[go: up one dir, main page]

CN111685726A - 一种血氧检测方法及装置 - Google Patents

一种血氧检测方法及装置 Download PDF

Info

Publication number
CN111685726A
CN111685726A CN201910186108.7A CN201910186108A CN111685726A CN 111685726 A CN111685726 A CN 111685726A CN 201910186108 A CN201910186108 A CN 201910186108A CN 111685726 A CN111685726 A CN 111685726A
Authority
CN
China
Prior art keywords
signals
infrared
alternating current
red light
signal
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.)
Pending
Application number
CN201910186108.7A
Other languages
English (en)
Inventor
李玥
李彦
杨斌
李靖
周林峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Device Co Ltd
Original Assignee
Huawei Device Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Device Co Ltd filed Critical Huawei Device Co Ltd
Priority to CN201910186108.7A priority Critical patent/CN111685726A/zh
Priority to EP20770434.7A priority patent/EP3915476B1/en
Priority to PCT/CN2020/077946 priority patent/WO2020182047A1/zh
Priority to US17/434,822 priority patent/US20220142529A1/en
Publication of CN111685726A publication Critical patent/CN111685726A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/7214—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using signal cancellation, e.g. based on input of two identical physiological sensors spaced apart, or based on two signals derived from the same sensor, for different optical wavelengths

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请实施例涉及一种血氧检测方法，包括：获取至少两个红光信号、至少两个红外信号以及绿光信号；根据至少两个红光信号确定红光直流数据和红光交流信号的成分信号；根据至少两个红外信号确定红外直流数据和红外交流信号的成分信号；成分信号包括动脉信号；根据红光交流信号的成分信号和绿光信号，确定红光交流数据；根据红外交流信号的成分信号和绿光信号，确定红外交流数据；根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定血氧饱和度。通过多个测量点收集信息，然后对采集到的交流信息用独立成分分析，同时用绿光进行去噪，可以将静脉血流和毛细血管等干扰排除，并且弥补了信噪比低的缺点，增加了腕部血氧测量的精度。

Description

一种血氧检测方法及装置
技术领域
本申请涉及血氧检测领域，尤其涉及一种基于多通道与独立成分分析的腕部脉搏血氧检测方法及装置。
背景技术
血氧饱和度(oxygen saturation，SpO2)是血液中血氧的浓度。它是呼吸循环的重要生理参数，描述了血液携带输送氧气的能力。人体的新陈代谢过程是生物氧化过程，而新陈代谢过程中所需要的氧是通过呼吸系统进入人体血液的。进入人体血液中的氧与血液红细胞中的去氧血红蛋白(hemoglobin，Hb)结合成氧合血红蛋白HbO2，再输送到人体各部分组织细胞中去。SpO2是血液中HbO2占全部血红蛋白容量的百分比，即SpO2＝HbO2/(HbO2+Hb)*100％。通常情况下占比大约在98％左右。
目前的一些脉搏血氧检测由于手腕处的血管分布较为稀疏，且表层静脉分布较多、脉搏血氧信号较弱，所以采用单红光和红外光通道采集的数据不能忽略静脉带来的干扰，使得数据信噪比较低。同时，由于采用一个探测点测量，对于皮肤与传感器之间的相对运动比较敏感，导致很容易引入运动带来的干扰。
发明内容
本申请实施例提供了一种血氧检测方法及装置，通过将多个采集点采集的红光和红外信号进行交流直流分解，然后将交流部分进行独立成分分析后与绿光进行相关，可以有效的将静脉血流和毛细血管等干扰排除，弥补了信噪比较低的缺点，增加了腕部血氧测量的精度。
第一方面，提供了一种血氧检测方法，方法包括：获取至少两个红光信号、至少两个红外信号以及绿光信号；根据至少两个红光信号确定红光直流数据和红光交流信号的成分信号；以及根据至少两个红外信号确定红外直流数据和红外交流信号的成分信号；成分信号包括动脉信号；根据红光交流信号的成分信号和绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和绿光信号，确定红外交流数据；根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定血氧饱和度。
在一个可能的实施方式中，根据至少两个红光信号确定红光直流数据和红光交流信号的成分信号；以及根据至少两个红外信号确定红外直流数据和红外交流信号的成分信号，包括：根据至少两个红光信号，确定至少两个红光直流信号和至少两个红光交流信号；根据至少两个红光直流信号确定红光直流数据；根据至少两个红外信号确定至少两个红外直流信号和至少两个红外交流信号；根据至少两个红外直流信号确定红外直流数据；根据至少两个红光交流信号确定红光交流信号的成分信号；以及根据至少两个红外交流信号确定红外交流信号的成分信号。
在一个可能的实施方式中，根据至少两个红光交流信号确定红光交流信号的成分信号；以及根据至少两个红外交流信号确定红外交流信号的成分信号，包括：通过独立成分分析算法或主成分分析算法将至少两个红光交流信号中的至少一个成分信号分离开，得到红光交流信号的至少一个成分信号，红光交流信号的至少一个成分信号包括动脉信号；以及通过独立成分分析算法或主成分分析算法将至少两个红外交流信号中的至少一个成分信号分离开，得到红外交流信号的至少一个成分信号，红外交流信号的至少一个成分信号包括动脉信号。
在一个可能的实施方式中，根据红光交流信号的成分信号和绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和绿光信号，确定红外交流数据，包括：对绿光信号进行滤波处理；根据红光交流信号的成分信号和滤波处理后的绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和滤波处理后的绿光信号，确定红外交流数据。
在一个可能的实施方式中，根据红光交流信号的成分信号和绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和绿光信号，确定红外交流数据；包括：根据红光交流信号的至少一个成分信号与绿光信号进行比较，确定与绿光信号最接近的红光交流信号的至少一个成分信号对应的数据是红光交流数据；根据红外交流信号的至少一个成分信号与绿光信号进行比较，确定与绿光信号最接近的红外交流信号的至少一个成分信号对应的数据是红外交流数据。
在一个可能的实施方式中，红光直流数据为至少两个红光直流信号的均值、最大值、最小值或中位数；红外直流数据为至少两个红外直流信号的均值、最大值、最小值或中位数。
在一个可能的实施方式中，根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定血氧饱和度，包括：根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定脉搏血氧；并根据脉搏血液查询预先配置的对照表确定血氧饱和度。
第二方面，提供了一种血氧检测装置，装置包括：至少两个红光传感器、至少两个红外传感器、绿光传感器和处理器。至少两个红光传感器，用于获取至少两个红光信号；至少两个红外传感器，用于获取至少两个红外信号；绿光传感器，用于获取绿光信号。处理器，用于根据至少两个红光信号确定红光直流数据和红光交流信号的成分信号；以及根据至少两个红外信号确定红外直流数据和红外交流信号的成分信号。成分信号包括动脉信号。处理器还用于，根据红光交流信号的成分信号和绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和绿光信号，确定红外交流数据。处理器还用于，根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定血氧饱和度。
在一个可能的实施方式中，处理器还用于，根据至少两个红光信号，确定至少两个红光直流信号和至少两个红光交流信号；根据至少两个红光直流信号确定红光直流数据；根据至少两个红外信号确定至少两个红外直流信号和至少两个红外交流信号；根据至少两个红外直流信号确定红外直流数据；根据至少两个红光交流信号确定红光交流信号的成分信号；以及根据至少两个红外交流信号确定红外交流信号的成分信号。
在一个可能的实施方式中，处理器还用于，通过独立成分分析算法或主成分分析算法将至少两个红光交流信号中的至少一个成分信号分离开，得到红光交流信号的至少一个成分信号，红光交流信号的至少一个成分信号包括动脉信号；以及通过独立成分分析算法或主成分分析算法将至少两个红外交流信号中的至少一个成分信号分离开，得到红外交流信号的至少一个成分信号，红外交流信号的至少一个成分信号包括动脉信号。
在一个可能的实施方式中，处理器还用于，对绿光信号进行滤波处理；根据红光交流信号的成分信号和滤波处理后的绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和滤波处理后的绿光信号，确定红外交流数据。
在一个可能的实施方式中，处理器还用于，根据红光交流信号的至少一个成分信号与绿光信号进行比较，确定与绿光信号最接近的红光交流信号的至少一个成分信号对应的数据是红光交流数据。根据红外交流信号的至少一个成分信号与绿光信号进行比较，确定与绿光信号最接近的红外交流信号的至少一个成分信号对应的数据是红外交流数据。
在一个可能的实施方式中，红光直流数据为至少两个红光直流信号的均值、最大值、最小值或中位数。红外直流数据为至少两个红外直流信号的均值、最大值、最小值或中位数。
在一个可能的实施方式中，处理器还用于，根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定脉搏血氧。并根据脉搏血氧查询预先配置的对照表确定血氧饱和度。
在一个可能的实施方式中，装置为可穿戴智能设备，包括：表带和智能可穿戴设备本体。表带上设置有至少一个红光传感器和至少一个红外传感器。智能可穿戴设备本体上至少一个红光传感器、至少一个红外传感器和处理器。表带或智能可穿戴设备本体上设置有绿光传感器。
第三方面，提供了一种血氧检测装置，装置包括：采集模块，用于获取至少两个红光信号、至少两个红外信号以及绿光信号；交直流分解模块，用于根据至少两个红光信号确定红光直流数据和红光交流信号的成分信号；以及根据至少两个红外信号确定红外直流数据和红外交流信号的成分信号；成分信号包括动脉信号；成分分析模块，用于根据红光交流信号的成分信号和绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和绿光信号，确定红外交流数据；血氧转换模块，用于根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定血氧饱和度。
在一个可能的实施方式中，交直流分解模块还用于：根据至少两个红光信号，确定至少两个红光直流信号和至少两个红光交流信号；根据至少两个红光直流信号确定红光直流数据；根据至少两个红外信号确定至少两个红外直流信号和至少两个红外交流信号；根据至少两个红外直流信号确定红外直流数据；根据至少两个红光交流信号确定红光交流信号的成分信号；以及根据至少两个红外交流信号确定红外交流信号的成分信号。
在一个可能的实施方式中，成分分析模块还用于：通过独立成分分析算法或主成分分析算法将至少两个红光交流信号中的至少一个成分信号分离开，得到红光交流信号的至少一个成分信号，红光交流信号的至少一个成分信号包括动脉信号；以及通过独立成分分析算法或主成分分析算法将至少两个红外交流信号中的至少一个成分信号分离开，得到红外交流信号的至少一个成分信号，红外交流信号的至少一个成分信号包括动脉信号。
在一个可能的实施方式中，装置还包括预处理模块：预处理模块用于对绿光信号进行滤波处理；成分分析模块还用于：根据红光交流信号的成分信号和滤波处理后的绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和滤波处理后的绿光信号，确定红外交流数据。
在一个可能的实施方式中，成分分析模块还用于：根据红光交流信号的至少一个成分信号与绿光信号进行比较，确定与绿光信号最接近的红光交流信号的至少一个成分信号对应的数据是红光交流数据；根据红外交流信号的至少一个成分信号与绿光信号进行比较，确定与绿光信号最接近的红外交流信号的至少一个成分信号对应的数据是红外交流数据。
在一个可能的实施方式中，红光直流数据为至少两个红光直流信号的均值、最大值、最小值或中位数；红外直流数据为至少两个红外直流信号的均值、最大值、最小值或中位数。
在一个可能的实施方式中，血氧转换模块还用于：根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定脉搏血氧；并根据脉搏血液查询预先配置的对照表确定血氧饱和度。
第四方面，提供了一种存储程序的计算机可读存储介质，程序包括指令，指令当被计算机执行时，使计算机执行第一方面的方法。
第五方面，提供了一种包含指令的计算机程序产品，当其运行时，使得第一方面的方法被执行。
本申请公开了一种血氧检测方法及装置，通过多个测量点收集更多信息，然后对采集到的交流信息用独立成分分析，并且采用绿光进行去噪，可以将静脉血流和毛细血管等干扰排除，并且弥补了信噪比低的缺点，增加了腕部血氧测量的精度。
附图说明
图1a为现有技术提供的一种脉搏血氧仪示意图；
图1b为现有技术提供的另一种脉搏血氧仪示意图；
图2为本申请实施例提供的一种血氧检测方法流程图；
图3为本申请实施例提供的另一种血氧检测方法流程图；
图4为本申请实施例提供的一种血氧检测装置示意图；
图5为本申请实施例提供的另一种血氧检测装置示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
本申请应用于腕部血氧检测，由于血红蛋白对红光与红外光的吸收率不同，HbO2吸收近红外光(infrared radiation，IR)较多，通常IR的波长在900nm左右；而Hb吸收红光较多，通常红光的波长在600nm左右。将红光与红外光同时射入人体组织中，静脉与其他身体组织的血流量相对恒定，所以对光的吸收可以近似看作定值；而动脉会随着脉搏周期性的扩张，因此单位体积内的总血量会周期性的变化，所以动脉对红光和红外光的吸收会随着脉搏而进行周期性变化。
现有的一些血氧检测装置采用指夹式，通过将被测者的手指放入指夹式脉搏血氧仪中进行测量，如图1a所示，该方案中由于血氧仪需要夹在被测者的手指上，会严重妨碍手指部分的活动。同时，长时间佩戴也更容易产生不适。还有一些血氧检测装置则采用手腕式单通道测量。单通道是指通过单一探测点进行信号采集，如图1b所示，10为红光传感器，20为红外传感器。通过在手腕处佩戴该血氧仪，从而对脉搏血氧进行检测。但是由于手腕处血管分布较为稀疏，且表层静脉分布较多，导致脉搏血氧信号较弱，单一红光和红外传感器采集的数据不能忽略静脉干扰，造成数据信噪比偏低，同时采用单一探测点对于皮肤与传感器之间相对运动较为敏感，易引入运动干扰。
为解决上述技术存在的问题，本申请检测方法通过对被检测部位进行多处信息采集，并对采集到的红光和红外信号分成红光交流信号、红外交流信号、红光直流信号和红外直流信号。由于传感器采集到的信号是数量庞大的原始信号，所以需要从采集到的原始信号中提炼出最能够反映出当前血氧状态的数据。所以本申请通过绿光相关性分析从红光交流信号、红外交流信号中确定红光交流数据和红外交流数据。同时，通过红光直流信号和红外直流信号确定红光直流数据和红外直流数据。其中，本申请中的红光直流数据可以是多个红光直流信号的均值、最大值、最小值、中位数等；本申请中的红外直流数据可以是多个红外直流信号的均值、最大值、最小值、中位数等。通过绿光对红光交流数据和红外交流数据进行去噪，可以将静脉血流和毛细血管等干扰排除，最后用去噪后的红光交流数据、红外交流数据、红光直流数据和红外直流数据计算血氧饱和度。弥补了信噪比低的缺点，增加了腕部血氧测量的精度。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
图2为本申请实施例提供的一种血氧检测方法流程图。如图2所示，该方法包括以下步骤：
S201，获取至少两个红光信号、至少两个红外信号以及绿光信号。
通过至少两个红光传感器、至少两个红外传感器和绿光传感器对被测用户进行信号采集。在一个例子中，一个探测点可以包括一个红光传感器和一个红外传感器。在一个实施例中，可以是包括两个探测点，每个探测点分别获取一个红光信号和一个红外信号；以及还包括一个绿光探测点，用于获取绿光信号。
S202，根据至少两个红光信号确定红光直流数据和红光交流信号的成分信号；以及根据至少两个红外信号确定红外直流数据和红外交流信号的成分信号；成分信号包括动脉信号。
对采集到的至少两个红光信号进行交流直流分离，分解出红光直流数据和红光交流信号的成分信号；以及对采集到的至少两个红外信号进行交流直流分解，分解出红外直流数据和红外交流信号的成分信号。在一个例子中，成分信号包括动脉信号。在另一个例子中，成分信号还可以包括毛细血管信号、其他噪声信号等等。
S203，根据红光交流信号的成分信号和绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和绿光信号，确定红外交流数据。
由于绿光相比红光能被氧合血红蛋白和脱氧血红蛋白吸收，绿光作为光源得到的信号更好，信噪比也比其他光源好些，所以本申请采用绿光进行测量，用于作为脉搏信号的参考数据。在一个例子中，成分信号中包括多个成分信号，其中包括脉搏信号。采用绿光信号，将脉搏信号从多个成分信号中筛选出来作为交流数据，以此确定红光交流数据和红外交流数据。
S204，根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定血氧饱和度。
本申请通过多个测量点收集更多信息，然后对采集到的交流信息用独立成分分析，并且采用绿光进行去噪，可以将静脉血流和毛细血管等干扰排除，并且弥补了信噪比低的缺点，增加了腕部血氧测量的精度。
下面将结合实施例，更为具体的描述本申请的技术方案，图3为本申请实施例提供的另一种血氧检测方法流程图。
如图3所示，在S201之后，还包括以下步骤：
S301，根据至少两个红光信号，确定至少两个红光直流信号和至少两个红光交流信号。
通过对多个探测点接收到的红光信号进行交直流分离，得到多个红光直流信号和多个红光交流信号。在一个例子中，对每个探测点接收到的红光信号分别进行交直流分离，每个探测点分别得到红光直流信号和红光交流信号。在另一个例子中，还可以对每个探测点进行多次检测，在每次检测中，对每个探测点接收到的红光信号分别进行交直流分离，每个探测点分别得到红光直流信号和红光交流信号。
S302，根据至少两个红光直流信号确定红光直流数据。
在一个例子中，根据多个探测点确定出的多个红光直流信号确定出一个红光直流数据。在另一个例子中，还可以根据每个探测点多次测量确定出的多个红光直流信号确定出一个红光直流数据。其中，红光直流数据可以是多个红光直流信号的均值、最大值、最小值、中位数等。本领域人员应当注意，直流数据反映的是静脉血管中去氧血红蛋白的情况，由于静脉血管中血流量相对恒定，所以将多个直流信号进行统一即可作为红光直流数据，采用任何等效的变化或替换均涵盖在本申请的保护范围之内。
S303，根据至少两个红外信号确定至少两个红外直流信号和至少两个红外交流信号。
通过对多个探测点接收到的红外信号进行交直流分离，得到多个红外直流信号和多个红外交流信号。在一个例子中，对每个探测点接收到的红外信号分别进行交直流分离，每个探测点分别得到红外直流信号和红外交流信号。在另一个例子中，还可以对每个探测点进行多次检测，在每次检测中，对每个探测点接收到的红外信号分别进行交直流分离，每个探测点分别得到红外直流信号和红外交流信号。
S304，根据至少两个红外直流信号确定所述红外直流数据。
在一个例子中，根据多个探测点确定出的多个红外直流信号确定出一个红外直流数据。在另一个例子中，还可以根据每个探测点多次测量确定出的多个红外直流信号确定出一个红外直流数据。其中，红外直流数据可以是多个红外直流信号的均值、最大值、最小值、中位数等。本领域人员应当注意，直流数据反映的是静脉血管中氧合血红蛋白的情况，由于静脉血管中血流量相对恒定，所以将多个直流信号进行统一即可作为红光直流数据，采用任何等效的变化或替换均涵盖在本申请的保护范围之内。
S305，根据至少两个红光交流信号确定红光交流信号的成分信号；以及根据至少两个红外交流信号确定红外交流信号的成分信号。
在一个例子中，通过独立成分分析算法将多个红光交流信号中的多个成分信号分离开，得到红光交流信号的多个成分信号，红光交流信号的多个成分信号包括动脉信号；以及通过独立成分分析算法将多个红外交流信号中的多个成分信号分离开，得到红外交流信号的多个成分信号，红外交流信号的多个成分信号包括动脉信号。其中，多个成分信号之间相互独立，即相互不相干。在一个例子中，可以设n为红光交流信号的数量，其中n大于等于1；设m为红光交流信号的成分信号的数量，其中m大于等于1。在一个实施例中，令n＝m，也就意味着，有几个红光交流信号，即分离出几个红光交流信号的成分信号。其中，成分信号包括动脉信号。同理可确定多个红外交流信号的成分信号。在另一个例子中，还可以采用主成分分析算法将多个红光/红外交流信号中的多个成分信号分离开，得到红光/红外交流信号的多个成分信号。本领域人员应当注意，针对将多个交流信号中的多个成分信号分离方法，任意其他等价的可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。
S306，根据红光交流信号的成分信号和滤波处理后的绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和滤波处理后的绿光信号，确定红外交流数据。
在一个例子中，对采集到的绿光进行滤波降噪的预处理。之后采用降噪后的绿光信号作为脉搏信号的参考数据。从确定出的红光交流信号的多个成分信号筛选出脉搏信号并作为红光交流数据。在一个例子中，可以采用线性相关确定红光交流信号的多个成分信号与滤波处理后的绿光信号的相关程度。其中，相关程度可以理解为相似程度。然后将与滤波处理后的绿光信号相关性最强的红光交流信号的成分信号确定为红光交流数据。同理可将与滤波处理后的绿光信号相关性最强的红外交流信号的成分信号确定为红外交流数据。
S307，根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定脉搏血氧。
在一个例子中，当确定完红光直流数据、红光交流数据、红外直流数据和红外交流数据后，可以根据公式
Figure BDA0001992910970000071
确定脉搏血氧。其中R值代表了血液中的Hb与HbO2浓度的比例关系，Redac为红光交流数据，Reddc为红光直流数据，IRac为红外交流数据，IRdc为红外直流数据。
S308，根据脉搏血氧查询预先配置的对照表确定血氧饱和度。
根据预先配置的脉搏血氧与SpO2的对照表，查询脉搏血氧数值对应的SpO2值。
本申请通过多个测量点收集更多信息，然后对采集到的交流信息用独立成分分析，并且采用绿光进行去噪，可以将静脉血流和毛细血管等干扰排除，并且弥补了信噪比低的缺点，增加了腕部血氧测量的精度。
图4为本申请实施例提供的一种血氧检测装置示意图。
如图4所示，提供了一种血氧检测装置400。其中，装置400包括：采集模块401，用于获取至少两个红光信号、至少两个红外信号以及绿光信号；交直流分解模块402，用于根据至少两个红光信号确定红光直流数据和红光交流信号的成分信号；以及根据至少两个红外信号确定红外直流数据和红外交流信号的成分信号；成分信号包括动脉信号；成分分析模块403，用于根据红光交流信号的成分信号和绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和绿光信号，确定红外交流数据；血氧转换模块404，用于根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定血氧饱和度。
在一个可能的实施方式中，交直流分解模块402还用于：根据至少两个红光信号，确定至少两个红光直流信号和至少两个红光交流信号；根据至少两个红光直流信号确定红光直流数据；根据至少两个红外信号确定至少两个红外直流信号和至少两个红外交流信号；根据至少两个红外直流信号确定红外直流数据；根据至少两个红光交流信号确定红光交流信号的成分信号；以及根据至少两个红外交流信号确定红外交流信号的成分信号。在另一个例子中，红光直流成分和红外直流成分还可以是在另一个独立的模块中确定得到。
在一个可能的实施方式中，成分分析模块403还用于：通过独立成分分析算法或主成分分析算法将至少两个红光交流信号中的至少一个成分信号分离开，得到红光交流信号的至少一个成分信号，红光交流信号的至少一个成分信号包括动脉信号；以及通过独立成分分析算法或主成分分析算法将至少两个红外交流信号中的至少一个成分信号分离开，得到红外交流信号的至少一个成分信号，红外交流信号的至少一个成分信号包括动脉信号。
在一个可能的实施方式中，装置400还包括预处理模块405：预处理模块405用于对绿光信号进行滤波处理。在一个例子中，预处理模块可以采用滤波器对绿光信号进行滤波处理。本领域人员应当注意，滤波器仅为一种可能的实施方式，任何等效的替换均在本申请的保护范围之内，采用何种滤波器在此不做限定。成分分析模块403还用于：根据红光交流信号的成分信号和滤波处理后的绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和滤波处理后的绿光信号，确定红外交流数据。
在一个可能的实施方式中，成分分析模块403还用于：根据红光交流信号的至少一个成分信号与绿光信号进行比较，确定与绿光信号最接近的红光交流信号的至少一个成分信号对应的数据是红光交流数据；根据红外交流信号的至少一个成分信号与绿光信号进行比较，确定与绿光信号最接近的红外交流信号的至少一个成分信号对应的数据是红外交流数据。
在一个可能的实施方式中，红光直流数据为至少两个红光直流信号的均值、最大值、最小值或中位数；红外直流数据为至少两个红外直流信号的均值、最大值、最小值或中位数。
在一个可能的实施方式中，血氧转换模块404还用于：根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定脉搏血氧；并根据脉搏血液查询预先配置的对照表确定血氧饱和度。
本申请通过多个测量点收集更多信息，然后对采集到的交流信息用独立成分分析，并且采用绿光进行去噪，可以将静脉血流和毛细血管等干扰排除，并且弥补了信噪比低的缺点，增加了腕部血氧测量的精度。
图5为本申请实施例提供的另一种血氧检测装置示意图。
如图5所示，提供了一种血氧检测装置，该装置包括：至少两个红光传感器、至少两个红外传感器、绿光传感器和处理器。至少两个红光传感器，用于获取至少两个红光信号；至少两个红外传感器，用于获取至少两个红外信号；绿光传感器，用于获取绿光信号。处理器，用于根据至少两个红光信号确定红光直流数据和红光交流信号的成分信号；以及根据至少两个红外信号确定红外直流数据和红外交流信号的成分信号。成分信号包括动脉信号。处理器还用于，根据红光交流信号的成分信号和绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和绿光信号，确定红外交流数据。处理器还用于，根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定血氧饱和度。
在一个示例中，处理器还用于，根据至少两个红光信号，确定至少两个红光直流信号和至少两个红光交流信号；根据至少两个红光直流信号确定红光直流数据；根据至少两个红外信号确定至少两个红外直流信号和至少两个红外交流信号；根据至少两个红外直流信号确定红外直流数据；根据至少两个红光交流信号确定红光交流信号的成分信号；以及根据至少两个红外交流信号确定红外交流信号的成分信号。
在一个示例中，处理器还用于，通过独立成分分析算法或主成分分析算法将至少两个红光交流信号中的至少一个成分信号分离开，得到红光交流信号的至少一个成分信号，红光交流信号的至少一个成分信号包括动脉信号；以及通过独立成分分析算法或主成分分析算法将至少两个红外交流信号中的至少一个成分信号分离开，得到红外交流信号的至少一个成分信号，红外交流信号的至少一个成分信号包括动脉信号。
在一个示例中，处理器还用于，对绿光信号进行滤波处理；根据红光交流信号的成分信号和滤波处理后的绿光信号，确定红光交流数据；以及根据红外交流信号的成分信号和滤波处理后的绿光信号，确定红外交流数据。
在一个示例中，处理器还用于，根据红光交流信号的至少一个成分信号与绿光信号进行比较，确定与绿光信号最接近的红光交流信号的至少一个成分信号对应的数据是红光交流数据。根据红外交流信号的至少一个成分信号与绿光信号进行比较，确定与绿光信号最接近的红外交流信号的至少一个成分信号对应的数据是红外交流数据。
在一个示例中，红光直流数据为至少两个红光直流信号的均值、最大值、最小值或中位数。红外直流数据为至少两个红外直流信号的均值、最大值、最小值或中位数。
在一个示例中，处理器还用于，根据红光直流数据、红光交流数据、红外直流数据和红外交流数据，确定脉搏血氧。并根据脉搏血氧查询预先配置的对照表确定血氧饱和度。
在一个示例中，装置为可穿戴智能设备，包括：表带和智能可穿戴设备本体。表带上设置有至少一个红光传感器和至少一个红外传感器。智能可穿戴设备本体上至少一个红光传感器、至少一个红外传感器和处理器。表带或智能可穿戴设备本体上设置有绿光传感器。
在一个例子中，在血氧检测装置上设置至少两个探测点。其中，每个探测点都设置有红光传感器和红外传感器。手腕的动脉大多分布在人体内较深处，而静脉分布于距离皮肤表层较近的位置，在手腕背面测量到的信号包含静脉成分较多。而手腕两侧，位于尺骨茎凸附近和桡骨茎凸附近的动脉离皮肤稍近，从这两处探测到的数据含静脉成分较少。如图5所示，血氧检测装置可以采用智能手表的形式，其中，智能手表上可设置两个探测点1/2和3/4。其中一个探测点3/4可以位于智能手表的表盘背面，当佩戴智能手表时，探测点3/4位于用户手腕的背面。另一个探测点1/2可以位于尺骨茎凸或桡骨茎凸1cm范围内即探测点1/2可设置在表带上。其中，1和3为红光传感器，2、4为红外传感器。同时，该装置还设置有光电容积脉搏波描记法(photo plethysmo graphy，PPG)传感器，即前述绿光传感器，如图5中记号为5。
本领域人员应当注意，探测点的位置可以是该设备上的任意位置，图5仅为一种可选的实施方式，任何等效的替换均在本申请的保护范围之内，探测点具体位置在此不做限定。本领域人员还应当注意，探测点的红光传感器和红外传感器可以是分开的，也可以是集成在一起的。本领域人员还应当注意，用于检测绿光的PPG传感器的位置也可以是该设备上的任意位置，图5仅为一种可选的实施方式，任何等效的替换均在本申请的保护范围之内，PPG传感器具体位置在此不做限定。
本申请通过多个测量点收集更多信息，然后对采集到的交流信息用独立成分分析算法或主成分分析算法分离出多个成分信号，并且采用绿光进行去噪，可以将静脉血流和毛细血管等干扰排除，并且弥补了信噪比低的缺点，增加了腕部血氧测量的精度。
本领域普通技术人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令处理器完成，所述的程序可以存储于计算机可读存储介质中，所述存储介质是非短暂性(英文：non-transitory)介质，例如随机存取存储器，只读存储器，快闪存储器，硬盘，固态硬盘，磁带(英文：magnetic tape)，软盘(英文：floppy disk)，光盘(英文：optical disc)及其任意组合。

Claims (17)

1.一种血氧检测方法，其特征在于，所述方法包括：
获取至少两个红光信号、至少两个红外信号以及绿光信号；
根据所述至少两个红光信号确定红光直流数据和红光交流信号的成分信号；以及根据所述至少两个红外信号确定红外直流数据和红外交流信号的成分信号；所述成分信号包括动脉信号；
根据所述红光交流信号的成分信号和所述绿光信号，确定红光交流数据；以及根据所述红外交流信号的成分信号和所述绿光信号，确定红外交流数据；
根据所述红光直流数据、所述红光交流数据、所述红外直流数据和所述红外交流数据，确定血氧饱和度。
2.如权利要求1所述的方法，其特征在于，所述根据所述至少两个红光信号确定红光直流数据和红光交流信号的成分信号；以及根据所述至少两个红外信号确定红外直流数据和红外交流信号的成分信号，包括：
根据所述至少两个红光信号，确定至少两个红光直流信号和至少两个红光交流信号；
根据所述至少两个红光直流信号确定所述红光直流数据；
根据所述至少两个红外信号确定至少两个红外直流信号和至少两个红外交流信号；
根据所述至少两个红外直流信号确定所述红外直流数据；
根据所述至少两个红光交流信号确定所述红光交流信号的成分信号；以及根据所述至少两个红外交流信号确定所述红外交流信号的成分信号。
3.如权利要求2所述的方法，其特征在于，所述根据所述至少两个红光交流信号确定所述红光交流信号的成分信号；以及根据所述至少两个红外交流信号确定所述红外交流信号的成分信号，包括：
通过独立成分分析算法或主成分分析算法将所述至少两个红光交流信号中的至少一个成分信号分离开，得到红光交流信号的至少一个成分信号，所述红光交流信号的至少一个成分信号包括动脉信号；以及
通过独立成分分析算法或主成分分析算法将所述至少两个红外交流信号中的至少一个成分信号分离开，得到红外交流信号的至少一个成分信号，所述红外交流信号的至少一个成分信号包括动脉信号。
4.如权利要求1-3任一所述的方法，其特征在于，所述根据所述红光交流信号的成分信号和所述绿光信号，确定红光交流数据；以及根据所述红外交流信号的成分信号和所述绿光信号，确定红外交流数据，包括：
对所述绿光信号进行滤波处理；
根据所述红光交流信号的成分信号和滤波处理后的绿光信号，确定红光交流数据；以及根据所述红外交流信号的成分信号和滤波处理后的绿光信号，确定红外交流数据。
5.根据权利要求3或4所述的方法，其特征在于，根据所述红光交流信号的成分信号和所述绿光信号，确定红光交流数据；以及根据所述红外交流信号的成分信号和所述绿光信号，确定红外交流数据；包括：
根据所述红光交流信号的至少一个成分信号与所述绿光信号进行比较，确定与所述绿光信号最接近的所述红光交流信号的至少一个成分信号对应的数据是所述红光交流数据；
根据所述红外交流信号的至少一个成分信号与所述绿光信号进行比较，确定与所述绿光信号最接近的所述红外交流信号的至少一个成分信号对应的数据是所述红外交流数据。
6.如权利要求1-5任一的方法，其特征在于，
所述红光直流数据为所述至少两个红光直流信号的均值、最大值、最小值或中位数；
所述红外直流数据为所述至少两个红外直流信号的均值、最大值、最小值或中位数。
7.如权利要求1-6任一所述的方法，其特征在于，所述根据所述红光直流数据、所述红光交流数据、所述红外直流数据和所述红外交流数据，确定血氧饱和度，包括：
根据所述红光直流数据、所述红光交流数据、所述红外直流数据和所述红外交流数据，确定脉搏血氧；
并根据所述脉搏血氧查询预先配置的对照表确定所述血氧饱和度。
8.一种血氧检测装置，其特征在于，所述装置包括：至少两个红光传感器、至少两个红外传感器、绿光传感器和处理器；
所述至少两个红光传感器，用于获取至少两个红光信号；所述至少两个红外传感器，用于获取至少两个红外信号；所述绿光传感器，用于获取绿光信号；
所述处理器，用于根据所述至少两个红光信号确定红光直流数据和红光交流信号的成分信号；以及根据所述至少两个红外信号确定红外直流数据和红外交流信号的成分信号；所述成分信号包括动脉信号；
所述处理器还用于，根据所述红光交流信号的成分信号和所述绿光信号，确定红光交流数据；以及根据所述红外交流信号的成分信号和所述绿光信号，确定红外交流数据；
所述处理器还用于，根据所述红光直流数据、所述红光交流数据、所述红外直流数据和所述红外交流数据，确定血氧饱和度。
9.如权利要求8所述的装置，其特征在于，所述处理器还用于，
根据所述至少两个红光信号，确定至少两个红光直流信号和至少两个红光交流信号；
根据所述至少两个红光直流信号确定所述红光直流数据；
根据所述至少两个红外信号确定至少两个红外直流信号和至少两个红外交流信号；
根据所述至少两个红外直流信号确定所述红外直流数据；
根据所述至少两个红光交流信号确定所述红光交流信号的成分信号；以及根据所述至少两个红外交流信号确定所述红外交流信号的成分信号。
10.如权利要求9所述的装置，其特征在于，所述处理器还用于，
通过独立成分分析算法或主成分分析算法将所述至少两个红光交流信号中的至少一个成分信号分离开，得到红光交流信号的至少一个成分信号，所述红光交流信号的至少一个成分信号包括动脉信号；以及
通过独立成分分析算法或主成分分析算法将所述至少两个红外交流信号中的至少一个成分信号分离开，得到红外交流信号的至少一个成分信号，所述红外交流信号的至少一个成分信号包括动脉信号。
11.如权利要求8-10任一所述的装置，其特征在于，所述处理器还用于，
对所述绿光信号进行滤波处理；
根据所述红光交流信号的成分信号和滤波处理后的绿光信号，确定红光交流数据；以及根据所述红外交流信号的成分信号和滤波处理后的绿光信号，确定红外交流数据。
12.如权利要求10或11所述的装置，其特征在于，所述处理器还用于，
根据所述红光交流信号的至少一个成分信号与所述绿光信号进行比较，确定与所述绿光信号最接近的所述红光交流信号的至少一个成分信号对应的数据是所述红光交流数据；
根据所述红外交流信号的至少一个成分信号与所述绿光信号进行比较，确定与所述绿光信号最接近的所述红外交流信号的至少一个成分信号对应的数据是所述红外交流数据。
13.如权利要求8-12任一所述的装置，其特征在于，
所述红光直流数据为所述至少两个红光直流信号的均值、最大值、最小值或中位数；
所述红外直流数据为所述至少两个红外直流信号的均值、最大值、最小值或中位数。
14.如权利要求8-13任一所述的装置，其特征在于，所述处理器还用于，
根据所述红光直流数据、所述红光交流数据、所述红外直流数据和所述红外交流数据，确定脉搏血氧；
并根据所述脉搏血氧查询预先配置的对照表确定所述血氧饱和度。
15.如权利要求8-14任一所述的装置，其特征在于，所述装置为可穿戴智能设备，包括：表带和智能可穿戴设备本体；
所述表带上设置有至少一个红光传感器和至少一个红外传感器；所述智能可穿戴设备本体上至少一个红光传感器、至少一个红外传感器和处理器；
所述表带或所述智能可穿戴设备本体上设置有绿光传感器。
16.一种存储程序的计算机可读存储介质，其特征在于，所述程序包括指令，所述指令当被执行时，使所述执行根据权利要求1-7任一所述的方法。
17.一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行如权利要求1-7任一所述的方法。
CN201910186108.7A 2019-03-12 2019-03-12 一种血氧检测方法及装置 Pending CN111685726A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201910186108.7A CN111685726A (zh) 2019-03-12 2019-03-12 一种血氧检测方法及装置
EP20770434.7A EP3915476B1 (en) 2019-03-12 2020-03-05 Blood oxygen detection method and device
PCT/CN2020/077946 WO2020182047A1 (zh) 2019-03-12 2020-03-05 一种血氧检测方法及装置
US17/434,822 US20220142529A1 (en) 2019-03-12 2020-03-05 Blood oxygen detection method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910186108.7A CN111685726A (zh) 2019-03-12 2019-03-12 一种血氧检测方法及装置

Publications (1)

Publication Number Publication Date
CN111685726A true CN111685726A (zh) 2020-09-22

Family

ID=72426876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910186108.7A Pending CN111685726A (zh) 2019-03-12 2019-03-12 一种血氧检测方法及装置

Country Status (4)

Country Link
US (1) US20220142529A1 (zh)
EP (1) EP3915476B1 (zh)
CN (1) CN111685726A (zh)
WO (1) WO2020182047A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113274008A (zh) * 2021-04-21 2021-08-20 北京雪扬科技有限公司 一种基于可穿戴设备的三波长血氧饱和度监测方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
USD982758S1 (en) * 2021-02-05 2023-04-04 Peloton Interactive, Inc. Heart rate monitor
USD972731S1 (en) * 2021-02-05 2022-12-13 Hua Xie Pulse oximeter
USD973880S1 (en) * 2021-09-10 2022-12-27 Shenzhen Yimi Life Technology Co., Ltd. Oximeter
USD977649S1 (en) * 2021-09-27 2023-02-07 Shenzhen Yimi Life Technology Co., Ltd. Fingertip pulse oximeter

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103169478A (zh) * 2011-12-26 2013-06-26 深圳迈瑞生物医疗电子股份有限公司 一种血氧测量装置
CN103417222A (zh) * 2012-05-18 2013-12-04 北京超思电子技术股份有限公司 一种血氧检测仪、检测系统及检测方法
CN107432741A (zh) * 2016-05-26 2017-12-05 华为终端（东莞）有限公司 一种ppg信号的采集方法及装置
CN108652642A (zh) * 2018-03-06 2018-10-16 江苏康尚生物医疗科技有限公司 一种血氧饱和度测量方法、设备及存储介质
CN108937957A (zh) * 2018-06-05 2018-12-07 武汉久乐科技有限公司 检测方法、装置及检测设备
CN109044322A (zh) * 2018-08-29 2018-12-21 北京航空航天大学 一种非接触式心率变异性测量方法
CN109549624A (zh) * 2018-11-04 2019-04-02 南京云思创智信息科技有限公司 一种基于深度学习的实时视频情感分析方法及系统

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5490505A (en) * 1991-03-07 1996-02-13 Masimo Corporation Signal processing apparatus
CN101940475A (zh) * 2010-09-03 2011-01-12 深圳市纽泰克电子有限公司 一种提高血氧饱和度检测精度的方法
WO2013056379A1 (en) * 2011-10-19 2013-04-25 Biovotion Ag System for noninvasive optical measurements of physiological properties in tissue
US10165955B2 (en) * 2014-02-06 2019-01-01 Reuven Gladshtein Obtaining cardiovascular parameters using arterioles related transient time
CN105249939A (zh) * 2014-07-17 2016-01-20 原相科技股份有限公司 具有去噪功能的生理检测模组及其生理检测方法
WO2016015009A1 (en) * 2014-07-24 2016-01-28 Regents Of The University Of California Reflectance based pulse oximetry systems and methods
DE102015117940A1 (de) * 2015-10-21 2017-04-27 Osram Opto Semiconductors Gmbh Optischer Sensor
US10568525B1 (en) * 2015-12-14 2020-02-25 Fitbit, Inc. Multi-wavelength pulse oximetry
WO2017133883A1 (en) * 2016-02-01 2017-08-10 Koninklijke Philips N.V. Optical vital signs sensor
US20180116607A1 (en) * 2016-10-28 2018-05-03 Garmin Switzerland Gmbh Wearable monitoring device
EP3485813A1 (en) * 2017-11-16 2019-05-22 Koninklijke Philips N.V. System and method for sensing physiological parameters
CN108420440B (zh) * 2018-02-28 2024-12-27 北京维特兴科技有限公司 发光光源装置及胎儿血氧光信号采集装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103169478A (zh) * 2011-12-26 2013-06-26 深圳迈瑞生物医疗电子股份有限公司 一种血氧测量装置
CN103417222A (zh) * 2012-05-18 2013-12-04 北京超思电子技术股份有限公司 一种血氧检测仪、检测系统及检测方法
CN107432741A (zh) * 2016-05-26 2017-12-05 华为终端（东莞）有限公司 一种ppg信号的采集方法及装置
CN108652642A (zh) * 2018-03-06 2018-10-16 江苏康尚生物医疗科技有限公司 一种血氧饱和度测量方法、设备及存储介质
CN108937957A (zh) * 2018-06-05 2018-12-07 武汉久乐科技有限公司 检测方法、装置及检测设备
CN109044322A (zh) * 2018-08-29 2018-12-21 北京航空航天大学 一种非接触式心率变异性测量方法
CN109549624A (zh) * 2018-11-04 2019-04-02 南京云思创智信息科技有限公司 一种基于深度学习的实时视频情感分析方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113274008A (zh) * 2021-04-21 2021-08-20 北京雪扬科技有限公司 一种基于可穿戴设备的三波长血氧饱和度监测方法
CN113274008B (zh) * 2021-04-21 2024-11-08 北京雪扬科技有限公司 一种基于可穿戴设备的三波长血氧饱和度监测方法

Also Published As

Publication number Publication date
EP3915476A1 (en) 2021-12-01
EP3915476A4 (en) 2022-04-06
WO2020182047A1 (zh) 2020-09-17
EP3915476B1 (en) 2025-02-26
US20220142529A1 (en) 2022-05-12

Similar Documents

Publication Publication Date Title
CN111685726A (zh) 一种血氧检测方法及装置
Fischer et al. An algorithm for real-time pulse waveform segmentation and artifact detection in photoplethysmograms
EP3307162B1 (en) Pulse oximetry
Salehizadeh et al. Photoplethysmograph signal reconstruction based on a novel motion artifact detection-reduction approach. Part II: Motion and noise artifact removal
Chong et al. Photoplethysmograph signal reconstruction based on a novel hybrid motion artifact detection–reduction approach. Part I: Motion and noise artifact detection
US5588427A (en) Enhancement of physiological signals using fractal analysis
RU2652071C2 (ru) Устройство и способ определения насыщения кислородом крови объекта исследования
CN109414203B (zh) 基于光学测量的在线心率估计
CN108937957B (zh) 检测方法、装置及检测设备
JP7065845B2 (ja) 被検体のバイタルサインを得るためのデバイス、システム、方法、及びコンピュータプログラム
KR20170076329A (ko) 산소 포화도 측정장치 및 그의 산소 포화도 측정방법
CN107456219B (zh) 一种基于皮尔逊相关系数动态心率和血氧测量方法
Scully et al. Using time-frequency analysis of the photoplethysmographic waveform to detect the withdrawal of 900 mL of blood
Alharbi et al. An applicable approach for extracting human heart rate and oxygen saturation during physical movements using a multi-wavelength illumination optoelectronic sensor system
US11311237B2 (en) Systems and methods for computationally efficient non-invasive blood quality measurement
Prada et al. A low-complexity PPG pulse detection method for accurate estimation of the pulse rate variability (PRV) during sudden decreases in the signal amplitude
KR101786014B1 (ko) 손목형 광전용적맥파 기반 산소포화도 측정시스템 및 방법
EP4489639A1 (en) Non-invasive sensor fusion and ai technology for human vital measurement
Ram et al. Use of multi-scale principal component analysis for motion artifact reduction of PPG signals
EP4037567B1 (en) Method and system for evaluating the quality of ratio of ratios values
Krizea et al. Accurate detection of heart rate and blood oxygen saturation in reflective photoplethysmography
Zhang et al. A wearable medical sensors system for in-situ monitoring vital signs of patients with hemorrhagic shock in big disaster scenes
Wang et al. Active noise cancellation of motion artifacts in pulse oximetry using isobestic wavelength light source
Yang et al. A pulse oximetry system with motion artifact reduction based on Fourier analysis
Anagha et al. A Better Digital Filtering Technique for Estimation of SPO 2 and Heart Rate from PPG Signals

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination