公开(公告)号：CN119302628A

公开(公告)日：2025-01-14

申请号：CN202411441088.0

申请日：2024-10-15

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 张琦 ,  张振胤 ,  吴桦宇

IPC: A61B5/021 ,  A61B5/024

Abstract: 本发明提出了一种非接触精准测量脉搏波及心率的方法和系统，该方法包括以下步骤：使用高帧率高位深的相机拍摄人体手腕，获得raw图片序列；将选择感兴趣区域，并获取感兴趣区域中的G通道数据；计算每一帧的G通道均值，获得均值序列；将均值序列通过带通滤波器，获得脉搏波；将脉搏波通过训练好的多层感知机，从而恢复更多的脉搏波细节；使用傅里叶变换获得脉搏波主频率，从而获得心率；将测量得到的脉搏波及心率通过显示屏UI界面展示给用户。本发明的方法和系统提高了非接触测量脉搏波和心率的准确性。

公开(公告)号：CN119442066A

公开(公告)日：2025-02-14

申请号：CN202411624220.1

申请日：2024-11-14

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 张琦 ,  吴桦宇 ,  张振胤

IPC: G06F18/2431 ,  A61B5/021 ,  G06F18/2131 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明提出了一种基于深度学习的iPPG血压检测方法。本发明中，采用迁移学习策略，旨在解决iPPG数据稀缺无法完成深度学习训练的问题。利用现有的、类型丰富的且数据量充足的PPG数据对模型进行预训练，实现模型对血液容积脉搏波与血压之间存在的隐性关系的初步理解，再使用自采的iPPG数据对预训练模型进行微调，使模型更适配于iPPG检测血压的任务。数据输入模型之前，根据容积脉搏波波形特征量K值以及划分的血压区间将数据进行分类，各区间独立训练以适配不同类型的血压检测。在实际部署和使用时，以受试者首次测量真值为基准，自动分配个性化模型为其进行后续的血压检测。

公开(公告)号：CN119302629A

公开(公告)日：2025-01-14

申请号：CN202411441319.8

申请日：2024-10-15

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 张琦 ,  张振胤 ,  吴桦宇

IPC: A61B5/021 ,  A61B5/024 ,  G06V20/40 ,  G06V10/25 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种将滑窗滤波与多头注意力机制结合的非接触脉搏波及心率检测方法，该方法包括以下步骤：从人体腕部视频中选择桡动脉区域作为感兴趣区域，获取视频中感兴趣区域的均值时间序列，该序列作为初始脉搏波信号，将该信号经过三次滑窗滤波进行预处理，达到去趋势、去噪的效果；将预处理后的序列信号按照相应的比例划分为训练集、验证集和测试集；构建将多头注意力机制和多层感知机相结合的可训练的深度学习网络模型；将划分好的训练集送入到深度学习神经网络中进行训练，模型的输出为恢复了更多细节的更准确的脉搏波；将脉搏波进行傅里叶变换，获取其主频率，从而获得心率；将预处理算法、训练好的深度学习模型和心率计算算法相连接，获得端到端的非接触脉搏波及心率检测网络。本发明的方法提高了非接触测量脉搏波和心率的准确性。