專利名稱:一種提高呼吸率檢測準確性的方法
技術領域:
本發(fā)明涉及一種提高呼吸率檢測準確性的方法,尤其涉及一種利用經驗模態(tài)分解 方法對時域波形進行分解,然后找到與呼吸波對應的固有模態(tài)函數,從而去除干擾,提高呼 吸率檢測的準確性和穩(wěn)定性的方法。
背景技術:
基于阻抗測量的方法常被用于呼吸裝置獲得呼吸波信號。人體呼吸時,胸腔的阻 抗會隨著胸廓的起伏發(fā)生相應的變化,通過檢測阻抗的變化,就可以得到呼吸波。實際的 呼吸測量過程一般是借助貼在體表特定位置的電極,通過心電導聯(lián)線把胸腔的阻抗變化利 用高頻載波信號進行調制,然后經過一系列電路對這個載波信號進行放大、檢波、濾波等過 程,就可以得到模擬的呼吸信號,再經過A/D轉換得到數字的呼吸信號,最后運用呼吸算法 計算出呼吸率。平靜呼吸時,新生兒的呼吸率是30 70BPM(Beats Per Minute),成人的是12 20BPM,但是如果考慮異常情況,一般要求呼吸檢測范圍是8 120BPM,個別可高達150BPM。 于是可以得到呼吸率檢測范圍所對應的頻率為0. 125 2. 5Hz。目前市場上計算呼吸率的方法主要是波形法,通過尋找呼吸波形相鄰的有效波 峰、計算波形周期,從而得到呼吸率。雖然波形法的計算過程具有比較直觀的優(yōu)點,但在實 際臨床過程中發(fā)現(xiàn),當病人躁動導致波形紊亂時,經常有效波形周期找不準,導致計算錯 誤;當心動干擾嚴重導致正常呼吸波形疊加心動波形時,波形法不能正確區(qū)分心動干擾波 形和呼吸波,從而存在呼吸率計算錯誤的風險;同時在出現(xiàn)肢體運動干擾并引起基線漂移 時,由于波形法需要通過基線來判斷波峰、波谷,因此波形法可能出現(xiàn)呼吸波的漏識別???之,如果不對這些干擾進行消除,利用波形法計算呼吸率最終會導致呼吸測量的不準確和 不穩(wěn)定。
發(fā)明內容
本發(fā)明的目的是為了克服波形法不能正確區(qū)分干擾波形和呼吸波的不足,容易導 致呼吸率計算錯誤的風險,提出了一種準確性高、穩(wěn)定性好的呼吸率檢測方法。為了準確地從受擾的呼吸數據中提取呼吸波,本發(fā)明的構思是通常波形法在計 算呼吸率時,都是首先通過濾波的方法消除頻帶外的干擾,然后對濾波后的呼吸波從波形 上進行識別,通過設置不同的判斷條件,進行干擾的剔除,由于波形法是從呼吸波的形狀上 進行呼吸率的計算,而躁動和心動干擾已經使呼吸波雜亂和異常,因此通過設置一些判斷 條件仍然難于實現(xiàn)對呼吸率的準確計算,如果能從原始的呼吸數據中區(qū)分出干擾和呼吸信 號,然后再利用波形法對呼吸信號進行計算,將使呼吸率的計算非常準確。為了實現(xiàn)上述的目的,本發(fā)明采用以下技術方案通過呼吸硬件電路獲得數字的呼吸信號,然后利用高通和低通濾波技術對其進行 預處理;
對預處理后的呼吸數據進行經驗模態(tài)分解;根據呼吸信號的生理特征進行固有模態(tài)函數(對應此時的呼吸信號)的選?。粚Λ@得的固有模態(tài)函數進行呼吸窒息的判斷;利用波形法或頻譜法對呼吸波進行分析,計算出此時的呼吸率;根據歷史的呼吸率和當前的呼吸率進行加權平均,計算出當前的呼吸率。假設呼吸數據的時間序列為x(t),上述經驗模態(tài)分解包括以下步驟找出呼吸數據x(t)所有的極大值點和極小值點;利用三次樣條函數分別擬合為 原始呼吸數據序列的上、下包絡線;對上、下包絡線求其平均值得到平均包絡線M1 (t);將原 呼吸數據序列減去M1 (t),得到1個去掉低頻成分的新的數據序列D1 (t),即D1Ct) = χ(t)-M1Ct)D1W不一定是一個平穩(wěn)數據序列,需要重復上述過程進行處理。SD1U)的平均 包絡為M11 (t),則去除包絡線所代表的低頻成分后的數據序列D11 (t)為D11 (t) = D1U)-M11 (t)重復上述過程,使所得到的平均包絡趨于零,這樣得到第一個固有模態(tài)分量 (Intrinsic Mode Function,IMF)F1 (t)。它表示呼吸數據序列中最高頻的成分;用χ⑴減去F1⑴,得到1個去掉高頻成分的新數據序列R1⑴,對R1⑴再按照 上述步驟進行處理,得到第二個IMF分量F2 (t);如此重復,直到最后一個數據序列Rn (t)不 可再分解為止。上述固有模態(tài)函數(對應此時的呼吸信號)的選取,包括以下步驟通過上面經驗模態(tài)分解,可以把呼吸信號χ (t)分解成η個IMF分量F1 (t)和一個 剩余分量Rn(t),其中分解出的η個分量Fi (t)分別包含了呼吸信號從高頻到低頻的不同頻 率段成分,而剩余分量Rn(t)是原始信號的中心趨勢值。根據呼吸信號的生理特征,選擇第 r個IMF分量FJt)作為從原始信號x(t)中提取出的呼吸信號。上述呼吸窒息的判斷包括以下步驟對模態(tài)函數(對應此時的呼吸信號)選取獲得的呼吸信號通過取絕對值,然后求 平均,再與給定的窒息閾值條件進行比較,當該平均值小于窒息閾值一定時間,則判為窒 息,否則進行呼吸率的計算。上述利用波形法或頻譜法對呼吸波進行分析,計算出此時的呼吸率,包括以下步 驟如果不滿足窒息判斷條件,對獲得的呼吸信號可以在時域內利用波形法進行呼吸 率的計算;或者在頻域內利用傅立葉變換或線性調頻Z變換進行頻譜分析,最高頻譜峰值 所對應的頻率即為呼吸的頻率,由于利用經驗模態(tài)分解去除了高頻的干擾,所以提取出的 呼吸信號所對應的頻譜峰值最高,而最高頻譜峰值之外的頻譜峰值將非常低。上述根據歷史的呼吸率和當前的呼吸率進行加權平均計算,是對獲得的呼吸率與 歷史呼吸率進行加權平均,得到當前呼吸率的值?;诮涷災B(tài)分解的時頻分析方法既適合于非線性、非平穩(wěn)信號的分析,也適合 于線性、平穩(wěn)信號的分析,而且經驗模態(tài)分解所得的各個模態(tài)函數能較好地反映信號的物 理意義。本發(fā)明利用了經驗模態(tài)分解的固有優(yōu)點,首先把呼吸信號原始數據分解成干擾信 號和呼吸信號,然后利用波形法或頻譜法對呼吸信號進行分析,從而計算出呼吸率。該方法能較好地消除躁動、心動和肢體運動引起的干擾,從源頭上對信號進行了區(qū)分,與目前的呼 吸率計算方法在處理方式上有很大的不同。這樣首先通過提取出呼吸信號,再與目前計算 呼吸率的方法結合,能較好地提高呼吸率計算的抗干擾能力,和提高呼吸率計算的準確性 和穩(wěn)定性。采用上述的技術方案,可以有效地從躁動干擾、心動干擾的呼吸波中提取出呼吸 信號。經驗模態(tài)分解的方法可以較好地提取信號的不同特征,然后對感興趣的特征進行重 點分析,有效克服了波形法和頻譜法直接對含有干擾的呼吸信號進行處理的缺點,再引入 歷史呼吸率的加權平均,可以提高呼吸檢測的抗干擾性,從而使呼吸率計算穩(wěn)定和可靠。
圖1為本發(fā)明的流程圖;圖2是正常呼吸的呼吸數據;圖3是本發(fā)明從正常呼吸數據中提取出的呼吸波的結果圖;圖4是利用線性調頻Z變換對正常的呼吸數據提取出的呼吸波進行計算,獲得的 呼吸率的結果圖;圖5是呼吸中含有較大的心動干擾的呼吸數據;圖6是本發(fā)明從含有較大的心動干擾的呼吸數據中提取出的呼吸波的結果圖;圖7是利用線性調頻Z變換對含有心動干擾的呼吸數據提取出的呼吸波進行計 算,獲得的呼吸率的結果圖;圖8是病人躁動時獲得的呼吸數據;圖9是本發(fā)明在病人躁動時的呼吸數據中提取出的呼吸波的結果圖;圖10是利用線性調頻Z變換對含有躁動干擾的呼吸數據進行計算,獲得的呼吸率 的結果圖。
具體實施例方式下面結合附圖和具體實施例對本發(fā)明作進一步的詳細說明。用于呼吸信號測量的監(jiān)護設備主要包括上位機和下位機,下位機主要是通過硬件 電路來獲取呼吸數據,然后利用呼吸算法計算出呼吸率;上位機主要是接受來自下位機的 數據,然后顯示呼吸波形、呼吸率以及進行窒息報警。本發(fā)明的方法的計算流程如圖1所 示,其主要步驟包括首先利用高通和低通濾波對呼吸數據進行預處理。然后對預處理后的呼吸數據進 行經驗模態(tài)分解;其次根據呼吸信號的生理特征對分解得到的固有模態(tài)函數進行選??;再 對獲得的固有模態(tài)函數利用取絕對值,求平均的方法進行窒息的判斷,如果不滿足窒息判 斷的條件,則利用波形法或頻譜法計算出此時的呼吸率,由于呼吸容易受擾,為了進一步提 高呼吸率計算的準確性,把歷史的呼吸率和上一步計算的呼吸率進行加權平均,從而獲得 當前的呼吸率。本發(fā)明實例中涉及的呼吸波提取方法使用經驗模態(tài)分解的方法。其分解過程如 下第一步確定時間序列x(t)的所有局部極值點,然后將所有極大值點和所有極小 值點分別用三次樣條函數擬合,獲得兩條不同的曲線把所有極大值點和極小值點分別連接起來,得到X(t)的上、下包絡線,這樣就使得信號的所有數據點處于上、下包絡線之間。設 上、下包絡線的平均值為Hl1 (t)。第二步用信號x(t)減去Hi1 (t),它們的差記為Cl1U),理想情況下,(Mt)應該是 一個基本模態(tài)分量。然而,對非線性、非平穩(wěn)數據而言,包絡均值可能不同于真實的局部均 值,由于大多數波形都不是對稱的。因此通過一個篩選過程來獲得一個經驗模態(tài)分量,該過 程的主要作用主要有兩個一個是去除疊加波,二是使波形更加對稱。為了達到這個目的, 使Cl1 (t)作為待處理數據,重復第一步的過程,直到獲得一個基本的模態(tài)分量(t)。第三步從原始數據序列x(t)中分解出第一個基本模態(tài)分量1(0之后,用x(t) 減去(t),得到剩余序列巧(t) = χ (t) (t)。第四步JEr1U)作為一個新的序列,重復上述步驟,分別提取出第二,第三,直至 第η個基本模態(tài)分量。此時,rn(t)變成一個單調序列,其中不再包含任何模態(tài)的信息,所以 不能再進行上面的分解過程,它就是原始信號的余項,rn(t)代表數據序列x(t)的均值。上述過程可表示為Γι (t) = χ (t) -fi (t)r2 (t) = Γ! (t) -f2 (t).....................rn(t)=。⑴義⑴于是可得
ηx{t) = ^fXt)+ rn{t)其中每一個IMF分量都表示了信號的一個內在特征。IMF必須滿足兩個條件;對 于一列數據,極值點和過零點數目相等或至多相差一個點;在任意點,由局部極大值點構成 的包絡線和局部極小值點構成的包絡線的平均值為零?;诮涷災B(tài)分解的理論基礎,對于實際測量的呼吸信號本身的特點而言,呼吸 信號非常微弱,容易受擾,可以對呼吸信號進行經驗模態(tài)分解,獲得不同頻率成分的固有模 態(tài)成分,然后從這些固有模態(tài)分量中,選擇與呼吸波相對應的模態(tài),這可以根據實際測量選 擇,通過預處理后的呼吸波的模態(tài)比較穩(wěn)定。在獲得呼吸波的固有模態(tài)分量后,就可以對呼吸信號進行窒息判斷,為了使窒息 判斷準確可靠,可以對呼吸信號取絕對值,然后平均,最后與設置的窒息閾值進行比較,從 而實現(xiàn)對窒息的判斷。如果呼吸信號不滿足窒息判斷的條件,則可以通過如下的方法實現(xiàn)對呼吸率的計 算波形法是目前被廣泛用于呼吸率計算的方法,該方法簡單、直觀。如果呼吸波形比 較規(guī)則,那么該方法計算的呼吸率準確、可靠,但是如果呼吸波受躁動,心動和基線漂移等 的影響,則計算結果的可靠性將降低。利用經驗模態(tài)分解的方法去除了呼吸中的干擾,獲得 的呼吸波形比較規(guī)則,這時再利用波形法計算呼吸率將獲得穩(wěn)定和可靠的結果。頻譜法是 另一種計算呼吸率的方法,對單一頻率的信號進行頻譜分析,在該頻率處會出現(xiàn)一個頻譜 的最大峰值;對多個頻率疊加后所形成的復合信號進行頻譜分析,在各個頻率處的頻譜能 量都會出現(xiàn)一個局部極大值,在所有局部極大值中,最大的局部極大值所對應的頻率表示
7該頻率的信號在時域內疊加時最強?;陬l譜法的理論基礎,對獲得的呼吸信號可以在頻域內利用傅立葉變換或線性 調頻Z變換進行頻譜分析,最高頻譜峰值所對應的頻率即為呼吸的頻率,由于利用經驗模 態(tài)分解去除了高頻的干擾,所以提取出的呼吸信號所對應的頻譜峰值最高,這對呼吸率的 計算非常方便,本發(fā)明只使用線性調頻Z變換的方法計算呼吸率。為了進一步提高呼吸波的抗干擾能力,使用歷史的幾次呼吸率與當前呼吸率進行 加權平均,權值的選取可以根據歷史數據的重要程度進行設置,從而獲得當前呼吸率的計 算。為了更形象地說明該方法的計算效果,下面分別以實際臨床中對不同病人存取的 正常呼吸數據、含有心動干擾的呼吸數據,含有躁動干擾的呼吸數據為例,分別說明該方法 在處理不同類型呼吸數據時呼吸率計算的準確性。對于圖2所示的正常呼吸數據,呼吸波形規(guī)則、干擾較小,通過經驗模態(tài)分解后, 所得的與呼吸波對應的固有模態(tài)分量如圖3所示,該分量即為從原始呼吸數據中提取出 的呼吸波,從圖中可以看出,呼吸波的曲線非常光滑,消除了呼吸波上疊加的較小的高頻干 擾。對提取出的呼吸波,利用線性調頻Z變換計算呼吸率,如圖4所示,該呼吸波形在頻域 中有很集中的能量分布,圖4中星號處的頻譜能量是所有頻譜能量包絡的局部極大值中最 大的,把它所對應的頻率轉換成每分鐘的呼吸率,可以得到圖3所示的呼吸波的呼吸率。對于圖5所示的呼吸波,其中含有較大的心動干擾,利用經驗模態(tài)分解,可以獲得 呼吸波所對應的固有模態(tài)分量,如圖6所示,該分量去掉了心動干擾的影響,而且準確地反 映了呼吸波的變化規(guī)律。對提取出的呼吸波,利用線性調頻Z變換計算呼吸率,如圖7所 示,最高頻譜能量所對應的頻率,即為呼吸頻率,圖7中用星號標出了受心動干擾的呼吸波 的呼吸率,它形象地說明了經驗模態(tài)分解對于呼吸中含有心動干擾的呼吸率的計算所具有 的優(yōu)勢。對于圖8所示的呼吸波中含有躁動干擾的情況,雖然呼吸波形比較混亂,形狀也 不規(guī)則,但是利用經驗模態(tài)分解,還是可以提取出呼吸波的變化曲線,如圖9所示,從圖中 可以看出,與呼吸波對應的固有模態(tài),反映了呼吸波的變化規(guī)律。然后利用線性調頻Z變換 計算呼吸率,可以從頻域上非常容易地實現(xiàn)呼吸率的計算,圖10中星號所示的呼吸率即為 受躁動干擾的呼吸數據計算出的呼吸率,與實際情況非常吻合。通過上面的實例可以說明當人體正常呼吸,呼吸波形比較規(guī)則,呼吸率的計算相 對比較容易;但是當呼吸波受心電干擾,或者呼吸受人體躁動干擾,如果不消除呼吸中的這 些干擾,直接用波形法計算呼吸率,會引起呼吸率計算產生誤差。利用經驗模態(tài)分解的方 法,首先對呼吸信號進行提取,然后再利用波形法或頻譜法計算呼吸率,將獲得比較準確的 計算結果。本發(fā)明還加入了用歷史呼吸率的數據與當前呼吸率進行加權平均的方法計算當 前呼吸率,從而使呼吸率的計算結果更為穩(wěn)定和可靠。
權利要求
1.一種提高呼吸率檢測準確性的方法,包括以下步驟A、將獲得的數字呼吸信號進行濾波預處理;B、對預處理后的呼吸數據進行經驗模態(tài)分解;C、根據呼吸信號的生理特征進行固有模態(tài)函數的選?。籇、對獲得的固有模態(tài)函數進行呼吸窒息的判斷;E、利用波形法或頻譜法對呼吸波進行分析,計算出此時的呼吸率;F、根據歷史的呼吸率和當前的呼吸率進行加權平均計算出當前的呼吸率。
2.根據權利要求1所述的一種提高呼吸率檢測準確性的方法,其特征在于,所述的濾 波預處理包括高通和低通濾波的預處理。
3.根據權利要求1所述的一種提高呼吸率檢測準確性的方法,其特征在于,所述的經 驗模態(tài)分解,首先找出呼吸數據x(t)所有的極大值點和極小值點;利用三次樣條函數分 別擬合為原始呼吸數據序列的上、下包絡線;對上、下包絡線求其平均值得到平均包絡線 M1 (t);將原呼吸數據序列減去M1 (t),得到一個去掉低頻成分的新的數據序列D1 (t),即D1 ⑴=χ (t)-M1WiDi(t)不是一個平穩(wěn)數據序列時,需要重復進行處理;SD1 (t)的平均包絡為Mn(t), 則去除包絡線所代表的低頻成分后的數據序列D11 (t),即D11 (t) = D1 (t)-Mn(t)重復上述過程,使所得到的平均包絡趨于零,得到第一個固有模態(tài)分量F1 (t),其表示 呼吸數據序列中最高頻的成分;用χ (t)減去F1 (t),得到一個去掉高頻成分的新數據序列R1 (t),對R1 (t)再重復進行處 理,得到第二個IMF分量F2⑴;如此重復,直到最后一個數據序列&⑴不可再分解為止。
4.根據權利要求1所述的一種提高呼吸率檢測準確性的方法,其特征在于,所述固有 模態(tài)函數的選取,其根據呼吸信號的生理特征進行選擇;通過分解可以把呼吸信號x(t)分 解成η個IMF分量Fi⑴和1個剩余分量Rn(t),其中分解出的η個分量Fi(t)分別包含了 呼吸信號從高頻到低頻的不同頻率段成分,而剩余分量Rn(t)是原始信號的中心趨勢值。根 據呼吸信號的生理特征,選擇第r個IMF分量FJt)作為從原始信號x(t)中提取出的呼吸 信號。
5.根據權利要求1所述的一種提高呼吸率檢測準確性的方法,其特征在于,對獲得的 固有模態(tài)函數進行呼吸窒息的判斷,先進行取絕對值,然后平均,最后與窒息閾值比較,從 而實現(xiàn)對窒息的判斷,當該平均值小于窒息閾值一定時間,則判為窒息,否則進行呼吸率的 計算;對獲得的呼吸信號可以在時域內利用波形法進行呼吸率的計算;或者在頻域內利用 傅立葉變換或線性調頻Z變換進行頻譜分析,最高頻譜峰值所對應的頻率即為呼吸的頻 率。
6.根據權利要求1所述的一種提高呼吸率檢測準確性的方法,其特征在于,利用波形 法或頻譜法對呼吸波進行分析,在對呼吸率進行計算時,可使用波形法或頻譜法進行計算。
7.根據權利要求6所述的一種提高呼吸率檢測準確性的方法,其特征在于,對呼吸率 進行計算的頻譜法包括傅立葉變換和線性調頻Z變換。
8.根據權利要求1所述的一種提高呼吸率檢測準確性的方法,其特征在于,根據歷史 的呼吸率和當前的呼吸率進行加權平均計算呼吸率時,對利用波形法或頻譜法計算獲得的呼吸率,與歷史的呼吸率進行加權平均,獲得當前的呼吸率。
全文摘要
本發(fā)明公開了一種提高呼吸率檢測準確性的方法。首先利用高通和低通濾波對呼吸數據進行預處理;然后對預處理后的呼吸數據進行經驗模態(tài)分解;其次根據呼吸信號的生理特征對分解得到的固有模態(tài)函數進行選??;再對獲得的固有模態(tài)函數利用取絕對值,求平均的方法進行窒息的判斷,如果不滿足窒息判斷的條件,則利用波形法或頻譜法計算出此時的呼吸率。采用上述的技術方案,可以有效地從躁動干擾、心動干擾的呼吸波中提取出呼吸信號。經驗模態(tài)分解的方法有效克服了波形法和頻譜法直接對含有干擾的呼吸信號進行處理的缺點,最后再引入歷史呼吸率的加權平均,可以提高呼吸檢測的抗干擾性,使呼吸率計算穩(wěn)定和可靠。
文檔編號A61B5/08GK101991418SQ20091016279
公開日2011年3月30日 申請日期2009年8月14日 優(yōu)先權日2009年8月14日
發(fā)明者王敏, 謝錫城, 陳鎏 申請人:深圳市理邦精密儀器股份有限公司