一种基于人工智能的心率检测方法技术
【技术实现步骤摘要】
一种基于人工智能的心率检测方法
本专利技术属于医学及生理信号检测与分析
，具体涉及一种基于人工智能的心率检测方法。
技术介绍
心率是人体的重要生理参数，可以衡量一个人的心脏是否正常。相比于临床上使用的心电波方法，利用光电容积脉搏波提取心率不仅解决了传统检测方法笨重、不方便等问题，而且能够在较长时间内无创的连续进行心率检测。但是在脉搏信号采集时，由于受到电路噪声、环境干扰、其他电磁干扰、运动伪迹和人体差异性等方面的影响，微弱的脉搏波信号常会淹没在各种不同的噪声和干扰中。由于脉搏波信号的复杂性和易受干扰性，如何提取有效脉搏信息是实现精确脉搏识别和获得准确心率的关键。常用的脉搏信号识别算法主要有应用主成分分析方法、神经网络方法、支持向量机、决策树、模糊理论、模板匹配等。虽然上述分类方法的思想不同，但都会涉及同一个问题--相似性度量方法。对于生物电信号，由于人体的差异性、电路噪声干扰和采集环境的影响，采用单一属性，如相关系数或距离等来对波形进行分类，存在精确度和可靠性缺陷。此外随着健康手环、手表等便携产品的普及和应用，上述方法复杂度高，脉搏波识别和心率测量无法做到实...
【技术保护点】
一种基于人工智能的心率检测方法，其特征在于，包括以下步骤：P1：分别采集底噪信号和用户光电容积脉搏波PPG样本信号，并对采集的信号进行时域和频域统计分析；P2：对P1采集的光电容积脉搏波PPG样本信号进行预处理；P3：对P2预处理后的信号，记为S2信号，进行波形匹配和分类，区分判断采集的信号是否为人体PPG信号；如若P3检测的信号为人体PPG信号，则执行下一步骤；如若不是则进行调整或停止采集；P4：如若P3检测的信号为人体PPG信号，则判断是否为有效的人体脉搏波信号，如果是则计算S2信号波形的峰值点，然后根据峰值点间隔获得脉搏波周期，计算心率值。
【技术特征摘要】
1.一种基于人工智能的心率检测方法，其特征在于，包括以下步骤：P1：分别采集底噪信号和用户光电容积脉搏波PPG样本信号，并对采集的信号进行时域和频域统计分析；P2：对P1采集的光电容积脉搏波PPG样本信号进行预处理；P3：对P2预处理后的信号，记为S2信号，进行波形匹配和分类，区分判断采集的信号是否为人体PPG信号；如若P3检测的信号为人体PPG信号，则执行下一步骤；如若不是则进行调整或停止采集；P4：如若P3检测的信号为人体PPG信号，则判断是否为有效的人体脉搏波信号，如果是则计算S2信号波形的峰值点，然后根据峰值点间隔获得脉搏波周期，计算心率值。2.根据权利要求1所述的基于人工智能的心率检测方法，其特征在于，对P1采集的底噪信号和用户光电容积脉搏波PPG样本信号的时域统计分析包括信噪比S/N、峰峰值、脉搏波K系数、均值和方差分析；频域统计分析采用快速傅里叶变换FFT，以获得底噪和用户PPG样本信号的频谱、频率范围和频率成分。3.根据权利要求1所述的基于人工智能的心率检测方法，其特征在于，P2中的预处理包括去除工频干扰、肌电干扰和基线漂移，采用的方法包括巴特沃斯滤波器滤波、陷波器滤波和小波多尺度去噪。4.根据权利要求1所述的基于人工智能的心率检测方法，其特征在于，在P3中区分判断采集的信号是否为人体PPG信号是基于多属性的波形相似性度量算法，采用综合模糊隶属度作为噪声和信号波形的分类依据，综合模糊隶属度定义为每种属性的权重之和，每种属性的权重通过先验学习和训练获得；所述调整包括信号采集时按压力度的调整和放大增益倍数的调整。5.根据权利要求4所述的基于人工智能的心率检测方法，其特征在于，所述基于多属性的波形相似性度量算法包括如下步骤：1）计算S2信号与底噪、S2信号与用户PPG样本的相关系数：具体为对S2信号做归一化处理，然后进行S2信号的自相关运算，在自相关运算基础上做互相关运算，获得S2信号与底噪、S2信号与用户PPG样本的相关系数；2）计算S2信号的峰峰值、信噪比S/N、均值、方差、脉搏波K系数等统计参数；3）计算S2信号与底噪、S2信号与用户PPG样本信号之间的曼哈顿距离：具体为提取S2信号、用户PPG样本信号和环境噪声的峰值特征点，构成各自的峰值特征矢量，分别记为P1、P2、P3，然后计算P1和P2之间，P2和P3之间的曼哈顿距离；4）借鉴模糊...
【专利技术属性】
技术研发人员：邓峰，
申请(专利权)人：合肥芯福传感器技术有限公司，
类型：发明
国别省市：安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。