CN105997054A - 一种心电信号预分析的方法 - Google Patents
一种心电信号预分析的方法 Download PDFInfo
- Publication number
- CN105997054A CN105997054A CN201610485834.5A CN201610485834A CN105997054A CN 105997054 A CN105997054 A CN 105997054A CN 201610485834 A CN201610485834 A CN 201610485834A CN 105997054 A CN105997054 A CN 105997054A
- Authority
- CN
- China
- Prior art keywords
- point
- data
- waveform
- phase
- electrocardiosignal
- 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
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0006—ECG or EEG signals
-
- 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
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- 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
Abstract
本发明属于生物信号与智能处理领域,尤其涉及一种心电信号预分析的方法,具体步骤:将完成滤波处理的心电信号数据通过基于窗口阈值算法检测出R波,并进行心率变异性分析;将处理完的数据在自定义的控件显示出来,并标记处R点、标记QRS点、计算参数等;对患者采集的心电数据进行筛选,保存质量较好的波形,减少一些波形质量不好的心电数据在医患间的传输,在患者和医生之间作为协调中枢,为后续医生诊断提供基础,最终将波形质量较好的数据同样通过社交软件发送到医生端。本发明的有益效果:实现简单,计算量少,结果直观方便查看,能有效对患者采集的心电数据进行筛选,减少一些波形质量不好的心电数据在医患间的传输。
Description
技术领域
本发明属于生物信号与智能处理,尤其涉及一种心电信号预分析的方法。
背景技术
人体心电信号是一种弱电信号,携带人体机能信息的生理信号总是通过复杂的模式混合在一起,会受到多种噪声的干扰,信噪比低。而实际生活中,人们需要获取精准的生理信息作为中间结果,分析产生生理信号的信号源的功能状态。其中,ECG(Electrocardiogram,心电图)信号的R波检测方法属于心电信号处理,ECG信号是心肌的电活动在体表的表现,它几乎是一个周期信号,QRS波是心电图ECG(Eletrocardiogram)信号的主要特征,因此在Indian信号最重要的是检测出QRS波,这是因为只有在确定QRS波群后下才能计算心率、检测心率变异,并进一步检测心电信号的其他细节。因此,去除心电信号采集过程中的产生的噪声,获取有效的心电信号后检测并定位心电信号的R波波峰位置并进行进心率变异性分析,为后续医生的诊断提供基础。
发明内容
为要解决的上述问题,本发明提供一种心电信号预分析的方法。
本发明的技术方案:一种心电信号预分析的方法,其特征在于具体步骤如下:
步骤1:将完成滤波处理的心电信号数据通过基于窗口阈值算法检测出R波,并进行心率变异性分析;
步骤2:将处理完的数据在自定义的控件显示出来,并标记处R点、标记QRS点、计算参数等;
步骤3:对患者采集的心电数据进行筛选,保存质量较好的波形,减少一些波形质量不好的心电数据在医患间的传输,在患者和医生之间作为协调中枢,为后续医生诊断提供基础,最终将波形质量较好的数据同样通过社交软件发送到医生端。
于步骤1中基于窗口阈值算法检测出R波的具体步骤如下:
步骤A:确定参考阈值
窗口大小的阈值根据心率和采样率进行推算,公式如下
式中,HR表示心率,SR表示采样率,d表示窗口大小,k为系数;
峰值点到下坡开始第一个点的高度差和斜率,采用比较的参考阈值中高度hdownslope是通过R-S高度进行推算,斜率kdoenslope是通过R-S斜率进行推算;
步骤B:自适应改变阈值
在确定R点高度参考阈值,需要根据心电波形的变化对参考阈值进行自适应的改变。R波的高度自适应改变的公式
hR'=0.7*hR+0.3*|data[Rtemp[RWave count-1]]|
式中,hR'表示自适应改变的高度阈值,hR表示当前的R波高度,数组Rtemp表示存放R波位置的临时列表,RWavecount表示存放R波位置临时表中R波的数量,Rtemp[RWavecount-1]则表示上一个R波位置,数据data表示心电信号数据,则表示上一个R点的高度;
步骤C:判断是否为R点
在单窗口中对心电波形R点判断,首先从坡地开始遍历心电信号数据,判断当前是否处于爬坡过程。当开始出现下坡过程时,需要判断峰值点到下坡开始第一个点的高度差和斜率是否大于参考阈值高度hdownslope和斜率kdoenslope,若大于参考阈值,则可判断当前峰值点为R点并存储到R点临时列表中,若小于参考阈值需要继续遍历。
步骤D:去除干扰波形
对于R点临时表中的数据需要进一步的筛选去除干扰波形。将峰值高度和坡地到峰值的斜率分别与其R点高度和坡地到R点斜率的参考阈值相比较,若满足则判定为R点,若不满足则为干扰波形。
步骤1中心电变异性分析包括时域分析方法中的NN间期直方图和非线性分析方法中的Lorenz散点图。
步骤A中窗口大小的阈值根据心率和采样率进行推算的具体如下:正常成年人的心率大约59-80次/分钟,比如取平均心率为70次/分钟,则单个波形的周期约为0.857s,假设心电信号采集器的采样率是360Hz,则单个波形的采样点约为308个;由于波形测量开始阶段不能保证第一个波形为完整的单波波形,假设取k等于2/3,即单波采样点大小的2/3为窗口大小,因此窗口大小约为200;
步骤A中的NN间期直方图和非线性分析方法中的Lorenz散点图具体如下:
NN间期直方图是在一定时间内统计出的NN间期的分布图,横坐标以一定的采样间隔划分,统计不同的NN间期的心搏个数。NN间期直方图的横坐标是NN间期的长度,单位为ms,纵坐标是心搏个数;NN间期直方图的形状与使用的采样间隔有关,一般采用1/128s作为横坐标采样的间隔标准;
Lorenz散点图,也就是RR间期散点图,主要用来反映相邻RR间期的变化,在二维的直角坐标系中标记相邻RR间期数据位置的点图。
本发明的有益效果:实现简单,计算量少,对患者采集的心电数据进行筛选,减少一些波形质量不好的心电数据在医患间的传输。
附图说明
图1为采用MIT心律失常数据库中104号和105号部分心电波形图。
图2为采用MIT心律失常数据库中100号、103号、113号和115号的NN间期直方图。
图3为选取MIT心律失常数据库中100号、103号、113号和115号的Lorenz散点图。
具体实施方式
下面结合附图对本发明的一种具体实施方式做出说明。
一种心电信号预分析的方法,其特征在于具体步骤如下:
步骤1:将完成滤波处理的心电信号数据通过基于窗口阈值算法检测出R波,并进行心率变异性分析;
步骤2:将处理完的数据在自定义的控件显示出来,并标记处R点、标记QRS点、计算参数等;
步骤3:对患者采集的心电数据进行筛选,保存质量较好的波形,减少一些波形质量不好的心电数据在医患间的传输,在患者和医生之间作为协调中枢,为后续医生诊断提供基础,最终将波形质量较好的数据同样通过社交软件发送到医生端。
步骤1中基于窗口阈值算法检测出R波的具体步骤如下:
步骤A:确定参考阈值
窗口大小的阈值根据心率和采样率进行推算,公式如下
式中,HR表示心率,SR表示采样率,d表示窗口大小,k为系数;
峰值点到下坡开始第一个点的高度差和斜率,采用比较的参考阈值中高度hdownslope是通过R-S高度进行推算,斜率kdoenslope是通过R-S斜率进行推算;
表1采用MIT-BIH中数据对窗口阈值算法的R波检测方法进行测试数据。
表1为采用MIT-BIH中数据对窗口阈值算法的R波检测方法进行测试数据,表中标准列表示MIT数据中已标记出正确的R点个数,自测列表示采用基于窗口阈值算法识别出的R点个数,正确列表示基于窗口阈值算法识别出的R点和已标出正确R点位置相同,未识别列表示没有识别出的标准R点位置,误判列表示判断错误的R点位置,正确率列表示识别R波的正确率。在采用基于窗口阈值算法识别R点中,编号100、101、103、111、112、113、115正确识别率达到99%,编号102、107、109、114正确识别率到达98%。编号104、105、106、108数据R点识别正确率相对较低,主要是由于噪声干扰和校验使用标记R点标准数据中存在其他特征点的影响。对于未识别出的R点,主要是噪声干扰和非R点的特殊点的影响。
图1为采用MIT心律失常数据库中104号和105号部分心电波形图,圆点标记点表示自动识别的R波位置,方框是MIT数据中标记出的点,但使用该算法并未识别出来。其中(a)中104号部分心电波形明显受到噪声干扰,从而影响识别R点的判断,这样的波形受到噪声干扰太大,通常也不能作为临床分析。图(b)中105号部分心电波形中,蓝色方框标记的并非R波,同样也造成了R波的未识别。因此,排除噪声干扰和校验使用标记R点标准数据中存在其他特征点的影响,表明基于窗口阈值算法的R波检测具有较高的识别正确率,有实际应用的价值。
步骤B:自适应改变阈值
在确定R点高度参考阈值,需要根据心电波形的变化对参考阈值进行自适应的改变。R波的高度自适应改变的公式
hR'=0.7*hR+0.3*|data[Rtemp[RWave count-1]]|
式中,hR'表示自适应改变的高度阈值,hR表示当前的R波高度,数组Rtemp表示存放R波位置的临时列表,RWavecount表示存放R波位置临时表中R波的数量,Rtemp[RWavecount-1]则表示上一个R波位置,数据data表示心电信号数据,则表示上一个R点的高度;
步骤C:判断是否为R点
在单窗口中对心电波形R点判断,首先从坡地开始遍历心电信号数据,判断当前是否处于爬坡过程。当开始出现下坡过程时,需要判断峰值点到下坡开始第一个点的高度差和斜率是否大于参考阈值高度hdownslope和斜率kdoenslope,若大于参考阈值,则可判断当前峰值点为R点并存储到R点临时列表中,若小于参考阈值需要继续遍历。
步骤D:去除干扰波形
对于R点临时表中的数据需要进一步的筛选去除干扰波形。将峰值高度和坡地到峰值的斜率分别与其R点高度和坡地到R点斜率的参考阈值相比较,若满足则判定为R点,若不满足则为干扰波形。
步骤1中心电变异性分析包括时域分析方法中的NN间期直方图和非线性分析方法中的Lorenz散点图。
步骤A中窗口大小的阈值根据心率和采样率进行推算的具体如下:正常成年人的心率大约59-80次/分钟,比如取平均心率为70次/分钟,则单个波形的周期约为0.857s,假设心电信号采集器的采样率是360Hz,则单个波形的采样点约为308个;由于波形测量开始阶段不能保证第一个波形为完整的单波波形,假设取k等于2/3,即单波采样点大小的2/3为窗口大小,因此窗口大小约为200;
步骤A中的NN间期直方图和非线性分析方法中的Lorenz散点图具体如下:
NN间期直方图是在一定时间内统计出的NN间期的分布图,横坐标以一定的采样间隔划分,统计不同的NN间期的心搏个数。NN间期直方图的横坐标是NN间期的长度,单位为ms,纵坐标是心搏个数;NN间期直方图的形状与使用的采样间隔有关,一般采用1/128s作为横坐标采样的间隔标准;
NN间期直方图一般用来识别自重神经是否受损,正常人由于昼夜平均心率的差异较大,NN间期直方图常常表现为多峰形状,整个直方图的形状矮而胖,NN间期的数值分布较广,相应的心率变异率大。而自主神经受损的病人NN间期直方图多呈单峰形状,直方图窄而高,NN间期的变化很小,心率变异率小,图2为采用MIT心律失常数据库中100号、103号、113号和115号的NN间期直方图。
Lorenz散点图,也就是RR间期散点图,主要用来反映相邻RR间期的变化,在二维的直角坐标系中标记相邻RR间期数据位置的点图。
根据Lorenz散点图的大小及形状可以估计HRV的大小及心率变化的规律,按照RR间期长度差异,一般可分为彗星状、鱼雷状、短棒状、扇状和复杂形五种图形。彗星状形态头小尾大(头端指向零点坐标),散点大多集中在斜率为1的直线附近,表明正常人相邻的RR间期大致相等,围着斜率为1的直线散开,反映有窦性心律不齐现象。鱼雷状短小呈头端略大,尾端不增宽,表明了交感神经活性较强而迷走神经活性所占比例较少。短棒状形态短小,呈头尾一致短棒状,表明交感神经和迷走神经张力都降低,HRV小。扇状形态如扇形,表明了心率缓慢是,快速变化仍增大。复杂性散点图呈多簇分散,形态互异的点区域构成了复杂状的图形,图3为选取MIT心律失常数据库中100号、103号、113号和115号的Lorenz散点图。
正常人RR间期的散点图呈彗星状,若散点图呈鱼雷状、短棒状、扇形等表明HRV明显降低,临床表现为急性心肌梗塞、甲状腺功能亢进。
以上对本发明的一个实例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (5)
1.一种心电信号预分析的方法,其特征在于具体步骤如下:
步骤1:将完成滤波处理的心电信号数据通过基于窗口阈值算法检测出R波,并进行心率变异性分析;
步骤2:将处理完的数据在自定义的控件显示出来,并标记处R点、标记QRS点、计算参数等;
步骤3:对患者采集的心电数据进行筛选,保存质量较好的波形,减少一些波形质量不好的心电数据在医患间的传输,在患者和医生之间作为协调中枢,为后续医生诊断提供基础,最终将波形质量较好的数据同样通过社交软件发送到医生端。
2.根据权利要求1所述的一种心电信号预分析的方法,其特征在于步骤1中基于窗口阈值算法检测出R波的具体步骤如下:
步骤A:确定参考阈值
窗口大小的阈值根据心率和采样率进行推算,公式如下
式中,HR表示心率,SR表示采样率,d表示窗口大小,k为系数;
峰值点到下坡开始第一个点的高度差和斜率,采用比较的参考阈值中高度hdownslope是通过R-S高度进行推算,斜率kdoenslope是通过R-S斜率进行推算;
步骤B:自适应改变阈值
在确定R点高度参考阈值,需要根据心电波形的变化对参考阈值进行自适应的改变。R波的高度自适应改变的公式
hR′=0.7*hR+0.3*|data[Rtemp[RWavecount-1]]|
式中,hR′表示自适应改变的高度阈值,hR表示当前的R波高度,数组Rtemp表示存放R波位置的临时列表,RWavecount表示存放R波位置临时表中R波的数量,Rtemp[RWavecount-1]则表示上一个R波位置,数据data表示心电信号数据,则表示上一个R点的高度;
步骤C:判断是否为R点
在单窗口中对心电波形R点判断,首先从坡地开始遍历心电信号数据,判断当前是否处于爬坡过程。当开始出现下坡过程时,需要判断峰值点到下坡开始第一个点的高度差和斜率是否大于参考阈值高度hdownslope和斜率kdoenslope,若大于参考阈值,则可判断当前峰值点为R点并存储到R点临时列表中,若小于参考阈值需要继续遍历。
步骤D:去除干扰波形
对于R点临时表中的数据需要进一步的筛选去除干扰波形。将峰值高度和坡地到峰值的斜率分别与其R点高度和坡地到R点斜率的参考阈值相比较,若满足则判定为R点,若不满足则为干扰波形。
3.根据权利要求1所述的一种心电信号预分析的方法,其特征在于步骤1中心电变异性分析包括时域分析方法中的NN间期直方图和非线性分析方法中的Lorenz散点图。
4.根据权利要求2所述的一种心电信号预分析的方法,其特征在于步骤A中窗口大小的阈值根据心率和采样率进行推算的具体如下:正常成年人的心率大约59-80次/分钟,比如取平均心率为70次/分钟,则单个波形的周期约为0.857s,假设心电信号采集器的采样率是360Hz,则单个波形的采样点约为308个;由于波形测量开始阶段不能保证第一个波形为完整的单波波形,假设取k等于2/3,即单波采样点大小的2/3为窗口大小,因此窗口大小约为200。
5.根据权利要求3所述的一种心电信号预分析的方法,其特征在于步骤A中的NN间期直方图和非线性分析方法中的Lorenz散点图具体如下:
NN间期直方图是在一定时间内统计出的NN间期的分布图,横坐标以一定的采样间隔划分,统计不同的NN间期的心搏个数。NN间期直方图的横坐标是NN间期的长度,单位为ms,纵坐标是心搏个数;NN间期直方图的形状与使用的采样间隔有关,一般采用1/128s作为横坐标采样的间隔标准;
Lorenz散点图,也就是RR间期散点图,主要用来反映相邻RR间期的变化,在二维的直角坐标系中标记相邻RR间期数据位置的点图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610485834.5A CN105997054B (zh) | 2016-06-22 | 2016-06-22 | 一种心电信号预分析的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610485834.5A CN105997054B (zh) | 2016-06-22 | 2016-06-22 | 一种心电信号预分析的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105997054A true CN105997054A (zh) | 2016-10-12 |
CN105997054B CN105997054B (zh) | 2019-07-09 |
Family
ID=57083920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610485834.5A Active CN105997054B (zh) | 2016-06-22 | 2016-06-22 | 一种心电信号预分析的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105997054B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106937808A (zh) * | 2017-04-12 | 2017-07-11 | 佛山市量脑科技有限公司 | 一种智能床垫的数据采集系统 |
CN107028426A (zh) * | 2017-04-12 | 2017-08-11 | 佛山市量脑科技有限公司 | 一种智能床垫系统 |
CN107049259A (zh) * | 2017-04-28 | 2017-08-18 | 深圳睿京科技有限公司 | 生理数据的监控方法及装置 |
CN107928652A (zh) * | 2017-12-15 | 2018-04-20 | 深圳市维亿魄科技有限公司 | 一种基于脉率变异性的心脏疾病监测方法 |
CN108478214A (zh) * | 2018-01-29 | 2018-09-04 | 成都琅瑞医疗技术股份有限公司 | 一种用于心电数据分析的反混淆叠加方法及装置 |
CN109222964A (zh) * | 2018-07-20 | 2019-01-18 | 广州视源电子科技股份有限公司 | 房颤检测装置及存储介质 |
CN109303561A (zh) * | 2018-11-01 | 2019-02-05 | 杭州质子科技有限公司 | 一种基于误分类和监督学习的伪差心拍与异常心拍的识别方法 |
CN109480816A (zh) * | 2018-12-18 | 2019-03-19 | 安徽华米信息科技有限公司 | 心律监控方法、装置、电子设备及计算机可读存储介质 |
CN109770889A (zh) * | 2017-11-15 | 2019-05-21 | 深圳市理邦精密仪器股份有限公司 | 心电数据选段方法和装置 |
WO2021129041A1 (zh) * | 2019-12-27 | 2021-07-01 | 深圳邦健生物医疗设备股份有限公司 | Rr间期心电数据分布显示方法、装置、计算机设备和介质 |
CN113729724A (zh) * | 2021-09-28 | 2021-12-03 | 宁波市第一医院 | 心电图测量方法与装置 |
CN114002406A (zh) * | 2021-10-09 | 2022-02-01 | 中国地质调查局西安地质调查中心(西北地质科技创新中心) | 固体样品有机碳含量数据采集方法、系统、设备及应用 |
WO2022095796A1 (zh) * | 2020-11-05 | 2022-05-12 | 华为技术有限公司 | 生理特征信号处理方法、电子设备、芯片及可读存储介质 |
CN115120248A (zh) * | 2022-09-02 | 2022-09-30 | 之江实验室 | 基于直方图的自适应阈值r峰检测、心律分类方法及装置 |
WO2024055807A1 (zh) * | 2022-09-15 | 2024-03-21 | 荣耀终端有限公司 | 一种心电信号质量评估方法、电子设备及芯片系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07284483A (ja) * | 1994-04-19 | 1995-10-31 | Isuzu Motors Ltd | 心拍変動波形解析方法及び装置 |
EP0906057A1 (en) * | 1996-06-12 | 1999-04-07 | BANG & OLUFSEN TECHNOLOGY A/S | Apparatus for analyzing hrv signals (heart rate variation) |
CN101438958A (zh) * | 2008-12-18 | 2009-05-27 | 济南汇医融工科技有限公司 | 基于心电间期序列归一化直方图的心衰检测方法和装置 |
CN102138789A (zh) * | 2011-01-24 | 2011-08-03 | 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 |
CN102697492A (zh) * | 2012-05-25 | 2012-10-03 | 长春华讯信息科技有限公司 | 一种实时心电信息分析系统及其分析方法 |
CN103371814A (zh) * | 2012-04-14 | 2013-10-30 | 兰州大学 | 基于智能诊断的远程无线心电监护系统及特征提取方法 |
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 |
CN104173043A (zh) * | 2014-09-04 | 2014-12-03 | 东莞理工学院 | 一种适合于移动平台的心电数据分析方法 |
CN105286857A (zh) * | 2015-09-29 | 2016-02-03 | 北京航空航天大学 | 一种可适应心电波形病理变化的r波快速检测方法 |
-
2016
- 2016-06-22 CN CN201610485834.5A patent/CN105997054B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07284483A (ja) * | 1994-04-19 | 1995-10-31 | Isuzu Motors Ltd | 心拍変動波形解析方法及び装置 |
EP0906057A1 (en) * | 1996-06-12 | 1999-04-07 | BANG & OLUFSEN TECHNOLOGY A/S | Apparatus for analyzing hrv signals (heart rate variation) |
CN101438958A (zh) * | 2008-12-18 | 2009-05-27 | 济南汇医融工科技有限公司 | 基于心电间期序列归一化直方图的心衰检测方法和装置 |
CN102138789A (zh) * | 2011-01-24 | 2011-08-03 | 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 |
CN103371814A (zh) * | 2012-04-14 | 2013-10-30 | 兰州大学 | 基于智能诊断的远程无线心电监护系统及特征提取方法 |
CN102697492A (zh) * | 2012-05-25 | 2012-10-03 | 长春华讯信息科技有限公司 | 一种实时心电信息分析系统及其分析方法 |
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 |
CN104173043A (zh) * | 2014-09-04 | 2014-12-03 | 东莞理工学院 | 一种适合于移动平台的心电数据分析方法 |
CN105286857A (zh) * | 2015-09-29 | 2016-02-03 | 北京航空航天大学 | 一种可适应心电波形病理变化的r波快速检测方法 |
Non-Patent Citations (2)
Title |
---|
卞玉萍: "长时程动态心电信号的分析方法研究", 《中国优秀硕士学位论文全文数据库,医药卫生科技辑》 * |
王留义: "《无创伤性心血管诊断技术》", 30 December 1996 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107028426A (zh) * | 2017-04-12 | 2017-08-11 | 佛山市量脑科技有限公司 | 一种智能床垫系统 |
CN106937808A (zh) * | 2017-04-12 | 2017-07-11 | 佛山市量脑科技有限公司 | 一种智能床垫的数据采集系统 |
CN107028426B (zh) * | 2017-04-12 | 2020-04-10 | 佛山市量脑科技有限公司 | 一种智能床垫系统 |
CN107049259A (zh) * | 2017-04-28 | 2017-08-18 | 深圳睿京科技有限公司 | 生理数据的监控方法及装置 |
CN109770889A (zh) * | 2017-11-15 | 2019-05-21 | 深圳市理邦精密仪器股份有限公司 | 心电数据选段方法和装置 |
CN107928652B (zh) * | 2017-12-15 | 2021-07-27 | 深圳市维亿魄科技有限公司 | 一种基于脉率变异性的心脏监测方法 |
CN107928652A (zh) * | 2017-12-15 | 2018-04-20 | 深圳市维亿魄科技有限公司 | 一种基于脉率变异性的心脏疾病监测方法 |
CN108478214A (zh) * | 2018-01-29 | 2018-09-04 | 成都琅瑞医疗技术股份有限公司 | 一种用于心电数据分析的反混淆叠加方法及装置 |
CN109222964A (zh) * | 2018-07-20 | 2019-01-18 | 广州视源电子科技股份有限公司 | 房颤检测装置及存储介质 |
CN109222964B (zh) * | 2018-07-20 | 2021-02-09 | 广州视源电子科技股份有限公司 | 房颤检测装置及存储介质 |
CN109303561A (zh) * | 2018-11-01 | 2019-02-05 | 杭州质子科技有限公司 | 一种基于误分类和监督学习的伪差心拍与异常心拍的识别方法 |
CN109480816A (zh) * | 2018-12-18 | 2019-03-19 | 安徽华米信息科技有限公司 | 心律监控方法、装置、电子设备及计算机可读存储介质 |
WO2021129041A1 (zh) * | 2019-12-27 | 2021-07-01 | 深圳邦健生物医疗设备股份有限公司 | Rr间期心电数据分布显示方法、装置、计算机设备和介质 |
WO2022095796A1 (zh) * | 2020-11-05 | 2022-05-12 | 华为技术有限公司 | 生理特征信号处理方法、电子设备、芯片及可读存储介质 |
CN113729724A (zh) * | 2021-09-28 | 2021-12-03 | 宁波市第一医院 | 心电图测量方法与装置 |
CN113729724B (zh) * | 2021-09-28 | 2023-10-27 | 宁波市第一医院 | 心电图测量方法与装置 |
CN114002406A (zh) * | 2021-10-09 | 2022-02-01 | 中国地质调查局西安地质调查中心(西北地质科技创新中心) | 固体样品有机碳含量数据采集方法、系统、设备及应用 |
CN115120248A (zh) * | 2022-09-02 | 2022-09-30 | 之江实验室 | 基于直方图的自适应阈值r峰检测、心律分类方法及装置 |
WO2024055807A1 (zh) * | 2022-09-15 | 2024-03-21 | 荣耀终端有限公司 | 一种心电信号质量评估方法、电子设备及芯片系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105997054B (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105997054A (zh) | 一种心电信号预分析的方法 | |
CN107951485B (zh) | 基于人工智能自学习的动态心电图分析方法和装置 | |
CN109157202B (zh) | 一种基于多生理信号深度融合的心血管疾病预警系统 | |
CN106108889B (zh) | 基于深度学习算法的心电图分类方法 | |
CN102138789B (zh) | 一种动态心电和运动记录与分析系统 | |
CN109411042B (zh) | 心电信息处理方法和心电工作站 | |
US7826892B2 (en) | Method for quantitative assessment of the autonomic nervous system based on heart rate variability analysis | |
CN109411041A (zh) | 心电信息处理方法和心电工作站系统 | |
US9451901B2 (en) | Method and device for evaluation of myocardial damages based on the current density variations | |
CN109998529A (zh) | 一种基于高斯函数拟合的ecg信号中p波、t波检测方法 | |
CN101732050A (zh) | 一种基于光电容积波的呼吸率监测方法 | |
CN106166065A (zh) | 一种基于社交网络的可穿戴心电健康交互平台及其实现方法 | |
WO2015035764A1 (zh) | 生理参数处理方法、系统及监护设备 | |
CN107693000A (zh) | 基于心电和脉搏信号融合的心率估计方法、装置和系统 | |
CN103961089A (zh) | 基于分段直线拟合的窦性心率震荡趋势检测方法 | |
CN109288515B (zh) | 基于穿戴式心电信号中早搏信号的周期性监测方法及装置 | |
CN110200640A (zh) | 基于双模态传感器的非接触式情绪识别方法 | |
Lyle et al. | Beyond HRV: Analysis of ECG signals using attractor reconstruction | |
CN106361325A (zh) | 一种便携式心电仪所测单导联心电图的筛查识别系统 | |
Kobayashi et al. | Development of a mental disorder screening system using support vector machine for classification of heart rate variability measured from single-lead electrocardiography | |
Lyle et al. | Symmetric projection attractor reconstruction: sex differences in the ECG | |
CN106955101A (zh) | 从心电信号中提取呼吸信号的方法及装置 | |
CN110151169A (zh) | 一种基于心电数据的睡眠状态识别分类方法 | |
CN110097012A (zh) | 基于N-range图像处理算法的眼动参数监测的疲劳检测方法 | |
CN109938719A (zh) | 一种基于生理参数的驾驶员疲劳检测方法 |
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 |