CN117881339A - 用于心脏跳动间隔信号序列的质量评估的方法和系统 - Google Patents
用于心脏跳动间隔信号序列的质量评估的方法和系统 Download PDFInfo
- Publication number
- CN117881339A CN117881339A CN202180098521.3A CN202180098521A CN117881339A CN 117881339 A CN117881339 A CN 117881339A CN 202180098521 A CN202180098521 A CN 202180098521A CN 117881339 A CN117881339 A CN 117881339A
- Authority
- CN
- China
- Prior art keywords
- ibi
- individual
- signal
- cardiac
- signals
- 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
- 230000000747 cardiac effect Effects 0.000 title claims abstract description 156
- 238000000034 method Methods 0.000 title claims abstract description 71
- 108010076504 Protein Sorting Signals Proteins 0.000 title claims description 20
- 238000001303 quality assessment method Methods 0.000 title description 2
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- BZLVMXJERCGZMT-UHFFFAOYSA-N Methyl tert-butyl ether Chemical compound COC(C)(C)C BZLVMXJERCGZMT-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009532 heart rate measurement Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000036642 wellbeing Effects 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
- 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
- A61B5/24—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
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
Abstract
本公开涉及一种用于选择一个或多个心脏跳动间隔IBI信号的方法和系统。所述方法包括：使用一个或多个传感器来捕获个体心脏IBI信号的序列；将所述个体心脏IBI信号中的一个个体心脏IBI信号的第一参数的值与预定第一阈值进行比较；从所述序列的所述个体心脏IBI信号中的一者或多者或全部来确定第二参数的值；将所述一个个体心脏IBI信号的所述第二参数的所述值与从所述序列的所述个体心脏IBI信号中的一者或多者或全部确定的所述第二参数的所述值进行比较；以及基于所述比较来选择所述一个个体心脏IBI信号。所述系统和所述方法可用于诸如汽车的车厢等非理想非医疗环境中。
Description
技术领域
本公开涉及用于监测人的健康状况、特别是评估心脏跳动间隔信号的质量的方法和系统。
背景技术
心跳特征是人类生理和心理信息的来源。如心脏跳动间隔及其辅助量度(心率和心率变异性)等参数对于监测人的健康状况和幸福感至关重要。接触式心率测量设备和传感器(诸如脉搏计、ECG设备或PPG设备，如智能手表和腕带)非常普遍。还有利用RGB相机或雷达作为传感器的非接触式设备(Harford等人，Physiol.Measurements,40(6),2019)。为了从由视频图像生成的时间序列信号中提取生物信号(诸如心脏跳动间隔)，通常使用远程光电容积描记法(rPPG)。非接触式技术特别适合于例如车厢内汽车监测系统的应用。随着现代汽车不再只是通勤手段而是作为生活空间，汽车集成了越来越多的特征和功能，这些特征和功能有时与驾驶无关，例如监测驾驶员和乘员的生理状态和健康状况。这是特别有用的，因为已知认知负荷和压力以及(非视觉)干扰会强烈影响驾驶表现。
