CN116821648A - 生理信号特征选取方法及生理信号特征选取装置 - Google Patents

生理信号特征选取方法及生理信号特征选取装置 Download PDF

Info

Publication number
CN116821648A
CN116821648A CN202210433587.XA CN202210433587A CN116821648A CN 116821648 A CN116821648 A CN 116821648A CN 202210433587 A CN202210433587 A CN 202210433587A CN 116821648 A CN116821648 A CN 116821648A
Authority
CN
China
Prior art keywords
pulse
pulses
template
similar
feature selection
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
Application number
CN202210433587.XA
Other languages
English (en)
Inventor
张铉宗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wistron Corp
Original Assignee
Wistron Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wistron Corp filed Critical Wistron Corp
Publication of CN116821648A publication Critical patent/CN116821648A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • 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
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • 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
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
    • 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
    • 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
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/7214—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using signal cancellation, e.g. based on input of two identical physiological sensors spaced apart, or based on two signals derived from the same sensor, for different optical wavelengths
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • A61B5/6815—Ear
    • A61B5/6816—Ear lobe

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Cardiology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本文提供了一种生理信号特征选取方法及生理信号特征选取装置，其中方法包含有接收一信号，其中该信号包含有复数个脉冲；判断该复数个脉冲中的一第二脉冲是否与该复数个脉冲中的一第一脉冲相似；在该第二脉冲被判断为与该第一脉冲相似后，将该第二脉冲选为一参考波形序列的复数个参考脉冲中的一者；将该复数个参考脉冲平均为一样板脉冲；分别判断该复数个脉冲是否与该样板脉冲匹配；以及自该复数个脉冲中与该样板脉冲匹配的每一脉冲选取复数个特征。本文可对信号的波形做筛选以提高信号分析精确度。

Description

生理信号特征选取方法及生理信号特征选取装置
技术领域
本发明涉及生理信号选取领域，尤指一种生理信号特征选取方法及生理信号特征选取装置。
背景技术
光体积变化描记图法(Photoplethysmography，PPG)可无创检测血液的容积变化，进而测量心率、血氧浓度等生理指标。光体积变化描记图法的感测元件主要由发光二极管及光电二极管组成。发光二极管发出光源；光电二极管接收通过血管的光源信号，其交流(alternating current，AC)成分反映心脏搏动造成的血液变化，而直流(direct current，DC)成分反映皮下组织、静脉血液等对光吸收不变部份。
光体积变化描记图法所测得的光学信号极为容易受到外界的噪声干扰，其中，低频噪声多来自运动以及呼吸干扰，且会在直流成分造成振幅飘移，而高频噪声则多来自于环境光源，会在交流成分造成扰动。
并且，耳道密集的微血管比手部具有更高的血液灌注值(blood vesselperfusion value)，意味着耳垂上的血压测量有更高的精确度。然而，视觉上较难直接看出现行测量装置是否不良配戴，且容易因为使用者耳腔没有贴合测量装置传感器，使得光源散射或是光电二极管接收了混合外在光源的噪声。
有鉴于此，现有技术实有改进的必要。
发明内容
因此，本发明的主要目的即在于提供一种可对信号的波形做筛选以提高信号分析精确度的生理信号特征选取方法及生理信号特征选取装置。
本发明揭露一种生理信号特征选取方法，包含有接收一信号，其中该信号包含有复数个脉冲；判断该复数个脉冲中的一第二脉冲是否与该复数个脉冲中的一第一脉冲相似；在该第二脉冲被判断为与该第一脉冲相似后，将该第二脉冲选为一参考波形序列的复数个参考脉冲中的一者；将该复数个参考脉冲平均为一样板脉冲；分别判断该复数个脉冲是否与该样板脉冲匹配；以及自该复数个脉冲中与该样板脉冲匹配的每一脉冲选取复数个特征。
本发明揭露一种生理信号特征选取装置，包含有一处理电路以及一储存电路。该处理电路用来执行一代码。该储存电路耦接于该处理电路，用来储存该代码，其中该代码包含有接收一信号，其中该信号包含有复数个脉冲；判断该复数个脉冲中的一第二脉冲是否与该复数个脉冲中的一第一脉冲相似；在该第二脉冲被判断为与该第一脉冲相似后，将该第二脉冲选为一参考波形序列的复数个参考脉冲中的一者；将该复数个参考脉冲平均为一样板脉冲；分别判断该复数个脉冲是否与该样板脉冲匹配；以及自该复数个脉冲中与该样板脉冲匹配的每一脉冲选取复数个特征。
附图说明
图1为本发明实施例的信号特征选取装置的示意图。
图2为本发明实施例的前处理信号的示意图。
图3为本发明实施例的信号处理流程的示意图。
图4至图6分别为本发明实施例的脉冲的示意图。
图7及图8分别为本发明实施例的方法的流程图。
附图符号说明：
10、信号特征选取装置；
100、输入模组；
100S、信号；
102、前处理模组；
102S,200c,200n、前处理信号；
104、区域极值检测模组；
106、波形分割模组；
106L1～106L5、脉冲时间长；
106S1～106S5,107S1～107S5,108f1～108fn,110i1～110i5、脉冲；
107L、正规化脉冲时间长；
108、样板初始化模组；
108v、样板脉冲；
110、样板匹配模组；
112、计算模组；
1122、特征萃取单元；
1124、计算单元；
114、输出模组；
70,80、方法；
Dt1、舒张期时间；
P1,P2、采样点；
P3,P4、波谷；
P5、波峰；
S1～S4、面积；
S700～S714,S800～S826、步骤；
St1、收缩期时间；
WL1、窗口长度。
具体实施方式
图1为本发明实施例的一信号特征选取装置10的示意图。信号特征选取装置10可针对其接收到的信号的波形做筛选，以确保后续用来判读的信号波形是良好/正确的，且避免使用异常波形做信号分析，而能提高信号分析的精确度。
例如，信号特征选取装置10可用于一耳挂式生理测量装置(例如一Thor耳挂式装置)。耳挂式生理测量装置可与耳壁接触，并且，耳挂式生理测量装置可包含用来发送及接收光学信号的一光体积变化描记图法模组，以产生一信号100S。由于心脏收缩及舒张将导致脉动而引起血管体积变化，且血液中带氧与不带氧的血红素也会随之改变，因此会影响到光的吸收度，使得光体积变化描记图法模组接收到的光强度有所不同，且光体积变化描记图法模组输出的信号100S包含交流成分。信号特征选取装置10可针对信号100S的波形筛选，以确保后续用来分析的信号波形是良好的而非异常的，从而能够利用信号100S来正确地估测血压。
如图1所示，信号特征选取装置10可包含一输入模组100、一前处理模组102、一区域极值检测模组104、一波形分割模组106、一样板初始化模组108、一样板匹配模组110、一计算模组112及一输出模组114。
输入模组100可由耳挂式生理测量装置接收信号100S，例如包含传输模组而透过蓝芽或WiFi等无线通讯传输或透过传输线进行信号100S的传输。
前处理模组102可对信号100S进行处理，以产生一前处理信号102S。在一实施例，前处理模组102可根据信号100S的平均值或标准差对信号100S进行正规化(normalize)，使得信号100S的幅值(displacement/magnitude)落于-1～1之间。
在一实施例，耳挂式生理测量装置的加速度计可确认受测者是否处于静止状态，前处理模组102可据以进行对应的信号处理，例如剔除受测者不处于静止状态下的脉冲波形而不选取其脉搏波特征，或者前处理模组102不处理信号100S而使输出模组114请求受测者重新进行测量。
在一实施例，前处理模组102可包含有一带通滤波器，以对信号100S进行带通滤波。前处理模组102可滤除高频噪声或环境光的噪声，使得波形更为平滑，改善信噪比(Signal-to-noise ratio，SNR)，进而能够使信号特征选取装置10进行较准确的计算。在一实施例，带通滤波器可为巴特沃斯(Butterworth)滤波器，且截止频带可设计0.5～5赫兹(Hz)。
在一实施例，前处理模组102可对信号100S进行处理而输出仅含有交流成分的前处理信号102S。图2为前处理信号200c、200n的一实施例的示意图，其中采样率(SamplingRate)可为50点每秒，使得两相邻的采样点(sampling point)之间可为20毫秒(millisecond，ms)。前处理信号102S可为前处理信号200c或200n。前处理信号200c、200n、102S(或信号100S)可为周期性脉搏波(Pulse Wave)，而可包含多个脉冲。前处理信号200c、200n可为同一受试者在不同时间进行测量的连续波形，如图2所示，前处理信号200c的波形相较前处理信号200n的波形良好，前处理信号200n的波形可能受到干扰而存在异常，因此，前处理信号200c较适合用来选取脉搏波特征，前处理信号200n只有部分的波形适合用来选取脉搏波特征。本发明的信号特征选取装置10可剔除前处理信号200n中异常的脉冲波形，而自前处理信号200n中良好的脉冲波形选取脉搏波特征。
区域极值检测模组104可利用长度可变动的一窗口来搜寻区域极值。区域极值检测模组104可先采用一窗口长度(例如窗口长度WL1)，再根据搜寻到的相对低值(例如采样点P1)及相对高值(例如采样点P2)而动态调整窗口长度，以取得波形的相对极小值的采样点(例如波形的波谷P3、P4)及相对极大值的采样点(例如波形的波峰P5)。在一实施例，窗口长度WL1可对应一般的心率，窗口长度WL1例如为1秒，但不限于此。
波形分割模组106可利用波谷(或者波峰)的位置分割波形，而自周期性脉搏波选取(extract)出一个脉冲(pulse)。例如，图3为本发明实施例的信号处理流程的示意图。如图3所示，波形分割模组106可自前处理信号102S选取出脉冲106S1～106S5，其中采样率可为50点每秒，使得两相邻的采样点之间可为20毫秒。
在一实施例，由于前处理信号102S的脉冲106S1～106S5的脉冲时间长106L1～106L5可能非等长(例如脉冲106S3的脉冲时间长106L3可长于脉冲106S4的脉冲时间长106L4)，为了便于后续的处理，波形分割模组106可分别将脉冲106S1～106S5调整为脉冲107S1～107S5，使得脉冲107S1～107S5分别具有相同的一正规化脉冲时间长107L。在一实施例，波形分割模组106可使得脉冲107S1～107S5的脉冲时间长107L等于脉冲时间长106L1～106L5的中位数(Median)，或其他非极高的脉冲时间长或非极低的脉冲时间长，例如脉冲时间长106L1～106L5的算术平均数(arithmetic mean)、几何平均数(geometric mean)、调和平均数(harmonic mean)或方均根(root mean square)。在一实施例，可使得脉冲107S1～107S5的脉冲时间长107L等于脉冲时间长106L1～106L5中的众数(mode)。
在一实施例，波形分割模组106可将脉冲106S1～106S5正规化来调整脉冲106S1～106S5的脉冲时间长106L1～106L5。波形分割模组106针对较长的脉冲(例如脉冲106S3)可进行下采样(减少采样点)，针对较短的脉冲(例如脉冲106S1)则可进行上采样(例如内插(Interpolation)或线性内插)，从而使得脉冲107S1～107S5的脉冲时间长107L等长(或者脉冲107S1～107S5具有相同个数的采样点)。在一实施例，波形分割模组106可利用线性内插而取脉冲(例如脉冲106S1)中相邻的两个采样点来计算直线方程式，且可***符合该直线方程式的任意点数的采样点，使得脉冲107S1～107S5的脉冲时间长与所欲的正规化脉冲时间长107L一致。在一实施例，波形分割模组106可避免下采样去除较重要的采样点(例如波峰)，波形分割模组106可针对较不重要的采样点进行剔除。
尽管前处理模组102可滤除高频噪声，但仍可能存有频带与心率相近的噪声(例如运动产生的噪声)，因此本发明利用样板初始化模组108或样板匹配模组110来对周期性脉搏波的每一脉冲逐一进行筛选，以选出良好的脉冲波形。
样板初始化模组108可在多个脉冲中选择出部分的脉冲以组成参考波形序列，并将参考波形序列的脉冲进行平均而输出样板(template)脉冲。平均后的样板脉冲可提高演算法的稳定性与容错率，在错误地采用不佳的波形来组成参考波形序列时，能够利用平均来减小偏误且分摊风险。例如，样板初始化模组108可选择脉冲107S3(用作脉冲108f1)来与被选择出的其他脉冲108f2～108fn组成参考波形序列，并平均脉冲108f1～108fn为样板脉冲108v，使得输出的样板脉冲108v的波形更理想。即使脉冲108f1的波形在波峰附近相较脉冲108f2～108fn平缓，平均脉冲108f1～108fn的波形可使得样板脉冲108v对于脉冲108f1～108fn具有代表性，故样板脉冲108v可视为受测者的标准脉冲波形。对脉冲108f1～108fn的波形进行平均是指逐一对每一采样点下的脉冲108f1～108fn的幅值进行平均而得到样板脉冲108v在所有采样点对应的幅值。
在一实施例，样板初始化模组108可根据相似度来选择脉冲。基于脉搏波的周期性，样板初始化模组108可逐一将前一个脉冲(例如前一采样时段内所选取的脉冲107S2)与受判断的脉冲(例如当前采样时段内所选取的脉冲107S3)进行比对。如果前一个脉冲(例如脉冲107S2)与受判断的脉冲(例如脉冲107S3)具有高相似度，则代表受判断的脉冲的波形很可能是稳定而具代表性的，因此可被选入参考波形序列。在一实施例，如果前一个脉冲(可称为第一脉冲)与受判断的脉冲(可称为第二脉冲)之间的互相关系数(cross-correlation)大于等于一相似度门槛值(例如0.9，但不限于此)，则可判断前一个脉冲(例如脉冲107S2)与受判断的脉冲(例如脉冲107S3)相似，且可将受判断的脉冲(例如脉冲107S3)加入参考波形序列。相似度门槛值设定越高，计算越精确，但越需要受测者正确地配带，且测量等候时间也会随之拉长。在一实施例，相似度门槛值可为0.8～0.9，以提供相当的筛选程度。
在一实施例，如图3所示，参考波形序列可包含脉冲108f1～108fn(可称为参考脉冲)。在一实施例，参考波形序列的脉冲个数的上限可设定为一预设脉冲个数，预设脉冲个数例如等于5，即n＝5，但不限于此，预设脉冲个数可介于3至20之间。当样板初始化模组108选择出的脉冲个数达到例如5个时，样板初始化模组108可暂停前一个脉冲与受判断的脉冲之间的比对，并将构成参考波形序列的这5个参考脉冲进行平均，而输出样板脉冲108v。参考波形序列的脉冲个数越大，受测者的测量等候时间越长，因此参考波形序列的脉冲个数不须过大。
在一实施例，脉冲108f1～108fn未必是前处理信号102S中连续的脉冲。脉冲108f1～108fn分别与前处理信号102S中对应的前一个或更先前的一个脉冲具有高相似度，但脉冲108f1～108fn可以不是连续的脉冲。
在一实施例，样板初始化模组108可将前一个脉冲(例如前一采样时段内所选取的脉冲107S2)与受判断的脉冲(例如当前采样时段内所选取的脉冲107S3)进行比对，或者，样板初始化模组108亦可用更先前的脉冲(例如脉冲107S1)与受判断的脉冲(例如脉冲107S3)进行比对。
在一实施例，脉冲108f1～108fn、样板脉冲108v的脉冲时间长与正规化脉冲时间长107L相等。也就是说，信号特征选取装置10可使得前一个脉冲(例如脉冲107S2)的脉冲时间长与受判断的脉冲(例如脉冲107S3)的脉冲时间长等长后再计算互相关系数以进行比对或进行后续的平均。
样板匹配模组110可将测量期间的每个脉冲(例如脉冲107S1～107S5)与样板脉冲108v比较，如果被比较的脉冲与样板脉冲108v具有高相似度，则可对该脉冲进行特征截取。在一实施例，样板匹配模组110可计算脉冲(例如脉冲107S1)与样板脉冲108v之间的互相关系数，如果互相关系数大于等于一匹配(match)门槛值(例如0.9，但不限于此)，则可判断该脉冲与样板脉冲108v匹配，且对该脉冲进行特征截取。在一实施例，匹配门槛值可为0.8～0.9，以提供相当的筛选程度。例如，图4为本发明实施例的脉冲110i1、110i2的示意图。样板匹配模组110可将脉冲110i1、110i2分别与样板脉冲108v比较，由于脉冲110i1与样板脉冲108v具有高相似度(例如波峰大致对齐且斜率大致近似)，因此可对脉冲110i1进行特征截取。
样板匹配模组110若判断被比较的脉冲与样板脉冲108v之间的相似度较低，可不对该脉冲进行特征截取或将该脉冲滤除。例如，在图4，样板匹配模组110判断脉冲110i2与样板脉冲108v之间的相似度较低，因此可不对脉冲110i2进行特征截取。例如，图5为本发明实施例的脉冲110i3～110i5的示意图，其中采样率可为50点每秒，使得两相邻的采样点之间可为20毫秒。脉冲110i3是异常高的突波，脉冲110i4是由于心律不整而导致双波峰，脉冲110i5是收缩期过短的波形。在一实施例，由于在连续的波形中，脉冲110i3～110i5(相对于其之前或之后的脉冲)具有异常波形，与样板脉冲108v(或其他脉冲的波形)的互相关系数(或相关系数)低于匹配门槛值而被滤除不用来进行特征截取，其他脉冲的波形则可能可以用来选取脉搏波特征。换言之，本发明的信号特征选取装置10可剔除异常的脉冲波形，而针对信号中其他良好的脉冲选取脉搏波特征。
计算模组112可利用统计或机器学习(例如线性回归(Linear Regression)或神经网路(Neural Network))的方法来挑选参数进而建立例如血压估测的模型。计算模组112可包含特征萃取单元1122及计算单元1124。
特征萃取单元1122可根据样板匹配模组110的指示而对某些脉冲进行特征萃取(feature extraction)。例如，图6为本发明实施例的脉冲110i6的示意图。特征萃取单元1122可自脉冲110i6的波形选取出收缩期脉搏波面积(即面积S1及S2的总和)、舒张期脉搏波面积(即面积S3及S4的总和)、脉搏波面积(即面积S1至S4的总和)、心率、收缩期时间St1、舒张期时间Dt1、脉搏波最大振幅、脉搏波最小振幅、收缩期间最大斜率、最大振幅与最小振幅比值、或心率变异性等特征。
在一实施例，受测者的脉搏波可能不具有重搏波(Dicrotic wave)，因此特征萃取单元1122可能不自脉冲110i6的波形选取出重搏波的特征。重搏波主要是由于主动脉瓣在心室舒张早期突然闭合，血液逆流撞击到主动脉上，并回弹导致主动脉压再度上升所形成的波。重博波可做为脉波传输时间(Pulse Transit Time，PTT)的替代测量，但也可采用舒张期时间Dt1做为脉波传输时间的替代测量。
计算单元1124可根据特征萃取单元1122选取出的特征来计算一生理指标。计算单元1124可利用这些特征来建立一模型，且利用此模型来计算生理指标。
在一实施例，计算单元1124可利用线性回归(Linear Regression)来估测血压。线性回归是一种回归模型，其可运用已知的血压及对应的特征来训练出符合最小误差的方程式(例如计算出斜率与截距)，方程式可用来逼近数据点的趋势分布，以预测血压。在一实施例，可利用袖袋式血压计(cuff-style blood pressure monitor)测量的血压作为已知的血压，并一并利用自光体积变化描记图法测量的波形选取出的特征，来训练回归模型。在一实施例，方程式可为Y＝α0+α1x1+α2x2+…+αnxn，其中血压标示为Y，输入至计算单元1124的特征标示为x1～xn，α1～αn表示在最小平方误差下得到的方程式系数。
在一实施例，计算单元1124可藉由反复试验而选用某些特征来使得线性回归的误差性较小。在一实施例，计算单元1124选用的特征是脉波传输时间及心率。血压、脉波传输时间与心率之间的关系可为BP＝aPTT+bHR+c，其中BP表示血压，PTT表示脉波传输时间，HR表示心率。脉波传输时间可由心电图(Electrocardiography，ECG)波形的波峰与光体积变化描记图法波形的波峰之间的时间差得知。由于心电图波形的波峰与心室的收缩相关，而光体积变化描记图法波形的波峰则与血管的收缩相关，因此脉波传输时间(即血液自心脏送出后到达测量的血管的传输时间)与血压相关。在一实施例(例如没有心电图的信息下)，可利用舒张期时间取代脉波传输时间，换言之，计算单元1124选用的特征是舒张期时间及心率。估计的血压、舒张期时间与心率之间的关系可为其中/>表示估计的血压，Dt表示舒张期时间。
在一实施例，计算单元1124可分别针对舒张压及收缩压建立预测模型。在一实施例，计算单元1124可针对舒张压取得一组系数a、b、c对应的线性方程式，且针对收缩压取得另一组系数a、b、c对应的线性方程式。将特征代入对应的线性方程式后即可得到估计的舒张压或收缩压。
在一实施例，计算单元1124可利用机器学习，寻找特征与血压之间的潜在相关性。计算单元1124可在训练(training)阶段输入已知的第一数据(例如特征萃取单元1122选取出且具有对应的已知血压的特征)至未经训练的一模型，并将模型的输出值与第一数据的已知血压进行比较，如此一来，可重新评估而最佳化模型的参数，以对模型进行训练，来最小化误差。计算单元1124可在推论(inference)或预测(prediction)阶段应用已训练的模型的信息来推论结果。据此，当未知而欲判读的第二数据(例如特征萃取单元1122选取出且不具有对应的已知血压的特征)输入至模型时，模型可依据其最佳化的参数，对第二数据进行推论，以输出预测。
输出模组114可输出生理指标(例如收缩压或舒张压)，例如以屏幕进行影像输出、灯号闪烁或喇叭进行声音输出等。
在一实施例，如果测量时间长度超过一预设时间长度(例如超过20秒，但不限于此)仍无法建立样板脉冲108v(例如参考波形序列中的参考脉冲的个数在预设时间长度内无法达到预设脉冲个数)，或者如果与样板脉冲108v匹配的脉冲的个数小于一个数门槛值(例如不足4笔，但不限于此)，则输出模组114可输出重新测量的讯息，以提醒受测者重新测量血压，并可提醒受测者放轻松、静止或调整配戴位置来重新测量。据此，信号特征选取装置10可由耳挂式生理测量装置重新接收一信号。
在一实施例，输入模组100、前处理模组102、区域极值检测模组104、波形分割模组106、样板初始化模组108、样板匹配模组110、计算模组112、特征萃取单元1122、计算单元1124或输出模组114可包含/对应至一电路。在一实施例，输入模组100、前处理模组102、区域极值检测模组104、波形分割模组106、样板初始化模组108、样板匹配模组110、计算模组112、特征萃取单元1122、计算单元1124及输出模组114的连接方式、顺序或个数可适应性调整。
此外，互相关系数的计算方式详述如下。首先，互相关系数ρXY[n]表示前一个脉冲Y(例如脉冲107S2)与受判断的脉冲X(例如脉冲107S3)的互相关系数，其满足其中，XNORM表示正规化后的受判断的脉冲(例如脉冲107S3)，YNROM表示正规化后的前一个脉冲(例如脉冲107S2)。
为了计算相似度的比例值，需要对比可能测量到的最大互相关系数(即为前一个脉冲(例如脉冲107S2)的自相关系数max(ρYY[n])，其满足 互相关系数SQIXCORR可定义为/>表示受判断的脉冲X(例如脉冲107S3)与前一个脉冲Y(例如脉冲107S2)的互相关系数对比前一个脉冲Y(例如脉冲107S2)的自相关系数，其值越接近1则表示越相近，反之则越不相似。
由上述可知，前一个脉冲与受判断的脉冲之间的互相关系数大于相似度门槛值可降低不佳波形被分析的情况发生，因此本发明可降低误判率。
本发明的信号特征选取装置10仅为本发明的实施例，本领域技术人员当可据以做不同的变化及修饰。举例来说，上述实施例主要以血压进行说明，但在其它实施例中，亦可计算其它生理指标如血氧浓度等。上述实施例主要以光体积变化描记图法感测的信号100S进行说明，但在其它实施例中，信号特征选取装置10亦可处理各种接触式(contact)传感器测量的信号(例如心电图)、各种非接触式(non-contact)传感器测量的信号(例如雷达传感器)或其他各种信号等。
图7为本发明实施例的一方法70的流程图。方法70可包含以下步骤：
步骤S700：开始。
步骤S702：接收一信号100S，其中信号100S包含有复数个脉冲。
步骤S704：判断该复数个脉冲中的一第二脉冲是否与该复数个脉冲中的一第一脉冲相似。
步骤S706：在该第二脉冲被判断为与该第一脉冲相似后，将该第二脉冲选为一参考波形序列的复数个参考脉冲中的一者。
步骤S708：将该复数个参考脉冲平均为一样板脉冲。
步骤S710：分别判断该复数个脉冲是否与该样板脉冲匹配。
步骤S712：自该复数个脉冲中与该样板脉冲匹配的每一脉冲选取复数个特征。
步骤S714：结束。
在一实施例，该第二脉冲接续在该第一脉冲之后。该第一脉冲的一起始点或一结束点可与该第二脉冲的一结束点或一起始点重合或不重合。在一实施例，该第一脉冲的一结束点可与一脉冲串列(series)的一起始点重合，该脉冲串列的一结束点可与该第二脉冲的一起始点重合，该脉冲串列包含有连续连接的多个脉冲。
在一实施例，在判断该第二脉冲是否与该第一脉冲相似后，判断该复数个脉冲中的一第三脉冲是否与该第二脉冲相似。在一实施例，逐一判断该复数个脉冲中的任一脉冲是否与该复数个脉冲中的另一脉冲相似直到该参考波形序列中的该复数个参考脉冲的个数达到一预设脉冲个数。
在一实施例，该复数个特征中的一者为该复数个脉冲中的一者的一第一波谷与一波峰之间的一第一时间长、该脉冲的该波峰与一第二波谷之间的一第二时间长、该第一波谷与该第二波谷之间的一第三时间长的倒数、该脉冲的该波峰的一幅值、或该第一波谷与该波峰之间的一斜率最大值，但不限于此。
图8为本发明实施例的一方法80的流程图。方法80可包含以下步骤：
步骤S800：开始。
步骤S802：对信号100S进行前处理。
步骤S804：搜寻前处理后的前处理信号102S的区域极值。
步骤S806：根据区域极值，分割前处理信号102S的波形，以选取出多个脉冲。
步骤S808：判断先前的脉冲是否与受判断的脉冲相似。若是，则执行步骤S810；若否，则将受判断的脉冲换成另一个脉冲，并再次执行步骤S808。
步骤S810：将受判断的脉冲加入参考波形序列，并判断参考波形序列的脉冲个数是否等于一预设脉冲个数。若是，则执行步骤S812；若否，则执行步骤S822。
步骤S812：将参考波形序列的脉冲平均为样板脉冲108v。
步骤S814：判断测量期间的一脉冲是否与样板脉冲108v匹配。若是，则执行步骤S816；若否，则将受判断的脉冲换成另一个脉冲，并再次执行步骤S814。
步骤S816：判断与样板脉冲108v匹配的脉冲的个数是否大于一个数门槛值。若是，则执行步骤S818；若否，则执行步骤S824。
步骤S818：对与样板脉冲108v匹配的脉冲进行特征萃取。
步骤S820：利用选取出的特征来计算生理指标。
步骤S822：判断参考波形序列的脉冲个数是否超过一预设时间长度仍小于一预设脉冲个数。若是，则执行步骤S824；若否，则执行步骤S808。
步骤S824：提醒受测者重新进行测量。
步骤S826：结束。
方法70或80可用于图1的信号特征选取装置10。方法70或80可被编译成一代码而由一处理电路执行，并储存于一储存电路中。方法70中的步骤S702～S712或方法80中的步骤S802～S824其中一者或多者可选择性省略。并且，方法70中的步骤S702～S712或方法80中的步骤S802～S824其中一者或多者的顺序可能调换。在步骤S804之前还可检查前处理后的前处理信号102S的品质。
综上所述，本发明的信号特征选取装置可在特征截取前进行信号处理，例如针对光体积变化描记图法模组测量的波形作筛选。本发明可根据连续周期性的脉搏波的相似性建立波形的样板，并利用建立的样板筛选信号的波形，使得被选出的波形是良好的，以确保后续用来估测血压的波形特征是正确的，而能提高利用光体积变化描记图法来测量血压的精确度。本发明可利用光体积变化描记图法模组与信号特征选取装置来监测血压是否上升或下降。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (20)

1.一种生理信号特征选取方法，其特征在于，包含有：
接收一信号，其中该信号包含有复数个脉冲；
判断该复数个脉冲中的一第二脉冲是否与该复数个脉冲中的一第一脉冲相似；
在该第二脉冲被判断为与该第一脉冲相似后，将该第二脉冲选为一参考波形序列的复数个参考脉冲中的一者；
将该复数个参考脉冲平均为一样板脉冲；
分别判断该复数个脉冲是否与该样板脉冲匹配；以及
自该复数个脉冲中与该样板脉冲匹配的每一脉冲选取复数个特征。
2.根据权利要求1所述的生理信号特征选取方法，其特征在于，另包含有：
根据该复数个脉冲的复数个脉冲时间长，计算出一正规化脉冲时间长；以及
利用下采样或上采样，将该复数个脉冲的复数个脉冲时间长分别调整为该正规化脉冲时间长；
其中，该正规化脉冲时间长是该复数个脉冲时间长的一中位数或一众数。
3.根据权利要求1所述的生理信号特征选取方法，其特征在于，判断该第二脉冲是否与该第一脉冲相似的步骤包含有：
计算该第二脉冲与该第一脉冲之间的一第一互相关系数；
根据该第一互相关系数大于等于一相似度门槛值，判断该第一脉冲与该第二脉冲相似；以及
根据该第一互相关系数小于该相似度门槛值，判断该第一脉冲与该第二脉冲不相似。
4.根据权利要求1所述的生理信号特征选取方法，其特征在于，该第二脉冲接续在该第一脉冲之后，且该第一脉冲的一起始点或一结束点与该第二脉冲的一结束点或一起始点重合。
5.根据权利要求1所述的生理信号特征选取方法，其特征在于，在判断该第二脉冲是否与该第一脉冲相似后，判断该复数个脉冲中的一第三脉冲是否与该第二脉冲相似。
6.根据权利要求1所述的生理信号特征选取方法，其特征在于，判断该复数个脉冲中的任一脉冲是否与该复数个脉冲中的另一脉冲相似直到该参考波形序列中的该复数个参考脉冲的个数达到一预设脉冲个数。
7.根据权利要求1所述的生理信号特征选取方法，其特征在于，分别判断该复数个脉冲是否与该样板脉冲匹配包含有：
计算该复数个脉冲中的一者与该样板脉冲之间的一第二互相关系数；
根据该第二互相关系数大于等于一匹配门槛值，判断该脉冲与该样板脉冲匹配；以及
根据该第二互相关系数小于该匹配门槛值，判断该脉冲与该样板脉冲不匹配。
8.根据权利要求1所述的生理信号特征选取方法，其特征在于，该复数个特征中的一者为该复数个脉冲中的一者的一第一波谷与一波峰之间的一第一时间长、该脉冲的该波峰与一第二波谷之间的一第二时间长、该第一波谷与该第二波谷之间的一第三时间长的倒数、该脉冲的该波峰的一幅值、或该第一波谷与该波峰之间的一斜率最大值。
9.根据权利要求1所述的生理信号特征选取方法，其特征在于，另包含有：
利用该复数个特征来建立一模型；以及
利用该模型来计算一生理指标，
其中，利用机器学习来训练该模型，以优化该模型的至少一参数。
10.根据权利要求1所述的生理信号特征选取方法，其特征在于，在判断该复数个脉冲中与该样板脉冲匹配的个数小于一个数门槛值或该参考波形序列中的该复数个参考脉冲的个数在一预设时间长度内无法达到一预设脉冲个数后，要求重新传送另一信号。
11.一种生理信号特征选取装置，其特征在于，包含有：
一处理电路，用来执行一代码；以及
一储存电路，耦接于该处理电路，用来储存该代码，其中该代码包含有：
接收一信号，其中该信号包含有复数个脉冲；
判断该复数个脉冲中的一第二脉冲是否与该复数个脉冲中的一第一脉冲相似；
在该第二脉冲被判断为与该第一脉冲相似后，将该第二脉冲选为一参考波形序列的复数个参考脉冲中的一者；
将该复数个参考脉冲平均为一样板脉冲；
分别判断该复数个脉冲是否与该样板脉冲匹配；以及
自该复数个脉冲中与该样板脉冲匹配的每一脉冲选取复数个特征。
12.根据权利要求11所述的生理信号特征选取装置，其特征在于，该代码另包含有：
根据该复数个脉冲的复数个脉冲时间长，计算出一正规化脉冲时间长；以及
利用下采样或上采样，将该复数个脉冲的复数个脉冲时间长分别调整为该正规化脉冲时间长；
其中，该正规化脉冲时间长是该复数个脉冲时间长的一中位数或一众数。
13.根据权利要求11所述的生理信号特征选取装置，其特征在于，判断该第二脉冲是否与该第一脉冲相似的步骤包含有：
计算该第二脉冲与该第一脉冲之间的一第一互相关系数；
根据该第一互相关系数大于等于一相似度门槛值，判断该第一脉冲与该第二脉冲相似；以及
根据该第一互相关系数小于该相似度门槛值，判断该第一脉冲与该第二脉冲不相似。
14.根据权利要求11所述的生理信号特征选取装置，其特征在于，该第二脉冲接续在该第一脉冲之后，且该第一脉冲的一起始点或一结束点与该第二脉冲的一结束点或一起始点重合。
15.根据权利要求11所述的生理信号特征选取装置，其特征在于，在判断该第二脉冲是否与该第一脉冲相似后，判断该复数个脉冲中的一第三脉冲是否与该第二脉冲相似。
16.根据权利要求11所述的生理信号特征选取装置，其特征在于，判断该复数个脉冲中的任一脉冲是否与该复数个脉冲中的另一脉冲相似直到该参考波形序列中的该复数个参考脉冲的个数达到一预设脉冲个数。
17.根据权利要求11所述的生理信号特征选取装置，其特征在于，分别判断该复数个脉冲是否与该样板脉冲匹配包含有：
计算该复数个脉冲中的一者与该样板脉冲之间的一第二互相关系数；
根据该第二互相关系数大于等于一匹配门槛值，判断该脉冲与该样板脉冲匹配；以及
根据该第二互相关系数小于该匹配门槛值，判断该脉冲与该样板脉冲不匹配。
18.根据权利要求11所述的生理信号特征选取装置，其特征在于，该复数个特征中的一者为该复数个脉冲中的一者的一第一波谷与一波峰之间的一第一时间长、该脉冲的该波峰与一第二波谷之间的一第二时间长、该第一波谷与该第二波谷之间的一第三时间长的倒数、该脉冲的该波峰的一幅值、或该第一波谷与该波峰之间的一斜率最大值。
19.根据权利要求11所述的生理信号特征选取装置，其特征在于，该代码另包含有：
利用该复数个特征来建立一模型；以及
利用该模型来计算一生理指标，
其中，利用机器学习来训练该模型，以优化该模型的至少一参数。
20.根据权利要求11所述的生理信号特征选取装置，其特征在于，在判断该复数个脉冲中与该样板脉冲匹配的个数小于一个数门槛值或该参考波形序列中的该复数个参考脉冲的个数在一预设时间长度内无法达到一预设脉冲个数后，要求重新传送另一信号。
CN202210433587.XA 2022-03-15 2022-04-24 生理信号特征选取方法及生理信号特征选取装置 Pending CN116821648A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW111109337 2022-03-15
TW111109337A TWI825622B (zh) 2022-03-15 2022-03-15 生理訊號特徵擷取方法及生理訊號特徵擷取裝置

Publications (1)

Publication Number Publication Date
CN116821648A true CN116821648A (zh) 2023-09-29

Family

ID=88066114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210433587.XA Pending CN116821648A (zh) 2022-03-15 2022-04-24 生理信号特征选取方法及生理信号特征选取装置

Country Status (3)

Country Link
US (1) US20230293112A1 (zh)
CN (1) CN116821648A (zh)
TW (1) TWI825622B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102023991B1 (ko) * 2012-11-12 2019-09-23 삼성전자주식회사 생체 신호 전송기, 생체 신호 수신기, 및 생체 신호 송수신 방법
CN108306736B (zh) * 2017-01-11 2023-02-03 北京三星通信技术研究有限公司 使用心电信号进行身份认证的方法及设备
WO2019014432A1 (en) * 2017-07-12 2019-01-17 Board Of Trustees Of Michigan State University CENTRAL BLOOD PRESSURE MONITORING THROUGH A STANDARD AUTOMATIC CUFF
DE102019102178A1 (de) * 2019-01-29 2020-07-30 Fresenius Medical Care Deutschland Gmbh Verfahren zum Bestimmen eines Blutdruckwerts eines Patienten, Blutdruckmessgerät und Dialysesystem
CN110731762B (zh) * 2019-09-18 2022-02-08 平安科技（深圳）有限公司 基于相似度预处理脉搏波的方法、装置、计算机***及可读存储介质
CN111870237B (zh) * 2020-09-04 2022-08-16 平安科技（深圳）有限公司 血压检测装置、设备及介质
CN113539522A (zh) * 2021-08-09 2021-10-22 南京润楠医疗电子研究院有限公司 一种基于单路心冲击信号的连续血压监测方法

Also Published As

Publication number Publication date
TWI825622B (zh) 2023-12-11
US20230293112A1 (en) 2023-09-21
TW202337389A (zh) 2023-10-01

Similar Documents

Publication Publication Date Title
US11419511B2 (en) System and method for sensing physiological parameters
EP2953527B1 (en) Respiratory rate measurement
JP4345459B2 (ja) 生体状態検出装置
US11864874B2 (en) Method, apparatus and computer program for determining a blood pressure value
RU2616764C2 (ru) Устройство и способ для оценки частоты сердечных сокращений во время движения
JP6813024B2 (ja) 生体情報処理装置、生体情報処理方法、及び情報処理装置
US9204857B2 (en) System and method for monitoring hemodynamic state
US20060122476A1 (en) Relative phase estimation of harmonic frequency component of a plethysmographic waveform
EP2912996B1 (en) Blood pressure measuring apparatus and method
EP0826334A1 (en) Apparatus for evaluating cardiac function of living subject
US11844594B2 (en) Method, an apparatus and a computer program product for estimating the quality of a signal
US11266321B2 (en) Vital sign processing device, vital sign processing method, and information processing device
EP3378380A1 (en) Sleep stage classification system
US5404878A (en) Method and apparatus for automatic non-invasive monitoring of a patient's blood pressure
CN116821648A (zh) 生理信号特征选取方法及生理信号特征选取装置
Wadehn et al. Estimation of heart rate and heart rate variability from pulse oximeter recordings using localized model fitting
US20220087550A1 (en) Apparatus, method, and non-transitory computer-readable recording medium having stored therein program for blood pressure estimating program
US20220160308A1 (en) Signal Quality Detection Method and Signal Detection Device Thereof
US20220323023A1 (en) Method for determining respiratory rate
EP1057449A2 (en) Apparatus for evaluating cardiac function of living subject
KR20220072231A (ko) Dnn 필터를 이용한 광용적맥파(ppg) 파라미터 분석 방법
TWI795219B (zh) 基於血流動力學分析且與氣血循環及深層睡眠相關的特定生理綜合症偵測方法及系統
KR102627661B1 (ko) 광용적맥파 데이터 분석 방법 및 기록매체
CN116721757A (zh) 基于血流动力学及弦脉分析且与肝火旺盛/心火旺盛相关的特定生理综合症侦测方法及***
WO2023275863A1 (en) Derivation of physiological parameters from a radar signal

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