CN106974637B - 心率实时计算方法及装置 - Google Patents
心率实时计算方法及装置 Download PDFInfo
- Publication number
- CN106974637B CN106974637B CN201710234423.3A CN201710234423A CN106974637B CN 106974637 B CN106974637 B CN 106974637B CN 201710234423 A CN201710234423 A CN 201710234423A CN 106974637 B CN106974637 B CN 106974637B
- Authority
- CN
- China
- Prior art keywords
- data
- interval
- current
- time window
- positioning
- 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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Cardiology (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Physiology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明实施例提供了一种心率实时计算方法及装置,涉及医疗电子技术领域。所述方法包括将实时采集的心电数据缓存到缓存器中;当检测到所述缓存器的缓存数据的容量到达预设值时,读取所述缓存器中的心电数据并利用小波分解和重构的方法,对所述读取到的心电数据去除基线漂移;基于预设的滑动时间窗以及所述去除基线漂移的心电数据,获取所述滑动时间窗内的心电数据并定位所述滑动时间窗内的心电数据的最大值点作为R波峰点,以得到多个R波峰点;基于定位的所述多个R波峰点,计算所述实时采集到的心电数据的RR间期值并实时显示,解决了在极端心理和生理条件下,不能实时准确定位R波峰,从而不能实时计算心率的问题。
Description
技术领域
本发明涉及医疗电子技术领域,具体而言涉及一种心率实时计算方法及装置。
背景技术
心房和心室的去极化和复极化引起体表电位变化。体表心电信号测量,就是在身体表面测量由心房和心室去极化/复极化引起的体表电位差。就可穿戴设备而言,从心电信号中提取心率序列,可应用于运动监测和身心健康自我监护。尽管当前许多电子产品使用光电脉搏计来测量脉搏率,并等效为心率来使用,但光电脉搏计在身体活动状态下很难获得好的脉搏信号,从而无法计算脉搏率。心电R波是各心电片段波中最陡尖和幅度最大的波,因此心率的计算常换算为RR间期的计算,而R波峰的准确定位是RR间期计算的前提。移动智能终端的心率监测常要求实时R波定位和RR间隔计算,因此要求这两个任务的算法复杂性极低,否则计算时延过大而达不到好的实时效果。
发明内容
有鉴于此,本发明实施例的目的在于提供一种心率实时计算方法及装置,以此解决在极端心理和生理条件下,不能实时准确定位R波峰,从而不能实时计算心率的问题。
第一方面,本发明实施例提供了一种心率实时计算方法,所述方法包括将实时采集的心电数据缓存到缓存器中;当检测到所述缓存器的缓存数据的容量到达预设值时,读取所述缓存器中的心电数据并利用小波分解和重构的方法,对所述读取到的心电数据去除基线漂移;基于预设的滑动时间窗以及所述去除基线漂移的心电数据,获取所述滑动时间窗内的心电数据并定位所述滑动时间窗内的心电数据的最大值点作为R波峰点,以得到多个R波峰点;基于定位的所述多个R波峰点,计算所述实时采集到的心电数据的RR间期值并实时显示。
第二方面,本发明实施例提供了一种心率实时计算装置,所述装置包括第一缓存单元,用于将实时采集的心电数据缓存到缓存器中;第一去除单元,用于当检测到所述缓存器的缓存数据的容量到达预设值时,读取所述缓存器中的心电数据并利用小波分解和重构的方法,对所述读取到的心电数据去除基线漂移;第一定位单元,用于基于预设的滑动时间窗以及所述去除基线漂移的心电数据,获取所述滑动时间窗内的心电数据并定位所述滑动时间窗内的心电数据的最大值点作为R波峰点,以得到多个R波峰点;第一计算单元,用于基于定位的所述多个R波峰点,计算所述实时采集到的心电数据的RR间期值并实时显示。
本发明实施例提供了一种心率实时计算方法及装置,所述方法包括将实时采集的心电数据缓存到缓存器中;当检测到所述缓存器的缓存数据的容量到达预设值时,读取所述缓存器中的心电数据并利用小波分解和重构的方法,对所述读取到的心电数据去除基线漂移;基于预设的滑动时间窗以及所述去除基线漂移的心电数据,获取所述滑动时间窗内的心电数据并定位所述滑动时间窗内的心电数据的最大值点作为R波峰点,以得到多个R波峰点;基于定位的所述多个R波峰点,计算所述实时采集到的心电数据的RR间期值并实时显示,解决了在极端心理和生理条件下,不能实时准确定位R波峰,从而不能实时计算心率的问题。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
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为一种可应用于本申请实施例中的电子设备的结构框图;
图2为本发明第一实施例提供的心率实时计算方法的流程图;
图3为本发明第二实施例提供的心率实时计算方法的流程图;
图4为本发明第二实施例提供的去除基线漂移的心电信号的第一示意图;
图5为本发明第二实施例提供的去除基线漂移的心电信号的第二示意图;
图6为本发明第二实施例提供的去除基线漂移的心电信号与原始心电信号的对比示意图;
图7为本发明第二实施例提供的动态缓存数据读取的示意图;
图8为本发明第二实施例提供的站立下acknowledge 4.2的数据采集结果的示意图;
图9为本发明第二实施例提供的运动下acknowledge 4.2的数据采集结果的示意图;
图10为本发明第二实施例提供的acknowledge 4.2计算的结果示意图;
图11为本发明第二实施例提供的acknowledge 4.2计算的出现误差的结果示意图;
图12为本发明第二实施例提供的心率实时计算方法计算的RR间期与acknowledge4.2离线计算的RR间期结果示意图;
图13为本发明第二实施例提供的心率实时计算方法计算的错误计算结果示意图;
图14为本发明第三实施例提供的心率实时计算装置的结构框图;
图15为本发明第四实施例提供的心率实时计算装置的结构框图。
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。
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。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参阅图1,图1示出了一种可应用于本申请实施例中的电子设备100的结构框图。该电子设备100可以作为用户终端,也可以是计算机或服务器,所述用户终端可以为手机或平板电脑。如图1所示,电子设备100可以包括存储器110、存储控制器111、处理器112和心率实时计算方法。
存储器110、存储控制器111、处理器112各元件之间直接或间接地电连接,以实现数据的传输或交互。例如,这些元件之间可以通过一条或多条通讯总线或信号总线实现电连接。心率实时计算方法分别包括至少一个可以以软件或固件(firmware)的形式存储于存储器110中的软件功能模块,例如所述心率实时计算装置包括的软件功能模块或计算机程序。
存储器110可以存储各种软件程序以及模块,如本申请实施例提供的心率实时计算方法及装置对应的程序指令/模块。处理器112通过运行存储在存储器110中的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现本申请实施例中的心率实时计算方法。存储器110可以包括但不限于随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器112可以是一种集成电路芯片,具有信号处理能力。上述处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
第一实施例
请参阅图2,本发明实施例提供了一种心率实时计算方法,所述方法包括:
步骤S200:将实时采集的心电数据缓存到缓存器中;
步骤S210:当检测到所述缓存器的缓存数据的容量到达预设值时,读取所述缓存器中的心电数据并利用小波分解和重构的方法,对所述读取到的心电数据去除基线漂移;
步骤S220:基于预设的滑动时间窗以及所述去除基线漂移的心电数据,获取所述滑动时间窗内的心电数据并定位所述滑动时间窗内的心电数据的最大值点作为R波峰点,以得到多个R波峰点;
步骤S230:基于定位的所述多个R波峰点,计算所述实时采集到的心电数据的RR间期值并实时显示。
本发明实施例提供了一种心率实时计算方法,所述方法包括通过将实时采集的心电数据缓存到缓存器中;当检测到所述缓存器的缓存数据的容量到达预设值时,读取所述缓存器中的心电数据并利用小波分解和重构的方法,对所述读取到的心电数据去除基线漂移;基于预设的滑动时间窗以及所述去除基线漂移的心电数据,获取所述滑动时间窗内的心电数据并定位所述滑动时间窗内的心电数据的最大值点作为R波峰点,以得到多个R波峰点;基于定位的所述多个R波峰点,计算所述实时采集到的心电数据的RR间期值并实时显示,解决了在极端心理和生理条件下,不能实时准确定位R波峰,从而不能实时计算心率的问题。
第二实施例
请参照图3,本发明实施例提供了一种心率实时计算方法,所述方法包括:
步骤S300:将实时采集的心电数据缓存到缓存器中;
步骤S310:当检测到所述缓存器的缓存数据的容量到达预设值时,读取所述缓存器中的心电数据并利用小波分解和重构的方法,对所述读取到的心电数据去除基线漂移;
基于步骤S310,去除基线漂移的传统做法是平均值滤波,本发明实施例使用小波分解和重构来去除基线漂移,但在小波种类的选择上,优选使用了‘dmey’小波,该小波不仅可以去除心电基线漂移,而且对R波幅度和形状的损伤非常小,对比图4、图5和图6即可知实施效果非常好。为了图形展示清晰,请参阅图6,原始心电上叠加了一个直流偏置,上面的曲线表示原始心电信号,下面的曲线表示去除基线漂移后的心电信号。
步骤S320:设置RR间期长度经验值T1、相邻RR间期差经验值T2、滑动时间窗的初始长度及步进;
经验RR间期长度T1设置为最慢的正常RR间期值。比如,正常人心率一般大于40次/分钟,对应RR间期长度为1.5秒,则可设置T1为1.5秒。在已知用户静息态心率的情况下,T1还可进行个性化设置,以便让系统更快速地适应特定用户的心率状态。
相邻RR间期差经验值T2用来选取心动过速状态下以及误检RR间期状态下的自适应时间窗长。通过分析极端心理生理实验所得的心电数据发现,在心动过速状态下,使用T1值来计算自适应时间窗长,可能导致漏检R波。而心率变异率微弱是心动过速状态的特点,因此可以用T2值来判断心动过速,从而选取合适的自适应时间窗长。此外,若由于心电数据信噪比太低或实时心电数据传输丢失等原因导致RR间期检测错误,通过T2值可以检测到这种错误,从而算法自动调整窗长设置规则,回归正常RR间期的正确计算。
步骤S330:定位当前滑动时间窗;
步骤S340:判断所有心电数据是否检测完;
步骤S340a:若所有心电数据没有检测完,则定位当前滑动时间窗中的R波峰点;
步骤S340b:若所有心电数据已经检测完成,心电数据停止采集,存储R波位置和RR间期序列。
步骤S350:计算当前R波峰点与前一个R波峰点的之间长度,即当前RR间期;
步骤S360:判断当前RR间期与前一个RR间期之差是否大于相邻RR间期差经验值T2;
步骤S360a:若当前RR间期与前一个RR间期之差大于相邻RR间期差经验值T2,则根据RR间期长度经验值T1计算第一自适应窗长;
步骤S360b:若当前RR间期与前一个RR间期之差不大于相邻RR间期差经验值T2,则根据当前RR间期计算第二自适应窗长;
步骤S370:基于第一自适应窗长或第二自适应窗长,更新滑动时间窗长和位置,返回到步骤S330;
作为一种实施方式,针对于动态缓存区数据的读取规则,实时采集的心电数据先进入缓存器,缓存器满后,读取缓存器,并进行R波峰值定位。由于缓存器内最后一个数据可能不是一个R峰值,因此,作为一种实施方式,每次读取和计算之后,把定位到的倒数第二个R波峰值点后的数据遗留在缓存器中,并与新到的数据连接起来。下一次读取缓存后,R波峰定位是对遗留数据和新到数据连接成的心电信号来进行的。也可以这样理解的,可以把缓存器看成是两块儿连接起来的。第一块缓存等待接收本次读取定位后倒数第二个R波之后的余留数据,第二块缓存接收新采集的数据。下一次读取时,将第二块缓存的数据连接到第一块缓存数据的尾端,之后再读取第一块缓存。第二块缓存的数据被连接到第一块缓存数据尾端之后,这些已读数据被清空,然后第二块缓存接收新数据。第一块缓存的数据(遗留的加新来的)被读取之后,第一块缓存的数据也清空。如图7所示,在第二块缓存接收新采集数据期间,本次读取到的数据正在被定位。定位完成后,将倒数第二个R波之后的余留数据放入第一块缓存。然后把第二块缓存新接收的数据连接到第一块缓存数据尾部。接下来就是新一次的缓存读取。这种做法保证了所有的RR间期都能被正确检测到,不至于由于缓存器尾部不足一个RR间期而丢失数据。首先获取所述定位的所述多个R波峰点中的倒数第二个R波峰点后的第一心电数据;获取所述缓存器当前缓存的第二心电数据;组合所述第一心电数据与所述第二心电数据,获得当前待R波峰定位的心电数据;后续的步骤原理与前述步骤S310(以及)之后的步骤原理一致,这里不再赘述。
本实例进一步校验了本发明提供的心率实时计算方法的准确性,将其与一种常用心率检测软件自带的算法进行了比较。从以下几个实验来进行比较:
(1)由测试人员同时穿戴Shimmer3无线心电模块和MP150无线心电模块。(2)用Shimmer3为本文提出的实时心率计算系统提供心电数据,数据采样频率设为512Hz;而MP150则为其自带的acknowledge 4.2分析软件提供心电数据,数据采样频率设为400Hz。(3)测试人员在同一台配备 CoreTM i3CPU的手提电脑上运行本发明提出的实时算法的演示系统和acknowledge 4.2软件。(4)测试人员站立不动约2分钟,然后测试人员进行约1分钟的原地跑步。(5)在上述约3分钟时间内,用Shimmer3采集心电信号,并使用本发明的算法实时计算心率;用acknowledge 4.2采集心电和脉搏信号,并使用acknowledge 4.2自带算法实时计算心率。(6)共进行了5次重复实验。
站立不动状态下,acknowledge 4.2的数据采集效果如图8所示。在图8中,从上往下看,第一行为脉搏波,第二行和第三行是数据采集结束后,用acknowledge 4.2自带算法离线计算的脉搏率和心率,第四行是心电波,第五行是acknowledge 4.2实时计算的心率。
在图8中,比较第二行和第三行阶梯波形可知,离线计算的脉搏率和心率在趋势上一致,但脉搏率涨落细节则与心率涨落相差很大,用脉搏率等效于心率势必造成较大的细节误差。比较第三行和第五行阶梯波可知,acknowledge 4.2实时计算的心率与离线计算的心率在细节上仍有较大差异,且实时心率计算的时延约为0.45秒。比较第三行离线计算心率阶梯波和第四行心电波可知,阶梯跳变沿与心电R波峰准确对齐,说明在当前数据窗内acknowledge 4.2离线计算的心率是准确的。
此外,运动状态下的脉搏波如图9,从上往下,第一行所示,可见其基本失去了正常脉搏波的形态,只剩下运动伪迹。而运动状态下的心电信号R波仍然清晰可辨。这也进一步说明直接从心电信号计算心率比使用脉搏波计算脉搏率更可靠。
请参阅图10,acknowledge 4.2软件系统在一次实验中采集和计算的离线脉搏率,离线心率和实时心率如图10所示。可见离线脉搏率和实时心率出现了超过50%的计算错误,尤其是在约210秒之后的运动状态下错误率为100%,如图11中。
请参阅图12,图12显示了本发明的实时算法计算的RR间期序列(可换算为每分钟心跳数)和acknowledge 4.2软件系统离线计算的RR间期序列。这两个序列是在两套系统同时运行期间各自采集的心电数据中计算得到的。从图12可见,虽然两套系统设置了不同的采样频率,本发明的心率算法所计算的实时心率与acknowledge 4.2所计算的离线心率有很好的跟随效果,实际计算两个序列的相关度等于1。acknowledge 4.2计算的离线心率在从站立状态突然变成跑步状态时(约350秒附近的上下尖峰),出现了两次心率计算错误;本发明的心率算法实时计算时遭遇一次Shimmer3的蓝牙数据存储更新,在约150秒处因丢失2个心跳周期的数据而出现一次计算错误,此外在约200秒处出现一次计算错误。5次重复实验,Shimmer3心电设备共记录了2623次心跳,本发明的实时心率算法正确计算了其中2595次心跳的心率,正确率为98.93%。在错误计算的28次心跳中,包含了一次蓝牙传输数据丢失的试错实验,对应图13中的第95次心跳到222次心跳。当出现蓝牙数据丢失后数据连接重新恢复时,本发明算法平均在5次心跳后自动恢复正常心率检测。在可穿戴设备上实时计算RR间期序列后,通常还伴随其他对RR间期序列的计算。心率约为166次/分的情况下,在一台配备 CoreTM i3 CPU的手提电脑上运行本发明提出的实时算法,当存储器的数据存储长度为4秒乘以512Hz(采样频率)时,一次存储器读取后RR间期的计算时延经验值约为0.2秒。也就是说,系统在两次存储器读取之间约有3.8秒的空闲,可容纳对RR间期序列的其他计算,常见的计算类型比如:心率均值、心率标准差等。
本发明实施例提供了一种心率实时计算方法,所述方法包括通过将实时采集的心电数据缓存到缓存器中;当检测到所述缓存器的缓存数据的容量到达预设值时,读取所述缓存器中的心电数据并利用小波分解和重构的方法,对所述读取到的心电数据去除基线漂移;设置RR间期长度经验值T1、相邻RR间期差经验值T2、滑动时间窗的初始长度及步进;定位当前滑动时间窗;判断所有心电数据是否检测完;若所有心电数据没有检测完,则定位当前滑动时间窗中的R波峰点;计算当前R波峰点与前一个R波峰点的之间长度,即当前RR间期;判断当前RR间期与前一个RR间期之差是否大于相邻RR间期差经验值T2;若当前RR间期与前一个RR间期之差大于相邻RR间期差经验值T2,则根据RR间期长度经验值T1计算第一自适应窗长;若当前RR间期与前一个RR间期之差不大于相邻RR间期差经验值T2,则根据当前RR间期计算第二自适应窗长;基于第一自适应窗长或第二自适应窗长,更新滑动时间窗长和位置;若所有心电数据已经检测完成,心电数据停止采集,存储R波位置和RR间期序列,从而解决在极端心理和生理条件下如运动状态,不能实时准确定位R波峰,从而不能实时计算心率的问题。
第三实施例
请参阅图14,本发明实施例提供了一种心率实时计算装置500,所述装置500包括:
第一缓存单元510,用于将实时采集的心电数据缓存到缓存器中;
第一去除单元520,用于当检测到所述缓存器的缓存数据的容量到达预设值时,读取所述缓存器中的心电数据并利用小波分解和重构的方法,对所述读取到的心电数据去除基线漂移;
第一定位单元530,用于基于预设的滑动时间窗以及所述去除基线漂移的心电数据,获取所述滑动时间窗内的心电数据并定位所述滑动时间窗内的心电数据的最大值点作为R波峰点,以得到多个R波峰点;
作为一种实施方式,所述第一定位单元530包括设置单元531、获取单元532、第二计算单元533、判断单元534、第三计算单元535以及第一更新单元536。
设置单元531,用于设置RR间期长度经验值T1、相邻RR间期差经验值T2、滑动时间窗的初始长度及步进;
获取单元532,用于获取所述初始滑动时间窗中的心电数据并定位所述初始滑动时间窗中的心电数据的最大值点作为当前R波峰点;
第二计算单元533,用于计算所述当前R波峰点与前一个R波峰点之间的时间长度,即当前RR间期值;
判断单元534,用于判断所述当前RR间期与前一个RR间期之差是否大于相邻RR间期差经验值T2;
第三计算单元535,用于如果所述当前RR间期与前一个RR间期之差大于所述相邻RR间期差经验值T2,则根据所述RR间期长度经验值T1计算第一自适应窗长;
第一更新单元536,用于基于所述第一自适应窗长,更新所述滑动时间窗的长度及位置。
第一计算单元540,用于基于定位的所述多个R波峰点,计算所述实时采集到的心电数据的RR间期值并实时显示。
需要说明的是,本实施例中的各单元可以是由软件代码实现,此时,上述的各单元可存储于存储器110内。以上各单元同样可以由硬件例如集成电路芯片实现。
第四实施例
请参阅图15,本发明实施例提供了一种心率实时计算装置600,所述装置600包括:
第一缓存单元610,用于将实时采集的心电数据缓存到缓存器中;
第一去除单元620,用于当检测到所述缓存器的缓存数据的容量到达预设值时,读取所述缓存器中的心电数据并利用小波分解和重构的方法,对所述读取到的心电数据去除基线漂移;
第一定位单元630,用于基于预设的滑动时间窗以及所述去除基线漂移的心电数据,获取所述滑动时间窗内的心电数据并定位所述滑动时间窗内的心电数据的最大值点作为R波峰点,以得到多个R波峰点;
作为一种实施方式,所述第一定位单元630包括设置单元631、获取单元632、第二计算单元633、判断单元634、第四计算单元635以及第二更新单元636。
设置单元631,用于设置RR间期长度经验值T1、相邻RR间期差经验值T2、滑动时间窗的初始长度及步进;
获取单元632,用于获取所述初始滑动时间窗中的心电数据并定位所述初始滑动时间窗中的心电数据的最大值点作为当前R波峰点;
第二计算单元633,用于计算所述当前R波峰点与前一个R波峰点之间的时间长度,即当前RR间期值;
判断单元634,用于判断所述当前RR间期与前一个RR间期之差是否大于相邻RR间期差经验值T2;
第四计算单元635,用于如果所述当前RR间期与前一个RR间期之差不大于所述相邻RR间期差经验值T2,则根据所述当前RR间期计算第二自适应窗长;
第二更新单元636,用于基于所述第二自适应窗长,更新所述滑动时间窗的长度及位置。
第一计算单元640,用于基于定位的所述多个R波峰点,计算所述实时采集到的心电数据的RR间期值并实时显示。
需要说明的是,本实施例中的各单元可以是由软件代码实现,此时,上述的各单元可存储于存储器110内。以上各单元同样可以由硬件例如集成电路芯片实现。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。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。
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。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (8)
1.一种心率实时计算方法,其特征在于,所述方法包括:
将实时采集的心电数据缓存到缓存器中;
当检测到所述缓存器的缓存数据的容量到达预设值时,读取所述缓存器中的心电数据并利用小波分解和重构的方法,对所述读取到的心电数据去除基线漂移;
基于预设的滑动时间窗以及所述去除基线漂移的心电数据,获取所述滑动时间窗内的心电数据并定位所述滑动时间窗内的心电数据的最大值点作为R波峰点,以得到多个R波峰点;
基于定位的所述多个R波峰点,计算所述实时采集到的心电数据的RR间期值并实时显示;
其中,所述基于预设的滑动时间窗以及所述去除基线漂移的心电数据,获取所述滑动时间窗内的心电数据并定位所述滑动时间窗内的心电数据的最大值点作为R波峰点,包括:
设置RR间期长度经验值T1、相邻RR间期差经验值T2、滑动时间窗的初始长度及步进;
获取初始滑动时间窗中的心电数据并定位所述初始滑动时间窗中的心电数据的最大值点作为当前R波峰点;
计算所述当前R波峰点与前一个R波峰点之间的时间长度,即当前RR间期值;
判断所述当前RR间期与前一个RR间期之差是否大于相邻RR间期差经验值T2;
如果所述当前RR间期与前一个RR间期之差大于所述相邻RR间期差经验值T2,则根据所述RR间期长度经验值T1计算第一自适应窗长;
基于所述第一自适应窗长,更新所述滑动时间窗的长度及位置。
2.根据权利要求1所述的方法,其特征在于,所述判断所述当前RR间期与前一个RR间期之差是否大于所述相邻RR间期差经验值T2,包括:
如果所述当前RR间期与前一个RR间期之差不大于所述相邻RR间期差经验值T2,则根据所述当前RR间期计算第二自适应窗长;
基于所述第二自适应窗长,更新所述滑动时间窗的长度及位置。
3.根据权利要求1所述的方法,其特征在于,还包括:
获取所述定位的所述多个R波峰点中的倒数第二个R波峰点后的第一心电数据;
获取所述缓存器当前缓存的第二心电数据;
组合所述第一心电数据与所述第二心电数据,获得当前待R波峰定位的心电数据;
基于所述当前待R波峰定位的心电数据并利用小波分解和重构的方法,对所述当前待R波峰定位的心电数据去除基线漂移;
基于所述预设的滑动时间窗以及所述去除基线漂移的所述当前待R波峰定位的心电数据,获取所述滑动时间窗内当前待R波峰定位的心电数据并定位所述滑动时间窗内当前待R波峰定位的心电数据的最大值点作为R波峰点,以得到多个R波峰点;
基于定位的所述多个R波峰点,计算所述当前待R波峰定位的心电数据的RR间期值并实时显示。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述小波为dmey小波。
5.一种心率实时计算装置,其特征在于,所述装置包括:
第一缓存单元,用于将实时采集的心电数据缓存到缓存器中;
第一去除单元,用于当检测到所述缓存器的缓存数据的容量到达预设值时,读取所述缓存器中的心电数据并利用小波分解和重构的方法,对所述读取到的心电数据去除基线漂移;
第一定位单元,用于基于预设的滑动时间窗以及所述去除基线漂移的心电数据,获取所述滑动时间窗内的心电数据并定位所述滑动时间窗内的心电数据的最大值点作为R波峰点,以得到多个R波峰点;
第一计算单元,用于基于定位的所述多个R波峰点,计算所述实时采集到的心电数据的RR间期值并实时显示;
其中,所述第一定位单元,包括:
设置单元,用于设置RR间期长度经验值T1、相邻RR间期差经验值T2、滑动时间窗的初始长度及步进;
获取单元,用于获取初始滑动时间窗中的心电数据并定位所述初始滑动时间窗中的心电数据的最大值点作为当前R波峰点;
第二计算单元,用于计算所述当前R波峰点与前一个R波峰点之间的时间长度,即当前RR间期值;
判断单元,用于判断所述当前RR间期与前一个RR间期之差是否大于相邻RR间期差经验值T2;
第三计算单元,用于如果所述当前RR间期与前一个RR间期之差大于所述相邻RR间期差经验值T2,则根据所述RR间期长度经验值T1计算第一自适应窗长;
第一更新单元,用于基于所述第一自适应窗长,更新所述滑动时间窗的长度及位置。
6.根据权利要求5所述的装置,其特征在于,所述定位单元还包括:
第四计算单元,用于如果所述当前RR间期与前一个RR间期之差不大于所述相邻RR间期差经验值T2,则根据所述当前RR间期计算第二自适应窗长;
第二更新单元,用于基于所述第二自适应窗长,更新所述滑动时间窗的长度及位置。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括:
倒数R波获取单元,用于获取所述定位的所述多个R波峰点中的倒数第二个R波峰点后的第一心电数据以及用于获取所述缓存器当前缓存的第二心电数据;
当前待R波峰定位数据获取单元,用于组合所述第一心电数据与所述第二心电数据,获得当前待R波峰定位的心电数据;
第二去除单元,用于基于所述当前待R波峰定位的心电数据并利用小波分解和重构的方法,对所述当前待R波峰定位的心电数据去除基线漂移;
第二定位单元,用于基于所述预设的滑动时间窗以及所述去除基线漂移的所述当前待R波峰定位的心电数据,获取所述滑动时间窗内当前待R波峰定位的心电数据并定位所述滑动时间窗内当前待R波峰定位的心电数据的最大值点作为R波峰点,以得到多个R波峰点;
待RR计算单元,用于基于定位的所述多个R波峰点,计算所述当前待R波峰定位的心电数据的RR间期值并实时显示。
8.根据权利要求5-7任一项所述的装置,其特征在于,所述小波为dmey小波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710234423.3A CN106974637B (zh) | 2017-04-11 | 2017-04-11 | 心率实时计算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710234423.3A CN106974637B (zh) | 2017-04-11 | 2017-04-11 | 心率实时计算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106974637A CN106974637A (zh) | 2017-07-25 |
CN106974637B true CN106974637B (zh) | 2019-12-10 |
Family
ID=59344978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710234423.3A Active CN106974637B (zh) | 2017-04-11 | 2017-04-11 | 心率实时计算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106974637B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108652611B (zh) * | 2018-05-17 | 2021-03-16 | 广东工业大学 | 一种心率的计算方法、装置、设备及计算机可读存储介质 |
CN113100727B (zh) * | 2021-05-12 | 2023-09-19 | 深圳市通久电子有限公司 | 实时分析识别脉搏波峰的方法 |
CN113951891A (zh) * | 2021-11-11 | 2022-01-21 | 西安博远恒达电气科技有限公司 | 基于时空组合特征向量的ecg身份识别方法 |
CN114521901B (zh) * | 2021-12-28 | 2024-03-19 | 宁波慈溪生物医学工程研究所 | 一种心电特征提取方法、装置及存储介质 |
CN117281531B (zh) * | 2023-11-27 | 2024-01-30 | 北京科技大学 | 基于卷积长短时记忆网络的心理疲劳态识别方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU6942494A (en) * | 1993-05-21 | 1994-12-20 | Nims, Inc. | Discriminating between valid and artifactual pulse waveforms |
US9008762B2 (en) * | 2009-11-03 | 2015-04-14 | Vivaquant Llc | Method and apparatus for identifying cardiac risk |
CN101972143A (zh) * | 2010-11-16 | 2011-02-16 | 电子科技大学 | 基于盲源提取的房颤监测方法 |
CN104159108B (zh) * | 2014-08-11 | 2017-08-11 | 浙江大学 | 基于自适应预测和改进变长编码的心电信号实时无损压缩方法及装置 |
CN104173043B (zh) * | 2014-09-04 | 2017-02-15 | 东莞理工学院 | 一种适合于移动平台的心电数据分析方法 |
-
2017
- 2017-04-11 CN CN201710234423.3A patent/CN106974637B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106974637A (zh) | 2017-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106974637B (zh) | 心率实时计算方法及装置 | |
US8668649B2 (en) | System for cardiac status determination | |
CN111065323B (zh) | 用于确定对象的血压的装置和方法 | |
US8070677B2 (en) | Method and apparatus for distinguishing between clinically significant changes and artifacts in patient physiological information | |
US8388542B2 (en) | System for cardiac pathology detection and characterization | |
Bashar et al. | Noise detection in electrocardiogram signals for intensive care unit patients | |
Orphanidou | Signal quality assessment in physiological monitoring: state of the art and practical considerations | |
US9750423B2 (en) | Method and display for long term physiological signal quality indication | |
US11406305B2 (en) | Signal quality metric for cardiovascular time series | |
EP2730216B1 (en) | Biosignal transmitter, biosignal receiver, and biosignal transmitting method | |
WO2001091627A2 (en) | System and device for multi-scale analysis and representation of electrocardiographic data | |
Bashar et al. | Developing a novel noise artifact detection algorithm for smartphone PPG signals: Preliminary results | |
WO2010067297A1 (en) | Method and apparatus for the analysis of ballistocardiogram signals | |
Lagido et al. | Using the smartphone camera to monitor heart rate and rhythm in heart failure patients | |
John et al. | A generalized signal quality estimation method for IoT sensors | |
US11576585B2 (en) | Artifact-tolerant pulse rate variability measurement | |
Bashar et al. | Smartwatch based atrial fibrillation detection from photoplethysmography signals | |
Crema et al. | Efficient R-peak detection algorithm for real-time analysis of ECG in portable devices | |
Abdelazez et al. | Signal quality assessment of compressively sensed electrocardiogram | |
Martinez-Millana et al. | Integrated IoT intelligent system for the automatic detection of cardiac variability | |
US9320445B2 (en) | System for cardiac condition detection responsive to blood pressure analysis | |
Xie et al. | Heart rate estimation from ballistocardiogram using hilbert transform and viterbi decoding | |
Hassanuzzaman et al. | End to end solution for continuous monitoring and real-time analysis of vital signs from ecg signal | |
EP3708071A1 (en) | Device, system, method and computer program for detecting atrial fibrillation | |
Bizzego et al. | DBD-RCO: Derivative Based Detection and Reverse Combinatorial Optimization to improve heart beat detection for wearable devices |
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 |