因此，正在开发方法来处理含有生理信号的rPPG数据，并且能够提取信息以从rPPG测量中提供高质量的数据集。例如，US 20160228069A1公开了一种用于通过确定和比较(平均)波形来处理生理信号的方法。US 8977347B2公开了一种用于通过从经由处理被监测对象的视频而获得的时间序列信号的功率谱中提取低频和高频分量来估计心率变异性的rPPG方法和系统。Finzgar和Podrzaj(PeerJ.2018,6,e5859)描述了一种用于从视频记录中稳健地提取脉搏率的基于小波的分解方法。Wang等人(IEEE Transa.Biomed.Engin.99,99,2016)开发了远程PPG的算法原理，并且Wang、Stujik和de Haan(IEEETransa.Biomed.Engin.2015,DOI 10.1109/TBME.2015.2508602)将他们的工作重心放在rPPG中的空间子空间旋转上。上述方法旨在使用rPPG或从原始数据中提取生物信号来改进数据采集。
本公开提供了一种用于从采集的信号序列中选择个体心脏跳动间隔信号的方法和系统。当在非医疗环境应用非接触式生物信号测量技术时，个体信号或信号子序列可能会因测量环境中的干扰而严重劣化，或者包含异常值或测量伪影。所公开的方法允许消除质量差的个体信号并仅选择剩余的合适信号以用于进一步数据处理。这种预选由于高质量的输入数据以及更加节省时间和计算能力的进一步数据处理而实现更准确的生物信号提取。
发明内容
本公开的第一方面涉及一种用于选择一个或多个心脏跳动间隔IBI信号的方法。所述方法包括：
使用一个或多个传感器来捕获个体心脏IBI信号的序列；
将所述个体心脏IBI信号中的一个个体心脏IBI信号的第一参数的值与预定第一阈值进行比较；
从所述序列的所述个体心脏IBI信号中的一者或多者或全部来确定第二参数的值；
将所述一个个体心脏IBI信号的所述第二参数的所述值与从所述序列的所述个体心脏IBI信号中的一者或多者或全部确定的所述第二参数的所述值进行比较；以及
基于所述比较来选择所述一个个体心脏IBI信号。
所述方法的目的是从一组获取的原始数据中选择高质量的生物信号、特别是心脏跳动间隔信号。可关于例如生理意义、信噪比或测量伪影来评估信号质量。本公开涉及在非医疗的非理想环境(诸如汽车的车厢)中执行的对用户的生物信号测量。为医疗应用设计的标准监测和诊断方法可在此类环境中使用，然而，刺耳的机械噪声或快速变化的照明条件可能会干扰对心脏IBI信号的检测并降低信号质量。在一些情况下，信号质量可能非常低，以至于必须丢弃测量值以避免在信号评估期间出现错误结果。因此，选择足够质量的合适心脏IBI信号对于其在生物信号处理中的应用至关重要。所公开的方法包括确定和比较个体信号的特性以便从所获取的信号序列中选择合适的心脏IBI信号的几个步骤。
根据本发明，所述方法包括针序列的个体心脏IBI信号中的每一者来重复比较第一参数的值、确定第二参数的值、比较第二参数的值以及基于比较来选择一个个体心脏IBI信号的所述步骤。
该过程允许对心脏IBI信号特性进行统计相关的确定，并且因此进行统计相关的数据选择。从而，可以从低质量的信号中清除整个数据集。
在实施方案中，使用非医疗非接触式传感器来执行捕获个体心脏IBI信号的序列。使用非接触式传感设备(诸如IR或可见光相机或雷达系统)代替通常用在例如智能手表或其他可穿戴设备中的常规接触式传感器，在非理想环境中开辟了一系列新的应用，诸如汽车中的车厢内用户监测。
在另一个实施方案中，第一参数和第二参数各自包括心脏IBI RR间隔、正常到正常间隔、总功率、正常到正常间隔的标准偏差、功率谱密度(特别是低频和高频密度分布)、信号幅度、信噪比或峰距离中的一者或多者。这些参数类似于心脏IBI信号的特定特性的指标。确定和评估大量信号特性中的一者或多者允许为给定的目的或给定的测量环境选择最合适的数据集。此外，可选择与期望的生物信号分析最相关的信号特性或与给定环境中的噪声信号最容易区分开的信号特性作为用于信号选择的参数。
根据本发明的实施方案，比较第一参数的值包括将所述一个个体心脏IBI信号与数据库的生理上有效的个体心脏IBI信号进行比较；并且
其中基于所述比较来选择所述一个个体心脏IBI信号包括：
如果基于与所述数据库的所述比较，所述一个个体心脏IBI信号在所述生理上有效的个体心脏IBI信号的预定范围内，则选择所述个体心脏IBI信号以供进一步使用；
如果基于与所述数据库的所述比较，所述一个个体心脏IBI信号不在所述生理上有效的个体心脏IBI信号的预定范围内，则排除所述个体心脏IBI信号进行进一步使用。
该实施方案的效果是，表现出生理上无意义的特性的个体心脏IBI信号可在它们被馈送到后续数据处理例程之前被丢弃。选择在生理上有意义的范围内的值以供进一步分析，同时去除例如遭受明显测量伪影的值。
此外，在实施方案中，比较所述第二参数的所述值包括确定所述个体心脏IBI信号中的所述一个个体心脏IBI信号的所述第二参数的所述值与所述序列的后续个体心脏IBI信号的所述第二参数的所述值之间的绝对差；并且
其中基于所述比较来选择所述一个个体心脏IBI信号包括：
如果所述一个个体心脏IBI信号的所述第二参数的所述值与所述后续个体心脏IBI信号的所述第二参数的所述值之间的所述绝对差低于预定第二阈值，则选择所述一个个体心脏IBI信号以供进一步使用；
