CN116669625A - 生理信号处理方法、装置、监护仪及计算机可读存储介质 - Google Patents
生理信号处理方法、装置、监护仪及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116669625A CN116669625A CN202080108006.4A CN202080108006A CN116669625A CN 116669625 A CN116669625 A CN 116669625A CN 202080108006 A CN202080108006 A CN 202080108006A CN 116669625 A CN116669625 A CN 116669625A
- Authority
- CN
- China
- Prior art keywords
- signal
- patient
- respiratory
- physiological
- state
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 38
- 230000000241 respiratory effect Effects 0.000 claims abstract description 116
- 238000012545 processing Methods 0.000 claims abstract description 28
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 81
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 36
- 229910052760 oxygen Inorganic materials 0.000 claims description 36
- 239000001301 oxygen Substances 0.000 claims description 36
- 239000008280 blood Substances 0.000 claims description 35
- 210000004369 blood Anatomy 0.000 claims description 35
- 238000006213 oxygenation reaction Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 24
- 238000013186 photoplethysmography Methods 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 22
- 208000008784 apnea Diseases 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000031700 light absorption Effects 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 210000001061 forehead Anatomy 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 210000005069 ears Anatomy 0.000 claims 2
- 238000001914 filtration Methods 0.000 description 6
- 230000003183 myoelectrical effect Effects 0.000 description 6
- 208000006218 bradycardia Diseases 0.000 description 5
- 230000036471 bradycardia Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 210000000038 chest Anatomy 0.000 description 4
- 238000002106 pulse oximetry Methods 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 3
- 230000036387 respiratory rate Effects 0.000 description 3
- 208000023504 respiratory system disease Diseases 0.000 description 3
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 206010021137 Hypovolaemia Diseases 0.000 description 2
- 206010038687 Respiratory distress Diseases 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000541 pulsatile effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 206010021143 Hypoxia Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 208000018875 hypoxemia Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000000707 wrist Anatomy 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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Pulmonology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种生理信号处理方法，包括：获取患者的生理信号(S110)；获取生理信号的特性信息(S120)；根据特征信息确定患者的呼吸状态(S130)，需要基于患者的生理信号的特性信息即可确定患者的呼吸状态，提高了对生理信号处理的便捷性和效率。还提供了生理信号处理装置、监护仪及计算机可读存储介质。
Description
本申请涉及医疗设备技术领域，具体涉及一种生理信号处理方法、装置、监护仪及计算机可读存储介质。
针对患有呼吸疾病的患者，可以通过检测患者的心率、脉搏血氧饱和度、以及呼吸状态等多种不同信息，来确定患者的呼吸疾病的类型。
目前，在对多种不同信息获取的过程中，需要通过不同的采集设备分别采集心电图(ECG，electrocardiogram)、光电容积描记(PPG，photoplethysmograph)、以及二氧化碳(CO2，carbon dioxide)等，然后，基于ECG信号检测患者的心率是否稳定，基于PPG信号检测患者的脉搏血氧饱和度(SpO2，Peripheral Capillary Oxygen Saturation)，以便通过脉搏血氧饱和度来反映患者当前的血氧状态，以及CO2信号检测患者的呼吸情况。此时，可以基于检测出的心率、脉搏血氧饱和度、以及呼吸情况等信息确定患者的呼吸疾病。
由于需要通过复杂的采集方式分别获取多种不同信号，并对多种信号分别进行检测，因此，一方面，对于患者进行长期监测，会影响患者的休息及恢复过程中的活动范围，不利于患者的康复，以及降低了医护人员的工作效率；另一方面，检测过程的复杂度较高，降低了检测的便捷性。
发明内容
本申请提供了一种生理信号处理方法、装置、监护仪及计算机可读存储介质，可以提高对生理信号处理的便捷性和效率。
第一方面，本申请实施例提供了一种生理信号处理方法，包括：
获取患者的生理信号；
获取所述生理信号的特性信息；
根据所述特征信息确定所述患者的呼吸状态。
第二方面，本申请实施例提供了一种生理信号处理装置，包括：
采集设备，用于采集患者的生理信号；
显示器，用于显示患者呼吸状态的提示信息；
存储器，存储有计算机程序；
处理器，用于运行存储在所述存储器中的计算机程序，并在执行所述计算机程序时实现前述的生理信号处理方法。
第三方面，本申请实施例提供了一种监护仪，包括：
传感器附件；
参数测量电路，用于连接传感器附件，以及获得患者的生理参数信号；
显示器，用于显示患者呼吸状态的提示信息；
存储器，存储有计算机程序；
处理器，用于运行存储在所述存储器中的计算机程序，并在执行所述计算机程序时实现前述的生理信号处理方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现上述的方法。
本申请实施例提供了一种生理信号处理方法、装置、监护仪及计算机可读存储介质，可以获取患者的生理信号，以及获取生理信号的特性信息，此时可以根据特征信息确定患者的呼吸状态。该方案仅需要基于患者的生理信号的特性信息即可确定患者的呼吸状态，而不需要采集多种信号并对多种信号分别进行检测，提高了对生理信号处理的便捷性和效率。
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，并不能限制本申请实施例的公开内容。
为了更清楚地说明本申请实施例的技术方案，下面将对实施例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是本申请实施例提供的一种生理信号处理方法的流程示意图；
图2是本申请实施例提供的一种生理信号处理装置的示意性框图；
图3是本申请实施例提供的一种监护仪的示意性框图。
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，所描述的实施例是本申请一部分实施例，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，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，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、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参阅图1，图1是本申请实施例提供的一种生理信号处理方法的流程示意图。所述生理信号处理方法可以应用在生理信号处理装置中，用于根据患者的生理信号确定患者的呼吸状态等过程；其中该生理信号处理装置的类型可以根据实际需要进行灵活设置，例如，该生理信号处理装置可以是监护仪等。
本申请实施例的生理信号处理方法包括：获取患者的生理信号；获取所述生理信号的特性信息；根据所述特征信息确定所述患者的呼吸状态。仅需要基于患者的生理信号的特性信息即可确定患者的呼吸状态，而不需要采集多种信号并对多种信号分别进行检测，提高了对生理信号处理的便捷性和效率。
如图1所示，本申请实施例的生理信号处理方法包括步骤S110至步骤S130。
S110、获取患者的生理信号。
示例性的，所述生理信号处理装置，如监护仪搭载用于采集患者所述生理 信号的采集设备，或者能够与采集设备通信连接。
示例性的，采集设备可以包括光电容积采集设备、心电采集设备、以及肌电采集设备，当然也不限于此。通过光电容积采集设备，可以采集患者的光电容积信号；通过心电采集设备，可以采集患者的心电信号；通过肌电采集设备，可以采集患者的肌电信号。
其中，光电容积采集设备可以通过光电容积传感器采集患者手指、额头、耳部、腕部或者脖颈等处的光电容积信号，或者可以称为光体积描记波(PPG，Photoplethysmograph)。其中，在相应部位采集的光电容积信号可以分别称为指端光电容积脉搏信号、耳部光电容积脉搏波信号、额头光电容积脉搏波信号等。心电采集设备可以通过心电采集芯片和/或心电采集电路采集所述患者的心电信号(ECG，Electrocardiogram)。肌电采集设备可以通过针电极或电极贴片采集患者的肌电信号(EMG)或表面肌电信号(SEMG)。
在一些实施方式中，可以获取患者单通道的生理信号。
示例性的，所述获取患者单通道的生理信号包括获取患者的光电容积信号。例如通过光电容积采集设备，采集所述患者指端、耳部、或额头对应部位的光电容积信号。
光电容积信号相较于心电信号、肌电信号等，更方便采集，对患者的影响也比较小。通过根据光电容积信号的特性信息即可确定患者的呼吸状态，可以提高效率，对患者也更友好。
在一些实施方式中，可以获取所述患者双通道的生理信号。
示例性的，除了获取患者的光电容积信号，还可以获取患者的心电信号。可以理解的，所述双通道的生理信号包括光电容积信号和心电信号。通过融合双通道的生理信号确定患者的呼吸状态，可以提高呼吸状态的准确性，而且信号采集、数据处理的复杂度也比较低。
示例性的，可以通过心电采集设备，采集所述患者预设部位的心电信号。例如，心电采集设备可以通过胸部电极片，采集所述患者预设部位的心电信号。
在一些实施方式中，可以检测所述患者的当前状态；若所述当前状态不满足预设状态，则输出调整状态的提示信息，以基于所述提示信息调整所述患者的状态。患者处于运动状态，或者躺卧姿态不准确或压到采集设备时，获取的生理信号不够准确。可以提示调整所述患者的状态。
示例性的，在获取患者的光电容积信号和/或心电信号信号时，对患者状态的要求比较低，例如当患者未处于运动状态时均可以较为准确的获取光电容积信号和/或心电信号信号。因此可以在患者处于运动状态时，输出调整状态的提示信息，以提示患者停止运动。
在患者调整状态之后，可以通过采集设备获取调整姿态后的所述患者的所述生理信号，例如获取调整状态后的所述患者单通道的生理信号或双通道的生理信号，以及基于调整后获取到的所述生理信号确定所述患者的呼吸状态。
示例性的，若检测到患者处于运动状态，或者躺卧姿态不准确或压到采集设备时，输出调整状态的提示信息，例如提示患者保持静止，或者调整采集设备的夹手指的位置等。
示例性的，所述检测所述患者的当前状态包括：采集所述患者的运动信息，根据所述运动信息确定所述患者的当前状态；或者，采集包含所述患者的图像，根据所述图像确定所述患者的当前状态。
例如，通过机器学习方法确定图像中患者的当前状态。若患者的当前状态不利于所述生理信号的准确采集，则可以输出提示信息。
S120、获取所述生理信号的特性信息。
生理信号的特性信息可以理解为是生理信号所包含的关键信息，例如特性信息可以包括信号频率、幅值等。特性信息一般不包括噪音等无用信息，根据生理信号的特性信息确定患者的呼吸状态，可以通过较少的计算量得到更准确的呼吸状态，降低呼吸状态检测的复杂度。
在一些实施方式中，可以通过对所述生理信号进行预处理，获取预处理后的所述生理信号的特性信息。
示例性的，所述获取所述生理信号的特性信息包括：对所述生理信号进行预处理，并对预处理后的生理信号进行去噪处理，得到去噪后的生理信号；以及获取所述去噪后的生理信号的特性信息。
其中，所述预处理可以包括以下至少一种：硬件滤波、信号放大、模数(A/D)转换。去噪处理可以包括自适应滤波器的数字滤波处理。硬件滤波例如可以包括低通滤波、高通滤波(基线漂移，频率比较高，去低频)。
示例性的，从所述去噪后的生理信号中提取峰值幅度、谷值幅度、峰值位置、谷值位置等特性信息。其中，谷值幅度，峰值位置和/或谷值位置可以为信 号中峰值和/或谷值对应的时间。
示例性的，当获取的生理信号包括患者的光电容积信号时，还可以从去噪后的光电容积信号中提取光吸收状态，得到特性信息。光吸收状态例如包括红光吸收量和/或红外光吸收量。根据光吸收状态能够确定患者的血氧饱和度(SpO2，Peripheral Capillary Oxygen Saturation)，血氧饱和度用于指示患者当前的血氧状态。
S130、根据所述特征信息确定所述患者的呼吸状态。
在一些实施方式中，患者的呼吸状态包括正常状态、呼吸氧合状态(ABD Event，也可称为呼吸氧合事件)。呼吸氧合事件通常指由呼吸暂停导致的心动过缓和/或血氧过低的现象。其中呼吸暂停可以称为A事件，心动过缓(例如心率低于60次/分)可以称为B事件，血氧过低(例如血氧下降到88％以下)可以称为D事件。
呼吸氧合事件的检测主要是针对患有呼吸暂停性疾病的患者。在一些实施方式中，可以根据患者的呼吸信息、脉率、以及血氧饱和度，确定所述患者的呼吸状态。
示例性的，呼吸信息可以根据患者的光电容积信号和/或心电信号确定。其中，基于心电信号(ECG信号)获取呼吸信息，可以直接采用信号提取的方式将呼吸信息从ECG信号中进行分离。或者可以通过心电电极片检测人体呼吸时胸腔阻抗的变化进而获取呼吸信息。或者可以将光电容积信号和心电信号两种信号融合求取呼吸信息。
示例性的，胸阻抗法检测可以根据欧姆定律计算呼吸信息，如呼吸率，例如心电信号的三导联之间有一定的电压U1、U2，人呼吸的时候胸腔是来回起伏的，可以检测到在起伏的过程中胸阻抗(即电阻R)的变化，保持U是恒定的，R在变化，那么检测的电流I也是变化的。从而可以通过检测电流I的变化来确定呼吸波，即电流I的变化能反映呼吸信号，例如可以根据电流I的变化计算呼吸率。
示例性的，脉率可以根据患者的光电容积信号和/或心电信号确定。
光电容积信号可以用于指示血管的搏动状态变化，从而可以根据光电容积信号(PPG信号)确定患者的脉率。示例性的，可以根据心电信号的PR间期确定患者的脉率。或者可以将光电容积信号和心电信号两种信号融合确定患者的 脉率，例如将根据PPG信号确定的脉率和根据心电信号确定的脉率加权求和得到患者的脉率。
血氧饱和度(SpO2)用于指示患者的血氧状态，SpO2是血液中被氧结合的氧合血红蛋白的容量占全部可结合的血红蛋白容量的百分比，即血液中血氧的浓度，可以根据患者的光电容积信号确定血氧饱和度。
可以理解的，根据光电容积信号可以确定患者的呼吸信息、脉率、以及血氧饱和度，从而可以根据单通道的生理信号确定所述患者的呼吸状态。
举例而言，所述根据所述呼吸信息、脉率、以及血氧饱和度，确定所述患者的呼吸状态包括一下至少一种：当基于所述呼吸信息确定所述患者呼吸暂停开始后第一预设时间内或呼吸暂停结束后第二预设时间内，所述脉率低于第一预设阈值时，确定所述患者的呼吸状态为第一呼吸氧合事件；当基于所述呼吸信息确定所述患者呼吸暂停开始后第三预设时间内或吸暂停结束后第四预设时间内，所述血氧饱和度低于第二预设阈值时，确定所述患者的呼吸状态为第二呼吸氧合事件；当基于所述呼吸信息确定所述患者呼吸暂停开始后第五预设时间内或吸暂停结束后第六预设时间内，所述脉率低于第一预设阈值且所述血氧饱和度低于第二预设阈值时，确定所述患者的呼吸状态为第三呼吸氧合事件；当基于所述呼吸信息确定所述患者存在呼吸暂停时，确定所述患者的呼吸状态为第四呼吸氧合事件；当所述脉率低于第一预设阈值时，确定所述患者的呼吸状态为第五呼吸氧合事件；当所述血氧饱和度低于第二预设阈值时，确定所述患者的呼吸状态为第六呼吸氧合事件。
其中，第一呼吸氧合事件也可以称为AB事件，例如在呼吸暂停开始后50s内发生心动过缓或者呼吸暂停结束后25s内发生心动过缓时确定患者的呼吸状态为第一呼吸氧合事件。第二呼吸氧合事件也可以称为AD事件，例如在呼吸暂停开始后55s内发生了低血氧事件或者呼吸暂停结束后38s内发生低血氧事件时确定患者的呼吸状态为第二呼吸氧合事件。第三呼吸氧合事件也可以称为ABD事件，例如在呼吸暂停后心动过缓和血氧过低同时发生时确定患者的呼吸状态为第三呼吸氧合事件。第四呼吸氧合事件可以称为A事件，第五呼吸氧合事件可以称为B事件，第六呼吸氧合事件可以称为D事件；A事件、B事件、D事件单独发生，表示一次未关联事件，可以称为普通事件。
在一些实施方式中，所述根据所述特征信息确定所述患者的呼吸状态，包 括：根据所述特征信息获取所述生理信号中，每个时间窗的信号段对应的信号质量指数；根据所述信号质量指数筛选出满足条件的信号段，得到目标信号；根据所述目标信号确定所述患者的呼吸状态。
基于单通道的生理信号或者基于双通道的生理信号确定患者的呼吸状态时，可以通过对不同时间段(可以称为时间窗)采集的生理信号(可以称为信号段)进行质量评估，筛选出质量较高的生理信号，以及根据质量较高的生理信号确定患者的呼吸状态，可以提高呼吸状态确定的准确性。
在一些实施方式中，可以根据所述生理信号的特性信息，对所述生理信号进行时域分析和/或频域分析，以及根据时域分析和/或频域分析的分析结果，确定所述生理信号中每个时间窗的信号段对应的信号质量指数。
示例性的，可以根据所述生理信号的特征信息获取所述生理信号中，每个时间窗的信号段对应的峰谷差值变异度、峰峰间隔变异度和/或基线偏离变异度，以及根据所述峰谷差值变异度、峰峰间隔变异度和/或基线偏离变异度，确定所述生理信号中每个时间窗的信号段对应的信号质量指数。
举例而言，可以根据所述生理信号的特征信息获取所述生理信号中，每个时间窗的信号段对应的峰值的均值以及谷值的均值，得到峰谷差值变异度。例如根据所述峰值的均值以及所述谷值的均值之间的差值确定峰谷差值变异度。
举例而言，可以获取所述生理信号中每个时间窗的信号段对应的相邻波峰与波峰之间间隔的均值，得到峰峰间隔变异度。
举例而言，可以获取所述生理信号中的参考基线，以及获取所述生理信号中每个时间窗的信号段对应离散点的幅度值的均值，得到目标基线；获取所述生理信号中的参考基线与目标基线之间的偏差，得到基线偏离变异度。例如，参考基线可以根据健康人的所述生理信号的稳定值确定。
示例性的，所述根据所述峰谷差值变异度、峰峰间隔变异度和/或基线偏离变异度，确定所述生理信号中每个时间窗的信号段对应的信号质量指数,包括：获取所述生理信号对应的所述峰谷差值变异度、峰峰间隔变异度、以及基线偏离变异度的权重值；根据所述权重值，以及所述峰谷差值变异度、峰峰间隔变异度、以及基线偏离变异度，确定所述生理信号中所述每个时间窗的信号段对应的信号质量指数。例如，根据预设的权重值，对所述峰谷差值变异度、峰峰间隔变异度和/或基线偏离变异度加权求和，得到所述信号质量指数。
在一些实施方式中，所述根据所述生理信号的特性信息，分别对所述生理信号进行频域分析，根据频域分析的分析结果，确定所述生理信号中每个时间窗的信号段对应的信号质量指数，包括：根据所述生理信号的特征信息分别对所述生理信号中每个时间窗的信号段进行不同频段间关联性分析；根据不同频段间关联性分析结果，确定所述生理信号中每个时间窗的信号段对应的信号质量指数。
示例性的，光电容积信号可以通过例如小波变换(wavelet transform，WT)等方法分解出多个频段的波，其中1Hz到2Hz范围内的波对应人的正常脉率，为60至120次/分之间，0.17到1.2Hz范围内的波对应呼吸率，为40至70。如果通过关联性分析确定信号中1Hz到2Hz范围内的波与0.17到1.2Hz范围内的波的关联度较高，则可以确定光电容积信号的信号质量指数较好。其中光电容积信号中1Hz到2Hz范围内和0.17到1.2Hz范围内的波的占比越高，可以确定光电容积信号中其他频段的波较少，则信号质量指数较好。
筛选出质量较高的生理信号，即满足条件的信号段，得到目标信号，根据质量较高的目标信号确定患者的呼吸状态，可以提高呼吸状态确定的准确性。
在一些实施方式中，所述目标信号包括所述光电容积信号的信号段。所述根据所述目标信号确定所述患者的呼吸状态包括：基于所述光电容积信号的信号段获取呼吸信息、脉率、以及血氧饱和度；根据所述呼吸信息、脉率、以及血氧饱和度，确定所述患者的呼吸状态。
光电容积信号可以用于指示血管的搏动状态变化，从而可以根据光电容积信号(PPG信号)确定患者的脉率。示例性的，获取所述光电容积信号的信号段中峰值出现的次数，根据所述次数和所述时间窗的时长确定脉率。
示例性的，对所述光电容积信号的信号段进行插值处理，以重构呼吸波形，以及基于所述呼吸波形确定呼吸信息。例如在信号段提取0.17到1.2Hz范围内的波，对0.17到1.2Hz范围内的波进行插值处理，以重构呼吸波形。
示例性的，通过数字滤波法、小波变换法、功率谱法中的至少一种在光电容积信号的信号段解调出脉率和呼吸信息，如呼吸频率。
示例性的，获取所述光电容积信号的信号段，根据信号段中红光吸收量和红外光吸收量的比值，确定血氧饱和度。
可以理解的，根据光电容积信号可以确定患者的呼吸信息、脉率、以及血 氧饱和度，从而可以根据单通道的生理信号确定所述患者的呼吸状态。
在另一些实施方式中，所述目标信号包括所述光电容积信号的信号段和所述心电信号的信号段，所述根据所述目标信号确定所述患者的呼吸状态包括：基于所述光电容积信号的信号段获取脉率和血氧饱和度；基于所述心电信号的信号段获取呼吸信息；根据所述呼吸信息、脉率、以及血氧饱和度，确定所述患者的呼吸状态。从而可以实现根据患者双通道的生理信号确定呼吸状态。
示例性的，可以直接采用信号提取的方式将呼吸信息从心电信号的信号段中进行分离。
在其他一些实施方式中，所述目标信号包括所述光电容积信号的信号段和所述心电信号的信号段，所述根据所述目标信号确定所述患者的呼吸状态包括：基于所述光电容积信号的信号段获取脉率和血氧饱和度；基于所述光电容积信号的信号段和所述心电信号的信号段获取呼吸信息；根据所述呼吸信息、脉率、以及血氧饱和度，确定所述患者的呼吸状态。从而可以将光电容积信号和心电信号两种信号融合求取呼吸信息，得到的呼吸信息更准确。
示例性的，所述基于所述光电容积信号的信号段和所述心电信号的信号段获取呼吸信息包括：获取所述光电容积信号的第一权重值，以及获取所述心电信号的第二权重值；基于所述光电容积信号的信号段获取第一呼吸信息，基于所述心电信号的信号段获取第二呼吸信息；根据所述第一权重值、第一呼吸信息、第二权重值和第二呼吸信息，确定所述呼吸信息，例如根据第一权重值和第二权重值对第一呼吸信息和第二呼吸信息进行加权求和，得到患者的呼吸信息。示例性的，第一权重值和第二权重值的和为1。
可选的，所述根据所述特征信息确定所述患者的呼吸状态之后，所述生理信号处理方法还包括：输出所述呼吸状态的提示信息。
示例性的，生理信号处理装置可以通过显示装置和/或扬声器输出所述呼吸状态的提示信息，患者和/或医护人员可以获取患者的呼吸状态。
示例性的，当所述呼吸状态符合呼吸氧合事件时，所述输出所述呼吸状态的提示信息包括：获取所述呼吸氧合事件发生的时间戳，通过语音播报或屏幕显示所述时间戳及所述呼吸氧合事件的提示信息，提示医护人员及时处理。
示例性的，可以基于所述呼吸氧合事件对所述患者进行状态等级划分，通过语音播报或屏幕显示所述时间戳、所述呼吸氧合事件和所述患者的状态等级 的提示信息。其中，患者的状态等级越高，如发生ABD事件，则提示信息越强，例如语音播报的音量越大，或者屏幕显示的闪烁频率越高。
可选的，所述根据所述特征信息确定所述患者的呼吸状态之后，所述生理信号处理方法还包括：当所述呼吸状态符合呼吸氧合事件时，基于所述呼吸氧合事件对所述生理信号进行标注，存储标注后的生理信号，从而可以回溯呼吸氧合事件发生时患者的生理信号。
示例性的，所述基于所述呼吸氧合事件对所述生理信号进行标注包括：获取所述呼吸氧合事件的类型；根据所述呼吸氧合事件的类型确定标注策略；根据所述标注策略对所述生理信号进行标注。例如，若根据生理信号确定的呼吸氧合事件为ABD事件，则将所述生理信号标注为ABD事件，若根据生理信号确定的呼吸氧合事件为A事件，则将所述生理信号标注为普通事件。
本申请实施例提供的生理信号处理方法，通过获取患者的生理信号，获取所述生理信号的特性信息，以及根据所述特征信息确定所述患者的呼吸状态。仅需要基于患者的生理信号的特性信息即可确定患者的呼吸状态，而不需要采集多种信号并对多种信号分别进行检测，提高了对生理信号处理的便捷性和效率。
请结合上述实施例参阅图2，图2是本申请实施例提供的生理信号处理装置600的示意性框图。该生理信号处理装置600包括：采集设备610、显示器620、存储器630和处理器640。
其中，采集设备610用于采集患者的生理信号，显示器620用于显示患者呼吸状态的提示信息。存储器630存储有计算机程序，处理器640用于运行存储在所述存储器630中的计算机程序，并在执行所述计算机程序时实现前述的生理信号处理方法的步骤。
示例性的，处理器640和存储器430通过总线601连接，该总线601比如为I2C(Inter-integrated Circuit)总线。
具体的，处理器640可以是微控制单元(Micro-controller Unit，MCU)、中央处理单元(Central Processing Unit，CPU)或数字信号处理器(Digital Signal Processor，DSP)等。
具体的，存储器630可以是Flash芯片、只读存储器(ROM，Read-Only Memory)磁盘、光盘、U盘或移动硬盘等。
示例性的，所述处理器640用于运行存储在存储器630中的计算机程序，并在执行所述计算机程序时实现如下步骤：
获取患者的生理信号；
获取所述生理信号的特性信息；
根据所述特征信息确定所述患者的呼吸状态。
本申请实施例提供的生理信号处理装置的具体原理和实现方式均与前述实施例的生理信号处理方法类似，此处不再赘述。
请结合上述实施例参阅图3，图3是本申请实施例提供的监护仪700的示意性框图。该监护仪700包括：参数测量电路710、显示器720、存储器730和处理器740。
其中，参数测量电路710用于采集患者的生理信号。
示例性的，监护仪700还包括传感器附件10，参数测量电路710用于连接传感器附件10，以及获得传感器附件10采集的患者的生理参数信号。示例性的，参数测量电路710能够连接一种或多种传感器附件10，例如用于通过多种传感器附件10获取患者的多种生理信号，如光电容积信号(PPG信号)、所述心电信号(ECG信号)、以及所述肌电信号(EMG信号)等。
显示器720用于显示患者呼吸状态的提示信息。存储器730存储有计算机程序，处理器740用于运行存储在所述存储器730中的计算机程序，并在执行所述计算机程序时实现前述的生理信号处理方法的步骤。
示例性的，处理器740和存储器430通过总线701连接，该总线701比如为I2C(Inter-integrated Circuit)总线。
具体的，处理器740可以是微控制单元(Micro-controller Unit，MCU)、中央处理单元(Central Processing Unit，CPU)或数字信号处理器(Digital Signal Processor，DSP)等。
具体的，存储器730可以是Flash芯片、只读存储器(ROM，Read-Only Memory)磁盘、光盘、U盘或移动硬盘等。
示例性的，所述处理器740用于运行存储在存储器730中的计算机程序，并在执行所述计算机程序时实现如下步骤：
获取患者的生理信号；
获取所述生理信号的特性信息；
根据所述特征信息确定所述患者的呼吸状态。
本申请实施例提供的监护仪的具体原理和实现方式均与前述实施例的生理信号处理方法类似，此处不再赘述。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现上述实施例提供的生理信号处理方法的步骤。
其中，所述计算机可读存储介质可以是前述任一实施例所述的生理信号处理装置，如监护仪的内部存储单元，例如所述监护仪的硬盘或内存。所述计算机可读存储介质也可以是所述生理信号处理装置的外部存储设备，例如所述监护仪上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
应当理解，在此本申请中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。
还应当理解，在本申请和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (24)
- 一种生理信号处理方法，其特征在于，包括：获取患者的生理信号；获取所述生理信号的特性信息；根据所述特征信息确定所述患者的呼吸状态。
- 根据权利要求1所述的生理信号处理方法，其特征在于，所述根据所述特征信息确定所述患者的呼吸状态包括：根据所述特征信息获取所述生理信号中，每个时间窗的信号段对应的信号质量指数；根据所述信号质量指数筛选出满足条件的信号段，得到目标信号；根据所述目标信号确定所述患者的呼吸状态。
- 根据权利要求2所述的生理信号处理方法，其特征在于，所述根据所述特征信息获取所述生理信号中，每个时间窗的信号段对应的信号质量指数包括：根据所述特征信息对所述生理信号进行时域分析和/或频域分析；根据时域分析和/或频域分析的分析结果，确定所述生理信号中每个时间窗的信号段对应的信号质量指数。
- 根据权利要求2所述的生理信号处理方法，其特征在于，获取患者的生理信号包括：获取患者单通道的生理信号，或者获取所述患者双通道的生理信号。
- 根据权利要求4所述的生理信号处理方法，其特征在于，所述获取患者单通道的生理信号，或者获取所述患者双通道的生理信号包括：检测所述患者的当前状态；若所述当前状态为运动状态，则输出调整状态的提示信息，以基于所述提示信息调整所述患者的状态；获取调整状态后的所述患者单通道的生理信号或双通道的生理信号。
- 根据权利要求5所述的生理信号处理方法，其特征在于，所述检测所述患者的当前状态包括：采集所述患者的运动信息，根据所述运动信息确定所述患者的当前状态；或者，采集包含所述患者的图像，根据所述图像确定所述患者的当前状态。
- 根据权利要求4所述的生理信号处理方法，其特征在于，所述生理信号包括光电容积信号，所述获取患者单通道的生理信号包括：通过光电容积采集设备，采集所述患者指端、耳部、或额头对应部位的光电容积信号。
- 根据权利要求4所述的生理信号处理方法，其特征在于，所述生理信号包括光电容积信号和心电信号，所述获取所述患者双通道的生理信号包括：通过光电容积采集设备，采集所述患者指端、耳部、或额头对应部位的光电容积信号；以及，通过心电采集设备，采集所述患者预设部位的心电信号。
- 根据权利要求7所述的生理信号处理方法，其特征在于，所述目标信号包括所述光电容积信号的信号段，所述根据所述目标信号确定所述患者的呼吸状态包括：基于所述光电容积信号的信号段获取呼吸信息、脉率、以及血氧饱和度；根据所述呼吸信息、脉率、以及血氧饱和度，确定所述患者的呼吸状态。
- 根据权利要求9所述的生理信号处理方法，其特征在于，基于所述光电容积信号的信号段获取呼吸信息、脉率、以及血氧饱和度包括：获取所述光电容积信号的信号段中峰值出现的次数，根据所述次数和所述时间窗的时长确定脉率；以及，对所述光电容积信号的信号段进行插值处理，以重构呼吸波形，基于所述呼吸波形确定呼吸信息；以及，获取所述光电容积信号的信号段，根据信号段中红光吸收量和红外光吸收量的比值，确定血氧饱和度。
- 根据权利要求8所述的生理信号处理方法，其特征在于，所述目标信号包括所述光电容积信号的信号段和所述心电信号的信号段，所述根据所述目标信号确定所述患者的呼吸状态包括：基于所述光电容积信号的信号段获取脉率和血氧饱和度；基于所述心电信号的信号段获取呼吸信息；根据所述呼吸信息、脉率、以及血氧饱和度，确定所述患者的呼吸状态。
- 根据权利要求8所述的生理信号处理方法，其特征在于，所述目标信号包括所述光电容积信号的信号段和所述心电信号的信号段，所述根据所述目标 信号确定所述患者的呼吸状态包括：基于所述光电容积信号的信号段获取脉率和血氧饱和度；基于所述光电容积信号的信号段和所述心电信号的信号段获取呼吸信息；根据所述呼吸信息、脉率、以及血氧饱和度，确定所述患者的呼吸状态。
- 根据权利要求12所述的生理信号处理方法，其特征在于，所述基于所述光电容积信号的信号段和所述心电信号的信号段获取呼吸信息包括：获取所述光电容积信号的第一权重值，以及获取所述心电信号的第二权重值；基于所述光电容积信号的信号段获取第一呼吸信息，基于所述心电信号的信号段获取第二呼吸信息；根据所述第一权重值、第一呼吸信息、第二权重值和第二呼吸信息，确定所述呼吸信息。
- 根据权利要求9至13任一项所述的生理信号处理方法，其特征在于，所述根据所述呼吸信息、脉率、以及血氧饱和度，确定所述患者的呼吸状态包括：当基于所述呼吸信息确定所述患者呼吸暂停开始后第一预设时间内或呼吸暂停结束后第二预设时间内，所述脉率低于第一预设阈值时，确定所述患者的呼吸状态为第一呼吸氧合事件；当基于所述呼吸信息确定所述患者呼吸暂停开始后第三预设时间内或吸暂停结束后第四预设时间内，所述血氧饱和度低于第二预设阈值时，确定所述患者的呼吸状态为第二呼吸氧合事件；当基于所述呼吸信息确定所述患者呼吸暂停开始后第五预设时间内或吸暂停结束后第六预设时间内，所述脉率低于第一预设阈值且所述血氧饱和度低于第二预设阈值时，确定所述患者的呼吸状态为第三呼吸氧合事件；当基于所述呼吸信息确定所述患者存在呼吸暂停时，确定所述患者的呼吸状态为第四呼吸氧合事件；当所述脉率低于第一预设阈值时，确定所述患者的呼吸状态为第五呼吸氧合事件；当所述血氧饱和度低于第二预设阈值时，确定所述患者的呼吸状态为第六呼吸氧合事件。
- 根据权利要求1至13任一项所述的生理信号处理方法，其特征在于，所述获取所述生理信号的特性信息包括：对所述生理信号进行预处理，并对预处理后的生理信号进行去噪处理，得到去噪后的生理信号；获取所述去噪后的生理信号的特性信息。
- 根据权利要求15所述的生理信号处理方法，其特征在于，所述获取所述去噪后的生理信号的特性信息包括：从所述去噪后的生理信号中提取峰值幅度、谷值幅度、峰值位置、谷值位置、以及光吸收状态，得到特性信息。
- 根据权利要求1至13任一项所述的生理信号处理方法，其特征在于，所述根据所述特征信息确定所述患者的呼吸状态之后，所述生理信号处理方法还包括：输出所述呼吸状态的提示信息。
- 根据权利要求17所述的生理信号处理方法，其特征在于，当所述呼吸状态符合呼吸氧合事件时，所述输出所述呼吸状态的提示信息包括：获取所述呼吸氧合事件发生的时间戳，通过语音播报或屏幕显示所述时间戳及所述呼吸氧合事件的提示信息。
- 根据权利要求18所述的生理信号处理方法，其特征在于，所述通过语音播报或屏幕显示所述时间戳及所述呼吸氧合事件的提示信息包括：基于所述呼吸氧合事件对所述患者进行状态等级划分，通过语音播报或屏幕显示所述时间戳、所述呼吸氧合事件和所述患者的状态等级的提示信息。
- 根据权利要求1至13任一项所述的生理信号处理方法，其特征在于，所述根据所述特征信息确定所述患者的呼吸状态之后，所述生理信号处理方法还包括：当所述呼吸状态符合呼吸氧合事件时，基于所述呼吸氧合事件对所述生理信号进行标注，存储标注后的生理信号。
- 根据权利要求20所述的生理信号处理方法，其特征在于，所述基于所述呼吸氧合事件对所述生理信号进行标注包括：获取所述呼吸氧合事件的类型；根据所述呼吸氧合事件的类型确定标注策略；根据所述标注策略对所述生理信号进行标注。
- 一种生理信号处理装置，其特征在于，包括：采集设备，用于采集患者的生理信号；显示器，用于显示患者呼吸状态的提示信息；存储器，存储有计算机程序；处理器，用于运行存储在所述存储器中的计算机程序，并在执行所述计算机程序时实现如权利要求1至21任一项所述的生理信号处理方法。
- 一种监护仪，其特征在于，包括：传感器附件；参数测量电路，用于连接传感器附件，以及获得患者的生理参数信号；显示器，用于显示患者呼吸状态的提示信息；存储器，存储有计算机程序；处理器，用于运行存储在所述存储器中的计算机程序，并在执行所述计算机程序时实现如权利要求1至21任一项所述的生理信号处理方法。
- 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存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至21任一项所述的生理信号处理方法。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2020/141082 WO2022141119A1 (zh) | 2020-12-29 | 2020-12-29 | 生理信号处理方法、装置、监护仪及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116669625A true CN116669625A (zh) | 2023-08-29 |
Family
ID=82259926
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080108006.4A Pending CN116669625A (zh) | 2020-12-29 | 2020-12-29 | 生理信号处理方法、装置、监护仪及计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN116669625A (zh) |
| WO (1) | WO2022141119A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116616708B (zh) * | 2023-05-22 | 2024-06-25 | 深圳市腾进达信息技术有限公司 | 一种基于智能穿戴设备的生命体征数据处理方法和系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040116969A1 (en) * | 2002-08-26 | 2004-06-17 | Owen James M. | Pulse detection using patient physiological signals |
| DK2603138T3 (en) * | 2010-08-13 | 2018-02-05 | Respiratory Motion Inc | DEVICES AND METHODS FOR MONITORING RESPIRATION VARIATION IN MEASURING RESPIRATION VOLUMES, MOVEMENT AND VARIABILITY |
| WO2015171667A1 (en) * | 2014-05-05 | 2015-11-12 | Scanadu Incorporated | Portable device with multiple integrated sensors for vital signs scanning |
| WO2016053398A1 (en) * | 2014-09-30 | 2016-04-07 | Darma Inc. | Systems and methods for posture and vital sign monitoring |
| US20180296163A1 (en) * | 2015-07-27 | 2018-10-18 | Google Inc. | Altering Physiological Signals Based On Patient Movement |
| CN109414204A (zh) * | 2016-06-22 | 2019-03-01 | 皇家飞利浦有限公司 | 用于确定针对对象的呼吸信息的方法和装置 |
-
2020
- 2020-12-29 CN CN202080108006.4A patent/CN116669625A/zh active Pending
- 2020-12-29 WO PCT/CN2020/141082 patent/WO2022141119A1/zh active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022141119A1 (zh) | 2022-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210068768A1 (en) | System for determining confidence in respiratory rate measurements | |
| EP3052008B1 (en) | Improved signal selection for obtaining a remote photoplethysmographic waveform | |
| US6529752B2 (en) | Sleep disorder breathing event counter | |
| EP3454730B1 (en) | System for determining the frequency of a periodic physiological process of a subject | |
| US20090024044A1 (en) | Data recording for patient status analysis | |
| US20130345568A1 (en) | Video-based estimation of heart rate variability | |
| Birrenkott et al. | Robust estimation of respiratory rate via ECG-and PPG-derived respiratory quality indices | |
| JP2019524187A (ja) | 被検者の呼吸情報を決定するための方法及び装置 | |
| Peltokangas et al. | Night-time EKG and HRV monitoring with bed sheet integrated textile electrodes | |
| Solem et al. | Prediction of intradialytic hypotension using photoplethysmography | |
| WO2008132736A2 (en) | Method and device for characterizing sleep | |
| Lázaro et al. | Electrocardiogram derived respiratory rate using a wearable armband | |
| Dubey et al. | Respire: A spectral kurtosis-based method to extract respiration rate from wearable ppg signals | |
| Reddy et al. | Unified quality-aware compression and pulse-respiration rates estimation framework for reducing energy consumption and false alarms of wearable PPG monitoring devices | |
| Ahmad et al. | A prototype of an integrated blood pressure and electrocardiogram device for multi-parameter physiologic monitoring | |
| CN116669625A (zh) | 生理信号处理方法、装置、监护仪及计算机可读存储介质 | |
| JP7361784B2 (ja) | 行動タスク評価システムおよび行動タスク評価方法 | |
| US20130274616A1 (en) | Electrocardiogram derived respiration signal for parasympathetic and sympathetic monitoring devices | |
| Huang et al. | Novel continuous respiratory rate monitoring using an armband wearable sensor | |
| Leier et al. | Respiration signal extraction from photoplethysmogram using pulse wave amplitude variation | |
| Yang et al. | respiratory rate estimation from the photoplethysmogram combining multiple respiratory-induced variations based on SQI | |
| Lazaro | Non-invasive techniques for respiratory information extraction based on pulse photoplethysmogram and electrocardiogram | |
| García-López et al. | Heart rate extraction from novel neck photoplethysmography signals | |
| Protopsaltis et al. | Continuous measurement of respiratory rate via single-wavelength reflective photoplethysmography | |
| CN107303183A (zh) | 一种人体睡眠中呼吸暂停监测的算法 |
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 |