一种血氧仪测试呼吸率的方法技术

本申请公开了一种血氧仪测试呼吸率的方法，包括以下步骤：步骤一、血氧仪采集得到血氧光密度信号，获取脉搏率；步骤二、将血氧光密度信号的频谱从0Hz到脉搏率的1/2之间等分成若干个频率段，频率段中保留N个采样点；去除频率段中不包含极大值点的频率段；步骤三、将频率段N个采样点的频率数据扩展为：N个采样点的频率数据加N个采样点的频率与脉搏率比值数据共2N个数据；步骤四、将步骤三得到的2N个数据作为神经网络模型的输入，输入经测试样本训练得到的多层神经网络；步骤五、神经网络模型输出0或1，对应输出1的频率段中的极大值点对应的频率即为呼吸率。率即为呼吸率。率即为呼吸率。

【技术实现步骤摘要】
一种血氧仪测试呼吸率的方法


[0001]本申请涉及一种血氧仪测试呼吸率的方法，属于有源医疗器械


技术介绍

[0002]呼吸率是指人呼吸的频率(单位：次/分)，人的正常呼吸率为12
‑
20/分。人在平静状态下，如果呼吸率不在正常范围内，人的健康可能出现问题。引起呼吸率异常的因素，与呼吸、循环、神经等系统健康相关，应引起人们重视。目前对呼吸率的测量主要是根据胸、腹的起伏肉眼观察，或者通过相同原理的仪器来测量，但这样的测量都不太方便，要在医院进行。如果人们能够在家里测量自己的呼吸率，这将便于人们随时了解自己的相关健康状况。

技术实现思路

[0003]本申请要解决的技术问题是如何利用血氧仪测试呼吸率。
[0004]为了解决上述技术问题，本申请的技术方案是提供了一种血氧仪测试呼吸率的方法，其特征在于，包括以下步骤：
[0005]步骤一、血氧仪采集得到血氧光密度信号，获取脉搏率；
[0006]步骤二、将血氧光密度信号的频谱从0Hz到脉搏率的1/2之间等分成若干个频率段，频率段中保留N个采样点；去除频率段中不包含极大值点的频率段；
[0007]步骤三、将频率段N个采样点的频率数据扩展为：N个采样点的频率数据加N个采样点的频率与脉搏率比值数据共2N个数据；
[0008]步骤四、将步骤三得到的2N个数据作为神经网络模型的输入，输入经测试样本训练得到的多层神经网络；
[0009]步骤五、神经网络模型输出0或1，对应输出1的频率段中的极大值点对应的频率即为呼吸率。
[0010]优选的，所述步骤二中，若频率段内采样点数小于N，通过插值补充完整N个采样点；若频率段内采样点数大于N，等间距地将多余采样点去除。
[0011]优选的，所述神经网络模型为多层神经网络，包括输入层、中间层和输出层，所述输入层设为2N个维度，所述中间层设为3N个维度，所述输出层设为1个维度；输入层到中间层的加权系数设为W
ij
，i∈1:2N，j∈1:3N；中间层到输出层的加权系数设为W
’
j
。
[0012]优选的，所述神经网络模型的神经元激活函数采用sigmoid函数；神经网络模型的训练学习采用误差反向传播BP算法，BP算法采用随机梯度下降算法；输出值强制为0或1。
[0013]优选的，所述输出值小于或等于0.5时，将输出值强制为0，大于0.5时，将输出值强制为1；1则表示这个频率段的极大值点对应的就是呼吸率，0则表示不是。
[0014]优选的，采用测试样本训练神经网络模型采用误差反向传播BP算法，随着误差的反向传播不断改变加权系数W
ij
和W
’
j
的值，当误差的均方根小于设定阈值时，停止学习训练，此时的加权系数W
ij
和W
’
j
的值为神经网络模型的最终值。
[0015]本申请提出的在测量血氧脉搏波基础上通过人工智能算法测量呼吸率的方法，只
需要一个指夹式血氧仪，就可以测量呼吸率，这是对指夹式血氧仪测量功能的拓展，呼吸率的相关人工智能运算及测量结果的显示，可以在血氧仪上直接进行，也可以将血氧脉搏波的数据即时传输给手机APP或其他终端后，在手机或其他终端进行。使得使用者很方便能够在家里测量自己的呼吸率，便于使用者随时了解自己的相关健康状况。
附图说明
[0016]图1是典型的血氧光密度信号的频谱示意图；
[0017]图2是0Hz附近可能为呼吸率的多个频谱峰值的频谱示意图；
[0018]图3是0Hz附近不同峰值运行神经网络模型的流程；
[0019]图4是本申请所采用的神经网络模型的结构示意图，其中，W
ij
和W
’
j
为模型参数。
具体实施方式
[0020]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0021]本实施例提供的是血氧仪测试呼吸率的方法，利用血氧仪测得的光密度信号(血液的光学性质信号)，通过光电转换器转换成血氧脉搏波信号，用于计算血氧饱和度和脉率，血氧脉搏波的包络就是呼吸信号，包络的频率就是呼吸率。
[0022]因此，要通过血氧脉搏波测量呼吸率，首先要提取血氧脉搏波的包络，再获取包络波形的频率，即呼吸率。呼吸率的获取一般有时域和频域两种方法，时域获取呼吸率一般是通过过零检测的方法，而频域获取呼吸率则是通过检测合理的峰值。由于血氧脉搏波光电测量特有的噪声遍布整个时域，包络往往会淹没于噪声中，这给呼吸率的提取增加了很多困难，因此，本申请采用频域分析的方法来提取血氧光密度信号包络的频率，也就是呼吸率。
[0023]典型的血氧光密度信号的频谱如图1所示，在0Hz附近信号较强，这是骨骼、肌肉等的直流信号；在1Hz附近有一个较为突出的峰值，这里对应脉搏率。根据血氧光密度信号测呼吸率的原理，呼吸率在频谱上也对应一个峰值。由于呼吸率大约是脉搏率的1/4，该峰值应该处于0
‑
1Hz之间且更靠近0Hz的位置。在实际测试中，频谱的0Hz附近往往会出现多个峰值，如图2所示，这是因为人体还会有其他接近于直流的生理信号以及其他噪声可能带来的影响。
[0024]如何在频谱的0Hz附近多个峰值中找到呼吸率所对应的峰值，进而得到呼吸率，是本申请要解决的问题。为此，本申请采用人工智能的神经网络算法技术，先通过大量血氧信号样本进行训练学习，通过误差反向扩散(BP)算法，最终得到一个人工神经网络的多层模型，通过该模型就可以判断出哪个峰值对应的脉率。
[0025]对于本申请的模型，首先要确定的是用什么作为神经网络输入信号。将血氧光密度信号的频谱从0Hz到脉搏率的1/2之间分成若干等份，如分成4等份，如果某一份中包含极大值点，就将该段波形作为模型的输入。例如，按照频率从小到大顺序第一等份、第二等份和第三等份分别包含一个极大值点，则这三个等份的数据分别作为神经网络的输入样本，
通过神经网络算法判断出哪一个等份的极大值点对应的是呼吸率。只要等份足够多，就能避免一个等份中出现两个或以上极大值点的情况。这是人的相关生理特性决定的，两个相邻极大值点不会离得很近，足够多的等份就可以保证一个等份中不会出现两个或以上极大值点。
[0026]模型的具体输入情况如下：将血氧光密度信号的频谱从0Hz到脉搏率的1/2之间分成M个频率段，由于不同的被测试者得到的脉搏率值不同，则不同被测试者在这M个频率段的每个频率段长度也不同；而系统对信号的采样率则是固定的，这就造成不被测试者在各频率段内的采样点数不一样。每个样本区段的采样点数与神经网络算法模型的输入点数是相关的，而神经网络的输入点数是固定的，这就要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种血氧仪测试呼吸率的方法，其特征在于，包括以下步骤：步骤一、血氧仪采集得到血氧光密度信号，获取脉搏率；步骤二、将血氧光密度信号的频谱从0Hz到脉搏率的1/2之间等分成若干个频率段，频率段中保留N个采样点；去除频率段中不包含极大值点的频率段；步骤三、将频率段N个采样点的频率数据扩展为：N个采样点的频率数据加N个采样点的频率与脉搏率比值数据共2N个数据；步骤四、将步骤三得到的2N个数据作为神经网络模型的输入，输入经测试样本训练得到的多层神经网络；步骤五、神经网络模型输出0或1，对应输出1的频率段中的极大值点对应的频率即为呼吸率。2.如权利要求1所述的一种血氧仪测试呼吸率的方法，其特征在于，所述步骤二中，若频率段内采样点数小于N，通过插值补充完整N个采样点；若频率段内采样点数大于N，等间距地将多余采样点去除。3.如权利要求1所述的一种血氧仪测试呼吸率的方法，其特征在于，所述神经网络模型为多层神经网络，包括输入层、中间层和输出层，所述输入层设为2N个维度，所述中间层设为3N个维度，所述输出层设为1个维度；输入层到中间层的加权系数设为W
ij...

【专利技术属性】
技术研发人员：尤剑鸣，沈盈廷，韩海洋，袁博，方岑贺，
申请(专利权)人：上海雍恩医疗器械有限公司，
类型：发明
国别省市：