CN102028460B - 心室纤颤信号序列自动检测系统 - Google Patents

心室纤颤信号序列自动检测系统 Download PDF

Info

Publication number
CN102028460B
CN102028460B CN201110000354.2A CN201110000354A CN102028460B CN 102028460 B CN102028460 B CN 102028460B CN 201110000354 A CN201110000354 A CN 201110000354A CN 102028460 B CN102028460 B CN 102028460B
Authority
CN
China
Prior art keywords
network
subgraph
module
electrocardiosignal
ventricular fibrillation
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.)
Active
Application number
CN201110000354.2A
Other languages
English (en)
Other versions
CN102028460A (zh
Inventor
李翔
董昭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fudan University
Original Assignee
Fudan University
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 Fudan University filed Critical Fudan University
Priority to CN201110000354.2A priority Critical patent/CN102028460B/zh
Publication of CN102028460A publication Critical patent/CN102028460A/zh
Application granted granted Critical
Publication of CN102028460B publication Critical patent/CN102028460B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明属于医疗器件技术领域，具体涉及心室纤颤信号序列自动检测系统。该系统由数据采集模块、滤波模块、信号转化模块和网络子图分析模块组成。其中，数据采集模块按照一定的采样率采集点数为n的心电信号数据；滤波模块滤除数字心电信号中的工频干扰、噪声、消除基线漂移；信号转化模块将滤波后的时间长度为t的心电信号转化为网络，网络子图分析模块分析网络的四阶子图。本发明通过这四个模块，有效地自动区分正常心电信号和心室纤颤，能够准确反映出正常心电信号与室颤类信号的特征，具有较高的灵敏度，特异性和准确度。

Description

心室纤颤信号序列自动检测系统
技术领域
本发明属于医疗器件技术领域，具体涉及心室纤颤信号序列自动检测系统。
背景技术
心脏骤停严重危害了人们的健康，其中88%由心室颤动等恶性心律失常导致。如果这些病人能够得以及时的除颤，有1/3的人能够幸存。除了由医护人员手动除颤外，一些自动除颤设备也在用于心脏复苏。自动除颤设备需要根据心电信号自动分析加以判断是否需要电击。因此，自动除颤设备的室颤检测算法是至关重要的。
目前检测心室纤颤一般采用时域检测法，频域检测法和时-频分析检测法，及相关的动力学分析法等。
本自动识别模块的核心算法是基于网络的角度来分析心电信号，通过映射网络的两种典型四阶子图的大小排序来自动识别心室纤颤，不需要人为设定参数或判定阈值。
发明内容
本发明的目的在于提供一种使用操作方便，识别灵敏度高、特异性好的心室纤颤信号序列自动检测系统。
本发明提出的心室纤颤信号序列自动检测系统，由数据采集模块、滤波模块、信号转化模块和网络子图分析模块组成。本发明通过这四个模块，有效地自动区分正常心电信号和心室纤颤，能够准确反映出正常心电信号与室颤类信号的特征，具有较高的灵敏度，特异性和准确度。各个模块的功能如下：
数据采集模块，按照一定的采样率，采集点数为n的心电信号数据；n根据实际需要确定；
滤波模块，滤除数字心电信号中的工频干扰，噪声，消除基线漂移，具体为：
1、通过50Hz的陷波器去除工频干扰；
2、通过截止频率为1Hz的高通滤波器，滤除基线漂移； 
3、通过截止频率为30Hz的二阶低通巴特沃斯滤波器，滤除肌电干扰；
信号转化模块，将滤波后的时间长度为t的心电信号转化为网络，转化的方法为可视图方法：心电信号中的任意两个数（幅）值                                                
Figure 533123DEST_PATH_IMAGE001
和
Figure 450264DEST_PATH_IMAGE002
，只要数值A与数值B之间所有点
Figure 43050DEST_PATH_IMAGE003
（其中
Figure 438259DEST_PATH_IMAGE004
）满足公式：
Figure 252632DEST_PATH_IMAGE006
，则数值A对应到网络的节点
Figure 137411DEST_PATH_IMAGE007
与数值B在对应到网络的节点
Figure 404444DEST_PATH_IMAGE008
在网络中是相连的。
网络子图分析模块，分析网络的四阶子图，如果子图C的数目（百分比）大于子图A的数目（百分比），则将该网络对应的心电信号视为正常；如果子图Ｃ的数目（百分比）小于子图Ａ的数目（百分比），则将该网络对应的心电信号视为室颤。其中，子图Ｃ由四个节点，三条边组成，呈星型；子图Ａ由四个节点，三条边组成，形状呈链型，见图2所示。
附图说明
图1是本发明的结构示意图。
图2是网络四阶子图A和子图C的图示。
图3是本发明的工作流程图。
具体实施方式  
本发明的提出的心室纤颤识别系统包括，首先通过心电采集模块，获取采样频率为250Hz，时间长度为8s的心电信号；滤波模块，滤除心电信号的工频和肌电干扰，消除基线漂移；信号转换模块，将预处理后的心电信号转化为网络；子图分析模块，分析网络子图A与子图C的数量（百分比），实现对心室纤颤的判定。
本发明工作时执行步骤如下：
A、 通过数据采集模块，获取采样速率为250Hz，时间长度为8s的心电信号。
B、 通过滤波模块，将该心电信号进行滤波，滤波的过程如下：
1、通过50Hz的陷波器去除工频干扰；
2、通过截止频率为1Hz的高通滤波器，滤除基线漂移；
3、通过截止频率为30Hz的二阶低通巴特沃斯滤波器，滤除肌电干扰。该滤波过程为自动除颤器中常规的心电信号预处理。
C、 通过信号转化模块，将预处理过的心电信号转化为网络，转化的方法为可视图方法：心电信号中的任意两个数（幅）值
Figure 413464DEST_PATH_IMAGE001
和
Figure 82343DEST_PATH_IMAGE002
，只要数值A与数值B之间所有点（其中
Figure 892353DEST_PATH_IMAGE004
）满足公式：
Figure 442414DEST_PATH_IMAGE010
，则数值A对应到网络的节点与数值B对应到网络的节点
Figure 28116DEST_PATH_IMAGE012
在网络中是相连的。
D、通过子图分析模块分析网络子图A与子图C的百分比，如果子图C的数目（百分比）大于子图A的数目（百分比），则将该网络对应的心电信号视为正常；如果子图Ｃ的数目（百分比）小于子图Ａ的数目（百分比），则将该网络对应的心电信号视为室颤。其中，子图Ｃ由四个节点，三条边组成，呈星型；子图Ａ由四个节点，三条边组成，形状呈链型。通过该模块判定心室纤颤的发生。
本发明已经对标准数据库MIT的CUDB(Creighton University Ventricular Tachyarrhythmia Database)和VFDB(the MIT-BIH Malignant Ventricular ArrhythmiaDatabase)数据库进行了评测。对正常心电信号和心室纤颤区分能力强，灵敏性，特异性和准确性高。可以运用到如下仪器中：自动除颤仪，监护仪等。

Claims (1)

1.一种心室纤颤信号序列自动检测系统，其特征在于由数据采集模块、滤波模块、信号转化模块和网络子图分析模块组成；各个模块的功能如下：
数据采集模块，按照一定的采样率，采集点数为n的心电信号数据；n根据实际需要确定；
滤波模块，滤除数字心电信号中的工频干扰，噪声，消除基线漂移，具体为：
1）通过50Hz的陷波器去除工频干扰；
2）通过截止频率为1Hz的高通滤波器，滤除基线漂移； 
3）通过截止频率为30Hz的二阶低通巴特沃斯滤波器，滤除肌电干扰；
信号转化模块，将滤波后的时间长度为t的心电信号转化为网络，转化的方法为可视图方法：心电信号中的任意两个数值 
Figure 591580DEST_PATH_IMAGE001
和
Figure 446403DEST_PATH_IMAGE002
，只要数值A与数值B之间所有点
Figure 226140DEST_PATH_IMAGE003
，其中
Figure 306835DEST_PATH_IMAGE004
，满足公式：
Figure 121208DEST_PATH_IMAGE006
，则数值A对应到网络中的节点
Figure 881353DEST_PATH_IMAGE007
与数值B在网络中对应的节点
Figure 335337DEST_PATH_IMAGE008
在网络中是相连的；
网络子图分析模块，分析网络的四阶子图，如果子图C的数目大于子图A的数目，则将该网络对应的心电信号视为正常；如果子图Ｃ的数目小于子图Ａ的数目，则将该网络对应的心电信号视为室颤；其中，子图Ｃ由四个节点、三条边组成，呈星型；子图Ａ由四个节点、三条边组成，形状呈链型。
CN201110000354.2A 2011-01-04 2011-01-04 心室纤颤信号序列自动检测系统 Active CN102028460B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110000354.2A CN102028460B (zh) 2011-01-04 2011-01-04 心室纤颤信号序列自动检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110000354.2A CN102028460B (zh) 2011-01-04 2011-01-04 心室纤颤信号序列自动检测系统

Publications (2)

Publication Number Publication Date
CN102028460A CN102028460A (zh) 2011-04-27
CN102028460B true CN102028460B (zh) 2014-01-08

Family

ID=43882320

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110000354.2A Active CN102028460B (zh) 2011-01-04 2011-01-04 心室纤颤信号序列自动检测系统

Country Status (1)

Country Link
CN (1) CN102028460B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102058407B (zh) * 2011-02-09 2014-03-05 复旦大学 心室纤颤预测方法与装置
CN102386889B (zh) * 2011-09-29 2015-08-19 深圳Tcl新技术有限公司 基线漂移去除方法、装置及中值滤波器
CN102429656A (zh) * 2011-10-21 2012-05-02 上海理工大学 一种超小型室颤检测装置
CN102629301A (zh) * 2012-03-30 2012-08-08 复旦大学 心脏标测信号的网络建模方法
CN106125604A (zh) * 2016-06-28 2016-11-16 东华理工大学 一种心电信号预处理系统
CN106108889B (zh) * 2016-07-20 2019-11-08 杨一平 基于深度学习算法的心电图分类方法
CN106214145B (zh) * 2016-07-20 2019-12-10 杨一平 一种基于深度学习算法的心电图分类方法
CN112842825B (zh) * 2021-02-24 2023-06-09 郑州铁路职业技术学院 一种下肢康复恢复的训练装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1909831A (zh) * 2004-01-21 2007-02-07 心脏网络公司 心脏监视方法
CN1989897A (zh) * 2005-12-29 2007-07-04 深圳迈瑞生物医疗电子股份有限公司 基于复杂度的心室纤颤综合检测方法
CN101652158A (zh) * 2007-04-11 2010-02-17 皇家飞利浦电子股份有限公司 具有利用患者生理数据的cpr通气分析的除颤器

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6922585B2 (en) * 2002-04-05 2005-07-26 Medtronic, Inc. Method and apparatus for predicting recurring ventricular arrhythmias
US7092751B2 (en) * 2003-09-23 2006-08-15 Instrumentarium Corp. Detection of atrial arrhythmia
US8666483B2 (en) * 2007-10-24 2014-03-04 Siemens Medical Solutions Usa, Inc. System for cardiac medical condition detection and characterization
US20100262029A1 (en) * 2009-04-14 2010-10-14 Kelly N Patrick Needle implantable atrial fibrillation monitor and methods for use therewith

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1909831A (zh) * 2004-01-21 2007-02-07 心脏网络公司 心脏监视方法
CN1989897A (zh) * 2005-12-29 2007-07-04 深圳迈瑞生物医疗电子股份有限公司 基于复杂度的心室纤颤综合检测方法
CN101652158A (zh) * 2007-04-11 2010-02-17 皇家飞利浦电子股份有限公司 具有利用患者生理数据的cpr通气分析的除颤器

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
US 7,092,751 B2,2006.08.15,
心室纤颤和心动过速的小波非广度熵分析;王刚等;《哈尔滨工业大学学报》;20080331;第40卷(第3期);第458-461页 *
王刚等.心室纤颤和心动过速的小波非广度熵分析.《哈尔滨工业大学学报》.2008,第40卷(第3期),
短QT综合征多频率室性心动过速和心室颤动的机理与消融治疗;郭成军等;《中国心脏起搏与心电生理杂志》;20051231;第19卷(第1期);第23-28页 *
郭成军等.短QT综合征多频率室性心动过速和心室颤动的机理与消融治疗.《中国心脏起搏与心电生理杂志》.2005,第19卷(第1期),第23-28页.

Also Published As

Publication number Publication date
CN102028460A (zh) 2011-04-27

Similar Documents

Publication Publication Date Title
CN102028460B (zh) 心室纤颤信号序列自动检测系统
CN105496363B (zh) 基于检测睡眠脑电信号对睡眠阶段进行分类的方法
CN106943118A (zh) 一种脑电信号监测处理方法
CN105266800A (zh) 一种基于低信噪比条件下胎儿心电盲分离方法
CN104958064A (zh) 一种可穿戴式动脉硬化检测仪及脉搏波传导速度检测方法
CN107811631A (zh) 心电信号质量评估方法
CN109009087B (zh) 一种心电信号r波的快速检测方法
CN106073800B (zh) 基于绝对差值和提取的动态光谱数据处理方法及其装置
KR101510522B1 (ko) 심전도 신호 분류 시스템
CN114027813A (zh) 一种心率提取方法、装置、设备及介质
JP2020533143A (ja) 電源周波数干渉信号をフィルタリングする制御方法およびシステム
CN112861328B (zh) 一种基于随机响应信号的发电机阻尼评估装置及方法
Bayasi et al. 65-nm ASIC implementation of QRS detector based on Pan and Tompkins algorithm
CN204500675U (zh) 一种便携式心电监护系统
CN106019089A (zh) 一种根据相间信号相关关系特征进行局部放电判别的方法
CN105286852A (zh) 心电信号的检测方法和装置
CN210465590U (zh) 一种变电站高压室设备状态在线监测系统
CN107890347A (zh) 滤除工频干扰信号的控制方法及系统
Figoń et al. ECG signal quality improvement techniques
Wu et al. An improved method for ECG signal feature point detection based on wavelet transform
CN102928691A (zh) 检测电气设备电磁瞬态骚扰信号的系统、方法及其装置
CN103071236B (zh) 一种电击信号检测方法及装置
CN110179456A (zh) 心电噪声识别模型训练及心电噪声检测方法、装置
CN202044265U (zh) 脑电信号采集分析模块
CN103278702B (zh) 提取pace波的智能检测单元、方法及系统

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