CN104323769B - 一种抑制心肺复苏引起的心电干扰的方法、系统及体外除颤仪 - Google Patents
一种抑制心肺复苏引起的心电干扰的方法、系统及体外除颤仪 Download PDFInfo
- Publication number
- CN104323769B CN104323769B CN201410482380.7A CN201410482380A CN104323769B CN 104323769 B CN104323769 B CN 104323769B CN 201410482380 A CN201410482380 A CN 201410482380A CN 104323769 B CN104323769 B CN 104323769B
- Authority
- CN
- China
- Prior art keywords
- signal
- electrocardiosignal
- frequency
- energy
- reference signal
- 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.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Electrotherapy Devices (AREA)
Abstract
本发明公开了一种抑制心肺复苏引起的心电干扰的方法、系统及体外除颤仪,涉及心电检测技术领域,该方法包括以下步骤:采集心电信号以及参考信号的电压信号;对采集的心电信号和电压信号进行处理分析;将处理后的信号与设定值进行比较;信号大于设定值,进行自适应滤波;信号小于设定值,进行节律分析;自适应滤波后的信号再次进行处理分析,返回继续执行步骤三。本发明的有益效果:对获取的心电信号和参考信号进行频域分析,计算心电信号中干扰的能量以及干扰能量占信号总能量的比例。利用干扰能量的比例控制循环滤波的次数以及自适应滤波的步长因子,以实现滤波强度的动态调整,最大限度的抑制心电信号中的按压干扰成分,突出心电信号的特征。
Description
技术领域
本发明涉及一种心电图检测技术领域,特别涉及一种抑制心肺复苏引起的心电干扰的方法。
背景技术
目前,心肺复苏(CPR)是对心脏骤停的急症危重病人进行抢救的关键措施,其中胸外按压质量的好坏直接影响患者的存活。因此2010国际心肺复苏指南中要求按压频率至少为每分钟100次,成人按压深度至少为5厘米,但深度的胸外按压会对患者的心电信号的检测造成极大的干扰。由于强干扰的存在淹没了患者的原有心电信号,使得急救人员无法准确的判断患者的心电节律,而自动体外除颤仪也无法有效的进行心电节律的检测。因此在心肺复苏过程中需要中断胸外按压来确认患者的心电节律,以判断是否有室颤的发生,是否需要进行电击除颤。研究表明,这种中断严重的影响患者的自主循环恢复,会大大降低患者的存活率。因此,需要一种能够消除心电信号中胸外按压干扰的方法,从而实现按压过程中对心电节律的准确分析,减少甚至是消除心肺复苏过程中的中断。
现在已有许多抑制心肺复苏过程中心电干扰的方法,包括不需要附加参考信号的独立分量分析和相干线性移除法,以及需要额外参考信号的自适应滤波、Gabor乘子算法和多通道自适应匹配回归等方法。这些算法能够有效的消除室颤信号中的干扰,提高节律分析时对室颤信号检测的灵敏度。但是在患者基础节律不是室颤(例如无脉性电活动,心脏停搏)时,算法的特异性并不能达到要求,这会导致大量的误判出现,把原本不是室颤的情况错误的判断为室颤,以至于造成不必要的心肺复苏中断。
因此,需要进一步的改进和优化心电复苏干扰抑制的方法,以实现有效的干扰消除,从而实现按压过程中对心电节律的准确分析。
发明内容
有鉴于此,本发明要解决的技术问题在于提供一种抑制心肺复苏引起的心电干扰的方法,能有效消除按压干扰,从而实现按压过程中对心电节律的准确分析,减少心肺复苏过程中的中断。
本发明通过以下技术手段解决上述技术问题:
本发明提供了一种抑制心肺复苏引起的心电干扰的方法,具体包括以下步骤:
步骤一,采集心电信号以及参考信号的电压信号;
步骤二,对所述采集的心电信号及参考信号进行预处理;
步骤三,将所述预处理后的心电信号和参考信号进行频域分析,计算干扰信号能量占心电信号总能量比例pro;
步骤四,将所述干扰信号能量比例pro与预设阈值进行比较;
步骤五,所述干扰信号能量比例pro大于预设阈值,进行自适应滤波;所述干扰信号能量比例pro小于设定阈值,进行节律分析;
步骤六,所述自适应滤波后的电压信号返回继续执行步骤三。
进一步,根据预处理后的心电信号和参考信号分别计算出所述心电信号和参考信号的功率谱密度psd,分析出参考信号的功率谱分布,获取按压干扰的频率分布信息;
根据所述按压干扰的频率分布信息计算出心电信号中干扰能量占心电信号总能量的比例pro,其中,F为采样率,N为干扰频率的谐波个数。
进一步,所述步骤二中的预处理采用带通滤波器对所述心电信号和参考信号进行滤波,所述带通滤波器的高通截止频率范围0Hz~5Hz,滤出参考信号;低通截止频率范围为40Hz~50Hz,获得心电信号。
进一步,所述自适应滤波利用所述心电信号与参考信号共同计算得到干扰能量比例pro动态调整算法的步长因子μ,滤波系数W(n)公式如下:其中,W(n)为时刻n的滤波系数,W(n+1)为时刻n+1的滤波系数,R(n)为时刻n的参考信号观测值矢量矩阵,pro为干扰信号能量比例,e(n)为时刻n的输出误差,e(n)=x(n)-RT(n)*W(n),RT(n)为R(n)的旋转矩阵。
一种抑制心肺复苏引起的心电干扰的系统,包括
信号预处理模块,用于对采集到的心电信号和参考信号进行预处理;
信号频域分析模块,用于对所述预处理后的心电信号和参考信号进行频域分析,得到干扰信号能量占心电信号总能量的比例pro;
信号比较模块,用于将所述干扰信号能量占心电信号总能量比例pro与预设阈值进行比较;
自适应滤波模块,用于将干扰信号能量占心电信号总能力比例pro大于阈值的心电信号进行自适应滤波;
输出模块,用于输出小于阈值的心电信号,以供节律分析,信号预处理子模块、信号频域分析子模块、信号比较子模块、自适应滤波子模块和输出模块顺次连接。
进一步,所述信号预处理模块通过带通滤波器对所述心电信号和参考信号进行滤波,所述带通滤波器的高通截止频率范围0Hz~5Hz,滤出参考信号;低通截止频率范围为40Hz~50Hz,获得心电信号。
进一步,所述信号频域分析模块用于对所述预处理后的心电信号和参考信号进行频域分析,具体步骤包括:
根据预处理后的心电信号和参考信号,计算出所述心电信号和参考信号的功率谱密度psd,分析出参考信号的功率谱分布,获取按压干扰的频率分布信息;
根据所述按压干扰的频率分布信息计算出心电信号中干扰信号能量占心电信号总能量的比例pro,其中,F为采样率,N为干扰频率的谐波个数。
进一步,所述自适应滤波模块利用比较后的所述心电信号与参考信号共同计 算得到干扰信号能量比例pro动态调整算法的步长因子μ,滤波系数W(n)公式如下:其中,W(n)为时刻n的滤波系数,W(n+1)为时刻n+1的滤波系数,R(n)为时刻n的参考信号观测值矢量矩阵,pro为干扰信号能量比例,e(n)为时刻n的输出误差,e(n)=x(n)-RT(n)*W(n),RT(n)为R(n)的旋转矩阵。
一种体外除颤仪,信号采集模块,用于采集患者心电信号和参考信号;
信号处理模块,用于对所述采集的信号进行处理,包括信号预处理、频域分析、信号比较和自适应滤波;
信号控制模块,用于完成心电节律分析以及除颤控制;
除颤模块,用于完成对患者除颤,
所述信号采集模块、信号处理模块、信号控制模块和除颤模块顺次连接,
所述信号处理模块包括信号预处理子模块,用于对所述采集的信号进行预处理;
信号频域分析子模块,用于对所预处理后的信号进行频域分析,得到干扰信号能量占心电信号总能量的比例pro;
信号比较子模块,用于将将所述干扰信号能量占心电信号总能量比例pro与预设阈值进行比较;
自适应滤波子模块,用于将干扰信号能量占心电信号总能力比例pro大于预设阈值的心电信号进行自适应滤波;
输出模块,用于将小于预设阈值的心电信号输出,以供节律分析。
进一步,所述信号频域分析子模块的具体工作步骤包括:
根据预处理后的心电信号和参考信号,计算出所述心电信号和参考信号的功率谱密度psd,分析出参考信号的功率谱分布,获取按压干扰的频率分布信息;
根据所述按压干扰的频率分布信息计算出心电信号中干扰能量占心电信号总能量的比例pro,其中,F为采样率,N为干扰频率的谐波个数。
本发明的有益效果:本发明的抑制心肺复苏引起的心电干扰方法,对获取的心电信号和参考信号进行频域分析,利用参考信号的频率分布及其与干扰的相关性,计算心电信号中干扰的能量以及干扰能量占信号总能量的比例。利用干扰能量的比例控制循环滤波的次数以及自适应滤波的步长因子,以实现滤波强度的动态调整,克服了传统步长因子是固定值影响滤波效果的弊端,最大限度的抑制心电信号中的按压引入的干扰成分,突出原来患者心电信号的特征,以供节律分析。
本发明的抑制心肺复苏引起的心电干扰系统,通过信号频域分析模块对采集的信号进行频域分析,计算出心电信号中干扰信号的能量占心电信号总能量的比例,再将该比例与预设阈值进行比较,大于预设阈值进入自适应滤波模块进行滤波,自适应滤波模块最大限度的抑制心电信号中的干扰成分,突出患者的心电信号的特征,小于预设阈值则可以输出进行节律分析。该系统能有效抑制心肺复苏引起的心电干扰,有效消除心电干扰,实现按压过程中对心电节律的准确分析,减少心肺复苏过程中的中断。
体外除颤仪,通过信号处理模块对心电信号的处理,抑制心电信号中的干扰成分,将突出患者心电信号特征的信号输出到信号控制模块中,进行节律分析,可向施救者提供患者实时、准确的心电信号,以便掌握患者的状态;或对患者进行除颤。
附图说明
下面结合附图和实施例对本发明作进一步描述。
图1为本发明的抑制心肺复苏引起的心电干扰方法的流程图;
图2为本发明的抑制心肺复苏引起的心电干扰系统的结构示意图;
图3为本发明的体外除颤仪的结构示意图;
图4为本发明的体外除颤仪的信号处理模块结构示意图;
图5为本发明的体外除颤仪的信号控制模块结构示意图。
具体实施方式
以下将结合附图对本发明进行详细说明,如图1所示:
本发明的一种抑制心肺复苏引起的心电干扰的方法,具体包括以下步骤:
步骤一,采集心电信号以及胸阻抗信号的电压信号。使用一对体外除颤/心电电极向患者施加低电流激励信号,并通过此电极同时检测出混合了心电信号以及胸阻抗激励信号的电压信号。
步骤二,对上述采集的电压信号进行预处理。利用带通滤波器对采集到的电压信号进行预处理,进行预处理的作用是滤除电压信号中的低频漂移和高频噪声。预处理利用带通滤波器对受干扰的心电信号进行滤波,带通滤波器的高通截止频率在0Hz~5Hz之间,低通截止频率在40Hz~50Hz之间。
检测到的电压信号经过前置放大后经过带通滤波器的低通滤波电路分离出心电信号,经过高通滤波电路和解调电路提取出胸阻抗信号,最后对心电信号和胸阻抗信号进行数字化采集。采集的胸阻抗信号作为参考信号在干扰抑制算法中使用。除了胸阻抗信号以外,还可以选择按压加速度信号、按压力度信号、按压深度信号以及血压信号作为参考信号,采集和处理方法都一样。本实施例采用胸阻抗信号为参考信号。
步骤三,将所述预处理后的心电信号和参考信号进行频域分析,计算干扰信号能量占心电信号总能量比例pro;计算出心电信号和胸阻抗信号的功率谱密度psd,分析胸阻抗信号的功率谱分布,获取按压干扰的频率分布信息。通过干扰频率分布信息计算出心电信号中的干扰能量及其占心电信号总能量的比例pro, 其中,式一中的F为采样率,N为干扰频率的谐波个数。
步骤四,将所述干扰信号能量比例pro与预设阈值进行比较。在CPR过程中,由于按压位置、深度以及患者个体差异等原因,使得按压引入的干扰能量有所差异。当干扰微弱时,不需要对心电信号和参考信号进行滤波也能实现正确的心电节律判断。因此通过设定干扰信号能量比例pro的阈值,对心电信号的滤波次数 和滤波程度进行控制。
步骤五,所述干扰信号能量比例pro大于预设阈值,进行自适应滤波;所述干扰信号能量比例pro小于设定阈值,进行节律分析。若干扰信号能量比例pro大于阈值,说明心电信号中包含较大干扰,这时将使用自适应滤波对心电信号进行处理。如果干扰信号能量比例pro小于阈值,则可以不用进行自适应滤波就可以直接进行节律分析。
传统的自适应滤波方法中,自适应滤波采用标准化的最小均方算法(LMS)调整滤波器系数矩阵,步长因子μ通常为一固定系数,在心电信号以及胸阻抗信号能量变化时,会影响滤波的效果。为了解决这一问题,对自适应算法进行了改进。利用心电信号x(n)与胸阻抗信号r(n)计算得到干扰信号能量比例pro来动态调整算法的步长因子μ,得到滤波器长度为L的滤波系数矩阵W(n)=[w0,w1,…,wL-1]T,其更新公式为:
其中,W(n)为时刻n的滤波系数,W(n+1)为更新后下一时刻n+1的滤波系数,R(n)=[rn,rn-1,...,rn-L+1]T为时刻n的参考信号观测值矢量矩阵,pro为干扰信号能量比例,e(n)为时刻n的输出误差:
e(n)=x(n)-RT(n)*W(n) (3),
式二中,下一时刻n+1的滤波系数W(n+1)由时刻n的滤波系数W(n)以及输出误差e(n)与参考信号观测值矢量矩阵R(n)的乘积不断迭代更新,步长因子μ利用参考信号矢量矩阵R(n)的模以及干扰信号能量比例pro进行动态调整。式三中,RT(n)为R(n)的旋转矩阵。
步骤六,所述自适应滤波后的心电信号返回继续执行步骤三。通常情况下,电压信号的滤波处理只执行一次,但是当干扰很强时,残余的按压干扰同样会对心电信号的节律检测造成影响,因此在方法中,进一步的对干扰信号能量比例pro进行分析,通过与预设阈值的比较,判断出信号受到干扰的状态。若信号中的残余干扰能量仍然很大,将回到步骤三,进一步对电压信号进行滤波处理与分 析,直到信号中的干扰信号能量比例pro小于设定阈值时,结束对电压信号的自适应滤波。滤波后的信号抑制了胸外按压引入的干扰,突出了患者原本的心电信号。滤波后的心电信号可提供给急救人员观察,或利用节律检测算法进行分析,给出是否需要电极除颤的指导建议。
如图2所示,一种抑制心肺复苏引起的心电干扰的系统,包括信号采集模块,用于采集心电信号和参考信号;信号预处理模块,用于对所述采集到的心电信号和参考信号进行预处理;信号频域分析模块,用于对所述预处理后的心电信号和参考信号进行频域分析,得到干扰信号能量占心电信号总能量的比例pro;信号比较模块,用于将所述干扰信号能量占心电信号总能量比例pro与预设阈值进行比较;自适应滤波模块,用于将干扰信号能量占心电信号总能力比例pro大于阈值的心电信号进行自适应滤波;输出模块,用于输出小于阈值的心电信号,以供节律分析。信号预处理模块通过带通滤波器对所述心电信号和参考信号进行滤波,滤除信号中的低频漂移和高频噪声。所述带通滤波器的高通截止频率范围0Hz~5Hz,滤出参考信号,低通截止频率范围为40Hz~50Hz,获得心电信号。
所述信号频域分析模块用于对所述预处理后的心电信号和参考信号进行频域分析,具体步骤包括:
根据预处理后的心电信号和参考信号,计算出所述心电信号和参考信号的功率谱密度psd,分析出参考信号的功率谱分布,获取按压干扰的频率分布信息;
根据所述按压干扰的频率分布信息计算出心电信号中干扰信号能量占心电信号总能量的比例pro,其中,F为采样率,N为干扰频率的谐波个数。
将计算出的干扰信号能量比例传输到信号比较模块中,将该能量的比例与预设阈值进行比较,如果比例大于预设阈值,则将信号输入到自适应滤波模块,如果比例小于预设阈值,则通过输出模块输出,以供节律分析。
所述自适应滤波模块利用比较后的所述心电信号与参考信号共同计算得到 干扰能量比例pro动态调整算法的步长因子μ,滤波系数W(n)公式如下:其中,W(n)为时刻n的滤波系数,W(n+1)为更新后的下一个n+1时刻的滤波系数,R(n)为时刻n的参考信号观测值矢量矩阵,R(n)=[rn,rn-1,...,rn-L+1]T,pro为干扰能量比例,e(n)为时刻n的输出误差:e(n)=x(n)-RT(n)*W(n)其中,下一时刻n+1的滤波系数W(n+1)由时刻n的滤波系数W(n)以及输出误差e(n)与参考信号观测值矢量矩阵R(n)的乘积不断迭代更新,步长因子μ利用参考信号矢量矩阵R(n)的模以及干扰能量比例pro进行动态调整,RT(n)为R(n)的旋转矩阵。
该系统的具体工作过程,通过采集模块采集信号,采集模块利用置于患者胸前的除颤/心电监测电极向患者施加低电流的恒流源激励信号,检测出混合了心电信号以及参考信号的电压信号,再通过带通滤波器,带通滤波器由低通滤波电路和后级放大电路分离出心电信号,最后依次通过带通滤波器的高通滤波电路和解调电路从激励信号中提取出参考信号。对获取的心电信号和参考信号进行频域分析,利用参考信号的频率分布及其与干扰的相关性,计算心电信号中干扰的能量以及干扰能量占信号总能量的比例。利用干扰能量的比例控制循环滤波的次数以及自适应滤波的步长因子,以实现滤波强度的动态调整,最大限度的抑制心电信号中的按压干扰成分,突出心电信号的特征。将该心电信号可提供给急救人员观察,或利用节律检测算法进行分析,给出是否需要电极除颤的指导建议。
该系统可内置于各类体外除颤仪中,在心肺复苏过程中实时的滤除患者心电信号中的按压干扰,可向施救者提供患者实时、准确的心电信号,以便掌握患者的状态;或通过节律分析后向急救者给出是否需要进行电击除颤的建议。
如图3,4,5所示,一种体外除颤仪,包括除颤电极、信号采集模块、信号处理模块和信号控制模块。信号采集模块实现心电信号以及参考信号(如胸阻抗信号)的实时采集;信号处理模块完成干扰信号预处理、频域分析、信号比较和自适应滤波,信号控制模块完成心电节律分析以及除颤控制,完成对患者的除颤,除颤电极分别与信号采集模块和除颤模块连接,信号采集模块与信号处理模 块连接,信号处理模块与信号控制模块连接,信号控制模块与除颤模块连接。其中,信号处理模块包括信号预处理子模块,用于对所述采集到的心电信号和参考信号进行预处理;信号频域分析子模块,用于对所述预处理后的心电信号和参考信号进行频域分析,得到干扰信号能量占心电信号总能量的比例pro;信号比较子模块,用于将所述干扰信号能量占心电信号总能量比例pro与预设阈值进行比较;自适应滤波子模块,用于将干扰信号能量占心电信号总能力比例pro大于阈值的心电信号进行自适应滤波;输出模块,用于输出小于阈值的心电信号,以供节律分析,信号预处理子模块、信号频域分析子模块、信号比较子模块、自适应滤波子模块和输出模块顺次连接。信号控制模块包括节律分析模块、显示/语音模块、手动控制模块和除颤模块,除颤模块包括除颤发生器和充放电模块,信号控制模块接收到输出模块传出的信号,进行节律分析,为急救人员提供参考信息,以判断进行半自动除颤还是全自动除颤。
信号预处理子模块通过带通滤波器对所述心电信号和参考信号进行滤波,滤除信号中的低频漂移和高频噪声。所述带通滤波器的高通截止频率范围0Hz~5Hz,滤出参考信号,低通截止频率范围为40Hz~50Hz,获得心电信号。
信号频域分析子模块用于对所述预处理后的心电信号和参考信号进行频域分析,具体步骤包括:
根据预处理后的心电信号和参考信号,计算出所述心电信号和参考信号的功率谱密度psd,分析出参考信号的功率谱分布,获取按压干扰的频率分布信息;
根据所述按压干扰的频率分布信息计算出心电信号中干扰信号能量占心电信号总能量的比例pro,其中,F为采样率,N为干扰频率的谐波个数。
所述自适应滤波子模块利用比较后的所述心电信号与参考信号共同计算得到干扰能量比例pro动态调整算法的步长因子μ,滤波系数W(n)公式如下:其中,W(n)为时刻n的滤波系数,W(n+1)为更新后的下一个n+1时刻的滤波系数,R(n)为时刻n的参考信号观测值矢量矩阵, R(n)=[rn,rn-1,...,rn-L+1]T,pro为干扰能量比例,e(n)为时刻n的输出误差:e(n)=x(n)-RT(n)*W(n)其中,下一时刻n+1的滤波系数W(n+1)由时刻n的滤波系数W(n)以及输出误差e(n)与参考信号观测值矢量矩阵R(n)的乘积不断迭代更新,步长因子μ利用参考信号矢量矩阵R(n)的模以及干扰能量比例pro进行动态调整,RT(n)为R(n)的旋转矩阵。将计算出的干扰信号能量比例传输到信号比较子模块中,将干扰能量的比例与预设阈值进行比较,如果干扰能量比例大于预设阈值,则将信号输入到自适应滤波子模块,如果干扰能量比例小于预设阈值,则通过输出模块输出到信号控制模块。信号控制模块对信号进行节律分析,判断出进行全自动还是半自动除颤。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种抑制心肺复苏引起的心电干扰的方法,其特征在于:具体包括以下步骤:
步骤一,采集心电信号以及参考信号的电压信号;
步骤二,对所述采集的心电信号及参考信号进行预处理;
步骤三,将所述预处理后的心电信号和参考信号进行频域分析,计算干扰信号能量占心电信号总能量比例pro;
步骤四,将所述干扰信号能量比例pro与预设阈值进行比较;
步骤五,所述干扰信号能量比例pro大于预设阈值,进行自适应滤波;所述干扰信号能量比例pro小于设定阈值,进行节律分析;
步骤六,所述自适应滤波后的电压信号返回继续执行步骤三。
2.如权利要求1所述的方法,其特征在于:所述步骤三包括:
根据预处理后的心电信号和参考信号分别计算出所述心电信号和参考信号的功率谱密度psd,分析出参考信号的功率谱分布,获取按压干扰的频率分布信息;
根据所述按压干扰的频率分布信息计算出心电信号中干扰信号能量占心电信号总能量的比例pro,其中,F为采样率,N为干扰频率的谐波个数,fi为第i次谐波的频率,j为psd中的频率变量。
3.如权利要求1所述的方法,其特征在于:所述步骤二中的预处理采用带通滤波器对所述心电信号和参考信号进行滤波,所述带通滤波器的高通截止频率范围0Hz~5Hz,滤出参考信号;低通截止频率范围为40Hz~50Hz,获得心电信号。
4.如权利要求1所述的方法,其特征在于:所述自适应滤波利用所述心电信号与参考信号共同计算得到干扰能量比例pro动态调整算法的步长因子μ,滤波系数W(n+1)公式如下:其中,W(n)为时刻n的滤波系数,W(n+1)为时刻n+1的滤波系数,R(n)为时刻n的参考信号观测值矢量矩阵,pro为干扰信号能量比例,e(n)为时刻n的输出误差,e(n)=x(n)-RT(n)*W(n),RT(n)为R(n)的旋转矩阵,x(n)为时刻n的心电信号。
5.一种抑制心肺复苏引起的心电干扰的系统,其特征在于:包括
信号预处理模块,用于对采集到的心电信号和参考信号进行预处理;
信号频域分析模块,用于对所述预处理后的心电信号和参考信号进行频域分析,得到干扰信号能量占心电信号总能量的比例pro;
信号比较模块,用于将所述干扰信号能量占心电信号总能量比例pro与预设阈值进行比较;
自适应滤波模块,用于将干扰信号能量占心电信号总能力比例pro大于预设阈值的心电信号进行自适应滤波;
输出模块,用于输出小于预设阈值的心电信号,以供节律分析。
6.如权利要求5所述的系统,其特征在于:所述信号预处理模块通过带通滤波器对所述心电信号和参考信号进行滤波,所述带通滤波器的高通截止频率范围0Hz~5Hz,滤出参考信号;低通截止频率范围为40~50Hz,获得心电信号。
7.如权利要求5所述的系统,其特征在于:所述信号频域分析模块用于对所述预处理后的心电信号和参考信号进行频域分析,具体步骤包括:
根据预处理后的心电信号和参考信号,计算出所述心电信号和参考信号的功率谱密度psd,分析出参考信号的功率谱分布,获取按压干扰的频率分布信息;
根据所述按压干扰的频率分布信息计算出心电信号中干扰信号能量占心电信号总能量的比例pro,其中,F为采样率,N为干扰频率的谐波个数,fi为第i次谐波的频率,j为psd中的频率变量。
8.如权利要求5所述的系统,其特征在于:所述自适应滤波模块利用比较后的所述心电信号与参考信号共同计算得到干扰能量比例pro动态调整算法的步长因子μ,滤波系数W(n+1)公式如下:其中,W(n)为时刻n的滤波系数,W(n+1)为时刻n+1的滤波系数,R(n)为时刻n的参考信号观测值矢量矩阵,pro为干扰信号能量比例,e(n)为时刻n的输出误差,e(n)=x(n)-RT(n)*W(n),RT(n)为R(n)的旋转矩阵,x(n)为时刻n的心电信号。
9.一种体外除颤仪,其特征在于:包括
信号采集模块,用于采集患者心电信号和参考信号;
信号处理模块,用于对所述采集的信号进行处理,包括信号预处理、频域分析、信号比较和自适应滤波;
信号控制模块,用于完成心电节律分析以及除颤控制,完成对患者除颤;
所述信号采集模块、信号处理模块、信号控制模块和除颤模块顺次连接,
所述信号处理模块包括信号预处理子模块,用于对所述采集的信号进行预处理;
信号频域分析子模块,用于对所预处理后的信号进行频域分析,得到干扰信号能量占心电信号总能量的比例pro;
信号比较子模块,用于将将所述干扰信号能量占心电信号总能量比例pro与预设阈值进行比较;
自适应滤波子模块,用于将干扰信号能量占心电信号总能力比例pro大于预设阈值的心电信号进行自适应滤波;
输出模块,用于将小于预设阈值的心电信号输出,以供节律分析,
所述信号预处理子模块、信号频域分析子模块、信号比较子模块、自适应滤波子模块和输出模块顺次连接。
10.如权利要求9所述的体外除颤仪,其特征在于:所述信号频域分析子模块的具体工作步骤包括:
根据预处理后的心电信号和参考信号,计算出所述心电信号和参考信号的功率谱密度psd,分析出参考信号的功率谱分布,获取按压干扰的频率分布信息;
根据所述按压干扰的频率分布信息计算出心电信号中干扰信号能量占心电信号总能量的比例pro,其中,F为采样率,N为干扰频率的谐波个数,fi为第i次谐波的频率,j为psd中的频率变量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410482380.7A CN104323769B (zh) | 2014-09-19 | 2014-09-19 | 一种抑制心肺复苏引起的心电干扰的方法、系统及体外除颤仪 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410482380.7A CN104323769B (zh) | 2014-09-19 | 2014-09-19 | 一种抑制心肺复苏引起的心电干扰的方法、系统及体外除颤仪 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104323769A CN104323769A (zh) | 2015-02-04 |
CN104323769B true CN104323769B (zh) | 2016-09-07 |
Family
ID=52398692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410482380.7A Active CN104323769B (zh) | 2014-09-19 | 2014-09-19 | 一种抑制心肺复苏引起的心电干扰的方法、系统及体外除颤仪 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104323769B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107280659B (zh) * | 2016-04-12 | 2020-09-29 | 中国科学院微电子研究所 | 一种心电信号的处理方法及系统 |
CN106691376B (zh) * | 2016-11-30 | 2019-05-28 | 深圳市科曼医疗设备有限公司 | 心电信号自适应滤波方法及装置 |
CN107231142A (zh) * | 2017-06-21 | 2017-10-03 | 北京乐普医疗科技有限责任公司 | 一种血栓弹力图仪自适应信号处理算法 |
WO2019014931A1 (zh) * | 2017-07-21 | 2019-01-24 | 深圳市汇顶科技股份有限公司 | 生物信号的干扰分析方法及装置、穿戴设备 |
EP3741294B1 (en) * | 2018-01-18 | 2022-11-23 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd | Ecg signal denoising computer program, storage medium, and terminal |
CN110090015B (zh) * | 2018-01-31 | 2023-07-04 | 深圳迈瑞生物医疗电子股份有限公司 | 一种监护设备及其防干扰装置 |
CN109846694B (zh) * | 2019-04-10 | 2023-10-13 | 军事科学院系统工程研究院卫勤保障技术研究所 | 在人工通气间期进行心电节律辨识的心肺复苏一体化装置及方法 |
CN111803054B (zh) * | 2020-06-12 | 2023-04-07 | 中国人民解放军陆军军医大学 | 一种实时评估室颤信号质量和除颤成功率的方法与仪器 |
CN116271376B (zh) * | 2023-04-18 | 2024-04-19 | 中船海神医疗科技有限公司 | 一种便携式生命支持系统 |
CN116458847B (zh) * | 2023-04-18 | 2024-03-29 | 中船海神医疗科技有限公司 | 一种基于自适应滤波的急救设备干扰抑制方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2042271A1 (en) * | 1990-08-06 | 1992-02-07 | Kevin Scott Kreger | Bio-potential signal processor for magnetic resonance imaging |
CN1169492C (zh) * | 2002-07-12 | 2004-10-06 | 清华大学 | 一种运动心电图中的t波交替的检测方法 |
US7734334B2 (en) * | 2004-05-17 | 2010-06-08 | Beth Israel Deaconess Medical Center, Inc. | Assessment of sleep quality and sleep disordered breathing based on cardiopulmonary coupling |
CN101548885B (zh) * | 2009-04-17 | 2010-12-08 | 南京大学 | 去除电生理信号中工频干扰信号的方法 |
-
2014
- 2014-09-19 CN CN201410482380.7A patent/CN104323769B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104323769A (zh) | 2015-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104323769B (zh) | 一种抑制心肺复苏引起的心电干扰的方法、系统及体外除颤仪 | |
WO2019190679A3 (en) | System for heart rate and electrocardiogram extraction from a spinal cord stimulation system | |
CA2979135C (en) | Systems, apparatus and methods for sensing fetal activity | |
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 | |
KR101683908B1 (ko) | 적응 조각 이음 알고리즘에 의한 심폐소생술 중의 진성 심전도 측정 | |
CN102835954B (zh) | 一种心拍波形模板生成方法及模块 | |
EP1620005B1 (en) | Apparatus for analysing cardiac events | |
CN109171708B (zh) | 一种可除颤心律识别装置 | |
US9155482B2 (en) | Apparatus and method for indicating cardiac output | |
Piotrowski et al. | Robust algorithm for heart rate (HR) detection and heart rate variability (HRV) estimation | |
US20140100466A1 (en) | Electrocardiogram analyzer and electrode set | |
CN105899258B (zh) | 可变带宽ecg高通滤波器 | |
US11337638B2 (en) | ECG signal processing method and apparatus | |
CN104939820A (zh) | 一种起搏信号检测方法及装置 | |
Vijaya et al. | Arrhythmia detection through ECG feature extraction using wavelet analysis | |
CN106889981B (zh) | 一种用于提取胎儿心率的智能终端 | |
CN106691376B (zh) | 心电信号自适应滤波方法及装置 | |
CN102284138B (zh) | 基于二阶导数编码的符号序列熵自动判别室速室颤的体外除颤器 | |
CN106874872A (zh) | 工频噪声滤除装置与方法 | |
CN113499082B (zh) | Qrs波群检测方法、心电检测装置及可读存储介质 | |
CN107510453A (zh) | 一种前额区脑电分析方法 | |
Pingale | Using Pan Tompkin ‘S Method, ECG signal processing and dignose various diseases in Matlab | |
CN107280659A (zh) | 一种心电信号的处理方法及系统 | |
CN106255530A (zh) | 用于心肺复苏的心搏停止检测 | |
CN107280661A (zh) | 预判除颤时机的方法 |
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 |