CN104188663B - 一种人体生理参数采集有效值自启动方法及其系统 - Google Patents
一种人体生理参数采集有效值自启动方法及其系统 Download PDFInfo
- Publication number
- CN104188663B CN104188663B CN201410464294.3A CN201410464294A CN104188663B CN 104188663 B CN104188663 B CN 104188663B CN 201410464294 A CN201410464294 A CN 201410464294A CN 104188663 B CN104188663 B CN 104188663B
- Authority
- CN
- China
- Prior art keywords
- value
- threshold value
- ripple
- pulse
- blood oxygen
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种人体生理参数采集有效值自启动方法及其系统,方法包括:将血压、心电及血氧测试设备正确接入人体,开始逐一实时采集人体生理参数数据;将数据与阈值比较,如果达到启动阈值,将达到阈值后采集的血氧饱和度值、血氧脉搏波、心率值、脉率值、心电波和血压值作为有效值送入分析系统分析输出结果。所述系统包括有一台与接入人体的血压测试仪、心电测试仪以及血氧测试仪连接、采集人体生理参数的设备。本发明自动开启,不仅不需要专业的医师干涉,智能自启动,为医务人员减轻了负担,为患者提供了便利,提高了检测的效率,同时也提升了诊断的效果。
Description
技术领域
本发明涉及医疗设备领域,特别涉及一种人体生理参数采集有效值自启动方法及其系统,是一种涉及血压、心电及血氧人体生理参数采集有效值自启动方法及其系统。
背景技术
常规的使用体检机的测试,如果是在医院、医务室或者体检中心,医师需要根据每个测试者不同的生理特征状况判断采集开启的最佳时间,而且开启的方式是凭医师经验手动开启的,很是耗费医务人员的精力,有时会因为判断失误而影响测试的效率。如果是在家中测试,也需要专业医师进行启动,代价很高,如果非专业医师盲目启动,会导致采集数据不准确,进而影响诊断效果。
发明内容
本发明目的在于提供一种人体生理参数采集有效值自启动方法及其系统,通过采集血氧、心电等特征样本参数,与系统预先设定的特征阈值模式相比对,智能开启采集装置;自动开启的方式不仅不需要专业医师干涉,为医务人员减轻负担,为患者提供便利,提高了检测的效率,同时也提升了诊断的效果。
为了实现上述目的,本发明的方案是:
一种人体生理参数采集有效值自启动方法,是一种涉及血压、心电及血氧人体生理参数采集有效值自启动方法,包括:将血压、心电及血氧测试设备正确接入人体,开始逐一实时采集人体生理参数数据;数据库存储了心率值和脉率值的初始启动阈值以及心电波和脉搏波时域一致性阈值,所述人体生理参数包括血氧饱和度值、血氧脉搏波、心率值、脉率值、心电波和血压值;其中,所述方法的具体步骤是:
第一步:判断所采集的心率值和脉率值是否有一个已达到启动阈值,如果达到启动阈值,继续执行第二步,如果未达到启动阈值,则等待;
第二步:以达到启动阈值时间点作为起始时间原点,将采集的心率值和脉率值作为有效值存储;
第三步:采用自学习确定心电波基线阈值、血氧脉搏波稳定度阈值;
第四步:判定接收的心电波经计算得到的基线是否达到心电波基线阈值,以及判定接收的血氧脉搏波峰值是否达到血氧脉搏波稳定度阈值,如果是,则继续执行第五步,如果不是则等待;
第五步:判断同时接收的心电波和脉搏波的时域是否达到一致性阈值,如果达到,则启动血压数据采集,继续执行第六步,如果未达到则等待;
第六步:将达到阈值后采集的血氧饱和度值、血氧脉搏波、心率值、脉率值、心电波和血压值作为有效值送入分析系统分析输出结果。
方案进一步是:所述血氧脉搏波稳定度阈值是将连续采集至少3至5个血氧脉搏波峰值的平均值的10%范围确定为血氧脉搏波稳定度阈值;所述的心电波基线阈值是将连续采集至少3至5个心电波形数据通过计算获得的基线平均值的10%范围确定为心电波基线阈值。
方案进一步是:在所采集的数据中心率值和脉率值在一个达到启动阈值后,判断另一个是否也达到启动阈值,如果达到启动阈值,继续执行第二步,如果未达到启动阈值,则等待。
方案进一步是:所述方法进一步包括,在所述数据库中设置有一个等待时间极限值,当所述等待达到等待时间极限值时,进入修改阈值的步骤,包括:
输出一个警示标志,示意被采集人的生理参数不在正常范围内;示意未达阈值的类别;
如果是心率值和脉率值未达阈值,则:对所采集的心率值和脉率值在一个时间段内取平均值,将所述平均值替换初始判定阈值,然后返回第一步;
如果是心电波基线、血氧脉搏波稳定度未达阈值,以及心电波和脉搏波的时域一致性未达阈值,则:转入人工阈值输入,返回第四步。
方案进一步是:当重新开始一个人的生理参数采集时,所述启动阈值恢复初始值。
一种实现人体生理参数采集有效值自启动的系统,包括有一台与接入人体的血压测试仪、心电测试仪以及血氧测试仪连接、采集人体生理参数的设备,设备中有一个存储实时采集人体生理参数数据的缓冲器,以及有用于存储的心率值和脉率值初始启动阈值存储器,以及一个存储心电波和脉搏波时域一致性阈值的存储器,其特征在于,所述设备进一步含有:
将所采集的心率值和脉率值与启动阈值进行比较的启动阈值比较器;
由启动阈值比较器触发启动将心率值和脉率值作为有效值存储的存储器;
存储心电波基线阈值、血氧脉搏波稳定度阈值的阈值存储器;
将所采集的心电波经计算获得的心电波基线和血氧脉搏波峰值与心电波基线阈值、血氧脉搏波稳定度阈值进行比较的阈值比较器;
由阈值比较器器触发启动将接收的心电波和脉搏波进行时域一致性比较的时域一致性比较器;
由时域一致性比较器触发启动将接收的心电波和血氧脉搏作为有效值存储的存储器;
由时域一致性比较器触发启动的血压数据采集的控制开关;
存储血压有效值数据的存储器;
以及一个将存储器中有效的心率值、脉率值、心电波、血氧脉搏、血压数据送入到分析系统输出分析输出结果的传送器。
本发明的有益效果是:
1、本发明自动开启方法,不仅不需要专业的医师干涉,智能自启动,为医务人员减轻了负担,为患者提供了便利,提高了检测的效率,同时也提升了诊断的效果;
2、本发明采用智能自学习系统,在判断心率或者脉率是否有效/判断心电基线或脉搏波稳定度时,将持续超出特征阈值范围的状态通过自学习模式设置为系统的一种模式,完善系统设置;
3、系统采集样本值、比对数据、开启采集及最终将数据存储、打印、上传至云服务器,一气呵成的设计,避免了人为干涉、智能并自动完成,使系统更能适合不同的场合和人群。
下面结合附图和实施例对本发明作一详细描述。
附图说明
图1本发明系统结构示意图;
图2本发明设备内部逻辑关系示意图。
具体实施方式
实施例1:
一种人体生理参数采集有效值自启动方法,是一种涉及血压、心电及血氧人体生理参数采集有效值自启动方法,如图1所示,包括:将血压、心电及血氧测试设备正确接入人体,开始逐一实时采集人体生理参数数据;首先判断接入是否正确:
1,判断心电测试设备接入是否正确:通过采集的心电波判断导联是否脱落,有脱落时,进行导联脱落报警,如果无脱落,则进行滤波处理:对采集的波形进行工频滤波、肌电滤波和基线滤波;计算心率值,分析心电波形;根据采集的心电波查找QRS波群,判断部分导联是否戴错,根据波形判定规则库,判断部分导联是否戴反,如果戴反,则进行导联戴错报警。
2,判断血氧探头是否有效接入:根据血氧容积波判断血氧指夹是否脱落。
总之,保证将血压、心电及血氧测试设备是正确接入人体。数据库存储了心率值和脉率值的初始启动阈值以及心电波和脉搏波时域一致性阈值,所述人体生理参数包括血氧饱和度值、血氧脉搏波、心率值、脉率值、心电波和血压值;其中,所述方法的具体步骤是:
第一步:判断所采集的心率值和脉率值是否有一个已达到启动阈值,如果达到启动阈值,继续执行第二步,如果未达到启动阈值,则等待;
第二步:以达到启动阈值时间点作为起始时间原点,将采集的心率值和脉率值作为有效值存储;
第三步:采用自学习确定心电波基线阈值、血氧脉搏波稳定度阈值;
第四步:判定接收的心电波经计算得到的基线是否达到心电波基线阈值,以及判定接收的血氧脉搏波峰值是否达到血氧脉搏波稳定度阈值,如果是,则继续执行第五步,如果不是则等待;
第五步:判断同时接收的心电波和脉搏波的时域是否达到一致性阈值,如果达到,则启动血压数据采集,继续执行第六步,如果未达到则等待;
第六步:将达到阈值后采集的血氧饱和度值、血氧脉搏波、心率值、脉率值、心电波和血压值作为有效值送入分析系统分析输出结果。
实施例中所述的心率值和脉率值初始阈值是一个范围值,是根据正常脉搏率设置的值,通常在60至100次/每分钟。
实施例中所述的心电波和脉搏波时域一致性阈值,是指心电波QRS波的顶点和脉搏波顶点在时域上的时间差的程度值,因为个体差异及血管状态不同,指尖的脉搏波和QRS顶点位置差多少通常是通过方差公式获得,
其中 ;
式中:
N:获取波形的总数量;
:第一心底波QRS波的顶点和第一血氧脉搏波的顶点之间的时间差;
:所有时间差的平均值。
计算的过程是:首先分别获取N个心电波QRS波的顶点和血氧脉搏波的顶点;分别计算相邻心电波QRS波的顶点和脉搏波顶点在时域上的时间差;然后由公式计算出方差。
其中的值代表了心电波和脉搏波时域一致性的程度,作为正常状态其值通常是小于100(ms*ms),因此可以将阈值设定在0至99。
上述实施例说明了作为第一个门槛是:心率、脉率有效性判断;作为第二门槛是:心电波基线、血氧脉搏波稳定性的判定;作为第三门槛是:心电波和血氧脉搏波时域一致性判断。
确定心电波基线阈值、血氧脉搏波稳定度阈值是一种自学习的过程,因此,所述血氧脉搏波稳定度阈值是将连续采集至少3至5个血氧脉搏波峰值的平均值的10%范围确定为血氧脉搏波稳定度阈值;所述的心电波基线阈值是将连续采集至少3至5个心电波形数据通过计算获得的基线平均值的10%范围确定为心电波基线阈值。当然采集的过程还包括有滤波的过程。
实施例中判断脉搏波是否稳定(分析血氧容积波),还可以是:截取两段脉搏波,进行自相关计算,根据相关值与设定的阈值相比对,如果符合阈值范围,则血氧脉搏波趋于稳定,其中的“自相关计算”是信号处理、时间序列分析中常用的数学工具,反映了同一序列在不同时刻的取值之间的相关程度。
实施例中:所述方法进一步包括,在所采集的数据中心率值和脉率值在一个达到启动阈值后,判断另一个是否也达到启动阈值,如果达到启动阈值,继续执行第二步,如果未达到启动阈值,则等待。
实施例中:所述方法进一步包括,在所述数据库中设置有一个等待时间极限值,当所述等待达到等待时间极限值时,进入修改阈值的步骤,包括:
输出一个警示标志,示意被采集人的生理参数不在正常范围内;示意未达阈值的类别;
如果是心率值和脉率值未达阈值,则:对所采集的心率值和脉率值在一个时间段内取平均值,将所述平均值替换初始判定阈值,然后返回第一步;
如果是心电波基线、血氧脉搏波稳定度未达阈值,以及心电波和脉搏波的时域一致性未达阈值,则:转入人工阈值输入,返回第四步。
实施例中:当重新开始一个人的生理参数采集时,所述启动阈值恢复初始值。
实施例2:
一个实现实施例1所述人体生理参数采集有效值自启动方法的系统,如图1和图2所示,包括有一台与接入人体1的血压测试仪2、心电测试仪3以及血氧测试仪4连接、采集人体生理参数的设备5,例如一台人体综合参数体检设备,设备中有一个存储实时采集人体生理参数数据的缓冲器5-1,以及有用于存储的心率值和脉率值初始启动阈值存储器5-2和5-3,以及一个存储心电波和脉搏波时域一致性阈值的存储器5-4,其中,所述设备进一步含有:
将所采集的心率值和脉率值与启动阈值进行比较的启动阈值比较器5-5和5-6;
由启动阈值比较器触发启动将心率值和脉率值作为有效值存储的存储器5-7和5-8;
存储心电波基线阈值、血氧脉搏波稳定度阈值的阈值存储器5-9和5-10;
将所采集的心电波经计算获得的心电波基线和血氧脉搏波峰值与心电波基线阈值、血氧脉搏波稳定度阈值进行比较的阈值比较器5-11和5-12;
由阈值比较器器触发启动将接收的心电波和脉搏波进行时域一致性比较的时域一致性比较器5-13;
由时域一致性比较器触发启动将接收的心电波和血氧脉搏作为有效值存储的存储器5-14;
一个由时域一致性比较器触发启动的血压数据采集的控制开关5-15,例如开始启动测试血压的触发开关,因为血压的测试需要一个过程:打开气压开关加压,达到压力后关闭送气阀门,打开放气阀门放气等等。
一个存储血压有效值数据的存储器5-16;
以及一个将存储器中有效的心率值、脉率值、心电波、血氧脉搏、血压数据送入到分析系统输出分析输出结果的传送器5-17。
实施例中的设备实际上是一台与血压测试仪2、心电测试仪3以及血氧测试仪4连接的服务器或者是计算机。其中设置有控制模块,所述的比较器、存储器以及控制开关分别设置在心电、血氧采集模块、分析判断模块之中,其中:
心电、血氧采集模块:分别用于采集血氧饱和度值、血氧脉搏波、心率值、心电波,并将心率值、心电波、血氧饱和度值、血氧脉搏波,作为特征值进行后续分析。
分析判断模块:包括:
1,控制模块:用于整个系统的控制。
2,心率、脉率有效性判断模块:用于判断心率、脉率样本值是否有效;
3,波形稳定性分析模块:用于分析心电波、血氧脉搏波是否稳定;
4,比对模块:用于比对采集装置采集的特征值与系统预设的特征阈值。
5,智能自学习模块:在判断心率或者脉率是否有效/判断心电基线或脉搏波稳定度时,将持续超出特征阈值范围的状态通过自学习模式设置为系统的一种模式,完善系统设置;
6,系统样本组合设置模块:设计系统不同样本的不同选项,组合形成需要的预设定的特征阈值模式;
7,智能开启、关闭模块:用于开启和关闭系统所需要的采集装置;
8,自动存储、打印及上传模块:用于将采集的数据存储备份、打印报告或者上传至云服务端。
本实施例自动开启系统,不仅不需要专业的医师干涉,智能自启动,为医务人员减轻了负担,为患者提供了便利,提高了检测的效率,同时也提升了诊断的效果;系统采集样本值、比对数据、开启采集及最终将数据存储、打印、上传至云服务器,一气呵成的设计,避免了人为干涉、智能并自动完成,使系统更能适合不同的场合和人群。
Claims (6)
1.一种人体生理参数采集有效值自启动方法,是一心电及血氧人体生理参数采集有效值自启动方法,包括:将心电及血氧测试设备正确接入人体,开始逐一实时采集人体生理参数数据;数据库存储了心率值和脉率值的初始启动阈值以及心电波和脉搏波时域一致性阈值,所述人体生理参数包括血氧饱和度值、血氧脉搏波、心率值、脉率值、心电波;其特征在于,所述方法的具体步骤是:
第一步:判断所采集的心率值和脉率值是否有一个已达到启动阈值,如果达到启动阈值,继续执行第二步,如果未达到启动阈值,则等待;
第二步:以达到启动阈值时间点作为起始时间原点,将采集的心率值和脉率值作为有效值存储;
第三步:采用自学习确定心电波基线阈值、血氧脉搏波稳定度阈值;
第四步:判定接收的心电波经计算得到的基线是否达到心电波基线阈值,以及判定接收的血氧脉搏波峰值是否达到血氧脉搏波稳定度阈值,如果是,则继续执行第五步,如果不是则等待;
第五步:判断同时接收的心电波和脉搏波的时域是否达到一致性阈值,如果达到,继续执行第六步,如果未达到则等待;
第六步:将达到阈值后采集的血氧饱和度值、血氧脉搏波、心率值、脉率值、心电波作为有效值送入分析系统分析输出结果。
2.根据权利要求1所述的方法,其特征在于,所述血氧脉搏波稳定度阈值是将连续采集至少3个血氧脉搏波峰值的平均值的±10%范围确定为血氧脉搏波稳定度阈值;所述的心电波基线阈值是将连续采集至少3个心电波形数据通过计算获得的基线平均值的±10%范围确定为心电波基线阈值。
3.根据权利要求1所述的方法,其特征在于,在所采集的数据中心率值和脉率值在一个达到启动阈值后,判断另一个是否也达到启动阈值,如果达到启动阈值,继续执行第二步,如果未达到启动阈值,则等待。
4.根据权利要求1或2或3所述的方法,其特征在于,所述方法进一步包括,在所述数据库中设置有一个等待时间极限值,当所述等待达到等待时间极限值时,进入修改阈值的步骤,包括:
输出一个警示标志,示意被采集人的生理参数不在正常范围内;示意未达阈值的类别;
如果是心率值和脉率值未达阈值,则:对所采集的心率值和脉率值在一个时间段内取平均值,将所述平均值替换初始判定阈值,然后返回第一步;
如果是心电波基线、血氧脉搏波稳定度未达阈值,以及心电波和脉搏波的时域一致性未达阈值,则:转入人工阈值输入,返回第四步。
5.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:当重新开始一个人的生理参数采集时,所述启动阈值恢复初始值。
6.一种实现人体生理参数采集有效值自启动的系统,包括有一台与接入人体的血压测试仪、心电测试仪以及血氧测试仪连接、采集人体生理参数的设备,设备中有一个存储实时采集人体生理参数数据的缓冲器,以及有用于存储的心率值和脉率值初始启动阈值存储器,以及一个存储心电波和脉搏波时域一致性阈值的存储器,其特征在于,所述设备进一步含有:
将所采集的心率值和脉率值与启动阈值进行比较的启动阈值比较器;
由启动阈值比较器触发启动将心率值和脉率值作为有效值存储的存储器;
存储心电波基线阈值、血氧脉搏波稳定度阈值的阈值存储器;
将所采集的心电波经计算获得的心电波基线和血氧脉搏波峰值与心电波基线阈值、血氧脉搏波稳定度阈值进行比较的阈值比较器;
由阈值比较器器触发启动将接收的心电波和脉搏波进行时域一致性比较的时域一致性比较器;
由时域一致性比较器触发启动将接收的心电波和血氧脉搏作为有效值存储的存储器;
由时域一致性比较器触发启动的血压数据采集的控制开关;
存储血压有效值数据的存储器;
以及一个将存储器中有效的心率值、脉率值、心电波、血氧脉搏、血压数据送入到分析系统输出分析输出结果的传送器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410464294.3A CN104188663B (zh) | 2014-09-11 | 2014-09-11 | 一种人体生理参数采集有效值自启动方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410464294.3A CN104188663B (zh) | 2014-09-11 | 2014-09-11 | 一种人体生理参数采集有效值自启动方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104188663A CN104188663A (zh) | 2014-12-10 |
CN104188663B true CN104188663B (zh) | 2016-10-26 |
Family
ID=52074170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410464294.3A Active CN104188663B (zh) | 2014-09-11 | 2014-09-11 | 一种人体生理参数采集有效值自启动方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104188663B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108024739A (zh) * | 2015-09-23 | 2018-05-11 | 皇家飞利浦有限公司 | 脉搏血氧计建议另一测试 |
JP6642302B2 (ja) | 2016-06-24 | 2020-02-05 | オムロンヘルスケア株式会社 | 生体情報測定支援装置、生体情報測定装置、生体情報測定支援方法、及び、生体情報測定支援プログラム |
CN107007270A (zh) * | 2017-03-31 | 2017-08-04 | 西藏喜年通讯科技有限公司 | 一种便携式终端 |
CN110226914B (zh) * | 2018-03-05 | 2023-03-17 | 深圳市理邦精密仪器股份有限公司 | 生理参数测量设备的自动激活方法和装置 |
CN108567423A (zh) * | 2018-03-07 | 2018-09-25 | 南京宽诚科技有限公司 | 一种生物电信号的检测方法及装置 |
CN109008993A (zh) * | 2018-07-13 | 2018-12-18 | 武汉久乐科技有限公司 | 一种生命体征数据采集控制方法和装置 |
CN110833422A (zh) * | 2018-08-16 | 2020-02-25 | 康泰医学系统(秦皇岛)股份有限公司 | 血氧仪 |
CN110856653A (zh) * | 2018-08-22 | 2020-03-03 | 北京医佳护健康医疗科技有限公司 | 基于生命体征数据的健康监测预警系统 |
CN109044299B (zh) * | 2018-09-25 | 2021-03-30 | 北方民族大学 | 一种心血管健康检测的生理信号采集设备及方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0889490A (ja) * | 1994-09-22 | 1996-04-09 | Daikin Ind Ltd | 生体組織導電率の測定方法 |
JP2001137209A (ja) * | 1999-11-17 | 2001-05-22 | Star Medical Kk | 心室容積測定装置 |
JP3909710B2 (ja) * | 2004-03-15 | 2007-04-25 | 国立循環器病センター総長 | 心室容積測定装置及び心室容積測定方法 |
EP2087836B1 (en) * | 2008-02-07 | 2012-04-04 | Pulsion Medical Systems AG | Apparatus and method for determining a physiological parameter |
EP2456360B1 (en) * | 2009-07-20 | 2017-11-22 | Koninklijke Philips N.V. | Method for operating a patient monitoring system |
CN101797156B (zh) * | 2010-04-13 | 2012-07-11 | 秦皇岛市康泰医学系统有限公司 | 一种人体呼吸监控系统呼吸波的判定方法 |
CN103654770B (zh) * | 2013-12-03 | 2015-11-18 | 上海理工大学 | 移动心电信号qrs波实时波检测方法及装置 |
-
2014
- 2014-09-11 CN CN201410464294.3A patent/CN104188663B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104188663A (zh) | 2014-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104188663B (zh) | 一种人体生理参数采集有效值自启动方法及其系统 | |
US20210275046A1 (en) | Peak Detection System and Method for Calculation of Signal-Derived Metrics | |
CN107951485B (zh) | 基于人工智能自学习的动态心电图分析方法和装置 | |
Oweis et al. | QRS detection and heart rate variability analysis: A survey | |
Bolanos et al. | Comparison of heart rate variability signal features derived from electrocardiography and photoplethysmography in healthy individuals | |
CN107296616A (zh) | 便携式无创血糖检测设备及方法 | |
Zhang et al. | A United CNN-LSTM algorithm combining RR wave signals to detect arrhythmia in the 5G-enabled medical internet of things | |
CN109620209B (zh) | 一种动态心电、呼吸和运动监测系统和方法 | |
WO2021184803A1 (zh) | 一种血压分类方法和装置 | |
CN106510687A (zh) | 一种识别心电图数据异常的方法及系统 | |
CN110141249A (zh) | 基于ppg信号的无创血糖监测方法、系统、设备及介质 | |
WO2021164347A1 (zh) | 一种对血压进行预测的方法和装置 | |
CN107689040A (zh) | 血糖检测的移动终端 | |
US20150012222A1 (en) | Method and system for analyzing noise in an electrophysiology study | |
Shukla et al. | A fast and accurate FPGA based QRS detection system | |
CN116421156A (zh) | 一种融合光电容积脉搏波与心电信号的心力衰竭风险预测系统及装置 | |
Mahdy et al. | Smart ECG Holter monitoring system using smartphone | |
CN105266764B (zh) | 一种中医宗气测评装置 | |
Papadogiorgaki et al. | Heart rate classification using ECG signal processing and machine learning methods | |
Caballero et al. | Reduction of false cardiac arrhythmia alarms through the use of machine learning techniques | |
Hugeng et al. | Development of the ‘Healthcor’system as a cardiac disorders symptoms detector using an expert system based on arduino uno | |
CN114550940A (zh) | 基于Stacking模型融合的无创血糖估计方法、系统及存储介质 | |
CN109147945A (zh) | 中医诊断系统及手环 | |
Leitner et al. | Personalized blood pressure estimation using photoplethysmography and wavelet decomposition | |
Shobitha et al. | Noninvasive blood glucose prediction from photoplethysmogram using relevance vector machine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |