CN109646005A - 用力肺活量计算方法、装置、电子设备及存储介质 - Google Patents
用力肺活量计算方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109646005A CN109646005A CN201811507344.6A CN201811507344A CN109646005A CN 109646005 A CN109646005 A CN 109646005A CN 201811507344 A CN201811507344 A CN 201811507344A CN 109646005 A CN109646005 A CN 109646005A
- Authority
- CN
- China
- Prior art keywords
- sampled
- signal
- point
- crest value
- vital capacity
- 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
Classifications
-
- 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
- A61B5/091—Measuring volume of inspired or expired gases, e.g. to determine lung capacity
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Pulmonology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种用力肺活量计算方法,应用于医学技术领域,该方法包括:对待处理的呼吸信号进行采样和滤波,得到数字滤波信号,并记录数字滤波信号中各采样点对应的采样时间,查找数字滤波信号中各脉冲内的波峰值点,以及,波峰值点对应的采样时间,基于波峰值点和波峰值点对应的采样时间,计算用力肺活量。本发明还公开了一种用力肺活量计算装置、电子设备及存储介质,可提高用力肺活量计算结果的准确性。
Description
技术领域
本发明涉及医学技术领域,尤其涉及一种用力肺活量计算方法、装置、电子设备及存储介质。
背景技术
慢性阻塞性肺疾病(Chronic Obstructive Pulmonary Disease,COPD)是常见的肺部疾病。据统计,COPD致死居全球死亡原因第四位,研究表明COPD的提早诊断和治疗是降低死亡率的重要手段。其中,用力肺活量(Forced Vital Capacity,FVC)是诊断COPD的一个关键指标。
发明内容
本发明的主要目的在于提供一种用力肺活量计算方法、装置、电子设备及存储介质,以提高用力肺活量计算结果的准确性。
为实现上述目的,本发明实施例第一方面提供一种用力肺活量计算方法,包括:
对待处理的呼吸信号进行采样和滤波,得到数字滤波信号,并记录所述数字滤波信号中各采样点对应的采样时间;
查找所述数字滤波信号中各脉冲内的波峰值点,以及,所述波峰值点对应的采样时间;
基于所述波峰值点和所述波峰值点对应的采样时间,计算用力肺活量。
本发明实施例第二方面提供一种的用力肺活量计算装置,包括:
采样滤波模块,用于对待处理的呼吸信号进行采样和滤波,得到数字滤波信号;
记录模块,用于记录所述数字滤波信号中各采样点对应的采样时间;
查找模块,用于查找所述数字滤波信号中各脉冲内的波峰值点,以及,所述波峰值点对应的采样时间;
计算模块,用于基于所述波峰值点和所述波峰值点对应的采样时间,计算用力肺活量。
本发明实施例第三方面提供了一种电子设备,包括:
存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现本发明实施例第一方面提供的用力肺活量计算方法。
本发明实施例第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例第一方面提供的用力肺活量计算方法。
从上述本发明实施例可知,本发明提供的用力肺活量计算方法、装置、电子设备及存储介质,对待处理的呼吸信号进行采样和滤波,得到数字滤波信号,并记录数字滤波信号中各采样点对应的采样时间,然后,查找数字滤波信号中各脉冲内的波峰值点,以及,波峰值点对应的采样时间,然后,基于波峰值点和波峰值点对应的采样时间,计算用力肺活量,提高用力肺活量计算结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的用力肺活量计算方法的流程示意图;
图2为本发明另一实施例提供的用力肺活量计算方法的流程示意图;
图3为本发明又一实施例提供的用力肺活量计算装置的结构示意图;
图4为本发明又一实施例提供的用力肺活量计算装置的采样滤波模块301的结构示意图;
图5为本发明又一实施例提供的用力肺活量计算装置的限幅采样滤波子模块3013的结构示意图;
图6示出了一种电子设备的硬件结构图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,图1为本发明一实施例提供的用力肺活量计算方法的流程示意图,该方法包括:
S101、对待处理的呼吸信号进行采样和滤波,得到数字滤波信号,并记录数字滤波信号中各采样点对应的采样时间;
呼吸信号由测试者首先缓慢吸足气体,然后用力、快速的呼出气体,并且呼出足够长的时间以达到容量-时间曲线上出现平台,可认为测试者已达到用力肺活量测试呼气结束的标准。
进一步地,通过传感器采集测试者呼出的气体,然后通过模数转换器,将采集的待处理的模拟呼吸信号转换为数字呼吸信号(以下简称为呼吸信号),得到呼吸信号的采样点集合,然后对呼吸信号进行滤波,输出数字滤波信号,同时记录数字滤波信号中各采样点对应的采样时间。
在本发明实施例中,对呼吸信号进行滤波是为了去除采样过程中的异常点,消除偶然出现的脉冲干扰。
S102、查找数字滤波信号中各脉冲内的波峰值点,以及,波峰值点对应的采样时间;
在本发明实施例中,脉冲是指在一段数字信号内,有且仅有一个波峰和一个波谷,则定义为一个脉冲。波峰值点是指其采样值大于与其相邻两个采样点的采样值的采样点。
S103、基于波峰值点对应的采样时间,基于波峰值点和波峰值点对应的采样时间,计算用力肺活量。
令第i个波峰值点对应的采样时间为ti,波峰值点的数量为N,用力肺活量为FVC,则:
其中,a0、a1和ai为系数,i=2,3,4,...,N。
可理解的,利用最小二乘法可解上式,求得各项系数a0、a1和ai,即可利用上述公式计算FVC。
在本发明实施例中,对待处理的呼吸信号进行采样和滤波,得到数字滤波信号,并记录数字滤波信号中各采样点对应的采样时间,然后,查找数字滤波信号中各脉冲内的波峰值点,以及,波峰值点对应的采样时间,然后,基于波峰值点和波峰值点对应的采样时间,计算用力肺活量,提高用力肺活量计算结果的准确性。
请参阅图2,图2为本发明另一实施例提供的用力肺活量计算方法的流程示意图,该方法包括:
S201、按照预设采样频率,对呼吸信号进行采样,得到第一信号;
通过数模转换器,按照预设采样频率,对将采集的模拟呼吸信号进行采样,得到数字呼吸信号,即第一信号。
更多的,记录每一个采样点的采样时间。
S202、对第一信号进行滑动平均滤波,得到第二信号;
滑动平均滤波的具体过程:获取第一信号内连续N个采样点的采样值,并将其依次排列,使其构成一个采样值队列,该采样值队列的长度固定为N。每当队列中加入一个新的采样值,就将该采样值放入采样值队列的队尾,并且将位于队首的采样值丢弃,然后,对采样值队列中的N个采样值进行算术平均运算。即可得到第二采样信号。可理解的,N为自然数。
在本发明实施例中,进行滑动平均滤波可去除采样过程中的异常点,消除偶然出现的脉冲干扰。
S203、对第二信号进行限幅采样滤波,得到数字滤波信号;
限幅采样滤波的具体过程:首先,获取第二信号内各采样点对应的采样值。然后,检测本次和上一次获取的采样值之间的差值,若该差值大于或等于预设值,则保留本次获取的采样值对应的采样点,若该差值小于预设值,则丢弃本次获取的采样值对应的采样点。得到数字滤波信号。
在本发明实施例中,当本次和上一次获取的采样值之间的差值小于预设值时,不用上一次获得采样值代替本次获取的采样值,而是丢弃本次获取的采样值,进行降采样处理,可降低后续脉冲检测算法的复杂度。
S204、通过脉冲检测算法,查找数字滤波信号中各脉冲内的波峰值点;
脉冲检测算法的具体过程:获取数字滤波信号中的各采样点,然后,针对该数字滤波信号中的每一个采样点,对比该采样点的采样值与其相邻两个采样点的采样值,直到找到一个波峰值点。然后继续向下对比,直到找到一个波谷值点,则记为一个脉冲,该波峰值点即为该脉冲内的波峰值点。
波峰值点是指采样点的采样值大于相邻两个采样点的采样值采样点。
波谷值点是指采样点的采样值小于与其相邻两个采样点的采样值。
在本发明实施例中,经过上述限幅采样滤波后,数字滤波信号内的每个脉冲尖峰采样点的幅值与其相邻两个采样点的幅值差异增大,降低了脉冲检测算法的复杂度。
S205、基于波峰值点和波峰值点对应的采样时间,计算用力肺活量。
令第i个波峰值点对应的采样时间为ti,波峰值点的数量为N,用力肺活量为FVC,则:
其中,a0、a1和ai为系数,i=2,3,4,...,N。
可理解的,利用最小二乘法可解上式,求得各项系数a0、a1和ai,即可利用上述公式计算FVC。
更多的,令涡轮管道横截面积为A,流体体积为V,流速为v,时间为t,涡轮系数为k,涡轮旋转频率为f,单位时间内流体通过管道横截面的流体量为QV,则:
即,
则:
由(2)和(3),可得:
可理解的,在实际应用中要受旋转惯性和摩擦阻力影响,需要在(4)中增加速度罚项和偏置项以削弱这一影响,因此得出FVC计算公式。
更多的,在实际计算过程中,选择i={5%N,25%N,50%N,75%N,95%N}这5个点的数据即可满足准确度要求。
在本发明实施例中,对待处理的呼吸信号进行采样和滤波,得到数字滤波信号,并记录数字滤波信号中各采样点对应的采样时间,然后,查找数字滤波信号中各脉冲内的波峰值点,以及,波峰值点对应的采样时间,然后,基于波峰值点和波峰值点对应的采样时间,计算用力肺活量,提高用力肺活量计算结果的准确性。
请参阅图3,图3为本发明又一实施例提供的用力肺活量计算装置的结构示意图,该装置包括:
采样滤波模块301、记录模块302、查找模块303和计算模块304。
采样滤波模块301,用于对待处理的呼吸信号进行采样和滤波,得到数字滤波信号。
呼吸信号由测试者首先缓慢吸足气体,然后用力、快速的呼出气体,并且呼出足够长的时间以达到容量-时间曲线上出现平台,可认为测试者已达到用力肺活量测试呼气结束的标准。
进一步地,通过传感器采集测试者呼出的气体,然后通过模数转换器,将采集的待处理的模拟呼吸信号转换为数字呼吸信号(以下简称为呼吸信号),得到呼吸信号的采样点集合,然后对呼吸信号进行滤波,输出数字滤波信号。
在本发明实施例中,对呼吸信号进行滤波是为了去除采样过程中的异常点,消除偶然出现的脉冲干扰。
进一步地,请参阅图4,图4为本发明又一实施例提供的用力肺活量计算装置的采样滤波模块301的结构示意图,采样滤波模块301具体包括:
采样子模块3011,用于按照预设采样频率,对呼吸信号进行采样,得到第一信号;
滑动平均滤波子模块3012,用于对第一信号进行滑动平均滤波,得到第二信号;
滑动平均滤波的具体过程:获取第一信号内连续N个采样点的采样值,并将其依次排列,使其构成一个采样值队列,该采样值队列的长度固定为N。每当队列中加入一个新的采样值,就将该采样值放入采样值队列的队尾,并且将位于队首的采样值丢弃,然后,对采样值队列中的N个采样值进行算术平均运算。即可得到第二采样信号。可理解的,N为自然数。
限幅采样滤波子模块3013,用于对第二信号进行限幅采样滤波,得到数字滤波信号。
限幅采样滤波的具体过程:首先,获取第二信号内各采样点对应的采样值。然后,检测本次和上一次获取的采样值之间的差值,若该差值大于或等于预设值,则保留本次获取的采样值对应的采样点,若该差值小于预设值,则丢弃本次获取的采样值对应的采样点。得到数字滤波信号。
在本发明实施例中,当本次和上一次获取的采样值之间的差值小于预设值时,不用上一次获得采样值代替本次获取的采样值,而是丢弃本次获取的采样值,进行降采样处理,可降低后续脉冲检测算法的复杂度。
进一步地,请参阅图5,图5为本发明又一实施例提供的用力肺活量计算装置的限幅采样滤波子模块3013的结构示意图,限幅采样滤波子模块3013具体包括:
获取子模块30131,用于获取第二信号内各采样点对应的采样值;
检测子模块30132,用于检测本次和上一次获取的采样值之间的差值;
保留子模块30133,用于若该差值大于或等于预设值,则保留本次获取的采样值对应的采样点;
丢弃子模块30134,用于若该差值小于预设值,则丢弃本次获取的采样值对应的采样点。
确定子模块30135,用于得到数字滤波信号。
在本发明实施例中,经过上述限幅采样滤波后,数字滤波信号内的每个脉冲尖峰采样点的幅值与其相邻两个采样点的幅值差异增大,降低了脉冲检测算法的复杂度。
记录模块302,用于记录数字滤波信号中各采样点对应的采样时间。
查找模块303,用于查找数字滤波信号中各脉冲内的波峰值点,以及,波峰值点对应的采样时间。
进一步地,查找模块303具体用于通过脉冲检测算法,查找数字滤波信号中各脉冲内的波峰值点。
脉冲检测算法的具体过程:获取数字滤波信号中的各采样点,然后,针对该数字滤波信号中的每一个采样点,对比该采样点的采样值与其相邻两个采样点的采样值,直到找到一个波峰值点。然后继续向下对比,直到找到一个波谷值点,则记为一个脉冲,该波峰值点即为该脉冲内的波峰值点。
波峰值点是指采样点的采样值大于相邻两个采样点的采样值采样点。
波谷值点是指采样点的采样值小于与其相邻两个采样点的采样值。
在本发明实施例中,经过上述限幅采样滤波后,数字滤波信号内的每个脉冲尖峰采样点的幅值与其相邻两个采样点的幅值差异增大,降低了脉冲检测算法的复杂度。
计算模块304,用于基于波峰值点和波峰值点对应的采样时间,计算用力肺活量。
令第i个波峰值点对应的采样时间为ti,波峰值点的数量为N,用力肺活量为FVC,则:
其中,a0、a1和ai为系数,i=2,3,4,...,N。
可理解的,利用最小二乘法可解上式,求得各项系数a0、a1和ai,即可利用上述公式计算FVC。
在本发明实施例中,对待处理的呼吸信号进行采样和滤波,得到数字滤波信号,并记录数字滤波信号中各采样点对应的采样时间,然后,查找数字滤波信号中各脉冲内的波峰值点,以及,波峰值点对应的采样时间,然后,基于波峰值点和波峰值点对应的采样时间,计算用力肺活量,提高用力肺活量计算结果的准确性。
请参见图6,图6示出了一种电子设备的硬件结构图。
本实施例中所描述的电子设备,包括:
存储器41、处理器42及存储在存储器41上并可在处理器上运行的计算机程序,处理器执行该程序时实现前述图1所示实施例中描述的用力肺活量计算方法。
进一步地,该电子设备还包括:
至少一个输入设备43;至少一个输出设备44。
上述存储器41、处理器42输入设备43和输出设备44通过总线45连接。
其中,输入设备43具体可为摄像头、触控面板、物理按键或者鼠标等等。输出设备44具体可为显示屏。
存储器41可以是高速随机存取记忆体(RAM,Random Access Memory)存储器,也可为非不稳定的存储器(non-volatile memory),例如磁盘存储器。存储器41用于存储一组可执行程序代码,处理器42与存储器41耦合。
进一步地,本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质可以是设置于上述各实施例中的终端中,该计算机可读存储介质可以是前述图6所示实施例中的存储器。该计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现前述图1或图2所示实施例中描述的用力肺活量计算方法。进一步地,该计算机可存储介质还可以是U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上为对本发明所提供的一种用力肺活量计算方法、装置、电子设备及存储介质的描述,对于本领域的技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种用力肺活量计算方法,其特征在于,包括:
对待处理的呼吸信号进行采样和滤波,得到数字滤波信号,并记录所述数字滤波信号中各采样点对应的采样时间;
查找所述数字滤波信号中各脉冲内的波峰值点,以及,所述波峰值点对应的采样时间;
基于所述波峰值点和所述波峰值点对应的采样时间,计算用力肺活量。
2.根据权利要求1所述的计算方法,其特征在于,所述对待处理的呼吸信号进行采样和滤波,得到数字滤波信号包括:
按照预设采样频率,对所述呼吸信号进行采样,得到第一信号;
对所述第一信号进行滑动平均滤波,得到第二信号;
对所述第二信号进行限幅采样滤波,得到所述数字滤波信号。
3.根据权利要求2所述的计算方法,其特征在于,所述对所述第二信号进行限幅采样滤波包括:
获取所述第二信号内各采样点对应的采样值;
检测本次和上一次获取的采样值之间的差值,若所述差值大于或等于预设值,则保留所述本次获取的采样值对应的采样点,若所述差值小于预设值,则丢弃所述本次获取的采样值对应的采样点。
4.根据权利要求1所述的计算方法,其特征在于,所述查找所述数字滤波信号中各脉冲内的波峰值点包括:
通过脉冲检测算法,查找所述数字滤波信号中各脉冲内的波峰值点。
5.根据权利要求1至4任意一项所述的用力肺活量计算方法,其特征在于,所述基于所述波峰值点和所述波峰值点对应的采样时间,计算用力肺活量包括:
令第i个波峰值点对应的采样时间为ti,所述波峰值点的数量为N,所述用力肺活量为FVC,则:
其中,a0、a1和ai为系数,i=2,3,4,...,N。
6.一种用力肺活量计算装置,其特征在于,包括:
采样滤波模块,用于对待处理的呼吸信号进行采样和滤波,得到数字滤波信号;
记录模块,用于记录所述数字滤波信号中各采样点对应的采样时间;
查找模块,用于查找所述数字滤波信号中各脉冲内的波峰值点,以及,所述波峰值点对应的采样时间;
计算模块,用于基于所述波峰值点和所述波峰值点对应的采样时间,计算用力肺活量。
7.根据权利要求6所述的计算装置,其特征在于,所述采样滤波模块包括:
采样子模块,用于按照预设采样频率,对所述呼吸信号进行采样,得到第一信号;
滑动平均滤波子模块,用于对所述第一信号进行滑动平均滤波,得到第二信号;
限幅采样滤波子模块,用于对所述第二信号进行限幅采样滤波,得到所述数字滤波信号。
8.根据权利要求7所述的计算装置,其特征在于,所述限幅采样滤波子模块包括:
获取子模块,用于获取所述第二信号内各采样点对应的采样值;
检测子模块,用于检测本次和上一次获取的采样值之间的差值;
保留子模块,用于若所述差值大于或等于预设值,则保留所述本次获取的采样值对应的采样点;
丢弃子模块,用于若所述差值小于预设值,则丢弃所述本次获取的采样值对应的采样点;
确定子模块,用于得到所述数字滤波信号;
其中,所述查找模块具体用于通过脉冲检测算法,查找所述数字滤波信号中各脉冲内的波峰值点;
所述计算模块,具体用于令第i个波峰值点对应的采样时间为ti,所述波峰值点的数量为N,所述用力肺活量为FVC,则:
其中,a0、a1和ai为系数,i=2,3,4,...,N。
9.一种电子设备,包括:存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现权利要求1至5中的任一项所述的用力肺活量计算方法中的各个步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现权利要求1至5中的任一项所述的用力肺活量计算方法中的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811507344.6A CN109646005B (zh) | 2018-12-10 | 2018-12-10 | 用力肺活量计算方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811507344.6A CN109646005B (zh) | 2018-12-10 | 2018-12-10 | 用力肺活量计算方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109646005A true CN109646005A (zh) | 2019-04-19 |
CN109646005B CN109646005B (zh) | 2020-09-25 |
Family
ID=66113873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811507344.6A Active CN109646005B (zh) | 2018-12-10 | 2018-12-10 | 用力肺活量计算方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109646005B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111679214A (zh) * | 2020-06-24 | 2020-09-18 | 东莞新能安科技有限公司 | 预测电池的荷电状态的装置及方法 |
CN113739864A (zh) * | 2021-09-08 | 2021-12-03 | 北京声智科技有限公司 | 一种气体流量检测方法及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102551727A (zh) * | 2012-01-11 | 2012-07-11 | 深圳市理邦精密仪器股份有限公司 | 呼吸信息检测方法及装置 |
JP2014104142A (ja) * | 2012-11-27 | 2014-06-09 | Fukuda Sangyo:Kk | 呼吸機能検査装置 |
CN105460822A (zh) * | 2015-12-17 | 2016-04-06 | 武汉船用机械有限责任公司 | 电动锚绞机控制装置和方法 |
CN106361343A (zh) * | 2016-08-31 | 2017-02-01 | 王未来 | 一种智能峰流速仪及管控使用方法 |
CN106901742A (zh) * | 2017-04-24 | 2017-06-30 | 广州锐士伯医疗科技有限公司 | 一种带学习功能的便携式呼吸功能检测装置 |
CN107569233A (zh) * | 2017-08-31 | 2018-01-12 | 中国科学院电子学研究所 | 获取呼气指标的装置及方法 |
CN108109697A (zh) * | 2017-12-20 | 2018-06-01 | 中国科学院合肥物质科学研究院 | 一种基于呼气数学模型的肺功能测试***及方法 |
-
2018
- 2018-12-10 CN CN201811507344.6A patent/CN109646005B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102551727A (zh) * | 2012-01-11 | 2012-07-11 | 深圳市理邦精密仪器股份有限公司 | 呼吸信息检测方法及装置 |
JP2014104142A (ja) * | 2012-11-27 | 2014-06-09 | Fukuda Sangyo:Kk | 呼吸機能検査装置 |
CN105460822A (zh) * | 2015-12-17 | 2016-04-06 | 武汉船用机械有限责任公司 | 电动锚绞机控制装置和方法 |
CN106361343A (zh) * | 2016-08-31 | 2017-02-01 | 王未来 | 一种智能峰流速仪及管控使用方法 |
CN106901742A (zh) * | 2017-04-24 | 2017-06-30 | 广州锐士伯医疗科技有限公司 | 一种带学习功能的便携式呼吸功能检测装置 |
CN107569233A (zh) * | 2017-08-31 | 2018-01-12 | 中国科学院电子学研究所 | 获取呼气指标的装置及方法 |
CN108109697A (zh) * | 2017-12-20 | 2018-06-01 | 中国科学院合肥物质科学研究院 | 一种基于呼气数学模型的肺功能测试***及方法 |
Non-Patent Citations (1)
Title |
---|
袁玮等: "慢肺活量与用力肺活量的差异可预测慢性", 《中国呼吸与危重监护杂志》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111679214A (zh) * | 2020-06-24 | 2020-09-18 | 东莞新能安科技有限公司 | 预测电池的荷电状态的装置及方法 |
CN113739864A (zh) * | 2021-09-08 | 2021-12-03 | 北京声智科技有限公司 | 一种气体流量检测方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109646005B (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6811773B2 (ja) | フォトプレチスモグラム(ppg)信号品質を定量化する方法 | |
Zhang et al. | An algorithm for robust and efficient location of T-wave ends in electrocardiograms | |
Arif et al. | Detection and localization of myocardial infarction using k-nearest neighbor classifier | |
US5938594A (en) | Method and apparatus for detecting nonlinearity and chaos in a dynamical system | |
Widjaja et al. | ECG-derived respiration: comparison and new measures for respiratory variability | |
CN109646005A (zh) | 用力肺活量计算方法、装置、电子设备及存储介质 | |
Ravelo-García et al. | Application of the permutation entropy over the heart rate variability for the improvement of electrocardiogram-based sleep breathing pause detection | |
CN109864705B (zh) | 对脉搏波进行滤波的方法、装置和计算机设备 | |
CN109299740A (zh) | 一种逻辑回归模型的构建方法及*** | |
Choe et al. | Simplified real-time heartbeat detection in ballistocardiography using a dispersion-maximum method | |
CN102393870B (zh) | 脉搏波数据基线不平的修正方法 | |
CN107550484B (zh) | 一种心磁信号质量评价方法及*** | |
CN111067512B (zh) | 心室颤动的检测装置、检测模型的训练装置、方法及设备 | |
CN106770151B (zh) | 一种快速检测拉曼光谱信号的方法及装置 | |
Sahoo et al. | Autocorrelation and Hilbert transform-based QRS complex detection in ECG signal | |
CN108898062A (zh) | 一种基于改进的信号片段提取算法的手部动作识别方法 | |
Emrich et al. | Accelerated sample-accurate r-peak detectors based on visibility graphs | |
Ganguli et al. | Trend shift detection in jet engine gas path measurements using cascaded recursive median filter with gradient and laplacian edge detector | |
Ding et al. | Multimodal information fusion for robust heart beat detection | |
CN111796758A (zh) | 数据记录与分析*** | |
JP2015217060A (ja) | 心拍検出方法および心拍検出装置 | |
CN114680833A (zh) | 一种检测睡眠纺锤波的方法、装置、电子设备及存储介质 | |
Singh et al. | Empirical wavelet transform-based delineator for arterial blood pressure waveforms | |
CN109766026B (zh) | 测试读写能力的方法和装置 | |
Wang et al. | Period segmentation for wrist pulse signal based on adaptive cascade thresholding and machine learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |