CN1517057A - 心脏状态监测方法 - Google Patents
心脏状态监测方法 Download PDFInfo
- Publication number
- CN1517057A CN1517057A CNA031003877A CN03100387A CN1517057A CN 1517057 A CN1517057 A CN 1517057A CN A031003877 A CNA031003877 A CN A031003877A CN 03100387 A CN03100387 A CN 03100387A CN 1517057 A CN1517057 A CN 1517057A
- Authority
- CN
- China
- Prior art keywords
- heart
- monitoring method
- physiological parameter
- life entity
- state monitoring
- 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
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
一种心脏状态监测方法,测量一生命体的生理参数,将生理参数进行傅利叶转换之后,再转换为一能量频谱密度分析图,根据能量频谱密度分析图得到生命体的心脏脉动杂讯指数,并依照心脏脉动杂讯指数诊断生命体的心脏状况;本发明可使生命体免除脱除衣物的不便,利用手臂、手腕、手指或脚踝上心脏脉动的测量,再经数值运算处理后,即可正确地得知生命体心脏的状况,使生命体可轻松进行测量的工作且正确的得到身体的健康状况;并可将生理参数通过传输线路传送至医疗中心,即时记录与分析生命体目前的心脏状况,让生命体在任何地方都可轻松地测量且正确地记录当时的心脏状况,使生命体及医护人员可随时掌握当时的所有心脏状况,并作即时且有效地处理。
Description
技术领域
本发明与一种心脏状态监测方法有关,特别是关于一种应用于可快速轻松测量并可随时掌握生命体的心脏状况的监测方法。
背景技术
心脏血管疾病一直是人们主要的致病因素之一。引起心脏血管疾病的原因除了年龄、高脂血症、血中胆固醇过高、高血压、糖尿病、遗传等之外,喜爱抽烟、缺少运动、肥胖、饮食不正常导致脂肪含量过高的人都会引起心脏血管疾病。
在心脏血管疾病中,基本上都是得通过仪器测量而得知,习知多是利用仪器测量心脏的心电图而判断患者是属于哪一种状况。通常,是让患者静躺在床上做静态心电图,但心律不整或冠状动脉不全等变化常在做运动时才出现,因此有必要时也让患者做一定的运动后才做心电图的检查,这一种检查就叫做运动心电图,另外因为心律不整或冠状动脉不全病状并不一定在什 时候出现,一天二十四小时的任何时候都会出现,因此为了要抓住随时发生的变化,就把仪器二十四小时装在身上来抓住随时发作时的变化,这一种检查叫做二十四小时心电图检查。然而通过运动后或一天二十四小时的监控,对于患者而言是相当的麻烦,而且因为心脏疾病在人体内反应并不是随时发生,所以有时并不容易发现。使得有许多人有心脏疾病而不知,而使心脏疾病造成国民健康健康的隐藏杀手。
除了上述的缺点外,在使用习知的测量仪器测量心脏的健康情况时,大部分都需要脱除身上的衣物以便将测量仪器的贴片黏贴或吸附于心脏附近,才能进行心脏状况的测量,以得到患者的心电图,对于患者而言相当的不方便,尤其是针对女性患者更是相当的麻烦。而且习知的心脏测量仪器所测量结果,只限于医护人员在患者身旁时才可进行分析,当患者外出办公或游玩时,一但身体出现状况,医护人员无法随时员掌握患者的生理状况,因此常常使得患者延误就医时间而酿成悲剧,无法确实提早发现而提早治疗,虽然「早期发现、早期治疗」为老生常谈,但实为对抗心脏疾病的不二法门。
因此,本发明即在针对上述的困扰,提出一种心脏状态监测方法,可随时自行测量并判断出心脏的健康状况,以有效克服习知的缺失。
发明内容
本发明的主要目的,在提出一种心脏状态监测方法,其利用手臂、手腕、手指或脚踝上心脏脉动的测量,再经数值运算处理后,即可正确地得知生命体心脏的状况,使生命体可轻松进行测量的工作且正确的得到心脏的健康状况。
本发明的又一目的,在提出一种心脏状态监测方法,其可将测得生命体的生理参数,经由传输线路传送至医疗中心,并可即时记录与分析生命体目前的心脏状况,让生命体在任何地方都可轻松地测量且正确地记录当时的心脏状况,使生命体及医护人员可随时掌握当时生命体的心脏状况,并作即时且有效地处理。
为达到上述的目的,本发明包括下列方法,首先,测量一生命体的生理参数;接着,将生理参数进行傅利叶转换;之后,再转换为一能量频谱密度分析图;然后,根据能量频谱密度分析图,以得到生命体的心脏脉动杂讯指数;最后,再依照心脏脉动杂讯指数诊断生命体的心脏状况。
本发明的另一实施方案包含下列步骤,首先,测量一生命体的生理参数;接着,再将生理参数进行包络线函数的分析;并根据包络线函数分别求出积分粗糙度及微分粗糙度;最后,再依照积分粗糙度及微分粗糙度诊断生命体的心脏状况。
本发明提出一种心脏状态监测方法,其使生命体免除脱除衣物的不便,利用手臂、手腕、手指或脚踝上心脏脉动的测量,再经数值运算处理后,即可正确地得知生命体心脏的状况,使生命体可轻松进行测量的工作且正确的得到身体的健康状况。并且可将测得生命体的生理参数,经由传输线路传送至医疗中心,并可即时记录与分析生命体目前的心脏状况,让生命体在任何地方都可轻松地测量且正确地记录当时的心脏状况,使生命体及医护人员可随时掌握当时的所有心脏状况,并作即时且有效地处理。
底下通过具体实施例配合所附的图式详加说明,当更容易了解本发明的目的、技术内容、特点及其所达成的功效。
附图说明
图1为本发明的流程示意图;
图2A为将心脏脉动信号数据进行复利叶转换的曲线图;
图2B为将图2A转换的能量频谱密度分析图;
图3为心房纤维性颤动患者的能量频谱密度分析图;
图4为早发性心室收缩患者的能量频谱密度分析图;
图5为早发性心房收缩患者的能量频谱密度分析图;
图6A为没有心脏疾病的受试者的心脏脉动信号数据进行计算所得的包络线曲线图;
图6B为将图6A进行时域积分的包络线围成面积图;
图7A为心肌病变患者的心脏脉动信号数据进行计算所得的包络线曲线图;
图7B为将图7A进行时域积分的包络线围成面积图。
具体实施方式
如图1所示,一种心脏状态监测方法的流程示意图,其包括下列步骤,首先,如步骤S10,测量一患者的手臂,以得到心脏脉动信号等生理参数;接着,将生理参数利用一传输线路传送至医疗中心,当医疗中心接收到患者的生理参数等资料后,如步骤S12,以进行傅利叶转换(Fourier Transform),将生理参数由时域资料转换成频域资料,再将这些资料储存、整合并储存至一资料库;之后,如步骤S14,将频域资料再转换为一能量频谱密度分析图(Power Spectral Density,PSD);然后,如步骤S16,根据能量频谱密度分析图中,在各谐波之间的许多谐波杂讯波形,计算出患者的心脏脉动杂讯指数;最后,如步骤S18,再依照心脏脉动杂讯指数诊断患者的心脏状况。
其中,除了测量患者的手臂之外,更可测量患者的手腕、手指或脚踝以得到患者的生理参数,或者,更可利用一红外线生理测量装置进行测量。
另外,传输线路可为电话线路、整体服务数字网路(ISDN)、非对称数字用户回路(ADSL)线路、高速数字用户回路(HDSL)线路、国际互联网(TCP/IP)、缆线(Cable)线路、红外线传输线路或射频(RF)传输线路等。
本发明除了可由患者自行测量心脏生理状态之外,还可利用传输线路将患者的生理参数传送至医疗中心进行分析,使得患者不论是在家里或者外出游玩、办公,都可于必要时进行测量,再通过传输线路,将患者的生理参数传送至医疗中心或医护人员的所在地,以便可随时掌握患者的状况;此外,亦可利用传输线路将患者的生理参数传输至任何的医疗设备或装置内,以进行生理参数的分析及储存。
再者,本发明与台湾大学进行研发合作,并在国泰医院进行实验,首先,以心脏没有疾病的受试者利用上述的方法进行测量,以得到该名心脏没有疾病的受试者的心脏脉动信号的数据,该数据以时间横轴的心脏脉动信号,如下表所示:
150.5829 317.6681 -447.623 22.69058 20.6278 105.2018 51.5695 78.38564 51.569 45.38116 30.9417 84.57398 47.44394 63.9462 66.00896
18.56502 655.9641 -447.623 33.00448 6.18834 113.4529 55.69506 47.44394 82.5112 49.50672 49.50672 94.88788 49.50672 59.8206 63.94618
26.81614 606.4573 -402.242 37.13004 4.12556 84.57398 59.82062 30.9417 84.57398 49.50672 70.13452 78.38564 49.50672 55.6951 68.07174
66.00896 198.0269 -200.09 43.31838 -2.06278 39.19282 61.8834 41.2556 63.94618 63.94618 59.82062 63.94618 72.1973 66.009 68.07174
24.75336 -257.848 -88.6995 121.704 2.06278 24.75336 59.82062 49.50672 43.31838 80.44842 57.75784 63.94618 72.1973 66.009 72.1973
6.18834 -447.623 -39.1928 99.01344 16.50224 30.9417 72.1973 47.44394 49.50672 66.00896 61.8834 76.32286 72.1973 84.574 84.57398
18.56502 -307.354 -2.06278 55.69506 22.69058 33.00448 129.9551 45.38116 57.75784 53.63228 51.5695 72.1973 61.8834 84.574 103.139
22.69058 -80.4484 6.18834 24.75336 72.1973 30.9417 88.69954 39.19282 66.00896 47.44394 63.94618 57.75784 59.82052 88.6995 109 3273
18.56502 -41.2556 30.9417 16.50224 99.01344 30.9417 22.69058 66.00896 63.94618 59.82062 66.00896 45.38116 55.69506 99.0134 76.32286
24.75336 -16.5022 35.06726 12.37668 59.82062 28.87892 24.75336 105.2018 66.00896 61.8834 51.5695 45 38116 55.69506 80.4484 61.8834
24.75336 12.37668 74.26008 14.43946 18.56502 43.31838 33.0048 80.44842 70.13452 59.82062 51.5695 51.5695 59.82052 66.009 53.63228
20.6278 12.37668 94.88788 37.13004 18.56502 115.5157 33.00048 59.82062 105.2018 74.26008 51.5695 70.13452 61.8834 53.6323 53.63228
57.75784 14.43946 45 38116 49.50672 26.81614 96.95066 30.9417 41.2556 96.95066 86.63676 51.5695 63.94618 63.94618 51.5695 53.63228
76.32286 20.6278 6.18834 57.75784 24.75336 63.94618 30.9417 51.5695 90.76232 92.8251 53.63228 45.38116 76.32286 57.7578 57.75784
14.43946 26.81614 -6.18834 125.8296 22.69058 35.06726 28.87892 53.63228 72.1973 82.5112 49.50672 47.44394 68.07174 70.1345 61.8834
-4.12556 28.87892 12.37668 152.6457 24.75336 35.06726 30.9417 51.5695 78.38564 57.75784 49.50672 53.63228 61.8834 70.1345 55.69506
12.37668 30.9417 28.87892 105.2018 26.81614 41.2556 99.01344 43.31838 70.13452 45.38116 63.94618 53.63228 53.63228 57.7578 74.26008
26.81614 66.00896 24.75336 68.07174 43.31838 35.06726 101.0762 43.31838 53.63228 22.69058 66.00896 55.69506 61.8834 55.6951 68.07174
22.69058 82.5112 24.7536 33.00448 134.0807 35.06726 72.1973 43.31838 39.19282 45.38116 80.44842 59.82062 63.94618 59.8206 55.69506
22.69058 35.06726 30.9417 6.18834 111.3901 30.9417 37.13004 66.00896 41.2556 49.50672 72.1973 68.07174 61.8834 63.94618 66.00896
24.75336 -14.4395 28.87892 -6.18834 70.13452 33.00448 26.81614 86.63676 43.31838 49.50672 59.82062 84.57398 61.8834 57.75784 61.8834
28 87892 3.81 E-07 59.82062 -4.12556 26.81614 43.31838 37.13004 68.07174 53.63228 59.82062 49.50672 113.4529 59.82062 53.63228 72 1973
24.75336 24.75336 125.8296 4.12556 24.75336 55.69506 43.31838 45.38116 76.32286 68.07174 53.63228 136.1435 63.94618 55.69506 63.94618
35.06726 30.9417 72.1973 18.56502 33.00448 111.3901 39.19282 39.19282 61.8834 53.63228 61.8834 113.4529 74.26008 51.5695 68 07174
84.57398 33.00448 37.13004 28.87892 37.13004 84.57398 33.00448 47.44394 51.5695 59.82062 66.00896 88.69954 84.57398 66.00896 70.13452
68.07174 226.9058 4.12556 96.95066 26.81614 51.5695 33.00448 53.63228 43.31838 59.82062 63.94618 55.96506 70 13452 76.32286 68.07174
16.50224 996.3228 2.06278 129.9551 30.9417 24.75336 37.13004 49.50672 51.5695 76.32286 68.07174 47.44394 66.00896 72.1973 74.26008
-8.25112 1014.888 6.18834 94.88788 24.75336 37.13004 68.07174 49.50672 51.5695 63.94618 66.00896 49.50672 59.82052 68.07174 99.01344
39.19282 523.7219 16.50224 53.63228 33.00448 51.5695 111.3901 51 5695 49.50672 49.50672 70.13452 45.38116 63.94618 59.82062 76.32286
接着,再将表中的心脏脉动信号数据进行傅利叶转换,使心脏脉动信号由时域资料转换成如图2A所示频域资料;最后,再将如图2A所示的频域的资料转换为如图2B所示能量频谱密度分析图,由此图可知,当心脏没有疾病时,在各谐波之间为一平坦波形;但是,当心脏有疾病时,在能量频谱密度分析图中的谐波与谐波之间就会出现许多杂讯波形。如图3所示,为患者具有心房纤维性颤动时,其能量频谱密度分析图在谐波与谐波之间的杂讯波形就比心脏没有疾病的正常人还要多一些;如图4所示,当心脏疾病为早发性心室收缩时,其能量频谱密度分析图,在谐波与谐波之间的杂讯波形就比心房纤维性颤动的患者还要更多一些;接着,如图5所示,当心脏疾病为早发性心房收缩时,其能量频谱密度分析图,在谐波与谐波之间的杂讯波形比早发性心室收缩还要严重。
因此,由图2B、图3、图4及图5所示,可以发现各谐波之间的杂讯波形随着心脏状况的严重而增多,故即可利用各谐波之间的杂讯波形而计算出每位患者的心脏脉动杂讯指数,再以利用心脏脉动杂讯指数判断患者的心脏目前的健康况状;本发明经过与台湾大学两年的研发合作,并在国泰医院进行实验之后,进而证实本发明的正确性及实用性。
其中,除了将心脏脉动信号转换为能量频谱密度分析图来进行患者的心脏脉动杂讯指数的计算分析外,更可以将心脏脉动信号的曲线图进行包络线分析,其包含下列步骤:首先,测量一患者的心脏脉动信号等生理参数;接着,再将心脏脉动信号进行包络线函数的分析;之后,并根据包络线函数分别求出积分粗糙度(roughness-integral,Ri)及微分粗糙度(roughness-differential,Rd);最后,再依照积分粗糙度及该微分粗糙度诊断患者的心脏健康状况。
如图6A所示,为没有心脏疾病的受试者的心脏脉动信号数据进行计算所得的包络线曲线图,接着,再将图6A的包络线所围成的面积进行积分运算,以求得包络线所围成的面积值并计算出积分粗糙度,如图6B所示,没有心脏疾病的受试者的Ri值为0.074739;再来,如图7A所示,为心肌病变患者的心脏脉动信号数据以进行计算,而得到包络线的曲线图,亦将图7A的包络线所围成的面积进行积分运算,以求得包络线所围成的面积值并计算出Ri值,如图7B所示,心肌病变患者的Ri值为0.10519;由两者互相比较,可以明显的发现,心脏有疾病的患者的Ri值比没有心脏疾病的受试者的Ri值还要提高许多。将国泰医院的多位心脏没有疾病的受试者、办膜性疾病及心肌病变的患者进行实际测量之后,可将数据整理如下表所示:
种类 | 档案名称 | 正规化面积积分值 | Ri | 种类 | 档案名称 | 正规化面积积分值 | Ri |
健康心脏 | 9-8-28 | 0.72696 | 0.04032 | 瓣膜性疾病 | 8-8-28 | 0.72859 | 0.05797 |
21-8-28 | 0.70771 | 0.04595 | 54-8-28 | 0.71496 | 0.19529 | ||
25-8-28 | 0.72304 | 0.06440 | 78-8-28 | 0.66857 | 0.13034 | ||
26-8-28 | 0.73554 | 0.06750 | 4-8-30 | 0.77257 | 0.07005 | ||
33-8-28 | 0.70940 | 0.12065 | 15-8-30 | 0.69496 | 0.15187 | ||
52-8-28 | 0.71541 | 0.07768 | 20-8-30 | 0.65289 | 0.27694 | ||
67-8-28 | 0.75890 | 0.06634 | 31-8-30 | 0.64088 | 0.23327 | ||
72-8-28 | 0.75650 | 0.06634 | 64-8-30 | 0.65289 | 0.27694 | ||
95-8-28 | 0.77309 | 0.03792 | 44-9-4 | 0.73418 | 0.04754 | ||
99-8-28 | 0.72481 | 0.078335 | 64-9-4 | 0.65289 | 0.27694 | ||
5-8-30 | 0.74555 | 0.05534 | 68-9-4 | 0.59276 | 0.15297 | ||
12-8-30 | 0.70205 | 0.15187 | 70-9-4 | 0.81891 | 0.12632 | ||
18-8-30 | 0.65404 | 0.13052 | 平均值 | 0.69375 | 0.16637 | ||
23-8-30 | 0.67276 | 0.13320 | 标准差 | 0.06311 | 0.08551 | ||
32-8-30 | 0.73545 | 0.08168 | 心肌病变 | 5-8-28 | 0.66557 | 0.14648 | |
48-8-30 | 0.78127 | 0.04743 | 11 8 28 | 0.56098 | 0.10519 | ||
50-8-28 | 0.69595 | 0.08872 | 13-8-28 | 0.71496 | 0.19529 | ||
59-8-30 | 0.71071 | 0.09931 | 3-8-30 | 0.71364 | 0.07890 | ||
7-9-4 | 0.73095 | 0.06975 | 21-8-30 | 0.66731 | 0.23981 | ||
18-9-4 | 0.72239 | 0.07027 | 37-8-30 | 0.63333 | 0.23693 | ||
22-9-4 | 0.70103 | 0.04272 | 57-8-30 | 0.70211 | 0.28642 | ||
53-9-4 | 0.74003 | 0.12303 | 80-8-30 | 0.64971 | 0.10831 | ||
56-9-4 | 0.72689 | 0.09979 | 15-9-4 | 0.65891 | 0.18309 | ||
60-9-4 | 0.71768 | 0.05073 | 19-9-4 | 0.63151 | 0.22443 | ||
61-9-4 | 0.76758 | 0.07225 | 21-9-4 | 0.71839 | 0.19035 | ||
平均值 | 0.72543 | 0.07968 | 平均值 | 0.66513 | 0.18138 | ||
标准差 | 0.03071 | 0.032996 | 标准差 | 0.04723 | 0.06521 |
由上表可以发现,在积分粗糙度Ri部份,健康心脏的Ri平均值为0.07912、瓣膜性疾病的Ri平均值为0.16637、心肌病变的Ri平均值为0.18130。同样地,可以明显的发现,心脏有疾病的患者的Ri值比没有心脏疾病的受试者的Ri值还要提高许多,因此,根据这些数据的整理比较,亦可以由心脏的Ri值判断出患者的瓣膜性疾病、心肌病变等心脏疾病。
再者,亦可将患者的心脏脉动信号计算出的包络线函数进行微分运算,以求出微分粗糙度,同样地,亦可从微分粗糙度的大小值判断出患者的瓣膜性疾病、心肌病变等心脏疾病。
虽然本发明以前述的较佳实施例揭露如上,然其并非用以限定本发明,任何熟习此技艺者,在不脱离本发明的精神和范围内,当可作些许的更动与润饰,因此本发明的保护范围当视后附的申请专利范围所界定者为准。
Claims (10)
1、一种心脏状态监测方法,其特征是:其包含下列步骤:
(a)测量一生命体的生理参数;
(b)将该生理参数进行傅利叶转换后,再转换为一能量频谱密度分析图;
(c)根据该能量频谱密度分析图,以得到该生命体的心脏脉动杂讯指数;以及
(d)依照该心脏脉动杂讯指数诊断该生命体的心脏状况。
2、如权利要求1所述的心脏状态监测方法,其特征是:该生理参数为心脏脉动信号。
3、如权利要求1所述的心脏状态监测方法,其特征是:可测量该生命体的手臂、手腕、手指或脚踝以得到该生理参数。
4、如权利要求1所述的心脏状态监测方法,其特征是:还可利用一红外线生理测量装置测量该生命体的该生理参数。
5、如权利要求1所述的心脏状态监测方法,其特征是:在该步骤(a)之后,还可利用一传输线路将该生理参数传送至医疗中心进行该步骤(b)。
6、如权利要求5所述的心脏状态监测方法,其特征是:该传输线路为电话线路、整体服务数字网路(ISDN)、非对称数字用户回路(ADSL)线路、高速数字用户回路(HDSL)线路、网际网路(TCP/IP)、缆线(Cable)线路、红外线传输线路、或射频(RF)传输线路。
7、如权利要求1所述的心脏状态监测方法,其特征是:更可利用该能量频谱密度分析图中各谐波之间的许多谐波杂讯波形计算出该生命体的该心脏脉动杂讯指数。
8、如权利要求1所述的心脏状态监测方法,其特征是:更可将该生命体分析前的该生理参数及分析后的该频域资料、该能量频谱密度分析图储存于一资料库中。
9、一种心脏状态监测方法,其特征是:其包含下列步骤:
测量一生命体的生理参数;
将该生理参数进行包络线函数分析;
根据该包络线函数分别求出积分粗糙度及微分粗糙度;以及
依照该积分粗糙度及该微分粗糙度诊断该生命体的心脏状况。
10、如权利要求9所述的心脏状态监测方法,其特征是:可测量该生命体的手臂、手腕、手指或脚踝以得到该生理参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA031003877A CN1517057A (zh) | 2003-01-16 | 2003-01-16 | 心脏状态监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA031003877A CN1517057A (zh) | 2003-01-16 | 2003-01-16 | 心脏状态监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1517057A true CN1517057A (zh) | 2004-08-04 |
Family
ID=34281153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA031003877A Pending CN1517057A (zh) | 2003-01-16 | 2003-01-16 | 心脏状态监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1517057A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101816556B (zh) * | 2009-02-27 | 2012-01-04 | 李枝新 | 量化心肺循环交互作用的频谱分析方法 |
CN102805617A (zh) * | 2011-05-30 | 2012-12-05 | 张国源 | 具有心脏频谱功能的小型电子生理监测系统及其监测方法 |
CN103169479A (zh) * | 2011-12-22 | 2013-06-26 | 张国源 | 血氧测量系统及其生理测量装置与其脉波分析方法 |
CN108430327A (zh) * | 2015-10-07 | 2018-08-21 | 普莱柯迪尔公司 | 用于产生指示心脏状况的信息的方法和设备 |
CN117860241A (zh) * | 2024-03-11 | 2024-04-12 | 简阳市人民医院 | 一种急性心肌梗死患者的自我管理行为监控方法和系统 |
CN117860241B (zh) * | 2024-03-11 | 2024-06-11 | 简阳市人民医院 | 一种急性心肌梗死患者的自我管理行为监控方法和系统 |
-
2003
- 2003-01-16 CN CNA031003877A patent/CN1517057A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101816556B (zh) * | 2009-02-27 | 2012-01-04 | 李枝新 | 量化心肺循环交互作用的频谱分析方法 |
CN102805617A (zh) * | 2011-05-30 | 2012-12-05 | 张国源 | 具有心脏频谱功能的小型电子生理监测系统及其监测方法 |
CN103169479A (zh) * | 2011-12-22 | 2013-06-26 | 张国源 | 血氧测量系统及其生理测量装置与其脉波分析方法 |
CN108430327A (zh) * | 2015-10-07 | 2018-08-21 | 普莱柯迪尔公司 | 用于产生指示心脏状况的信息的方法和设备 |
CN108430327B (zh) * | 2015-10-07 | 2021-07-27 | 普莱柯迪尔公司 | 用于产生指示心脏状况的信息的方法和设备 |
CN117860241A (zh) * | 2024-03-11 | 2024-04-12 | 简阳市人民医院 | 一种急性心肌梗死患者的自我管理行为监控方法和系统 |
CN117860241B (zh) * | 2024-03-11 | 2024-06-11 | 简阳市人民医院 | 一种急性心肌梗死患者的自我管理行为监控方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huiying et al. | A heart sound segmentation algorithm using wavelet decomposition and reconstruction | |
US9220437B2 (en) | Diagnostic classifications of pulse signal waveform data | |
Wang et al. | Phonocardiographic signal analysis method using a modified hidden Markov model | |
Chauhan et al. | A computer-aided MFCC-based HMM system for automatic auscultation | |
US20050222515A1 (en) | Cardiovascular sound signature: method, process and format | |
US20040260188A1 (en) | Automated auscultation system | |
CN113727638A (zh) | 用于自动量化信号质量的方法和系统 | |
CN109864714A (zh) | 一种基于深度学习的心电信号分析方法 | |
Nakano et al. | Instantaneous heart rate detection using short-time autocorrelation for wearable healthcare systems | |
Wołk et al. | Early and remote detection of possible heartbeat problems with convolutional neural networks and multipart interactive training | |
Kanna et al. | Automated defective ECG signal detection using MATLAB applications | |
Deevi et al. | HeartNetEC: a deep representation learning approach for ECG beat classification | |
WO2005060830A1 (fr) | Procede d'analyse des fluctuations des signaux d'un eeg | |
TW200927065A (en) | Monitoring and control system for cardiopulmonary function and device thereof | |
CN1517057A (zh) | 心脏状态监测方法 | |
Tuchinda et al. | Cardiac auscultatory recording database: delivering heart sounds through the Internet. | |
CN1422591A (zh) | 能由颈部同时测量心电、脉搏和声波信号的传感器 | |
Zhou et al. | Embedded real-time QRS detection algorithm for pervasive cardiac care system | |
CN203122389U (zh) | 通过手机传输的12导联的远程心电图诊断系统 | |
US7135000B2 (en) | Heart state monitor method | |
US20060217619A1 (en) | Heart state monitor method | |
CN116189899B (zh) | 一种基于机器学习的急危重症辅助评估系统 | |
CN1517062A (zh) | 心脏监测装置 | |
Gu et al. | A Novel Diagnostic Algorithm for Heart Disease in ECG Monitoring System | |
Stolojescu | Estimation of noise in ecg signals using wavelets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |