CN105796096B - 一种心率变异性分析方法、系统及终端 - Google Patents
一种心率变异性分析方法、系统及终端 Download PDFInfo
- Publication number
- CN105796096B CN105796096B CN201410856638.5A CN201410856638A CN105796096B CN 105796096 B CN105796096 B CN 105796096B CN 201410856638 A CN201410856638 A CN 201410856638A CN 105796096 B CN105796096 B CN 105796096B
- Authority
- CN
- China
- Prior art keywords
- electrocardiosignal
- unit
- wave
- mean square
- ecg 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
Abstract
本发明提供了一种心率变异性分析方法,所述方法包括如下步骤:采集心电信号,对所采集的心电信号进行放大处理并输出;接收所述放大的心电信号,对所述放大的心电信号进行去噪处理;提取所述去噪后心电信号中的R波特征参数,根据所述R波特征参数,判断并统计心拍类型及计算时域和频域指标;根据所述心拍类型、时域指标和频域指标及统计数据,输出心电分析报告并加密存储。在本发明实施例中,在心电信号采集过程中对微弱的心电信号放大,再经过心率变异性分析处理将放大的心电信号滤除噪声,并实现对每一个心拍的判定,提高诊断的准确性和实用性。
Description
技术领域
本发明属于计算机领域,特别是涉及一种心率变异性分析方法、系统及终端。
背景技术
心率变异性(heart rate variability,HRV)是指连续心跳间瞬时心率的微小涨落或逐拍心动之问的微小差异,可作为定量反映自主神经功能及其对心血管的调控作用和反映心脏活动正常与否的重要指标之一。心电信号是心脏电活动在体表的综合反映,日常的心电检测对于监测和诊断身体健康状况和预防心脏疾病都具有重要意义。为了能及时了解自己的心律状况,也为了减少心脏病的发病率和死亡率,需要实时监测分析心率异常情况。
由于心电信号比较微弱,很容易受到噪声干扰。目前,采用对心电信号进行的分析和诊断的系统中,缺少对心电信号进行去噪的部分,工频干扰、基线漂移以及肌电干扰等噪声,若干扰严重则无法给出正确判断,对分析结果会造成影响。并且,对于心电信号的分析,只能显示出心率的大小等基本信息,对很多病情不能给出基础诊断,诊断的病情单一,实用性不高。
发明内容
本发明实施例提供一种心率变异性分析的方法、系统和终端,旨在解决噪声干扰心电信号,严重影响分析结果,且诊断病情单一的问题,提高诊断的准确性和实用性。
本发明实施例是这样实现的,一种心率变异性分析方法,所述方法包括如下步骤:
采集心电信号,对所采集的心电信号进行放大处理并输出;
接收所述放大的心电信号,对所述放大的心电信号进行去噪处理;
提取所述去噪后心电信号中的R波特征参数,根据所述R波特征参数,判断并统计心拍类型及计算时域和频域指标;
根据所述心拍类型、时域指标和频域指标及统计数据,输出心电分析报告并加密存储。
本发明实施例还提供一种心率变异性分析系统,所述系统包括:
心电信号采集模块,用于采集心电信号,对所采集的心电信号进行放大处理并输出;
心电信号去噪模块,用于接收所述放大的心电信号,对所述放大的心电信号进行去噪处理;
心电信号分析模块,用于提取所述去噪后心电信号中的R波特征参数,根据所述R波特征参数,判断并统计心拍类型及计算时域和频域指标;
数据处理模块,用于根据所述心拍类型、时域指标和频域指标及统计数据,输出心电分析报告并加密存储。
本发明实施例还提供一种包含上述心率变异性分析方法系统的终端。
在本发明实施例中,在心电信号采集过程中对微弱的心电信号放大,再经过HRV分析处理将放大的心电信号滤除噪声,并实现对每一个心拍的判定,提高诊断的准确性和实用性。
同时,通过MCU(Micro Control Unit,微控制单元)控制心电信号采集,并进行心率变异性分析及处理,很大程度上节省硬件资源,同时也能降低芯片的面积和功耗,具有很好的运算精度、稳定性高、处理速度快、抗干扰能力强。
附图说明
图1是本发明实施例提供的对心率变异性分析方法的实现流程图;
图2是本发明实施例提供的采集心电信号并放大处理的实现流程图;
图3是本发明实施例提供的对放大的心电信号进行去噪的实现流程图;
图4是本发明实施例提供的CIC梳状滤波器的结构示意图;
图5是本发明实施例提供的幅频及相频响应的状态图;
图6是本发明实施例提供的对心电信号伪差识别处理的实现流程图;
图7是本发明实施例提供的提取R波特征参数的实现流程图;
图8是本发明实施例提供的判断并统计心拍类型及计算时域和频域指标的实现流程图;
图9是本发明实施例提供的心率变异性分析系统的结构示意图。
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。
除非上下文另有特定清楚的描述,本发明中的元件和组件,数量既可以单个的形式存在,也可以多个的形式存在,本发明并不对此进行限定。本发明中的步骤虽然用标号进行了排列,但并不用于限定步骤的先后次序,除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础,否则步骤的相对次序是可以调整的。可以理解,本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1示出了本发明实施例提供的心率变异性分析方法的实现流程,该实现流程由MCU(Micro Control Unit,微控制单元)控制协调各步骤,详述如下:
在步骤S101中,采集心电信号,对所采集的心电信号进行放大处理并输出;
在本发明实施例中,由于模拟心电信号很微弱,需要将心电信号无失真的放大到伏级,为了保持电路的直流稳定性和进一步的放大噪声,采用两级放大电路。具体需要心电信号进行初级放大、模拟滤波处理、主级放大和ADC(Analog-to-Digital Converter,模数转换)将模拟心电信号转换成数字心电信号并输出。
在步骤S102中,接收已放大的心电信号,对放大的心电信号进行去噪处理;
在本发明实施例中,接收放大的心电信号,对其心电信号进行去噪主要采用CIC(Cascade Integrator Comb,级联积分梳状滤波)梳状滤波和伪差识别的方式。CIC梳状滤波在低频和特定频率处具有很好的阻带性能,主要滤除基线漂移和工频干扰;伪差识别是对滤波的心电信号数据进一步筛选,提高HRV分析的准确性。
在步骤S103中,提取去噪后心电信号中的R波特征,根据R波特征参数,判断并统计心拍类型及计算时域和频域指标;
心电信号中的R波反映心室电激动过程,用于心率变异性判断。
R波特征包括:R波的具体位置、QRS波(心室除极过程出现的波,可供了解心室肌和传导系统情况)起止点,RR间期(两个QRS波中R波之间的时间)、QRS波宽度。
在本发明实施例中,心拍判断的类型有二联律个数、三联律个数、室性早搏个数、房性早搏个数、插入性室早个数、室性心动过速个数、最快、最慢心率值等十三个类型。
时域指标可以为根据公式进行时域计算得到时域上的指标用于后来的治疗分析。频域指标可以为进行傅里叶变换得到其频谱图,从频谱图中得到HRV频域上的信息。
在步骤S104中,根据心拍类型、时域指标和频域指标及统计数据,输出心电分析报告并加密存储。
在本发明实施例中,加密各项数据指标和心电分析报告的方式可以为DES(DataEncryption Standard,数据加密标准),IDEA(International Data EncryptionAlgorithm,国际数据加密算法)或者AES(Advanced Encryption Standard,高级加密标准)等在加密算法领域惯用的加密算法。进行加密存储,即能够防止别人获取个人的隐私信息,方便以后的再次分析。该分析报告还可以通过蓝牙或无线网络方式,发送给其他移动终端,此处所指的移动终端可以为手机、个人数码助理或计算机等。
图2示出了本发明实施例提供的采集心电信号并放大处理的实现流程,详述如下:
在步骤S201中,通过标准导联电极片和导线采集心电信号;
通过标准导联电极片和导线所采集的心电信号为模拟心电信号。
在步骤S202中,前置放大所采集的心电信号,并接成右腿驱动方式;
在本发明实施例中,由于模拟心电信号一般很微弱,需要将心电信号无失真的放大到伏级。为了保持电路的直流稳定性和进一步的放大噪声,因此采用两级放大,两级放大包括:前置放大和主级放大。前置放大为一级放大,采用Analog公司的仪用放大器AD620,将心电信号放大倍数约为10倍。AD620是一种低功耗、高精度仪器用、宽带集成运算放大器,其增益可由一个电阻Rg来确定,且连续可调。
右腿驱动方式可以为将电路中的共模信号反相后,作为浮地输出接到右腿,这样能够抵消人体的共模干扰信号,提高共模的抑制比。
在步骤S203中,通过低通模拟滤波滤除已采集的心电信号的高频噪声;
经过前置放大电路后的心电信号仍含有很多的高频噪声,通过一个低通模拟滤波器初步的滤除高频噪声,防止噪声通过主级放大器进一步的放大。
在步骤S204中,将滤除高频噪声的心电信号主级放大预设定倍数;
在本发明实施例中,进行主级放大已滤除高频噪声的心电信号,预设定倍数为100倍。此处采用普通的OA(Optical Amplifier,光放大器)放大器,OA放大器具有低功耗、可配置的优点。
在步骤S205中,将主级放大的心电信号转换为数字心电信号,并输出。
在本发明实施例中,通过ADC(Analog-to-Digital Converter,模拟/数字转换器)以250HZ的采样频率对放大的心电信号进行模数转换。
图3示出了本发明实施例提供的对放大的心电信号进行去噪的实现流程,详述如下:
在步骤S301中,通过梳状滤波器过滤放大心电信号中的低频噪声;
在本发明实施例中,CIC梳状滤波器在低频和特定频率处具有很好的阻带性能,通过设置CIC梳状滤波器的传递函数为可以得到在低频、50HZ、100HZ具有很好阻带性能的梳状滤波器。由于心电信号经过模拟低通滤波后,高频噪声已经很少,此时,主要噪声为低频噪声,其中,低频噪声主要为低频基线漂移和工频干扰。基线漂移大约在0.0HZ至0.1HZ,工频干扰主要为50HZ基波及其谐波的干扰。
参见图4,CIC梳状滤波器的通带陷波具有周期性,使其在0HZ、50HZ及高次谐波处具有很窄的阻带,这样就可以达到滤除工频干扰和基线漂移的目的。由图5的幅频及相频响应可知,梳状滤波器可以很好的滤除低频的基线漂移和50HZ、100HZ的工频干扰,在0、50HZ、100HZ处的非线性相位可以起到消减T波(是心室复级在心电图上的表现,受供应心脏的血管、神经和心肌本身影响)的作用,突出QRS波特征。
在步骤S302中,将过滤低频噪声的心电信号,进行伪差识别处理。
在本发明实施例中,伪差识别可以为对滤波的心电信号数据进一步筛选,提高HRV分析的准确性。
图6示出了本发明实施例提供的对心电信号伪差识别处理的实现流程,详述如下:
在步骤S601中,计算预设定时间段内,心电信号数据的均方差;
在本发明实施例中,预设定时间段可以为5s,将心电信号以5s进行分段,对每5s的心电信号数据求出其均方差。在本发明其他实施例中,预设定时间段还可以根据心电信号数据量进行时间分段。
在步骤S602中,判断预设定时间段内心电信号数据的均方差,是否阈值区间内;
在本发明实施例中,阈值区间可以为大于0.5且小于30的区间;在本发明其他实施例中,阈值区间还可以为其他数值区间。
在步骤S603中,统计阈值区间内的均方差个数,并计算预设定时间段内心电信号数据均方差的平均值;
在步骤S604中,根据预设定时间段内心电信号数据的均方差的平均值更新阈值区间;
在本发明实施例中,将均方差平均值乘以3作为更新后的新阈值区间的上界,平均值除以3.5作为更新后的阈值区间的下界,若下界小于0.6,则令下界为0.6,组成新的阈值区间。
在步骤S605中,判断预设定时间段内心电信号数据的均方差,是否在更新后的新阈值区间内;
在本发明实施例中,对每5s段心电信号数据的均方与更新后的阈值进行比较。
在步骤S606中,若是,判定预设定时间段内心电信号数据不为噪声段;
在步骤S607中,若不是,判定预设定时间段内心电信号数据为噪声段。
图7示出了本发明实施例提供的提取滤波后心电信号中的R波特征参数的实现流程,详述如下:
在步骤S701中,检测全部非噪声段内心电信号数据,确定R波的具体位置和QRS波起止点;
在步骤S702中,当全部非噪声段内心电信号数据检测完毕时,计算RR间期和QRS波宽度;
在步骤S703中,根据R波的具体位置和QRS波起止点,检测错检和漏检的R波,并相应更新RR期间。
为了防止在检测的过程中,可能存在R波幅度过低出现漏检或者T波幅度过高被错检成R波的情况,所以需要检测出所有R波及QRS波起止点后对错检和漏检进行检查,并对RR间期进行更新。
图8示出了本发明实施例提供的判断并统计心拍类型及计算时域和频域指标的实现流程,详述如下:
在步骤S801中,根据更新后的RR间期列表和QRS波宽度,对每一R波进行分类判断并统计;
根据RR间期列表、QRS波宽度参数,对每一R波进行分类判断并统计。在本发明实施例中,可实现判断的类型有二联律个数、三联律个数、室性早搏个数、房性早搏个数、插入性室早个数、室性心动过速个数、最快、最慢心率值等十三个类型。
在步骤S802中,根据RR期间标准差和均方根公式,进行时域计算得出HRV时域指标;
在本发明实施例中,SDNN为正常RR间期的标准差公式如下所示:
其中N表示正常RR间期的总数,表示第i个RR间期,是N个RR间期的平均值。标准差越大则HRV越高,反之相反。SDNN正常值为大于100ms,若小于50ms则为异常即说明HRV明显减少。
RMSSD为连续相邻正常RR间期的均方根,公式如下:
N为RR间期总数,和为两个相邻的RR间期。RMSSD的正常值为2712.不在此范围内说明有异常。NN50为全部RR间期中相邻RR间期之差大于50ms的个数。PNN50为NN50除以总的RR间期数,乘以100,单位%。在本发明的其他实施例中,还可能有其他的一些时域指标计算公式。
在步骤S803中,将所有更新后的RR间期进行傅里叶变换得到其频谱图,从频谱图中得处HRV频域指标。
在本发明实施例中,傅里叶变换单元可以采用FFT单元。人的心率变异谱频率范围一般在0-0.5HZ,可以分为4个频带:(1)超低频带(ULF):<0.0033HZ,(2)极低频带(VLF):0.0033-0.04HZ,(3)低频带(LF):0.04-0.15HZ,(4)高频带(HF):0.15-0.4HZ。可以计算出以下的指标进行HRV的分析:总频率功率TP、高频功率HF、高频功率归一化值HFnonn(nu)、低频功率LF、低频功率归一化值LFnorm(nu)、极低频功率VLF以及低频功率与高频功率之比LF/HF。
本领域普通技术人员可以理解:实现上述方法实施例的步骤或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤,而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明实施例中,在心电信号采集过程中对微弱的心电信号放大,再经过HRV分析处理将放大的心电信号滤除噪声,实现对每一个心拍的判定,提高诊断的准确性和实用性。
图9示出了本发明实施例提供的心率变异性分析系统的结构,为了便于说明,仅示出了与本发明实施例相关的部分。
该装置可以用于各种模式识别系统,这些模式识别系统可以装载于电子设备,例如计算机、个人数码助理(Personal Digital Assistant,PDA)等,该心率变异性分析系统可以是运行于这些电子设备内的软件单元、硬件单元或者软硬件相结合的单元,也可以作为独立的挂件集成到这些电子设备中或者运行于这些电子设备的应用系统中,还可以为集成在一个芯片上的微电子系统(SoC,System on Chip),其中:
心率变异性分析系统1包括:MCU控制模块11,心电信号采集模块12、心率变异分析控制模块13和数据处理模块14,其中,心率变异分析控制模块13包括:心电信号去噪模块131和心电信号分析模块132。
MCU控制模块11通过SPI总线控制心率变异性分析系统1的其他各模块运作,协调各模块,保证系统能够高效、精确的运行。
MCU控制模块11控制心电信号采集模块12采集心电信号,对所采集的心电信号进行放大处理并输出。
在本发明实施例中,由于模拟心电信号很微弱,需要将心电信号无失真的放大到伏级,为了保持电路的直流稳定性和进一步的放大噪声,采用两级放大电路。具体需要心电信号进行初级放大、模拟滤波处理、主级放大和ADC(Analog-to-Digital Converter,模数转换)将模拟心电信号转换成数字心电信号并输出。
心电信号采集模块12包括:信号采集单元121、信号前置放大单元122、模拟滤波单元123、信号主级放大单元124和信号转换单元125。
其中,信号采集单元121用于通过标准导联电极片和导线采集心电信号。通过标准导联电极片和导线所采集的心电信号为模拟心电信号。
信号前置放大单元122用于放大所采集的心电信号,并接成右腿驱动方式。
在本发明实施例中,由于模拟心电信号一般很微弱,需要将心电信号无失真的放大到伏级。为了保持电路的直流稳定性和进一步的放大噪声,因此采用两级放大,两级放大包括:前置放大和主级放大。前置放大为一级放大,采用Analog公司的仪用放大器AD620,将心电信号放大倍数约为10倍。AD620是一种低功耗、高精度仪器用、宽带集成运算放大器,其增益可由一个电阻Rg来确定,且连续可调。
右腿驱动方式可以为将电路中的共模信号反相后,作为浮地输出接到右腿,这样能够抵消人体的共模干扰信号,提高共模的抑制比。
然后通过模拟滤波单元123低通模拟滤波滤除已采集的心电信号的高频噪声。经过前置放大电路后的心电信号仍含有很多的高频噪声,通过一个低通模拟滤波器初步的滤除高频噪声,防止噪声通过主级放大器进一步的放大。
信号主级放大单元124将滤除高频噪声的心电信号主级放大预设定倍数。
在本发明实施例中,进行主级放大已滤除高频噪声的心电信号,预设定倍数为100倍。此处采用普通的OA(Optical Amplifier,光放大器)放大器,OA放大器具有低功耗、可配置的优点。
最后在信号转换单元125中将主级放大的心电信号转换为数字心电信号,并输出。在本发明实施例中,通过ADC(Analog-to-Digital Converter,模拟/数字转换器)以250HZ的采样频率对放大的心电信号进行模数转换。
通过心率变异分析控制模块13中的心电信号去噪模块131接收已放大的心电信号,对放大的心电信号进行去噪处理。在本发明实施例中,接收放大的心电信号,对其心电信号进行去噪主要采用CIC(Cascade Integrator Comb,级联积分梳状滤波)梳状滤波和伪差识别的方式。CIC梳状滤波在低频和特定频率处具有很好的阻带性能,主要滤除基线漂移和工频干扰;伪差识别是对滤波的心电信号数据进一步筛选,提高HRV分析的准确性。
心电信号去噪模块131包括:梳状滤波单元1311和伪差识别单元1312。
通过梳状滤波单元1311过滤放大心电信号中的低频噪声。在本发明实施例中,CIC梳状滤波器在低频和特定频率处具有很好的阻带性能,通过设置CIC梳状滤波器的传递函数为可以得到在低频、50HZ、100HZ具有很好阻带性能的梳状滤波器。由于心电信号经过模拟低通滤波后,高频噪声已经很少,此时,主要噪声为低频噪声,其中,低频噪声主要为低频基线漂移和工频干扰。基线漂移大约在0.0HZ至0.1HZ,工频干扰主要为50HZ基波及其谐波的干扰。
参见图4,CIC梳状滤波器的通带陷波具有周期性,使其在0HZ、50HZ及高次谐波处具有很窄的阻带,这样就可以达到滤除工频干扰和基线漂移的目的。由图5的幅频及相频响应可知,梳状滤波器可以很好的滤除低频的基线漂移和50HZ、100HZ的工频干扰,在0、50HZ、100HZ处的非线性相位可以起到消减T波(是心室复级在心电图上的表现,受供应心脏的血管、神经和心肌本身影响)的作用,突出QRS波特征。
伪差识别单元1312将过滤低频噪声的心电信号,进行伪差识别处理。在本发明实施例中,伪差识别可以为对滤波的心电信号数据进一步筛选,提高HRV分析的准确性。
其中,伪差识别单元1312包括:均方差计算单元13121、均方差判断单元13122、均方差统计单元13123、阈值更新单元13124、均方差再次断单元13125、信号判定单元13126和噪声判定单元13127。
首先,由均方差计算单元13121计算预设定时间段内,心电信号数据的均方差。在本发明实施例中,预设定时间段可以为5s,将心电信号以5s进行分段,对每5s的心电信号数据求出其均方差。在本发明其他实施例中,预设定时间段还可以根据心电信号数据量进行时间分段。再通过均方差判断单元13122判断预设定时间段内心电信号数据的均方差,是否阈值区间内。在本发明实施例中,阈值区间可以为大于0.5且小于30的区间;在本发明其他实施例中,阈值区间还可以为其他数值区间。然后通过均方差统计单元13123统计阈值区间内的均方差个数,并计算预设定时间段内心电信号数据均方差的平均值。并在阈值更新单元13124中根据预设定时间段内心电信号数据的均方差的平均值更新阈值区间。在本发明实施例中,将均方差平均值乘以3作为更新后的新阈值区间的上界,平均值除以3.5作为更新后的阈值区间的下界,若下界小于0.6,则令下界为0.6,组成新的阈值区间。均方差再次判断单元13125判断预设定时间段内心电信号数据的均方差,是否在更新后的新阈值区间内。在本发明实施例中,对每5s段心电信号数据的均方与更新后的阈值进行比较。若是,信号判定单元13126判定预设定时间段内心电信号数据不为噪声段。若不是,噪声判定单元13127判定预设定时间段内心电信号数据为噪声段。
心率变异分析控制模块13中心电信号分析模块132包括:R波特征提取单元1321、类型统计单元1322、时域分析单元1323和频域分析单元1324。
R波特征提取单元1321包括:R波检测单元13211、R波计算单元13212和R波更新单元13213。其中,R波检测单元13211检测全部非噪声段内心电信号数据,确定R波的具体位置和QRS波起止点。当全部非噪声段内心电信号数据检测完毕时,通过R波计算单元13212计算RR间期和QRS波宽度。由R波更新单元13213根据R波的具体位置和QRS波起止点,检测错检和漏检的R波,并相应更新RR期间。为了防止在检测的过程中,可能存在R波幅度过低出现漏检或者T波幅度过高被错检成R波的情况,所以需要检测出所有R波及QRS波起止点后对错检和漏检进行检查,并对RR间期进行更新。
类型统计单元1322根据更新后的RR间期列表和QRS波宽度,对每一R波进行分类判断并统计。根据RR间期列表、QRS波宽度参数,对每一R波进行分类判断并统计。在本发明实施例中,可实现判断的类型有二联律个数、三联律个数、室性早搏个数、房性早搏个数、插入性室早个数、室性心动过速个数、最快、最慢心率值等十三个类型。
时域分析单元1323根据RR期间标准差和均方根公式,进行时域计算得出HRV时域指标。在本发明实施例中,SDNN为正常RR间期的标准差公式如下所示:
其中N表示正常RR间期的总数,表示第i个RR间期,是N个RR间期的平均值。标准差越大则HRV越高,反之相反。SDNN正常值为大于100ms,若小于50ms则为异常即说明HRV明显减少。RMSSD为连续相邻正常RR间期的均方根,公式如下:
N为RR间期总数,和为两个相邻的RR间期。RMSSD的正常值为2712.不在此范围内说明有异常。NN50为全部RR间期中相邻RR间期之差大于50ms的个数。PNN50为NN50除以总的RR间期数,乘以100,单位%。在本发明的其他实施例中,还可能有其他的一些时域指标计算公式。
频域分析单元1324将所有更新后的RR间期进行傅里叶变换得到其频谱图,从频谱图中得处HRV频域指标。
在本发明实施例中,傅里叶变换单元可以采用FFT单元。人的心率变异谱频率范围一般在0-0.5HZ,可以分为4个频带:(1)超低频带(ULF):<0.0033HZ,(2)极低频带(VLF):0.0033-0.04HZ,(3)低频带(LF):0.04-0.15HZ,(4)高频带(HF):0.15-0.4HZ。可以计算出以下的指标进行HRV的分析:总频率功率TP、高频功率HF、高频功率归一化值HFnonn(nu)、低频功率LF、低频功率归一化值LFnorm(nu)、极低频功率VLF以及低频功率与高频功率之比LF/HF。
数据处理模块14包括数据分析单元141、加密单元142、外设存储器143和发送单元144。
数据分析单元141根据所述心拍类型、时域指标和频域指标及统计数据,输出心电分析报告。通过加密单元142对心电分析报告进行加密,防止别人获取个人的隐私信息。在本发明实施例中,加密各项数据指标和心电分析报告的方式可以为DES(Data EncryptionStandard,数据加密标准),IDEA(International Data Encryption Algorithm,国际数据加密算法)或者AES(Advanced Encryption Standard,高级加密标准)等在加密算法领域惯用的加密算法。外设存储器143存储加密后的心电分析报告,一般采用SD卡作为外部存储设备,还可以采用其他外部存储的形式。对加密的心电分析报告进行存储后,通过发送单元144将加密的心电分析报告发送至其他终端设备。在本发明实施例中,其他终端设备可以为手机、个人数码助理或者计算机等。发送形式可以为蓝牙发送或者无线网络发送,但不限于这两种形式。
需要说明的是:上述实施例提供的心率变异性分析系统在对心率变异进行分析时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,以完成以上描述的全部或者部分功能。
在本发明实施例中,在心电信号采集过程中对微弱的心电信号放大,再经过HRV分析处理将放大的心电信号滤除噪声,并实现对每一个心拍的判定,提高诊断的准确性和实用性。同时,通过MCU(Micro Control Unit,微控制单元)控制心电信号采集,并进行心率变异性分析及处理,很大程度上节省硬件资源,同时也能降低芯片的面积和功耗,具有很好的运算精度、稳定性高、处理速度快、抗干扰能力强。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种心率变异性分析方法,其特征在于,所述方法由MCU(Micro Control Unit,微控制单元)控制协调各步骤,所述方法包括如下步骤:
采集心电信号,对所采集的心电信号进行放大处理并输出;
接收放大的心电信号,对所述放大的心电信号进行去噪处理;
提取去噪后心电信号中的R波特征参数,根据所述R波特征参数,判断并统计心拍类型及计算时域和频域指标;
根据所述心拍类型、时域指标和频域指标及统计数据,输出心电分析报告并加密存储;
所述接收所述放大的心电信号,对所述放大的心电信号进行去噪处理具体包括,通过梳状滤波器过滤放大心电信号中的低频噪声;将过滤低频噪声的心电信号,进行伪差识别处理;
所述将过滤低频噪声的心电信号,进行伪差识别处理具体包括,计算预设定时间段内,心电信号数据的均方差;判断所述预设定时间段内心电信号数据的均方差,是否阈值区间内;统计所述阈值区间内的均方差个数,并计算所述预设定时间段内心电信号数据均方差的平均值;根据预设定时间段内心电信号数据的均方差的平均值更新阈值区间;判断所述预设定时间段内心电信号数据的均方差,是否在所述更新后的阈值区间内;若是,判定所述预设定时间段内心电信号数据不为噪声段;若不是,判定所述预设定时间段内心电信号数据为噪声段。
2.如权利要求1所述的心率变异性分析方法,其特征在于,所述采集心电信号,对所采集的心电信号进行放大处理并输出具体包括:
通过标准导联电极片和导线采集心电信号;
前置放大已采集的心电信号,并接成右腿驱动方式;
通过低通模拟滤波滤除已采集的心电信号的高频噪声;
将滤除高频噪声的心电信号主级放大预设定倍数;
将主级放大的心电信号转换为数字心电信号,并输出。
3.如权利要求1所述的心率变异性分析方法,其特征在于,所述提取所述去噪后心电信号中的R波特征参数具体包括:
检测全部非噪声段内心电信号数据,确定R波的具体位置和QRS波起止点;
当全部非噪声段内心电信号数据检测完毕时,计算RR间期和QRS波宽度;
根据所述R波的具体位置和QRS波起止点,检测错检和漏检的R波,并相应更新RR期间。
4.如权利要求3所述的心率变异性分析方法,其特征在于,所述判断并统计心拍类型及计算时域和频域指标具体包括:
根据更新后的RR间期列表和QRS波宽度,对每一R波进行分类判断并统计;
根据RR期间均方差和均方根公式,进行时域计算得出HRV时域指标;
将所有更新后的RR间期进行傅里叶变换得到其频谱图,从频谱图中得处HRV频域指标。
5.一种心率变异性分析系统,其特征在于,所述系统为集成在一个芯片上的微电子系统(Soc,System on Chip),所述系统包括:
MCU控制模块,用于通过SP1总线控制所述系统的其他模块运作,协调各模块;
心电信号采集模块,用于采集心电信号,对所采集的心电信号进行放大处理并输出;
心电信号去噪模块,用于接收放大的心电信号,对所述放大的心电信号进行去噪处理;
心电信号分析模块,用于提取去噪后心电信号中的R波特征参数,根据所述R波特征参数,判断并统计心拍类型及计算时域和频域指标;
数据处理模块,用于根据所述心拍类型、时域指标和频域指标及统计数据,输出心电分析报告并加密存储;
所述心电信号去噪模块包括梳状滤波单元和伪差识别单元;所述梳状滤波单元,用于通过梳状滤波器过滤放大心电信号中的低频噪声;所述伪差识别单元,用于将所述过滤低频噪声的心电信号,进行伪差识别处理;
所述伪差识别单元包括均方差计算单元、均方差判断单元、均方差统计单元、阈值更新单元、均方差再次判断单元、信号判定单元和噪声判定单元;均方差计算单元,用于计算预设定时间段内,心电信号数据的均方差;均方差判断单元,用于判断所述预设定时间段内心电信号数据的均方差,是否阈值区间内;均方差统计单元,统计所述阈值区间内的均方差个数,并计算所述预设定时间段内心电信号数据均方差的平均值;阈值更新单元,用于根据预设定时间段内心电信号数据的均方差的平均值更新阈值区间;均方差再次判断单元,用于判断所述预设定时间段内心电信号数据的均方差,是否在所述更新后的阈值区间内;信号判定单元,用于判定所述预设定时间段内心电信号数据不为噪声段;噪声判定单元,用于判定所述预设定时间段内心电信号数据为噪声段。
6.如权利要求5所述的心率变异性分析系统,其特征在于,所述心电信号采集模块包括:
信号采集单元,用于通过标准导联电极片和导线采集心电信号;
信号前置放大单元,用于前置放大已采集的心电信号,并接成右腿驱动方式;
模拟滤波单元,用于通过低通模拟滤波滤除已采集的心电信号的高频噪声;
信号主级放大单元,用于将滤除高频噪声的心电信号主级放大预设定倍数;
信号转换单元,用于将主级放大的心电信号转换为数字心电信号,并输出。
7.如权利要求5所述的心率变异性分析系统,其特征在于,所述心电信号分析模块包括R波特征提取单元,所述R波特征提取单元包括:
R波检测单元,用于检测全部非噪声段内心电信号数据,确定R波的具体位置和QRS波起止点;
R波计算单元,用于当全部非噪声段内心电信号数据检测完毕时,计算RR间期和QRS波宽度;
R波更新单元,用于根据所述R波的具体位置和QRS波起止点,检测错检和漏检的R波,并相应更新RR期间。
8.如权利要求7所述的心率变异性分析系统,其特征在于,所述心电信号分析模块还包括:
类型统计单元,用于根据更新后的RR间期列表和QRS波宽度,对每一R波进行分类判断并统计;
时域分析单元,用于根据RR期间均方差和均方根公式,进行时域计算得出HRV时域指标;
频域分析单元,用于将所有更新后的RR间期进行傅里叶变换得到其频谱图,从频谱图中得处HRV频域指标。
9.如权利要求5所述的心率变异性分析系统,其特征在于,所述心电信号去噪模块和心电信号分析模块组成心率变异分析控制模块。
10.一种包含权利要求5至9任一项所述心率变异性分析系统的终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410856638.5A CN105796096B (zh) | 2014-12-31 | 2014-12-31 | 一种心率变异性分析方法、系统及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410856638.5A CN105796096B (zh) | 2014-12-31 | 2014-12-31 | 一种心率变异性分析方法、系统及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105796096A CN105796096A (zh) | 2016-07-27 |
CN105796096B true CN105796096B (zh) | 2019-11-05 |
Family
ID=56465374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410856638.5A Active CN105796096B (zh) | 2014-12-31 | 2014-12-31 | 一种心率变异性分析方法、系统及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105796096B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107773237A (zh) * | 2016-08-24 | 2018-03-09 | 四川锦江电子科技有限公司 | 一种r波检测装置 |
CN106308791B (zh) * | 2016-08-29 | 2019-01-08 | 郑州大学第一附属医院 | 心电信号记录系统的辅助数据远程传输方法和装置 |
CN106551691B (zh) * | 2016-12-02 | 2020-01-21 | 清华大学 | 一种心率变异性分析方法、装置及用途 |
CN106859625B (zh) * | 2017-02-13 | 2020-03-10 | 北京心量科技有限公司 | 一种hrv测量方法以及装置 |
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 |
CN107085468A (zh) * | 2017-04-21 | 2017-08-22 | 西安交通大学 | 一种实时检测并显示人类情绪状态的智能笔及其检测方法 |
EP3476282B1 (en) | 2017-08-22 | 2020-11-25 | Shenzhen Goodix Technology Co., Ltd. | Heart rate measuring method and apparatus, and electronic terminal |
CN109009075B (zh) * | 2017-11-16 | 2023-03-24 | 天津天堰科技股份有限公司 | 一种心电监护系统及方法 |
CN109966122A (zh) * | 2017-12-28 | 2019-07-05 | 沈阳新松机器人自动化股份有限公司 | 一种智能判断疲劳度的行走辅助设备 |
CN108814935B (zh) * | 2018-04-20 | 2021-01-05 | 史琳 | 一种音律疾病诊疗系统 |
CN110687491B (zh) * | 2018-07-04 | 2021-11-16 | 漫迪医疗仪器(上海)有限公司 | 心磁系统的探测性能评估设备/方法、介质及处理装置 |
CN109222957B (zh) * | 2018-08-29 | 2020-11-10 | 西安电子科技大学 | 一种自动化ecg测量系统 |
CN109758140A (zh) * | 2019-01-09 | 2019-05-17 | 平安科技(深圳)有限公司 | 一种心率检测方法和装置 |
CN110179456B (zh) * | 2019-05-23 | 2021-11-02 | 中国航天员科研训练中心 | 心电噪声识别模型训练及心电噪声检测方法、装置 |
CN111759301A (zh) * | 2020-07-06 | 2020-10-13 | 深圳市博声医疗器械有限公司 | 具有心电监控功能的马桶圈及心电监控方法 |
CN112568886A (zh) * | 2020-11-03 | 2021-03-30 | 中国科学院深圳先进技术研究院 | 心律的检测方法、电子设备以及计算机可读存储介质 |
CN112545531A (zh) * | 2020-11-27 | 2021-03-26 | 苏州维伟思医疗科技有限公司 | 一种结合时域与频域分析识别可除颤心律的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101664308A (zh) * | 2009-09-21 | 2010-03-10 | 上海交通大学 | 无线便携式心率变异监护装置 |
CN103209637A (zh) * | 2010-08-05 | 2013-07-17 | 莱福尔心脏病诊断有限公司 | 用于测量心率变异性的方法 |
CN104161509A (zh) * | 2014-08-08 | 2014-11-26 | 申岱 | 一种基于幅值谱的心率变异性分析方法及仪器 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI245622B (en) * | 2003-12-26 | 2005-12-21 | We Gene Technologies Inc | Auto analyzing method and device thereof for autonomic nervous |
-
2014
- 2014-12-31 CN CN201410856638.5A patent/CN105796096B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101664308A (zh) * | 2009-09-21 | 2010-03-10 | 上海交通大学 | 无线便携式心率变异监护装置 |
CN103209637A (zh) * | 2010-08-05 | 2013-07-17 | 莱福尔心脏病诊断有限公司 | 用于测量心率变异性的方法 |
CN104161509A (zh) * | 2014-08-08 | 2014-11-26 | 申岱 | 一种基于幅值谱的心率变异性分析方法及仪器 |
Non-Patent Citations (2)
Title |
---|
动态心电信号分析系统的研究;王林泓;《重庆大学硕士学位论文》;20120727;第7、22-29、34-37、47-48页 * |
房颤T波末端定位方法研究;杜晓川;《中国优秀硕士学位论文全文数据库,医药卫生科技辑》;20140115;第16-20页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105796096A (zh) | 2016-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105796096B (zh) | 一种心率变异性分析方法、系统及终端 | |
Beyramienanlou et al. | Shannon’s energy based algorithm in ECG signal processing | |
CN110338786B (zh) | 一种癫痫样放电的识别与分类方法、系统、装置和介质 | |
CN110236573B (zh) | 心理压力状态的检测方法及相关装置 | |
Zhang et al. | VLSI friendly ECG QRS complex detector for body sensor networks | |
CN101642368B (zh) | 自主神经功能信号的处理方法、装置和测试系统 | |
CN104173043A (zh) | 一种适合于移动平台的心电数据分析方法 | |
CN203555751U (zh) | 一种基于时频分析的腹部肠鸣音分析仪系统 | |
CN106539580B (zh) | 一种自主神经系统动态变化的连续监测方法 | |
CN108888259A (zh) | 一种心电信号实时qrs波检测方法 | |
US20040087865A1 (en) | Non-invasive health monitor | |
Pingale | Using Pan Tompkin ‘S Method, ECG signal processing and dignose various diseases in Matlab | |
KR101510522B1 (ko) | 심전도 신호 분류 시스템 | |
CN113907709B (zh) | 一种基于耳部eeg的便携式睡眠监测系统 | |
CN109770920A (zh) | 基于穿戴式心电信号的紧张情绪判别方法及其系统 | |
KR101048763B1 (ko) | 신호 검출 장치 및 방법 | |
Vuksanovic et al. | Analysis of human electrocardiogram for biometric recognition using analytic and ar modeling extracted parameters | |
CN109770851B (zh) | 一种基于蓝牙无线通信的心脏健康状态监测系统及方法 | |
Lee et al. | The analysis of sleep stages with motion and heart rate signals from a handheld wearable device | |
Li et al. | A novel single-lead handheld atrial fibrillation detection system | |
Plesnik et al. | ECG signal acquisition and analysis for telemonitoring | |
CN107280650B (zh) | 生命体特征参数获取方法及装置 | |
Varghees et al. | Two-channel heart sound segmentation framework using phonocardiogram and pulsatile signals | |
Abdul-Kadir et al. | Atrial fibrillation classification and association between the natural frequency and the autonomic nervous system | |
Jokić et al. | An efficient ECG modeling for heartbeat classification |
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 |