CN101642368A - 自主神经功能信号的处理方法、装置和测试*** - Google Patents
自主神经功能信号的处理方法、装置和测试*** Download PDFInfo
- Publication number
- CN101642368A CN101642368A CN200810041375A CN200810041375A CN101642368A CN 101642368 A CN101642368 A CN 101642368A CN 200810041375 A CN200810041375 A CN 200810041375A CN 200810041375 A CN200810041375 A CN 200810041375A CN 101642368 A CN101642368 A CN 101642368A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- rate data
- value
- frequency
- unit
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000002567 autonomic effect Effects 0.000 title claims abstract description 31
- 238000012360 testing method Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 title abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 14
- 238000003672 processing method Methods 0.000 claims description 13
- 238000007493 shaping process Methods 0.000 claims description 12
- 238000010183 spectrum analysis Methods 0.000 claims description 12
- 230000003321 amplification Effects 0.000 claims description 10
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 26
- 230000002889 sympathetic effect Effects 0.000 description 9
- 210000005036 nerve Anatomy 0.000 description 8
- 230000001734 parasympathetic effect Effects 0.000 description 7
- 241001269238 Data Species 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 210000002837 heart atrium Anatomy 0.000 description 3
- 230000028161 membrane depolarization Effects 0.000 description 3
- 238000004321 preservation Methods 0.000 description 3
- 210000001835 viscera Anatomy 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 210000003403 autonomic nervous system Anatomy 0.000 description 2
- 230000003906 autonomic nervous system functioning Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 210000001186 vagus nerve Anatomy 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 208000030090 Acute Disease Diseases 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 208000018522 Gastrointestinal disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010042434 Sudden death Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000001746 atrial effect Effects 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 208000010643 digestive system disease Diseases 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 208000018685 gastrointestinal system disease Diseases 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 210000001002 parasympathetic nervous system Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000001013 sinoatrial node Anatomy 0.000 description 1
- 210000002820 sympathetic nervous system Anatomy 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
在自主神经功能信号处理方法和自主神经功能测试***、自主神经功能信号处理方法的实施方式中,将不易被人体察觉且不受人控制的自主神经功能的生理信号转化成数值和图形的形式,以一段时间内的生理参数值及其趋势图的结合,为评价自主神经功能状态提供较好的客观标准。
Description
技术领域
本申请文件涉及对自主神经功能信号的处理方法、装置和测试***。
背景技术
自主神经***(ANS,Autonomic Nervous System)是指分配到心、肺、消化管和其它脏器的神经,包括交感神经和副交感神经。大部分脏器同时接受交感神经和副交感神经的控制。正常情况下,两者协调工作,调节内脏的日常运作和腺体的分泌,使体内环境,如血压、心率、体温等保持稳定。当ANS失调时,会引发很多问题,轻者会引起一些不是很严重的症状,例如肠胃失调、心悸、呼吸困难等,重者会引发各种急慢性病,例如心脏病、高血压等,严重的甚至会引发猝死等。
对心率变异性(HRV,Heart Rate Variability)的分析可以为自主神经***功能提供间接测量指标。
发明内容
自主神经功能信号处理方法的实施方式包括:
对采集到的生理电信号进行处理,获得预定时间间隔内的时域心率数据;将所述时域心率数据转换为频域心率数据;对所述频域心率数据进行频谱分析和计算,获得心率变异性生理参数值;生成与所述心率变异性生理参数值对应的生理参数趋势图。
自主神经功能信息处理装置的实施方式包括:
时频数据转换单元,将所述时域心率数据转换为频域心率数据;生理参数计算单元,对所述频域心率数据进行频谱分析和计算,获得心率变异性生理参数值;图形化单元,根据所述心率变异性生理参数值,得到对应的生理参数趋势图。
自主神经功能测试***的实施方式,包括上述自主神经功能信息处理装置及心率数据获取单元,所述心率数据获取单元对采集到的生理电信号进行处理,获得预定时间间隔内的时域心率数据。
自主神经功能测试***的另一种实施方式包括:心率数据获取单元,对采集到的生理电信号进行处理,获得预定时间间隔内的时域心率数据;处理设备,将所述时域心率数据转换为频域心率数据,并对所述频域心率数据进行频谱分析和计算,获得心率变异性生理参数值,根据所述心率变异性生理参数值,得到对应的生理参数趋势图;输出单元,输出所述心率变异性生理参数值和生理参数趋势图。
上述实施方式,将不易被人体察觉且不受人控制的自主神经功能的生理信号转化成数值和图形的形式,以一段时间内的生理参数值及其趋势图的结合,为评价自主神经功能状态提供较好的客观标准。
附图说明
图1是自主神经功能测试方法实施方式的流程图;
图2是正常心电图波形示意图;
图3是图1所示的将时域心率数据转换为频域心率数据具体实施方式的流程图;
图4是自主神经功能信号处理方法具体实施例中,心率变异性生理参数值的趋势图;
图5是自主神经功能测试***实施方式的示意图;
图6是图5所示的心率数据获取单元的示意图;
图7是图6所示的预处理单元的示意图;
图8是图7所示的预处理单元具体实施例中,第一放大单元的电路图;
图9是图7所示的预处理单元具体实施例中,第二放大单元的电路图;
图10是图7所示的预处理单元具体实施例中,滤波放大电路的电路图;
图11是图6所示的检波整形单元的电路图;
图12是图5所示的时频数据转换单元的示意图;
图13是图5所示的生理参数计算单元的示意图;
图14是自主神经功能测试***的另一种实施方式的示意图。
具体实施方式
参考图1,自主神经功能信号处理方法的实施方式包括:步骤T1,对采集到的生理电信号进行处理,获得预定时间间隔内的时域心率数据;步骤T2,将所述时域心率数据转换为频域心率数据;步骤T3,对所述频域心率数据进行频谱分析和计算,获得心率变异性生理参数值;步骤T4,生成与所述心率变异性生理参数值对应的生理参数趋势图。
心率变异性是反映心脏对外部或内部刺激进行自我调节能力的指标。由于受到外界或者内部刺激的影响,心脏每次跳动之间的间期都有微小的差异,从而对这些刺激进行回应。每次心跳之间的间期变化范围就是心率变异性。正常情况下,健康人心跳间期的变化是由于交感神经和副交感神经随呼吸等因素而发生改变所引起的。一般来说,心率变异性越高,表明心脏能越快地适应外部或内部的影响,交感和副交感神经***之间有良好的相互作用;心率变异性低则表示机体的适应能力差。因此心率变异性可以作为反映自主神经***功能的间接生理学指标。
心率变异性生理参数值可以通过对生理电信号的处理得到,所述生理电信号可以通过多种方式采集得到。
基于对生理电信号的采集和后续处理,可以得到由许多单一频率组成的频域心率数据,通过对这些频率的频谱进行分析,研究人员发现总频率功率(TP,Total frequency Power)、高频功率(HF,High Frequency Power)、低频功率(LF,Low Frequency Power)、极低频功率(VLF,Very Low Frequency Power)以及低频功率和高频功率的比值(LF/HF)等参数可作为心率变异性生理参数。其中,低频功率LF主要由心交感神经所支配,因此可以作为心交感传出活动水平的指标;而高频功率代表起源于迷走神经(副交感神经)的心率波动指标,因此高频功率的大小也可被作为观测心迷走神经传出活动的指标,LF/HF可用于衡量交感神经与副交感神经的均衡性。
在一种实施方式中,对采集到的生理电信号进行处理,获得预定时间间隔内的时域心率数据的过程可以包括步骤:对检测到的生理电信号的放大、滤波、QRS波群检测及整形、模数转换以及心率数据的计算。
生理信号一般可分为两类,一类是电信号以及电活动衍生的信号,例如心电信号和心磁信号等,可称之为生理电信号;另一类是非电信号,包括体温、血压、呼吸、心音、肌肉的收缩、二氧化碳分压、氧分压、PH值等。
心脏可视为人体内的电源,在每个心动周期中,起搏点、心房、心室相继兴奋。心脏周围具有导电性的组织和体液将无数心肌细胞电位变化的总和传导并反映到体表。人体体表分布的各点中,有些点之间的电位相等,有些点之间则存在着电位差。在一个实施例中,对生理电信号的检测过程可以包括:通过电极等传感器测量体表上非等电位的点之间的电位差,将其记录下来,作为可供后续分析处理的生理电信号。
在其他的实施例中,也可以通过非接触式的SQUIT***将心磁信号等转化成电信号,将其记录下来,作为可供后续分析处理的生理电信号。
所述放大,是指将检测到的生理电信号进行放大,使其与躯干信号等其它干扰信号区分开,提供幅度足够大的可供分析记录的信号数据,并且限制电流流入人体。
所述滤波,是指将放大的生理电信号进行过滤,保留一定频率范围的信号,其中包括高频滤波和低频滤波。
所述QRS波群检测及整形,是指检测QRS波群,并对检测到的QRS波群进行波形整形,得到R波信号。
心电图中的波形是由统一的英文字母命名的,参考图2,正常的心电图包括P波、PR段、QRS波群、ST段和T波等。其中,P波是指首先出现的位于参考水平线以上的正向波,其起因是心房收缩之前的心房除极时的电位变化;PR段是指P波开始至QRS波群开始的持续时间,也就是心房除极开始至心室除极开始的间隔时间;QRS波群起因于心室收缩之前的心室除极时的电位变化;T波为心室复极时的电位变化;ST段为从QRS波群终末到T波开始之间的线段,此时心室全部处于除极状态,无电位差存在,所以正常时与基线平齐,称为等电位线。在QRS波群中,Q波是指第一个负向波,R波是指第一个正向波,S波是指R波之后的第一个负向波,QS波是指QRS波群中只有负向波。
所述模数转换,是指对得到的R波信号以及所述放大过滤后的生理电信号进行模数转换,将其转换为数字信号。
在计算心率数据的过程中,所述心率数据是指相邻两个R波波峰对应时间之间的间距,即RR间期。对心率数据的计算过程可以包括:根据R波信号模数转换时的采样频率,通过计算获得R波顶点之间的间期。具体可以是根据数据点之间的时间间隔和相邻R波顶点之间的数据点数,将时间间隔乘以数据点数,得到RR间期。
在获得心率数据的基础上,就可以进行后续的处理和分析,以获得心率变异性生理参数值。
需要说明的是,为使得后续的分析处理过程能取得较好的结果,对心率数据存在一定的要求。在实施例中,应获得一定时间间隔内的心率数据。通常,时间间隔可以为15-40分钟。低于15分钟,所采集的心率数据的数量不足;长于40分钟,容易使用户焦急,情绪受到影响,从而影响测试结果。
上述过程中所保存的心率数据为时域信号,将其转换为频域心率数据的过程可以参考图3,包括:
步骤S1,对心率数据进行保存;
在一实施例中,对于心率数据的保存可选择手动保存或者自动保存的方式。
在自动保存的方式下,一旦时间间隔达到第一设定值的整数倍时,自动对心率数据以及心率数据的数量进行保存。其中,第一设定值可为15至40分钟。
在手动保存方式下,当时间间隔达到或超过第二设定值时,对所获得的心率数据以及心率数据的数量进行保存;若未达到第二设定值,则对该时间间隔内的心率数据以及心率数据数量不予记录。其中,第二设定值小于第一设定值。正常情况下,普通人从情绪波动到完全稳定的时间不大于3分钟,第二设定值应略大于从情绪波动到完全稳定的时间周期,以保证记录下至少一次的情绪波动。在具体的实施例中,第二设定值可为3至8分钟。
步骤S2,对所保存心率数据进行分组。
具体地来说,对所保存的心率数据进行分组,使每组心率数据的数量为第三设定值;若最后一组心率数据的数量不足第三设定值,可用值为零的数据补充。其中,第三设定值由第二设定值确定,根据第二设定值的取值确定对应的第三设定值数值。例如,当第二设定值为3分钟时,第三设定值可以为256;第二设定值为4至8分钟时,第三设定值可为256至540之间的任意整数。
分组的步长可为介于零与第三设定值之间的任意整数值。例如,对于保存的3分钟的心率数据,以128为步长进行分组,使每组心率数据数量为256,也就是说,第1个到第256个采集信号为第一组,第129个到第384个采集信号为第二组,以此类推,当最后一组心率数据数量不足第三设定值时,用值为零的数据补充。此处以一定的步长进行分组是为了对后续生理参数趋势图中各生理参数趋势曲线起到滤波平滑的作用。在分组时,若步长越接近于第三设定值,则运算量比较小,但平滑作用较弱;当步长减小时,平滑作用越好,但运算量相对也越大。
步骤S3,计算分组得到的每一组心率数据的平均值。
具体地来说,包括:计算每一组心率数据之和;将所得到的心率数据之和除以该组心率数据的数量,即除以第三设定值。
步骤S4,分别计算每一组中每个心率数据的值与该组心率数据平均值的差值。
步骤S5,根据所述差值,获得频域心率数据。
在一种具体的实施方式中,频域心率数据可以通过以下步骤获得:采用窗函数对所得到的差值进行数据截断,获得待分析的时域数据;根据待分析的时域数据,得到对应的频域数据。
其中,进行数据截断的原因在于:由于不可能对无限长的信号进行测量和运算,因此从信号中截取一个时间片段,然后用观察的信号时间片段进行周期延拓处理,得到虚拟的无限长的信号,在此基础上再对信号进行相关分析处理。
所述窗函数可以包含海明窗、汉宁窗、布莱德曼窗、高斯窗等。
在一实施例中,使用海明窗对差值进行处理。海明窗的第一旁瓣衰减为-42dB,其频谱由3个矩形时窗的频谱合成,其加权系数能使旁瓣达到更小。所用海明窗的时间函数表达式为:
其窗谱为:
其中T为海明窗时间周期,其长度需覆盖每组中的所有心率数据,在具体实施例中可为所述第三设定值。
在此基础上,待分析的时域数据到频域数据的转换可以通过快速傅立叶变换(FFT)的方式来实现。
在另一种具体的实施方式中,频域心率数据的获得可以包括步骤:通过自回归(AR)算法将所得到的差值进行转换。所采用的AR算法为常规方法,在此不再赘述。
在其他的实施方式中,也可以直接对所保存的时域心率数据进行变换,将其转换为频域心率数据。
获得频域心率数据后,就可在此基础上进行心率变异性生理参数值的计算。所述生理参数包括LFnorm(低频功率标化值)、HFnorm(高频功率标化值)、LF/HF(低频功率/高频功率)等。
心率变异性生理参数值的计算可以包括步骤:计算频率间隔;根据计算得到的频率间隔,计算频率功率;根据计算得到的频率功率,计算频率功率标化值以及频率功率比值。
所述频率间隔为每组心率数据中,每个心率数据对应的频域数据之间的频率间隔。在实施例中,可以通过每组心率数据对应的频域数据均值与该组心率数据数量的乘积的倒数,即每组心率数据对应的频域数据均值与第三设定值的乘积的倒数,获得所述频率间隔。
根据频率间隔,可以计算得到分别对应于心率变异性各频谱段的频率范围内所包含的心率数据的数目,将这些心率数据对应的所有频域数据的功率相加就得到对应的频率功率值。具体地来说,根据心率变异性频谱段的定义,极低频功率VLF为小于0.04Hz的频率的功率,低频功率LF为在0.04Hz至0.15Hz范围内频率的功率,高频功率HF为在0.15Hz至0.4Hz范围内频率的功率。因此,所述根据频率间隔,计算频率功率,包括:计算总频率功率TP、计算LF、计算HF以及计算VLF。其中,计算TP是指计算一定频率范围内,具体地来说,可以是指0.4Hz范围内,心率数据对应的所有频域数据的功率总和,即将与心率数据对应的每个频域数据的功率相加,获得总频率功率TP;计算LF可以是指计算在0.04Hz至0.15Hz范围内心率数据对应的所有频域数据的功率之和;计算HF可以是指计算在0.15Hz至0.4Hz范围内心率数据对应的所有频域数据的功率之和;计算VLF可以是指计算在0.04Hz范围内心率数据对应的频域数据的功率之和。
得到频率功率的值之后,计算频率功率标化值的过程,具体可以包括:根据计算频率功率所得到的LF、HF以及TP计算LFnorm、HFnorm和LF/HF。计算LF/HF是指计算LF和HF的比值。在一个实施例中,计算LFnorm、HFnorm的过程包括:将与LFnorm、HFnorm所对应的LF、HF的值除以总功率与VLF的差值,再将结果乘以100,得到低频/高频功率标化值。
参考图4,在得到生理参数值LFnorm、HFnorm以及LF/HF的基础上,可以进一步得到对应的趋势图。具体地来说,当LFnorm的值在50-58nU范围内时为正常,即LFnorm参数趋势图中的B区;HFnorm的值在26-32nU范围内时为正常,即HFnorm参数趋势图中的B区;LF/HF的值在1.5~2.范围内时为正常,即LF/HF参数趋势图中的B区。高于正常值的LFnorm值和LF/HF值、以及低于正常值的HFnorm值为交感神经主导区,即参数趋势图中的A区;低于正常值的LFnorm值和LF/HF值、以及高于正常值的HFnorm值为副交感神经主导区,即参数趋势图中的C区。
在应用中,借助于所得到的生理参数值,并且结合所得到的生理参数趋势图,可以更直观地显示被测试者现有的自主神经功能情况,从而有利于对病情作出更加准确的诊断。
参考图5,自主神经功能测试***的实施方式,包括:心率数据获取单元D1,对采集到的生理电信号进行处理,获得预定时间间隔内的时域心率数据;自主神经功能信号处理装置51,对所述时域心率数据进行处理和分析,以获得心率变异性生理参数值及其对应的生理参数趋势图。
其中,参考图5,自主神经功能信号处理装置51包括:时频数据转换单元D2,将所述时域心率数据转换为频域心率数据;生理参数计算单元D3,对所述频域心率数据进行频谱分析和计算,获得心率变异性生理参数值;图形化单元D4,根据所述心率变异性生理参数值,得到对应的生理参数趋势图。
参考图6,在自主神经功能性测试***的一种具体实施方式中,心率数据获取单元D1对生理电信号检测单元M1a提供的生理电信号进行处理,以获得心率数据,包括:预处理单元M1b、检波整形单元M1c、模数转换单元M1d以及心率数据计算单元M1e。
其中,生理电信号检测单元M1a检测人体的生理电信号,在一种具体的实施例中,包括与人体相连,检测心电信号的电极;在另一种具体的实施例中,包括可以将人体的心磁信号转化为电信号的SQUIT***。
预处理单元M1b将所述生理电信号进行放大和过滤。在一实施例中,所述预处理单元M1b满足如下技术指标:放大倍数不小于1000;频响为0.05~100Hz;输入阻抗不小于3MΩ;共模抑制比不小于100dB;本机噪声不大于3μVpp。
在一实施例中,参考图7,预处理单元M1b包含第一放大单元711、第二放大单元712和滤波放大单元713。其中,第一放大单元711和第二放大单元712将输入至预处理单元M1b的生理电信号进行放大,滤波放大单元713对放大的生理电信号进行过滤。
在具体的实施例中,参考图8,第一放大单元711可以包括五个运算放大器801、802、803、804和805,起到区分生理电信号与躯干信号等其它干扰信号,提供高输入阻抗,限制电流流入人体的作用。其中,信号A和A’为所接收的生理电信号,信号B和B’为输出的一级放大信号,信号B1为抑制信号,反馈输入给用户,限制电流流入人体。
参考图9,第二放大单元712将生理电信号进一步放大,以便于后续记录分析,包括放大器901,其相当于三个运算放大器的等效电路,可以适应比较广的频域范围,其中,信号B和B’为所接收的一级放大信号,信号C为输出的二级放大信号。
参考图10,滤波放大单元713进行的过滤包括0.05Hz以下的低频滤波以及100Hz以上的高频滤波,可包括由运算放大器902构成的滤波放大电路,其中信号C为接收的二级放大信号,信号D为输出的过滤信号。
一个正常的心电波形包括P波、QSR波群以及T波,这些波按照窦房结产生的兴奋脉冲周期性重复。其中,R波相较于其他波形,具有较高的幅值,同时T波、P波、基线漂移等频带都在QRS波群频带的底端以外。因此可以通过检测并分离出QRS波群。在上述实施例中,通过所述检波整形单元M1c检测QRS波群,并对得到的QRS波形进行整形,可以获得较为明显的R波。
参考图11,检波整形单元M1c包括检波单元903以及滤波单元904;检波单元903接收经预处理单元M1b输出的生理电信号,获得R波信号;滤波单元904对所述获得的R波信号进行去噪,并突出R波。其中,所述检波单元903包括微分电路9031和全波检波电路9032:所述全波检波电路9032包括运算放大器1102和1103、二极管D5和D6以及反馈电阻R19、R20、R21、R22、R23、R24和R25;所述滤波单元904可以包括二阶低通滤波器。经预处理单元M1b放大过滤后的生理电信号,即信号D,经微分电路9031和全波检波电路9032整流之后,得到波形为单向多峰脉冲波形的信号,再经滤波单元904低通滤波,对波形进行平滑处理,凸现R波波峰位置的形态波形,即R波信号。
模数转换单元M1d接收所述R波信号以及所述放大过滤后的生理电信号,进行模数转换,获得数字信号。
心率数据计算单元M1e接收所述数字信号,进行计算,获得RR间期,即心率数据。在一个实施例中,其具体工作过程可包括:接收所述模数转换单元M1d提供的数字信号,获得R波波峰位置对应的数字信号,根据该数字信号以及根据模数转换时的采样频率,获得相邻RR间数据点数,将所述数据点数与时间间隔相乘,得到RR间期。
参考图12,在一种实施方式中,时频数据转换单元D2包括:数据记录单元M2,对所述心率数据及心率数据数量进行保存;数据分组单元M3,对所保存的心率数据进行分组;均值单元M4,计算分组得到的每一组心率数据的平均值;差值计算单元M5,计算每一组中每个心率数据的值与该组心率数据平均值的差值;频域数据计算单元M6,根据所述差值,获得频域心率数据。
数据记录单元M2,包括保存方式选择单元M2a和存储单元M2b。其中,保存方式包括自动保存或者手动保存的方式,存储单元M2b可以存储时间间隔、心率数据和心率数据数量。
在一种实施例中,具体地来说,在自动保存的方式下,当时间间隔达到第一设定值的整数倍时,自动将心率数据和心率数据数量保存至存储单元。在具体的实施例中,第一设定值可为15至40分钟。在手动保存方式下,当时间间隔达到第二设定值时,分别将心率数据和心率数据数量保存至存储单元;若未达到第二设定值,则对该时间间隔内的心率数据以及心率数据数量都不作记录;其中,第二设定值小于第一设定值。正常情况下,普通人从情绪波动到完全稳定的时间不大于3分钟,第二设定值应略大于从情绪波动到完全稳定的时间周期,以保证记录下至少一次的情绪波动。在具体的实施例中,第二设定值可为3至8分钟。
数据分组单元M3,具体地来说,对所保存的心率数据进行分组,使每组心率数据的数量为第三设定值;若最后一组心率数据的数量不足第三设定值,可用值为零的数据补充。其中,第三设定值由第二设定值确定,根据第二设定值的取值确定对应的第三设定值数值;例如,当第二设定值为3分钟时,第三设定值为256;第二设定值为4至8分钟时,第三设定值可为256至540之间的任意整数。
均值单元M4,计算所得到的每一组心率数据的平均值。其工作过程具体可以包括:计算每一组心率数据之和,将所述心率数据之和除以该组对应的心率数据的数量,即除以第三设定值。
差值计算单元M5,计算每一组中每个心率数据的值与所述平均值的差值。
频域数据计算单元M6,根据所述差值,获得频域心率数据。其工作过程具体可以包括:产生窗函数,对所述差值进行数据截断,得到时域数据;实现FFT,将所述时域数据转换成对应的频域数据。
参考图13,在一种实施方式中,生理参数计算单元D3包括频率间隔计算单元M8a、频率功率计算单元M8b以及标化值计算单元M8c。
其中,频率间隔计算单元M8a计算根据所述频域心率数据的均值与该组心率数据数量的乘积的倒数,得到频率间隔。
频率功率计算单元M8b接收所述频率间隔,计算分别对应于心率变异性各频谱段的频率范围内所包含的心率数据的数目,将这些心率数据对应的所有频域数据的功率相加,从而得到对应的频率功率值。其工作过程具体可以包括:计算0.4Hz范围内心率数据对应的频域数据的功率之和,得到总频率功率;计算0.04Hz至0.15Hz范围内每个心率数据对应的频域数据的功率之和,得到低频功率;计算0.15Hz至0.4Hz范围内每个心率数据对应的频域数据的功率之和,得到高频功率;计算0.04Hz范围以内每个心率数据对应的频域数据的功率之和,得到极低频功率。
标化值计算单元M8c根据所述总频率功率、高频功率、低频功率以及极低频功率,计算高频功率标化值HFnorm、低频功率标化值LFnorm和高低频功率比值LF/HF。
图形化单元D4,在一个实施例中,其工作过程具体可以包括:将所得到的生理参数LF、HF、VLF、TP、LFnorm、HFnorm以及LF/HF转化为图形形式,并将所述图形显示出来。参考图4,可将在50-58nU范围内的LFnorm的值、在26-32nU范围内的HFnorm的值以及在1.5~2范围内的LF/HF的值定为正常范围,即参数趋势图中的B区;高于正常值的LFnorm值和LF/HF值、以及低于正常值的HFnorm值为交感神经主导区,即参数趋势图中的A区;低于正常值的LFnorm值和LF/HF值、以及高于正常值的HFnorm值为副交感神经主导区,即参数趋势图中的C区。
参照图14,自主神经功能测试***的另一种实施方式包括:
心率数据获取单元E1,对采集到的生理电信号进行处理,获得预定时间间隔内的时域心率数据;
处理设备E2,将所述时域心率数据转换为频域心率数据,并对所述频域心率数据进行频谱分析和计算,获得心率变异性生理参数值,根据所述心率变异性生理参数值,得到对应的生理参数趋势图;
在具体实现时,处理设备E2可以是具有数据处理能力的各类电子设备,例如计算机、服务器、单片机或者微控制器等。可包括存储器,对时域心率数据、频域心率数据以及各中间数据进行保存。
输出单元E3,输出所述心率变异性生理参数值和生理参数趋势图。
在具体实现时,输出单元E3可以通过图像的形式实现自主神经功能测试结果的输出。在一个实施例中,输出单元E3可包括打印机或显示器。
心率数据获取单元E1的具体实现可以参考前述实施例的描述,此不赘述。
上述实施方式也可以通过下述方式实现:将所述步骤,包括对心率数据进行保存、对所保存的心率数据进行分组、计算经分组得到的每一组心率数据的平均值、分别计算每一组中每个心率数据的值与所述改组心率数据平均值的差值、根据所述差值获得频域心率数据、对所述频域心率数据进行频谱分析和计算获得心率变异性生理参数值、生成与所述心率变异性生理参数值对应的生理参数趋势图,以可执行程序代码进行描述,将存储有上述可执行程序代码的存储介质直接或者间接地提供给***或设备,并且该***或设备中的计算机或者中央处理单元(CPU)读出并执行上述程序代码。
此时,只要该***或者设备具有执行程序的功能,则实施方式不局限于程序,并且该程序也可以是任意的形式,例如,目标程序、解释器执行的程序或者提供给操作***的脚本程序等。
上述这些机器可读存储介质包括但不限于:各种存储器和存储单元,半导体设备,磁盘单元例如光、磁和磁光盘,以及其它适于存储信息的介质等。另外,客户计算机通过连接到因特网上的相应网站,并且将计算机程序代码下载和安装到计算机中然后执行该程序,也可以实现上述过程。
Claims (19)
1.一种自主神经功能信号处理方法,包括:
对采集到的生理电信号进行处理,获得预定时间间隔内的时域心率数据;
将所述时域心率数据转换为频域心率数据;
对所述频域心率数据进行频谱分析和计算,获得心率变异性生理参数值;
生成与所述心率变异性生理参数值对应的生理参数趋势图。
2.如权利要求1所述的处理方法,其中,所述对采集到的生理电信号进行处理,获得预定时间间隔内的时域心率数据,包括:
对所述生理电信号进行放大、滤波;
检测所述生理电信号中的QRS波群,对所获得的QRS波群进行波形整形,提取R波信号;
将所述生理电信号,以及所述R波信号进行模数转换,得到数字信号;
根据所述数字信号,计算时域心率数据。
3.如权利要求2所述的处理方法,其中,所述预定时间间隔为15-40分钟。
4.如权利要求1所述的处理方法,其中,所述将所述时域心率数据转换为频域心率数据,包括:
对所述心率数据进行分组;
计算分组得到的每一组心率数据的平均值;
分别计算每一组中每个心率数据的值与该组心率数据平均值的差值;
根据所述差值,获得频域心率数据。
5.如权利要求4所述的处理方法,其中,所述对心率数据进行分组的过程中,每组包含数量为第三设定值的心率数据;若最后一组心率数据的数量不足第三设定值时,用值为零的数据进行补充,使心率数据数量达到第三设定值。
6.如权利要求5所述的处理方法,其中,所述对心率数据进行分组的过程中,分组的步长小于第三设定值。
7.如权利要求1所述的处理方法,其中,所述对所述频域心率数据进行频谱分析和计算,获得心率变异性生理参数值,包括:
计算频域心率数据之间的频率间隔;
根据所述频率间隔,分别计算心率变异性各生理参数值所在频谱段的频率功率;
根据所述频率功率,计算频率功率标化值以及频率功率比值。
8.如权利要求7所述的处理方法,其中,所述心率变异性各生理参数值所在频谱段的频率功率,包括总频率功率、高频功率、低频功率以及极低频功率的值。
9.一种自主神经功能信息处理装置,包括:
时频数据转换单元,将所述时域心率数据转换为频域心率数据;
生理参数计算单元,对所述频域心率数据进行频谱分析和计算,获得心率变异性生理参数值;
图形化单元,根据所述心率变异性生理参数值,得到对应的生理参数趋势图。
10.如权利要求9所述的信息处理装置,其中,所述时频数据转换单元,包括:数据分组单元,对所述心率数据进行分组;
均值单元,计算分组得到的每一组心率数据的平均值
差值计算单元,计算每一组中每个心率数据的值与所述平均值的差值;
频域数据计算单元,根据所述差值,获得频域心率数据。
11.如权利要求9所述的信息处理装置,其中,所述生理参数计算单元包括:
频率间隔计算单元,计算频域心率数据的频率间隔;
频率功率计算单元,根据所述频率间隔,分别计算心率变异性各生理参数值所在频谱段的频率功率;
标化值计算单元,计算高频功率标化值、低频功率标化值和高低频功率比值。
12.一种自主神经功能测试***,包括:
心率数据获取单元,对采集到的生理电信号进行处理,获得预定时间间隔内的时域心率数据;
时频数据转换单元,将所述时域心率数据转换为频域心率数据;
生理参数计算单元,对所述频域心率数据进行频谱分析和计算,获得心率变异性生理参数值;
图形化单元,根据所述心率变异性生理参数值,得到对应的生理参数趋势图。
13.如权利要求12所述的测试***,其中,所述心率数据获取单元包括:
预处理单元,对所述生理电信号进行放大和过滤;
检波整形单元,检测所述放大过滤后的生理电信号中的QRS波群,对QRS波群进行整形,获得R波信号;
模数转换单元,将所述R波信号以及所述放大过滤后的生理电信号,进行模数转换,获得数字信号;
心率数据计算单元,基于所述数字信号进行计算,获得心率数据。
14.如权利要求13所述的测试***,其中,所述预处理单元包括至少一放大单元和滤波单元。
15.如权利要求13所述的测试***,其中,所述检波整形单元包括至少检波单元和滤波单元。
16.如权利要求15所述的测试***,其中,所述检波单元包括微分电路和全波检波电路。
17.如权利要求12所述的测试***,其中,所述时频数据转换单元,包括:数据分组单元,对所述心率数据进行分组;
均值单元,计算分组得到的每一组心率数据的平均值
差值计算单元,计算每一组中每个心率数据的值与所述平均值的差值;
频域数据计算单元,根据所述差值,获得频域心率数据。
18.如权利要求12所述的测试***,其中,所述生理参数计算单元包括:
频率间隔计算单元,计算频域心率数据的频率间隔;
频率功率计算单元,根据所述频率间隔,分别计算心率变异性各生理参数值所在频谱段的频率功率;
标化值计算单元,计算高频功率标化值、低频功率标化值和高低频功率比值。
19.一种自主神经功能测试***,包括:
心率数据获取单元,对采集到的生理电信号进行处理,获得预定时间间隔内的时域心率数据;
处理设备,将所述时域心率数据转换为频域心率数据,并对所述频域心率数据进行频谱分析和计算,获得心率变异性生理参数值;根据所述心率变异性生理参数值,得到对应的生理参数趋势图;
输出单元,输出所述心率变异性生理参数值和生理参数趋势图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100413757A CN101642368B (zh) | 2008-08-04 | 2008-08-04 | 自主神经功能信号的处理方法、装置和测试*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100413757A CN101642368B (zh) | 2008-08-04 | 2008-08-04 | 自主神经功能信号的处理方法、装置和测试*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101642368A true CN101642368A (zh) | 2010-02-10 |
CN101642368B CN101642368B (zh) | 2011-10-12 |
Family
ID=41654539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008100413757A Expired - Fee Related CN101642368B (zh) | 2008-08-04 | 2008-08-04 | 自主神经功能信号的处理方法、装置和测试*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101642368B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102217931A (zh) * | 2011-06-09 | 2011-10-19 | 李红锦 | 一种心率变异性特征参数的获取方法和装置 |
CN102240225A (zh) * | 2011-06-30 | 2011-11-16 | 河南华南医电科技有限公司 | 多通道差分预处理*** |
US8155733B2 (en) | 2009-05-15 | 2012-04-10 | Nanjing University | Lie detection method and system |
CN102885621A (zh) * | 2012-10-19 | 2013-01-23 | 深圳市邦健电子有限公司 | 应用于r波检测的信号处理方法、电路及除颤器 |
CN103315728A (zh) * | 2012-03-20 | 2013-09-25 | 幻音科技(深圳)有限公司 | 心率检测和显示方法及其装置 |
CN103815896A (zh) * | 2014-01-22 | 2014-05-28 | 东软熙康健康科技有限公司 | 一种精神疲劳监测方法、装置、***及移动处理终端 |
CN104840186A (zh) * | 2015-05-07 | 2015-08-19 | 中山大学 | 一种充血性心力衰竭患者自主神经功能的评估方法 |
CN105147248A (zh) * | 2015-07-30 | 2015-12-16 | 华南理工大学 | 基于生理信息的抑郁症评估***及其评估方法 |
CN105455797A (zh) * | 2014-08-19 | 2016-04-06 | 吴健康 | 自主神经心脏调控功能测量方法和设备 |
CN105982660A (zh) * | 2014-12-11 | 2016-10-05 | 邹朝圣 | 心电感测*** |
CN106419937A (zh) * | 2016-09-12 | 2017-02-22 | 南京邮电大学 | 基于心音hrv理论的精神压力分析*** |
TWI576088B (zh) * | 2015-12-14 | 2017-04-01 | 國立臺北科技大學 | 穿戴式裝置之生理參數監測方法 |
CN108471942A (zh) * | 2015-09-30 | 2018-08-31 | 心测实验室公司 | 定量心脏测试 |
WO2019057047A1 (zh) * | 2017-09-19 | 2019-03-28 | 深圳星康医疗科技有限公司 | 心电波形图显示方法和装置 |
CN110141205A (zh) * | 2019-05-27 | 2019-08-20 | 深圳市是源医学科技有限公司 | 基于hrv技术的抗压数据、疲劳数据的测试方法和装置 |
CN111212602A (zh) * | 2017-10-19 | 2020-05-29 | 东洋纺株式会社 | 生理信息显示***和训练方法 |
CN112842312A (zh) * | 2021-02-01 | 2021-05-28 | 上海交通大学 | 心率传感器及其自适应心跳锁环***和方法 |
CN115105042A (zh) * | 2022-06-22 | 2022-09-27 | 中国人民解放军空军特色医学中心 | 自主神经***稳定性的评估方法、评估***以及评估设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1527235A (zh) * | 2003-09-22 | 2004-09-08 | �Ϻ���ͨ��ѧ | 获得自主神经功能信号的方法 |
-
2008
- 2008-08-04 CN CN2008100413757A patent/CN101642368B/zh not_active Expired - Fee Related
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8155733B2 (en) | 2009-05-15 | 2012-04-10 | Nanjing University | Lie detection method and system |
US8543196B2 (en) | 2009-05-15 | 2013-09-24 | Nanjing University | Lie detection based on heart rate variability |
CN102217931A (zh) * | 2011-06-09 | 2011-10-19 | 李红锦 | 一种心率变异性特征参数的获取方法和装置 |
CN102240225A (zh) * | 2011-06-30 | 2011-11-16 | 河南华南医电科技有限公司 | 多通道差分预处理*** |
CN103315728A (zh) * | 2012-03-20 | 2013-09-25 | 幻音科技(深圳)有限公司 | 心率检测和显示方法及其装置 |
CN102885621A (zh) * | 2012-10-19 | 2013-01-23 | 深圳市邦健电子有限公司 | 应用于r波检测的信号处理方法、电路及除颤器 |
CN102885621B (zh) * | 2012-10-19 | 2015-04-22 | 深圳邦健生物医疗设备股份有限公司 | 应用于r波检测的信号处理方法、电路及除颤器 |
CN103815896B (zh) * | 2014-01-22 | 2016-04-27 | 东软熙康健康科技有限公司 | 一种精神疲劳监测方法、装置、***及移动处理终端 |
CN103815896A (zh) * | 2014-01-22 | 2014-05-28 | 东软熙康健康科技有限公司 | 一种精神疲劳监测方法、装置、***及移动处理终端 |
CN105455797B (zh) * | 2014-08-19 | 2020-01-07 | 南京茂森电子技术有限公司 | 自主神经心脏调控功能测量方法和设备 |
CN105455797A (zh) * | 2014-08-19 | 2016-04-06 | 吴健康 | 自主神经心脏调控功能测量方法和设备 |
CN105982660A (zh) * | 2014-12-11 | 2016-10-05 | 邹朝圣 | 心电感测*** |
CN104840186A (zh) * | 2015-05-07 | 2015-08-19 | 中山大学 | 一种充血性心力衰竭患者自主神经功能的评估方法 |
WO2017016086A1 (zh) * | 2015-07-30 | 2017-02-02 | 华南理工大学 | 基于生理信息的抑郁症评估***及其评估方法 |
CN105147248A (zh) * | 2015-07-30 | 2015-12-16 | 华南理工大学 | 基于生理信息的抑郁症评估***及其评估方法 |
US11445968B2 (en) | 2015-09-30 | 2022-09-20 | Heart Test Laboratories, Inc. | Quantitative heart testing |
CN108471942A (zh) * | 2015-09-30 | 2018-08-31 | 心测实验室公司 | 定量心脏测试 |
TWI576088B (zh) * | 2015-12-14 | 2017-04-01 | 國立臺北科技大學 | 穿戴式裝置之生理參數監測方法 |
CN106419937A (zh) * | 2016-09-12 | 2017-02-22 | 南京邮电大学 | 基于心音hrv理论的精神压力分析*** |
WO2019057047A1 (zh) * | 2017-09-19 | 2019-03-28 | 深圳星康医疗科技有限公司 | 心电波形图显示方法和装置 |
CN111212602A (zh) * | 2017-10-19 | 2020-05-29 | 东洋纺株式会社 | 生理信息显示***和训练方法 |
CN110141205A (zh) * | 2019-05-27 | 2019-08-20 | 深圳市是源医学科技有限公司 | 基于hrv技术的抗压数据、疲劳数据的测试方法和装置 |
CN110141205B (zh) * | 2019-05-27 | 2022-03-11 | 深圳市是源医学科技有限公司 | 基于hrv技术的抗压数据、疲劳数据的测试方法和装置 |
CN112842312B (zh) * | 2021-02-01 | 2022-03-08 | 上海交通大学 | 心率传感器及其自适应心跳锁环***和方法 |
CN112842312A (zh) * | 2021-02-01 | 2021-05-28 | 上海交通大学 | 心率传感器及其自适应心跳锁环***和方法 |
CN115105042A (zh) * | 2022-06-22 | 2022-09-27 | 中国人民解放军空军特色医学中心 | 自主神经***稳定性的评估方法、评估***以及评估设备 |
CN115105042B (zh) * | 2022-06-22 | 2024-01-16 | 中国人民解放军空军特色医学中心 | 自主神经***稳定性的评估方法、评估***以及评估设备 |
Also Published As
Publication number | Publication date |
---|---|
CN101642368B (zh) | 2011-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101642368B (zh) | 自主神经功能信号的处理方法、装置和测试*** | |
CN101642369B (zh) | 自主神经功能生物反馈方法和*** | |
Labate et al. | Empirical mode decomposition vs. wavelet decomposition for the extraction of respiratory signal from single-channel ECG: A comparison | |
CN110236573B (zh) | 心理压力状态的检测方法及相关装置 | |
Petrenas et al. | An echo state neural network for QRST cancellation during atrial fibrillation | |
US10973465B2 (en) | Pacing signal processing method, system and electrocardiogram monitor | |
US20110201951A1 (en) | System for cardiac arrhythmia detection and characterization | |
CN101822863A (zh) | 情绪调节装置和方法 | |
Jang et al. | A real-time pulse peak detection algorithm for the photoplethysmogram | |
Maji et al. | Empirical mode decomposition vs. variational mode decomposition on ECG signal processing: A comparative study | |
JP5283381B2 (ja) | 心調律信号のシリーズ(rr)を処理するための方法、及び心調律の変動性を分析するための、特に生物の痛み又はストレスを評価するためのその使用 | |
US11406304B2 (en) | Systems and methods for physiological sign analysis | |
Tobon et al. | Spectro-temporal electrocardiogram analysis for noise-robust heart rate and heart rate variability measurement | |
CN107894965A (zh) | 一种用于两组不同类型信号的耦合处理方法 | |
CN107233092A (zh) | 一种用于心脏生理电信号的处理方法 | |
US10779769B2 (en) | Method and system for evaluating a noise level of a biosignal | |
JP7175052B2 (ja) | 体内組織の特徴情報を検出するための非侵襲的方法及びそのシステム | |
CN108784683B (zh) | 包括用于特征检测的滤波器的ecg机器 | |
Hegde et al. | A review on ECG signal processing and HRV analysis | |
Jegan et al. | Low cost and improved performance measures on filtering techniques for ECG signal processing and TCP/IP based monitoring using LabVIEW | |
Postolache et al. | New insight into arrhythmia onset using HRV and BPV analysis | |
Crispi | Improving ventricular late potentials detection effectiveness | |
Malik et al. | Detection of heart conditions using HRV processor in Matlab simulink | |
de Meireles | ECG denoising based on adaptive signal processing technique | |
US20200229756A1 (en) | System and method for diagnosing sleep disorders |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111012 Termination date: 20190804 |