CN104095627A - 一种心电图数字化信号质量软判决方法和装置 - Google Patents
一种心电图数字化信号质量软判决方法和装置 Download PDFInfo
- Publication number
- CN104095627A CN104095627A CN201410214498.1A CN201410214498A CN104095627A CN 104095627 A CN104095627 A CN 104095627A CN 201410214498 A CN201410214498 A CN 201410214498A CN 104095627 A CN104095627 A CN 104095627A
- Authority
- CN
- China
- Prior art keywords
- baseline
- baseline drift
- electrocardiosignal
- grade
- mean square
- 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
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种心电图数字化信号质量软判决方法和装置,其中该方法包括以下步骤:对输入的原始心电信号去除漂移得到基线漂移成分和去除基线漂移的心电信号;对去除基线漂移的心电信号进行低通滤波处理,得到去除基线漂移、滤除高频成分的心电信号;识别出心电信号的基线定位信息;将基线定位信息与去除基线漂移的心电信号输入基线信号类似均方差参数计算模块,计算基线信号类似均方差参数;将基线定位信息与基线漂移成分输入基线漂移幅度参数计算模块,计算基线漂移波动幅度参数;将前述步骤的两个输出信号输入到一贝叶斯网络中,由该贝叶斯网络输出原始心电信号的质量指数。
Description
技术领域
本发明涉及心电数字信号处理和计算机心电波形智能诊断领域,具体而言涉及一种心电图数字化信号质量软判决方法与装置,实现对拾取的心电数字信号的质量判断。
背景技术
心脏病是夺去人类生命的主要疾病之一,其引发的心源性猝死在短短几分钟内可以使病患离世,留给病患家属无尽的痛苦。当今社会快节奏、方方面面的压力巨大,心源性猝死更表现出多行业、年轻化的趋势,给国家和社会带来无法弥补的损失。
人体心电图作为心脏电活动在体表的综合表现,蕴涵着丰富的反应心脏节律及其电传导的生理和病理信息。自上世纪初荷兰莱顿大学的生理学家威廉.埃因托芬应用炫线式检流计描记心电过程开始,心电图应用于临床心脏病诊断,至今已有100多年。如今,心电图已经成为临床上重要的高效、无创和低价格检查手段。
由于病态心电图种类繁多、变异极大,同种病理不同患者的心电图、甚至同一患者不同时刻的心电图都存在较大的差异,因此,若要对其做出准确判断,一方面,需要医师具有丰富的专业领域知识和临床经验,另一方面,若医师长期从事大量图形的识别工作,极易疲劳,容易漏检、出错。而且,人工进行心电图形分析都是事后分析,不具备实时性,很难具有预警性。
人类在30多年前开始探索心电图自动分析、诊断技术,尝试让计算机分担人类专家的任务。心电信号的自动分析是指在将模拟的心电信号数字化后,应用数字信号处理技术对其提取表征心脏状态的波形信息和特征参数,获取心脏工作状态的相关信息,然后应用多种人工智能算法分析判断心电信号类型及其所对应的疾病类型或健康状况。
心电自动诊断技术经过多年积累已经取得的长足的进步并解决了部分心电图自动测量、模式识别和辅助诊断的难题。但是,由于心电图信号的个体性差异和心脏病理信息分析的复杂性,已有心电信号分析系统还没有达到临床医师的诊断准确度,对心电信号表征的心脏疾病有着较严重的误诊和漏诊。这其中的主要原因是心电信号作为一种体表电信号,信号幅度微弱(毫伏级),极易受到外界环境干扰(如50Hz工频信号干扰)和人体本身运动、体态、肌电干扰。例如,如图1所示的心电信号图,其中心电信号有着较严重的肌电干扰。又如图2所示的心电信号图,其中心电信号不但有肌电干扰,而且基线漂移严重。
受到干扰的低质量心电信号对自动分析系统是很大的挑战。如果不能对拾取的心电信号质量进行正确合理的评估,就对恶劣质量的心电信号强行判读,极易造成误判或漏判。目前现有技术中未见相关技术能够对心电信号的质量以简单的计算作出正确合理的评价。
发明内容
本发明目的在于提供一种心电图数字化信号质量软判决方法与装置,适于心电数字信号的质量判断与评估。
本发明的上述目的通过独立权利要求的技术特征实现,从属权利要求以另选或有利的方式发展独立权利要求的技术特征。
为达成上述目的,本发明所采用的技术方案如下:
一种心电图数字化信号质量软判决方法,包括以下步骤:
步骤1、利用一基线漂移分离器对输入的原始心电信号(x1)进行漂移去除,得到基线漂移成分(x2)以及去除基线漂移的心电信号(x3);
