CN106709414B - 生理信号量测***及其方法 - Google Patents
生理信号量测***及其方法 Download PDFInfo
- Publication number
- CN106709414B CN106709414B CN201610027138.XA CN201610027138A CN106709414B CN 106709414 B CN106709414 B CN 106709414B CN 201610027138 A CN201610027138 A CN 201610027138A CN 106709414 B CN106709414 B CN 106709414B
- Authority
- CN
- China
- Prior art keywords
- sub
- physiological signal
- packets
- packet
- signal
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 31
- 238000012935 Averaging Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 9
- 230000003187 abdominal effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 230000036772 blood pressure Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004806 packaging method and process Methods 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- QHGUCRYDKWKLMG-UHFFFAOYSA-N octopamine Chemical compound NCC(O)C1=CC=C(O)C=C1 QHGUCRYDKWKLMG-UHFFFAOYSA-N 0.000 description 1
- 229960001576 octopamine Drugs 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6824—Arm or wrist
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Vascular Medicine (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种生理信号量测***及其方法在此揭露。生理信号量测方法包含了下列步骤:取得一使用者生理信号,并依据一第一分包数量值将使用者生理信号区分为多个第一分包;利用经验模态拆解法将第一分包分别进行一筛选程序,以拆解出分别对应第一分包的多个暂时内伸性特征函数;依据分别对应暂时内伸性特征函数的多个上包络线及多个下包络线以计算多个平均包络线,并将平均包络线再加以平均,以产生一准内伸性特征函数;依据准内伸性特征函数及至少一另一准内伸性特征函数,以计算至少一相关系数;通过评估相关系数的相关步骤以决定至少一主成分区块。借此达到大量减少传统方法拆解过程计算量的功效。
Description
技术领域
本发明是关于一种生理信号量测***,特别是关于一种可将信号平行处理的生理信号量测***及其方法。
背景技术
近年来,生理信号的量测在医学研究上有一定必要性。一般而言,许多生理信号并非稳定波形,例如,通过测量人体心血管***与呼吸***所取得的生理信号,这些生理信号难以被传统方法所分析,随时变的信息也难以呈现。因此,已知技术利用经验模态拆解法(Empirical Mode Decomposition;EMD),将生理信号拆解成数个内伸性特征函数(intrinsic mode function;IMF),解决过去傅立叶频谱(Fourier spectrum)会失去时间变化下信息的问题。
然而,对于病人的生理信号即时监控与应急处理或是远端的微型照护硬件上,EMD的处理过程会抑制了应对治疗的速度以及携带式的可能性,已知技术的EMD演算法即使有强大的拆解能力,却难以施行平行化处理,导致计算量与计算时间无法降低而减少了应用价值,且EMD本身具有无法平行化计算或是处理不精确的问题。
因此,如何达到有效率且正确地分析生理信号中的主成分,已成为目前本领域的重要议题之一。
发明内容
为了解决上述的问题,本发明的一方面提供了一种生理信号量测***。生理信号量测***包含一处理器。处理器包含一分包模块、一经验模态拆解模块、内伸性特征函数模块、主成分模块。分包模块用以取得一使用者生理信号,并依据一第一分包数量值(boxnumber)将使用者生理信号区分为多个第一分包。经验模态拆解模块利用经验模态拆解法(EMD)将所述第一分包分别进行一筛选程序(sifting process),以拆解出分别对应第一分包的多个暂时内伸性特征函数(temporal IMF)。内伸性特征函数模块用以依据分别对应暂时内伸性特征函数的多个上包络线及多个下包络线,以计算多个平均包络线,并将平均包络线再加以平均,以产生一准内伸性特征函数(semi-IMF)。主成分模块用以依据准内伸性特征函数及至少一另一准内伸性特征函数,以计算至少一相关系数,当至少一相关系数大于一相关系数门槛值时,主成分模块将该至少一相关系数所对应的至少一信号区块决定为使用者生理信号的至少一主成分区块。
