CN103857330A - 在实时ecg监测中全自动测量心电图的st-段水平的方法和系统 - Google Patents

在实时ecg监测中全自动测量心电图的st-段水平的方法和系统 Download PDF

Info

Publication number
CN103857330A
CN103857330A CN201280049821.3A CN201280049821A CN103857330A CN 103857330 A CN103857330 A CN 103857330A CN 201280049821 A CN201280049821 A CN 201280049821A CN 103857330 A CN103857330 A CN 103857330A
Authority
CN
China
Prior art keywords
point
beating
ecg
qrs
periodic waveform
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
Application number
CN201280049821.3A
Other languages
English (en)
Other versions
CN103857330B (zh
Inventor
W·宗
J-Y·J·王
S·S·克雷斯吉
H·陆
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN103857330A publication Critical patent/CN103857330A/zh
Application granted granted Critical
Publication of CN103857330B publication Critical patent/CN103857330B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7221Determining signal validity, reliability or quality
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/366Detecting abnormal QRS complex, e.g. widening
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7253Details of waveform analysis characterised by using transforms
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7278Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Cardiology (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

一种用于确定心电图(ECG)的Q点和J点的系统将基于WLT的Q、J检测算法与用于导联选择的信号质量评估进行结合。Q、J检测器(24)从多个(N个)ECG导联中的每一个接收考虑中的搏动的搏动周期波形,并且使用信号质量评估器(SQA)部件261、262、…26N评估针对每个导联的信号质量。采用具有“良好”信号质量的导联用于多通道波形长度变换(WLT),其产生组合波形长度信号(CWLS)。然后从所述CWLS确定Q点和J点。

Description

在实时ECG监测中全自动测量心电图的ST-段水平的方法和系统
技术领域
本申请大致涉及心电图描记法。其具体应用于与实时的心电图ST-段水平测量结合,并且具体参考其加以描述。然而,应当理解,其也应用于其他使用场景,并且并不限于前述应用。
背景技术
ECG是对一段时间内的心脏的电活动的记录。心电图仪或其他适当的电换能器非侵入性地测量这样的电活动,并且从其生成记录和/或通过另一设备(诸如计算机)生成记录。常规心电图仪采用十个电极来测量心脏的电活动。每个电极以一定的容忍度被放置在患者上的特定位置处。从这十个电极测量和/或得到十二导联(即,电位差)。其他常规心电图仪包括三、五、十五、十六、EASI等导联。
参考图1,图示了用于常规十二导联心电图仪的电极在患者上的范例性放置。右腿电极RL用作其他电极的接地。导联I是从右臂电极RA至左臂电极LA测量的;导联II是从右臂电极RA至左腿电极LL测量的;并且导联III是从左臂电极LA至左腿电极LL测量的。确定右臂电极RA、左臂电极LA和左腿电极LL的平均电压V(即,Wilson中心电端)。其他九个导联包括从V和电极V1-6之间的电位差得到的六个胸导联和从导联I、II和III的组合中得到的三个加压肢体导联aVR、aVL和aVF。对于实时ECG监测,四个肢体电极(RA、LA、RL、LL)通常被放置在对应肢体附近的主干(也被称为Mason-Liker电极放置),以减少运动伪迹。
心电图的ST-段水平通常被用来筛选和诊断心血管疾病,诸如心肌梗塞、心肌缺血等。其是广泛用于诊断性ECG检查、动态ECG检查以及实时ECG监测的心电图的重要特征。针对ECG导联的选定的正常搏动的ST-段水平是J+x点和等电点之间的电压差。J点是QRS复合波的结束或结束点,并且x是从0到80ms变化的选定时间间隔;典型地,x被选为60或80ms。等电点是在ORS开始Q或QRS复合波的开始点之前并且P波结束之后的时间点。在实际临床应用中,针对成年对象,等电点通常等于Q-20ms。
可靠地测量ST-段水平的一个挑战在于可靠地定位等电点和J点。在实时和动态ECG监测中有至少两个方法来确定这些点,即,手动方法和自动方法。
在手动方法中,通过从QRS峰值时间R减去固定时间间隔u(例如,u=40ms)来确定等电点(即,Iso=R-u)。通过将QRS峰值时间R加上固定时间间隔z(例如,z=80ms)来确定J点(即,J=R+z)。通常在监测开始时针对每个患者手动地确定固定时间间隔u和z。然而,这一方法不太令人满意。其给临床医师引入了额外的工作负担。此外,一旦设置u和z结束,它们保持固定,并且不适应于QRS形态的变化。QRS形态的变化会妨碍在J处的ST测量和/或使得J处的ST测量发生实质性误差。这继而会导致假ST警报和/或错失真实ST事件。
在自动方法中,从在预定时间窗口中的选定无噪声正常搏动的平均搏动周期ECG波形中自动地检测等电点和J点。这包括选择无噪声正常搏动、连续构建正常的平均搏动、自动搜索等电点和J点以及计算针对每个ECG导联的ST-段水平。
无噪声正常搏动的选择涉及针对ECG信号的噪声检测。一个方法采用这样的算法:针对每个导联,获得针对ST段s(i)的5维Karhunen-Loeve变换(KLT)特征向量,以及针对QRS复合波q(i)的另一5维特征向量。对于给定的搏动,将s(i)和q(i)与邻近搏动的s(i)和q(i)相比较,并且计算针对ST段rs(i)和QRS复合波rq(i)的标准化剩余误差。如果剩余误差(rs(i)或rq(i))超出某个百分比(例如,25%),该算法考虑搏动i噪声。该方法需要使用邻近搏动的信息,并且假设大部分的邻近搏动都是无噪声搏动。用于得到s(i)和q(i)的计算量是相对较大。
用于ECG噪声检测的另一方法通过搏动周期中的每个ECG导联的主波锐度、高频噪声水平和低频噪声水平来评估信号质量。主波锐度是通过将最大绝对幅度除以预定义窗口块(例如,400ms)中的绝对波形面积来测量的。高频噪声(HFN)水平是通过将在以R波为中心的一秒时间窗中的ECG信号绝对值的经高通(二阶微分)滤波相加并且将总和除以绝对R波幅度来计算的。低频噪声(LFN)水平是通过将在一秒时间窗中的经低通滤波的ECG信号绝对值相加并且将总和除以绝对R波幅度来测量的。
这一方法的挑战在于,由于HFN和LFN通过绝对R波幅度按比例缩放而使其标准化,因此相同量的HFN和LFN在不同的绝对R波幅度下看起来十分不同。当R波幅度很低时,不严重的HFN和LFN值将看起来很严重。当R波幅度很大时,严重的HFN和LFN值将看起来不严重。如应当意识到的,这两种情形都是不期望的,并且将生成错误的噪声估计。
连续平均搏动的构建在预定义窗口中创建平均正常搏动波形。这用于进一步降低ECG噪声水平,以便于自动搜索等电点和J点。通常,使用15秒的时间窗口。对于每个窗口,通过将所有选定的正常搏动进行平均来构建平均正常搏动波形。
能够使用许多方法来执行自动检索等电点和J点。一个方法通过针对每个ECG导联的“最平坦的”五个样本段从计算机检测的QRS位置R至R-108ms向后检索来确定等电点。将这一段的中间的样本作为针对导联的候选等电点。能够采用附加的规则来确定针对所有导联的最终等电点。此外,通过基于连续信号电压变化量针对波形开始“变平”的样本在每个ECG导联中从R至R+100ms向前搜索来确定J点。该样本被认为是针对ECG导联的J点。比较所有导联的J点位置,并且将最后的位置(即,离R最远)作为针对所有导联的最终J点。
这一方法的一个挑战在于,其通过在每个ECG导联的波形上追踪等电点和J点的直接特征来确定等电点和J点。然而,因为其需要经历每个导联,这是很费时间的(即,计算负荷很大)。另一挑战在于,当一个导联具有异常的QRS形态或者通过引起延迟“变平”点的局部噪声,最终的J点位置很容易受到影响。又一挑战在于,该方法要求搏动平均,以平滑波形,从而逐次搏动ST测量结果是不可得的。
由于能够容易地从QRS开始(Q)定义等电点,因此搜索等电点和J点的方法能够转为对Q点和J点的检测。有效和高效的QRS开始和结束(Q,J)检测采用能够将多导联ECG信号变换为单个通道组合波形长度信号(CWLS)的波形长度变换(WLT)。该CWLS通过考虑所有ECG导联的QRS形态以“全局”的方式保留QRS开始和结束特征。然后从CWLS中检测Q点和J点。一个挑战在于,在具有多个ECG导联的情况下,一个有噪声或者质量不良的导联可能够大幅地降低Q、J检测的精确性。因而,在不具有附加的信号质量控制过程的情况下,该方法将不适于等电点和J点的可靠检测。
假如适当地获得等电点和J点,则最后的组成部分(即,对每个导联的ST-段水平的计算)是常规程序。如上所述,针对ECG导联的选定正常搏动的ST-段水平是导联的ECG波形的J+x点和等电点之间的电压差,其中,x是选定的时间间隔,通常为60或80ms。
本申请提供了一种克服以上提及问题和其他问题的新的且改进的方法。
发明内容
根据一个方面,一种系统确定心电图(ECG)的Q点和J点。所述系统包括至少一个处理器。所述处理器被编程为从多个ECG导联中接收针对选定搏动的搏动周期波形。针对所述多个ECG导联中的每个来确定信号质量,并且将具有满足或超过预定信号质量标准的信号质量的ECG导联的搏动周期波形进行组合。在经组合的搏动周期波形上识别所述Q点和J点。
根据另一方面,一种方法确定心电图(ECG)的Q点和J点。所述方法包括从多个ECG导联中接收针对选定搏动的搏动周期波形。针对所述多个ECG导联中的每个来确定信号质量,并且将具有满足或超过预定信号质量标准的信号质量的ECG导联的搏动周期波形进行组合。在经组合的搏动周期波形上识别所述Q点和J点。
一个优点在于针对ST-段水平测量结果的稳健导联选择。
另一优点在于改进了用于导联选择的噪声检测。
另一优点在于对ST-段水平测量结果的噪声容忍。
另一优点在于对于导联选择的与邻近搏动的独立性。
另一优点在于针对平均搏动和单个的搏动改进了ST-段水平测量结果的精确性。
另一优点在于对QRS宽度的检测。
另一优点在于逐次搏动的ST-段水平测量结果。
另一优点在于使用具有良好信号质量的所有ECG导联来进行Q、J检测。
当阅读和理解以下详细描述时,本领域技术人员将意识到本发明的其他优点。
附图说明
本发明可采取各种部件和部件布置以及各种步骤和步骤安排的形式。附图仅用于图示说明优选实施例的目的,而不应被解释为限制本发明。
图1是针对常规十二导联心电图仪在患者上放置电极的图形表示。
图2是多导联心电图仪系统的框图。
图3是Q、J检测器的框图。
图4是组合波形的长度信号对比八个ECG信号的曲线图。
图5是利用由Q、J检测器检测到的Q点和J点标记的八个ECG信号的曲线图。
图6是图示了针对等电点、J点和J+x点的测量点的搏动周期波形的曲线图。
图7是用于测量心电图的ST-段水平和/或QRS宽度的方法的框图。
图8是示出了在J+80处的ST测量结果对比欧洲心脏病学会ST-T数据库的心脏病专家注释的散点图。
图9是在J+80处的ST测量结果与欧洲心脏病学会ST-T数据库的心脏病专家注释之间的差的柱状图。
图10是示出了在J+0处的ST测量结果对比经皮腔内冠状动脉成形术数据库的心脏病专家注释的散点图。
图11是在J+0处的ST测量结果与经皮腔内冠状动脉成形术数据库的心脏病专家注释之间的差的柱状图。
图12是示出了在J+60处的ST测量结果对比经皮腔内冠状动脉成形术数据库的心脏病专家注释的散点图。
图13是在J+60处的ST测量结果与经皮腔内冠状动脉成形术数据库的心脏病专家注释之间的差的柱状图。
图14是测量到的QRS宽度对比针对MIT-BIH心律不齐数据库的参考QRS宽度的散点图。
图15是测量到的QRS宽度与针对MIT-BIH心律不齐数据库的参考QRS宽度之间的差的柱状图。
图16是测量到的QRS宽度对比经皮腔内冠状动脉成形术数据库的参考QRS宽度的散点图。
图17是测量到的QRS宽度与经皮腔内冠状动脉成形术数据库的参考QRS宽度之间的差的柱状图。
具体实施方式
参考图2,多导联心电图仪系统10包括心电图的一个或多个源12。适当的源的范例包括心电图仪、Holter监测器、除颤器、计算机、存储器、ECG监测器、软件部件等。源12可以实时生成心电图和/或用作心电图的储存。
心电图分析系统(EAS)14从源12接收心电图,并且测量所述心电图的ST-段水平和/或QRS宽度。其将基于WLT的Q、J检测算法与用于导联选择的信号质量评估进行组合。针对Q、J检测,仅考虑具有良好信号质量的那些导联。如下文中讨论的,这产生了可靠且高效的Q、J检测结果。EAS14能够用于ST-段水平和/或QRS宽度的实时或离线测量。
EAS14的接收器16从源12接收每个心电图。心电图包括对应于N个导联的N个ECG波形。N大于1,并且通常范围从3到8。所述波形根据所述源能够是模拟的和/或数字的。对于前者,接收器16包括以预定速率对模拟波形进行采样的模拟-数字转换器。对于后者,以预定速率对所述波形进行采样。
当接收心电图时,预处理器18检测和分类每个搏动。例如,搏动的类型包括正常搏动、异常搏动(诸如,室性早搏或PVC)等。在一些实施例中,通过分析针对导联的子集的波形来确定检测和分类。例如,仅使用针对导联中的一个或两个的波形。此外,在一些实施例中,预处理器18对所述波形进行滤波,以在检测和分类之前移除和/或减少不想要的噪声。
搏动选择器20从经预处理的波形中选择搏动周期波形用于考虑中的搏动。该考虑中的搏动能够被手动地指定(例如,使用用户输入设备22)或根据一个或多个规则被自动地指定。例如,考虑每个预定数量的搏动,其中,所述预定数量大于零。
为了达到ST测量的目的,所考虑的搏动是单个的正常搏动或平均正常搏动。为了达到QRS宽度测量的目的,所考虑的搏动是单个的正常搏动、平均正常搏动、或任意其他类型的单个搏动。平均正常搏动是能够通过将预定尺寸的窗口中的正常搏动的波形进行平均来确定的。例如,平均正常搏动的搏动周期波形能够通过将前15秒窗口中的正常搏动进行平均来获得。该窗口也能够是以心搏来测量的,例如15个心搏的窗口。
在一些实施例中,基于依据QRS峰值R的搏动周期波形的QRS位置来选择所考虑搏动的搏动周期波形。在[R-f,R+g]的区域中获得搏动周期波形,其中,f和g是时间间隔。该时间间隔能够是固定的或动态确定的。例如,对于成年患者,f和g能够分别是500ms和800ms。作为另一范例,例如基于患者心率例如比正常心率更快,f和g能够被确定得更短,并且基于例如患者心率例如比正常心率更慢,f和g能够被确定得更长。
Q、J检测器24基于接收到的搏动周期波形来评估每个导联的信号质量。采用具有“良好”信号质量的导联用于多通道波形长度变换(WLT),其产生组合波形长度信号(CWLS)。然后从CWLS确定Q点和J点。
参考图3,图示了Q、J检测器24。该Q、J检测器26从N个导联中的每一个接收考虑中的搏动的搏动周期波形。一个或多个信号质量评估器(SQA)部件261、262、…26N之后评估每个导联的信号质量。如图示的,每个导联包括SQA部件(SQA)。然而,应当理解,也预期多导联SQA部件。例如,单个的SQA部件能够用于所有导联。通常根据以下特征中的一个或多个来评估导联的信号质量:a)高频噪声水平;b)低频噪声水平;以及c)QRS幅度。
通过将排除QRS持续时间的对应搏动周期波形的二阶微分进行求和来测量导联的高频噪声(HFN)水平。通过等式(1)给出一个实现方式。
FN = Σ i = w 1 w 2 | dx 2 [ i ] | + Σ i = w 3 w 4 | dx 2 [ i ] | , - - - ( 1 )
其中,dx2[i]=ecg[i]-(2×ecg[i-1])+ecg[i-2],i是样本的时间指数,ecg[i]是搏动周期波形的第i个样本,w1、w2、w3和w4是在样本单元中的时间窗口边界,通过以下被定义为:w1=R+2-(304ms/si),w2=R-(96ms/si),w3=R+(96ms/si),w4=R+(304ms/si),R是搏动周期波形的(样本中的)QRS峰值时间,并且si是以ms为单位的采样间隔。尤其,w1和w2定义相对于R的第一间隔,并且w3和w4定义相对于R的第二间隔。
通过将经递归平滑的搏动周期波形进行求和来测量导联的低频噪声(LFN)水平。等式(2)给出一个实现方式。
LFN = Σ i = w 1 w 2 | y [ i ] | , - - - ( 2 )
其中y[i]=y[i-1]+(ecg[i]-y[i-1])/L,i是时间指数,ecg[i]是搏动周期波形的第i个样本,w1和w2是在样本单元中的时间窗口边界,通过以下被定义为:w1=R-(304ms/si),w2=R+(304ms/si),R是搏动周期波形的(样本中的)QRS峰值时间,L=128ms/si,y[w1-1]是先前的平滑值,并且si是以ms为单位的采样间隔。同样,w1和w2定义相对于R的间隔。
导联的QRS幅度(QRS_amp)通过获取QRS区域内的搏动周期波形的值之间的最大差来确定。换言之,确定QRS区域内的搏动周期波形的最小值和最大值。QRS幅度则是这些极值之间的差。在一些实施例中,QRS区域是[R-96ms,R+96ms],其涵盖正常搏动的整个QRS持续时间。
以上的导联的HFN、LFN和QRS_amp根据导联上的采样间隔和分辨率而与物理单位按比例缩放。在一些实施例中,例如基于实验(例如,qrs_amp_thr被选定为0.4mV)来建立高频噪声阈值(hfn_thr)、低频噪声阈值(lfn_thr)和QRS幅度阈值(qrs_amp_thr)。之后,经比例缩放的HFN、LFN和QRS_amp分别与hfn_thr、lfn_thr和qrs_amp_thr相比较。只有在HFN小于hfn_thr、LFN小于lfn_thr以及QRS_amp大于qrs_amp_thr的情况下,导联才被标注为“良好”。否则,该导联被标注为“不良”。也预期,基于针对低高频噪声、低低频噪声和高QRS复合波幅度的其他标准,导联也能够被标注为“良好”。
当导联被确定为具有良好的信号质量时,对应的SQA部件将该导联传送至波形长度变换(WLT)部件。在这方面,SQA部件261、262、…26N能够被看作导联的门控。WLT部件28将从SQA部件261、262、…26N中接收的M个导联的波形变换为单个通道的组合波形长度信号(CWLS)。尤其,M小于或等于N。之后经由CWLS来完成QRS的开始和结束检测,以产生针对所考虑搏动的QRS开始(Q点)和QRS结束(J点)。
对于被其QRS峰值R标记的所考虑搏动,作为针对成年对象的实施例,根据等式(3)在区域[R-200ms,R+200ms]中计算CWLS[i]。
CWLS [ i ] = Σ k = i - w i Σ j = 1 M ( Δ t 2 + Δ y j , k 2 ) , - - - ( 3 )
其中,i是时间指数,w是样本单元中的窗口,通过以下被定义为:w=(144ms/Δt),Δyj,k=ecgj[k]-ecgj[k-1],ecgj[k]是在样本k处的导联j波形,M是导联的数量,并且Δt是以ms为单位的采样间隔。尤其,在等式(3)中使用的M个导联是被标注为“良好”的那些导联。因此,排除有噪声和/或低幅度导联,以确保CWLS不受影响。
参考图4,提供CWLS相对于与八个不同导联对应的八个ECG信号的范例。从顶部到底部的迹线1至8分别是根据导联II、V2、III、V1、V3、V4、V5、和V6的输入ECG信号。底部迹线是来自8个导联中的7个的CWLS。因为导联II由于其低QRS幅度(即,0.25mV<qrs_amp_thr)而具有不良的信号质量,因此导联II被排除。
CWLS的上升部分理论上并且数学上对应于QRS持续时间。因此,CWLS的上升部分的开始和结束位置分别对应于QRS的开始(Q)和结束(J)。检测部件30包括执行之后描述的用于检测该开始和结束的方法的一个或多个规则。
用于定位CWLS的上升部分的开始的一个方法包括在区域[R-200ms,R+200ms]中找到CWLS的最大值(Lt_max)。然后绘制连接CWLS上的两点的虚线。一个点在R-200ms处,并且另一个在Lt中间点(Mid-Lt-Point)处。所述Lt中间点是CWLS值首次等于或大于Lt_max/2的点。所述Lt中间点能够利用从R-200ms的前向搜索来确定。然后确定区域[R-200ms,R+200ms]中的具有CWLS和虚线之间的最大距离的时间点。该时间点对应于Q点。在一些实施例中,所述结束被应用于该时间点,以获得最终的Q点。
用于定位CWLS的上升部分的结束的一个方法包括在CWLS上从Lt_max至LT中间点以向后方式搜索CWLS首次等于或小于Lt_max的99%的时间点。该时间点对应于J点。在一些实施例中,所述结束被应用于该时间点,以获得最终的J点。
参考图5,示出了以逐次搏动为基础的Q、J检测的结果。从顶部向下的迹线分别对应于导联II、V2、III、V1、V3、V4、V5、和V6的ECG信号。经由来自所有ECG导联的CWLS来检测范例中的每个搏动的Q点和J点。此外,所述Q点和J点被标注在每个搏动的每个导联上。
返回参考图2,任选的ST测量器32从Q、J检测器24接收Q点和J点。对于每个导联,ST测量器32确定来自Q点的等电点,并且测量等电点、J点和J+x点处的信号电压。通过将结束y应用于Q点(即,Iso=Q-y)来获得所述等电点。所述结束y对于成年对象通常为20ms。然后针对每个导联计算在J点处的ST-段水平(ST_J)和在J+x点处的ST-段水平(ST_Jx)。
在一些实施例中,分别使用等式(4)和(5)来计算在J和J+x处的ST-段水平。
ST_Jj=ecgj[J]-ecgj[Iso]          (4)
ST_Jxj=ecgj[J+x]-ecgj[Iso]       (5)
j是导联号,ST_Jj是在导联j上J处的ST段水平,x是具有60或80ms典型值的选定时间间隔,ST_Jxj是在导联j上J+x处的ST段水平,ecgj[J]和ecgj[J+x]分别是在J点处和J+x点处的导联j信号电压,并且ecgj[Iso]是在Iso点处的导联j信号电压。参考图6,图示了用于计算J和J+x处的ST-段水平的针对Iso、J和J+x点的测量点。
在其他实施例中,使用围绕Iso、J和J+x点的小窗口中的ECG信号的中位(或平均)值来计算J和J+x处的ST-段水平。这与使用Iso、J和J+x点处的单个点ECG信号值形成对比。该小窗口的合理尺寸是40ms,并且该窗口应当以Iso、J和J+x点为中心。
由于基于Q点来确定等电点,所述Q点是每个所考虑搏动的动态检测的QRS开始,因此,即使当QRS形态变化时,所述等电点是可靠和稳定的。针对每个所考虑搏动的QRS结束直接来确定J点,因此J点能够动态地适应于QRS形态中的变化。
任选的ST监测器34接收ST_J和ST_Jx值,将其与警报标准相比较,并且当满足警报标准时发出ST警报。例如,当ST_J和/或ST_Jx值落在预定的范围之外时,能够发出警报。能够根据临床指南和/或ST抬高心肌梗死(STEMI)标准来建立该警报标准。适当地生成ST警报,以将事件通知给临床医生。
任选的QRS宽度测量器36从Q、J检测器24接收Q点和J点。对于每个导联,从Q点和J点计算QRS宽度(QRSw)。换言之,计算Q点和J点的位置之间的差。QRS宽度则能够用于搏动分类。其是敏感特征,以区分搏动类型,诸如室上性搏动和室性搏动。额外地或备选地,能够由QRS宽度监测器38采用QRS宽度。QRS宽度监测器38将该QRS宽度与警报标准相比较,并且当满足警报标准时发出QRS警报。QRS宽度的趋势能够用于追踪心肌去极化的逐渐延长,其可以指示心肌状况的恶化。
包括接收器16、预处理器18、搏动选择器20、Q、J检测器24、ST测量器32、ST监测器34、QRSw测量器36和QRSw监测器38的EAS14的部件能够被实现为硬件、软件或其组合。当EAS14的部件被实现为软件时,EAS14的处理器40执行被存储在存储器42上的计算机可执行指令,实现该部件。例如,Q、J检测器24能够被实现为被存储在存储器42上并且由处理器40执行的计算机可执行指令。
系统10能够被部署用于重症监护病房(ICU)、手术室(OR)、普通病房、患者家里等中的患者监测。此外,系统10能够用于临床研究,以对利用J+0处ST测量结果的ECG监测的局部缺血患者的临床结果进行调研。此外,在一些实施例中,系统10是集成的。例如,源12和EAS14被组合。
参考图7,提供了用于测量心电图的ST-段水平和/或QRS宽度的方法50。所述方法50适于由EAS14来执行,并且之后描述的组成步骤对应于迄今为止描述的EAS14的部件。此外,方法50能够被实现为软件、硬件或其组合。
方法50包括对心电图的N个ECG波形进行预处理52。所述ECG波形对应于不同的导联。所述预处理52包括对每个搏动进行检测和分类,以及任选地对所述波形进行滤波,以去除噪声。在波形内选择54用于考虑的搏动。能够手动地指定(例如使用用户输入设备22)该考虑中的搏动,或根据一个或多个规则自动地指定该考虑中的搏动。
针对该考虑中的搏动,在搏动周期波形中检测56Q点和J点。这样做时,仅采用与具有良好信号质量的导联对应的搏动周期波形,以进行检测。此外,具有良好信号质量的搏动周期波形被合并到用于检测的组合波形长度信号中。
任选地采用Q点和J点来测量58J点和/或J+x点处的ST-段水平。然后根据所述ST-段水平是否与警报标准相匹配而有条件地发出60ST警报。额外地,任选地采用Q点和J点来测量62QRS宽度,所述QRS宽度之后被应用于64搏动分类和/或警报。对于后者,根据QRS宽度是否与警报标准相匹配而有条件地发出QRS宽度警报。
如在本文中使用的,存储器包括非暂态计算机可读介质;磁盘或其他磁性存储介质;光盘或其他光学存储介质;随机存取存储器(RAM)、只读存储器(ROM)、或其他电子存储设备或芯片或可操作互连的芯片组;从其可以经由因特网/内联网或局域网检索所存储的指令的因特网/内联网服务器;等等中的一个或多个。此外,如在本文中使用的,处理器包括微处理器、微控制器、图形处理单元(GPU)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等等中的一个或多个;并且用户输入设备包括鼠标、键盘、触摸屏显示器、一个或多个按钮、一个或多个开关、一个或多个触发器等中的一个或多个。
测试结果
使用平均正常搏动的ECG信号来测试测量ST-段水平的前述方法。通过将15秒窗口中的各个正常搏动的搏动周期波形进行平均而获得所述平均正常搏动。从欧洲心脏病学会(ESC)ST-T数据库中获得所述ECG信号。所述ESC ST-T数据库包括90个ECG记录,每个包括2小时的2-通道ECG信号,其具有针对J+80ms处的ST-段水平的心脏病专家注释。
参考图8,图示的散点图示出了使用以上描述方法获得的J+80ms处的ST测量结果相对于针对ESC ST-T数据库中90个记录的两个ECG通道的心脏病专家注释。纵轴是来自心脏病专家的ST值,并且横轴是ST测量结果。从该散点图中,相关系数是96.3,线性回归(LR)斜率是0.98,并且LR偏移是-2.96(μV)。参考图9,图示了J+80ms处的ST测量值与心脏病专家注释之间的差的直方图。平均差(μ)、标准偏差(std)和平均绝对差(μ(abs))分别是1.83、67.9和49.1(μV)。
使用从经皮腔内冠状动脉成形术(PTCA)数据库中获得的ECG信号来进一步测试测量ST-段水平的前述方法。所述数据库包括60个ECG记录,每个ECG记录包括从经历PTCA过程的成年对象中记录的12导联ECG信号。所述记录的持续时间的范围从2:20至16:00分钟。对于每个记录,根据信号的ST状况来选择两个1分钟ECG区域。第一区域用于ST基线,并且第二区域具有ST抬高(或下降)。在每个记录的那两个1分钟区域中,心脏病专家注释每个搏动的Q点和J点。根据心脏病专家注释的Q点和J点,针对每个搏动生成J+0和J+60(ms)处的ST值,并且将该ST值在15秒窗口中进行平均,以生成J和J+60处的参考ST注释。然后将针对PTCA数据库的60个记录的J+0和J+60处的参考ST注释分别与J+0和J+60处的ST测量结果进行比较。
参考图10,图示了在J+0处的ST测量结果相对于J+0处的参考ST注释的散点图。相关系数、LR斜率和LR偏移分别是97.11、0.97和-0.44(μV)。参考图11,图示了J+0处的ST测量结果与J+0处的参考ST注释之间的差的直方图。平均差(μ)、标准偏差(std)和平均绝对差(μ(abs))分别是-1.27、37.67和24.86(μV)。
参考图12,图示了在J+60处的ST测量结果相对于J+60处的参考ST注释的散点图。相关系数、LR斜率和LR偏移分别是98.63、0.93和-3.19(μV)。参考图13,图示了J+60处的ST测量结果与J+60处的参考ST注释之间的差的直方图。平均差(μ)、标准偏差(std)、和平均绝对差(μ(abs))分别是-5.23、23.62和13.87(μV)。
使用从MIT-BIH心律不齐数据库中获得的ECG信号来测试测量QRS宽度的前述方法。从该MIT-BIH心律不齐数据库中选择具有各种搏动类型的2通道30分钟ECG信号的二十三个记录,诸如,正常、室性早搏(PVC)和束支性传导阻滞(BBB)。对于那二十三个记录中的每一个,心脏病专家在60秒ECG事件上注释QRS的开始和结束(通常从10:00开始),并且生成参考QRS宽度。然后以逐次搏动的方式来测量那二十三个2通道记录的QRS宽度。考虑任意搏动类型(即,不仅仅是正常的搏动)。将从每个搏动中得到的QRS宽度测量与对应的参考QRS宽度相比较。在结果中考虑了共计1790个搏动。参考图14,提供了测量到的QRS宽度相对于参考QRS宽度的散点图。参考图15,图示了测量到的QRS宽度与参考QRS宽度之间的差的直方图。平均差和标准偏差分别是6.18ms和13.91ms。
使用从PTCA数据库中获得的ECG信号来进一步测试测量QRS宽度的前述方法。使用PTCA数据库的一半记录(即,30个记录)。然后以逐次搏动的方式使用所有通道来测量那三十个记录的QRS宽度。将从每个搏动生成的QRS宽度测量结果与对应的参考QRS宽度相比较。在结果中考虑了共计4528个搏动。参考图16,图示了测量到的QRS宽度相对于参考QRS宽度的散点图。参考图17,测量到的QRS宽度与参考QRS宽度之间的差的直方图。平均差和标准偏差分别是7.82ms和9.82ms。
在J+80、J+60和J+0处ST测量结果的测试结果是极好并且令人满意的。尤其值得注意的是,J(即,J+0)处ST测量结果的令人满意的表现确保了J处ST-段水平的实时监测,并且使得能够使用最新的敏感STEMI标准。此外,以上的QRS宽度测试结果示出了QRS宽度检测的极好并且令人满意的表现。
已经参考优选实施例来描述了本发明。他人当阅读和理解了前述详细描述时可以想到修改和变型。本申请旨在被解释为包括所有这样的修改和变型,只要它们落在所附权利要求或者其等价方案的范围内。

Claims (20)

1.一种用于确定心电图(ECG)的Q点和J点的系统(14),所述系统(14)包括:
至少一个处理器(40),其被编程为:
从多个ECG导联接收针对选定搏动的搏动周期波形;
确定所述多个ECG导联中的每个的信号质量;
将具有满足或超过预定信号质量标准的信号质量的ECG导联的所述搏动周期波形进行组合;以及,
在经组合的搏动周期波形上识别所述Q点和J点。
2.根据权利要求1所述的系统(14),其中,所述确定包括:
针对每个ECG导联,确定高频噪声(HFN)水平、低频噪声(LFN)水平和QRS幅度中的至少一个。
3.根据权利要求2所述的系统(14),其中,如果所述ECG导联的所述HFN水平小于预定水平、所述ECG导联的所述LFN水平小于第二预定水平并且所述ECG导联的所述QRS幅度大于第三预定水平,则ECG导联的所述信号质量满足或超过所述预定信号质量标准。
4.根据权利要求1-3中的任一项所述的系统(14),其中,所述组合使用波形长度变换(WLT)。
5.根据权利要求1-4中的任一项所述的系统(14),其中,所述Q点和J点的所述识别包括以下中的至少一个:
识别所述经组合的搏动周期波形的QRS结束,所述QRS结束对应于所述J点;并且,
识别所述经组合的搏动周期波形的QRS开始,所述QRS开始对应于所述Q点。
6.根据权利要求1-5中的任一项所述的系统(14),其中,所述Q点和J点的所述识别包括:
沿着所述经组合的搏动周期波形从所述经组合的搏动周期波形上具有所述经组合的搏动周期波形的最大值的点按照时间向后搜索具有等于或小于所述最大值的大约99%的值的第二点,所述第二点对应于所述J点。
7.根据权利要求1-6中的任一项所述的系统(14),其中,所述Q点和J点的所述识别包括:
确定在所述经组合的搏动周期波形的QRS复合波上具有所述经组合的搏动周期波形的最大值的一半的值的点;
生成从确定的点延伸至所述经组合的搏动周期波形上的第二点的虚线,所述第二点在所述QRS复合波之前;并且,
确定具有所述虚线与所述经组合的搏动周期波形之间的最大距离的时间点,所述时间点对应于所述Q点。
8.根据权利要求1-7中的任一项所述的系统(14),其中,所述处理器(40)进一步被编程为以下中的至少一个:
从所述Q点和J点确定所述搏动的ST-段水平;以及
从所述Q点和J点确定所述搏动的QRS宽度。
9.根据权利要求8所述的系统(14),其中,所述处理器(40)进一步被编程为:
响应于所述ST-段水平和/或所述QRS宽度与警报标准相匹配而发出警报。
10.根据权利要求1-9中的任一项所述的系统(14),其中,所述搏动周期波形是从心电图仪(12)接收的。
11.一种用于确定心电图(ECG)的Q点和J点的方法(50),所述方法(50)包括:
从多个ECG导联接收针对选定搏动的搏动周期波形;
确定所述多个ECG导联中的每个的信号质量;
将具有满足或超过预定信号质量标准的信号质量的ECG导联的所述搏动周期波形进行组合;以及,
识别经组合的搏动周期波形上的所述Q点和J点。
12.根据权利要求11所述的方法(50),其中,所述确定包括:
针对每个ECG导联,确定高频噪声(HFN)水平、低频噪声(LFN)水平和QRS幅度中的至少一个。
13.根据权利要求12所述的方法(50),其中,如果所述导联的所述HFN水平小于预定水平、所述导联的所述LFN水平小于第二预定水平并且所述导联的所述QRS幅度大于第三预定水平,则导联的所述信号质量满足或超过所述预定信号质量标准。
14.根据权利要求11-13中的任一项所述的方法(50),其中,所述组合使用波形长度变换(WLT)。
15.根据权利要求11-14中的任一项所述的方法(50),其中,所述Q点和J点的所述识别包括:
沿着所述经组合的搏动周期波形从所述经组合的搏动周期波形上具有所述经组合的搏动周期波形的最大值的点按照时间向后搜索具有等于或小于所述最大值的大约99%的值的第二点,所述第二点对应于所述J点。
16.根据权利要求11-15中的任一项所述的方法(50),其中,所述Q点和J点的所述识别包括:
确定所述经组合的搏动周期波形的QRS复合波上具有所述经组合的搏动周期波形的最大值的一半的值的点;
生成从确定的点延伸至所述经组合的搏动周期波形上的第二点的虚线,所述第二点在所述QRS复合波之前;并且,
确定具有所述虚线与所述经组合的搏动周期波形之间的最大距离的时间点,所述时间点对应于所述Q点。
17.根据权利要求11-16中的任一项所述的方法(50),还包括以下中的至少一个:
从所述Q点和J点确定58所述搏动的ST-段水平;以及
从所述Q点和J点确定62所述搏动的QRS宽度。
18.根据权利要求17所述的方法(50),还包括:
响应于所述ST-段水平和/或所述QRS宽度与警报标准相匹配而发出60、64警报。
19.一个或多个处理器(40),其被编程为执行根据权利要求11-18中的任一项所述的方法(50)。
20.一种携带软件的非暂态计算机可读介质(42),所述软件控制一个或多个处理器(40),以执行根据权利要求11-18中的任一项所述的方法(50)。
CN201280049821.3A 2011-10-12 2012-10-05 在实时ecg监测中全自动测量心电图的st-段水平的方法和系统 Active CN103857330B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201161546280P 2011-10-12 2011-10-12
US61/546,280 2011-10-12
PCT/IB2012/055376 WO2013054242A1 (en) 2011-10-12 2012-10-05 Method and system to fully-automatically measure the st-segment level of electrocardiograms in real-time ecg monitoring

Publications (2)

Publication Number Publication Date
CN103857330A true CN103857330A (zh) 2014-06-11
CN103857330B CN103857330B (zh) 2016-05-18

Family

ID=47148874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280049821.3A Active CN103857330B (zh) 2011-10-12 2012-10-05 在实时ecg监测中全自动测量心电图的st-段水平的方法和系统

Country Status (6)

Country Link
US (1) US9585582B2 (zh)
EP (1) EP2744402B1 (zh)
JP (1) JP6381444B2 (zh)
CN (1) CN103857330B (zh)
BR (1) BR112014008597A2 (zh)
WO (1) WO2013054242A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104720794A (zh) * 2015-04-13 2015-06-24 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
CN106604674A (zh) * 2014-09-02 2017-04-26 皇家飞利浦有限公司 用于控制缺血监测ecg算法的用户反馈
CN108471942A (zh) * 2015-09-30 2018-08-31 心测实验室公司 定量心脏测试
CN110022758A (zh) * 2016-11-25 2019-07-16 皇家飞利浦有限公司 用于确定心力衰竭风险的确定系统
CN111315281A (zh) * 2017-03-15 2020-06-19 美敦力公司 心脏信号中噪声信号的检测
WO2021102745A1 (zh) * 2019-11-27 2021-06-03 深圳市汇顶科技股份有限公司 多通道ecg测量系统及方法、可穿戴设备
CN114007506A (zh) * 2019-06-11 2022-02-01 村田维欧斯有限公司 用于检测心电图(ecg)信号中的qrs复合波的系统
US11937948B2 (en) 2019-05-02 2024-03-26 Medtronic, Inc. Identification of false asystole detection

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3033000A2 (en) 2013-08-13 2016-06-22 Koninklijke Philips N.V. Method and display for long term physiological signal quality indication
US10058260B2 (en) 2013-12-20 2018-08-28 Koninklijke Philips N.V. Apparatus and method for determining the occurrance of a QRS complex in ECG data
CN104545890B (zh) * 2014-12-30 2017-08-25 深圳先进技术研究院 一种基于心电信号的身份识别方法和装置
CN104783787B (zh) * 2015-04-24 2017-06-16 太原理工大学 一种基于神经网络的j波检测方法
US10188305B2 (en) 2015-07-09 2019-01-29 Drägerwerk AG & Co. KGaA Locating J-points in electrocardiogram signals
US20180242872A1 (en) * 2015-08-25 2018-08-30 Koninklijke Philips N.V. High/low frequency signal quality evaluations of ecg lead signals
WO2017174738A1 (en) * 2016-04-08 2017-10-12 Koninklijke Philips N.V. Method and display for reliability of the real-time measurements of physiological signals
CN106667479B (zh) * 2016-12-12 2018-02-16 厦门纳龙科技有限公司 一种分析含伪差心电图的方法和装置
CN107811631A (zh) * 2017-11-27 2018-03-20 乐普(北京)医疗器械股份有限公司 心电信号质量评估方法
CN107837082B (zh) * 2017-11-27 2020-04-24 乐普(北京)医疗器械股份有限公司 基于人工智能自学习的心电图自动分析方法和装置
CN107951485B (zh) * 2017-11-27 2019-06-11 深圳市凯沃尔电子有限公司 基于人工智能自学习的动态心电图分析方法和装置
CN109411042B (zh) * 2018-02-24 2021-06-25 上海乐普云智科技股份有限公司 心电信息处理方法和心电工作站
US11406314B2 (en) * 2018-09-24 2022-08-09 Sotera Wireless, Inc. Method and system for monitoring a patient for atrial fibrillation and/or asystole
CN109770859A (zh) * 2019-03-28 2019-05-21 广州视源电子科技股份有限公司 心电信号的处理方法和装置、存储介质、处理器
CN110448296A (zh) * 2019-07-17 2019-11-15 深圳邦健生物医疗设备股份有限公司 一种导联心电图的分析方法及装置
CN113712563A (zh) * 2020-05-12 2021-11-30 深圳市理邦精密仪器股份有限公司 动态心电图分析方法、心电监测设备以及存储介质
KR102653258B1 (ko) * 2022-02-18 2024-04-01 주식회사 뷰노 심전도 기술 및 결과 통합 방법
KR102647017B1 (ko) * 2022-03-03 2024-03-13 주식회사 뷰노 질환 진단 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5372139A (en) * 1991-06-24 1994-12-13 Paul Benjamin Crilly Method for suppressing a maternal electrocardiogram signal from a fetal electrocardiogram signal obtained with invasive and non-invasive techniques using an almost pure maternal electrocardiogram signal as a trigger
CN1334709A (zh) * 1998-12-22 2002-02-06 内文塔医药公司 用于降低胎儿ecg信号中的信号噪声的装置
US20110144511A1 (en) * 2004-09-30 2011-06-16 Yi Zhang Cardiac Activation Sequence Monitoring and Tracking
US20110160606A1 (en) * 2009-02-17 2011-06-30 Mindray Ds Usa, Inc. Systems and methods for graphic display of st-segment deviation
US20110184297A1 (en) * 2010-01-26 2011-07-28 Stmicroelectronics S.R.L. Method and device for estimating morphological features of heart beats

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5520191A (en) * 1994-10-07 1996-05-28 Ortivus Medical Ab Myocardial ischemia and infarction analysis and monitoring method and apparatus
US5827196A (en) * 1997-07-15 1998-10-27 Hewlett-Packard Company Method and system for providing characterizations of waveform representations of heart function
DE19849034C5 (de) * 1998-10-23 2004-12-02 Ge Medical Systems Information Technologies Gmbh Elektrokardiogramm-Anordnung
US7113820B2 (en) 2001-07-12 2006-09-26 The United States Of America As Represented By The Administration Of The National Aeronautics And Space Administration Real-time, high frequency QRS electrocardiograph
US6901285B2 (en) 2002-05-17 2005-05-31 David M. Schreck System and method for synthesizing leads of an electrocardiogram
WO2005104937A2 (en) 2004-05-01 2005-11-10 Bsp Biological Signal Processing Ltd. Apparatus and method for analysis of high frequency qrs complexes
US20060276716A1 (en) 2005-06-07 2006-12-07 Jennifer Healey Atrial fibrillation detection method and apparatus
US7496409B2 (en) * 2006-03-29 2009-02-24 Medtronic, Inc. Implantable medical device system and method with signal quality monitoring and response
US7869864B2 (en) * 2007-07-09 2011-01-11 Dynacardia, Inc. Methods, systems and devices for detecting and diagnosing heart diseases and disorders
JP5080348B2 (ja) * 2008-04-25 2012-11-21 フクダ電子株式会社 心電計及びその制御方法
US8805482B2 (en) 2008-07-28 2014-08-12 General Electric Conpany System and method for signal quality indication and false alarm reduction in ECG monitoring systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5372139A (en) * 1991-06-24 1994-12-13 Paul Benjamin Crilly Method for suppressing a maternal electrocardiogram signal from a fetal electrocardiogram signal obtained with invasive and non-invasive techniques using an almost pure maternal electrocardiogram signal as a trigger
CN1334709A (zh) * 1998-12-22 2002-02-06 内文塔医药公司 用于降低胎儿ecg信号中的信号噪声的装置
US20110144511A1 (en) * 2004-09-30 2011-06-16 Yi Zhang Cardiac Activation Sequence Monitoring and Tracking
US20110160606A1 (en) * 2009-02-17 2011-06-30 Mindray Ds Usa, Inc. Systems and methods for graphic display of st-segment deviation
US20110184297A1 (en) * 2010-01-26 2011-07-28 Stmicroelectronics S.R.L. Method and device for estimating morphological features of heart beats

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HUAMING LI,ET.AL: "Body Sensor Network Based Context Aware QRS Detection", 《PROCEEDINGS OF THE 28TH IEEE EMBS ANNUAL INTERNATIONAL CONFERENCE》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106604674A (zh) * 2014-09-02 2017-04-26 皇家飞利浦有限公司 用于控制缺血监测ecg算法的用户反馈
CN104720794A (zh) * 2015-04-13 2015-06-24 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
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
CN108471942A (zh) * 2015-09-30 2018-08-31 心测实验室公司 定量心脏测试
US11445968B2 (en) 2015-09-30 2022-09-20 Heart Test Laboratories, Inc. Quantitative heart testing
CN110022758A (zh) * 2016-11-25 2019-07-16 皇家飞利浦有限公司 用于确定心力衰竭风险的确定系统
CN111315281A (zh) * 2017-03-15 2020-06-19 美敦力公司 心脏信号中噪声信号的检测
US11701062B2 (en) 2017-03-15 2023-07-18 Medtronic, Inc. Detection of noise signals in cardiac signals
CN111315281B (zh) * 2017-03-15 2023-11-28 美敦力公司 心脏信号中噪声信号的检测
US11937948B2 (en) 2019-05-02 2024-03-26 Medtronic, Inc. Identification of false asystole detection
CN114007506A (zh) * 2019-06-11 2022-02-01 村田维欧斯有限公司 用于检测心电图(ecg)信号中的qrs复合波的系统
WO2021102745A1 (zh) * 2019-11-27 2021-06-03 深圳市汇顶科技股份有限公司 多通道ecg测量系统及方法、可穿戴设备

Also Published As

Publication number Publication date
JP6381444B2 (ja) 2018-08-29
JP2014528342A (ja) 2014-10-27
EP2744402A1 (en) 2014-06-25
EP2744402B1 (en) 2020-12-09
US9585582B2 (en) 2017-03-07
WO2013054242A1 (en) 2013-04-18
BR112014008597A2 (pt) 2017-04-18
US20140249437A1 (en) 2014-09-04
CN103857330B (zh) 2016-05-18

Similar Documents

Publication Publication Date Title
CN103857330B (zh) 在实时ecg监测中全自动测量心电图的st-段水平的方法和系统
Yochum et al. Automatic detection of P, QRS and T patterns in 12 leads ECG signal based on CWT
Jager et al. Long-term ST database: a reference for the development and evaluation of automated ischaemia detectors and for the study of the dynamics of myocardial ischaemia
US8825148B2 (en) System for monitoring and diagnosis of cardiac electrogram signals using multi-dimensional analysis
Chatterjee et al. A statistical approach for determination of time plane features from digitized ECG
Farb et al. Day-to-day variability of voltage measurements used in electrocardiographic criteria for left ventricular hypertrophy
JPH11313806A (ja) 心臓機能を表す信号の特性を決定する方法
CN108024750B (zh) Ecg导联信号的高/低频信号质量评价
US8868168B2 (en) System for cardiac condition characterization using electrophysiological signal data
JP6251035B2 (ja) nリード式ECGシステムの作動方法
JP2018530407A (ja) 心筋の状態を評価するためのデータ処理装置
Song et al. New real-time heartbeat detection method using the angle of a single-lead electrocardiogram
CN103919546B (zh) Twa测定装置和twa测定方法
US20120136580A1 (en) System and Method for Analyzing an Electrophysiological Signal
Firoozabadi et al. Efficient noise-tolerant estimation of heart rate variability using single-channel photoplethysmography
Cruces et al. Quaternion-based study of angular velocity of the cardiac vector during myocardial ischaemia
JP5933138B2 (ja) Ecgデータにおけるqrs群の発生を決定する装置及び方法
US20130261480A1 (en) Twa measuring apparatus and twa measuring method
Song et al. A Robust and Efficient Algorithm for St–T Complex Detection in Electrocardiograms
Gao et al. Representative databases for feature engineering and computational intelligence in ECG processing
JP2536410B2 (ja) 心電図解析装置
Ghaffari et al. Finding events of electrocardiogram and arterial blood pressure signals via discrete wavelet transform with modified scales
Vranić et al. Influence of the Main Filter on QRS-amplitude and Duration in Human Electrocardiogram
Mayapur Detection and classification of heart defects
Manis et al. The effect of white noise and false peak Detection on HRV Analysis

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