CN103549950B - 移动心电监测差分阈值检测改进算法 - Google Patents
移动心电监测差分阈值检测改进算法 Download PDFInfo
- Publication number
- CN103549950B CN103549950B CN201310578487.7A CN201310578487A CN103549950B CN 103549950 B CN103549950 B CN 103549950B CN 201310578487 A CN201310578487 A CN 201310578487A CN 103549950 B CN103549950 B CN 103549950B
- Authority
- CN
- China
- Prior art keywords
- threshold
- value
- max
- ripple
- difference
- 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.)
- Expired - Fee Related
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种移动心电监测差分阈值检测改进算法,对原始ECG心电信号进行去噪处理,采用五点差分处理信号,使信号特征点更加突出,由差分阈值得到的R波切入点,利用一阶差分过零点,精确定位心电信号QRS波群,从而实时计算心率,算法易于实现,并且运算处理快、准确率较高。应用于移动心电监测。无论是MIT-BIH中ArrhythmiaDatabase麻省理工学院BIH心律失常数据库中心电数据还是移动心电监测仪设备采集到的实测数据都可以快速的、精确的计算出心率,为后续分析系统提供有用的相关数据。
Description
技术领域
本发明涉及一种检测技术,特别涉及一种移动心电监测差分阈值检测改进算法。
背景技术
心血管疾病发病率越来越高,已成为目前对人类生命构成最大的危害疾病之一。而心电图是检测、诊断和预防这类疾病的主要有效方法。传统的PC监护仪价格昂贵,体积庞大,不便移动且主要集中在医院,而无法实时监护患者的病情,给病人和医生带来很大不便。针对这些弊端,也随着嵌入式和网络通讯技术的飞速发展,克服传统的移动心电监测仪应运而生,它具有低成本、体积小、可靠性高、操作简单等优点,适用于个人,家庭,中小型医院和社区医疗单位。移动心电监护设备能够快速对动态心电信号进行实时检测和心脏疾病的自动诊断,以便能为用户提供紧急救护、疾病预警、医学咨询和指导等多种服务,必然,选择一种准确快速适用的心率检测算法,意义重大。
目前,心电检测算法繁多,诸如:差分阈值法,模板匹配法,小波变换法和神经网络法等。差分阈值法算法简单,处理速度快,易于工程实现;模板匹配法原理简单,但对高频噪声和基线漂移很敏感;小波变换法具有良好的时频局域化特性,检测准确度高,但计算量较大,不适于实时处理;神经网络法能够实现很好的判别效果,但训练时间较长,实时性差。上述方法各有优缺点,比较起来差分阈值法比较折衷,针对传统差分阈值法中阈值选取固定而产生局限性,提出根据当前信号特点自适应动态设置阈值,采用五点差分处理信号,使信号特征点更加突出,由差分阈值得到的R波切入点,对QRS波群特征进行判定,精确定位Q、R、S各波,进行心率计算。
发明内容
本发明是针对移动心电监测应用、传统差分阈值法中阈值选取固定产生局限性的问题,提出一种移动心电监测差分阈值检测改进算法,基于差分阈值,利用一阶差分过零点,精确定位心电信号 QRS 波群,从而实时计算心率,算法易于实现,并且运算处理快、准确率较高。
本发明的技术方案为:一种移动心电监测差分阈值检测改进算法,具体包括如下步骤:
1)对原始ECG心电信号进行去噪处理:设计滤波器法对采集到的原始ECG信号进行去噪,高通滤波器法去基线漂移,低通滤波器去除工频干扰;
2)QRS波群检测:
A:首先对步骤1)去噪处理后心电信号为 x (n),分别进行五点差分和一阶差分,信号长度为L,可得五点差分信号为y(n)和一阶差分信号为d(n),
y(n)=x(n+2)+x(n+1)-x(n-1)-x(n-2) ,其中,n = 2,3......,L-2
d( n)= x(n+1)-x(n), 其中,n=1,2......,L?1;
B:其次求初始阈值和初始平均幅值阈值:
取步骤1)去噪处理后心电信号x(n)的前6s数据Xi,以2s为单位周期将Xi划分成3段,按五点差分公式作差分运算,然后每一周期段内分别求得,五点差分心电数据的最大正差分值Dmaxi、最小负差分值Dmini和Xi信号的最大幅值Amaxi、最小幅值Amini,然后对五点差分最大Dmaxi、最小值Dmini、Xi信号幅度最大值Amaxi和幅度落差值(Amaxi-Amini)求算术平均值,依次得到初始阈值DDmax、DDmin、AAmax和初始平均幅值阈值TH,阈值可以表示为如下式子:
其中;;;;;每个单位周期的阈值由初始阈值及当前段最大、最小差分和最大幅值来共同决定,th为阈值参数;
C:更新阈值:初始阈值检测到的6s数据的R波后,采用滑动平均法来修正检测阈值,取每2s为动态阈值调整范围,最新阈值由当前段阈值和初始阈值共同决定,新的阈值为:
;
D:用五点差分信号y(n)进行R波检测:当满足当前差分值大于正差分阈值DDmax,下一点差分值也大于正差分阈值DDmax,并且当前幅值大于幅度阈值Aamax,以此点为起始点作160ms的窗口,如果窗口内存在其差分值小于负差分阈值DDmin的点,则找出窗口内最大峰值点,作为R波峰值点,随后每分段周期内阈值按步骤B和C中阈值计算和更新公式进行修改,以新的阈值继续检测初始R波,其中跳过临床心电生理学医学原理上的不应期检测,即R波后200ms内不需检测;
E:初步检测到R波后,由五点差分确定QRS波群入口点,以每一个R波峰值点为中心,分别向前向后寻找Q点和S点,R 波与其对应的 Q、S 波的位置关系为:如果 R波在一阶差分信号d(n)中为 QRS 波群所对应的向下过零点,即其值为负,则 Q 波应为 R波所在位置前面的第一个向上过零点,即其值为正;S 波为 R 波所在位置后面的第一个向上过零点,即其值为正;向前向后求一阶差分过零点以及初始平均幅值阈值判断条件来精确定位心电信号QRS波群,完成QRS波群检测检测。
本发明的有益效果在于:本发明移动心电监测差分阈值检测改进算法,应用于移动心电监测。无论是MIT-BIH中Arrhythmia Database麻省理工学院BIH心律失常数据库中心电数据还是移动心电监测仪设备采集到的实测数据都可以快速的、精确的计算出心率,为后续分析系统提供有用的相关数据。
附图说明
图1为本发明移动心电监测差分阈值检测改进算法检测流程图;
图2为本发明移动心电监测差分阈值检测改进算法差分运算中的一种五点差分前后时域图;
图3为本发明移动心电监测差分阈值检测改进算法中预处理后的信号图。
具体实施方式
一种移动心电监测差分阈值检测改进算法,如图1所示检测流程图,包括如下步骤:
一、原始ECG心电信号的去噪:
采取设计滤波器法对采集到的原始ECG信号进行去噪,即设计高通滤波器法去基线漂移,使用低通滤波器去除工频干扰。即这些采用设计滤波器法得到的ECG信号均基于下述假设:
a)由体表电极检测到的 ECG信号中含有七种不同类型的干扰, 即工频干扰﹑基线漂移﹑电极接触噪声、电极极化噪声、肌电干扰、放大电路内部噪声和运动伪迹, 其中 50 Hz 及其倍频附近的工频干扰和 1 Hz 以下的基线漂移是两个最主要的干扰源。
b)心电信号处理,对线性相位严格要求,有限精度运算中的稳定性要有所保障,运算误差引起的输出信号噪声功率也是越小越好,运算速度要快,基于此我们选择FIR滤波器会更适合。基于滤波器设计要求,即阻带衰减及过渡带的指标要求,本发明设计的是凯塞尔窗,采用窗函数法设计技术,设计滤波器。在这样的假设下,我们得到了相对干净的ECG信号。
二、QRS波群检测:
设预处理后心电信号为 x (n),信号长度为L,对 x (n)求五点差分和一阶差分。
五点差分:y(n)=x(n+2)+x(n+1)-x(n-1)-x(n-2) (1)
其中,n = 2,3......,L-2
一阶差分:d( n)= x(n+1)-x(n) (2)
其中,n=1,2......,L?1
对预处理后的信号x (n)进行两次差分处理分别运算,由公式(1)可得,五点差分信号为y(n)。其五点差分前后时域图可见图2所示。由公式(2)可得,一阶差分信号为d(n)。建立y(n)中奇异点与d(n)信号之间的对应关系。
取预处理后心电信号x(n)的前6s数据Xi,以2s为单位周期将Xi划分成3段,按式(1)作差分运算,然后每一周期段内分别求得,五点差分心电数据的最大正差分值Dmaxi、最小负差分值Dmini和Xi信号的最大幅值Amaxi、最小幅值Amini。对五点差分最大Dmaxi、最小值Dmini、Xi信号幅度最大值Amaxi和幅度落差值(Amaxi-Amini)求算术平均值,依次得到初始阈值DDmax、DDmin、AAmax和初始平均幅值阈值TH。这些阈值可以表示为如下式子:
(3)
其中;;;;;每个单位周期的阈值由初始阈值及当前段最大、最小差分和最大幅值来共同决定,th为阈值参数,根据心电信号R波大小而异,为适应R波峰值小的情况可自由设置,其值取以2底的指数为宜。 用初始阈值检测到的6s数据的R波后,采用滑动平均法来修正检测阈值。我们对数据进行处理,取每2s为动态阈值调整范围。最新阈值由当前段阈值和初始阈值共同决定。新的阈值更新形式为:
(4)
得到检测阈值后,对信号y(n)进行R波检测,当满足当前差分值大于正差分阈值DDmax,下一点差分值也大于正差分阈值DDmax,并且当前幅值大于幅度阈值AAmax。以此点为起始点作160ms的窗口,如果窗口内存在其差分值小于负差分阈值DDmin的点,则找出窗口内最大峰值点,作为R波峰值点。随后每分段周期内阈值按(3)和(4)式进行修改,以新的阈值继续检测初始R波。根据临床心电生理学医学原理上的“不应期”原理,确定在R波后200ms内不会再次出现R波,所以可以跳过不应期检测。初步检测到R波后,建立y(n)中奇异点与d(n)信号之间的对应关系,由五点差分确定QRS波群(QRS是心室除极波,在心电图上,P波后第一个向下的波形叫Q波,第一个向上的波形为R波,R波后第一个向下的波形为S波,由于三者是相连的,统称为QRS波群)入口点,可以以每一个R波峰值点为中心,分别向前向后寻找Q点和S点。在前面我们提到,由公式(2)我们可得到一阶差分信号为d(n)。在 ECG 的信号d(n)中,R 波与其对应的 Q、S 波的位置关系为:如果 R波在信号d(n)中为 QRS 波群所对应的向下过零点(其值为负),则 Q 波应为 R波所在位置前面的第一个向上过零点(其值为正);S 波为 R 波所在位置后面的第一个向上过零点(其值为正)。向前向后求一阶差分过零点以及初始平均幅值阈值判断条件来精确定位心电信号QRS波群。下一步工作就是直接计算心率。
采用多组来自 MIT-BIH提供的心电数据和一些临床实测多组心电数据,我们首先将采集到的原始ECG信号进行预处理,然后采用移动心电监测差分阈值检测改进算法对其进行检测。
根据 MIT-BIH库提供的 R波波峰点,我们把检测结果与其QRS 波群的起止点所在的位置进行了对比,结果表明该方法可以准确定位 R 峰所在位置及Q、S波。表1中分别列出了MIT-BIH 库中 QT 数据库信号检测结果。表1中,A表示:房性早搏;/ 表示:延迟起跳;L表示:左束支传导阻滞;a表示:异常房性早搏;V 表示:室性早搏;F 表示:心室融合心跳;N 表示:正常;R 表示:右束支传导阻滞。表2为移动心电监测临床实测心电信号检测效果。根据此方法找到的QRS波群,可以实时计算出心率值。
表 1
MIT-BIH数据记录号 | 信号特征 | 误检率 | 漏检率 | 准确率 |
100 | A | 0 | 0 | 100% |
107 | / | 0 | 0 | 100% |
108 | V | 1 | 3 | 96% |
111 | L | 0 | 0 | 100% |
119 | VV | 0 | 0 | 100% |
122 | N | 0 | 0 | 100% |
201 | a | 1 | 0 | 100% |
208 | FV | 1 | 1 | 99% |
212 | R | 0 | 0 | 100% |
221 | V | 0 | 0 | 100% |
234 | N | 0 | 0 | 100% |
表2
移动心电监测仪文件名 | 目测QRS波群数 | 多检数 | 漏检数 | 错检数 | 准确率 |
201306261321 | 1992 | 4 | 1 | 2 | 99.65% |
201306261407 | 1878 | 1 | 5 | 2 | 99.37% |
201306281533 | 1893 | 0 | 2 | 1 | 99.84% |
201306281607 | 1589 | 0 | 1 | 2 | 99.81% |
201307011007 | 1678 | 3 | 2 | 3 | 99.53% |
201307011110 | 1788 | 1 | 2 | 2 | 99.72% |
201307051310 | 1684 | 0 | 0 | 3 | 99.83% |
201307051443 | 1774 | 3 | 1 | 1 | 99.72% |
201307101002 | 1678 | 0 | 1 | 3 | 99.77% |
201307101120 | 1567 | 0 | 0 | 0 | 100% |
对测试结果进行数据处理,首先对ECG原始数据进行设计滤波器法去除噪声,去除噪声后的ECG信号如图3所示,由图3可见预处理后的ECG信号效果较好,我们再运用提出的算法对数据库数据以及实测ECG所有波群进行检测,大量测试结果表明,我们实现的波群检测有很高的正确性。
Claims (1)
1.一种移动心电监测差分阈值检测改进算法,其特征在于,具体包括如下步骤:
1)对原始ECG心电信号进行去噪处理:设计滤波器法对采集到的原始ECG信号进行去噪,高通滤波器法去基线漂移,低通滤波器去除工频干扰;
2)QRS波群检测:
A:首先对步骤1)去噪处理后心电信号为x(n),分别进行五点差分和一阶差分,信号长度为L,可得五点差分信号为y(n)和一阶差分信号为d(n),
y(n)=x(n+2)+x(n+1)-x(n-1)-x(n-2),其中,n=2,3......,L-2
d(n)=x(n+1)-x(n),其中,n=1,2......,L-1;
B:其次求初始阈值和初始平均幅值阈值:
取步骤1)去噪处理后心电信号x(n)的前6s数据Xi,以2s为单位周期将Xi划分成3段,按五点差分公式作差分运算,然后每一周期段内分别求得,五点差分心电数据的最大正差分值Dmaxi、最小负差分值Dmini和Xi信号的最大幅值Amaxi、最小幅值Amini,然后对五点差分最大Dmaxi、最小值Dmini、Xi信号幅度最大值Amaxi和幅度落差值(Amaxi-Amini)求算术平均值,依次得到初始阈值DDmax、DDmin、AAmax和初始平均幅值阈值TH,阈值可以表示为如下式子:
其中Dmaxi=max(Y[k]);Dmini=min(Y[k]);Amaxi=max(X[k]);Amini=min(X[k]);
Y[k]=X[k+2]+X[k+1]-X[k-1]-X[k-2];每个单位周期的阈值由初始阈值及当前段最大、最小差分和最大幅值来共同决定,th为阈值参数;
C:更新阈值:初始阈值检测到的6s数据的R波后,采用滑动平均法来修正检测阈值,取每2s为动态阈值调整范围,最新阈值由当前段阈值和初始阈值共同决定,新的阈值为:
D:用五点差分信号y(n)进行R波检测:当满足当前差分值大于正差分阈值DDmax,下一点差分值也大于正差分阈值DDmax,并且当前幅值大于幅度阈值AAmax,以此点为起始点作160ms的窗口,如果窗口内存在其差分值小于负差分阈值DDmin的点,则找出窗口内最大峰值点,作为R波峰值点,随后每分段周期内阈值按步骤B和C中阈值计算和更新公式进行修改,以新的阈值继续检测初始R波,其中跳过临床心电生理学医学原理上的不应期检测,即R波后200ms内不需检测;
E:初步检测到R波后,由五点差分确定QRS波群入口点,以每一个R波峰值点为中心,分别向前向后寻找Q点和S点,R波与其对应的Q、S波的位置关系为:如果R波在一阶差分信号d(n)中为QRS波群所对应的向下过零点,即其值为负,则Q波应为R波所在位置前面的第一个向上过零点,即其值为正;S波为R波所在位置后面的第一个向上过零点,即其值为正;向前向后求一阶差分过零点以及初始平均幅值阈值判断条件来精确定位心电信号QRS波群,完成QRS波群检测检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310578487.7A CN103549950B (zh) | 2013-11-19 | 2013-11-19 | 移动心电监测差分阈值检测改进算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310578487.7A CN103549950B (zh) | 2013-11-19 | 2013-11-19 | 移动心电监测差分阈值检测改进算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103549950A CN103549950A (zh) | 2014-02-05 |
CN103549950B true CN103549950B (zh) | 2015-04-01 |
Family
ID=50004446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310578487.7A Expired - Fee Related CN103549950B (zh) | 2013-11-19 | 2013-11-19 | 移动心电监测差分阈值检测改进算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103549950B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106974617A (zh) * | 2016-01-19 | 2017-07-25 | 深圳市卡迪赛克科技有限公司 | 一种高效准确的信号预处理方法及信号波峰检测方法 |
CN107788969A (zh) * | 2017-09-29 | 2018-03-13 | 成都瑞迪康医疗科技有限公司 | 一种心电信号中qrs波群的自动检测方法 |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014205503A1 (de) | 2014-03-25 | 2015-10-01 | Hamm Ag | Verfahren zur Korrektur eines Messwerteverlaufs durch das Eliminieren periodisch auftretender Messartefakte, insbesondere bei einem Bodenverdichter |
CN104000578A (zh) * | 2014-06-11 | 2014-08-27 | 复旦大学 | 用于心电信号qrs波实时检测的asic芯片 |
CN104000581B (zh) * | 2014-06-25 | 2015-12-30 | 飞依诺科技(苏州)有限公司 | 心电信号处理方法及装置 |
CN104720794B (zh) * | 2015-04-13 | 2017-02-22 | 康泰医学系统(秦皇岛)股份有限公司 | 一种叠加检测心电波形r点的方法 |
CN104983415B (zh) * | 2015-06-25 | 2017-12-15 | 石家庄翰纬医疗设备有限公司 | 心拍识别的方法及装置 |
CN105125199B (zh) * | 2015-07-29 | 2017-12-26 | 北京医康世纪科技有限公司 | 一种心率检测方法与装置 |
CN105286857A (zh) * | 2015-09-29 | 2016-02-03 | 北京航空航天大学 | 一种可适应心电波形病理变化的r波快速检测方法 |
CN106580299A (zh) * | 2015-10-14 | 2017-04-26 | 冯文强 | 一种用于心率测量的信号处理方法、装置及智能手表 |
CN105488772B (zh) * | 2016-01-26 | 2021-02-02 | 北京市环境保护监测中心 | 一种传感器信号峰值检测方法 |
CN105662375B (zh) * | 2016-03-17 | 2019-01-29 | 广州中科新知科技有限公司 | 非接触式检测生命体征信号的方法和装置 |
CN105877741B (zh) * | 2016-05-19 | 2018-11-30 | 中南大学 | 一种便携式手握心电监护仪及qrs波检测方法 |
CN106361325B (zh) * | 2016-08-30 | 2019-03-01 | 任勇 | 一种便携式心电仪所测单导联心电图的筛查识别系统 |
CN107495960A (zh) * | 2017-01-19 | 2017-12-22 | 山东医联万家健康科技有限公司 | 一种实时心电信号监测处理方法 |
CN107041743B (zh) * | 2017-04-05 | 2020-03-24 | 张丽敏 | 一种心电信号实时r波检测方法 |
CN107273827B (zh) * | 2017-05-31 | 2020-01-07 | 江苏斯坦德利医疗科技有限公司 | 一种心电信号r波检测方法及装置 |
CN107679500A (zh) * | 2017-10-12 | 2018-02-09 | 北京海思敏医疗技术有限公司 | 心电波形中遗漏波形的检索方法、存储介质和电子设备 |
CN107569227A (zh) * | 2017-10-26 | 2018-01-12 | 太仓市同维电子有限公司 | 一种运动状态下心率的处理方法和监测装置 |
US11138770B2 (en) | 2017-11-06 | 2021-10-05 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for medical imaging |
CN107647864B (zh) * | 2017-11-06 | 2024-04-26 | 上海联影医疗科技股份有限公司 | 一种心电信号分析方法及成像方法 |
CN109745026A (zh) * | 2017-11-07 | 2019-05-14 | 深圳欧德蒙科技有限公司 | 一种心率测量方法和系统 |
CN108354597A (zh) * | 2018-01-31 | 2018-08-03 | 南京邮电大学 | 一种基于最优波提取的快速血压计算方法 |
CN108460350B (zh) * | 2018-02-25 | 2021-10-08 | 柏塔科技(深圳)有限公司 | 一种自学习ecg qrs波检测装置及其自学习方法 |
CN108697348A (zh) * | 2018-03-16 | 2018-10-23 | 深圳和而泰数据资源与云技术有限公司 | 一种生理信息监测方法及生理信息监测垫、一种床垫 |
CN109009071A (zh) * | 2018-07-11 | 2018-12-18 | 上海夏先机电科技发展有限公司 | 一种识别心电波图像特征点的方法和装置 |
CN110840434B (zh) * | 2018-08-21 | 2022-06-21 | 中南大学 | 一种基于分立元件与微处理器的低功耗蓝牙心电监测系统 |
CN110215202A (zh) * | 2019-05-14 | 2019-09-10 | 杭州电子科技大学 | 基于步态非线性特征的心电rr间隔预测关联方法 |
CN110680302B (zh) * | 2019-08-30 | 2021-09-10 | 西北大学 | 一种心电信号特征波的自动识别方法 |
CN110742599B (zh) * | 2019-11-01 | 2022-05-10 | 广东工业大学 | 一种心电信号特征提取分类方法及系统 |
FR3104022A1 (fr) * | 2019-12-04 | 2021-06-11 | Sorin Crm Sas | Procédé et dispositif pour traiter un signal cardiaque |
CN111046836B (zh) * | 2019-12-24 | 2023-04-18 | 杭州电力设备制造有限公司 | 局放信号的滤波去噪及分析方法、系统、设备及存储介质 |
CN111493852A (zh) * | 2020-03-16 | 2020-08-07 | 浙江好络维医疗技术有限公司 | 一种基于modwt的动态心电图实时心率估算方法 |
CN111513706B (zh) * | 2020-04-20 | 2022-09-27 | 重庆邮电大学 | 一种针对含有异常r波的心电信号的检测方法和装置 |
CN113558631A (zh) * | 2020-04-26 | 2021-10-29 | 四川锦江电子科技有限公司 | 一种心电信号自适应的r波实时检测方法及系统 |
CN114027853B (zh) * | 2021-12-16 | 2022-09-27 | 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 |
CN114521901B (zh) * | 2021-12-28 | 2024-03-19 | 宁波慈溪生物医学工程研究所 | 一种心电特征提取方法、装置及存储介质 |
CN114469127B (zh) * | 2022-03-28 | 2022-07-29 | 电子科技大学 | 一种基于心拍差分编码的心电信号人工智能处理电路 |
CN116407132B (zh) * | 2023-04-17 | 2024-05-14 | 曦成半导体技术(上海)有限公司 | 一种r波定位方法及基于r波的q、s、t波定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4754762A (en) * | 1985-08-13 | 1988-07-05 | Stuchl Ronald J | EKG monitoring system |
CN101799974A (zh) * | 2010-03-12 | 2010-08-11 | 上海交通大学 | 基于自适应码本的心电信号传输方法 |
CN101841928A (zh) * | 2009-03-17 | 2010-09-22 | 付汀 | 一种多跳无线体域网环境中基于自适应码本的心电信号传输方法 |
-
2013
- 2013-11-19 CN CN201310578487.7A patent/CN103549950B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4754762A (en) * | 1985-08-13 | 1988-07-05 | Stuchl Ronald J | EKG monitoring system |
CN101841928A (zh) * | 2009-03-17 | 2010-09-22 | 付汀 | 一种多跳无线体域网环境中基于自适应码本的心电信号传输方法 |
CN101799974A (zh) * | 2010-03-12 | 2010-08-11 | 上海交通大学 | 基于自适应码本的心电信号传输方法 |
Non-Patent Citations (4)
Title |
---|
《基于差分方法的QRS波检测》;陈迪虎;《生物医学工程学杂志》;20080630;第25卷(第3期);502-505 * |
《心电信号中QRS波群的实时检测算法》;王博亮;《航天医学与医学工程》;19950331;第8卷(第1期);23-26 * |
《心电自动分析系统》;王鸿鹏;《北京生物医学工程》;20070831;第26卷(第4期);386-394 * |
《远程无线心电监护仪的心电数据处理机制》;万里 等;《计算机工程》;20100831;第36卷(第15期);291-293 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106974617A (zh) * | 2016-01-19 | 2017-07-25 | 深圳市卡迪赛克科技有限公司 | 一种高效准确的信号预处理方法及信号波峰检测方法 |
CN107788969A (zh) * | 2017-09-29 | 2018-03-13 | 成都瑞迪康医疗科技有限公司 | 一种心电信号中qrs波群的自动检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103549950A (zh) | 2014-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103549950B (zh) | 移动心电监测差分阈值检测改进算法 | |
Kathirvel et al. | An efficient R-peak detection based on new nonlinear transformation and first-order Gaussian differentiator | |
Wang et al. | A robust signal preprocessing framework for wrist pulse analysis | |
WO2019161609A1 (zh) | 多参数监护数据分析方法和多参数监护仪 | |
CN104173043A (zh) | 一种适合于移动平台的心电数据分析方法 | |
Rahul et al. | Dynamic thresholding based efficient QRS complex detection with low computational overhead | |
CN107622259B (zh) | 一种t波检测方法、心电数据分析方法及装置 | |
Chen et al. | A novel method based on Adaptive Periodic Segment Matrix and Singular Value Decomposition for removing EMG artifact in ECG signal | |
CN109938719B (zh) | 一种基于生理参数的驾驶员疲劳检测方法 | |
CN101919704A (zh) | 一种心音信号定位、分段方法 | |
CN110327032A (zh) | 一种单导心电信号pqrst波联合精准识别算法 | |
Suboh et al. | ECG-based detection and prediction models of sudden cardiac death: Current performances and new perspectives on signal processing techniques | |
WO2018023697A1 (zh) | 一种胎儿心电分离方法及装置 | |
Haleem et al. | A deep learning based ECG segmentation tool for detection of ECG beat parameters | |
Pang et al. | Advanced EMD method using variance characterization for PPG with motion artifact | |
Manikandan et al. | Automatic SWT based QRS detection using weighted subbands and Shannon energy peak amplification for ECG signal analysis devices | |
Pan et al. | Detection of ECG characteristic points using biorthogonal spline wavelet | |
Barmase et al. | Wavelet transform-based analysis of QRS complex in ECG signals | |
Hussein et al. | Detection of electrocardiogram QRS complex based on modified adaptive threshold | |
Jang et al. | A simple and robust method for determining the quality of cardiovascular signals using the signal similarity | |
Zhou et al. | Embedded real-time QRS detection algorithm for pervasive cardiac care system | |
CN115590524A (zh) | 基于卷积神经网络的qt间期延长识别方法及系统 | |
Wang et al. | Heart action monitoring from pulse signals using a growing hybrid polynomial network | |
Negi et al. | Development of a real-time breathing-rate monitor using difference operation method and adaptive windowing on dry-electrode ECG signal | |
Sabherwal et al. | Fusion algorithm for accurate delineation of QRS complex in ECG signal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150401 Termination date: 20171119 |
|
CF01 | Termination of patent right due to non-payment of annual fee |