TWI749631B - 訊號處理方法、裝置以及非暫態電腦可讀取記錄媒體 - Google Patents

訊號處理方法、裝置以及非暫態電腦可讀取記錄媒體 Download PDF

Info

Publication number
TWI749631B
TWI749631B TW109123292A TW109123292A TWI749631B TW I749631 B TWI749631 B TW I749631B TW 109123292 A TW109123292 A TW 109123292A TW 109123292 A TW109123292 A TW 109123292A TW I749631 B TWI749631 B TW I749631B
Authority
TW
Taiwan
Prior art keywords
signal
segment
peak
peak value
section
Prior art date
Application number
TW109123292A
Other languages
English (en)
Other versions
TW202202089A (zh
Inventor
劉政德
黃國庭
Original Assignee
緯創資通股份有限公司
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 緯創資通股份有限公司 filed Critical 緯創資通股份有限公司
Priority to TW109123292A priority Critical patent/TWI749631B/zh
Priority to CN202010776216.2A priority patent/CN113907734A/zh
Priority to US16/996,923 priority patent/US20220007947A1/en
Priority to EP20193972.5A priority patent/EP3936038A1/en
Application granted granted Critical
Publication of TWI749631B publication Critical patent/TWI749631B/zh
Publication of TW202202089A publication Critical patent/TW202202089A/zh

Links

Images

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
    • 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
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • 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
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • 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
    • A61B5/7203—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
    • A61B5/7214—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using signal cancellation, e.g. based on input of two identical physiological sensors spaced apart, or based on two signals derived from the same sensor, for different optical wavelengths
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals

Abstract

一種訊號處理方法、裝置以及非暫態電腦可讀取記錄媒 體。依據時間序列自生理訊號中取出多個區段訊號，判斷各區段訊號為良好訊號或不良訊號。若第i個區段訊號被判定為不良訊號，在確定第i-2個區段訊號以及第i+2個區段訊號皆為良好訊號的情況下，保留第i個區段訊號。基於良好訊號以及保留下來的不良訊號來計算多個瞬時心率。

Description

訊號處理方法、裝置以及非暫態電腦可讀取記 錄媒體
本發明是有關於一種訊號處理方法、裝置以及非暫態電腦可讀取記錄媒體，且特別是有關於一種計算心率的訊號處理方法、裝置以及非暫態電腦可讀取記錄媒體。
近幾年隨著大眾對於健康的重視，市面上開始出現各種可監控心跳的監控裝置。在配戴者穩定不動的狀態下，監控裝置可以取得最佳生理訊號。當配戴者有突然的動作(例如轉頭、點頭、起身等)，監控裝置便會產生雜訊影響準確度。以往是利用加速計(Accelerometer)的加速度訊號來判斷配戴者是否有動作。在配戴者靜止時，可順利計算峰值，再由相鄰峰值的時間差計算瞬時心率，最後統計數個瞬時心率求得平均心率。
在配戴者有突然的動作(例如轉頭、點頭、起身等)時，監控裝置所感測到的訊號會出現雜訊，從而難以計算峰值。目前 作法是直接放棄具有雜訊的訊號。然而，瞬時心率是由相鄰的峰值求得，放棄一段訊號便會缺少兩個瞬時心率，進而造成平均心率的延遲。
本發明提供一種訊號處理方法、裝置以及非暫態電腦可讀取記錄媒體，可在品質不良的生理訊號中找出峰值，藉此穩定輸出平均心率。
本發明的訊號處理方法，包括：依據時間序列自生理訊號中取出多個區段訊號；判斷各區段訊號為良好訊號或不良訊號，以計算判定為良好訊號的這些區段訊號的峰值；倘若第i個區段訊號被判定為不良訊號，確認第i-2個區段訊號以及第i+2個區段訊號是否為良好訊號；在確定第i-2個區段訊號以及第i+2個區段訊號皆為良好訊號的情況下，保留被判定為不良訊號的第i個區段訊號來計算第i個區段訊號的代表峰值；以及基於被判定為良好訊號的區段訊號以及保留下來的被判定為不良訊號的區段訊號來計算多個瞬時心率。
在本發明的一實施例中，上述在判定第i-2個區段訊號以及第i+2個區段訊號皆為良好訊號的情況下，保留第i個區段訊號來計算第i個區段訊號的代表峰值的步驟包括：基於第i-2個區段訊號的第一峰值以及第i+2個區段訊號的第二峰值，判斷第i個區段訊號的變化趨勢；以及採用對應變化趨勢的計算方式來獲得第i 個區段訊號的代表峰值。
在本發明的一實施例中，上述判斷第i個區段訊號的變化趨勢的步驟之前，更包括：計算第一峰值與第二峰值之間的差值絕對值。而判斷第i個區段訊號的變化趨勢的步驟包括：比較差值絕對值與門檻值；倘若差值絕對值小於或等於門檻值，判定第i個區段訊號的變化趨勢為穩定狀態；倘若差值絕對值大於門檻值且第一峰值小於第二峰值，判定第i個區段訊號的變化趨勢為持續增加狀態；以及倘若差值絕對值大於門檻值且第一峰值大於第二峰值，判定第i個區段訊號的變化趨勢為持續減少狀態。
在本發明的一實施例中，上述採用對應變化趨勢的計算方式來獲得第i個區段訊號的代表峰值的步驟包括：在變化趨勢為穩定狀態的情況下，包括：基於第一峰值與第二峰值獲得線段；在第i個區段訊號中，找出多個候選峰值；以及在這些候選峰值中取出最接近所述線段的其中一個候選峰值作為第i個區段訊號的代表峰值。
在本發明的一實施例中，上述採用對應變化趨勢的計算方式來獲得第i個區段訊號的代表峰值的步驟包括：在變化趨勢為持續增加狀態的情況下，包括：基於第一峰值與第i-1個區段訊號的第三峰值獲得第一線段；基於第二峰值與第i+1個區段訊號的第四峰值獲得第二線段；在第i個區段訊號中，找出多個候選峰值；在這些候選峰值中取出最接近第一線段的第一候選峰值；在這些候選峰值中取出最接近第二線段的第二候選峰值；倘若第一 候選峰值與第二候選峰值相同，以第一候選峰值作為第i個區段訊號的代表峰值；以及倘若第一候選峰值與第二候選峰值不同，以第一候選峰值與第二候選峰值中的最小者作為第i個區段訊號的代表峰值。
在本發明的一實施例中，上述採用對應變化趨勢的計算方式來獲得第i個區段訊號的代表峰值的步驟包括：在變化趨勢為持續減少狀態的情況下，包括：基於第一峰值與第i-1個區段訊號的第三峰值獲得第一線段；基於第二峰值與第i+1個區段訊號的第四峰值獲得第二線段；在第i個區段訊號中，找出多個候選峰值；在這些候選峰值中取出最接近第一線段的第一候選峰值；在這些候選峰值中取出最接近第二線段的第二候選峰值；倘若第一候選峰值與第二候選峰值相同，以第一候選峰值作為第i個區段訊號的代表峰值；以及倘若第一候選峰值與第二候選峰值不同，以第一候選峰值與第二候選峰值中的最大者作為第i個區段訊號的代表峰值。
在本發明的一實施例中，倘若第i個區段訊號被判定為不良訊號，在確認第i-2個區段訊號以及第i+2個區段訊號是否為良好訊號之後，更包括：在確定第i-2個區段訊號以及第i+2個區段訊號至少其中一個為不良訊號的情況下，捨棄被判定為不良訊號的第i個區段訊號。
在本發明的一實施例中，上述判斷各區段訊號為良好訊號或不良訊號的步驟包括：利用動態時間扭曲(Dynamic Time Warping，DTW)演算法來判斷區段訊號為良好訊號或不良訊號。
在本發明的一實施例中，上述訊號處理方法更包括：在獲得第i個區段訊號的代表峰值之後，基於第i-2個區段訊號的第一峰值以及第i+2個區段訊號的第二峰值的平均值來獲得比較值；判斷代表峰值是否大於比較值；倘若代表峰值大於比較值，判定第i個區段訊號為不可信，而捨棄第i個區段訊號；以及倘若代表峰值小於或等於比較值，判定第i個區段訊號為可信，而保留第i個區段訊號。
本發明的訊號處理裝置，包括：心率感測器，感測配戴者的生理訊號；儲存單元，包括多個程式碼片段；以及處理器，耦接至心率感測器與儲存單元，處理器執行所述程式碼片段以：自心率感測器接收生理訊號；依據時間序列自生理訊號中取出多個區段訊號；判斷各區段訊號為良好訊號或不良訊號，以計算判定為良好訊號的這些區段訊號的峰值；倘若第i個區段訊號被判定為不良訊號，確認第i-2個區段訊號以及第i+2個區段訊號是否為良好訊號；在確定第i-2個區段訊號以及第i+2個區段訊號皆為良好訊號的情況下，保留第i個區段訊號來計算第i個區段訊號的代表峰值；在確定第i-2個區段訊號以及第i+2個區段訊號至少其中一個為不良訊號的情況下，捨棄第i個區段訊號；以及基於被判定為良好訊號的區段訊號以及保留下來的被判定為不良訊號的區段訊號來計算多個瞬時心率。
本發明的非暫態電腦可讀取記錄媒體，其記錄至少一程 式指令，所述程式指令在載入電子裝置後，執行下述步驟：依據時間序列自生理訊號中取出多個區段訊號；判斷各區段訊號為良好訊號或不良訊號，以計算判定為良好訊號的這些區段訊號的峰值；倘若第i個區段訊號被判定為不良訊號，確認第i-2個區段訊號以及第i+2個區段訊號是否為良好訊號；在確定第i-2個區段訊號以及第i+2個區段訊號皆為良好訊號的情況下，保留第i個區段訊號來計算第i個區段訊號的代表峰值；在確定第i-2個區段訊號以及第i+2個區段訊號至少其中一個為不良訊號的情況下，捨棄第i個區段訊號；以及基於被判定為良好訊號的區段訊號以及保留下來的被判定為不良訊號的區段訊號來計算多個瞬時心率。
基於上述，本發明可進一步判斷是否要保留不良訊號，以在不良訊號中找出峰值，藉此穩定輸出平均心率。
100:訊號處理裝置
110:處理器
120:儲存單元
130:心率感測器
300:生理訊號
401~404、501~504、601~604:峰值
701~704、801、802、901~903:候選峰值
A1~A13、M1~M3:區段訊號
iHR1~iHR12:瞬時心率
L100、L210、L220、L310、L320:線段
S205~S230:訊號處理方法的各步驟
圖1是依照本發明一實施例的訊號處理裝置的方塊圖。
圖2是依照本發明一實施例的訊號處理方法的流程圖。
圖3A是依照本發明一實施例的生理訊號的示意圖。
圖3B是依照本發明一實施例的計算瞬時心率的示意圖。
圖4是依照本發明一實施例的穩定狀態的波形圖。
圖5是依照本發明一實施例的持續增加狀態的波形圖。
圖6是依照本發明一實施例的持續減少狀態的波形圖。
圖7是依照本發明一實施例的在穩定狀態的情況下代表峰值的計算方式的波形圖。
圖8A~圖8B是依照本發明一實施例的在持續增加狀態的情況下代表峰值的計算方式的波形圖。
圖9A~圖9B是依照本發明一實施例的在持續減少狀態的情況下代表峰值的計算方式的波形圖。
圖1是依照本發明一實施例的訊號處理裝置的方塊圖。請參照圖1，訊號處理裝置100包括處理器110、儲存單元120以及心率感測器130。處理器110直接或間接電性耦接至儲存單元120以及心率感測器130。
處理器110例如為中央處理單元(Central Processing Unit，CPU)、物理處理單元(Physics Processing Unit，PPU)、可程式化之微處理器(Microprocessor)、嵌入式控制晶片、數位訊號處理器(Digital Signal Processor，DSP)、特殊應用積體電路(Application Specific Integrated Circuits，ASIC)或其他類似裝置。
儲存單元120例如是任意型式的固定式或可移動式隨機存取記憶體(Random Access Memory，RAM)、唯讀記憶體(Read-Only Memory，ROM)、快閃記憶體(Flash memory)、硬碟或其他類似裝置或這些裝置的組合。儲存單元120中儲存有多個程式碼片段，上述程式碼片段在被安裝後，會由處理器110來 執行，以實現下述訊號處理方法。
心率感測器130用來感測配戴者的生理訊號。心率感測器130例如為使用光體積變化描記圖法(Photoplethysmography，PPG)的感測器，但不以此為限，也可以是例如雷達感測器或心電圖(Electrocardiogram，ECG)感測器。
圖2是依照本發明一實施例的訊號處理方法的流程圖。在本實施例中，處理器110經配置用以執行儲存單元120所儲存的程式碼片段，藉以實現下述訊號處理方法。
在步驟S205中，依據時間序列自生理訊號中取出多個區段訊號。處理器110透過心率感測器130在取樣時間範圍內收集生理訊號，並將生理訊號劃分為多個區段訊號。接著，在步驟S210中，判斷各區段訊號為良好訊號或不良訊號，以計算判定為良好訊號的區段訊號的峰值。並且，進一步決定保留或捨棄不良訊號，並計算被保留的不良訊號的代表峰值。
在此，處理器110利用取樣視窗來擷取一段固定長度的訊號來計算一個峰值，在計算取樣視窗內的峰值後，基於時間序列將取樣視窗往後平移一段距離後，再計算下一個取樣視窗內的訊號的峰值。上述平移的距離例如為1/2取樣視窗的寬度。
當配戴者平穩沒有動作的情況，心率感測器130偵測到的生理訊號會具有明顯且規律的峰值。當配戴者有動作，心率感測器130偵測到的生理訊號會出現雜訊。而在生理訊號混合有雜訊的情況下，難以確定良好訊號，且雜訊強度可能高於良好訊號， 因此無法使用強度來判斷良好訊號。在此，可將不良訊號定義為峰值太多。例如，在區段訊號中的峰值大於1個的情況下，可將其判定為不良訊號。
另外，處理器110可利用動態時間扭曲(Dynamic Time Warping，DTW)演算法來判斷區段訊號為良好訊號或不良訊號。DTW演算法的原理為提供樣板波形，判斷每個待測波形與樣板波型是否匹配。故，在此提供一個良好訊號的樣板波型，藉此將每個一區段訊號的波型(即待測波形)與樣板波形進行比對，以判斷各區段訊號為良好訊號或不良訊號。
而針對被判定為不良訊號的第i個區段訊號，處理器110可進一步根據其在時間序列上前後鄰近的區段訊號來判斷變化趨勢，藉此來計算第i個區段訊號的代表峰值。據此，必須先確定在時間序列上前後鄰近的區段訊號是否可信，即確定是否為良好訊號。
由於生理訊號為連續性的訊號，訊號會符合整體的變化趨勢，因此接近整體趨勢的峰值較可能為實際的訊號，脫離整體趨勢的峰值較可能為雜訊。故，本實施例特別取出不良訊號(第i個區段訊號)的往前第二個區段訊號與往後第二個區段訊號(第i-2個區段訊號以及第i+2個區段訊號)來判斷變化趨勢。而不取相鄰的前一個區段訊號與後一個區段訊號(第i-1個區段訊號以及第i+1個區段訊號)的原因在於：相鄰的區段訊號的峰值離不良訊號比較近，可能是不穩定的峰值或者受到不良訊號影響。因此， 取出不良訊號的往前第二個區段訊號與往後第二個區段訊號(第i-2個區段訊號以及第i+2個區段訊號)的峰值來進一步計算不良訊號的代表峰值，一方面仍保留變化趨勢，另一方面較不易受到不良訊號的影響。
在本實施例中，計算峰值的方法是即時計算，因此在判定區段訊號為不良訊號的當下會先暫存此區段訊號，待取得後面兩筆區段訊號的峰值後才能確定保留或捨棄此不良訊號。而決定保留或捨棄此不良訊號可參照步驟S215~步驟S225。另外，例如，將保留的區段訊號各給予一標記“true”，將捨棄的區段訊號各給予一標記“false”。
在步驟S215中，倘若第i個區段訊號被判定為不良訊號，確認第i-2個區段訊號以及第i+2個區段訊號是否為良好訊號。在步驟S220中，在確定第i-2個區段訊號以及第i+2個區段訊號皆為良好訊號的情況下，保留第i個區段訊號來計算第i個區段訊號的代表峰值。在步驟S225中，在確定第i-2個區段訊號以及第i+2個區段訊號至少其中一個為不良訊號的情況下，捨棄第i個區段訊號。
舉例來說，假設判定第3個區段訊號為不良訊號，則處理器110會先暫存第3個區段訊號，以等待取得第5個區段訊號。處理器110進一步判斷第1個區段訊號與第5個區段訊號是否皆為良好訊號。倘若第1個區段訊號與第5個區段訊號皆為良好訊號，則保留第3個區段訊號，並進一步計算第3個區段訊號的代 表峰值。倘若第1個區段訊號與第5個區段訊號其中一個為不良訊號，則捨棄第3個區段訊號，即，不計算第3個區段訊號的代表峰值。
最後，在步驟S230中，基於被判定為良好訊號的區段訊號以及保留下來的被判定為不良訊號的區段訊號來計算瞬時心率。在此，處理器110利用相鄰的2個峰值的時間差來計算瞬時心率，最後統計數個瞬時心率來求得平均心率。
一般而言，藉由計算兩個相鄰的峰值的時間差T(即心率週期)，再計算其倒數來獲得每分鐘的心跳數F(瞬時心率)。其中，F=1/T(心跳數/每秒)=60/T(心跳數/每分鐘)。
圖3A是依照本發明一實施例的生理訊號的示意圖。圖3B是依照本發明一實施例的計算瞬時心率的示意圖。請參照圖3A，生理訊號300包括多個區段訊號，在此繪示出13個區段訊號A1~A13。其中，區段訊號A1、A2、A4、A5、A8、A10~A13代表良好訊號，區段訊號A3、A6、A7、A9代表不良訊號。以區段訊號A3而言，往前取區段訊號A1以及往後取區段訊號A5，區段訊號A1與區段訊號A5皆為良好訊號，故，保留被判定為不良訊號的區段訊號A3。以此類推，保留區段訊號A3、A6，捨棄區段訊號A7、A9。
參照圖3B，處理器110基於相鄰兩個時間區段的峰值的時間差來獲得瞬時心率。而基於上述實施例，被判定為不良訊號的區段訊號A3、A6被保留，故，基於時間區段A1~A6可獲得瞬 時心率iHR1~iHR5。基於時間區段A10~A13可獲得瞬時心率iHR10~iHR12。另外，由於時間區段A7、A9已被捨棄，因此，原本可基於時間區段A6~A10而獲得的瞬時心率iHR6~iHR9便無法獲得。在此，處理器110可在獲得預設數量的瞬時心率之後，計算平均心率。例如，可設計為以5個瞬時心率來計算平均心率。故，經由本實施例的方法，可基於時間區段A1~A6來獲得5個瞬時心率iHR1~iHR5。平均心率=(iHR1+iHR2+iHR3+iHR4+iHR5)/5。
倘若不使用上述實施例的方法，由於區段訊號A3、A6、A7、A8皆被判定為不良訊號，因此，瞬時心率iHR2、iHR3、iHR5~iHR9皆無法使用，因此必需延遲至區段訊號A13，才能夠獲得5個瞬時心率iHR1、iHR4、iHR10、iHR11、iHR12。故，透過上述實施例的方法，可解決平均心率計算延遲的問題。
另外，在上述步驟S220中，計算第i個區段訊號的代表峰值，可基於第i-2個區段訊號的第一峰值以及第i+2個區段訊號的第二峰值，而在第i個區段訊號所包括的多個候選峰值中進行選擇。具體而言，處理器110基於第i-2個區段訊號的第一峰值以及第i+2個區段訊號的第二峰值，判斷第i個區段訊號的變化趨勢。之後，處理器110採用對應所述變化趨勢的計算方式來獲得第i個區段訊號的代表峰值。
判定為不良訊號的第i個區段訊號具有三種變化趨勢，包括穩定狀態、持續增加狀態以及持續減少狀態。處理器110計算 第一峰值與第二峰值之間的差值絕對值(|第一峰值-第二峰值|)，並基於差值絕對值來判斷第i個區段訊號的變化趨勢。在此，處理器110比較差值絕對值與預設的門檻值。倘若差值絕對值小於或等於門檻值，判定第i個區段訊號的變化趨勢為穩定狀態。倘若差值絕對值大於門檻值且第一峰值小於第二峰值，判定第i個區段訊號的變化趨勢為持續增加狀態。倘若差值絕對值大於門檻值且第一峰值大於第二峰值，判定第i個區段訊號的變化趨勢為持續減少狀態。
底下舉圖4~圖6來分別說明穩定狀態、持續增加狀態以及持續減少狀態。
圖4是依照本發明一實施例的穩定狀態的波形圖。在圖4中，假設繪示為第m個區段訊號~第m+4個區段訊號，其中第m+2個區段訊號(區段訊號M1)為不良訊號，其他區段訊號為良好訊號。而峰值401、402、403、404分別為第m個區段訊號、第m+1個區段訊號、第m+3個區段訊號以及第m+4個區段訊號的峰值。
以區段訊號M1而言，處理器110往前取第m個區段訊號的峰值401(第一峰值)，往後取第m+4個區段訊號的峰值404(第二峰值)，計算峰值401與峰值404的差值絕對值，並與預設的門檻值進行比較。由於峰值401與峰值404的差值絕對值並未大於門檻值，故，判定區段訊號M1的變化趨勢為穩定狀態。在此，假設預設的門檻值為1500毫伏(mV)。
圖5是依照本發明一實施例的持續增加狀態的波形圖。在圖5中，假設繪示為第n個區段訊號~第n+4個區段訊號，其中第n+2個區段訊號(區段訊號M2)為不良訊號，其他區段訊號為良好訊號。而峰值501、502、503、504分別為第n個區段訊號、第n+1個區段訊號、第n+3個區段訊號以及第n+4個區段訊號的峰值。
以區段訊號M2而言，處理器110往前取第n個區段訊號的峰值501(第一峰值)，往後取第n+4個區段訊號的峰值504(第二峰值)，計算峰值501與峰值504的差值絕對值，並與預設的門檻值進行比較。由於峰值501與峰值504的差值絕對值大於門檻值，故，再進一步判斷峰值501與峰值504的大小。在此，峰值504大於峰值501，故，判定區段訊號M2的變化趨勢為持續增加狀態。
圖6是依照本發明一實施例的持續減少狀態的波形圖。在圖6中，假設繪示為第p個區段訊號~第p+4個區段訊號，其中第p+2個區段訊號(區段訊號M3)為不良訊號，其他區段訊號為良好訊號。而峰值601、602、603、604分別為第p個區段訊號、第p+1個區段訊號、第p+3個區段訊號以及第p+4個區段訊號的峰值。
以區段訊號M3而言，處理器110往前取第p個區段訊號的峰值601(第一峰值)，往後取第p+4個區段訊號的峰值604(第二峰值)，計算峰值601與峰值604的差值絕對值，並與預設的門 檻值進行比較。由於峰值601與峰值604的差值絕對值大於門檻值，故，再進一步判斷峰值601與峰值604的大小。在此，峰值601大於峰值604，故，判定區段訊號M3的變化趨勢為持續減少狀態。
而在獲得不良訊號的變化趨勢之後，處理器110便可採用對應變化趨勢的計算方式來獲得不良訊號的代表峰值。底下舉圖7、圖8A~圖8B、圖9A~圖9B來分別說明在穩定狀態、持續增加狀態以及持續減少狀態的情況下代表峰值的計算方式。
圖7是依照本發明一實施例的在穩定狀態的情況下代表峰值的計算方式的波形圖。在此，以圖4的實施例來說明在穩定狀態的情況下代表峰值的計算方式。
參照圖7，首先，處理器110基於峰值401(第一峰值)與峰值404(第二峰值)獲得線段L100。接著，處理器110在區段訊號M1中，找出多個候選峰值701~704，在這些候選峰值701~704中取出最接近線段L100的其中一個候選峰值作為區段訊號M1的代表峰值。在此，選擇候選峰值702作為區段訊號M1的代表峰值。
圖8A~圖8B是依照本發明一實施例的在持續增加狀態的情況下代表峰值的計算方式的波形圖。在此，以圖5的實施例來說明在持續增加狀態的情況下代表峰值的計算方式。
參照圖8A~圖8B，第n+2個區段訊號(區段訊號M2)為不良訊號。處理器110基於第n個區段訊號的峰值501(第一峰 值)與第n+1個區段訊號的峰值502(第三峰值)獲得線段L210。並且，處理器110基於第n+4個區段訊號的峰值504(第二峰值)與第n+3個區段訊號的峰值503(第四峰值)獲得線段L220。
並且，處理器110在區段訊號M2中，找出多個候選峰值801、802。接著，處理器110在這些候選峰值801、802中取出最接近線段L210的候選峰值802(第一候選峰值)，並且，在這些候選峰值801、802中取出最接近線段L220的候選峰值801(第二候選峰值)。接著，處理器110會判斷第一候選峰值與第二候選峰值是否相同。
在變化趨勢為持續增加狀態的波形中，由於強度忽然增加的突波比較可能是雜訊，倘若第一候選峰值與第二候選峰值不同，則以第一候選峰值與第二候選峰值中的最小者作為區段訊號M2的代表峰值。在圖8A~圖8B的實施例中，第一候選峰值(候選峰值802)與第二候選峰值(候選峰值801)不同，故，處理器110在兩者中選擇最小者的候選峰值802作為區段訊號M2的代表峰值。
在其他實施例中，倘若最接近線段L210的第一候選峰值與最接近線段L220的第二候選峰值相同，處理器110以第一候選峰值(即第二候選峰值)作為區段訊號M2的代表峰值。
圖9A~圖9B是依照本發明一實施例的在持續減少狀態的情況下代表峰值的計算方式的波形圖。在此，以圖6的實施例來說明在持續減少狀態的情況下代表峰值的計算方式。
參照圖9A~圖9B，第p+2個區段訊號(區段訊號M3)為不良訊號。處理器110基於第p個區段訊號的峰值601(第一峰值)與第p+1個區段訊號的峰值602(第三峰值)獲得線段L310。並且，處理器110基於第p+4個區段訊號的峰值604(第二峰值)與第p+3個區段訊號的峰值603(第四峰值)獲得線段L320。
並且，處理器110在區段訊號M3中，找出多個候選峰值901、902、903。接著，處理器110在這些候選峰值901、902、903中取出最接近線段L310的候選峰值902(第一候選峰值)，並且，在這些候選峰值901、902、903中取出最接近線段L320的候選峰值902(第二候選峰值)。接著，處理器110會判斷第一候選峰值與第二候選峰值是否相同。
在本實施例中，第一候選峰值與第二候選峰值皆為候選峰值902，故，處理器110以候選峰值902作為區段訊號M3的代表峰值。
在其他實施例中，在變化趨勢為持續減少狀態的波形中，由於強度忽然減少的突波比較可能是雜訊，倘若最接近線段L310的第一候選峰值與最接近線段L320的第二候選峰值不同，則以第一候選峰值與第二候選峰值中的最大者作為區段訊號M3的代表峰值。
另外，上述實施例中是在不良訊號進一步計算出其代表峰值，為了避免過於荒謬的判斷結果，因此，在獲得不良訊號的代表峰值之後，會進一步計算不良訊號的代表峰值的電壓值是否 太高。例如，第i個區段訊號判定為不良訊號，基於第i-2個區段訊號的第一峰值以及第i+2個區段訊號的第二峰值的平均值來獲得比較值。其中，比較值=2×ACAVG(S1AC：S2AC)。ACAVG(S1AC：S2AC)表示第i-2個區段訊號的第一峰值的電壓值S1AC與第i+2個區段訊號的第二峰值S2AC的電壓值的平均值。
接著，將不良訊號的代表峰值與比較值進行比較，倘若代表峰值大於比較值，判定此不良訊號為不可信，而捨棄此不良訊號。倘若代表峰值小於或等於比較值，判定此不良訊號為可信，而保留此不良訊號。
另外，上述實施例可以非暫態電腦可讀取記錄媒體來實現。非暫態電腦可讀取記錄媒體記錄至少一程式指令，所述程式指令在載入電子裝置後，執行所述步驟S205~S230。
綜上所述，本發明針對品質不良的區段訊號，基於前後訊號的變化趨勢來計算可能的代表峰值，由品質不良的PPG訊號找出峰值，解決生理訊號品質不良造成平均心率延遲的問題，能穩定輸出平均心率。
S205~S230:訊號處理方法的各步驟

Claims (11)

  1. 一種訊號處理方法，包括：依據時間序列自一生理訊號中取出多個區段訊號；判斷每一該些區段訊號為良好訊號或不良訊號，以計算判定為良好訊號的該些區段訊號的峰值；倘若第i個區段訊號被判定為不良訊號，確認第i-2個區段訊號以及第i+2個區段訊號是否為良好訊號；在確定該第i-2個區段訊號以及該第i+2個區段訊號皆為良好訊號的情況下，保留被判定為不良訊號的該第i個區段訊號並計算該第i個區段訊號的代表峰值；以及基於被判定為良好訊號的區段訊號以及保留下來的被判定為不良訊號的區段訊號來計算多個瞬時心率。
  2. 如請求項1所述的訊號處理方法，其中在判定該第i-2個區段訊號以及該第i+2個區段訊號皆為良好訊號的情況下，保留該第i個區段訊號來計算該第i個區段訊號的代表峰值的步驟包括：基於該第i-2個區段訊號的一第一峰值以及該第i+2個區段訊號的一第二峰值，判斷該第i個區段訊號的變化趨勢；以及採用對應該變化趨勢的計算方式來獲得該第i個區段訊號的代表峰值。
  3. 如請求項2所述的訊號處理方法，其中在判斷該第i個區段訊號的變化趨勢的步驟之前，更包括：計算該第一峰值與該第二峰值之間的差值絕對值； 而判斷該第i個區段訊號的變化趨勢的步驟包括：比較該差值絕對值與一門檻值；倘若該差值絕對值小於或等於該門檻值，判定該第i個區段訊號的變化趨勢為一穩定狀態；倘若該差值絕對值大於該門檻值且該第一峰值小於該第二峰值，判定該第i個區段訊號的變化趨勢為一持續增加狀態；以及倘若該差值絕對值大於該門檻值且該第一峰值大於該第二峰值，判定該第i個區段訊號的變化趨勢為一持續減少狀態。
  4. 如請求項3所述的訊號處理方法，其中採用對應該變化趨勢的計算方式來獲得該第i個區段訊號的代表峰值的步驟包括：在該變化趨勢為該穩定狀態的情況下，包括：基於該第一峰值與該第二峰值獲得一線段；在該第i個區段訊號中，找出多個候選峰值；以及在該些候選峰值中取出最接近該線段的其中一個候選峰值作為該第i個區段訊號的代表峰值。
  5. 如請求項3所述的訊號處理方法，其中採用對應該變化趨勢的計算方式來獲得該第i個區段訊號的代表峰值的步驟包括：在該變化趨勢為該持續增加狀態的情況下，包括：基於該第一峰值與第i-1個區段訊號的一第三峰值獲得一第一線段； 基於該第二峰值與第i+1個區段訊號的一第四峰值獲得一第二線段；在該第i個區段訊號中，找出多個候選峰值；在該些候選峰值中取出最接近該第一線段的一第一候選峰值；在該些候選峰值中取出最接近該第二線段的一第二候選峰值；倘若該第一候選峰值與該第二候選峰值相同，以該第一候選峰值作為該第i個區段訊號的代表峰值；以及倘若該第一候選峰值與該第二候選峰值不同，以該第一候選峰值與該第二候選峰值中的最小者作為該第i個區段訊號的代表峰值。
  6. 如請求項3所述的訊號處理方法，其中採用對應該變化趨勢的計算方式來獲得該第i個區段訊號的代表峰值的步驟包括：在該變化趨勢為該持續減少狀態的情況下，包括：基於該第一峰值與第i-1個區段訊號的一第三峰值獲得一第一線段；基於該第二峰值與第i+1個區段訊號的一第四峰值獲得一第二線段；在該第i個區段訊號中，找出多個候選峰值；在該些候選峰值中取出最接近該第一線段的一第一候選 峰值；在該些候選峰值中取出最接近該第二線段的一第二候選峰值；倘若該第一候選峰值與該第二候選峰值相同，以該第一候選峰值作為該第i個區段訊號的代表峰值；以及倘若該第一候選峰值與該第二候選峰值不同，以該第一候選峰值與該第二候選峰值中的最大者作為該第i個區段訊號的代表峰值。
  7. 如請求項1所述的訊號處理方法，其中倘若第i個區段訊號被判定為不良訊號，在確認第i-2個區段訊號以及第i+2個區段訊號是否為良好訊號的步驟之後，更包括：在確定該第i-2個區段訊號以及該第i+2個區段訊號至少其中一個為不良訊號的情況下，捨棄被判定為不良訊號的該第i個區段訊號。
  8. 如請求項1所述的訊號處理方法，其中判斷每一該些區段訊號為良好訊號或不良訊號的步驟包括：利用一動態時間扭曲演算法來判斷每一該些區段訊號為良好訊號或不良訊號。
  9. 如請求項1所述的訊號處理方法，更包括：在獲得該第i個區段訊號的代表峰值之後，基於該第i-2個區段訊號的一第一峰值以及該第i+2個區段訊號的一第二峰值的平均值來獲得一比較值； 判斷該代表峰值是否大於該比較值；倘若該代表峰值大於該比較值，判定該第i個區段訊號為不可信，而捨棄該第i個區段訊號；以及倘若該代表峰值小於或等於該比較值，判定該第i個區段訊號為可信，而保留該第i個區段訊號。
  10. 一種訊號處理裝置，包括：一心率感測器，感測一配戴者的一生理訊號；一儲存單元，包括多個程式碼片段；以及一處理器，耦接至該心率感測器與該儲存單元，該處理器執行該些程式碼片段以：自該心率感測器接收該生理訊號；依據時間序列自該生理訊號中取出多個區段訊號；判斷每一該些區段訊號為良好訊號或不良訊號，以計算判定為良好訊號的該些區段訊號的峰值；倘若第i個區段訊號被判定為不良訊號，確認第i-2個區段訊號以及第i+2個區段訊號是否為良好訊號；在確定該第i-2個區段訊號以及該第i+2個區段訊號皆為良好訊號的情況下，保留被判定為不良訊號的該第i個區段訊號來計算該第i個區段訊號的代表峰值；以及基於被判定為良好訊號的區段訊號以及保留下來的被判定為不良訊號的區段訊號來計算多個瞬時心率。
  11. 一種非暫態電腦可讀取記錄媒體，其中該非暫態電腦可讀取記錄媒體記錄至少一程式指令，該至少一程式指令在載入一電子裝置後，執行下述步驟：依據時間序列自一生理訊號中取出多個區段訊號；判斷每一該些區段訊號為良好訊號或不良訊號，以計算判定為良好訊號的該些區段訊號的峰值；倘若第i個區段訊號被判定為不良訊號，確認第i-2個區段訊號以及第i+2個區段訊號是否為良好訊號；在確定該第i-2個區段訊號以及該第i+2個區段訊號皆為良好訊號的情況下，保留該第i個區段訊號來計算該第i個區段訊號的代表峰值；以及基於被判定為良好訊號的區段訊號以及保留下來的被判定為不良訊號的區段訊號來計算多個瞬時心率。
TW109123292A 2020-07-10 2020-07-10 訊號處理方法、裝置以及非暫態電腦可讀取記錄媒體 TWI749631B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
TW109123292A TWI749631B (zh) 2020-07-10 2020-07-10 訊號處理方法、裝置以及非暫態電腦可讀取記錄媒體
CN202010776216.2A CN113907734A (zh) 2020-07-10 2020-08-05 信号处理方法、装置以及非暂态计算机可读存储介质
US16/996,923 US20220007947A1 (en) 2020-07-10 2020-08-19 Signal processing method, apparatus and non-transitory computer readable storage medium
EP20193972.5A EP3936038A1 (en) 2020-07-10 2020-09-01 Signal processing method, apparatus and non-transitory computer readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW109123292A TWI749631B (zh) 2020-07-10 2020-07-10 訊號處理方法、裝置以及非暫態電腦可讀取記錄媒體

Publications (2)

Publication Number Publication Date
TWI749631B true TWI749631B (zh) 2021-12-11
TW202202089A TW202202089A (zh) 2022-01-16

Family

ID=72340201

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109123292A TWI749631B (zh) 2020-07-10 2020-07-10 訊號處理方法、裝置以及非暫態電腦可讀取記錄媒體

Country Status (4)

Country Link
US (1) US20220007947A1 (zh)
EP (1) EP3936038A1 (zh)
CN (1) CN113907734A (zh)
TW (1) TWI749631B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011082341A1 (en) * 2009-12-30 2011-07-07 Sotera Wireless, Inc. Body-worn system for measuring continuous non-invasive blood pressure (cnibp)
WO2014043258A1 (en) * 2012-09-11 2014-03-20 Covidien Lp Methods and systems for processing physiological signals
US9314209B2 (en) * 2012-09-11 2016-04-19 Covidien Lp Methods and systems for determining physiological information based on a correlation sequence
US20160139045A1 (en) * 2014-09-29 2016-05-19 Zyomed Corp. Systems and methods for noninvasive blood glucose and other analyte detection and measurement using collision computing
TW201726051A (zh) * 2016-01-22 2017-08-01 Sen Science Inc 動態心血管活動監測方法及使用該方法的裝置及系統
WO2017220526A1 (en) * 2016-06-22 2017-12-28 Koninklijke Philips N.V. A method and apparatus for determining respiratory information for a subject
TWM567612U (zh) * 2018-02-07 2018-10-01 神仙科學股份有限公司 Multiple physiological detection device

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0622914A (ja) * 1992-05-12 1994-02-01 Mitsubishi Motors Corp 心拍数検出装置
JP5038222B2 (ja) * 2008-04-21 2012-10-03 株式会社デンソー 生体状態推定装置及びプログラム並びに記録媒体
US10874348B1 (en) * 2015-09-30 2020-12-29 Apple Inc. Force sensing for PPG heart-rate performance enhancement and contact detection
EP3219254B1 (en) * 2016-03-14 2023-05-24 Tata Consultancy Services Limited Method and system for removing corruption in photoplethysmogram signals for monitoring cardiac health of patients
JP2018158010A (ja) * 2017-03-23 2018-10-11 学校法人慶應義塾 心拍検出システム、心拍検出方法
JP7031669B2 (ja) * 2017-06-28 2022-03-08 ソニーグループ株式会社 情報処理装置、情報処理方法及びプログラム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011082341A1 (en) * 2009-12-30 2011-07-07 Sotera Wireless, Inc. Body-worn system for measuring continuous non-invasive blood pressure (cnibp)
WO2014043258A1 (en) * 2012-09-11 2014-03-20 Covidien Lp Methods and systems for processing physiological signals
US9314209B2 (en) * 2012-09-11 2016-04-19 Covidien Lp Methods and systems for determining physiological information based on a correlation sequence
US20160139045A1 (en) * 2014-09-29 2016-05-19 Zyomed Corp. Systems and methods for noninvasive blood glucose and other analyte detection and measurement using collision computing
US9610018B2 (en) * 2014-09-29 2017-04-04 Zyomed Corp. Systems and methods for measurement of heart rate and other heart-related characteristics from photoplethysmographic (PPG) signals using collision computing
TW201726051A (zh) * 2016-01-22 2017-08-01 Sen Science Inc 動態心血管活動監測方法及使用該方法的裝置及系統
WO2017220526A1 (en) * 2016-06-22 2017-12-28 Koninklijke Philips N.V. A method and apparatus for determining respiratory information for a subject
TWM567612U (zh) * 2018-02-07 2018-10-01 神仙科學股份有限公司 Multiple physiological detection device

Also Published As

Publication number Publication date
TW202202089A (zh) 2022-01-16
CN113907734A (zh) 2022-01-11
US20220007947A1 (en) 2022-01-13
EP3936038A1 (en) 2022-01-12

Similar Documents

Publication Publication Date Title
CN109522916B (zh) 识别单导心电图（ecg）信号中的节律的级联二元分类器
US8774908B2 (en) Systems for detecting cardiac arrhythmias
US20160235368A1 (en) Device, method and system for processing a physiological signal
US10368755B2 (en) Apparatus and method for feature extraction and classification of fetal heart rate
JP6652655B2 (ja) 心拍検出方法および心拍検出装置
CN109222964B (zh) 房颤检测装置及存储介质
CN107296604A (zh) 一种房颤判断方法
WO2023226223A1 (zh) Ppg信号质量评估方法及装置以及ppg信号处理方法及系统
Bhoi et al. QRS Complex Detection and Analysis of Cardiovascular Abnormalities: A Review.
TWI749631B (zh) 訊號處理方法、裝置以及非暫態電腦可讀取記錄媒體
Putra et al. Study of feature extraction methods to detect valvular heart disease (vhd) using a phonocardiogram
Sörnmo et al. Detection of atrial fibrillation
Nguyen et al. Comparative study on heart rate variability analysis for atrial fibrillation detection in short single-lead ecg recordings
US9642551B2 (en) Evaluating Atrio-Ventricular conduction in a heart
Yousefi et al. Atrial fibrillation detection from wrist photoplethysmography data using artificial neural networks
Tripath et al. Computer-aided diagnostic system for feature-based classification using heart rate variability
Luo et al. An improved algorithm for the detection of photoplethysmographic percussion peaks
WO2023188981A1 (ja) 心電信号解析システム
EP4201317A1 (en) A ppg signal processing device and corresponding computer-implemented method
US20160220140A1 (en) Detection of R-Peak Point in an Electrocardiogram Signal
CA3124528C (en) An apparatus and a method for qt correction
US20230263467A1 (en) Processing device and method of hemodynamic analysis for detecting a particular syndrome
US20230263402A1 (en) Processing device and method of hemodynamic analysis for detecting a syndrome
CN117770782A (zh) 基于ecg的ppg房颤判定结果矫正方法、系统及计算机可读介质
Kher et al. Detection of Low-pass Noise in ECG Signals