一种基于脉搏波的中医肺藏司呼吸功能态势评估算法制造技术

本发明专利技术公开了一种基于脉搏波的中医肺藏司呼吸功能态势评估算法，具体涉及呼吸评估算法领域，包括，步骤1、脉搏信号的采集，通过可穿戴设备载体中的光电容积脉搏波描记法传感器采集人体原始信号，将其传输到算法服务器中的信号处理模块；步骤2、信号预处理模块，通过FIR带通滤波器，设置上限和下限截止频率，过滤高频干扰和压力变化时肌源性应答干扰以及体温调节机制干扰；步骤3、信号分解模块，采用集合经验模态分解代码EEMD(EnsembelEmpiricalModeDecomposition)，解决EMD方法中的模态信号混叠现象，把不平稳的信号分解成一组固有模态函数IMFs，EEMD在上述EMD的基础上进行的改进，EEMD通过在原始信号上加入n次白噪声，每次加入噪声后进行EMD处理，最后求对应IMF的总体平均值。最后求对应IMF的总体平均值。

【技术实现步骤摘要】
一种基于脉搏波的中医肺藏司呼吸功能态势评估算法


[0001]本专利技术涉及呼吸评估算法
，更具体地说，本专利技术涉及一种基于脉搏波的中医肺藏司呼吸功能态势评估算法。

技术介绍

[0002]中医肺藏司呼吸功能是指肺藏具有主管呼吸之气，能够通过呼吸运动，吸入自然界的清气，呼出体内的浊气，实现体内外气体交换的生理功能，对应于现代生物医学的呼吸系统在神经体液的调节下进行外呼吸的过程。光电容积脉搏波描记法(PPG)是利用光电技术检测经过人体血液和组织吸收后的透射或反射光强度的不同，描记出血管容积在心跳周期内的变化，从而得到脉搏波，早在1992年，Lindberg就首次提出PPG信号中调制了呼吸引起的强度变化，并且还发现这种强度变化与呼吸频率相关。在后续的各种研究中指出，呼吸运动在血液容积变化的调制，其频率与呼吸频率相同，一般为0.19Hz～0.40Hz之间。通过一系列滤波、时频域分析，可以从中提取到呼吸波形进而进一步提取如呼吸频率、吸，呼气时间等特征。用以构建数学模型来反映肺藏司呼吸功能态势。
[0003]现有技术方案：当前主流的技术方案有以下两种，一种是鼻声反射(acoustic rhinometry，AR)联合鼻阻力(rhinomanometry，RMM)，这是应用于临床的一种反映鼻腔通气状况客观检测方法，另一种是利用各种压力传感器如压电陶瓷传感器通过测量呼吸时人体躯干的起伏动作带来的压力变化，进而导出呼吸波形。前者需要有专业的检测设备，只适用于临床上使用，后者的实施例(如拉力传感器腰带，微动压电传感器睡垫等)在使用体验，情景上有较大的限制。而光电容积脉搏波描记法，并不需要复杂并昂贵的仪器设备，且操作简便、性能稳定，具有低侵入性和强适应性等诸多优点，更适用于长时间的健康监护。

技术实现思路

[0004]为了克服现有技术的上述缺陷，本专利技术的实施例提供一种基于脉搏波的中医肺藏司呼吸功能态势评估算法，通过处理原始PPG信号，从单路信号中去除其他信号干扰，提取出呼吸信号，并进行特征值的提取，最后利用特征值构建肺藏司呼吸功能的自动化评估算法模型，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：包括脉搏信号采集模块、信号预处理模块、信号分解模块、信号分解重构模块、信号分割模块、特征提取模块、评估模块、构建训练模块、算法应用模块，其特征在于，具体步骤如下：
[0006]步骤1、脉搏信号的采集，通过可穿戴设备载体中的光电容积脉搏波描记法传感器采集人体原始信号，将其传输到算法服务器中的信号处理模块；
[0007]步骤2、信号预处理模块，通过FIR带通滤波器，设置上限和下限截止频率，过滤高频干扰和压力变化时肌源性应答干扰以及体温调节机制干扰；
[0008]步骤3、信号分解模块，采用集合经验模态分解代码EEMD(Ensembel Empirical Mode Decomposition)，解决EMD方法中的模态信号混叠现象，把不平稳的信号分解成一组
固有模态函数IMFs，EEMD是在上述EMD的基础上进行的改进，EEMD通过在原始信号上加入n次白噪声，每次加入噪声后进行EMD处理，最后求对应IMF的总体平均值；
[0009]步骤4、信号重构模块，绘制固有模态函数IMF及其频域图，根据呼吸信号的特性与频谱，从中选取1Hz及以下的频率的IMF函数，重构呼吸波信号，若IMF4～IMF8均为1Hz及以下的信号，则由脉搏波信号分解重构出的呼吸波表达式F(x)如下式，
[0010]F(x)＝IMF4+IMF5+...+IMF8；
[0011]步骤5、信号分割模块，对呼吸波信号采用增量合并分割IMS算法，检测波峰波谷点特征点，同时去除伪影的干扰，最后得到数据段参数；
[0012]步骤6、提取特征模块，先从呼吸波形中提取呼吸频率和呼吸周期特征参数，然后在平面直角坐标系中绘制Poincare散点图，最后从散点图中提取长轴、短轴、面积、原点距离特征；
[0013]步骤7、评估模块，根据反映肺藏呼吸功能态势的调查问卷，选取500例阳性，500例阴性，专家对相应实验对象进行分析并进行最终的肺藏呼吸功能态势的评估打分；
[0014]步骤8、构建并训练算法，根据前面收集的数据集，构建并训练XGBoost算法模型；
[0015]步骤9：算法应用，导出上述模型，应用到工程上自动评估肺藏司呼吸功能态势。
[0016]在一个优选地实施方式中，所述步骤2上限截止频率为10Hz，主要为了过滤工频干扰在内的高频干扰等，下限截止频率为0.03Hz，主要为了过滤压力变化时肌源性应答以及体温调节机制，采样频率为100Hz，FIR滤波器的表达式如下所示：
[0017][0018]其中，x(n)为输入信号，h(n)为FIR滤波系数，y(n)为经过滤波后的信号，N为FIR滤波器的抽头数，滤波器阶数为N
‑
1。
[0019]在一个优选地实施方式中，步骤2中，可以采取巴特沃斯(Butterworth)或贝塞尔(Bessel)带通滤波器。
[0020]在一个优选地实施方式中，所述步骤3中的EMD算法步骤如下，
[0021]步骤301、找出原始信号s(t)的所有局部极值点；
[0022]步骤302、采用三次样条插值方法拟合出原始信号的上下极值包络线，求和计算出均值包络线，得到包络函数，记为m(t)；
[0023]步骤303、计算得到差值函数h(t)＝s(t)
‑
m(t)；
[0024]步骤304、判断差值函数是否满足IMF函数要求，当极值点数量与过零点数量相差值≤1，局部极大值所形成的包络与局部极小值形成的包络的平均值为零，若满足，则记IMF函数r(t)＝和(t)，若不满足，则以差值函数为基础信号重复以上301～304步骤，直到满足IMF函数要求，得到一个IMF函数r(t)；
[0025]步骤305、计算剩余的IMF函数，令z(t)＝s(t)
‑
r(t)为新的原始信号，重复上面步骤，直到余量为一个常函数或者一个单调函数；
[0026]步骤306、最后去除前面增长的两端冗余，原始信号s(t)经过分解后可以表示如下：
[0027][0028]在一个优选地实施方式中，所述步骤3中，可以采取小波变换进行8尺度小波分解，对1尺度采用wden函数进行软阈值处理，消除肌点干扰，对2尺度的小波采用wden函数进行硬阈值处理去除工频干扰。
[0029]在一个优选地实施方式中，所述步骤5中，在峰值检测上，可以利用信号的一阶导数，分别找到一阶导数的两个过零点，并结合相关系数的计算来检测伪影，进而求得峰值点。
[0030]在一个优选地实施方式中，所述步骤8中，XGBoost算法模型，能被随机森林、TabNet模型替换。
[0031]本专利技术的技术效果和优点：本专利技术通过PPG信号提取脉搏及FIR带通滤波器，过滤工频干扰在内的高频干扰等，过滤压力变化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脉搏波的中医肺藏司呼吸功能态势评估算法，依赖PPG传感器、算法服务器和设备载体实现，包括脉搏信号采集模块、信号预处理模块、信号分解模块、信号分解重构模块、信号分割模块、特征提取模块、评估模块、构建训练模块、算法应用模块，其特征在于，具体步骤如下：步骤1、脉搏信号的采集，通过可穿戴设备载体中的光电容积脉搏波描记法传感器采集人体原始信号，将其传输到算法服务器中的信号处理模块；步骤2、信号预处理模块，通过FIR带通滤波器，设置上限和下限截止频率，过滤高频干扰和压力变化时肌源性应答干扰以及体温调节机制干扰；步骤3、信号分解模块，采用集合经验模态分解代码EEMD(Ensembel Empirical Mode Decomposition)，解决EMD方法中的模态信号混叠现象，把不平稳的信号分解成一组固有模态函数IMFs，EEMD在上述EMD的基础上进行的改进，EEMD通过在原始信号上加入n次白噪声，每次加入噪声后进行EMD处理，最后求对应IMF的总体平均值；步骤4、信号重构模块，绘制固有模态函数IMF及其频域图，根据呼吸信号的特性与频谱，从中选取1Hz及以下的频率的IMF函数，重构呼吸波信号，若IMF4～IMF8均为1Hz及以下的信号，则由脉搏波信号分解重构出的呼吸波表达式F(x)如下式，F(x)＝IMF4+IMF5+...+IMF8；步骤5、信号分割模块，对呼吸波信号采用增量合并分割IMS算法，检测波峰波谷点特征点，同时去除伪影的干扰，最后得到数据段参数，在峰值检测上，可以利用信号的一阶导数，分别找到一阶导数的两个过零点，并结合相关系数的计算来检测伪影，进而求得峰值点；步骤6、提取特征模块，先从呼吸波形中提取呼吸频率和呼吸周期特征参数，然后在平面直角坐标系中绘制Poincare散点图，最后从散点图中提取长轴、短轴、面积、原点距离特征；步骤7、评估模块，根据反映肺藏呼吸功能态势的调查问卷，选取500例阳性，500例阴性，专家对相应实验对象进行分析并进行最终的肺藏呼吸功能态势的评估打分；步骤8、构建并训练算法，根据前面收集的数据集，构建并训练XGBoost算法模型；步骤9：算法应用，导出上述模型，应用到工程上自动评估肺藏司呼吸功能态势。2.根据权利要求1所述的一种基于脉搏波的中医肺藏司呼吸功能态势评估算法，其特征在于：所述步骤2上限截止频率为10Hz，主要为了过滤工频干扰在内的高频干扰等，下限截止频率为0.03Hz，主要为了过滤压力变化时肌源性应答以及体温调节机制，采样频率为100Hz，FIR滤波器的表达式如下所示：其中，x(n)为输入信号，h(n)为FIR滤波系数，y(n)为经过滤波后的信号，N为FIR滤波器的抽头数，滤波器阶数为N
‑
1。3.根据权利要求1所述的一种基于脉搏波的中医肺藏司呼吸功能态势评估算法，其特征在于：步骤2中，可以采取巴特沃斯(Butterworth)或贝塞尔(Bessel)带通滤波器。4.根据权利要求1所述的一...

【专利技术属性】
技术研发人员：唐子翔，罗铁清，钟佳良，石胜源，
申请(专利权)人：湖南云医链生物科技有限公司，
类型：发明
国别省市：