CN103876732A - 一种基于稀疏成分分析的j波提取方法 - Google Patents

一种基于稀疏成分分析的j波提取方法 Download PDF

Info

Publication number
CN103876732A
CN103876732A CN201410130756.8A CN201410130756A CN103876732A CN 103876732 A CN103876732 A CN 103876732A CN 201410130756 A CN201410130756 A CN 201410130756A CN 103876732 A CN103876732 A CN 103876732A
Authority
CN
China
Prior art keywords
centerdot
ripple
hybrid matrix
component analysis
wave extraction
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
CN201410130756.8A
Other languages
English (en)
Other versions
CN103876732B (zh
Inventor
李灯熬
张桂敏
赵菊敏
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.)
Taiyuan University of Technology
Original Assignee
Taiyuan University of Technology
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 Taiyuan University of Technology filed Critical Taiyuan University of Technology
Priority to CN201410130756.8A priority Critical patent/CN103876732B/zh
Publication of CN103876732A publication Critical patent/CN103876732A/zh
Application granted granted Critical
Publication of CN103876732B publication Critical patent/CN103876732B/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

本发明涉及J波的提取方法,具体为一种基于稀疏成分分析的J波提取方法,本发明先对观测信号进行预处理,去除干扰和噪声,之后估计混合矩阵,由于运用K均值聚类方法不能完全估计出混合矩阵,因此进行了改进,在恢复出一个源信号的基础上,估计混合矩阵的另一列,从而恢复出第二个源信号,即提取出了J波;本发明与现有技术相比,在源信号不充分稀疏情况下,估计出了混合矩阵,进而由混合矩阵提取出了J波;能够提取出发生在正常心电信号ST段不同形状的J波,提高了J波的提取精度。

Description

一种基于稀疏成分分析的J波提取方法
技术领域
本发明涉及J波的提取方法,具体为一种基于稀疏成分分析的J波提取方法。
背景技术
心电图中QRS(磁共振血管造影)综合波与ST段之间的连接点称为J点,表示除极结束、复极开始,在心脏正常情况下,心室最后除极和心室最早复极存在共同过渡区,在人体重叠时间约10ms,倘若J点从基线移位则称J点偏移。J波是一种正常的心电图变异,当J波经过在时域、频域等分析,从中提取J波的特性,医生再结合上临床病例,可进一步准确诊断室速、室颤、致命性的恶性心律失常,医生还可结合J波诊断猝死。因此为减少猝死的发生,猝死无创性预警方法的研究备受重视,并已取得长足进展。对猝死的心电图预警指标,目前多数集中在心室的复极指标,J波作为心电图心室复极的新指标越来越受到临床的重视。
J波综合征包括Brugada(布鲁戈登)综合征、特发性心室颤动和早期复极综合征,早期复极综合征一般被评为良性的J波。低温可诱导出J波,部分或全部埋藏于QRS波中的小J波会随着温度的降低而“长”出来,J波被看作是低温在心电图上的特有的一个病理标记。频率依赖性:当心率加快时,所对应的J波随之减小,反之,当特性作用心率减慢时,J波也随之增大,是由于当心率加快时,Ito(瞬时外向钾电流)从失活状态恢复慢,可使Ito减小,从而降低J波幅度。
J波可以作为医生诊断室速、室颤、致命性的恶性心律失常、猝死等的心电图预警指标,因此提取J波非常重要,但是J波不完全满足稀疏性,而现有的提取信号的方法,如稀疏成分分析(SCA)方法是在基于信号充分满足稀疏性的基础上提取信号的,根据K-means(K均值聚类)算法只能估计出混合矩阵的一列,从而得到正常心电信号,但是J波仍然无法提取出来。
发明内容
本发明为了解决现有的信号提取方法在估计混合矩阵方面的不足进而无法提取出J波的问题,提供了一种基于稀疏成分分析的J波提取方法。
本发明是采用如下的技术方案实现的:一种基于稀疏成分分析的J波提取方法,包括以下步骤:
从体表获取两路由正常心电信号和J波叠加组成的观测信号;
滤除观测信号中的干扰信号和噪声;
对观测信号运用K均值聚类方法,估计出混合矩阵的某一列,得到正常心电信号;
定位正常心电信号的QRS波,得到S点的位置;
寻找S点两侧幅值相同的点,然后将观测信号中和S点的两侧幅值相同的点的位置相同的点的列向量作差,列向量作差后得到的向量的斜率值即为混合矩阵的剩余一列中元素的比值,由此得到混合矩阵;
根据估计出的混合矩阵,提取得到J波。
从人体体表获得的观测信号由在正常心电信号的QRS波的S点位移后的J波和正常心电信号叠加后形成,也就是观测信号可表示成由混合矩阵和源信号(由正常心电信号和J波单纯的组合形成,即源信号中的正常心电信号和J波没有叠加关系)相乘得到的,所以能够得到混合矩阵就能提取J波,而现有方法只能提取混合矩阵中的其中一列,因此本发明在正常心电信号的QRS波的S点的位置的两侧先找到幅值相同的点,再将混合信号的对应位置的点列向量作差,作差后得到的向量的斜率值即为混合矩阵的剩余一列中元素的比值,由此得到混合矩阵,由混合矩阵的逆矩阵和混合信号相乘,便可得到J波,医生便可以结合J波和临床病例,对室速、室颤、致命性的恶性心律失常、猝死等作出精确的判断;同时运用本方法能将不同形态的J波(J波有三种形态)提取出来,提高了J波的提取精度。
本发明与现有技术相比具有如下优点:
在源信号不充分稀疏情况下,估计出了混合矩阵,进而由混合矩阵提取出了J波;
能够提取出发生在正常心电信号ST段不同形状的J波,提高了J波的提取精度。
附图说明
图1为本发明的流程图。
具体实施方式
一种基于稀疏成分分析的J波提取方法,包括以下步骤:
从体表获取两路观测信号
Figure BDA0000486328830000031
x 1 x 2 = X = ( X 1 , · · · X p ) = x 11 , x 12 · · · x 1 p x 21 , x 22 · · · x 2 p = a 11 , a 12 a 21 , a 22 s 1 s 2 = a 11 , a 12 a 21 , a 22 s 11 · · · s 1 p s 21 · · · s 2 p = ( A 1 , A 2 ) s 11 · · · s 1 p s 21 · · · s 2 p ;
式中:代表观测信号行向量表示法,(X1,…XP)代表观测信号列向量表示法,
Figure BDA0000486328830000043
是观测信号的矩阵,
Figure BDA0000486328830000044
[A1,A2]表示混合矩阵,表示源信号,
滤除观测信号 X = ( X 1 , X 2 · · · X p ) = x 11 , x 12 · · · x 1 p x 21 , x 22 · · · x 2 p 中的干扰信号和噪声,干扰信号和噪声包括工频干扰、基线漂移和肌电干扰等;
对观测信号 X = ( X 1 , X 2 · · · X p ) = x 11 , x 12 · · · x 1 p x 21 , x 22 · · · x 2 p 运用K均值聚类方法,估计出混合矩阵的某一列,得到正常心电信号:观测信号
X = ( X 1 , · · · , X p ) = [ A 1 , A 2 ] = s 11 · · · s 1 p s 21 · · · s 2 p , 当源信号 s = S 1 S 2 = s 11 · · · s 1 p s 21 · · · s 2 p 中某一时刻只有一个信号(如只有s1,s1是指正常心电信号和J波其中一个)起作用时,观测信号
Figure BDA00004863288300000410
即x1=a11s1,x2=a21s1,它在m维空间中是一条直线,斜率取决于矩阵的列矢量,
Figure BDA00004863288300000411
或者
A 1 = a 21 a 11 ;
定位正常心电信号的QRS波,得到S点的位置;
寻找S点两侧幅值相同的点,然后将观测信号中和S点的两侧幅值相同的点的位置相同的点的列向量作差,列向量作差后得到的向量的斜率值即为混合矩阵的剩余一列中元素的比值,由此得到混合矩阵:观测信号 X = [ X 1 , · · · , X p ] = x 11 , x 12 · · · x 1 p x 21 , x 22 · · · x 2 p = [ A 1 , A 2 ] s 11 · · · s 1 p s 21 · · · s 2 p ;
X i = x 1 i x 2 i = a 11 s 1 i + a 12 s 2 i a 21 s 1 i + a 22 s 2 i = a 11 a 21 s 1 i + a 12 a 22 s 2 i = A 1 s 1 i + A 2 s 2 i ,
X j = x 1 j x 2 j = a 11 s 1 j + a 12 s 2 j a 21 s 1 j + a 22 s 2 j = a 11 a 21 s 1 j + a 12 a 22 s 2 j = A 1 s 1 j + A 2 s 2 j ,
X j - X i = X 1 j X 2 j - X 1 i X 2 i = a 12 a 22 ( s 2 j - s 2 i ) = A 2 ( s 2 j - s 2 i ) ( s 1 i = s 1 j , s1j和s1i是幅值相同的点),第二列A2的方向和Xj-Xi的方向相同,即A2的值为Xj-Xi的斜率值;
根据估计出的混合矩阵,提取得到J波:根据X=AS,S=A-1X得到S,由此可得到J波。

Claims (1)

1.一种基于稀疏成分分析的J波提取方法,其特征在于包括以下步骤:
从体表获取两路由正常心电信号和J波叠加组成的观测信号;
滤除观测信号中的干扰信号和噪声;
对观测信号运用K均值聚类方法,估计出混合矩阵的某一列,得到正常心电信号;
定位正常心电信号的QRS波,得到S点的位置;
寻找S点两侧幅值相同的点,然后将观测信号中和S点的两侧幅值相同的点的位置相同的点的列向量作差,列向量作差后得到的向量的斜率值即为混合矩阵的剩余一列中元素的比值,由此得到混合矩阵;
根据估计出的混合矩阵,提取得到J波。
CN201410130756.8A 2014-04-02 2014-04-02 一种基于稀疏成分分析的j波提取方法 Active CN103876732B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410130756.8A CN103876732B (zh) 2014-04-02 2014-04-02 一种基于稀疏成分分析的j波提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410130756.8A CN103876732B (zh) 2014-04-02 2014-04-02 一种基于稀疏成分分析的j波提取方法

Publications (2)

Publication Number Publication Date
CN103876732A true CN103876732A (zh) 2014-06-25
CN103876732B CN103876732B (zh) 2015-09-16

Family

ID=50946097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410130756.8A Active CN103876732B (zh) 2014-04-02 2014-04-02 一种基于稀疏成分分析的j波提取方法

Country Status (1)

Country Link
CN (1) CN103876732B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104323772A (zh) * 2014-12-02 2015-02-04 太原理工大学 一种基于稀疏成分分析的房颤信号提取方法
CN104367315A (zh) * 2014-11-13 2015-02-25 太原理工大学 一种提取心电图中j波信号的盲源分离方法
CN104783787A (zh) * 2015-04-24 2015-07-22 太原理工大学 一种基于神经网络的j波检测方法
CN105125209A (zh) * 2015-09-10 2015-12-09 太原理工大学 基于扩展卡尔曼滤波的j波检测与分类方法
CN107802260A (zh) * 2017-11-09 2018-03-16 湖北工业大学 一种心室复极变异性时空联合分析方法
CN108143408A (zh) * 2017-12-25 2018-06-12 广东工业大学 一种j波的识别提取方法、装置及介质
CN109875548A (zh) * 2019-03-24 2019-06-14 浙江好络维医疗技术有限公司 一种基于多导联综合分析的心电图特征波形聚类方法
CN110584598A (zh) * 2019-08-07 2019-12-20 中国地质大学(武汉) 基于时频分析的自动分离高频振荡节律中尖峰活动方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102085095A (zh) * 2009-12-07 2011-06-08 深圳市新元素医疗技术开发有限公司 一种检测心电图中st段的方法、系统和心电检测仪器
US20110275921A1 (en) * 2008-11-27 2011-11-10 "Amycard" Llc. Method of noninvasive electrophysiological study of the heart
US20120123283A1 (en) * 2010-11-12 2012-05-17 Jani Tikkanen Apparatus, Method, And Computer Program For Predicting Risk For Cardiac Death
CN103070681A (zh) * 2012-12-08 2013-05-01 太原理工大学 一种基于稀疏成分分析的心室晚电位分离方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110275921A1 (en) * 2008-11-27 2011-11-10 "Amycard" Llc. Method of noninvasive electrophysiological study of the heart
CN102085095A (zh) * 2009-12-07 2011-06-08 深圳市新元素医疗技术开发有限公司 一种检测心电图中st段的方法、系统和心电检测仪器
US20120123283A1 (en) * 2010-11-12 2012-05-17 Jani Tikkanen Apparatus, Method, And Computer Program For Predicting Risk For Cardiac Death
CN103070681A (zh) * 2012-12-08 2013-05-01 太原理工大学 一种基于稀疏成分分析的心室晚电位分离方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王春光: "基于稀疏分解的心电信号特征波检测及心电数据压缩", 《中国博士学位论文全文数据库(医药卫生科技辑)》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104367315A (zh) * 2014-11-13 2015-02-25 太原理工大学 一种提取心电图中j波信号的盲源分离方法
CN104323772A (zh) * 2014-12-02 2015-02-04 太原理工大学 一种基于稀疏成分分析的房颤信号提取方法
CN104783787A (zh) * 2015-04-24 2015-07-22 太原理工大学 一种基于神经网络的j波检测方法
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
CN105125209A (zh) * 2015-09-10 2015-12-09 太原理工大学 基于扩展卡尔曼滤波的j波检测与分类方法
CN107802260B (zh) * 2017-11-09 2021-02-05 湖北工业大学 一种心室复极变异性时空联合分析方法
CN107802260A (zh) * 2017-11-09 2018-03-16 湖北工业大学 一种心室复极变异性时空联合分析方法
CN108143408A (zh) * 2017-12-25 2018-06-12 广东工业大学 一种j波的识别提取方法、装置及介质
CN108143408B (zh) * 2017-12-25 2019-06-14 广东工业大学 一种j波的识别提取方法、装置及介质
CN109875548A (zh) * 2019-03-24 2019-06-14 浙江好络维医疗技术有限公司 一种基于多导联综合分析的心电图特征波形聚类方法
CN109875548B (zh) * 2019-03-24 2022-04-19 浙江好络维医疗技术有限公司 一种基于多导联综合分析的心电图特征波形聚类方法
CN110584598A (zh) * 2019-08-07 2019-12-20 中国地质大学(武汉) 基于时频分析的自动分离高频振荡节律中尖峰活动方法
CN110584598B (zh) * 2019-08-07 2020-07-03 中国地质大学(武汉) 基于时频分析的自动分离高频振荡节律中尖峰活动方法

Also Published As

Publication number Publication date
CN103876732B (zh) 2015-09-16

Similar Documents

Publication Publication Date Title
CN103876732A (zh) 一种基于稀疏成分分析的j波提取方法
EP3795074B1 (en) Method and device for automatically determining st segment of electrocardiogram signal based on artificial intelligence technology
CN103083013B (zh) 基于形态学与小波变换的心电信号qrs复波检测方法
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
CN105030228A (zh) 在心电信号中确定其p波位置的方法及装置
CN102579039B (zh) 一种心电图中的t波交替检测的方法
CN104783787B (zh) 一种基于神经网络的j波检测方法
CN102258368B (zh) 胎心电检测的时域稀疏性线性混叠盲分离模型的判别方法
CN101257843A (zh) 使用非线性状态空间投影方法的非线性信号分离方法
CN103815897A (zh) 一种心电图特征提取方法
CN101596108B (zh) 胎儿心电图的一种基于重构相空间的非线性分离提取方法
Balachandran et al. Daubechies algorithm for highly accurate ECG feature extraction
CN103083012A (zh) 基于盲源分离的房颤信号提取方法
CN104367315B (zh) 一种提取心电图中j波信号的盲源分离方法
CN103006206A (zh) 一种微伏级t波交替的定量检测方法
CN106137185A (zh) 一种基于模板构造小波的癫痫特征波检测方法
CN103860167A (zh) 基于非负矩阵分解的j波提取和分析方法
CN102783945A (zh) 基于小波阈值去噪的胎儿心电信号提取方法
CN103070681B (zh) 一种基于稀疏成分分析的心室晚电位分离方法
CN104757966A (zh) 胎儿心电信号的提取方法及装置
CN105310688A (zh) 一种基于非负盲分离胎儿心电特征信号提取方法
Ban et al. PVC-induced cardiomyopathy: the cut-off value for the premature ventricular complex burden
Ma et al. A multichannel nonlinear adaptive noise canceller based on generalized FLANN for fetal ECG extraction
WO2015079060A3 (en) Micro-rnas as diagnostic tools in patients with cardiovascular disease
CN101782943A (zh) 基于真实人体解剖数据的ecg仿真方法

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