[发明专利]一种非接触式桡动脉波形提取方法有效
| 申请号: | 201910046723.8 | 申请日: | 2019-01-18 |
| 公开(公告)号: | CN109793506B | 公开(公告)日: | 2022-03-22 |
| 发明(设计)人: | 杨学志;李江山;吴秀;方帅;金兢 | 申请(专利权)人: | 合肥工业大学 |
| 主分类号: | A61B5/02 | 分类号: | A61B5/02;A61B5/00 |
| 代理公司: | 安徽合肥华信知识产权代理有限公司 34112 | 代理人: | 余成俊 |
| 地址: | 230009 *** | 国省代码: | 安徽;34 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 接触 桡动脉 波形 提取 方法 | ||
1.一种非接触式桡动脉波形提取方法,其特征在于,包括如下步骤:
(1)视频采集:将摄像头固定于人的手腕上方0.3m的位置,使摄像头正对腕部区域,通过计算机控制摄像头获取一段长度30s的mp4格式的视频;
(2)视频预处理:读取采集的腕部视频,将视频帧图像转换成矩阵,原始视频像素点在RGB颜色空间内采用8位整型存储,取值范围为[0,255],进行归一化处理,像素点的取值范围映射到[0,1]区间,使用64位双精度类型存储,每一帧图像Fi到矩阵Mi的映射公式为:
(3)视频放大:对预处理后的视频帧序列采用欧拉视频放大方法进行处理,使视频中包含的腕部桡动脉搏动信号可视化;
a)空间分解
使用拉普拉斯金字塔进行视频帧图像的空间分解,从高斯金字塔的底层开始为图像的原始尺寸图像G0,逐级向上为第i层图像Gi,每一级所在的图像都是在下一级图像的下采样与高斯滤波得到,即第i级图像;那么第i层拉普拉斯金字塔的定义为,第i层的Gi减去第i+1层做过上采样的Gi+1,两者的残差即为第i层的拉普拉斯金字塔图像Li:
其中,UP表示上采样,表示卷积运算,g5×5表示5x5的高斯滤波核,基于运算速度和滤波效果的综合考虑,选用5x5大小的滤波核;
b)时域滤波
利用IIR滤波器对拉普拉斯金字塔图像分解后的图像组,进行时域滤波,以获取桡动脉搏动信号;
其中,IIR滤波器设计实现如下,IIR滤波器系统函数为:
其中0≤r≤1,两个所述IIR滤波器相减就构成带通滤波器,其对应的带通就是所要获取的桡动脉运动信号;
c)放大与重构
对时域滤波后的信号进行放大,将R通道的幅值保持不变,G和B通道分别放大100倍,即对其通道内的每个像素点值乘以100;每一帧放大之后都扩展到原始视频帧大小,并与原始视频帧图像相加,得到放大后的视频帧,使运动信号的变化情况能被肉眼所观察到;
(4)感兴趣区域分块选取
为了进一步选取精准的感兴趣区域ROI,对放大后的视频进行分块,分块区域大小为20x20分辨率,640x480的视频帧区域被分成768个区域,每个区域的记为Bi,计算并分析每个分块在时间序列上的频率谱和功率谱,并求信噪比SNR;求出每个区域的信噪比之后,选取信噪比最高的区域作为下一步待处理的ROI;运算过程描述如下:
ROI=max{0≤i≤768|SNG(Bi)} (4)
其中,SNG表示求功率谱的函数;
(5)独立成分分析获取桡动脉运动信号
在获取ROI之后,对ROI区域内的信号进一步降噪,使用独立成分分析ICA分离信号和噪声;ICA是基于信号高阶统计特性的分析方法,经ICA分解出的各信号分量之间是相互独立的;
设为ROI区域内的m个时间长度为n的观测信号,另设为m个未知的相互独立的源信号矢量,则瞬时线性混叠盲分离混合方程如下:
x=As (5)
其中,A=(a1,a2,...,an)T为未知时不变的n×m混合矩阵,使用ICA算法从观测信号矢量x(t)中通过矩阵运算得到源独立信号矢量s(t);当m=n时,可以构造混合矩阵A的逆矩阵A-1求解源信号,即:
y=Wx (6)
其中,y(t)=(y1(t),y2(t),...,yn(t))T,t=1,2,...,n是系统分离的信号矢量,也是源信号s(t)的近似值,W称之为解混矩阵,即W=A-1。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥工业大学,未经合肥工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910046723.8/1.html,转载请声明来源钻瓜专利网。





