CN117100241A - 一种心跳间期测量方法及装置 - Google Patents

一种心跳间期测量方法及装置 Download PDF

Info

Publication number
CN117100241A
CN117100241A CN202311078565.7A CN202311078565A CN117100241A CN 117100241 A CN117100241 A CN 117100241A CN 202311078565 A CN202311078565 A CN 202311078565A CN 117100241 A CN117100241 A CN 117100241A
Authority
CN
China
Prior art keywords
heartbeat
signal
beat
quality
frequency
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
Application number
CN202311078565.7A
Other languages
English (en)
Inventor
方震
白忠瑞
赵荣建
何光强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Runnan Medical Electronic Research Institute Co ltd
Zhongke Xingan Nanjing Medical Electronic Technology Co ltd
Original Assignee
Nanjing Runnan Medical Electronic Research Institute Co ltd
Zhongke Xingan Nanjing Medical Electronic Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Runnan Medical Electronic Research Institute Co ltd, Zhongke Xingan Nanjing Medical Electronic Technology Co ltd filed Critical Nanjing Runnan Medical Electronic Research Institute Co ltd
Priority to CN202311078565.7A priority Critical patent/CN117100241A/zh
Publication of CN117100241A publication Critical patent/CN117100241A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • 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
    • 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
    • A61B5/02405—Determining heart rate variability
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Cardiology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Physiology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Probability & Statistics with Applications (AREA)
  • Power Engineering (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本申请公开了一种心跳间期测量方法、装置电子设备及存储介质，属于非接触式生理信号检测和分析技术领域，其中，通过异质传感器获取多个心跳信号；获取每个心跳信号对应的高质量频率区间；基于对应的高质量频率区间对每个心跳信号进行滤波得到多个目标心跳信号；获取多个目标心跳信号中每个心拍信号的心拍质量；基于心拍质量逐拍选择心拍信号进行融合得到心跳间期序列，能够利用异构非接触式传感器来进行逐拍心跳间隔的提取和融合，提高了心跳间期提取的准确性，该方法基于心跳的周期性进行心拍融合，不依赖心跳信号的形态特征，尤其适用于处理变化程度较高的心冲击信号以及不同传感器的不同信号特征，具有更好的鲁棒性和适用性。

Description

一种心跳间期测量方法及装置
技术领域
本申请属于非接触式生理信号检测和分析技术领域，具体涉及一种心跳间期测量方法、装置、电子设备及存储介质。
背景技术
近年来，非接触和无扰式生理信号检测方法(如心冲击图，BCG)在连续监测心率和心率变异性方面受到了广泛关注。这些方法不需要与皮肤接触，可以通过检测身体的振动或者身体反射的电磁波来测量生理信号，消除了传统生物医学传感器(如心电图，ECG和光电容积描记法，PPG)所需的电极附件和长电极线的要求。非接触监测方法在医疗和保健领域具有广泛的潜在应用，例如提高患者依从性、降低感染风险以及评估的严重程度和预后等。
然而，这些监测方法的准确性和鲁棒性较差，限制了其广泛应用。BCG方法容易受到运动伪迹的干扰，传感器相对于身体或心脏的位置会显著影响心脏振动信号的信噪比。这导致心跳间期(IBI)检测的准确性和覆盖范围下降，这对于依赖心率变异性的可靠临床应用(如心血管事件风险分析和睡眠分期分类)是不可接受的。总之，由于无接触监测方法在检测IBI方面的可靠性有限，其在各种监测场景中的应用受到了很大限制。
发明内容
本申请的目的是提供一种心跳间期测量方法、装置、电子设备及存储介质以解决心跳间期测量难度大的问题。
根据本申请实施例的第一方面，提供了一种心跳间期测量方法，该方法可以包括：
通过异质传感器获取多个心跳信号；
获取每个所述心跳信号对应的高质量频率区间；
基于对应的高质量频率区间对每个所述心跳信号进行滤波得到多个目标心跳信号；
获取所述多个目标心跳信号中每个心拍信号的心拍质量；
基于所述心拍质量逐拍选择所述心拍信号进行融合得到心跳间期序列。
在本申请的一些可选实施例中，获取每个所述心跳信号对应的高质量频率区间，包括：
获取多个候选频率区间；
对每个所述心跳信号执行下述步骤：
获取当前心跳信号在每个所述候选频率区间的滤波信号；
通过谐波相加法计算所述滤波信号的信号质量；
将对应的所述信号质量最高的所述候选频率区间作为所述高质量频率区间。
在本申请的一些可选实施例中，通过谐波相加法计算所述滤波信号的信号质量，包括：
获取所述滤波信号的平均峰谷距离；
基于所述平均峰谷距离在所述滤波信号内提取候选频率点；
将FFT频谱与所述候选频率点对应的核函数进行卷积得到对应频率的HarSum频谱值；
将所述候选频率点在所述HarSum频谱中对应的频谱幅度作为所述信号质量。
在本申请的一些可选实施例中，所述多个候选频率区间包括第一频率区间、第二频率区间、第三频率区间和第四频率区间，其中，第一频率区间、第二频率区间、第三频率区间和第四频率区间的高截止频率相同且低截止频率不同；
通过谐波相加法计算所述滤波信号的信号质量，还包括：
对所述滤波信号进行归一化处理；
将经过归一化处理所述滤波信号乘方后基于第五频率区间进行滤波。
在本申请的一些可选实施例中，所述第一频率区间为1Hz至40Hz、所述第二频率区间为3Hz至40Hz、所述第三频率区间为5Hz至40Hz，所述第四频率区间为7Hz至40Hz，所述第五频率区间为1Hz至10Hz。
在本申请的一些可选实施例中，获取所述HarSum频谱中最大值所在的心率作为平均心率；
获取所述多个目标心跳信号中每个心拍信号的心拍质量，包括：
对每个所述目标心跳信号执行下述步骤：
基于预设时间段将当前目标心跳信号分为样本信号和匹配信号；
基于所述平均心率从所述样本信号中提取极大值点为中点且长度为平均心动周期的样本心拍信号；
对所述样本心拍信号进行聚类得到多个聚类簇；
从所述多个聚类簇中选择一个或多个聚类簇作为模板；
基于所述平均心率从所述匹配信号中提取极大值点为中点且长度为平均心动周期的所述心拍信号；
基于所述心拍信号与所述模板的匹配度生成所述心拍质量。
在本申请的一些可选实施例中，对所述样本心拍信号进行聚类得到多个聚类簇，包括：
获取任意两个所述样本心拍信号之间的皮尔森相关系数；
基于所述皮尔森相关系对所述样本心拍信号进行BSAS聚类得到多个聚类簇；
选择心拍信号中心点均值最高的所述聚类簇作为第一模板，从其他聚类簇中选择所述皮尔森相关系数之和最大的聚类簇作为第二模板。
在本申请的一些可选实施例中，基于所述心拍信号与所述模板的匹配度生成所述心拍质量，包括：
获取所述心拍信号与所述模板的相关系数；
将最大的所述相关系数与对应的权重系数相乘得到所述心拍质量；
其中，所述高质量频率区间的低截止频率越大所述权重系数越大。
在本申请的一些可选实施例中，基于所述心拍质量逐拍选择所述心拍信号进行融合得到心跳间期序列，包括：
选择所述心拍质量大于预设值的所述心拍信号进行融合得到所述心跳间期序列。
根据本申请实施例的第二方面，提供一种心跳间期测量装置，包括：
第一获取模块，用于通过异质传感器获取多个心跳信号；
第二获取模块，用于获取每个所述心跳信号对应的高质量频率区间；
滤波模块，用于基于对应的高质量频率区间对每个所述心跳信号进行滤波得到多个目标心跳信号；
匹配模块，用于获取所述多个目标心跳信号中每个心拍信号的心拍质量；
融合模块，用于基于所述心拍质量逐拍选择所述心拍信号进行融合得到心跳间期序列。
根据本申请实施例的第三方面，提供一种电子设备，该电子设备可以包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，处理器被配置为执行指令，以实现如第一方面的任一项实施例中所示的心跳间期测量方法。
根据本申请实施例的第五方面，提供一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面的任一项实施例中所示的心跳间期测量方法。
本申请的上述技术方案具有如下有益的技术效果：
本申请实施例提供的一种心跳间期测量方法通过使用异构非接触式传感器来进行逐拍心跳间隔的提取和融合，提高了心跳间期提取的准确性，该方法基于心跳的周期性进行心拍融合，不依赖心跳信号的形态特征，尤其适用于处理变化程度较高的心冲击信号以及不同传感器的不同信号特征，具有更好的鲁棒性和适用性。
附图说明
图1是本申请一示例性实施例中一种心跳间期测量方法的流程示意图；
图2是本申请另一示例性实施例中一种心跳间期测量方法的流程示意图；
图3是本申请一示例性实施例中一种谐波相加法示意图；
图4是本申请一示例性实施例中一种心拍信号融合示意图；
图5是本申请一示例性实施例中一种心跳间期测量装置结构示意图；
图6是本申请一示例性实施例中电子设备结构示意图；
图7是本申请一示例性实施例中电子设备的硬件结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本申请进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本申请的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本申请的概念。
在附图中示出了根据本申请实施例的层结构示意图。这些图并非是按比例绘制的，其中为了清楚的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状以及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
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。
在本申请的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，下面所描述的本申请不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
经研究发现，与单通道心跳信号检测相比，多通道传感器可以提高无接触心脏监测的准确性和覆盖范围。但不同类型的传感器在信号处理方法方面通常不同，如何融合多通道传感器采集的心跳信号仍存在挑战。因此，发本发明提出使用异质非接触式传感器(即不同类型的非接触式传感器)来进行逐拍心跳间隔的提取，并提出一个用于多通道非接触式心跳信号逐拍心跳间隔提取的算法框架。
此处所说的非接触式心跳信号包括使用压电传感器、光纤传感器、压力传感器、加速度传感器等测量的心冲击信号(BCG)，也包括使用雷达测量的多普勒心动信号(DCG)以及其他具有相似特征的信号。下文中使用心跳信号代指非接触式心跳信号。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的心跳间期测量方法、心跳间期测量装置、电子设备及存储介质进行详细地说明。
如图1所示，在本申请实施例的第一方面，提供了一种心跳间期测量方法，该方法可以包括：
步骤S101：通过异质传感器获取多个心跳信号；
步骤S102：获取每个心跳信号对应的高质量频率区间；
步骤S103：基于对应的高质量频率区间对每个心跳信号进行滤波得到多个目标心跳信号；
步骤S104：获取多个目标心跳信号中每个心拍信号的心拍质量；
步骤S105：基于心拍质量逐拍选择心拍信号进行融合得到心跳间期序列。
本实施例提供的心跳间期测量方法通过使用异构非接触式传感器来进行逐拍心跳间隔的提取和融合，提高了心跳间期提取的准确性。该方法基于心跳的周期性进行心拍融合，不依赖心跳信号的形态特征，尤其适用于处理变化程度较高的心冲击信号以及不同传感器的不同信号特征，具有更好的鲁棒性和适用性。
在一些实施例中，步骤S102包括：获取多个候选频率区间；
对每个心跳信号执行下述步骤：
获取当前心跳信号在每个候选频率区间的滤波信号；
对滤波信号进行归一化处理；
将经过归一化处理滤波信号乘方后基于第五频率区间进行滤波；
获取滤波信号的平均峰谷距离；
基于平均峰谷距离在滤波信号内提取候选频率点；
对候选频率点进行FFT变换得到HarSum频谱；
将候选频率点在HarSum频谱中对应的频谱幅度作为信号质量；
将对应的信号质量最高的候选频率区间作为高质量频率区间。
其中，多个候选频率区间包括第一频率区间为1Hz至40Hz、第二频率区间为3Hz至40Hz、第三频率区间为5Hz至40Hz，第四频率区间为7Hz至40Hz，第五频率区间为1Hz至10Hz。
本实施例提供的心跳间期测量方法使用可变低截至频率的带通滤波器获得心跳信号不同的成分，以获得最优的心跳信号成分，提高心跳间期的准确度，对于逐拍的心跳间期的检测具有更高的准确度和覆盖率。创新地通过谐波相加法计算心跳信号频谱的平均心率，能够适应各种心冲击信号的形态模式。后续的模板计算和匹配也不依赖于心跳信号的形态特征而仅仅依靠心跳信号的准周期性质。
在一些实施例中，步骤S104包括：
获取多个目标心跳信号中每个心拍信号的心拍质量，包括：
对每个目标心跳信号执行下述步骤：
基于预设时间段将当前目标心跳信号分为样本信号和匹配信号；
基于平均心率从样本信号中提取极大值点为中点且长度为平均心动周期的样本心拍信号；
对样本心拍信号进行聚类得到多个聚类簇；
从多个聚类簇中选择一个或多个聚类簇作为模板；
基于平均心率从匹配信号中提取极大值点为中点且长度为平均心动周期的心拍信号；
基于心拍信号与模板的匹配度生成心拍质量。
具体地，对样本心拍信号进行聚类得到多个聚类簇，包括：
获取任意两个样本心拍信号之间的皮尔森相关系数；
基于皮尔森相关系对样本心拍信号进行BSAS聚类得到多个聚类簇；
选择心拍信号中心点均值最高的聚类簇作为第一模板，从其他聚类簇中选择皮尔森相关系数之和最大的聚类簇作为第二模板。
基于心拍信号与模板的匹配度生成心拍质量，包括：
获取心拍信号与模板的相关系数；
将最大的相关系数与对应的权重系数相乘得到心拍质量；
其中，高质量频率区间的低截止频率越大权重系数越大。
本实施例提供的心跳间期测量方法提出的框架包括使用谐波求和(HarSum)算法进行平均心率估计、使用基本顺序算法方案(BSCS)提取模板组、使用最优滤波器选择(OFS)和信号质量指数(SQI)进行最佳信号的选取和融合，实现了在异构传感器多通道心跳信号数据上的高精度和鲁棒性IBI测量。
在一些实施例中，步骤S105包括：
选择心拍质量大于预设值的心拍信号进行融合得到心跳间期序列。
图2是本申请另一示例性实施例中一种心跳间期测量方法的流程示意图。如图2所示，在本申请实施例的第二方面，提供了一种心跳间期测量方法，该方法可以包括：
步骤1：可变低截至频率的带通滤波
使用多个滤波参数不同的带通滤波器处理多通道的心冲击信号，以提取心冲击信号中不同的心跳成分。一般而言，由于心脏瓣膜信号的存在，较高的信号频率可以获得相比心电参考信号越准确的心跳间期。此处选择的带通滤波器参数为高截止频率fH＝40Hz，低截止频率fL∈{f1＝1Hz,f2＝3Hz,f3＝5Hz,f4＝7Hz}。这些带通滤波器分别对应权重系数β＝1+0.05×(fL-1)。
此权重系数将在步骤6中使用。
步骤2：乘方和带通滤波
将步骤1处理后的各个信号归一化后，乘方后再进行带通滤波。其中带通滤波的截至频率为1Hz-10Hz。这一预处理步骤的目的是将信号的频带分布搬移到较低的谐波频率上。
步骤3：谐波相加法计算平均心率和信号质量
为了能在心跳信号的各种的不同模式下都能较好的计算出平均心率，对心跳信号的频谱使用谐波相加法处理高次谐波。
在频谱中，一个好的候选基频不仅应该在整数倍处有峰值，而且在半整数倍处也有谷值。引入峰谷距离的概念测量峰值在其频谱中相对于其两个相邻谷的显著度。
其中dk(f)代表频点f的峰谷距。|X(kf)|表示频率为kf时的FFT频率响应幅度,并且k是一个正整数。
每个谐波的平均峰谷距离(APVD)可以表示频率的显著度：
APVD可以表示为振幅谱和核函数的内积，其整数倍处具有向上脉冲，在半整数倍处具有向下脉冲，在这里，我们将谐波的数量限制在7个以下。对于频率f′，应用以下核函数：
对于每个候选频率点f’，计算FFT振幅谱和核函数的内积，得到HarSum频谱。
|HS(f’)|＝<|X(f)|,K(f,f′)>
如图3所示，HarSum频谱中的最大值所在心率即为表示平均心率。
在这里，我们可以获得基于HarSum频谱的信号质量指数。由于信号已被归一化，候选基频点的HarSum频谱幅度可以在一定程度上表示候选基频与其相应的高次谐波的能量比。我们定义：
SQIHarSum＝max(HarSum(f))
步骤4：带通滤波器的低截止频率选择
对于每个通道的信号，选取SQIHarSum最大的滤波器低截止频率带通滤波器所对应的信号，进行下一步的模板组提取和逐拍心率计算。
步骤5：使用BSCS进行模板组的提取
对于满足条件的每个通道的心冲击信号，我们首先从数据中提取模板。为了解决由呼吸调制引起的某些信号的每个呼吸周期内部的形态差异，我们使用BSAS(基本顺序算法方案)计算一组模板而不是单个模板。
选取初始一段10s信号的所有极大值点为中点的，长度为平均心动周期L的一组信号并将其通过BSAS进行聚类。
其中：
计算的相关矩阵：
其中corr(qx,qy)表示qx和qy之间的皮尔森相关系数。
随后，利用矩阵中获得的相关系数执行BSAS聚类，阈值设为θ1＝0.8，即将相关系数大于0.8的归为同一类，将具有相似形态的信号段分组到同一类别。
选择信号段中心点均值最高的类作为第一个模板类，并从中选取一个与其他类内样本相关系数之和最大的样本信号作为模板。
如果这个类中的信号段相连后与原始的信号段相比有较大的空缺，则可能存在由呼吸导致的另外的心跳模式。此时再继续按照上述方法计算另一个模板。
步骤6：模板匹配阶段(相关系数函数计算)
对于每个通道的信号，计算模板组中每个模板与后续心冲击信号中每个峰值之间的相关系数，得到相关系数函数。
ccfα(x)＝corr[bcg(x),Tα]×P(x),α∈{1,2}
P(x)是指示函数：
此时引入另一个信号质量指数表示第i个心跳的匹配程度。
此处的β是步骤1中的权重系数。
步骤7：逐拍的心跳间期选择和融合
如图4所示，在此步骤中，来自多个通道的IBI将根据每个通道的SQIbeat进行选择和组合。对于第i个心跳，当根据以下公式选择最终计算IBI的通道：
图5是本申请一示例性实施例中一种心跳间期测量装置结构示意图。如图5所示，在本申请实施例的第三方面，提供了一种心跳间期测量装置，包括：
第一获取模块11，用于通过异质传感器获取多个心跳信号；
第二获取模块12，用于获取每个心跳信号对应的高质量频率区间；
滤波模块13，用于基于对应的高质量频率区间对每个心跳信号进行滤波得到多个目标心跳信号；
匹配模块14，用于获取多个目标心跳信号中每个心拍信号的心拍质量；
融合模块15，用于基于心拍质量逐拍选择心拍信号进行融合得到心跳间期序列。
可选地，如图6所示，本申请实施例还提供一种电子设备1100，包括处理器1101，存储器1102，存储在存储器1102上并可在所述处理器1101上运行的程序或指令，该程序或指令被处理器1101执行时实现上述心跳间期测量方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
图7为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备1200包括但不限于：射频单元1201、网络模块1202、音频输出单元1203、输入单元1204、传感器1205、显示单元1206、用户输入单元1207、接口单元1208、存储器1209、以及处理器1210等部件。
本领域技术人员可以理解，电子设备1200还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器1210逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图7中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
应理解的是，本申请实施例中，输入单元1204可以包括图形处理器(GraphicsProcessing Unit，GPU)12041和麦克风12042，图形处理器12041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元1206可包括显示面板12061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板12061。用户输入单元1207包括触控面板12071以及其他输入设备12072。触控面板12071，也称为触摸屏。触控面板12071可包括触摸检测装置和触摸控制器两个部分。其他输入设备12072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。存储器1209可用于存储软件程序以及各种数据，包括但不限于应用程序和操作系统。处理器1210可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1210中。
本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述心跳间期测量方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述心跳间期测量方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (12)

1.一种心跳间期测量方法，其特征在于，包括：
通过异质传感器获取多个心跳信号；
获取每个所述心跳信号对应的高质量频率区间；
基于对应的高质量频率区间对每个所述心跳信号进行滤波得到多个目标心跳信号；
获取所述多个目标心跳信号中每个心拍信号的心拍质量；
基于所述心拍质量逐拍选择所述心拍信号进行融合得到心跳间期序列。
2.根据权利要求1所述的一种心跳间期测量方法，其特征在于，获取每个所述心跳信号对应的高质量频率区间，包括：
获取多个候选频率区间；
对每个所述心跳信号执行下述步骤：
获取当前心跳信号在每个所述候选频率区间的滤波信号；
通过谐波相加法计算所述滤波信号的信号质量；
将对应的所述信号质量最高的所述候选频率区间作为所述高质量频率区间。
3.根据权利要求1所述的一种心跳间期测量方法，其特征在于，通过谐波相加法计算所述滤波信号的信号质量，包括：
获取所述滤波信号的平均峰谷距离；
基于所述平均峰谷距离在所述滤波信号内提取候选频率点；
将FFT频谱与所述候选频率点对应的核函数进行卷积得到对应频率的HarSum频谱值；
将所述候选频率点在所述HarSum频谱中对应的频谱幅度作为所述信号质量。
4.根据权利要求3所述的一种心跳间期测量方法，其特征在于，所述多个候选频率区间包括第一频率区间、第二频率区间、第三频率区间和第四频率区间，其中，第一频率区间、第二频率区间、第三频率区间和第四频率区间的高截止频率相同且低截止频率不同；
通过谐波相加法计算所述滤波信号的信号质量前，还包括：
对所述滤波信号进行归一化处理；
将经过归一化处理所述滤波信号乘方后基于第五频率区间进行滤波。
5.根据权利要求4所述的一种心跳间期测量方法，其特征在于，所述第一频率区间为1Hz至40Hz、所述第二频率区间为3Hz至40Hz、所述第三频率区间为5Hz至40Hz，所述第四频率区间为7Hz至40Hz，所述第五频率区间为1Hz至10Hz。
6.根据权利要求3所述的一种心跳间期测量方法，其特征在于，还包括：获取所述HarSum频谱中最大值所在的心率作为平均心率；
获取所述多个目标心跳信号中每个心拍信号的心拍质量，包括：
对每个所述目标心跳信号执行下述步骤：
基于预设时间段将当前目标心跳信号分为样本信号和匹配信号；
基于所述平均心率从所述样本信号中提取极大值点为中点且长度为平均心动周期的样本心拍信号；
对所述样本心拍信号进行聚类得到多个聚类簇；
从所述多个聚类簇中选择一个或多个聚类簇作为模板；
基于所述平均心率从所述匹配信号中提取极大值点为中点且长度为平均心动周期的所述心拍信号；
基于所述心拍信号与所述模板的匹配度生成所述心拍质量。
7.根据权利要求6所述的一种心跳间期测量方法，其特征在于，对所述样本心拍信号进行聚类得到多个聚类簇，包括：
获取任意两个所述样本心拍信号之间的皮尔森相关系数；
基于所述皮尔森相关系对所述样本心拍信号进行BSAS聚类得到多个聚类簇；
选择心拍信号中心点均值最高的所述聚类簇作为第一模板，从其他聚类簇中选择所述皮尔森相关系数之和最大的聚类簇作为第二模板。
8.根据权利要求6所述的一种心跳间期测量方法，其特征在于，基于所述心拍信号与所述模板的匹配度生成所述心拍质量，包括：
获取所述心拍信号与所述模板的相关系数；
将最大的所述相关系数与对应的权重系数相乘得到所述心拍质量；
其中，所述高质量频率区间的低截止频率越大所述权重系数越大。
9.根据权利要求1-8任一项所述的一种心跳间期测量方法，其特征在于，基于所述心拍质量逐拍选择所述心拍信号进行融合得到心跳间期序列，包括：
选择所述心拍质量大于预设值的所述心拍信号进行融合得到所述心跳间期序列。
10.一种心跳间期测量装置，其特征在于，包括：
第一获取模块，用于通过异质传感器获取多个心跳信号；
第二获取模块，用于获取每个所述心跳信号对应的高质量频率区间；
滤波模块，用于基于对应的高质量频率区间对每个所述心跳信号进行滤波得到多个目标心跳信号；
匹配模块，用于获取所述多个目标心跳信号中每个心拍信号的心拍质量；
融合模块，用于基于所述心拍质量逐拍选择所述心拍信号进行融合得到心跳间期序列。
11.一种电子设备，其特征在于，包括：处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-9任一项所述的一种心跳间期测量方法。
12.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-9任一项所述的一种心跳间期测量方法。
CN202311078565.7A 2023-08-24 2023-08-24 一种心跳间期测量方法及装置 Pending CN117100241A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311078565.7A CN117100241A (zh) 2023-08-24 2023-08-24 一种心跳间期测量方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311078565.7A CN117100241A (zh) 2023-08-24 2023-08-24 一种心跳间期测量方法及装置

Publications (1)

Publication Number Publication Date
CN117100241A true CN117100241A (zh) 2023-11-24

Family

ID=88812338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311078565.7A Pending CN117100241A (zh) 2023-08-24 2023-08-24 一种心跳间期测量方法及装置

Country Status (1)

Country Link
CN (1) CN117100241A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117828511A (zh) * 2024-03-04 2024-04-05 中国中医科学院广安门医院 一种麻醉深度脑电信号数据处理方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117828511A (zh) * 2024-03-04 2024-04-05 中国中医科学院广安门医院 一种麻醉深度脑电信号数据处理方法
CN117828511B (zh) * 2024-03-04 2024-05-10 中国中医科学院广安门医院 一种麻醉深度脑电信号数据处理方法

Similar Documents

Publication Publication Date Title
Oresko et al. A wearable smartphone-based platform for real-time cardiovascular disease detection via electrocardiogram processing
Li et al. Design of a continuous blood pressure measurement system based on pulse wave and ECG signals
CN112754431A (zh) 基于毫米波雷达和轻量级神经网络的呼吸心跳监测系统
US20190298201A1 (en) Detection of atrial fibrillation
CN107788969A (zh) 一种心电信号中qrs波群的自动检测方法
Leite et al. Heartbeat classification with low computational cost using Hjorth parameters
KR20120000398A (ko) 비접촉식 생체 신호 측정 장치 및 그 장치에서의 비접촉식 생체 신호 측정 방법
CN117100241A (zh) 一种心跳间期测量方法及装置
CN110236508A (zh) 一种无创血压连续监测方法
Chin et al. Bayesian real-time QRS complex detector for healthcare system
Torti et al. Custom FPGA processing for real-time fetal ECG extraction and identification
Shi et al. Contactless person identification using cardiac radar signals
CN115736854A (zh) 一种基于毫米波雷达的呼吸心跳监测系统
Edanami et al. Remote sensing of vital signs by medical radar time-series signal using cardiac peak extraction and adaptive peak detection algorithm: Performance validation on healthy adults and application to neonatal monitoring at an NICU
CN113273978B (zh) 一种基于超宽带雷达的人体呼吸和心跳频率的检测方法
CN109276233A (zh) 一种面向视频流的分布式人脸及生理特征识别方法
So-In et al. Real-time ECG noise reduction with QRS complex detection for mobile health services
Li et al. A novel single-lead handheld atrial fibrillation detection system
JP7332723B2 (ja) 心電図（ｅｃｇ）信号のｑｒｓ複合波を検出するためのシステム
CN114831650A (zh) 心电图s点提取方法、装置、存储介质及电子设备
Plesnik et al. ECG signal acquisition and analysis for telemonitoring
CN116919370A (zh) 心率信号的追踪方法、追踪装置、电子设备和存储介质
Pu et al. RF-Heartbeat: Robust and Contactless Heartbeat Monitoring Based on FMCW Radar
EP4216814A1 (en) Method and system for non-contact vital sign monitoring
Rodriguez et al. Embedded system based on an ARM microcontroller to analyze heart rate variability in real time using wavelets

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