如果所述一个个体心脏IBI信号的所述第二参数的所述值与所述后续个体心脏IBI信号的所述第二参数的所述值之间的所述绝对差高于预定第二阈值，则排除所述一个个体心脏IBI信号进行进一步使用。
信号序列内的后续心脏IBI信号的特性值之间的绝对差可作为去除个体异常值的量度。直接邻近的心脏IBI信号之间的绝对差的阈值可以例如是50ms或200ms的间隔长度，具体取决于所要求的数据质量和测量环境。
在另一个实施方案中，比较所述第二参数的所述值包括确定所述个体心脏IBI信号中的所述一个个体心脏IBI信号的所述第二参数的所述值与所述序列的后续个体心脏IBI信号的所述第二参数的所述值之间的相对差；并且
其中基于所述比较来选择所述一个个体心脏IBI信号包括：
如果所述一个个体心脏IBI信号的所述第二参数的所述值与其后续个体心脏IBI信号的所述第二参数的所述值之间的所述相对差低于预定第三阈值，则选择所述一个个体心脏IBI信号以供进一步使用；
如果所述一个个体心脏IBI信号的所述第二参数的所述值与其后续个体心脏IBI信号的所述第二参数的所述值之间的所述相对差高于预定第三阈值，则排除所述一个个体心脏IBI信号进行进一步使用。
信号序列内的后续心脏IBI信号的特性值之间的相对差也可作为去除个体异常值的量度。直接邻近的心脏IBI信号之间的绝对差的阈值可以例如是相差-0.5-+0-5或优选地-0.2-+0.4，具体取决于所要求的数据质量。
根据本发明的另一个实施方案，确定第二参数的值包括确定所述序列的两个或更多个或所有个体心脏IBI信号的所述第二参数的所述值的平均值。与上述使用与邻近信号的绝对差和相对差的短距离比较相比，这允许进行长距离数据分析。因此，可确定在较长时间跨度上发生的信号特性的趋势，并且在进一步信号选择期间将其考虑在内。
此外，在实施方案中，比较所述第二参数的所述值包括确定所述一个个体心脏IBI信号的所述第二参数的所述值与所述序列的两个或更多个或所有个体心脏IBI信号的所述第二参数的所述值的所述平均值的偏差；并且
其中基于所述比较来选择所述一个个体心脏IBI信号包括：
如果所述一个个体心脏IBI信号的所述第二参数的所述值与所述序列的两个或更多个或所有个体心脏IBI信号的所述第二参数的所述值的所述平均值的所述偏差低于预定第四阈值，则选择所述一个个体心脏IBI信号以供进一步使用；
如果所述一个个体心脏IBI信号的所述第二参数的所述值与所述序列的两个或更多个或所有个体心脏IBI信号的所述第二参数的所述值的所述平均值的所述偏差高于预定第四阈值，则排除所述一个个体心脏IBI信号进行进一步使用。
与基于与其直接邻居的绝对差和相对差来选择个体心脏IBI信号相比，可能有用的是将个体信号的特性值与信号序列的平均值进行比较。取决于为特定应用选择的一组心脏IBI信号的期望质量，从中确定平均值的信号序列可包括几个信号(例如，五个心脏IBI信号)或更多信号(例如，数百或数千信号)。在信号选择期间可考虑沿较长信号序列的信号演变趋势，诸如不断增加的心脏IBI缩短，这在仅比较邻近信号时不会被检测到。
根据实施方案，基于所述比较来选择所述一个个体心脏IBI信号还包括：如果前面的个体心脏IBI信号被排除并且选择了所述前面的个体心脏IBI信号的两个直接邻近的个体心脏IBI信号，则排除一个或多个选定的个体心脏IBI信号。
检测最初排除的心脏IBI信号或其后续信号是否无效的不确定性可通过使两个信号无效来克服。此外，如果使用如本实施方案中所公开的此类扩展规则，则不会错过由时间窗口或多个IBI限定的所评估的短信号序列或子序列之间的间隙。此外，所公开方法的该实施方案防止插入数据处理伪影。
根据又一个实施方案，基于所述比较来选择所述一个个体心脏IBI信号还包括：如果一组或多组个体心脏IBI信号的前面和后面是多组排除的个体心脏IBI信号，则排除一组或多组选定的个体心脏IBI信号，其中一组个体心脏IBI信号包括一个或多个个体心脏IBI信号。
如果一小组选定的IBI信号由两小组排除的IBI信号直接围绕，则很可能是测量伪影导致了这种情况。该组选定的信号很可能不是由生理上有意义的数据获取产生的。因此，排除被围绕的小组选定的信号。一小组信号可包括例如两个信号到数十个信号。一小组信号还可包括由单个被排除信号围绕的单个被选择信号。
根据另一个实施方案，所述方法还包括：
从所述个体心脏IBI信号序列提取一个或多个个体心脏IBI信号子序列；
对所述一个或多个子序列单独地执行前述方法中的任一者。
所述子序列可包含来自5分钟时间窗口或优选地来自100秒的所有个体心脏IBI信号。仅评估整个获取的序列的一部分使得能够在进一步数据处理之前排除由于测量环境(例如，基于测量环境或用户情况)而无效的子序列。例如，可排除在其中执行该方法的汽车暴露于显著机械噪声的时间窗口期间获取的整个子序列。在另一个示例中，可独立于其他子序列来评估在用户处于异常精神或生理状态(诸如精神分散状态或在心血管紧急情况期间)的时间窗中获取的子序列。仅对一个或多个选定的相关子序列执行所公开的方法的任何实施方案允许更高效和更快的数据分析。
根据实施方案，本发明还包括：
从所述个体心脏IBI信号序列提取个体心脏IBI信号子序列；
如果排除的个体心脏IBI信号的数量低于预定第五阈值，则选择所述个体心脏IBI信号子序列以供进一步使用；
如果排除的个体心脏IBI信号的数量高于预定第五阈值，则排除所述个体心脏IBI信号子序列进行进一步使用。
整个获取的心脏IBI信号序列的整个子序列可能会因特定测量情况下的测量伪影而遭受较差的信号质量。例如，当在非理想环境中(诸如在汽车的车厢中)执行所公开的方法时，包括大量个体信号的整个子序列可能会由于导致高机械噪音的较差路况而遭受较差信噪比。在信号选择期间可完全排除这样的子序列，从而允许高效且快速的数据选择。
根据又一个实施方案，所述第一阈值、所述第二阈值、所述第三阈值、所述第四阈值和所述第五阈值取决于一组选定的个体心脏IBI信号的期望质量。
选择用于信号选择的阈值伴随着信号质量与可靠性之间的权衡。规则越严格且阈值越窄，质量就越好，但有助于进一步分析的信号就越少，而进一步分析通常需要具有统计相关性。因此，有益的是根据所选择的数据集的期望质量来调整阈值。
根据本公开的第二方面，提供了一种用于选择一个或多个心脏跳动间隔IBI信号的系统。所述系统包括：传感器，所述传感器用于获取一个或多个个体心脏跳动间隔信号；以及计算设备，其中所述系统被配置为执行上述方法。所述传感器可以是非医疗非接触式传感器。所述系统可安装在汽车中。本公开的方法的所有性质也适用于所述系统。
附图说明
从以下结合附图阐述的详细描述中，本公开的特征、目标和优点将变得更清楚，其中相同的附图标记指代相似的元件。
图1描绘了根据实施方案的用于确定心脏跳动间隔信号的质量的方法100的流程图；
图2描绘了根据另一个实施方案的用于使用生理值进行比较来确定个体心脏跳动间隔信号的质量的方法200的流程图；
图3描绘了根据实施方案的用于使用相对差和绝对差以及平均值来确定个体心脏跳动间隔信号的质量的方法300的流程图；
图4描绘了根据实施方案的用于将一个或多个个体心脏IBI信号及其邻近的一个或多个个体心脏IBI信号的参数值进行比较来确定一个或多个个体心脏IBI信号的质量的方法400的示意图；
图5描绘了用于确定心脏跳动间隔信号的质量的系统500的框图。
附图标记
100 用于确定心脏跳动间隔信号的质量的方法
102至110 方法100的步骤
200 用于通过与生理值进行比较来确定个体心脏跳动间隔信号的质量的方法
202至214 方法200的步骤
300用于使用绝对差和相对差以及平均值来确定个体心脏跳动间隔的质量的方法
302至340 方法300的步骤
400 用于将一个或多个个体心脏IBI信号及其邻近的一个或多个个体心脏IBI信号的参数值进行比较来确定一个或多个个体心脏IBI信号的质量的方法
500 用于确定心脏跳动间隔信号的质量的系统
502 传感器
504 计算设备
具体实施方式
图1描绘了根据实施方案的用于确定心脏跳动间隔(IBI)信号的质量的方法100的流程图。首先，在步骤102中捕获个体心脏IBI信号序列。根据实施方案，使用非医疗非接触式传感器来捕获该序列。例如，可捕获雷达、IR或可见光图像，并且可使用远程PPG方法提取心脏IBI信号。使用非接触式传感器允许在非医疗环境(诸如汽车的车厢)中执行该方法。然后，在步骤104中将个体心脏IBI信号的第一参数的值与阈值进行比较。例如，可根据捕获的信号来确定RR间隔并将其与生理上有意义的值进行比较。此外，在步骤106中确定一个或多个心脏IBI信号的第二参数的值。第一参数和第二参数各自包括心脏IBI RR间隔、正常到正常间隔、总功率、正常到正常间隔的标准偏差、功率谱密度(特别是低频和高频密度分布)、信号幅度、信噪比或峰距离中的一者或多者。第一参数和第二参数可相同或不同。例如，确定一个或多个信号的第二参数的值包括确定个体心脏IBI信号中的每一者的值或确定两个或更多个信号的平均值或确定后续信号之间的差。在步骤108中，将一个或多个心脏IBI信号的第二参数的值与个体心脏IBI信号的第二参数的值进行比较。例如，可将对应于个体信号的值与两个或更多个信号的平均值进行比较，或者可将个体信号的值与其前面或后面的信号的值进行比较。在步骤110中，然后根据比较来选择个体心脏IBI信号。例如，如果个体心脏IBI信号的第一参数的值在生理有效值的预定范围内，则选择该个体心脏IBI信号。或者，例如，如果个体心脏IBI信号的第二参数的值与平均值相差预定百分比，则选择该个体心脏IBI信号。可针对个体心脏IBI信号中的每一者或针对整个心脏IBI信号序列子序列或者针对整个序列重复方法100。子序列可包括预定数量的个体心脏IBI特征或来自预定时间窗口的所有个体心脏IBI信号。时间窗口可以是5分钟，或优选地，100秒。所选择的信号可用于进一步数据分析，例如用于确定二阶生物信号度量，诸如心率和心率变异性。
图2描绘了根据另一个实施方案的用于使用生理值进行比较来确定个体心脏跳动间隔信号的质量的方法200的流程图。在步骤202中捕获心脏IBI信号序列，并且在步骤204中从序列中提取个体心脏IBI信号。在步骤206中，将个体信号的第一参数的值与数据库中的值进行比较。数据库可包括第一参数的生理上有意义的值的范围。例如，数据库可包括RR间隔的生理上有效的值。如果个体心脏IBI信号的值落在该有效范围内(步骤208)，则在步骤210中选择该个体信号。然而，如果个体信号的值超出该范围(步骤212)，则在步骤214中排除该个体信号。
图3描绘了根据另一个实施方案的用于使用相对差和绝对差以及平均值来确定个体心脏跳动间隔信号的质量的方法300的流程图。图3A描绘了方法300的实施方案，其中在步骤302中捕获并在步骤304中提取个体心脏IBI信号序列。可提取完整序列，也可提取子序列。在步骤306和316中，分别确定后续个体心脏IBI信号之间的绝对差和相对差。通过从第n+1个体心脏IBI信号的第二参数的值减去个体心脏IBI信号n的第二参数的值来确定绝对差。通过将绝对差除以第n信号的值来确定的相对差。如果绝对差低于预定义阈值(步骤308)，则在步骤310中选择该信号。如果绝对差高于预定阈值(步骤312)，则在步骤314中排除改信号。类似地，如果相对差低于预定阈值(步骤318)，则选择该信号(步骤320)，或者如果相对差高于预定阈值(步骤322)，则排除该信号(步骤324)。具体地，对于要在步骤310中选择的信号，RR间隔之间的绝对差可低于200ms，或者更具体地，低于50ms。此外，具体地，如果要在步骤320中选择信号，则RR间隔之间的相对差可在-0.5和+0.5之间，并且更具体地，在-0.2和+0.4之间。在实施方案中，如果两个比较的后续心脏IBI信号(第n和第n+1信号)的相对差或绝对差高于预定阈值，则它们被排除。在另一个实施方案中，只有在相对差和绝对差两者都低于预定阈值的情况下，即，只有在步骤310和步骤320中选择了信号的情况下，才可选择心脏IBI信号。图3B描绘了方法300的实施方案，其中在步骤328中从捕获的序列中提取心脏IBI信号序列或子序列，并且在步骤330中确定序列的个体心脏IBI信号的第二参数的平均值。平均值可从几个信号(例如，从五个信号)确定，或从大量信号(例如，从100个信号)确定。在步骤332中，确定个体心脏IBI信号的第二参数的值与平均值的偏差。如果偏差低于预定阈值(334)，则在步骤336中选择该个体心脏IBI信号。如果偏差高于预定阈值(338)，则在步骤340中排除该个体心脏IBI信号。来自提取的序列的一个或多个个体心脏IBI信号可被排除。
图4描绘了根据实施方案的用于将个体心脏IBI信号及其邻近的个体心脏IBI信号的参数值进行比较来确定一个或多个个体心脏IBI信号的质量的方法400的规则的示意图。图4A描绘了以下情况的示意图：如果先前选择的个体心脏IBI信号前面的个体心脏IBI信号被排除并且选择了该前面的个体心脏IBI信号的两个直接邻近的个体心脏IBI信号，则先前选择的个体心脏IBI信号被排除。图4B展示了以下情况：如果一组选定的个体心脏IBI信号的前面和后面是多组排除的个体心脏IBI信号，则该组被排除。一组个体心脏IBI信号可包括几个个体心脏IBI信号，例如五个信号。在实施方案中，该组可包括一个信号，即，如果选定的个体心脏IBI信号的两个直接邻居被排除，则该信号被排除。图4C示出了具有随机分布的被排除信号的一组个体心脏IBI信号或子序列。如果整组或整个子序列包含高于预定阈值的数量的被排除个体心脏IBI信号，则所述组或子序列被排除。
在实施方案中，上述方法或方法的各个步骤可应用于个体心脏IBI信号、第一信号子序列和第二信号子序列，其中在后续数据处理步骤中，第二子序列包括比第一子序列更多的个体信号。该过程将排除的个体心脏IBI信号的量最小化。此外，在实施方案中，各个处理步骤可重复一次或多次、跳过或者可改变处理步骤的顺序。
在实施方案中，提取的子序列可包括来自如在医疗应用中常见且优选的五分钟时间窗口的个体心脏IBI信号，或者来自对于非医疗应用(诸如汽车应用)来说是优选的100秒时间窗口的个体心脏IBI信号。下面给出可能的第一参数和第二参数的示例阈值。参数包括RR间隔(ECG中的R峰之间的间隔)、正常到正常间隔的标准偏差(SDNN)、总功率谱密度(TP)、低频(LF)和高频(HF)的密度分布以及样本熵(SampEn)，即，按照0(高度规则模式)到100(最高熵)的标准，出现规则重复模式的可能性。所有的所述参数都可从ECG测量中提取(医疗应用)或从使用rPPG的图像系列中提取(非医疗应用)。
图5描绘了用于确定心脏跳动间隔信号的质量的系统500的框图。系统500包括传感器502，该传感器适合于测量心脏跳动间隔信号。例如，传感器502可包括接触式传感器(诸如ECG设备、脉搏计、智能手表和腕带)，或者优选地，非接触式传感器(诸如用于rPPG的IR或可见光相机)。系统500还可包括从其提取心脏IBI信号的多个传感器502。系统500还包括计算设备504，该计算设备被配置为执行所有上述实施方案的方法。系统500可安装在非医疗环境中，诸如在汽车的车厢内部。
Claims (15)
1.一种用于选择一个或多个心脏跳动间隔IBI信号的方法，所述方法包括：
使用一个或多个传感器来捕获个体心脏IBI信号的序列；
将所述个体心脏IBI信号中的一个个体心脏IBI信号的第一参数的值与预定第一阈值进行比较；
从所述序列的所述个体心脏IBI信号中的一者或多者或全部来确定第二参数的值；
将所述一个个体心脏IBI信号的所述第二参数的所述值与从所述序列的所述个体心脏IBI信号中的一者或多者或全部确定的所述第二参数的所述值进行比较；以及
基于所述比较来选择所述一个个体心脏IBI信号。
2.如权利要求1所述的方法，所述方法包括针对所述序列的所述个体心脏IBI信号中的每一者来重复比较第一参数的值、确定第二参数的值、比较所述第二参数的所述值以及基于所述比较来选择所述一个个体心脏IBI信号的所述步骤。
3.如权利要求1或2所述的方法，其中使用非医疗非接触式传感器来执行捕获所述个体心脏IBI信号序列。
4.如任一前述权利要求所述的方法，其中所述第一参数和所述第二参数各自包括心脏IBI RR间隔、正常到正常间隔、总功率、正常到正常间隔的标准偏差、功率谱密度、特别是低频和高频密度分布、信号幅度、信噪比或峰距离中的一者或多者。
5.如任一前述权利要求所述的方法，其中比较第一参数的所述值包括将所述一个个体心脏IBI信号与数据库的生理上有效的个体心脏IBI信号进行比较；并且
其中基于所述比较来选择所述一个个体心脏IBI信号包括：
如果基于与所述数据库的所述比较，所述一个个体心脏IBI信号在所述生理上有效的个体心脏IBI信号的预定范围内，则选择所述个体心脏IBI信号以供进一步使用；
如果基于与所述数据库的所述比较，所述一个个体心脏IBI信号不在所述生理上有效的个体心脏IBI信号的预定范围内，则排除所述个体心脏IBI信号进行进一步使用。
6.如任一前述权利要求所述的方法，其中比较所述第二参数的所述值包括确定所述个体心脏IBI信号中的所述一个个体心脏IBI信号的所述第二参数的所述值与所述序列的后续个体心脏IBI信号的所述第二参数的所述值之间的绝对差；并且
其中基于所述比较来选择所述一个个体心脏IBI信号包括：
如果所述一个个体心脏IBI信号的所述第二参数的所述值与所述后续个体心脏IBI信号的所述第二参数的所述值之间的所述绝对差低于预定第二阈值，具体地，如果所述绝对差低于200ms，并且更具体地，如果所述绝对差低于50ms，则选择所述一个个体心脏IBI信号以供进一步使用；
如果所述一个个体心脏IBI信号的所述第二参数的所述值与所述后续个体心脏IBI信号的所述第二参数的所述值之间的所述绝对差高于预定第二阈值，则排除所述一个个体心脏IBI信号进行进一步使用。
7.如任一前述权利要求所述的方法，其中比较所述第二参数的所述值包括确定所述个体心脏IBI信号中的所述一个个体心脏IBI信号的所述第二参数的所述值与所述序列的后续个体心脏IBI信号的所述第二参数的所述值之间的相对差；并且
其中基于所述比较来选择所述一个个体心脏IBI信号包括：
如果所述一个个体心脏IBI信号的所述第二参数的所述值与其后续个体心脏IBI信号的所述第二参数的所述值之间的所述相对差低于预定第三阈值，具体地，如果所述相对差在-0.5和+0.5之间，并且更具体地，如果所述相对差在-0.2和+0.4之间，则选择所述一个个体心脏IBI信号以供进一步使用；
如果所述一个个体心脏IBI信号的所述第二参数的所述值与其后续个体心脏IBI信号的所述第二参数的所述值之间的所述相对差高于预定第三阈值，则排除所述一个个体心脏IBI信号进行进一步使用。
8.如任一前述权利要求所述的方法，其中确定第二参数的所述值包括确定所述序列的两个或更多个或所有个体心脏IBI信号的所述第二参数的所述值的平均值。
9.如任一前述权利要求所述的方法，其中比较所述第二参数的所述值包括确定所述一个个体心脏IBI信号的所述第二参数的所述值与所述序列的两个或更多个或所有个体心脏IBI信号的所述第二参数的所述值的所述平均值的偏差；并且
其中基于所述比较来选择所述一个个体心脏IBI信号包括：
如果所述一个个体心脏IBI信号的所述第二参数的所述值与所述序列的两个或更多个或所有个体心脏IBI信号的所述第二参数的所述值的所述平均值的所述偏差、具体地与五个个体心脏IBI信号的所述平均值的所述偏差低于预定第四阈值，则选择所述一个个体心脏IBI信号以供进一步使用；
如果所述一个个体心脏IBI信号的所述第二参数的所述值与所述序列的两个或更多个或所有个体心脏IBI信号的所述第二参数的所述值的所述平均值的所述偏差、具体地与五个个体心脏IBI信号的所述平均值的所述偏差高于预定第四阈值，则排除所述一个个体心脏IBI信号进行进一步使用。
10.如前述权利要求中任一项所述的方法，其中基于所述比较来选择所述一个个体心脏IBI信号还包括：
如果排除了前面的个体心脏IBI信号被并且选择了所述前面的个体心脏IBI信号的两个直接邻近的个体心脏IBI信号，则排除一个或多个选定的个体心脏IBI信号。
11.如前述权利要求中任一项所述的方法，其中基于所述比较来选择所述一个个体心脏IBI信号还包括
如果一组或多组个体心脏IBI信号的前面和后面是多组排除的个体心脏IBI信号，则排除一组或多组选定的个体心脏IBI信号，其中一组个体心脏IBI信号包括一个或多个个体心脏IBI信号。
12.如前述权利要求中任一项所述的方法，所述方法还包括
从所述个体心脏IBI信号序列提取一个或多个个体心脏IBI信号子序列；
对所述一个或多个子序列单独地执行前述方法中的任一者，
其中所述子序列优选地包括来自5分钟时间窗口、更优选地来自100秒时间窗口的个体心脏IBI信号。
13.如任一前述权利要求所述的方法，所述方法还包括：
从所述个体心脏IBI信号序列提取个体心脏IBI信号子序列；
如果排除的个体心脏IBI信号的数量低于预定第五阈值，则选择所述个体心脏IBI信号子序列以供进一步使用；
如果排除的个体心脏IBI信号的数量高于预定第五阈值，则排除所述个体心脏IBI信号子序列进行进一步使用。
14.如前述权利要求中任一项所述的方法，其中所述第一阈值、所述第二阈值、所述第三阈值、所述第四阈值和所述第五阈值取决于一组选定的个体心脏IBI信号的期望质量。
15.一种用于选择一个或多个心脏跳动间隔IBI信号的系统，所述系统包括：
传感器，所述传感器用于获取一个或多个个体心脏跳动间隔信号；以及
计算设备；
其中：
所述系统被配置为执行如权利要求1至14中任一项所述的方法。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/RU2021/000225 WO2022250561A1 (en) | 2021-05-28 | 2021-05-28 | Method and system for quality evaluation of a sequence of heart interbeat interval signals |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117881339A true CN117881339A (zh) | 2024-04-12 |
Family
ID=77168361
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180098521.3A Pending CN117881339A (zh) | 2021-05-28 | 2021-05-28 | 用于心脏跳动间隔信号序列的质量评估的方法和系统 |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP4346572A1 (zh) |
| CN (1) | CN117881339A (zh) |
| WO (1) | WO2022250561A1 (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6358201B1 (en) * | 1999-03-02 | 2002-03-19 | Doc L. Childre | Method and apparatus for facilitating physiological coherence and autonomic balance |
| US8977347B2 (en) | 2012-06-25 | 2015-03-10 | Xerox Corporation | Video-based estimation of heart rate variability |
| EP3048972B1 (en) | 2013-09-27 | 2022-11-09 | Koninklijke Philips N.V. | Processing apparatus, processing method and system for processing a physiological signal |
| US20200129130A1 (en) * | 2018-10-26 | 2020-04-30 | Firstbeat Technologies Oy | Minimum heart rate value approximation |
| US20220039679A1 (en) * | 2018-11-27 | 2022-02-10 | ContinUse Biometrics Ltd. | System and method for remote monitoring of biomedical parameters |
-
2021
- 2021-05-28 WO PCT/RU2021/000225 patent/WO2022250561A1/en active Application Filing
- 2021-05-28 CN CN202180098521.3A patent/CN117881339A/zh active Pending
- 2021-05-28 EP EP21749361.8A patent/EP4346572A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022250561A8 (en) | 2023-01-12 |
| WO2022250561A1 (en) | 2022-12-01 |
| EP4346572A1 (en) | 2024-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Azami et al. | Refined composite multiscale dispersion entropy and its application to biomedical signals | |
| US11013470B2 (en) | Detecting abnormalities in ECG signals | |
| Truong et al. | Supervised learning in automatic channel selection for epileptic seizure detection | |
| Ferrario et al. | Complexity analysis of the fetal heart rate variability: early identification of severe intrauterine growth-restricted fetuses | |
| US20200170577A1 (en) | System and Methods for Adaptive Noise Quantification in Dynamic Biosignal Analysis | |
| CN110840443B (zh) | 心电信号处理方法、心电信号处理装置和电子设备 | |
| US11638562B2 (en) | Brain activity analysis method and apparatus thereof | |
| US20120197140A1 (en) | Pulse Wave Detection Device and Pulse Wave Detection Method | |
| Xu et al. | An improved method for muscle activation detection during gait | |
| JP2022536552A (ja) | 脳波（ｅｅｇ）の非線形性の変化に基づく発作検出システム及び方法 | |
| Mehrnam et al. | Reprint of “A new approach to analyze data from EEG-based concealed face recognition system” | |
| JP2023099043A (ja) | 脳波（ｅｅｇ）の非線形性の変化に基づく発作検出システム及び方法 | |
| De Cooman et al. | Heart beat detection in multimodal data using signal recognition and beat location estimation | |
| Yu et al. | Deviation distance entropy: A method for quantifying the dynamic features of biomedical time series | |
| Mesin | Heartbeat monitoring from adaptively down-sampled electrocardiogram | |
| Muñoz et al. | Automated gait analysis using a Kinect camera and wavelets | |
| Signorini et al. | Advances in monitoring cardiovascular signals. Contribution of nonlinear signal processing | |
| CN117881339A (zh) | 用于心脏跳动间隔信号序列的质量评估的方法和系统 | |
| KR101060268B1 (ko) | 인접한 심장박동 주기 차이를 이용한 졸음상태 판정 시스템 및 방법 | |
| CN117136027A (zh) | 从rgb图像提取心率的方法和系统 | |
| CN110547772B (zh) | 一种基于脑信号复杂度的个体年龄预测方法 | |
| KR101034886B1 (ko) | 짧은 심장박동 주기의 변화를 이용한 졸음상태 판정 시스템 및 방법 | |
| Singh et al. | Heartbeat detection in multimodal physiological signals using signal quality assessment based on sample entropy | |
| Goya-Esteban et al. | Characterization of heart rate variability loss with aging and heart failure using sample entropy | |
| CN116616790B (zh) | 心脏风险评估方法、装置、计算机设备与存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication |