用于光學體積描記圖信號的噪聲清除的方法和系統的制作方法

用于光學體積描記圖信號的噪聲清除的方法和系統的制作方法
【專利摘要】提供了用于光學體積描記圖信號的噪聲清除的方法和系統。方法和系統被公開用于光學體積描記圖信號的噪聲清除以用于估計用戶的血壓；其中光學體積描記圖信號被從用戶中提取；經提取的光學體積描記圖信號被上采樣；經上采樣的光學體積描記圖信號被濾波；每個周期的不均勻基線漂移被從經上采樣和濾波的光學體積描記圖信號中移除；光學體積描記圖信號的異常值周期被移除并且光學體積描記圖信號的剩余周期被建模；并且時域特征被從原始提取的光學體積描記圖信號以及經建模的光學體積描記圖信號中提取以用于估計用戶的血壓。
【專利說明】
用于光學體積描記圖信號的噪聲清除的方法和系統
[00011 優先權請求
[0002] 本申請要求于2015年4月27日提交的印度申請號為NO.1684/MUM/2015的優先權， 前述申請的全部內容通過引用被合并于此。
技術領域
[0003] 本申請一般涉及生物醫學信號處理，并且更具體地涉及用于使用移動通信設備捕 獲的光學體積描記圖(PPG)信號的噪聲清除的方法和系統。
【背景技術】
[0004] 近期已經見證了世界范圍內的通信技術的巨大增長。因此，通信設備已經開始大 規模地替換手動人力。具體地，諸如智能電話之類的通信設備以及在其中嵌入的用于生理 感測的應用在發達國家和發展中國家都快速地流行起來。基于智能電話的生理感測應用向 老人以及年青人提供了在無需擁有專用臨床設備的情況下在家中經常地檢測眾多生理數 據來進行指示性和預防性測量的機會。
[0005] 為了支持各種生理感測應用，現在的智能電話被裝備有多種內置傳感器，例如加 速度計、麥克風、相機。加速度計和麥克風能夠被利用以測量諸如呼吸速率和心率之類的某 些生理參數，而智能電話的相機可被用于使用光學體積描記術來估計若干生命數據，該光 學體積描記術是測量毛細血管中的瞬時血流量的非侵入性技術。由于毛細血管血流量在心 臟收縮期間增加并且在心臟舒張期間減少。因此，人體的光學體積描記圖（PPG)信號本質上 是周期性的，其基頻指示了心率。光學體積描記圖（PPG)還被用于測量包括心率、血壓、呼吸 速率、血氧飽和度和一些ECG參數在內的若干生理數據。
[0006] 現有技術文獻描述了用于根據光學體積描記圖估計心臟收縮(Ps)血壓和心臟舒 張(Pd)血壓的各種方案。一些現有技術文獻使用PPG和ECG信號的組合來測量脈搏傳導時間 以估計血壓。在另一途徑中，與麥克風同步的光學體積描記圖信號也能夠用于實現此目的。 重要的是注意到:一些現有技術文獻提出一組時域光學體積描記圖特征來使用機器學習技 術估計Ps和Pd;估計血壓的一種間接途徑可以是使用光學體積描記圖特征經由Windkesel 模型中的R和C參數來進行。
[0007] 用于使用光學體積描記圖測量血壓的大多數現有方案僅能夠當它們被應用在干 凈和沒有噪聲的光學體積描記圖信號上時被采用。然而，這樣的方案在光學體積描記圖信 號是使用諸如智能電話之類的通信設備捕獲的時候出現了實際約束。智能電話通常以 30fps捕獲視頻，得出了經提取的光學體積描記圖信號的非常低的采樣率，與臨床設備的 IOOHz或更多相比該采樣率是30Hz。除此之外，在使用智能電話捕獲光學體積描記圖信號的 同時的環境光也影響信號質量。一點點手指移動或者甚至指壓的變化能夠大幅影響光學體 積描記圖信號質量，因而時域的信號變得更加易損并且更不可靠。因此，使用智能電話捕獲 的光學體積描記圖信號本質上是雜亂的。盡管它們已經被成功地用于使用頻域分析確定心 率，但像血壓之類的其他間接標記符需要時域分析，而信號需要被變得十分干凈來進行時 域分析。現有的在先技術方案示出了使用濾波器對捕獲的光學體積描記圖信號進行噪聲清 除，這可能不足以進行詳盡的噪聲清除以及不足以移除不希望的頻率。進而，這樣的濾波可 能不足夠用于估計諸如血壓之類的生命數據。
[0008] 因此，鑒于上文提到的【背景技術】，顯然希望有用于光學體積描記圖信號的噪聲清 除以估計用戶的血壓的方法和系統。

【發明內容】

[0009] 本公開的實施例呈現了關于由
【發明人】在傳統系統中認識到的上述技術問題的解 決方案的技術改進。例如，在一個實施例中，用于光學體積描記圖信號的噪聲清除以用于估 計用戶的血壓的方法。該方法包括從用戶提取光學體積描記圖信號以及對經提取的光學體 積描記圖信號進行上采樣。另外，該方法包括:對經上采樣的光學體積描記圖信號進行濾波 并且然后移除經上采樣和濾波的光學體積描記圖信號的每個周期中的不均勻基線漂移。接 著，該方法包括:根據k均值聚類來移除光學體積描記圖信號的異常值周期，利用兩個高斯 函數的和來對光學體積描記圖信號在移除異常值周期之后的剩余周期進行建模，并且然后 從原始提取的光學體積描記圖信號以及經建模的光學體積描記圖信號中提取時域特征以 用于估計用戶的血壓。
[0010] 在另一實施例中，提供了用于光學體積描記圖信號的噪聲清除以用于估計用戶的 血壓的系統。系統包括與移動通信設備相耦合的圖像捕獲設備、上采樣模塊、濾波模塊、基 線漂移移除模塊、異常值移除模塊、信號建模模塊、和特征提取模塊。
[0011] 在又一實施例中，提供了具有在其上實施的計算機程序的非暫態計算機可讀介 質，所述計算機程序用于執行用于光學體積描記圖信號的噪聲清除以用于估計用戶的血壓 的方法。該方法包括從用戶提取光學體積描記圖信號以及對經提取的光學體積描記圖信號 進行上采樣。另外，該方法包括:對經上采樣的光學體積描記圖信號進行濾波并且然后移除 經上采樣和濾波的光學體積描記圖信號的每個周期中的不均勻基線漂移。接著，該方法包 括:根據k均值聚類來移除光學體積描記圖信號的異常值周期，利用兩個高斯函數的和來對 光學體積描記圖信號在移除異常值周期之后的剩余周期進行建模，并且然后從原始提取的 光學體積描記圖信號以及經建模的光學體積描記圖信號中提取時域特征以用于估計用戶 的血壓。
[0012] 應當理解上述一般描述以及下面的詳細描述是示例性的并且僅僅是解釋性的而 不限制所要求保護的發明。
【附圖說明】
[0013] 被并入本公開并且構成本公開的一部分的附圖示出了示例性實施例，并且與說明 書一起用來解釋所公開的原理。
[0014] 圖1示出了描述用于光學體積描記圖信號的噪聲清除以用于估計用戶的血壓的方 法的流程圖。
[0015] 圖2示出了描述用于光學體積描記圖信號的噪聲清除以用于估計用戶的血壓的系 統架構的框圖。
[0016] 圖3示出了用于移除經上采樣和濾波的光學體積描記圖信號的每個周期中的不均 勻基線漂移的圖形表示。
[0017] 圖4示出了用于利用兩個高斯函數的和對光學體積描記圖信號在移除異常值周期 之后的剩余周期進行建模的圖形表示。
[0018] 圖5示出了用于比較原始提取的光學體積描記圖信號和模型化的光學體積描記圖 信號的圖形表示。
[0019] 圖6A和6B示出了描述用于使用光學體積描記圖信號估計用戶的血壓的訓練階段 和測試階段的框圖。
【具體實施方式】
[0020] 示例性實施例是參考附圖進行描述的。在圖示中，標號最左側的（一個或多個)數 字指示標號首次出現的圖示。在方便的時候，相同的標號被用于貫穿這些圖示以指代相同 或類似的部分。盡管這里描述了所公開的原理的示例和特征，在不背離所公開的實施例的 精神和范圍的情況下的修改、改編和其他實現方式是可能的。以下具體描述意圖被視為僅 是示例性的，而真正的范圍和精神由所附權利要求來指示。
[0021] 公開的實施例僅僅是本發明的示例，其可以用各種形式來實施。
[0022] 本發明使能用于光學體積描記圖（PPG)信號的噪聲清除以用于估計用戶的血壓 (BP)的方法和系統。
[0023] 在本發明的實施例中，用于光學體積描記圖信號的噪聲清除以用于估計用戶的血 壓的系統(200)包括與移動通信設備(204)耦合的圖像捕獲設備(202);上采樣模塊(206); 濾波模塊(208);基線漂移移除模塊(210);異常值(outlier)移除模塊(212);信號建模模塊 (214);和特征提取模塊(216)。
[0024] 參考圖1，圖1是示出了用于光學體積描記圖信號的噪聲清除以用于估計用戶的血 壓的方法的流程圖。
[0025]方法始于步驟102,使用與移動通信設備（204)相耦合的圖像捕獲設備（202)來從 用戶提取光學體積描記圖信號。在步驟104,經提取的光學體積描記圖信號通過使用上采樣 模塊(206)被上采樣。在步驟106,通過使用濾波模塊(208)，經上采樣的光學體積描記圖信 號被濾波。在步驟108,通過使用基線漂移移除模塊(210)，經上采樣和濾波的光學體積描記 圖信號的每個周期的不均勻基線漂移被移除。在步驟110,通過使用異常值移除模塊(212)， 光學體積描記圖信號的異常值周期根據k均值聚類(k-means clustering)被移除。在步驟 112,通過使用信號建模模塊(214)，光學體積描記圖信號在移除異常值周期之后的剩余周 期被利用兩個高斯函數的和進行建模。方法結束于步驟114,通過使用特征提取模塊(216)， 時域特征被從原始提取的光學體積描記圖信號以及經建模的光學體積描記圖信號中提取 以用于估計用戶的血壓。
[0026]參考圖2,圖2是示出了用于光學體積描記圖信號的噪聲清除以用于估計用戶的血 壓的系統架構的框圖。
[0027]在本發明的另一實施例中，與移動通信設備(204)相耦合的圖像捕獲設備(202)被 適用于從用戶提取光學體積描記圖信號。光學體積描記圖信號是從用戶外部身體部位中提 取的，該外部身體部位是從包括但不限于以下各項的群組中選擇的:手指、耳朵、和腳趾。在 特定實施例中，光學體積描記圖信號是從用戶的前額中提取的。移動通信設備(204)以反射 模式捕獲光學體積描記圖信號。移動通信設備(204)是從包括以下各項的群組中選擇的：智 能電話、移動電話、膝上型計算機、平板計算機、和個人數字助理。
[0028]與移動通信設備(204)相耦合的圖像捕獲設備(202)是相機并且具有發光源，該發 光源用于從用戶外部身體部位中提取光學體積描記圖信號，該外部身體部位是從包括但不 限于以下各項的群組中選擇的:手指、耳朵、腳趾、和前額;因而獲得自用戶的外部身體部位 反射的光的視頻序列。光學體積描記圖信號的周期性特性是由于每個視頻幀的興趣區域 (ROI)中變化的紅色強度引起的。然而，Andr〇 id API提供Y CbCr顏色空間中的相機預覽信 息。因此到RGB域的另外實時轉換產生了移動通信設備(204)中的額外計算，這可降低所捕 獲的視頻的幀速率。由于強度信息被載送在Y CbCr的發光部分中，與移動通信設備(204)相 耦合的圖像捕獲設備(202)在所捕獲的視頻的Y CbCr顏色空間的Y域中提取光學體積描記圖 信號。與WxH分辨率的視頻的第一幀相對應的光學體積描記圖信號的值由此幀的平均Y值表 示：
[0029]
[0030] 在本發明的另一實施例中，光學體積描記圖信號被提取為時間序列數據，其中第η 幀處的光學體積描記圖的信號值由第η幀的Y組分的平均值表示。
[0031] 在本發明的另一實施例中，上采樣模塊(206)被適用于對經提取的光學體積描記 圖信號進行上采樣。經提取的光學體積描記圖信號通過使用線性內插被上采樣為統一的采 樣率。與移動通信設備（204)相耦合的圖像捕獲設備（202)以30fps從用戶的外部身體部位 提取光學體積描記圖信號作為視頻流，獲得與臨床設備（100Hz或者更多）相比非常低的經 提取的光學體積描記圖信號的采樣率(30Hz)。線性內插被應用于經提取的光學體積描記圖 信號用于將經提取的光學體積描記圖信號上采樣至統一的采樣率。
[0032] 在本發明的另一實施例中，濾波模塊(208)被適用于對經上采樣的光學體積描記 圖信號進行濾波。
[0033] 光學體積描記圖信號包含緩慢變化的DC噪聲成分和若干高頻噪聲成分。然而，基 于人體的心率(60-90bpm)，基頻存在于1到1.5Hz之間。經上采樣的光學體積描記圖信號被 移位至它的零均值并且被應用至具有0.5Hz和5Hz截止頻率的四階巴特沃茲(Butterworth) 帶通濾波器以移除不希望的頻率成分。
[0034] 參考圖3,圖3是用于移除經上采樣和濾波的光學體積描記圖信號的每個周期的不 均勻基線漂移的圖形表示，其中如圖3A中可見，使用移動通信設備(204)捕獲的典型光學體 積描記圖波形的形狀對于時域分析太過嘈雜。
[0035] 在本發明的另一實施例中，基線漂移移除模塊(210)被適用于移除經上采樣和濾 波的光學體積描記圖信號中的每個周期的不均勻基線漂移。根據圖3A，光學體積描記圖信 號可能不具有固定的基線。另外，單個光學體積描記圖周期的兩端可能經常未對齊。光學體 積描記圖信號的不相等基線是錯誤特征計算的主要原因。針對同一采樣的光學體積描記圖 信號，如果F是包含周期中的所有k個采樣的向量，形成該周期的兩個端點之間的線段的第 二向量T被構建，中間的k-2個均等分布的數值是使用線性內插生成的。向量F 1 = F-T表示具 有零基線的經修改的周期。針對所有其他光學體積描記圖周期也進行相同的處理。使用上 采樣模塊(206)和濾波模塊(208)對光學體積描記圖信號的預處理并且此后使用基線漂移 移除模塊(210)對嘈雜信號的基線移除算法的效果被示出在圖3B中，這使得它更清楚地用 于進一步分析。
[0036]在本發明的另一實施例中，異常值移除模塊(212)被適用于通過k均值聚類移除光 學體積描記圖信號中的異常值周期。
[0037]復合特征集包括從原始光學體積描記圖信號以及經建模的光學體積描記圖信號 的每個周期提取的特征的組合。因此，在將這些特征應用于ANN結構之前針對由于對波谷的 不準確檢測導致的異常值周期的移除是必要的。光學體積描記圖信號的異常值周期是通過 將光學體積描記圖信號的每個周期分割成多個均等大小的矩形重疊窗口來進行移除的。如 果信號被假設是靜止的，所有窗口的頻譜中的主峰位置的均值指示它的基頻f。，所以理想 時間周期成為Tcad^ilif。。因此識別出多個矩形重疊窗口的基頻。另外，與理想時間周期 的絕對偏差被計算，將理想時間周期的較高值指示為錯誤檢測到的周期。針對所有周期，與 理想時間周期的絕對偏差為A T。= I Tc-Tcade3al I。較高數值的A T。指示錯誤檢測到的周期。k 均值聚類(K = 2)方法被用于移除這些異常值周期。首先，針對所有ΔΤ。進行直方圖分析以 初始化聚類中心，隨后是對聚類密度的2均值聚類和估計來移除異常值。具有最大條目的直 方圖箱塊(bin)的中心被視為一個聚類的初始中心(Cl)。另一聚類的初始中心(C2)是離Cl 的最遠數據點。k均值算法被用于取得最終的聚類中心。與具有更低Xie-Beni指標的中心相 對應的條目被視為是緊密的并且那些周期被用于特征提取。
[0038] 參考圖4,示出了使用兩個高斯函數的和來對光學體積描記圖信號在移除異常值 周期之后的剩余周期進行建模的圖形表示。
[0039] 在本發明的另一實施例中，信號建模模塊(214)被適用于利用兩個高斯函數的和 對光學體積描記圖信號在移除異常值周期之后的剩余周期進行建模。如前所述，使用移動 通信設備(204)捕獲的光學體積描記圖信號是極度傾向噪聲的并由于此而包含若干不規則 性。因此，數學建模可確保更好的信號實現進行分析。給定一組均勻隔開的單值數據，它們 能夠準確地通過高斯函數的和來進行逼近。根據圖3B，光學體積描記圖周期緊密地遵循高 斯形狀。然而它在本質上是非對稱性的并且包含兩個峰值，其中主要并且主導的峰值表示 心臟收縮峰值并且較小的峰值表示心臟舒張峰值。因此，作為單個高斯函數的替代，兩個高 斯函數的和可以更準確地擬合該形狀。如果{ Xk:k = l，2~N}是一組均等分布的數據點，其 具有相對應的光學體積描記圖信號幅度{PPGk:k=l，2"_N}，那么對PPGk的逼近是利用y k完 成的，yk以下式給出：
[0040]
[0041 ]通過優化常數ai，bi，Ci，a2，b2，C2以使得以下等式中的成本函數(hk)變得最小：
[0042]
[0043] 使用兩個高斯曲線的和擬合的典型光學體積描記圖周期被示出在圖4中。均方根 誤差(RMSE)是統計學中用于測量曲線擬合的良度的常用工具，通常更低的值指示更好的擬 合。原始周期和(利用2高斯曲線擬合的）經建模的周期之間的RMSE被發現是1.5%。然而，針 對相同的周期，如果利用單個高斯或Weibul 1函數進行擬合，RMSE分別變成8.3%和3.6%。 針對更加復雜的性能分析，第二波形被考慮，包含光學體積描記圖脈沖的不同可能形狀并 且將它們中的每一者利用兩個高斯函數進行擬合。
[0044] 參考圖5,圖5是用于比較原始提取的光學體積描記圖信號與經建模的光學體積描 記圖信號的圖形表示。能夠看出所提出的曲線擬合方法針對整個信號有效。實際光學體積 描記圖信號和經建模的光學體積描記圖信號之間的RMSE變得小于2.5%，這指示它以受推 薦的準確度擬合任何類似的PPG信號的可行性。常數參數a指示波峰的高度，b是波峰的中心 的位置并且c控制波形的寬度，因此這些模型參數中的一些參數被用作附加 PPG特征用于分 析。
[0045] 在本發明的另一實施例中，特征提取模塊(216)被適用于從原始提取的光學體積 描記圖信號以及經建模的光學體積描記圖信號中提取時域特征以用于估計用戶的血壓。包 括收縮時間（T s);舒張時間（Td);脈沖高度(T。)的33 %處的脈沖寬度(B33); 75 %處的脈沖寬 度(B75);原始信號的總脈沖寬度以及高斯RMS寬度;在R7特征空間中創建復合特征向量的擬 合高斯曲線的C 1X2;以及模式參數bl和b2的時域特征被從原始提取的光學體積描記圖信號 以及經建模的光學體積描記圖信號中提取以用于使用機器學習技術來估計用戶的血壓。
[0046] 在本發明的另一實施例中，根據以下等式：
[0047]
[0048]
[0049] 收縮(Ps)和舒張(Pd)血壓1〇、收縮時間（Ts)、舒張時間（Td)、R和C Js和Td能夠根 據PPG信號計算。假設人體的心輸出量(CO)被固定在每分鐘5升。Io可根據下式計算：
[0050]
[0051] 由于R和C與光學體積描記圖特征不具有任何數學關系。基于人工神經網絡(ANN) 的機器學習方法被用于從光學體積描記圖特征中估計R和C。使用光學體積描記圖信號對R 和C以及后續的用戶的血壓的估計還具有訓練和測試階段。
[0052] 參考圖6A，圖6A是示出用于使用光學體積描記圖信號估計用戶的血壓的訓練階段 的框圖。
[0053]在本發明的另一實施例中，針對R和C的訓練模型被創建，其中具有已知血壓的100 個左右的用戶被用于訓練階段。對于這些用戶，地面實況(ground truth)血壓值(602)、收 縮(Ps)血壓和舒張（Pd)血壓是已知的。R和C是使用地面實況血壓值（602)通過反向收縮 (Ps)血壓和舒張(Pd)血壓等式來計算(604)的。這些用戶的收縮時間（Ts)、舒張時間（Td)和 CO能夠使用相應的光學體積描記圖信號(606)來測量。針對R和C的訓練模型(610)是通過離 線地運行人工神經網絡(ANN) (608)生成的并且所生成的針對R和C的序列模型被存儲。 [0054]參考圖6B，圖6B是示出了用于使用光學體積描記圖信號估計用戶的血壓的測試階 段的框圖。
[0055] 在本發明的另一實施例中，測試階段在用戶的移動通信設備（204)上實時運行以 用于使用光學體積描記圖信號來估計用戶的血壓。在訓練階段生成的針對R和C的訓練模型 被存儲在移動通信設備(204)中，其中應用的測試階段在移動通信設備(204)中運行。當用 戶在他的移動通信設備(204)上運行應用時，光學體積描記圖信號被從用戶提取。收縮時間 (Ts)、舒張時間（Td)和Io被計算。根據光學體積描記圖特征(612)和訓練序列(614)來估計/ 預測(616)針對用戶的R和C。在估計R和C后，使用收縮(Ps)血壓和舒張(Pd)血壓公式來計算 (618)收縮(Ps)血壓和舒張(Pd)血壓。
[0056] 所示出的步驟被提出體解釋示出的示例性實施例，并且應當預計到進行的技術發 展將改變特定功能被執行的方式。這些示例在這里被呈現用于描述而非限制性目的。另外， 功能構建塊的邊界在這里被隨意定義以便于進行描述。替換的邊界可被定義，只要特定的 功能及其關系被正確被執行。基于這里包含的教導，替換例(包括這里所述的那些事物的等 同、擴展、變體、衍生等等)將對于相關領域的技術人員是顯而易見的。這樣的替換例落入所 公開的實施例的范圍和精神。另外，詞語"包括"、"具有"、"含有"和"包含"以及其他類似形 式意圖在含義上是等同的并且是開放式的，跟隨這些詞語中的任何一個詞語之后的一個或 多個項目并不意圖是這樣的一個或多個項目的排他性列出，或者并不意圖僅限制為所列出 的一個或多個項目。還必須注意，如這里以及所附權利要求中使用的那樣，單數形式的 "一"、"一個"、"該"包括復數引用，除非上下文以其他方式清楚地指出。
[0057] 另外，一個或多個計算機可讀存儲介質可被采用以實現與本公開相一致的實施 例。計算機可讀存儲介質指代可在其上存儲由處理器可讀的數據或信息的任何類型的物理 存儲器。因此，計算機可讀存儲介質可存儲以供由一個或多個處理器執行的指令，包括用于 使得(一個或多個)處理器執行與這里描述的實施例相一致的步驟或階段的指令。術語"計 算機可讀介質"應當被理解為包括有形物品并且排除載波和瞬時信號，即是非暫態的。示例 包括隨機接入存儲器(RAM)、只讀存儲器(R0M)、易失性存儲器、非易失性存儲器、硬件驅動、 ⑶R0M、DVD、閃存驅動、盤、以及任何其他已知的物理存儲介質。
[0058] 公開和示例意圖僅被視為示例性的，其中所公開的實施例的真實范圍和精神由所 附權利要求指示。
【主權項】
1. 一種用于光學體積描記圖PPG信號的噪聲清除以用于估計用戶的血壓BP的方法，所 述方法包括： a. 使用與移動通信設備相耦合的圖像捕獲設備從所述用戶提取光學體積描記圖信號； b. 使用上采樣模塊對經提取的光學體積描記圖信號進行上采樣； c. 使用濾波模塊對經上采樣的光學體積描記圖信號進行濾波； d. 使用基線漂移移除模塊來移除經上采樣和濾波的光學體積描記圖信號的每個周期 中的不均勻基線漂移； e. 使用異常值移除模塊根據k均值聚類來移除所述光學體積描記圖信號的異常值周 期； f. 使用信號建模模塊，利用兩個高斯函數的和來對所述光學體積描記圖信號在移除異 常值周期之后的剩余周期進行建模；以及 g. 使用特征提取模塊從原始提取的光學體積描記圖信號以及經建模的光學體積描記 圖信號中提取時域特征以用于估計所述用戶的血壓。2. 如權利要求1所述的方法，其中所述光學體積描記圖信號是使用被附著到與所述移 動通信設備相耦合的所述圖像捕獲設備的發光源從所述用戶提取的，并且其中與所述移動 通信設備相耦合的所述圖像捕獲設備將光學體積描記圖信號提取為30fps的視頻流。3. 如權利要求1所述的方法，其中所述光學體積描記圖信號是通過使用與所述移動通 信設備相耦合的所述圖像捕獲設備在捕獲的視頻的YCbCr顏色空間的Y域中被提取的，并且 其中所述光學體積描記圖信號被提取為時間序列數據，其中第η幀處的光學體積描記圖信 號值由第η幀的Υ組分的平均值表示。4. 如權利要求1所述的方法，其中經提取的光學體積描記圖信號通過使用線性內插被 上采樣，并且其中所述經上采樣的光學體積描記圖信號被移位至它的零均值并且被應用到 具有0.5Hz和5Hz截止頻率的四階巴特沃茲帶通濾波器。5. 如權利要求1所述的方法，其中所述經上采樣和濾波的光學體積描記圖信號的長度 為k的每個周期F中的不均勻基線漂移是通過構建第二向量T被移除的，該第二向量T形成長 度k的線段，所述第二向量T具有與每個周期F的端點相同的端點以及在中間使用線性回歸 構建的k-2個均等分布的點，其中向量F1=F-T表示具有零基線的經修改的周期。6. 如權利要求1所述的方法，其中所述光學體積描記圖信號的異常值周期通過以下操 作被移除：將所述光學體積描記圖信號的每個周期分割成多個均等大小的矩形重疊窗口、 識別所述多個矩形重疊窗口的基頻、計算與理想時間周期的絕對偏差、將所述理想時間周 期的較高值指示為錯誤檢測到的周期、使用k均值聚類來移除錯誤檢測到的異常值。7. 如權利要求1所述的方法，其中包括收縮時間，舒張時間，33%、75%脈沖高度處的脈 沖寬度B33、B75,原始信號的總脈沖寬度，以及高斯RMS寬度、經擬合的高斯曲線的&和(： 2、和 模式參數bl和b2在內的時域特征被從原始提取的光學體積描記圖信號以及經建模的光學 體積描記圖信號中提取用于使用機器學習技術來估計所述用戶的血壓。8. -種用于光學體積描記圖PPG信號的噪聲清除以用于估計用戶的血壓BP的系統，所 述系統包括： a.與移動通信設備相耦合的圖像捕獲設備，被適用于從所述用戶提取光學體積描記圖 信號； b.上采樣模塊，被適用于對經提取的光學體積描記圖信號進行上采樣； C.濾波模塊，被適用于對經上采樣的光學體積描記圖信號進行濾波； d. 基線漂移移除模塊，被適用于移除經上采樣和濾波的光學體積描記圖信號的每個周 期中的不均勻基線漂移； e. 異常值移除模塊，被適用于根據k均值聚類來移除所述光學體積描記圖信號的異常 值周期； f. 信號建模模塊，被適用于利用兩個高斯函數的和來對所述光學體積描記圖信號在移 除異常值周期之后的剩余周期進行建模;以及 g. 特征提取模塊，被適用于從原始提取的光學體積描記圖信號以及經建模的光學體積 描記圖信號中提取時域特征以用于估計所述用戶的血壓。9. 如權利要求12所述的系統，其中與所述移動通信設備相耦合的所述圖像捕獲設備 (202)具有用于提取所述光學體積描記圖信號的發光源，并且其中與所述移動通信設備相 耦合的所述圖像捕獲設備將光學體積描記圖信號提取為30fps的視頻流。10. 如權利要求12所述的系統，其中與所述移動通信設備相耦合的所述圖像捕獲設備 在捕獲的視頻的YCbCr顏色空間的Y域中提取所述光學體積描記圖信號，并且其中所述光學 體積描記圖信號被提取為時間序列數據，其中第η幀處的光學體積描記圖信號值由第η幀的 Υ組分的平均值表示。11. 如權利要求12所述的系統，其中經提取的光學體積描記圖信號通過使用線性內插 被上采樣，并且其中所述經上采樣的光學體積描記圖信號被移位至它的零均值并且被應用 到具有〇. f5Hz和5Hz截止頻率的四階巴特沃茲帶通濾波器。12. 如權利要求12所述的系統，其中所述經上采樣和濾波的光學體積描記圖信號的長 度為k的每個周期F中的不均勻基線漂移是通過構建第二向量T被移除的，該第二向量T形成 長度k的線段，所述第二向量T具有與每個周期F的端點相同的端點以及在中間使用線性回 歸構建的k-2個均等分布的點，其中向量F1=F-T表示具有零基線的經修改的周期。13. 如權利要求12所述的系統，其中所述光學體積描記圖信號的異常值周期通過以下 操作被移除：將所述光學體積描記圖信號的每個周期分割成多個均等大小的矩形重疊窗 口、識別所述多個矩形重疊窗口的基頻、計算與理想時間周期的絕對偏差、將所述理想時間 周期的較高值指示為錯誤檢測到的周期、使用k均值聚類來移除錯誤檢測到的異常值。14. 如權利要求12所述的系統，其中包括收縮時間，舒張時間，33%、75%脈沖高度處的 脈沖寬度B33、B75,原始信號的總脈沖寬度，以及高斯RMS寬度、經擬合的高斯曲線的&和&、 和模式參數bl和b2在內的時域特征被從原始提取的光學體積描記圖信號以及經建模的光 學體積描記圖信號中提取用于使用機器學習技術來估計所述用戶的血壓。15. -種具有在其上實施的計算機程序的非暫態計算機可讀介質，所述計算機程序用 于執行包括以下各項的方法： a. 使用與移動通信設備相耦合的圖像捕獲設備從所述用戶提取光學體積描記圖信號； b. 使用上采樣模塊對經提取的光學體積描記圖信號進行上采樣； c. 使用濾波模塊對經上采樣的光學體積描記圖信號進行濾波； d. 使用基線漂移移除模塊來移除經上采樣和濾波的光學體積描記圖信號的每個周期 中的不均勻基線漂移； e. 使用異常值移除模塊根據k均值聚類來移除所述光學體積描記圖信號的異常值周 期； f. 使用信號建模模塊，利用兩個高斯函數的和來對所述光學體積描記圖信號在移除異 常值周期之后的剩余周期進行建模；以及 g. 使用特征提取模塊從原始提取的光學體積描記圖信號以及經建模的光學體積描記 圖信號中提取時域特征以用于估計所述用戶的血壓。
【文檔編號】A61B5/00GK106073743SQ201610158745
【公開日】2016年11月9日
【申請日】2016年3月18日 公開號201610158745.X, CN 106073743 A, CN 106073743A, CN 201610158745, CN-A-106073743, CN106073743 A, CN106073743A, CN201610158745, CN201610158745.X
【發明人】洛汗·班納吉, 雅尼班·杜塔·周赫禮, 阿尼努達·辛哈, 艾維克·戈塞, 亞潘·帕爾
【申請人】塔塔顧問服務有限公司