CN101856225A - 一种心电信号r波峰检测方法 - Google Patents
一种心电信号r波峰检测方法 Download PDFInfo
- Publication number
- CN101856225A CN101856225A CN201010214626.4A CN201010214626A CN101856225A CN 101856225 A CN101856225 A CN 101856225A CN 201010214626 A CN201010214626 A CN 201010214626A CN 101856225 A CN101856225 A CN 101856225A
- Authority
- CN
- China
- Prior art keywords
- point
- local maximum
- electrocardiosignal
- polar
- crest
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种心电信号R波峰检测方法。该方法以点与点之间的差向量作为基础特征,该基础特征具有平移和旋转不变性,能够克服心电信号的基线漂移的影响;同时,对差向量进行对数极坐标转换来度量波形的相似性,这种度量对邻近的波形形态特征敏感,同时又能捕获波形的全局轮廓信息并对波形抖动具有鲁棒性;此外,通过设定恰当的阈值能够有效排除干扰信号的影响。这种将点与点的相似性度量转化为点所在波形的度量的方法,实现了对心电信号R波峰的准确识别和检测。将该方法应用于相关的心电图分析仪器中,能够实现对心电信号中R波峰的准确识别,有助于提高心电图分析设备的检测和分析能力。
Description
技术领域
本发明涉及心电信号自动检测与分析技术领域,特别涉及一种用于心电信号特征提取和匹配的心电信号R波峰检测方法。
背景技术
心电图(Electrocardiogram,简称ECG)是指,心脏在每个心动周期中,由起搏点、心房、心室相继兴奋,伴随着生物电的变化,通过心电描记器从体表引出多种形式的电位变化的图形。心电图是心脏兴奋的发生、传播及恢复过程的客观指标。QRS复合波是心电信号的一个重要特征,也是心电信号检测中最基本的问题,它不仅是诊断心律失常的最重要依据,而且只有在QRS复波确定后才能分析心电信号的其它细节,获取更多的信息。如果QRS复波检测不准确,会大大影响到后面的分析判断工作。QRS复波的检测是所有分析算法的前提,而波形定位的精度将直接影响指标的可信度。QRS复波检测往往以R波峰为准进行定位,R波峰定位便成为QRS复波检测的基础;同时,R波峰作为心电信号单拍节律的最高点,常作为其余波形定位的基点,并可通过检测R波峰得到RR间期、心率、心率变异性等重要参数。因此,R波峰的检测在心电信号检测中具有重要的临床意义。如图2所示的心电信号实例波形图中,r1、r2、r3分别为其中的3个R波峰。
目前,应用比较普遍的R波峰检测方法大致可以分为两类:
一类是几何变换方法,如阈值检测法、斜率法、面积法以及采用一系列带通滤波器提取QRS复合波技术等。这些方法对短周期平稳的心电信号可以提供较高的检测精度,但对于如图3所示的心电信号,由于其中部分波峰异常对R波峰检测形成干扰,几何变换方法并不能提供良好的R波峰检测精度。
专利号为200810238523.4的中国专利“基于心电间期序列归一化直方图的心衰检测方法和装置”中,对心电信号R峰值的检测应用了另一类方法,即小波变换模极大值检测法。由于R波是高频波,在心电波形中的幅值远大于其他波,经过小波变换后,信号的R波能量主要集中在小尺度上,因此,应在低尺度上检测R波。采样后的心电信号往往含有高频噪声,但是噪声的幅值相比R波小的多,利用小波变换模极大值线在小尺度上定位R波时,噪声可以得到有效的抑制;R波在每个尺度上均能产生一对模极大值点,从而形成2条模极大值序列,它们在尺度1上会收敛于一点,即R波峰的横坐标点,通过检测收敛点即可确定R波峰的位置。但小波变换模极大值检测法在很多情况下也无能为力,例如:当出现频率较高、幅值较大的干扰时,小波变换模极大值检测就不能有效的区分出该波段是R波还是干扰;当干扰持续比较长的时间而不是在一个节拍内部,小波变换模极大值检测也会将频率和幅值与R波相当的干扰判断为R波。这些干扰都会让小波变换模极大值检测法失效,从而影响心电信号中R波峰的检测精度。
发明内容
针对现有技术存在的上述不足,本发明方法所解决的技术问题是提高心电信号R波峰检测的准确性。将该方法应用于计算机或心电图分析设备对连续的心电信号的R波峰检测技术中,有助于提高计算机或心电信号分析设备的检测和分析精度。
本发明的目的是这样实现的:一种心电信号R波峰检测方法,将心电检测仪采集的心电信号输入计算机,由计算机进行低通滤波和采样预处理,然后对心电信号进行R波峰检测,进行R波峰检测的具体步骤包括:
b)分别建立每个模板信号中的N个采样点相对于其R波峰的归一化对数极坐标;
c)对于待测的心电信号,从其起始点提取时长为t0的信号段作为检测段;然后对检测段进行自相关分析,计算检测段的自相关函数中每相邻两个局部最大值之间的时间间隔,取所述时间间隔的平均值作为检测段的近似周期;其中,t0的取值范围为30~90s;
d)计算出检测段起中从始处至ε倍近似周期处的所有的局部最大值点;其中,ε的取值范围为1.2~1.6;
f)分别建立每个局部最大值点的特征区中的N个采样点相对于其局部最大值点的归一化对数极坐标;
g)分别计算每个局部最大值点的特征区与各个模板信号基于归一化对数极坐标的互相关系数,将每个局部最大值点的特征区与各个模板信号的互相关系数中的最大值作为该局部最大值点的相似度;所述互相关系数的计算公式为:
其中,Pi,k为检测段中当前ε倍近似周期以内第i个局部最大值点的特征区与第k个模板信号的互相关系数;(βi,n,γi,n)为检测段中当前ε倍近似周期以内第i个局部最大值点的特征区中第n个采样点相对于该局部最大值点的归一化对数极坐标,βi,n为归一化极径,γi,n为极角;为第k个模板信号中第n个采样点相对于其R波峰的归一化对数极坐标,αk,n为归一化极径,为极角;k∈{1,2,...,K},n∈{1,2,...,N};
h)比较得出检测段中当前ε倍近似周期以内相似度最大的一个局部最大值点,并将该局部最大值点的相似度与预先设定的阈值C0进行比较;若其相似度大于阈值C0,即判定该局部最大值点为一个R波峰;其中,阈值C0的取值范围为0.2~0.4;
i)以检测段中当前ε倍近似周期以内相似度最大的一个局部最大值点为起始点,计算出其后ε倍近似周期以内所有的局部最大值点;然后重复步骤e)~i),由此判断出检测段中所有的R波峰;
j)在待测心电信号中,以当前检测段中最后一个R波峰所在位置为起始点,提取其后时长为t0的信号段作为新的检测段;并且,以当前检测段中最后3个正常周期时间间隔的平均值作为新的检测段的近似周期;然后重复步骤d)~j),由此判断出待测心电信号中所有的R波峰;
所述正常周期时间间隔是指相邻两个R波峰之间不超过1.5倍且不小于0.5倍当前近似周期时长的时间间隔;
k)对待测心电信号进行R波峰检测,存储并显示待测心电信号R波峰检测结果。
上述步骤中,所述步骤b)具体为:
b1)分别建立每个模板信号中的N个采样点相对于其R波峰的笛卡尔相对坐标,并进行均值归一化处理;均值归一化处理的计算公式如下:
θk,n′=θk,n,且θk,n′∈(-π,π];
其中,(xk,n,yk,n)为第k个模板信号中第n个采样点相对于其R波峰的笛卡尔相对坐标,(ρk,n,θk,n)为与(xk,n,yk,n)相对应的极坐标;(ρk,n′,θk,n′)为(ρk,n,θk,n)经均值归一化处理后的极坐标;k∈{1,2,...,K},n∈{1,2,...,N};
b2)根据步骤b1)所得的经均值归一化处理后的极坐标,分别将每个模板信号中的N个采样点投射到对数极坐标域,并进行归一化处理,得到每个模板信号中的N个采样点相对于其R波峰的归一化对数极坐标;归一化处理的计算公式如下:
其中,为第k个模板信号中第n个采样点相对于其R波峰的归一化对数极坐标,αk,n为归一化极径,为极角;(ξk,n,ψk,n)为第k个模板信号中第n个采样点经投射后对应的对数极坐标,极径ξk,n=logρk,n′,极角ψk,n=θk,n′;k∈{1,2,...,K},n∈{1,2,...,N};ξk,max和ξk,min分别为第k个模板信号中各个采样点经投射后对应的对数极坐标中极径的最大值和最小值。
上述步骤中,所述步骤f)具体为:
f1)分别建立每个局部最大值点的特征区中的N个采样点相对于该局部最大值点的笛卡尔相对坐标,并进行均值归一化处理;均值归一化处理的计算公式如下:
θi,n′=θi,n,且θi,n′∈(-π,π];
其中,(xi,n,yi,n)为检测段中当前ε倍近似周期以内第i个局部最大值点的特征区中第n个采样点相对于该局部最大值点的笛卡尔相对坐标,(ρi,n,θi,n)为与(xi,n,yi,n)相对应的极坐标;(ρi,n′,θi,n′)为(ρi,n,θi,n)经均值归一化处理后的极坐标;n∈{1,2,...,N};
f2)根据步骤f1)所得的经均值归一化处理后的极坐标,分别将每个局部最大值点的特征区中的N个采样点投射到对数极坐标域,并进行归一化处理,得到每个局部最大值点的特征区中的N个采样点相对于该局部最大值点的归一化对数极坐标;归一化处理的计算公式如下:
其中,(βi,n,γi,n)为检测段中当前ε倍近似周期以内第i个局部最大值点的特征区中第n个采样点相对于该局部最大值点的归一化对数极坐标,βi,n为归一化极径,γi,n为极角;(ξi,n,ψi,n)为检测段中当前ε倍近似周期以内第i个局部最大值点的特征区中第n个采样点经投射后对应的对数极坐标,极径ξi,n=logρi,n′,极角ψi,n=θi,n′;n∈{1,2,..,N};ξi,max和ξi,min分别为检测段中第i个局部最大值点的特征区中各个采样点经投射后对应的对数极坐标中极径的最大值和最小值。
在上述方案中,所述低通滤波的截止频率为100~120Hz;所述预采样预处理的采样频率为250~1000Hz。
作为进一步的优化,所述N的优选取值为200;所述t0的优选取值为60s;所述ε的优选取值为1.5;所述阈值C0的优选取值为0.20。
相比现有技术,本发明具有如下有益效果:
1、本发明方法以点与点之间的差向量作为基础特征,该基础特征具有平移和旋转不变性,能够克服心电信号的基线漂移的影响。
2、对差向量进行对数极坐标转换来度量波形的相似性,这种度量对邻近的波形形态特征敏感,同时又能捕获波形的全局轮廓信息,并对波形抖动具有鲁棒性。
3、仅以心电信号中的局部最大值点作为识别点,忽略对非局部最大值点的计算和识别,大大简化了检测过程中的数据计算量,进一步提高了识别的鲁棒性。
4、通过设置恰当的阈值,能够进一步有效排除干扰点,提高R波峰的识别准确率。
5、适用于在临床上应用的采用各种导联方式得到的心电信号。
附图说明
图1为本发明方法的流程框图;
图2为心电信号示例波形图;
图3为部分波峰异常的心电信号示例波形图;
图4为一个模板信号的笛卡尔坐标映射示意图;
图5为图4所示模板信号中点a在对数极坐标域中的归一化映射示意图;
图6为实施例中模板信号A6的波形图;
图7为实施例中待测心电信号首个检测段中前8秒信号的波形图;
图8为图7所示信号中局部最大值点s1、s2、s3、s4、s5、s6、和s7所在位置;
图9为图7所示信号中R波峰s2以及局部最大值点s3、s4、s5、s6、s7、s8和s9所在位置;
图10为图7所示信号中R波峰s26以及局部最大值点s27、s28、s29、s30、s31、s32、s33、s34、s35和s36所在位置;
图11为图7所示信号中各个R波峰所在位置;
图12为图7所示信号中各个局部最大值点的相似度分布图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步说明:
本发明提出了一种结合心电信号的波形轮廓进行综合分析的心电信号R波峰检测方法。心电信号的逐拍对应着心脏搏动,而且各节拍的内在驱动机制相同,都是由起搏点、心房、心室相继兴奋的共同作用驱动的结果,相邻的节拍的波形具有相似性;如果能够对相似性加以度量和匹配,就可以找到与R波峰相似的点,实现R波峰的抗干扰检测。本发明提取心电信号中的点与其所在波形上的其它点的相对位置关系,并通过度量其在对数极坐标域中的分布特征,来度量这些点与R波峰之间的相似性;同时,将点与点的相似性度量转化为对点所在的波形经对数极坐标变换后的相似性匹配程度来加以度量,转换后的度量对邻近的波形形态特征敏感,同时又能捕获波形的全局轮廓信息。将本发明方法应用于带有微处理器等计算处理单元的识别处理设备(如具备计算机功能的心电图分析仪、心电图分析系统等),结合对心电信号局部形态结构和全局轮廓信息进行识别,便能够准确的判断R波峰的位置。
本发明采用心电检测仪采集心电信号,这些信号是通过A/D转换后的数字信号(A/D转换的采样频率为400Hz),将这些信号输入计算机,进行低通滤波和预采样处理,其滤波的截止频率为100~120Hz,预采样频率在250~1000Hz之间;然后由计算机建立模板,对待侧心电信号进行处理,进而通过匹配对心电信号进行R波峰检测。计算机进行R波峰检测的流程框图如图1所示,依次按如下步骤进行:
I、建立模板信号,以及模板信号中R波峰的度量特征:
a)建立模板信号:
在不同个体、不同身体状态、不同导联方式下,所采集到的心电信号的周期、幅值和波形轮廓都不尽相同,因此在建立模板时应当充分考虑这些因素,建立K个互不相同的模板信号,K≥2。模板信号的建立过程是:针对不同的导联方式,分别选取多个波形轮廓互不相同的心电信号,并且其各自的周期、幅度和R波峰等参数均预先通过人工检测识别或其他现有的检测识别手段获取为已知条件,便于建立模板信号。这些选取的心电信号,应当对应I导联、II导联、III导联、加压单极肢导联、单击胸导联等多种常用心电信号导联方式;针对每种导联方式所选取的多个模板信号,应当尽可能涵盖实践临床上常见几种心电信号的波形轮廓,其周期在0.43~1.5秒之间,以尽可能使得这些模板信号能够用于识别心率范围在40~140次/分钟的心电信号。由心电检测仪采集上述各类心电信号,输入计算机进行低通滤波和预采样处理后,然后从这已识别的心电信号中选取K个R波峰,其中任意的第k个R波峰记为Ok,k∈{1,2,...,K}。由于心电信号为准周期信号,一个周期的信号段足以体现R波峰附近的波形轮廓信息,因此从提高鲁棒性的角度考虑,提取R波峰Ok前周期和后周期的信号段作为建立模板信号的长度范围。然而,对于不同的心电信号,其周期不尽相同,因而所提取的一个周期信号段内的采样点数也不一致;为了建立统一的模板标准,需要通过再采样或再插值处理将各模板信号的长度统一为固定的N个采样点。对于信号段而言,即计算其中经采样预处理后所包含的采样点数Nk,若Nk大于统一长度N则对信号段进行再采样,若Nk小于统一长度N则对信号段进行再插值,最终将其长度调整为N个采样点,形成模板信号Ak。通过上述步骤对选取的K个信号段进行处理,即可建立K个模板信号,每个模板信号的长度均为N个采样点。N的大小在一定程度上决定了后期识别的精度,兼顾识别精度和鲁棒性的考虑,N的适宜取值范围为100~1000。
b)分别建立每个模板信号中的N个采样点相对于其R波峰的归一化对数极坐标:
由于多种因素的影响,心电信号中各个节拍的波形轮廓不可能完全吻合,因此只能通过比较波形形态的相似性匹配程度来识别R波峰。R波峰邻近的波形形态与非R波峰邻近的波形形态之间存在较大的差异,如果可以建立一种度量关系,让度量对邻近的波形形态特征更加敏感,就更容易将R波峰与非R波峰加以明显的区分,达到检测目标。本发明将采集的心电信号映射到对数极坐标域中,让心电信号中待测点的与其所在波形上的其它点的相对位置关系呈现对数变化规律,通过度量心电信号中的识别点相对于其所在波形的其它点在对数极坐标域中的分布特征,以其对数变化规律来体现识别点对其邻近的波形形态的敏感特性,进而实现对心电信号中R波峰的匹配识别。对数极坐标域能够与笛卡尔坐标系相互映射转换。若对数极坐标域为(ξ,ψ),其与笛卡尔坐标系(x,y)的转换关系如下:
其中,(ρ,θ)为笛卡尔坐标系(x,y)所对应的极坐标,对数极坐标域中极径ξ即表示点与点之间距离的对数值,对数极坐标域中极角ψ的取值范围为(-π,π]。
本发明的具体处理方式是,对于模板信号Ak而言,为了度量和计算模板信号Ak中R波峰Ok与N个采样点的相对位置关系,将这N个采样点投射到以R波峰Ok为原点的笛卡尔坐标系中,建立各采样点相对于该R波峰的笛卡尔相对坐标,以笛卡尔相对坐标度量各采样点与R波峰Ok的差向量;差向量的大小仅与R波峰Ok和其分布特征点之间的相对位置关系有关,而与R波峰Ok前周期和后周期信号波形的基线无关,因此以点与点之间的差向量作为基础特征,使得基础特征具有平移和旋转不变性,该特性能够克服心电信号的基线漂移的影响。Ak中各个采样点相对于其R波峰Ok的笛卡尔相对坐标,需要进行均值归一化处理,主要是对笛卡尔相对坐标所表示的差向量的长度进行均值归一化处理,而保持差向量的方向不变,目的是消除模板信号Ak的各差向量中所附带的部分个性特征信息,同时可以使得其中含有的R波峰周边波形轮廓的共性特征得以保留。
然后,再根据经均值归一化处理后的差向量,将模板信号Ak的N个采样点映射到对数极坐标域中,得到采样点的对数极坐标;这N个采样点的对数极坐标直接的反映了其与R波峰Ok之间的位置关系,并且分布呈对数规律变化,通过度量N个采样点的对数极坐标,这种度量对R波峰Ok邻近的波形形态特征敏感,同时又能捕获波形的全局轮廓信息。最后,再对模板信号中采样点相对于其R波峰的对数极坐标进行再一次的归一化处理,得到归一化对数极坐标,进一步消除其中的个性差异。记模板信号中采样点相对于其R波峰的归一化对数极坐标为
例如,模板信号Ak中第n个采样点ak,n,n∈{1,2,...,N},在以R波峰Ok为原点的笛卡尔坐标系中的笛卡尔相对坐标为(xk,n,yk,n),相应的极坐标为(ρk,n,θk,n),如图4所示;对其进行均值归一化处理,即:
θk,n′=θk,n,且θk,n′∈(-π,π];
(ρk,n′,θk,n′)则为(ρk,n,θk,n)经均值归一化处理后的极坐标;再由(ρk,n′,θk,n′)映射到对数极坐标域之后,得到采样点ak,n相对于R波峰Ok的对数极坐标(ξk,n,ψk,n),其中,极径ξk,n=logρk,n′,极角ψk,n=θk,n′=θk,n,且ψk,n∈(-π,π];由此得到模板信号Ak中各个采样点相对于R波峰Ok的对数极坐标后,计算得到其中极径的最大值ξk,max和最小值ξk,min,再将各个采样点对数极坐标的极径归一化处理到0~1之间,保持极角不变,具体对于采样点ak,n而言,即为:
由上述步骤可分别建立各模板信号中采样点相对于其R波峰的归一化对数极坐标,将之储存在计算机或心电图分析设备的存储设备中,作为待测心电信号中R波峰的匹配标准。至此,测试准备工作已完成,接下来即可进行待测心电信号的测试步骤。
II、识别待测心电信号中的R波峰:
待测心电信号也由心电检测仪采集,再输入计算机进行低通滤波和采样预处理,以备分割处理。待测心电信号中的每个R波峰都应该是一个局部最大值点,若仅以检测段中的各个局部最大值点作为识别点进行计算,可以避免对信号中大量的明显非R波峰进行识别,大大简化了检测过程中的数据计算量,能够进一步提高识别的鲁棒性。在每个节拍中,除实际R波峰以外的局部最大值点均为干扰点,判断单个节拍中与模板信号的R波峰最相似的局部最大值点即为该节拍中的实际R波峰。但在确定R波峰之前,单个节拍的周期时长无法准确的判定,因此需要一个判定时长,该判定时长中既能确定至少包含一个R波峰,又不会超过2个节拍时长,以尽可能保证判定的准确性。我们以一个“近似周期”来作为待测信号中单个节拍的判定时长基准。
但实际操作中,不同时段心率的快慢很可能各有差异,心率的变化直接引起心电信号周期的变化,因此在采集的整段待测心电信号中,可能存在周期互不相同的节拍;若不同点所在节拍之间的周期差别过大,却以同一近似周期对这不同点进行识别,势必导致识别结果存在较大的误差。为此,本发明采用了对待测心电信号以分段方式逐进行检测处理,每一个分段的时长设定为30~90s,以避免单个分段中不同节拍之间的周期差别过大,从而将识别误差控制在有限的范围内。
综合考虑上述因素,本发明对待测心电信号中R波峰的识别过程如下:
c)确定待测心电信号的首个检测段:
对于待测心电信号的首个检测段而言,是从待测心电信号的起始点提取时长为t0的信号段作为检测段;然后对检测段进行自相关分析,计算检测段的自相关函数中每相邻两个局部最大值之间的时间间隔,取所述时间间隔的平均值作为检测段的近似周期;其中,t0的取值范围为30~90s。
计算检测段的近似周期,可采用本领域常用的自相关函数求解,对检测段进行自相关分析,计算其自相关函数中每相邻两个局部最大值之间的时间间隔,取所述时间间隔的平均值作为检测段的近似周期。例如,对于检测段其信号值为时间的函数,记为S(t),则检测段的自相关函数RS(τ)为:
d)确定检测段中首个判定时长中的局部最大值点:
在一个检测段中,某些节拍的时长有可能大于预上述近似周期的长度。为了保证一个判定时长中确定包含一个R波峰,本发明以近似周期的长度为基准,取ε倍(ε>1)近似周期作为实际的判定时长;ε的取值不能过大,其取值范围为1.2~1.6,以避免判定时长超过了2个节拍的时长导致其中包含了2个实际的R波峰,进而产生漏检情况。
对于检测段的首个判定时长而言,则是计算出检测段中从起始处至ε倍近似周期处的所有的局部最大值点,以备进行后续的检测判定。计算局部最大值点可采用本领域常用一些方法。例如,可以计算各相邻采样点之间的幅值差,若某一采样点与其前、后相邻采样点之间的幅值差均不小于零,则判定该采样点为局部最大值点。也可利用求导法,对检测段进行求导运算,取得检测段上导数为“0”的极值点,再进一步判断这些极值点是极大值点还是极小值点,其中的极大值点即为心电信号的局部最大值点。
e)提取局部最大值点的特征区:
为了让每个局部最大值点能够分别与模板信号中的R波峰进行对应的匹配和度量,需要提取每个局部最大值点的特征区。提取的具体方法是,从待测心电信号的波形轮廓中提取每个局部最大值点前近似周期和后近似周期的信号段,利用与步骤a)相似的方法,将提取的各个信号段的长度统一为N个采样点(与模板信号中的采样点数一致),以便与模板信号进行匹配和比较,从而形成每个局部最大值点的特征区。例如,检测段近似周期为通过计算得到检测段中当前ε倍近似周期以内的I个局部最大值点,其中第i个局部最大值点为si,i∈{1,2,...,I}。从待测的心电信号中提取局部最大值点si前近似周期和后近似周期的信号段计算其中包含的预采样点数Ni,若Ni大于统一长度N则对信号段进行再采样,若Ni小于统一长度N则对信号段进行再插值,最终将其长度调整为N个采样点,形成局部最大值点si的特征区Si。通过上述步骤,从待测的心电信号中提取检测段中当前ε倍近似周期以内I个局部最大值点各自对应的特征区。
f)分别建立每个局部最大值点的特征区中的N个采样点相对于其局部最大值点的归一化对数极坐标;
相应地,与步骤b)相似,分别建立每个局部最大值点的特征区中N个采样点相对于其局部最大值点的笛卡尔相对坐标,然后对笛卡尔相对坐标所表示的差向量的长度进行均值归一化处理,保持差向量的方向不变;再根据经均值归一化处理后的差向量,将每个局部最大值点的特征区中N个采样点映射到对数极坐标域中,得到其对数极坐标,最后通过进一步归一化处理得到归一化对数极坐标。记特征区中采样点相对于其局部最大值点的归一化对数极坐标为(β,γ)。
对于检测段中当前ε倍近似周期以内第i个局部最大值点si的特征区Si而言,i∈{1,2,...,I},将其中N个采样点投射到以局部最大值点si为原点的笛卡尔坐标系中,建立各采样点相对于si的笛卡尔相对坐标,以笛卡尔相对坐标度量各采样点与局部最大值点si的差向量;其中,特征区Si中第n个采样点si,n,n∈{1,2,...,N},其在以局部最大值点si为原点的笛卡尔坐标系中的笛卡尔相对坐标为(xi,n,yi,n),相应的极坐标为(ρi,n,θi,n),对其进行均值归一化处理,即:
θi,n′=θi,n,且θi,n′∈(-π,π];
(ρi,n′,θi,n′)为(ρi,n,θi,n)经均值归一化处理后的极坐标;再由(ρi,n′,θi,n′)映射到对数极坐标域之后,得到采样点si,n相对于局部最大值点si的对数极坐标(ξi,n,ψi,n),极径ξi,n=logρi,n′,极角ψi,n=θi,n′=θi,n;由此得到局部最大值点si的特征区Si中各个采样点相对于局部最大值点si的对数极坐标后,计算得到其中极径的最大值和最小值分别为ξi,max和ξi,min,则采样点si,n相对于局部最大值点si的归一化对数极坐标(βi,n,γi,n)满足:
经归一化处理后,βi,n∈[0,1],γi,n∈(-π,π]。由上述步骤可分别建立检测段中当前ε倍近似周期以内每个局部最大值点的特征区中的N个采样点相对于其局部最大值点的归一化对数极坐标。
g)分别计算检测段中当前ε倍近似周期以内各个局部最大值点的相似度:
在检测段的每一个节拍周期中,只有一个局部最大值点是真正的R波峰,该局部最大值点应该与模板信号中R波峰的相似性匹配程度最高。所以,在此引入“相似度”这一概念,通过计算局部最大值点的相似度,来描述局部最大值点与模板信号中R波峰的相似性匹配程度;局部最大值点的相似度越大,则表示该局部最大值点与模板信号中R波峰的相似性匹配程度越高,该局部最大值点就越有可能是检测段的实际R波峰。本发明是采用局部最大值点的特征区与模板信号的互相关系数来度量检测段中各个局部最大值点的相似度的,具体处理方式是:基于步骤b)和步骤f)所建立的归一化对数极坐标,分别计算每个局部最大值点的特征区与各模板信号的互相关系数,将每个局部最大值点的特征区与各个模板信号的互相关系数中的最大值作为该局部最大值点的相似度,从而得到各局部最大值点的相似度。
例如,检测段中当前ε倍近似周期以内第i个局部最大值点si的特征区Si,i∈{1,2,...,I},该特征区的N个采样点中的第n个采样点为si,n,n∈{1,2,...,N},si,n相对于局部最大值点si的归一化对数极坐标为(βi,n,γi,n);同时,第k个模板信号Ak,k∈{1,2,...,K},该模板信号中的R波峰为Ok,其N个采样点中的第n个采样点为ak,n,n∈{1,2,...,N},ak,n相对于R波峰Ok的归一化对数极坐标为则局部最大值点si的特征区Si与模板信号Ak的互相关系数Pi,k为:
其中,n∈{1,2,...,N};由于特征区Si的N个采样点中,局部最大值点si与其自身的归一化对数极坐标的极径长度为0,因此,实际仅有N-1个不为0的内积求和取平均,所以求和项前的系数为由此,即可得到检测段中当前ε倍近似周期以内第i个局部最大值点si的特征区Si与各个模板信号中R波峰的互相关系数Pi,1、Pi,2、Pi,2、……Pi,K。将Pi,1、Pi,2、Pi,2、……Pi,K中的最大值作为局部最大值点si的相似度Ci,以此来度量检测段中当前ε倍近似周期以内第i个局部最大值点si与模板信号中R波峰的相似性匹配程度。
通过该步骤逐一对检测段中当前ε倍近似周期以内每个局部最大值点进行互相关分析,得到各个局部最大值点的相似度。
h)判定检测段中当前ε倍近似周期以内的R波峰:
检测段每一节拍中,除实际R波峰以外的局部最大值点均为干扰点,应当在识别过程中加以排除。心电信号中对于检测R波峰的干扰点是多方面的,从识别角度来讲可将这些干扰点分为自干扰点和剧烈干扰点两种。自干扰点,是心电信号的中的P波、T波和U波中的峰值点,但由于P波、T波和U波的波形轮廓与R波的波形轮廓差别比较明显,因此这种干扰点与模板信号的相似度往往比R波峰要小,可以通过比较相似度大小加以排除。剧烈干扰点,是除了心电信号的中的P波、T波和U波之外,还由于咳嗽、喷嚏等动作导致心电信号剧烈抖动,这种波动或剧烈抖动具有随机性,并且振幅较大、持续时间较长,形成一段剧烈的干扰波;这种剧烈的干扰波若重叠在一个节拍以上的心电信号中,就可能导致被重叠干扰的部分信号被严重的破坏,这种存在于被剧烈的干扰波破坏的信号段中的局部最大值点被视为剧烈干扰点。如果一段心电信号中存在这样的剧烈干扰,该段信号中有用信息也就被破坏了,实际上就失去了心电信号临床的识别意义。因此,本发明通过预先设定一个阈值C0将R波峰与剧烈干扰点区分开,避免把被剧烈干扰波破坏的信号段中的局部最大值点误检测为正常的R波峰而导致出错。
具体处理方式是,先通过比较求出检测段中当前ε倍近似周期以内相似度最大的一个局部最大值点,而除该点以外的其它局部最大值点均被视为自干扰点加以排除;然后将该局部最大值点的相似度与预先设定的阈值C0进行比较,若其相似度大于阈值C0,即判定该局部最大值点为一个R波峰;若其相似度小于阈值C0,则判定该局部最大值点为一个剧烈干扰点。例如,计算得到检测段中当前ε倍近似周期内相似度最大的局部最大值点为si,其相似度为Ci;将Ci与预先设定的阈值C0进行比较,若Ci≤C0,则将局部最大值点si视为剧烈干扰点排除掉;若Ci>C0,则判定局部最大值点si为R波峰。
该步骤中,阈值C0的取值是排除剧烈干扰点的决定值,若阈值C0取值过小,则会造成剧烈干扰点的漏检;若阈值C0取值过大,则可能将实际为R波峰的局部最大值点视为剧烈干扰点一并排除,导致R波峰检测混乱。通常,作为检测段的实际R波峰,其相似度最高可达到0.4;但当存在较大振幅干扰信号的情况下,若被干扰的信号中实际R波峰的相似度大于0.2,依然可以认为其中的有用信息没有被完全破坏,将其作为有意义R波峰加以识别在临床上还是可以被接受的。因此,阈值C0的取值范围取0.2~0.4为宜,阈值C0取值越大即表示判定R波峰的要求越严格。
i)判定检测段中的所有R波峰:
以检测段中当前ε倍近似周期以内相似度最大的一个局部最大值点为起始点,计算出其后ε倍近似周期以内所有的局部最大值点;然后重复步骤e)~i),由此判断出检测段中所有的R波峰。例如在当前的检测段中,以当前ε倍近似周期以内相似度最大的局部最大值点si为起始点,计算检测段中点si之后ε倍近似周期内相似度最大的局部最大值点,然后判断其相似度与阈值C0之间的大小,从而判定其是否为R波峰;再以该点为起始点,计算其后ε倍近似周期内相似度最大的局部最大值点进行进一步判断……由此类推,逐段计算出当前的检测段中所有的R波峰。
j)判定待测心电信号中的所有R波峰:
在待测心电信号中,以当前检测段中最后一个R波峰所在位置为起始点,提取其后时长为t0的信号段作为新的检测段,准备检测新的检测段中的R波峰。但新的检测段与当前检测段中节拍周期可能存在差异,因此需要先更新近似周期,以避免出现较大的计算误差。更新近似周期的方法是,以当前检测段中最后3个正常周期时间间隔的平均值作为新的检测段的近似周期;所述正常周期时间间隔是指相邻两个R波峰之间不超过1.5倍且不小于0.5倍当前近似周期时长的时间间隔。然后重复步骤d)~j),由此判断出待测心电信号中所有的R波峰。
III、对待测心电信号进行R波峰检测:
k)最后,将待测心电信号R波峰检测结果存储在计算机的存储设备中,并通过显示设备输出显示R波峰检测结果,以便观察和进行后续处理。
下面通过实施例进一步说明本采用发明方法实现心电信号R波峰检测的具体过程。
实施例:
本实施例中,由心电检测仪(ECG-9130P,福田公司,日本)采集心电信号,这些信号是采样频率为500Hz的数字信号,将这些信号输入计算机,进行低通滤波和采样预处理,其滤波器采用二阶Butterworth低通滤波器,截止频率为100Hz,采样频率为250Hz,将得到的信号作为待测心电信号。利用本发明方法,对该待测心电信号进行R波峰检测,R波峰检测过程由计算机按如下步骤进行:
首先,采用多种不同的导联方式,由心电检测仪采集多个周期不同、分别代表临床上常见波形轮廓的已识别心电信号(周期、幅度、R波峰等参数均已经识别获知),这些信号也是采样频率为500Hz的数字信号,将这些信号及其相应参数输入计算机,进行低通滤波和采样预处理,其滤波器采用二阶Butterworth低通滤波器,截止频率为100Hz,采样频率为250Hz。从上述各个已识别信号中选取50个R波峰(取K=50),分别提取每个R波峰前周期和后周期的一段信号;其中第32个R波峰O32前周期和后周期的一段信号为该段信号是从一个已识别的II导联的心电信号中提取出来的。然后通过再采样或再插值处理将提取的各段信号的长度统一为固定的200个采样点(取N=200);例如,经计算R波峰O32前周期和后周期的一段信号中采样预处理后包含的采样点数为221个,预定的模板信号统一长度为200个采样点,因此将信号段再采样为200个采样点,得到模板信号A32,其波形轮廓如图6所示;由此得到50个模板信号。再按照步骤b)所述方法建立每个模板信号中200个采样点相对于其R波峰的归一化对数极坐标。
关于模板信号的准备工作完成后,接着进行待测心电信号中R波峰的识别。该待测信号为一个II导联的心电信号,先确定待测心电信号的首个检测段,从待测心电信号的起始点提取时长为60s的信号段(取t0=60s)作为首个检测段并通过自相关分析得到检测段的近似周期检测段中前8秒的波形轮廓如图7所示,从图7中可见,在2000~3000采样点之间存在一段由于咳嗽引起的剧烈干扰信号,致使此间的一个信号节拍已被较严重的破坏。
接下来,以1.5倍近似周期为判定时长,计算出检测段中从起始处至处的所有的局部最大值点;但由于待测心电信号起始第一个近似周期中的波形轮廓不完整,因此起始第一个近似周期中的局部最大值点无法提取其前周期的完整信号,便无法利用本发明方法进行测试,所以将待测心电信号起始第一个近似周期中的局部最大值点舍去,得到检测段中从起始处至处能够作为识别对象的局部最大值点分别为点s1、s2、s3、s4、s5、s6、和s7,如图8所示。然后,分别提取这7个局部最大值点的特征区;以点s1为例,提取s1前近似周期和后近似周期的信号段计算其中经采样预处理后包含的采样点数为193个,小于预定的统一长度200个采样点,因此将信号段进行插值处理为200个采样点,形成点s1的特征区S1;以相同方法分别形成点s2、s3、s4、s5、s6、和s7的特征区S2、S3、S4、S5、S6、和S7。再按照步骤f)所述方法分别建立上述每个特征区中的200个采样点相对于各自局部最大值点的归一化对数极坐标。计算点s1的特征区S1与50个模板信号的互相关系数,得到特征区S1的50个互相关系数中的最大值是与II导联的模板信号A32的互相关系数P1,32=0.04,即确定点s1的相似度C1=P1,32=0.04;计算点s2的特征区S2与50个模板信号的互相关系数,得到特征区S2的50个互相关系数中的最大值也是与II导联的模板信号A32的互相关系数P2,32=0.27,即确定点s2的相似度C2=P2,32=0.27;以同样的方法计算得到点s3、s4、s5、s6、和s7的相似度分别为:C3=P3,32=0.15、C4=P4,32=0.12、C5=P5,32=0.13、C6=P6,32=0.14和C7=P7,32=0.24。相比而言,C1<C4<C5<C6<C3<C7<C2,点s2的相似度较大,将s2的相似度与预先设定的阈值C0进行比较,C0取值为0.20;由于C2=0.27>C0,从而局部最大值点s2被判定为检测段的一个R波峰。接下来,又以局部最大值点s2为起始点,计算出检测段中点s2之后以内的所有的局部最大值点分别为s3、s4、s5、s6、s7、s8和s9,如图9所示;同样,分别提取点s3、s4、s5、s6、s7、s8和s9的特征区为S3、S4、S5、S6、S7、S8和S9,再按照步骤f)所述方法分别建立上述每个特征区中的200个采样点相对于各自局部最大值点的归一化对数极坐标,分别计算点s3、s4、s5、s6、s7、s8和s9的特征区S3、S4、S5、S6、S7、S8和S9与各模板信号基于对数极坐标的互相关系数;通过计算,点s3、s4、s5、s6、s7、s8和s9的特征区均相对于II导联的模板信号A32的互相关系数最大,即得s3、s4、s5、s6、s7、s8和s9的相似度分别为:C3=P3,32=0.15、C4=P4,32=0.12、C5=P5,32=0.13、C6=P6,32=0.14、C7=P7,32=0.24、C8=P8,32=0.14和C9=P9,32=0.11。通过比较得知,相似度大小为C9<C4<C5<C6=C8<C3<C7,从而当前1.5倍近似周期中相似度最大的局部最大值点为s7,并且C7=0.24>C0,即判定局部最大值点s7为检测段的又一个R波峰。接着,再以局部最大值点s7为起始点,计算出检测段中点s7之后以内的所有的局部最大值点s8、s9、s10、s11、s12、s13、s14和s15进行进一步判定……判定R波峰s26后,计算出检测段中点s26之后以内的所有的局部最大值点分别为s27、s28、s29、s30、s31、s32、s33、s34、s35和s36,如图10所示;再次重复上述步骤计算相似度的步骤,得到s27、s28、s29、s30、s31、s32、s33、s34、s35和s36中点s33的相似度最大,为C33=0.19,但由于C33<C0,即判定局部最大值点s33为检测段中的一个剧烈干扰点,因此将点s33排除。再以局部最大值点s33为起始点,计算出检测段中点s33之后以内的所有的局部最大值点s34、s35、s36、s37、s38、s39、s40、s41、s42、s43和s44进行进一步判定……由此递推确定检测段中的87个R波峰分别为s2、s7、s12、……、s425、s432、s446、s452和s457;另还确定检测段中存在2个剧烈干扰点,分别为s33和s439,剧烈干扰点s33位于R波峰s26与s38之间,剧烈干扰点s439位于R波峰s432与s446之间。其中,检测段前8秒以内的R波峰如图11所示,检测段前8秒以内各局部最大值点的相似度分布图如图12所示;结合图10和11能够看到,信号中2000~3000采样点内R波峰s26与s38之间的局部最大值点均被视为干扰点排除掉,因此在点s26与s38之间不存在有意义的R波峰点。
判定出待测心电信号首个检测段中所有的R波峰以后,以检测段中最后一个R波峰s282所在位置为起始点,从待测心电信号中提取点s282之后60s时长的信号段作为新的检测段准备检测新的检测段中的R波峰。此时更新近似周期的值,以检测段中最后3个正常周期时间间隔的平均值作为新的检测段的近似周期;由于R波峰s432与s446之间因存在剧烈干扰信号导致其间时间间隔T87超过因此T87并不是正常周期时间间隔,取R波峰s425与s432的时间间隔T86、R波峰s446与s452的时间间隔T88和R波峰s452与s457的时间间隔T89三者的平均值作为新的检测段的平均周期
然后,重复上述步骤,判定待测心电信号的检测段中所有的R波峰。同样由此递推判定待测心电信号的检测段直至判断出待测心电信号中所有的R波峰。最后,将待测心电信号R波峰检测结果存储在计算机的存储设备中,并通过显示设备输出显示R波峰检测结果。
为了评估本发明方法的检测性能,我们构建了一个数据库,数据库中待测心电信号的R波峰数量为82612个,这些待测心电信号的R波峰已经过临床专家手工标记。利用本发明方法对待测数据库中待测心电信号进行R波峰检测,然后将检测结果与专家标记的R波峰进行比较,进而评估本发明的检测性能。我们将手工标记的R波峰前后8ms设为容错区间,即:由本发明检测的起拍点与专家手工标记的起拍点误差不大于8ms时认为该检测是正确的。本发明方法对此82612个R波峰的识别精确度为98.80%,特异度为98.33%,满足临床识别的要求。
本发明方法不仅仅把心电信号中的幅值、局部最大值点等局部信息作为参考因素,更结合了心电信号的波形轮廓进行综合分析,以点与点之间的差向量作为基础特征,该基础特征具有平移和旋转不变性,能够克服心电信号的基线漂移的影响;对差向量进行对数极坐标转换来度量波形的相似性,这种度量对识别点邻近的波形形态特征敏感,又能捕获波形的全局轮廓信息,同时对波形抖动和变形具有鲁棒性,能够有效识别和排除干扰波峰和干扰波段,进而准确的实现了对心电信号R波峰的识别。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种心电信号R波峰检测方法,其特征在于,将心电检测仪采集的心电信号输入计算机,由计算机进行低通滤波和采样预处理,然后检测心电信号中的R波峰,检测R波峰的具体步骤包括:
b)分别建立每个模板信号中的N个采样点相对于其R波峰的归一化对数极坐标;
c)对于待测的心电信号,从其起始点提取时长为t0的信号段作为检测段;然后对检测段进行自相关分析,计算检测段的自相关函数中每相邻两个局部最大值之间的时间间隔,取所述时间间隔的平均值作为检测段的近似周期;其中,t0的取值范围为30~90s;
d)计算出检测段起中从始处至ε倍近似周期处的所有的局部最大值点;其中,ε的取值范围为1.2~1.6;
f)分别建立每个局部最大值点的特征区中的N个采样点相对于其局部最大值点的归一化对数极坐标;
g)分别计算每个局部最大值点的特征区与各个模板信号基于归一化对数极坐标的互相关系数,将每个局部最大值点的特征区与各个模板信号的互相关系数中的最大值作为该局部最大值点的相似度;所述互相关系数的计算公式为:
其中,Pi,k为检测段中当前ε倍近似周期以内第i个局部最大值点的特征区与第k个模板信号的互相关系数;(βi,n,γi,n)为检测段中当前ε倍近似周期以内第i个局部最大值点的特征区中第n个采样点相对于该局部最大值点的归一化对数极坐标, βi,n为归一化极径,γi,n为极角;为第k个模板信号中第n个采样点相对于其R波峰的归一化对数极坐标,αk,n为归一化极径,为极角;k∈{1,2,...,K},n∈{1,2,...,N};
h)比较得出检测段中当前ε倍近似周期以内相似度最大的一个局部最大值点,并将该局部最大值点的相似度与预先设定的阈值C0进行比较;若其相似度大于阈值C0,即判定该局部最大值点为一个R波峰;其中,阈值C0的取值范围为0.2~0.4;
i)以检测段中当前ε倍近似周期以内相似度最大的一个局部最大值点为起始点,计算出其后ε倍近似周期以内所有的局部最大值点;然后重复步骤e)~i),由此判断出检测段中所有的R波峰;
j)在待测心电信号中,以当前检测段中最后一个R波峰所在位置为起始点,提取其后时长为t0的信号段作为新的检测段;并且,以当前检测段中最后3个正常周期时间间隔的平均值作为新的检测段的近似周期;然后重复步骤d)~j),由此判断出待测心电信号中所有的R波峰;
所述正常周期时间间隔是指相邻两个R波峰之间不超过1.5倍且不小于0.5倍当前近似周期时长的时间间隔;
k)对待测心电信号进行R波峰检测,存储并显示待测心电信号R波峰检测结果。
2.根据权利要求1所述的心电信号R波峰检测方法,其特征在于:所述步骤b)具体为:
b1)分别建立每个模板信号中的N个采样点相对于其R波峰的笛卡尔相对坐标,并进行均值归一化处理;均值归一化处理的计算公式如下:
θk,n′=θk,n,且θk,n′∈(-π,π];
其中,(xk,n,yk,n)为第k个模板信号中第n个采样点相对于其R波峰的笛卡尔相对坐标,(ρk,n,θk,n)为与(xk,n,yk,n)相对应的极坐标;(ρk,n′,θk,n′)为(ρk,n,θk,n)经均值归一化处理后的极坐标;k∈{1,2,...,K},n∈{1,2,...,N};
b2)根据步骤b1)所得的经均值归一化处理后的极坐标,分别将每个模板信号中的N个采样点投射到对数极坐标域,并进行归一化处理,得到每个模板信号中的N个采样点相对于其R波峰的归一化对数极坐标;归一化处理的计算公式如下:
3.根据权利要求1所述的心电信号R波峰检测方法,其特征在于:所述步骤f)具体为:
f1)分别建立每个局部最大值点的特征区中的N个采样点相对于该局部最大值点的笛卡尔相对坐标,并进行均值归一化处理;均值归一化处理的计算公式如下:
θi,n′=θi,n,且θi,n′∈(-π,π];
其中,(xi,n,yi,n)为检测段中当前ε倍近似周期以内第i个局部最大值点的特征区中第n个采样点相对于该局部最大值点的笛卡尔相对坐标,(ρi,n,θi,n)为与(xi,n,yi,n)相对应的极坐标;(ρi,n′,θi,n′)为(ρi,n,θi,n)经均值归一化处理后的极坐标;n∈{1,2,..,N};
f2)根据步骤f1)所得的经均值归一化处理后的极坐标,分别将每个局部最大值点的特征区中的N个采样点投射到对数极坐标域,并进行归一化处理,得到每个局部最大值点的特征区中的N个采样点相对于该局部最大值点的归一化对数极坐标;归一化处理的计算公式如下:
其中,(βi,n,γi,n)为检测段中当前ε倍近似周期以内第i个局部最大值点的特征区中第n个采样点相对于该局部最大值点的归一化对数极坐标,βi,n为归一化极径,γi,n为极角;(ξi,n,ψi,n)为检测段中当前ε倍近似周期以内第i个局部最大值点的特征区中第n个采样点经投射后对应的对数极坐标,极径ξi,n=logρi,n′,极角ψi,n=θi,n′;n∈{1,2,...,N};ξi,max和ξi,min分别为检测段中第i个局部最大值点的特征区中各个采样点经投射后对应的对数极坐标中极径的最大值和最小值。
4.根据权利要求1~3中任一项所述的心电信号R波峰检测方法,其特征在于:所述低通滤波的截止频率为100~120Hz。
5.根据权利要求1~3中任一项所述的心电信号R波峰检测方法,其特征在于:所述预采样预处理的采样频率为250~1000Hz。
6.根据权利要求1~3中任一项所述的心电信号R波峰检测方法,其特征在于:所述N的优选取值为200。
7.根据权利要求1~3中任一项所述的心电信号R波峰检测方法,其特征在于:所述t0的优选取值为60s。
8.根据权利要求1~3中任一项所述的心电信号R波峰检测方法,其特征在于:所述ε的优选取值为1.5。
9.根据权利要求1~3中任一项所述的心电信号R波峰检测方法,其特征在于:所述阈值C0的优选取值为0.20。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102146264A CN101856225B (zh) | 2010-06-30 | 2010-06-30 | 一种心电信号r波峰检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102146264A CN101856225B (zh) | 2010-06-30 | 2010-06-30 | 一种心电信号r波峰检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101856225A true CN101856225A (zh) | 2010-10-13 |
CN101856225B CN101856225B (zh) | 2011-07-27 |
Family
ID=42942555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102146264A Expired - Fee Related CN101856225B (zh) | 2010-06-30 | 2010-06-30 | 一种心电信号r波峰检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101856225B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102217932A (zh) * | 2011-05-17 | 2011-10-19 | 上海理工大学 | Abr信号波峰检测的一种全新的算法 |
CN102379694A (zh) * | 2011-10-12 | 2012-03-21 | 中国科学院苏州纳米技术与纳米仿生研究所 | 心电图r波检测方法 |
CN102988041A (zh) * | 2012-11-16 | 2013-03-27 | 中国科学院上海微系统与信息技术研究所 | 心磁信号噪声抑制中的信号选择性平均方法 |
CN103110417A (zh) * | 2013-02-28 | 2013-05-22 | 华东师范大学 | 一种心电图自动识别系统 |
CN103136465A (zh) * | 2013-03-06 | 2013-06-05 | 天津理工大学 | 心电信号用于身份识别的方法 |
CN103153177A (zh) * | 2010-10-14 | 2013-06-12 | 株式会社村田制作所 | 搏动周期计算装置及包括该搏动周期计算装置的生物传感器 |
CN103565427A (zh) * | 2013-11-19 | 2014-02-12 | 深圳邦健生物医疗设备股份有限公司 | 准周期生理信号特征点的检测 |
CN103584854A (zh) * | 2013-11-29 | 2014-02-19 | 重庆海睿科技有限公司 | 心电信号r波的提取方法 |
CN104063645A (zh) * | 2014-07-01 | 2014-09-24 | 清华大学深圳研究生院 | 一种基于心电信号动态自更新样本的身份识别方法 |
CN104305991A (zh) * | 2014-11-18 | 2015-01-28 | 北京海思敏医疗技术有限公司 | 从心电信号中检测噪声的方法和设备 |
CN105078447A (zh) * | 2015-07-08 | 2015-11-25 | 上海师范大学 | 一种心电信号r波定位方法 |
CN105212918A (zh) * | 2015-11-19 | 2016-01-06 | 中科院微电子研究所昆山分所 | 一种基于压电信号的心率测量方法及系统 |
CN105705079A (zh) * | 2013-10-01 | 2016-06-22 | 皇家飞利浦有限公司 | 用于处理生理信号的设备、方法和系统 |
CN107358196A (zh) * | 2017-07-12 | 2017-11-17 | 北京卫嘉高科信息技术有限公司 | 一种心搏类型的分类方法、装置及心电仪 |
CN108478214A (zh) * | 2018-01-29 | 2018-09-04 | 成都琅瑞医疗技术股份有限公司 | 一种用于心电数据分析的反混淆叠加方法及装置 |
CN108697352A (zh) * | 2017-06-29 | 2018-10-23 | 深圳和而泰智能控制股份有限公司 | 生理信息测量方法及生理信息监测装置、设备 |
CN108888263A (zh) * | 2018-05-22 | 2018-11-27 | 郑州大学 | 一种基于几何形态群组特征的r波检测方法 |
CN109259750A (zh) * | 2018-11-12 | 2019-01-25 | 浙江清华柔性电子技术研究院 | 心率计算方法、装置、计算机设备和存储介质 |
CN112494044A (zh) * | 2020-11-09 | 2021-03-16 | 沈阳东软智能医疗科技研究院有限公司 | 疲劳驾驶检测方法、装置、可读存储介质及电子设备 |
CN114027847A (zh) * | 2021-11-17 | 2022-02-11 | 湖南万脉医疗科技有限公司 | 一种基于时频分析的心电信号分析方法 |
CN114027853A (zh) * | 2021-12-16 | 2022-02-11 | 安徽心之声医疗科技有限公司 | 基于特征模板匹配的qrs波群检测方法、装置、介质及设备 |
CN115120248A (zh) * | 2022-09-02 | 2022-09-30 | 之江实验室 | 基于直方图的自适应阈值r峰检测、心律分类方法及装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9760540B2 (en) | 2012-11-21 | 2017-09-12 | National Central University | Methods for processing sequential data to identify possible peak points and to estimate peak to noise ratio of sequential data |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1195510A (zh) * | 1997-06-28 | 1998-10-14 | 北京工业大学 | 体外反搏的控制方法及其装置 |
US6311158B1 (en) * | 1999-03-16 | 2001-10-30 | Creative Technology Ltd. | Synthesis of time-domain signals using non-overlapping transforms |
US20040095695A1 (en) * | 2002-11-15 | 2004-05-20 | Cheon-Youn Kim | Apparatus for detecting arc fault |
CN101828918A (zh) * | 2010-05-12 | 2010-09-15 | 重庆大学 | 基于波形特征匹配的心电信号r波峰检测方法 |
-
2010
- 2010-06-30 CN CN2010102146264A patent/CN101856225B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1195510A (zh) * | 1997-06-28 | 1998-10-14 | 北京工业大学 | 体外反搏的控制方法及其装置 |
US6311158B1 (en) * | 1999-03-16 | 2001-10-30 | Creative Technology Ltd. | Synthesis of time-domain signals using non-overlapping transforms |
US20040095695A1 (en) * | 2002-11-15 | 2004-05-20 | Cheon-Youn Kim | Apparatus for detecting arc fault |
CN101828918A (zh) * | 2010-05-12 | 2010-09-15 | 重庆大学 | 基于波形特征匹配的心电信号r波峰检测方法 |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103153177A (zh) * | 2010-10-14 | 2013-06-12 | 株式会社村田制作所 | 搏动周期计算装置及包括该搏动周期计算装置的生物传感器 |
CN103153177B (zh) * | 2010-10-14 | 2015-12-16 | 株式会社村田制作所 | 搏动周期计算装置及包括该搏动周期计算装置的生物传感器 |
CN102217932A (zh) * | 2011-05-17 | 2011-10-19 | 上海理工大学 | Abr信号波峰检测的一种全新的算法 |
CN102217932B (zh) * | 2011-05-17 | 2013-04-03 | 上海理工大学 | 一种abr信号波峰检测的算法 |
CN102379694B (zh) * | 2011-10-12 | 2014-07-16 | 中国科学院苏州纳米技术与纳米仿生研究所 | 心电图r波检测方法 |
CN102379694A (zh) * | 2011-10-12 | 2012-03-21 | 中国科学院苏州纳米技术与纳米仿生研究所 | 心电图r波检测方法 |
CN102988041A (zh) * | 2012-11-16 | 2013-03-27 | 中国科学院上海微系统与信息技术研究所 | 心磁信号噪声抑制中的信号选择性平均方法 |
CN102988041B (zh) * | 2012-11-16 | 2018-04-06 | 中国科学院上海微系统与信息技术研究所 | 心磁信号噪声抑制中的信号选择性平均方法 |
CN103110417A (zh) * | 2013-02-28 | 2013-05-22 | 华东师范大学 | 一种心电图自动识别系统 |
CN103110417B (zh) * | 2013-02-28 | 2014-07-16 | 华东师范大学 | 一种心电图自动识别系统 |
CN103136465A (zh) * | 2013-03-06 | 2013-06-05 | 天津理工大学 | 心电信号用于身份识别的方法 |
CN105705079A (zh) * | 2013-10-01 | 2016-06-22 | 皇家飞利浦有限公司 | 用于处理生理信号的设备、方法和系统 |
CN103565427A (zh) * | 2013-11-19 | 2014-02-12 | 深圳邦健生物医疗设备股份有限公司 | 准周期生理信号特征点的检测 |
CN103584854A (zh) * | 2013-11-29 | 2014-02-19 | 重庆海睿科技有限公司 | 心电信号r波的提取方法 |
CN103584854B (zh) * | 2013-11-29 | 2015-07-08 | 重庆海睿科技有限公司 | 心电信号r波的提取方法 |
CN104063645A (zh) * | 2014-07-01 | 2014-09-24 | 清华大学深圳研究生院 | 一种基于心电信号动态自更新样本的身份识别方法 |
CN104063645B (zh) * | 2014-07-01 | 2017-08-04 | 清华大学深圳研究生院 | 一种基于心电信号动态自更新样本的身份识别方法 |
CN104305991A (zh) * | 2014-11-18 | 2015-01-28 | 北京海思敏医疗技术有限公司 | 从心电信号中检测噪声的方法和设备 |
CN105078447A (zh) * | 2015-07-08 | 2015-11-25 | 上海师范大学 | 一种心电信号r波定位方法 |
CN105078447B (zh) * | 2015-07-08 | 2017-12-05 | 上海师范大学 | 一种心电信号r波定位方法 |
CN105212918A (zh) * | 2015-11-19 | 2016-01-06 | 中科院微电子研究所昆山分所 | 一种基于压电信号的心率测量方法及系统 |
CN105212918B (zh) * | 2015-11-19 | 2018-06-26 | 中科院微电子研究所昆山分所 | 一种基于压电信号的心率测量方法及系统 |
CN108697352A (zh) * | 2017-06-29 | 2018-10-23 | 深圳和而泰智能控制股份有限公司 | 生理信息测量方法及生理信息监测装置、设备 |
CN108697352B (zh) * | 2017-06-29 | 2021-04-20 | 深圳和而泰智能控制股份有限公司 | 生理信息测量方法及生理信息监测装置、设备 |
CN107358196B (zh) * | 2017-07-12 | 2020-11-10 | 北京卫嘉高科信息技术有限公司 | 一种心搏类型的分类方法、装置及心电仪 |
CN107358196A (zh) * | 2017-07-12 | 2017-11-17 | 北京卫嘉高科信息技术有限公司 | 一种心搏类型的分类方法、装置及心电仪 |
CN108478214A (zh) * | 2018-01-29 | 2018-09-04 | 成都琅瑞医疗技术股份有限公司 | 一种用于心电数据分析的反混淆叠加方法及装置 |
CN108888263A (zh) * | 2018-05-22 | 2018-11-27 | 郑州大学 | 一种基于几何形态群组特征的r波检测方法 |
CN109259750A (zh) * | 2018-11-12 | 2019-01-25 | 浙江清华柔性电子技术研究院 | 心率计算方法、装置、计算机设备和存储介质 |
CN112494044A (zh) * | 2020-11-09 | 2021-03-16 | 沈阳东软智能医疗科技研究院有限公司 | 疲劳驾驶检测方法、装置、可读存储介质及电子设备 |
CN114027847A (zh) * | 2021-11-17 | 2022-02-11 | 湖南万脉医疗科技有限公司 | 一种基于时频分析的心电信号分析方法 |
CN114027847B (zh) * | 2021-11-17 | 2023-05-05 | 湖南万脉医疗科技有限公司 | 一种基于时频分析的心电信号分析方法 |
CN114027853A (zh) * | 2021-12-16 | 2022-02-11 | 安徽心之声医疗科技有限公司 | 基于特征模板匹配的qrs波群检测方法、装置、介质及设备 |
CN115120248A (zh) * | 2022-09-02 | 2022-09-30 | 之江实验室 | 基于直方图的自适应阈值r峰检测、心律分类方法及装置 |
CN115120248B (zh) * | 2022-09-02 | 2022-12-20 | 之江实验室 | 基于直方图的自适应阈值r峰检测、心律分类方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN101856225B (zh) | 2011-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101856225B (zh) | 一种心电信号r波峰检测方法 | |
CN101828918B (zh) | 基于波形特征匹配的心电信号r波峰检测方法 | |
CN102835954B (zh) | 一种心拍波形模板生成方法及模块 | |
CN101449973B (zh) | 用于心电干扰信号识别的判断指标的生成方法及装置 | |
CN103860162B (zh) | 一种起搏信号检测方法、系统和心电检测设备 | |
CN110477906B (zh) | 一种心电信号qrs波起止点定位方法 | |
CN101065058A (zh) | 使用部分状态空间重构监视生理活动 | |
US10172531B2 (en) | Heartbeat detection method and heartbeat detection device | |
US10602944B2 (en) | Detecting artifacts in a signal | |
CN104161510A (zh) | 一种多级导联心电信号qrs波形识别方法 | |
CN103690156A (zh) | 一种心率获取方法及心电信号的处理方法 | |
CN105468951A (zh) | 通过心电特征进行身份识别的方法及装置、可穿戴设备 | |
CN103584854A (zh) | 心电信号r波的提取方法 | |
CN110226919B (zh) | 心电信号类型检测方法、装置、计算机设备及存储介质 | |
CN104644160A (zh) | 心电图伪差信号识别方法及装置 | |
Satija et al. | A simple method for detection and classification of ECG noises for wearable ECG monitoring devices | |
CN109171711A (zh) | 一种基于极值法的快速p波检测方法 | |
CN107622259B (zh) | 一种t波检测方法、心电数据分析方法及装置 | |
CN101897578B (zh) | 一种动脉压信号逐拍分割方法 | |
CN110327032A (zh) | 一种单导心电信号pqrst波联合精准识别算法 | |
CN105877739A (zh) | 一种心电智能分析系统的临床检验方法 | |
CN101866423B (zh) | 一种动脉压信号逐拍分割方法 | |
CN110090016A (zh) | 定位r波位置的方法及系统、使用lstm神经网络的r波自动检测方法 | |
US10750969B2 (en) | Heartbeat detection method and heartbeat detection device | |
CN107174235A (zh) | 一种心脏起搏器病人心电图中qrs波的识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110727 Termination date: 20130630 |