CN101947112A - 心电监护物联网应用层心电信号综合检测算法实现 - Google Patents
心电监护物联网应用层心电信号综合检测算法实现 Download PDFInfo
- Publication number
- CN101947112A CN101947112A CN2010102868881A CN201010286888A CN101947112A CN 101947112 A CN101947112 A CN 101947112A CN 2010102868881 A CN2010102868881 A CN 2010102868881A CN 201010286888 A CN201010286888 A CN 201010286888A CN 101947112 A CN101947112 A CN 101947112A
- Authority
- CN
- China
- Prior art keywords
- ripple
- peak
- detection
- point
- application layer
- 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.)
- Pending
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种心电监护物联网应用层心电信号综合检测算法的实现,属于物联网技术领域。本发明主要是为解决心电监护物联网应用层心电信号各波形成分的综合检测问题,基于小波变换技术构建一系列检测方法、检测准则和阈值参数,提出了一种基于小波变换、希尔伯特变换和改进包络对心电信号进行变换的检测算法,检测和识别QRS波群、P波、T波的具体形态和位置。本发明提出的检测算法具有较好的鲁棒性,能够较好的抑制或消除基线漂移、高频干扰等外部因素,心电信号综合检测算法经MATLAB仿真与MIT-BIH数据库标注比较,误检率为0.89%。
Description
技术领域
本发明属于物联网技术领域,具体涉及到心电监护物联网应用层心电信号各波形成分的综合检测问题,基于小波变换技术构建一系列检测方法、检测准则和阈值参数,检测和识别QRS波群、P波、T波的具体形态和位置。
背景技术
物联网是将传感器、传感器网络等感知技术,通信网、互联网等传输技术,以及智能运算、智能处理技术融为一体的连接物理世界的网络。从架构上来说,物联网由感知层、网络层、应用层三部分组成。最底层是感知层,由传感器和传感器网络组成;中间层是网络层,主要由移动通信网和互联网组成;最上层是应用层,是指智能运算与智能处理。
心电医疗监护物联网感知层由监护病人身上佩戴的心电监护传感器节点,传感器网关、无线传感器网络构成,主要完成心电监护病人节点以自组织形式构成无线传感器网络,通过单跳或多跳方式将监测数据传到传感器网关,完成心电信息的采集。网络层由互联网、移动通信网、信息中心和管理中心等构成。网络层将感知层获取的信息借助无线通信或有线通信的方式传送到心电信息管理中心进行传递和处理。应用层实现心电数据的智能处理,医护工作人员利用计算机或PDA随时查看病人的心电数据,根据实际情况对病人采取相应措施。心电医疗监护物联网应用层需要解决心电信号各波形成分的综合检测问题,通过心电自动分析技术对心电数据进行自动分析处理,给医生或病人提供治疗依据。本发明基于小波变换、希尔伯特变换和改进包络构建了一系列检测方法、检测准则和阈值参数,检测和识别QRS波群、P波、T波的具体形态和位置。
心电信号的分析和检测是诊断心脏疾病的重要方法,通过实现对心电信号的自动分析和诊断可极大减轻医务人员的负担,同时也可实现对病人的实时监护。心电信号的检测和处理对信号处理方法和波形识别定位等都提出了技术挑战,目前,它已经成为信号处理领域一个比较热门的研究课题,国内外每年都有大量的相关论文发表。人们借鉴各种信号处理方法和模式识别技术去分析、识别心电波形,使心电分析的诊断技术水平得到很大的提高。但是,至今仍没有一种十全十美的方法对所有正常和异常的心电波形都能做出完全准确无误的判别或诊断。
本发明解决心电监护物联网应用层心电信号各波形成分的综合检测问题,基于小波变换技术构建一系列检测方法、检测准则和阈值参数,检测和识别QRS波群、P波、T波的具体形态和位置。总体设计方案流程示意图如图1所示。
发明内容
本发明的目的是为解决心电监护物联网应用层心电信号各波形成分的综合检测问题,基于小波变换技术构建一系列检测方法、检测准则和阈值参数,提出一种基于小波变换、希尔伯特变换和改进包络对心电信号进行变换的检测算法,检测和识别QRS波群、P波、T波的具体形态和位置。
本发明所采用的技术方案是:通过小波变换的多分辨率和多尺度,利用不同能量分布及其信号频谱来消除在特殊小波尺度的与噪声相对应的无用的部分,选取的母小波为墨西哥草帽小波。对经过小波变换后的信号再进行希尔伯特变换使R点重新成为最高点。为了加强QRS并减弱噪声和不需要的P/T波,提出一个改进的包络。
本发明的效果和益处是:检测算法具有较好的鲁棒性,能够较好的抑制或消除基线漂移、高频干扰等外部因素,心电信号综合检测算法经MATLAB仿真与MIT-BIH数据库标注比较,误检率为0.89%。
附图说明
图1是总体设计方案流程示意图;
图2是心电信号的变换步骤示意图;
图3是R波检测算法流程示意图。
具体实施方式
以下结合技术方案和附图详细叙述本发明的最佳实施例。
本发明解决心电监护物联网应用层心电信号各波形成分的综合检测问题,基于小波变换技术构建一系列检测方法、检测准则和阈值参数,检测和识别QRS波群、P波、T波的具体形态和位置,具体实施步骤是:
1、心电信号变换和改进包络
QRS复合波的绝大部分能量在3-40Hz,ECG噪声的主要部分包括基线漂移(0.15-0.3Hz)、50/60Hz工频干扰、肌电干扰(2-5Hz)、人工影响(7Hz以下)和周围环境干扰,而P/T波的主要能量在10Hz以下。通过小波变换的多分辨率和多尺度,我们可以利用不同能量分布及其信号频谱来消除在特殊小波尺度的与噪声相对应的无用的部分。本发明选取的母小波为墨西哥草帽小波。
根据小波变换的理论,当以平滑函数的导数作为母小波进行小波变换时,信号的奇异点对应小波变换的一个正模极大值和一个负模极大值的极值对,信号奇异点的位置对应于极值对的交叉点。因此,本身波峰R点经过小波变换后被变为过零点。但经验告诉我们,检测最高点比检测过零点要容易,因此对经过小波变换后的信号再进行希尔伯特变换使R点重新成为最高点。
给定时序序列x(t),则对x(t)可用下式进行希尔伯特变换
假设分析信号z(t)由x(t)和y(t)组成
z(t)=x(t)+jy(t) (2)
为了加强QRS并减弱噪声和不需要的P/T波。一个改进的包络被引进如式(3),可以解决经过两次变换后的信号与原信号时间相差数毫秒的问题。心电信号变换步骤如图2所示。
E(t)=|x(t)|3+|y(t)|3 (3)
2、QRS波波峰检测策略
由于不同被检测者之间信号幅度差异很大,同一被检者QRS波的幅度和间隔也可能在短时间内发生剧烈的变化,所以本发明提出了以斜率为阈值的检测方法并对R-R间隔阈值进行自适应变化。为了更好地防止漏检、误检等发生,本发明进一步提出了一系列行之有效的检测策略,包括:
(1)QRS波波峰点初始时一般按照经验模式设定阈值来检测QRS波波峰点,但阈值过大可导致很长时间内检测不到第一个QRS波波峰点,这不符合心电规律,所以提出了初始长时间检测不到R波时降低阈值重新检测的策略。
(2)初始R-R的波峰间隔要作为以后检测的阈值,并采取自适应变化的方法。因此,若初始R-R间隔因漏检或错检导致偏差较大,会对以后检测产生影响,所以提出了对初始R-R间隔结合生理特性进行判定的策略。
(3)伪迹判定和回检。用RR表示代表已经检测出的QRS波群间期加权平均值,即可变阈值,rr表示当前检测到的R点与上一个R点的距离,因为生理医学上认为相邻前后RR间期的范围为40-166%,且MIT/BIH心律不齐数据库中两R波间距大于400ms,故采用以下方法以实现对R点更加精确地检测:
①因变换后信号中,噪声、P波和T波被极大地抑制,其幅度通常小于QRS波幅度,所以检测到一个R点后,在其后的340ms内检测是否存在幅度更大的波形。若存在,说明当前R点为一个伪迹点,而用后来检测到的R点取代此R点。
②当rr≥1.66×RR时,说明上一个QRS波群与当前R点之间距离过大,有漏检的R波。这时要降低检测斜率阈值为原来的一半,在上一个QRS波群与此R点之间重新进行检测。
在确认了检测到的R点后,可以跳过其后的360ms来检测下一个R点位置,这样可以避免大T波和部分噪声的影响。通过对检测结果的分析可得,采用的策略取得了较好的效果。R波的检测算法流程如图3所示。
3、QRS起点和终点的检测算法
检测到R点位置R.peak后,在[R.peak-100ms,R.peak]期间内求各点斜率的绝对值,在这段时间内当连续四点的斜率渐增,且相隔一个点的两点的斜率绝对值的增加大于4倍时,可认为这四点中的起点为QRS波的起点。对终点的检测则在[R.peak,R.peak+100ms]内采用相同方法检测。
4、P波和T波的检测算法
检测到R点位置后,我们同样在小波变换尺度4的希尔伯特变化上检测T波和P波,因为该尺度上T波和P波的成分得到表现和增强。虽然在尺度5和6上T波和P波的成分更为突出,但这些尺度存在不同程度的基线漂移,T波和P波被滤波的过于平滑和放大,位置误差较大。
令R点的位置为R.peak,则在[R.peak-250ms,R.peak-30ms]范围内检测P波,而在[R.peak+170ms,R.peak+240ms]内检测T波。选择区间内斜率绝对值大于0.01,且其后四点连续递增的点,然后在其后30点中选极大值作为P/T波顶点;当没有斜率的绝对值大于0.1时,说明P/T波不存在。当检测到的顶点前面三点中有两点斜率为负时,说明P/T波倒置。
5、实验仿真与比较
MIT/BIH数据库包含了各种心律失常病例,并且相当多的病例中还有基线漂移、高频干扰、电极滑动脱落等干扰,其中第105号数据因包含严重噪声,且最难检测,被绝大多数研究者用来测试算法性能,故采用105号数据来验证算法。
通过对105号数据的2572个R波进行检测,共检测出了2578个,其中假阳性(FP)为5,假阴性(FN)为1,检测出现偏差点为9个。根据检测点与实际点相差10毫秒以上记为偏差,因采样率为360Hz,所以偏差4点以上记为偏差点,一个偏差点代表一个FP点和一个FN点。经观察知检测到的FN点为数据末尾的未标注点,是多检测的一个点,而非假阴性点,故删去,FN=0,然后将偏差点数分别加到FP和FN,即FP为14,FN为9,检测错误率为(FP+FN)/2572=0.89%。本发明所提算法对QRS波的的检测结果优于已发表的算法。
Claims (5)
1.一种心电监护物联网应用层心电信号综合检测算法实现方法,其特征在于:基于小波变换技术构建一系列检测方法、检测准则和阈值参数,检测和识别QRS波群、P波、T波的具体形态和位置。
2.根据权利要求1所述的心电监护物联网应用层心电信号综合检测算法,其特征在于:通过小波变换的多分辨率和多尺度,利用不同能量分布及其信号频谱来消除在特殊小波尺度的与噪声相对应的无用的部分,选取的母小波为墨西哥草帽小波,对经过小波变换后的信号再进行希尔伯特变换使R点重新成为最高点,为了加强QRS并减弱噪声和不需要的P/T波,采用一个改进的包络。
3.根据权利要求1所述的心电监护物联网应用层心电信号综合检测算法,其特征在于:以斜率为阈值的检测方法并对R-R间隔阈值进行自适应变化,采取初始长时间检测不到R波时降低阈值重新检测的策略;初始R-R的波峰间隔作为以后检测的阈值,并采取自适应变化的方法;伪迹判定和回检。
4.根据权利要求1所述的心电监护物联网应用层心电信号综合检测算法,其特征在于:检测到R点位置R.peak后,在[R.peak-100ms,R.peak]期间内求各点斜率的绝对值,在这段时间内当连续四点的斜率渐增,且相隔一个点的两点的斜率绝对值的增加大于4倍时,可认为这四点中的起点为QRS波的起点,对终点的检测则在[R.peak,R.peak+100ms]内采用相同方法检测。
5.根据权利要求1所述的心电监护物联网应用层心电信号综合检测算法,其特征在于:检测到R点位置后,在小波变换尺度4的希尔伯特变化上检测T波和P波,令R点的位置为R.peak,则在[R.peak-250ms,R.peak-30ms]范围内检测P波,而在[R.peak+170ms,R.peak+240ms]内检测T波,选择区间内斜率绝对值大于0.01,且其后四点连续递增的点,然后在其后30点中选极大值作为P/T波顶点,当没有斜率的绝对值大于0.1时,说明P/T波不存在;当检测到的顶点前面三点中有两点斜率为负时,说明P/T波倒置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102868881A CN101947112A (zh) | 2010-09-20 | 2010-09-20 | 心电监护物联网应用层心电信号综合检测算法实现 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102868881A CN101947112A (zh) | 2010-09-20 | 2010-09-20 | 心电监护物联网应用层心电信号综合检测算法实现 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101947112A true CN101947112A (zh) | 2011-01-19 |
Family
ID=43450830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102868881A Pending CN101947112A (zh) | 2010-09-20 | 2010-09-20 | 心电监护物联网应用层心电信号综合检测算法实现 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101947112A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012092766A1 (zh) * | 2011-07-25 | 2012-07-12 | 深圳市理邦精密仪器股份有限公司 | 儿童心电图自动检测分析方法及系统 |
CN102626310A (zh) * | 2012-04-23 | 2012-08-08 | 天津工业大学 | 基于提升小波变换和改进近似包络的心电特征检测算法 |
CN103190901A (zh) * | 2013-04-01 | 2013-07-10 | 天津工业大学 | 基于极值域均值模式分解和改进Hilbert包络的R波检测算法 |
CN103417209A (zh) * | 2013-08-29 | 2013-12-04 | 中国科学院苏州纳米技术与纳米仿生研究所 | 一种心电图特征选择方法 |
CN103549951A (zh) * | 2013-10-18 | 2014-02-05 | 浙江好络维医疗技术有限公司 | 一种基于心电图12导联关联计算的p波信息测量方法 |
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 |
CN105796112A (zh) * | 2016-05-11 | 2016-07-27 | 江苏财经职业技术学院 | 老人跌倒检测监护系统 |
CN105919590A (zh) * | 2016-06-02 | 2016-09-07 | 浙江铭众科技有限公司 | 一种多通道心电图的qrs自动划定方法 |
CN105943030A (zh) * | 2016-06-02 | 2016-09-21 | 浙江铭众科技有限公司 | 一种用于实现多通道心电图qrs自动划定的智能终端 |
CN108685561A (zh) * | 2017-04-10 | 2018-10-23 | 中国科学院微电子研究所 | 一种信号分析方法及装置 |
CN110085108A (zh) * | 2019-03-08 | 2019-08-02 | 台州学院 | 一种心电信号仿真系统 |
-
2010
- 2010-09-20 CN CN2010102868881A patent/CN101947112A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012092766A1 (zh) * | 2011-07-25 | 2012-07-12 | 深圳市理邦精密仪器股份有限公司 | 儿童心电图自动检测分析方法及系统 |
CN102626310A (zh) * | 2012-04-23 | 2012-08-08 | 天津工业大学 | 基于提升小波变换和改进近似包络的心电特征检测算法 |
CN103190901A (zh) * | 2013-04-01 | 2013-07-10 | 天津工业大学 | 基于极值域均值模式分解和改进Hilbert包络的R波检测算法 |
CN103417209A (zh) * | 2013-08-29 | 2013-12-04 | 中国科学院苏州纳米技术与纳米仿生研究所 | 一种心电图特征选择方法 |
CN103417209B (zh) * | 2013-08-29 | 2015-06-03 | 中国科学院苏州纳米技术与纳米仿生研究所 | 一种心电图特征选择方法 |
CN103549951A (zh) * | 2013-10-18 | 2014-02-05 | 浙江好络维医疗技术有限公司 | 一种基于心电图12导联关联计算的p波信息测量方法 |
CN103549951B (zh) * | 2013-10-18 | 2015-07-15 | 浙江好络维医疗技术有限公司 | 一种基于心电图12导联关联计算的p波信息测量方法 |
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 |
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 |
CN105796112A (zh) * | 2016-05-11 | 2016-07-27 | 江苏财经职业技术学院 | 老人跌倒检测监护系统 |
CN105796112B (zh) * | 2016-05-11 | 2018-10-30 | 江苏财经职业技术学院 | 老人跌倒检测监护系统 |
CN105943030A (zh) * | 2016-06-02 | 2016-09-21 | 浙江铭众科技有限公司 | 一种用于实现多通道心电图qrs自动划定的智能终端 |
CN105919590B (zh) * | 2016-06-02 | 2017-03-29 | 浙江铭众科技有限公司 | 一种多通道心电图的qrs自动划定方法 |
CN105943030B (zh) * | 2016-06-02 | 2017-03-29 | 浙江铭众科技有限公司 | 一种用于实现多通道心电图qrs自动划定的智能终端 |
CN105919590A (zh) * | 2016-06-02 | 2016-09-07 | 浙江铭众科技有限公司 | 一种多通道心电图的qrs自动划定方法 |
CN108685561A (zh) * | 2017-04-10 | 2018-10-23 | 中国科学院微电子研究所 | 一种信号分析方法及装置 |
CN110085108A (zh) * | 2019-03-08 | 2019-08-02 | 台州学院 | 一种心电信号仿真系统 |
CN110085108B (zh) * | 2019-03-08 | 2021-10-29 | 台州学院 | 一种心电信号仿真系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101947112A (zh) | 心电监护物联网应用层心电信号综合检测算法实现 | |
CN109157202B (zh) | 一种基于多生理信号深度融合的心血管疾病预警系统 | |
CN106214123B (zh) | 一种基于深度学习算法的心电图综合分类方法 | |
CN107103182A (zh) | 一种基于深度学习算法的心脏性疾病风险预警系统及方法 | |
CN104173043B (zh) | 一种适合于移动平台的心电数据分析方法 | |
US7578793B2 (en) | Sleep staging based on cardio-respiratory signals | |
CN109998522A (zh) | 一种基于穿戴式动态心电的运动负荷检测装置及方法 | |
EP2787881B1 (en) | Ventricular fibrillation detection | |
CN103083013B (zh) | 基于形态学与小波变换的心电信号qrs复波检测方法 | |
CN101658425B (zh) | 基于心率变异分析的注意力集中程度的检测装置及方法 | |
CN104736049B (zh) | 用于检测egg波形中的特性的系统和方法 | |
Jin et al. | Predicting cardiovascular disease from real-time electrocardiographic monitoring: An adaptive machine learning approach on a cell phone | |
CN103876733B (zh) | 用于心肺系统相位同步分析的系统和方法 | |
Chung et al. | A fusion health monitoring using ECG and accelerometer sensors for elderly persons at home | |
CN110916647A (zh) | 面向多场景的可穿戴心电监测与心律失常远程实时诊断装置 | |
CN102626310A (zh) | 基于提升小波变换和改进近似包络的心电特征检测算法 | |
CN106889981B (zh) | 一种用于提取胎儿心率的智能终端 | |
CN101427920B (zh) | 母婴无线监测服系统 | |
CN102129509B (zh) | 心电监护与反向传播神经网络的冠心病自诊断系统 | |
CN114376564A (zh) | 一种基于心冲击信号的睡眠分期方法、系统、装置及介质 | |
CN101422362A (zh) | 具有运动伪差消除功能的无线心电监护系统 | |
CN107530015B (zh) | 一种生命体征分析方法与系统 | |
CN110236508A (zh) | 一种无创血压连续监测方法 | |
DE102016015217A1 (de) | System und Verfahren zur Herzfrequezüberwachung eines Objekts | |
CN105956372A (zh) | 一种远程多传感器监护的医疗系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110119 |