本发明的另一方面是于提供一种生理信号量测方法,生理信号量测方法包含了下列步骤:取得一使用者生理信号,并依据一第一分包数量值将使用者生理信号区分为多个第一分包;利用经验模态拆解法将第一分包分别进行一筛选程序,以拆解出分别对应第一分包的多个暂时内伸性特征函数;依据分别对应暂时内伸性特征函数的多个上包络线及多个下包络线以计算多个平均包络线,并将平均包络线再加以平均,以产生一准内伸性特征函数;依据准内伸性特征函数及至少一另一准内伸性特征函数,以计算至少一相关系数;以及当至少一相关系数大于相关系数门槛值时,将至少一相关系数所对应的至少一信号区块决定为使用者生理信号的至少一主成分区块。
综上所述,本发明的技术方案与现有技术相比具有明显的优点和有益效果。通过上述技术方案,可达到相当的技术进步,并具有产业上的广泛利用价值。本发明通过生理信号量测***及其方法,提供经分包处理后,将信号解构成多个分包(boxes),借此,可利用多核心处理器平行处理这些分包,以增加处理速度。此外,在第一次搜寻到主成分的位置后,后续可直接针对主成分的分包数量值进行拆解,以达到大量减少传统方法拆解过程的计算量的功效。
附图说明
图1根据本发明的一实施例绘示一种生理信号量测***的方块图;
图2根据本发明的一实施例绘示一种生理信号量测***的应用方式的示意图;
图3是依照本发明的一实施例绘示一种生理信号量测方法的流程图;
图4A~图4C根据本发明的一实施例绘示一种将使用者生理信号进行分包的示意图;
图5所示,图5根据本发明的一实施例绘示一种相关系数的示意图;
图6A~图6C根据本发明的一实施例绘示一种生理信号量测***的应用方式的示意图;以及
图7是依照本发明的一实施例绘示一种生理信号量测方法的流程图。
具体实施方式
下文是举实施例配合所附附图作详细说明,但所提供的实施例并非用以限制本发明所涵盖的范围,而结构操作的描述非用以限制其执行的顺序,任何由元件重新组合的结构,所产生具有均等功效的装置,皆为本发明所涵盖的范围。此外,附图仅以说明为目的,并未依照原尺寸作图。为使便于理解,下述说明中相同元件将以相同的符号标示来说明。
请参照图1~图3,图1根据本发明的一实施例绘示一种生理信号量测***100的方块图。图2根据本发明的一实施例绘示一种生理信号量测***100的应用方式的示意图。图3是依照本发明的一实施例绘示一种生理信号量测方法300的流程图。
如图1所示,生理信号量测***100包含处理器110。处理器110包含分包模块111、经验模态拆解模块112、内伸性特征函数模块113、主成分模块114。于一实施例中,生理信号量测***100还包含感测器120、模拟数字转换器130,且其中,处理器110还包含停止条件设置模块115。于一实施例中,处理器110可以是一多核心处理器。
其中,处理器110中的分包模块111、经验模态拆解模块112、内伸性特征函数模块113、主成分模块114、停止条件设置模块115可以分别或合并由集成电路如微控制单元(micro controller)、微处理器(microprocessor)、数字信号处理器(digital signalprocessor)、特殊应用集成电路(application specific integrated circuit,ASIC)或一逻辑电路来实施。
于一实施例中,可以通过穿戴于人体的感测器120,以测量生理信号。例如,图2所示的穿戴于腹部的呼吸感测器121、穿戴于手臂的血压脉波感测器122或/及穿戴于手腕的血压脉波感测器123。然,本领域具通常知识者应能理解,本发明并不仅限于这些感测器。
接着,请参图3,本发明提出一种通过可平行化的以碎形经验模态分析法(FractalEmpirical Mode Decomposition,FEMD)以萃取重要生理信息的生理信号量测方法300,以下详述此生理信号量测方法300。
于步骤S310中,分包模块111用以取得一使用者生理信号。于一实施例中,可以通过穿戴于人体的感测器120,以测量使用者生理信号,并将量测到的使用者生理信号传至分包模块111,使分包模块111取得使用者生理信号。
于步骤S320中,分包模块111依据一第一分包数量值(box number)将该使用者生理信号区分为多个第一分包。
于一实施例中,当分包模块111取得使用者生理信号后,在第一分包数量值预设为3的情况下,分包模块111依据第一分包数量值将使用者生理信号区分为3个分包,例如图4B的分包Ba、Bb、Bc,于此例中,分包Ba、Bb、Bc可称为第一分包。以下进一步描述将使用者生理信号进行分包的方法。
请参阅图4A~图4C,图4A~图4C根据本发明的一实施例绘示一种将使用者生理信号进行分包的示意图。于一实施例中,感测器120用以量测初始生理信号,例如为呼吸信号、脉搏信号、心跳信号,此初始生理信号为一模拟信号,模拟数字转换器130用以将初始生理信号转换为使用者生理信号,且使用者生理信号为一数字信号。借此,分包模块111可将使用者生理信号切割为如图4A所示的多个区段信号1~12,每一个区段信号1~12中是为一小段模拟成模拟信号的数字信号。例如,区段信号1中具有第0~0.5秒的使用者生理信号的子信号,区段信号2中具有第0.5~1秒的使用者生理信号的子信号。
