【技術實現步驟摘要】
本申請涉及光學信號處理，特別是涉及一種可自動標簽生成的光電容積脈搏波信號質量評估方法、裝置、終端及介質。
技術介紹
1、光電容積脈搏波描記法(photoplethysmographic，ppg)是一種通過光學技術來表征組織血管中血容量的同步變化的無創檢測方法。光電容積脈搏波信號(ppg信號)的變化與心跳和呼吸的振蕩有關。光電容積脈搏波信號是通過光源將光(紅光、紅外或綠光)照射到皮膚表面，并通過光電傳感器采集由組織反射或者透射的光得到的。由于測量的簡便性和可行性，該技術已經被廣泛的應用于不同的可穿戴和移動應用，以及一些臨床和商業醫療設備中，例如脈搏血氧儀和智能手表。心室的復極波在體表心電圖上表現為t波。整個心肌細胞全部復極后，再次恢復極化狀態，各部位心肌細胞間沒有電位差，體表心電圖記錄到等電位線。
2、然而，由于用戶的移動、周圍環境和設備電子元器件會導致信號失真，因此光電容積脈搏波信號的質量很容易受到影響。質量差的信號(低信噪比)會導致提取的生理特征信號的不準確，甚至在后續算法中錯誤地估計用戶的生理信息。由于基于這些信號的不正確或不準確的評估可能會帶來危及生命的后果，因此對于醫療健康應用來說，這種不可靠的性能是無法接受的。
技術實現思路
1、鑒于以上所述現有技術的缺點，本申請的目的在于提供一種可自動標簽生成的光電容積脈搏波信號質量評估方法、裝置、終端及介質，用于解決現有技術中光電容積脈搏波信號質量評估準確率較低的問題。
2、為實現上述目的及其他相關目的，本申請
3、于本申請的第一方面的一些實施例中，生成具有分數標簽的特征數據集的方式包括：對獲得的初始數據集中的各光電容積脈搏波信號分別進行計算特征數據的提取，并對提取的每個計算特征數據進行人體數據判斷檢測，以獲得特征數據集；基于構建的五分類模型，根據所述特征數據集，獲得光電容積脈搏波信號分類結果；對獲得的光電容積脈搏波信號分類結果進行分數映射，以獲得光電容積脈搏波信號初步打分數據；基于獲得的光電容積脈搏波信號初步打分數據，通過重要特征賦權重的方式，對所述特征數據集中的各計算特征數據進行排序，以獲得具有分數標簽的特征數據集。
4、于本申請的第一方面的一些實施例中，訓練所述五分類模型的方式包括：基于信號質量評估標準，對獲得的用于訓練五分類模型的數據集中的各光電容積脈搏波信號的計算特征數據分別進行信號質量標注，以獲得信號質量標簽數據集；將獲得的信號質量標簽數據集輸入機器學習分類模型中進行訓練，以獲得五分類模型。
5、于本申請的第一方面的一些實施例中，基于獲得的光電容積脈搏波信號初步打分數據，通過重要特征賦權重的方式，對所述特征數據集中的各計算特征數據進行排序，以獲得具有分數標簽的特征數據集的方式包括：在所述光電容積脈搏波信號初步打分數據中確定各計算特征數據分別對應的初步打分數據；基于各計算特征數據的初步打分數據，分別從對應的計算特征數據中篩選重要特征數據；對每個計算特征數據中篩選的重要特征數據賦權重，計算對應的的權重和；根據各計算特征數據的權重和，對各計算特征數據按照權重和由低到高的順序進行排序，并對排序后的各計算特征數據分別進行分數映射以獲得各計算特征數據分別對應的分數標簽，以獲得具有分數標簽的特征數據集。
6、于本申請的第一方面的一些實施例中，基于各計算特征數據的初步打分數據，分別從對應的計算特征數據中篩選重要特征數據的方式包括：基于每個計算特征數據的初步打分數據，確定對應的信號質量評估分類結果；根據所述信號質量評估分類結果，在信號質量評估標準中確定對應的計算特征數據類型；根據確定的計算特征數據類型，篩選所述計算特征數據中的重要特征數據。
7、于本申請的第一方面的一些實施例中，所述信號質量評估標準包括：將信號波形光滑、信號波形形態一致且無基線漂移的光電容積脈搏波信號評估為對應信號質量好的信號質量評估結果；將具有毛刺、信號波形形態可通過濾波還原且存在基線漂移的光電容積脈搏波信號評估為對應信號質量中上的信號質量評估結果；將信號波形失真且具有信號幅值的光電容積脈搏波信號評估為對應信號質量中等的信號質量評估結果；將具有信號周期且無信號幅值的光電容積脈搏波信號評估為對應信號質量中下的信號質量評估結果；將無規律信號波形的光電容積脈搏波信號評估為對應信號質量差的信號質量評估結果。
8、于本申請的第一方面的一些實施例中，所述計算特征數據包括以下中的任意一項或多項：幅度均值、幅度差最大值、脈沖寬度標準差、脈沖個數、毛刺個數、頻譜功率、動態模版特征、過均值點數量、峰值間隔的平均值、相鄰波峰的峰值差值的均值、毛刺幅值、基線漂移的總和、信號香農熵、信號均值、標準差、偏度、峰度以及灌注指標。
9、于本申請的第一方面的一些實施例中，基于質量評估分數獲得對應的信號質量評估分類結果方式包括：當光電容積脈搏波信號的質量評估分數處于第一分數區間時，獲得對應信號質量好的信號質量評估分類結果；當光電容積脈搏波信號的質量評估分數處于第二分數區間時，獲得對應信號質量中上的信號質量評估分類結果；當光電容積脈搏波信號的質量評估分數處于第三分數區間時，獲得對應信號質量中等的信號質量評估分類結果；當光電容積脈搏波信號的質量評估分數處于第四分數區間時，獲得對應信號質量中下的信號質量評估分類結果；當光電容積脈搏波信號的質量評估分數處于第五分數區間時，獲得對應信號質量差的信號質量評估分類結果。
10、為實現上述目的及其他相關目的，本申請的第二方面提供一種可自動標簽生成的光電容積脈搏波信號質量評估裝置，包括：判斷模塊，用于從當前采集的待評估的光電容積脈搏波信號中提取計算特征數據，并對提取的計算特征數據進行人體數據判定檢測；質量評估模塊，與所述判斷模塊連接，用于基于構建的信號質量評估回歸模型，根據人體數據判定檢測成功的計算特征數據獲得所述光電容積脈搏波信號對應的質量評估分數以及信號質量評估分類結果；其中，所述信號質量評估回歸模型由基于五分類模型生成的具有分數標簽的特征數據集訓練機器學習回歸模型獲得。
11、為實現上述目的及其他相關目的，本申請的第三方面提供一種終端，包括：處理器及存儲器；所述存儲器用于存儲計算機程序，所述處理器用于執行所述存儲器存儲的計算機程序，以使所述終端執行所述可自動標簽生成的光電容積脈搏波信號質量評估方法。
12、為實現上述目的及其他相關目的，本申請的第四方面提供一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現所述可自動標簽本文檔來自技高網...
【技術保護點】
1.一種可自動標簽生成的光電容積脈搏波信號質量評估方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，生成具有分數標簽的特征數據集的方式包括：
3.根據權利要求2所述的方法，其特征在于，訓練所述五分類模型的方式包括：
4.根據權利要求2所述的方法，其特征在于，基于獲得的光電容積脈搏波信號初步打分數據，通過重要特征賦權重的方式，對所述特征數據集中的各計算特征數據進行排序，以獲得具有分數標簽的特征數據集的方式包括：
5.根據權利要求4所述的方法，其特征在于，基于各計算特征數據的初步打分數據，分別從對應的計算特征數據中篩選重要特征數據的方式包括：
6.根據權利要求3或5所述的方法，其特征在于，所述信號質量評估標準包括：
7.根據權利要求5所述的方法，其特征在于，所述計算特征數據包括以下中的任意一項或多項：幅度均值、幅度差最大值、脈沖寬度標準差、脈沖個數、毛刺個數、頻譜功率、動態模版特征、過均值點數量、峰值間隔的平均值、相鄰波峰的峰值差值的均值、毛刺幅值、基線漂移的總和、信號香農熵、信號均值、標準差、
8.根據權利要求1所述的方法，其特征在于，基于質量評估分數獲得對應的信號質量評估分類結果方式包括：
9.一種可自動標簽生成的光電容積脈搏波信號質量評估裝置，其特征在于，包括：
10.一種終端，其特征在于，包括：處理器及存儲器；
11.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現權利要求1至8中任一項所述方法。
...【技術特征摘要】
1.一種可自動標簽生成的光電容積脈搏波信號質量評估方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，生成具有分數標簽的特征數據集的方式包括：
3.根據權利要求2所述的方法，其特征在于，訓練所述五分類模型的方式包括：
4.根據權利要求2所述的方法，其特征在于，基于獲得的光電容積脈搏波信號初步打分數據，通過重要特征賦權重的方式，對所述特征數據集中的各計算特征數據進行排序，以獲得具有分數標簽的特征數據集的方式包括：
5.根據權利要求4所述的方法，其特征在于，基于各計算特征數據的初步打分數據，分別從對應的計算特征數據中篩選重要特征數據的方式包括：
6.根據權利要求3或5所述的方法，其特征在于，所述信號質量評估標準包括：
【專利技術屬性】
技術研發人員：周林峰，陸智超，鄧遂，吳侃，楊海，汪志偉，張廣潔，程志航，宋娟，
申請(專利權)人：芯原微電子南京有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。