CN114041786A - 心冲击图信号的检测方法、装置以及设备 - Google Patents
心冲击图信号的检测方法、装置以及设备 Download PDFInfo
- Publication number
- CN114041786A CN114041786A CN202210024167.6A CN202210024167A CN114041786A CN 114041786 A CN114041786 A CN 114041786A CN 202210024167 A CN202210024167 A CN 202210024167A CN 114041786 A CN114041786 A CN 114041786A
- Authority
- CN
- China
- Prior art keywords
- ballistocardiogram
- signal
- signals
- unit
- feature vector
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 72
- 239000013598 vector Substances 0.000 claims abstract description 141
- 238000013441 quality evaluation Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 38
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 50
- 238000012545 processing Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 230000000737 periodic effect Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 150000001875 compounds Chemical class 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 101150021336 torI gene Proteins 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
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1102—Ballistocardiography
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及一种心冲击图信号的检测方法、装置、设备以及存储介质，该方法包括：获取用户的心冲击图信号，根据预设的信号长度，将心冲击图信号划分为若干个心冲击图单元信号；对若干个心冲击图单元信号进行多维特征提取，获取多维特征向量；将多维特征向量进行重构，获取心冲击图单元信号对应的特征向量矩阵，根据特征向量矩阵以及预设的质量评估模型，获取若干个心冲击图单元信号对应的质量评估结果；响应于检测指令，检测指令包括待测用户的心冲击图信号，根据待测用户的初始心冲击图信号，获取待测用户的若干个心冲击图单元信号对应的质量评估结果，根据质量评估结果，从若干个心冲击图单元信号中获取待测用户的目标心冲击图信号。
Description
技术领域
本发明涉及信号处理技术领域，特别涉及一种心冲击图信号的检测方法、装置、设备以及存储介质。
背景技术
心冲击图(Ballistocardiogram, BCG)描述了由心脏射血过程引起的人体微弱颤动情况，已被证实可以对心脏进行有效的监测。BCG信号是一种微弱的力信号，可以在非直接接触的情况下通过压力传感器将力信号转换为电信号，实现对用户生命体征信号的勿扰采集。
但由于BCG信号的微弱性，其形态也容易受到干扰，在实际应用场景中，信号会受到如呼吸、运动伪影、远离传感器、环境噪声等干扰导致监测信号质量不一致，无法进行同等的分析和应用。当信号质量较差，信号形态中蕴含的生理信息无法被有效提取，因此，对心冲击图采集后的信号进行质量控制，从信号中选取质量相对更好的数据，对后续的数据处理和分析（如信号定位、HRV分析、睡眠分期、睡眠呼吸暂停等）具有重要意义。
发明内容
基于此，本发明提供一种心冲击图信号的检测方法、装置、设备以及存储介质，通过对心冲击图信号的形态、时域和非线性域多维特征进行分析，根据质量评估模型从心冲击图信号中获取目标心冲击图信号，充分考虑了影响心冲击图信号质量客观因素，提高了对复杂应用场景下的心冲击图信号的获取的精度，该技术方法如下：
第一方面，本申请实施例提供了一种心冲击图信号的检测方法，包括以下步骤：
获取用户的心冲击图信号，根据预设的信号长度，将所述心冲击图信号划分为若干个心冲击图单元信号；
对所述若干个心冲击图单元信号进行多维特征提取，获取多维特征向量，其中，所述多维特征向量包括形态特征向量、时域特征向量以及非线性域特征向量；
将所述多维特征向量进行重构，获取所述心冲击图单元信号对应的特征向量矩阵；
根据所述特征向量矩阵以及预设的质量评估模型，获取所述若干个心冲击图单元信号对应的质量评估结果；
响应于检测指令，所述检测指令包括待测用户的心冲击图信号，根据所述待测用户的初始心冲击图信号，获取所述待测用户的若干个心冲击图单元信号对应的质量评估结果，根据所述质量评估结果，从所述若干个心冲击图单元信号中获取所述待测用户的目标心冲击图信号。
第二方面，本申请实施例提供了一种心冲击图信号的检测装置，包括：
获取模块，用于获取用户的心冲击图信号，根据预设的信号长度，将所述心冲击图信号划分为若干个心冲击图单元信号；
特征提取模块，用于对所述若干个心冲击图单元信号进行多维特征提取，获取多维特征向量，其中，所述多维特征向量包括形态特征向量、时域特征向量以及非线性域特征向量；
重构模块，用于将所述多维特征向量进行重构，获取所述心冲击图单元信号对应的特征向量矩阵；
评估模块，用于根据所述特征向量矩阵以及预设的质量评估模型，获取所述若干个心冲击图单元信号对应的质量评估结果；
处理模块，用于响应于检测指令，所述检测指令包括待测用户的心冲击图信号，根据所述待测用户的初始心冲击图信号，获取所述待测用户的若干个心冲击图单元信号对应的质量评估结果，根据所述质量评估结果，从所述若干个心冲击图单元信号中获取所述待测用户的目标心冲击图信号。
第三方面，本申请实施例提供了一种计算机设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如第一方面所述的心冲击图信号的检测方法的步骤。
第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的心冲击图信号的检测方法的步骤。
在本实施例中，提供一种心冲击图信号的检测方法、装置、设备以及存储介质，通过对心冲击图信号的形态、时域和非线性域多维特征进行分析，根据质量评估模型从心冲击图信号中获取目标心冲击图信号，充分考虑了影响心冲击图信号质量客观因素，提高了对复杂应用场景下的心冲击图信号的获取的精度以及效率。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1为本申请第一实施例提供的心冲击图信号的检测方法的流程示意图；
图2为本申请第二实施例提供的心冲击图信号的检测方法的流程示意图；
图3为本申请第一实施例提供的心冲击图信号的检测方法中S2的流程示意图；
图4为本申请第三实施例提供的心冲击图信号的检测方法的流程示意图；
图5为本申请第四实施例提供的心冲击图信号的检测方法的流程示意图；
图6为本申请第五实施例提供的心冲击图信号的检测装置的结构示意图；
图7为本申请第六实施例提供的计算机设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”/“若”可以被解释成为“在……时”或“当……时”或“响应于确定”。
请参阅图1，图1为本申请第一实施例提供的心冲击图信号的检测方法的流程示意图，包括如下步骤：
S1：获取用户的心冲击图信号，根据预设的信号长度，将所述心冲击图信号划分为若干个心冲击图单元信号。
本申请的心冲击图信号的检测方法的执行主体为心冲击图信号的检测方法的检测设备（以下简称检测设备）。
在一个可选的实施例中，检测设备可以是一台计算机设备，可以是服务器，或多台计算机设备联合而成的服务器机群。
所述心冲击图信号BCG（ballistocardiogram）用于心率检测、心率变异性监测、心脏收缩性以及心输出量变化监测等方面。
在一个可选的实施例中，检测设备可以通过在预设的数据库中进行查询，获取用户的心冲击图信号，在另一个可选的实施例中，检测设备可以采用压电传感器获取用户的人体微振信号，并根据模数转换模块，将该人体微振信号转换为数字信号，根据数据处理模块对该数字信号进行分析，从该数字信号中提取用户的生理信号；其中，生理信号为人体特征信号，包括心冲击图信号；
由于生理信号的能量主要在0到50Hz，其中，心冲击图信号的能量频谱范围主要在1到10Hz，检测设备可以通过滤波的方式，对所述生理信号进行滤波处理，将心冲击图信号从所述生理信号中分离出来。
所述压电传感器可以是压电陶瓷传感器、压电薄膜传感器等，可以放在平躺位置心脏的下方，也可以放在枕头下方，来获取用户的人体微振信号。
所述模数转换模块可以采用外置芯片，也可以采用相应的内置模数转换接口来对人体微振信号转换为数字信号。
所述数据处理模块可以采用DSP（Digital Signal Processing）或者ARM（Advanced RISC Machines）处理器，对该数字信号进行分析，从该数字信号中提取用户的生理信号。
在本实施例中，检测设备获取用户的心冲击图信号，根据预设的信号长度，对所述心冲击图信号进行分窗处理，划分为若干个心冲击图单元信号，其中，所述心冲击图单元信号包括若干个ts片段，每个片段有t*1000个采样点。
请参阅图2，图2为本申请第二实施例提供的心冲击图信号的检测方法的流程示意图，还包括步骤S6，所述步骤S6在步骤S2之前，具体如下：
S6：对所述心冲击信号进行预处理，去除所述心冲击图信号中的工频干扰以及基线偏移，获取处理后的心冲击信号。
在本实施例中，由于心冲击图信号中存在混叠呼吸噪声、工频噪声和运动伪影等干扰，检测设备通过滤波的方式，去除所述心冲击图信号中的工频干扰以及基线偏移，获取处理后的心冲击图信号。
S2：对所述若干个心冲击图单元信号进行多维特征提取，获取多维特征向量，其中，所述多维特征向量包括形态特征向量、时域特征向量以及非线性域特征向量。
所述形态特征向量包括一致性特征向量、波动特征向量、周期性特征向量以及信噪比特征向量；
所述时域特征向量包括峰度特征向量以及偏度特征向量；
所述非线性域特征向量包括样本熵特征向量。
请参阅图3，图3为本申请第一实施例提供的心冲击图信号的检测方法中S2的流程示意图，包括步骤S201~S208，具体如下：
S201：获取所述若干个心冲击图单元信号对应的BCG定位参数，根据所述BCG定位参数以及一致性特征向量算法，获取一致性特征向量。
根据已有研究可知，一个典型的心冲击图信号，它包括了多个峰值如H、I、J、K、L、M。在BCG波形中，J峰是心态最明显的峰，目前大部分定位算法也是根据J峰的特征对心冲击图进行定位，而后续的数据分析如HRV分析、睡眠分期等都需要用到定位结果。因此，心冲击图信号中J峰形态是否清晰是衡量BCG信号一个重要的因素。在质量好的信号当中，J峰特征较为明显，不同算法均能准确定位到J峰，结果具有较高的一致性。而在质量差的信号中，噪声频率与有效信号频率出现重叠，从而使信号出现形变甚至失真，以至于不同算法定位的结果不同。因此，利用不同的BCG信号定位方法对同一段BCG信号进行定位，获取定位结果，提高检测所述定位结果的一致性，能够有效地反映信号的质量。
所述BCG定位参数是根据BCG信号定位方法进行获取的，包括第一J峰数目、第二J峰数目以及第三J峰数目；所述第一J峰数目为通过任意一种BCG信号定位算法对所述心冲击图单元信号的J峰进行定位，获取的J峰数目，所述第二J峰数目为通过另一种BCG定位算法对所述心冲击图单元信号的J峰进行定位，获取的J峰数目，所述第三J峰数目为通过两种BCG定位算法对所述心冲击图单元信号的J峰进行定位，获取的位置相同的J峰数目。
所述一致性特征向量算法，为：
式中，bSQI为一致性系数；a为所述BCG定位参数中的第一J峰数目，b为所述BCG定位参数中的第二J峰数目，Amatch为所述BCG定位参数中的第三J峰数目；
在本实施例中，检测设备获取所述若干个心冲击图单元信号对应的BCG定位参数，根据所述BCG定位参数以及bSQI特征向量算法，获取所述心冲击图单元信号的bSQI值，作为一致性特征向量。
S202：获取所述若干个心冲击图单元信号相对应的JJ间期数据，根据所述JJ间期数据以及波动特征向量算法，获取波动特征向量。
在本实施例中，检测设备对所述若干个心冲击图单元信号的J峰进行定位，获取峰值坐标数据，其中，所述峰值坐标数据包括第一峰值坐标数据以及第二峰值坐标数据。
所述第一峰值坐标数据为通过任意一种BCG信号定位算法获取的峰值坐标数据location_J1，记为：
式中，ja-1为第a-1个J峰的坐标数据；
根据所述第一峰值坐标数据，获取所述第一峰值坐标数据对应的第一JJ间期数据JJI1，记为：
式中，c为第c个J峰的坐标数据。
所述第二峰值坐标数据为通过另一种BCG信号定位算法获取的峰值坐标数据location_J2，记为：
根据所述第二峰值坐标数据，获取所述第二峰值坐标数据对应的第二JJ间期数据JJI2，记为：
分别对所述第一JJ间期数据以及第二JJ间期数据按照间期大小，从大到小进行排序，获取排序处理后的第一JJ间期数据以及第二JJ间期数据。
在正常的代谢活动中，正常人的心率一般会在一段时间内保持平稳的状态，在静息情况下瞬时心率伴随呼吸进行有节奏且小幅度地上下波动。因此，利用在所述JJ间期数据中排序前20%的JJ间期值与排序前80%的JJ间期值，可以有效反映信号的质量。
检测设备根据所述排序处理后的第一JJ间期数据以及波动特征向量算法，获取所述若干个心冲击图单元信号对应的iSQI1值，所述iSQI1为基于所述排序处理后的第一JJ间期数据的波动系数；
根据所述排序处理后的第二JJ间期数据以及波动特征向量算法，获取所述若干个心冲击图单元信号对应的iSQI2值，所述iSQI2为基于所述排序处理后的第二JJ间期数据的波动系数；
将所述iSQI1以及iSQI2作为波动特征向量，其中，所述波动特征向量算法为：
式中，iSQI为所述波动系数，JJ20%为所述JJ间期数据中排序前20%的JJ间期值，JJ80%为所述JJ间期数据中排序前80%的JJ间期值。
S203：获取所述若干个心冲击图单元信号相对应的ECG信号，根据所述ECG信号，对所述ECG信号相对应的心冲击图单元信号进行重构，获取若干个重构心冲击图单元信号。
所述ECG信号为心电图(Electrocardiogram, ECG)，心电图是通过心脏的电位变化来获取的一种电信号；通过单导联的心电图设备可以获取ECG信号。
在本实施例中，检测设备获取与所述心冲击信号同步采集的ECG信号，并对所述ECG信号进行分析，获取所述ECG信号的R峰，根据所述ECG信号的R峰，获取所述心冲击图单元信号对应的J峰坐标数据J_peak，记为：
式中，jp-1为基于所述ECG信号获取的第p-1个J峰的坐标数据。
根据所述J峰坐标数据以及预设的信号时长r，以J峰的坐标位置为中心点，选择该中心店前后r秒对所述ECG信号相对应的心冲击图单元信号进行重构，获取若干个重构心冲击图单元信号。
S204：根据所述若干个心冲击图单元信号、重构心冲击图单元信号以及周期性特征向量算法，获取所述周期性特征向量。
由于BCG信号是由人心脏跳动产生的体震信号，因此其具有明显的伪周期性，在信号质量好的情况下，每一个BCG波形的形态具有较强的相关性；在信号质量不好，信号受到噪声或运动伪影等影响时，信号波形变形或失真，此时波形的相关性明显减弱。因此，利用固定时间尺度内，计算所有BCG信号的平均相关系数作为衡量信号质量的特征之一。
所述周期性特征向量算法为：
式中，tSQI为平均相关系数，k为所述重构心冲击图单元信号的数目，
表示第i个心冲击单元信号与第j个重构心冲击图单元信号之间的协方差；
在本实施例中，检测设备根据心冲击图单元信号、重构心冲击图单元信号以及周期性特征向量算法，获取所述重构心冲击图单元信号对应的tSQI值，作为所述周期性特征向量。
S205：根据所述若干个重构心冲击图单元信号，构建若干个重构心冲击图单元信号组，根据所述重构心冲击图单元信号组以及信噪比特征向量算法，获取所述信噪比特征向量。
SNR为信噪比系数，是衡量一个信号有效性的重要指标，具体地，SNR的值为信号段上有效信号能量和随机噪声的比值，可以有效地反映噪声对有效信号的影响程度。当SNR值高时，信号受噪声影响较少，信号形态特征也相对明显；当SNR值低时，信号受噪声影响大，信号可能由于噪声的影响导致变形或者失真，信号质量差。
所述信噪比特征向量算法为：
式中，SNR为所述信噪比系数，BCGK是第K个重构心冲击图单元信号组，
是K个重构心冲击图单元信号组的平均值信号段，K为所述重构心冲击图单元信号组的数目；
在本实施例中，检测设备根据所述若干个重构心冲击图单元信号，构建若干个重构心冲击图单元信号组，根据所述重构心冲击图单元信号组以及信噪比特征向量算法，获取所述重构心冲击图单元信号组对应的SNR值，作为所述信噪比特征向量。
S206：根据所述若干个心冲击图单元信号以及峰度特征向量算法，获取所述若干个心冲击图单元信号对应的峰度值，作为峰度特征向量。
峰度表现一段信号的波峰陡峭程度，反映了 BCG 信号各峰的尖锐度，即 BCG 信号主要特征峰是否清晰。在质量相对好的信号中，BCG 信号的 J 峰幅值明显高于其他时刻波峰，此时信号的峰值与人体远离传感器时信号的峰值相比较大，当信号受到运动伪影影响时，BCG信号会出现剧烈的抖动，此时信号的峰度相对于正常的BCG信号段会大得多，因此对于质量不同的信号，利用峰度也有一个较为明显的分界线，对于对BCG信号的质量控制也具有一定作用。
所述峰度特征向量算法为：
式中，Kurtosis为所述峰度值，E[]为期望函数，X为长度为N的心冲击图单元信号组，µ 为所述长度为N的心冲击图单元信号组的期望，σ为所述长度为N的心冲击图单元信号组的标准差；
在本实施例中，检测设备根据所述若干个心冲击图单元信号以及峰度特征向量算法，获取所述若干个心冲击图单元信号对应的峰度值，作为峰度特征向量。
S207：根据所述若干个心冲击图单元信号以及偏度特征向量算法，获取所述若干个心冲击图单元信号对应的偏度值，作为偏度特征向量。
所述偏度特征向量算法为：
式中，Skewness为所述偏度值；
在本实施例中，检测设备根据所述若干个心冲击图单元信号以及偏度特征向量算法，获取所述若干个心冲击图单元信号对应的偏度值，作为偏度特征向量。
S208：获取所述若干个心冲击图单元信号对应的样本熵值，作为样本熵特征向量。
在本实施例中，检测设备将所述长度为N的心冲击图单元信号组进行重构，获取重构后的长度为
的心冲击图单元信号组
，从而构建
维嵌入空间，其表达式为：
式中，
为所述重构后的长度为
的心冲击图单元信号组内的第i个重构心冲击图单元信号。
计算各个重构后的心冲击图单元信号组之间的距离最大差值绝对值
，记为：
式中，
为0到
的整数，
为另一个重构后的长度为
的心冲击图单元信号组。
统计
的值小于长度阈值r的数目，记为
，其中，r=0.2*std，std为长度为
的心冲击图单元信号的标准差，并除以距离总数，记为
，具体如下：
式中，所述距离总数为
。
统计所述重构后的心冲击图单元信号组内的各个重构心冲击图单元信号之间的距离小于等于r的数目，并除以距离总数，记为
，具体如下：
将所述嵌入空间的维数增加到
，重复上述步骤获得
，根据预设的样本熵计算算法，获取所述若干个心冲击图单元信号对应的样本熵值，作为样本熵特征向量，其中，所述样本熵计算算法为：
式中，
为计算长度为
的心冲击图单元信号的样本熵。
S3：将所述多维特征向量进行重构，获取所述心冲击图单元信号对应的特征向量矩阵。
在本实施例中，检测设备根据所述样本心冲击图单元信号，获取所述样本心冲击图单元信号的多维特征向量，对所述样本心冲击图单元信号的多维特征向量进行重构，获取所述样本心冲击图单元信号对应的特征向量矩阵，其中，所述样本心冲击图单元信号对应的特征向量矩阵的表达式为：
式中，W为所述特征向量矩阵，
为第一个样本心冲击图单元信号的bSQI值，
为第一个样本心冲击图单元信号的样本熵值。
S4：根据所述特征向量矩阵以及预设的质量评估模型，获取所述若干个心冲击图单元信号对应的质量评估结果。
所述质量评估模型包括分类模块以及评估模块，在本实施例中，检测设备采用XGboost（Extreme Gradient Boosting）分类器作为所述质量评估模型的分类模块，其中，所述XGboost分类器为梯度提升模型的一种，包括损失函数以及目标函数，通过对损失函数进行了二阶泰勒展开，使其计算的精度更高，同时在目标函数中加入了正则化，对模型的复杂度进行控制的同时有效防止了模型的过拟合，对用于信号形态多样的生理信号有较好的作用。
所述评估模块预先设置有与所述分类模块输出的分类值相对应的分类阈值，
根据所述心冲击图单元信号对应的特征向量矩阵以及质量评估模型，获取所述质量评估模型的分类模块输出的分类值，根据所述评估模块的分类阈值，进行对比，获取所述若干个心冲击图单元信号对应的质量评估结果。
请参阅图4，图4为本申请第三实施例提供的心冲击图信号的检测方法的流程示意图，还包括步骤S7，所述步骤S7在所述步骤S4之前，具体如下：
S7：根据所述特征向量矩阵以及归一化算法，获取归一化处理后的特征向量矩阵，其中，所述归一化算法为：
式中，
为归一化处理后的特征向量矩阵，
为所述特征向量矩阵中每个特征的最小值，
为所述特征向量矩阵中每个特征的最大值。
在本实施例中，检测设备根据所述特征向量矩阵以及归一化算法，获取归一化处理后的特征向量矩阵。
请参阅图5，图5为本申请第四实施例提供的心冲击图信号的检测方法的流程示意图，包括步骤S8~S9，所述步骤S8~S9在所述步骤S4之前，具体如下：
S8：获取样本数据集，其中，所述样本数据集包括样本心冲击图单元信号以及对应的标签数据。
检测设备获取多个健康受试用户的心冲击图信号，作为样本心冲击图信号，并根据预设的信号长度，将所述样本心冲击图信号划分为若干个样本心冲击图单元信号。
每一个样本心冲击图单元信号对应一个标签数据，所述标签数据用于确定对应的样本心冲击图单元信号的质量，其中，所述标签数据包括A类标签类型、B类标签类型以及C类标签类型，A类标签类型为对应的样本心冲击图单元信号无明显噪声和运动伪影干扰，BCG信号形态明显，并且 J 峰明显高于其他峰；B类标签类型为对应的样本心冲击图单元信号出现两种情况，①无运动伪影，但BCG信号形态明显呈现周期性但受噪声影响出现变化，且 J 峰不一定是局部最大值；②出现运动伪影，但运动伪影持续时长低于窗口的30%，其余信号波形明显或呈现周期性；C类标签类型为对应的样本心冲击图单元信号存在明显的运动伪影且运动伪影的持续时间超过信号长度的30%或因受到噪声干扰导致波形紊乱且无法可见 BCG 信号。
在本实施例中，检测设备获取所述样本心冲击图单元信号以及对应的标签数据，构建所述样本数据集。
S9：将所述样本心冲击图单元信号对应的特征向量矩阵以及对应的标签数据输入至待训练的质量评估模型进行训练，获取所述质量评估模型。
所述待训练的质量评估模型包括目标函数，所述目标函数为：
式中，
为所述目标函数，
为所述复杂度，v为所述样本心冲击图单元信号的数量，
为所述标签数据对应的值，
为第t-1次模型预测的输出值，
为第t次模型预测的输出值；
为所述特征向量矩阵对应的值，
为预设的常数值。
检测设备将所述样本心冲击图单元信号对应的特征向量矩阵输入至待训练的质量评估模型中，获取若干次模型预测的输出值，根据所述样本心冲击图单元信号对应的标签数据以及目标函数，对所述待训练的质量评估模型进行训练，获取所述质量评估模型。
S5：响应于检测指令，所述检测指令包括待测用户的心冲击图信号，根据所述待测用户的初始心冲击图信号，获取所述待测用户的若干个心冲击图单元信号对应的质量评估结果，根据所述质量评估结果，从所述若干个心冲击图单元信号中获取所述待测用户的目标心冲击图信号。
所述检测指令是由用户发出，检测设备接收的。
检测设备获取用户发送的检测指令，根据所述待测用户的初始心冲击图信号，获取所述待测用户的若干个心冲击图单元信号对应的质量评估结果，根据所述质量评估结果，其中，所述质量评估结果包括A类标签类型结果、B类标签类型结果以及C类标签类型结果。
所述检测指令还包括目标标签类型，其中，所述目标标签类型包括A类标签类型、B类标签类型以及C类标签类型，检测设备根据所述质量评估结果，从所述若干个心冲击图单元信号中获取所述待测用户的A类标签类型的心冲击图单元信号、B类标签类型的心冲击图单元信号以及C类标签类型的心冲击图单元信号，根据所述目标标签类型，获取满足所述目标标签类型的心冲击图单元信号，作为目标心冲击图信号。
请参阅图6，图6为本申请第五实施例提供的心冲击图信号的检测装置的结构示意图，该装置可以通过软件、硬件或两者的结合实现心冲击图信号的检测方法的全部或一部分，该装置6包括：
获取模块61，用于获取用户的心冲击图信号，根据预设的信号长度，将所述心冲击图信号划分为若干个心冲击图单元信号；
特征提取模块62，用于对所述若干个心冲击图单元信号进行多维特征提取，获取多维特征向量，其中，所述多维特征向量包括形态特征向量、时域特征向量以及非线性域特征向量；
重构模块63，用于将所述多维特征向量进行重构，获取所述心冲击图单元信号对应的特征向量矩阵；
评估模块64，用于根据所述特征向量矩阵以及预设的质量评估模型，获取所述若干个心冲击图单元信号对应的质量评估结果；
处理模块65，用于响应于检测指令，所述检测指令包括待测用户的心冲击图信号，根据所述待测用户的初始心冲击图信号，获取所述待测用户的若干个心冲击图单元信号对应的质量评估结果，根据所述质量评估结果，从所述若干个心冲击图单元信号中获取所述待测用户的目标心冲击图信号。
在本申请的实施例中，通过获取模块，获取用户的心冲击图信号，根据预设的信号长度，将所述心冲击图信号划分为若干个心冲击图单元信号；通过特征提取模块，对所述若干个心冲击图单元信号进行多维特征提取，获取多维特征向量，其中，所述多维特征向量包括形态特征向量、时域特征向量以及非线性域特征向量；通过重构模块，将所述多维特征向量进行重构，获取所述心冲击图单元信号对应的特征向量矩阵；通过评估模块，根据所述特征向量矩阵以及预设的质量评估模型，获取所述若干个心冲击图单元信号对应的质量评估结果；通过处理模块，响应于检测指令，所述检测指令包括待测用户的心冲击图信号，根据所述待测用户的初始心冲击图信号，获取所述待测用户的若干个心冲击图单元信号对应的质量评估结果，根据所述质量评估结果，从所述若干个心冲击图单元信号中获取所述待测用户的目标心冲击图信号。本申请通过对心冲击图信号的形态、时域和非线性域多维特征进行分析，根据质量评估模型从心冲击图信号中获取目标心冲击图信号，充分考虑了影响心冲击图信号质量客观因素，提高了对复杂应用场景下的心冲击图信号的获取的精度以及效率。
请参考图7，图7为本申请第六实施例提供的计算机设备的结构示意图，计算机设备7包括：处理器71、存储器72以及存储在存储器72上并可在处理器71上运行的计算机程序73；计算机设备可以存储有多条指令，指令适用于由处理器71加载并执行上述图1至图5所述实施例的方法步骤，具体执行过程可以参见图1至图5所述实施例的具体说明，在此不进行赘述。
其中，处理器71可以包括一个或多个处理核心。处理器71利用各种接口和线路连接服务器内的各个部分，通过运行或执行存储在存储器72内的指令、程序、代码集或指令集，以及调用存储器72内的数据，执行心冲击图信号的检测装置6的各种功能和处理数据，可选的，处理器71可以采用数字信号处理（Digital Signal Processing,DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programble LogicArray，PLA）中的至少一个硬件形式来实现。处理器71可集成中央处理器71（CentralProcessing Unit，CPU）、图像处理器71（Graphics Processing Unit，GPU）和调制解调器等中的一个或几种的组合。其中，CPU主要处理操作***、用户界面和应用程序等；GPU用于负责触摸显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器71中，单独通过一块芯片进行实现。
其中，存储器72可以包括随机存储器72（Random Access Memory，RAM），也可以包括只读存储器72（Read-Only Memory）。可选的，该存储器72包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器72可用于存储指令、程序、代码、代码集或指令集。存储器72可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作***的指令、用于至少一个功能的指令（比如触控指令等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器72可选的还可以是至少一个位于远离前述处理器71的存储装置。
本申请实施例还提供了一种存储介质，所述存储介质可以存储有多条指令，所述指令适用于由处理器加载并执行所示实施例一至实施例三的方法步骤，具体执行过程可以参见所示图1至图5所述实施例的具体说明，在此不进行赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
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或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。
本发明并不局限于上述实施方式，如果对本发明的各种改动或变形不脱离本发明的精神和范围，倘若这些改动和变形属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变形。
Claims (9)
1.一种心冲击图信号的检测方法，其特征在于，包括步骤：
获取用户的心冲击图信号，根据预设的信号长度，将所述心冲击图信号划分为若干个心冲击图单元信号；
对所述若干个心冲击图单元信号进行多维特征提取，获取多维特征向量，其中，所述多维特征向量包括形态特征向量、时域特征向量以及非线性域特征向量；
将所述多维特征向量进行重构，获取所述心冲击图单元信号对应的特征向量矩阵；
根据所述特征向量矩阵以及预设的质量评估模型，获取所述若干个心冲击图单元信号对应的质量评估结果；
响应于检测指令，所述检测指令包括待测用户的心冲击图信号，根据所述待测用户的初始心冲击图信号，获取所述待测用户的若干个心冲击图单元信号对应的质量评估结果，根据所述质量评估结果，从所述若干个心冲击图单元信号中获取所述待测用户的目标心冲击图信号。
2.根据权利要求1所述的心冲击图信号的检测方法，其特征在于，所述获取用户的心冲击图信号，还包括步骤：
对所述心冲击图信号进行预处理，去除所述心冲击图信号中的工频干扰以及基线偏移，获取处理后的心冲击图信号。
3.根据权利要求1所述的心冲击图信号的检测方法，其特征在于，所述形态特征向量包括一致性特征向量、波动特征向量、周期性特征向量以及信噪比特征向量；所述时域特征向量包括峰度特征向量以及偏度特征向量；所述非线性域特征向量包括样本熵特征向量。
4.根据权利要求3所述的心冲击图信号的检测方法，其特征在于，所述对所述若干个心冲击图单元信号进行多维特征提取，获取多维特征向量，包括步骤：
获取所述若干个心冲击图单元信号对应的BCG定位参数，根据所述BCG定位参数以及一致性特征向量算法，获取一致性特征向量，其中，所述一致性特征向量算法，为：
式中，bSQI为一致性系数；a为所述BCG定位参数中的第一J峰数目，b为所述BCG定位参数中的第二J峰数目，Amatch为所述BCG定位参数中的第三J峰数目，其中，所述BCG定位参数是根据BCG信号定位方法进行获取的，所述第一J峰数目为通过任意一种BCG信号定位算法对所述心冲击图单元信号的J峰进行定位，获取的J峰数目，所述第二J峰数目为通过另一种BCG定位算法对所述心冲击图单元信号的J峰进行定位，获取的J峰数目，所述第三J峰数目为通过两种BCG定位算法对所述心冲击图单元信号的J峰进行定位，获取的位置相同的J峰数目；
获取所述若干个心冲击图单元信号相对应的JJ间期数据，根据所述JJ间期数据以及波动特征向量算法，获取波动特征向量，其中，所述波动特征向量算法为：
式中，i SQI为波动系数，JJ20%为所述JJ间期数据中排序前20%的JJ间期值，JJ80%为所述JJ间期数据中排序前80%的JJ间期值；
获取所述若干个心冲击图单元信号相对应的ECG信号，根据所述ECG信号，对所述ECG信号相对应的心冲击图单元信号进行重构，获取若干个重构心冲击图单元信号；
根据所述若干个心冲击图单元信号、重构心冲击图单元信号以及周期性特征向量算法，获取所述周期性特征向量，其中，所述周期性特征向量算法为：
式中，tSQI为平均相关系数，k为所述重构心冲击图单元信号的数目，
表示第i个心冲击单元信号与第j个重构心冲击图单元信号之间的协方差；
根据所述若干个重构心冲击图单元信号，构建若干个重构心冲击图单元信号组，根据所述重构心冲击图单元信号组以及信噪比特征向量算法，获取所述信噪比特征向量，其中，所述信噪比特征向量算法为：
式中，SNR为信噪比系数，BCGK是第K个重构心冲击图单元信号组，
是K个重构心冲击图单元信号组的平均值信号段，K为所述重构心冲击图单元信号组的数目；
根据所述若干个心冲击图单元信号以及峰度特征向量算法，获取所述若干个心冲击图单元信号对应的峰度值，作为峰度特征向量，其中，所述峰度特征向量算法为：
式中，Kurtosis为所述峰度值，E[]为期望函数，X为长度为N的心冲击图单元信号组，µ为所述长度为N的心冲击图单元信号组的期望，σ为所述长度为N的心冲击图单元信号组的标准差；
根据所述若干个心冲击图单元信号以及偏度特征向量算法，获取所述若干个心冲击图单元信号对应的偏度值，作为偏度特征向量，其中，所述偏度特征向量算法为：
式中，Skewness为所述偏度值；
获取所述若干个心冲击图单元信号对应的样本熵值，作为样本熵特征向量。
5.根据权利要求1所述的心冲击图信号的检测方法，其特征在于，所述将所述多维特征向量进行重构，获取所述心冲击图单元信号对应的特征向量矩阵，还包括步骤：
根据所述特征向量矩阵以及归一化算法，获取归一化处理后的特征向量矩阵，其中，所述归一化算法为：
式中，
为归一化处理后的特征向量矩阵，
为所述特征向量矩阵中每个特征的最小值，
为所述特征向量矩阵中每个特征的最大值。
6.根据权利要求1所述的心冲击图信号的检测方法，其特征在于，所述根据所述特征向量矩阵以及预设的质量评估模型，获取所述若干个心冲击图单元信号对应的质量评估结果之前，包括步骤：
获取样本数据集，其中，所述样本数据集包括样本心冲击图单元信号以及对应的标签数据；
将所述样本心冲击图单元信号对应的特征向量矩阵以及对应的标签数据输入至待训练的质量评估模型进行训练，获取所述质量评估模型。
7.一种心冲击图信号的检测装置，其特征在于，包括：
获取模块，用于获取用户的心冲击图信号，根据预设的信号长度，将所述心冲击图信号划分为若干个心冲击图单元信号；
特征提取模块，用于对所述若干个心冲击图单元信号进行多维特征提取，获取多维特征向量，其中，所述多维特征向量包括形态特征向量、时域特征向量以及非线性域特征向量；
重构模块，用于将所述多维特征向量进行重构，获取所述心冲击图单元信号对应的特征向量矩阵；
评估模块，用于根据所述特征向量矩阵以及预设的质量评估模型，获取所述若干个心冲击图单元信号对应的质量评估结果；
处理模块，用于响应于检测指令，所述检测指令包括待测用户的心冲击图信号，根据所述待测用户的初始心冲击图信号，获取所述待测用户的若干个心冲击图单元信号对应的质量评估结果，根据所述质量评估结果，从所述若干个心冲击图单元信号中获取所述待测用户的目标心冲击图信号。
8.一种计算机设备，其特征在于，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的心冲击图信号的检测方法的步骤。
9.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的心冲击图信号的检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210024167.6A CN114041786B (zh) | 2022-01-11 | 2022-01-11 | 心冲击图信号的检测方法、装置以及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210024167.6A CN114041786B (zh) | 2022-01-11 | 2022-01-11 | 心冲击图信号的检测方法、装置以及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114041786A true CN114041786A (zh) | 2022-02-15 |
| CN114041786B CN114041786B (zh) | 2022-04-26 |
Family
ID=80213652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210024167.6A Active CN114041786B (zh) | 2022-01-11 | 2022-01-11 | 心冲击图信号的检测方法、装置以及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114041786B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115381438A (zh) * | 2022-08-24 | 2022-11-25 | 华南师范大学 | 生命体征信号的重建方法、装置、计算机设备和存储介质 |
| CN116369907A (zh) * | 2023-03-20 | 2023-07-04 | 华南师范大学 | 一种心冲击图信号定位方法 |
| WO2023160158A1 (zh) * | 2022-02-22 | 2023-08-31 | Oppo广东移动通信有限公司 | 心率检测方法及装置、计算机可读存储介质和电子设备 |
| CN117838103A (zh) * | 2024-01-11 | 2024-04-09 | 华南师范大学 | 心冲击图信号的提取方法、装置、计算机设备以及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108042141A (zh) * | 2017-11-17 | 2018-05-18 | 深圳和而泰智能控制股份有限公司 | 一种信号处理方法及装置 |
| CN108256457A (zh) * | 2018-01-09 | 2018-07-06 | 东北大学 | 一种基于深度神经网络的心冲击信号深瓶颈特征提取方法 |
| CN108968946A (zh) * | 2018-06-20 | 2018-12-11 | 广州中科新知科技有限公司 | 一种基于hrv分析的女性内分泌管理*** |
| CN109431482A (zh) * | 2018-11-13 | 2019-03-08 | 杭州菲诗奥医疗科技有限公司 | 一种基于非接触式的检测心率变异性的床垫及其检测方法 |
| CN110420019A (zh) * | 2019-07-29 | 2019-11-08 | 西安电子科技大学 | 一种心冲击图信号的深度回归心率估计方法 |
| WO2020155169A1 (zh) * | 2019-02-03 | 2020-08-06 | 华为技术有限公司 | 房颤筛查的方法和装置 |
| CN111938621A (zh) * | 2020-06-29 | 2020-11-17 | 杨铭轲 | 心率检测方法、装置、计算机设备和可读存储介质 |
| CN112971770A (zh) * | 2021-02-10 | 2021-06-18 | 北京邮电大学 | 一种心冲击信号质量控制处理方法及*** |
-
2022
- 2022-01-11 CN CN202210024167.6A patent/CN114041786B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108042141A (zh) * | 2017-11-17 | 2018-05-18 | 深圳和而泰智能控制股份有限公司 | 一种信号处理方法及装置 |
| CN108256457A (zh) * | 2018-01-09 | 2018-07-06 | 东北大学 | 一种基于深度神经网络的心冲击信号深瓶颈特征提取方法 |
| CN108968946A (zh) * | 2018-06-20 | 2018-12-11 | 广州中科新知科技有限公司 | 一种基于hrv分析的女性内分泌管理*** |
| CN109431482A (zh) * | 2018-11-13 | 2019-03-08 | 杭州菲诗奥医疗科技有限公司 | 一种基于非接触式的检测心率变异性的床垫及其检测方法 |
| WO2020155169A1 (zh) * | 2019-02-03 | 2020-08-06 | 华为技术有限公司 | 房颤筛查的方法和装置 |
| CN110420019A (zh) * | 2019-07-29 | 2019-11-08 | 西安电子科技大学 | 一种心冲击图信号的深度回归心率估计方法 |
| CN111938621A (zh) * | 2020-06-29 | 2020-11-17 | 杨铭轲 | 心率检测方法、装置、计算机设备和可读存储介质 |
| CN112971770A (zh) * | 2021-02-10 | 2021-06-18 | 北京邮电大学 | 一种心冲击信号质量控制处理方法及*** |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023160158A1 (zh) * | 2022-02-22 | 2023-08-31 | Oppo广东移动通信有限公司 | 心率检测方法及装置、计算机可读存储介质和电子设备 |
| CN115381438A (zh) * | 2022-08-24 | 2022-11-25 | 华南师范大学 | 生命体征信号的重建方法、装置、计算机设备和存储介质 |
| CN115381438B (zh) * | 2022-08-24 | 2023-04-18 | 华南师范大学 | 生命体征信号的重建方法、装置、计算机设备和存储介质 |
| CN116369907A (zh) * | 2023-03-20 | 2023-07-04 | 华南师范大学 | 一种心冲击图信号定位方法 |
| CN116369907B (zh) * | 2023-03-20 | 2024-02-13 | 华南师范大学 | 一种心冲击图信号定位方法 |
| CN117838103A (zh) * | 2024-01-11 | 2024-04-09 | 华南师范大学 | 心冲击图信号的提取方法、装置、计算机设备以及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114041786B (zh) | 2022-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114041786B (zh) | 心冲击图信号的检测方法、装置以及设备 | |
| Wang et al. | Arrhythmia classification algorithm based on multi-head self-attention mechanism | |
| JP6367442B2 (ja) | 診断信号の変換に基づいた疾病解析のための方法及びシステム | |
| CN110338786B (zh) | 一种癫痫样放电的识别与分类方法、***、装置和介质 | |
| US9314177B2 (en) | System and method of detecting abnormal movement of a physical object | |
| CN111035367A (zh) | 一种用于判断睡眠呼吸暂停的信号检测方法及*** | |
| Banerjee et al. | PhotoECG: Photoplethysmographyto estimate ECG parameters | |
| CN106175754B (zh) | 睡眠状态分析中清醒状态检测装置 | |
| CN105550659A (zh) | 基于随机投影的实时心电分类方法 | |
| CN109044348A (zh) | 房颤检测装置及存储介质 | |
| KR20130092849A (ko) | 개인화된 생체 신호 패턴을 이용한 생체 신호의 동잡음 제거 방법 및 장치 | |
| CN107072550A (zh) | 体动记录方法和装置 | |
| CN112674782B (zh) | 癫痫患者发作间期痫样电活动检测装置和方法 | |
| CN112971770B (zh) | 一种心冲击信号质量控制处理方法及*** | |
| CN114366060A (zh) | 一种基于心率变异性的健康预警方法、装置及电子设备 | |
| CN115486849A (zh) | 心电信号质量评估方法、装置及设备 | |
| CN110179451B (zh) | 心电信号质量检测方法、装置、计算机设备和存储介质 | |
| CN116439690A (zh) | 心冲击图信号的提取方法、装置、设备以及存储介质 | |
| Wartzek et al. | Modeling of motion artifacts in contactless heart rate measurements | |
| CN115553784B (zh) | 基于心电、心音信号耦合分析的冠心病评估方法及*** | |
| CN109044338A (zh) | 房颤检测装置及存储介质 | |
| CN106361327B (zh) | 睡眠状态分析中清醒状态检测方法和*** | |
| CN112168167B (zh) | 一种脑磁图单次听觉诱发信号检测方法及电子装置 | |
| CN110580448B (zh) | 一种心音分类模型构建、分类方法及装置 | |
| CN116369911B (zh) | 基于生理信号的心脏信息检测方法、装置以及设备 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240128 Address after: Building 2, No. 38 Junfeng Road, Huangpu District, Guangzhou City, Guangdong Province, 510000 Patentee after: GUANGDONG JUNFENG BFS INDUSTRY CO.,LTD. Country or region after: China Address before: School of physics and telecommunication engineering, South China Normal University, No. 378, Waihuan West Road, Panyu District, Guangzhou City, Guangdong Province, 510006 Patentee before: SOUTH CHINA NORMAL University Country or region before: China |
|
| TR01 | Transfer of patent right |