于一实施例中,分包模块111将使用者生理信号依序分为多个区段1~12后,使第一分包Ba、Bb、Bc是通过依序抽取(decimation)区段信号1~12而组成。
于一实施例中,如图4B所示,当第一分包数量值预设为3的情况下,使用者生理信号会被分为3个第一分包Ba、Bb、Bc。其中,第一分包Ba由区段信号间隔为3的区段信号1、4、7、10所组成,第一分包Bb由区段信号间隔为3的区段信号2、5、8、11所组成,第一分包Bc由区段信号间隔为3的区段信号3、6、9、12所组成。需注意的是,这些第一封包Ba、Bb、Bc的可依据区段信号的数量而各自具有不同长度。
于一实施例中,如图4C所示,当第一分包数量值预设为4的情况下,使用者生理信号会被分为4个分包Bd、Be、Bf、Bg,于此例中,分包Bd、Be、Bf、Bg可称为第一分包。其中,第一分包Bd由区段信号间隔为4的区段信号1、5、9所组成,第一分包Be由区段信号间隔为4的区段信号2、6、10所组成,第一分包Bf由区段信号间隔为4的区段信号3、7、11所组成,第一分包Bg由区段信号间隔为4的区段信号4、8、12所组成。需注意的是,生理信号量测***100可依据实际情况自动或手动调整第一分包数量值,以采用最适合分析使用者生理信号的第一分包数量值。
通过上述的相关于分包处理的步骤后,可将使用者生理信号解构成多个第一分包(boxes),且采用依序抽取(decimation)的方式,一来可避免使用者生理信号解构时产生不连续面的问题,二来可让计算出的结果更具有局部趋势性。
于步骤S330中,经验模态拆解模块112利用经验模态拆解法(EMD)将第一分包分别进行一筛选程序(sifting process),以拆解出分别对应所述第一分包的多个暂时内伸性特征函数(temporal IMF)。
例如,于图4B中,每个第一分包Ba、Bb、Bc分别利用经验模态拆解法进行信号拆解,以拆解出分别对应所述第一分包的多个暂时内伸性特征函数。
需注意的是,经验模态拆解法为是由黄锷(Norden E.Huang)等人于1998年提出,透过经验模态拆解法可将欲分析的信号分解为内伸性特征函数,然后将内伸性特征函数作希尔伯特转换(Hilbert Transform),正确地获得资料的瞬时频率。此方法处理对象乃针对非稳态与非线性信号。关于筛选程序的技术内容,为经验模态拆解法的一环,因此,此处不作赘述。本发明于步骤S330中应用经验模态拆解法,将多个第一分包分别进行筛选程序,并将此阶段拆解出的多个内伸性特征函数定义为暂时内伸性特征函数(temporal IMF)。然,本领域据通常知识者应能理解,步骤S330中的经验模态拆解法的应用仅为本发明的一部份,不应视为发明的整体。
于一实施例中,当经验模态拆解模块112每拆解出一暂时内伸性特征函数之后,停止条件设置模块115判断筛选程序的一筛选结果是否满足一停止条件。其中,筛选结果对应至这些第一分包中的一第一分包(例如,一筛选结果对应到多个第一分包Ba、Bb、Bc中的第一分包Ba)。若停止条件设置模块115判断筛选程序的筛选结果满足停止条件,则产生这些暂时内伸性特征函数中的一暂时内伸性特征函数,反之,若停止条件设置模块115判断筛选程序的筛选结果不满足停止条件,则将筛选结果代入经验模态拆解法再次进行筛选程序。
举例而言,于图4B中,第一分包Ba进行筛选程序后产生一筛选结果,停止条件设置模块115判断筛选程序的一筛选结果是否满足一停止条件。若停止条件设置模块115判断筛选程序的此筛选结果满足停止条件,则产生一暂时内伸性特征函数,并且继续下一个第一分包Bb筛选程序。若停止条件设置模块115判断筛选程序的此筛选结果不满足停止条件,则将当前的此筛选结果(即第一分包Ba的目前筛选结果)再次代入经验模态拆解法以继续进行筛选程序。
于一实施例中,停止条件为局部极大值(local maxima)以及局部极小值(localminima)的数目之和必须与零交越点(zero crossing)的数目相等或是最多只能差1,也就是说一个极值后面必需马上接一个零交越点,以及,在任何时间点,局部最大值所定义的上包络线(upper envelope)与局部极小值所定义的下包络线,取平均要接近为零。关于停止条件的技术内容,为经验模态拆解法的一环,因此,此处不作赘述。
借此,于图4B所示的例子中,经验模态拆解模块112可利用经验模态拆解法将第一分包Ba、Bb、Bc分别进行筛选程序,以拆解出分别对应第一分包Ba、Bb、Bc的多个暂时内伸性特征函数。
于步骤S340中,内伸性特征函数模块113依据分别对应这些暂时内伸性特征函数的多个上包络线及多个下包络线,以计算多个平均包络线,并将所述平均包络线再加以平均,以产生一准内伸性特征函数(semi-IMF)。
举例而言,于图4B中,若于前述步骤S330中第一分包Ba、Bb、Bc共拆解出3个暂时内伸性特征函数,且其中,每个暂时内伸性特征函数都具有上包络线及下包络线,特征函数模块113依据第一分包Ba的上包络线及下包络线以计算出一第一平均包络线,并依据第一分包Bb的上包络线及下包络线以计算出一第二平均包络线,再依据第一分包Bc的上包络线及下包络线以计算出一第三平均包络线。接着,特征函数模块113将第一、第二、第三平均包络线再加以平均,以产生一准内伸性特征函数。
更具体而言,于一实施例中,计算每一个分包的平均包络线的方法如下:可利用内伸性特征函数模块113搜寻每一个分包(例如,第一分包Ba、Bb、Bc)的子信号的极大值与极小值,并依据极大值与极小值及使用者生理信号的信号长度,通过内插法计算分别对应每一个分包(例如,第一分包Ba、Bb、Bc)的子信号的上包络线及下包络线(例如,利用内插法算出第一分包Ba中的子信号的上包络线及下包络线),并计算对应每一个分包(例如,第一分包Ba、Bb、Bc)的子信号的上包络线及下包络线的平均,以得到分别对应这些第一分包各个子信号的平均包络线。
例如,依据第一分包Ba的上包络线及下包络线以计算出第一平均包络线,依据第一分包Bb的上包络线及下包络线以计算出第二平均包络线,依据第三分包Bc的上包络线及下包络线以计算出第三平均包络线。借此,可将第一、第二、第三平均包络线再加以平均,以产生准内伸性特征函数。
于一实施例中,步骤S340还包含于产生准内伸性特征函数后,内伸性特征函数模块113将第一分包数量值(例如为3)加上一第一常数(例如为1),以产生一第二分包数量值(例如为4),并重新进入步骤S310,使分包模块111依据此第二分包数量值将使用者生理信号区分为多个第二分包。例如,图4B所示,将使用者生理信号区分为4个分包,且于此例中,由于是第二次进行步骤S310,故此4个封包可称为第二封包。接着,经验模态拆解模块112利用经验模态拆解法将这些第二分包分别进行筛选处理,以拆解出分别对应这些第二分包的这些暂时内伸性特征函数,并依据这些暂时内伸性特征函数继续执行步骤S350~S360,以确认于依据此第二分包数量值以将使用者生理信号区分为多个第二分包的情况下,是否可萃取出另一主成分区块。
于另一实施例中,分包数量值可以依序被调整,例如于每次执行步骤S340时,分包数量值比前次执行步骤S340时多1。借此可将不同的分包数量值依其大小的次序以代入步骤S340中,并各自接续执行步骤S350~S360,以分别确认在不同分包数量值的情况下,是否对应各个分包数量值可萃取出其他主成分区块。
于步骤S350中,主成分模块114依据准内伸性特征函数及至少一另一准内伸性特征函数,以计算至少一相关系数。
举例而言,主成分模块114利用与此准内伸性特征函数(例如,此准内伸性特征函数是于第一分包数量值为3的情况下所产生)具有相邻分包数量值的至少一另一准内伸性特征函数(例如,此另一内伸性特征函数是于第二分包数量值为4或2的情况下所产生),以计算至少一相关系数。
另一方面,于一实施例中,另一准内伸性特征函数与第二分包数量值相关,且第二分包数量值(例如为4)与第一分包数量值(例如为3)的差值小于一第二常数(例如为1)。其中,第一分包数量值与第二分包数量值皆大于等于零。
于步骤S360中,主成分模块114当至少一相关系数大于相关系数门槛值时,主成分模块114将此至少一相关系数所对应的至少一信号区块决定为该使用者生理信号的至少一主成分区块。
举例而言,如图5所示,图5根据本发明的一实施例绘示一种相关系数的示意图,主成分模块114当至少一相关系数(例如,图5中,分包数量值为18时,相关系数为0.99)大于相关系数门槛值(例如为0.98)时,主成分模块114将此至少一相关系数(0.99)所对应的至少一信号区块A1决定为使用者生理信号的至少一主成分区块。于一实施例中,由图5可看出,信号区块A1、A2具有较多高于相关系数门槛值(例如为0.98)的相关系数,因此,信号区块A1、A2可视为主成分区块。
于另一实施例中,其中主成分模块111将主成分区块A2的至少一相关系数中,其具有最大值者决定为一主成分信号,并记录主成分信号对应的一主成分分包数量值。其中,主成分信号与一反弹波成分、一前进波成分、一胸部运动或一腹部运动相关。
举例而言,于图5中,主成分区块A2的分包数量值为40时,具有最大的相关系数(0.995),故分包模块111可将主成分分包数量值设定为40,并依据此主成分分包数量值决定一主成分信号,将此分包数量值记录起来。
借此,生理信号量测***100可用以萃取出主成分信号,以判断使用者的生理状况。再者,生理信号量测***100可应用于居家照护方面的硬件设备,使其应具有即时诊断患者状况的功能,经由将使用者呼吸以及血压信号进行即时处理及结合分析后,并给予使用者目前身体状况的健康指标,或是直接在后端搭配医疗机器人直接进行诊断,实现远端照护的功能。
另一方面,亦可将上述方法实现于智慧型产品的应用程式中,让使用者随时随地了解自己的健康状况,提供使用者立即的健康信息与合适的健康方针。此外,上述方法亦可应用于智慧型产品中,让使用者在运动时,记录下自己的身体状况与运动进度。
如图6A~图6C所示,图6A~图6C根据本发明的一实施例绘示一种生理信号量测***100的应用方式的示意图。于此例中,使用者生理信号为血压脉波信号Xa,将血压脉波信号Xa经由前述图3的步骤进行处理后,可得到类似图5所示的主成分区块A1、A2,主成分模块111分别将主成分区块A1、A2中具有最大相关系数者决定为主成分信号。例如,主成分区块A1的主成分信号为反弹波成分Xb,主成分区块A2的主成分信号为前进波成分Xc。于一实施例中,生理信号量测***100可将主成分信号(例如,反弹波成分Xb及/或前进波成分Xc)储存至一储存装置,以记录对应此使用者个人的主成分分布情形。
于一实施例中,通过上述萃取出主成分信号及主成分分包数量值的方法,每当使用者要进行量测或进行即时监控时,只需要将主成分信号及主成分分包数量值汇入生理信号量测***100中,生理信号量测***100会针对使用者上次所测量的正常主成分分布位置进行即时拆解。
于一实施例中,请参阅图7,图7是依照本发明的一实施例绘示一种生理信号量测方法700的流程图。图7与图3的不同之处为,图7还包含步骤S710。其余步骤与图3相同,故此处不赘述。
于步骤S710中,分包模块111更用以接收主成分分包数量值,并依据主成分分包数量值以设定第一分包数量值。例如,于图5中,若通过前述生理信号量测方法300,得知分包数量值为18时,可拆解出主成分信号的反弹波成分Xb的情况下,于步骤S710中,分包模块111可将主成分分包数量值设定为18,依据主成分分包数量值将第一分包数量值也设定为18,再依据此第一分包数量值执行后续步骤S320~S360。
借此,在搜寻到某一使用者的使用者生理信号的主成分位置后,即可将直接针对主成分分包数量值(例如,主成分分包数量值为18)进行拆解,无须再次依序针对不同的分包数量值一一作拆解;意即,通过上述方法无需将分包数量值为1、2、3…时分别进行拆解。是故,利用已取得的主成分分包数量值,可直接将此使用者的使用者生理信号进行拆解,以大量减少传统方法的拆解过程的计算量。
本发明提出一通过可平行化的生理信号量测方法及其***,透过将使用者生理信号分包后实行筛选处理,及运用上述相关于计算平均包络线的方法,将处理后的分包加以平均,以作为暂时的内伸性特征函数,再以相关系数决定主成分的位置借以萃取出主成分,这些过程皆能以平行化计算,例如,采用多核心处理器以平行计算与上述处理各第一分包相关的步骤,以进行拆解连续血压脉波以及呼吸运动信号,更能快速萃取主成分,更方便应用在未来即时处理的相关硬件上,提升未来医学与健康生活的整合。
虽然本发明已以实施方式揭露如上,然其并非用以限定本发明,任何熟悉此技艺者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰,因此本发明的保护范围当视所附的权利要求书所界定的范围为准。
Claims (20)
1.一种生理信号量测***,其特征在于,包含:
一处理器,包含:
一分包模块,用以取得一使用者生理信号,并依据一第一分包数量值将该使用者生理信号区分为多个第一分包;
一经验模态拆解模块,用以利用经验模态拆解法将所述第一分包分别进行一筛选程序,以拆解出分别对应所述第一分包的多个暂时内伸性特征函数;
一内伸性特征函数模块,用以依据分别对应所述暂时内伸性特征函数的多个上包络线及多个下包络线,以计算多个平均包络线,并将所述平均包络线再加以平均,以产生一准内伸性特征函数;以及
一主成分模块,用以依据该准内伸性特征函数及至少一另一准内伸性特征函数,以计算至少一相关系数,当该至少一相关系数大于一相关系数门槛值时,该主成分模块将该至少一相关系数所对应的至少一信号区块决定为该使用者生理信号的至少一主成分区块。
2.根据权利要求1所述的生理信号量测***,其特征在于,包含:
一感测器,用以量测一初始生理信号,该初始生理信号为一模拟信号;以及
一模拟数字转换器,用以将该初始生理信号转换为该使用者生理信号,且该使用者生理信号为一数字信号。
3.根据权利要求1所述的生理信号量测***,其特征在于,包含:
一停止条件设置模块,用以判断该筛选程序的一筛选结果是否满足一停止条件;其中,该筛选结果对应至所述第一分包中的一第一分包;
若该停止条件设置模块判断该筛选程序的该筛选结果满足该停止条件,则产生所述暂时内伸性特征函数中的一暂时内伸性特征函数;以及
若该停止条件设置模块判断该筛选程序的该筛选结果不满足该停止条件,则将该筛选结果代入经验模态拆解法再次进行该筛选程序。
4.根据权利要求1所述的生理信号量测***,其特征在于,其中该内伸性特征函数模块搜寻所述第一分包中的每一个分包的子信号的一极大值与一极小值,并依据该极大值与该极小值及该使用者生理信号的信号长度,通过内插法计算分别对应所述第一分包中的每一个分包的子信号的该上包络线及该下包络线,并计算对应所述第一分包中的每一个分包的子信号的该上包络线及该下包络线的平均,以得到分别对应所述第一分包各个子信号的所述平均包络线。
5.根据权利要求4所述的生理信号量测***,其特征在于,包含:
该内伸性特征函数模块于产生该准内伸性特征函数后,将该第一分包数量值加上一第一常数,以产生一第二分包数量值;以及
该分包模块更依据该第二分包数量值将该使用者生理信号区分为多个第二分包;该经验模态拆解模块利用经验模态拆解法将所述第二分包分别进行该筛选处理,以拆解出分别对应所述第二分包的所述暂时内伸性特征函数。
6.根据权利要求1所述的生理信号量测***,其特征在于,其中该另一准内伸性特征函数与一第二分包数量值相关,且该第二分包数量值与该第一分包数量值的差值小于一第二常数。
7.根据权利要求1所述的生理信号量测***,其特征在于,其中该分包模块将该使用者生理信号依序分为多个区段信号后,所述第一分包是通过依序抽取所述区段信号而组成。
8.根据权利要求1所述的生理信号量测***,其特征在于,其中该分包模块更用以接收一主成分分包数量值,依据该主成分分包数量值以设定该第一分包数量值。
9.根据权利要求1所述的生理信号量测***,其特征在于,其中该主成分模块将该至少一主成分区块的该至少一相关系数中具有最大值者决定为一主成分信号,并记录该主成分信号对应的一主成分分包数量值。
10.根据权利要求9所述的生理信号量测***,其特征在于,其中该主成分信号与一反弹波成分、一前进波成分、一胸部运动或一腹部运动相关。
11.一种生理信号量测方法,其特征在于,包含:
取得一使用者生理信号,并依据一第一分包数量值将该使用者生理信号区分为多个第一分包;
利用经验模态拆解法将所述第一分包分别进行一筛选程序,以拆解出分别对应所述第一分包的多个暂时内伸性特征函数;
依据分别对应所述暂时内伸性特征函数的多个上包络线及多个下包络线以计算多个平均包络线,并将所述平均包络线再加以平均,以产生一准内伸性特征函数;
依据该准内伸性特征函数及至少一另一准内伸性特征函数,以计算至少一相关系数;以及
当该至少一相关系数大于一相关系数门槛值时,将该至少一相关系数所对应的至少一信号区块决定为该使用者生理信号的至少一主成分区块。
12.根据权利要求11所述的生理信号量测方法,其特征在于,包含:
量测一初始生理信号,该初始生理信号为一模拟信号;以及
将该初始生理信号转换为该使用者生理信号,且该使用者生理信号为一数字信号。
13.根据权利要求11所述的生理信号量测方法,其特征在于,包含:
判断该筛选程序的一筛选结果是否满足一停止条件;其中,该筛选结果对应至所述第一分包中的一第一分包;
若判断该筛选程序的该筛选结果满足该停止条件,则产生所述暂时内伸性特征函数中的一暂时内伸性特征函数;以及
若该停止条件设置模块判断该筛选程序的该筛选结果不满足该停止条件,则将该筛选结果代入经验模态拆解法再次进行该筛选程序。
14.根据权利要求13所述的生理信号量测方法,其特征在于,包含:
搜寻所述第一分包中的每一个分包的子信号的一极大值与一极小值;依据该极大值与该极小值及该使用者生理信号的信号长度,通过内插法计算分别对应所述第一分包中的每一个分包的子信号的该上包络线及该下包络线;以及
计算对应所述第一分包中的每一个分包的子信号的该上包络线及该下包络线的平均,以得到分别对应所述第一分包各个子信号的所述平均包络线。
15.根据权利要求14所述的生理信号量测方法,其特征在于,包含:
于产生该准内伸性特征函数后,将该第一分包数量值加上一第一常数,以产生一第二分包数量值;
依据该第二分包数量值将该使用者生理信号区分为多个第二分包;以及
利用经验模态拆解法将所述第二分包分别进行该筛选处理,以拆解出分别对应所述第二分包的所述暂时内伸性特征函数。
16.根据权利要求11所述的生理信号量测方法,其特征在于,其中该另一准内伸性特征函数与一第二分包数量值相关,且该第二分包数量值与该第一分包数量值的差值小于一第二常数。
17.根据权利要求11所述的生理信号量测方法,其特征在于,包含:
将该使用者生理信号依序分为多个区段信号后,所述第一分包是通过依序抽取所述区段信号而组成。
18.根据权利要求14所述的生理信号量测方法,其特征在于,包含:
接收一主成分分包数量值,依据该主成分分包数量值以设定该第一分包数量值。
19.根据权利要求11所述的生理信号量测方法,其特征在于,包含:
将该至少一主成分区块的该至少一相关系数中具有最大值者决定为一主成分信号,并记录该主成分信号对应的一主成分分包数量值。
20.根据权利要求19所述的生理信号量测方法,其特征在于,其中该主成分信号与一反弹波成分、一前进波成分、一胸部运动或一腹部运动相关。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104138064A TWI562758B (en) | 2015-11-18 | 2015-11-18 | Physiological signal measuring system and method thereof |
TW104138064 | 2015-11-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106709414A CN106709414A (zh) | 2017-05-24 |
CN106709414B true CN106709414B (zh) | 2020-06-12 |
Family
ID=58227377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610027138.XA Active CN106709414B (zh) | 2015-11-18 | 2016-01-15 | 生理信号量测***及其方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20170135644A1 (zh) |
CN (1) | CN106709414B (zh) |
TW (1) | TWI562758B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545906B (zh) | 2017-08-23 | 2021-01-22 | 京东方科技集团股份有限公司 | 肺音信号处理方法、处理设备以及可读存储介质 |
WO2019118309A1 (en) * | 2017-12-11 | 2019-06-20 | Adaptive, Intelligent And Dynamic Brain Corporation (Aidbrain) | Method, module and system for analysis of physiological signal |
US11412941B2 (en) * | 2018-03-16 | 2022-08-16 | Etrog Systems Ltd. | System and method for calibrating a remote blood pressure system |
CN111401168B (zh) * | 2020-03-06 | 2023-11-17 | 上海神添实业有限公司 | 一种无人机的多层雷达特征提取与选择方法 |
CN112155523B (zh) * | 2020-09-27 | 2022-09-16 | 太原理工大学 | 一种基于模态能量主成分比量化的脉搏信号特征提取与分类方法 |
US11697020B2 (en) | 2020-11-19 | 2023-07-11 | A-Neuron Electronic Corporation | Method for generating stimulation parameters, electrical stimulation control apparatus and electrical stimulation system |
CN115337018B (zh) * | 2022-09-19 | 2024-01-09 | 广东技术师范大学 | 基于整体动态特征的心电信号分类方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102620928A (zh) * | 2012-03-02 | 2012-08-01 | 燕山大学 | 基于小波半软阈值和emd的风电齿轮箱故障诊断方法 |
CN103377172A (zh) * | 2012-04-24 | 2013-10-30 | 亚旭电子科技(江苏)有限公司 | 非线性量测***的拟合线性曲线转换公式的取得方法 |
CN103690163A (zh) * | 2013-12-21 | 2014-04-02 | 哈尔滨工业大学 | 基于ica和hht融合的自动眼电干扰去除方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7596403B2 (en) * | 2004-06-30 | 2009-09-29 | Given Imaging Ltd. | System and method for determining path lengths through a body lumen |
US7747401B2 (en) * | 2007-08-03 | 2010-06-29 | Oracle International Corporation | Fast intrinsic mode decomposition of time series data with sawtooth transform |
TWI439874B (zh) * | 2009-01-10 | 2014-06-01 | Ind Tech Res Inst | 結構化之經驗模態分解之訊號處理方法及其裝置 |
TW201249400A (en) * | 2011-05-31 | 2012-12-16 | Ind Tech Res Inst | Apparatus and method for processing signal |
US20130024123A1 (en) * | 2011-07-21 | 2013-01-24 | Nellcor Puritan Bennett Ireland | Methods and systems for determining physiological parameters using template matching |
US20140378810A1 (en) * | 2013-04-18 | 2014-12-25 | Digimarc Corporation | Physiologic data acquisition and analysis |
-
2015
- 2015-11-18 TW TW104138064A patent/TWI562758B/zh not_active IP Right Cessation
-
2016
- 2016-01-15 CN CN201610027138.XA patent/CN106709414B/zh active Active
- 2016-02-25 US US15/052,896 patent/US20170135644A1/en not_active Abandoned
