[发明专利]连续生理信号质量评估方法

说明书

本申请公开一种连续生理信号质量评估方法，其包括：通过加窗将原始生理信号进行分割；对经分割的信号进行预处理；该预处理包括去信号基线、带通滤波、中值滤波；对经预处理的信号进行特征值提取；将提取的特征值输入到预训练模型中，得到评分结果score；再根据设定的阈值L1、L2对评分结果进行判断，得到信号质量的评估结果；该预训练模型为孤立森林模型。

技术领域

本申请涉及生理信号的检测，尤其涉及生理信号的质量评估。

背景技术

连续生理信号是指连续记录的如心电、呼吸、脉搏等与人体健康和疾病状态高度相关的信号，目前在疾病诊断、不良事件预测、人体状态评估和康复预后评价等方面的价值越来越得到认可。如一些临床疾病的恶化通常在造成更严重的临床结局(如心源性猝死)发生前8-24小时就已经在生理信号中得以表现，临床医生和该领域的科研工作者们越来越意识到对生理信号进行连续监测和深度挖掘分析的重要性。

近年来，多种测量方法和传感器快速发展并集成到可穿戴设备中，人们连续的获取生理信号的手段大大丰富。如心电描记术(Electrocardiography,ECG)，是一种利用在人体皮肤表面贴上电极，从而记录心脏整体的电位变化，并通常以波形进行显示的技术，已得到临床的广泛认可和被应用于医疗中心脏疾病的诊断分析；又如光体积变化描记图法(Photoplethysmography,PPG)是使用光电手段测量活体组织中血液容积变化的方法。该方法通过使用固定波长的光线穿过皮肤，而每次心博时，血管都会随之收缩和扩张，进而影响光反射，传感器记录光反射的强度反映出血液流动的特点。该技术目前是多种健康监护设备，尤其是健康监护手环中的核心监测技术，有着广泛的应用前景和丰富的科研价值；呼吸感应体积描记技术(Respiratory Inductive Plethysmography,RIP)是将两条弹性缚带分别缠绕在被测者的胸部和腹部，呼吸运动带动弹性缚带伸缩，线圈围绕面积发生改变，从而记录被测者胸腹运动的额方法。该方法提供了呼吸运动的无创、间接的测量方式，具有便捷、低负荷、准确性高的优势。

然而，虽然目前测量和记录生理信号的手段已经比较丰富，但是生理信号本身大多具有幅值小、频率低、易受干扰等特点，加上真实世界噪声来源复杂且不可控，使得测量来自于日常生活中的生理信号经常被噪声淹没，大大影响了后续信号深度挖掘和分析的进程和结果的准确性。因此，信号质量评估通常是对连续生理信号进行后续研究和分析的第一步工作，将信号质量高的信号段从长程的连续生理信号中自动化筛选出来是相关后续工作的前提。

针对某一种特定的生理信号，研究者们通常进行信号质量评估的方法包括：1.阈值法。即根据信号的特点提取特征，一旦特征超过预定的阈值则把该信号确定为信号质量差；2.建立对应的信号质量评分(Signal Quality Index,SQI)，如对于ECG信号，人们使用信号计算的特征，加上一定的权重系数，先后发展了kSQI,sSQI,pSQI等多种评分方式；3.采用人工智能、机器学习和深度学习的方法构建模型。目前主流的模型构建方法仍是监督学习，即模型通过学习大量提前标注好标签的数据，总结其中的规律并用于后续的信号质量评价分析。

但上述方法均由较强的局限性：首先，早期的研究/专利中信号多来自于床旁监护仪，其采集的信号与真实世界的信号有着本质的差别，噪声的来源和强度均与可穿戴设备所面临的问题不同；其次，尽管高性能的机器学习/深度学习模型快速发展，但这些方法绝大多数需要大量的标签才能完成模型学习的步骤，标签数量不足或模型训练样本局限性太强均会导致模型的泛化性能不足，难以达到使用的需求。问题是目前获得海量的数据是相对容易，但想将这些数据全部加上标签需要大量的人力和时间成本，可穿戴设备硬软件的快速迭代更加重了标注标签的任务。

发明内容

鉴于上述问题，本申请旨在提出一种连续生理信号质量评估方法，

本申请的连续生理信号质量评估方法，其包括：

通过加窗将原始生理信号进行分割；