我怎么能计算平均值的峰值振幅和曲线下的面积?

38视图(30天)

显示旧的评论

埃里克·尼斯伦 2023年2月14日

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/1912415-how-can-i-calculate-a-mean-value-of-peak-amplitude-and-area-under-the-curve

评论道: 明星黾 2023年2月16日

答:接受明星黾

你好,

我希望有人能帮助我与我的问题。作为一个医疗专业,我缺乏基本的了解数据编程和数学。

我有一个记录,如何吸收的变化,从一个红外photoplethysmography体内获得的信号。数据导入Matlab是列向量。我已经设法将低通和带通滤波器应用到原始信号,分离的不同组件进一步分析。从带通滤过的信号(下图),我需要——对于一些给定的时间点(用绿色箭头说明):

- - - - - - 确定峰值振幅峰值(局部最小值)。

- - - - - - 确定曲线下的面积(AUC)——从最小值峰值。

- - - - - - 振幅和AUC应该与一些中值估计,例如+ / - 5秒从给定的时间点或+ / - 5的山峰。我不知道哪个是最好的方法?

有人可能的解决方案有什么建议吗?万博尤文图斯

我很欣赏你可以提供的任何帮助。

轴:光吸收在任意单位,轴:时间,基于采样率(100赫兹)——每一秒= 100单位

2的评论
显示1年长的评论藏1年长的评论

埃里克·尼斯伦 2023年2月15日

我需要找振幅/ AUC为每一个峰,周围的一个给定的时间点,并计算“本地”的意思。

登录置评。

在回答这个问题。

接受的答案

明星黾 2023年2月15日

1
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/1912415-how-can-i-calculate-a-mean-value-of-peak-amplitude-and-area-under-the-curve answer_1172185

总是有帮助的一个信号,所以我找到了一个从先前pulse-plethysmograph帖子,我使用它。(所有信号的预处理步骤可能不是必要的,但是他们对于这一个。他们还演示如何预处理生理信号。)

这样的尝试

分= readmatrix (“//www.tianjin-qmedu.com/matlabcentral/answers/uploaded_files/103608/p3_sit.csv”);%使用PPG信号从Previoous回答

分=分(分> = 1 e + 6);%去除文物(仅这个信号)

L =大小(分,1)

L = 449359

Fs = 960;

Fn = f / 2;

t = linspace (0 L - 1升)/ Fs;%的时间向量

t = t (:);%力列向量

NFFT = 2 ^ nextpow2(左)

NFFT = 524288

FT_PPG = fft ((PPG-mean (PPG)。*损害(L), NFFT);

阵线= linspace (0, 1, NFFT / 2 + 1) * Fn;

4 = 1:元素个数(艘);

图

情节(阵线、abs (FT_PPG (Iv) * 2))

网格

xlim (10 [0])

分=低通滤波器(分5 Fs,“ImpulseResponse”,“信息检索”);%去除高频噪声(仅这个信号)

PPGmax = max (PPG);

PPGmin = min (PPG);

[pks, plocs] = findpeaks(分,“MinPeakProminence”(PPGmax-PPGmin) * 0.05);%的山峰

[v, vlocs] = findpeaks(分“MinPeakProminence”(PPGmax-PPGmin) * 0.05);%的山谷

为k = 1:元素个数(vlocs) 1

idxrng = vlocs (k): vlocs (k + 1);%这个脉冲指数范围

idxlim = [vlocs (k);vlocs (k + 1)];% Inmdex限制

电视= t (idxrng);%脉冲' t '向量

sv = PPG (idxrng);%脉冲分的向量

ts (k) = t (vlocs (k));%的脉搏开始时间

te (k) = t (vlocs (k + 1));%普尔;se结束时间

:kv (k) = k;%峰值计数器

B = [t (idxlim)的(2,1)]\ PPG (idxlim);%线性消除趋势回归参数

dtsv = [t (idxrng)的(大小(t (idxrng)))) * B;%线性趋势分离向量

svc = sv - dtsv;%去趋势信号

p2p (k) = max (svc);%峰振幅

AUC (k) = trapz(电视、svc);%脉冲面积

结束

PPG_Statistics =表(kv, ts, te、p2p AUC,“VariableNames”,{“高峰”,“t_start”,“t_end”,“PeakToPeak”,“AUC”})

PPG_Statistics =533×5表

峰 t_start t_end PeakToPeak AUC ____ _________ ______ __________ __________1 0.35625 1.0615 2.1852 e + 05年68335 74229 1.0615 1.9187 2.0586 e + 05年3 94319 1.9187 2.701 2.8195 e + 05年4 2.701 3.4365 3.6124 1.0798 e + e + 05年05年5 3.4365 4.2542 4.7608 1.4338 e + e + 05年05年6 4.2542 5.1667 5.3515 1.7238 e + e + 05年05年7 5.1667 6.025 5.2727 1.6454 e + e + 05年05年8 6.025 6.7417 3.9724 1.3015 e + e + 05年05年9 6.7417 7.7635 3.4405 1.4125 e + e + 05年05年10 7.7635 8.6667 3.2516 1.2902 e + e + 05年05年11 8.6667 9.601 2.6599 1.0231 e + e + 05年05年12 9.601 10.455 2.0859 e + 05 75130 13 10.455 11.417 2.6815 1.0332 e + e + 05年05年14 11.417 12.381 3.687 1.4273 e + e + 05年05年15 12.381 13.354 4.8558 1.8557 e + e + 05年05年16 13.354 14.235 4.9775 1.7913 e + e + 05年05

图

惠普{1}=情节(t,分,“DisplayName的”,的数据分);

持有在

惠普{2}=情节(t (plocs),“^ r”,“DisplayName的”,“高峰”);

惠普{3}=情节(t (vlocs), -vys,“虚拟现实”,“DisplayName的”,“山谷”);

惠普{4}=情节((t (plocs(1:元素个数(p2p))) * [1])。”,[繁荣正义党(1:元素个数(p2p)党(1:元素个数(p2p) p2p]。,“- k”,“DisplayName的”,的最大峰值);

惠普{5}=情节(t (vlocs), -vys,“g”,“DisplayName的”,“Inter-Valley基线”);

持有从

网格

传奇([惠普{1}(1),惠普{2}(1),惠普{3}(1),惠普{4}(1),惠普{5}(1)]。“位置”,“最佳”)

xlim (10 [0])%放大看细节

我不知道原来的单位是这个信号,然而得到的值统计数据似乎是正确的。

试试我的代码和你的信号。如果有任何问题,我将帮助我的代码适应它。

。

6个评论
显示5年长的评论隐藏5年长的评论

埃里克·尼斯伦 2023年2月15日

神奇的!非常感谢。它看起来像我非常接近我在寻找什么。总结表是一个额外的特性。这个解决方案很好,但是如果你能帮我进一步适应一下,它会帮助很多!

作为一个例子,我提供两个MATLAB-files组成的两个独立的列向量:

写作:原始/正常IR-recording。

——IRac_filt:使用二阶带通滤过版的IR-recording Butterwurth过滤器、截止频率为0,分别为4和30 Hz。

                                   fs = 100;在赫兹%采样频率
                                  
                                   n_order = 2;%过滤器订单
                                  
                                   fcutlow = 0.4;%削减赫兹频率较低
                                  
                                   fcuthigh = 30;%削减赫兹频率高
                                  
                                   [B] =黄油(n_order (fcutlow, fcuthigh) / (fs / 2),“带通”);
                                  
                                   IRac_filt = filtfilt (B, A,写作);

这个记录是1770秒。在这个例子中,我想分析获得的曲线在六个不同的时间点(95年代,405年代,690年代,985年代,1340年代和1625年代,轴是10 ^ 4,规模取决于采样率)。时间点可能不同的数量不同的录音。在每个时间点,我想有一个估计的峰值振幅和AUC例如6 - 8秒或十峰?我不知道哪种方法最适合我?

有一个简单的修复吗?

明星黾 2023年2月15日

我使用了未经过滤的数据,因为我的代码是相对强劲的基线变化和高频噪音。

对这些点的数据,我创建了 “tiv” 向量指导后续分析。

得到的信息的意思是值连续几个分脉冲的跨越 “PPG_Statistics” 表很简单。的 “Select_PPG_Summary” 表使用 “PPG_Statistics” 表最初发现第一 “t_start” 会议标准的价值 “tiv” ,然后计算的均值 “PeakToPeak” 和 “AUC” 值,峰值和接下来的9行,总共 10 连续的山峰。

试试这个,

%分= readmatrix (“//www.tianjin-qmedu.com/matlabcentral/answers/uploaded_files/103608/p3_sit.csv”);%使用PPG信号从Previoous回答

LD =负载(websave (“写作”,“//www.tianjin-qmedu.com/matlabcentral/answers/uploaded_files/1296730/IRn.mat”));

分= LD.IRn;%去除文物(仅这个信号)

L =大小(分,1)

L = 176950

Fs = 100;

Fn = f / 2;

t = linspace (0 L - 1升)/ Fs;%的时间向量

t = t (:);%力列向量

NFFT = 2 ^ nextpow2(左)

NFFT = 262144

FT_PPG = fft ((PPG-mean (PPG)。*损害(L), NFFT);

阵线= linspace (0, 1, NFFT / 2 + 1) * Fn;

4 = 1:元素个数(艘);

图

情节(阵线、abs (FT_PPG (Iv) * 2))

网格

xlim (10 [0])

包含(的频率(赫兹))

ylabel (的大小(单位))

分=低通滤波器(Fs分,10日,“ImpulseResponse”,“信息检索”);%去除高频噪声(仅这个信号)

PPGmax = max (PPG);

PPGmin = min (PPG);

[pks, plocs] = findpeaks(分,“MinPeakProminence”(PPGmax-PPGmin) * 0.01);%的山峰

[v, vlocs] = findpeaks(分“MinPeakProminence”(PPGmax-PPGmin) * 0.01);%的山谷

如果< vlocs plocs (1) (1)

plocs = plocs(2:结束);

pks = pks(2:结束);

结束

% plocs

% vlocs

为k = 1:元素个数(vlocs) 1

idxrng = vlocs (k): vlocs (k + 1);%这个脉冲指数范围

idxlim = [vlocs (k);vlocs (k + 1)];% Inmdex限制

电视= t (idxrng);%脉冲' t '向量

sv = PPG (idxrng);%脉冲分的向量

ts (k) = t (vlocs (k));%的脉搏开始时间

te (k) = t (vlocs (k + 1));%普尔;se结束时间

:kv (k) = k;%峰值计数器

B = [t (idxlim)的(2,1)]\ PPG (idxlim);%线性消除趋势回归参数

dtsv = [t (idxrng)的(大小(t (idxrng)))) * B;%线性趋势分离向量

svc = sv - dtsv;%去趋势信号

p2p (k) = max (svc);%峰振幅

AUC (k) = trapz(电视、svc);%脉冲面积

结束

PPG_Statistics =表(kv, ts, te、p2p AUC,“VariableNames”,{“高峰”,“t_start”,“t_end”,“PeakToPeak”,“AUC”})

PPG_Statistics =3046×5表

峰 t_start t_end PeakToPeak AUC ____ _________ _____ __________ ______2 1 0.46 1.02 5144.9 1497.4 1.02 1.59 4546.3 1316.7 1.59 - 2.15 4272 1209.5 5 4 2.15 2.71 4409.2 1304.4 2.71 3.28 5183.4 1538.4 6 8 7 3.28 3.85 4693.4 1364.8 3.85 4.41 4264.2 1217.7 4.41 4.97 4384.7 1309.8 9 10 4.97 5.54 5032.1 1479.1 5.54 6.11 4601.4 1316.5 11 12 6.11 6.67 4194.7 1198.5 6.67 7.24 1266.3 4356年13 14 7.24 7.8 4932.7 1454.3 7.8 8.38 4629.5 1343.7 15 16 8.95 9.52 4379.6 1298.9 8.38 8.95 4180.5 1217.4

%时间间隔= [min (ts) max (te)]

图

惠普{1}=情节(t,分,“DisplayName的”,的数据分);

持有在

惠普{2}=情节(t (plocs),“^ r”,“DisplayName的”,“高峰”);

惠普{3}=情节(t (vlocs), -vys,“虚拟现实”,“DisplayName的”,“山谷”);

惠普{4}=情节((t (plocs(1:元素个数(p2p))) * [1])。”,[繁荣正义党(1:元素个数(p2p)党(1:元素个数(p2p) p2p]。,“- k”,“DisplayName的”,的最大峰值);

惠普{5}=情节(t (vlocs), -vys,“g”,“DisplayName的”,“Inter-Valley基线”);

持有从

网格

传奇([惠普{1}(1),惠普{2}(1),惠普{3}(1),惠普{4}(1),惠普{5}(1)]。“位置”,“最佳”)

xlim (10 [0])%放大看细节

包含(“时间(s)”)

ylabel (的振幅(单位))

tiv = [95;405;690;985;1340;1625);

% PPGiv = interp1 (t分tiv)

为k = 1:元素个数(tiv)%起始时间

行=找到(PPG_Statistics。t_start>= tiv(k),1) + (0:9);%未来10行

行=行(1):min(行(结束),大小(PPG_Statistics 1));%截断PPG_STtatistics的年底,如果必要的

结核菌素(k) = PPG_Statistics.t_start(行(1));

tnd (k) = PPG_Statistics.t_end(行(结束));%的结束时间

结果(k,:) =意味着(PPG_Statistics{行,[4 - 5]});%计算平均值

结束

Select_PPG_Summary =表(tst、tnd结果(:1),结果(:,2),“VariableNames”,{“t_start”,“t_end”,“Mean_P2P”,“Mean_AUC”})

Select_PPG_Summary =6×4表

t_start t_end Mean_P2P Mean_AUC _________ ______ ________ ________95.41 - 101.13 4444 1272.1 405.23 410.63 4355.3 1270.8 690.38 695.8 4702.4 1500.6 985.47 990.93 5479.7 1765.1 1340.3 1347.4 4395.2 1470.4 1625.1 1630.8 3927 1254

这应该相当健壮的类似的数据,因为它合理的检查确定它不超过的限制或派生的数据表数组。幸运的是,PPG数据相对简单,提供它不是过于吵闹,特别是在宽带噪声。只要噪声带宽有限,应该是相对容易使用的信号。。

。

明星黾 2023年2月16日

我认真考虑麻醉学,因为我做了一个选择性在医学院,喜欢它。我更喜欢内科,在内分泌学我的实习做了一个项目后,尽管我从不参加董事会。(我宁愿重症监护医学内分泌学,不过这只是开始可用。)相反,我回到研究生院,获得了在生物医学工程硕士,因为个人电脑变得可用,我想学习如何充分利用技术在医学背景。(这是我的一个最好的生活决定。)我后续的职业生涯最终结合这两个学科。

登录置评。

答案(1)

阿曼 2023年2月15日

1
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/1912415-how-can-i-calculate-a-mean-value-of-peak-amplitude-and-area-under-the-curve answer_1172030

你好,

我知道你有一个功能,你想找出其全球最大值。然后你想找到最近的局部最小值的两侧全球最大值之间的区域,然后计算两个局部最小值。

寻找全球最大值可以使用” 马克斯 ”功能。在全球最大值可以使用” islocal ”功能,让所有的局部最小值,得到所有的局部最小值你可以找到最近的局部最小值的全局最大值。一旦任何一方的局部最小值你可以找到它们之间的分段,然后使用“ trapz ”功能,得到它们之间的区域。你可以参考下面的例子:

                              x = 1:10 0;
                             
                              = (1-cos(2 *π* 0.01 * x))。*罪(2 *π* 0.15 * x);%目标函数
                             
                              [maxVal, indx] = max (A);%全球最大值
                             
                              TF = islocalmin(一个);%所有局部最小值
                             
                              为我= indx: 1:1
                             
                              如果(TF (i))
                             
                              localMinLeft =我;
                             
                              localMinLeftVal =(我);%局部最小值的全局最大值
                             
                              打破;
                             
                              结束
                             
                              结束
                             
                              为i = indx: 100
                             
                              如果(TF (i))
                             
                              localMinRight =我;
                             
                              localMinRightVal =(我);%局部最小值的全局最大值
                             
                              打破;
                             
                              结束
                             
                              结束
                             
                              分段= (localMinLeft: localMinRight);%分段之间的局部最小值
                             
                              情节(x);
                             
                              持有在;
                             
                              情节(localMinRight localMinRightVal,的r *);
                             
                              情节(localMinLeft localMinLeftVal,的r *);
                             
                              情节(x (indx) (indx),“波”);
                             
                              情节(localMinLeft: localMinRight小节);
                             
                              持有从;
                             
                              disp (的曲线下的面积是+ trapz(分段));%分段选择下的面积

希望这可以帮助!

1评论
显示没有隐藏没有

埃里克·尼斯伦 2023年2月15日

IRac_filt.mat

非常感谢你的回答,这是优雅。澄清一下,我没有一个函数使用(?),而是导入MATLAB的列向量。我需要在这个向量,X数量的时间点,发现平均估计的AUC /峰值振幅在每个时间点。

您的解决方案适用于这样的问题吗?

谢谢你！

登录置评。

在回答这个问题。

类别

信号处理信号处理工具箱信号生成和预处理平滑和去噪

找到更多的在平滑和去噪在帮助中心和文件交换

s manbetx 845

MATLAB

释放

R2022b

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!