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102620928A (zh) * | 2012-03-02 | 2012-08-01 | 燕山大学 | 基于小波半软阈值和emd的风电齿轮箱故障诊断方法 |
CN103377172A (zh) * | 2012-04-24 | 2013-10-30 | 亚旭电子科技(江苏)有限公司 | 非线性量测***的拟合线性曲线转换公式的取得方法 |
CN103690163A (zh) * | 2013-12-21 | 2014-04-02 | 哈尔滨工业大学 | 基于ica和hht融合的自动眼电干扰去除方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI562758B (en) | 2016-12-21 |
TW201717842A (zh) | 2017-06-01 |
CN106709414A (zh) | 2017-05-24 |
US20170135644A1 (en) | 2017-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709414B (zh) | 生理信号量测***及其方法 | |
CN109700450B (zh) | 一种心率检测方法及电子设备 | |
JP5475658B2 (ja) | 痛み判定装置、痛み判定プログラムおよび痛み判定装置の制御方法 | |
Aboy et al. | Characterization of sample entropy in the context of biomedical signal analysis | |
Pinheiro et al. | Empirical mode decomposition and principal component analysis implementation in processing non-invasive cardiovascular signals | |
US8491481B2 (en) | System and method for measuring the instantaneous period of a quasi-periodic signal | |
US20140371610A1 (en) | Method and apparatus for beat-space frequency domain prediction of cardiovascular death after acute coronary event | |
CN110392548B (zh) | 血压数据处理装置、血压数据处理方法以及血压数据处理程序 | |
CN108324271B (zh) | 心电信号识别方法、***和心电监测设备 | |
CN102048558A (zh) | 一种胎心率信号处理方法及其装置 | |
US10105089B2 (en) | Systems and methods for blood pressure measurement with psychological status validation | |
US20140350355A1 (en) | Monitoring and managing sleep breathing disorders | |
CN114176521B (zh) | 基于雷达信息的睡眠分期方法、装置及终端 | |
CN109199355B (zh) | 心率信息检测方法、装置和检测设备 | |
US20100191117A1 (en) | Method and Device for Controlling Transmission Power of an Active Transducer | |
CN107273827B (zh) | 一种心电信号r波检测方法及装置 | |
Lake | Improved entropy rate estimation in physiological data | |
JP5873574B2 (ja) | 生理信号周期を取得する方法及びシステム | |
JP2006271474A (ja) | 睡眠状態推定装置 | |
US9706945B2 (en) | Respiration rate determination in impedance pneumography | |
CN111291328A (zh) | 一种基于精细斜率的暂态事件识别方法、***以及设备 | |
JP4122003B2 (ja) | 心拍や呼吸等の生体信号の抽出法及び装置 | |
US20180333064A1 (en) | Respiration estimation method and apparatus | |
EP3094244A1 (en) | Method and device for the detection of the degree of entropy of medical data | |
JP2014176427A (ja) | データ解析装置、及びデータ解析プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |