论文部分内容阅读
研究目的:
呼吸信号的监测在临床和家庭监护中起着非常重要的作用。目前经常采用的呼吸监测传感器,如应变式传感器,温度传感器,流量传感器,电容式传感器等,会给被监测者带来一定程度的不适。由于心电和脉搏信号中携带着一定的反映呼吸信息的成分,通过连续监测这些信号获取呼吸率成为可能。本文研究目的是提出一种通过心电和脉搏波提取呼吸信号并基于卡尔曼滤波的多路数据融合估计呼吸率的算法,并验证此种算法的可靠性。使用这种方法进行呼吸率的实时检测,将为睡眠呼吸暂停监测提供一种更为方便有效的工具。
材料与方法:
1、数据采集。实验对象为14名身体健康的志愿者,每位志愿者参加两组实验。第一组测量正常呼吸状态下的生理参数,第二组采用憋气方法测量模拟呼吸暂停状态下的生理参数。
系统采用ADInstruments生产的PowerLab数据记录分析系统同步采集三路生理信号,分别为心电(electrocardiogram,ECG)、脉搏波(pulsewave,PW)和腹式呼吸。其中腹式呼吸为参考信号。采集信号时,心电使用银/氯化银电极,呼吸传感器使用半导体压阻式胸带(或腹带)固定式HXH-1型呼吸波传感器,脉搏使用压电式MP100PulseTransducer脉搏波传感器。每通道采样频率均为1000Hz。
研究中同时采用了美国麻省理工学院Physionet(http://www.physionet.org/)的MIT-BIHPolysomnographicDatabase数据库中的睡眠呼吸暂停数据进行了分析。
2、数据处理。主要使用MATLAB7.0软件完成,包括心电和脉搏波形检测,从心电RR间期和R波绝对高度提取呼吸率、从脉搏信号波动周期提取呼吸率。研究了对从心电和脉搏信号中提取的呼吸率基于信号质量评估和卡尔曼滤波的数据融合,并与参考呼吸率比较,进行性能评价。
结果:
结果表明,融合呼吸率比单独从心电或脉搏信号提取的呼吸率更好地反映了呼吸率的变化。在正常组中,与压阻式呼吸传感器提供的参考呼吸率相比,融合呼吸率误差为(-0.03±2.78)次/min,而从心电RR间期、R波的绝对高度和脉搏法提取的呼吸率的误差分别为(0.62±3.30)、(0.42±3.47)和(-0.17±2.69)次/min。总体认为,基于多路数据融合的方法可以有效避免干扰的影响,较准确的估计呼吸率。
在研究中,我们发现对于正常呼吸组,系统可以较准确估计呼吸率,但对于模拟呼吸暂停组,有时无法跟踪呼吸率的变化。原因是当呼吸暂停时,心电和胸廓运动不受呼吸的影响,从而ECG和PW信号不能反映呼吸节律信息。而且正常人体在憋气状态下,血氧饱和度下降,测试对象不易保持相对稳定的状态,也对呼吸率估计产生一定影响,算法仍有待改进。
进一步的研究可以从正常人体的实验转到临床患者的测试,进而验证算法对睡眠呼吸暂停检测的可行性。
结论及意义:
本文从心电和脉搏波中提取呼吸信号,利用AR模型功率谱估计算法计算呼吸率,根据信号波形、节律和频谱特征获得反映信号质量高低的质量指数,然后基于信号质量指数和卡尔曼滤波残差进行数据融合,获得融合呼吸率。研究表明,基于数据融合的呼吸率较好地反映了呼吸率的变化。总体认为,基于多路数据融合的方法可以有效避免干扰的影响,较准确的估计呼吸率。
呼吸信号的监测在临床和家庭监护中起着非常重要的作用。目前经常采用的呼吸监测传感器,如应变式传感器,温度传感器,流量传感器,电容式传感器等,会给被监测者带来一定程度的不适。由于心电和脉搏信号中携带着一定的反映呼吸信息的成分,通过连续监测这些信号获取呼吸率成为可能。本文研究目的是提出一种通过心电和脉搏波提取呼吸信号并基于卡尔曼滤波的多路数据融合估计呼吸率的算法,并验证此种算法的可靠性。使用这种方法进行呼吸率的实时检测,将为睡眠呼吸暂停监测提供一种更为方便有效的工具。
材料与方法:
1、数据采集。实验对象为14名身体健康的志愿者,每位志愿者参加两组实验。第一组测量正常呼吸状态下的生理参数,第二组采用憋气方法测量模拟呼吸暂停状态下的生理参数。
系统采用ADInstruments生产的PowerLab数据记录分析系统同步采集三路生理信号,分别为心电(electrocardiogram,ECG)、脉搏波(pulsewave,PW)和腹式呼吸。其中腹式呼吸为参考信号。采集信号时,心电使用银/氯化银电极,呼吸传感器使用半导体压阻式胸带(或腹带)固定式HXH-1型呼吸波传感器,脉搏使用压电式MP100PulseTransducer脉搏波传感器。每通道采样频率均为1000Hz。
研究中同时采用了美国麻省理工学院Physionet(http://www.physionet.org/)的MIT-BIHPolysomnographicDatabase数据库中的睡眠呼吸暂停数据进行了分析。
2、数据处理。主要使用MATLAB7.0软件完成,包括心电和脉搏波形检测,从心电RR间期和R波绝对高度提取呼吸率、从脉搏信号波动周期提取呼吸率。研究了对从心电和脉搏信号中提取的呼吸率基于信号质量评估和卡尔曼滤波的数据融合,并与参考呼吸率比较,进行性能评价。
结果:
结果表明,融合呼吸率比单独从心电或脉搏信号提取的呼吸率更好地反映了呼吸率的变化。在正常组中,与压阻式呼吸传感器提供的参考呼吸率相比,融合呼吸率误差为(-0.03±2.78)次/min,而从心电RR间期、R波的绝对高度和脉搏法提取的呼吸率的误差分别为(0.62±3.30)、(0.42±3.47)和(-0.17±2.69)次/min。总体认为,基于多路数据融合的方法可以有效避免干扰的影响,较准确的估计呼吸率。
在研究中,我们发现对于正常呼吸组,系统可以较准确估计呼吸率,但对于模拟呼吸暂停组,有时无法跟踪呼吸率的变化。原因是当呼吸暂停时,心电和胸廓运动不受呼吸的影响,从而ECG和PW信号不能反映呼吸节律信息。而且正常人体在憋气状态下,血氧饱和度下降,测试对象不易保持相对稳定的状态,也对呼吸率估计产生一定影响,算法仍有待改进。
进一步的研究可以从正常人体的实验转到临床患者的测试,进而验证算法对睡眠呼吸暂停检测的可行性。
结论及意义:
本文从心电和脉搏波中提取呼吸信号,利用AR模型功率谱估计算法计算呼吸率,根据信号波形、节律和频谱特征获得反映信号质量高低的质量指数,然后基于信号质量指数和卡尔曼滤波残差进行数据融合,获得融合呼吸率。研究表明,基于数据融合的呼吸率较好地反映了呼吸率的变化。总体认为,基于多路数据融合的方法可以有效避免干扰的影响,较准确的估计呼吸率。