CN111374647A - 一种检测脉搏波的方法、装置和电子设备 - Google Patents
一种检测脉搏波的方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111374647A CN111374647A CN201811642557.XA CN201811642557A CN111374647A CN 111374647 A CN111374647 A CN 111374647A CN 201811642557 A CN201811642557 A CN 201811642557A CN 111374647 A CN111374647 A CN 111374647A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- independent components
- independent
- pulse
- determining
- 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.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—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
-
- 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
-
- 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
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Mathematical Physics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请实施例提供了一种检测脉搏波的方法、装置和电子设备,该方法包括:从感兴趣区域的视频中获取三种颜色的灰度变化曲线;通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分;根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。本申请实施例提供的一种检测脉搏波的方法、装置和电子设备,能够实现非接触式地、长时间地、实时地测量脉搏波。
Description
技术领域
本申请涉及脉搏检测技术领域,尤其涉及一种检测脉搏波的方法、装置和电子设备。
背景技术
目前,脉搏检测可根据采集原理分为压力脉搏波传感和光电容积脉搏波传感。压力脉搏波传感有包括气囊式检测方式和压电传感器检测方式。气囊式检测是将传感器置于气囊中,然后将气囊固定于桡动脉处,通过加压气囊将压力加到一定程度来测得脉搏波。压电传感器检测方式是用压电传感器直接将桡动脉的压力信号转变为对应变化的电信号,能够最大限度地将桡动脉的脉搏波波形通过电压的形式显示出来,同时可将采集到的模拟信号转变成数字信号进行计算处理。光电容积脉搏波传感一般是检测指尖脉搏,可分为透射式和反射式两种,均是通过检测光透过皮肤和组织(或被反射)被吸收后的差异来测量脉搏波。
基于此,本发明的发明人发现,这些测量法需要通过直接接触测量工具,使用不方便,无法长时间持续并实时地进行测量。公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本申请实施例的目的是提供一种检测脉搏波的方法、装置和电子设备,能够方便地、长时间地、实时地测量脉搏波。
为解决上述技术问题,本申请实施例是通过以下各方面实现的。
第一方面,本申请实施例提供了一种检测脉搏波的方法,包括:从感兴趣区域的视频中获取三种颜色的灰度变化曲线;通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分;根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
第二方面,本申请实施例提供了一种检测脉搏波的装置,包括:获取模块,用于从感兴趣区域的视频中获取三种颜色的灰度变化曲线;分解模块,用于通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分;检测模块,用于根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
第三方面,本申请实施例提供了一种电子设备,包括:存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机可执行指令,所述计算机可执行指令被所述处理器执行时实现步骤:从感兴趣区域的视频中获取三种颜色的灰度变化曲线;通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分;根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机可执行指令,所述计算机可执行指令被处理器执行时实现步骤:从感兴趣区域的视频中获取三种颜色的灰度变化曲线;通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分;根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
在本申请实施例中,通过从感兴趣区域的视频中获取三种颜色的灰度变化曲线;通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分;根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波,能够方便地、长时间地、实时地测量脉搏波。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出本申请实施例提供的一种检测脉搏波的方法的一种流程示意图;
图2示出光电容积脉搏波的原理图;
图3示出拜尔阵列技术的示意图;
图4a~4c示出三种颜色灰度曲线局部波形示意图;
图5示出血红蛋白的吸收光谱曲线;
图6示出本申请实施例提供的一种检测脉搏波的方法的另一种流程示意图;
图7a~7c示出对分解后的结果进行滤波并翻转后的局部波形;
图8a~8c示出独立成分的频谱示意图;
图9示出对比过程的示意图;
图10示出本申请实施例提供的一种检测脉搏波的方法的另一种流程示意图;
图11a~11d示出生成脉搏波散点图的方法示意图;
图12示出脉搏波散点图背景的标识标线的示意图;
图13示出本申请实施例提供的一种检测脉搏波的装置的结构示意图;
图14示出本申请实施例提供的一种检测脉搏波的装置的结构示意图;
图15示出执行本申请实施例提供的一种检测脉搏波的方法的电子设备的硬件结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
图1示出本申请实施例提供的一种检测脉搏波的方法的一种流程示意图,该方法可以由电子设备执行,例如终端设备或服务端设备。换言之,所述方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。如图所示,该方法可以包括以下步骤。
步骤S10:从感兴趣区域的视频中获取三种颜色的灰度变化曲线。
在本申请实施例中感兴趣区域可以为人脸。人脸包含着丰富的纹理信息,当光线照射到人的皮肤上时,部分光线会被皮肤表面直接反射,还有一部分会进入皮肤,进入皮肤的光线,一部分被组织吸收,剩余的经皮肤内的组织散射从皮肤***出。经由皮肤内组织散射而从皮肤射出的光线就包含了丰富的信息。
图2示出光电容积脉搏波的原理图。角质层、***这类稳定的组织,对光线的吸收和散射是稳定的:微静脉中的静脉血也是相对稳定的存在,对光线的吸收和散射是稳定的;但微动脉的容积会随着心脏的波动而周期性变化,所以随着皮下微动脉中动脉血容积的波动,动脉血吸收和散射的光线也就随之变化。当皮下动脉充盈时,动脉血吸收光线多,散射少;当皮下动脉舒张时,动脉血吸收光线少,散射多。最终形成图中的出射光强变化曲线,曲线的直流恒定部分表示角质层、***、相对稳定的静脉血和动脉容积稳定的部分形成的稳定的散射光IDC,波动部分IAC就是由动脉搏动引起的动脉血容积变化形成的,而能够反映脉搏的波动曲线就是光电容积脉搏波。
图像的彩色都是由红、绿、蓝三基色光按一定的比例组成的,数码相机图像传感器采集的正是这三种色光的光强。视频通常是由数码摄像机采集的彩***,数码摄像机采集图像使用的是图像传感器,基于拜尔阵列技术形成彩色图像。
图3示出拜尔阵列技术的示意图,如图所示,每个方格代表一个像素位置,方格中的字母R代表红色,G代表绿色,B代表蓝色。在图像传感器上面加上一个滤光层,滤光层布满了红、绿、蓝色光滤光点,与下层的像素一一对应,这样就可以让图像传感器的每一个像素位置只采集一种色光的强度。每个像素位置准确记录了一种颜色的光强,同时为了能够准确表达该像素位置的真实颜色,还需要另外两种颜色的光强信息,而另外两种色光的强度可以通过对该像素周边位置及其他位置采集的对应颜色光强加权平均得到,从而还原该像素的真实颜色。
从图中可以看出拜尔阵列的每一列像素只采集两种颜色的光强,每隔一个像素采集一次同种颜色的光强,每列都采集绿色光的光强,红色和蓝色则是每隔一列才采集,也就是说实际采集绿色光的像素数目是采集红色或蓝色光像素数目的二倍。这主要是人眼对绿色光最为敏感,采集更多绿色光信息使得图像颜色看起来更加真实。
图4a~4c示出三种颜色灰度曲线局部波形示意图,如图所示,这三种颜色的灰度变化曲线包含的信号成分非常复杂,主要是运动或其他原因引入的低频的干扰和高频的随机噪声,周期性的脉搏波信号显得非常微弱。但是这些信号中只有脉搏波时能显著的非高斯信号,所以理论上利用独立成分分析可以分解处脉搏波信号和一些随机的高斯信号。
步骤S20:通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分。
图5示出血红蛋白的吸收光谱曲线。根据脉搏波产生机制,动脉中动脉血液的变化是形成脉搏波的关键,动脉血液的颜色呈现是由于血红蛋白的原因,血红蛋白决定了动脉血液的光吸收特性。血红蛋白的作用是向人全身的组织器官运输氧气,分为氧合血红蛋白和脱氧血红蛋白,它们在可见光和近红外光段的吸收光谱曲线如图所示。
从图中能够看出,在波长为390nm-760nm的可见光段,氧合血红蛋白和脱氧血红蛋白的吸收光谱曲线总体趋势相似,对短波长光吸收系数大,对长波长光吸收系数小,同样也解释血液为何为红色。
根据国际照明委员会(缩写:CIE)创立的CIE1931RGB色度***里,RGB三基色光的波长设定为:红光(R)的波长为700.00nm,绿光(G)的波长为546.1nm,蓝光(B)的波长为435.8nm。
步骤S30:根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
结合图4可知,分解后的成分1和成分2的波动幅值较小,且周期性很弱,主要包含的成分是随机噪声和非周期的低频噪声;成分3的波动幅值最大,同时周期性也最明显,包含具有脉搏波特征的周期波形。
结合图5可知,波长为700.0nm的红光对应的血红蛋白系数很低;波长为546.1nm的绿光对应的吸收系数很高,且恰好处于峰值附近;波长为435.8nm的蓝光对应的吸收系数也相对较高,几乎与绿光接近,故而从皮肤透射出的散射光中,绿光和蓝光更容易随着皮下动脉血的变化而变化,更容易反映脉搏波。
需要说明的是,本申请实施例所述的脉搏波属于一种生理参数,其作为中间结果无法获得被测者的诊断结果或健康状况。
由此,本申请实施例提供的一种检测脉搏波的方法,通过从感兴趣区域的视频中获取三种颜色的灰度变化曲线,通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分,根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波,能够通过对例如脸部的感兴趣区域的视频进行处理,实现非接触式地、实时地测量脉搏波。
图6示出本申请实施例提供的一种检测脉搏波的方法的一种流程示意图,该方法可以由电子设备执行,例如终端设备或服务端设备。换言之,所述方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。如图所示,该方法可以包括以下步骤。
步骤S10:从感兴趣区域的视频中获取三种颜色的灰度变化曲线。
在本申请实施例中感兴趣区域可以为人脸。人脸包含着丰富的纹理信息,当光线照射到人的皮肤上时,部分光线会被皮肤表面直接反射,还有一部分会进入皮肤,进入皮肤的光线,一部分被组织吸收,剩余的经皮肤内的组织散射从皮肤***出。经由皮肤内组织散射而从皮肤射出的光线就包含了丰富的信息。
图2示出光电容积脉搏波的原理图。角质层、***这类稳定的组织,对光线的吸收和散射是稳定的:微静脉中的静脉血也是相对稳定的存在,对光线的吸收和散射是稳定的;但微动脉的容积会随着心脏的波动而周期性变化,所以随着皮下微动脉中动脉血容积的波动,动脉血吸收和散射的光线也就随之变化。当皮下动脉充盈时,动脉血吸收光线多,散射少;当皮下动脉舒张时,动脉血吸收光线少,散射多。最终形成图中的出射光强变化曲线,曲线的直流恒定部分表示角质层、***、相对稳定的静脉血和动脉容积稳定的部分形成的稳定的散射光IDC,波动部分IAC就是由动脉搏动引起的动脉血容积变化形成的,而能够反映脉搏的波动曲线就是光电容积脉搏波。
图像的彩色都是由红、绿、蓝三基色光按一定的比例组成的,数码相机图像传感器采集的正是这三种色光的光强。视频通常是由数码摄像机采集的彩***,数码摄像机采集图像使用的是图像传感器,基于拜尔阵列技术形成彩色图像。
图3示出拜尔阵列技术的示意图,如图所示,每个方格代表一个像素位置,方格中的字母R代表红色,G代表绿色,B代表蓝色。在图像传感器上面加上一个滤光层,滤光层布满了红、绿、蓝色光滤光点,与下层的像素一一对应,这样就可以让图像传感器的每一个像素位置只采集一种色光的强度。每个像素位置准确记录了一种颜色的光强,同时为了能够准确表达该像素位置的真实颜色,还需要另外两种颜色的光强信息,而另外两种色光的强度可以通过对该像素周边位置及其他位置采集的对应颜色光强加权平均得到,从而还原该像素的真实颜色。
从图中可以看出拜尔阵列的每一列像素只采集两种颜色的光强,每隔一个像素采集一次同种颜色的光强,每列都采集绿色光的光强,红色和蓝色则是每隔一列才采集,也就是说实际采集绿色光的像素数目是采集红色或蓝色光像素数目的二倍。这主要是人眼对绿色光最为敏感,采集更多绿色光信息使得图像颜色看起来更加真实。
图4示出三种颜色灰度曲线局部波形示意图,如图所示,这三种颜色的灰度变化曲线包含的信号成分非常复杂,主要是运动或其他原因引入的低频的干扰和高频的随机噪声,周期性的脉搏波信号显得非常微弱。但是这些信号中只有脉搏波时能显著的非高斯信号,所以理论上利用独立成分分析可以分解处脉搏波信号和一些随机的高斯信号。
步骤S20:通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分。
图5示出血红蛋白的吸收光谱曲线。根据脉搏波产生机制,动脉中动脉血液的变化是形成脉搏波的关键,动脉血液的颜色呈现是由于血红蛋白的原因,血红蛋白决定了动脉血液的光吸收特性。血红蛋白的作用是向人全身的组织器官运输氧气,分为氧合血红蛋白和脱氧血红蛋白,它们在可见光和近红外光段的吸收光谱曲线如图所示。
从图中能够看出,在波长为390nm-760nm的可见光段,氧合血红蛋白和脱氧血红蛋白的吸收光谱曲线总体趋势相似,对短波长光吸收系数大,对长波长光吸收系数小,同样也解释血液为何为红色。
可选地,可以通过FastICA算法将所述灰度变化曲线分解为一个或多个独立成分。独立成分分析(Independent Component Analysis,ICA)是近年来提出的非常有效的数据分析工具,快速ICA(FastICA)主要用来从混合数据中提取出原始的独立信号。
根据国际照明委员会(缩写:CIE)创立的CIE1931RGB色度***里,RGB三基色光的波长设定为:红光(R)的波长为700.00nm,绿光(G)的波长为546.1nm,蓝光(B)的波长为435.8nm。
步骤S30:根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
结合图4可知,分解后的成分1和成分2的波动幅值较小,且周期性很弱,主要包含的成分是随机噪声和非周期的低频噪声;成分3的波动幅值最大,同时周期性也最明显,包含具有脉搏波特征的周期波形。
结合图5可知,波长为700.0nm的红光对应的血红蛋白系数很低;波长为546.1nm的绿光对应的吸收系数很高,且恰好处于峰值附近;波长为435.8nm的蓝光对应的吸收系数也相对较高,几乎与绿光接近,故而从皮肤透射出的散射光中,绿光和蓝光更容易随着皮下动脉血的变化而变化,更容易反映脉搏波。
在一种可能的实现方式中,本步骤可以具体包括以下步骤。
S31:对所述一个或多个独立成分进行带通滤波和波形纠正。
结合图4可知,分解后的成分1和成分2的波动幅值较小,且周期性很弱,主要包含的成分是随机噪声和非周期的低频噪声;成分3的波动幅值最大,同时周期性也最明显,除了包含具有脉搏波特征的周期波形之外,还包含了部分高频噪声和周期性的低频干扰,干扰的频率和脉搏波不重叠,故而可以通过带通滤波去除;同时成分3波形的幅值为负,这也意味成分3的波形发生了反转;需要将分解结果零均值化,同时将翻转的波形纠正。
图7a~7c示出对分解后的结果进行滤波并翻转后的局部波形,如图所示,对分解后的成分进行滤波处理,可以选用切比雪夫I型IIR滤波器进行带带通滤波器;光电容积脉搏波的波形和压力脉搏波的波形刚好是上下颠倒的,一般的脉搏波都是以压力波的形式呈现,因此要将滤波结果进行上下翻转的处理。
从图中可以看出成分1和成分2的周期性不强,而且幅值比较低,成分3的周期性很强,具有明显的脉搏波特征,而且幅值比成分1和成分2都要高,由此通过本步骤可以确定成分3中包含了主要的脉搏波成分。
S32:将所述一个或多个独立成分进行快速傅里叶变换,将快速傅里叶变换后所得的序列中的最大数值与均值的比值作为指标,将所述指标最大的独立成分确定为所述脉搏波。
为了进一步确定成分3是否是脉搏波,本申请实施例对分解滤波后的结果进行快速傅里叶变换。
图8a~8c示出独立成分的频谱示意图,如图所示,包含脉搏波成分的独立成分频域能量非常集中,另外两个成分的频谱能量明显较为分散,而且幅值较低;将信号傅里叶变换所得的序列中的最大数值与均值的比值作为指标,该指标最大的独立成分即为包含脉搏波的独立成分,由此进一步确定成分3是要提取的脉搏波。
S33:将从所述一个或多个独立成分中确定的所述脉搏波进行标准化,并与所述对比脉搏波进行对比,并根据所述对比的结果确定所述脉搏波。
采集对比部位的对比脉搏波,例如指尖脉搏波,并将所述对比脉搏波进行标准化,与从所述一个或多个独立成分中确定的脉搏波对比,并根据对比的结果进一步确定所述脉搏波。
图9示出对比过程的示意图。如图所示,实线波形为视频提取的脉搏波波形,虚线波形脉搏波。从图中可以看出,视频采集的脉搏波与对比脉搏波相比,相似度很高,峰值的位置吻合。至此,本申请实施例进一步确定成功提取出了脉搏波。
由此,本申请实施例提供的一种检测脉搏波的方法,通过从感兴趣区域的视频中获取三种颜色的灰度变化曲线,通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分,根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波,能够通过对例如脸部的感兴趣区域的视频进行处理,实现非接触式地、实时地测量脉搏波。
此外,本申请实施例提供的一种检测脉搏波的方法,通过将所述一个或多个独立成分进行快速傅里叶变换,将快速傅里叶变换后所得的序列中的最大数值与均值的比值作为指标,将所述指标最大的独立成分确定为所述脉搏波,能够进一步确定成功提取了脉搏波。
此外,本申请实施例提供的一种检测脉搏波的方法,通过将从所述一个或多个独立成分中确定的所述脉搏波进行标准化,并与所述对比脉搏波进行对比,并根据所述对比的结果确定所述脉搏波,能够进一步确定成功提取了脉搏波。
此外,本申请实施例提供的一种检测脉搏波的方法,通过在通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分之后对所述一个或多个独立成分进行带通滤波和波形纠正,能够进一步确定成功提取了脉搏波。
图10示出本申请实施例提供的一种检测脉搏波的方法的另一种流程示意图,该方法可以由电子设备执行,例如终端设备或服务端设备。换言之,所述方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。如图所示,该方法可以包括以下步骤。
步骤S10:从感兴趣区域的视频中获取三种颜色的灰度变化曲线。
在本申请实施例中感兴趣区域可以为人脸。人脸包含着丰富的纹理信息,当光线照射到人的皮肤上时,部分光线会被皮肤表面直接反射,还有一部分会进入皮肤,进入皮肤的光线,一部分被组织吸收,剩余的经皮肤内的组织散射从皮肤***出。经由皮肤内组织散射而从皮肤射出的光线就包含了丰富的信息。
图2示出光电容积脉搏波的原理图。角质层、***这类稳定的组织,对光线的吸收和散射是稳定的:微静脉中的静脉血也是相对稳定的存在,对光线的吸收和散射是稳定的;但微动脉的容积会随着心脏的波动而周期性变化,所以随着皮下微动脉中动脉血容积的波动,动脉血吸收和散射的光线也就随之变化。当皮下动脉充盈时,动脉血吸收光线多,散射少;当皮下动脉舒张时,动脉血吸收光线少,散射多。最终形成图中的出射光强变化曲线,曲线的直流恒定部分表示角质层、***、相对稳定的静脉血和动脉容积稳定的部分形成的稳定的散射光IDC,波动部分IAC就是由动脉搏动引起的动脉血容积变化形成的,而能够反映脉搏的波动曲线就是光电容积脉搏波。
图像的彩色都是由红、绿、蓝三基色光按一定的比例组成的,数码相机图像传感器采集的正是这三种色光的光强。视频通常是由数码摄像机采集的彩***,数码摄像机采集图像使用的是图像传感器,基于拜尔阵列技术形成彩色图像。
图3示出拜尔阵列技术的示意图,如图所示,每个方格代表一个像素位置,方格中的字母R代表红色,G代表绿色,B代表蓝色。在图像传感器上面加上一个滤光层,滤光层布满了红、绿、蓝色光滤光点,与下层的像素一一对应,这样就可以让图像传感器的每一个像素位置只采集一种色光的强度。每个像素位置准确记录了一种颜色的光强,同时为了能够准确表达该像素位置的真实颜色,还需要另外两种颜色的光强信息,而另外两种色光的强度可以通过对该像素周边位置及其他位置采集的对应颜色光强加权平均得到,从而还原该像素的真实颜色。
从图中可以看出拜尔阵列的每一列像素只采集两种颜色的光强,每隔一个像素采集一次同种颜色的光强,每列都采集绿色光的光强,红色和蓝色则是每隔一列才采集,也就是说实际采集绿色光的像素数目是采集红色或蓝色光像素数目的二倍。这主要是人眼对绿色光最为敏感,采集更多绿色光信息使得图像颜色看起来更加真实。
图4示出三种颜色灰度曲线局部波形示意图,如图所示,这三种颜色的灰度变化曲线包含的信号成分非常复杂,主要是运动或其他原因引入的低频的干扰和高频的随机噪声,周期性的脉搏波信号显得非常微弱。但是这些信号中只有脉搏波时能显著的非高斯信号,所以理论上利用独立成分分析可以分解处脉搏波信号和一些随机的高斯信号。
步骤S20:通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分。
图5示出血红蛋白的吸收光谱曲线。根据脉搏波产生机制,动脉中动脉血液的变化是形成脉搏波的关键,动脉血液的颜色呈现是由于血红蛋白的原因,血红蛋白决定了动脉血液的光吸收特性。血红蛋白的作用是向人全身的组织器官运输氧气,分为氧合血红蛋白和脱氧血红蛋白,它们在可见光和近红外光段的吸收光谱曲线如图所示。
从图中能够看出,在波长为390nm-760nm的可见光段,氧合血红蛋白和脱氧血红蛋白的吸收光谱曲线总体趋势相似,对短波长光吸收系数大,对长波长光吸收系数小,同样也解释血液为何为红色。
根据国际照明委员会(缩写:CIE)创立的CIE1931RGB色度***里,RGB三基色光的波长设定为:红光(R)的波长为700.00nm,绿光(G)的波长为546.1nm,蓝光(B)的波长为435.8nm。
步骤S30:根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
结合图4可知,分解后的成分1和成分2的波动幅值较小,且周期性很弱,主要包含的成分是随机噪声和非周期的低频噪声;成分3的波动幅值最大,同时周期性也最明显,包含具有脉搏波特征的周期波形。
结合图5可知,波长为700.0nm的红光对应的血红蛋白系数很低;波长为546.1nm的绿光对应的吸收系数很高,且恰好处于峰值附近;波长为435.8nm的蓝光对应的吸收系数也相对较高,几乎与绿光接近,故而从皮肤透射出的散射光中,绿光和蓝光更容易随着皮下动脉血的变化而变化,更容易反映脉搏波。
在一种可能的实现方式中,本步骤可以具体包括以下步骤。
S31:对所述一个或多个独立成分进行带通滤波和波形纠正。
结合图4可知,分解后的成分1和成分2的波动幅值较小,且周期性很弱,主要包含的成分是随机噪声和非周期的低频噪声;成分3的波动幅值最大,同时周期性也最明显,除了包含具有脉搏波特征的周期波形之外,还包含了部分高频噪声和周期性的低频干扰,干扰的频率和脉搏波不重叠,故而可以通过带通滤波去除;同时成分3波形的幅值为负,这也意味成分3的波形发生了反转;需要将分解结果零均值化,同时将翻转的波形纠正。
图7示出对分解后的结果进行滤波并翻转后的局部波形,如图所示,对分解后的成分进行滤波处理,可以选用切比雪夫I型IIR滤波器进行带带通滤波器;光电容积脉搏波的波形和压力脉搏波的波形刚好是上下颠倒的,一般的脉搏波都是以压力波的形式呈现,因此要将滤波结果进行上下翻转的处理。
从图中可以看出成分1和成分2的周期性不强,而且幅值比较低,成分3的周期性很强,具有明显的脉搏波特征,而且幅值比成分1和成分2都要高,由此通过本步骤可以确定成分3中包含了主要的脉搏波成分。
S32:将所述一个或多个独立成分进行快速傅里叶变换,将快速傅里叶变换后所得的序列中的最大数值与均值的比值作为指标,将所述指标最大的独立成分确定为所述脉搏波。
为了进一步确定成分3是否是脉搏波,本申请实施例对分解滤波后的结果进行快速傅里叶变换。
图8示出独立成分的频谱示意图,如图所示,包含脉搏波成分的独立成分频域能量非常集中,另外两个成分的频谱能量明显较为分散,而且幅值较低;将信号傅里叶变换所得的序列中的最大数值与均值的比值作为指标,该指标最大的独立成分即为包含脉搏波的独立成分,由此进一步确定成分3是要提取的脉搏波。
S33:将从所述一个或多个独立成分中确定的所述脉搏波进行标准化,并与所述对比脉搏波进行对比,并根据所述对比的结果确定所述脉搏波。
采集对比部位的对比脉搏波,例如指尖脉搏波,并将所述对比脉搏波进行标准化,与从所述一个或多个独立成分中确定的脉搏波对比,并根据对比的结果进一步确定所述脉搏波。
图9示出对比过程的示意图。如图所示,实线波形为视频提取的脉搏波波形,虚线波形脉搏波。从图中可以看出,视频采集的脉搏波与对比脉搏波相比,相似度很高,峰值的位置吻合。至此,本申请实施例进一步确定成功提取出了脉搏波。
在一种可能的实现方式中,本申请实施例在步骤S30之后还包括以下步骤。
S40:基于所述脉搏波的波形生成脉搏波散点图。
具体可以包括基于所述脉搏波的波峰值的间期生成脉搏波散点图。脉搏波散点图制作的步骤具有迭代计算,即次递的从变量的原始值推出它的一个新值的独特性质。设二维坐标系中横坐标X=n,即动力学***中的任意点与点的间隔,纵坐标Y=n+1。在此处,定义脉搏波峰值间期为RR。
图11a~11d示出生成脉搏波散点图的方法示意图。基于正常人脉搏波片段,取第一个脉搏波峰值间期为X值,第二个脉搏波峰值间期为Y值,做成P1点;再取第二个脉搏波峰值间期为X值,取第三个脉搏波峰值间期为Y值,做成P2点;再取第三个脉搏波峰值间期为X值,取第四个脉搏波峰值间期为Y值,做成P3点;然后依此法追踪制成连续脉搏波散点图。
S41:将所述脉搏波散点图与预设的标识图进行比对,并自动生成脉搏波比对结果。
图12示出脉搏波散点图背景的标识标线的示意图。在脉搏波散点图的背景设置必要的标识标线,能够方便地理解图形意义,能够快速判断图形所反映的病灶的性质。
如图所示,近端是靠向坐标原点的方向,远端是与其相反的方向;45等速线(45线)是一条与坐标X轴、Y轴各成45角的直线;45线与X轴之间的三角区是加速区,在加速区的近端方向是快加速区,远端方向是慢加速区,二者不能用绝对数值概括,而是相对的,每个个体及不同的心率条件都会对其产生影响;45线与Y轴之间的三角区是减速区,在减速区的近端方向是快减速区,远端方向是慢减速区,二者同样不能用绝对值概括,每个个体及不同的心率条件也会对其产生影响;图中的4条虚线是心率线,每条线的坐标值/2,就是所在位置散点的脉搏波峰值间期数值。
脉搏诊断是中医诊断特别是中医保健的重要手段和方法。当脉搏波由心脏开始向动脉***传播时,不仅受到心脏本身的影响,同时也会收到流经各级动脉及分支中各种生理因素如血管阻力、血管壁弹性等的影响,因而脉搏丰富谐波的强度和频率成分包含着极为丰富的心血管***生理病理信息,脉搏波的波形特征与心血管***中的特征参数变化密切相关。现在生理学和医学认为,脉搏首先是人的心血管功能的直接反应,可以通过观察和分析人体的脉搏特征来诊断心血管***的活动规律,本申请实施例提供的一种检测脉搏波的方法,通过从感兴趣区域的视频中获取三种颜色的灰度变化曲线,通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分,根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波,能够通过对例如脸部的感兴趣区域的视频进行处理,实现非接触式地、实时地测量脉搏波。
在脉搏波散点图中,不同的形态代表不同的生理特征,因此根据子图的形态来判断病理特征是脉搏波散点图的应用优势之一。例如,根据窦性心律吸引子图形在45°线上所处的位置可诊断窦性心律的频率,根据图形的长短和宽窄可诊断窦性心率变异,根据图形是否分离或变形(长短轴变化)可诊断窦房结是否发生了“纵向”或“横向”分离。根据是否有脱离,并平行于45°线的图形,可诊断是否发生窦性早搏与逸搏等;脉搏波散点图可以根据扇形的位置快速诊断房颤心率变化范围,同时也可以依据扇形伴随的图形诊断有哪类心律,诸如窦性、室上性、房扑等;窦性逸搏相对于主导窦性节律,因其频率相互对较慢,并且往往合并窦性早搏,因此窦性逸搏的散点从窦律吸引子图形中分离开来,往往分布于45°线两侧,且相互平行;房性逸搏有吸引子图形位于窦性心律棒球拍行的近端方向,往往呈现“L”形;而交界性、室性逸搏由于其频率相对恒定,且比主导节律慢得多,故呈“曲尺”形,曲尺顶角位于45°线的远端。
不同的图形代表着不同的病灶特征,脉搏波散点图将临床诊断从海量的数据中解脱出来,依据脉搏波散点图不仅能够得出相应心律变化的特征,根据生理知识可知,从脉搏波散点图中还可以得出心血管等的病理信息,本申请实施例具有巨大的临床应用潜力。
此外,本申请实施例提供的一种检测脉搏波的方法,通过将所述一个或多个独立成分进行快速傅里叶变换,将快速傅里叶变换后所得的序列中的最大数值与均值的比值作为指标,将所述指标最大的独立成分确定为所述脉搏波,能够进一步确定成功提取了脉搏波。
此外,本申请实施例提供的一种检测脉搏波的方法,通过将从所述一个或多个独立成分中确定的所述脉搏波进行标准化,并与所述对比脉搏波进行对比,并根据所述对比的结果确定所述脉搏波,能够进一步确定成功提取了脉搏波。
此外,本申请实施例提供的一种检测脉搏波的方法,通过在通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分之后对所述一个或多个独立成分进行带通滤波和波形纠正,能够进一步确定成功提取了脉搏波。
图13示出本申请实施例提供的一种检测脉搏波的装置的结构示意图,该装置100包括:获取模块110、分解模块120和检测模块130。
获取模块110用于从感兴趣区域的视频中获取三种颜色的灰度变化曲线。分解模块120用于通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分。检测模块130用于根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
在一种可能的实现方式中,检测模块130用于将所述一个或多个独立成分进行快速傅里叶变换;以及将快速傅里叶变换后所得的序列中的最大数值与均值的比值作为指标,将所述指标最大的独立成分确定为所述脉搏波。
在一种可能的实现方式中,获取模块110还用于在从所述一个或多个独立成分确定所述脉搏波之前,采集对比部位的对比脉搏波,并将所述对比脉搏波进行标准化;以及检测模块130用于将从所述一个或多个独立成分中确定的所述脉搏波进行标准化,并与所述对比脉搏波进行对比,并根据所述对比的结果确定所述脉搏波。
在一种可能的实现方式中,检测模块130还用于在所述分解模块通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分之后,对所述一个或多个独立成分进行带通滤波和波形纠正。
本申请实施例提供的该装置100,可执行前文方法实施例中所述的各方法,并实现前文方法实施例中所述的各方法的功能和有益效果,在此不再赘述。
图14示出本申请实施例提供的一种检测脉搏波的装置的结构示意图,该装置100包括:获取模块110、分解模块120、检测模块130和生成模块140。
获取模块110用于从感兴趣区域的视频中获取三种颜色的灰度变化曲线。分解模块120用于通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分。检测模块130用于根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
在一种可能的实现方式中,检测模块130用于将所述一个或多个独立成分进行快速傅里叶变换;以及将快速傅里叶变换后所得的序列中的最大数值与均值的比值作为指标,将所述指标最大的独立成分确定为所述脉搏波。
在一种可能的实现方式中,获取模块110还用于在从所述一个或多个独立成分确定所述脉搏波之前,采集对比部位的对比脉搏波,并将所述对比脉搏波进行标准化;以及检测模块130用于将从所述一个或多个独立成分中确定的所述脉搏波进行标准化,并与所述对比脉搏波进行对比,并根据所述对比的结果确定所述脉搏波。
在一种可能的实现方式中,检测模块130还用于在所述分解模块通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分之后,对所述一个或多个独立成分进行带通滤波和波形纠正。
在一种可能的实现方式中,所述装置100还包括:生成模块140,用于在从所述一个或多个独立成分确定所述脉搏波之后,基于所述脉搏波的波形生成脉搏波散点图。
在一种可能的实现方式中,生成模块140用于基于所述脉搏波的波峰值的间期生成脉搏波散点图。
在一种可能的实现方式中,所述生成模块140还用于在基于所述脉搏波的波形生成脉搏波散点图之后,将所述脉搏波散点图与预设的标识图进行比对,并自动生成脉搏波比对结果。
本申请实施例提供的该装置100,可执行前文方法实施例中所述的各方法,并实现前文方法实施例中所述的各方法的功能和有益效果,在此不再赘述。
图15示出执行本申请实施例提供的一种检测脉搏波的方法的电子设备的硬件结构示意图,如图所示,该电子设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器701和存储器702,存储器702中可以存储有一个或一个以上存储应用程序或数据。其中,存储器702可以是短暂存储或持久存储。存储在存储器702的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对该电子设备中的一系列计算机可执行指令。更进一步地,处理器701可以设置为与存储器702通信,在该电子设备上执行存储器702中的一系列计算机可执行指令。该电子设备还可以包括一个或一个以上电源703,一个或一个以上有线或无线网络接口704,一个或一个以上输入输出接口705,一个或一个以上键盘706等。
在一个具体的实施例中,该电子设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机可执行指令,所述计算机可执行指令被所述处理器执行时实现以下流程:从感兴趣区域的视频中获取三种颜色的灰度变化曲线;通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分;根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
上述如本申请图1所示实施例揭示的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行前文方法实施例中所述的各方法,并实现前文方法实施例中所述的各方法的功能和有益效果,在此不再赘述。
当然,除了软件实现方式之外,本申请的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质,所述计算机可读介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:从感兴趣区域的视频中获取三种颜色的灰度变化曲线;通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分;根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
其中,所述的计算机可读存储介质包括只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
进一步地,本申请实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,实现以下流程:从感兴趣区域的视频中获取三种颜色的灰度变化曲线;通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分;根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
总之,以上所述仅为本申请的较佳实施例,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (16)
1.一种检测脉搏波的方法,包括:
从感兴趣区域的视频中获取三种颜色的灰度变化曲线;
通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分;
根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
2.根据权利要求1所述的方法,其特征在于,根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波包括:
将所述一个或多个独立成分进行快速傅里叶变换;
将快速傅里叶变换后所得的序列中的最大数值与均值的比值作为指标,将所述指标最大的独立成分确定为所述脉搏波。
3.根据权利要求1所述的方法,其特征在于,在从所述一个或多个独立成分确定所述脉搏波之前,还包括:采集对比部位的对比脉搏波,并将所述对比脉搏波进行标准化;
从所述一个或多个独立成分确定所述脉搏波包括:将从所述一个或多个独立成分中确定的所述脉搏波进行标准化,并与所述对比脉搏波进行对比,并根据所述对比的结果确定所述脉搏波。
4.根据权利要求1所述的方法,其特征在于,在通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分之后,还包括:
对所述一个或多个独立成分进行带通滤波和波形纠正。
5.根据权利要求1所述的方法,其特征在于,在从所述一个或多个独立成分确定所述脉搏波之后,还包括:
基于所述脉搏波的波形生成脉搏波散点图。
6.根据权利要求5所述的方法,其特征在于,基于所述脉搏波的波形生成脉搏波散点图包括:
基于所述脉搏波的波峰值的间期生成脉搏波散点图。
7.根据权利要求5所述的方法,其特征在于,在基于所述脉搏波的波形生成脉搏波散点图之后,还包括:
将所述脉搏波散点图与预设的标识图进行比对,并自动生成脉搏波比对结果。
8.一种检测脉搏波的装置,包括:
获取模块,用于从感兴趣区域的视频中获取三种颜色的灰度变化曲线;
分解模块,用于通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分;
检测模块,用于根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
9.根据权利要求8所述的装置,其特征在于,所述检测模块用于将所述一个或多个独立成分进行快速傅里叶变换;以及
将快速傅里叶变换后所得的序列中的最大数值与均值的比值作为指标,将所述指标最大的独立成分确定为所述脉搏波。
10.根据权利要求8所述的装置,其特征在于,所述获取模块还用于:在从所述一个或多个独立成分确定所述脉搏波之前,采集对比部位的对比脉搏波,并将所述对比脉搏波进行标准化;以及
所述检测模块用于将从所述一个或多个独立成分中确定的所述脉搏波进行标准化,并与所述对比脉搏波进行对比,并根据所述对比的结果确定所述脉搏波。
11.根据权利要求8所述的装置,其特征在于,所述检测模块还用于在所述分解模块通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分之后,对所述一个或多个独立成分进行带通滤波和波形纠正。
12.根据权利要求8所述的装置,其特征在于,还包括:
生成模块,用于在从所述一个或多个独立成分确定所述脉搏波之后,基于所述脉搏波的波形生成脉搏波散点图。
13.根据权利要求12所述的装置,其特征在于,所述生成模块用于基于所述脉搏波的波峰值的间期生成脉搏波散点图。
14.根据权利要求12所述的装置,其特征在于,所述生成模块还用于在基于所述脉搏波的波形生成脉搏波散点图之后,将所述脉搏波散点图与预设的标识图进行比对,并自动生成脉搏波比对结果。
15.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使用所述处理器执行以下操作:
从感兴趣区域的视频中获取三种颜色的灰度变化曲线;
通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分;
根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
16.一种计算机可读介质,所述计算机可读介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
从感兴趣区域的视频中获取三种颜色的灰度变化曲线;
通过独立成分分析将所述灰度变化曲线分解为一个或多个独立成分;
根据所述一个或多个独立成分的幅值或周期性,从所述一个或多个独立成分确定所述脉搏波。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811642557.XA CN111374647A (zh) | 2018-12-29 | 2018-12-29 | 一种检测脉搏波的方法、装置和电子设备 |
PCT/CN2019/129233 WO2020135723A1 (zh) | 2018-12-29 | 2019-12-27 | 一种检测脉搏波的方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811642557.XA CN111374647A (zh) | 2018-12-29 | 2018-12-29 | 一种检测脉搏波的方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111374647A true CN111374647A (zh) | 2020-07-07 |
Family
ID=71128710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811642557.XA Pending CN111374647A (zh) | 2018-12-29 | 2018-12-29 | 一种检测脉搏波的方法、装置和电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111374647A (zh) |
WO (1) | WO2020135723A1 (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130218028A1 (en) * | 2012-02-21 | 2013-08-22 | Xerox Corporation | Deriving arterial pulse transit time from a source video image |
US20130215244A1 (en) * | 2012-02-21 | 2013-08-22 | Lalit Keshav MESTHA | Removing environment factors from signals generated from video images captured for biomedical measurements |
CN103271734A (zh) * | 2012-12-10 | 2013-09-04 | 中国人民解放军第一五二中心医院 | 一种基于低端成像设备的心率测量方法 |
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 |
CN105996993A (zh) * | 2016-04-29 | 2016-10-12 | 南京理工大学 | 一种智能视频生命体征监测***及方法 |
CN106491117A (zh) * | 2016-12-06 | 2017-03-15 | 上海斐讯数据通信技术有限公司 | 一种基于ppg心率测量技术的信号处理方法及装置 |
CN206792400U (zh) * | 2017-01-16 | 2017-12-26 | 吉林东华原医疗设备有限责任公司 | 心率变异性检测装置 |
CN109008999A (zh) * | 2018-06-13 | 2018-12-18 | 福建工程学院 | 心音和脉搏波传导时间测量方法及便携式测量装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8977347B2 (en) * | 2012-06-25 | 2015-03-10 | Xerox Corporation | Video-based estimation of heart rate variability |
CN106073742A (zh) * | 2013-05-13 | 2016-11-09 | 天津点康科技有限公司 | 一种血压测量***及方法 |
US20160095524A1 (en) * | 2014-10-04 | 2016-04-07 | Government Of The United States, As Represented By The Secretary Of The Air Force | Non-Contact Assessment of Cardiovascular Function using a Multi-Camera Array |
CN107529646B (zh) * | 2017-05-02 | 2021-01-26 | 广东工业大学 | 一种基于欧拉影像放大的无接触式心率测量方法及装置 |
CN110367961A (zh) * | 2018-04-13 | 2019-10-25 | 中兴通讯股份有限公司 | 血压数据处理方法、装置、设备及可读存储介质 |
-
2018
- 2018-12-29 CN CN201811642557.XA patent/CN111374647A/zh active Pending
-
2019
- 2019-12-27 WO PCT/CN2019/129233 patent/WO2020135723A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130218028A1 (en) * | 2012-02-21 | 2013-08-22 | Xerox Corporation | Deriving arterial pulse transit time from a source video image |
US20130215244A1 (en) * | 2012-02-21 | 2013-08-22 | Lalit Keshav MESTHA | Removing environment factors from signals generated from video images captured for biomedical measurements |
CN103271734A (zh) * | 2012-12-10 | 2013-09-04 | 中国人民解放军第一五二中心医院 | 一种基于低端成像设备的心率测量方法 |
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 |
CN105996993A (zh) * | 2016-04-29 | 2016-10-12 | 南京理工大学 | 一种智能视频生命体征监测***及方法 |
CN106491117A (zh) * | 2016-12-06 | 2017-03-15 | 上海斐讯数据通信技术有限公司 | 一种基于ppg心率测量技术的信号处理方法及装置 |
CN206792400U (zh) * | 2017-01-16 | 2017-12-26 | 吉林东华原医疗设备有限责任公司 | 心率变异性检测装置 |
CN109008999A (zh) * | 2018-06-13 | 2018-12-18 | 福建工程学院 | 心音和脉搏波传导时间测量方法及便携式测量装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2020135723A1 (zh) | 2020-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11337617B2 (en) | Processing of electrophysiological signals | |
US10987007B2 (en) | Method of processing electrophysiological signals and corresponding system, vehicle, and computer program product | |
US9924870B2 (en) | Monitoring physiological parameters | |
Rajendra Acharya et al. | Heart rate variability: a review | |
TWI725255B (zh) | 可偵測睡眠呼吸中止的穿戴式裝置及其信號分析方法 | |
Blöcher et al. | An online PPGI approach for camera based heart rate monitoring using beat-to-beat detection | |
CA2728444A1 (en) | Concatenated scalograms | |
US20090326351A1 (en) | Signal Processing Mirroring Technique | |
Wu et al. | Extracting deep features from short ECG signals for early atrial fibrillation detection | |
CN110944575A (zh) | 通过使用相干光源进行生物组织询问的非侵入式血液动力学评估 | |
Tadi et al. | Comprehensive analysis of cardiogenic vibrations for automated detection of atrial fibrillation using smartphone mechanocardiograms | |
Chen et al. | Modulation model of the photoplethysmography signal for vital sign extraction | |
Rahman et al. | Intelligent driver monitoring based on physiological sensor signals: Application using camera | |
Ibrahim et al. | Analysis of non-invasive video based heart rate monitoring system obtained from various distances and different facial spot | |
Kaur et al. | Remote stress detection using a visible spectrum camera | |
Sadhukhan et al. | Automated screening of myocardial infarction based on statistical analysis of photoplethysmographic data | |
Hu et al. | Study on Real-Time Heart Rate Detection Based on Multi-People. | |
CN111374647A (zh) | 一种检测脉搏波的方法、装置和电子设备 | |
Alonzo et al. | Ensemble empirical mode decomposition of photoplethysmogram signals for assessment of ventricular fibrillation | |
Le et al. | Heart Rate Estimation Based on Facial Image Sequence | |
JP5691815B2 (ja) | 信号処理装置、信号処理方法および生体情報測定装置 | |
Umadi et al. | Heart Abnormality Detection Technique using PPG Signal | |
Lutin et al. | Learning based quality indicator aiding heart rate estimation in wrist-worn PPG | |
Zhuang et al. | Remote blood pressure measurement via spatiotemporal mapping of a short-time facial video | |
Corino et al. | A simple model to detect atrial fibrillation via visual imaging |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200707 |
|
WD01 | Invention patent application deemed withdrawn after publication |