[go: up one dir, main page]

TWI868579B - 分析訊號波形的方法、電子裝置以及電腦可讀取記錄媒體 - Google Patents

分析訊號波形的方法、電子裝置以及電腦可讀取記錄媒體 Download PDF

Info

Publication number
TWI868579B
TWI868579B TW112104835A TW112104835A TWI868579B TW I868579 B TWI868579 B TW I868579B TW 112104835 A TW112104835 A TW 112104835A TW 112104835 A TW112104835 A TW 112104835A TW I868579 B TWI868579 B TW I868579B
Authority
TW
Taiwan
Prior art keywords
frequency range
waveform
energy
calculating
low frequency
Prior art date
Application number
TW112104835A
Other languages
English (en)
Other versions
TW202432052A (zh
Inventor
胡漢華
盛文鴦
許弘毅
韓珂
王政嚴
Original Assignee
胡漢華
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 胡漢華 filed Critical 胡漢華
Priority to TW112104835A priority Critical patent/TWI868579B/zh
Priority to CN202310588180.9A priority patent/CN118476781A/zh
Priority to US18/337,446 priority patent/US20240268767A1/en
Publication of TW202432052A publication Critical patent/TW202432052A/zh
Application granted granted Critical
Publication of TWI868579B publication Critical patent/TWI868579B/zh

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
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
    • A61B5/4064—Evaluating the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/026—Measuring blood flow
    • A61B5/0285—Measuring or recording phase velocity of blood waves
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/488—Diagnostic techniques involving Doppler signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Neurology (AREA)
  • Hematology (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Vascular Medicine (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Mathematical Physics (AREA)
  • Psychology (AREA)
  • Neurosurgery (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • 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

分析訊號波形的方法、電子裝置以及電腦可讀取記錄媒體。所述方法包括下述步驟。獲得生理訊號波形。自生理訊號波形中每隔一段取樣間隔利用時間窗獲得區段波形，並計算區段波形在第一頻率範圍與第二頻率範圍的能量比。針對利用時間窗自生理訊號波形所獲得的多個時間區段內的多個區段波形對應的多個能量比，執行統計運算。將統計運算後的統計結果輸出至使用者介面。

Description

分析訊號波形的方法、電子裝置以及電腦可讀取記錄媒體
本發明是有關於一種訊號分析技術，且特別是有關於一種醫療輔助上的分析訊號波形的方法、電子裝置以及電腦可讀取記錄媒體。
近年來，全球的老年化趨勢日益嚴重，而在老年人群體，老年失智症(即阿爾茲海默症)的發病率迅速增加。而目前針對失智症風險的檢測、測量方式普遍過於複雜，難以推廣，無法滿足相關需求。
本發明提供一種分析訊號波形的方法、電子裝置以及電腦可讀取記錄媒體，提供了有效的醫療輔助。
本發明的分析訊號波形的方法，其是利用處理器來執 行，所述方法包括下述步驟。獲得生理訊號波形。自生理訊號波形中每隔一段取樣間隔利用時間窗獲得區段波形，並計算區段波形的能量比，其中計算區段波形的能量比包括：將區段波形轉換為頻譜；計算頻譜的第一頻率範圍內的第一能量和；計算頻譜的第二頻率範圍內的第二能量和，其中第一頻率範圍位於第二頻率範圍內；以及計算第一能量和佔第二能量和的比例而獲得能量比。針對利用時間窗自生理訊號波形所獲得的多個時間區段內的多個區段波形對應的多個能量比，執行統計運算；以及將統計運算後的統計結果輸出至使用者介面。
在本發明的一實施例中，所述生理訊號波形為腦血管阻力波形，而所述方法更包括：透過第一感測器取得在量測時間內的血壓波形；透過第二感測器取得在量測時間內的腦血流速度波形；以及自血壓波形與腦血流速度波形中，分別取得對應於多個心跳周期的多個血壓值與多個腦血流速度以計算每一個心跳周期的腦血管阻力值，進而獲得腦血管阻力波形。
在本發明的一實施例中，所述計算每一個心跳周期的腦血管阻力值的步驟包括：計算對應於每一個心跳周期的多個血壓值的血壓均值；計算對應於每一個心跳周期的多個腦血流速度的速度均值；以及將血壓均值除以速度均值來獲得各心跳週期對應的腦血管阻力值。
在本發明的一實施例中，第一感測器為血壓計，第二感測器為經顱都卜勒(transcranial Doppler，TCD)超音波儀。
在本發明的一實施例中，所述生理訊號波形為腦血流速度波形，而所述方法更包括：透過TCD超音波儀取得在量測時間內的腦血流速度波形。
在本發明的一實施例中，所述生理訊號波形為血壓波形，而所述方法更包括：透過血壓計取得在量測時間內的血壓波形。
在本發明的一實施例中，所述統計運算包括下述至少其中一者：計算所述多個能量比的平均值；計算所述多個能量比的變異係數；計算所述多個能量比的第1四分位數、第2四分位數以及第3四分位數；以及在基於所述多個能量比所獲得的能量比趨勢波形中，計算大於預設數值的能量比所佔的面積。
在本發明的一實施例中，所述第一頻率範圍為0.02~0.04Hz，所述第二頻率範圍為0.02~0.07Hz。
本發明的一種電子裝置，包括：儲存器，儲存有至少一程式碼片段；以及處理器，耦接至儲存器，並用以執行所述至少一程式碼片段以實現所述分析訊號波形的方法。
本發明的一種非暫態電腦可讀取記錄媒體，用於儲存式碼，所述程式碼被處理器執行時，使得處理器執行所述分析訊號波形的方法的各步驟。
基於上述，本發明通過分析生理訊號中的多個區段波形中的指定頻率範圍對應的多個能量比，並對這些能量比進行統計運算後，將統計結果輸出至使用者介面，以便於使用者更直觀來 判定被檢測人是否存在異常風險。
100:電子裝置
110:處理器
120:儲存設備
130:顯示器
140:第一感測器
150:第二感測器
301:時間窗
B1:極低頻頻率範圍
B1-1:子頻率範圍
B2:低頻頻率範圍
B3:高頻頻率範圍
ts:取樣間隔
t1~t61:取樣時間點
TP1~TP61:區段波形
W1:生理訊號波形
W2:頻譜
W3:能量比趨勢波形
S205~S220:分析訊號波形的方法的步驟
圖1是依照本發明一實施例的用於分析腦部相關訊號的分析系統的方塊圖。
圖2是依照本發明一實施例的分析訊號波形的方法流程圖。
圖3是依照本發明一實施例的腦血流速度波形的示意圖。
圖4是依照本發明一實施例的頻譜的示意圖。
圖5是依照本發明一實施例的能量比趨勢波形的示意圖。
圖1是依照本發明一實施例的用於分析腦部相關訊號的分析系統的方塊圖。請參照圖1，分析系統包括電子裝置100、第一感測器140以及第二感測器150。電子裝置100包括處理器110、儲存設備120以及顯示器130。處理器110耦接至儲存設備120、顯示器130、第一感測器140以及第二感測器150。在此，第一感測器140與第二感測器150僅為舉例說明，並不以此為限。
第一感測器140用以取得在一段量測時間內的血壓波形。可採用非侵入式血壓計來實現第一感測器140。例如，非侵入式血壓計為腕戴式血壓計、手指血壓計或壓脈帶式血壓計(Cuff blood pressure monitor)等。第一感測器140用以量測被檢測人的 在一段量測時間內的血壓波動，進而獲得血壓波形。透過非侵入式血壓計採集一段量測時間(例如5~10分鐘)內所獲得的被檢測人的血壓(單位為mmHg)的波動。
例如，以手指血壓計而言，在進行量測之前，可利用高度校準器對戴指套側的手指與心臟的高度差進行校準，避免手的位置的高低對準確性的影響。
第二感測器150可採用經顱都卜勒(transcranial Doppler，TCD)超音波儀來實現。第二感測器150取得在量測時間內的腦血流速度波形。透過TCD超音波儀採集一段量測時間內的大腦右側、左側或兩側中動脈的腦血流速度(單位為cm/s)，即為腦血流速度波動，進而獲得腦血流速度波形。
在一實施例中，在採用TCD超音波儀作為第二感測器150的情況下，在透過TCD超音波儀記錄腦血流速度之前，先給被檢測人戴監護頭架，固定好探頭後，將TCD超音波儀設定為雙通道單深度模式，取樣深度為50~65毫米，取樣容積為10~15立方毫米，量測時間為5~10分鐘。利用TCD超音波儀來監測被檢測人雙側(左、右側)的大腦中動脈(Middle cerebral artery，MCA)。TCD超音波儀的增益的調整以血流速度頻譜的包絡線平滑，無毛刺樣改變為佳。通過對被檢測人的左側大腦中動脈和右側大腦中動脈進行同時監測，對獲取到的被檢測人的左側的腦血流速度均值和右側的腦血流速度均值進行後續的處理分析。
電子裝置100為具有運算功能的設備，例如為智慧型手 機、平板電腦、筆記型電腦、個人電腦等。電子裝置100包括處理器110、儲存設備120以及顯示器130。處理器110耦接至儲存設備120以及顯示器130。
處理器110例如為中央處理單元(Central Processing Unit，CPU)、物理處理單元(Physics Processing Unit，PPU)、可程式化之微處理器(Microprocessor)、嵌入式控制晶片、數位訊號處理器(Digital Signal Processor，DSP)、特殊應用積體電路(Application Specific Integrated Circuit，ASIC)或其他類似裝置。
儲存設備120例如是任意型式的固定式或可移動式隨機存取記憶體(Random Access Memory，RAM)、唯讀記憶體(Read-Only Memory，ROM)、快閃記憶體(Flash memory)、硬碟或其他類似裝置或這些裝置的組合。儲存設備120包括一或多個程式碼片段，上述程式碼片段在被安裝後，會由處理器110來執行，以實現下述的分析訊號波形的方法。
顯示器130例如為液晶顯示器(Liquid Crystal Display，LCD)、電漿顯示器(Plasma Display)等。
在一些實施例中，可被檢測的生理訊號包括血壓、心率、腦血流速度、腦血管阻力值等。腦血管阻力值可以依照歐姆定律為血壓除以腦血流速度。而血壓、心率、腦血流速度以及腦血管阻力值均可以用傳遞函數將其波動分做三個頻率範圍：極低頻頻率範圍、低頻頻率範圍以及高頻頻率範圍，並分析兩兩間的連動關係。高頻頻率範圍與呼吸和/或副交感神經相關，低頻頻率範圍 與交感神經或血管舒縮(Vasomotor)相關，極低頻頻率範圍與腦組織或者腦壓相關。
在其他實施例中，還可進一步限定環境溫度、量測的時間區段、環境音量等影響檢測環境的因素，並且限定被檢測人的飲食、睡眠等生理因素。例如，將檢測環境設定在具有空調的空間中，以空調將環境溫度控制在22~24℃。另外，由於晝夜節律的變化，限定在相似時間區段進行檢測，以保證可重複性。另外，減少對被檢測人造成視覺或聽覺上的刺激(包括人員進出的干擾)。在量測前一段時間(例如12小時)，限定被檢測人避免飲用含咖啡因的飲料、巧克力和難消化食物。另外，還須在檢查前至少12小時以內，避免運動，避免攝入酒精，並且避免服用會能影響分析結果的食品或藥品。此外，被檢測人應休息15分鐘(確保血壓、心率和心搏量穩定)後，取仰臥位(需同時記錄頭的位置)或者坐位(需雙下肢不交叉)檢測。
採集被檢測人的血壓波動和腦血流速度波動時，至少持續記錄5分鐘。一般而言，需要至少10分鐘的血壓和腦血流速度的資料。
圖2是依照本發明一實施例的分析訊號波形的方法流程圖。請參照圖1及圖2，在步驟S205中，獲得基於時間序列的生理訊號波形。所述生理訊號波形可以是血壓波形、腦血流速度波形(可以是左腦動脈或是右腦動脈)或腦血管阻力波形等。例如，透過第一感測器140量測被檢測人的在一段量測時間內的血壓波 動，進而獲得血壓波形。透過第二感測器150獲得在一段量測時間內的左側或右側大腦中動脈的腦血流速度波形。
腦血管阻力波形是基於血壓波形以及腦血流速度波形所獲得。例如，自血壓波形與腦血流速度波形中，分別取得對應於多個心跳周期的多個血壓值與多個腦血流速度以計算每一個心跳周期的腦血管阻力值，進而獲得腦血管阻力波形。具體而言，計算對應於每一個心跳周期中的多個血壓值的血壓均值。計算對應於每一個心跳周期的多個腦血流速度的速度均值。將血壓均值除以速度均值便可獲得腦血管阻力值。
在一實施例中，將血壓舒張值的時間作為每個心跳周期的起點、終點，根據血壓波形與腦血流速度波形各自的曲線下面積計算每個心跳周期的血壓均值和速度均值。在監測腦血流速度以及血壓的一段時間內，腦血流速度以及血壓值都是波動的，採取每一個心跳周期下的腦血流的速度均值以及血壓均值來計算每一個心跳周期的腦血管阻力值。據此，可得到監測的這一段時間內的腦血管阻力值也是波動的。如果腦血管阻力值大，則表示在一定的血壓值下進入大小血管、微血管以及腦組織的血流量就減少。再將該段時間內腦血流阻力值波動，利用傅立葉轉換的頻譜分析方法來分離出來代表腦組織微循環這部分，以得到可進入小血管及/或微血管的腦血流量情況。
接著，在步驟S210中，自生理訊號波形中每隔一段取樣間隔利用時間窗獲得區段波形，並計算區段波形的能量比。計算 該區段波形的該能量比包括：將區段波形轉換為頻譜；計算頻譜的第一頻率範圍內的第一能量和；計算頻譜的第二頻率範圍內的第二能量和，第一頻率範圍位於第二頻率範圍內；以及計算第一能量和佔第二能量和的比例而獲得對應的能量比。
圖3是依照本發明一實施例的腦血流速度波形的示意圖。在本實施例中，以生理訊號波形W1的長度為10分鐘，時間窗301的長度為5分鐘，取樣間隔ts為5秒來進行說明，然，並不以此為限。在本實施例中，生理訊號波形W1為左側大腦的腦血流速度波形(縱軸為腦血流速度，單位cm/s)。在另一實施例中，生理訊號波形W1為右側大腦的腦血流速度波形(縱軸為腦血流速度，單位cm/s)。或者，在其他實施例中，生理訊號波形W1也可以是腦血管阻力波形(縱軸為腦血管阻力，單位mmHg．s/cm)。另外，在另一實施例中，生理訊號波形W1也可以是血壓波形(縱軸為血壓，單位mmHg)。
具體而言，首先，自取樣時間點t1(0：00)開始，利用時間窗301在生理訊號波形W1中取出時間區段0：00~5：00的區段波形TP1。
接著，將取樣時間點t1加上取樣間隔ts的5秒來獲得下一個取樣時間點t2(0：05)，然後利用時間窗301在生理訊號波形W1中取出時間區段0：05~5：05的區段波形TP2。
然後，將取樣時間點t2加上取樣間隔ts的5秒來獲得下一個取樣時間點t3(0：10)，然後利用時間窗301在生理訊號波形 W1中取出時間區段0：10~5：10的區段波形TP3。
之後，將取樣時間點t3加上取樣間隔ts的5秒來獲得下一個取樣時間點t4(0：15)，然後利用時間窗301在生理訊號波形W1中取出時間區段0：15~5：15的區段波形TP4。以此類推，可在61個取樣點(t1~t61)上獲得61個區段波形TP1~TP61。
針對每一個區段波形TP1~TP61執行傅立葉轉換(Fourier transform)，以將區段波形TP1~TP61分別轉換為頻域上的頻譜，之後再對每一個頻譜來計算兩個頻率範圍的能量比。底下舉例來說明如何針對每一個區段波形對應的頻譜來計算對應的能量比。
圖4是依照本發明一實施例的頻譜的示意圖。在圖4中，橫軸為頻率，縱軸為功率振幅值。在本實施例中，頻譜W2劃分為三個頻率範圍，即極低頻頻率範圍B1(0.02~0.07Hz)、低頻頻率範圍B2(0.07~0.2Hz)以及高頻頻率範圍B3(0.2~0.5Hz)。接著，進一步在極低頻頻率範圍B1(第二頻率範圍)中取出更低頻的子頻率範圍B1-1(第一頻率範圍)。子頻率範圍B1-1例如為0.02~0.04Hz。
而後，將在0.02~0.04Hz(子頻率範圍B1-1)內相對的各功率振幅值相加來獲得子頻率範圍B1-1的能量和(Ps_11)；將在0.02~0.07Hz內相對的各功率振幅值相加來獲得極低頻頻率範圍B1的能量和(Ps_1)。之後，將子頻率範圍B1-1的能量和除以極低頻頻率範圍B1的能量和，便可獲得子頻率範圍B1-1對應於 極低頻頻率範圍B1的能量比(Ps_11/Ps_1)。
假設在取樣時間點t1所獲得的區段波形TP1對應的頻譜在子頻率範圍B1-1(0.02~0.04Hz)的能量和為0.41544，且極低頻頻率範圍B1的能量和為0.72，則能量比=0.41544÷0.72=57.7%。取樣時間點t1對應的能量比為57.7%。以此類推，可獲得取樣時間點t1~t61對應的能量比。
另外，在另一實施例中，還可進一步將極低頻頻率範圍B1劃分為三個子頻率範圍0.02~0.04Hz(子頻率範圍B1-1)、0.04~0.05Hz、0.05~0.07Hz。接著，分別將在0.02~0.04Hz、0.04~0.05Hz、0.05~0.07Hz三個子頻率範圍內相對的各功率振幅值相加來獲得每一個子頻率範圍的能量和(Ps_11、Ps_12、Ps_13)。然後，將0.02~0.04Hz、0.04~0.05Hz、0.05~0.07Hz三個子頻率範圍的三筆能量和相加，獲得極低頻頻率範圍B1的能量和(Ps_1=Ps_11+Ps_12+Ps_13)。之後，將三個子頻率範圍的三筆能量和分別除以極低頻頻率範圍B1的能量和來獲得0.02~0.04Hz、0.04~0.05Hz、0.05~0.07Hz各自對應的能量比(Ps_11/Ps_1、Ps_12/Ps_1、Ps_13/Ps_1)。
在另一實施例中，也可進一步計算極低頻頻率範圍B1(0.02~0.07Hz)、低頻頻率範圍B2(0.07~0.2Hz)以及高頻頻率範圍B3(0.2~0.5Hz)三者的能量和(Ps_1、Ps_2、Ps_3)。之後，將所述三筆能量和相加來獲得頻譜W2的全頻率範圍總波動能量的能量和(Ps_all=Ps_1+Ps_2+Ps_3)。之後，將三筆能量和(Ps_1、 Ps_2、Ps_3)分別除以總波動能量的能量和(Ps_all)來獲得0.02~0.07Hz、0.07~0.2Hz、0.2~0.5Hz各自對應的能量比(Ps_1/Ps_all、Ps_2/Ps_all、Ps_3/Ps_all)。
圖5是依照本發明一實施例的能量比趨勢波形的示意圖。在圖5中，橫軸為取樣時間點，縱軸為能量比。即，在請參照圖5，能量比趨勢波形W3表示在取樣時間點t1~t61所對應的能量比的趨勢。
接著，在步驟S215中，針對利用時間窗301自生理訊號波形W1所獲得的多個時間區段內的多個區段波形TP1~TP61對應的多個能量比，執行統計運算。並且，在步驟S220中，將統計運算後的一統計結果輸出至使用者介面。
在一實施例中，電子裝置100的儲存設備120包括有使用者介面，並透過顯示器130來顯示使用者介面。在獲得所述統計結果之後，可進一步將統計結果輸出至使用者介面。另外，也可將各種波形顯示在使用者介面中。例如，在使用者介面中顯示生理訊號波形W1、能量比趨勢波形W3等，之後進一步將統計結果輸出在能量比趨勢波形W3上。另外，在使用者介面中可同時顯示所取用的頻率範圍。例如，使用者介面可僅列出0.02~0.04Hz及其對應的統計結果。或者，使用者介面列出0.02~0.04Hz、0.02~0.07Hz對應的統計結果.又或者，使用者介面列出極低頻頻率範圍B1(0.02~0.07Hz)、低頻頻率範圍B2(0.07~0.2Hz)以及高頻頻率範圍B3(0.2~0.5Hz)及其各自對應的統計結果，以及 極低頻頻率範圍B1(0.02~0.07Hz)所包括的三個子頻率範圍0.02~0.04Hz、0.04~0.05Hz、0.05~0.07Hz及其各自對應的統計結果。
在其他實施例中，電子裝置100也可以無線或有線通訊技術，將所獲得的生理訊號波形W1、能量比趨勢波形W3等各個波形以及統計結果傳送至其他電子裝置(例如為專科醫師所使用的電子裝置)。
統計運算包括下述至少其中一者：計算所述多個能量比的平均值；計算所述多個能量比的變異係數(coefficient of variation，CV)；計算所述多個能量比的第1四分位數(Q1)、第2四分位數(Q2)以及第3四分位數(Q3)；在基於所述多個能量比所獲得的能量比趨勢波形W3中，計算大於預設數值的能量比所佔的面積。舉例來說，假設預設數值為0.5，計算能量比趨勢波形W3中大於0.5的能量比所佔的面積。
在腦訊號領域中，0.02~0.04Hz(子頻率範圍B1-1)代表大腦皮質部位的頻率。智能障礙、腦霧、腦中風等症狀與大腦皮質微循環受損具有關聯性。倘若大腦皮質的微循環受損，則會造成一部分的微循環阻力大幅上升。因此，在0.02~0.04Hz的頻率範圍所佔的能量比便會上升。一般來說，0.02~0.04Hz的頻率範圍相較於極低頻頻率範圍(0.02~0.07Hz)的能量比大於0.5的情況下，容易出現智能障礙、腦霧、腦中風等症狀。據此，將預設數值設為0.5，可提前針對大腦皮質的微循環是否受損來發出警示。在此僅為舉例說明，並不以此為限。
本發明提供了一種非暫態電腦可讀取記錄媒體，用於儲存程式碼，在程式碼被處理器110執行時，執行所述分析訊號波形的方法的步驟。
綜上所述，本發明通過分析生理訊號中的多個區段波形中的指定頻率範圍對應的多個能量比，並對這些能量比進行統計運算後，將統計結果輸出至使用者介面，以便於使用者更直觀來判定被檢測人是否存在異常風險。
S205~S220:分析訊號波形的方法的步驟

Claims (9)

  1. 一種分析訊號波形的方法，其是利用一處理器來執行，該方法包括：獲得基於一時間序列的一腦訊號波形；自該腦訊號波形中每隔一取樣間隔利用一時間窗獲得一區段波形，並計算該區段波形的一能量比，其中計算該區段波形的該能量比包括：將該區段波形轉換為一頻譜；將該頻譜劃分為一極低頻頻率範圍、一低頻頻率範圍以及一高頻頻率範圍，其中該極低頻頻率範圍為0.02~0.07Hz，該低頻頻率範圍為0.07~0.2Hz，該高頻頻率範圍為0.2~0.5Hz；自該極低頻頻率範圍中取出0.02~0.04Hz的子頻率範圍；計算0.02~0.04Hz的該子頻率範圍內的一第一能量和；計算該極低頻頻率範圍內的一第二能量和；以及計算該第一能量和佔該第二能量和的比例而獲得該能量比；針對利用該時間窗自該腦訊號波形所獲得的多個時間區段內的多個區段波形對應的多個能量比，執行一統計運算；以及將該統計運算後的一統計結果輸出至一使用者介面。
  2. 如請求項1所述的分析訊號波形的方法，其中該腦訊號波形為一腦血管阻力波形，而該方法更包括： 透過一第一感測器取得在一量測時間內的一血壓波形；透過一第二感測器取得在該量測時間內的一腦血流速度波形；以及自該血壓波形與該腦血流速度波形中，分別取得對應於多個心跳周期的多個血壓值與多個腦血流速度以計算每一該些心跳周期的一腦血管阻力值，進而獲得該腦血管阻力波形。
  3. 如請求項2所述的分析訊號波形的方法，其中計算每一該些心跳周期的該腦血管阻力值的步驟包括：計算對應於每一該些心跳周期的該些血壓值的一血壓均值；計算對應於每一該些心跳周期的該些腦血流速度的一速度均值；以及將該血壓均值除以該速度均值來獲得該腦血管阻力值。
  4. 如請求項2所述的分析訊號波形的方法，其中該第一感測器為一血壓計，該第二感測器為一經顱都卜勒超音波儀。
  5. 如請求項1所述的分析訊號波形的方法，其中該腦訊號波形為一腦血流速度波形，而該方法更包括：透過一經顱都卜勒超音波儀取得在一量測時間內的該腦血流速度波形。
  6. 如請求項1所述的分析訊號波形的方法，其中該統計運算包括下述至少其中一者：計算該些能量比的一平均值；計算該些能量比的一變異係數； 計算該些能量比的一第1四分位數、一第2四分位數以及一第3四分位數；以及在基於該些能量比所獲得的一能量比趨勢波形中，計算大於一預設數值的能量比所佔的一面積。
  7. 如請求項1所述的分析訊號波形的方法，其中計算該區段波形的該能量比，更包括：自該極低頻頻率範圍中取出0.04~0.05Hz的子頻率範圍，計算其一第三能量和，並計算該第三能量和佔該第二能量和的比例；以及自該極低頻頻率範圍中取出0.05~0.07Hz的子頻率範圍，並計算其一第四能量和，並計算該第四能量和佔該第二能量和的比例；其中該第二能量和等於該第一能量和、該第三能量和以及該第四能量和的加總。
  8. 一種電子裝置，包括：一儲存器，儲存有至少一程式碼片段；以及一處理器，耦接至該儲存器，並用以執行該至少一程式碼片段以實現：獲得基於一時間序列的一腦訊號波形；自該腦訊號波形中每隔一取樣間隔利用一時間窗獲得一區段波形，並計算該區段波形的一能量比，其中計算該區段波形的該能量比包括： 將該區段波形轉換為一頻譜；將該頻譜劃分為一極低頻頻率範圍、一低頻頻率範圍以及一高頻頻率範圍，其中該極低頻頻率範圍為0.02~0.07Hz，該低頻頻率範圍為0.07~0.2Hz，該高頻頻率範圍為0.2~0.5Hz；自該極低頻頻率範圍中取出一子頻率範圍，其中該子頻率範圍為0.02~0.04Hz；計算該子頻率範圍內的一第一能量和；計算該極低頻頻率範圍內的一第二能量和；以及計算該第一能量和佔該第二能量和的比例而獲得該能量比；針對利用該時間窗自該腦訊號波形所獲得的多個時間區段內的多個區段波形對應的多個能量比，執行一統計運算；以及將該統計運算後的一統計結果輸出至一使用者介面。
  9. 一種非暫態電腦可讀取記錄媒體，用於儲存一程式碼，該程式碼被一處理器執行時，使得該處理器執行下述步驟：獲得基於一時間序列的一腦訊號波形；自該腦訊號波形中每隔一取樣間隔利用一時間窗獲得一區段波形，並計算該區段波形的一能量比，其中計算該區段波形的該能量比包括：將該區段波形轉換為一頻譜；將該頻譜劃分為一極低頻頻率範圍、一低頻頻率範圍以及一高頻頻率範圍，其中該極低頻頻率範圍為0.02~0.07Hz，該 低頻頻率範圍為0.07~0.2Hz，該高頻頻率範圍為0.2~0.5Hz；自該極低頻頻率範圍中取出一子頻率範圍，其中該子頻率範圍為0.02~0.04Hz；計算該子頻率範圍內的一第一能量和；計算該極低頻頻率範圍內的一第二能量和；以及；以及計算該第一能量和佔該第二能量和的比例而獲得該能量比；針對利用該時間窗自該腦訊號波形所獲得的多個時間區段內的多個區段波形對應的多個能量比，執行一統計運算；以及將該統計運算後的一統計結果輸出至一使用者介面。
TW112104835A 2023-02-10 2023-02-10 分析訊號波形的方法、電子裝置以及電腦可讀取記錄媒體 TWI868579B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW112104835A TWI868579B (zh) 2023-02-10 2023-02-10 分析訊號波形的方法、電子裝置以及電腦可讀取記錄媒體
CN202310588180.9A CN118476781A (zh) 2023-02-10 2023-05-23 分析信号波形的方法、电子装置及计算机可读取记录介质
US18/337,446 US20240268767A1 (en) 2023-02-10 2023-06-20 Method for analyzing signal waveform, electronic apparatus, and computer-readable recording medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW112104835A TWI868579B (zh) 2023-02-10 2023-02-10 分析訊號波形的方法、電子裝置以及電腦可讀取記錄媒體

Publications (2)

Publication Number Publication Date
TW202432052A TW202432052A (zh) 2024-08-16
TWI868579B true TWI868579B (zh) 2025-01-01

Family

ID=92190565

Family Applications (1)

Application Number Title Priority Date Filing Date
TW112104835A TWI868579B (zh) 2023-02-10 2023-02-10 分析訊號波形的方法、電子裝置以及電腦可讀取記錄媒體

Country Status (3)

Country Link
US (1) US20240268767A1 (zh)
CN (1) CN118476781A (zh)
TW (1) TWI868579B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101072541A (zh) * 2004-09-13 2007-11-14 皇家飞利浦电子股份有限公司 用超声测量和/或检测体液流动特性的方法和设备
CN202950650U (zh) * 2012-09-10 2013-05-29 焦文华 无创颅内压分析仪和无创颅内压检测系统
CN115700538A (zh) * 2021-07-29 2023-02-07 北京荣耀终端有限公司 生理检测信号质量评估方法、电子设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101072541A (zh) * 2004-09-13 2007-11-14 皇家飞利浦电子股份有限公司 用超声测量和/或检测体液流动特性的方法和设备
CN202950650U (zh) * 2012-09-10 2013-05-29 焦文华 无创颅内压分析仪和无创颅内压检测系统
CN115700538A (zh) * 2021-07-29 2023-02-07 北京荣耀终端有限公司 生理检测信号质量评估方法、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
期刊 Vermeij, Anouk et al. "Very-low-frequency oscillations of cerebral hemodynamics and blood pressure are affected by aging and cognitive load." NeuroImage vol. 85 Pt 1 (2014): 608-15. *

Also Published As

Publication number Publication date
US20240268767A1 (en) 2024-08-15
CN118476781A (zh) 2024-08-13
TW202432052A (zh) 2024-08-16

Similar Documents

Publication Publication Date Title
US8290730B2 (en) Systems and methods for assessing measurements in physiological monitoring devices
Weinschenk et al. Heart rate variability (HRV) in deep breathing tests and 5-min short-term recordings: agreement of ear photoplethysmography with ECG measurements, in 343 subjects
US11903684B2 (en) Blood pressure measuring apparatus and blood pressure measuring method
US20180199893A1 (en) Processing biological data
US20170143279A1 (en) Device and method to detect diabetes in a person using pulse palpation signal
US20230233152A1 (en) Methods, apparatus and systems for adaptable presentation of sensor data
EP3187116A1 (en) Method for assessing depressive state and device for assessing depressive state
JP6522327B2 (ja) 脈波解析装置
TW201538127A (zh) 睡眠檢測系統和方法
Dunn et al. Speckleplethysmographic (SPG) estimation of heart rate variability during an orthostatic challenge
WO2019166613A1 (en) Methods and systems for measuring a stress indicator, and for determining a level of stress in an individual
WO2017092020A1 (zh) 一种血压测量方法及装置
Subahni et al. Association of mental stress with video games
KR20100126127A (ko) 가변 특성비를 이용하는 혈압 추정 장치 및 방법
Alves et al. Linear and complex measures of heart rate variability during exposure to traffic noise in healthy women
TWI702936B (zh) 基於穴道電阻與血壓波的脈象分析方法、預測模型建立方法及其系統
TWI868579B (zh) 分析訊號波形的方法、電子裝置以及電腦可讀取記錄媒體
US9168020B2 (en) Frequency domain analysis transform of renal blood flow doppler signal to determine stress levels
Wecht et al. Inter-day reliability of blood pressure and cerebral blood flow velocities in persons with spinal cord injury and intact controls
CN111603151A (zh) 一种基于时频联合分析的无创血液成分检测方法及系统
Lee et al. The analysis of sleep stages with motion and heart rate signals from a handheld wearable device
cheol Jeong et al. Potential value of electrocardiogram and photoplethysmogram for non-invasive blood pressure estimation during exercise
Bi et al. Objective evaluation of pulse width using an array pulse diagram
US9380948B1 (en) System and method for quantitative analysis of respiratory sinus arrhythmia
TWI462728B (zh) 依據歷史資料判斷睡眠階段之系統及其方法