《一种提高呼吸率检测准确性的方法.pdf》由会员分享，可在线阅读，更多相关《一种提高呼吸率检测准确性的方法.pdf（12页完整版）》请在专利查询网上搜索。
1、10申请公布号CN101991418A43申请公布日20110330CN101991418ACN101991418A21申请号200910162797422申请日20090814A61B5/0820060171申请人深圳市理邦精密仪器股份有限公司地址518067广东省深圳市南山区蛇口南海大道1019号南山医疗器械园B栋三楼72发明人王敏谢锡城陈鎏74专利代理机构深圳市港湾知识产权代理有限公司44258代理人张雄哲54发明名称一种提高呼吸率检测准确性的方法57摘要本发明公开了一种提高呼吸率检测准确性的方法。首先利用高通和低通滤波对呼吸数据进行预处理；然后对预处理后的呼吸数据进行经验模态分解；其次。
2、根据呼吸信号的生理特征对分解得到的固有模态函数进行选取；再对获得的固有模态函数利用取绝对值，求平均的方法进行窒息的判断，如果不满足窒息判断的条件，则利用波形法或频谱法计算出此时的呼吸率。采用上述的技术方案，可以有效地从躁动干扰、心动干扰的呼吸波中提取出呼吸信号。经验模态分解的方法有效克服了波形法和频谱法直接对含有干扰的呼吸信号进行处理的缺点，最后再引入历史呼吸率的加权平均，可以提高呼吸检测的抗干扰性，使呼吸率计算稳定和可靠。51INTCL19中华人民共和国国家知识产权局12发明专利申请权利要求书2页说明书5页附图4页CN101991418A1/2页21一种提高呼吸率检测准确性的方法，包括以下步。
3、骤A、将获得的数字呼吸信号进行滤波预处理；B、对预处理后的呼吸数据进行经验模态分解；C、根据呼吸信号的生理特征进行固有模态函数的选取；D、对获得的固有模态函数进行呼吸窒息的判断；E、利用波形法或频谱法对呼吸波进行分析，计算出此时的呼吸率；F、根据历史的呼吸率和当前的呼吸率进行加权平均计算出当前的呼吸率。2根据权利要求1所述的一种提高呼吸率检测准确性的方法，其特征在于，所述的滤波预处理包括高通和低通滤波的预处理。3根据权利要求1所述的一种提高呼吸率检测准确性的方法，其特征在于，所述的经验模态分解，首先找出呼吸数据XT所有的极大值点和极小值点；利用三次样条函数分别拟合为原始呼吸数据序列的上、下包络。
4、线；对上、下包络线求其平均值得到平均包络线M1T；将原呼吸数据序列减去M1T，得到一个去掉低频成分的新的数据序列D1T，即D1TXTM1T当D1T不是一个平稳数据序列时，需要重复进行处理；若D1T的平均包络为M11T，则去除包络线所代表的低频成分后的数据序列D11T，即D11TD1TM11T重复上述过程，使所得到的平均包络趋于零，得到第一个固有模态分量F1T，其表示呼吸数据序列中最高频的成分；用XT减去F1T，得到一个去掉高频成分的新数据序列R1T，对R1T再重复进行处理，得到第二个IMF分量F2T；如此重复，直到最后一个数据序列RNT不可再分解为止。4根据权利要求1所述的一种提高呼吸率检测准。
5、确性的方法，其特征在于，所述固有模态函数的选取，其根据呼吸信号的生理特征进行选择；通过分解可以把呼吸信号XT分解成N个IMF分量FIT和1个剩余分量RNT，其中分解出的N个分量FIT分别包含了呼吸信号从高频到低频的不同频率段成分，而剩余分量RNT是原始信号的中心趋势值。根据呼吸信号的生理特征，选择第R个IMF分量FRT作为从原始信号XT中提取出的呼吸信号。5根据权利要求1所述的一种提高呼吸率检测准确性的方法，其特征在于，对获得的固有模态函数进行呼吸窒息的判断，先进行取绝对值，然后平均，最后与窒息阈值比较，从而实现对窒息的判断，当该平均值小于窒息阈值一定时间，则判为窒息，否则进行呼吸率的计算；对。
6、获得的呼吸信号可以在时域内利用波形法进行呼吸率的计算；或者在频域内利用傅立叶变换或线性调频Z变换进行频谱分析，最高频谱峰值所对应的频率即为呼吸的频率。6根据权利要求1所述的一种提高呼吸率检测准确性的方法，其特征在于，利用波形法或频谱法对呼吸波进行分析，在对呼吸率进行计算时，可使用波形法或频谱法进行计算。7根据权利要求6所述的一种提高呼吸率检测准确性的方法，其特征在于，对呼吸率进行计算的频谱法包括傅立叶变换和线性调频Z变换。8根据权利要求1所述的一种提高呼吸率检测准确性的方法，其特征在于，根据历史的呼吸率和当前的呼吸率进行加权平均计算呼吸率时，对利用波形法或频谱法计算获得的权利要求书CN1019。
7、91418A2/2页3呼吸率，与历史的呼吸率进行加权平均，获得当前的呼吸率。权利要求书CN101991418A1/5页4一种提高呼吸率检测准确性的方法技术领域0001本发明涉及一种提高呼吸率检测准确性的方法，尤其涉及一种利用经验模态分解方法对时域波形进行分解，然后找到与呼吸波对应的固有模态函数，从而去除干扰，提高呼吸率检测的准确性和稳定性的方法。背景技术0002基于阻抗测量的方法常被用于呼吸装置获得呼吸波信号。人体呼吸时，胸腔的阻抗会随着胸廓的起伏发生相应的变化，通过检测阻抗的变化，就可以得到呼吸波。实际的呼吸测量过程一般是借助贴在体表特定位置的电极，通过心电导联线把胸腔的阻抗变化利用高频载波。
8、信号进行调制，然后经过一系列电路对这个载波信号进行放大、检波、滤波等过程，就可以得到模拟的呼吸信号，再经过A/D转换得到数字的呼吸信号，最后运用呼吸算法计算出呼吸率。0003平静呼吸时，新生儿的呼吸率是3070BPMBEATSPERMINUTE，成人的是1220BPM，但是如果考虑异常情况，一般要求呼吸检测范围是8120BPM，个别可高达150BPM。于是可以得到呼吸率检测范围所对应的频率为012525HZ。0004目前市场上计算呼吸率的方法主要是波形法，通过寻找呼吸波形相邻的有效波峰、计算波形周期，从而得到呼吸率。虽然波形法的计算过程具有比较直观的优点，但在实际临床过程中发现，当病人躁动导致。
9、波形紊乱时，经常有效波形周期找不准，导致计算错误；当心动干扰严重导致正常呼吸波形叠加心动波形时，波形法不能正确区分心动干扰波形和呼吸波，从而存在呼吸率计算错误的风险；同时在出现肢体运动干扰并引起基线漂移时，由于波形法需要通过基线来判断波峰、波谷，因此波形法可能出现呼吸波的漏识别。总之，如果不对这些干扰进行消除，利用波形法计算呼吸率最终会导致呼吸测量的不准确和不稳定。发明内容0005本发明的目的是为了克服波形法不能正确区分干扰波形和呼吸波的不足，容易导致呼吸率计算错误的风险，提出了一种准确性高、稳定性好的呼吸率检测方法。0006为了准确地从受扰的呼吸数据中提取呼吸波，本发明的构思是通常波形法在计。
10、算呼吸率时，都是首先通过滤波的方法消除频带外的干扰，然后对滤波后的呼吸波从波形上进行识别，通过设置不同的判断条件，进行干扰的剔除，由于波形法是从呼吸波的形状上进行呼吸率的计算，而躁动和心动干扰已经使呼吸波杂乱和异常，因此通过设置一些判断条件仍然难于实现对呼吸率的准确计算，如果能从原始的呼吸数据中区分出干扰和呼吸信号，然后再利用波形法对呼吸信号进行计算，将使呼吸率的计算非常准确。0007为了实现上述的目的，本发明采用以下技术方案0008通过呼吸硬件电路获得数字的呼吸信号，然后利用高通和低通滤波技术对其进行预处理；说明书CN101991418A2/5页50009对预处理后的呼吸数据进行经验模态分解。
11、；0010根据呼吸信号的生理特征进行固有模态函数对应此时的呼吸信号的选取；0011对获得的固有模态函数进行呼吸窒息的判断；0012利用波形法或频谱法对呼吸波进行分析，计算出此时的呼吸率；0013根据历史的呼吸率和当前的呼吸率进行加权平均，计算出当前的呼吸率。0014假设呼吸数据的时间序列为XT，上述经验模态分解包括以下步骤0015找出呼吸数据XT所有的极大值点和极小值点；利用三次样条函数分别拟合为原始呼吸数据序列的上、下包络线；对上、下包络线求其平均值得到平均包络线M1T；将原呼吸数据序列减去M1T，得到1个去掉低频成分的新的数据序列D1T，即0016D1TXTM1T0017D1T不一定是一个。
12、平稳数据序列，需要重复上述过程进行处理。若D1T的平均包络为M11T，则去除包络线所代表的低频成分后的数据序列D11T为0018D11TD1TM11T0019重复上述过程，使所得到的平均包络趋于零，这样得到第一个固有模态分量INTRINSICMODEFUNCTION，IMFF1T。它表示呼吸数据序列中最高频的成分；0020用XT减去F1T，得到1个去掉高频成分的新数据序列R1T，对R1T再按照上述步骤进行处理，得到第二个IMF分量F2T；如此重复，直到最后一个数据序列RNT不可再分解为止。0021上述固有模态函数对应此时的呼吸信号的选取，包括以下步骤0022通过上面经验模态分解，可以把呼吸信号。
13、XT分解成N个IMF分量F1T和一个剩余分量RNT，其中分解出的N个分量FIT分别包含了呼吸信号从高频到低频的不同频率段成分，而剩余分量RNT是原始信号的中心趋势值。根据呼吸信号的生理特征，选择第R个IMF分量FRT作为从原始信号XT中提取出的呼吸信号。0023上述呼吸窒息的判断包括以下步骤0024对模态函数对应此时的呼吸信号选取获得的呼吸信号通过取绝对值，然后求平均，再与给定的窒息阈值条件进行比较，当该平均值小于窒息阈值一定时间，则判为窒息，否则进行呼吸率的计算。0025上述利用波形法或频谱法对呼吸波进行分析，计算出此时的呼吸率，包括以下步骤0026如果不满足窒息判断条件，对获得的呼吸信号可。
14、以在时域内利用波形法进行呼吸率的计算；或者在频域内利用傅立叶变换或线性调频Z变换进行频谱分析，最高频谱峰值所对应的频率即为呼吸的频率，由于利用经验模态分解去除了高频的干扰，所以提取出的呼吸信号所对应的频谱峰值最高，而最高频谱峰值之外的频谱峰值将非常低。0027上述根据历史的呼吸率和当前的呼吸率进行加权平均计算，是对获得的呼吸率与历史呼吸率进行加权平均，得到当前呼吸率的值。0028基于经验模态分解的时频分析方法既适合于非线性、非平稳信号的分析，也适合于线性、平稳信号的分析，而且经验模态分解所得的各个模态函数能较好地反映信号的物理意义。本发明利用了经验模态分解的固有优点，首先把呼吸信号原始数据分解。
15、成干扰信号和呼吸信号，然后利用波形法或频谱法对呼吸信号进行分析，从而计算出呼吸率。该方法说明书CN101991418A3/5页6能较好地消除躁动、心动和肢体运动引起的干扰，从源头上对信号进行了区分，与目前的呼吸率计算方法在处理方式上有很大的不同。这样首先通过提取出呼吸信号，再与目前计算呼吸率的方法结合，能较好地提高呼吸率计算的抗干扰能力，和提高呼吸率计算的准确性和稳定性。采用上述的技术方案，可以有效地从躁动干扰、心动干扰的呼吸波中提取出呼吸信号。经验模态分解的方法可以较好地提取信号的不同特征，然后对感兴趣的特征进行重点分析，有效克服了波形法和频谱法直接对含有干扰的呼吸信号进行处理的缺点，再引入。
16、历史呼吸率的加权平均，可以提高呼吸检测的抗干扰性，从而使呼吸率计算稳定和可靠。附图说明0029图1为本发明的流程图；0030图2是正常呼吸的呼吸数据；0031图3是本发明从正常呼吸数据中提取出的呼吸波的结果图；0032图4是利用线性调频Z变换对正常的呼吸数据提取出的呼吸波进行计算，获得的呼吸率的结果图；0033图5是呼吸中含有较大的心动干扰的呼吸数据；0034图6是本发明从含有较大的心动干扰的呼吸数据中提取出的呼吸波的结果图；0035图7是利用线性调频Z变换对含有心动干扰的呼吸数据提取出的呼吸波进行计算，获得的呼吸率的结果图；0036图8是病人躁动时获得的呼吸数据；0037图9是本发明在病人躁。
17、动时的呼吸数据中提取出的呼吸波的结果图；0038图10是利用线性调频Z变换对含有躁动干扰的呼吸数据进行计算，获得的呼吸率的结果图。具体实施方式0039下面结合附图和具体实施例对本发明作进一步的详细说明。0040用于呼吸信号测量的监护设备主要包括上位机和下位机，下位机主要是通过硬件电路来获取呼吸数据，然后利用呼吸算法计算出呼吸率；上位机主要是接受来自下位机的数据，然后显示呼吸波形、呼吸率以及进行窒息报警。本发明的方法的计算流程如图1所示，其主要步骤包括0041首先利用高通和低通滤波对呼吸数据进行预处理。然后对预处理后的呼吸数据进行经验模态分解；其次根据呼吸信号的生理特征对分解得到的固有模态函数进。
18、行选取；再对获得的固有模态函数利用取绝对值，求平均的方法进行窒息的判断，如果不满足窒息判断的条件，则利用波形法或频谱法计算出此时的呼吸率，由于呼吸容易受扰，为了进一步提高呼吸率计算的准确性，把历史的呼吸率和上一步计算的呼吸率进行加权平均，从而获得当前的呼吸率。0042本发明实例中涉及的呼吸波提取方法使用经验模态分解的方法。其分解过程如下0043第一步确定时间序列XT的所有局部极值点，然后将所有极大值点和所有极小值点分别用三次样条函数拟合，获得两条不同的曲线把所有极大值点和极小值点分别连接说明书CN101991418A4/5页7起来，得到XT的上、下包络线，这样就使得信号的所有数据点处于上、下包。
19、络线之间。设上、下包络线的平均值为M1T。0044第二步用信号XT减去M1T，它们的差记为D1T，理想情况下，D1T应该是一个基本模态分量。然而，对非线性、非平稳数据而言，包络均值可能不同于真实的局部均值，由于大多数波形都不是对称的。因此通过一个筛选过程来获得一个经验模态分量，该过程的主要作用主要有两个一个是去除叠加波，二是使波形更加对称。为了达到这个目的，使D1T作为待处理数据，重复第一步的过程，直到获得一个基本的模态分量F1T。0045第三步从原始数据序列XT中分解出第一个基本模态分量F1T之后，用XT减去F1T，得到剩余序列R1TXTF1T。0046第四步把R1T作为一个新的序列，重复上。
20、述步骤，分别提取出第二，第三，直至第N个基本模态分量。此时，RNT变成一个单调序列，其中不再包含任何模态的信息，所以不能再进行上面的分解过程，它就是原始信号的余项，RNT代表数据序列XT的均值。0047上述过程可表示为0048R1TXTF1T0049R2TR1TF2T00500051RNTRN1TFNT0052于是可得00530054其中每一个IMF分量都表示了信号的一个内在特征。IMF必须满足两个条件；对于一列数据，极值点和过零点数目相等或至多相差一个点；在任意点，由局部极大值点构成的包络线和局部极小值点构成的包络线的平均值为零。0055基于经验模态分解的理论基础，对于实际测量的呼吸信号本身。
21、的特点而言，呼吸信号非常微弱，容易受扰，可以对呼吸信号进行经验模态分解，获得不同频率成分的固有模态成分，然后从这些固有模态分量中，选择与呼吸波相对应的模态，这可以根据实际测量选择，通过预处理后的呼吸波的模态比较稳定。0056在获得呼吸波的固有模态分量后，就可以对呼吸信号进行窒息判断，为了使窒息判断准确可靠，可以对呼吸信号取绝对值，然后平均，最后与设置的窒息阈值进行比较，从而实现对窒息的判断。0057如果呼吸信号不满足窒息判断的条件，则可以通过如下的方法实现对呼吸率的计算0058波形法是目前被广泛用于呼吸率计算的方法，该方法简单、直观。如果呼吸波形比较规则，那么该方法计算的呼吸率准确、可靠，但是。
22、如果呼吸波受躁动，心动和基线漂移等的影响，则计算结果的可靠性将降低。利用经验模态分解的方法去除了呼吸中的干扰，获得的呼吸波形比较规则，这时再利用波形法计算呼吸率将获得稳定和可靠的结果。频谱法是另一种计算呼吸率的方法，对单一频率的信号进行频谱分析，在该频率处会出现一个频谱的最大峰值；对多个频率叠加后所形成的复合信号进行频谱分析，在各个频率处的频谱能量都会出现一个局部极大值，在所有局部极大值中，最大的局部极大值所对应的频率表示说明书CN101991418A5/5页8该频率的信号在时域内叠加时最强。0059基于频谱法的理论基础，对获得的呼吸信号可以在频域内利用傅立叶变换或线性调频Z变换进行频谱分析，。
23、最高频谱峰值所对应的频率即为呼吸的频率，由于利用经验模态分解去除了高频的干扰，所以提取出的呼吸信号所对应的频谱峰值最高，这对呼吸率的计算非常方便，本发明只使用线性调频Z变换的方法计算呼吸率。0060为了进一步提高呼吸波的抗干扰能力，使用历史的几次呼吸率与当前呼吸率进行加权平均，权值的选取可以根据历史数据的重要程度进行设置，从而获得当前呼吸率的计算。0061为了更形象地说明该方法的计算效果，下面分别以实际临床中对不同病人存取的正常呼吸数据、含有心动干扰的呼吸数据，含有躁动干扰的呼吸数据为例，分别说明该方法在处理不同类型呼吸数据时呼吸率计算的准确性。0062对于图2所示的正常呼吸数据，呼吸波形规则。
24、、干扰较小，通过经验模态分解后，所得的与呼吸波对应的固有模态分量如图3所示，该分量即为从原始呼吸数据中提取出的呼吸波，从图中可以看出，呼吸波的曲线非常光滑，消除了呼吸波上叠加的较小的高频干扰。对提取出的呼吸波，利用线性调频Z变换计算呼吸率，如图4所示，该呼吸波形在频域中有很集中的能量分布，图4中星号处的频谱能量是所有频谱能量包络的局部极大值中最大的，把它所对应的频率转换成每分钟的呼吸率，可以得到图3所示的呼吸波的呼吸率。0063对于图5所示的呼吸波，其中含有较大的心动干扰，利用经验模态分解，可以获得呼吸波所对应的固有模态分量，如图6所示，该分量去掉了心动干扰的影响，而且准确地反映了呼吸波的变化。
25、规律。对提取出的呼吸波，利用线性调频Z变换计算呼吸率，如图7所示，最高频谱能量所对应的频率，即为呼吸频率，图7中用星号标出了受心动干扰的呼吸波的呼吸率，它形象地说明了经验模态分解对于呼吸中含有心动干扰的呼吸率的计算所具有的优势。0064对于图8所示的呼吸波中含有躁动干扰的情况，虽然呼吸波形比较混乱，形状也不规则，但是利用经验模态分解，还是可以提取出呼吸波的变化曲线，如图9所示，从图中可以看出，与呼吸波对应的固有模态，反映了呼吸波的变化规律。然后利用线性调频Z变换计算呼吸率，可以从频域上非常容易地实现呼吸率的计算，图10中星号所示的呼吸率即为受躁动干扰的呼吸数据计算出的呼吸率，与实际情况非常吻合。
26、。0065通过上面的实例可以说明当人体正常呼吸，呼吸波形比较规则，呼吸率的计算相对比较容易；但是当呼吸波受心电干扰，或者呼吸受人体躁动干扰，如果不消除呼吸中的这些干扰，直接用波形法计算呼吸率，会引起呼吸率计算产生误差。利用经验模态分解的方法，首先对呼吸信号进行提取，然后再利用波形法或频谱法计算呼吸率，将获得比较准确的计算结果。本发明还加入了用历史呼吸率的数据与当前呼吸率进行加权平均的方法计算当前呼吸率，从而使呼吸率的计算结果更为稳定和可靠。说明书CN101991418A1/4页9图1说明书附图CN101991418A2/4页10图2图3图4说明书附图CN101991418A3/4页11图5图6图7说明书附图CN101991418A4/4页12图8图9图10说明书附图。