S30还包括：
S31：利用最小均方滤波算法重建按压干扰信号模型；
S32：通过所述按压干扰信号模型对大于所述频率阈值的周期性信号进行按压干扰信号重建。
具体的，在获取了按压瞬时点和按压频率之后，利用最小均方滤波算法重建按压干扰信号模型，进而求取无干扰的心电信号。由于心电信号即无干扰心电信号是通过去除重建的按压干扰信号后获取的。因此，通过对按压干扰信号进行重建，进而获得心电信号即无干扰心电信号。利用最小均方滤波算法重建按压干扰信号模型，基于获取的按压干扰信号相位，通过所述按压干扰信号模型对大于所述频率阈值的周期性信号进行按压干扰信号重建。
本申请实施例提供的方法S30还包括：
S33：获得重建的按压干扰信号，其中，所述按压干扰信号为通过按压干扰信号的同相和正交分量和进行重建；
S34：根据按压干扰心电信号、所述重建的按压干扰信号，获得原始心电信号。
具体的，获取重建的按压干扰信号，其中，所述按压干扰信号为按压干扰信号模型通过按压干扰信号的同相和正交分量进行重建。由于心电信号即无干扰心电信号是通过去除重建的按压干扰信号后获取的。因此，通过对按压干扰信号进行重建，进而获得心电信号即无干扰心电信号。从而实现根据按压干扰心电信号、所述重建的按压干扰信号，进而获得原始心电信号。
本申请实施例提供的方法S40还包括：
S41：根据呼吸阻抗信号、人体加速度信号，确定运动噪音干扰信号；
S42：调整自适应算法权重系数，对所述运动噪音干扰信号进行滤波处理，重建原始心电信号，其中，调整自适应算法权重系数包括初始状态权重、权重系数及增益系数。
具体的，根据呼吸阻抗信号、人体加速度信号，确定运动噪音干扰信号，经过干扰相消系统并由自适应算法调节归一化最小均方算法的权重系数。由于医护人员在进行胸部按压操作时，会产生基线漂移及电极相对运动而产生运动轨迹等噪音干扰，而且动作越剧烈干扰噪音越明显。通过调整自适应算法权重系数，对所述运动噪音干扰信号进行滤波处理，重建原始心电信号，其中，调整自适应算法权重系数包括初始状态权重、权重系数及增益系数。
本申请实施例提供的方法S40还包括：
S43：获得相关影响信息，所述相关影响信息包括肌肉运动信息、电极运动信息；
S44：利用所述肌肉运动信息、电极运动信息分别进行干扰记录分析，确定频谱结构干扰特征；
S45：基于所述频谱结构干扰特征，与周期性外部干扰频率进行波形耦合、波形解耦拟合，获得波形影响特征；
S46：利用所述波形影响特征、所述周期性外部干扰频率进行滤波，重建原始心电信号。
具体的，获取相关影响信息，所述相关影响信息包括肌肉运动信息、电极运动信息。其中肌肉运动信息为患者在胸部按压时肌肉的运动信息，电极运动信息为电极在胸部按压过程中产生的移动信息。获取所述肌肉运动信息、电极运动信息分别进行干扰记录分析，进而确定频谱结构干扰特征，获取运动信息的具体干扰频谱。进一步，基于所述频谱结构干扰特征，与周期性外部干扰频率进行波形耦合、波形解耦拟合，获得波形影响特征。最后，利用波形影响特征、所述周期性外部干扰频率进行滤波，重建原始心电信号。实现了对肉运动信息、电极运动信息产生干扰信号的滤波，提高了心电信号获取的准确性。
本申请实施例提供的方法S32还包括：
S321：获得历史案例集，其中，所述历史案例集包括标准心电波形、干扰心电信号；
S322：基于按压干扰信号模型，利用所述干扰心电信号，获得原始心电信号；
S323：利用原始心电信号，获得重建心电波形；
S324：利用所述标准心电波形、所述重建心电波形进行拟合，计算拟合损失值；
S325：根据所述拟合损失值对所述按压干扰信号模型进行优化。
具体的，获取历史胸部按压的历史案例集合，其中，所述历史案例集包括标准心电波形、干扰心电信号，其中标准心电波形为滤波后获取的无干扰心电波形，干扰心电信号为存在干扰的心电波形。进一步，基于按压干扰信号模型，利用所述干扰心电信号，获得原始心电信号，即利用构建的按压干扰信号模型，对干扰心电信号进行处理获取原始心电信号。进一步，利用获取的原始心电信号，获得重建心电波形。最后，利用所述标准心电波形、所述重建心电波形进行拟合，获取二者波形的差异信号，如峰值差异等进而获取计算拟合损失值。最后，利用拟合损失值对所述按压干扰信号模型进行补偿优化，如根据峰值损失对按压干扰信号模型的输出进行补偿等。从而实现获取更为准确的心电波形输出结果。
本发明实施例所提供的技术方案，通过获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波。根据初步滤波后的心电信号，确定周期性外部干扰频率，并设定频率阈值。基于频率阈值，获取大于所述频率阈值的周期性信号进行数据重建。将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电信号。通过抗干扰滤波算法，对心电信号进行修正，进而确保急救设备在恶劣外部环境产生的信号干扰的影响下，仍然能够准确获取伤者的心电信号。解决了现有技术中急救设备由于使用环境中存在干扰信号，导致设备无法准确获取伤者心电信号的技术问题。
实施例二
基于与前述实施例中一种基于自适应滤波的急救设备干扰抑制方法同样发明构思，本发明还提供了一种基于自适应滤波的急救设备干扰抑制方法的系统，系统可以由硬件和/或软件的方式来实现，一般可集成于电子设备中，用于执行本发明任意实施例所提供的方法。如图4所示，所述系统包括：
初步滤波模块11，用于获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波；
干扰频率获取模块12，用于根据初步滤波后的心电信号，确定周期性外部干扰频率，并设定频率阈值；
数据重建模块13，用于基于频率阈值，获取大于所述频率阈值的周期性信号进行数据重建；
心电信号获取模块14，用于将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电信号。
进一步地，所述初步滤波模块11还用于：
对按压干扰心电信号进行频谱结构分析，确定胸外按压干扰信号频率区域；
对原始心电信号进行频谱结构分析，确定心电信号的频率区域；
基于所述胸外按压干扰信号频率区域、所述心电信号的频率区域，设计自适应滤波器。
进一步地，所述初步滤波模块11还用于：
获得初步滤波后的心电信号，其中，r为滤波器的抽头数、m为滤波器的阶数、x(n-r)是延时，r个抽头的输入信号、h(r)为第r级抽头数、y(n)为滤波器的输出序列，为初步滤波后的心电信号。
进一步地，所述初步滤波模块11还用于：
根据初步滤波后的心电信号，获得按压最大值，确定按压瞬时点；
根据所述按压瞬时点，确定按压周期；
基于所述按压周期对心电信号进行周期频率计算，确定所述周期性外部干扰频率。
进一步地，所述数据重建模块13还用于：
利用最小均方滤波算法重建按压干扰信号模型；
通过所述按压干扰信号模型对大于所述频率阈值的周期性信号进行按压干扰信号重建。
进一步地，所述数据重建模块13还用于：
获得重建的按压干扰信号，其中，所述按压干扰信号为通过按压干扰信号的同相和正交分量和进行重建；
根据按压干扰心电信号、所述重建的按压干扰信号，获得原始心电信号。
进一步地，所述心电信号获取模块14还用于：
根据呼吸阻抗信号、人体加速度信号，确定运动噪音干扰信号；
调整自适应算法权重系数，对所述运动噪音干扰信号进行滤波处理，重建原始心电信号，其中，调整自适应算法权重系数包括初始状态权重、权重系数及增益系数。
进一步地，所述心电信号获取模块14还用于：
获得相关影响信息，所述相关影响信息包括肌肉运动信息、电极运动信息；
利用所述肌肉运动信息、电极运动信息分别进行干扰记录分析，确定频谱结构干扰特征；
基于所述频谱结构干扰特征，与周期性外部干扰频率进行波形耦合、波形解耦拟合，获得波形影响特征；
利用所述波形影响特征、所述周期性外部干扰频率进行滤波，重建原始心电信号。
进一步地，所述数据重建模块13还用于：
获得历史案例集，其中，所述历史案例集包括标准心电波形、干扰心电信号；
基于按压干扰信号模型，利用所述干扰心电信号，获得原始心电信号；
利用原始心电信号，获得重建心电波形；
利用所述标准心电波形、所述重建心电波形进行拟合，计算拟合损失值；
根据所述拟合损失值对所述按压干扰信号模型进行优化。
所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例三
图5为本发明实施例三提供的电子设备的结构示意图，示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图5所示，该电子设备包括处理器31、存储器32、输入装置33及输出装置34；电子设备中处理器31的数量可以是一个或多个，图5中以一个处理器31为例，电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种基于自适应滤波的急救设备干扰抑制方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述一种基于自适应滤波的急救设备干扰抑制方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于自适应滤波的急救设备干扰抑制方法，其特征在于，所述方法包括：
获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波；
根据初步滤波后的心电信号，确定周期性外部干扰频率，并设定频率阈值；
基于频率阈值，获取大于所述频率阈值的周期性信号进行数据重建；
将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电信号。
2.如权利要求1所述的方法，其特征在于，所述通过自适应滤波器对原始信号进行初步滤波，之前包括：
对按压干扰心电信号进行频谱结构分析，确定胸外按压干扰信号频率区域；
对原始心电信号进行频谱结构分析，确定心电信号的频率区域；
基于所述胸外按压干扰信号频率区域、所述心电信号的频率区域，设计自适应滤波器。
3.如权利要求2所述的方法，其特征在于，所述自适应滤波器为有限长单位冲激响应滤波器，根据公式：
获得初步滤波后的心电信号，其中，r为滤波器的抽头数、m为滤波器的阶数、x(n-r)是延时，r个抽头的输入信号、h(r)为第r级抽头数、y(n)为滤波器的输出序列，为初步滤波后的心电信号。
4.如权利要求3所述的方法，其特征在于，所述根据初步滤波后的心电信号，确定周期性外部干扰频率，包括：
根据初步滤波后的心电信号，获得按压最大值，确定按压瞬时点；
根据所述按压瞬时点，确定按压周期；
基于所述按压周期对心电信号进行周期频率计算，确定所述周期性外部干扰频率。
5.如权利要求1所述的方法，其特征在于，所述获取大于所述频率阈值的周期性信号进行数据重建，包括：
利用最小均方滤波算法重建按压干扰信号模型；
通过所述按压干扰信号模型对大于所述频率阈值的周期性信号进行按压干扰信号重建。
6.如权利要求5所述的方法，其特征在于，所述方法包括：
获得重建的按压干扰信号，其中，所述按压干扰信号为通过按压干扰信号的同相和正交分量和进行重建；
根据按压干扰心电信号、所述重建的按压干扰信号，获得原始心电信号。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据呼吸阻抗信号、人体加速度信号，确定运动噪音干扰信号；
调整自适应算法权重系数，对所述运动噪音干扰信号进行滤波处理，重建原始心电信号，其中，调整自适应算法权重系数包括初始状态权重、权重系数及增益系数。
8.如权利要求1所述的方法，其特征在于，所述方法还包括：
获得相关影响信息，所述相关影响信息包括肌肉运动信息、电极运动信息；
利用所述肌肉运动信息、电极运动信息分别进行干扰记录分析，确定频谱结构干扰特征；
基于所述频谱结构干扰特征，与周期性外部干扰频率进行波形耦合、波形解耦拟合，获得波形影响特征；
利用所述波形影响特征、所述周期性外部干扰频率进行滤波，重建原始心电信号。
9.如权利要求5所述的方法，其特征在于，所述方法还包括：
获得历史案例集，其中，所述历史案例集包括标准心电波形、干扰心电信号；
基于按压干扰信号模型，利用所述干扰心电信号，获得原始心电信号；
利用原始心电信号，获得重建心电波形；
利用所述标准心电波形、所述重建心电波形进行拟合，计算拟合损失值；
根据所述拟合损失值对所述按压干扰信号模型进行优化。
10.一种基于自适应滤波的急救设备干扰抑制系统，其特征在于，所述系统包括：
初步滤波模块，用于获取急救设备的原始信号，通过自适应滤波器对原始信号进行初步滤波；
干扰频率获取模块，用于根据初步滤波后的心电信号，确定周期性外部干扰频率，并设定频率阈值；
数据重建模块，用于基于频率阈值，获取大于所述频率阈值的周期性信号进行数据重建；
心电信号获取模块，用于将重建信号或不大于所述频率阈值的原始信号，根据呼吸阻抗信号、人体加速度信号，由自适应算法重建心电信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310411691.3A CN116458847B (zh) | 2023-04-18 | 2023-04-18 | 一种基于自适应滤波的急救设备干扰抑制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310411691.3A CN116458847B (zh) | 2023-04-18 | 2023-04-18 | 一种基于自适应滤波的急救设备干扰抑制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116458847A true CN116458847A (zh) | 2023-07-21 |
| CN116458847B CN116458847B (zh) | 2024-03-29 |
Family
ID=87184948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310411691.3A Active CN116458847B (zh) | 2023-04-18 | 2023-04-18 | 一种基于自适应滤波的急救设备干扰抑制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116458847B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116271376A (zh) * | 2023-04-18 | 2023-06-23 | 中船海神医疗科技有限公司 | 一种便携式生命支持系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1999043385A1 (en) * | 1998-02-27 | 1999-09-02 | Cardiac Pacemakers, Inc. | Cardiac rhythm management device using transthoracic impedance |
| CN201631188U (zh) * | 2010-03-18 | 2010-11-17 | 复旦大学 | 多通道生物医学电信号预处理模块 |
| US20130184600A1 (en) * | 2012-01-17 | 2013-07-18 | Zoll Medical Corporation | Systems and methods for filtering ecg artifacts |
| WO2015003509A1 (zh) * | 2013-07-07 | 2015-01-15 | 深圳迈瑞生物医疗电子股份有限公司 | 胸外按压深度的监测方法、监测系统和除颤仪 |
| CN104323769A (zh) * | 2014-09-19 | 2015-02-04 | 中国人民解放军第三军医大学 | 一种抑制心肺复苏引起的心电干扰的方法、系统及体外除颤仪 |
| US20150297107A1 (en) * | 2012-03-27 | 2015-10-22 | Physio-Control, Inc. | System and method for electrocardiogram analysis and optimization of cardiopulmonary resuscitation and therapy delivery |
| CN107233204A (zh) * | 2017-07-12 | 2017-10-10 | 李城钰 | 一种心脏骤停急救一体化装置 |
| US20190159733A1 (en) * | 2014-08-27 | 2019-05-30 | Vladimir Shusterman | Method and System for Monitoring Physiological Signals/Health Data, Defibrillation, and Pacing in the Presence of Electromagnetic Interference |
| CN109846694A (zh) * | 2019-04-10 | 2019-06-07 | 军事科学院系统工程研究院卫勤保障技术研究所 | 在人工通气间期进行心电节律辨识的心肺复苏一体化装置及方法 |
| CN109984742A (zh) * | 2019-04-22 | 2019-07-09 | 深圳大学 | 心阻抗信号处理系统和方法 |
| CN115702981A (zh) * | 2021-08-09 | 2023-02-17 | 深圳迈瑞生物医疗电子股份有限公司 | 一种用于心肺复苏的转复识别方法及系统、设备和除颤仪 |
-
2023
- 2023-04-18 CN CN202310411691.3A patent/CN116458847B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1999043385A1 (en) * | 1998-02-27 | 1999-09-02 | Cardiac Pacemakers, Inc. | Cardiac rhythm management device using transthoracic impedance |
| CN201631188U (zh) * | 2010-03-18 | 2010-11-17 | 复旦大学 | 多通道生物医学电信号预处理模块 |
| US20130184600A1 (en) * | 2012-01-17 | 2013-07-18 | Zoll Medical Corporation | Systems and methods for filtering ecg artifacts |
| US20150297107A1 (en) * | 2012-03-27 | 2015-10-22 | Physio-Control, Inc. | System and method for electrocardiogram analysis and optimization of cardiopulmonary resuscitation and therapy delivery |
| WO2015003509A1 (zh) * | 2013-07-07 | 2015-01-15 | 深圳迈瑞生物医疗电子股份有限公司 | 胸外按压深度的监测方法、监测系统和除颤仪 |
| US20190159733A1 (en) * | 2014-08-27 | 2019-05-30 | Vladimir Shusterman | Method and System for Monitoring Physiological Signals/Health Data, Defibrillation, and Pacing in the Presence of Electromagnetic Interference |
| CN104323769A (zh) * | 2014-09-19 | 2015-02-04 | 中国人民解放军第三军医大学 | 一种抑制心肺复苏引起的心电干扰的方法、系统及体外除颤仪 |
| CN107233204A (zh) * | 2017-07-12 | 2017-10-10 | 李城钰 | 一种心脏骤停急救一体化装置 |
| CN109846694A (zh) * | 2019-04-10 | 2019-06-07 | 军事科学院系统工程研究院卫勤保障技术研究所 | 在人工通气间期进行心电节律辨识的心肺复苏一体化装置及方法 |
| CN109984742A (zh) * | 2019-04-22 | 2019-07-09 | 深圳大学 | 心阻抗信号处理系统和方法 |
| CN115702981A (zh) * | 2021-08-09 | 2023-02-17 | 深圳迈瑞生物医疗电子股份有限公司 | 一种用于心肺复苏的转复识别方法及系统、设备和除颤仪 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116271376A (zh) * | 2023-04-18 | 2023-06-23 | 中船海神医疗科技有限公司 | 一种便携式生命支持系统 |
| CN116271376B (zh) * | 2023-04-18 | 2024-04-19 | 中船海神医疗科技有限公司 | 一种便携式生命支持系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116458847B (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Han et al. | Electrocardiogram signal denoising based on empirical mode decomposition technique: an overview | |
| Nayak et al. | Filtering techniques for ECG signal processing | |
| CN116458847B (zh) | 一种基于自适应滤波的急救设备干扰抑制方法及系统 | |
| Patro et al. | De-noising of ECG raw signal by cascaded window based digital filters configuration | |
| US9259167B2 (en) | Method and system for extracting ventricular fibrillation signals in electrocardiogram | |
| Amri et al. | ECG signal processing using offline-wavelet transform method based on ECG-IoT device | |
| Salman et al. | Cardiac signal enhancement using normalised variable step algorithm for remote healthcare monitoring systems | |
| Verulkar et al. | Filtering techniques for reduction of power line interference in electrocardiogram signals | |
| Jayasanthi et al. | Improved ICA algorithm for ECG feature extraction and R‐peak detection | |
| Hegde et al. | A review on ECG signal processing and HRV analysis | |
| Tian et al. | Motion artifact removal based on ICA for ambulatory ECG monitoring | |
| Malhotra et al. | A real time wavelet filtering for ECG baseline wandering removal | |
| CN109124605B (zh) | 一种减少icu内误报警的方法、装置及设备 | |
| Sugadev et al. | Survey on Various noise sources in ECG signal and its Filtering Methods | |
| Orhan et al. | Heart rate detection on single-arm ECG by using dual-median approach | |
| Ma et al. | High-fidelity data transmission of multi vital signs for distributed e-health applications | |
| Shama et al. | Hamming filter design for ECG signal detection and processing using co-simulation | |
| Gowri et al. | Efficient Electrocardiogram Signal Enhancement Techniques Using Block Processed Noise Cancelers | |
| Zhou et al. | An adaptive threshold algorithm based on wavelet in QRS detection | |
| Dagman et al. | Filtering maternal & fetal electrocardiogram (ECG) signals using Savitzky-Golay filter and adaptive least mean square (LMS) cancellation technique | |
| Farid et al. | Removal of power line interference from ECG signal using different adaptive filter algorithms and cubic spline interpolation for missing data points of EGC in telecardiology system | |
| Khairuddin et al. | A review of the filters and the filtering techniques in electrocardiography | |
| Kozłowski et al. | Effects of denoising strategies on R-wave detection in ECG analysis | |
| CN116271376B (zh) | 一种便携式生命支持系统 | |
| Alvarado et al. | Hearth Detection System Using Coherence Function on python for Tachycardia and Bradycardia |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |