CN104545887B - 伪差心电波形识别方法和装置 - Google Patents
伪差心电波形识别方法和装置 Download PDFInfo
- Publication number
- CN104545887B CN104545887B CN201410817942.9A CN201410817942A CN104545887B CN 104545887 B CN104545887 B CN 104545887B CN 201410817942 A CN201410817942 A CN 201410817942A CN 104545887 B CN104545887 B CN 104545887B
- Authority
- CN
- China
- Prior art keywords
- data
- phase
- waveform data
- egc waveform
- electro
- 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
- A61B5/24—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]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
Abstract
一种伪差心电波形识别方法,包括:读取原始心电波形数据;过滤原始心电波形数据中的中基线漂移和高频噪声,得到预处理后的心电波形数据;剔除预处理后的心电波形数据的异常心电波形数据,得到较正常心电波形数据;获取较正常心电波形数据中的一段连续低误差心电波形对应的数据,从连续低误差心电波形对应的数据中提取一个RR间期对应的心电波形数据作为心电模板数据;将较正常心电波形数据中残差能量大于心电模板数据对应的残差能量的预设倍数的RR间期对应的心电波形数据作为伪差心电波形数据。上述方法可快速识别出伪差心电波形。此外,还提供一种伪差心电波形识别装置。
Description
【技术领域】
本发明涉及心电波形识别技术领域,特别涉及一种伪差心电波形识别方法和装置。
【背景技术】
现阶段动态心电图自动识别技术发展十分迅速,但仍有许多因素影响动态心电图的正确识别,伪差就是其中之一。伪差的存在给计算机自动分析动态心电图带来了很多困难。存在伪差的心电波形即为伪差心电波形;自动识别心电波形中的伪差心电波形是动态心电图自动分析技术需要克服的难关。
目前,关于心电图中的伪差心电波形识别的方法主要有国内外学者提出的非线性方法,例如叠加平均法、小波分析法、独立分量分析法等等。但这些方法有的需要处理大量的数据,处理时间过长而让人难以接受,而有的是不适用于单导联心电信号,应用都不是很广。因此,现阶段伪差心电波形的识别大多停留在人工识别的水平上。
【发明内容】
基于此,有必要提供一种可快速识别出心电图中的伪差心电波形的一种伪差心电波形识别方法和装置。
一种伪差心电波形识别方法,包括以下步骤:
读取原始心电波形数据,所述原始心电波形数据是按照预设采样频率对一段原始心电信号进行采样得到的多个信号幅值构成的信号幅值序列;
对所述原始心电波形数据进行预处理以过滤原始心电波形数据中的基线漂移和高频噪声,得到预处理后的心电波形数据;
剔除所述预处理后的心电波形数据的异常心电波形数据,得到较正常心电波形数据;
获取所述较正常心电波形数据中的一段连续低误差心电波形对应的数据,从所述连续低误差心电波形对应的数据中提取一个RR间期对应的心电波形数据作为心电模板数据;
计算所述心电模板数据的残差能量,以及所述较正常心电波形数据中各个RR间期对应的心电波形数据的残差能量,将所述较正常心电波形数据中残差能量大于所述心电模板数据的残差能量的预设倍数的RR间期对应的心电波形数据作为伪差心电波形数据。
在其中一个实施例中,对所述原始心电波形数据进行预处理以过滤原始心电波形数据中的基线漂移和高频噪声的步骤包括:
计算所述原始心电波形数据中各个信号幅值的平均值,将所述原始心电波形数据中的各个信号幅值减去该平均值,得到第一信号幅值序列;
使用移动平均滤波器去除所述第一信号幅值序列的高频噪声,得到第二幅值序列;
获取所述原始心电信号的频率范围的下限,使用截止频率为该下限的高通滤波器对所述第二信号幅值序列进行抑制漂移处理,得到第三信号幅值序列;
获取所述设备能采集到的心电信号的频率范围的上限,使用截止频率为该上限的低通巴特沃斯滤波器去除所述第三信号幅值序列的高频噪声,得到所述预处理后的心电波形数据。
在其中一个实施例中,剔除所述预处理后的心电波形数据的异常心电波形数据的步骤包括:
计算所述预处理后的心电波形数据的各个RR间期,并计算所有RR间期的平均值得到平均RR间期,并计算各个RR间期的标准差;
获取与所述平均RR间期的绝对差值大于等于所述标准差的2倍的RR间期,得到异常RR间期;
剔除所述预处理后的心电波形数据中所述异常RR间期对应的心电波形数据,得到较正常心电波形数据。
在其中一个实施例中,所述连续低误差心电波形由预设数量的依次相邻的RR间期对应的心电波形组成,且所有该RR间期与所述较正常心电波形数据的平均RR间期的误差在预设范围内。
在其中一个实施例中,一个RR间期对应的心电波形数据的残差能量为该RR间期对应的心电波形的信号幅值序列中各个信号幅值与心电模板的基线幅值的差的加权平方和;
其中,所述心电模板的基线幅值为所述心电模板数据中的QRS波群终点到T波起点后的第10个点的平均值。
一种伪差心电波形识别装置,包括:
原始数据读取模块,用于读取原始心电波形数据,所述原始心电波形数据是按照预设采样频率对一段原始心电信号进行采样得到的多个信号幅值构成的信号幅值序列;
预处理模块,用于对所述原始心电波形数据进行预处理以过滤原始心电波形数据中的基线漂移和高频噪声,得到预处理后的心电波形数据;
异常数据剔除模块,用于剔除所述预处理后的心电波形数据的异常心电波形数据,得到较正常心电波形数据;
心电模板获取模块,用于获取所述较正常心电波形数据中的一段连续低误差心电波形对应的数据,从所述连续低误差心电波形对应的数据中提取一个RR间期对应的心电波形数据作为心电模板数据;
伪差波形识别模块,用于计算所述心电模板数据的残差能量,以及所述较正常心电波形数据中各个RR间期对应的心电波形数据的残差能量,将所述较正常心电波形数据中残差能量大于所述心电模板数据的残差能量的预设倍数的RR间期对应的心电波形数据作为伪差心电波形数据。
在其中一个实施例中,所述对预处理模块用于计算所述原始心电波形数据中各个信号幅值的平均值,将所述原始心电波形数据中的各个信号幅值减去该平均值,得到第一信号幅值序列;
所述对预处理模块还用于使用移动平均滤波器去除所述第一信号幅值序列的高频噪声,得到第二幅值序列;
所述对预处理模块还用于获取所述原始心电信号的频率范围的下限,使用截止频率为该下限的高通滤波器对所述第二信号幅值序列进行抑制漂移处理,得到第三信号幅值序列;
所述对预处理模块还用于获取所述设备能采集到的心电信号的频率范围的上限,使用截止频率为该上限的低通巴特沃斯滤波器去除所述第三信号幅值序列的高频噪声,得到所述预处理后的心电波形数据。
在其中一个实施例中,所述异常数据剔除模块用于计算所述预处理后的心电波形数据的各个RR间期,并计算所有RR间期的平均值得到平均RR间期,并计算各个RR间期的标准差;
所述异常数据剔除模块还用于获取与所述平均RR间期的绝对差值大于等于所述标准差的2倍的RR间期,得到异常RR间期;
所述异常数据剔除模块还用于剔除所述预处理后的心电波形数据中所述异常RR间期对应的心电波形数据,得到较正常心电波形数据。
在其中一个实施例中,所述连续低误差心电波形由预设数量的依次相邻的RR间期对应的心电波形组成,且所有该RR间期与所述较正常心电波形数据的平均RR间期的误差在预设范围内。
在其中一个实施例中,一个RR间期对应的心电波形数据的残差能量为该RR间期对应的心电波形的信号幅值序列中各个信号幅值与心电模板的基线幅值的差的加权平方和;
其中,所述心电模板的基线幅值为所述心电模板数据中的QRS波群终点到T波起点后的第10个点的平均值。
上述伪差心电波形识别方法和装置,对原始心电波形数据进行预处理以过滤原始心电波形数据中的基线漂移和高频噪声,得到预处理后的心电波形数据;剔除预处理后的心电波形数据的异常心电波形数据,得到较正常心电波形数据;获取较正常心电波形数据中的一段连续低误差心电波形对应的数据,从连续低误差心电波形对应的数据中提取一个RR间期对应的心电波形数据作为心电模板数据;并计算心电模板数据的残差能量,以及较正常心电波形数据中各个RR间期对应的心电波形数据的残差能量,将较正常心电波形数据中残差能量大于心电模板数据的残差能量的预设倍数的RR间期对应的心电波形数据作为伪差心电波形数据,不需要处理大量数据即可快速识别出伪差心电波形。
【附图说明】
图1为一个实施例中的伪差心电波形识别方法的流程示意图;
图2为一个实施例中图1的步骤S104的流程示意图;
图3为一个实施例中图1的步骤S106的流程示意图;
图4为一个实施例中图1的步骤S108的流程示意图;
图5为一个实施例中的伪差心电波形识别装置的结构示意图。
【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。
如图1所示,在一个实施例中,一种伪差心电波形识别方法,包括以下步骤:
步骤S102,读取原始心电波形数据,原始心电波形数据是按照预设采样频率对一段原始心电信号进行采样得到的多个信号幅值构成的信号幅值序列。
上述原始心电波形数据可表示为X0,且X0=(x01,x02,…x0i,…,x0n),其中x0i为按照预设采样频率对原始心电信号进行采样得到的第i个信号幅值,1≤i≤n。
步骤S104,对原始心电波形数据进行预处理以过滤原始心电波形数据中的基线漂移和高频噪声,得到预处理后的心电波形数据。
如图2所示,在一个实施例中,步骤S104包括以下步骤:
步骤S202,计算原始心电波形数据中各个信号幅值的平均值,将原始心电波形数据中的各个信号幅值减去该平均值,得到第一信号幅值序列。
原始心电波形数据X0中所有信号幅值的平均值即为计算得到的第一信号幅值序列为:
步骤S204,使用移动平均滤波器去除第一信号幅值序列的高频噪声,得到第二信号幅值序列。
使用移动平均滤波器去除的高频噪声包括离散噪声和肌电噪声等。
步骤S206,获取原始心电信号的频率范围的下限,使用截止频率为该下限的高通滤波器对第二信号幅值序列进行抑制漂移处理,得到第三信号幅值序列。
步骤S208,获取原始心电信号的频率范围的上限,使用截止频率为该上限的低通巴特沃斯滤波器去除第三信号幅值序列的高频噪声,得到预处理后的心电波形数据。
使用上述低通巴特沃斯滤波器去除的高频噪声包括电源线干扰、电子设备产生的高频仪器噪声等。
例如,上述的原始心电信号的频率范围为1Hz~30Hz;则在步骤S206中可使用截止频率为1Hz的高通滤波器对第二信号幅值序列进行抑制漂移处理,得到第三信号幅值序列;进一步的,在步骤S208中可使用截止频率为30Hz的低通巴特沃斯滤波器去除第三信号幅值序列的高频噪声。
步骤S106,剔除预处理后的心电波形数据的异常心电波形数据,得到较正常心电波形数据。
如图3所示,在一个实施例中,步骤S106包括以下步骤:
步骤S302,计算预处理后的心电波形数据的各个RR间期,并计算所有RR间期的平均值得到平均RR间期,并计算这些RR间期的标准差。
一段心电波形中相邻两个R波之间的时间长度即为RR间期,该两个R波之间的心电波形即为该RR间期对应的心电波形。其中,心电波形中最高的波峰称之为该心电波形的R波。
具体的,从预处理后的心电波形数据中提取出所有R波的幅值对应的时间点,得到各个R波对应的时间点,计算每相邻两个R波的时间间隔,得到心电波形数据的所有的RR间期。
在一个实施例中,可将某一信号幅值在预处理后的信号幅值序列(即预处理后的心电波形数据)中的序号与采样间隔的乘积作为该信号幅值对应的时间点。用单位时间内(这里单位时间指的是1秒)的采样点数表示采用频率。
记原始心电波形数据的采样频率为T次/秒,则采样间隔为1/T秒。用X1=(x11,x12,…x1i,…,x1n)表示预处理后的心电波形数据。信号幅值x1i为X1中的第i个信号幅值;信号幅值x1i对应的时间点即为i/T秒。
记组成预处理后的心电波形数据的各个RR间期分别为:r1,r2,…ri,…,rm,则预处理后的心电波形数据的平均RR间期即为预处理后的心电波形数据的所有RR间期的标准差σ即为:
步骤S304,获取与平均RR间期的绝对差值大于等于预处理后的心电波形数据的所有RR间期的标准差的2倍的RR间期,得到异常RR间期。
RR间期与平均RR间期的绝对差值即为二者之间的差的绝对值。
步骤S306,剔除预处理后的心电波形数据中异常RR间期对应的心电波形数据,得到较正常心电波形数据。
将异常RR间期对应的心电波形数据作为异常心电波形数据从预处理后的心电波形数据中剔除。
步骤S108,获取较正常心电波形数据中的一段连续低误差心电波形对应的数据,从该连续低误差心电波形对应的数据中提取一个RR间期对应的心电波形数据作为心电模板数据。
具体的,该连续低误差心电波形由预设数量的依次相邻的RR间期对应的心电波形组成,且所有该RR间期与该较正常心电波形数据的平均RR间期的误差在预设范围内。
例如,该连续低误差心电波形由依次相邻的10个RR间期对应的心电波形组成,且该10个RR间期与上述较正常心电波形数据的平均RR间期的相对误差小于5%。
如图4所示,在一个实施例中,步骤S108包括以下步骤:
步骤S402,计算较正常心电波形数据的平均RR间期,记为RRmean。
较正常心电波形数据的平均RR间期即为该较正常心电波形数据中所有RR间期的平均值。
步骤S404,初始化一个变量表示连续个数,将该变量的初始值设为0;从较正常心电波形数据的第一个RR波形开始,依次检验各个RR间期与RRmean的相对误差是否在预设范围内,若当前RR间期与RRmean的相对误差在预设范围内,则将该变量的值增加1,否则,将该变量的值重置为0。
在一个实施例中,该预设范围为5%;可依次检验各个RR间期与RRmean的相对误差是否小于5%。
步骤S406,当该变量的值达到预设数量时,在使得该变量得以增加到预设数量的RR间期中任意挑选出其中一个RR间期,将该RR间期对应的心电波形数据作为心电模板数据。
在一个实施例中,该预设数量为10。
例如,较正常心电波形数据包括k个RR间期,分别表示为:RR1,RR2,…,RRi,…,RRk,若第i个RR间期RRi与RRmean的相对误差不在预设范围内,且RRi之后的连续10个RR间期与RRmean的相对误差都在预设范围内,则可从该RRi之后的连续10个RR间期中任意挑选出其中一个RR间期,将该RR间期对应的心电波形数据作为心电模板数据。
步骤S110,计算心电模板数据的残差能量,以及较正常心电波形数据中各个RR间期对应的心电波形数据的残差能量,将较正常心电波形数据中残差能量大于心电模板数据的残差能量的预设倍数的RR间期对应的心电波形数据作为伪差心电波形数据。
原始心电波形数据是按照预设采样频率对一段原始心电信号进行采样得到的多个信号幅值构成的信号幅值序列,因此,由原始心电波形数据得到的心电模板数据以及较正常心电波形数据中的各个RR间期对应的心电波形数据也为一个信号幅值序列。
其中,一个RR间期对应的心电波形数据的残差能量为该RR间期对应的心电波形的信号幅值序列中各个信号幅值与心电模板的基线幅值的差的加权平方和。心电模板数据即为一个RR波形数据。
在一个实施例中,可将心电模板数据中的QRS波群终点到T波起点后的第10个点的平均值z0作为心电模板的基线幅值。由于心电模板的PQ段或ST段一般在基线上,考虑到PQ段之间的距离特别短,又因为QRS波群终点有可能与T波起点重合,因此设定心电模板中的QRS波群终点到T波起点之后的第10个点的平均值z0作为基线幅值。其中,T波为R波之后与R波方向相同的波峰。
在一个实施例中,由于原始心电波形数据采集过程中的采集精度都相等,可将加权平方和中的各差的平方对应的权值设置为1。
例如,正常心电波形包括k个RR间期对应的心电波形,分别表示为:R1,R2,…Ri,…,Rk;将其中的Ri的信号幅值序列表示为:其中ti为Ri的RR间期,f为原始心电波形数据的采样频率,则Ri的残差能量Φi为:
其中,可设为1;因此,
将心电模板的信号幅值序列(即心电模板数据)表示为:其中t0为心电模板数据的时间长度,f为原始心电波形数据的采样频率,则心电模板数据的残差能量Φ0为:
其中,也可设为1;因此,
若正常心电波形数据中某一RR间期对应的心电波形数据的残差能量大于心电模板数据的残差能量Φ0的预设倍数,则该RR间期对应的心电波形数据为伪差心电波形数据。
经过实验调试,该预设倍数取5.7时,伪差心电波形的识别准确率较高。
如图5所示,在一个实施例中,一种伪差心电波形识别装置,包括原始数据读取模块502、预处理模块504、异常数据剔除模块506、心电模板获取模块508和伪差波形识别模块510,其中:
原始数据读取模块502用于读取原始心电波形数据,原始心电波形数据是按照预设采样频率对一段原始心电信号进行采样得到的多个信号幅值构成的信号幅值序列。
上述原始心电波形数据可表示为X0,且X0=(x01,x02,…x0i,…,x0n),其中x0i为按照预设采样频率对原始心电信号进行采样得到的第i个信号幅值,1≤i≤n。
预处理模块504用于对原始心电波形数据进行预处理以过滤原始心电波形数据中的基线漂移和高频噪声,得到预处理后的心电波形数据。
在一个实施例中,预处理模块504用于计算原始心电波形数据中各个信号幅值的平均值,将原始心电波形数据中的各个信号幅值减去该平均值,得到第一信号幅值序列。
原始心电波形数据X0中所有信号幅值的平均值即为计算得到的第一信号幅值序列为:
进一步的,预处理模块504还用于使用移动平均滤波器去除第一信号幅值序列的高频噪声,得到第二信号幅值序列。
使用移动平均滤波器去除的高频噪声包括离散噪声和肌电噪声等。
进一步的,预处理模块504还用于获取原始心电信号的频率范围的下限,使用截止频率为该下限的高通滤波器对第二信号幅值序列进行抑制漂移处理,得到第三信号幅值序列。
进一步的,预处理模块504还用于获取原始心电信号的频率范围的上限,使用截止频率为该上限的低通巴特沃斯滤波器去除第三信号幅值序列的高频噪声,得到预处理后的心电波形数据。
使用上述低通巴特沃斯滤波器去除的高频噪声包括电源线干扰、电子设备产生的高频仪器噪声等。
例如,上述的原始心电信号的频率范围为1Hz~30Hz;则在步骤S206中可使用截止频率为1Hz的高通滤波器对第二信号幅值序列进行抑制漂移处理,得到第三信号幅值序列;进一步的,在步骤S208中可使用截止频率为30Hz的低通巴特沃斯滤波器去除第三信号幅值序列的高频噪声。
异常数据剔除模块506用于剔除预处理后的心电波形数据的异常心电波形数据,得到较正常心电波形数据。
在一个实施例中,异常数据剔除模块506用于计算预处理后的心电波形数据的各个RR间期,并计算所有RR间期的平均值得到平均RR间期,并计算这些RR间期的标准差。
一段心电波形中相邻两个R波之间的时间长度即为RR间期,该两个R波之间的心电波形即为该RR间期对应的心电波形。其中,心电波形中最高的波峰称之为该心电波形的R波。
具体的,异常数据剔除模块506用于从预处理后的心电波形数据中提取出所有R波的幅值对应的时间点,得到各个R波对应的时间点,计算每相邻两个R波的时间间隔,得到心电波形数据的所有的RR间期。
在一个实施例中,可将某一信号幅值在预处理后的信号幅值序列(即预处理后的心电波形数据)中的序号与采样间隔的乘积作为该信号幅值对应的时间点。用单位时间内(这里单位时间指的是1秒)的采样点数表示采用频率。
记原始心电波形数据的采样频率为T次/秒,则采样间隔为1/T秒。用X1=(x11,x12,…x1i,…,x1n)表示预处理后的心电波形数据。信号幅值x1i为X1中的第i个信号幅值;信号幅值x1i对应的时间点即为i/T秒。
记组成预处理后的心电波形数据的各个RR间期分别为:r1,r2,…ri,…,rm,则预处理后的心电波形数据的平均RR间期即为预处理后的心电波形数据的所有RR间期的标准差σ即为:
进一步的,异常数据剔除模块506还用于获取与平均RR间期的绝对差值大于等于预处理后的心电波形数据的所有RR间期的标准差的2倍的RR间期,得到异常RR间期。
RR间期与平均RR间期的绝对差值即为二者之间的差的绝对值。
进一步的,异常数据剔除模块506还用于剔除预处理后的心电波形数据中异常RR间期对应的心电波形数据,得到较正常心电波形数据。
将异常RR间期对应的心电波形数据作为异常心电波形数据从预处理后的心电波形数据中剔除。
心电模板获取模块508用于获取较正常心电波形数据中的一段连续低误差心电波形对应的数据,从该连续低误差心电波形对应的数据中提取一个RR间期对应的心电波形数据作为心电模板数据。
具体的,该连续低误差心电波形由预设数量的依次相邻的RR间期对应的心电波形组成,且所有该RR间期与该较正常心电波形数据的平均RR间期的误差在预设范围内。
例如,该连续低误差心电波形由依次相邻的10个RR间期对应的心电波形组成,且该10个RR间期与上述较正常心电波形数据的平均RR间期的相对误差小于5%。
在一个实施例中,心电模板获取模块508用于计算较正常心电波形数据的平均RR间期,记为RRmean。
较正常心电波形数据的平均RR间期即为该较正常心电波形数据中所有RR间期的平均值。
进一步的,心电模板获取模块508还用于初始化一个变量表示连续个数,将该变量的初始值设为0;从较正常心电波形数据的第一个RR波形开始,依次检验各个RR间期与RRmean的相对误差是否在预设范围内,若当前RR间期与RRmean的相对误差在预设范围内,则将该变量的值增加1,否则,将该变量的值重置为0。
在一个实施例中,该预设范围为5%;可依次检验各个RR间期与RRmean的相对误差是否小于5%。
进一步的,心电模板获取模块508还用于当该变量的值达到预设数量时,在使得该变量得以增加到预设数量的RR间期中任意挑选出其中一个RR间期,将该RR间期对应的心电波形数据作为心电模板数据。
在一个实施例中,该预设数量为10。
例如,较正常心电波形数据包括k个RR间期,分别表示为:RR1,RR2,…,RRi,…,RRk,若第i个RR间期RRi与RRmean的相对误差不在预设范围内,且RRi之后的连续10个RR间期与RRmean的相对误差都在预设范围内,则心电模板获取模块508可从该RRi之后的连续10个RR间期中任意挑选出其中一个RR间期,将该RR间期对应的心电波形数据作为心电模板数据。
伪差波形识别模块510用于计算心电模板数据的残差能量,以及较正常心电波形数据中各个RR间期对应的心电波形数据的残差能量,将较正常心电波形数据中残差能量大于心电模板数据的残差能量的预设倍数的RR间期对应的心电波形数据作为伪差心电波形数据。
原始心电波形数据是按照预设采样频率对一段原始心电信号进行采样得到的多个信号幅值构成的信号幅值序列,因此,由原始心电波形数据得到的心电模板数据以及较正常心电波形数据中的各个RR间期对应的心电波形数据也为一个信号幅值序列。
其中,一个RR间期对应的心电波形数据的残差能量为该RR间期对应的心电波形的信号幅值序列中各个信号幅值与心电模板的基线幅值的差的加权平方和。心电模板数据即为一个RR波形数据。
在一个实施例中,可将心电模板数据中的QRS波群终点到T波起点后的第10个点的平均值z0作为心电模板的基线幅值。由于心电模板的PQ段或ST段一般在基线上,考虑到PQ段之间的距离特别短,又因为QRS波群终点有可能与T波起点重合,因此设定心电模板中的QRS波群终点到T波起点之后的第10个点的平均值z0作为基线幅值。其中,T波为R波之后与R波方向相同的波峰。
在一个实施例中,由于原始心电波形数据采集过程中的采集精度都相等,可将加权平方和中的各差的平方对应的权值设置为1。
例如,正常心电波形包括k个RR间期对应的心电波形,分别表示为:R1,R2,…Ri,…,Rk;将其中的Ri的信号幅值序列表示为:其中ti为Ri的RR间期,f为原始心电波形数据的采样频率,则Ri的残差能量Φi为:
其中,可设为1;因此,
将心电模板的信号幅值序列(即心电模板数据)表示为:其中t0为心电模板数据的时间长度,f为原始心电波形数据的采样频率,则心电模板数据的残差能量Φ0为:
其中,也可设为1;因此,
若正常心电波形数据中某一RR间期对应的心电波形数据的残差能量大于心电模板数据的残差能量Φ0的预设倍数,则该RR间期对应的心电波形数据为伪差心电波形数据。
经过实验调试,该预设倍数取5.7时,伪差心电波形的识别准确率较高。
上述伪差心电波形识别方法和装置,对原始心电波形数据进行预处理以过滤原始心电波形数据中的基线漂移和高频噪声,得到预处理后的心电波形数据;剔除预处理后的心电波形数据的异常心电波形数据,得到较正常心电波形数据;获取较正常心电波形数据中的一段连续低误差心电波形对应的数据,从连续低误差心电波形对应的数据中提取一个RR间期对应的心电波形数据作为心电模板数据;并计算心电模板数据的残差能量,以及较正常心电波形数据中各个RR间期对应的心电波形数据的残差能量,将较正常心电波形数据中残差能量大于心电模板数据的残差能量的预设倍数的RR间期对应的心电波形数据作为伪差心电波形数据,不需要处理大量数据即可快速识别出伪差心电波形。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种伪差心电波形识别方法,包括以下步骤:
读取原始心电波形数据,所述原始心电波形数据是按照预设采样频率对一段原始心电信号进行采样得到的多个信号幅值构成的信号幅值序列;
对所述原始心电波形数据进行预处理以过滤原始心电波形数据中的基线漂移和高频噪声,得到预处理后的心电波形数据;
剔除所述预处理后的心电波形数据的异常心电波形数据,得到较正常心电波形数据,剔除所述预处理后的心电波形数据的异常心电波形数据的步骤包括:计算所述预处理后的心电波形数据的各个RR间期,所述RR间期对应的时间点为幅值序列中的序号与采样频率间隔的乘积,并计算所有RR间期的平均值得到平均RR间期,并计算各个RR间期的标准差;获取与所述平均RR间期的绝对差值大于等于所述标准差的2倍的RR间期,得到异常RR间期;剔除所述预处理后的心电波形数据中所述异常RR间期对应的心电波形数据,得到较正常心电波形数据;
获取所述较正常心电波形数据中的一段连续低误差心电波形对应的数据,从所述连续低误差心电波形对应的数据中提取一个RR间期对应的心电波形数据作为心电模板数据;
计算所述心电模板数据的残差能量,以及所述较正常心电波形数据中各个RR间期对应的心电波形数据的残差能量,将所述较正常心电波形数据中残差能量大于所述心电模板数据的残差能量的预设倍数的RR间期对应的心电波形数据作为伪差心电波形数据;
所述获取所述较正常心电波形数据中的一段连续低误差心电波形对应的数据,从所述连续低误差心电波形对应的数据中提取一个RR间期对应的心电波形数据作为心电模板数据的步骤包括:计算较正常心电波形数据的平均RR间期,记为RRmean;初始化一个变量表示连续个数,将该变量的初始值设为0;从较正常心电波形数据的第一个RR波形开始,依次检验各个RR间期与所述RRmean的相对误差是否在预设范围内,若当前RR间期与所述RRmean的相对误差在预设范围内,则将该变量的值增加1,否则,将该变量的值重置为0;当该变量的值达到预设数量时,在使得该变量得以增加到预设数量的RR间期中任意挑选出其中一个RR间期,将该RR间期对应的心电波形数据作为心电模板数据;
所述对所述原始心电波形数据进行预处理以过滤原始心电波形数据中的基线漂移和高频噪声,得到预处理后的心电波形数据的步骤包括:
计算所述原始心电波形数据中各个信号幅值的平均值,将所述原始心电波形数据中的各个信号幅值减去该平均值,得到第一信号幅值序列;
使用移动平均滤波器去除所述第一信号幅值序列的高频噪声,得到第二信号幅值序列;
获取所述原始心电信号的频率范围的下限,使用截止频率为该下限的高通滤波器对所述第二信号幅值序列进行抑制漂移处理,得到第三信号幅值序列;
获取设备能采集到的心电信号的频率范围的上限,使用截止频率为该上限的低通巴特沃斯滤波器去除所述第三信号幅值序列的高频噪声,得到所述预处理后的心电波形数据。
2.根据权利要求1所述的伪差心电波形识别方法,其特征在于,所述连续低误差心电波形由预设数量的依次相邻的RR间期对应的心电波形组成,且所有该RR间期与所述较正常心电波形数据的平均RR间期的误差在预设范围内。
3.根据权利要求1所述的伪差心电波形识别方法,其特征在于,一个RR间期对应的心电波形数据的残差能量为该RR间期对应的心电波形的信号幅值序列中各个信号幅值与心电模板的基线幅值的差的加权平方和;
其中,所述心电模板的基线幅值为所述心电模板数据中的QRS波群终点到T波起点后的第10个点的平均值。
4.一种伪差心电波形识别装置,其特征在于,包括:
原始数据读取模块,用于读取原始心电波形数据,所述原始心电波形数据是按照预设采样频率对一段原始心电信号进行采样得到的多个信号幅值构成的信号幅值序列;
预处理模块,用于对所述原始心电波形数据进行预处理以过滤原始心电波形数据中的基线漂移和高频噪声,得到预处理后的心电波形数据;
异常数据剔除模块,用于剔除所述预处理后的心电波形数据的异常心电波形数据,得到较正常心电波形数据,所述异常数据剔除模块用于计算所述预处理后的心电波形数据的各个RR间期,并计算所有RR间期的平均值得到平均RR间期,并计算各个RR间期的标准差;所述异常数据剔除模块还用于获取与所述平均RR间期的绝对差值大于等于所述标准差的2倍的RR间期,得到异常RR间期;所述异常数据剔除模块还用于剔除所述预处理后的心电波形数据中所述异常RR间期对应的心电波形数据,得到较正常心电波形数据;
心电模板获取模块,用于获取所述较正常心电波形数据中的一段连续低误差心电波形对应的数据,从所述连续低误差心电波形对应的数据中提取一个RR间期对应的心电波形数据作为心电模板数据;
伪差波形识别模块,用于计算所述心电模板数据的残差能量,以及所述较正常心电波形数据中各个RR间期对应的心电波形数据的残差能量,将所述较正常心电波形数据中残差能量大于所述心电模板数据的残差能量的预设倍数的RR间期对应的心电波形数据作为伪差心电波形数据;
所述心电模板获取模块还用于计算较正常心电波形数据的平均RR间期,记为RRmean;初始化一个变量表示连续个数,将该变量的初始值设为0;从较正常心电波形数据的第一个RR波形开始,依次检验各个RR间期与所述RRmean的相对误差是否在预设范围内,若当前RR间期与所述RRmean的相对误差在预设范围内,则将该变量的值增加1,否则,将该变量的值重置为0;当该变量的值达到预设数量时,在使得该变量得以增加到预设数量的RR间期中任意挑选出其中一个RR间期,将该RR间期对应的心电波形数据作为心电模板数据;
所述预处理模块还用于计算所述原始心电波形数据中各个信号幅值的平均值,将所述原始心电波形数据中的各个信号幅值减去该平均值,得到第一信号幅值序列;
所述预处理模块还用于使用移动平均滤波器去除所述第一信号幅值序列的高频噪声,得到第二信号幅值序列;
所述预处理模块还用于获取所述原始心电信号的频率范围的下限,使用截止频率为该下限的高通滤波器对所述第二信号幅值序列进行抑制漂移处理,得到第三信号幅值序列;
所述预处理模块还用于获取设备能采集到的心电信号的频率范围的上限,使用截止频率为该上限的低通巴特沃斯滤波器去除所述第三信号幅值序列的高频噪声,得到所述预处理后的心电波形数据。
5.根据权利要求4所述的伪差心电波形识别装置,其特征在于,所述连续低误差心电波形由预设数量的依次相邻的RR间期对应的心电波形组成,且所有该RR间期与所述较正常心电波形数据的平均RR间期的误差在预设范围内。
6.根据权利要求4所述的伪差心电波形识别装置,其特征在于,一个RR间期对应的心电波形数据的残差能量为该RR间期对应的心电波形的信号幅值序列中各个信号幅值与心电模板的基线幅值的差的加权平方和;
其中,所述心电模板的基线幅值为所述心电模板数据中的QRS波群终点到T波起点后的第10个点的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410817942.9A CN104545887B (zh) | 2014-12-24 | 2014-12-24 | 伪差心电波形识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410817942.9A CN104545887B (zh) | 2014-12-24 | 2014-12-24 | 伪差心电波形识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104545887A CN104545887A (zh) | 2015-04-29 |
CN104545887B true CN104545887B (zh) | 2017-10-24 |
Family
ID=53063744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410817942.9A Active CN104545887B (zh) | 2014-12-24 | 2014-12-24 | 伪差心电波形识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104545887B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017096597A1 (zh) * | 2015-12-10 | 2017-06-15 | 深圳市洛书和科技发展有限公司 | 心电信号处理方法及装置 |
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 |
CN106777884B (zh) * | 2016-11-22 | 2020-04-14 | 北京心量科技有限公司 | 一种hrv测量方法以及装置 |
CN106923820B (zh) * | 2017-03-10 | 2020-01-17 | 深圳竹信科技有限公司 | 一种心电信号伪差识别方法及心电信号伪差识别装置 |
CN108652613B (zh) * | 2017-03-30 | 2020-11-03 | 深圳市理邦精密仪器股份有限公司 | 信号时频图生成的方法及装置 |
CN107149480B (zh) * | 2017-04-13 | 2020-02-07 | 吉林大学 | 一种基于驾驶人心电rr间期的驾驶疲劳判别方法 |
CN108814590B (zh) * | 2018-03-23 | 2021-01-12 | 江苏华康信息技术有限公司 | 一种心电qrs波群的检测方法及其心电分析方法 |
CN108814591B (zh) * | 2018-03-23 | 2020-12-15 | 南京大学 | 一种心电qrs波群宽度的检测方法及其心电分析方法 |
CN110123304B (zh) * | 2019-01-22 | 2021-08-27 | 东南大学 | 基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法 |
CN109998513B (zh) * | 2019-01-25 | 2022-04-19 | 芯海科技(深圳)股份有限公司 | 在人体阻抗信号中计算hrv信号的错误处理方法 |
CN111297351A (zh) * | 2020-02-13 | 2020-06-19 | 苏州百慧华业精密仪器有限公司 | 一种动态心电图中的运动伪差识别方法及装置 |
CN113712525A (zh) * | 2020-05-21 | 2021-11-30 | 深圳市理邦精密仪器股份有限公司 | 一种生理参数处理方法、装置及医疗设备 |
CN113222250B (zh) * | 2021-05-13 | 2022-08-05 | 中国工程物理研究院激光聚变研究中心 | 基于卷积神经网络的大功率激光装置输出波形预测方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4202340A (en) * | 1975-09-30 | 1980-05-13 | Mieczyslaw Mirowski | Method and apparatus for monitoring heart activity, detecting abnormalities, and cardioverting a malfunctioning heart |
US4589420A (en) * | 1984-07-13 | 1986-05-20 | Spacelabs Inc. | Method and apparatus for ECG rhythm analysis |
FR2821460B1 (fr) * | 2001-02-28 | 2003-06-27 | Chru Lille | Procede et dispositif de filtrage d'une serie rr issue d'un signal cardiaque, et plus particulierement d'un signal ecg |
KR100745972B1 (ko) * | 2007-04-09 | 2007-08-02 | (주)락싸 | 심박간격변이도를 이용한 표준지표 산출 방법 |
US8233973B2 (en) * | 2008-05-02 | 2012-07-31 | Spacelabs Healthcare, Llc | Methods for detection of cardiac arrhythmias |
WO2010070640A1 (en) * | 2008-12-15 | 2010-06-24 | Ariel Medical K.L. Ltd. | Method and system for measuring heart rate variability |
CN102138789B (zh) * | 2011-01-24 | 2014-05-14 | 无锡微感科技有限公司 | 一种动态心电和运动记录与分析系统 |
CN104093353B (zh) * | 2012-02-01 | 2016-08-24 | 富士通株式会社 | 信息处理装置以及代表波形生成方法 |
KR101366101B1 (ko) * | 2012-12-31 | 2014-02-26 | 부산대학교 산학협력단 | 개인별 ecg 신호의 정상 신호 분류 시스템 및 방법 |
CN103479349B (zh) * | 2013-09-25 | 2017-02-01 | 深圳市理邦精密仪器股份有限公司 | 心电信号数据获取及处理方法和系统 |
CN103705234B (zh) * | 2013-12-05 | 2015-08-26 | 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 |
-
2014
- 2014-12-24 CN CN201410817942.9A patent/CN104545887B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104545887A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104545887B (zh) | 伪差心电波形识别方法和装置 | |
CN104597376B (zh) | 一种考虑实测波速的高压直流输电线路故障测距方法 | |
CN108229382A (zh) | 振动信号特征提取方法、装置、存储介质和计算机设备 | |
CN103336226B (zh) | 一种气体绝缘变电站中多种局部放电源类型的辨识方法 | |
CN105508276B (zh) | 一种城区变电站主变压器风扇噪声评价方法 | |
CN102519846B (zh) | 基于高光谱的复合绝缘子憎水性检测方法 | |
CN110991481B (zh) | 一种基于交叉小波变换的高压并联电抗器内部松动故障诊断方法 | |
CN106771589B (zh) | 一种频谱分析实时瀑布图的实现方法 | |
CN106845334A (zh) | 一种基于数学形态学的新型噪声提取方法 | |
CN103698669A (zh) | 一种高压电力设备局部放电脉冲分离方法 | |
CN106680585B (zh) | 谐波/间谐波的检测方法 | |
CN105044566A (zh) | 一种基于特征超高频信号的gis局部放电故障检测方法 | |
CN106338662A (zh) | 基于数学形态学的变压器绕组变形诊断方法 | |
CN106419911A (zh) | 一种基于脑电波分析的情绪检测方法 | |
CN105559771B (zh) | 一种心电信号质量检测的方法及装置 | |
CN104320239B (zh) | 同步信号过零点的定位方法和装置 | |
CN106841879B (zh) | 检测电流计量二次回路串接整流器的方法 | |
CN105696064B (zh) | 一种图形电镀参数的获取方法 | |
CN107273421A (zh) | 一种高准确性茶叶香气类型和品质的模式识别检测方法 | |
CN106771546A (zh) | 一种固定频率与波形信号的快速幅值采集测量方法 | |
CN107894552A (zh) | 一种故障行波检测方法 | |
CN102988041A (zh) | 心磁信号噪声抑制中的信号选择性平均方法 | |
CN105022371B (zh) | 阈值波形生成装置 | |
CN106598910B (zh) | 一种emd端点效应抑制方法及系统 | |
CN105915198B (zh) | 一种模拟数字混合滤波方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |