CN103610457A - 一种心电信号的处理方法及系统 - Google Patents

Abstract

本发明适用于数据处理技术领域，提供了一种心电信号的处理方法及系统，该方法包括：采集心电信号；对采集的心电信号进行预处理；将预处理后的心电信号分解为单周期心电信号组，并对所述单周期心电信号组中的每个单周期心电信号进行归一化处理；对归一化处理后的单周期心电信号进行多项式拟合，获取拟合参数；根据所述拟合参数，通过预先建立的分类模型对所述心电信号进行分类识别，获得识别结果。本发明采用多项式拟和参数作为心电信号分类的特征向量具有更好的鲁棒性，而且通过对单周期心电信号进行归一化处理可有效解决心电信号基线漂移以及心率变化带来的误差。

Description

一种心电信号的处理方法及系统

技术领域

本发明属于数据处理技术领域，尤其涉及一种心电信号的处理方法及系统。

背景技术

心电信号是人体重要的生物电信号之一，从不同层面上反映了心脏的工作状态和可靠的内部特征信息，通过对心电信号的分类识别，可方便对心脏疾病快速作出诊断。

现有对于心电信号的分类识别主要采用人工神经网络方法。人工神经网络方法需要通过模仿人脑学习过程建立相应的数学模型对心电信号进行分类识别，复杂度较高，且鲁棒性较低。

发明内容

本发明实施例在于提供一种心电信号的处理方法，以解决现有基于人工神经网络的心电信号分类识别技术复杂度较高且鲁棒性较低的问题。

本发明实施例的第一方面，提供一种心电信号的处理方法，所述方法包括：

采集心电信号；

对采集的心电信号进行预处理；

将预处理后的心电信号分解为单周期心电信号组，并对所述单周期心电信号组中的每个单周期心电信号进行归一化处理；

对归一化处理后的单周期心电信号进行多项式拟合，获取拟合参数；

根据所述拟合参数，通过预习建立的分类模型对所述心电信号进行分类识别，获得识别结果。

本发明实施例的第二方面，提供一种心电信号的处理系统，所述系统包括：

信息采集单元，用于采集心电信号；

预处理单元，用于对采集的心电信号进行预处理；

归一化处理单元，用于将预处理后的心电信号分解为单周期心电信号组，并对所述单周期心电信号组中的每个单周期心电信号进行归一化处理；

拟合单元，用于对归一化处理后的单周期心电信号进行多项式拟合，获取拟合参数；

分类识别单元，用于根据所述拟合参数，通过预习建立的分类模型对所述心电信号进行分类识别，获得识别结果。

本发明实施例与现有技术相比存在的有益效果是：1)采用多项式拟和参数作为心电信号分类的特征向量具有更好的鲁棒性；2）通过对单周期心电信号进行归一化处理可有效解决心电信号基线漂移以及心率变化带来的误差；3）实现简单，对硬件要求较低，从而有利于降低产品成本；4）可使用家庭式便捷设备采集心电数据，不再局限于现有的心电数据只能由医院使用的标准十二导联心电采集设备采集，真正实现“在家就医”。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明第一实施例提供的心电信号处理方法的实现流程图；

图2是本发明第一实施例提供的R波检测结果的示例图；

图3是本发明第一实施例提供的拟合结果的示例图；

图4是本发明第一实施例提供的心电信号分类识别的示意图；

图5是本发明第二实施例提供的心电信号处理系统的组成结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

图1示出了第一实施例提供的心电信号处理方法的实现流程，该方法过程详述如下：

在步骤S101中，采集心电信号。

优选的是，采集单导联心电信号，可采集不同对象、不同时间段的心电信号。本实施例使用单导联心电信号作为数据源，避免了对十二导联心电信号进行采集的繁琐。而且由于只需要采集单导联心电信号，从而可使用家庭式便捷设备采集，不再局限于现有的心电数据只能由医院使用的标准十二导联心电采集设备采集，扩大了应用范围，具有更强的易用性和实用性。

在步骤S102中，对采集的心电信号进行预处理。

具体的是，对采集的心电信号采用带通滤波器（优选0.5-45Hz的巴特沃夫带通滤波器）进行去噪处理以及采用频域变化算法（优选小波变换算法）进行去基线漂移处理。

在步骤S103中，将预处理后的心电信号分解为单周期心电信号组，并对所述单周期心电信号组中的每个单周期心电信号进行归一化处理。

具体的是，获取预处理后的心电信号，确定该心电信号的R波波峰点；

以所述R波波峰点为分界线，将该心电信号分解为单周期心电信号组（区别于医用心电信号从P波，R波到T波的周期分割方法）；

对所述单周期心电信号组中的每个单周期心电信号同时在横轴（时间轴）和纵轴（电压数据轴）上进行归一化处理，并在时域上进行重采样，以使得在同一心电信号处理系统中采用统一的采样频率。

本实施例通过对单周期心电信号的横轴及纵轴的归一化处理可有效解决基线漂移以及心率变化带来的误差。

其中，所述对所述单周期心电信号组中的每个单周期心电信号同时在时间轴和电压数据轴上进行归一化处理进一步包括：

对所述单周期心电信号组中的每个单周期心电信号同时在时间轴和电压数据轴上进行范围为[0,1]的归一化处理，并在时间轴上进行三次样条插值处理，插值间隔为[0:0.01:1]。

进一步的，本实施例确定该心电信号的R波波峰点还包括：

通过So and Chan QRS波检测算法、差分阈值法或小波变换法检测该心电信号的R波：

在检测到R波时，将所述R波中峰值大于或等于第一预设阈值的波峰作为初始波峰；

将所述初始波峰中峰值大于或等于第二预设阈值，且峰值时间间隔大于或等于第三预设阈值的波峰作为R波波峰点，检测结果如图2所示。

本实施例首先采用较为宽松的第一预设阈值初步确定R波的波峰，然后再通过第二预设阈值和第三预设阈值来获得最终的R波波峰点。通过对R波波峰检测的改进，可有效避免R波波峰的漏检，而且可使得检测到的R波波峰更准确、更能满足实际需求。

在步骤S104中，对归一化处理后的单周期心电信号进行多项式拟合，获取拟合参数，将所述拟合参数作为心电信号分类的特征向量。

示例性的，可以将所述单周期心电信号平均划分成两段，然后分别对每段进行多项式拟合，获取拟合参数，如图3所示，由于是归一化处理之后的结果，所以横坐标和纵坐标表示的是“归一化”之后时间值（横坐标）和心电电压值（纵坐标）在0-1之间的数值。

在步骤S105中，根据所述拟合参数，通过预先建立的分类模型对所述心电信号进行分类识别，获得识别结果。

如图4所示，上部分数据为训练数据，下部分数据为测试数据。本实施例通过所述训练数据建立分类模型，将测试数据中获得的拟合参数输入所述分类模型，获得识别结果。

本实施例选取实验样本101例（健康样本51例，心肌梗塞50例），采用上述方式获得的分类结果（在分类中采用了三倍交叉验证）如表1所示：

本发明实施例与现有技术相比存在的有益效果是：1)采用多项式拟和参数作为心电信号分类的特征向量具有更好的鲁棒性；2）通过对单周期心电信号进行归一化处理可有效解决心电信号基线漂移以及心率变化带来的误差；3）实现简单，对硬件要求较低，从而有利于降低产品成本；4）可使用家庭式便捷设备采集心电数据，不再局限于现有的心电数据只能由医院使用的标准十二导联心电采集设备采集，真正实现“在家就医”；5）采用单导联心电信号作为数据源，避免了对十二导联心电信号进行采集的繁琐。

实施例二：

图5示出了本发明第二实施例提供的心电信号处理系统的组成结构，为了便于说明，仅示出了与本发明实施例相关的部分。

该心电信号处理系统可应用于各种数据处理终端，例如口袋计算机（PocketPersonal Computer，PPC）、掌上电脑、计算机、笔记本电脑、个人数字助理（Personal Digital Assistant，PDA）等，可以是运行于这些终端内的软件单元、硬件单元或者软硬件相结合的单元，也可以作为独立的挂件集成到这些终端中或者运行于这些终端的应用系统中。

该心电信号处理系统包括信息采集单元51、预处理单元52、归一化处理单元53、拟合单元54以及分类识别单元55。其中，各单元的具体功能如下：

信息采集单元51，用于采集心电信号；

预处理单元52，用于对采集的心电信号进行预处理；

归一化处理单元53，用于将预处理后的心电信号分解为单周期心电信号组，并对所述单周期心电信号组中的每个单周期心电信号进行归一化处理；

拟合单元54，用于对归一化处理后的单周期心电信号进行多项式拟合，获取拟合参数；

分类识别单元55，用于根据所述拟合参数，通过预习建立的分类模型对所述心电信号进行分类识别，获得识别结果。

进一步的，所述预处理单元52具体用于：

对采集的心电信号采用带通滤波器进行去噪处理以及采用频域变化算法进行去基线漂移处理。

进一步的，所述归一化处理单元53包括：

波峰点确定模块531，用于获取预处理后的心电信号，确定该心电信号的R波波峰点；

分解模块532，用于以所述R波波峰点为分界线，将该心电信号分解为单周期心电信号组；

归一化处理模块533，用于对所述单周期心电信号组中的每个单周期心电信号同时在时间轴和电压数据轴上进行归一化处理，并在时域上进行重采样。

进一步的，所述归一化处理模块533具体用于：

对所述单周期心电信号组中的每个单周期心电信号同时在时间轴和电压数据轴上进行范围为[0,1]的归一化处理，并在时间轴上进行三次样条插值处理，插值间隔为[0:0.01:1]。

进一步的，所述波峰点确定模块531具体用于：

通过差分阈值法或小波变换法检测该心电信号的R波：

在检测到R波时，将所述R波中峰值大于或等于第一预设阈值的波峰作为初始波峰；

将所述初始波峰中峰值大于或等于第二预设阈值，且峰值时间间隔大于或等于第三预设阈值的波峰作为R波波峰点。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元或模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元或模块既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例的对应过程，在此不再赘述。

综上所述，本发明实施例与现有技术相比存在的有益效果是：1)采用多项式拟和参数作为心电信号分类的特征向量具有更好的鲁棒性；2）通过对单周期心电信号进行归一化处理可有效解决心电信号基线漂移以及心率变化带来的误差；3）实现简单，对硬件要求较低，从而有利于降低产品成本；4）可使用家庭式便捷设备采集心电数据，不再局限于现有的心电数据只能由医院使用的标准十二导联心电采集设备采集，真正实现“在家就医”；5）采用单导联心电信号作为数据源，避免了对十二导联心电信号进行采集的繁琐。本发明实施例具有较强的易用性和实用性。

本领域普通技术人员还可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以在存储于一计算机可读取存储介质中，所述的存储介质，包括ROM/RAM、磁盘、光盘等。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明由所提交的权利要求书确定的专利保护范围。

Claims (10)

1.一种心电信号的处理方法，其特征在于，所述方法包括：

采集心电信号；

对采集的心电信号进行预处理；

将预处理后的心电信号分解为单周期心电信号组，并对所述单周期心电信号组中的每个单周期心电信号进行归一化处理；

对归一化处理后的单周期心电信号进行多项式拟合，获取拟合参数；

根据所述拟合参数，通过预先建立的分类模型对所述心电信号进行分类识别，获得识别结果。

2.如权利要求1所述的方法，其特征在于，所述对采集的心电信号进行预处理包括：

对采集的心电信号采用带通滤波器进行去噪处理以及采用频域变化算法进行去基线漂移处理。

3.如权利要求1所述的方法，其特征在于，所述将预处理后的心电信号分解为单周期心电信号组，并对所述单周期心电信号组中的每个单周期心电信号进行归一化处理包括：

获取预处理后的心电信号，确定该心电信号的R波波峰点；

以所述R波波峰点为分界线，将该心电信号分解为单周期心电信号组；

对所述单周期心电信号组中的每个单周期心电信号同时在时间轴和电压数据轴上进行归一化处理，并在时域上进行重采样。

4.如权利要求3所述的方法，其特征在于，所述对所述单周期心电信号组中的每个单周期心电信号同时在时间轴和电压数据轴上进行归一化处理包括：

对所述单周期心电信号组中的每个单周期心电信号同时在时间轴和电压数据轴上进行范围为[0,1]的归一化处理，并在时间轴上进行三次样条插值处理，插值间隔为[0:0.01:1]。

5.如权利要求3所述的方法，其特征在于，所述确定该心电信号的R波波峰点包括：

通过差分阈值法或小波变换法检测该心电信号的R波：

在检测到R波时，将所述R波中峰值大于或等于第一预设阈值的波峰作为初始波峰；

将所述初始波峰中峰值大于或等于第二预设阈值，且峰值时间间隔大于或等于第三预设阈值的波峰作为R波波峰点。

6.一种心电信号的处理系统，其特征在于，所述系统包括：

信息采集单元，用于采集心电信号；

预处理单元，用于对采集的心电信号进行预处理；

归一化处理单元，用于将预处理后的心电信号分解为单周期心电信号组，并对所述单周期心电信号组中的每个单周期心电信号进行归一化处理；

拟合单元，用于对归一化处理后的单周期心电信号进行多项式拟合，获取拟合参数；

分类识别单元，用于根据所述拟合参数，通过预习建立的分类模型对所述心电信号进行分类识别，获得识别结果。

7.如权利要求6所述的系统，其特征在于，所述预处理单元具体用于：

对采集的心电信号采用带通滤波器进行去噪处理以及采用频域变化算法进行去基线漂移处理。

8.如权利要求6所述的系统，其特征在于，所述归一化处理单元包括：

波峰点确定模块，用于获取预处理后的心电信号，确定该心电信号的R波波峰点；

分解模块，用于以所述R波波峰点为分界线，将该心电信号分解为单周期心电信号组；

归一化处理模块，用于对所述单周期心电信号组中的每个单周期心电信号同时在时间轴和电压数据轴上进行归一化处理，并在时域上进行重采样。

9.如权利要求8所述的系统，其特征在于，所述归一化处理模块具体用于：

对所述单周期心电信号组中的每个单周期心电信号同时在时间轴和电压数据轴上进行范围为[0,1]的归一化处理，并在时间轴上进行三次样条插值处理，插值间隔为[0:0.01:1]。

10.如权利要求8所述的系统，其特征在于，所述波峰点确定模块具体用于：

通过差分阈值法或小波变换法检测该心电信号的R波：

在检测到R波时，将所述R波中峰值大于或等于第一预设阈值的波峰作为初始波峰；

将所述初始波峰中峰值大于或等于第二预设阈值，且峰值时间间隔大于或等于第三预设阈值的波峰作为R波波峰点。

Images