CN105125209A - 基于扩展卡尔曼滤波的j波检测与分类方法 - Google Patents
基于扩展卡尔曼滤波的j波检测与分类方法 Download PDFInfo
- Publication number
- CN105125209A CN105125209A CN201510572649.5A CN201510572649A CN105125209A CN 105125209 A CN105125209 A CN 105125209A CN 201510572649 A CN201510572649 A CN 201510572649A CN 105125209 A CN105125209 A CN 105125209A
- Authority
- CN
- China
- Prior art keywords
- ripple
- wave
- kalman filtering
- detection
- electrocardiogram
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000001914 filtration Methods 0.000 title abstract description 10
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 230000001225 therapeutic effect Effects 0.000 abstract description 2
- 238000003672 processing method Methods 0.000 abstract 1
- 208000011580 syndromic disease Diseases 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 206010059027 Brugada syndrome Diseases 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002336 repolarization Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 208000020446 Cardiac disease Diseases 0.000 description 1
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 1
- 206010042434 Sudden death Diseases 0.000 description 1
- 206010047281 Ventricular arrhythmia Diseases 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000005405 multipole Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 208000012404 paroxysmal familial ventricular fibrillation Diseases 0.000 description 1
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及J波的检测识别及危险等级分类方法，具体为基于扩展卡尔曼滤波的J波检测与分类方法，包括以下步骤：根据相位和频率信息通过高斯拟合得到拟合心电图；将拟合心电图波形中各个时刻的幅值作为扩展卡尔曼滤波的量测值，将原始心电图中各个时刻的幅值作为真值，进行扩展卡尔曼滤波，对心电图波形中J波频段各个时刻的量测值和真值作差；对输出的结果进行分析，进而判断心电图波形中是否存在J波，以及存在J波情况下，J波的类别。本发明希望通过信号处理的方法，将J波的检测变得智能化、大众化。同时，定性定量地对J波检测也可以帮助医生做出正确的诊断，从而制定合理可行的治疗方案。
Description
技术领域
本发明涉及J波的检测识别及危险等级分类方法，具体为基于扩展卡尔曼滤波的J波检测与分类方法。
背景技术
心电图上J点是指QRS波群与ST段交界处的一个突发性转折点，它标志着心室除极的结束、复极的开始。J点之后的顿挫称为J波（如图1所示）。J波在心电图中呈尖峰型、顿挫型或驼峰型波形电位变化。J波若呈尖峰型，时限<0.02s，振幅<0.2mv，常伴发早期复极综合征，多属于正常变异J波；若为顿挫或驼峰型，J波时限>0.03s，J波振幅>0.2mv，且伴发器质性心脏疾患，多属于异常J波。根据目前的研究，可以将J波的危险等级分为三个级别：小J波（0.05mv-0.09mv）、大J波（0.1mv-0.2mv）、巨大J波（大于0.2mv）。
随着对J波的研究不断发展，由J波引起的一系列的综合征也收到了广泛的关注。J波综合征由于可能会引起恶性室性心律失常、心源性猝死等重大疾病，越来越受到医学界的重视和关注。经过多年的研究，人们发现J波综合征可分为获得性和遗传性两类，获得性J波综合征包括缺血性J波综合征和低温性J波综合征，遗传性J波综合征包括早期复极综合征(earlyrepolarizationsyndrome，ERS)和Brugada综合征(Brugadasyndrome，BrS)。提高对心电图正常变异J波与异常J波的鉴别能力,有助于识别临床异常J波的高危患者，减少恶性心律失常及特发性心室颤动猝死的发生，有很大的临床意义和现实意义。
发明内容
本发明为了解决现在没有一种有效的J波识别和分类方法的问题，提供了于扩展卡尔曼滤波的J波检测与分类方法。
本发明是采用如下的技术方案实现的：基于扩展卡尔曼滤波的J波检测与分类方法，包括以下步骤：
根据原始心电图得到相位和频率信息，再通过高斯拟合对心电图波形进行逼近，得到拟合心电图波形中各个时刻的幅值；
将拟合心电图波形中各个时刻的幅值作为扩展卡尔曼滤波的量测值，将原始心电图中各个时刻的幅值作为真值，进行扩展卡尔曼滤波，对心电图波形中J波频段各个时刻的量测值和真值作差；
对输出的结果进行分析，如果量测值和真值的差别＞0.05mv，那么心电图波形中存在J波，否则，心电图波形中没有J波；
在存在J波的基础上，如果量测值和真值的差别≤0.1mv，则存在的J波是小J波；
如果量测值和真值的差别＞0.1mv，而≤0.2mv，则存在的J波是大J波；
如果量测值和真值的差别＞0.2mv，则存在的J波是巨大J波。
由于J波及J波综合征在临床上逐渐得到重视，对于J波的检测显得尤为重要。目前，对于心电图中J波的检测主要还是依靠医生的个人经验，这样就给医疗带来了很多不便。本发明希望通过信号处理的方法，将J波的检测变得智能化、大众化。同时，定性定量地对J波检测也可以帮助医生做出正确的诊断，从而制定合理可行的治疗方案。随着“智慧医疗”和“互联网+”的提出，对于治疗也有了更加人性化的要求。本文对J波检测的实现可以为今后的在线实时监测做出贡献。心脏病患者可以使用便携式的心电图机实时地查看自己的身体状况。
附图说明
图1为含J波的心电图的波形图。
图2为高斯拟合的流程图。
图3为本发明的流程框图。
具体实施方式
基于扩展卡尔曼滤波的J波检测与分类方法，包括以下步骤：
根据原始心电图得到相位和频率信息，再通过高斯拟合对心电图波形进行逼近，得到拟合心电图波形中各个时刻的幅值；
将拟合心电图波形中各个时刻的幅值作为扩展卡尔曼滤波的量测值，将原始心电图中各个时刻的幅值作为真值，进行扩展卡尔曼滤波，对心电图波形中J波频段各个时刻的量测值和真值作差；
对输出的结果进行分析，如果量测值和真值的差别＞0.05mv，那么心电图波形中存在J波，否则，心电图波形中没有J波；
在存在J波的基础上，如果量测值和真值的差别≤0.1mv，则存在的J波是小J波；
如果量测值和真值的差别＞0.1mv，而≤0.2mv，则存在的J波是大J波；
如果量测值和真值的差别＞0.2mv，则存在的J波是巨大J波。
由于扩展卡尔曼滤波在进行运算时实际上是对本时刻的观测量和状态量的计算，从而准确的得到下个时刻的状态量。很容易理解的是，观测量就是我们通过心电图（ECG）得到的真值，而与之进行计算的状态量就需要的通过拟合的方法得到的量测值。拟合其实就是一种逼近，通过一些基本的数据信息，就可以很精确的拟合出整个数据。对于心电图来说，通过知道一些相位和频率信息等信息，就可以很好的拟合出与之对应的标准（拟合）心电图，从而与实际的数据进行对比，本发明采用的拟合方法是高斯拟合。对于本发明来说，需要拟合的是心电图波形和各时刻的幅值，而可以得到的是原始心电图的相位和频率信息，通过相位和频率信息就可以高斯拟合得到拟合心电图波形。图2所示为高斯拟合在心电图上的应用。
卡尔曼滤波技术是一种最优估计技术。一般来说，在解决工程技术问题中，人们有必要精确了解工程对象（滤波技术中称为系统）的各种物理量（滤波技术中称为状态），以便对工程对象实现有效控制。为此则需要对系统状态进行量测。但是，量测值并不能准确地反映系统的真实状态，其中常常含有很多种随机误差（或称为量测噪声）；同时，限于量测方法，常常量测值并非与状态一一对应，量测值可能是某系统的部分状态，也可能是部分状态的线性组合。为了解决系统状态的真值与量测值之间的矛盾，出现了种种最优估计方法。最优估计是一种数据处理技术，它能将仅与部分状态有关的量测值进行处理，得出从某种统计意义上讲估计误差最小的更多状态的估计值（简称估计或估值）。估计误差最小的标准称为估计准则。根据不同的估计准则和估计计算方法，有不同的最优估计。卡尔曼滤波是一种递推线性最小方差估计。
本发明运用的扩展卡尔曼滤波与卡尔曼滤波的区别，其实就是线性和非线性的区别。因为心电信号是非线性的，所以说对于只适用与线性的卡尔曼滤波来说就不在适合。作为它的升级，扩展卡尔曼滤波很好的解决了这个问题，从而将卡尔曼的思想运用到了心电信号检测中。对于本专利来说，通过高斯拟合得到的值作为了量测值，而真实得到的数据就作为了真值，将二者进行扩展卡尔曼滤波，从而能准确的判断心电信号每个时刻的异变。
Claims (1)
1.基于扩展卡尔曼滤波的J波检测与分类方法，其特征在于包括以下步骤：
根据原始心电图得到相位和频率信息，再通过高斯拟合对心电图波形进行逼近，得到拟合心电图波形中各个时刻的幅值；
将拟合心电图波形中各个时刻的幅值作为扩展卡尔曼滤波的量测值，将原始心电图中各个时刻的幅值作为真值，进行扩展卡尔曼滤波，对心电图波形中J波频段各个时刻的量测值和真值作差；
对输出的结果进行分析，如果量测值和真值的差别＞0.05mv，那么心电图波形中存在J波，否则，心电图波形中没有J波；
在存在J波的基础上，如果量测值和真值的差别≤0.1mv，则存在的J波是小J波；
如果量测值和真值的差别＞0.1mv，而≤0.2mv，则存在的J波是大J波；
如果量测值和真值的差别＞0.2mv，则存在的J波是巨大J波。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510572649.5A CN105125209B (zh) | 2015-09-10 | 2015-09-10 | 基于扩展卡尔曼滤波的j波检测与分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510572649.5A CN105125209B (zh) | 2015-09-10 | 2015-09-10 | 基于扩展卡尔曼滤波的j波检测与分类方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105125209A true CN105125209A (zh) | 2015-12-09 |
| CN105125209B CN105125209B (zh) | 2017-11-21 |
Family
ID=54711060
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510572649.5A Active CN105125209B (zh) | 2015-09-10 | 2015-09-10 | 基于扩展卡尔曼滤波的j波检测与分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105125209B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106503670A (zh) * | 2016-11-03 | 2017-03-15 | 太原理工大学 | 基于相关性分析特征选择的j波检测分类方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103860167A (zh) * | 2014-04-02 | 2014-06-18 | 太原理工大学 | 基于非负矩阵分解的j波提取和分析方法 |
| CN103876732A (zh) * | 2014-04-02 | 2014-06-25 | 太原理工大学 | 一种基于稀疏成分分析的j波提取方法 |
| 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 |
-
2015
- 2015-09-10 CN CN201510572649.5A patent/CN105125209B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103860167A (zh) * | 2014-04-02 | 2014-06-18 | 太原理工大学 | 基于非负矩阵分解的j波提取和分析方法 |
| CN103876732A (zh) * | 2014-04-02 | 2014-06-25 | 太原理工大学 | 一种基于稀疏成分分析的j波提取方法 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 孙一 等: "基于小波和扩展卡尔曼的心电检测", 《通信技术》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106503670A (zh) * | 2016-11-03 | 2017-03-15 | 太原理工大学 | 基于相关性分析特征选择的j波检测分类方法 |
| CN106503670B (zh) * | 2016-11-03 | 2018-07-10 | 太原理工大学 | 基于相关性分析特征选择的j波检测分类方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105125209B (zh) | 2017-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nallathambi et al. | Integrate and fire pulse train automaton for QRS detection | |
| Sayadi et al. | A model-based Bayesian framework for ECG beat segmentation | |
| Wang et al. | A robust signal preprocessing framework for wrist pulse analysis | |
| Yan et al. | Novel deep convolutional neural network for cuff-less blood pressure measurement using ECG and PPG signals | |
| 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 | |
| Lai et al. | Convolutional neural network based detection of atrial fibrillation combing RR intervals and F-wave frequency spectrum | |
| CN105796096A (zh) | 一种心率变异性分析方法、系统及终端 | |
| US9451901B2 (en) | Method and device for evaluation of myocardial damages based on the current density variations | |
| Mukhopadhyay et al. | Time plane ECG feature extraction using Hilbert transform, variable threshold and slope reversal approach | |
| Bayasi et al. | Adaptive technique for P and T wave delineation in electrocardiogram signals | |
| Liu et al. | Refined generalized multiscale entropy analysis for physiological signals | |
| CN107361753A (zh) | 基于脉搏波形特征点的人体健康状态监护方法 | |
| CN107361764A (zh) | 一种心电信号特征波形r波的快速提取方法 | |
| CN103970975A (zh) | 心电数据处理方法和系统 | |
| CN109009004A (zh) | 一种基于中医脉象分析的体质检测方法 | |
| Kunzmann et al. | Parameter extraction of ECG signals in real-time | |
| Halder et al. | Detection and identification of ECG waves by histogram approach | |
| Peng et al. | A novel ECG eigenvalue detection algorithm based on wavelet transform | |
| CN105125209A (zh) | 基于扩展卡尔曼滤波的j波检测与分类方法 | |
| Hongxuan et al. | Qualitative chaos analysis for ventricular tachycardia and fibrillation based on symbolic complexity | |
| Murthy et al. | ECG signal denoising and ischemic event feature extraction using Daubechies wavelets | |
| KR20140087918A (ko) | 차감 동작 기법 기반의 심전도 신호의 ｒ파 검출 시스템 및 방법 | |
| Hussein et al. | Detection of electrocardiogram QRS complex based on modified adaptive threshold | |
| US20170258351A1 (en) | Heartbeat detection method and heartbeat detection device | |
| Hegde et al. | A review on ECG signal processing and 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231211 Address after: 030006 room 701 and 702, Dasheng science and technology building, 303 Changzhi Road, high tech Zone, Taiyuan, Shanxi Patentee after: Shanxi Jierui Medical Instrument Co.,Ltd. Address before: 030024 No. 79 West Main Street, Taiyuan, Shanxi, Yingze Patentee before: Taiyuan University of Technology |