步骤2、利用一FIR低通滤波器对去除基线漂移的心电信号(x3)进行低通滤波处理,滤除高频成分,得到去除基线漂移、滤除高频成分的心电信号(x4);
步骤3、利用一基线识别器接收步骤2得到的心电信号(x4)并识别出基线定位信息(x5);
步骤4、将所述基线定位信息(x5)与去除基线漂移的心电信号(x3)输入基线信号类似均方差参数计算模块,计算输出基线信号类似均方差参数(y1);以及将所述基线定位信息(x5)与基线漂移成分(x2)输入基线漂移幅度参数计算模块,计算输出基线漂移波动幅度参数(y2);
步骤5、将所述步骤4输出的基线信号类似均方差参数(y1)与基线漂移波动幅度参数(y2)输入到一贝叶斯网络中,由该贝叶斯网络输出原始心电信号(x1)的质量指数(L)。
进一步的实施例中,所述步骤1中,在去除漂移过程中,首先采用一2阶低通IIR滤波器对原始心电信号(x1)进行滤波处理,滤除1Hz以上的高频成分,得到1Hz以下的基线漂移成分(x2),然后再将原始心电信号(x1)和基线漂移成分(x2)输入一减法器,得到去除基线漂移的心电信号(x3)。
进一步的实施例中,所述2阶低通IIR滤波器的差分方程为程为:
y(n)=αx(n)-αy(n-1),
其中,系数α=0.980988。
进一步的实施例中,所述步骤2中,对去除基线漂移的心电信号(x3)进行低通滤波处理时,所采用的FIR低通滤波器的通带截止频率为16Hz,阻带起始频率为24Hz。
进一步的实施例中,在所述步骤3中,基线识别器判断某段信号是否为基线时,所采用的样本长度大于等于20个采样点。
进一步的实施例中,所述步骤4中,基线信号类似均方差参数计算模块计算基线信号类似均方差参数(y1)的步骤如下:
设输入基线向量为x3,x3=[x3SI+0,x3SI+1,x3SI+2,…x3SI+N-N]T,其中含N个心电信号采样点,N≥20,SI表示一段基线开始的采样点序号;
计算该段基线向量所有元素的均值μ,其中:
然后计算该基线向量的类似均方差参数 根据的数值和预先设定的阈值和将划分不同的等级,即表示优,表示良,表示中,表示差,共计4个等级,具体操作是:
根据计算得到的类似均方差参数判定等级:
则判定为等级;
如果则判定为等级;
如果则判定为等级;
如果则判定为等级;
最后,将判定的等级赋值给基线信号类似均方差参数(y1);以及
基线漂移幅度参数计算模块计算对应基线漂移信号(x2)的漂移波动幅度参数(y2)的步骤如下:
对应段基线向量基线漂移向量表示为x2,该段基线向量的波动幅度参数ω按照下述公式计算:
然后,根据ω数值和预先设定的阈值ωT12,ωT23和ωT34将划分不同的等级,即ωL1表示优,ωL2表示良,ωL3表示中,ωL4表示差,具体操作为:
根据计算得到的类似均方差参数ω,判定等级:
如果ω≤ωT12,则判定为ωL1等级;
如果ωT12<ω≤ωT23,则判定为ωL2等级;
如果ωT23<ω≤ωT34,则判定为ωL3等级;
如果ω≥ωT34,则判定为ωL4等级;
最后,将判定的等级赋值给基线漂移波动幅度参数(y2)。
一种心电图数字化信号质量软判决装置,包括基线漂移分离器、FIR低通滤波器、基线识别器、基线信号类似均方差参数计算模块、基线漂移幅度参数计算模块以及一贝叶斯网络模块,其中:
所述基线漂移分离器用于对输入的原始心电信号(x1)进行漂移去除,得到基线漂移成分(x2)以及去除基线漂移的心电信号(x3);
所述FIR低通滤波器用于对所述去除基线漂移的心电信号(x3)进行低通滤波处理,滤除高频成分,得到去除基线漂移、滤除高频成分的心电信号(x4);
所述基线识别器用于识别所述去除基线漂移、滤除高频成分的心电信号(x4)的基线定位信息(x5);
所述基线信号类似均方差参数计算模块用于根据所述基线定位信息(x5)与去除基线漂移的心电信号(x3)计算基线信号类似均方差参数(y1);
所述基线漂移幅度参数计算模块用于根据所述基线定位信息(x5)与基线漂移成分(x2)计算基线漂移波动幅度参数(y2);
所述贝叶斯网络用于根据所述基线信号类似均方差参数(y1)与基线漂移波动幅度参数(y2)输出原始心电信号x1的质量指数(L)。
进一步的实施例中,所述基线漂移分离器包括一2阶低通IIR滤波器和一减法器,其中:
所述2阶低通IIR滤波器对原始心电信号(x1)进行滤波处理,滤除1Hz以上的高频成分,得到1Hz以下的基线漂移成分(x2);
所述减法器的输入信号来源于所述2阶低通IIR滤波器的输出以及输入的原始心电信号(x1),该减法器用于将原始心电信号(x1)和基线漂移成分(x2)相减,得到去除基线漂移的心电信号(x3)。
进一步的实施例中,所述FIR低通滤波器的通带截止频率为16Hz,阻带起始频率为24Hz。
进一步的实施例中,基线信号类似均方差参数计算模块计算基线信号类似均方差参数(y1)的步骤如下:
设输入基线向量为x3,x3=[x3SI+0,x3SI+1,x3SI+2,…x3SI+N-N]T,其中含N个心电信号采样点,N≥20,SI表示一段基线开始的采样点序号;
计算该段基线向量所有元素的均值μ,其中:
然后计算该基线向量的类似均方差参数 根据的数值和预先设定的阈值和将划分不同的等级,即表示优,表示良,表示中,表示差,共计4个等级,具体操作是:
根据计算得到的类似均方差参数判定等级:
如果则判定为等级;
如果则判定为等级;
如果则判定为等级;
如果则判定为等级;
最后,将判定的等级赋值给基线信号类似均方差参数(y1);以及
基线漂移幅度参数计算模块计算对应基线漂移信号(x2)的漂移波动幅度参数(y2)的步骤如下:
对应段基线向量基线漂移向量表示为x2,该段基线向量的波动幅度参数ω按照下述公式计算:
然后,根据ω数值和预先设定的阈值ωT12,ωT23和ωT34将划分不同的等级,即ωL1表示优,ωL2表示良,ωL3表示中,ωL4表示差,具体操作为:
根据计算得到的类似均方差参数ω,判定等级:
如果ω≤ωT12,则判定为ωL1等级;
如果ωT12<ω≤ωT23,则判定为ωL2等级;
如果ωT23<ω≤ωT34,则判定为ωL3等级;
如果ω≥ωT34,则判定为ωL4等级;
最后,将判定的等级赋值给基线漂移波动幅度参数(y2)。
由以上本发明的技术方案可知,本发明所提出的心电图数字化信号质量软判决方法与装置,致力于评估心电信号质量,尤其在判断劣质心电信号质量时,其判断结果准确、可靠,能够帮助心电仪使用者对心电图自动诊断结果有合理的信任程度,如果信号质量过差则及时终止后续的自动分析与判断。
附图说明
图1为受到肌电干扰的心电信号图。
图2为受到肌电干扰且基线漂移严重的心电信号图。
图3为本发明一实施方式心电图数字化信号质量软判决方法的实现原理示意图。
图4为图4实施例中贝叶斯网络结果输出的原理示例图。
图5为图3实施例中基线漂移分离器对原始心电信号去除漂移的实现示意图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
参考图3和图4所示的为本发明一实施方式心电图数字化信号质量软判决方法的实现原理示意,其中,一种心电图数字化信号质量软判决方法,其实现包括以下步骤:
步骤1、利用一基线漂移分离器对输入的原始心电信号(x1)进行漂移去除,得到基线漂移成分(x2)以及去除基线漂移的心电信号(x3);
步骤2、利用一FIR低通滤波器对去除基线漂移的心电信号(x3)进行低通滤波处理,滤除高频成分,得到去除基线漂移、滤除高频成分的心电信号(x4);
步骤3、利用一基线识别器接收步骤2得到的心电信号(x4)并识别出基线定位信息(x5);
步骤4、将所述基线定位信息(x5)与去除基线漂移的心电信号(x3)输入基线信号类似均方差参数计算模块,计算输出基线信号类似均方差参数(y1);以及将所述基线定位信息(x5)与基线漂移成分(x2)输入基线漂移幅度参数计算模块,计算输出基线漂移波动幅度参数(y2);
步骤5、将所述步骤4输出的基线信号类似均方差参数(y1)与基线漂移波动幅度参数(y2)输入到一贝叶斯网络中,由该贝叶斯网络输出原始心电信号(x1)的质量指数(L)。
下面结合图3、4、5,对本实施例的上述各步骤的具体实现做进一步说明。
作为可选的实施方式,如图5所示,所述步骤1中,在去除漂移过程中,首先采用一2阶低通IIR滤波器对原始心电信号(x1)进行滤波处理,滤除1Hz以上的高频成分,得到1Hz以下的基线漂移成分(x2),然后再将原始心电信号(x1)和基线漂移成分(x2)输入一减法器,得到去除基线漂移的心电信号(x3)。
优选地,所述2阶低通IIR滤波器的差分方程为程为:
y(n)=αx(n)-αy(n-1),
其中,系数α=0.980988。
在所述步骤2中,对去除基线漂移的心电信号(x3)进行低通滤波处理时,所采用的FIR低通滤波器的通带截止频率为16Hz,阻带起始频率为24Hz。
在所述步骤3中,基线识别器判断某段信号是否为基线时,所采用的样本长度大于等于20个采样点。
本实施例中,基线识别器判断某段信号是否为基线,除了考虑其斜率及其幅值和其他可能基线段的匹配度,还需要考虑该段可能基线的长度(连续采样点数),如果太短则不予考虑。本实施例所采用的样本长度大于等于20个采样点(在采样率为500Hz时,采用时长为40ms),此段落为可能的基线段。
本实施例中,作为优选的方式,所述步骤4中,基线信号类似均方差参数计算模块计算基线信号类似均方差参数(y1)的步骤如下:
设输入基线向量为x3,x3=[x3SI+0,x3SI+1,x3SI+2,…x3SI+N-1]T,其中含N个心电信号采样点,N≥20,SI表示一段基线开始的采样点序号;
计算该段基线向量所有元素的均值μ,其中:
然后计算该基线向量的类似均方差参数 根据的数值和预先设定的阈值和将划分不同的等级,即表示优,表示良,表示中,表示差,共计4个等级,具体操作是:
根据计算得到的类似均方差参数判定等级:
如果则判定为等级;
如果则判定为等级;
如果则判定为等级;
如果则判定为等级;
最后,将判定的等级赋值给基线信号类似均方差参数(y1);以及
基线漂移幅度参数计算模块计算对应基线漂移信号(x2)的漂移波动幅度参数(y2)的步骤如下:
对应段基线向量基线漂移向量表示为x2,该段基线向量的波动幅度参数ω按照下述公式计算:
然后,根据ω数值和预先设定的阈值ωT12,ωT23和ωT34将划分不同的等级,即ωL1表示优,ωL2表示良,ωL3表示中,ωL4表示差,具体操作为:
根据计算得到的类似均方差参数ω,判定等级:
如果ω≤ωT12,则判定为ωL1等级;
如果ωT12<ω≤ωT23,则判定为ωL2等级;
如果ωT23<ω≤ωT34,则判定为ωL3等级;
如果ω≥ωT34,则判定为ωL4等级;
最后,将判定的等级赋值给基线漂移波动幅度参数(y2)。
值得一提的是,前述T自带阈值Threshold,L指代等级Level。
如步骤5所述,将前述基线信号类似均方差参数(y1)与基线漂移波动幅度参数(y2)输入到一贝叶斯网络中,由该贝叶斯网络就心电信号质量进行软判决,输出原始心电信号(x1)的质量指数(L)。
如下示例性的表一所示,根据y1和y2的不同等级,查表可得到心电信号质量指数L为l1(优)、l2(良)、l3(中)、l4(差)的概率,从而得到心电信号质量软判决结果。
表一
值得一提的是,上述表格一是本实施例采用的一个具有代表性的例子。严格意义上,贝叶斯网络的结构建立和参数调整,是由大量数据通过机器学习得到,这一机器学习过程是现有技术中常用的,在此不再赘述。本实施例中采用简单结构的贝叶斯网络,可根据临床数据和心电专家判别标准的不同,表一具体数值可以有小幅差异。
例如,如果y1和y2经计算分别被判断为L1和L2级别,则心电信号质量指数被判定为L1级别(优)的概率为0.74,为L2级别(良)的概率为0.20,L3级别(中)的概率为0.05,L4级别(差)的概率为0.01。如此输出心电信号质量指数,可能够帮助心电仪使用者对心电图自动诊断结果采用合理的信任程度。
本发明的另一实施例还提出一种心电图数字化信号质量软判决装置,包括基线漂移分离器、FIR低通滤波器、基线识别器、基线信号类似均方差参数计算模块、基线漂移幅度参数计算模块以及一贝叶斯网络模块,其中:
所述基线漂移分离器用于对输入的原始心电信号(x1)进行漂移去除,得到基线漂移成分(x2)以及去除基线漂移的心电信号(x3);
所述FIR低通滤波器用于对所述去除基线漂移的心电信号(x3)进行低通滤波处理,滤除高频成分,得到去除基线漂移、滤除高频成分的心电信号(x4);
所述基线识别器用于识别所述去除基线漂移、滤除高频成分的心电信号(x4)的基线定位信息(x5);
所述基线信号类似均方差参数计算模块用于根据所述基线定位信息(x5)与去除基线漂移的心电信号(x3)计算基线信号类似均方差参数(y1);
所述基线漂移幅度参数计算模块用于根据所述基线定位信息(x5)与基线漂移成分(x2)计算基线漂移波动幅度参数(y2);
所述贝叶斯网络用于根据所述基线信号类似均方差参数(y1)与基线漂移波动幅度参数(y2)输出原始心电信号x1的质量指数(L)。
进一步的实施例中,所述基线漂移分离器包括一2阶低通IIR滤波器和一减法器,其中:
所述2阶低通IIR滤波器对原始心电信号(x1)进行滤波处理,滤除1Hz以上的高频成分,得到1Hz以下的基线漂移成分(x2),该2阶低通IIR滤波器的差分方程为程为:
y(n)=αx(n)-αy(n-1),
其中,系数α=0.980988;
所述减法器的输入信号来源于所述2阶低通IIR滤波器的输出以及输入的原始心电信号(x1),该减法器用于将原始心电信号(x1)和基线漂移成分(x2)相减,得到去除基线漂移的心电信号(x3)。
进一步的实施例中,所述FIR低通滤波器的通带截止频率为16Hz,阻带起始频率为24Hz。
进一步的实施例中,基线信号类似均方差参数计算模块计算基线信号类似均方差参数(y1)的步骤如下:
设输入基线向量为x3,x3=[x3SI+0,x3SI+1,x3SI+2,…x3SI+N-1]T,其中含N个心电信号采样点,N≥20,SI表示一段基线开始的采样点序号;
计算该段基线向量所有元素的均值μ,其中:
然后计算该基线向量的类似均方差参数 根据的数值和预先设定的阈值和将划分不同的等级,即表示优,表示良,表示中,表示差,共计4个等级,具体操作是:
根据计算得到的类似均方差参数判定等级:
如果则判定为等级;
如果则判定为等级;
如果则判定为等级;
如果则判定为等级;
最后,将判定的等级赋值给基线信号类似均方差参数(y1);以及
基线漂移幅度参数计算模块计算对应基线漂移信号(x2)的漂移波动幅度参数(y2)的步骤如下:
对应段基线向量基线漂移向量表示为x2,该段基线向量的波动幅度参数ω按照下述公式计算:
然后,根据ω数值和预先设定的阈值ωT12,ωT23和ωT34将划分不同的等级,即ωL1表示优,ωL2表示良,ωL3表示中,ωL4表示差,具体操作为:
根据计算得到的类似均方差参数ω,判定等级:
如果ω≤ωT12,则判定为ωL1等级;
如果ωT12<ω≤ωT23,则判定为ωL2等级;
如果ωT23<ω≤ωT34,则判定为ωL3等级;
如果ω≥ωT34,则判定为ωL4等级;
最后,将判定的等级赋值给基线漂移波动幅度参数(y2)。
可见,整个装置的结构紧凑,性能可靠,计算量小,特别适合便携式心电仪的嵌入式处理器采用。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (10)
1.一种心电图数字化信号质量软判决方法,其特征在于,包括以下步骤:
步骤1、利用一基线漂移分离器对输入的原始心电信号(x1)进行漂移去除,得到基线漂移成分(x2)以及去除基线漂移的心电信号(x3);
步骤2、利用一FIR低通滤波器对去除基线漂移的心电信号(x3)进行低通滤波处理,滤除高频成分,得到去除基线漂移、滤除高频成分的心电信号(x4);
步骤3、利用一基线识别器接收步骤2得到的心电信号(x4)并识别出基线定位信息(x5);
步骤4、将所述基线定位信息(x5)与去除基线漂移的心电信号(x3)输入基线信号类似均方差参数计算模块,计算输出基线信号类似均方差参数(y1);以及将所述基线定位信息(x5)与基线漂移成分(x2)输入基线漂移幅度参数计算模块,计算输出基线漂移波动幅度参数(y2);以及
步骤5、将所述步骤4输出的基线信号类似均方差参数(y1)与基线漂移波动幅度参数(y2)输入到一贝叶斯网络中,由该贝叶斯网络输出原始心电信号(x1)的质量指数(L)。
2.根据权利要求1所述的心电图数字化信号质量软判决方法,其特征在于,所述步骤1中,在去除漂移过程中,首先采用一2阶低通IIR滤波器对原始心电信号(x1)进行滤波处理,滤除1Hz以上的高频成分,得到1Hz以下的基线漂移成分(x2),然后再将原始心电信号(x1)和基线漂移成分(x2)输入一减法器,得到去除基线漂移的心电信号(x3)。
3.根据权利要求1所述的心电图数字化信号质量软判决方法,其特征在于,所述2阶低通IIR滤波器的差分方程为程为:
y(n)=αx(n)-αy(n-1),
其中,系数α=0.980988。
4.根据权利要求1所述的心电图数字化信号质量软判决方法,其特征在于,所述步骤2中,对去除基线漂移的心电信号(x3)进行低通滤波处理时,所采用的FIR低通滤波器的通带截止频率为16Hz,阻带起始频率为24Hz。
5.根据权利要求1所述的心电图数字化信号质量软判决方法,其特征在于,在所述步骤3中,基线识别器判断某段信号是否为基线时,所采用的样本长度大于等于20个采样点。
6.根据权利要求1所述的心电图数字化信号质量软判决方法,其特征在于,所述步骤4中,基线信号类似均方差参数计算模块计算基线信号类似均方差参数(y1)的步骤如下:
设输入基线向量为x3,x3=[x3SI+0,x3SI+1,x3SI+2,…x3SI+N-1]T,其中含N个心电信号采样点,N≥20,SI表示一段基线开始的采样点序号;
计算该段基线向量所有元素的均值μ,其中:
然后计算该基线向量的类似均方差参数 根据的数值和预先设定的阈值和将划分不同的等级,即表示优,表示良,表示中,表示差,共计4个等级,具体操作是:
根据计算得到的类似均方差参数判定等级:
如果则判定为等级;
如果则判定为等级;
如果则判定为等级;
如果则判定为等级;
最后,将判定的等级赋值给基线信号类似均方差参数(y1);以及
基线漂移幅度参数计算模块计算对应基线漂移信号(x2)的漂移波动幅度参数(y2)的步骤如下:
对应段基线向量基线漂移向量表示为x2,该段基线向量的波动幅度参数ω按照下述公式计算:
然后,根据ω数值和预先设定的阈值ωT12,ωT23和ωT34将划分不同的等级,即ωL1表示优,ωL2表示良,ωL3表示中,ωL4表示差,具体操作为:
根据计算得到的类似均方差参数ω,判定等级:
如果ω≤ωT12,则判定为ωL1等级;
如果ωT12<ω≤ωT23,则判定为ωL2等级;
如果ωT23<ω≤ωT34,则判定为ωL3等级;
如果ω≥ωT34,则判定为ωL4等级;
最后,将判定的等级赋值给基线漂移波动幅度参数(y2)。
7.一种心电图数字化信号质量软判决装置,其特征在于,包括基线漂移分离器、FIR低通滤波器、基线识别器、基线信号类似均方差参数计算模块、基线漂移幅度参数计算模块以及一贝叶斯网络模块,其中:
所述基线漂移分离器用于对输入的原始心电信号(x1)进行漂移去除,得到基线漂移成分(x2)以及去除基线漂移的心电信号(x3);
所述FIR低通滤波器用于对所述去除基线漂移的心电信号(x3)进行低通滤波处理,滤除高频成分,得到去除基线漂移、滤除高频成分的心电信号(x4);
所述基线识别器用于识别所述去除基线漂移、滤除高频成分的心电信号(x4)的基线定位信息(x5);
所述基线信号类似均方差参数计算模块用于根据所述基线定位信息(x5)与去除基线漂移的心电信号(x3)计算基线信号类似均方差参数(y1);
所述基线漂移幅度参数计算模块用于根据所述基线定位信息(x5)与基线漂移成分(x2)计算基线漂移波动幅度参数(y2);
所述贝叶斯网络用于根据所述基线信号类似均方差参数(y1)与基线漂移波动幅度参数(y2)输出原始心电信号x1的质量指数(L)。
8.根据权利要求7所述的心电图数字化信号质量软判决装置,其特征在于,所述基线漂移分离器包括一2阶低通IIR滤波器和一减法器,其中:
所述2阶低通IIR滤波器对原始心电信号(x1)进行滤波处理,滤除1Hz以上的高频成分,得到1Hz以下的基线漂移成分(x2),该2阶低通IIR滤波器的差分方程为程为:
y(n)=αx(n)-αy(n-1),
其中,系数α=0.980988;
所述减法器的输入信号来源于所述2阶低通IIR滤波器的输出以及输入的原始心电信号(x1),该减法器用于将原始心电信号(x1)和基线漂移成分(x2)相减,得到去除基线漂移的心电信号(x3)。
9.根据权利要求7所述的心电图数字化信号质量软判决装置,所述FIR低通滤波器的通带截止频率为16Hz,阻带起始频率为24Hz。
10.根据权利要求7所述的心电图数字化信号质量软判决装置,所述基线信号类似均方差参数计算模块计算基线信号类似均方差参数(y1)的步骤如下:
设输入基线向量为x3,x3=[x3SI+0,x3SI+1,x3SI+2,…x3SI+N-1]T,其中含N个心电信号采样点,N≥20,SI表示一段基线开始的采样点序号;
计算该段基线向量所有元素的均值μ,其中:
然后计算该基线向量的类似均方差参数 根据的数值和预先设定的阈值和将划分不同的等级,即表示优,表示良,表示中,表示差,共计4个等级,具体操作是:
根据计算得到的类似均方差参数判定等级:
如果则判定为等级;
如果则判定为等级;
如果则判定为等级;
如果则判定为等级;
最后,将判定的等级赋值给基线信号类似均方差参数(y1);以及
基线漂移幅度参数计算模块计算对应基线漂移信号(x2)的漂移波动幅度参数(y2)的步骤如下:
对应段基线向量基线漂移向量表示为x2,该段基线向量的波动幅度参数ω按照下述公式计算:
然后,根据ω数值和预先设定的阈值ωT12,ωT23和ωT34将划分不同的等级,即ωL1表示优,ωL2表示良,ωL3表示中,ωL4表示差,具体操作为:
根据计算得到的类似均方差参数ω,判定等级:
如果ω≤ωT12,则判定为ωL1等级;
如果ωT12<ω≤ωT23,则判定为ωL2等级;
如果ωT23<ω≤ωT34,则判定为ωL3等级;
如果ω≥ωT34,则判定为ωL4等级;
最后,将判定的等级赋值给基线漂移波动幅度参数(y2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410214498.1A CN104095627B (zh) | 2014-05-20 | 2014-05-20 | 一种心电图数字化信号质量软判决方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410214498.1A CN104095627B (zh) | 2014-05-20 | 2014-05-20 | 一种心电图数字化信号质量软判决方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104095627A true CN104095627A (zh) | 2014-10-15 |
CN104095627B CN104095627B (zh) | 2016-05-04 |
Family
ID=51664441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410214498.1A Active CN104095627B (zh) | 2014-05-20 | 2014-05-20 | 一种心电图数字化信号质量软判决方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104095627B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105266799A (zh) * | 2015-09-16 | 2016-01-27 | 广东工业大学 | 一种基于盲分离技术的心电放大器自动增益控制方法 |
CN105997050A (zh) * | 2016-05-12 | 2016-10-12 | 东北大学 | 一种穿戴式非接触心电采集装置及方法 |
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 |
WO2017124946A1 (zh) * | 2016-01-22 | 2017-07-27 | 周常安 | 动态心血管活动监测方法、系统以及穿戴式监测装置 |
CN107582045A (zh) * | 2017-09-06 | 2018-01-16 | 成都心吉康科技有限公司 | 心电采集方法、可穿戴设备及其控制方法 |
CN109124605A (zh) * | 2018-06-07 | 2019-01-04 | 深圳市太空科技南方研究院 | 一种减少icu内误报警的方法、装置及设备 |
CN110911006A (zh) * | 2019-12-11 | 2020-03-24 | 深圳市科瑞康实业有限公司 | 基于ai人工智能分析的中央监护系统的数据处理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2335747A (en) * | 1998-03-26 | 1999-09-29 | Hewlett Packard Co | Determination of the quality of heart function signals |
CN101637384A (zh) * | 2008-07-28 | 2010-02-03 | 通用电气公司 | Ecg监视系统中信号质量指示和假警报减少的系统和方法 |
CN103705234A (zh) * | 2013-12-05 | 2014-04-09 | 深圳先进技术研究院 | 动态心电信号数据中的检波方法和装置 |
CN103735259A (zh) * | 2013-12-27 | 2014-04-23 | 深圳市理邦精密仪器股份有限公司 | 一种心电信号质量判断指示的方法及系统 |
-
2014
- 2014-05-20 CN CN201410214498.1A patent/CN104095627B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2335747A (en) * | 1998-03-26 | 1999-09-29 | Hewlett Packard Co | Determination of the quality of heart function signals |
CN101637384A (zh) * | 2008-07-28 | 2010-02-03 | 通用电气公司 | Ecg监视系统中信号质量指示和假警报减少的系统和方法 |
CN103705234A (zh) * | 2013-12-05 | 2014-04-09 | 深圳先进技术研究院 | 动态心电信号数据中的检波方法和装置 |
CN103735259A (zh) * | 2013-12-27 | 2014-04-23 | 深圳市理邦精密仪器股份有限公司 | 一种心电信号质量判断指示的方法及系统 |
Non-Patent Citations (4)
Title |
---|
JOHN ALLEN: "Assessing ECG signal quality on a coronary care unit", 《PHYSIOL MEAS》 * |
PHILIPS MEDICAL SYSTEMS: "A New Method for Evaluating ECG Signal Quality for Multi-Lead Arrhythmia Analysis", 《COMPUTERS IN CARDIOLOGY》 * |
RM FARRELL: "Effect of Lead Quality on Computerized ECG Interpretation", 《COMPUTERS IN CARDIOLOGY》 * |
李桥等: "重症监护病人心电导联信号质量评估", 《山东大学学报(医学版)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105266799A (zh) * | 2015-09-16 | 2016-01-27 | 广东工业大学 | 一种基于盲分离技术的心电放大器自动增益控制方法 |
CN105266799B (zh) * | 2015-09-16 | 2018-05-22 | 广东工业大学 | 一种基于盲分离技术的心电放大器自动增益控制方法 |
WO2017124946A1 (zh) * | 2016-01-22 | 2017-07-27 | 周常安 | 动态心血管活动监测方法、系统以及穿戴式监测装置 |
CN105997050A (zh) * | 2016-05-12 | 2016-10-12 | 东北大学 | 一种穿戴式非接触心电采集装置及方法 |
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 |
CN107582045A (zh) * | 2017-09-06 | 2018-01-16 | 成都心吉康科技有限公司 | 心电采集方法、可穿戴设备及其控制方法 |
CN109124605A (zh) * | 2018-06-07 | 2019-01-04 | 深圳市太空科技南方研究院 | 一种减少icu内误报警的方法、装置及设备 |
CN109124605B (zh) * | 2018-06-07 | 2021-12-31 | 深圳市太空科技南方研究院 | 一种减少icu内误报警的方法、装置及设备 |
CN110911006A (zh) * | 2019-12-11 | 2020-03-24 | 深圳市科瑞康实业有限公司 | 基于ai人工智能分析的中央监护系统的数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104095627B (zh) | 2016-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104095627B (zh) | 一种心电图数字化信号质量软判决方法和装置 | |
CN104473629B (zh) | 基于核函数分类算法的心电电极错误放置自动检测方法 | |
CN109907752B (zh) | 一种去除运动伪影干扰与心电特征检测的心电诊断与监护系统 | |
Lin et al. | P-and T-wave delineation in ECG signals using a Bayesian approach and a partially collapsed Gibbs sampler | |
CN107837082A (zh) | 基于人工智能自学习的心电图自动分析方法和装置 | |
CN103705234B (zh) | 动态心电信号数据中的检波方法和装置 | |
EP3692902A1 (en) | Method for assessing electrocardiogram signal quality | |
CN110432895B (zh) | 训练数据处理、心电波形检测方法及电子设备 | |
CN103970975A (zh) | 心电数据处理方法和系统 | |
CN104382618A (zh) | 基于胎心率检测的去噪方法和胎心率检测仪 | |
CN107303177A (zh) | 一种心电图t波、p波的检测方法及系统 | |
CN105266800A (zh) | 一种基于低信噪比条件下胎儿心电盲分离方法 | |
CN109009086A (zh) | 一种心电信号r波检测方法及系统 | |
CN107374619A (zh) | 一种r波快速识别方法 | |
CN113197584A (zh) | 一种基于差分过零检测法的qrs波群识别方法 | |
CN111839494A (zh) | 一种心率监测方法及系统 | |
Mondal et al. | Boundary estimation of cardiac events S1 and S2 based on Hilbert transform and adaptive thresholding approach | |
Elbuni et al. | ECG parameter extraction algorithm using (DWTAE) algorithm | |
CN106974644A (zh) | 一种心电图r波检测方法以及系统 | |
CN110507299B (zh) | 一种心率信号检测装置及方法 | |
KR20140087918A (ko) | 차감 동작 기법 기반의 심전도 신호의 r파 검출 시스템 및 방법 | |
CN105050493A (zh) | 用于确定ecg数据中的qrs复合波的出现的装置和方法 | |
CN114098754A (zh) | 一种房颤信号预处理方法、检测系统、设备及存储介质 | |
CN115067878A (zh) | 基于EEGNet的静息态脑电意识障碍分类方法及系统 | |
CN111345814B (zh) | 一种心电信号中心拍的分析方法、装置、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C53 | Correction of patent of invention or patent application | ||
CB03 | Change of inventor or designer information |
Inventor after: Qiu Lei Inventor after: Zhong Zhaoxiang Inventor before: Qiu Lei |
|
COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: QIU LEI TO: QIU LEI ZHONG ZHAOXIANG |
|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |