本文提出了一种基于CGSF(Confidence and Gradient-based Segmented Filtering)的实时心率监测方法,解决了实时监测过程中普遍存在的数值漂移问题,可以实现长时间稳定准确的心率监测。CGSF方法首先对原始回波信号进行预处理;随后,结合...本文提出了一种基于CGSF(Confidence and Gradient-based Segmented Filtering)的实时心率监测方法,解决了实时监测过程中普遍存在的数值漂移问题,可以实现长时间稳定准确的心率监测。CGSF方法首先对原始回波信号进行预处理;随后,结合置信度(Confidence)与梯度(Gradient),采用呼吸谐波抑制和分段自适应滤波(Segmented Filtering)策略对心率信号进行精细化处理,显著提升心率监测的稳定性,实现连续监测过程中高精度、持续稳定的心率测量输出。样机实测分析结果表明该算法测量精度高,性能满足AAMI标准要求;同时算法鲁棒性强,可灵活部署于AIOT(Artificial Intelligence of Things)端侧产品,满足非临床的实时健康监测需求。展开更多
文摘本文提出了一种基于CGSF(Confidence and Gradient-based Segmented Filtering)的实时心率监测方法,解决了实时监测过程中普遍存在的数值漂移问题,可以实现长时间稳定准确的心率监测。CGSF方法首先对原始回波信号进行预处理;随后,结合置信度(Confidence)与梯度(Gradient),采用呼吸谐波抑制和分段自适应滤波(Segmented Filtering)策略对心率信号进行精细化处理,显著提升心率监测的稳定性,实现连续监测过程中高精度、持续稳定的心率测量输出。样机实测分析结果表明该算法测量精度高,性能满足AAMI标准要求;同时算法鲁棒性强,可灵活部署于AIOT(Artificial Intelligence of Things)端侧产品,满足非临床的实时健康监测需求。
