CN106725450A - Qrs波群检测方法 - Google Patents

Qrs波群检测方法 Download PDF

Info

Publication number
CN106725450A
CN106725450A CN201710091357.9A CN201710091357A CN106725450A CN 106725450 A CN106725450 A CN 106725450A CN 201710091357 A CN201710091357 A CN 201710091357A CN 106725450 A CN106725450 A CN 106725450A
Authority
CN
China
Prior art keywords
ripples
point
amplitude
crest
type
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
Application number
CN201710091357.9A
Other languages
English (en)
Other versions
CN106725450B (zh
Inventor
张玮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WUHAN ZONCARE BIO-MEDICAL ELECTRONICS Co Ltd
Original Assignee
WUHAN ZONCARE BIO-MEDICAL ELECTRONICS Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by WUHAN ZONCARE BIO-MEDICAL ELECTRONICS Co Ltd filed Critical WUHAN ZONCARE BIO-MEDICAL ELECTRONICS Co Ltd
Priority to CN201710091357.9A priority Critical patent/CN106725450B/zh
Publication of CN106725450A publication Critical patent/CN106725450A/zh
Application granted granted Critical
Publication of CN106725450B publication Critical patent/CN106725450B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis

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)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供了一种QRS波群检测方法。通过对信号进行预处理,以得到初始幅值阈值和初始斜率阈值;根据初始幅值阈值和斜率阈值在预处理后的信号中寻找R波的波峰并根据R波的波峰判断R波的类型以及R波的结束点;根据R波的类型和波峰判断Q波的类型并寻找Q波的波谷;并寻找Q波的起点、结束点、S波的波谷,判断S波的类型,寻找S波的起点以及S波的结束点。本发明提供的QRS波群检测方法,定位准确,检测实时性高,能够定位特殊点的起止点,为心电诊断提供更多重要的诊断指标,且能提高QRS波时限的准确性。

Description

QRS波群检测方法
技术领域
本发明涉及心电信号检测领域,具体而言,涉及一种QRS波群检测方法。
背景技术
现有的心电信号测量中,对QRS波群的检测方法很多,常见的有:差分阈值法、模板匹配法、神经网络和小波变换法。当发生心律不齐、室早时,单个周期R波的最大幅值与单个周期R波的最小幅值相差很大,RR间期也不规律,传统的差分阈值方法无法准确定位;模板匹配法受信号的噪声和基线漂移影响很大;神经网络的方法,无法满足检测的实时性;小波变换法计算量大、过于复杂、耗时长,且无法定位特征点的起、止点。
现有的QRS波群的检测方法重心放在对R波的提取的讨论居多,对于Q和S波的提取方法都是简单一笔带过,但实际上QRS波时限是心电诊断里的一个重要指标,例如QRS波时限超过120ms属于异常现象,可能是心室传导阻滞的信号,因此Q的起点和S波的结束点的提取对QRS波时限这项诊断指标同样具有非常重要的作用。并且Q和S波在不同病理状态下的波形形态表现也各不相同。因此Q、S波的提取方法应该与R波具有同样的重要地位。
发明内容
有鉴于此,本发明的目的在于提供一种QRS波群检测方法,以改善上述的问题。
为了实现上述目的,本发明实施例采用的技术方案如下:
一种QRS波群检测方法,包括:
对信号进行预处理,得到信号序列,所述信号序列包括多个周期;
根据预处理后的信号得到初始幅值阈值和初始斜率阈值;
根据所述初始幅值阈值和初始斜率阈值在预处理后的信号中寻找R波的波峰并根据所述R波的波峰判断R波的类型以及R波的结束点;
根据所述R波的类型和R波的波峰判断Q波的类型并寻找Q波的波谷;
根据所述R波的类型、R波的波峰和Q波的波谷寻找Q波的起点;
根据所述Q波的起点、所述Q波的类型及所述Q波的波谷寻找Q波的结束点;
根据所述R波的类型、R波的波峰和R波的结束点寻找S波的波谷并判断S波的类型;
根据所述S波的类型、R波的类型、S波的波谷以及Q波的起点寻找S波的起点;
根据所述S波的起点和所述S波的类型寻找S波的结束点。
进一步地,所述根据所述初始幅值阈值和初始斜率阈值在预处理后的信号中寻找R波的波峰并根据所述R波的波峰判断R波的类型以及R波的结束点的步骤包括:
将所述预处理后的信号与所述初始斜率阈值进行比较,以在所述预处理后的信号中确定第一查找范围,根据所述初始幅值阈值在所述第一查找范围内寻找R波的波峰。
进一步地,所述将所述预处理后的信号与所述初始斜率阈值进行比较,以在所述预处理后的信号中确定第一查找范围的步骤包括:
将预处理后的差分信号与所述初始斜率阈值进行比较,当找到比所述初始斜率阈值小的点时,记录为第一位置,在所述第一位置向前直至上一个R波的波峰之间寻找差分信号递增且差分值大于0的点,记录为第二位置,将所述第一位置与所述第二位置之间的范围作为所述第一查找范围;
所述根据所述初始幅值阈值在所述第一查找范围内寻找R波的波峰的步骤包括:
在所述第一查找范围内寻找幅值最大的点,当所述幅值最大的点的幅值大于所述初始幅值阈值时,将所述幅值最大的点标记为R波波峰。
进一步地,当所述第一查找范围内不包括R波波峰时,以所述第一位置为基准,向时间递减方向以第一预设搜索范围查找幅值最大的点并将所述幅值最大的点的幅值与所述初始幅值阈值比较,当大于所述初始幅值阈值时,将第一预设搜索范围内幅值最大的点标记为R波的波峰,当小于所述初始幅值阈值时,以所述第一位置为基准,向时间递减方向以第一预设搜索范围查找相邻点的斜率乘积为负值且幅值大于所述初始幅度阈值的点,若满足则记录为R波的波峰,若以上条件均未满足,向时间递增方向,以第一预设搜索范围查找幅值最大的点,判断该点是否满足与左侧相邻间隔点的幅值差值大于预设的第一阈值且与右侧相邻间隔点的幅值差值大于预设的第一阈值,若满足,则将查找到的满足条件的点记录为R波波峰的位置,若不满足,则标记R波的类型为无R波。
进一步地,所述根据所述R波的波峰判断R波的类型以及R波的结束点的步骤包括:
以所述R波的波峰为基准,以第二预设搜索范围查找大于初始幅值阈值的信号,以查找到的幅值最大的信号为基准,以第三预设搜索范围查找点是否满足判断R波波峰的条件,如果满足,排出切迹的干扰后记录所述幅值最大的点的位置,并标记为双R波,如果不满足,则标记为单R波;
以所述R波的波峰为基准,向时间递增方向以第四预设搜索范围查找连续相邻信号的差分值同时小于预设的第二阈值的点,通过预设的算法排除切迹的干扰,将满足条件的点作为R波的结束点,当第四预设搜索范围内不包含满足条件的点时,以所述R波峰为基准,向时间递增方向根据预设的第一经验值将对应的点确定为R波结束点。
进一步地,所述根据所述R波的类型和R波的波峰判断Q波的类型并寻找Q波的波谷的步骤包括:
以所述R波的波峰为基准,在所述预处理后的信号中以第五预设搜索范围查找幅值最小的点,将查找到的所述幅值最小的点的幅值与所述R波的波峰幅值相加得到幅值代数和,将所述幅值代数和与第一幅值阈值进行比较,当所述幅值代数和大于所述第一幅值阈值时,判断R波为大R波,赋予第一查找范围,当所述幅值代数和小于所述第一幅值阈值时,判断R波为小R波,赋予第二查找范围,当所述幅值最小的点位于所述R波的波峰的左侧,则Q波为大Q波,当所述幅值最小的点位于所述R波的波峰的右侧,则S波为大S波;
当所述R波的类型为无R波时,以根据预设的第一经验值确定的R波的波峰为基准,以第六预设搜索范围查找幅值最小的点并将查找到的幅值最小的点标记为Q波的波谷;
当R波为大R波时,以所述R波的波峰为基准,以第一查找范围查找是否具有连续多个点的变化率小于第一变化率阈值,同时排除在上升支存在切迹被误检为波谷,查找幅值最小的点,通过预设的算法判断是否有切迹,如果有切迹,判断切迹的位置,排除切迹的误检,将幅值最小的点作为Q波的波谷;
当R波为小R波时,以所述R波的波峰为基准,以第二查找范围查找是否具有连续多个点的变化率小于第二变化率阈值,当找到且为了排除在上升支存在切迹而误检为波谷,查找幅值最小的点,通过预设的算法判断是否有切迹,如果有切迹,判断切迹的位置,排除切迹的误检,将幅值最小的点作为Q波的波谷。
进一步地,所述根据所述R波的类型、R波的波峰和Q波的波谷寻找Q波的起点的步骤包括:
当R波的类型为无R波时,将R波的波峰标记为Q波的起点;
当存在R波时,以所述R波的波峰为基准,以第三查找范围查找是否具有多个连续的点的变化率小于第三变化率阈值,如果有,计算找到的多个点中幅值最大的点与所述Q波的波谷的幅值差值,当所述幅值差值小于预设的第三阈值时,标记Q波的类型为无Q波,当所述幅值差值大于预设的第三阈值时,以找到的多个信号中幅值最大的信号为基准,以第四查找范围查找满足连续多个点的变化率小于第四变化率阈值且满足与右侧相邻预设间隔点的幅值差值大于预设的第四阈值,与左侧相邻预设间隔点的幅值差值小于预设的第五阈值时的点,标记该点为Q波起点位置。
进一步地,所述根据所述Q波的起点、所述Q波的类型及所述Q波的波谷寻找Q波的结束点的步骤包括:
当Q波的类型为无Q波时,将所述Q波的波谷标记为Q波的结束点;
当存在Q波时,将Q波的起点后与Q波的起点的幅值相同的点标记为Q波的结束点。
进一步地,所述根据所述R波的类型、R波的波峰和R波的结束点寻找S波的波谷并判断S波的类型的步骤包括:
当存在R波时,若R波的类型为单R波,以所述R波的波峰为基准,若R波的类型为双R波,以双R波中第二个R波的波峰为基准在所述预处理后的信号中以第七预设搜索范围查找幅值最小的点,将查找到的所述幅值最小的信号的幅值与所述R波的波峰幅值相加得到幅值代数和,将所述幅值代数和与第一幅值阈值进行比较,当所述幅值代数和大于所述第一幅值阈值时,判断R波为大R波,S波为小S波,赋予第一查找范围,当所述幅值代数和小于所述第一幅值阈值时,判断R波为小R波,赋予第二查找范围;
当所述R波的类型为无R波时,将所述Q波的波谷标记为S波的波谷;
当所述R波的类型为小R波时,以所述R波的波峰为基准,以第一查找范围查找幅值最小的点,当幅值最小的点满足信号先递减再递增且与右侧相邻预设间隔点的幅值差值大于预设的第二经验值时,将所述幅值最小的点标记为S波的波谷,当所述幅值最小的点周围的点不满足上述条件时,则S波的类型为无S波,将所述R波的结束点标记为所述S波的波谷;
当所述R波的类型为大R波时,以所述R波的波峰为基准,以第二查找范围查找幅值最小和最大的点,计算幅值最小和最大的点的幅值差值,当幅值最小和最大的点的幅值差值大于预设的第二幅值阈值时,所述幅值最小的点为S波的波谷,当幅值最小和最大的信号的幅值差值小于预设的第二幅值阈值时,标记S波的类型为无S波,所述R波的结束点为所述S波的波谷。
进一步地,所述根据所述S波的类型、S波的波谷以及Q波的起点寻找S波的起点的步骤包括:
当S波的类型为无S波时,则S波的波谷为所述S波的起点;
当存在S波时,将与Q波的起点的幅值相同的信号标记为所述S波的起点;
当R波的类型为无R波时,S波的起点为Q波的起点。
进一步地,所述根据所述S波的起点和所述S波的类型寻找S波的结束点的步骤包括:
将所述Q波的起点作为基线参考点,计算R波的波峰和S波的波谷的幅值,当所述S波的波谷的幅值大于预设比例的R波的波谷的幅值时,则判定S波具有大S波和小S波两种状态,当S波为大S波时,赋予第五查找范围,当S波为小S波时,赋予第六查找范围,
当S波为大S波时,在第五查找范围内搜索满足连续多个点的变化率小于第五变化率阈值及满足信号先递减再递增,且与左侧相邻预设间隔点的幅值差值大于第三幅值阈值的点,判断该点为S波结束点位置,若第五查找范围内找不到满足条件的点,则将第五查找范围内的幅值最大点作为S波结束位置;
当S波为小S波时,在第六查找范围内搜索满足连续多个点的变化率小于第六变化率阈值,且与左侧相邻预设间隔点的幅值差值大于第四幅值阈值的点,判断该点为S波结束点位置,若第六查找范围内找不到满足条件的点,将第六查找范围内的幅值最大点作为S波结束位置,若S波的类型为无S波,则S波的波谷的位置为S波结束点。
本发明实施例提供的QRS波群检测方法通过对信号进行预处理,以得到初始幅值阈值和初始斜率阈值;根据初始幅值阈值和斜率阈值在预处理后的信号中寻找R波的波峰并根据R波的波峰判断R波的类型以及R波的结束点;根据R波的类型和R波的波峰判断Q波的类型并寻找Q波的波谷;根据R波的类型、R波的波峰和Q波的波谷寻找Q波的起点;根据Q波的起点、Q波的类型及Q波的波谷寻找Q波的结束点;根据R波的类型、R波的波峰和R波的结束点寻找S波的波谷并判断S波的类型;根据S波的类型、R波的类型、S波的波谷以及Q波的起点寻找S波的起点;根据S波的起点和S波的类型寻找S波的结束点。本发明实施例提供的QRS波群检测方法,定位准确,检测实时性高,能够定位特殊点的起止点,为心电诊断提供更多重要的诊断指标,且能提高QRS波时限的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是心电图信号的示意图。
图2是本发明实施例提供的QRS波群检测方法的流程图。
图3是R波的类型为无R波的波形示意图。
图4是R波的类型为双R波的波形示意图。
图5是Q波类型为大R波,小S波,无Q波的示意图。
图6是S波的类型为无S波的示意图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参照图1,是典型的心电图(ECG,electrocardiogram)信号的示意图,一般包括Q波、R波、S波,简称QRS波群,R波根据形态分类主要有以下几种:大R波、小R波、无R波以及双R波,还有在R波升支和降支部分可能存在大或小的切迹;Q波形态分类:大Q波、小Q波、无Q波,双Q波;S波形态分类:大S波、小S波、无S波,双S波。
请参照图2,是本发明实施例提供的QRS波群检测方法的流程图,该QRS波群检测方法包括以下步骤:
步骤S110,对信号进行预处理,得到信号序列,所述信号序列包括多个周期。
在本实施例中,对信号进行预处理包括对信号进行滤波,以滤除基线漂移、工频噪声和肌电干扰。滤波之后对信号进行平方运算,增强ECG(electrocardiogram,心电图)信号的高频分量,突出R波的峰值信号。然后对平方后的信号进行差分运算,衰减P波和T波,突出R波的斜率信息。
步骤S120,根据预处理后的信号得到初始幅值阈值和初始斜率阈值。
正常情况下人的心率最慢30次/min,即2s内至少有一次心律跳动,本实施例中,选择预处理后的信号中的10s,分成5段,每段2s,分别求出每段信号内幅值最大值和差分极小值,再求10s内的幅度最大值和差分极小值的平均值,即得到初始幅值阈值和初始斜率阈值。
步骤S130,根据初始幅值阈值和初始斜率阈值在预处理后的信号中寻找R波的波峰。
在本实施例中,将预处理后的信号与所述初始斜率阈值进行比较,以在所述预处理后的信号中确定第一查找范围,根据初始幅值阈值在第一查找范围内寻找R波的波峰,具体的,将预处理后的差分信号与初始斜率阈值进行比较,当找到比初始斜率阈值小的点时,记录为第一位置S1,在第一位置S1向前直至上一个R波的波峰之间寻找差分信号递增且差分值大于0的点,记录为第二位置S2,将第一位置S1与第二位置S2之间的范围作为第一查找范围,即(S1,S2)。
在第一查找范围内寻找幅值最大的点,当幅值最大的点的幅值大于初始幅值阈值时,将幅值最大的点标记为R波波峰。
当第一查找范围内不包括R波波峰,即未搜索到满足条件的点时,以第一位置S1(即差分值小于初始斜率阈值的点)为基准,向时间递减方向以第一预设搜索范围查找幅值最大的点,其中,第一预设搜索范围为通过经验确定的一搜索范围,在本实施例中,第一预设搜索范围为0.1×fs,fs=1000,即以S1为基准,向时间递减方向搜索100个点,并将第一预设搜索范围内幅值最大的点的幅值与初始幅值阈值比较,当大于初始幅值阈值时,将第一预设搜索范围内幅值最大的点标记为R波的波峰。当小于初始幅值阈值时,以第一位置S1为基准,向时间递减方向以第一预设搜索范围查找相邻点的斜率乘积为负值且幅值较大的点的幅值大于初始幅度阈值的点,若满足则记录幅值较大的点为R波的波峰,若以上条件均未满足,则向时间递增方向,以第一预设搜索范围查找幅值最大的点,判断该点是否满足与左侧(即向时间递减的方向)相邻间隔点的幅值差值是否大于预设的第一阈值且与右侧相邻间隔点的幅值差值是否大于预设的第一阈值,该预设的第一阈值根据经验设置,本实施例对此不做限定,若满足,则将查找到的满足条件的点记录为R波波峰的位置,若不满足,则标记R波的类型为无R波,请参照图3,是R波的类型为无R波的波形示意图。
由于初始阈值是选择前5个R波的幅值和差分极小值的均值,因此可能会出现错检、漏检、多检的情况,每个R波检测到后,记录R波的波峰的幅度值和差分极小值的位置,并且计算RR间期差,从第6个R波开始,对前面求得的R波间期进行均值计算。将当前检测的R波与前一个R波之间的间期与均值间期进行比较。当当前R波与前一个R波的间期小于0.4×RR间期均值,则说明多检,需要删除该点。当当前R波与前一个R波的间期大于1.66×RR间期均值,则说明漏检,将初始斜率阈值乘以0.5作为新的斜率阈值,并以新的斜率阈值重新检测R波。
根据心脏生理原理,在完成一次收缩后,心脏将有一段时间处于不应期,持续200ms,因此在检测到一个R波后,可直接跳过0.3×fs个采样点,再进行下一个R波检测。
步骤S140,根据R波的波峰判断R波的类型以及R波的结束点。
对于单R波和双R波的判定,以R波的波峰为基准,以第二预设搜索范围查找大于初始幅值阈值的信号,其中,第二预设搜索范围为根据经验确定,在本实施例中,第二预设搜索范围为(R_detect-0.1×fs,R_detect+0.12×fs),即以R波的波峰为基准,向时间递减方向搜索0.1×fs(即100)个点,向时间递增方向搜索0.12×fs(即120)个点,再以查找到的幅值最大的点为基准,以第三预设搜索范围查找是否满足R波波峰条件的点,即是否具有大于初始幅值阈值的点,如果满足,排出切迹的干扰后记录该幅值最大的点的位置,并标记为双R波,如果不满足,则标记为单R波。请参照图4,是R波的类型为双R波的波形示意图。
对于R波结束点的判断,以R波的波峰为基准,向时间递增方向以第四预设搜索范围查找连续相邻信号的差分值同时小于预设的第二阈值的点,通过预设的算法排除切迹的干扰,将满足条件的点作为R波的结束点,当第四预设搜索范围内没有满足条件的点时,以R波的波峰为基准,向时间递增方向根据预设的第一经验值将对应的点确定为R波结束点,即根据经验自由定义一个R波结束点。其中,第四预设搜索范围、预设的第二阈值及第一经验值均根据经验预先设定。
步骤S150,根据R波的类型和R波的波峰判断Q波的类型并寻找Q波的波谷。
以R波的波峰为基准,在预处理后的信号中以第五预设搜索范围查找幅值最小的点,其中,该第五预设搜索范围为根据经验确定的搜索范围,在本实施例中,该第五预设搜索范围为(R_detect-0.05×fs,R_detect+0.05×fs),即以R波的波峰为基准,向时间递减方向搜索0.05×fs(即50)个点,以及向时间递增方向搜索0.05×fs(即50)个点,将查找到的幅值最小的点的幅值与R波的波峰的幅值相加得到幅值代数和,将幅值代数和与第一幅值阈值进行比较,当幅值代数和大于第一幅值阈值时,判断R波为大R波,赋予第一查找范围,第一查找范围根据经验确定,在本实施例中,第一查找范围为0.12×fs,即以某点为基准,往前搜索120个点,以及以该点为基准,向后搜索120个点;当幅值代数和小于第一幅值阈值时,判断R波为小R波,赋予第二查找范围,该预设的阈值根据经验确定,在本实施例中,第一幅值阈值为50。第二查找范围也是根据经验确定,在本实施例中,第二查找范围为0.1×fs,即以某点为基准,往前搜索100个点,以及以该点为基准,向后搜索100个点;该第一查找范围和第二查找范围应用于寻找Q波的波谷,当幅值最小的点位于所述R波的波峰的左侧,则Q波为大Q波,当幅值最小的点位于R波的波峰的右侧,则S波为大S波。
下面介绍Q波波谷的确定:
当R波的类型为无R波时,以根据预设的第一经验值确定的R波的波峰为基准,以第六预设搜索范围查找幅值最小的点并将查找到的幅值最小的点标记为Q波的波谷,第六预设搜索范围为根据经验值确定的搜索范围,在本实施例中,第六预设搜索范围为(R_detect-0.1×fs,R_detect+0.1×fs)。
当R波为大R波时,以R波的波峰为基准,以第一查找范围0.12×fs查找是否具有连续多个点的变化率小于第一变化率阈值,连续多个点的数量和第一变化率阈值均根据经验确定,在本实施例中,连续多个点为连续5个点,如果具有连续5个点的变化率小于第一变化率阈值,排除在上升支可能存在的切迹,防止切迹被误检为波谷,查找幅值最小的点,通过预设的算法判断是否有切迹,如果有切迹,判断切迹的位置,排除切迹的误检,将幅值最小的点作为Q波的波谷。
当R波为小R波时,以R波的波峰为基准,以第二查找范围0.1×fs查找是否具有连续多个点的变化率小于第二变化率阈值,连续多个点的数量和第二变化率阈值均根据经验确定,在本实施例中,连续多个点为连续6个点,当找到且为了排除在上升支存在切迹而误检为波谷,查找幅值最小的点,通过预设的算法判断是否有切迹,如果有切迹,判断切迹的位置,排除切迹的误检,将幅值最小的点作为Q波的波谷。
步骤S160,根据R波的类型、R波的波峰和Q波的波谷寻找Q波的起点。
当R波的类型为无R波时,将R波的波峰标记为Q波的起点。
当存在R波时,以R波的波峰为基准,以第三查找范围查找是否具有多个连续的点的变化率小于第三变化率阈值,在本实施例中,第三查找范围为0.15×fs,多个连续的点为3个连续的点,第三变化率阈值根据经验值确定,如果有满足条件的点,计算找到的多个点中幅值最大的点与Q波的波谷的幅值差值,当幅值差值小于预设的第三阈值时,标记Q波的类型为无Q波,在本实施例中,预设的第三阈值为30。当幅值差值大于预设的第三阈值时,以找到的多个信号中幅值最大的信号为基准,以第四查找范围查找满足连续多个点的变化率小于第四变化率阈值且满足与右侧相邻预设间隔点的幅值差值大于预设的第四阈值,同时与左侧相邻预设间隔点的幅值差值小于预设的第五阈值时的点,标记该点为Q波起点位置,第四查找范围、第四变化率、预设的间隔点的个数以及第四阈值均根据经验确定。
步骤S170,根据Q波的起点、Q波的类型及Q波的波谷寻找Q波的结束点。
当Q波的类型为无Q波时,将Q波的波谷标记为Q波的结束点,如图5所示,是Q波类型为大R波,小S波,无Q波的示意图。
当存在Q波时,将Q波的起点后与Q波的起点的幅值相同的点标记为Q波的结束点,具体实施中,可以以Q波的起点向后画一条平行于横坐标轴的直线,与波形具有交点的点即与Q波起点相同幅值的点,将其标记为Q波的结束点。
步骤S180,根据R波的类型、R波的波峰和R波的结束点寻找S波的波谷并判断S波的类型。
当存在R波时,若R波的类型为单R波,以R波的波峰为基准,若R波的类型为双R波,以双R波中第二个R波的波峰为基准,在预处理后的信号中以第七预设搜索范围查找幅值最小的点,其中,该第七预设搜索范围为根据经验确定的搜索范围,在本实施例中,该第七预设搜索范围为(R_detect-0.05×fs,R_detect+0.05×fs),即以R波的波峰为基准,向时间递减方向搜索0.05×fs(即50)个点,以及向时间递增方向搜索0.05×fs(即50)个点,将查找到的幅值最小的信号的幅值与所述R波的波峰幅值相加得到幅值代数和,将幅值代数和与第一幅值阈值进行比较,当所述幅值代数和大于所述第一幅值阈值时,判断R波为大R波,赋予第一查找范围,当幅值代数和小于所述第一幅值阈值时,判断R波为小R波,赋予第二查找范围,该预设的阈值根据经验确定,在本实施例中,第一幅值阈值为50。
当R波的类型为无R波时,将Q波的波谷标记为S波的波谷,如图3所示,无R波时,Q波的波谷与R波的波谷重合。
当R波的类型为小R波时,以R波的波峰为基准,以第一查找范围查找幅值最小的点,在本实施例中,第一查找范围为0.12×fs,即以R波的波峰为基准,往前搜索120个点,以及以R波的波峰为基准,向后搜索120个点,找到幅值最小的点,当幅值最小的点满足信号先递减再递增且与右侧相邻预设间隔点的幅值差值大于预设的第二经验值时,将幅值最小的点标记为S波的波谷,当幅值最小的点周围的点不满足上述条件时,则S波的类型为无S波,将R波的结束点标记为S波的波谷。
当R波的类型为大R波时,以R波的波峰为基准,以第二查找范围查找幅值最小和最大的点,在本实施例中,第二查找范围为0.1×fs,即以R波的波峰为基准,往前搜索100个点,以及以R波的波峰为基准,向后搜索100个点,计算幅值最小和最大的点的幅值差值,当幅值最小和最大的点的幅值差值大于预设的第二幅值阈值时,则幅值最小的点为S波的波谷,当幅值最小和最大的信号的幅值差值小于预设的第二幅值阈值时,标记S波的类型为无S波,将R波的结束点标记为S波的波谷。
步骤S190,根据S波的类型、R波的类型、S波的波谷以及Q波的起点寻找S波的起点。
当S波的类型为无S波时,则S波的波谷为S波的起点。
当存在S波时,将与Q波的起点的幅值相同的信号标记为S波的起点。
当R波的类型为无R波时,S波的起点为Q波的起点。
步骤S200,根据S波的起点和S波的类型寻找S波的结束点。
将Q波的起点作为基线参考点,计算R波的波峰和S波的波谷的幅值,即计算R波的波峰与Q波起点的幅值差值以及S波的波谷与Q波起点的幅值差值,当S波的波谷的幅值大于预设比例的R波的波谷的幅值时,则判定S波具有大S波和小S波两种状态,当S波为大S波时,赋予第五查找范围,当S波为小S波时,赋予第六查找范围。第五查找范围和第六查找范围用于寻找S波的结束点。
当S波为大S波时,在第五查找范围内搜索满足连续多个点的变化率小于第五变化率阈值及满足信号先递减再递增,且与左侧相邻预设间隔点的幅值差值大于第三幅值阈值的点,判断该点为S波结束点位置,若第五查找范围内找不到满足条件的点,则将第五查找范围内的幅值最大点作为S波结束位置,在本实施例中,第五查找范围为0.08×fs,即以R波的波峰为基准,向前搜索80个点以及向后搜索80个点。
当S波为小S波时,在第六查找范围内搜索满足连续多个点的变化率小于第六变化率阈值,且与左侧相邻预设间隔点的幅值差值大于第四幅值阈值的点,判断该点为S波结束点位置,若第六查找范围内找不到满足条件的点,将第六查找范围内的幅值最大点作为S波结束位置,若S波的类型为无S波,则S波的波谷的位置为S波结束点,如图6,是S波的类型为无S波的示意图。在本实施例中,第六查找范围为0.05×fs,即以R波的波峰为基准,向前搜索50个点以及向后搜索50个点。
通过本发明实施例提供的QRS波群检测方法,可以快速准确地确定R波的波峰、R波的类型、R波的结束点、Q波的类型、Q波的波谷、Q波的起点、Q波的结束点、S波的波谷、S波的类型、S波的起点以及S波的结束点,为心电诊断提供更多重要的诊断指标,检测实时性高,提高QRS波时限的准确性。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。

Claims (11)

1.一种QRS波群检测方法,其特征在于,所述方法包括:
对信号进行预处理,得到信号序列,所述信号序列包括多个周期;
根据预处理后的信号得到初始幅值阈值和初始斜率阈值;
根据所述初始幅值阈值和初始斜率阈值在预处理后的信号中寻找R波的波峰并根据所述R波的波峰判断R波的类型以及R波的结束点;
根据所述R波的类型和R波的波峰判断Q波的类型并寻找Q波的波谷;
根据所述R波的类型、R波的波峰和Q波的波谷寻找Q波的起点;
根据所述Q波的起点、所述Q波的类型及所述Q波的波谷寻找Q波的结束点;
根据所述R波的类型、R波的波峰和R波的结束点寻找S波的波谷并判断S波的类型;
根据所述S波的类型、R波的类型、S波的波谷以及Q波的起点寻找S波的起点;
根据所述S波的起点和所述S波的类型寻找S波的结束点。
2.根据权利要求1所述的QRS波群检测方法,其特征在于,所述根据所述初始幅值阈值和初始斜率阈值在预处理后的信号中寻找R波的波峰并根据所述R波的波峰判断R波的类型以及R波的结束点的步骤包括:
将所述预处理后的信号与所述初始斜率阈值进行比较,以在所述预处理后的信号中确定第一查找范围,根据所述初始幅值阈值在所述第一查找范围内寻找R波的波峰。
3.根据权利要求2所述的QRS波群检测方法,其特征在于,所述将所述预处理后的信号与所述初始斜率阈值进行比较,以在所述预处理后的信号中确定第一查找范围的步骤包括:
将预处理后的差分信号与所述初始斜率阈值进行比较,当找到比所述初始斜率阈值小的点时,记录为第一位置,在所述第一位置向前直至上一个R波的波峰之间寻找差分信号递增且差分值大于0的点,记录为第二位置,将所述第一位置与所述第二位置之间的范围作为所述第一查找范围;
所述根据所述初始幅值阈值在所述第一查找范围内寻找R波的波峰的步骤包括:
在所述第一查找范围内寻找幅值最大的点,当所述幅值最大的点的幅值大于所述初始幅值阈值时,将所述幅值最大的点标记为R波波峰。
4.根据权利要求2所述的QRS波群检测方法,其特征在于,当所述第一查找范围内不包括R波波峰时,以所述第一位置为基准,向时间递减方向以第一预设搜索范围查找幅值最大的点并将所述幅值最大的点的幅值与所述初始幅值阈值比较,当大于所述初始幅值阈值时,将第一预设搜索范围内幅值最大的点标记为R波的波峰,当小于所述初始幅值阈值时,以所述第一位置为基准,向时间递减方向以第一预设搜索范围查找相邻点的斜率乘积为负值且幅值大于所述初始幅度阈值的点,若具有满足条件的点,则将该点记录为R波的波峰,若以上条件均未满足,则向时间递增方向,以第一预设搜索范围查找幅值最大的点,判断该点是否满足与左侧相邻间隔点的幅值差值大于预设的第一阈值且与右侧相邻间隔点的幅值差值大于预设的第一阈值,若满足,则将查找到的满足条件的点记录为R波波峰的位置,若不满足,则标记R波的类型为无R波。
5.根据权利要求1所述的QRS波群检测方法,其特征在于,所述根据所述R波的波峰判断R波的类型以及R波的结束点的步骤包括:
以所述R波的波峰为基准,以第二预设搜索范围查找大于初始幅值阈值的信号,以查找到的幅值最大的信号为基准,以第三预设搜索范围查找点是否满足判断R波波峰的条件,如果满足,排出切迹的干扰后记录所述幅值最大的点的位置,并标记为双R波,如果不满足,则标记为单R波;
以所述R波的波峰为基准,向时间递增方向以第四预设搜索范围查找连续相邻信号的差分值同时小于预设的第二阈值的点,通过预设的算法排除切迹的干扰,将满足条件的点作为R波的结束点,当第四预设搜索范围内没有满足条件的点时,以所述R波峰为基准,向时间递增方向根据预设的第一经验值将对应的点确定为R波结束点。
6.根据权利要求2所述的QRS波群检测方法,其特征在于,所述根据所述R波的类型和R波的波峰判断Q波的类型并寻找Q波的波谷的步骤包括:
以所述R波的波峰为基准,在所述预处理后的信号中以第五预设搜索范围查找幅值最小的点,将查找到的所述幅值最小的点的幅值与所述R波的波峰的幅值相加得到幅值代数和,将所述幅值代数和与第一幅值阈值进行比较,当所述幅值代数和大于所述第一幅值阈值时,判断R波为大R波,赋予第一查找范围,当所述幅值代数和小于所述第一幅值阈值时,判断R波为小R波,赋予第二查找范围,当所述幅值最小的点位于所述R波的波峰的左侧,则Q波为大Q波,当所述幅值最小的点位于所述R波的波峰的右侧,则S波为大S波;
当所述R波的类型为无R波时,以根据预设的第一经验值确定的R波的波峰为基准,以第六预设搜索范围查找幅值最小的点并将查找到的幅值最小的点标记为Q波的波谷;
当R波为大R波时,以所述R波的波峰为基准,以第一查找范围查找是否具有连续多个点的变化率小于第一变化率阈值,同时排除在上升支存在切迹被误检为波谷,查找幅值最小的点,通过预设的算法判断是否有切迹,如果有切迹,判断切迹的位置,排除切迹的误检,将幅值最小的点作为Q波的波谷;
当R波为小R波时,以所述R波的波峰为基准,以第二查找范围查找是否具有连续多个点的变化率小于第二变化率阈值,当找到且为了排除在上升支存在切迹而误检为波谷,查找幅值最小的点,通过预设的算法判断是否有切迹,如果有切迹,判断切迹的位置,排除切迹的误检,将幅值最小的点作为Q波的波谷。
7.根据权利要求1所述的QRS波群检测方法,其特征在于,所述根据所述R波的类型、R波的波峰和Q波的波谷寻找Q波的起点的步骤包括:
当R波的类型为无R波时,将R波的波峰标记为Q波的起点;
当存在R波时,以所述R波的波峰为基准,以第三查找范围查找是否具有多个连续的点的变化率小于第三变化率阈值,如果有,计算找到的多个点中幅值最大的点与所述Q波的波谷的幅值差值,当所述幅值差值小于预设的第三阈值时,标记Q波的类型为无Q波,当所述幅值差值大于预设的第三阈值时,以找到的多个信号中幅值最大的信号为基准,以第四查找范围查找满足连续多个点的变化率小于第四变化率阈值且满足与右侧相邻预设间隔点的幅值差值大于预设的第四阈值,与左侧相邻预设间隔点的幅值差值小于预设的第五阈值时的点,标记该点为Q波起点位置。
8.根据权利要求7所述的QRS波群检测方法,其特征在于,所述根据所述Q波的起点、所述Q波的类型及所述Q波的波谷寻找Q波的结束点的步骤包括:
当Q波的类型为无Q波时,将所述Q波的波谷标记为Q波的结束点;
当存在Q波时,将Q波的起点后与Q波的起点的幅值相同的点标记为Q波的结束点。
9.根据权利要求2所述的QRS波群检测方法,其特征在于,所述根据所述R波的类型、R波的波峰和R波的结束点寻找S波的波谷并判断S波的类型的步骤包括:
当存在R波时,若R波的类型为单R波,以所述R波的波峰为基准,若R波的类型为双R波,以双R波中第二个R波的波峰为基准在所述预处理后的信号中以第七预设搜索范围查找幅值最小的点,将查找到的所述幅值最小的信号的幅值与所述R波的波峰幅值相加得到幅值代数和,将所述幅值代数和与第一幅值阈值进行比较,当所述幅值代数和大于所述第一幅值阈值时,判断R波为大R波,赋予第一查找范围,当所述幅值代数和小于所述第一幅值阈值时,判断R波为小R波,赋予第二查找范围;
当所述R波的类型为无R波时,将所述Q波的波谷标记为S波的波谷;
当所述R波的类型为小R波时,以所述R波的波峰为基准,以第一查找范围查找幅值最小的点,当幅值最小的点满足信号先递减再递增且与右侧相邻预设间隔点的幅值差值大于预设的第二经验值时,将所述幅值最小的点标记为S波的波谷,当所述幅值最小的点周围的点不满足上述条件时,则S波的类型为无S波,将所述R波的结束点标记为所述S波的波谷;
当所述R波的类型为大R波时,以所述R波的波峰为基准,以第二查找范围查找幅值最小和最大的点,计算幅值最小和最大的点的幅值差值,当幅值最小和最大的点的幅值差值大于预设的第二幅值阈值时,所述幅值最小的点为S波的波谷,当幅值最小和最大的信号的幅值差值小于预设的第二幅值阈值时,标记S波的类型为无S波,所述R波的结束点为所述S波的波谷。
10.根据权利要求1所述的QRS波群检测方法,其特征在于,所述根据所述S波的类型、S波的波谷以及Q波的起点寻找S波的起点的步骤包括:
当S波的类型为无S波时,则S波的波谷为所述S波的起点;
当存在S波时,将与Q波的起点的幅值相同的信号标记为所述S波的起点;
当R波的类型为无R波时,S波的起点为Q波的起点。
11.根据权利要求1所述的QRS波群检测方法,其特征在于,所述根据所述S波的起点和所述S波的类型寻找S波的结束点的步骤包括:
将所述Q波的起点作为基线参考点,计算R波的波峰和S波的波谷的幅值,当所述S波的波谷的幅值大于预设比例的R波的波谷的幅值时,则判定S波具有大S波和小S波两种状态,当S波为大S波时,赋予第五查找范围,当S波为小S波时,赋予第六查找范围,
当S波为大S波时,在第五查找范围内搜索满足连续多个点的变化率小于第五变化率阈值及满足信号先递减再递增,且与左侧相邻预设间隔点的幅值差值大于第三幅值阈值的点,判断该点为S波结束点位置,若第五查找范围内找不到满足条件的点,则将第五查找范围内的幅值最大点作为S波结束位置;
当S波为小S波时,在第六查找范围内搜索满足连续多个点的变化率小于第六变化率阈值,且与左侧相邻预设间隔点的幅值差值大于第四幅值阈值的点,判断该点为S波结束点位置,若第六查找范围内找不到满足条件的点,将第六查找范围内的幅值最大点作为S波结束位置,若S波的类型为无S波,则S波的波谷的位置为S波结束点。
CN201710091357.9A 2017-02-20 2017-02-20 Qrs波群检测方法 Active CN106725450B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710091357.9A CN106725450B (zh) 2017-02-20 2017-02-20 Qrs波群检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710091357.9A CN106725450B (zh) 2017-02-20 2017-02-20 Qrs波群检测方法

Publications (2)

Publication Number Publication Date
CN106725450A true CN106725450A (zh) 2017-05-31
CN106725450B CN106725450B (zh) 2020-03-27

Family

ID=58958694

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710091357.9A Active CN106725450B (zh) 2017-02-20 2017-02-20 Qrs波群检测方法

Country Status (1)

Country Link
CN (1) CN106725450B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107688553A (zh) * 2017-08-16 2018-02-13 安徽心之声医疗科技有限公司 基于小波变换和逻辑回归算法检测心电波形特征的方法
CN107997759A (zh) * 2017-10-27 2018-05-08 北京康博众联电子科技有限公司 心电信号中qrs波群的检测方法、存储介质和计算机设备
CN108236461A (zh) * 2017-12-22 2018-07-03 天津天堰科技股份有限公司 一种可进行编辑的心电信号的处理方法
CN109645981A (zh) * 2018-12-18 2019-04-19 联想(北京)有限公司 数据处理方法及数据处理装置
CN109875550A (zh) * 2019-04-02 2019-06-14 东北大学 一种心室除极关键点检测方法
CN109893124A (zh) * 2019-03-24 2019-06-18 浙江好络维医疗技术有限公司 一种基于多导联聚类分析的疑难心电图主波识别定位方法
CN109893119A (zh) * 2019-03-24 2019-06-18 浙江好络维医疗技术有限公司 一种基于多导联聚类分析的p波识别定位方法
CN110477906A (zh) * 2019-08-26 2019-11-22 电子科技大学 一种心电信号qrs波起止点定位方法
CN111856576A (zh) * 2020-07-27 2020-10-30 广州海洋地质调查局 一种羽状流识别方法及处理终端
CN113080891A (zh) * 2021-03-17 2021-07-09 浙江大学 基于人体微动信号的呼吸率和心率的提取方法
CN113180687A (zh) * 2021-04-29 2021-07-30 深圳邦健生物医疗设备股份有限公司 多导联动态心搏实时分类方法、装置、设备及存储介质
CN114587377A (zh) * 2022-03-30 2022-06-07 上海夏先机电科技发展有限公司 基于心率滑动阈值法的心电图特征点提取的方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1084286A (ja) * 1996-09-06 1998-03-31 Dainippon Printing Co Ltd 時系列データの符号化装置及び復号化装置
CN101268938A (zh) * 2008-04-30 2008-09-24 董军 用于心电图识别与分类的方法和设备
CN101766484A (zh) * 2010-01-18 2010-07-07 董军 用于心电图识别与分类的方法和设备
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
TW201505606A (zh) * 2013-08-07 2015-02-16 Univ Nat Cheng Kung 心電圖學訊號擷取方法
CN104363824A (zh) * 2012-06-19 2015-02-18 德克萨斯仪器股份有限公司 心电图中实时qrs持续时间的测量
CN105054926A (zh) * 2015-04-13 2015-11-18 深圳市飞马与星月科技研究有限公司 心电信号特征信息的提取方法及装置
CN105125199A (zh) * 2015-07-29 2015-12-09 北京医康世纪科技有限公司 一种心率检测方法与装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1084286A (ja) * 1996-09-06 1998-03-31 Dainippon Printing Co Ltd 時系列データの符号化装置及び復号化装置
CN101268938A (zh) * 2008-04-30 2008-09-24 董军 用于心电图识别与分类的方法和设备
CN101766484A (zh) * 2010-01-18 2010-07-07 董军 用于心电图识别与分类的方法和设备
CN104363824A (zh) * 2012-06-19 2015-02-18 德克萨斯仪器股份有限公司 心电图中实时qrs持续时间的测量
TW201505606A (zh) * 2013-08-07 2015-02-16 Univ Nat Cheng Kung 心電圖學訊號擷取方法
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
CN105054926A (zh) * 2015-04-13 2015-11-18 深圳市飞马与星月科技研究有限公司 心电信号特征信息的提取方法及装置
CN105125199A (zh) * 2015-07-29 2015-12-09 北京医康世纪科技有限公司 一种心率检测方法与装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
冯思博: "基于Android的AMI心电信号分析与诊断系统设计", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 *
刘雄飞等: "基于提升小波变换和多种策略的QRS波检测算法", 《中国医学物理学杂志》 *
夏恒超等: "基于小波变换和移动窗口积分函数的心电信号的QRS波起、终点的检测", 《上海交通大学学报》 *
李锋等: "一种基于几何特征的ECG波形识别算法", 《北京生物医学工程》 *
苏丽等: "心电信号QRS波群检测算法研究", 《哈尔滨工程大学学报》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107688553B (zh) * 2017-08-16 2020-11-10 安徽心之声医疗科技有限公司 基于小波变换和逻辑回归算法检测心电波形特征的方法
CN107688553A (zh) * 2017-08-16 2018-02-13 安徽心之声医疗科技有限公司 基于小波变换和逻辑回归算法检测心电波形特征的方法
CN107997759A (zh) * 2017-10-27 2018-05-08 北京康博众联电子科技有限公司 心电信号中qrs波群的检测方法、存储介质和计算机设备
CN108236461A (zh) * 2017-12-22 2018-07-03 天津天堰科技股份有限公司 一种可进行编辑的心电信号的处理方法
CN108236461B (zh) * 2017-12-22 2021-02-19 天津天堰科技股份有限公司 一种可进行编辑的心电信号的处理方法
CN109645981A (zh) * 2018-12-18 2019-04-19 联想(北京)有限公司 数据处理方法及数据处理装置
CN109893119B (zh) * 2019-03-24 2022-01-04 浙江好络维医疗技术有限公司 一种基于多导联聚类分析的p波识别定位方法
CN109893124A (zh) * 2019-03-24 2019-06-18 浙江好络维医疗技术有限公司 一种基于多导联聚类分析的疑难心电图主波识别定位方法
CN109893119A (zh) * 2019-03-24 2019-06-18 浙江好络维医疗技术有限公司 一种基于多导联聚类分析的p波识别定位方法
CN109875550B (zh) * 2019-04-02 2020-08-04 东北大学 一种心室除极关键点检测方法
CN109875550A (zh) * 2019-04-02 2019-06-14 东北大学 一种心室除极关键点检测方法
CN110477906A (zh) * 2019-08-26 2019-11-22 电子科技大学 一种心电信号qrs波起止点定位方法
CN111856576A (zh) * 2020-07-27 2020-10-30 广州海洋地质调查局 一种羽状流识别方法及处理终端
CN113080891A (zh) * 2021-03-17 2021-07-09 浙江大学 基于人体微动信号的呼吸率和心率的提取方法
CN113180687A (zh) * 2021-04-29 2021-07-30 深圳邦健生物医疗设备股份有限公司 多导联动态心搏实时分类方法、装置、设备及存储介质
CN113180687B (zh) * 2021-04-29 2024-02-09 深圳邦健生物医疗设备股份有限公司 多导联动态心搏实时分类方法、装置、设备及存储介质
CN114587377A (zh) * 2022-03-30 2022-06-07 上海夏先机电科技发展有限公司 基于心率滑动阈值法的心电图特征点提取的方法及系统

Also Published As

Publication number Publication date
CN106725450B (zh) 2020-03-27

Similar Documents

Publication Publication Date Title
CN106725450A (zh) Qrs波群检测方法
CN105030228B (zh) 在心电信号中确定其p波位置的方法及装置
CN108814590B (zh) 一种心电qrs波群的检测方法及其心电分析方法
CN104905785B (zh) 心电图信号检测方法和系统
Laguna et al. Automatic detection of wave boundaries in multilead ECG signals: Validation with the CSE database
CN101828918B (zh) 基于波形特征匹配的心电信号r波峰检测方法
CN109381181B (zh) 心电信号特征波形的端点检测方法
CN105125199B (zh) 一种心率检测方法与装置
CN110680302A (zh) 一种心电信号特征波的自动识别方法
CA2565192A1 (en) Apparatus and method for analysis of high frequency qrs complexes
CN103083013A (zh) 基于形态学与小波变换的心电信号qrs复波检测方法
Smrdel et al. Automated detection of transient ST-segment episodes in 24h electrocardiograms
CN102319063A (zh) 一种提高胎心率数据加速识别准确性的装置和方法
CN108814591A (zh) 一种心电qrs波群宽度的检测方法及其心电分析方法
CN109875550B (zh) 一种心室除极关键点检测方法
CN104271038A (zh) 一种基于电流密度变化评估心肌损伤的方法和设备
CN107622259A (zh) 一种t波检测方法、心电数据分析方法及装置
CN109745035A (zh) 心电信号波形检测方法
CN103006209B (zh) 心电信号检波方法及检波器
CN109009087A (zh) 一种心电信号r波的快速检测方法
KR102461702B1 (ko) 심전도 신호 처리 방법
CN105411579B (zh) 一种心电图r波检测方法及装置
CN109864739A (zh) 一种从10秒心电图中识别二度房室传导阻滞的方法
CN110327032A (zh) 一种单导心电信号pqrst波联合精准识别算法
CN107361763A (zh) 一种心电图数据r波检测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant