基于脉搏波的呼吸频率计算方法

为了在可穿戴医疗领域中快速检测出人体的呼吸频率,提出一种基于光电容积脉搏波的呼吸频率计算方法。首 先,通过MIMIC Database数据集获取人体同时段的脉搏波信号与呼吸波信号;其次,通过对脉搏波信号运行经验模态分 解算法,从而获得脉搏波信号的有限个本征模态函数,再选取合适的本征模态函数重构呼吸波信号;最后,通过对重构的 呼吸波信号进行特征提取,计算出呼吸频率。结果表明:经过脉搏波分解得到的呼吸信号与原始呼吸信号的相对相干系 数在0.6以上,呼吸频率也十分接近,准确率高达0.9以上。说明通过光电容积脉搏波信号计算呼吸频率的可行性,这对于 可穿戴医疗领域、无创医疗诊断具有重要意义。     

基于光电容积脉搏波的呼吸频率监测

目的呼吸频率是人体生理信息监测中一个重要的生理指标,做好呼吸频率的监测对于一些疾病的及时诊疗有重大意义。光电容积脉搏波中包含许多生理信息,而本研究即从光电容积脉搏波中提取呼吸频率。方法首先识别出光电容积脉搏波,提取出脉搏波的包络、间隔、幅度、面积信号4个特征参数,并利用三次样条插值和频谱分析从中提取各自对应的频率,采用加权平均得到最终的呼吸频率,并将本文提取的呼吸频率同给定的标准呼吸频率进行对比。结果在时域和频域具有较好的相关性,并且不同数据多次测量的统计结果显示测量误差较小。结论本方法能有效地从光电容积脉搏中提取呼吸频率,且计算简单,为实现呼吸频率的实时、连续、无创监测提供了一定的理论依据。     

高血压病人的光电容积脉搏波的频域分析

采用光电容积脉搏血氧饱和度检测系统对67例高血压病人采集的脉搏波信号进行了频域分析,并和66例正常人进行对比分析.发现高血压病人的脉搏波谐波峰值衰减速度显著高于正常人,而谐波的宽度要大于正常人.作者从人体生理和病理学角度分析了这种差异出现的可能原因,从而为高血压病的早期诊断提供了一种新的参考方法.     

基于光电容积脉搏波特征信息的睡眠呼吸事件判别

研究脉搏波特征信息与睡眠呼吸事件的关系,实现对呼吸事件的初步判别。采用小波变换的方法分析光电容积脉搏波,提取特征参量,结合专家经验校正后的呼吸事件分布,寻找这些参量与睡眠呼吸事件的相关关系,确立呼吸事件的初步判据,并用于呼吸事件初步判别。研究了5位受试者夜间脉搏波信号,专家校正的一晚呼吸事件总数为1239次。结果表明,呼吸事件初步判别的符合率在91%以上,尤其对于患有中重度OSAHS的病人,符合率可达96.1%。本研究提供了利用脉搏波特征参量进行呼吸事件初步判别的理论根据和实现方法。     

基于光电容积脉搏波的心房颤动识别方法

为了能够简便快捷地检测心房颤动,提出一种基于光电容积脉搏波描记法（PPG）对心房颤动进行识别的方法。首先,将已确诊为心房颤动状态脉搏波与健康状态脉搏波数据进行对比分析;其次,基于分析结果,从脉搏波数据中提取与心房颤动相关的6类特征参数作为分类器的输入;最后,使用支持向量机（SVM）、BP神经网络、随机森林算法3种分类器建立心房颤动识别模型,其识别心房颤动的准确率分别可达89.1%、92.3%、95.2%。实验结果表明,基于PPG的心房颤动识别方法具有很高的识别准确率,尤其在使用随机森林算法作为分类器时,识别准确率达到最优。同时该检测方法简便快捷,是一种可以替代传统心电图检测识别心房颤动的方法,对心房颤动患者的长期观察监测具有临床价值。     

一种同时消除脉搏波信号中呼吸基线漂移和高频噪声的方法

目的：基于光电容积脉搏波可以实现血氧饱和度等人体生理参数的无创检测。基于光电容积脉搏波测量时,由于信号采集过程中存在人体呼吸和仪器本身热噪声等干扰,脉搏波信号中存在着呼吸基线漂移和高频噪声,影响最终的人体生理参数测量精度。方法：因此提出一种在经验模式分解的过程中结合小波变换的方法,来同时消除呼吸基线漂移和高频噪声的影响。首先通过经验模态分解将脉搏波信号分解为若干内在模式分量,并分别判断出含有呼吸基线漂移和代表高频噪声的分量,对于代表高频噪声的分量采用类似小波变换的方法进行滤波,利用小波变换将含有呼吸基线漂移的分量分解,将代表呼吸基线漂移的小波细节置零,信号重构后就达到了同时消除呼吸基线和高频噪声的目的。利用自行研制的测量装置采集的脉搏波信号进行实验验证,并采用信号交直流比R和信号的频谱进行效果评价。结果：有效地同时消除了呼吸基线漂移和高频噪声。结论：该方法将有利于血氧饱和度等人体生理参数无创检测精度的提高。     

基于光电容积脉搏波的精神疲劳评估方法

目的 针对精神疲劳难于定量评估的问题,本文探索一种非侵入式可穿戴检测方法获取人体生理参数,从而实现对人体精神疲劳的定量评估。方法 搭建光电容积脉搏波（photoplethysmography,PPG）采集平台,采集20名健康在校生的PPG信号,对PPG信号进行预处理和特征提取,获取时域、频域共143维特征。使用机器学习算法建立分类模型,对于Pearson相关系数法、F检验和relief-F得到的特征权值,选择最优的特征子集,使用降维后的特征子集训练模型,减少复杂度和过拟合概率。结果 与实际状态对比,基于该方法的单个体疲劳检测平均准确率为92.48%,多个体疲劳检测准确率最大值为92.2%,可以有效地识别精神疲劳。结论 光电容积脉搏波信号经过时域和频域分析构建的特征能够使用机器学习算法进行准确的精神疲劳状态分类评估。     

自主呼吸状态下光电容积脉搏波法对 健康人群心率变异性的分析

目的 分析自主呼吸状态下光电容积脉搏波法对健康人群心率变异性。方法 选取2016年10月~2018年9月我校本科生健康志愿者64名,所有志愿者均行心电图（ECG）及光电容积脉搏波法（PPG）检测,比较3 min的ECG与PPG检测HRV时的RR间期标准差（SDNN）、RR间期差值均方根值（RMSSD）、低频功率与标准化高频功率的比值（LF/HF）,并分析ECG与PPG检测的心率变异性参数的相关性与一致性。结果 64例志愿者3 min的ECG与PPG心率变异性参数比较,差异无统计学意义（P＞0.05）。经Pearson相关性分析发现,PPG检测SDNN、RMSSD、LF/HF与ECG各指标呈正相关（SDNN:r=0.999,P＜0.001;RMSSD:r=0.998,P＜0.001;LF/HF:r=0.998,P＜0.001）;经可靠性分析发现,PPG用于检测健康人群心率变异性与ECG一致性较高（ICC=0.915,95% CI:0.878~0.943,P＜0.001）。结论 健康人群自主呼吸状态下光电容积脉搏波法可用于心率变异性的检测,临床上有较好的应用价值。     

基于DTCWT和cICA的光电容积脉搏波运动干扰消除算法

目的:随着穿戴医疗设备普遍被接受,在利用光电容积脉搏波描记法(PPG)测量血氧、心率等生理参数时,运动干扰与脉搏信号频率混叠问题尤为突出,为了在日常活动状态下得到准确的生理参数,消除运动干扰是最为重要的手段。方法:提出了一种基于双树复小波变换(DTCWT)和约束独立成分分析(cICA)的组合算法消除运动干扰。首先用DTCWT将含有运动干扰的两路(红光和红外)PPG信号分解为若干不同频带的分量;然后通过cICA方法,提取感兴趣的脉搏成分;最后通过最小均方误差自适应滤波器实现两路PPG信号重建。结果:由DTCWT+cICA恢复的PPG波形得到的心率值与无运动干扰时基本一致,而血氧饱和度值也与无运动干扰时最接近。结论:与DTCWT和cICA相比,DTCWT和cICA组合算法能更有效地消除PPG中的运动干扰。实验结果验证了方法的可行性和有效性。     

指端光电容积脉搏波在循环功能动态监测中的意义

目的探讨指端光电容积脉搏波在循环功能动态监测中的意义。方法择期骨伤科手术治疗患者110例,其中男性69例,女性41例;年龄29～69岁。麻醉手术期间动态记录容积脉搏波变化,提取波峰形态和血流曲线上Y1、Y2、Y33个特征参数,观察并分析其变化规律。结果波形分为两类,主波峰Y1大致归为5种形态：锐锋1、锐锋2、前钝后锐峰、钝圆峰、前锐后钝峰,其动态变化与小动脉和微动脉的紧张性和弹性直接相关。Y1、Y2、Y33个特征参数值的动态变化在一定范围内与失血量及失血速度密切相关。结论①分析指端光电容积脉搏波峰形动态变化有助于评估人体小动脉和微动脉血管紧张性和弹性,监测微循环血流灌注变化。②分析Y1、Y2、Y33个特征参数值的动态变化有助于及时发现微循环血流灌注量减少,早期预测失血性休克的发生、发展,指导临床液体复苏治疗。     

基于体外实验的光电容积脉搏波信号检测及脉率特性

目的 借助体外循环实验系统的可控参数优势考察血流参数变化对脉率特性的影响。方法 建立一套搭载腕部体外模型的人体循环系统,通过分别改变心率、腕部流量、压力和系统顺应性等参数,从腕部模型中获取光电容积脉搏波信号,并提取脉率变异性的时域和频域指标。结果 心率、压力和系统顺应性的改变会引起脉博波形状的改变,但能够表明脉率变异性的时域指标NN50、PNN50数值为0,其他指标以及频域指标都处在极低值范畴。结论 在未有心率变异性时,心率、腕部流量、血压和系统顺应性等血流动力学变化未产生明显的脉率变异性。本研究可为临床在更便利的腕部采集设备加持下开展更多脉率变异性和心率变异性研究提供参考。     

体表胃电图慢波提取方法的比较研究

体表胃电图(electrogastrogram,EGG)具有幅值小、频率低和窄带宽的特点,并且极易受到心电、呼吸以及运动等干扰.文中对三种常用的EGG慢波的提取方法进行了比较,包括自适应滤波、小波多尺度分解和经验模态分解,并将三种方法分别应用于模拟的含噪EGG信号以及临床EGG慢波的提取.研究结果表明,三种方法各有优缺点,均能有效地提取出EGG信号中的慢波成分.与自适应滤波相比,小波多分辨率分解和经验模态分解获得了更高的信噪比和更低的重构方差.     

小波变换去除心电信号中呼吸信号干扰

目的 研究用小波变换去除心电图信号中呼吸信号的方法。方法 采用db4小波对采样频率为200Hz的心电图信号作离散小波变换的多层分解，并与呼吸信号的频率成分比较，发现呼吸信号分布在心电图信号分解后第8、9、10层细节中，去除这些成分和高频干扰，对剩下的分量重构。结果 比较成功地纠正了心电信号的基线，去除了低频呼吸信号的干扰。结论 小波变换的方法能够去除心电信号中的呼吸信号干扰。     

Continuous Wavelet Analysis as an Aid in the Representation and Interpretation of Electrogastrographic Signals

This paper presents an application of the continuous wavelet transform (CWT) in the analysis of electrogastrographic (EGG) signals. Due to the nonstationary nature of EGG signals, the CWT method, which uses multiresolution scaled windows, gives a better time-frequency resolution than the short-time Fourier transform, which uses a fixed window. Spike activity due to gastric contraction was investigated through experiments on dogs. During spike activity we observed an increase in magnitude of the slow wave and the appearance of a low frequency component with half the frequency of the slow wave. Studies of the EGG signals from the small intestine are also presented to investigate the hypothesis that its slow wave might be confounded with spike activity in the stomach due to the similarity of their frequency ranges. © 1998 Biomedical Engineering Society. PAC98: 0230-f, 8759Wc     

基于脑电小波分解的呼吸暂停自动检测方法

睡眠呼吸暂停是一种常见的睡眠呼吸紊乱,目前呼吸暂停的诊断主要依靠多导睡眠监测,但因其操作复杂、价格昂贵,且对使用环境要求较高,而难以实现家用普及。为此提出一种基于脑电信号小波分解的呼吸暂停自动检测方法。首先,对脑电信号进行4层小波分解,提取第2~4层细节系数;其次,在得到的细节系数绝对值中提取能量和方差两种特征;最后,建立k-近邻,支持向量机和随机森林等机器学习模型对特征进行分类。使用来自天津市胸科医院睡眠监测实验室30名受试的3 248个正常呼吸和呼吸暂停期间的脑电信号片段进行检测,结果显示,对呼吸暂停识别准确率、灵敏度、特异度分别达到93.85%、91.46%、96.27%,表明该方法可以实现呼吸暂停事件的高精度检测,有望用于呼吸暂停自动识别系统的设计,辅助医师进行呼吸暂停自动检测。     

Detection of Chondromalacia Patellae by Analysis of Intrinsic Mode Functions in Knee-Joint Vibration Signals

This paper presents the knee-joint vibration signal processing and pathological localization procedures using the empirical mode decomposition for patients with chondromalacia patellae. The artifacts of baseline wander and random noise were identified in the decomposed monotonic trend and intrinsic mode functions （IMF） using the modeling method of probability density function and the confidence limit criterion. Then, the fluctuation parts in the signal were detected by the signal method turning for count. The results demonstrated that the quality of reconstructed signal can be greatly improved, with the removal of the baseline wander （adaptive trend） and the Gaussian distributed random noise. By detecting the turn signals in the artifact-free signal, the pathological segments related to chondromalacia patellae can be effectively localized with the beginning and ending points of the span of turn signals.     

Powerline interference reduction in ECG signals using empirical wavelet transform and adaptive filtering

Abstract

Separating an information-bearing signal from the background noise is a general problem in signal processing. In a clinical environment during acquisition of an electrocardiogram (ECG) signal, The ECG signal is corrupted by various noise sources such as powerline interference (PLI), baseline wander and muscle artifacts. This paper presents novel methods for reduction of powerline interference in ECG signals using empirical wavelet transform (EWT) and adaptive filtering. The proposed methods are compared with the empirical mode decomposition (EMD) based PLI cancellation methods. A total of six methods for PLI reduction based on EMD and EWT are analysed and their results are presented in this paper. The EWT-based de-noising methods have less computational complexity and are more efficient as compared with the EMD-based de-noising methods.