TW202337389A - 生理訊號特徵擷取方法及生理訊號特徵擷取裝置 - Google Patents
生理訊號特徵擷取方法及生理訊號特徵擷取裝置 Download PDFInfo
- Publication number
- TW202337389A TW202337389A TW111109337A TW111109337A TW202337389A TW 202337389 A TW202337389 A TW 202337389A TW 111109337 A TW111109337 A TW 111109337A TW 111109337 A TW111109337 A TW 111109337A TW 202337389 A TW202337389 A TW 202337389A
- Authority
- TW
- Taiwan
- Prior art keywords
- pulse
- pulses
- physiological signal
- similar
- model
- Prior art date
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 abstract description 5
- 238000005070 sampling Methods 0.000 description 28
- 238000007781 pre-processing Methods 0.000 description 26
- 230000036772 blood pressure Effects 0.000 description 22
- 238000005259 measurement Methods 0.000 description 15
- 238000013186 photoplethysmography Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 13
- 230000011218 segmentation Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 239000008280 blood Substances 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 8
- 230000003205 diastolic effect Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 210000004204 blood vessel Anatomy 0.000 description 5
- 230000035487 diastolic blood pressure Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000035488 systolic blood pressure Effects 0.000 description 4
- 230000008602 contraction Effects 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009530 blood pressure measurement Methods 0.000 description 2
- 230000031700 light absorption Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- CVOFKRWYWCSDMA-UHFFFAOYSA-N 2-chloro-n-(2,6-diethylphenyl)-n-(methoxymethyl)acetamide;2,6-dinitro-n,n-dipropyl-4-(trifluoromethyl)aniline Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)CCl.CCCN(CCC)C1=C([N+]([O-])=O)C=C(C(F)(F)F)C=C1[N+]([O-])=O CVOFKRWYWCSDMA-UHFFFAOYSA-N 0.000 description 1
- 240000002989 Euphorbia neriifolia Species 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 210000001765 aortic valve Anatomy 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 210000000613 ear canal Anatomy 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 206010033675 panniculitis Diseases 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 210000004304 subcutaneous tissue Anatomy 0.000 description 1
- 238000012549 training Methods 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
- A61B5/0059—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
- A61B5/7235—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
- A61B5/72—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
- A61B5/02—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
- A61B5/68—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
- A61B5/02—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
- A61B5/6813—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
一種生理訊號特徵擷取方法,包含有接收一訊號,其中該訊號包含有複數個脈衝;判斷該複數個脈衝中的一第二脈衝是否與該複數個脈衝中的一第一脈衝相似;在該第二脈衝被判斷為與該第一脈衝相似後,將該第二脈衝選為一參考波形序列的複數個參考脈衝中的一者;將該複數個參考脈衝平均為一樣板脈衝;分別判斷該複數個脈衝是否與該樣板脈衝匹配;以及自該複數個脈衝中與該樣板脈衝匹配的每一脈衝擷取複數個特徵。
Description
本發明係指一種生理訊號特徵擷取方法及其生理訊號特徵擷取裝置,尤指一種對訊號的波形做篩選以提高訊號分析精確度的訊號檢測方法及其訊號特徵擷取裝置。
光體積變化描記圖法(Photoplethysmography,PPG)可無創檢測血液的容積變化,進而量測心率、血氧濃度等生理指標。光體積變化描記圖法的感測元件主要由發光二極體及光電二極體組成。發光二極體發出光源;光電二極體接收通過血管的光源訊號,其交流(alternating current,AC)成分反映心臟搏動造成的血液變化,而直流(direct current,DC)成分反映皮下組織、靜脈血液等對光吸收不變部份。
光體積變化描記圖法所測得的光學訊號極為容易受到外界的雜訊干擾,其中,低頻雜訊多來自運動以及呼吸干擾,且會在直流成分造成振幅飄移,而高頻雜訊則多來自於環境光源,會在交流成分造成擾動。
並且,耳道密集的微血管比手部具有更高的血液灌注值(blood vessel perfusion value),意味著耳垂上的血壓量測有更高的精確度。然而,視覺上較難直接看出現行量測裝置是否不良配戴,且容易因為使用者耳腔沒有貼合量測裝置感測器,使得光源散射或是光電二極體接收了混合外在光源的雜訊。
有鑑於此,習知技術實有改進之必要。
因此,本發明之主要目的即在於提供一種可對訊號的波形做篩選以提高訊號分析精確度的生理訊號特徵擷取方法及其生理訊號特徵擷取裝置。
本發明揭露一種生理訊號特徵擷取方法,包含有接收一訊號,其中該訊號包含有複數個脈衝;判斷該複數個脈衝中的一第二脈衝是否與該複數個脈衝中的一第一脈衝相似;在該第二脈衝被判斷為與該第一脈衝相似後,將該第二脈衝選為一參考波形序列的複數個參考脈衝中的一者;將該複數個參考脈衝平均為一樣板脈衝;分別判斷該複數個脈衝是否與該樣板脈衝匹配;以及自該複數個脈衝中與該樣板脈衝匹配的每一脈衝擷取複數個特徵。
本發明揭露一種生理訊號特徵擷取裝置,包含有一處理電路以及一儲存電路。該處理電路用來執行一程式碼。該儲存電路耦接於該處理電路,用來儲存該程式碼,其中該程式碼包含有接收一訊號,其中該訊號包含有複數個脈衝;判斷該複數個脈衝中的一第二脈衝是否與該複數個脈衝中的一第一脈衝相似;在該第二脈衝被判斷為與該第一脈衝相似後,將該第二脈衝選為一參考波形序列的複數個參考脈衝中的一者;將該複數個參考脈衝平均為一樣板脈衝;分別判斷該複數個脈衝是否與該樣板脈衝匹配;以及自該複數個脈衝中與該樣板脈衝匹配的每一脈衝擷取複數個特徵。
第1圖為本發明實施例的一訊號特徵擷取裝置10之示意圖。訊號特徵擷取裝置10可針對其接收到的訊號的波形做篩選,以確保後續用來判讀的訊號波形是良好/正確的,且避免使用異常波形做訊號分析,而能提高訊號分析的精確度。
例如,訊號特徵擷取裝置10可用於一耳掛式生理量測裝置(例如一Thor耳掛式裝置)。耳掛式生理量測裝置可與耳壁接觸,並且,耳掛式生理量測裝置可包含用來發送及接收光學訊號的一光體積變化描記圖法模組,以產生一訊號100S。由於心臟收縮及舒張將導致脈動而引起血管體積變化,且血液中帶氧與不帶氧的血紅素也會隨之改變,因此會影響到光的吸收度,使得光體積變化描記圖法模組接收到的光強度有所不同,且光體積變化描記圖法模組輸出的訊號100S包含交流成分。訊號特徵擷取裝置10可針對訊號100S的波形篩選,以確保後續用來分析的訊號波形是良好的而非異常的,從而能夠利用訊號100S來正確地估測血壓。
如第1圖所示,訊號特徵擷取裝置10可包含一輸入模組100、一前處理模組102、一區域極值檢測模組104、一波形分割模組106、一樣板初始化模組108、一樣板匹配模組110、一計算模組112及一輸出模組114。
輸入模組100可由耳掛式生理量測裝置接收訊號100S,例如包含傳輸模組而透過藍芽或WiFi等無線通訊傳輸或透過傳輸線進行訊號100S的傳輸。
前處理模組102可對訊號100S進行處理,以產生一前處理訊號102S。在一實施例,前處理模組102可根據訊號100S的平均值或標準差對訊號100S進行正規化(normalize),使得訊號100S的幅值(displacement/magnitude)落於-1~1之間。
在一實施例,耳掛式生理量測裝置的加速度計可確認受測者是否處於靜止狀態,前處理模組102可據以進行對應的訊號處理,例如剔除受測者不處於靜止狀態下的脈衝波形而不擷取其脈搏波特徵,或者前處理模組102不處理訊號100S而使輸出模組114請求受測者重新進行量測。
在一實施例,前處理模組102可包含有一帶通濾波器,以對訊號100S進行帶通濾波。前處理模組102可濾除高頻雜訊或環境光的雜訊,使得波形更為平滑,改善訊噪比(Signal-to-noise ratio,SNR),進而能夠使訊號特徵擷取裝置10進行較準確的計算。在一實施例,帶通濾波器可為巴特沃斯(Butterworth)濾波器,且截止頻帶可設計0.5~5赫茲(Hz)。
在一實施例,前處理模組102可對訊號100S進行處理而輸出僅含有交流成分的前處理訊號102S。第2圖為前處理訊號200c、200n之一實施例之示意圖,其中採樣率(Sampling Rate)可為50點每秒,使得兩相鄰的採樣點(sampling point)之間可為20毫秒(millisecond,ms)。前處理訊號102S可為前處理訊號200c或200n。前處理訊號200c、200n、102S(或訊號100S)可為週期性脈搏波(Pulse Wave),而可包含多個脈衝。前處理訊號200c、200n可為同一受試者在不同時間進行量測的連續波形,如第2圖所示,前處理訊號200c的波形相較前處理訊號200n的波形良好,前處理訊號200n的波形可能受到干擾而存在異常,因此,前處理訊號200c較適合用來擷取脈搏波特徵,前處理訊號200n只有部分的波形適合用來擷取脈搏波特徵。本發明的訊號特徵擷取裝置10可剔除前處理訊號200n中異常的脈衝波形,而自前處理訊號200n中良好的脈衝波形擷取脈搏波特徵。
區域極值檢測模組104可利用長度可變動的一視窗來搜尋區域極值。區域極值檢測模組104可先採用一視窗長度(例如視窗長度WL1),再根據搜尋到的相對低值(例如採樣點P1)及相對高值(例如採樣點P2)而動態調整視窗長度,以取得波形的相對極小值的採樣點(例如波形的波谷P3、P4)及相對極大值的採樣點(例如波形的波峰P5)。在一實施例,視窗長度WL1可對應一般的心率,視窗長度WL1例如為1秒,但不限於此。
波形分割模組106可利用波谷(或者波峰)的位置分割波形,而自週期性脈搏波擷取(extract)出一個脈衝(pulse)。例如,第3圖為本發明實施例的訊號處理流程之示意圖。如第3圖所示,波形分割模組106可自前處理訊號102S擷取出脈衝106S1~106S5,其中採樣率可為50點每秒,使得兩相鄰的採樣點之間可為20毫秒。
在一實施例,由於前處理訊號102S的脈衝106S1~106S5的脈衝時間長106L1~106L5可能非等長(例如脈衝106S3的脈衝時間長106L3可長於脈衝106S4的脈衝時間長106L4),為了便於後續的處理,波形分割模組106可分別將脈衝106S1~106S5調整為脈衝107S1~107S5,使得脈衝107S1~107S5分別具有相同的一正規化脈衝時間長107L。在一實施例,波形分割模組106可使得脈衝107S1~107S5的脈衝時間長107L等於脈衝時間長106L1~106L5的中位數(Median),或其他非極高的脈衝時間長或非極低的脈衝時間長,例如脈衝時間長106L1~106L5的算術平均數(arithmetic mean)、幾何平均數(geometric mean)、調和平均數(harmonic mean)或方均根(root mean square)。在一實施例,可使得脈衝107S1~107S5的脈衝時間長107L等於脈衝時間長106L1~106L5中的眾數(mode)。
在一實施例,波形分割模組106可將脈衝106S1~106S5正規化來調整脈衝106S1~106S5的脈衝時間長106L1~106L5。波形分割模組106針對較長的脈衝(例如脈衝106S3)可進行下採樣(減少採樣點),針對較短的脈衝(例如脈衝106S1)則可進行上採樣(例如內插(Interpolation)或線性內插),從而使得脈衝107S1~107S5的脈衝時間長107L等長(或者脈衝107S1~107S5具有相同個數的採樣點)。在一實施例,波形分割模組106可利用線性內插而取脈衝(例如脈衝106S1)中相鄰的兩個採樣點來計算直線方程式,且可***符合該直線方程式的任意點數的採樣點,使得脈衝107S1~107S5的脈衝時間長與所欲的正規化脈衝時間長107L一致。在一實施例,波形分割模組106可避免下採樣去除較重要的採樣點(例如波峰),波形分割模組106可針對較不重要的採樣點進行剔除。
儘管前處理模組102可濾除高頻雜訊,但仍可能存有頻帶與心率相近的雜訊(例如運動產生的雜訊),因此本發明利用樣板初始化模組108或樣板匹配模組110來對週期性脈搏波的每一脈衝逐一進行篩選,以選出良好的脈衝波形。
樣板初始化模組108可在多個脈衝中選擇出部分的脈衝以組成參考波形序列,並將參考波形序列的脈衝進行平均而輸出樣板(template)脈衝。平均後的樣板脈衝可提高演算法的穩定性與容錯率,在錯誤地採用不佳的波形來組成參考波形序列時,能夠利用平均來減小偏誤且分攤風險。例如,樣板初始化模組108可選擇脈衝107S3(用作脈衝108f1)來與被選擇出的其他脈衝108f2~108fn組成參考波形序列,並平均脈衝108f1~108fn為樣板脈衝108v,使得輸出的樣板脈衝108v的波形更理想。即使脈衝108f1的波形在波峰附近相較脈衝108f2~108fn平緩,平均脈衝108f1~108fn的波形可使得樣板脈衝108v對於脈衝108f1~108fn具有代表性,故樣板脈衝108v可視為受測者的標準脈衝波形。對脈衝108f1~108fn的波形進行平均是指逐一對每一採樣點下的脈衝108f1~108fn的幅值進行平均而得到樣板脈衝108v在所有採樣點對應的幅值。
在一實施例,樣板初始化模組108可根據相似度來選擇脈衝。基於脈搏波的週期性,樣板初始化模組108可逐一將前一個脈衝(例如前一採樣時段內所擷取的脈衝107S2)與受判斷的脈衝(例如當前採樣時段內所擷取的脈衝107S3)進行比對。如果前一個脈衝(例如脈衝107S2)與受判斷的脈衝(例如脈衝107S3)具有高相似度,則代表受判斷的脈衝的波形很可能是穩定而具代表性的,因此可被選入參考波形序列。在一實施例,如果前一個脈衝(可稱為第一脈衝)與受判斷的脈衝(可稱為第二脈衝)之間的互相關係數(cross-correlation)大於等於一相似度門檻值(例如0.9,但不限於此),則可判斷前一個脈衝(例如脈衝107S2)與受判斷的脈衝(例如脈衝107S3)相似,且可將受判斷的脈衝(例如脈衝107S3)加入參考波形序列。相似度門檻值設定越高,計算越精確,但越需要受測者正確地配帶,且量測等候時間也會隨之拉長。在一實施例,相似度門檻值可為0.8~0.9,以提供相當的篩選程度。
在一實施例,如第3圖所示,參考波形序列可包含脈衝108f1~108fn(可稱為參考脈衝)。在一實施例,參考波形序列的脈衝個數的上限可設定為一預設脈衝個數,預設脈衝個數例如等於5,即n=5,但不限於此,預設脈衝個數可介於3至20之間。當樣板初始化模組108選擇出的脈衝個數達到例如5個時,樣板初始化模組108可暫停前一個脈衝與受判斷的脈衝之間的比對,並將構成參考波形序列的這5個參考脈衝進行平均,而輸出樣板脈衝108v。參考波形序列的脈衝個數越大,受測者的量測等候時間越長,因此參考波形序列的脈衝個數不須過大。
在一實施例,脈衝108f1~108fn未必是前處理訊號102S中連續的脈衝。脈衝108f1~108fn分別與前處理訊號102S中對應的前一個或更先前的一個脈衝具有高相似度,但脈衝108f1~108fn可以不是連續的脈衝。
在一實施例,樣板初始化模組108可將前一個脈衝(例如前一採樣時段內所擷取的脈衝107S2)與受判斷的脈衝(例如當前採樣時段內所擷取的脈衝107S3)進行比對,或者,樣板初始化模組108亦可用更先前的脈衝(例如脈衝107S1)與受判斷的脈衝(例如脈衝107S3)進行比對。
在一實施例,脈衝108f1~108fn、樣板脈衝108v的脈衝時間長與正規化脈衝時間長107L相等。也就是說,訊號特徵擷取裝置10可使得前一個脈衝(例如脈衝107S2)的脈衝時間長與受判斷的脈衝(例如脈衝107S3)的脈衝時間長等長後再計算互相關係數以進行比對或進行後續的平均。
樣板匹配模組110可將量測期間的每個脈衝(例如脈衝107S1~107S5)與樣板脈衝108v比較,如果被比較的脈衝與樣板脈衝108v具有高相似度,則可對該脈衝進行特徵截取。在一實施例,樣板匹配模組110可計算脈衝(例如脈衝107S1)與樣板脈衝108v之間的互相關係數,如果互相關係數大於等於一匹配(match)門檻值(例如0.9,但不限於此),則可判斷該脈衝與樣板脈衝108v匹配,且對該脈衝進行特徵截取。在一實施例,匹配門檻值可為0.8~0.9,以提供相當的篩選程度。例如,第4圖為本發明實施例的脈衝110i1、110i2之示意圖。樣板匹配模組110可將脈衝110i1、110i2分別與樣板脈衝108v比較,由於脈衝110i1與樣板脈衝108v具有高相似度(例如波峰大致對齊且斜率大致近似),因此可對脈衝110i1進行特徵截取。
樣板匹配模組110若判斷被比較的脈衝與樣板脈衝108v之間的相似度較低,可不對該脈衝進行特徵截取或將該脈衝濾除。例如,在第4圖,樣板匹配模組110判斷脈衝110i2與樣板脈衝108v之間的相似度較低,因此可不對脈衝110i2進行特徵截取。例如,第5圖為本發明實施例的脈衝110i3~110i5之示意圖,其中採樣率可為50點每秒,使得兩相鄰的採樣點之間可為20毫秒。脈衝110i3是異常高的突波,脈衝110i4是由於心律不整而導致雙波峰,脈衝110i5是收縮期過短的波形。在一實施例,由於在連續的波形中,脈衝110i3~110i5(相對於其之前或之後的脈衝)具有異常波形,與樣板脈衝108v(或其他脈衝的波形)的互相關係數(或相關係數)低於匹配門檻值而被濾除不用來進行特徵截取,其他脈衝的波形則可能可以用來擷取脈搏波特徵。換言之,本發明的訊號特徵擷取裝置10可剔除異常的脈衝波形,而針對訊號中其他良好的脈衝擷取脈搏波特徵。
計算模組112可利用統計或機器學習(例如線性回歸(Linear Regression)或神經網路(Neural Network))的方法來挑選參數進而建立例如血壓估測的模型。計算模組112可包含特徵萃取單元1122及計算單元1124。
特徵萃取單元1122可根據樣板匹配模組110的指示而對某些脈衝進行特徵萃取(feature extraction)。例如,第6圖為本發明實施例的脈衝110i6之示意圖。特徵萃取單元1122可自脈衝110i6的波形擷取出收縮期脈搏波面積(即面積S1及S2的總和)、舒張期脈搏波面積(即面積S3及S4的總和)、脈搏波面積(即面積S1至S4的總和)、心率、收縮期時間St1、舒張期時間Dt1、脈搏波最大振幅、脈搏波最小振幅、收縮期間最大斜率、最大振幅與最小振幅比值、或心率變異性等特徵。
在一實施例,受測者的脈搏波可能不具有重搏波(Dicrotic wave),因此特徵萃取單元1122可能不自脈衝110i6的波形擷取出重搏波的特徵。重搏波主要是由於主動脈瓣在心室舒張早期突然閉合,血液逆流撞擊到主動脈上,並回彈導致主動脈壓再度上升所形成的波。重博波可做為脈波傳輸時間(Pulse Transit Time,PTT)的替代量測,但也可採用舒張期時間Dt1做為脈波傳輸時間的替代量測。
計算單元1124可根據特徵萃取單元1122擷取出的特徵來計算一生理指標。計算單元1124可利用這些特徵來建立一模型,且利用此模型來計算生理指標。
在一實施例,計算單元1124可利用線性回歸(Linear Regression)來估測血壓。線性回歸是一種回歸模型,其可運用已知的血壓及對應的特徵來訓練出符合最小誤差的方程式(例如計算出斜率與截距),方程式可用來逼近資料點的趨勢分布,以預測血壓。在一實施例,可利用袖袋式血壓計(cuff-style blood pressure monitor)量測的血壓作為已知的血壓,並一併利用自光體積變化描記圖法量測的波形擷取出的特徵,來訓練回歸模型。在一實施例,方程式可為
,其中血壓標示為
,輸入至計算單元1124的特徵標示為
~
,
~
表示在最小平方誤差下得到的方程式係數。
在一實施例,計算單元1124可藉由反覆試驗而選用某些特徵來使得線性回歸的誤差性較小。在一實施例,計算單元1124選用的特徵是脈波傳輸時間及心率。血壓、脈波傳輸時間與心率之間的關係可為
,其中
BP表示血壓,
PTT表示脈波傳輸時間,
HR表示心率。脈波傳輸時間可由心電圖(Electrocardiography,ECG)波形的波峰與光體積變化描記圖法波形的波峰之間的時間差得知。由於心電圖波形的波峰與心室的收縮相關,而光體積變化描記圖法波形的波峰則與血管的收縮相關,因此脈波傳輸時間(即血液自心臟送出後到達量測的血管的傳輸時間)與血壓相關。在一實施例(例如沒有心電圖的資訊下),可利用舒張期時間取代脈波傳輸時間,換言之,計算單元1124選用的特徵是舒張期時間及心率。估計的血壓、舒張期時間與心率之間的關係可為
,其中
表示估計的血壓,
Dt表示舒張期時間。
在一實施例,計算單元1124可分別針對舒張壓及收縮壓建立預測模型。在一實施例,計算單元1124可針對舒張壓取得一組係數
、
、
對應的線性方程式,且針對收縮壓取得另一組係數
、
、
對應的線性方程式。將特徵代入對應的線性方程式後即可得到估計的舒張壓或收縮壓。
在一實施例,計算單元1124可利用機器學習,尋找特徵與血壓之間的潛在相關性。計算單元1124可在訓練(training)階段輸入已知的第一資料(例如特徵萃取單元1122擷取出且具有對應的已知血壓的特徵)至未經訓練的一模型,並將模型的輸出值與第一資料的已知血壓進行比較,如此一來,可重新評估而最佳化模型的參數,以對模型進行訓練,來最小化誤差。計算單元1124可在推論(inference)或預測(prediction)階段應用已訓練的模型的資訊來推論結果。據此,當未知而欲判讀的第二資料(例如特徵萃取單元1122擷取出且不具有對應的已知血壓的特徵)輸入至模型時,模型可依據其最佳化的參數,對第二資料進行推論,以輸出預測。
輸出模組114可輸出生理指標(例如收縮壓或舒張壓),例如以螢幕進行影像輸出、燈號閃爍或喇吧進行聲音輸出等。
在一實施例,如果量測時間長度超過一預設時間長度(例如超過20秒,但不限於此)仍無法建立樣板脈衝108v(例如參考波形序列中的參考脈衝的個數在預設時間長度內無法達到預設脈衝個數),或者如果與樣板脈衝108v匹配的脈衝的個數小於一個數門檻值(例如不足4筆,但不限於此),則輸出模組114可輸出重新量測的訊息,以提醒受測者重新量測血壓,並可提醒受測者放輕鬆、靜止或調整配戴位置來重新量測。據此,訊號特徵擷取裝置10可由耳掛式生理量測裝置重新接收一訊號。
在一實施例,輸入模組100、前處理模組102、區域極值檢測模組104、波形分割模組106、樣板初始化模組108、樣板匹配模組110、計算模組112、特徵萃取單元1122、計算單元1124或輸出模組114可包含/對應至一電路。在一實施例,輸入模組100、前處理模組102、區域極值檢測模組104、波形分割模組106、樣板初始化模組108、樣板匹配模組110、計算模組112、特徵萃取單元1122、計算單元1124及輸出模組114的連接方式、順序或個數可適應性調整。
此外,互相關係數的計算方式詳述如下。首先,互相關係數
表示前一個脈衝
(例如脈衝107S2)與受判斷的脈衝
(例如脈衝107S3)的互相關係數,其滿足
,其中,
表示正規化後的受判斷的脈衝(例如脈衝107S3),
表示正規化後的前一個脈衝(例如脈衝107S2)。
為了計算相似度的比例值,需要對比可能量測到的最大互相關係數(即為前一個脈衝(例如脈衝107S2)的自相關係數
,其滿足
)。互相關係數SQI
XCORR可定義為
,表示受判斷的脈衝
(例如脈衝107S3)與前一個脈衝
(例如脈衝107S2)的互相關係數對比前一個脈衝
(例如脈衝107S2)的自相關係數,其值越接近1則表示越相近,反之則越不相似。
由上述可知,前一個脈衝與受判斷的脈衝之間的互相關係數大於相似度門檻值可降低不佳波形被分析的情況發生,因此本發明可降低誤判率。
本發明的訊號特徵擷取裝置10僅為本發明之實施例,本領域技術人員當可據以做不同的變化及修飾。舉例來說,上述實施例主要以血壓進行說明,但在其它實施例中,亦可計算其它生理指標如血氧濃度等。上述實施例主要以光體積變化描記圖法感測的訊號100S進行說明,但在其它實施例中,訊號特徵擷取裝置10亦可處理各種接觸式(contact)感測器量測的訊號(例如心電圖)、各種非接觸式(non-contact)感測器量測的訊號(例如雷達感測器)或其他各種訊號等。
第7圖為本發明實施例的一方法70之流程圖。方法70可包含以下步驟:
步驟S700:開始。
步驟S702:接收一訊號100S,其中訊號100S包含有複數個脈衝。
步驟S704:判斷該複數個脈衝中的一第二脈衝是否與該複數個脈衝中的一第一脈衝相似。
步驟S706:在該第二脈衝被判斷為與該第一脈衝相似後,將該第二脈衝選為一參考波形序列的複數個參考脈衝中的一者。
步驟S708:將該複數個參考脈衝平均為一樣板脈衝。
步驟S710:分別判斷該複數個脈衝是否與該樣板脈衝匹配。
步驟S712:自該複數個脈衝中與該樣板脈衝匹配的每一脈衝擷取複數個特徵。
步驟S714:結束。
在一實施例,該第二脈衝接續在該第一脈衝之後。該第一脈衝的一起始點或一結束點可與該第二脈衝的一結束點或一起始點重合或不重合。在一實施例,該第一脈衝的一結束點可與一脈衝串列(series)的一起始點重合,該脈衝串列的一結束點可與該第二脈衝的一起始點重合,該脈衝串列包含有連續連接的多個脈衝。
在一實施例,在判斷該第二脈衝是否與該第一脈衝相似後,判斷該複數個脈衝中的一第三脈衝是否與該第二脈衝相似。在一實施例,逐一判斷該複數個脈衝中的任一脈衝是否與該複數個脈衝中的另一脈衝相似直到該參考波形序列中的該複數個參考脈衝的個數達到一預設脈衝個數。
在一實施例,該複數個特徵中的一者為該複數個脈衝中的一者的一第一波谷與一波峰之間的一第一時間長、該脈衝的該波峰與一第二波谷之間的一第二時間長、該第一波谷與該第二波谷之間的一第三時間長的倒數、該脈衝的該波峰的一幅值、或該第一波谷與該波峰之間的一斜率最大值,但不限於此。
第8圖為本發明實施例的一方法80之流程圖。方法80可包含以下步驟:
步驟S800:開始。
步驟S802:對訊號100S進行前處理。
步驟S804:搜尋前處理後的前處理訊號102S的區域極值。
步驟S806:根據區域極值,分割前處理訊號102S的波形,以擷取出多個脈衝。
步驟S808:判斷先前的脈衝是否與受判斷的脈衝相似。若是,則執行步驟S810;若否,則將受判斷的脈衝換成另一個脈衝,並再次執行步驟S808。
步驟S810:將受判斷的脈衝加入參考波形序列,並判斷參考波形序列的脈衝個數是否等於一預設脈衝個數。若是,則執行步驟S812;若否,則執行步驟S822。
步驟S812:將參考波形序列的脈衝平均為樣板脈衝108v。
步驟S814:判斷量測期間的一脈衝是否與樣板脈衝108v匹配。若是,則執行步驟S816;若否,則將受判斷的脈衝換成另一個脈衝,並再次執行步驟S814。
步驟S816:判斷與樣板脈衝108v匹配的脈衝的個數是否大於一個數門檻值。若是,則執行步驟S818;若否,則執行步驟S824。
步驟S818:對與樣板脈衝108v匹配的脈衝進行特徵萃取。
步驟S820:利用擷取出的特徵來計算生理指標。
步驟S822:判斷參考波形序列的脈衝個數是否超過一預設時間長度仍小於一預設脈衝個數。若是,則執行步驟S824;若否,則執行步驟S808。
步驟S824:提醒受測者重新進行量測。
步驟S826:結束。
方法70或80可用於第1圖的訊號特徵擷取裝置10。方法70或80可被編譯成一程式碼而由一處理電路執行,並儲存於一儲存電路中。方法70中的步驟S702~S712或方法80中的步驟S802~S824其中一者或多者可選擇性省略。並且,方法70中的步驟S702~S712或方法80中的步驟S802~S824其中一者或多者的順序可能調換。在步驟S804之前還可檢查前處理後的前處理訊號102S的品質。
綜上所述,本發明的訊號特徵擷取裝置可在特徵截取前進行訊號處理,例如針對光體積變化描記圖法模組量測的波形作篩選。本發明可根據連續週期性的脈搏波的相似性建立波形的樣板,並利用建立的樣板篩選訊號的波形,使得被選出的波形是良好的,以確保後續用來估測血壓的波形特徵是正確的,而能提高利用光體積變化描記圖法來量測血壓的精確度。本發明可利用光體積變化描記圖法模組與訊號特徵擷取裝置來監測血壓是否上升或下降。
以上所述僅為本發明之較佳實施例,凡依本發明申請專利範圍所做之均等變化與修飾,皆應屬本發明之涵蓋範圍。
10:訊號特徵擷取裝置
100:輸入模組
100S:訊號
102:前處理模組
102S, 200c, 200n:前處理訊號
104:區域極值檢測模組
106:波形分割模組
106L1~106L5:脈衝時間長
106S1~106S5, 107S1~107S5, 108f1~108fn, 110i1~110i5:脈衝
107L:正規化脈衝時間長
108:樣板初始化模組
108v:樣板脈衝
110:樣板匹配模組
112:計算模組
1122:特徵萃取單元
1124:計算單元
114:輸出模組
70, 80:方法
Dt1:舒張期時間
P1, P2:採樣點
P3, P4:波谷
P5:波峰
S1~S4:面積
S700~S714, S800~S826:步驟
St1:收縮期時間
WL1:視窗長度
第1圖為本發明實施例的訊號特徵擷取裝置之示意圖。
第2圖為本發明實施例的前處理訊號之示意圖。
第3圖為本發明實施例的訊號處理流程之示意圖。
第4圖至第6圖分別為本發明實施例的脈衝之示意圖。
第7圖及第8圖分別為本發明實施例的方法之流程圖。
102S:前處理訊號
106L1~106L5:脈衝時間長
106S1~106S5,107S1~107S5,108f1~108fn:脈衝
107L:正規化脈衝時間長
108v:樣板脈衝
Claims (20)
- 一種生理訊號特徵擷取方法,包含有: 接收一訊號,其中該訊號包含有複數個脈衝; 判斷該複數個脈衝中的一第二脈衝是否與該複數個脈衝中的一第一脈衝相似; 在該第二脈衝被判斷為與該第一脈衝相似後,將該第二脈衝選為一參考波形序列的複數個參考脈衝中的一者; 將該複數個參考脈衝平均為一樣板脈衝; 分別判斷該複數個脈衝是否與該樣板脈衝匹配;以及 自該複數個脈衝中與該樣板脈衝匹配的每一脈衝擷取複數個特徵。
- 如請求項1所述的生理訊號特徵擷取方法,另包含有: 根據該複數個脈衝的複數個脈衝時間長,計算出一正規化脈衝時間長;以及 利用下採樣或上採樣,將該複數個脈衝的複數個脈衝時間長分別調整為該正規化脈衝時間長; 其中,該正規化脈衝時間長是該複數個脈衝時間長的一中位數或一眾數。
- 如請求項1所述的生理訊號特徵擷取方法,其中,判斷該第二脈衝是否與該第一脈衝相似的步驟包含有: 計算該第二脈衝與該第一脈衝之間的一第一互相關係數; 根據該第一互相關係數大於等於一相似度門檻值,判斷該第一脈衝與該第二脈衝相似;以及 根據該第一互相關係數小於該相似度門檻值,判斷該第一脈衝與該第二脈衝不相似。
- 如請求項1所述的生理訊號特徵擷取方法,其中,該第二脈衝接續在該第一脈衝之後,且該第一脈衝的一起始點或一結束點與該第二脈衝的一結束點或一起始點重合。
- 如請求項1所述的生理訊號特徵擷取方法,其中,在判斷該第二脈衝是否與該第一脈衝相似後,判斷該複數個脈衝中的一第三脈衝是否與該第二脈衝相似。
- 如請求項1所述的生理訊號特徵擷取方法,其中,判斷該複數個脈衝中的任一脈衝是否與該複數個脈衝中的另一脈衝相似直到該參考波形序列中的該複數個參考脈衝的個數達到一預設脈衝個數。
- 如請求項1所述的生理訊號特徵擷取方法,其中,分別判斷該複數個脈衝是否與該樣板脈衝匹配包含有: 計算該複數個脈衝中的一者與該樣板脈衝之間的一第二互相關係數; 根據該第二互相關係數大於等於一匹配門檻值,判斷該脈衝與該樣板脈衝匹配;以及 根據該第二互相關係數小於該匹配門檻值,判斷該脈衝與該樣板脈衝不匹配。
- 如請求項1所述的生理訊號特徵擷取方法,其中,該複數個特徵中的一者為該複數個脈衝中的一者的一第一波谷與一波峰之間的一第一時間長、該脈衝的該波峰與一第二波谷之間的一第二時間長、該第一波谷與該第二波谷之間的一第三時間長的倒數、該脈衝的該波峰的一幅值、或該第一波谷與該波峰之間的一斜率最大值。
- 如請求項1所述的生理訊號特徵擷取方法,另包含有: 利用該複數個特徵來建立一模型;以及 利用該模型來計算一生理指標, 其中,利用機器學習來訓練該模型,以最佳化該模型的至少一參數。
- 如請求項1所述的生理訊號特徵擷取方法,其中,在判斷該複數個脈衝中與該樣板脈衝匹配的個數小於一個數門檻值或該參考波形序列中的該複數個參考脈衝的個數在一預設時間長度內無法達到一預設脈衝個數後,要求重新傳送另一訊號。
- 一種生理訊號特徵擷取裝置,包含有: 一處理電路,用來執行一程式碼;以及 一儲存電路,耦接於該處理電路,用來儲存該程式碼,其中該程式碼包含有: 接收一訊號,其中該訊號包含有複數個脈衝; 判斷該複數個脈衝中的一第二脈衝是否與該複數個脈衝中的一第一脈衝相似; 在該第二脈衝被判斷為與該第一脈衝相似後,將該第二脈衝選為一參考波形序列的複數個參考脈衝中的一者; 將該複數個參考脈衝平均為一樣板脈衝; 分別判斷該複數個脈衝是否與該樣板脈衝匹配;以及 自該複數個脈衝中與該樣板脈衝匹配的每一脈衝擷取複數個特徵。
- 如請求項11所述的生理訊號特徵擷取裝置,其中該程式碼另包含有: 根據該複數個脈衝的複數個脈衝時間長,計算出一正規化脈衝時間長;以及 利用下採樣或上採樣,將該複數個脈衝的複數個脈衝時間長分別調整為該正規化脈衝時間長; 其中,該正規化脈衝時間長是該複數個脈衝時間長的一中位數或一眾數。
- 如請求項11所述的生理訊號特徵擷取裝置,其中,判斷該第二脈衝是否與該第一脈衝相似的步驟包含有: 計算該第二脈衝與該第一脈衝之間的一第一互相關係數; 根據該第一互相關係數大於等於一相似度門檻值,判斷該第一脈衝與該第二脈衝相似;以及 根據該第一互相關係數小於該相似度門檻值,判斷該第一脈衝與該第二脈衝不相似。
- 如請求項11所述的生理訊號特徵擷取裝置,其中,該第二脈衝接續在該第一脈衝之後,且該第一脈衝的一起始點或一結束點與該第二脈衝的一結束點或一起始點重合。
- 如請求項11所述的生理訊號特徵擷取裝置,其中,在判斷該第二脈衝是否與該第一脈衝相似後,判斷該複數個脈衝中的一第三脈衝是否與該第二脈衝相似。
- 如請求項11所述的生理訊號特徵擷取裝置,其中,判斷該複數個脈衝中的任一脈衝是否與該複數個脈衝中的另一脈衝相似直到該參考波形序列中的該複數個參考脈衝的個數達到一預設脈衝個數。
- 如請求項11所述的生理訊號特徵擷取裝置,其中,分別判斷該複數個脈衝是否與該樣板脈衝匹配包含有: 計算該複數個脈衝中的一者與該樣板脈衝之間的一第二互相關係數; 根據該第二互相關係數大於等於一匹配門檻值,判斷該脈衝與該樣板脈衝匹配;以及 根據該第二互相關係數小於該匹配門檻值,判斷該脈衝與該樣板脈衝不匹配。
- 如請求項11所述的生理訊號特徵擷取裝置,其中,該複數個特徵中的一者為該複數個脈衝中的一者的一第一波谷與一波峰之間的一第一時間長、該脈衝的該波峰與一第二波谷之間的一第二時間長、該第一波谷與該第二波谷之間的一第三時間長的倒數、該脈衝的該波峰的一幅值、或該第一波谷與該波峰之間的一斜率最大值。
- 如請求項11所述的生理訊號特徵擷取裝置,其中該程式碼另包含有: 利用該複數個特徵來建立一模型;以及 利用該模型來計算一生理指標, 其中,利用機器學習來訓練該模型,以最佳化該模型的至少一參數。
- 如請求項11所述的生理訊號特徵擷取裝置,其中,在判斷該複數個脈衝中與該樣板脈衝匹配的個數小於一個數門檻值或該參考波形序列中的該複數個參考脈衝的個數在一預設時間長度內無法達到一預設脈衝個數後,要求重新傳送另一訊號。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
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 |
CN202210433587.XA 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 |
US17/895,052 US20230293112A1 (en) | 2022-03-15 | 2022-08-24 | Physiological Signal Feature Extraction Method and Physiological Signal Feature Extraction Device Thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
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 (2)
Publication Number | Publication Date |
---|---|
TW202337389A true TW202337389A (zh) | 2023-10-01 |
TWI825622B TWI825622B (zh) | 2023-12-11 |
Family
ID=88066114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
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 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230293112A1 (zh) |
CN (1) | CN116821648A (zh) |
TW (1) | TWI825622B (zh) |
Family Cites Families (7)
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 |
-
2022
- 2022-03-15 TW TW111109337A patent/TWI825622B/zh active
- 2022-04-24 CN CN202210433587.XA patent/CN116821648A/zh active Pending
- 2022-08-24 US US17/895,052 patent/US20230293112A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
TWI825622B (zh) | 2023-12-11 |
US20230293112A1 (en) | 2023-09-21 |
CN116821648A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107920763B (zh) | 处理生物数据 | |
CN106413534B (zh) | 连续血压测量装置、测量模型建立方法和*** | |
US11864874B2 (en) | Method, apparatus and computer program for determining a blood pressure value | |
KR101210828B1 (ko) | 다중 생체 신호 측정을 이용하여 손목혈압의 정확도를 향상시키는 방법 및 장치 | |
KR100462182B1 (ko) | Ppg 기반의 심박 검출 장치 및 방법 | |
US11903684B2 (en) | Blood pressure measuring apparatus and blood pressure measuring method | |
JP6689285B2 (ja) | 被験者のバイタルサインを監視する際に用いる加速度計信号を処理する処理装置、システム、及び方法 | |
US20210282668A1 (en) | Non-invasive determination of airway resistance | |
EP1587416A1 (en) | Signal quality metrics design for physiological data | |
JP6608527B2 (ja) | 装置、端末および生体情報システム | |
US20140275889A1 (en) | Systems and methods for determining respiration information from segments of a photoplethysmograph | |
Solem et al. | Prediction of intradialytic hypotension using photoplethysmography | |
CN114974566B (zh) | 一种认知功能评估方法和*** | |
Reddy et al. | Unified quality-aware compression and pulse-respiration rates estimation framework for reducing energy consumption and false alarms of wearable PPG monitoring devices | |
US20240206820A1 (en) | Method, apparatus and system for filtering pulse signal motion interference | |
TWI825622B (zh) | 生理訊號特徵擷取方法及生理訊號特徵擷取裝置 | |
Manimegalai et al. | Estimation of cardiovascular parameters from ECG and PPG signals | |
CN116636821A (zh) | 一种血压管理***及方法 | |
TWI819253B (zh) | 訊號品質檢測方法及其訊號檢測裝置 | |
JP2010213809A (ja) | 生体信号分析装置 | |
US20220323023A1 (en) | Method for determining respiratory rate | |
WO2019014931A1 (zh) | 生物信号的干扰分析方法及装置、穿戴设备 | |
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 | |
EP3811857A1 (en) | System and method for processing physiological signals to determine health-related information | |
KR20230061051A (ko) | 광용적맥파 데이터 분석 방법 및 기록매체 |