CN102753095A - 用于确定呼吸信号的方法和设备 - Google Patents
用于确定呼吸信号的方法和设备 Download PDFInfo
- Publication number
- CN102753095A CN102753095A CN2011800090089A CN201180009008A CN102753095A CN 102753095 A CN102753095 A CN 102753095A CN 2011800090089 A CN2011800090089 A CN 2011800090089A CN 201180009008 A CN201180009008 A CN 201180009008A CN 102753095 A CN102753095 A CN 102753095A
- Authority
- CN
- China
- Prior art keywords
- signal
- accelerometer
- respiratory movement
- contribution
- breathing
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- 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
- A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种用于确定受检者(305)的呼吸的方法和设备,其中利用定位于受检者(305)的身体上的单个多轴加速度计(310),生成(101)表示受检者(305)沿不同空间轴的加速度的加速度计信号,根据加速度计信号计算(102)受检者(305)沿不同空间轴的加速度的矢量幅值信号,根据矢量幅值信号识别(103、203)对沿不同空间轴的加速度的非呼吸运动贡献,该非呼吸运动贡献不是由呼吸引起的,并且通过从加速度计信号中的至少一个滤波非呼吸运动贡献来确定(104、204)指示受检者的呼吸的呼吸信号。通过该方式,提供了一种方法,该方法利用单个加速度计(310),以有效率且对患者而言舒适的方式确定受检者(305)的呼吸。
Description
技术领域
本发明涉及一种用于确定呼吸信号的方法和设备。
背景技术
呼吸率已被证实是患者状况恶化的良好指标,并且它在早期预警医院***中,与其他极重要身体迹象结合,扮演至关重要的角色。因此,在医院的重病监护室中尤其需要连续而可靠地监测呼吸信号。在医院的普通病房环境中以及在家庭健康护理应用中,例如在远程医疗和慢性病管理中,存在类似的需求,但对被监测参数的瞬时表示具有较不严格的要求。尽管在用于重症监护患者的床边监测器上能够对呼吸信号(从其提取呼吸率)进行连续监测,但仍然在开发各种便携式传感器***,以允许以最小的不适对普通病房中活动患者的呼吸信号进行不引人注目和长期的测量和监测。
呼吸监测可以依据不同原理:呼吸努力的测量,例如胸廓阻抗体积描记法、加速度计、光体积描记法;或呼吸效应的测量,例如录音、温度感测、二氧化碳感测。在不同于普通病房的应用中已经良好建立了一些传感器来监测呼吸。在重病监护室中例如,胸廓阻抗体积描记法是所选择的方法,而在睡眠研究中,还常常使用感应体积描记法(常被称为呼吸环(respiration band))。在能走动的患者中,例如在普通病房或家庭健康护理中,这些传感器具有局限性。例如,呼吸环被认为是被医务人员和患者十分厌恶的。
基于多轴加速度计的呼吸监测***克服了这一缺点。多轴加速度计是在多个感测轴上测量加速度的装置,并且被用作倾斜计以反映由呼吸引起的腹部或胸部运动。该技术需要可靠的信号处理方法以使能在患者的不同状况和姿势下的可靠监测。
总的来说,运动伪影是在患者监测中熟知的问题,该问题涉及由患者身体活动(例如姿势变化、移动和说话)引起的生理信号的污染以及测量质量的下降。运动伪影问题在普通病房环境中比在重病监护室环境中更加显著,因为普通病房环境中的患者通常具有更易变的活动模式,并且大部分时间是在没有医院员工的监督的情况下被监测的,所以缺少对身体活动的存在的了解。该问题在家庭健康护理环境中监测患者时甚至变得更加严重。
如果在诸如家庭健康护理或普通病房中的患者之类的能走动条件下使用多轴加速度计测量呼吸率,加速度计信号不仅因为人的呼吸而改变,而且加速度计信号还被不希望的运动影响,这些运动不是因为呼吸运动引起的,例如全身运动(例如走路或跑步)以及其他生理运动(例如由于心跳导致的)。这些不希望的运动中的一些可能在呼吸的相同范围(即0.1Hz到2Hz或每分钟6次呼吸到每分钟120次呼吸)内具有频率分量,而不能利用固定频率响应的滤波器来抑制。
US 6997882B1公开了一种用于处理加速度计数据以得到关于受检者的呼吸运动的信息的方法和装置。该方法应用了佩戴在受检者骨盆上的四个单轴加速度计模块的阵列,并且将骨盆前部方面的加速度与骨盆后部方面的加速度分开。该方法的基本前提在于呼吸对骨盆运动的前部方面具有不均衡的影响,可以使用差值技术对此加以利用。具体而言,使用自适应噪声消除算法来实现高信噪比呼吸信号的隔离,该算法采用最小二乘滤波技术。该方法将总计的(水平面的)前部加速度计通道中的净加速度视为表示感兴趣的信号(即由呼吸所致的加速度)加上噪声,而总计的(水平面)后部加速度计信号大体表示噪声,然而,该噪声与复合的前部加速度计信号中的噪声高度相关。该噪声主要是由于横平面中骨盆运动(例如在摇摆、走路和跑步期间)引起的加速度导致。该方法的缺点是其需要必须由受检者佩戴的加速度计模块的阵列。
发明内容
本发明的目的是提供一种利用加速度计以有效率并且(对患者而言)舒适的方式确定呼吸信号方法和设备。
在本发明的第一方面中,一种用于确定受检者呼吸的方法包括如下步骤:
-利用定位于受检者的身体上的单个多轴加速度计来生成指示受检者沿不同空间轴的加速度的加速度计信号,
-根据该加速度计信号来计算受检者沿不同空间轴的加速度的矢量幅值信号,
-根据该矢量幅值信号来识别对沿不同空间轴的加速度的非呼吸运动贡献,该非呼吸运动贡献不是由呼吸引起的,
-通过从该加速度计信号中的至少一个中滤波非呼吸运动贡献来确定指示受检者的呼吸的呼吸信号。
利用根据本发明的该方法,仅利用一个定位在受检者(例如人)身体上的多轴加速度计就确定了该受检者的呼吸。因此,仅通过单个多轴加速度计采集的信号和数据就足以确定受检者的呼吸。不需要外部信号或其他参考传感器(例如参考心跳传感器或第二多轴加速度计)来确定呼吸。以对受检者或患者而言舒适的方式来确定呼吸,因为它仅包含定位于患者身体上的获取表示受检者加速度的加速度信号的一个多轴加速度计。对于静止(即不移动)的多轴加速度计,矢量幅值始终是相同的,而不论传感器取向如何。这表明,传感器自身的取向不会影响矢量幅值。如果由于全身运动(例如行走)导致加速度计的取向改变,然而,这几乎总会伴随加速度中的惯性分量或对加速度的惯性贡献。对于缓慢平稳的运动(例如呼吸),该惯性分量相对于取向变化是小的。另一方面,对于脉冲状的振动(例如心脏脉动),对加速度的惯性贡献比加速度的取向贡献更大。与呼吸相关联的加速度计信号变化主要是由于与重力方向有关的取向变化,并且在小得多的程度上是由于惯性加速度所致,因为呼吸运动(例如胸廓的呼吸运动)是缓慢平稳的运动。很多类型的运动(例如受检者的行走或心跳)对加速度计信号的惯性贡献大于由于呼吸导致的惯性贡献。例如,可以通过胸廓的迅速起伏的短猝发来识别心跳。加速度计信号的矢量幅值提供了一种有效方法来识别对加速度信号的不希望或非呼吸的运动贡献,因为加速度计信号的矢量幅值是惯性加速度分量的表达。然后使用识别的非呼吸的运动贡献(该运动不是由于呼吸引起的受检者身体的运动造成的)从加速度计信号中的至少一个抑制并且滤波该不希望的运动贡献。根据该至少一个被滤波的加速度计信号来确定呼吸信号,该呼吸信号可靠而精确地表示受检者的呼吸,并且其中从加速度计信号滤波对加速度信号的非呼吸且不希望的运动贡献(即不是由呼吸运动引起的运动贡献)。
在根据本发明的方法的实施例中,确定呼吸信号的步骤包括以下步骤:分别从每个加速度计信号中滤波非呼吸的运动贡献,以及根据已滤波的加速度计信号的组合中确定呼吸信号。根据该实施例,所有加速度计信号被滤波并且然后被组合成单个已滤波的加速度计信号,根据该单个已滤波的加速度计信号确定呼吸信号。这提供了呼吸的更精确表达,而不论受检者的身体取向如何,因为在所有方法步骤中都使用了来自不同空间轴的加速度计信号来确定呼吸信号。
在根据本发明的方法的实施例中,识别该非呼吸运动贡献的步骤包括从该矢量幅值信号提取该非呼吸运动贡献的特征频率的步骤。该特征频率提供了能够用于从加速度计信号滤波非呼吸运动贡献的直截了当的参数。该特征频率是作为非呼吸运动的特征的频率,例如,它是非呼吸运动的基频。也可以从矢量幅值信号提取非呼吸运动的基频的高次谐波,并且随后将该高次谐波用于从加速度计信号滤波非呼吸运动。
在根据本发明的方法的实施例中,识别运动贡献的步骤包括从矢量幅值信号提取表示不希望的噪声贡献的噪声参考信号的步骤。噪声参考信号是表示加速度计信号中的非呼吸运动信号分量或对加速度计信号的非呼吸运动信号贡献的信号,并且该噪声参考信号能够有利地被用于加速度计信号的进一步处理,例如以便从加速度计信号滤波非呼吸运动贡献。
在另外的实施例中,利用数字滤波技术从矢量幅值信号提取噪声参考信号。这是提取噪声参考信号的简单而有效的方式。例如,根据矢量幅值信号计算包络以提取噪声参考信号。在另一另外的实施例中,噪声参考信号包括心脏干扰信号。通过该方式,可以从加速度计信号中消除不希望的心脏干扰。在另一另外的实施例中,确定呼吸信号的步骤包括利用噪声参考信号用自适应噪声滤波器对加速度计信号进行滤波的步骤。自适应噪声滤波器提供了一种从加速度计信号滤波非呼吸运动贡献的有效且可靠的方式。在另一另外的实施例中,识别非呼吸运动贡献的步骤还包括从噪声参考信号提取非呼吸运动贡献的特征频率的步骤,并且其中,确定呼吸信号的步骤包括利用自适应陷波滤波器从加速度计信号滤波该特征频率的步骤。这提供了利用特征频率从加速度计信号直截了当地滤波非呼吸运动。可替代地,可以在滤波特征频率的步骤中应用梳状滤波器,在该情况下,也滤波高次谐波。
在根据本发明的方法的实施例中,识别非呼吸运动贡献的步骤包括如下步骤:
-计算矢量幅值信号的功率谱,
-从该功率谱提取非呼吸运动的特征频率,
并且其中确定呼吸信号的步骤包括利用自适应陷波滤波器从加速度计信号滤波该特征频率的步骤。
功率谱表示傅里叶变换后的矢量幅值信号的幅值。因此,该实施例提供了一种简单而可靠的方式来识别加速度计信号中由于受检者身体的非呼吸运动导致的较大惯性分量。
在根据本发明的方法的实施例中,识别该运动贡献的步骤包括如下步骤:
-计算加速度计信号之一与矢量幅值信号的相干谱,
-从该相干谱提取非呼吸运动贡献的特征频率,
并且其中确定呼吸信号的步骤包括利用自适应陷波滤波器从加速度计信号滤波该特征频率的步骤。
该相干谱表明在每个频率处矢量幅值信号与加速度计信号之一对应或匹配得有多好。具有最高相干性的频率分量被认为是非呼吸运动信号,这是因为加速度计信号中由于非呼吸运动导致的惯性贡献与加速度计信号中由于呼吸运动导致的惯性贡献相比更大。
在另外的实施例中,该非呼吸运动贡献的特征频率包括受检者的心跳频率。有利地,通过该方式,根据定位于受检者身体上的一个加速度计的加速度计信号,与受检者的呼吸同时地,确定受检者的心跳频率,即脉搏率。
在另外的实施例中,非呼吸运动贡献的特征频率包括运动受检者的脚步频率。通过该方式,可以根据定位于受检者身体上的一个加速度计的加速度计信号,与受检者的呼吸同时地,确定运动(即行走或跑步)受检者的脚步频率。在一实施例中,除呼吸和脚步频率之外或与呼吸和脚步频率同时地,可以确定受检者的心跳。
在根据本发明的方法的实施例中,该方法还包括从呼吸信号提取受检者的呼吸率的步骤。因为能够获得具有减小的非呼吸运动贡献的呼吸信号,所以提取的呼吸率给出了实际呼吸率的可靠表示。
在根据本发明的方法的实施例中,该方法还包括如下步骤:从矢量幅值信号滤波频率范围的步骤,在识别非呼吸运动贡献的步骤中使用滤波后的矢量幅值信号。通过预先滤波矢量幅值信号,实现了一种确定呼吸信号的更可靠和精确的方法。优选地,该频率范围覆盖受检者呼吸的频率范围。
在本发明的第二方面中,一种用于确定受检者呼吸的呼吸确定设备包括:
-单个多轴加速度计,其被定位于受检者身体上,其中该多轴加速度计被配置为产生表示该受检者沿不同空间轴的加速度的加速度计信号,
-信号处理单元,其被配置为根据该加速度计信号计算该受检者沿不同空间轴的加速度的矢量幅值信号,并且根据该矢量幅值信号识别对沿不同空间轴的加速度的非呼吸运动贡献,
-呼吸信号确定单元,其用于通过从加速度计信号中的至少一个滤波非呼吸运动贡献来确定表示受检者呼吸的呼吸信号。
优选地,呼吸信号确定单元包括自适应噪声滤波器或自适应陷波滤波器。
应当理解,根据本发明的设备的优点类似于根据本发明的方法的优点,根据本发明的设备的其他实施例的额外特征类似于根据本发明的方法的其他实施例的特征。
应当理解,本发明的优选实施例也可以是从属权利要求与各自的独立权利要求的任意组合。
附图说明
根据下文描述的实施例,本发明的这些和其他方面将变得清楚,并参考下文描述的实施例,本发明的这些和其他方面将被阐明。在以下附图中:
图1示意性示出了单轴的加速度计信号、提取的矢量幅值信号、心跳参考信号和呼吸参考信号的曲线图的示例,
图2示意性示出了根据本发明的方法的实施例,
图3示意性示出了根据本发明的实施例的矢量幅值信号、滤波后的矢量幅值信号、滤波后的矢量幅值信号的绝对值以及提取的噪声参考信号的曲线图的示例,
图4示意性示出了根据本发明实施例的单轴的加速度计信号、滤波后的单轴的加速度计信号和呼吸参考信号的曲线图的示例,
图5示意性示出了根据本发明的方法的实施例,
图6示意性示出了根据本发明的实施例的单轴的加速度计信号、滤波后的单轴的加速度计信号和呼吸参考信号的曲线图的是示例,
图7示意性并且示例性示出了根据本发明的实施例的功率谱的示例,
图8示意性并且示例性示出了根据本发明的实施例的相干谱的示例,以及
图9示意性示出了根据本发明的设备的实施例。
具体实施方式
为了监测或确定人的呼吸,尤其是在走动的条件下,将多轴加速度计,尤其是三轴加速度计定位在人的胸部或腹部。用于呼吸监测的多轴加速度计的优选位置在较低的肋骨处,大致在中央和横向位置之间的一半。这个位置提供了加速度计数据中最一致的呼吸诱发的变化。在由于身体体形所致的限制(例如由于手术后的伤口所致的限制)的情况下,其他位置(例如在腹部上)也是可能的。
将多轴加速度计用作倾斜计以反映对象的运动,具体而言,反映呼吸引起的腹部或胸部的运动。通过其上定位了多轴加速度计的对象的表面的倾斜变化来反映运动。多轴加速度计的几个不同空间轴(优选是三个正交轴)记录等于重力矢量在这些轴的每个上的投影的加速度计信号。
为了例示由于呼吸运动和心跳运动导致的加速度计信号的不同特征,图1a示出了定位于人胸廓左侧的多轴加速度计的一个轴的作为时间函数的原始单轴加速度计信号1的示例。加速度计信号1既受呼吸运动的影响又受心跳的影响。能够在加速度计信号1中识别出缓慢波动的信号并且在图1a中由曲线2表示该缓慢波动的信号。该缓慢波动信号是由呼吸造成的胸廓运动引起的,并且与多轴加速度计相对于重力的取向变化相关。由于胸廓的呼吸运动是一种缓慢而平稳的运动,所以呼吸运动引起的多轴加速度计的惯性变化比呼吸运动导致的多轴加速度计的取向变化小得多。除了由于呼吸所致的缓慢波动信号之外,在原始加速度计信号1中还能够观察到快速波动的短猝发。这些快速波动是由心跳导致的胸廓运动所起的,并且比呼吸运动所致的波动具有大得多的惯性分量。在图1b中能够看到加速度计信号中该更大的惯性分量或对加速度计信号的更大的惯性贡献,图1b示出了在本示例中根据来自加速度计全部三个轴的作为时间函数的加速度计信号(包括图1a的单轴的加速度计信号1)计算的矢量幅值信号。该矢量幅值信号仅清楚地示出了由于心脏运动所致的特征迅速波动。在矢量幅值信号中不能区分或辨别由于呼吸造成的缓慢波动运动,该缓慢波动运动主要是由于取向变化导致的,并且具有比心跳运动的惯性分量更小的惯性分量。作为参考,图1c示出了利用ECG测量的作为时间函数的对应心跳信号,并且图1d示出了利用呼吸腹带(respiration belt)测量的作为时间函数的对应呼吸信号。与多轴加速度计的测量同时,并且在与多轴加速计的测量相同的人上测量心跳信号和呼吸信号。图1a中由曲线2表示的缓慢波动信号与图1d中所示的并且利用呼吸腹带同时测量的参考呼吸信号,清楚地具有良好的相关性。此外,图1b的矢量幅值信号示出了与图1c的心跳信号良好的相关性。
尽管加速度计信号中由心跳运动导致的功率的大部分处在正常呼吸频率之外的频率(即10Hz左右),但是在一些情况下,在基本心率频率(大约1Hz)处也有不可忽略的分量。因为该基本心率频率分量在正常呼吸频率范围(该范围介于0.1Hz和2Hz之间或介于每分钟6次呼吸和每分钟120次呼吸之间)之内,所以可能将其错误地归类为由于呼吸导致的信号,而实际上它是由基本心率频率处的心跳运动引起的信号。因为心率和呼吸率都因人而异,而且还作为时间的函数而变化,所以通过使用具有固定频率响应的滤波器不能从加速度计信号消除处在基本心率频率(其处于正常呼吸频率范围之内)的这一不希望的心脏干扰。
图2示意性地示出了根据本发明的用于确定人的呼吸的方法的第一实施例。在步骤101中,利用定位于人的身体上的适当位置(在该示例中为胸廓上)的一个三轴加速度计测量三个加速度计信号。三个测量的加速度计信号包括关于沿三个不同轴(例如三个正交轴)的由呼吸或非呼吸运动造成的胸廓运动或诸如心跳之类的胸廓活动的信息。在步骤102中使用步骤101中测量的原始加速度计信号,在步骤102中,计算三个原始加速度计信号的矢量幅值信号。例如,可以通过取表示三个不同轴的三个加速度计信号的矢量和来计算矢量幅值:
m(t)=√[x(t)2+y(t)2+z(t)2)]
其中m(t)表示在时刻t时加速度计的矢量幅值,并且x(t)、y(t)和z(t)表示在时刻t时分别在加速度计的X轴、Y轴和Z轴测量的加速度。在步骤103中,通过数字滤波技术从步骤102中确定的矢量幅值信号提取噪声参考信号。例如,通过如下方式确定噪声参考信号:计算矢量幅值信号的包络,首先用带通滤波器(例如5Hz和15Hz之间)来滤波矢量幅值信号以消除基线漂移和高频噪声,随后通过计算绝对值或通过取平方来修正矢量幅值信号,并且最后利用低通滤波器(例如具有2Hz的限度)来滤波该绝对值或平方值,以消除生理学上现实的呼吸率的范围之外的高频噪声。噪声参考信号表示不是由呼吸所致的胸廓活动或运动,这是因为惯性分量较小的缓慢波动呼吸信号在矢量幅值信号中的贡献可以忽略,而由于心跳导致的胸廓活动将具有相对大的惯性分量,并且因此具有对矢量幅值信号的相对大的贡献。最后,在步骤104中,在自适应噪声消除器中使用噪声参考信号和至少一个原始加速度计信号以从至少一个原始加速度计信号中滤波主要对应于心跳运动的不希望的噪声,以可靠而更精确的方式获得表示人的呼吸的信号。也可以单独针对三个加速度计信号中的每个,来施加自适应滤波,此后适当组合三个滤波后的加速度计信号,获得呼吸信号。通过该方式,在不具有用于确定心脏干扰的外部参考的情况下,从加速度计信号消除了心脏干扰。也可以使用依赖于例如希尔伯特变换(Hilbert transform)或短时傅里叶变换的计算包络的其他方法。
下一实施例的基本思想是将矢量幅值信号变换成信号,即噪声参考信号,其对应于基本心脏频率的心脏干扰信号,并在自适应噪声消除方案中使用该信号作为噪声参考。图3a-图3d示出了如何使用加速度计信号和矢量幅值信号以通过应用数字滤波技术(在本示例中是通过取矢量幅值信号的包络)来提取噪声参考信号的示例。图3a示出了根据来自三轴加速度计的全部三个轴的加速度计信号计算的作为时间函数的矢量幅值信号的曲线图。图3b示出了图3a的加速度计矢量幅值信号被利用通带介于5Hz和15Hz之间的带通滤波器进行滤波以消除基线漂移和高频噪声后的曲线图。图3c显示了图3b的滤波后的加速度计矢量幅值信号的绝对值的曲线图。或者,也可以应用例如对数据取平方来获得这一结果。图3d显示了示出图3c曲线图的绝对值的低通滤波后的版本的曲线图,其中低通滤波器具有例如2Hz的截止频率。图3d的曲线图表示根据图2的方法从矢量幅值信号提取的噪声参考信号。从图3d清楚看出,也可以以该方式从矢量幅值包络得到心率或心脏频率,并且使用其来利用适当的滤波器选择性地消除基本心脏频率处的心脏干扰。可选地,也可以滤波第一谐波和其他谐波。例如,可以应用自适应陷波滤波器或梳状滤波器。这一自适应滤波方法显著减少了加速度计信号中的心脏干扰。
图4例示了自适应滤波方法的另一示例的结果。图4a显示了已经被利用覆盖正常呼吸频率范围(例如0.1Hz和2Hz之间)的带通滤波器滤波后的作为时间函数的单轴的加速度计信号。图4b例示了被利用自适应噪声滤波器处理之后的单轴的加速度计信号。图4c示出了利用呼吸腹带测量的作为时间函数的对应参考呼吸信号,并且该对应参考呼吸信号是与多轴加速度计的测量同时并在同一人身上测量的。信号的前30秒覆盖了一段时间的呼吸暂停,接着是一段时间的恢复和正常呼吸。通过比较图4a和图4b,在前30秒中观察到,利用自适应噪声滤波方法将呼吸暂停期间的心脏干扰幅度减小了2倍。此外,在正常呼吸期间,加速度计信号波形包含由于心脏干扰所致的更少量的峰。
除了呼吸和心跳之外,加速度计信号还受到其他类型的身体活动影响(例如行走或跑步)。与呼吸相关联的加速度计信号变化主要是由于与重力方向相关的取向变化。其他类型的身体活动(例如行走或跑步)诱发加速度计信号的变化,这种变化不仅归因于取向变化,而且还具有比归因于呼吸运动的惯性分量更大的惯性分量。可以基于加速度计信号的矢量幅值来识别这些惯性分量,并且然后再次用于抑制每个轴的加速度计信号的其他运动,以便获得纯净而可靠的呼吸信号。
图5示意性地示出了根据本发明的用于确定人呼吸的方法的第二实施例。在步骤101中,利用定位于人身体上的适当位置处(在该示例中为胸廓)的一个三轴加速度计测量三个加速度计信号。三个测量的加速度计信号包括由于呼吸所致并且由于在该示例中人沿三个不同轴(例如三个正交轴)的运动所致的胸廓运动的信息。在步骤102中使用步骤101中测量的原始加速度计信号,在该步骤102中,根据三个原始加速度计信号计算矢量幅值信号。例如,可以通过取表示三个不同轴的三个加速度计信号的矢量和来计算矢量幅值。在步骤203中,从步骤102中确定的矢量幅值信号提取特征频率。可选地,在步骤203中,首先利用带通滤波器(例如介于0.1Hz和1Hz之间)来滤波矢量幅值信号,以消除对于特定人而言生理上现实的呼吸范围之外的所有噪声。在步骤203中,例如,通过矢量幅值信号的功率谱或通过矢量幅值信号与一个加速度计信号的相干谱,来提取特征频率。在该示例中,特征频率是人运动的特征的频率,例如是行走或跑步期间的步伐频率。人的运动(即行走或跑步)将对矢量幅值信号具有较大贡献,这是因为行走导致的惯性加速度比呼吸运动导致的惯性加速度更大。因此,对矢量幅值信号进行频率分析(例如通过功率谱或相干谱)将揭示出表示具有最大惯性加速度(其在该情况下是归因于人的行走或跑步)的贡献的主频率。最后,在步骤204中,在适当的滤波器中使用特征频率和原始加速度计信号,以从原始加速度计信号滤波不希望的噪声(在这种情况下主要与行走对应),得到可靠而精确地表示人的呼吸的信号。例如,在步骤204中,应用自适应陷波滤波器或梳状滤波器,其中特征频率以及(可选地)其高次谐波被滤波。可以单独针对三个加速度计信号中的每个来应用自适应滤波,之后适当组合三个滤波后的加速度计信号,获得呼吸信号。以该方式,从加速度计信号消除由于人的身体活动导致的干扰或噪声,而无需用于测量身体运动的外部参考,例如外部加速度计。
图6示出了图5所示的频率滤波方法的示例。图6a显示了行走的人的作为时间函数的单轴加速度计信号,其中已利用覆盖特定人的正常呼吸频率范围(例如0.1Hz和1Hz之间)的带通滤波器来滤波该信号。图6b示出了已经利用自适应陷波滤波器处理之后的单轴加速度计信号。图6c显示了利用呼吸腹带测量的作为时间函数的对应参考呼吸信号,该对应参考呼吸信息化是与多轴加速度计的测量同时并且在同一人身上测量的。图6b中所显示的滤波后的信号中,可以清楚地观察到由于呼吸导致的波动,并且能够通过例如峰值检测算法来容易地确定呼吸率。从图6a可以看出,加速度计信号中的主频率具有大约1.4秒的周期,该周期对应于大约0.72Hz。然而,这些波动不是因为人呼吸的造成的,而是因为人以0.72Hz的跨步频率行走造成的,其中一次跨步由2步构成(每只脚一步),而真实的呼吸率大约为0.18Hz,对应于如从图6c中的呼吸频带能够看出的每分钟大约11次呼吸。与落地的每只脚相关联的加速度具有大的惯性分量。加速度信号中由于人跨步走导致的分量或由于人跨步走导致的对加速度信号的贡献是因为与每一跨步(其对应于两步)相关联的上身的取向变化。因为跨步加速度变化较为平稳地出现,所以与跨步相关联的惯性分量相对较小。因为每一步都与比呼吸更大的惯性加速度相关联,所以可以通过分析矢量幅值信号来得出步频(step frequency)和跨步频率(stride frequency)。一旦根据加速度计矢量幅值识别出基本步频和跨步频率,使用自适应陷波或梳状滤波器从一个或多个原始加速度计信号消除该频率,并最终消除其一次谐波。通过该方式,可以通过可靠方式提取呼吸率,同时确定了运动(例如行走或跑步)的人的步频。
图7示出了根据如图6所示的行走的人的加速度计信号数据来计算的功率谱曲线图的示例。功率谱表示傅里叶变换后的信号幅值,例如平方后的幅值。在图7中,纵轴表示功率除以频率,单位为[dB/Hz],而横轴表示频率,单位为[Hz]。第一功率谱51是根据矢量幅值信号计算的,而第二功率谱52是根据(在该情况下)Z轴加速度计信号的原始数据计算的。从图7可以清楚看出,加速度计矢量幅值的主频率是步频,对应于跨步频率的两倍,这是因为每一步都与较大的惯性加速度相关。将矢量幅值信号的功率谱51的最高峰识别为步频,其在该情况下为波峰62。对于第一功率谱51和第二功率谱52波峰62的高度是相当的,这一事实表明波峰62表示主要部分的惯性加速度。第一波峰61仅在单轴加速度计信号的第二功率谱52上可见,并且该波峰61是第二大的,表示跨步频率(其为步频的一半)。加速度信号中由跨步引起的分量或由跨步引起的对加速度信号的贡献是因为与每一跨步相关联的上身的取向变化。因为由于跨步引起的这些加速度变化发生较为平稳,所以与跨步相关联的惯性分量或贡献较小,尤其是与受检者的每一步引起的惯性分量或贡献相比。因此,与跨步频率相关联的波峰61仅在单个轴的加速度计信号的功率谱52中可见,而在矢量幅值信号的功率谱51中不可见。因为跨步频率正好是步频的一半,所以清楚的是,该频率分量是与在该情况下由行走引起的而非呼吸引起的较大惯性分量相关联。类似地,较高次谐波峰(例如在2.1Hz和2.8Hz处的)与在本示例中由行走导致的较大加速度相关联。2.1Hz处的波峰主要表示取向变化,而2.8Hz的峰主要是由惯性加速度引起。步频处的波峰62的幅值或功率与第一功率谱51的呼吸峰的幅值的差异大约为35dB,该35dB对应于比由呼吸引起的惯性贡献大近似五十倍的由行走引起的运动的惯性贡献。可替代地或同时地,在受检者行走或跑步时使用功率谱提取受检者的心跳频率。通过该方式,可以以可靠方式提取运动的人的呼吸,同时还确定了运动的人的步频和/或心跳频率。
图8示出了根据如图6所示的行走的人的数据和信号来计算的相干谱的示例。在图8中,纵轴表示两个信号之间的相干性,横轴表示频率,单位为[Hz]。相干性是两个信号的归一化交叉谱密度,这得到了介于0和1之间的值,该值表示两个信号对应得任何,或者换言之,是特定频率下两个信号的相似性的度量,其中最高相关性值对应于两个信号之间的最大相似性或匹配。例如,通过使用Welch的平均修正周期图方法来计算相干性。图8示出了曲线图,该曲线图表示加速度计矢量幅值与单个轴的加速度计信号之间的相干谱。从波峰71、72、73和74可以看出,相干性的值在步频率和跨步频率处都高于0.9,而在呼吸频率处,相干性的值低于0.8。如果矢量幅值信号和单轴的加速度计信号之间的相似性在特定频率处是高的,因此显示出高的相干性值,那么在该情况下,在该特定频率处,对单轴的加速度计信号的惯性贡献是较大的。因为矢量幅值信号代表具有相对最大值的惯性贡献,所以高的相干性值对应于并且表示最大的惯性贡献,该最大的惯性贡献在该示例中是由于行走引起的惯性贡献。可以使用类似方法替代地或同时地,通过例如用功率谱和/或相干谱方法从矢量幅值信号提取心跳频率,来滤波由于心跳运动引起的惯性贡献。
图9中示出了根据本发明的用于确定受检者305的呼吸的呼吸确定设备的实施例。呼吸确定设备300包括单个多轴加速度计310,该多轴加速度计310被定位在受检者305的身体上,例如人的胸廓上。多轴加速度计310生成加速度计信号,在本示例中,该加速度计信号指示人的胸廓沿不同空间轴的加速度。信号处理单元320根据加速度计信号计算沿不同空间轴的加速度的矢量幅值信号。此外,信号处理单元320根据矢量幅值信号识别对沿不同空间轴的加速度的非呼吸运动贡献。非呼吸运动贡献例如是由于心跳或由于以行走或跑步形式的人的运动引起的胸廓运动。呼吸信号确定单元330通过从加速度计信号滤波非呼吸运动贡献来确定指示受检者的呼吸的呼吸信号。例如,利用自适应噪声或陷波滤波器或梳状滤波器进行滤波。最后,可以在显示器340上显示呼吸信号。
尽管在上述实施例中,多轴加速度计优选具有三个正交轴,但多轴加速度计也可以具有两个正交轴或超过三个轴。此外,空间轴还可以包括另一个角度,即在另一实施例中,该轴可以是不正交的。
尽管在上述实施例中使用了一个多轴加速度计,但是也可以使用根据本发明的两个或更多个的多轴加速度计,以便能够以更大的精确度确定呼吸信号,每个多轴加速度计都应用根据本发明的方法。
根据本发明的实施例中使用的频率范围和值可以是由用户设定的参数,该设定例如根据要确定呼吸的受检者的类型,例如年龄。
在研究附图、公开和所附权利要求之后,本领域的技术人员在实践请求保护的发明时能够理解和实现所公开实施例的其他变化。
在权利要求中,“包括”一词不排除其他元件或步骤,不定冠词“一个”或“一种”不排除多个或多种。
单个单元或装置可以实现权利要求中列举的几个项的功能。在互不相同的从属权利要求中列举特定手段的简单事实并不表示不能使用这些手段的组合以获得优点。
权利要求中的任何附图标记不应被解释为对范围进行限制。
Claims (15)
1.一种用于确定受检者(305)的呼吸的方法,包括如下步骤:
-利用定位于所述受检者(305)的身体上的单个多轴加速度计(310)生成(101)加速度计信号,所述加速度计信号指示所述受检者(305)沿不同空间轴的加速度,
-根据所述加速度计信号来计算(102)所述受检者(305)沿所述不同空间轴的所述加速度的矢量幅值信号,
-根据所述矢量幅值信号来识别(103、203)对沿所述不同空间轴的所述加速度的非呼吸运动贡献,所述非呼吸运动贡献不是由所述呼吸引起的,
-通过从所述加速度计信号中的至少一个滤波所述非呼吸运动贡献来确定(104、204)指示所述受检者的所述呼吸的呼吸信号。
2.根据权利要求1所述的方法,其中,确定(104、204)所述呼吸信号的步骤包括如下步骤:
-分别地从每个所述加速度计信号滤波所述非呼吸运动贡献,
-根据滤波后的加速度计信号的组合来确定所述呼吸信号。
3.根据权利要求1所述的方法,其中,识别(103、203)所述非呼吸运动贡献的步骤包括从所述矢量幅值信号提取(203)所述非呼吸运动贡献的特征频率的步骤。
4.根据权利要求1所述的方法,其中,识别(103、203)所述非呼吸运动贡献的步骤包括从所述矢量幅值信号提取(103)表示不希望的噪声贡献的噪声参考信号的步骤。
5.根据权利要求4所述的方法,其中,所述噪声参考信号是利用数字滤波技术从所述矢量幅值信号提取的。
6.根据权利要求4所述的呼吸确定设备,其中,所述噪声参考信号包括心脏干扰信号。
7.根据权利要求4所述的方法,其中,确定(104、204)所述呼吸信号的步骤包括利用所述噪声参考信号用自适应噪声滤波器对所述加速度计信号进行滤波的步骤。
8.根据权利要求4所述的方法,其中,识别(103、203)所述非呼吸运动贡献的步骤还包括从所述噪声参考信号提取所述非呼吸运动贡献的特征频率的步骤,并且其中,确定所述呼吸信号的步骤包括利用自适应陷波滤波器从所述加速度计信号滤波所述特征频率的步骤。
9.根据权利要求1所述的方法,其中,识别(103、203)所述非呼吸运动贡献的步骤包括如下步骤:
-计算所述矢量幅值信号的功率谱,
-从所述功率谱提取所述非呼吸运动的特征频率,
并且其中,确定(104、204)所述呼吸信号的步骤包括利用自适应陷波滤波器从所述加速度计信号滤波所述特征频率的步骤。
10.根据权利要求1所述的方法,其中,识别(103、203)所述非呼吸运动贡献的步骤包括如下步骤:
-计算所述加速度计信号之一与所述矢量幅值信号的相干谱,
-从所述相干谱提取所述非呼吸运动贡献的特征频率,
并且其中,确定(104、204)所述呼吸信号的步骤包括利用自适应陷波滤波器从所述加速度计信号滤波所述特征频率的步骤。
11.根据权利要求3或8到10中的任一项所述的方法,其中,所述非呼吸运动贡献的所述特征频率包括所述受检者的心跳频率。
12.根据权利要求3或8到11中的任一项所述的方法,其中,所述非呼吸运动贡献的所述特征频率包括运动的受检者的步频。
13.根据权利要求1所述的方法,还包括从所述呼吸信号提取所述受检者的呼吸率的步骤。
14.根据权利要求1所述的方法,还包括从所述矢量幅值信号滤波频率范围的步骤,在识别(103、203)所述非呼吸运动贡献的步骤中使用滤波后的矢量幅值信号。
15.一种用于确定受检者(305)的呼吸的呼吸确定设备(300),其中,所述呼吸确定设备(300)包括:
-单个多轴加速度计(310),其被定位于所述受检者(305)的身体上,其中,所述多轴加速度计(310)被配置为生成指示所述受检者(305)沿不同空间轴的加速度的加速度计信号,
-信号处理单元(320),其被配置为根据所述加速度计信号来计算所述受检者(305)沿所述不同空间轴的所述加速度的矢量幅值信号,并且根据所述矢量幅值信号来识别对沿不同空间轴的所述加速度的非呼吸运动贡献,
-呼吸信号确定单元(330),其用于通过从所述加速度计信号中的至少一个滤波所述非呼吸运动贡献,来确定表示所述受检者的所述呼吸的呼吸信号。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP10153269 | 2010-02-11 | ||
EP10153269.5 | 2010-02-11 | ||
PCT/IB2011/050512 WO2011098944A1 (en) | 2010-02-11 | 2011-02-07 | Method and apparatus for determining a respiration signal |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102753095A true CN102753095A (zh) | 2012-10-24 |
CN102753095B CN102753095B (zh) | 2016-02-03 |
Family
ID=43969408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180009008.9A Active CN102753095B (zh) | 2010-02-11 | 2011-02-07 | 用于确定呼吸信号的方法和设备 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9675282B2 (zh) |
EP (1) | EP2533692B1 (zh) |
JP (1) | JP5797208B2 (zh) |
CN (1) | CN102753095B (zh) |
BR (1) | BR112012019857A2 (zh) |
WO (1) | WO2011098944A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106361341A (zh) * | 2016-09-29 | 2017-02-01 | 爱子科技(北京)有限公司 | 一种呼吸检测方法及*** |
CN106456030A (zh) * | 2014-06-13 | 2017-02-22 | 日东电工株式会社 | 用于消除生理测量中的伪影的设备和方法 |
CN106963350A (zh) * | 2017-03-22 | 2017-07-21 | 深圳大学 | 一种同时监测呼吸和体温的方法和*** |
CN107106049A (zh) * | 2014-12-15 | 2017-08-29 | 皇家飞利浦有限公司 | 通过包括集成带式传感器的设备中的多参数算法的呼吸率监测 |
CN107530002A (zh) * | 2015-03-04 | 2018-01-02 | 心脏起搏器股份公司 | 用于治疗心律失常的***和方法 |
CN108992053A (zh) * | 2018-06-21 | 2018-12-14 | 河北工业大学 | 一种实时的无束缚检测心率和心跳间隔的方法 |
CN110897621A (zh) * | 2019-10-21 | 2020-03-24 | 思澜科技(成都)有限公司 | 一种生理信号提取方法及其*** |
CN114584586A (zh) * | 2022-03-01 | 2022-06-03 | 吉林体育学院 | 一种基于云计算***的运动生理指标在线监测装置及方法 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5751162B2 (ja) * | 2011-12-27 | 2015-07-22 | トヨタ自動車株式会社 | 呼吸検出装置 |
EP2811908A4 (en) * | 2012-02-11 | 2015-10-28 | Sensifree Ltd | CONTACT-FREE CARDIAC FREQUENCY SENSOR |
JP5970712B2 (ja) * | 2012-11-15 | 2016-08-17 | セイコーエプソン株式会社 | 生体情報測定回路、装置、プログラム及び方法 |
US9872634B2 (en) | 2013-02-08 | 2018-01-23 | Vital Connect, Inc. | Respiratory rate measurement using a combination of respiration signals |
EP4056113A1 (en) | 2013-02-20 | 2022-09-14 | PMD Device Solutions Limited | A method and device for respiratory monitoring |
CN105451652B (zh) | 2013-08-09 | 2019-09-17 | 皇家飞利浦有限公司 | 用于确定对象的呼吸信号的处理装置和处理方法 |
EP2974648A1 (en) * | 2013-12-18 | 2016-01-20 | Analog Devices Global | System and method for measuring respiration with accelerometers |
EP3139827A1 (en) | 2014-05-09 | 2017-03-15 | Boston Scientific Scimed, Inc. | Medical devices for mapping cardiac tissue |
CN105934654B (zh) * | 2014-05-09 | 2017-09-26 | 皇家飞利浦有限公司 | 用于确定加速度计的取向的方法和装置 |
US10371528B2 (en) * | 2014-07-03 | 2019-08-06 | Texas Instruments Incorporated | Pedestrian navigation devices and methods |
EP3200689B1 (en) | 2014-10-03 | 2021-01-13 | Boston Scientific Scimed Inc. | Medical system for mapping cardiac tissue |
GB2538261A (en) * | 2015-05-12 | 2016-11-16 | Blacklay Mole Thomas | Apparatus and method for determining, visualising or monitoring vital signs |
CN107405106B (zh) | 2016-01-29 | 2020-06-16 | 松下知识产权经营株式会社 | 呼吸次数检测装置、呼吸次数检测方法及程序存储介质 |
JP6146519B2 (ja) * | 2016-07-06 | 2017-06-14 | セイコーエプソン株式会社 | 生体情報測定装置、生体情報測定方法、及び生体情報測定システム |
EP3409197A1 (en) | 2017-05-30 | 2018-12-05 | Koninklijke Philips N.V. | Systems and methods for suppressing peaks in a seismocardiogram |
IT201700078138A1 (it) * | 2017-07-11 | 2019-01-11 | Milano Politecnico | Dispositivo indossabile per il monitoraggio continuo della frequenza respiratoria |
CA3075930A1 (en) | 2017-09-19 | 2019-03-28 | Ausculsciences, Inc. | System and method for detecting decoupling of an auscultatory sound sensor from a test-subject |
CN111148467A (zh) * | 2017-10-20 | 2020-05-12 | 明菲奥有限公司 | 用于分析对象的行为或活动的***和方法 |
FR3080929B1 (fr) * | 2018-05-02 | 2021-04-30 | Fivefive | Procede de traitement d'un signal accelerometrique. |
DE102019000608A1 (de) * | 2019-01-30 | 2020-07-30 | Drägerwerk AG & Co. KGaA | Verfahren, tragbares Gerät und System zum Auswerten von Vektordaten |
IL293622A (en) | 2019-12-05 | 2022-08-01 | Disati Medical Inc | Systems and methods for determining the degree of respiratory effort exerted by a patient while breathing |
CN114176528B (zh) * | 2021-12-30 | 2022-10-14 | 深圳融昕医疗科技有限公司 | 心动干扰识别方法及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003005893A2 (en) * | 2001-07-13 | 2003-01-23 | Isis Innovation Limited | Respiration and heart rate monitor |
JP2006320734A (ja) * | 2006-06-30 | 2006-11-30 | Matsushita Electric Works Ltd | 睡眠検査装置および睡眠時無呼吸検査装置 |
US20080214963A1 (en) * | 2003-07-02 | 2008-09-04 | Commissariat A L'energie Atomique | Method for measuring movements of a person wearing a portable detector |
US20090062628A1 (en) * | 2005-05-18 | 2009-03-05 | Matsushita Electric Works, Ltd. | Sleep diagnosis device |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0574509B1 (en) * | 1991-03-07 | 1999-09-15 | Masimo Corporation | Signal processing apparatus and method |
SE9604320D0 (sv) * | 1996-11-25 | 1996-11-25 | Pacesetter Ab | Medical device |
US5974340A (en) * | 1997-04-29 | 1999-10-26 | Cardiac Pacemakers, Inc. | Apparatus and method for monitoring respiratory function in heart failure patients to determine efficacy of therapy |
DE10046075A1 (de) * | 2000-09-15 | 2002-04-04 | Friendly Sensors Ag | Vorrichtung und Verfahren zur Erzeugung von Messdaten |
US6675036B2 (en) * | 2001-07-18 | 2004-01-06 | Ge Medical Systems, Inc. | Diagnostic device including a method and apparatus for bio-potential noise cancellation utilizing the patient's respiratory signal |
US6997882B1 (en) | 2001-12-21 | 2006-02-14 | Barron Associates, Inc. | 6-DOF subject-monitoring device and method |
US7727161B2 (en) * | 2003-04-10 | 2010-06-01 | Vivometrics, Inc. | Systems and methods for monitoring cough |
US7267652B2 (en) * | 2003-04-10 | 2007-09-11 | Vivometrics, Inc. | Systems and methods for respiratory event detection |
FR2856913B1 (fr) * | 2003-07-02 | 2005-08-05 | Commissariat Energie Atomique | Detecteur portatif pour mesurer des mouvements d'une personne porteuse, et procede. |
US20070118054A1 (en) * | 2005-11-01 | 2007-05-24 | Earlysense Ltd. | Methods and systems for monitoring patients for clinical episodes |
JP4528583B2 (ja) | 2004-08-31 | 2010-08-18 | 株式会社山武 | 生体負荷検査装置 |
JP3809847B1 (ja) * | 2005-05-18 | 2006-08-16 | 松下電工株式会社 | 睡眠診断装置および睡眠時無呼吸検査装置 |
ES2298060B2 (es) * | 2006-09-27 | 2009-09-03 | Universidad De Cadiz. | Sistema para la monitorizacion y analisis de señales cardiorespiratorias y del ronquido. |
US7634379B2 (en) * | 2007-05-18 | 2009-12-15 | Ultimate Balance, Inc. | Newtonian physical activity monitor |
US9327129B2 (en) * | 2008-07-11 | 2016-05-03 | Medtronic, Inc. | Blended posture state classification and therapy delivery |
CN102458237A (zh) * | 2009-06-17 | 2012-05-16 | 心动力医疗公司 | 获得和处理心冲击描计图数据的方法和设备 |
-
2011
- 2011-02-07 WO PCT/IB2011/050512 patent/WO2011098944A1/en active Application Filing
- 2011-02-07 US US13/575,969 patent/US9675282B2/en active Active
- 2011-02-07 CN CN201180009008.9A patent/CN102753095B/zh active Active
- 2011-02-07 JP JP2012552502A patent/JP5797208B2/ja active Active
- 2011-02-07 BR BR112012019857A patent/BR112012019857A2/pt not_active Application Discontinuation
- 2011-02-07 EP EP11710306.9A patent/EP2533692B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003005893A2 (en) * | 2001-07-13 | 2003-01-23 | Isis Innovation Limited | Respiration and heart rate monitor |
US20080214963A1 (en) * | 2003-07-02 | 2008-09-04 | Commissariat A L'energie Atomique | Method for measuring movements of a person wearing a portable detector |
US20090062628A1 (en) * | 2005-05-18 | 2009-03-05 | Matsushita Electric Works, Ltd. | Sleep diagnosis device |
JP2006320734A (ja) * | 2006-06-30 | 2006-11-30 | Matsushita Electric Works Ltd | 睡眠検査装置および睡眠時無呼吸検査装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106456030A (zh) * | 2014-06-13 | 2017-02-22 | 日东电工株式会社 | 用于消除生理测量中的伪影的设备和方法 |
CN106456030B (zh) * | 2014-06-13 | 2020-01-17 | 日东电工株式会社 | 用于消除生理测量中的伪影的设备和方法 |
CN107106049A (zh) * | 2014-12-15 | 2017-08-29 | 皇家飞利浦有限公司 | 通过包括集成带式传感器的设备中的多参数算法的呼吸率监测 |
CN107530002A (zh) * | 2015-03-04 | 2018-01-02 | 心脏起搏器股份公司 | 用于治疗心律失常的***和方法 |
CN107530002B (zh) * | 2015-03-04 | 2021-04-30 | 心脏起搏器股份公司 | 用于治疗心律失常的***和方法 |
US11285326B2 (en) | 2015-03-04 | 2022-03-29 | Cardiac Pacemakers, Inc. | Systems and methods for treating cardiac arrhythmias |
CN106361341A (zh) * | 2016-09-29 | 2017-02-01 | 爱子科技(北京)有限公司 | 一种呼吸检测方法及*** |
CN106963350A (zh) * | 2017-03-22 | 2017-07-21 | 深圳大学 | 一种同时监测呼吸和体温的方法和*** |
CN108992053A (zh) * | 2018-06-21 | 2018-12-14 | 河北工业大学 | 一种实时的无束缚检测心率和心跳间隔的方法 |
CN110897621A (zh) * | 2019-10-21 | 2020-03-24 | 思澜科技(成都)有限公司 | 一种生理信号提取方法及其*** |
CN114584586A (zh) * | 2022-03-01 | 2022-06-03 | 吉林体育学院 | 一种基于云计算***的运动生理指标在线监测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
EP2533692B1 (en) | 2015-01-14 |
BR112012019857A2 (pt) | 2016-04-26 |
US20120296221A1 (en) | 2012-11-22 |
JP5797208B2 (ja) | 2015-10-21 |
US9675282B2 (en) | 2017-06-13 |
EP2533692A1 (en) | 2012-12-19 |
CN102753095B (zh) | 2016-02-03 |
WO2011098944A1 (en) | 2011-08-18 |
JP2013519421A (ja) | 2013-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102753095B (zh) | 用于确定呼吸信号的方法和设备 | |
CN105769122B (zh) | 一种睡眠呼吸暂停低通气指数的测量设备 | |
US20200054246A1 (en) | Body-worn monitor for measuring respiratory rate | |
CN105451652B (zh) | 用于确定对象的呼吸信号的处理装置和处理方法 | |
EP2470068B1 (en) | Body-worn monitor for measuring respiration rate | |
US10231628B2 (en) | Method for measuring movements of a person wearing a portable detector | |
US9173594B2 (en) | Body-worn monitor for measuring respiratory rate | |
US8979765B2 (en) | Body-worn monitor for measuring respiratory rate | |
US9173593B2 (en) | Body-worn monitor for measuring respiratory rate | |
US20110257489A1 (en) | Body-worn monitor for measuring respiratory rate | |
US20110257554A1 (en) | Body-worn monitor for measuring respiratory rate | |
WO2011133582A1 (en) | Body-worn monitor for measuring respiratory rate | |
Zhang et al. | Monitoring cardio-respiratory and posture movements during sleep: What can be achieved by a single motion sensor | |
Liu et al. | Automatic detection of respiratory rate from electrocardiogram, respiration induced plethysmography and 3D acceleration signals | |
CN103027684A (zh) | 用于去除在呼吸运动监测中由身体运动引起的噪声的装置和方法 | |
US20230210384A1 (en) | Body-worn monitor for measuring respiration rate | |
US20190076054A1 (en) | Body-worn monitor for measuring respiration rate |
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 |