Способ анализа баллистокардиографического сигнала для детектирования единичных сердечных ударов в реальном времени

Изобретение относится к кардиологии, в частности к способу детектирования единичных сердечных ударов (кардиоциклов) из сигнала балистокардиограммы в режиме реального времени. Предложенный способ детектирования заключается в том, что цифровой сигнал измеренной баллистокардиограммы фильтруют с помощью полосового фильтра с полосой пропускания в диапазоне нахождения паттернов кардиоциклов, определяют все экстремумы обработанного сигнала, вычисляют стандартное отклонение σ(i) в каждом i-м экстремуме сигнала баллистокардиограммы в окне ±50 мс:

где N - количество отсчетов в окне ±50 мс, - среднее значение сигнала в окне ±50 мс, и анализируют полученные стандартные отклонения в каждом экстремуме для определения предположительного местоположения кардиоцикла, причем кардиоцикл считается детектированным, если в окне ±300 мс нет экстремума со значением стандартного отклонения выше текущего σ(i), осуществляют коррекцию предположительных местоположений кардиоциклов на основании модельного шаблона, вычисленного на основании детектированных ранее сердечных ударов. Изобретение обеспечивает повышение точности обработки сигнала баллистокардиограммы по сравнению с существующим уровнем техники с целью детектирования кардиоциклов в режиме реального времени. 5 з.п. ф-лы, 2 ил.

 

Область техники, к которой относится изобретение

Изобретение относится к кардиологии. В частности, изобретение относится к способу и устройству детектирования единичных сердечных ударов (кардиоциклов) из сигнала балистокардиограммы. Изобретение может применяться как в медицинских целях, так и не в медицинских целях, в частности, для оценки физиологического состояния человека с целью информирования или мониторинга пользователя.

Предпосылки создания изобретения

В настоящее время алгоритмы анализа баллистокардиографических сигналов (далее БКГ сигналов) с целью определения частоты сокращений сердца используют спектральные методы, либо методы определения во времени для обнаружения многократного проявления определенных паттернов, например, путем оценки автокорреляционной функции сигнала. При всех таких подходах следует рассматривать сегменты сигнала с продолжительностью в несколько секунд так, чтобы охватывать множество сокращений сердца. В результате доступна информация о среднем показателе сокращений сердца на некотором отрезке времени, однако точная информация в интервале между последовательными сокращениями сердца недоступна.

Известны алгоритмы оценки последовательных сокращений сердца на основе БКГ сигналов, но такие подходы детектирования единичных сердечных ударов из сигнала балистокардиографии имеют ряд недостатков.

Известные решения используют либо один характеристический показатель сигнала и не позволяют с достаточной точностью детектировать кардиоциклы ([1]), либо большое количество характеристических показателей сигнала, вычисление которых может занимать существенное время на встроенных системах ([2], [3]).

Другие решения используют кластерные, корреляционные или вейвлет-подобные вычисления по всему сигналу, что тоже является проблемой с точки зрения скорости вычисления для достаточно длительных сессий или применения в системах реального времени даже на современных встроенных системах ([4], [5]).

Применение машинного обучения также не достигает необходимой точности детектирования единичных кардиоциклов ([6]), при этом, как и ряд других методов, использующих накопленную базу шаблонов ([7]), требует дополнительно хранить локально базу данных или иметь постоянный доступ к ней.

Наиболее близким аналогом к заявляемому изобретению по технической сущности является способ анализа БКГ сигналов ([8]), согласно которому рассчитывают продолжительность временного интервала между последовательными сокращениями сердца, как в случае ЭКГ. Для этого производят частотную фильтрацию сигнала в диапазоне нахождения паттерна сердечного ритма, осуществляют расчет характерного показателя по сигналу (характерные показатели: высокочастотная составляющая λ(t), долгосрочное прогнозирование μ(t) и вероятностная функция распределения σ(t)), определяют место сердечного удара посредством нахождения максимального значения многочлена αλ(t)+βμ(t)+χσ(t), где α, β и χ - скалярные величины, для t∈[tn+tmin, tn+tmax]. Данное максимальное значение предпочтительно определяется посредством низкочастотной фильтрации результата сложения вслед за поиском максимума. Определенное таким образом максимальное значение становится следующим оценочным значением сердечного ритма tn+1, и итерационный процесс продолжается от этого оценочного значения до момента достижения окончания сигнала. Результатом является первая сегментация баллистокардиографического сигнала на интервалы сердечных сокращений, которая может быть использована для предоставления начального значения для способов детализации, которые находят точные моменты времени событий сердечных сокращений или продолжительность интервалов сердечных сокращений.

Недостатками данного способа являются:

1) отсутствие возможности работы на микроконтроллерах или встроенных системах в реальном времени,

2) малая скорость детектирования кардиоциклов, и, следовательно, отсутствие возможности использовании предложенного способа анализа на медленных системах, например, микроконтроллерах или встроенных системах.

3) отсутствие коррекции после детектирования с предыдущими ударами, что приводит к меньшей точности детектирования:

o сердечных ударов у испытуемых с неустойчивым паттерном (у которых схожи по амплитуде H и J или J и L пики),

o сердечных ударов во время глубокого дыхания,

o сердечных ударов с частично зашумленным паттерном или при наличии артефактов длительностью 1-2 секунды,

o сердечных ударов у испытуемых, у которых сильно выражены диастолические волны (LMN комплекс) в сигнале баллистокардиограммы.

Таким образом, существует потребность в улучшенном способе анализе сигнала баллистокардиограммы для детектирования единичных сердечных ударов в режиме реального времени с высокой точностью детектирования, который бы мог быть применен с минимальной задержкой во встроенных системах.

Суть изобретения

Технической проблемой настоящего изобретения является отсутствие простых и точных способов анализа сигналов баллистокардиограммы у произвольных испытуемых для детектирования единичных сердечных ударов в режиме реального времени, которые можно использовать во встроенных системах.

Технический результат настоящего изобретения, достигаемый при его использовании, заключается в повышении точности способа анализа сигнала баллистокардиограммы по сравнению с существующими алгоритмами обработки и в упрощении его использования во встроенных системах.

Технический результат обеспечивается за счет того, что способ включает в себя начальное детектирование сердечных ударов и последующую их корректировку методом корреляции с шаблоном, вычисленным на основании детектированных ранее сердечных ударов у того же пациента.

Данный способ требует всего 300 мс после сердечного удара для его детектирования и может быть применен с минимальной задержкой во встроенных системах, т.к. не требует тяжеловесных вычислений.

Этапы предлагаемого, согласно настоящему изобретению, алгоритма:

1. Фильтрация сигнала баллистокардиограммы полосовым фильтром с полосой пропускания от 1-4 Гц до 15-35 Гц, которая является диапазоном нахождения паттерна сердечного ритма;

2. Нахождение экстремумов сигнала баллистокардиограммы (верхних и нижних пиков);

3. Вычисление стандартного отклонения в каждом экстремуме сигнала в окне ±50мс;

4. Анализ полученных стандартных отклонений в каждом экстремуме: если в окне ±300мс нет экстремума с большим стандартным отклонением, то мы считаем, что это кардиоцикл;

5. Коррекция кардиоциклов на основе модельного сигнала с окном поиска 450мс и корреляционным окном 350мс.

По сравнению с наиболее близким аналогом в предлагаемом способе вычисляется лишь один параметр по сигналу, и он очень простой в вычислении, в отличие от вычисления в аналоге трех показателей, которые гораздо сложнее в вычислении (например, получение спектрограммы в высокочастотной составляющей λ(t)). При этом для расчета показателей в предлагаемом способе используют экстремумы сигнала, в отличие от аналога, в котором расчет показателей осуществляют по всему сигналу.

Для повышения точности детектирования, помимо оптимальных параметров алгоритма, в предлагаемом способе производится коррекция текущего кардиоцикла на основании предыдущих.

Таким образом, улучшенный алгоритм сохраняет только саму идею по вычислению абсолютного отклонения. Была переделана функция поиска (считается только абсолютное отклонение на пиках), позволившая принимать решение о кардиоцикле, если вокруг пика в ±300 мс нет пика с большим значением абсолютного отклонения.

Краткое описание чертежей

Прилагаемые чертежи, которые включены в состав настоящего описания и являются его частью, иллюстрируют варианты осуществления изобретения и совместно с вышеприведенным общим описанием изобретения и нижеприведенным подробным описанием вариантов осуществления служат для пояснения принципов настоящего изобретения.

На фиг. 1 изображен кардиоцикл в сигнале балистокардиограммы. Буквами обозначены пики, отражающие удары волны крови о предсердия, желудочки и бифуркации артерий, соответствующие пресистолической, систолической или диастолической волне.

На фиг. 2 изображена блок-схема выполнения алгоритма детектирования кардиоциклов.

Подробное описание изобретения

В настоящем описании и в формуле изобретения термины «включает», «включающий» и «включает в себя», «имеющий», «снабженный», «содержащий» и другие их грамматические формы не предназначены для истолкования в исключительном смысле, а, напротив, используются в неисключительном смысле (т.е. в смысле «имеющий в своем составе»). В качестве исчерпывающего перечня следует рассматривать только выражения типа «состоящий из».

Под «встроенными системами» в настоящем описании подразумевается специализированная микропроцессорная система управления, контроля и мониторинга, концепция разработки которой заключается в том, что такая система будет работать, будучи встроенной непосредственно в устройство, которым она управляет. Предполагается, что встроенные системы в отличие от современных компьютеров ограничены в мощности процессора и/или памяти и поэтому не позволяют использовать методы с тяжелыми вычислениями (вейвлеты, большое кол-во преобразований и т.д.) в реальном времени.

В целом, настоящее изобретение направлено на разработку способа анализа сигнала балистокардиограммы для детектирования единичных сердечных ударов в режиме реального времени c высокой точностью, чувствительностью и минимальной средней ошибкой сердечного ритма. Разработанный алгоритм может быть применен во встроенных системах, так как не требует тяжеловесных вычислений.

Балистокардиограмма отображает перемещение тела человека, обусловленное сердечными сокращениями, представленными периодическим паттерном, дыханием и другими движениями тела.

Кардиоцикл в сигнале БКГ имеет схожий комплекс пиков, что и QRS комплекс в ЭКГ сигнале, называемый IJK комплекс (фиг. 1). В отличие от ЭКГ задача распознавания кардиоцикла в сигнале БКГ представляет собой более сложный процесс. Кардиоцикл в сигнале БКГ имеет менее выраженные формы в отличие от комплекса QRS ЭКГ сигнала, а также гораздо сильнее подвержен искажениям, в зависимости от возраста, массы тела и физиологических особенностей человека. Помимо этого, существенные искажения сигнала БКГ могут вызываться другими акустическими/вибрационными движениями, не связанными с сердечным ритмом, движениями сердца, тела, органов и окружающей среды.

Одним из основных способов определения положение кардиоцикла на оси времени из сигнала БКГ состоит в сопоставление БКГ сигнала с предварительно определенным модельным шаблоном (например, W-образность IJK комплекса). Однако, из-за большого количества различных паттернов кардиоциклов в сигнале БКГ у разных людей, данный способ имеет существенные недостатки и не может быть применен универсально для всех людей. Очевидно, он будет работать лучше на одних данных и хуже на других.

Настоящее изобретение направлено на устранение описанных выше в том числе проблем. Способ, согласно изобретению, кратко описан со ссылкой на блок-схему алгоритма, представленной на фиг. 2.

На этапе 101 осуществляют сбор данных баллистокардиограммы и ее предварительную обработку.

Исходя из физиологических особенностей кардиоциклов и проведенных эмпирических экспериментов известно, что в сигнале БКГ содержатся следующие сигналы в разных частотных диапазонах: диапазон дыхательных волн (0.5 - 4 Гц), диапазон, содержащий паттерны кардиоциклов (3 - 35 Гц), высокочастотные шумы (25 Гц и выше).

Предварительная обработка сигнала заключается в фильтрации сигнала полосовым фильтром с полосой пропускания от 1-4 Гц до 15 -35 Гц, который позволяет избавиться от низкочастотных влияний дыхательных волн на сигнал БКГ и в то же время избавиться от высокочастотных колебаний, не относящихся к самому кардиоциклу. В качестве полосового фильтра может быть использован любой полосовой фильтр с указанной полосой пропускания, которая зависит от первоначальных данных. Фильтр может быть как аналоговым, так и цифровым. При использовании аналогового фильтра сигнал оцифровывают после этапа 101, перед этапом 102.

На этапе 102 детектируют карциоциклы методом адаптивного скользящего максимума сигнала.

Для этого определяют предположительное место сердечного удара на временной оси сигнала БКГ.

Для вычисления предположительного места кардиоцикла в сигнале БКГ сначала вычисляют скользящее стандартное отклонение сигнала в окне ±50 мс, после чего определяют местоположение кардиоцикла по вычисленным точкам. Для ускорения вычислений используют не все точки сигнала, а только экстремумы, так как кардиоцикл в сигнале БГК представляет собой IJK комплекс, состоящий из экстремумов. Выбор окна в ±50 мс является оптимальным для вычисления скользящего стандартного отклонения сигнала, так как в среднем составляет половину от длительности между J-K пиками кардиоцикла.

Далее, если вокруг экстремума в окне ±300 мс нет экстремумов со значением стандартного отклонения выше текущего, то, предположительно, данная точка является пиком кардиоциклом. Выбор диапазона окна для поиска экстремумов со значением стандартного отклонения выше текущего, обусловлен длительной полного кардиоцикла, который включает систолу и диастолу (комплекс HIJKLMN).

Таким образом, этап 102 можно разбить на подэтапы, которые выглядят следующим образом:

1. Нахождение всех экстремумов сигнала, в том числе экстремумов, характеризующих пики комплекса IJK, посредством сравнения текущего отсчета с соседними. Если текущий отсчет x(i) больше предыдущего x(i-1) и одновременно меньше следующего x(i+1), то считают, что это точка локального экстремума. Другими словами, в том случае если x(i) > x(i-1) и x(i) < x(i + 1), x(i) - локальный экстремум сигнала.

2. Вычисление стандартного отклонения в каждом i-ом экстремуме сигнала баллистокардиограммы в окне ±50 мс следующим образом:

где N - количество отсчетов в окне ±50 мс, - текущее значение сигнала в окне ±50 мс, - среднее значение сигнала в окне ±50 мс.

3. Анализ полученных стандартных отклонений в каждом экстремуме: если в окне ±300мс нет экстремума со значением стандартного отклонения выше текущего, то считают, что это пик кардиоцикла.

На этапе 103 осуществляют коррекцию предположительных местоположений кардиоциклов на основании модельного шаблона, вычисленного на основании детектированных ранее сердечных ударов. Коррекция кардиоцикла на основании шаблона, вычисленного на этом же человеке, позволяет детектировать сигналы у любых людей, даже если они изменяют положение тела в момент съема сигнала.

Корректирование момента сердечного удара производится только в том случае, если до этого было детектировано не менее 5 сердечных ударов. В предпочтительном варианте осуществления изобретения для вычисления модели кардиоцикла необходимо, чтобы был массив из 10 детектированных сердечных ударов. В том случае, если детектировано менее 5 сердечных ударов, то алгоритм принимает текущий экстремум, вычисленный на этапе 102, за истинный пик кардиоцикла и добавляет его в массив кардиоциклов для шаблона. Как только в массиве для шаблона накоплено 5 и более кардиоциклов, то начинают применять коррекцию.

Несмотря на то, что в сигнале каждый кардиоцикл отличается друг от друга, амплитуда шума много меньше, чем паттерн кардиоцикла, а, следовательно, можно подобрать такое минимальное значение корреляции между модельным шаблоном и текущим кардиоциклом, которое даст возможность с достаточной долей вероятности говорить о том, что в каждом кардиоцикле определяют одинаковые пики IJK комплекса. Таким образом, разработанный способ позволяет вычислять одни и те же пики в самих кардиоциклах: всегда вычисляют I пики или всегда вычисляют K пики кардиоциклов. Т.к. паттерны кардиоциклов бывают разные, то зачастую происходит ситуации, когда детектируются сначала I пики, у следующего кардиоцикла - K пик, у следующего опять - I пик, и т.д. За счет этого сердечный ритм начинает «плавать», то увеличиваясь, то уменьшаясь. Это важно для последующего анализа показателей сердечного ритма (например, LF, HF, SDNN и др.).

Взаимокорреляционной функцией между двумя сигналами (шаблонным и текущим) называют следующий показатель:

, где , - среднее значение выборок двух сигналов.

Для корректирования момента сердечного удара находят временной интервал вокруг предположительного кардиоцикла, в котором корреляционная функция между предполагаемым ударом сердца и шаблоном имеет максимальное значение.

Т.е. для каждого предполагаемого момента сердечного удара, вычисленного на этапе 102, рассматривают интервалы размером 350 мс в диапазоне ±450 мс (интервал, в котором лучше всего проявляет себя поиск) и находят интервал с максимальным значением функции корреляции с модельным шаблоном .

, где - исходный сигнал баллистокардиограммы - модельный шаблон, - исследуемое окно. - скорректированное время детектированного кардиоцикла, значение функции корреляции между шаблонным и текущим сигналом кардиоцикла в исследуемом окне, - интервал, в котором лучше всего проявляет себя поиск.

На этапе 104 осуществляют коррекцию модельного шаблона, в частности, осуществляют адаптацию модельного шаблона кардиоцикла с использованием уже детектированных кардиоциклов.

После того, как определили на предыдущем этапе 103 точное время кардиоцикла , необходимо скорректировать непосредственно сам шаблон кардиоцикла.

Для коррекции момента сердечного удара используют корреляцию с модельным шаблоном, который вычисляется на основании 10 последних детектированных кардиоциклов (или меньше, но не менее 5 последних детектированных кардиоциклов) в окне мс с центром в точке , посредством вычисления между ними медианы по времени. Для коррекции модельного шаблона возможно использовать большее количество последних детектированных кардиоциклов. Однако, чем больше количество детектированных кардиоциклов используется в модели кардиоцикла, тем медленнее система будет реагировать на изменения и в то же время есть вероятность возникновения ежемоментных ошибок. Можно использовать вычисление модельного шаблона и по времени, например, за последние 10/30/60 секунд.

Этот модельный шаблон кардиоцикла будет использоваться в дальнейшем на повторяющемся на всей длительности сигнала БКГ предыдущем шаге алгоритма

После этого, итерационно повторяют процедуру обработки сигнала БКГ (этапы 102-104) слева направо вдоль временной оси, начиная с исходного значения в начальной части сигнала БКГ, и до момента окончания сигнала БКГ.

Предложенный согласно настоящему изобретению способ анализа сигнала баллистокардиограммы детектирует единичные сердечные удары на базе CEBS (https://physionet.org/content/cebsdb/; суммарно 17 часов записей, 69757 сердечных ударов) с чувствительностью 99,61%, специфичностью 99,57% и общей частотой ошибки детектирования 0.8%.

Данная точность достигается за счет применения коррекции детектирования сердечного удара методом корреляции на основании вычисленных ранее сердечных ударов конкретного испытуемого, а также оптимально подобранных параметров алгоритма.

По сравнению с предыдущими работами на базе CEBS (https://physionet.org/content/cebsdb), предложенный алгоритм является наиболее точным из всех имеющихся вариантов ([9-16]).

Ниже представлена общая схема вычислительного устройства, обеспечивающего обработку данных, необходимую для реализации заявленного способа.

В общем случае устройство содержит такие компоненты, как: один или более процессоров, по меньшей мере одну память, средство хранения данных, интерфейсы ввода/вывода, средство В/В, средства сетевого взаимодействия, датчик баллистокардиографии.

Процессор устройства выполняет основные вычислительные операции, необходимые для функционирования устройства или функциональности одного или более его компонентов. Процессор исполняет необходимые машиночитаемые команды, содержащиеся в оперативной памяти.

Память, как правило, выполнена в виде ОЗУ и содержит необходимую программную логику, обеспечивающую требуемый функционал.

Средство хранения данных может выполняться в виде HDD, SSD дисков, рейд массива, сетевого хранилища, флэш-памяти, оптических накопителей информации (CD, DVD, MD, Blue-Ray дисков) и т.п. Средство позволяет выполнять долгосрочное хранение различного вида информации, например, вышеупомянутых файлов с наборами данных пользователей, базы данных, содержащих записи измеренных для каждого пользователя временных интервалов, идентификаторов пользователей и т.п.

Интерфейсы представляют собой стандартные средства для подключения и работы с серверной частью, например, USB, RS232, RJ45, LPT, COM, HDMI, PS/2, Lightning, FireWire и т.п.

Выбор интерфейсов зависит от конкретного исполнения устройства (N00), которое может представлять собой персональный компьютер, мейнфрейм, серверный кластер, тонкий клиент, смартфон, ноутбук и т.п.

В качестве средств В/В данных в любом воплощении системы, реализующей описываемый способ, должна использоваться клавиатура. Аппаратное исполнение клавиатуры может быть любым известным: это может быть, как встроенная клавиатура, используемая на ноутбуке или нетбуке, так и обособленное устройство, подключенное к настольному компьютеру, серверу или иному компьютерному устройству. Подключение при этом может быть, как проводным, при котором соединительный кабель клавиатуры подключен к порту PS/2 или USB, расположенному на системном блоке настольного компьютера, так и беспроводным, при котором клавиатура осуществляет обмен данными по каналу беспроводной связи, например, радиоканалу, с базовой станцией, которая, в свою очередь, непосредственно подключена к системному блоку, например, к одному из USB-портов. Помимо клавиатуры, в составе средств В/В данных также может использоваться: джойстик, дисплей (сенсорный дисплей), проектор, тачпад, манипулятор мышь, трекбол, световое перо, динамики, микрофон и т.п.

Средства сетевого взаимодействия выбираются из устройства, обеспечивающий сетевой прием и передачу данных, например, Ethernet карту, WLAN/Wi-Fi модуль, Bluetooth модуль, BLE модуль, NFC модуль, IrDa, RFID модуль, GSM модем и т.п. С помощью средств обеспечивается организация обмена данными по проводному или беспроводному каналу передачи данных, например, WAN, PAN, ЛВС (LAN), Интранет, Интернет, WLAN, WMAN или GSM.

Датчик баллистокардиографии может предоставить баллистокардиографический сигнал в аналоговой или цифровой форме процессор устройства. В альтернативном варианте датчик баллистокардиографии может быть оснащен аналого-цифровым преобразователем, так что баллистокардиографический сигнал поступает в процессор в цифровой форме. Устройство может принимать баллистокардиографический сигнал с использованием любого соответствующего средства, например посредством проводного или беспроводного соединения, с датчика баллистокардиографии.

Компоненты устройства сопряжены посредством общей шины передачи данных.

Несмотря на то, что изобретение описано со ссылкой на раскрываемые варианты воплощения, для специалистов в данной области должно быть очевидно, что конкретные подробно описанные варианты приведены лишь в целях иллюстрирования настоящего изобретения, и их не следует рассматривать как каким-либо образом ограничивающие объем изобретения. Должно быть понятно, что возможно осуществление различных модификаций без отступления от сути настоящего изобретения.

Список литературы

1. Choe S., Cho W., Simplified real-time heartbeat detection in ballistocardiography using a dispersion-maximum method // Biomedical Research, 2017).

2. WO2010067294A1 METHOD AND APPARATUS FOR THE ANALYSIS OF BALLISTOCARDIOGRAM SIGNALS.

3. Bruser S., Winter S., Leonhardt S., Robust inter-beat interval estimation in cardiac vibration signals // Physiological Measurement, 2013. V.32(2), p: 123-128.

4. WO2016072940A1 MULTI-CHANNEL BALLISTOCARDIOGRAPHY WITH CEPSTRUM SMOOTHING AND QUALITY-BASED DYNAMIC CHANNEL SELECTION.

5. Brucer C. et al. Improvement of Force-sensor-based Heart Rate Estimation Using Multi-channel Data Fusion // IEEE Journal on Biomedical Health Informatics, 2014.

6. Thakkar H., Sahoo P Towards Automatic and Fast Annotation of Seismocardiogram Signals Using Machine Learning // IEEE Sensors Journal, 2020. Vol. 20(5).

7. US2013158415A1 BALLISTOCARDIOGRAM ANALYSIS APPARATUS AND METHOD, AND SYSTEM FOR UTILIZING BALLISTOCARDIOGRAM FOR VEHICLE USING THE SAME.

8. WO2010067294A1 METHOD AND APPARATUS FOR THE ANALYSIS OF BALLISTOCARDIOGRAM SIGNALS.

9. Choudhary T., Sharma L. N., Bhuyan M. K., Automatic Detection of Aortic Valve Opening Using Seismocardiography in Healthy Individuals // IEEE Journal of Biomedical and Health Informatics, vol. 23(30), 2019, doi: 10.1109/JBHI.2018.2829608.

10. Siecinski S., Tkacz E., Kostka P. Comparison of HRV indices obtained from ECG and SCG signals from CEBS database // BioMedical Engineering Online 18, vol. 69, 2019. Doi: 10.1186/s12938-019-0687-5.

11. Thakkar H., Sahoo P Towards Automatic and Fast Annotation of Seismocardiogram Signals Using Machine Learning // IEEE Sensors Journal, 2020. Vol. 20(5). Doi: 10.1109/JSEN.2019.2951068.

12. Y. Li, X. Tang, and Z. Xu, “An approach of heartbeat segmentation in seismocardiogram by matched-filtering,” in 2015 7th International Conference on Intelligent Human-Machine Systems and Cybernetics, vol. 2, Aug 2015, pp. 47-51.

13. Choudhary T., Sharma L. N., Bhuyan M. K., Automatic Detection of Aortic Valve Opening Using Seismocardiography in Healthy Individual.

14. Siecinski S., Tkacz E., Kost ka P. Compari son of HRV indices obtained from ECG and SCG signals from CEBS database.

15. Thakkar H., Sahoo P Towards Automatic and Fast Annotation of Seismocardiogram Signals Using Machine Learning.

16. Rivero I., E. and F.E., "Robust Detection of AO and IM Points in the Seismocardiogram Using CWT," in IEEE Latin America Transactions, vol. 14, no. 11, pp. 4468-4473, Nov. 2016, doi: 10.1109/TLA.2016.7795816.

1. Способ анализа баллистокардиографического сигнала для детектирования единичных сердечных ударов в режиме реального времени, содержащий этапы, на которых:

- осуществляют предварительную обработку полученного сигнала баллистокардиограммы посредством его фильтрации с помощью полосового фильтра с полосой пропускания в диапазоне нахождения паттерна сердечного ритма,

- детектируют кардиоциклы методом адаптивного скользящего максимума цифрового сигнала, при этом определяют все экстремумы обработанного сигнала, вычисляют стандартное отклонение σ(i) в каждом i-м экстремуме сигнала баллистокардиограммы в окне ±50 мс:

где N - количество отсчетов в окне ±50 мс, - среднее значение сигнала в окне ±50 мс, - текущее значение сигнала в окне ±50 мс,

и анализируют полученные стандартные отклонения в каждом экстремуме для определения местоположения кардиоцикла, причем кардиоцикл считается детектированным, если в окне ±300 мс нет экстремума со значением стандартного отклонения выше текущего σ(i),

- осуществляют коррекцию местоположений кардиоциклов на основании модельного шаблона, вычисленного на основании детектированных ранее сердечных ударов.

2. Способ по п.1, в котором модельный шаблон вычисляется на основании не менее пяти последних детектированных кардиоциклов.

3. Способ по п.2, в котором модельный шаблон вычисляется на основании десяти последних детектированных кардиоциклов.

4. Способ по п.1, в котором коррекция местоположений кардиоциклов включает следующие этапы:

- определяют корреляционную функцию между сигналом модельного шаблона и текущим найденным кардиоциклом

, где , – среднее значение выборок,

- находят временной интервал вокруг предположительного места кардиоцикла, в котором корреляционная функция имеет максимальное значение:

,

,

где – исходный сигнал баллистокардиограммы, - модельный шаблон, – исследуемое окно, - скорректированное время детектированного кардиоцикла, значение функции корреляции между шаблонным и текущим сигналами кардиоцикла в исследуемом окне, – интервал, в котором лучше всего проявляет себя поиск.

5. Способ по п.1, в котором дополнительно корректируют модельный шаблон кардиоцикла после получения точного времени кардиоцикла.

6. Способ по п.1, в котором полоса пропускания полосового фильтра находится в диапазоне от 1-4 Гц до 15-35 Гц.