CN116763264A - 房颤负荷分析系统与方法 - Google Patents
房颤负荷分析系统与方法 Download PDFInfo
- Publication number
- CN116763264A CN116763264A CN202210233493.8A CN202210233493A CN116763264A CN 116763264 A CN116763264 A CN 116763264A CN 202210233493 A CN202210233493 A CN 202210233493A CN 116763264 A CN116763264 A CN 116763264A
- Authority
- CN
- China
- Prior art keywords
- signal
- ppg
- signals
- dividing
- ppg signal
- 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
- 206010003658 Atrial Fibrillation Diseases 0.000 title claims abstract description 217
- 238000004458 analytical method Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000033001 locomotion Effects 0.000 claims description 72
- 239000013598 vector Substances 0.000 claims description 33
- 230000000747 cardiac effect Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 31
- 230000001133 acceleration Effects 0.000 claims description 25
- 238000001914 filtration Methods 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 16
- 210000000707 wrist Anatomy 0.000 claims description 16
- 230000003247 decreasing effect Effects 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000013186 photoplethysmography Methods 0.000 description 237
- 230000006870 function Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000033764 rhythmic process Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 210000004204 blood vessel Anatomy 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 101100521334 Mus musculus Prom1 gene Proteins 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 201000004624 Dermatitis Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 231100000397 ulcer Toxicity 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
- A61B5/02—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
-
- 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]
- A61B5/332—Portable devices specially adapted therefor
-
- 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
- A61B5/361—Detecting fibrillation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种房颤负荷分析系统与方法。在进行房颤负荷分析时,持续地采集PPG信号;对采集到的PPG信号进行分段信号质量分析;根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号;基于有效信号判断是否发生房颤;根据发生房颤的有效信号对应时间占全部有效信号对应时间的百分比得到房颤负荷。上述措施改进了房颤负荷的定义及分析方法,从而避免了因采集信号质量不佳而对信号分析结果造成影响。
Description
技术领域
本发明涉及可穿戴设备上的心脏节律信号的测量,更具体涉及房颤负荷分析系统与方法。
背景技术
心房颤动,简称房颤,是临床中最常见的一种心律失常,与卒中、心衰、死亡风险显著增加相关。
房颤发作具有短暂性、偶发性,虽然普通12导联心电图(ECG)或动态心电图(Holter)检查能用于明确房颤发作诊断,但由于房颤发作的不规律性,即部分患者就诊时,房颤发作已终止,传统心电图或动态心电图(Holter)方案可能记录不到发作图形,导致及时诊断房颤的困难。此外,还有相当一部分房颤患者自身无房颤发作症状,导致房颤漏诊。
除了房颤的发生之外,房颤持续时间也是值得关注的指标。实践中,医疗研究与工作者可能会考虑被称为“房颤负荷”的指标。房颤负荷,一般是指房颤发生时间占记录整体时间的百分数。该值越大说明房颤持续时间越长,因此该值能客观评价房颤频发的程度以及药物或非药物治疗房颤的有效性。治疗前后可经Holter检查确定房颤负荷高低的变化,进而进行评价治疗的有效性和程度。
现有技术的房颤负荷数据来源于普通12导联心电图或Holter,但是由于现有心电监测产品存在多种局限性,例如设备体积大(便携性不佳)、数据采集质量和实时传输的局限、长期监测电极可能引起皮肤过敏溃烂,或仅具有间断性房颤筛检功能,无法长时程监测房颤负荷提供数据支持。进而导致房颤负荷仅能够通过短时程的数据分析,分析结果的临床价值小,判断准确性不高。
此外,现有技术中传统的房颤负荷是通过ECG来计算的,ECG的采集通过多导联心电记录仪或者Holter进行采集,信号质量通常较好,因此用ECG检测房颤负荷反映出来的房颤负荷都较为准确且真实,“房颤时长/整段信号时长”中,整段信号时长即为所采集的ECG信号的全部时长。但是,当采集的心脏节律信号为ECG信号之外的其他信号,例如脉搏波,和/或采集的设备是可穿戴设备,例如手表或手环等时,采集信号的质量可能没有那么好,则使用传统的“房颤负荷”的定义比值来作为分析指标,可能会造成分析结果上的严重错误。
因此,希望提供一种对房颤负荷进行分析的系统与方法,能够利用采集到的除ECG之外的心脏节律信号来进行房颤负荷分析,同时解决长时程监测及信号质量不好影响分析结果的问题。
发明内容
本发明的一个目的在于给出房颤负荷的全新定义,从而摒除质量不好的信号对房颤负荷分析结果的影响。
本发明的另一个目的在于利用可穿戴设备采集PPG信号,根据对PPG信号的长时程监测来得到房颤负荷指标,从而进行房颤负荷分析。
根据本发明的第一方面,提供一种房颤负荷分析方法。所述方法包括:持续地采集PPG信号;对采集到的PPG信号进行分段信号质量分析;根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号;基于有效信号判断是否发生房颤;根据发生房颤的有效信号对应时间占全部有效信号对应时间的百分比得到房颤负荷。
在根据本发明第一方面的方法中,可以通过可穿戴设备来持续地采集佩戴所述可穿戴设备的被监测人体的PPG信号。
优选地,可穿戴设备可以是手表或手环,佩戴在被监测人体的手腕上。
在根据本发明第一方面的方法中,进一步地,可以通过所述手表或手环上的脉搏波传感器来持续地采集佩戴所述手表或手环的被监测人体的PPG信号。
在根据本发明第一方面的方法中,可以对采集到的PPG信号的信噪比进行分段分析,将信噪比满足要求的信号分段划分为有效信号,将信噪比不满足要求的信号分段划分为无效信号。
根据本发明第一方面的方法可以进一步包括:获取运动干扰水平。由此,可以对运动干扰水平进行分析,将运动干扰水平满足要求的信号分段划分为有效信号,将运动干扰水平不满足要求的信号分段划分为无效信号。
优选地,可以采用加速度传感器或角速度传感器来获取运动干扰水平。加速度传感器或角速度传感器可以设置在用于持续地采集PPG信号的可穿戴设备上。
在根据本发明第一方面的方法中,可以将采集到的PPG信号按心拍分段,以按心拍分段的PPG信号进行分段信号质量分析。
在根据本发明第一方面的方法中,优选地,当一次心拍期间的PPG信号分段的信号质量不满足要求时,将该心拍划分为无效心拍,反之则划分为有效心拍;将连续有效心拍期间的PPG信号分段划分为有效信号,其余的PPG信号分段被划分为无效信号。
在此情况下,根据本发明第一方面的方法可以进一步包括:获取运动干扰水平。由此,可以将采集到的PPG信号按心拍分段,以按心拍分段的PPG信号进行运动干扰水平分析,当一次心拍期间的PPG信号分段所对应的运动干扰水平不满足要求时,将该心拍划分为无效心拍,反之则划分为有效心拍;将连续有效心拍期间的PPG信号分段划分为有效信号,其余的PPG信号分段被划分为无效信号。
优选地,可以采用加速度传感器或角速度传感器来获取运动干扰水平。所述加速度传感器或角速度传感器可以设置在用于持续地采集PPG信号的可穿戴设备上。
在根据本发明第一方面的方法中,进一步地,可以记录一次或多次心拍期间的配对特征向量的个数。当所记录的配对特征向量符合配对规则时,将该一次或多次心拍期间的PPG信号分段划分为有效信号;当所记录的配对特征向量不符合配对规则时,将该一次或多次心拍期间的PPG信号分段划分为无效信号。
优选地,配对特征向量可以包括:波峰与波谷的个数、一阶差分值大于最大阈值与小于最小阈值的次数、单调递增区间与单调递减区间的个数。配对规则可以包括:波峰与波谷的个数相同、一阶差分值大于最大阈值的次数与小于最小阈值的次数相同、单调递增区间的个数与单调递减区间的个数相同。
在根据本发明第一方面的方法中,进一步地,可以记录一次或多次心拍期间的波峰与波谷的个数。当所记录的波峰个数与波谷个数相等时,将该一次或多次心拍期间的PPG信号分段划分为有效信号;当所记录的波峰个数与波谷个数不相等时,将该一次或多次心拍期间的PPG信号分段划分为无效信号。
在根据本发明第一方面的方法中,进一步地,可以记录PPG信号在一次心拍的波谷与波峰之间的一阶差分值超过设定阈值的次数。当所记录的一阶差分值超过设定阈值的次数为一次时,将该心拍期间的PPG信号分段划分为有效信号;当所记录的一阶差分值超过设定阈值的次数为0或多次时,将该心拍期间的PPG信号分段划分为无效信号。
在根据本发明第一方面的方法中,进一步地,可以记录PPG信号在一次心拍期间的单调递增区间个数及长度。当所记录的单调递增区间个数及长度满足预先设定的条件时,将该心拍期间的PPG信号分段划分为有效信号;当所记录的单调递增区间个数及长度不满足预先设定的条件时,将该心拍期间的PPG信号分段划分为无效信号。
优选地,根据本发明第一方面的方法可以进一步包括:在对采集到的PPG信号进行分段信号质量分析之前,对采集到的PPG信号进行预处理。
优选地,预处理可以进一步包括:将采集到的PPG信号滤除噪声。
优选地,将采集到的PPG信号滤除噪声可以进一步包括:采用傅里叶变换、小波变换或者自适应滤波的方式来从PPG信号中滤除噪声。
优选地,根据本发明第一方面的方法可以进一步包括:当采集到的PPG信号的信号质量不满足要求时,对采集PPG信号的方式进行调整。
在根据本发明第一方面的方法中,可以通过可穿戴设备上的脉搏波传感器来持续地采集佩戴所述可穿戴设备的被监测人体的PPG信号。而且,可以改变脉搏波传感器中的发光器件的参数设置,以增强发光强度。
根据本发明的第二方面,提供一种房颤负荷分析系统。所述系统包括:信号采集单元,用于持续地采集PPG信号;信号质量分析单元,用于对采集到的PPG信号进行分段信号质量分析;信号划分单元,用于根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号;房颤判断单元,用于基于有效信号判断是否发生房颤;房颤负荷计算单元,用于根据发生房颤的有效信号对应时间占全部有效信号对应时间的百分比得到房颤负荷。
在根据本发明第二方面的系统中,所述信号采集单元可以设置在可穿戴设备上,用于持续地采集佩戴所述可穿戴设备的被监测人体的PPG信号。
优选地,可穿戴设备可以是手表或手环,佩戴在被监测人体的手腕上。
在根据本发明第二方面的系统中,信号采集单元可以包括设置在所述手表或手环上的脉搏波传感器。
在根据本发明第二方面的系统中,信号质量分析单元可以对采集到的PPG信号的信噪比进行分段分析。信号划分单元可以将信噪比满足要求的信号分段划分为有效信号,将信噪比不满足要求的信号分段划分为无效信号。
在根据本发明第二方面的系统中,信号采集单元可以进一步获取运动干扰水平。信号质量分析单元可以对运动干扰水平进行分析。信号划分单元可以将运动干扰水平满足要求的信号分段划分为有效信号,将运动干扰水平不满足要求的信号分段划分为无效信号。
优选地,信号采集单元可以包括加速度传感器或角速度传感器,用于获取运动干扰水平。加速度传感器或角速度传感器可以设置在用于持续地采集PPG信号的可穿戴设备上。
在根据本发明第二方面的系统中,信号质量分析单元可以将采集到的PPG信号按心拍分段,以按心拍分段的PPG信号进行分段信号质量分析。
在根据本发明第二方面的系统中,信号划分单元可以用于:当一次心拍期间的PPG信号分段的信号质量不满足要求时,将该心拍划分为无效心拍,反之则划分为有效心拍;将连续有效心拍期间的PPG信号分段划分为有效信号,其余的PPG信号分段被划分为无效信号。
在根据本发明第二方面的系统中,信号采集单元可以进一步获取运动干扰水平。信号质量分析单元可以将采集到的PPG信号按心拍分段,以按心拍分段的PPG信号进行运动干扰水平分析。信号划分单元可以用于:当一次心拍期间的PPG信号分段所对应的运动干扰水平不满足要求时,将该心拍划分为无效心拍,反之则划分为有效心拍;将连续有效心拍期间的PPG信号分段划分为有效信号,其余的PPG信号分段被划分为无效信号。
优选地,信号采集单元可以包括加速度传感器或角速度传感器,用于获取运动干扰水平。加速度传感器或角速度传感器可以设置在用于持续地采集PPG信号的可穿戴设备上。
在根据本发明第二方面的系统中,信号质量分析单元可以进一步记录一次或多次心拍期间的配对特征向量的个数。信号划分单元可以用于:当所记录的配对特征向量符合配对规则时,将该一次或多次心拍期间的PPG信号分段划分为有效信号;当所记录的配对特征向量不符合配对规则时,将该一次或多次心拍期间的PPG信号分段划分为无效信号。
优选地,配对特征向量可以包括:波峰与波谷的个数、一阶差分值大于最大阈值与小于最小阈值的次数、单调递增区间与单调递减区间的个数。配对规则可以包括:波峰与波谷的个数相同、一阶差分值大于最大阈值的次数与小于最小阈值的次数相同、单调递增区间的个数与单调递减区间的个数相同。
在根据本发明第二方面的系统中,信号质量分析单元可以进一步记录一次或多次心拍期间的波峰与波谷的个数。信号划分单元可以用于:当所记录的波峰个数与波谷个数相等时,将该一次或多次心拍期间的PPG信号分段划分为有效信号;当所记录的波峰个数与波谷个数不相等时,将该一次或多次心拍期间的PPG信号分段划分为无效信号。
在根据本发明第二方面的系统中,信号质量分析单元可以进一步记录PPG信号在一次心拍的波谷与波峰之间的一阶差分值超过设定阈值的次数。信号划分单元可以用于:当所记录的一阶差分值超过设定阈值的次数为一次时,将该心拍期间的PPG信号分段划分为有效信号;当所记录的一阶差分值超过设定阈值的次数为0或多次时,将该心拍期间的PPG信号分段划分为无效信号。
在根据本发明第二方面的系统中,信号质量分析单元可以进一步记录PPG信号在一次心拍期间的单调递增区间个数及长度。信号划分单元可以用于:当所记录的单调递增区间个数及长度满足预先设定的条件时,将该心拍期间的PPG信号分段划分为有效信号;当所记录的单调递增区间个数及长度不满足预先设定的条件时,将该心拍期间的PPG信号分段划分为无效信号。
根据本发明第二方面的系统可以进一步包括:预处理单元,用于在对采集到的PPG信号进行分段信号质量分析之前,对采集到的PPG信号进行预处理。
优选地,预处理单元可以进一步将采集到的PPG信号滤除噪声。
优选地,预处理单元可以进一步采用傅里叶变换、小波变换或者自适应滤波的方式来从PPG信号中滤除噪声。
根据本发明第二方面的系统可以进一步包括:信号采集调整单元,用于当采集到的PPG信号的信号质量不满足要求时,对所述信号采集单元进行调整。
优选地,信号采集单元可以包括设置在可穿戴设备上的脉搏波传感器,用于持续地采集佩戴所述可穿戴设备的被监测人体的PPG信号。信号采集调整单元可以进一步改变所述脉搏波传感器中的发光器件的参数设置,以增强发光强度。
根据本发明的第三方面,提供一种计算机可读介质,其上存储有可由处理器执行的指令,所述指令在被处理器执行时,使得处理器执行如本发明第一方面所述的房颤负荷分析方法。
根据本发明的第四方面,提供一种可穿戴设备,穿戴在被监测人体上。所述可穿戴设备可以包括:信号采集单元,用于持续地采集被监测人体的PPG信号;信号计算单元,用于执行存储在存储器中的以下程序模块中的程序:信号质量分析模块,用于对采集到的PPG信号进行分段信号质量分析;信号划分模块,用于根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号;房颤判断模块,用于基于有效信号判断是否发生房颤;房颤负荷计算模块,用于根据发生房颤的有效信号对应时间占全部有效信号对应时间的百分比得到房颤负荷。
优选地,根据本发明第四方面的可穿戴设备可以是手表或手环,佩戴在被监测人体的手腕上。
优选地,在根据本发明第四方面的可穿戴设备中,信号采集单元可以包括脉搏波传感器。
根据本发明的第五方面,提供一种服务器。所述服务器可以包括:信号接收单元,用于接收持续采集到的PPG信号;信号计算单元,用于执行存储在存储器中的以下程序模块中的程序:信号质量分析模块,用于对采集到的PPG信号进行分段信号质量分析;信号划分模块,用于根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号;房颤判断模块,用于基于有效信号判断是否发生房颤;房颤负荷计算模块,用于根据发生房颤的有效信号对应时间占全部有效信号对应时间的百分比得到房颤负荷。
优选地,在根据本发明第五方面的服务器中,信号接收单元可以从可穿戴设备接收持续采集到的PPG信号。
优选地,可穿戴设备可以是手表或手环,佩戴在被监测人体的手腕上。
根据本发明的实施例,通过可穿戴设备采集PPG数据,识别心房颤动(房颤),分析(计算)房颤负荷,输出房颤负荷数据。
具体地说,为了避免采集信号质量不佳而对信号分析结果造成影响,改进了房颤负荷的定义及分析方法:针对信号质量进行评估,将信号区分为有效和无效,不考虑无效信号,而使用有效信号时间中的房颤时间占比作为分析对象。
附图说明
本公开包括说明书附图,其应为视为包含在说明书中并且构成说明书的一部分,且与说明书一起示出了本公开的各种示例性实施例、特征和方面,并且用于解释本公开的原理。通过以下详细的描述并结合附图将更充分地理解本发明,其中相似的元件以相似的方式编号。其中:
图1是根据本发明的实施例的房颤负荷分析系统的框图。
图2是以心拍为信号分段单位通过评估运动干扰判断信号质量的示意图。
图3是根据本发明的实施例的房颤负荷分析方法的流程图。
图4是根据本发明的一种实施方式的可穿戴设备与服务器的示意框图。
图5是智能手表的正面示意图。
图6是智能手表的背面示意图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步详细的说明,但本发明不限于下面的实施例。
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其他实施例。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
光电容积脉搏波描记法(Photoplethysmography),简写为PPG,是以LED光源和探测器为基础,测量经过人体血管和组织反射、吸收后的衰减光,记录血管的搏动状态并测量脉搏波。
在本发明的一个优选实施例中,被监测人体可以佩戴例如智能手表、智能手环的可穿戴设备,可穿戴设备具备以光电容积脉搏波描记法测量脉搏波信号的功能。在本公开的全文中,以“PPG信号”或“PPG脉搏波信号”来指代通过光电容积脉搏波描记法测量到的脉搏波信号。例如,在本发明的上述优选实施例中,通过智能手表或手环从被监测人体的手腕处测量PPG信号。
房颤负荷分析系统
图1是根据本发明的实施例的房颤负荷分析系统的框图。
本领域技术人员应该理解,根据本发明的实施例的房颤负荷分析系统可以是集成式的系统,即所有的组成单元或模块都可以集成到一个或物理距离上很接近的多个装置或设备上;也可以是分布式的系统,即各个组成单元或模块可能在物理空间上较为分散地分布着,甚至相隔很远的距离。下文将在关于可穿戴设备以及服务器的部分中进行更为详细的解释与说明。
如图1中所示,根据本发明的实施例的房颤负荷分析系统100包括:信号采集单元110、信号质量分析单元120、信号划分单元130、房颤判断单元140、房颤负荷计算单元150。这房颤负荷分析系统100的这几个组成部分中,信号采集单元110一般是专用硬件模块,或者是相对独立实现的模块;信号质量分析单元120、信号划分单元130、房颤判断单元140、房颤负荷计算单元150则可以通过软件编程而实现在诸如数字信号处理器(DSP)、通用的中央处理器(CPU)或专用集成电路(ASIC)等硬件平台上,或者通过例如现场可编程门阵列(FPGA)等硬件逻辑编程器件来实现,各个模块单元是以其实现的功能来区分的功能模块单元。
信号采集单元110用于持续地采集PPG信号。一般地说,在电源电力充足的情况下,希望使用信号采集单元110进行长时程地、连续地信号采集,以便本发明的房颤负荷分析系统100能够收集到一定周期时间内,例如一天、一周、一个月、一个季度甚至更长时间的PPG信号,从而进行相应周期时间内的房颤负荷分析,以得到一个更加客观正确的分析结果。
根据本发明的实施例,信号采集单元110设置在可穿戴设备上,由此持续地采集佩戴所述可穿戴设备的被监测人体的PPG信号。可穿戴设备可以是手表或手环,佩戴在被监测人体的手腕上。本领域技术人员应该理解,本文中,手表或手环也可以被称为智能手表或智能手环,以表示其具备显示、计算或分析的能力。
更具体地说,由于是采集PPG信号,信号采集单元110包括设置在手表或手环上的脉搏波传感器。脉搏波传感器中具有发光器件,例如LED光源,用以照射所采集的人体部位(例如手腕)。脉搏波传感器中还需要具有探测器或光接收器,用于测量经过人体血管和组织反射、吸收后的衰减光,由此记录血管的搏动状态并测量脉搏波。
本领域技术人员应该理解,由于后续的信号分析与计算单元一般都采用数字信号进行处理,而通过脉搏波传感器等器件采集到的原始信号一般为模拟信号,所以在进行后续的信号分析与计算之前,还需要将原始采集的信号从模拟信号转换为数字信号。进行模数转换(A/D)的模块可以设置在信号采集单元110中,也可以设置在后续的信号分析与计算单元(信号处理装置)中,或者设置在信号采集单元110与后续的信号处理装置之间。
信号质量分析单元120用于对信号采集单元110采集到的PPG信号进行分段信号质量分析。例如,在本发明的优选实施例中,信号质量分析单元120可以针对采集到的PPG信号的信噪比(SNR)进行分析,或者可以针对被监测人体的运动干扰水平进行分析。
与信号质量分析单元120相配合,信号划分单元130用于根据信号质量分析单元120所分析出来的PPG信号的信号质量是否满足要求,将采集到的PPG信号划分为有效信号和无效信号。
这里,所谓的“划分”实际上是对信号按照质量是否满足要求而进行区分、识别或标注。
这里,对于信号质量是否满足要求,可以采用阈值的标准,例如信号质量度量高于某一阈值视为满足要求,低于该阈值则视为不满足要求;或者采用相反的判断方式。
在信号质量分析单元120对采集到的PPG信号的信噪比进行分段分析的情况下,信号划分单元130可以将信噪比满足要求的信号分段划分为有效信号,将信噪比不满足要求的信号分段划分为无效信号。例如,信噪比高于一个阈值的信号被视为有效信号;反之,信噪比低于该阈值的信号被视为无效信号。
在信号质量分析单元120对运动干扰水平进行分析的情况下,信号划分单元130可以将运动干扰水平满足要求的信号分段划分为有效信号,将运动干扰水平不满足要求的信号分段划分为无效信号。例如,运动干扰水平低于一个阈值的信号被视为有效信号,而运动干扰水平高于该阈值的信号则被视为无效信号。
此外,在信号质量分析单元120对运动干扰水平进行分析的情况下,信号采集单元110可以包括加速度传感器或角速度传感器,用于获取运动干扰水平。加速度传感器或角速度传感器可以就设置在用于持续地采集PPG信号的可穿戴设备上。
如上所述,可以采用多种判断方式中的任何一种方式来对信号质量进行分析和判断。在实践中,可以只选取其中的一种方式。另外,也可以在一个应用中同时采用多种方式:在此情况下,多种判断方式中只要有一种判断方式(运动过量、SNR等之一)判断信号为无效,那么该段则为无效,只有当所有方式都判断该段为有效,此时该段才为有效。
由于需要根据信号质量对信号进行划分,则信号划分的基础在于信号分段的单位。传统上,信号的分段可以以某一时间周期作为分段单位,例如每10秒、每15秒、每30秒或者每1分钟,通过判断这一时间周期内的信号质量,来将该时间周期内的信号划分为有效或无效。
在本发明的实施例中,为了使得信号质量的分析与划分适用于所有心脏节律信号,特别是PPG脉搏波信号,提出了以心拍为信号质量分析与划分的最小时间周期单位。
这里所使用的术语“心拍”,按照本发明所定义的方式,是以波谷为起点,从一个波谷到下一个波谷之间的距离(该段包含一个波峰),此为一次心拍。当然,在信号处理中,如果以波峰为起点,则心拍也可以定义为一个波峰到下一个波峰之间的一段距离(该段包含一个波谷)。心拍并不是某一个点,一次心拍有一个波峰则有一个波谷。用数学区间的方式来解释的话,一次心拍可以是一个左闭右开区间:【一个波谷,下一个波谷)。如果是正常的信号质量好的心拍,那么该区间肯定有一个波峰和一个波谷。
也就是说,信号质量分析单元120可以将采集到的PPG信号按心拍分段,以按心拍分段的PPG信号进行分段信号质量分析。相应地,当一次心拍期间的PPG信号分段的信号质量不满足要求时,信号划分单元130将该心拍划分为无效心拍,反之则划分为有效心拍。但是,间隔出现的、不连续的有效心拍可能揭示:这一段时间内的PPG信号的质量不够稳定,对于后续的房颤负荷的判断和分析可能造成影响。因此,只有连续有效心拍期间的PPG信号分段会被划分为有效信号,其余的PPG信号分段都会被划分为无效信号。
然而,还存在这种情况:在一段连续有效心拍(例如3拍或以上)之后,有1拍(或2拍,视情况而定)为无效心拍,但紧接着又是一段连续有效心拍。在此情况下,可以忽略中间的那次无效心拍信号,而将第一段连续有效心拍、中间的单次无效心拍、第二段连续有效心拍连在一起视为一个整体,直接判断为整个一段连续有效心拍期间。这样进行判断的目的是为了保证有效PPG信号的数量。否则,如果判断PPG信号有效/无效的标准太过严格的话,会导致大部分信号都为无效,有效信号过少,那么房颤负荷也就没意义了。也就是说,这里所说的“连续有效心拍期间”,并不严格要求该期间内的每次心拍均为有效,甚至不允许连续有效心拍中间偶尔夹杂出现一两下无效心拍;而是从更宏观的角度、更利于房颤负荷统计的角度来定义“连续有效心拍期间”,并由此划分有效/无效信号。
具体地说,在本发明的一个优选实施例中,信号采集单元110不仅可以获取PPG信号,还可以获取运动干扰水平。此时,信号质量分析单元120可以将采集到的PPG信号按心拍分段,以按心拍分段的PPG信号进行运动干扰水平分析。当一次心拍期间的PPG信号分段所对应的运动干扰水平不满足要求时,信号划分单元130将该心拍划分为无效心拍,反之则划分为有效心拍。只有连续有效心拍期间的PPG信号分段会被划分为有效信号,其余的PPG信号分段则被划分为无效信号。
在以上的优选实施例中,信号采集单元110还包括加速度传感器或角速度传感器,用于获取运动干扰水平。加速度传感器或角速度传感器可以就设置在用于持续地采集PPG信号的例如手表或手环的可穿戴设备上。
图2给出了以心拍为信号分段单位通过评估运动干扰判断信号质量的一个示例。
如图2中所示,给出一段滤波后的PPG信号图。在图2的示意中,圆圈表示算法检出的全部心拍的波谷点。其中的实心圆圈表示受运动干扰的心拍的起始波谷点;空心圆圈表示未受运动干扰的心拍的起始波谷点。
在图中绘制出了一条信号质量判定结果电平线(考虑运动干扰),高电平表示较小运动且没有对PPG信号的心拍造成干扰,低电平表示剧烈运动且对PPG信号的心拍造成干扰。
由图2中可以看到:
1)其中算法结果得到受运动干扰的PPG段有10.8984秒。
2)10.8984秒的计算方法是:一次心拍(即两个相邻波谷之间)构成一段,判断该段内运动是否过量(该判断是通过可穿戴设备如手表、手环等上预设的加速度传感器、角速度传感器等硬件判断)。若过量,则按照事先预定的原则,将该次心拍判定为无效(可变窗长)。
3)将所有按心拍划段判定后的结果相连,就形成了总的判定结果电平。
由此可以看出,算法的创新点在于:
1)以心拍划分段与传统按时间划分段的方法相比,优势在于按照心拍划分可以实现可变长度的段划分方式,实际分段的长度完全依靠PPG信号本身决定,具有自适应的特性。传统的信号质量判断是划分为固定的窗长,例如10秒为一个窗长,其中假设有8拍为没有受运动干扰,中间夹杂了1-2拍突变、或收到干扰的心拍,依然认为此窗长为信号质量好的窗长;但按心拍来划分,则可以实现可变长度,短窗长心拍内夹杂的受运动干扰的心拍,也可以检测出来并作为无效数据处理。
2)按拍划分段,完全契合利用心拍进行房颤判别的应用,可以将做到精确到每一拍的操作。
此外,可以利用PPG信号中的配对特征向量的配对规则来对信号质量进行判断。
例如,信号质量分析单元120可以记录一次或多次心拍期间的配对特征向量。当所记录的配对特征向量符合配对规则时,信号划分单元130将该一次或多次心拍期间的PPG信号分段划分为有效信号。当所记录的配对特征向量不符合配对规则时,信号划分单元130将该一次或多次心拍期间的PPG信号分段划分为无效信号。
配对特征向量可以包括:波峰与波谷的个数、一阶差分值大于最大阈值与小于最小阈值的次数、单调递增区间与单调递减区间的个数。配对规则可以包括:波峰与波谷的个数相同、一阶差分值大于最大阈值的次数与小于最小阈值的次数相同、单调递增区间的个数与单调递减区间的个数相同。
例如,当配对特征向量是波峰与波谷的个数时,相应的配对规则是波峰与波谷的个数应相同。当配对特征向量是一阶差分值大于最大阈值与小于最小阈值的次数时,相应的配对规则是一阶差分值大于最大阈值的次数与小于最小阈值的次数应相同。当配对特征向量是单调递增区间与单调递减区间的个数时,相应的配对规则是单调递增区间的个数与单调递减区间的个数应相同。
举例来说,在一个优选实施例中,信号质量分析单元120记录一次或多次心拍期间的波峰与波谷的个数。当所记录的波峰个数与波谷个数相等时,信号划分单元130将该一次或多次心拍期间的PPG信号分段划分为有效信号。当所记录的波峰个数与波谷个数不相等时,信号划分单元130将该一次或多次心拍期间的PPG信号分段划分为无效信号。
在这个优选实施例中,配对的含义是:在一定时间窗内,例如在一次或多次心拍期间,有波峰必有波谷,且波峰个数等于波谷个数。例如:正常的信号质量好的心拍,一拍有一个波峰则有一个波谷,那么10个波峰则对应10个波谷。如果出现一段信号有10个波谷,却有20个波峰,则认为信号质量不好。
此外,不考虑配对规则,PPG信号的某些特征本身也具有判断PPG信号质量的价值。
在一个优选实施例中,信号质量分析单元120记录PPG信号在一次心拍的波谷与波峰之间的一阶差分值超过设定阈值的次数。当所记录的一阶差分值超过设定阈值的次数为一次时,信号划分单元130将该心拍期间的PPG信号分段划分为有效信号。当所记录的一阶差分值超过设定阈值的次数为0或多次时,信号划分单元130将该心拍期间的PPG信号分段划分为无效信号。
这里,满足一定大小的一阶差分较大值点出现位置必须在波谷和波峰之间。设定一阶差分最大值点阈值,当一拍内,没有或有多个点的一阶差分值超过了阈值,则认为质量不好。其中,一阶差分值超过设定阈值的次数为0则判断为无效的原因是:一阶差分最大值如果都没有超过设定的阈值,那么此段信号为一较平的曲线,可能是采集效果不好等原因造成的,那么当然判定为无效信号。
在另一个优选实施例中,信号质量分析单元120记录PPG信号在一次心拍期间的单调递增区间个数及长度。当所记录的单调递增区间个数及长度满足预先设定的条件时,信号划分单元130将该心拍期间的PPG信号分段划分为有效信号。当所记录的单调递增区间个数及长度不满足预先设定的条件时,信号划分单元130将该心拍期间的PPG信号分段划分为无效信号。
单调递增区间个数及长度需要满足的预先设定的条件可以是例如:单调递增区间至少为一个;如果有多个,则超过2或3个时,判断其区间长度:假如长度很短,此时可能只是一些小的干扰,虽然有多个单调区间,但是只是一些很短很小的毛刺干扰,无伤大雅,因此依然判断为有效;如果有多个单调区间,且单调区间长度又较长,那么则判断为无效。本领域技术人员应该理解,具体设定的条件是根据具体的情况而设定的经验值,本发明对此并不做限制。
对信号质量的判断时,可以将上述特征向量的判断结果进行各种组合判断,例如:当波峰个数等于波谷个数且一阶差分阈值满足条件时,判断信号质量好。简单来说,三个特征向量,如果其中两个(特定的或任意的)特征向量满足要求了,那就判断为有效,如果只有一个(特定的或任意的)特征向量满足要求,判断为无效。但这种判断组合方式仅仅是本发明的一种实施方式而已。具体采用哪几个特定或任意向量进行组合判断,可以根据算法应用的实际情况而自行选用,并非本发明所要限制的因素。
PPG信号的质量得到区分之后,就可以利用有效的PPG信号进行房颤的判断了。换句话说,无效信号不再参与后续的分析与计算过程,也就是说被滤除了。
房颤判断单元140用于基于有效信号判断是否发生房颤。具体地说,可以通过评估PPG信号的心率变异水平来判断是否存在房颤。更具体地说,心率变异水平可以由所述PPG信号中的若干心拍期间的标准差、相邻心拍期间的差值的标准差等指标来表示。可以将上述指标与预设的指标阈值进行比较,当心率变异水平的指标值大于指标阈值时,就可以判定有效PPG信号的分段中存在房颤。关于房颤判断的具体方法,例如可以参见中国专利申请公布CN109953756A中公开的内容。
需要注意的是,这里用于进行房颤判断的信号是有效的PPG信号,即在信号质量分析单元120和信号划分单元130中被划分为有效信号的PPG信号分段,而不能使用被划分为无效信号的那些PPG信号分段。对于无效PPG信号分段中是否发生了房颤,本公开的技术方案并不关注。
接下来,在房颤负荷计算单元150,根据发生房颤的有效信号对应时间占全部有效信号对应时间的百分比得到房颤负荷。
如前文所述,传统的房颤负荷的定义是房颤发生时间占记录整体时间的百分数,即“房颤时长/整段信号时长×100%”。现有技术中一般是通过采集ECG信号来检测房颤并计算房颤负荷。ECG的采集通过多导联心电记录仪或者Holter进行采集,信号质量通常较好,因此用ECG检测房颤负荷反映出来的房颤负荷都较为准确且真实。在“房颤时长/整段信号时长”中,整段信号时长即为所采集的ECG信号的全部时长。
用于判断房颤发生及计算房颤负荷的信号可以是心脏节律信号。心脏节律信号不止ECG一种,还可以是例如本发明采集的PPG信号。然而,PPG信号质量受运动等外界干扰过大,容易出现信号质量不好的情况。此时如果还用房颤负荷的传统定义来计算房颤负荷,会将信号质量不好的信号分段统计进来(信号质量不好的情况还并不少),势必会造成房颤负荷判断的不准确,通过此种方式计算得到的房颤负荷也会有质疑性。现有技术中很少出现通过PPG检测房颤负荷的方式也源于此。
在本发明中,所采集的心脏节律信号为PPG脉搏波信号,用于采集PPG信号的设备是例如手表或手环的可穿戴设备,采集到PPG信号的质量一定不会像前面所述的采集到的ECG信号的质量那么好。在此情况下,如果仍然使用传统的房颤负荷的定义来作为分析指标,可能会造成分析结果上的严重错误。
因此,本发明中提出了一种对于房颤负荷的全新定义。即,将“房颤负荷”定义为发生房颤的有效信号对应时间占全部有效信号对应时间的百分比,可以记为如下的计算式:
这里,全部有效信号是指被信号划分单元130划分为有效的全部PPG信号分段,发生房颤的有效信号是指上述有效的全部PPG信号分段中被房颤判断单元140判断为发生了房颤的PPG信号分段。也就是说,被房颤判断单元140判断为发生了房颤的有效PPG信号分段占全部的有效PPG信号分段的比例,就是根据本发明全新定义的房颤负荷指标。
本发明提出的房颤负荷的定义与传统定义的主要区别在于:通过PPG信号计算房颤负荷时,一方面,将分母的“整段信号时长”改变为“全部有效信号对应时间”;另一方面,将分子的“房颤时长”进一步限定为“发生房颤的有效信号对应时间”。由此,对传统房颤负荷的概念进行了创新,特别适用于PPG信号计算房颤负荷。
在这个全新定义的指标中,排除了由于采集方式、采集的信号类型而可能带来的信号质量上的问题(无效信号),避免了房颤负荷分析结果的偏差或错误,提高了房颤负荷分析的准确性。
房颤负荷指标值越大,说明房颤持续时间越长。因此,该值的用途不在于房颤本身的诊断和治疗,而在于能够客观评价房颤频发的程度以及药物或非药物治疗房颤的有效性。在房颤治疗前后,可通过检查确定房颤负荷高低的变化,进而进行评价治疗的有效性和程度。
除了以上所述的各种单元以外,根据本发明的房颤负荷分析系统100还可以包括预处理单元(未示出)。预处理单元可以在信号质量分析单元对采集到的PPG信号进行分段信号质量分析之前,对采集到的PPG信号进行预处理。由此,可以使得采集到PPG信号能够最大程度地得到使用,即通过预处理,使得采集到的PPG信号尽可能为有效信号,从而可以尽可能地被房颤判断单元140用于进行房颤判断以及被之后的房颤负荷计算单元150用于房颤负荷计算。
具体地,预处理单元可以对采集到的PPG信号进行预处理以滤除噪声。滤除噪声后的PPG信号的信噪比指标会有提升,从而有可能使得信噪比指标超过阈值,被判断为信号质量满足要求的有效信号。
更具体地说,预处理单元可以采用傅里叶变换、小波变换或者自适应滤波的方式来从PPG信号中滤除噪声。具体地说:
1)傅里叶变换:可以定制幅频响应曲线,完成频域处理;再进行反变换,完成时域滤波。
2)小波变换:明确小波基选择,使用例如“改进软硬阈值的小波阈值法”去噪方法进行滤波处理。利用小波变换时频分析的特点,可以很好地进行去噪处理。
3)自适应滤波:利用红光作为参考运动信号,进行滤波,进行运动补偿滤波。
通过有效的前期预处理,可以有效滤除噪声,提高信噪比。
此外,根据本发明的房颤负荷分析系统100还可以包括信号采集调整单元(未示出)。当采集到的PPG信号的信号质量不满足要求时,信号采集调整单元可以对信号采集单元110进行调整。
如前文所述,信号质量分析单元120和信号划分单元130可能会排除信号质量不满足要求的无效PPG信号分段,使之不参与后续的房颤判断以及房颤负荷分析。在发现了无效PPG信号分段之后,当然也希望能够消除可能造成PPG信号无效的因素。造成PPG信号无效的一个可能因素是信号采集过程存在缺陷,例如信号采集单元110中的参数设置不当,或者因为环境变化需要实时调整信号采集单元110的参数,造成信号采集失败或者采集到的信号质量不佳。由此,可以通过信号采集调整单元来调整信号采集过程,例如具体调整信号采集单元110的参数,使之能够重新成功采集信号质量符合要求的PPG信号。
具体地,例如,信号采集单元110包括设置在可穿戴设备上的脉搏波传感器(未示出)。在此示例中,使用脉搏波传感器来持续地采集佩戴可穿戴设备的被监测人体的PPG信号。在此情况下,如果采集到的PPG信号的信号质量不满足要求,则信号采集调整单元就可以改变脉搏波传感器中的发光器件的参数设置,以增强发光强度。由此,可能使得采集到的信号的质量得到提高,从而满足要求,重新成为可供后续判断和分析的有效信号。
以上的信号采集调整方法通过判断信号质量降低后输出控制信号,可以主动提高信号质量。控制信号可以用于改变硬件发光器件参数设置,以改变(增强)发光强度,从源头上进一步提升信噪比。具体地说,该方法包括:
1)实时监测PPG信号质量,对PPG信号质量进行评估,量化信噪比。
2)当PPG信号的信噪比低于阈值时,实时计算达到预期信噪比所需要的硬件参数。
3)将所需硬件参数通过软件反馈至相关采集器件,将采集器件的当前硬件参数调整至当前所需,完成调光操作。
根据以上的信号采集调整方法,通过实时监测PPG信号质量,从前端硬件入手,改变发光器件参数设置,提高发光强度,可以进一步提高信噪比。
本领域技术人员应该理解,上述技术手段与模块单元可以任意地进行组合来实现本发明的目的,除非逻辑上或物理上无法组合。
房颤负荷分析方法
图3是根据本发明的实施例的房颤负荷分析方法的流程图。
如图3中所示,根据本发明的实施例的房颤负荷分析方法300开始于步骤S310,在此步骤,持续地采集PPG信号。在此步骤,可以通过可穿戴设备来持续地采集佩戴所述可穿戴设备的被监测人体的PPG信号。例如,可穿戴设备是手表或手环,佩戴在被监测人体的手腕上。手表或手环上可以具有脉搏波传感器。通过手表或手环上的脉搏波传感器来持续地采集佩戴该手表或手环的被监测人体的PPG信号。
步骤S310可以看作是由图1中的房颤负荷分析系统100中的信号采集单元110执行的步骤。因此,前文中针对信号采集单元110的描述同样适用于这里的步骤S310。
接下来,在步骤S320,对采集到的PPG信号进行分段信号质量分析。
在步骤S330,根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号。
步骤S320可以是对采集到的PPG信号的信噪比进行分段分析。在此情况下,步骤S330可以包括:将信噪比满足要求的信号分段划分为有效信号,将信噪比不满足要求的信号分段划分为无效信号。
类似地,步骤S320还可以是对运动干扰水平进行分析。在此情况下,可以获取运动干扰水平。例如,可以采用加速度传感器或角速度传感器来获取运动干扰水平。加速度传感器或角速度传感器可以就设置在用于持续地采集PPG信号的可穿戴设备上。那么,步骤S330就可以包括:将运动干扰水平满足要求的信号分段划分为有效信号,将运动干扰水平不满足要求的信号分段划分为无效信号。
此外,涉及到信号分段的最小单位问题,根据本发明,步骤320可以包括:将采集到的PPG信号按心拍分段,以按心拍分段的PPG信号进行分段信号质量分析。那么,步骤S330就可以是:当一次心拍期间的PPG信号分段的信号质量不满足要求时,将该心拍划分为无效心拍,反之则划分为有效心拍;将连续有效心拍期间的PPG信号分段划分为有效信号,其余的PPG信号分段被划分为无效信号。
在一种优选实施例中,根据本发明的房颤负荷分析方法还包括:获取运动干扰水平。步骤S320可以包括:将采集到的PPG信号按心拍分段,以按心拍分段的PPG信号进行运动干扰水平分析。步骤S330包括:当一次心拍期间的PPG信号分段所对应的运动干扰水平不满足要求时,将该心拍划分为无效心拍,反之则划分为有效心拍;将连续有效心拍期间的PPG信号分段划分为有效信号,其余的PPG信号分段被划分为无效信号。
这里,可以采用加速度传感器或角速度传感器来获取运动干扰水平。例如,加速度传感器或角速度传感器可以就设置在用于持续地采集PPG信号的可穿戴设备上。
此外,步骤S320也可以包括:记录一次或多次心拍期间的配对特征向量的个数。相应地,步骤S330可以包括:当所记录的配对特征向量符合配对规则时,将该一次或多次心拍期间的PPG信号分段划分为有效信号;当所记录的配对特征向量不符合配对规则时,将该一次或多次心拍期间的PPG信号分段划分为无效信号。
例如,配对特征向量可以是:波峰与波谷的个数、一阶差分值大于最大阈值与小于最小阈值的次数、单调递增区间与单调递减区间的个数。而配对规则可以包括:波峰与波谷的个数相同、一阶差分值大于最大阈值的次数与小于最小阈值的次数相同、单调递增区间的个数与单调递减区间的个数相同。
在根据本发明的一个优选实施例中,步骤S320可以进一步包括:记录一次或多次心拍期间的波峰与波谷的个数。相应地,步骤S330包括:当所记录的波峰个数与波谷个数相等时,将该一次或多次心拍期间的PPG信号分段划分为有效信号;当所记录的波峰个数与波谷个数不相等时,将该一次或多次心拍期间的PPG信号分段划分为无效信号。
在根据本发明的另一个优选实施例中,步骤S320可以进一步包括:记录PPG信号在一次心拍的波谷与波峰之间的一阶差分值超过设定阈值的次数。相应地,步骤S330包括:当所记录的一阶差分值超过设定阈值的次数为一次时,将该心拍期间的PPG信号分段划分为有效信号;当所记录的一阶差分值超过设定阈值的次数为0或多次时,将该心拍期间的PPG信号分段划分为无效信号。
在根据本发明的又一个优选实施例中,步骤S320可以进一步包括:记录PPG信号在一次心拍期间的单调递增区间个数及长度。相应地,步骤S330包括:当所记录的单调递增区间个数及长度满足预先设定的条件时,将该心拍期间的PPG信号分段划分为有效信号;当所记录的单调递增区间个数及长度不满足预先设定的条件时,将该心拍期间的PPG信号分段划分为无效信号。
步骤S320和S330可以看作是由图1中的房颤负荷分析系统100中的信号质量分析单元120和信号划分单元130执行的步骤。因此,前文中针对信号质量分析单元120和信号划分单元130的描述同样适用于这里的步骤S320和S330。
在步骤S340,基于有效信号判断是否发生房颤。
步骤S340可以看作是由图1中的房颤负荷分析系统100中的房颤判断单元140执行的步骤。因此,前文中针对房颤判断单元140的描述同样适用于这里的步骤S340。
在步骤S350,根据发生房颤的有效信号对应时间占全部有效信号对应时间的百分比得到房颤负荷。
步骤S350可以看作是由图1中的房颤负荷分析系统100中的房颤负荷计算单元150执行的步骤。因此,前文中针对房颤负荷计算单元150的描述同样适用于这里的步骤S350。
如前所述,本发明中提出了一种对于房颤负荷的全新定义。即,将“房颤负荷”定义为发生房颤的有效信号对应时间占全部有效信号对应时间的百分比,可以记为如下的计算式:
这里,全部有效信号是指步骤S330中被划分为有效的全部PPG信号分段,发生房颤的有效信号是指上述有效的全部PPG信号分段中在步骤S310中被判断为发生了房颤的PPG信号分段。也就是说,在步骤S340中被判断为发生了房颤的有效PPG信号分段占全部的有效PPG信号分段的比例,就是根据本发明全新定义的房颤负荷指标。
本发明提出的房颤负荷的定义与传统定义的主要区别在于:通过PPG信号计算房颤负荷时,一方面,将分母的“整段信号时长”改变为“全部有效信号对应时间”;另一方面,将分子的“房颤时长”进一步限定为“发生房颤的有效信号对应时间”。由此,对传统房颤负荷的概念进行了创新,特别适用于PPG信号计算房颤负荷。
在这个全新定义的指标中,排除了由于采集方式、采集的信号类型而可能带来的信号质量上的问题(无效信号),避免了房颤负荷分析结果的偏差或错误,提高了房颤负荷分析的准确性。
房颤负荷指标值越大,说明房颤持续时间越长。因此,该值的用途不在于房颤本身的诊断和治疗,而在于能够客观评价房颤频发的程度以及药物或非药物治疗房颤的有效性。在房颤治疗前后,可通过检查确定房颤负荷高低的变化,进而进行评价治疗的有效性和程度。
此外,在执行步骤S310之前,即在对采集到的PPG信号进行分段信号质量分析之前,可以首先对采集到的PPG信号进行预处理。预处理可以包括:针对采集到的PPG信号进行滤除噪声的处理。这里,滤除噪声的处理可以进一步包括:采用傅里叶变换、小波变换或者自适应滤波的方式来从PPG信号中滤除噪声。
另一方面,当发现采集到的PPG信号的信号质量不满足要求时,例如在执行完步骤S320或S330之后,可以对采集PPG信号的方式进行调整。例如,在通过可穿戴设备上的脉搏波传感器来持续地采集佩戴所述可穿戴设备的被监测人体的PPG信号的情况下,可以通过改变脉搏波传感器中的发光器件的参数设置以增强发光强度,从而对采集PPG信号的方式做出调整。
本领域技术人员应该理解,上述技术手段与步骤可以任意地进行组合来实现本发明的目的,除非逻辑上或物理上无法组合。
计算机程序、计算机可读介质
此外,本领域普通技术人员应该认识到,本公开的方法可以实现为计算机程序。如上结合附图所述,通过一个或多个程序执行上述实施例的方法,包括指令来使得计算机或处理器执行结合附图所述的算法。这些程序可以使用各种类型的非瞬时计算机可读介质存储并提供给计算机或处理器。非瞬时计算机可读介质包括各种类型的有形存贮介质。非瞬时计算机可读介质的示例包括磁性记录介质(诸如软盘、磁带和硬盘驱动器)、磁光记录介质(诸如磁光盘)、CD-ROM(紧凑盘只读存储器)、CD-R、CD-R/W以及半导体存储器(诸如ROM、PROM(可编程ROM)、EPROM(可擦写PROM)、闪存ROM和RAM(随机存取存储器))。进一步,这些程序可以通过使用各种类型的瞬时计算机可读介质而提供给计算机。瞬时计算机可读介质的示例包括电信号、光信号和电磁波。瞬时计算机可读介质可以用于通过诸如电线和光纤的有线通信路径或无线通信路径提供程序给计算机。
例如,根据本公开的一个实施例,可以提供一种用于房颤负荷分析的装置。所述装置包括处理器和存储器。所述存储器中存储有计算机程序,当所述计算机程序由所述处理器执行时,可实现如前所述的房颤负荷分析方法。
因此,根据本公开,还可以提议一种计算机程序或一种计算机可读介质,其上存储有可由处理器执行的指令,所述指令在被处理器执行时,使得处理器执行如前所述的房颤负荷分析方法。
计算装置在可穿戴设备上
本领域技术人员应该注意到,本公开实际上还提供了一种包含计算装置的可穿戴设备,该可穿戴设备穿戴在被监测人体上。具体地说,该可穿戴设备可以包括信号采集单元和信号计算单元。信号采集单元用于持续地采集被监测人体的PPG信号。采集到的PPG信号直接在可穿戴设备上进行如前文所述的计算处理,即下文更具体列出的计算和分析。
更具体地说,可穿戴设备的信号计算单元用于执行计算机程序。计算机程序存储在存储器中,可以划分为以下的程序模块:
信号质量分析模块,用于对采集到的PPG信号进行分段信号质量分析;
信号划分模块,用于根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号;
房颤判断模块,用于基于有效信号判断是否发生房颤;
房颤负荷计算模块,用于根据发生房颤的有效信号对应时间占全部有效信号对应时间的百分比得到房颤负荷。
根据本发明的优选实施例,可穿戴设备可以是手表或手环,佩戴在被监测人体的手腕上。
根据本发明的优选实施例,可穿戴设备的信号采集单元可以包括脉搏波传感器,由此持续地采集被监测人体的PPG信号。
本领域技术人员应该认识到,可穿戴设备也可以是除手表或手环外的其他设备,因此也可以穿戴或佩戴在被监测人体的其他部位,以达到采集并监测人体的心脏节律信号具体是PPG信号的目的。
此外,可穿戴设备可以具有除信号采集与计算以外的其他功能,例如智能手表还具有计时、报时、显示、通话等各种其他功能。因此,本发明所述的可穿戴设备还可以包括其他的硬件模块或功能模块以实现上述的其他功能。
计算装置在服务器端(云端)
本领域技术人员应该认识到,采集到的PPG信号不一定就在可穿戴设备上进行如前文所述的计算处理,也可以将采集到的信号发送到远端或云端,由处于远端或云端的服务器进行如前文所述的计算处理。在这种情况下,可穿戴设备可以做到更加轻薄、易于穿戴或佩戴;服务器的计算功能更加强大,可以更快速、准确地得到计算和分析结果,并可以在服务器上加载除房颤负荷分析之外的其他的计算和分析模块,以便实现更多的计算和分析功能。
图4是根据本发明的一种实施方式的可穿戴设备与服务器的示意框图。
图4中,示出了可穿戴设备410和服务器420。
具体地说,根据本发明的服务器420可以包括信号接收单元421和信号计算单元422。信号接收单元421用于接收持续采集到的PPG信号。信号计算单元422则用于执行计算机程序。计算机程序存储在存储器423中,可以划分为以下的程序模块:
信号质量分析模块,用于对采集到的PPG信号进行分段信号质量分析;
信号划分模块,用于根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号;
房颤判断模块,用于基于有效信号判断是否发生房颤;
房颤负荷计算模块,用于根据发生房颤的有效信号对应时间占全部有效信号对应时间的百分比得到房颤负荷。
根据本发明的优选实施例,服务器420的信号接收单元421可以从可穿戴设备410接收持续采集到的PPG信号。这里,传输PPG信号的方式可以是通过线缆进行有线传输,也可以是无线地进行传输,例如通过红外、蓝牙、WiFi、4G/5G等移动通信网络等等。
根据本发明的优选实施例,可穿戴设备410可以是手表或手环,佩戴在被监测人体的手腕上。
此外,本领域技术人员应该认识到,尽管在权利要求书及说明书中,将用于对采集到的PPG信号进行计算和分析的设备命名为“服务器”,其也可以被称为其他的名称,例如云端设备、远端设备、计算设备、分析设备等。
此外,服务器可以具有除PPG信号计算与分析以外的其他功能,例如服务器还可以对其他的远程信号进行存储、计算与分析。因此,本发明所述的服务器还可以包括其他的硬件模块或功能模块以实现上述的其他功能。
智能手表
前文中多次提到,可穿戴设备可以是手表或手环,佩戴在被监测人体的手腕上。
图5是智能手表的正面示意图。如图5中所示,根据本发明的一个优选实施例,作为可穿戴设备的智能手表可以通过其正面的显示屏显示时间、显示PPG信号波形,可以通过按键或触摸屏来执行各种功能。
图6是智能手表的背面示意图。如图6中所示,可以将信号采集单元设置于智能手表的背面,与被监测人体的手腕表面相接触。图6中,智能手表背面的中心部位是一个脉搏波传感器,用来持续地采集佩戴该智能手表的被监测人体的PPG信号。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,本发明的范围并不限于上述实施例所述。在不偏离本发明的精神和范围的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。也就是说,本领域普通技术人员可以在形式和细节上对本发明做出各种改变和改进,而这些均被认为落入了本发明的保护范围。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的普通技术人员能理解本文披露的各实施例。
Claims (49)
1.一种房颤负荷分析方法,其特征在于,所述方法包括:
持续地采集PPG信号;
对采集到的PPG信号进行分段信号质量分析;
根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号;
基于有效信号判断是否发生房颤;
根据发生房颤的有效信号对应时间占全部有效信号对应时间的百分比得到房颤负荷。
2.根据权利要求1所述的方法,其特征在于,所述的持续地采集PPG信号包括通过可穿戴设备来持续地采集佩戴所述可穿戴设备的被监测人体的PPG信号。
3.根据权利要求2所述的方法,其特征在于,所述可穿戴设备是手表或手环,佩戴在被监测人体的手腕上。
4.根据权利要求3所述的方法,其特征在于,所述的持续地采集PPG信号进一步包括通过所述手表或手环上的脉搏波传感器来持续地采集佩戴所述手表或手环的被监测人体的PPG信号。
5.根据权利要求1所述的方法,其特征在于:
所述的对采集到的PPG信号进行分段信号质量分析包括:对采集到的PPG信号的信噪比进行分段分析,
所述的根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号包括:将信噪比满足要求的信号分段划分为有效信号,将信噪比不满足要求的信号分段划分为无效信号。
6.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:获取运动干扰水平,
所述的对采集到的PPG信号进行分段信号质量分析包括:对运动干扰水平进行分析,
所述的根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号包括:将运动干扰水平满足要求的信号分段划分为有效信号,将运动干扰水平不满足要求的信号分段划分为无效信号。
7.根据权利要求6所述的方法,其特征在于,采用加速度传感器或角速度传感器来获取运动干扰水平,其中,所述加速度传感器或角速度传感器设置在用于持续地采集PPG信号的可穿戴设备上。
8.根据权利要求1所述的方法,其特征在于,所述的对采集到的PPG信号进行分段信号质量分析包括:将采集到的PPG信号按心拍分段,以按心拍分段的PPG信号进行分段信号质量分析。
9.根据权利要求8所述的方法,其特征在于,所述的根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号包括:
当一次心拍期间的PPG信号分段的信号质量不满足要求时,将该心拍划分为无效心拍,反之则划分为有效心拍;
将连续有效心拍期间的PPG信号分段划分为有效信号,其余的PPG信号分段被划分为无效信号。
10.根据权利要求9所述的方法,其特征在于,所述方法进一步包括:获取运动干扰水平,
所述的对采集到的PPG信号进行分段信号质量分析包括:将采集到的PPG信号按心拍分段,以按心拍分段的PPG信号进行运动干扰水平分析,
所述的根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号包括:当一次心拍期间的PPG信号分段所对应的运动干扰水平不满足要求时,将该心拍划分为无效心拍,反之则划分为有效心拍;将连续有效心拍期间的PPG信号分段划分为有效信号,其余的PPG信号分段被划分为无效信号。
11.根据权利要求10所述的方法,其特征在于,采用加速度传感器或角速度传感器来获取运动干扰水平,其中,所述加速度传感器或角速度传感器设置在用于持续地采集PPG信号的可穿戴设备上。
12.根据权利要求8所述的方法,其特征在于:
所述的对采集到的PPG信号进行分段信号质量分析进一步包括:记录一次或多次心拍期间的配对特征向量的个数,
所述的根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号包括:当所记录的配对特征向量符合配对规则时,将该一次或多次心拍期间的PPG信号分段划分为有效信号;当所记录的配对特征向量不符合配对规则时,将该一次或多次心拍期间的PPG信号分段划分为无效信号。
13.根据权利要求12所述的方法,其特征在于:
所述的配对特征向量包括:波峰与波谷的个数、一阶差分值大于最大阈值与小于最小阈值的次数、单调递增区间与单调递减区间的个数;
所述配对规则包括:波峰与波谷的个数相同、一阶差分值大于最大阈值的次数与小于最小阈值的次数相同、单调递增区间的个数与单调递减区间的个数相同。
14.根据权利要求8所述的方法,其特征在于:
所述的对采集到的PPG信号进行分段信号质量分析进一步包括:记录一次或多次心拍期间的波峰与波谷的个数,
所述的根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号包括:当所记录的波峰个数与波谷个数相等时,将该一次或多次心拍期间的PPG信号分段划分为有效信号;当所记录的波峰个数与波谷个数不相等时,将该一次或多次心拍期间的PPG信号分段划分为无效信号。
15.根据权利要求8所述的方法,其特征在于:
所述的对采集到的PPG信号进行分段信号质量分析进一步包括:记录PPG信号在一次心拍的波谷与波峰之间的一阶差分值超过设定阈值的次数,
所述的根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号包括:当所记录的一阶差分值超过设定阈值的次数为一次时,将该心拍期间的PPG信号分段划分为有效信号;当所记录的一阶差分值超过设定阈值的次数为0或多次时,将该心拍期间的PPG信号分段划分为无效信号。
16.根据权利要求8所述的方法,其特征在于:
所述的对采集到的PPG信号进行分段信号质量分析进一步包括:记录PPG信号在一次心拍期间的单调递增区间个数及长度,
所述的根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号包括:当所记录的单调递增区间个数及长度满足预先设定的条件时,将该心拍期间的PPG信号分段划分为有效信号;当所记录的单调递增区间个数及长度不满足预先设定的条件时,将该心拍期间的PPG信号分段划分为无效信号。
17.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:
在对采集到的PPG信号进行分段信号质量分析之前,对采集到的PPG信号进行预处理。
18.根据权利要求17所述的方法,其特征在于,所述的对采集到的PPG信号进行预处理进一步包括:将采集到的PPG信号滤除噪声。
19.根据权利要求18所述的方法,其特征在于,所述的将采集到的PPG信号滤除噪声进一步包括:采用傅里叶变换、小波变换或者自适应滤波的方式来从PPG信号中滤除噪声。
20.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:
当采集到的PPG信号的信号质量不满足要求时,对采集PPG信号的方式进行调整。
21.根据权利要求20所述的方法,其特征在于,所述的持续地采集PPG信号包括通过可穿戴设备上的脉搏波传感器来持续地采集佩戴所述可穿戴设备的被监测人体的PPG信号,
所述的对采集PPG信号的方式进行调整进一步包括:改变脉搏波传感器中的发光器件的参数设置,以增强发光强度。
22.一种房颤负荷分析系统,其特征在于,所述系统包括:
信号采集单元,用于持续地采集PPG信号;
信号质量分析单元,用于对采集到的PPG信号进行分段信号质量分析;
信号划分单元,用于根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号;
房颤判断单元,用于基于有效信号判断是否发生房颤;
房颤负荷计算单元,用于根据发生房颤的有效信号对应时间占全部有效信号对应时间的百分比得到房颤负荷。
23.根据权利要求22所述的系统,其特征在于,所述信号采集单元设置在可穿戴设备上,被配置为持续地采集佩戴所述可穿戴设备的被监测人体的PPG信号。
24.根据权利要求23所述的系统,其特征在于,所述可穿戴设备是手表或手环,佩戴在被监测人体的手腕上。
25.根据权利要求24所述的系统,其特征在于,所述信号采集单元包括设置在所述手表或手环上的脉搏波传感器。
26.根据权利要求22所述的系统,其特征在于:
所述信号质量分析单元被配置为:对采集到的PPG信号的信噪比进行分段分析,
所述信号划分单元被配置为:将信噪比满足要求的信号分段划分为有效信号,将信噪比不满足要求的信号分段划分为无效信号。
27.根据权利要求22所述的系统,其特征在于,所述信号采集单元被进一步配置为:获取运动干扰水平,
所述信号质量分析单元被配置为:对运动干扰水平进行分析,
所述信号划分单元被配置为:将运动干扰水平满足要求的信号分段划分为有效信号,将运动干扰水平不满足要求的信号分段划分为无效信号。
28.根据权利要求27所述的系统,其特征在于,所述信号采集单元包括加速度传感器或角速度传感器,用于获取运动干扰水平,其中,所述加速度传感器或角速度传感器设置在用于持续地采集PPG信号的可穿戴设备上。
29.根据权利要求22所述的系统,其特征在于,所述信号质量分析单元被配置为:将采集到的PPG信号按心拍分段,以按心拍分段的PPG信号进行分段信号质量分析。
30.根据权利要求29所述的系统,其特征在于,所述信号划分单元被配置为:
当一次心拍期间的PPG信号分段的信号质量不满足要求时,将该心拍划分为无效心拍,反之则划分为有效心拍;
将连续有效心拍期间的PPG信号分段划分为有效信号,其余的PPG信号分段被划分为无效信号。
31.根据权利要求30所述的系统,其特征在于,所述信号采集单元被进一步配置为:获取运动干扰水平,
所述信号质量分析单元被配置为:将采集到的PPG信号按心拍分段,以按心拍分段的PPG信号进行运动干扰水平分析,
所述信号划分单元被配置为:当一次心拍期间的PPG信号分段所对应的运动干扰水平不满足要求时,将该心拍划分为无效心拍,反之则划分为有效心拍;将连续有效心拍期间的PPG信号分段划分为有效信号,其余的PPG信号分段被划分为无效信号。
32.根据权利要求31所述的系统,其特征在于,所述信号采集单元包括加速度传感器或角速度传感器,用于获取运动干扰水平,其中,所述加速度传感器或角速度传感器设置在用于持续地采集PPG信号的可穿戴设备上。
33.根据权利要求29所述的系统,其特征在于:
所述信号质量分析单元被进一步配置为:记录一次或多次心拍期间的配对特征向量的个数,
所述信号划分单元被配置为:当所记录的配对特征向量符合配对规则时,将该一次或多次心拍期间的PPG信号分段划分为有效信号;当所记录的配对特征向量不符合配对规则时,将该一次或多次心拍期间的PPG信号分段划分为无效信号。
34.根据权利要求33所述的系统,其特征在于:
所述的配对特征向量包括:波峰与波谷的个数、一阶差分值大于最大阈值与小于最小阈值的次数、单调递增区间与单调递减区间的个数;
所述配对规则包括:波峰与波谷的个数相同、一阶差分值大于最大阈值的次数与小于最小阈值的次数相同、单调递增区间的个数与单调递减区间的个数相同。
35.根据权利要求29所述的系统,其特征在于:
所述信号质量分析单元被进一步配置为:记录一次或多次心拍期间的波峰与波谷的个数,
所述信号划分单元被配置为:当所记录的波峰个数与波谷个数相等时,将该一次或多次心拍期间的PPG信号分段划分为有效信号;当所记录的波峰个数与波谷个数不相等时,将该一次或多次心拍期间的PPG信号分段划分为无效信号。
36.根据权利要求29所述的系统,其特征在于:
所述信号质量分析单元被进一步配置为:记录PPG信号在一次心拍的波谷与波峰之间的一阶差分值超过设定阈值的次数,
所述信号划分单元被配置为:当所记录的一阶差分值超过设定阈值的次数为一次时,将该心拍期间的PPG信号分段划分为有效信号;当所记录的一阶差分值超过设定阈值的次数为0或多次时,将该心拍期间的PPG信号分段划分为无效信号。
37.根据权利要求29所述的系统,其特征在于:
所述信号质量分析单元被进一步配置为:记录PPG信号在一次心拍期间的单调递增区间个数及长度,
所述信号划分单元被配置为:当所记录的单调递增区间个数及长度满足预先设定的条件时,将该心拍期间的PPG信号分段划分为有效信号;当所记录的单调递增区间个数及长度不满足预先设定的条件时,将该心拍期间的PPG信号分段划分为无效信号。
38.根据权利要求22所述的系统,其特征在于,所述系统进一步包括:
预处理单元,用于在对采集到的PPG信号进行分段信号质量分析之前,对采集到的PPG信号进行预处理。
39.根据权利要求38所述的系统,其特征在于,所述预处理单元被进一步配置为:将采集到的PPG信号滤除噪声。
40.根据权利要求39所述的系统,其特征在于,所述预处理单元进一步被配置为:采用傅里叶变换、小波变换或者自适应滤波的方式来从PPG信号中滤除噪声。
41.根据权利要求22所述的系统,其特征在于,所述系统进一步包括:
信号采集调整单元,用于当采集到的PPG信号的信号质量不满足要求时,对所述信号采集单元进行调整。
42.根据权利要求41所述的系统,其特征在于,所述信号采集单元包括设置在可穿戴设备上的脉搏波传感器,用于持续地采集佩戴所述可穿戴设备的被监测人体的PPG信号,
所述信号采集调整单元被进一步配置为:改变所述脉搏波传感器中的发光器件的参数设置,以增强发光强度。
43.一种计算机可读介质,其上存储有可由处理器执行的指令,所述指令在被处理器执行时,使得处理器执行如权利要求1所述的房颤负荷分析方法。
44.一种可穿戴设备,穿戴在被监测人体上,其特征在于,所述可穿戴设备包括:
信号采集单元,用于持续地采集被监测人体的PPG信号;
信号计算单元,用于执行存储在存储器中的以下程序模块中的程序:
信号质量分析模块,用于对采集到的PPG信号进行分段信号质量分析;
信号划分模块,用于根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号;
房颤判断模块,用于基于有效信号判断是否发生房颤;
房颤负荷计算模块,用于根据发生房颤的有效信号对应时间占全部有效信号对应时间的百分比得到房颤负荷。
45.根据权利要求44所述的可穿戴设备,其特征在于,所述可穿戴设备是手表或手环,佩戴在被监测人体的手腕上。
46.根据权利要求44所述的可穿戴设备,其特征在于,所述信号采集单元包括脉搏波传感器。
47.一种服务器,其特征在于,所述服务器包括:
信号接收单元,用于接收持续采集到的PPG信号;
信号计算单元,用于执行存储在存储器中的以下程序模块中的程序:
信号质量分析模块,用于对采集到的PPG信号进行分段信号质量分析;
信号划分模块,用于根据PPG信号的信号质量是否满足要求将采集到的PPG信号划分为有效信号和无效信号;
房颤判断模块,用于基于有效信号判断是否发生房颤;
房颤负荷计算模块,用于根据发生房颤的有效信号对应时间占全部有效信号对应时间的百分比得到房颤负荷。
48.根据权利要求47所述的服务器,其特征在于,所述信号接收单元被配置为从可穿戴设备接收持续采集到的PPG信号。
49.根据权利要求48所述的服务器,其特征在于,所述可穿戴设备是手表或手环,佩戴在被监测人体的手腕上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210233493.8A CN116763264A (zh) | 2022-03-10 | 2022-03-10 | 房颤负荷分析系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210233493.8A CN116763264A (zh) | 2022-03-10 | 2022-03-10 | 房颤负荷分析系统与方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116763264A true CN116763264A (zh) | 2023-09-19 |
Family
ID=87991800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210233493.8A Pending CN116763264A (zh) | 2022-03-10 | 2022-03-10 | 房颤负荷分析系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116763264A (zh) |
-
2022
- 2022-03-10 CN CN202210233493.8A patent/CN116763264A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3117767B1 (en) | Processing biological data | |
US9037223B2 (en) | Atrial fibrillation classification using power measurement | |
EP2688468B1 (en) | Apparatus and method for measuring physiological signal quality | |
US8568330B2 (en) | Composite human physiological stress index based on heart beat and sleep and/or activity history data including actigraphy | |
US8668649B2 (en) | System for cardiac status determination | |
EP3267880B1 (en) | Portable electronic device to process a signal acquired from a living body and method thereof | |
CN109411042B (zh) | 心电信息处理方法和心电工作站 | |
US9504401B2 (en) | Atrial fibrillation analyzer and program | |
JP5760351B2 (ja) | 睡眠評価装置、睡眠評価システムおよびプログラム | |
EP2730216B1 (en) | Biosignal transmitter, biosignal receiver, and biosignal transmitting method | |
US11350835B2 (en) | Wearable device for reflecting fatigue level of human body | |
CN110037668B (zh) | 脉搏信号时空域结合模型判断年龄、健康状态及恶性心律失常识别的系统 | |
JP6079824B2 (ja) | 睡眠評価装置およびプログラム | |
JP2015508693A (ja) | 生理的リズムを表す信号を処理する方法 | |
EP3643227B1 (en) | Minimum heart rate value approximation | |
US20200221958A1 (en) | System for measuring heart rate | |
CN113317794B (zh) | 一种生命体征分析方法与系统 | |
CN104739371B (zh) | 监护仪及其多导联信号自动切换方法和装置 | |
Yue et al. | Heart rate and heart rate variability as classification features for mental fatigue using short-term ppg signals via smartphones instead of ecg recordings | |
EP3107447B1 (en) | Method and system for evaluating a noise level of a biosignal | |
Coffen et al. | Real-time wireless health monitoring: an ultra-low power biosensor ring for heart disease monitoring | |
Katz et al. | Contact-free piezo electric sensor used for real-time analysis of inter beat interval series | |
CN116763264A (zh) | 房颤负荷分析系统与方法 | |
KR20210078662A (ko) | 연속혈당 측정기와 심전도 기반의 저혈당 예측 시스템 및 그 제어방법 | |
CN118078275A (zh) | 无创血糖检测的方法、装置、电子设备及介质 |
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 |