首頁 >> 供求商機
自動化多角度分析模式 ：基于自動識別/自定義整段、場景、事件及片段分析，滿足對時間點或時間段內數據趨勢變化的精確分析。支持狀態識別研究的自動化處理，如疲勞狀態、認知負荷，輸入研究時間段參數，自動化完成特征值提取與分析。
數據處理與特征點提取 ：系統內置多種信號處理方式，包括小波、高/低通濾波等對原始信號進行處理，自動標記R峰值點（包括異常值檢測、異常點矯正），提取IBI間期，進行數據統計與分析，可一鍵導出.csv文件。
數據統計與可視化報告： 支持IBI間期的時域統計、經FFT轉換的頻域數據以及非線性分析，從不同角度挖掘數據信息。支持一鍵導出原始數據、處理數據、統計分析數據以及結果的可視化報告，更加可靠與豐富。
多模態數據同步交叉統計 ：支持HRV信號與多模態數據進行交叉統計分析，包括行為、眼動、腦電、動作捕捉以及其他的生理電信號數據，實現多維度的結果驗證與多模態數據更精確的的狀態識別。
HRV高級數據處理分析模塊可以結合人機環境同步平臺和生理記錄系統采集到與HRV指標相關的生理信號進行離線處理和分析?？蓪π盘栠M行自由選擇、放大、縮小，便于瀏覽數據；在整體呈現數據的基礎上，還可以根據片段、事件、場景三種分割方式進行數據呈現與分析；可導出ASCII格式的原始數據、處理后數據和分析后數據；并可導出可視化分析報告。
1、信號處理模塊：
處理方法包括數字濾波和R點提取。數字濾波包含四種，分別為小波去噪（Wavelet Filter）、高通（High Pass）、低通（Low Pass）、帶阻（Band Stop），用以濾除噪音干擾，從而得到有用的PPG信號；
R點提取包括R峰提?。?/span>R-Peak Extraction）、異常點檢測（Ectopic Detection）、異常點矯正（Ectopic Correction）。用戶可根據需要自定義輸入參數，可選擇多種處理方法進行一次處理；也可增加、刪除已選擇的處理方法。
手動信號校正方法包括線性插值（Linear interpolation）、樣條差值（Spline interpolation）以及通過復制信號區域進行插值。
2、信號分析模塊：
信號分析模塊包括時域分析、頻域分析和非線性分析三種，三者可實現自由轉換。
A.時域分析（Time Domain）：包括全程記錄期間所有N-N間期的均值（MeanIBI）、全程記錄期間所有N-N間期的標準差（SDNN）、全程記錄期間所有N-N間期的標準差平均值SDANN、相鄰N-N間期差值的標準差（SDANN Index）、相鄰N-N間期之差的標準差（SDSD）相鄰N-N間期差值的均方根（RMSSD）、相鄰N-N間期之差大于50ms的比例（PNN50）、相鄰N-N間期之差大于20ms的比例（PNN20）。SDNN與總體變異性相關，而RMSSD與副交感神經影響心率的活動有關。
B.頻域分析（Frequency Domain）：運用參數模型法和快速傅里葉變化將時域分析信號轉換為頻域分析信號，用以表達不同頻率的變異數量，包括：高頻段（HF 0.15-0.4Hz）、低頻段（LF 0.04-0.15Hz）、極低頻段（VLF 0.0033-0.04Hz）和超低頻段（ULF 0-0.0033Hz），并對信號進行功率譜密度分析。從功率譜密度中確定信號的頻帶，將在功率譜分析圖中以不同的顏色區分。統計數據包括Power、Power Percent、Power Norm以及Peak、Total Power、LF/HF指標統計。
C.非線性分析：散點圖分析（Pioncare）,利用R-R間期變化繪制圖像，包含了HRV的線性和非線性的變化趨勢了，給出了心臟波動的直觀顯示，能揭示非線性過程和非周期性運動。同時引入了向量長度指數和向量角度指數，分別反映R-R間期的變化程度和相鄰R-R間期的變化程度。參數包含垂直偏差SD1，水平偏差SD2；差值散點圖（Scatter）：時間序列中連續的速率值之間的相關性，以連續三個IBI點做差值得到一個坐標點做圖，得到四個象限的值。參數指標包括：一象限點的個數A++、第三象限點的個數B--。
3、可視化Chart與導出數據模塊：包括原始數據Raw Data、處理數據Processed、心率HR、IBI間期、R峰值以及整體報告。
11