CN111657905B - 一种特征点检测方法、装置、设备及存储介质 - Google Patents
一种特征点检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111657905B CN111657905B CN202010582329.9A CN202010582329A CN111657905B CN 111657905 B CN111657905 B CN 111657905B CN 202010582329 A CN202010582329 A CN 202010582329A CN 111657905 B CN111657905 B CN 111657905B
- Authority
- CN
- China
- Prior art keywords
- point
- heart rate
- points
- maximum
- search
- 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
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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明实施例公开了一种特征点检测方法、装置、设备及存储介质。该方法包括:获取受检者的周期性的生理信号,根据生理信号确定受检者的初始心率,并根据初始心率确定搜索参数;基于预设时间滑窗检测策略从生理信号中检测出第一最值点,若第一最值点为经由第一最值点和搜索参数确定出的搜索邻域内的邻域最值点,则将第一最值点作为第二最值点;在获取到第一预设数量的第二最值点之后,根据各第二最值点计算出目标心率,并基于目标心率重新确定搜索参数;重复执行基于预设时间滑窗检测策略从生理信号中检测出第一最值点的步骤,直至生理信号检测完毕,根据各第二最值点检测出特征点。本发明实施例的技术方案,实现了特征点的精准检测的效果。
Description
技术领域
本发明实施例涉及生物医学信号处理技术领域,尤其涉及一种特征点检测方法、装置、设备及存储介质。
背景技术
脉搏波周期的准确划分是心率、心率变异性等指标的准确计算的重要前提,现有的脉搏波周期划分方案是先基于幅度阈值方案检测出脉搏波信号中的波峰点或波谷点,再根据相邻的波峰点或是相邻的波谷点间的时间间隔来划分脉搏波周期,其中,波峰点和波谷点均是脉搏波信号的特征点。
在实现本发明的过程中,发明人发现现有技术中存在以下技术问题:现有的幅度阈值方案是将脉搏波信号中超出预设幅度阈值的极大值点作为该脉搏波信号的波峰点,或是将脉搏波信号中小于预设幅度阈值的极小值点作为该脉搏波信号的波谷点,其对某些幅度突然变小的波峰点或是某些幅度突然变大的波谷点容易出现漏检测的情况,这致使特征点的检测准确率较低。
发明内容
本发明实施例提供了一种特征点检测方法、装置、设备及存储介质,解决了特征点的检测准确率较低的问题。
第一方面,本发明实施例提供了一种特征点检测方法,可以包括:
获取受检者的周期性的生理信号,根据生理信号确定受检者的初始心率,并根据初始心率确定搜索参数;
基于预设时间滑窗检测策略从生理信号中检测出第一最值点,若第一最值点为经由第一最值点和搜索参数确定出的搜索邻域内的邻域最值点,则将第一最值点作为第二最值点;
在获取到第一预设数量的第二最值点之后,根据各第二最值点计算出目标心率,并基于目标心率重新确定搜索参数;
重复执行基于预设时间滑窗检测策略从生理信号中检测出第一最值点的步骤,直至生理信号检测完毕,根据各第二最值点检测出特征点。
可选的,根据初始心率确定搜索参数,可以包括:
搜索参数k通过如下公式确定:k=O/初始心率;
其中,O通过如下步骤预先计算得到:
根据已获取的多个样本信号,确定多个样本信号中主峰的第一时间差点数范围以及干扰峰的第二时间差点数范围;
根据第一时间差点数范围和第二时间差点数范围,得到样本心率和k间的关系式,并根据关系式计算得到O。
可选的,根据生理信号确定受检者的初始心率,可以包括:
从生理信号中筛选出最先采集得到的第二预设数量的初始生理信号,对初始生理信号进行非线性变换,得到非线性变换信号;
基于预设幅度阈值从非线性变换信号中筛选出极值点,根据各极值点确定受检者的初始心率。
可选的,特征点包括脉搏波信号的波峰点和波谷点,上述特征点检测方法,还可以包括:
将未满足预设复查条件的相邻的波峰点和波谷点作为噪声点,并将噪声点从特征点中剔除掉;
其中,预设复查条件包括相邻的波峰点和波谷点间的第一时间间隔大于预设时间阈值,和/或第一时间间隔相对于相邻的波峰点间或是相邻的波谷点间的第二时间间隔的时间占比大于预设占比阈值。
可选的,根据各第二最值点计算出目标心率,可以包括:
根据相邻的第二最值点计算出待定心率,并根据各待定心率计算出变异系数,确定变异系数是否超过预设系数阈值;
若否,则根据各待定心率计算出目标心率。
可选的,生理信号包括直接采集得到的脉搏波信号的一阶差分信号,邻域最值点是最大值点;根据各第二最值点检测出特征点,可以包括:
获取相邻的第二最值点间的末个极小值点,将脉搏波信号中与末个极小值点对应的信号点作为波谷点;
将相邻的波谷点间的首个极大值点作为波峰点;或者,
根据各第二最值点检测出特征点,可以包括:
获取相邻的第二最值点间的首个极大值点,将脉搏波信号中与首个极大值点对应的信号点作为波峰点;
将相邻的波峰点间的末个极小值点作为波谷点。
可选的,生理信号包括直接采集得到的心电信号的一阶差分信号,邻域最值点是最小值点;或是,生理信号包括直接采集得到的心电信号的一阶差分信号的取反信号,邻域最值点是最大值点;
根据各第二最值点检测出特征点,可以包括:
获取相邻的第二最值点间的末个极大值点,将心电信号中与末个极大值点对应的信号点作为R波波峰点。
第二方面,本发明实施例还提供了一种特征点检测装置,该装置可以包括:
搜索参数确定模块,用于获取受检者的周期性的生理信号,根据生理信号确定受检者的初始心率,并根据初始心率确定搜索参数;
第二最值点确定模块,用于基于预设时间滑窗检测策略从生理信号中检测出第一最值点,若第一最值点为经由第一最值点和搜索参数确定出的搜索邻域内的邻域最值点,则将第一最值点作为第二最值点;
搜索参数重新确定模块,用于在获取到第一预设数量的第二最值点之后,根据各第二最值点计算出目标心率,并基于目标心率重新确定搜索参数;
特征点检测模块,用于重复执行基于预设时间滑窗检测策略从生理信号中检测出第一最值点的步骤,直至生理信号检测完毕,根据各第二最值点检测出特征点。
第三方面,本发明实施例还提供了一种设备,该设备可以包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现本发明任意实施例所提供的特征点检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本发明任意实施例所提供的特征点检测方法。
本发明实施例的技术方案,通过受检者的周期性的生理信号确定初始心率,并根据初始心率确定搜索参数;进而,基于预设时间滑窗检测策略从生理信号中检测出第一最值点,并将在经由第一最值点和搜索参数确定出的搜索邻域内仍是最值点的第一最值点作为第二最值点,由此检测出的第二最值点不会因为幅度突然变化而出现漏检测的情况;考虑到受检者的心率水平在生理信号的采集过程中可能会出现变化,由此在获取到第一预设数量的第二最值点之后,可以根据各第二最值点计算出目标心率,并基于目标心率重新确定搜索参数,这可以适应于不同心率水平的生理信号的搜索参数提高了第二最值点的检测精度;重复执行上述步骤,直至生理信号检测完毕,此时根据各第二最值点可以准确且快速地检测出原始生理信号中的特征点。上述技术方案,通过预设时间滑窗检测策略解决了因为幅度突然变化而出现的第二最值点漏检测的问题,且通过自适应调整的搜索参数进一步提高了第二最值点的检测精度,进而通过高检测精度的第二最值点实现了特征点的精准检测的效果。
附图说明
图1是本发明实施例一中的一种特征点检测方法的流程图;
图2是本发明实施例一中的一种特征点检测方法中可选实施例的流程图;
图3a是本发明实施例一中的一种特征点检测方法中脉搏波信号的一阶差分信号周期内的最大值点的识别结果的示意图;
图3b是本发明实施例一中的一种特征点检测方法中脉搏波信号的波峰点和波谷点的识别结果的示意图;
图4是本发明实施例二中的一种特征点检测方法的流程图;
图5是本发明实施例二中的一种特征点检测方法中脉搏波信号的一阶差分信号周期内的最大值点与相邻主峰及干扰峰的关系示意图;
图6是本发明实施例二中的一种特征点检测方法中心率检测范围随着不同取值的搜索参数的变化曲线的示意图;
图7是本发明实施例三中的一种特征点检测装置的结构框图;
图8是本发明实施例四中的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中提供的一种特征点检测方法的流程图。本实施例可适用于从周期性的生理信号中检测出特征点的情况,尤其适用于从脉搏波信号中检测出波峰点和/或波谷点、或是从心电信号中检测出R波波峰点的情况。该方法可以由本发明实施例提供的特征点检测装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可以集成在各种用户终端或服务器上。
参见图1,本发明实施例的方法具体包括如下步骤:
S110、获取受检者的周期性的生理信号,根据生理信号确定受检者的初始心率,并根据初始心率确定搜索参数。
其中,生理信号是经由受检者产生的一种周期信号,该周期信号存在明显的特征点,该特征点可以是波峰点、波谷点等等。该生理信号可以是直接采集得到的原始生理信号,如脉搏波信号、心电(ECG)信号等等;也可以是原始生理信号的一阶差分信号,如脉搏波信号的一阶差分信号、心电信号的一阶差分信号等等;在此未做具体限定。可选的,可以通过如下公式将原始生理信号raw变换为原始生理信号的一阶差分信号diffData,公式中的i是采集时间点,且第一个采集时间点为0:
需要说明的是,相对于原始生理信号,一阶差分信号的波峰点更加明显,其受到其余干扰信号的影响较小。在此基础上,为了提高生理信号中特征点的检测精度,可选的,可以对生理信号进行预处理,如基于预设软阈值小波去噪算法去除生理信号中的毛刺且不会对生理信号中的细节造成影响。
进一步,根据已获取的生理信号确定受检者的初始心率,该初始心率是受检者在生理信号的前期采集阶段的心率水平,换言之,根据生理信号中最先采集得到的第二预设数量的初始生理信号可以确定出受检者的初始心率,该初始心率的单位可以是次/分钟。具体的,比如,从初始生理信号中筛选出超出预设幅度阈值的极大值点或是未超出预设幅度阈值的极小值点,根据各相邻的极大值点或是各相邻的极小值点间的时间间隔计算出初始生理信号的信号周期,并根据该信号周期得到受检者的初始心率。再比如,对初始生理信号进行非线性变换,得到非线性变换信号,该非线性变换可以是对初始生理信号进行的一系列非线性变换以达到突出主要成分且削弱次要成分的目的;基于预设幅度阈值从非线性变换信号中筛选出极值点,根据各极值点确定受检者的初始心率。
为了更好地理解初始心率的确定过程,下面以脉搏波信号的一阶差分信号为例,对其进行示例性的说明。示例性的,将一阶差分信号中前10s的一阶差分信号(记为diff10sec)的平均心率作为受检者的初始心率,具体来说,求解diff10sec的3次方,并从求解结果中去掉负值得到diff10sec的非线性变换信号(记为tripleDiff),假设预设幅度阈值是tripleDiff的平均水平,从tripleDiff中寻找到超出该预设幅度阈值的全部的极大值点,并根据各相邻极大值点间的时间间隔计算间期,初始心率=60/间期。
进一步,根据初始心率确定出搜索参数,该搜索参数可以是用于对生理信号周期内最值点进行识别的参数。在实际应用中,可选的,搜索参数和初始心率呈负相关,或是说搜索参数和初始心率呈反比。需要说明的是,本步骤中的根据初始心率确定搜索参数和后续步骤中的基于预设时间滑窗检测策略从生理信号中检测出第一最值点的执行先后顺序没有具体限定。示例性的,搜索参数=34.5/初始心率,或是说,搜索参数=0.575*间期。
S120、基于预设时间滑窗检测策略从生理信号中检测出第一最值点,若第一最值点为经由第一最值点和搜索参数确定出的搜索邻域内的邻域最值点,则将第一最值点作为第二最值点。
其中,预设时间滑窗检测策略可以是基于预设窗宽和预设步长依次对生理信号中的第一最值点进行检测的策略,该第一最值点可以是第一最大值点,也可以是第一最小值点,在此未做具体限定。进而,根据搜索参数和第一最值点可以确定出搜索邻域,如获取生理信号的采样频率,根据采样频率和搜索参数计算出搜索点数,该搜索点数可以是采样频率和搜索参数的乘积结果,以搜索点数是N为例,搜索邻域可以是第一最值点的前N点,可以是第一最值点的后N点,也可以是第一最值点的前后各N点,等等。在此基础上,若第一最值点也是搜索邻域内的邻域最值点,该邻域最值点是搜索邻域内的最值点,则第一最值点是生理信号中的真最值点,这些真最值点可以作为生理信号的第二最值点。
S130、在获取到第一预设数量的第二最值点之后,根据各第二最值点计算出目标心率,并基于目标心率重新确定搜索参数。
其中,在生理信号的采集过程中,考虑到受检者的心率水平可能会出现变化,此时若仍采用初始确定出的搜索邻域检测第一最值点是否为第二最值点,这会直接影响第二最值点的检测精度,而第二最值点的检测精度将会直接影响特征点的检测精度。比如,相较于初始心率,若受检者在采集过程中心率变快,这可能会出现第二最值点的漏检测的情况;若受检者在采集过程中心率变慢,这可能会出现第二最值点的误检测的情况。
因此,为了能够自动适应不同心率水平的生理信号以精准检测出不同心率水平的生理信号中的第二最值点,在获取到第一预设数量的第二最值点之后,可以根据各第二最值点计算出目标心率,并基于目标心率重新确定搜索参数,上述第一预设数量的第二最值点是连续获取到的第二最值点,可选的,该第一预设数量可以是8-12中的任意整数。具体的,示例性的,先根据第一预设数量的第二最值点计算出多个待定心率,该待定心率可以是受检者在某一采集时间点时的心率水平,再将该多个待定心率的平均值作为目标心率,或者,可以从该多个待定心率中去掉一个最大心率和一个最小心率,并将余下的待定心率的平均值作为目标心率。接下来,根据目标心率重新确定搜索参数的过程与根据初始心率确定搜索参数的过程一致,在此不再赘述。由此可知,搜索参数的自动调整意味着搜索邻域的自动调整,这可以适应不同心率水平的生理信号的搜索邻域提高了生理信号中第二最值点的检测精度。
需要说明的是,基于预设时间滑窗检测策略可以持续获取到第二最值点,这些新获取到的第二最值点可以直接填补到第一预设数量的第二最值点中,且将填补之前的第一预设数量的第二最值点中最先检测到的第二最值点剔除掉,换言之,在每获取到一个第二最值点之后,即可以重新计算出一个目标心率。或者,当新获取到的第二最值点的数量达到第一预设数量之后,可以根据这些新获取到的第二最值点重新计算目标心率。或者,其余的重新计算目标心率的方案均可,在此未做具体限定。
在此基础上,一种可选的技术方案,在获取到第一预设数量的第二最值点之后,可以根据相邻的第二最值点计算出待定心率,并根据各待定心率计算出变异系数(Coefficient of Variance,CV),确定变异系数是否超过预设系数阈值;若否,则根据各待定心率计算出目标心率。也就是说,在根据变异系数确定受检者在第一预设数量的第二最值点对应的采集时间段内的心率水平的稳定性较好时,再对搜索参数进行更新;相应的,在受检者在该采集时间段内的心率水平的平稳性较差时,考虑到基于这样的心率水平更新后的搜索参数对后续的第二最值点进行检测,将会严重影响第二最值点的检测精度,因此,此时无需对搜索参数进行更新,继续沿用已有的搜索参数即可。
S140、重复执行基于预设时间滑窗检测策略从生理信号中检测出第一最值点的步骤,直至生理信号检测完毕,根据各第二最值点检测出特征点。
其中,重复执行上述检测第一最值点、从第一最值点中筛选出第二最值点、根据第一预设数量的第二最值点重新计算目标心率、并根据重新计算得到的目标心率重新确定搜索参数的步骤,直至预设时间滑窗检测策略中的窗口滑动到整个生理信号的末端,此时生理信号检测完毕。
此时,根据已检测出的各个第二最值点可以确定出特征点,该特征点是原始生理信号中的特征点。示例性的,若生理信号是直接采集得到的脉搏波信号的一阶差分信号,邻域最值点是最大值点,这意味着第二最值点是第二最大值点,此时可以获取相邻的第二最值点间的末个极小值点,将脉搏波信号中与末个极小值点对应的信号点作为波谷点,由于波谷点是心脏射血的起始点,根据各波谷点可以实现脉搏波周期的准确划分。在此基础上,可选的,还可以将脉搏波信号中相邻的波谷点间的首个极大值点作为波峰点。或者,还可以获取相邻的第二最值点间的首个极大值点,将脉搏波信号中与首个极大值点对应的信号点作为波峰点,由此根据各波峰点也可以实现脉搏波周期的准确划分。在此基础上,可选的,还可以将脉搏波信号中相邻的波峰点间的末个极小值点作为波谷点,该末个极小值点即为最后一个极小值点。
再示例性的,生理信号可以是直接采集得到的心电信号的一阶差分信号,邻域最值点是最小值点,这意味着第二最值点是第二最小值点,这是因为心电信号中R波的下降部分的斜率绝对值在周期内最大;或者,生理信号可以是直接采集得到的心电信号的一阶差分信号的取反信号,邻域最值点是最大值点,这意味着第二最值点是第二最大值点。此时,可以获取相邻的第二最值点间的末个极大值点,将心电信号中与末个极大值点对应的信号点作为R波波峰点,由此根据各R波波峰点可以是实现心电周期的准确划分。
再示例性的,若生理信号是直接采集得到的脉搏波信号,邻域最值点是最大值点,这意味着第二最值点是第二最大值点,此时可以将第二最值点作为波峰点,在此基础上,可选的,还可以将脉搏波信号中相邻的波峰点间的末个极小值点作为波谷点。若生理信号是直接采集得到的脉搏波信号,邻域最值点是最小值点,这意味着第二最值点是第二最小值点,此时可以将第二最值点作为波谷点,在此基础上,可选的,还可以将脉搏波信号中相邻的波谷点间的首个极大值点作为波峰点。再示例性的,若生理信号是直接采集得到的心电信号,邻域最值点是最大值点,这意味着第二最值点是第二最大值点,此时可以将第二最值点作为R波波峰点。
本发明实施例的技术方案,通过受检者的周期性的生理信号确定初始心率,并根据初始心率确定搜索参数;进而,基于预设时间滑窗检测策略从生理信号中检测出第一最值点,并将在经由第一最值点和搜索参数确定出的搜索邻域内仍是最值点的第一最值点作为第二最值点,由此检测出的第二最值点不会因为幅度突然变化而出现漏检测的情况;考虑到受检者的心率水平在生理信号的采集过程中可能会出现变化,由此在获取到第一预设数量的第二最值点之后,可以根据各第二最值点计算出目标心率,并基于目标心率重新确定搜索参数,这可以适应于不同心率水平的生理信号的搜索参数提高了第二最值点的检测精度;重复执行上述步骤,直至生理信号检测完毕,此时根据各第二最值点可以准确且快速地检测出原始生理信号中的特征点。上述技术方案,通过预设时间滑窗检测策略解决了因为幅度突然变化而出现的第二最值点漏检测的问题,且通过自适应调整的搜索参数进一步提高了第二最值点的检测精度,进而通过高检测精度的第二最值点实现了特征点的精准检测的效果。
一种可选的技术方案,特征点可以包括脉搏波信号的波峰点和波谷点,上述特征点检测方法还可以包括:将未满足预设复查条件的相邻的波峰点和波谷点作为噪声点,并将噪声点从特征点中剔除掉;其中,预设复查条件包括相邻的波谷点和波峰点间的第一时间间隔大于预设时间阈值,和/或第一时间间隔相对于相邻的波峰点间或是相邻的波谷点间的第二时间间隔的时间占比大于预设占比阈值。根据该预设复查条件可以确定出相邻的波峰点和波谷点间的脉搏波信号是否合理信号,合理信号是具有生理意义的信号,非合理信号即为噪声,这一对脉搏波信号的合理性进行复查的方案,可以进一步提高特征点的检测精度。在此基础上,考虑到噪声的波峰点和波谷点间的距离较近,示例性的,以第一时间间隔是成对的波谷点和波峰点间的时间间隔为例,预设时间阈值可以是0.06秒(通常情况下,合理信号在0.1秒-0.4秒内),预设占比阈值可以是6%(通常情况下,合理信号在10%-40%内)。
为了更好地理解上述步骤的具体实现过程,下面结合具体示例对本实施例的特征点检测方法进行示例性的说明。示例性的,如图2所示,获取直接采集得到的受检者的脉搏波信号,并基于预设软阈值小波去噪算法对脉搏波信号进行预处理,以减少毛刺且不丢失细节为准。求解出预处理后的脉搏波信号的一阶差分信号diffData,根据diffData中前10s的一阶差分信号(记为diff10sec)估计受检者的前10s的心率水平,并将该前10s的心率水平的平均值作为一阶差分信号的初始心率,根据经验公式k=34.5/初始心率计算出搜索参数k。
基于预设滑窗检测策略依次识别一阶差分信号的窗内最大值点,并判断该最大值点在一阶差分信号的前后各N点的搜索邻域内是否仍为最大值点,若是则将其作为一阶差分信号周期内的最大值点,否则继续进行下一个窗口的搜索,其中,该预设滑窗检测策略的预设窗宽可以是采样频率的0.1倍且预设步长可以是1,N=k*采样频率。根据已检测出的10个周期内的最大值点计算出10个待定心率,判断该10个待定心率的变异系数是否超过20%,若否则动态调整k(将该10个待定心率中的最大心率和最小心率去掉后取平均,得到目标心率,并根据经验公式k=34.5/目标心率计算出k),若是则不调整k,上述步骤根据不同心率水平的一阶差分信号动态调整k,可以自动适应动态变化的周期间隔以正确检测出一阶差分信号周期内的最大值点。这一段落的执行步骤循环执行,直至一阶差分信号全部检测完毕,最大值点的识别结果如图3a所示。
以一阶差分信号周期内的最大值点为基准识别出脉搏波信号周期内的波谷点(b点),b点为两个最大值点间的最后一个极小值点,然后以b点为基准识别出脉搏波信号周期内的峰值点(c点),c点为两个波谷点间的第一个极大值点,b点和c点的检测结果如图3b所示。根据b点和c点对脉搏波信号进行的合理性进行复查,合理的脉搏波信号应当同时满足以下两点①成对的b点和c点的时间间隔不低于0.06s;②成对的b点和c点的时间间隔相对于相邻的两个b点确定的周期总时长的占比不低于6%,未同时满足上述两点的成对的b点和c点作为噪声进行剔除处理。输出成对的b点和c点。
为了证明本发明实施例所述的特征点检测方法的有效性,如下表所示,其是基于上述特征点检测方法对MIT-BIH多导睡眠图数据库中的脉搏波信号的检测查准率和检测查全率的统计结果。由表可知,综合查准率为99.97%,综合查全率为99.92%,考虑到这6组脉搏波信号均为在真实场景下采集得到,真实场景下采集得到的脉搏波信号的质量变异性较高,且心率水平高低不一,这证明了上述特征点检测方法能够较好地适应真实场景下的脉搏波信号。
表 脉搏波信号的特征点的识别查准率和识别查全率的统计结果
实施例二
图4是本发明实施例二中提供的一种特征点检测方法的流程图。本实施例以上述各技术方案为基础进行优化。在本实施例中,可选的,根据初始心率确定搜索参数,具体可包括:搜索参数k通过如下公式确定:k=O/初始心率,O通过如下步骤预先计算得到:根据已获取的多个样本信号,确定多个样本信号中主峰的第一时间差点数范围以及干扰峰的第二时间差点数范围;根据第一时间差点数范围和第二时间差点数范围,得到样本心率和k间的关系式,并根据关系式计算得到O。其中,与上述各实施例相同或相应的术语的解释在此不再赘述。
参见图4,本实施例的方法具体可以包括如下步骤:
S210、获取受检者的周期性的生理信号,根据生理信号确定受检者的初始心率,并通过如下公式确定搜索参数k:k=O/初始心率,O通过如下步骤预先计算得到:根据已获取的多个样本信号,确定多个样本信号中主峰的第一时间差点数范围以及干扰峰的第二时间差点数范围;根据第一时间差点数范围和第二时间差点数范围,得到样本心率和k间的关系式,并根据关系式计算得到O。
其中,在识别生理信号周期内的第二最值点时,将窗内的第一最值点与搜索邻域内的邻域最值点进行对比,并根据对比结果确定第一最值点是否为第二最值点,即该第一最值点是否能够保留下来。由此,搜索邻域内点数的多少将对心率检测范围产生直接影响,一般情况下,搜索邻域越大,噪声影响越小但是容易漏掉正确的第二最值点;在心率较快的生理信号中,搜索邻域应尽可能小以保证不漏识别第二最值点,因此,选择合适的搜索邻域对判断第一最值点是否为第二最值点至关重要。需要说明的是,搜索邻域是根据搜索参数k确定的,而k是根据心率确定的,该心率可以是上文所述的初始心率或是目标心率,也可以是样本心率,该样本心率是根据样本信号确定的心率,该样本信号是预先采集得到的用于确定k和心率间的关系式的生理信号。
因此,根据已获取的多个样本信号中主峰的第一时间差点数范围以及干扰峰的第二时间差点数范围,可以得到样本心率和k间的关系式,假设k=O/样本心率,那么根据样本心率和k间的关系式可以反向推导出O的具体取值。实际应用中,可选的,k可以认为是根据心率检测范围确定的搜索参数,不同的心率检测范围对应于不同取值的k。
S220、基于预设时间滑窗检测策略从生理信号中检测出第一最值点,若第一最值点为经由第一最值点和搜索参数确定出的搜索邻域内的邻域最值点,则将第一最值点作为第二最值点。
S230、在获取到第一预设数量的第二最值点之后,根据各第二最值点计算出目标心率,并基于目标心率重新确定搜索参数。
S240、重复执行基于预设时间滑窗检测策略从生理信号中检测出第一最值点的步骤,直至生理信号检测完毕,根据各第二最值点检测出特征点。
本发明实施例的技术方案,通过多个样本信号中主峰的第一时间差点数范围以及干扰峰的第二时间差点数范围,可以得到样本心率和k间的关系式,根据该关系式可以推导出初始心率和k间的关系式。
为了更好地理解上述k的确定过程,下面结合具体示例对其进行示例性说明。示例性的,以脉搏波信号的一阶差分信号周期内的最大值点与相邻主峰及干扰峰间的关系为例,详细推导一下不同大小的搜索邻域对应的心率检测范围。在图5中,P(j)为一阶差分信号中某周期内幅度最大的波峰的峰值,由脉搏波信号的主波的急速上升形成,且P(j)在(j-range1,j+range1)的范围内为最大值。其中,range1在不同的一阶差分信号中大致满足range1~(0.8*T,T),此处T可以认为是一阶差分信号中相邻主峰之间的时间差点数,(0.8*T,T)可以认为是主峰的第一时间差点数范围。P(i)为一阶差分信号周期内幅度最大的伪峰的峰值,该伪峰是一阶差分信号中除主峰以外的各个峰,P(i)在(i-range2,i+range2)的范围内为最大值。在脉搏波信号的一阶差分信号的各成分中,上述峰值为P(i)的伪峰对主峰的识别存在干扰作用,且当伪峰峰值发生的时刻位于左右相邻两个主峰的正中间时,其造成的干扰作用最大,此时range2大致满足range2~(0.3*1/2T,1/2T),(0.3*1/2T,1/2T)可以认为是干扰峰的第二时间差点数范围。
为了将主峰P(j)与左右相邻的主峰区分开来,同时排除干扰峰的干扰作用,N需满足range2<N<range1,由此,根据range1的取值范围(即,第一时间差点数范围)和range2的取值范围(即,第二时间差点数范围),可以得到N的最宽松取值范围0.3*1/2T<N<T和最严格取值范围1/2T<N<0.8*T。取N=k*sampleFrez,T=m*sampleFrez,sampleFrez是脉搏波信号的采样频率,T是一阶差分信号周期的点数,m是以秒为单位的信号周期(即,心动周期),由此最宽松取值范围可以改写为0.3*1/2*m*sampleFrez<k*sampleFrez<m*sampleFrez,且最严格取值范围可以改写为1/2*m*sampleFrez<k*sampleFrez<0.8*m*sampleFrez,二者约去sampleFrez可以得到0.3*1/2*m<k<m(1)和1/2*m<k<0.8*m(2)。心率与心动周期的关系式是R=60/心动周期=60*sampleFrez/m*sampleFrez=60/m(3),那么将(3)代入(1)和(2),可以分别得到心率(heartrate,HR)与k的关系式9/k<HR<60/k和30/k<HR<48/k。图6呈现出心率检测范围随着不同取值的k的变化曲线,示例性的,当k=0.45时,最宽松的心率检测范围是HR~(20,133)且最严格的心率检测范围是HR~(67,107)。
图6中的宽松上限曲线和严格上限曲线是由相邻主波波峰的间隔范围决定的,宽松下限曲线和严格下限曲线是由干扰峰的相对位置决定的,其中,当干扰峰处于两相邻主波波峰的正中间时,可检测的心率检测范围的最小值受限于严格下限曲线;在当前主波波峰较相邻波峰低矮的程度较高时,可检测的心率检测范围的最大值受限于严格上限曲线,在上述两种特殊情况均未发生的理想的脉搏波信号中,其心率检测范围是符合宽松上下限的。
然而,在实际应用中,很可能出现干扰峰处于两主波波峰中间位置和个别主波峰值幅度低矮的情况,因此,在设定k时需要同时兼顾严格上下限与宽松上下限以应对各种情况。假设待检测的心率水平是已知的,此时k的具体数值应使得待检测的心率水平同时包括在最宽松的心率检测范围和最严格的心率检测范围之间,这才能有效保证特征点的正确检测,因此,待检测的心率水平和k的关系式可以基于最宽松的心率检测范围的算术平均数来表示,HR=(9/k+60/k)/2=34.5/k,那么k=34.5/HR,HR即为上文所述的初始心率、目标心率或是样本心率,34.5即为上文所述的O。
需要说明的是,k的具体取值与心率检测范围有关,而O的具体取值与已获取的生理信号的质量有关,这是因为,O的具体取值是根据推导得到的k与HR的关系曲线确定的,而关系曲线是根据一阶差分信号中相邻主峰间的时间差点数范围、伪峰的时间差点数范围和周期点数T间的关系确定的,因此O的具体取值与主峰是否出现低矮情况(即,信噪比(Signal Noise Ratio,SNR)的高低)和伪峰处在主峰间的相对位置(即,伪峰干扰)有关,这两点都是生理信号的质量的具体体现。综上可知,O=34.5仅是一个示例性说明,当生理信号的主峰和干扰峰的特征存在差异时,O会有不同的取值。在实际应用中,可以先根据关系曲线确定O的具体取值,这样的O应使得k=O/HR或是HR=O/k处在上下限曲线之间;再根据O在具体的生理信号中的特征点检测结果对O进行调整,且调整后的O亦应使得k=O/HR或是HR=O/k处在上下限曲线之间。
实施例三
图7为本发明实施例三提供的特征点检测装置的结构框图,该装置用于执行上述任意实施例所提供的特征点检测方法。该装置与上述各实施例的特征点检测方法属于同一个发明构思,在特征点检测装置的实施例中未详尽描述的细节内容,可以参考上述特征点检测方法的实施例。参见图7,该装置具体可包括:搜索参数确定模块310、第二最值点确定模块320、搜索参数重新确定模块330和特征点检测模块340。
其中,搜索参数确定模块310,用于获取受检者的周期性的生理信号,根据生理信号确定受检者的初始心率,并根据初始心率确定搜索参数;
第二最值点确定模块320,用于基于预设时间滑窗检测策略从生理信号中检测出第一最值点,若第一最值点为经由第一最值点和搜索参数确定出的搜索邻域内的邻域最值点,则将第一最值点作为第二最值点;
搜索参数重新确定模块330,用于在获取到第一预设数量的第二最值点之后,根据各第二最值点计算出目标心率,并基于目标心率重新确定搜索参数;
特征点检测模块340,用于重复执行基于预设时间滑窗检测策略从生理信号中检测出第一最值点的步骤,直至生理信号检测完毕,根据各第二最值点检测出特征点。
可选的,搜索参数确定模块310,具体可以包括:
搜索参数确定单元,用于搜索参数k通过如下公式确定:k=O/初始心率;
其中,O通过如下单元预先计算得到:
时间差点数范围确定单元,用于根据已获取的多个样本信号,确定多个样本信号中主峰的第一时间差点数范围以及干扰峰的第二时间差点数范围;
O确定单元,用于根据第一时间差点数范围和第二时间差点数范围,得到样本心率和k间的关系式,并根据关系式计算得到O。
可选的,搜索参数确定模块310,具体可以包括:
信号变换单元,用于从生理信号中筛选出最先采集得到的第二预设数量的初始生理信号,对初始生理信号进行非线性变换,得到非线性变换信号;
初始心率确定单元,用于基于预设幅度阈值从非线性变换信号中筛选出极值点,根据各极值点确定受检者的初始心率。
可选的,在上述装置的基础上,特征点包括脉搏波信号的波峰点和波谷点,该装置还可以包括:
噪声剔除模块,用于将未满足预设复查条件的相邻的波峰点和波谷点作为噪声点,并将噪声点从特征点中剔除掉;
其中,预设复查条件包括相邻的波峰点和波谷点间的第一时间间隔大于预设时间阈值,和/或第一时间间隔相对于相邻的波峰点间或是相邻的波谷点间的第二时间间隔的时间占比大于预设占比阈值。
可选的,搜索参数重新确定模块330,具体可以包括:
待定心率判定单元,用于根据相邻的第二最值点计算出待定心率,并根据各待定心率计算出变异系数,确定变异系数是否超过预设系数阈值;
目标心率计算单元,用于若否,则根据各待定心率计算出目标心率。
可选的,生理信号包括直接采集得到的脉搏波信号的一阶差分信号,邻域最值点是最大值点;特征点检测模块340,具体可以包括:
波谷点第一检测单元,用于获取相邻的第二最值点间的末个极小值点,将脉搏波信号中与末个极小值点对应的信号点作为波谷点;
波峰点第一检测单元,用于将相邻的波谷点间的首个极大值点作为波峰点;或者,
波峰点第二检测单元,用于获取相邻的第二最值点间的首个极大值点,将脉搏波信号中与首个极大值点对应的信号点作为波峰点;
波谷点第二检测单元,用于将相邻的波峰点间的末个极小值点作为波谷点。
可选的,生理信号包括直接采集得到的心电信号的一阶差分信号,邻域最值点是最小值点;或是,生理信号包括直接采集得到的心电信号的一阶差分信号的取反信号,邻域最值点是最大值点;
特征点检测模块340,具体可以包括:
R波波峰点检测单元,用于获取相邻的第二最值点间的末个极大值点,将心电信号中与末个极大值点对应的信号点作为R波波峰点。
本发明实施例三提供的特征点检测装置,搜索参数确定模块通过受检者的周期性的生理信号确定初始心率,并根据初始心率确定搜索参数;第二最值点确定模块基于预设时间滑窗检测策略从生理信号中检测出第一最值点,并将在经由第一最值点和搜索参数确定出的搜索邻域内仍是最值点的第一最值点作为第二最值点,由此检测出的第二最值点不会因为幅度突然变化而出现漏检测的情况;搜索参数重新确定模块考虑到受检者的心率水平在生理信号的采集过程中可能会出现变化,由此在获取到第一预设数量的第二最值点之后,可以根据各第二最值点计算出目标心率,并基于目标心率重新确定搜索参数,这可以适应于不同心率水平的生理信号的搜索参数提高了第二最值点的检测精度;特征点检测模块重复执行上述步骤,直至生理信号检测完毕,此时根据各第二最值点可以准确且快速地检测出原始生理信号中的特征点。上述装置,通过预设时间滑窗检测策略解决了因为幅度突然变化而出现的第二最值点漏检测的问题,且通过自适应调整的搜索参数进一步提高了第二最值点的检测精度,进而通过高检测精度的第二最值点实现了特征点的精准检测的效果。
本发明实施例所提供的特征点检测装置可执行本发明任意实施例所提供的特征点检测方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述特征点检测装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图8为本发明实施例四提供的一种设备的结构示意图,如图8所示,该设备包括存储器410、处理器420、输入装置430和输出装置440。设备中的处理器420的数量可以是一个或多个,图8中以一个处理器420为例;设备中的存储器410、处理器420、输入装置430和输出装置440可以通过总线或其它方式连接,图8中以通过总线450连接为例。
存储器410作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的特征点检测方法对应的程序指令/模块(例如,特征点检测装置中的搜索参数确定模块310、第二最值点确定模块320、搜索参数重新确定模块330和特征点检测模块340)。处理器420通过运行存储在存储器410中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的特征点检测方法。
存储器410可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器410可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器410可进一步包括相对于处理器420远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息,以及产生与装置的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种特征点检测方法,包括:
获取受检者的周期性的生理信号,根据生理信号确定受检者的初始心率,并根据初始心率确定搜索参数;
基于预设时间滑窗检测策略从生理信号中检测出第一最值点,若第一最值点为经由第一最值点和搜索参数确定出的搜索邻域内的邻域最值点,则将第一最值点作为第二最值点;
在获取到第一预设数量的第二最值点之后,根据各第二最值点计算出目标心率,并基于目标心率重新确定搜索参数;
重复执行基于预设时间滑窗检测策略从生理信号中检测出第一最值点的步骤,直至生理信号检测完毕,根据各第二最值点检测出特征点。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的特征点检测方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。依据这样的理解,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可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种特征点检测方法,其特征在于,包括:
获取受检者的周期性的生理信号,根据所述生理信号确定所述受检者的初始心率,并根据所述初始心率确定搜索参数;
基于预设时间滑窗检测策略从所述生理信号中检测出第一最值点,根据所述第一最值点和所述搜索参数确定出搜索邻域,若所述第一最值点是搜索邻域内的邻域最值点,所述邻域最值点是搜索邻域内的最值点,则所述第一最值点是所述生理信号中的真最值点,所述真最值点作为所述生理信号的第二最值点;
在获取到第一预设数量的所述第二最值点之后,根据各所述第二最值点计算出目标心率,并基于所述目标心率重新确定所述搜索参数;
重复执行基于预设时间滑窗检测策略从所述生理信号中检测出第一最值点的步骤,直至所述生理信号检测完毕,根据各所述第二最值点检测出特征点;
根据所述初始心率确定搜索参数,包括:所述搜索参数和所述初始心率呈反比,所述搜索参数用于对生理信号周期内最值点进行识别;
根据已获取的多个样本信号,确定所述多个样本信号中主峰的第一时间差点数范围以及干扰峰的第二时间差点数范围;
所述样本心率根据所述样本信号确定;
其中主峰的第一时间差点数范围为(0.8*T,T),干扰峰的第二时间差点数范围为(0.3*1/2T,1/2T), T是一阶差分信号中相邻主峰之间的时间差点数;
所述基于所述目标心率重新确定所述搜索参数,包括:
根据获取到第一预设数量的所述第二最值点之后,根据相邻的第二最值点计算出待定心率,判断各所述待定心率的变异系数是否超过预设比例阈值,若否,则将各所述待定心率中的最大心率和最小心率去掉后取平均,得到所述目标心率,并根据经验公式计算出k,其中所述搜索参数和所述目标心率呈反比;
所述特征点包括:波峰点或波谷点;
所述特征点用于划分生理信号周期;
所述第一最值点是第一最大值点或第一最小值点;
所述根据所述第一最值点和所述搜索参数确定出搜索邻域,包括:
获取生理信号的采样频率,根据所述采样频率和所述搜索参数计算出搜索点数N,所述搜索点数N是所述采样频率和所述搜索参数的乘积结果,所述搜索邻域是所述第一最值点的前N点、所述第一最值点的后N点或所述第一最值点的前后各N点。
2.根据权利要求1所述的方法,其特征在于,所述根据所述生理信号确定所述受检者的初始心率,包括:
从所述生理信号中筛选出最先采集得到的第二预设数量的初始生理信号,对所述初始生理信号进行非线性变换,得到非线性变换信号;
基于预设幅度阈值从所述非线性变换信号中筛选出极值点,根据各所述极值点确定所述受检者的初始心率。
3.根据权利要求1所述的方法,其特征在于,所述特征点包括脉搏波信号的波峰点和波谷点,所述方法还包括:
将未满足预设复查条件的相邻的所述波峰点和所述波谷点作为噪声点,并将所述噪声点从所述特征点中剔除掉;
其中,所述预设复查条件包括所述相邻的所述波峰点和所述波谷点间的第一时间间隔大于预设时间阈值,和/或所述第一时间间隔相对于相邻的所述波峰点间或是相邻的所述波谷点间的第二时间间隔的时间占比大于预设占比阈值。
4.根据权利要求1所述的方法,其特征在于,所述生理信号包括直接采集得到的脉搏波信号的一阶差分信号,所述邻域最值点是最大值点;
所述根据各所述第二最值点检测出特征点,包括:
获取相邻的所述第二最值点间的末个极小值点,将所述脉搏波信号中与所述末个极小值点对应的信号点作为波谷点;
将相邻的所述波谷点间的首个极大值点作为波峰点;或者,
所述根据各所述第二最值点检测出特征点,包括:
获取相邻的所述第二最值点间的首个极大值点,将所述脉搏波信号中与所述首个极大值点对应的信号点作为波峰点;
将相邻的所述波峰点间的末个极小值点作为波谷点。
5.根据权利要求1所述的方法,其特征在于:
所述生理信号包括直接采集得到的心电信号的一阶差分信号,所述邻域最值点是最小值点;或是,所述生理信号包括直接采集得到的心电信号的一阶差分信号的取反信号,所述邻域最值点是最大值点;
所述根据各所述第二最值点检测出特征点,包括:
获取相邻的所述第二最值点间的末个极大值点,将所述心电信号中与所述末个极大值点对应的信号点作为R波波峰点。
6.一种特征点检测装置,其特征在于,包括:
搜索参数确定模块,用于获取受检者的周期性的生理信号,根据所述生理信号确定所述受检者的初始心率,并根据所述初始心率确定搜索参数;
第二最值点确定模块,用于基于预设时间滑窗检测策略从所述生理信号中检测出第一最值点,根据所述第一最值点和所述搜索参数确定出搜索邻域,若所述第一最值点是搜索邻域内的邻域最值点,所述邻域最值点是搜索邻域内的最值点,则所述第一最值点是所述生理信号中的真最值点,所述真最值点作为所述生理信号的第二最值点;
搜索参数重新确定模块,用于在获取到第一预设数量的所述第二最值点之后,根据各所述第二最值点计算出目标心率,并基于所述目标心率重新确定所述搜索参数;
特征点检测模块,用于重复执行基于预设时间滑窗检测策略从所述生理信号中检测出第一最值点的步骤,直至所述生理信号检测完毕,根据各所述第二最值点检测出特征点;
根据所述初始心率确定搜索参数,包括:所述搜索参数和所述初始心率呈反比,所述搜索参数用于对生理信号周期内最值点进行识别;
所述搜索参数确定模块,包括:
时间差点数范围确定单元,用于根据已获取的多个样本信号,确定多个样本信号中主峰的第一时间差点数范围以及干扰峰的第二时间差点数范围;
所述样本心率根据所述样本信号确定;
其中主峰的第一时间差点数范围为(0.8*T,T),干扰峰的第二时间差点数范围为(0.3*1/2T,1/2T), T是一阶差分信号中相邻主峰之间的时间差点数;
所述基于所述目标心率重新确定所述搜索参数,包括:
根据获取到第一预设数量的所述第二最值点之后,根据相邻的第二最值点计算出待定心率,判断各所述待定心率的变异系数是否超过预设比例阈值,若否,则将各所述待定心率中的最大心率和最小心率去掉后取平均,得到所述目标心率,并根据经验公式计算出k,其中所述搜索参数和所述目标心率呈反比;
所述特征点包括:波峰点或波谷点;
所述特征点用于划分生理信号周期;
所述第一最值点是第一最大值点或第一最小值点;
所述根据所述第一最值点和所述搜索参数确定出搜索邻域,包括:
获取生理信号的采样频率,根据所述采样频率和所述搜索参数计算出搜索点数N,所述搜索点数N是所述采样频率和所述搜索参数的乘积结果,所述搜索邻域是所述第一最值点的前N点、所述第一最值点的后N点或所述第一最值点的前后各N点。
7.一种设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的特征点检测方法。
8.一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如权利要求1-5任一所述的特征点检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582329.9A CN111657905B (zh) | 2020-06-23 | 2020-06-23 | 一种特征点检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582329.9A CN111657905B (zh) | 2020-06-23 | 2020-06-23 | 一种特征点检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111657905A CN111657905A (zh) | 2020-09-15 |
CN111657905B true CN111657905B (zh) | 2022-06-07 |
Family
ID=72389617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010582329.9A Active CN111657905B (zh) | 2020-06-23 | 2020-06-23 | 一种特征点检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111657905B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112932428A (zh) * | 2021-02-05 | 2021-06-11 | 江西国科美信医疗科技有限公司 | 一种血氧与心率监测***及其便携式无线远程监测装置 |
CN113545753B (zh) * | 2021-07-21 | 2024-04-05 | 芯原微电子(成都)有限公司 | 波形检测方法、装置、可穿戴设备及计算机可读存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5682900A (en) * | 1995-11-29 | 1997-11-04 | Hewlett-Packard Company | Method and apparatus for obtaining heartbeat measurements from a ECG waveform |
FI991132A (fi) * | 1999-05-18 | 2000-11-19 | Voxlab Oy | Menetelmä tutkia näytteistä muodostetun digitaalisen signaalin rytmisy yttä |
IL155955A0 (en) * | 2003-05-15 | 2003-12-23 | Widemed Ltd | Adaptive prediction of changes of physiological/pathological states using processing of biomedical signal |
KR101008825B1 (ko) * | 2008-09-02 | 2011-01-19 | 광운대학교 산학협력단 | 다중 윈도우를 이용한 생체신호의 특성 파라미터 추출 장치및 방법 |
US20110196615A1 (en) * | 2010-01-26 | 2011-08-11 | Stmicroelectronics S.R.L. | Processing of biological signals |
CN108652611B (zh) * | 2018-05-17 | 2021-03-16 | 广东工业大学 | 一种心率的计算方法、装置、设备及计算机可读存储介质 |
-
2020
- 2020-06-23 CN CN202010582329.9A patent/CN111657905B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111657905A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220395212A1 (en) | Methods and systems for tracking physiological parameters of mother and fetus during pregnancy | |
CN111657905B (zh) | 一种特征点检测方法、装置、设备及存储介质 | |
Sedghamiz | Matlab implementation of Pan Tompkins ECG QRS detector | |
Arbateni et al. | Sigmoidal radial basis function ANN for QRS complex detection | |
US11096628B2 (en) | Heart rate detection method and apparatus, and electronic terminal thereof | |
CN107688553B (zh) | 基于小波变换和逻辑回归算法检测心电波形特征的方法 | |
CN108324271B (zh) | 心电信号识别方法、***和心电监测设备 | |
CN117033911B (zh) | 基于智能眼镜数据的计步分析方法 | |
KR20120116213A (ko) | 심실조기수축 판별 시스템, 심실조기수축 판별 방법 및 이를 수행하는 프로그램이 기록된 저장매체 | |
AU2019101756A4 (en) | Method for analyzing heart rate variability signal based on extremum energy decomposition method | |
CN109620206B (zh) | 包含异位心跳判断的房颤人工智能识别方法及装置 | |
CN111513706A (zh) | 一种针对含有异常r波的心电信号的检测方法和装置 | |
CN115040139A (zh) | 基于双树复小波的心电r波检测方法、设备、介质及产品 | |
CN108694355B (zh) | 一种信号处理方法及装置 | |
CN110151156B (zh) | 一种基于窗内自动加权平均算法的胎心率提取方法及*** | |
CN110269608B (zh) | 一种去除信号干扰的方法、装置以及可读存储介质 | |
CN114795241B (zh) | 一种心电信号的噪声检测方法及*** | |
CN113229826B (zh) | 一种qrs波检测方法、装置及电子设备 | |
CN114159075B (zh) | Qrs波优化装置、***及存储介质 | |
Vega-Martínez et al. | Wavelet packet based algorithm for QRS region detection and R/S wave identification | |
EP2938247B1 (en) | Method and apparatus for reducing motion artifacts in ecg signals | |
US20180271449A1 (en) | Heartbeat detection system and heartbeat detection method | |
Chandu et al. | Ecg signal filtering using an improved wavelet wiener filtering | |
Nabil et al. | Filtering impacts on nonlinear heart rate variability parameters | |
CN113842127B (zh) | 脉率检测装置、***及存储介质 |
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 |