[go: up one dir, main page]

TWI563973B - 生物訊號檢測方法及電子裝置 - Google Patents

生物訊號檢測方法及電子裝置 Download PDF

Info

Publication number
TWI563973B
TWI563973B TW104140416A TW104140416A TWI563973B TW I563973 B TWI563973 B TW I563973B TW 104140416 A TW104140416 A TW 104140416A TW 104140416 A TW104140416 A TW 104140416A TW I563973 B TWI563973 B TW I563973B
Authority
TW
Taiwan
Prior art keywords
signal
arrangement
sequence
repetitions
electronic device
Prior art date
Application number
TW104140416A
Other languages
English (en)
Other versions
TW201720370A (zh
Inventor
吳賢財
盧崑山
李文德
Original Assignee
麗東生技股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 麗東生技股份有限公司 filed Critical 麗東生技股份有限公司
Priority to TW104140416A priority Critical patent/TWI563973B/zh
Priority to US15/197,779 priority patent/US20170161445A1/en
Application granted granted Critical
Publication of TWI563973B publication Critical patent/TWI563973B/zh
Publication of TW201720370A publication Critical patent/TW201720370A/zh

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A61B5/391—Electromyography [EMG] of genito-urinary organs
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Urology & Nephrology (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Description

生物訊號檢測方法及電子裝置
本發明是有關於一種訊號處理方法及電子設備，且特別是有關於一種大量生物訊號處理方法及電子裝置。
臨床上原發性膀胱頸功能失調（Primary bladder neck dysfunction, PBND）是在男性下尿路症狀（Lower urinary tract symptoms, LUTS）中常被忽略的病因之一，而年齡為18到55歲的男性為此病主要的發病群。原發性膀胱頸功能失調至今仍無法知道是由何種原因所導致的症狀，而臨床認知是結構性的膀胱頸肌肉或纖維組織增生或是功能性膀胱頸放鬆不良所導致的排尿障礙。
一般對於原發性膀胱頸功能失調的治療方法是先使用甲型交感神經接受體阻斷劑（Alpha-blocker）以降低膀胱頸與攝護腺的阻力。若藥物效果不良，醫生會建議進行經尿道膀胱頸切開術（Transurethral bladder neck incision, TUI-BN）。雖然TUI-BN已經是相當普遍及成熟的手術，此手術在治療原發性膀胱頸功能失調的患者上雖有一定的療效，但仍有部分患者（約在20%~30%左右）的症狀無法藉由手術改善。先前的技術並無法在手術之前判斷哪些患者的症狀無法透過手術改善，如果可以先透過其他診斷方式判斷並且篩選出手術也無法改善症狀的患者，那麼那些被篩選出的患者就可以不用進行無效的治療手術，特別是TUI-BN治療手術。
本發明提供一種生物訊號檢測方法，其可以事先有效地判斷患者的症狀可否透過手術來改善，藉以提供醫師評估是否為患者進行有效的手術治療。
本發明提供一種電子裝置，其可以對一待測者作檢測，進而有效地判斷待測者是否能夠透過手術治療來改善病症。
本發明的實施例的生物訊號檢測方法包括取得一生物電性訊號，並將生物電性訊號可趨勢化處理過中的多個點的訊號強度記錄為一序列 S 1 = ；將序列 S 1 轉換為一序列 ；以至少一排列長度( m+1)自序列 S 2 取得一組子序列 ，且1≤ k≤( n-1- m)；統計這組子序列 D k 中每種排列方式的出現次數，並自這組子序列 D k 的排列方式中決定一特徵排列方式；以及比較特徵排列方式在這組子序列 D k 的重複次數與一標準閥值，進而分辨生物電性訊號背後所攜帶的生理資訊。
本發明的實施例的電子裝置包括檢測單元以及處理單元。檢測單元適於產生一生物電性訊號。處理單元電性連接至該檢測單元，其中處理單元適於接收生物電性訊號，並將生物電性訊號中的多個點的訊號強度記錄為序列 S 1 = ，並將序列 S 1 轉換為序列 。處理單元以至少一排列長度( m+1)自序列 S 2 取得一組子序列 ，且1≤ k≤( n-1- m)；處理單元統計這組子序列 D k 中每種排列方式的出現次數，並自這組子序列 D k 的排列方式中決定一特徵排列方式，並比較特徵排列方式在這組子序列 D k 的重複次數與一標準閥值，進而分辨該生物電性訊號背後所攜帶的生理資訊。
在本發明的一實施例中，其中序列 S 2 可以表示為： 。
在本發明的一實施例中，其中序列 S 2 可以表示為： 。
在本發明的一實施例中，其中序列 S 2 可以表示為： 。
在本發明的一實施例中，當以多個不同的排列長度取得多個特徵排列方式的重複次數時，加總這些特徵排列方式的重複次數後再與標準閥值比較。
在本發明的一實施例中，上述的這些特徵排列方式的重複次數在加總之前各自乘上一加權數值。
在本發明的一實施例中，上述的特徵排列方式是這組子序列中重複次數最多的排列方式。
在本發明的一實施例中，上述的波形訊號為一肌電圖訊號。
在本發明的一實施例中，上述的肌電圖訊號為一待測者的尿道外括約肌肌電圖訊號。
在本發明的一實施例中，上述的電子裝置更包括一濾波單元、一訊號放大單元、一類比數位轉換單元以及一輸出單元。濾波單元適於濾除部分量測生物電性訊號。訊號放大單元適於放大生物電性訊號的強度。輸出單元適於根據特徵排列方式在這組子序列 D k 的重複次數和標準閥值的比較結果輸出一檢測訊號。上述的濾波單元、訊號放大單元、類比數位轉換單元、處理單元及輸出單元互相電性連接。
基於上述，本發明的實施例中的生物訊號檢測方法可以藉由數列 S 2 中部分元素的排列方式及次數來判斷患者是否應進行手術治療。本發明的實施例的電子裝置可以藉由檢測一生物電性訊號來事先判斷患者是否能夠透過手術治療來改善病症。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
圖1是依照本發明的實施例的一種電子裝置的示意圖。請參照圖1，在本發明的第一實施例中，電子裝置100包括檢測單元110以及處理單元120。檢測單元110適於放置於一仰躺的待測者50的受測部位A上，進而自待測者50取得一波形訊號。處理單元120適於對上述的波形訊號進行一波形訊號的檢測。
具體來說，圖2是依照本發明的一實施例中多個波形訊號的實測取樣圖，手術失敗的患者檢測會取得波形訊號60，手術成功者檢測結果會呈現波形訊號62。上述兩種波形訊號60、62如果以直觀的方式（例如是目測）是無法認定兩者之間的差別。以下關於本發明的實施例的生物訊號檢測方法將示例性的參照圖式所繪示的波形訊號來說明，其並非用以限定本發明的實施例的生物訊號檢測方法僅應用於上述的波形訊號。
圖3A是依照本發明的一實施例的生物訊號檢測方法的流程示意圖。請參照圖3A，在本發明的一實施例中，生物訊號檢測方法包括取得一生物電性訊號，並將生物電性訊號中的多個點的訊號強度記錄為序列 S 1 = （步驟S201），亦即自例如是上述的檢測單元110取得生物電性訊號。
圖3B是依照本發明的一實施例的生物訊號檢測方法中的生物電性訊號的示意圖。請參照圖1及圖3B，具體來說，檢測單元110例如適於對待測者50的受測部位A作肌電圖的檢測，而生物電性訊號64例如是來自一待側者的肌電圖生物電性訊號。檢測單元110自待測者50的受測部位A檢測到生物電性訊號64並將生物電性訊號64傳遞至處理單元120。
請參照圖3B，來自檢測單元110的生物電性訊號64是由多個數據點所形成。舉例來說，本實施例的生物訊號檢測方法將生物電性訊號64以相同的間隔轉換為具有40個元素的序列 S 1 =( X 1 , X 2 , X 3 , …, X 40 )，且數值元素 X 1 至數值元素 X 40 依序排列成如下的數值序列S1： S 1 =( X 1 , X 2 , X 3 , …, X 40 )=( 54.1, 34.4, 29.6, 16.6, 73.6, 23.0, 24.2, 51.5, 4.0, 14.9, 79.6, 41.9, 93.6, 96.0, 96.0, 1.0, 92.3, 95.2, 73.1, 71.8, 13.2, 73.5, 37.7, 19.2, 85.0, 80.4, 2.6, 51.6, 11.2, 86.8, 60.8, 5.6, 34.5, 12.7, 52.3, 3.2, 58.2, 97.5, 67.3, 14.9)。
請參照圖3A及圖3B，本實施例的生物訊號檢測方法接著將序列 S 1 轉換為一序列 （步驟S202）。舉例來說，本實施例的生物訊號檢測方法將序列 S 2 的 a設為1，將 b設為0。當序列 S 1 中相鄰的元素( Xi, Xi+1)呈現遞增時，序列 S 2 中的第i個元素即記錄為1。當序列 S 1 中相鄰的元素( X i , X i+1 )呈現遞減時，序列 S 2 中的第i個元素即記錄為0。因此，序列 S 2 即可利用這兩種元素來表達上述的生物電性訊號在每兩點之間的遞增或遞減情形。
詳細來說，本實施例的生物訊號檢測方法中的數值序列 S 1 中的相鄰二元素 X 1 、 X 2 為54.1, 34.4，其中 X 2 的數值34.4比 X 1 的數值54.1小，因此即可將序列 S 2 中的 Y 1 記錄為0。相對地， S 1 中的相鄰二元素 X 4 、 X 5 依序為(16.6, 73.6)，其中 X 5 的數值73.6比 X 4 的數值16.6大，因此即可將序列 S 2 中的 Y 4 記錄為1。
在本實施例中，轉換序列 S 2 的規則更包括當 X i+1 = X i 時， Y j = a（也就是1），因此S1中的相鄰二元素 X 14 、 X 15 依序為(96.0, 96.0)，其中X 14和X 15的數值相同，可以將序列S 2的 Y 14 記錄為1。
因此，經由上述的方式可以取得由第一數值（在此以1為例）和第二數值（在此以0為例）所排列而成的如下的序列 S 2 ： S 2 =( Y 1 , Y 2 , Y 3 ,…, Y 39 )=(0, 0, 0, 1, 0, 1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 1, 0, 1, 0, 0, 1, 0, 1, 0, 1, 1, 0, 0)。
具體來說，本實施例的生物訊號檢測方法根據生物電性訊號64在各時間點的起伏狀態記錄為上述的序列 S 2 。亦即根據生物電性訊號64在各時間點是呈現上升還是下降的狀態來決定轉換序列 S 2 中的數值。上述的時間點例如是取決於檢測單元110的檢測頻率，生物電性訊號64是以此檢測頻率取得多個數值，而序列 S 1 是由上述這些數值以相同間隔取樣或是連續多個取樣而得，本發明不限於此。
換句話說，由於本實施例的序列 S 2 可以表示為 ，其對應到生物電性訊號64的起伏狀態，因此當生物電性訊號64中相鄰二點是呈現上升或水平的狀態時（亦即序列 S 1 的對應兩個元素是呈現單調遞增的狀態時），序列 S 2 的對應元素就會是數值 a。當生物電性訊號中相鄰二點是呈現下降的狀態時（亦即序列 S 1 的對應兩個元素是呈現嚴格遞減的狀態時），序列 S 2 的對應元素就會是數值 b，但本發明不限於此。在其他實施例的生物訊號檢測方法中，更可以將序列 S 2 表示為 ，亦即將序列 S 1 中二相鄰元素的數值呈現嚴格遞增時定義為序列 S 2 的對應元素就會是數值 a的條件，並將序列 S 1 中二相鄰元素的數值呈現依序減少或彼此相同時定義為序列 S 2 的對應元素就會是數值 b的條件。
接著本實施例的生物訊號檢測方法以至少一排列長度自序列 S 2 取得一組子序列 （步驟S203）。
舉例來說，例如當排列長度為2時，這組子序列包括 D 1 =( Y 1 , Y 2 )=(0, 0)、 D 2 =( Y 2 , Y 3 )=(0, 0)、 D 3 =( Y 3 , Y 4 )=(0, 1)、 D 4 =( Y 4 , Y 5 )=(1, 0)、 …、 D 38 =( Y 38 , Y 39 )=(0, 0)。由於這組子序列的排列長度( m+1)為2，且 D k 符合1≤ k≤( n-1- m)，因此總共有38個子序列。
接著，本實施例的生物訊號檢測方法統計上述各組子序列 D k 中每種排列方式的重複次數（步驟S204）。
舉例來說，例如當排列長度為2時，上述那組子序列中排列方式 (0, 0)重複8次，排列方式 (0, 1)重複12次，排列方式 (1, 0)重複12次，排列方式 (1, 1)重複6次。接著本實施例的生物訊號檢測方法例如將這組子序列中重複次數最多的排列方式(0, 1)和(1, 0)決定為特徵排列方式（步驟S205），因此本組子序列的特徵排列方式的最高重複次數就是12。本發明的特徵排列方式並不限於重複次數最多的排列方式，在其他實施例中更可以以次數第二多、次數最少或是部分排列方式的重複次數的總和來作為特徵排列方式。
請參照圖3A，本發明的實施例的生物訊號處理方法接著將上述特徵排列方式的重複次數與一標準閥值比較，進而分辨生物電性訊號所攜帶的生理資訊（步驟S206）。換句話說，也就是例如將上述排列方式(0, 1)和(1, 0)的重複次數12與一標準閥值比較，例如當此重複次數大於標準閥值時，則代表上述的生物電性訊號的複雜程度低於預期，亦即呈現不正常的狀態，表示待測者50症狀必須先改善尿道外括約肌緊張狀態，否則進行TUI-BN手術仍無法痊癒。例如當此重複次數小於標準閥值時，則代表上述的生物電性訊號的複雜程度符合預期，而待測者50的尿道外括約肌沒問題，進行TUI-BN手術改善的治療的成功率就愈高。換句話說，本實施例的生物訊號方法可以適度的量化一生物電性訊號的複雜程度，進而有效率地解析出生物電性訊號中背後所帶有的生理資訊。
本發明的實施例的生物訊號處理方法並不限於上述以排列長度為2來取出一組子序列的步驟，在其他實施例中，更可以以多個不同的排列長度來自序列 S 2 中取出多組子序列。圖4是依照本發明的另一實施麗的生物訊號處理方法的流程示意圖。圖4所繪示的實施例的生物訊號處理方法大致與圖3A所繪示的實施例的生物訊號處理方法類似，惟兩者不同之處在於：本實施例的生物訊號處理方法在取得序列 S 2 後，以多個不同的排列長度取得多組子序列（步驟S303）。
詳細來說，本實施例的生物訊號處理方法除了取得上述以排列長度為2的那組子序列外，還以排列長度為3時取出包括 D 1 =( Y 1 , Y 2 , Y 3 )= (0, 0, 0)、 D 2 =( Y 2 , Y 3 , Y 4 )=(0, 0, 1)、 D 3 =( Y 3 , Y 4 , Y 5 )=(0, 1, 0)、 D 4 =( Y 4 , Y 5 , Y 6 )=(1, 0, 1)、 …、 D 37 =( Y 37 , Y 38 , Y 39 )=(1, 0, 0)的一組子序列。由於這組子序列的排列長度( m+1)為3，且 D k 符合1≤ k≤( n-1- m)，因此總共有37個子序列。
本實施例還以當排列長度為4時，自S2取出包括 D 1 =( Y 1 , Y 2 , Y 3 , Y 4 )= (0, 0, 0, 1)、 D 2 =( Y 2 , Y 3 , Y 4 , Y 5 )=(0, 0, 1, 0)、 D 3 =( Y 3 , Y 4 , Y 5 , Y 6 )=(0, 1, 0, 1)、 D 4 =( Y 4 , Y 5 , Y 6 , Y 7 )=(1, 0, 1, 1)、 …、 D 36 =( Y 36 , Y 37 , Y 38 , Y 39 )=(1, 1, 0, 0)的一組子序列。由於這組子序列的排列長度( m+1)為4，且 D k 符合1≤ k≤( n-1- m)，因此總共有36個子序列。
接著，在本實施例的步驟S304中，當排列長度為3時，上述那組子序列中排列方式 (0, 0, 0)重複2次，排列方式 (0, 0, 1)重複5次，排列方式 (0, 1, 0)重複7次，排列方式 (0, 1, 1)重複5次，排列方式 (1, 0, 0)重複5次，排列方式 (1, 0, 1)重複7次，排列方式 (1, 1, 0)重複5次，排列方式 (1, 1, 1)重複1次。例如將這組子序列中重複次數最多的排列方式決定為特徵排列方式，這組排列長度為3的子序列中的特徵排列方式就是重複次數為7的 (0, 1, 0)和 (1, 0, 0)。
當排列長度為4時，上述那組子序列中排列方式 (0, 0, 0, 1)重複2次，排列方式 (0, 0, 1, 0)重複4次，排列方式 (0, 1, 0, 1)重複4次，排列方式 (1, 0, 1, 1)重複5次，排列方式 (0, 1, 1, 0)重複4次，排列方式 (1, 1, 0, 1)重複3次，排列方式 (1, 1, 0, 0)重複2次，排列方式 (0, 1, 1, 1)重複1次，排列方式 (1, 1, 1, 0)重複1次，排列方式 (1, 0, 0, 0)重複1次，排列方式 (0, 1, 0, 0)重複5次，排列方式 (1, 0, 0, 1)重複3次。例如將這組子序列中重複次數最多的排列方式決定為特徵排列方式，這組排列長度為4的子序列中的特徵排列方式就是重複次數為5的 (1, 0, 1, 1)和 (0, 1, 0, 0)。
經由上述步驟可以得知，排列長度為2的特徵排列方式(0, 1)和(1, 0)的重複次數12，排列長度為3的特徵排列方式(0, 1, 0)和 (1, 0, 0)的重複次數7，排列長度為4的特徵排列方式(1, 0, 1, 1)和 (0, 1, 0, 0)的重複次數5。參照圖4，在本實施例的生物訊號檢測方法的步驟S306中，上述次數12、7、5被加總後再與標準閥值比較，進而上述的生物電性訊號可以進一步的量化。換句話說，本實施例的生物訊號檢測方法可以以不同的長度來觀察一生物電性訊號中重複出現的起伏狀態，進而可以得知生物電性訊號中是否比預期的正常狀態要複雜。
在本發明的實施例中，當上述的生物電性訊號64例如是肌電圖時，藉由上述的生物訊號檢測方法可以將生物電性訊號64的複雜程度量化，進而可以得知例如是待測者的肌肉的緊繃程度等生理資訊。
由上述可知，本實施例的生物訊號檢測方法是針對不同的排列長度來統計生物電性訊號64的起伏順序的重複次數，進而可以得知生物電性訊號64整體的複雜程度。進一步來說，藉由上述的生物訊號檢測方法，圖2所繪示的生物電性訊號60所轉換的序列中的重複次數就會明顯不同於生物電性訊號62所轉換的序列的重複次數，進而可以輕易的解析生物電性訊號60及生物電性訊號62中的生理資訊。
如上所述，當上述的生物電性訊號64例如是肌電圖訊號時，藉由本實施例的生物訊號檢測方法可以得知所側肌肉是否處於緊繃的狀態。進一步來說，生物性訊號64例如為待測者的尿道外括約肌電圖訊號，並藉由本實施例的生物訊號檢測方法可以得知生物電性訊號64的複雜程度的大小，進而得知生物電性訊號64所對應的括約肌的收縮功能是否正常。亦即本實施例的生物訊號檢測方法例如可以有效地判斷一待測者是否可以經由手術改善症狀。另一方面，本實施例的電子裝置因為可以執行上述的生物訊號檢測方法，因此可以對待測者判斷是否能夠透過手術治療來改善病症。
由於本發明的實施例的生物訊號檢測方法可以對一生物電性訊號的複雜程度作適度地量化，其所處理的生物電性訊號並不限於上述的肌電圖訊號，更可以判斷一心電圖訊號的複雜程度或是其他生理訊號的複雜程度，進而解析出這些生理資訊中所隱含的訊息。
在其他實施例的生物訊號檢測方法中，更可以將序列 S 2 表示為 ，亦即在序列 S 2 中以元素 c表示序列 S 1 中有連續二元素的數值為彼此相等的情形，而元素 a表示序列 S 1 中相鄰二元素呈現嚴格遞增，元素 b表示序列 S 1 中相鄰二元素呈現嚴格遞減。
在本發明的其他實施例中，在例如是上述的步驟S306中，上述這些重複次數在加總之前更可以各乘上一加權數值，讓不同重複次數可以在總和數值中具有不同的權重，進而讓本實施例的生物訊號檢測方法可以應用在各種不同的生物電性訊號上。
在本發明的實施例中，電子裝置100更包括一濾波單元130，其電性連接至檢測單元110。濾波單元130適於濾除部分來自檢測單元110的生物電性訊號。濾波單元130例如是一帶通濾波器（Band pass filter），本發明不限於此。
電子裝置100更包括與處理單元120電性連接的訊號放大單元140、類比數位轉換單元150以及輸出單元160。訊號放大單元140適於放大生物電性訊號的強度。類比數位轉換單元150適於進行例如是上述將生物電性訊號轉換為數值序列的步驟。輸出單元160適於根據總和數值與標準閥值的比較結果輸出一檢測訊號，檢測訊號例如是指示待測者的肌肉收縮狀態。本實施例的處理單元120可以例如是中央處理單元（Central Processing Unit, CPU）或邏輯電路，本發明不限於此。
進一步來說，上述的實施例中的特徵排列方式的重複次數或多個特徵排列方式的重複次數的總和更可以與多個標準閥值比較，這些標準閥值各自針對肌肉的收縮程度作不同程度的分類，進而對待測者提供一個更完善的檢測效果。
綜上所述，本發明的實施例中的生物電性訊號檢測方法可以藉由統計上述序列 S 2 中這些特徵排列方式的重複次數或多個特徵排列方式的重複次數的總和來讓生物電性訊號的複雜程度可以有適度的量化，進而可以和一標準閥值來比較以得知生物電性訊號中所帶有的生理資訊。當生物電性訊號是來自一生物的肌電圖時，上述的量化數值即可判斷待測者的肌肉是否維持在良好的狀態，進而得知待測者是否可以經由手術治療。本發明的實施例的電子裝置可以藉由檢測一生物電性訊號並統計其中的特徵排列方式的重複次數或多個特徵排列方式的重複次數的總和來得知生物電性訊號的複雜程度，進而判斷待測者是否應直接經由手術治療。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
A‧‧‧部位
50‧‧‧待測者
60、62、64‧‧‧生物電性訊號
100‧‧‧電子裝置
110‧‧‧檢測單元
120‧‧‧處理單元
130‧‧‧濾波單元
140‧‧‧訊號放大單元
150‧‧‧類比數位轉換單元
160‧‧‧輸出單元
S201～S206、S303～S306‧‧‧步驟
圖1是依照本發明的實施例的一種電子裝置的示意圖。 圖2是依照本發明的一實施例中多個波形訊號的示意圖。 圖3A是依照本發明的一實施例生物訊號檢測方法的流程示意圖。 圖3B是依照本發明的一實施例的生物訊號檢測方法中的生物電性訊號的示意圖。 圖4是依照本發明的另一實施例生物訊號檢測方法的流程示意圖。
A‧‧‧部位
50‧‧‧待測者
100‧‧‧電子裝置
110‧‧‧檢測單元
120‧‧‧處理單元
130‧‧‧濾波單元
140‧‧‧訊號放大單元
150‧‧‧類比數位轉換單元
160‧‧‧輸出單元

Claims (17)

  1. 一種生物訊號檢測方法，包括：取得一生物電性訊號，並將該生物電性訊號中的多個點的訊號強度記錄為一序列；將該序列S 1 轉換為一序列S 2 ， 以至少一排列長度自該序列S 2 取得一組子序列，其中(m+1)為該排列長度，且1 k (n-1-m)；統計該組子序列D k 中每種排列方式的出現次數，並將該組子序列D k 中重複次數最多的排列方式定為一特徵排列方式；以及比較該特徵排列方式在該組子序列D k 的重複次數與一標準閥值，進而分辨該生物電性訊號所攜帶的生理資訊。
  2. 如申請專利範圍第1項所述的生物訊號檢測方法，其中 將該序列
  3. 如申請專利範圍第1項所述的生物訊號檢測方法，其中 將該序列
  4. 如申請專利範圍第1項所述的生物訊號檢測方法，其中 將該序列
  5. 如申請專利範圍第1項所述的生物訊號檢測方法，其中比較該特徵排列方式在該組子序列D k 的重複次數與一標準閥值的步驟更包括： 當以多個不同的排列長度取得多個該特徵排列方式的重複次數時，加總該些特徵排列方式的重複次數後再與該標準閥值比較。
  6. 如申請專利範圍第5項所述的生物訊號檢測方法，其中在加總該些特徵排列方式的重複次數之前更包括：將每個該特徵排列方式的重複次數乘上一加權數值。
  7. 如申請專利範圍第1項所述的生物訊號檢測方法，其中該生物電性訊號為一肌電圖訊號。
  8. 如申請專利範圍第7項所述的生物訊號檢測方法，其中該肌電圖訊號為一待測者的尿道外括約肌電圖訊號。
  9. 一種電子裝置，包括：一檢測單元，適於產生一生物電性訊號；以及一處理單元，電性連接至該檢測單元，其中該處理單元適於接收該生物電性訊號，並將該生物電性訊號中的多個點的訊號強度記錄為一序列，並將該序列S 1 轉換為一序列 ，該處理單元以至少一排列長度自該序列S 2 取得一組子序列，其中(m+1)為該排列長度，且1 k (n-1-m)；該處理單元統計該組子序列D k 中每種排列方式的出現次數，並將該組子序列D k 中重複次數最多的排列方式定為一特徵排列方式，並比較該特徵排列方式在該組子序列D k 的重複次數與一標準閥值，進而分辨該生物電性訊號所攜帶的生理資訊。
  10. 如申請專利範圍第9項所述的電子裝置，其中在該處理單元轉換該序列S 2 時，
  11. 如申請專利範圍第9項所述的電子裝置，其中在該處理單元轉換該序列S 2 時，
  12. 如申請專利範圍第9項所述的電子裝置，其中在該處理單元轉換該序列S 2 時，
  13. 如申請專利範圍第9項所述的電子裝置，其中當該處理單元以多個不同的排列長度取得多個該特徵排列方式的重複次數時，該處理單元加總該些特徵排列方式的重複次數後再與該標準閥值比較。
  14. 如申請專利範圍第13項所述的電子裝置，其中該處理單元在加總該些特徵排列方式的重複次數之前更將每個該特徵排列方式的重複次數乘上一加權數值。
  15. 如申請專利範圍第9項所述的電子裝置，其中該檢測單元適於檢測一待測者的肌電圖，該生物電性訊號為一肌電圖訊號。
  16. 如申請專利範圍第15項所述的電子裝置，其中該肌電圖訊號為該待測者的尿道外括約肌電圖訊號。
  17. 如申請專利範圍第9項所述的電子裝置，更包括： 一濾波單元，適於濾除部分該生物電性訊號；一訊號放大單元，適於放大該生物電性訊號的強度；一類比數位轉換單元；以及一輸出單元，適於根據該特徵排列方式在該組子序列D k 的重複次數與該標準閥值的比較結果輸出一檢測訊號，其中該濾波單元、該訊號放大單元、該類比數位轉換單元、該處理單元及該輸出單元互相電性連接。
TW104140416A 2015-12-02 2015-12-02 生物訊號檢測方法及電子裝置 TWI563973B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW104140416A TWI563973B (zh) 2015-12-02 2015-12-02 生物訊號檢測方法及電子裝置
US15/197,779 US20170161445A1 (en) 2015-12-02 2016-06-30 Biological signal detection method and electronic apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW104140416A TWI563973B (zh) 2015-12-02 2015-12-02 生物訊號檢測方法及電子裝置

Publications (2)

Publication Number Publication Date
TWI563973B true TWI563973B (zh) 2017-01-01
TW201720370A TW201720370A (zh) 2017-06-16

Family

ID=58407765

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104140416A TWI563973B (zh) 2015-12-02 2015-12-02 生物訊號檢測方法及電子裝置

Country Status (2)

Country Link
US (1) US20170161445A1 (zh)
TW (1) TWI563973B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1255671C (zh) * 2002-08-02 2006-05-10 上海数康生物科技有限公司 多标志物生物芯片信号分析方法
US7160250B2 (en) * 2001-07-23 2007-01-09 Universite D'auvergne Method and equipment for analyzing biological signals representing intracranial and blood pressure fluctuations
TW201114407A (en) * 2009-06-29 2011-05-01 Sony Corp Bio-signal measurement equipment

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0402508B2 (de) * 1989-06-15 2002-10-23 St. Jude Medical AB Einrichtung zum Detektieren einer Folge von anormalen Ereignissen in einem elektrischen Signal, insbesondere dem Depolarisationssignal eines Herzens
US6804661B2 (en) * 1997-04-24 2004-10-12 Bright Ideas, L.L.C. Drug profiling apparatus and method
EP1273265B1 (en) * 2001-07-04 2006-11-22 Instrumentarium Corporation Monitoring a condition of a patient under anaesthesia or sedation
IL155955A0 (en) * 2003-05-15 2003-12-23 Widemed Ltd Adaptive prediction of changes of physiological/pathological states using processing of biomedical signal
DE112006002659A5 (de) * 2005-08-04 2008-07-10 Heinrich-Heine-Universität Düsseldorf Verfahren und Anordnung zur Analyse eines sich über die Zeit ändernden bioelektromagnetischen Signals
US9326698B2 (en) * 2011-02-18 2016-05-03 The Trustees Of The University Of Pennsylvania Method for automatic, unsupervised classification of high-frequency oscillations in physiological recordings

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7160250B2 (en) * 2001-07-23 2007-01-09 Universite D'auvergne Method and equipment for analyzing biological signals representing intracranial and blood pressure fluctuations
CN1255671C (zh) * 2002-08-02 2006-05-10 上海数康生物科技有限公司 多标志物生物芯片信号分析方法
TW201114407A (en) * 2009-06-29 2011-05-01 Sony Corp Bio-signal measurement equipment

Also Published As

Publication number Publication date
TW201720370A (zh) 2017-06-16
US20170161445A1 (en) 2017-06-08

Similar Documents

Publication Publication Date Title
Fraser et al. Automated biosignal quality analysis for electromyography using a one-class support vector machine
AU2012284246B2 (en) Systems and methods for the physiological assessment of brain health and the remote quality control of EEG systems
US20210000442A1 (en) Method and system for indicating the likelihood of a gastrointestinal condition
Restrepo-Agudelo et al. Improving surface EMG burst detection in infrahyoid muscles during swallowing using digital filters and discrete wavelet analysis
CN104545818A (zh) 一种基于脉搏与血氧信号的睡眠呼吸暂停综合征检测方法
HK1047688A1 (zh) 評估腦皮層中神經元損傷程度的方法與裝置
Zhang et al. Non-invasive detection of low-level muscle fatigue using surface EMG with wavelet decomposition
CN115349861A (zh) 一种基于单通道脑电信号的精神压力检测系统及方法
Lee et al. Two-stage binary classifier for neuromuscular disorders using surface electromyography feature extraction and selection
Sonmezocak et al. Detection of EMG signals by neural networks using autoregression and wavelet entropy for bruxism diagnosis
Chen et al. A peel-off convolution kernel compensation method for surface electromyography decomposition
CN113729624A (zh) 意识水平测定方法及计算机程序
Marri et al. Identification of onset of fatigue in biceps brachii muscles using surface EMG and multifractal DMA alogrithm
TWI563973B (zh) 生物訊號檢測方法及電子裝置
Marri et al. Analysis of biceps brachii muscles in dynamic contraction using sEMG signals and Multifractal DMA algorithm
TWI565448B (zh) A method of brainwave analysis
Sarlabous et al. Interpretation of the approximate entropy using fixed tolerance values as a measure of amplitude variations in biomedical signals
Akşahin et al. Obstructive sleep apnea classification with artificial neural network based on two synchronic hrv series
TWM518069U (zh) 電子裝置
Bormane et al. Surface electromyography signal classification for the detection of temporomandibular joint disorder using spectral mapping method
González-Izal et al. New wavelet indices to assess muscle fatigue during dynamic contractions
Sasidharan et al. A proposal to analyze muscle dynamics under fatiguing contractions using surface Electromyography signals and fuzzy recurrence network features
CN118697320B (zh) 一种基于eit评估保留比率肺功能受损的方法、系统及设备
Zhao et al. Colonic peristalsis signal extraction and energy analysis based on wavelet analysis
KR101515725B1 (ko) 심장 질환 진단 장치 및 방법

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees