血氧测量设备的运动干扰抵消方法和系统的制作方法
【技术领域】
[0001]本发明涉及血氧测量技术领域，特别是涉及血氧测量设备的运动干扰抵消方法和系统。
【背景技术】
[0002]血氧饱和度(Sa02)是血液中被氧结合的氧合血红蛋白(Hb02)的容量占全部可结合的血红蛋白(Hb，hemoglobin)容量的百分比，即血液中血氧的浓度，它是呼吸循环的重要生理参数。
[0003]目前的测量方法是采用指套式光电传感器，测量时，只需将传感器套在人手指上，利用手指作为盛装血红蛋白的透明容器，使用波长660nm的红光和940nm的近红外光作为射入光源，测定通过组织床的光传导强度，来计算血红蛋白浓度及血氧饱和度，仪器即可显示人体血氧饱和度，为临床提供了一种连续无损伤血氧测量仪器。然而，当人体处于运动状态时，其血流和肌肉状态会不断改变，且血氧测量设备的光穿透区域亦会不断产生移位，从而影响结果准确性。从血氧测量结果来判别，当测量血氧值结果在一段时间内快速变化，则认为是运动干扰，此时屏蔽计算结果，并报警运动干扰。
[0004]目前的这种方法，由于是根据结果稳定性进行判断，运动干扰判断会有较大延时，同时，在出现运动干扰时仅能报警，而不能较好地测量出结果。
【发明内容】
[0005]基于此，有必要提供一种判断运动干扰较准确，延时较小且能较好消除运动干扰的血氧测量设备的运动干扰抵消方法和血氧测量设备的运动干扰抵消系统。
[0006]—种血氧测量设备的运动干扰抵消方法，包括以下步骤:
[0007]获取设定时间段内血氧测量设备测量的红光接收光强数据和红外光接收光强数据；
[0008]计算所述红光接收光强数据和红外光接收光强数据的形态相似度，在所述形态相似度大于设定阈值时，根据所述红光接收光强数据和预设的干扰参考数据序列计算红光干扰参数，并根据所述红光干扰参数消除红光接收光强数据中的运动干扰；
[0009]根据红外光接收光强数据和所述干扰参考数据序列计算红外光干扰参数，并根据所述红外光干扰参数消除红外光接收光强数据中的运动干扰；
[0010]利用消除运动干扰后的红外光接收光强数据和红光接收光强数据计算血氧值。[0011 ] 一种血氧测量设备的运动干扰抵消系统，包括:
[0012]获取模块，用于获取设定时间段内血氧测量设备测量的红光接收光强数据和红外光接收光强数据；
[0013]消除红光干扰模块，用于计算所述红光接收光强数据和红外光接收光强数据的形态相似度，在所述形态相似度大于设定阈值时，根据所述红光接收光强数据和预设的干扰参考数据序列计算红光干扰参数，并根据所述红光干扰参数消除红光接收光强数据中的运动干扰；
[0014]消除红外光干扰模块，用于根据红外光接收光强数据和所述干扰参考数据序列计算红外光干扰参数，并根据所述红外光干扰参数消除红外光接收光强数据中的运动干扰；
[0015]血氧值计算模块，用于利用消除运动干扰后的红外光接收光强数据和红光接收光强数据计算血氧值。
[0016]上述血氧测量设备的运动干扰抵消方法和血氧测量设备的运动干扰抵消系统，通过计算所述红光接收光强数据和红外光接收光强数据的形态相似度，当形态相似度大于设定阈值时，即判定为发生了运动干扰，判断运动干扰较准确，延时较小；然后通过计算红光干扰参数和红外光干扰参数，根据两个参数以及预设的干扰参考数据序列消除运动干扰，然后利用消除运动干扰后的红外光接收光强数据和红光接收光强数据计算血氧值，从而可以消除血氧测量设备测量血氧值中的运动干扰，提高测量准确性。
【附图说明】
[0017]图1为一实施例血氧测量设备的运动干扰抵消方法流程图；
[0018]图2为一实施例血氧测量设备测量示意图；
[0019]图3为一实施例未发生运动干扰时的红光和红外光波形图；
[0020]图4为一实施例发生运动干扰时的红光和红外光波形图；
[0021 ]图5为一实施例消除运动干扰后的红光和红外光波形图；
[0022]图6为一实施例血氧测量设备的运动干扰抵消系统结构示意图。
【具体实施方式】
[0023]下面结合附图对本发明的血氧测量设备的运动干扰抵消方法和血氧测量设备的运动干扰抵消系统的【具体实施方式】作详细描述。
[0024]请参阅图1，图1为一实施例血氧测量设备的运动干扰抵消方法流程图。
[0025]—种血氧测量设备的运动干扰抵消方法，包括以下步骤:
[0026]步骤SlOl:获取设定时间段内血氧测量设备测量的红光接收光强数据和红外光接收光强数据；
[0027]在步骤SlOl中，设定时间段可以是8s、10s、12s等，按照需求进行设定。
[0028]步骤S103:计算所述红光接收光强数据和红外光接收光强数据的形态相似度，在所述形态相似度大于设定阈值时，根据所述红光接收光强数据和预设的干扰参考数据序列计算红光干扰参数，并根据所述红光干扰参数消除红光接收光强数据中的运动干扰；
[0029]在步骤S103中，计算所述红光接收光强数据和红外光接收光强数据的形态相似度是由于在未发生运动干扰时，红光接收光强数据和红外光接收光强数据的形态相似度较高，而在发送运动干扰时，红光接收光强数据和红外光接收光强数据的形态相似度较低，通过计算红光接收光强数据和红外光接收光强数据的形态相似度可以更准确且较低延时的判断出运动干扰情况。
[0030]在一实施例中，所述计算所述红光接收光强数据和红外光接收光强数据的形态相似度的步骤可以包括:
[0031]根据红光接收光强数据和红外光接收光强数据计算第一代价函数值，并以第一代价函数值的最小值为形态相似度；其中，计算第一代价函数值的公式为:
[0032]Cl1= (E「b* (D「a) _c)2+ (E2_b* (D2_a) _c)2+…+ (En_b* (Dn_a) -c)2；
[0033]其中，山表示第一代价函数值，E 1、E2、En表示红外光接收光强数据，D n D2, Dn表示红光接收光强数据，a表示红光的基线值，c表示红外光的基线值，b表示红外光的峰谷差值与红光的峰谷差值的比例，η表示数据个数。
[0034]当求得第一代价函数值的最小值时，第一代价函数值的最小值为形态相似度，同时，此时的a、b、c即是相似参数G.a、G.b、G.C，表示红光接收光强数据和红外光接收光强数据的相似程度。
[0035]在一实施例中，所述根据所述红光接收光强数据和预设的干扰参考数据序列计算红光干扰参数的步骤中，预设的干扰参考数据序列为:
[0036]L1= E「G.b* (D1-G.a) -G.c ；
[0037]L2= E 2_G.b* (D2_G.a) _G.c ；
[0038]......;
[0039]Ln= E n-G.b* (Dn-G.a) _G.c ；
[0040]其中，G.a、G.b、G.c表示计算得到形态相似度时a、b、c对应的数值。
[0041]预设的干扰参考数据序列与干扰信号具有强相关性，可以通过统计测量的方式获得。
[0042]进一步的，在一实施例中，所述根据所述红光接收光强数据和预设的干扰参考数据序列计算红光干扰参数的步骤可以包括:
[0043]根据所述红光接收光强数据和预设的干扰参考数据序列计算第二代价函数的最小值，根据第二代价函数的最小值计算红光干扰参数；其中，第二代价函数为:
[0044]d2= (D !-Μ.b* (L1-M.a) -M.c)2+ (D2-M.b* (L2-M.a) -Μ.c)2+…+ (Dn-M.b* (Ln-M.a) -Μ.c)2；