CN107041743B - 一种心电信号实时r波检测方法 - Google Patents

一种心电信号实时r波检测方法 Download PDF

Info

Publication number
CN107041743B
CN107041743B CN201710216936.1A CN201710216936A CN107041743B CN 107041743 B CN107041743 B CN 107041743B CN 201710216936 A CN201710216936 A CN 201710216936A CN 107041743 B CN107041743 B CN 107041743B
Authority
CN
China
Prior art keywords
wave
amplitude
data
slope
maximum
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
Application number
CN201710216936.1A
Other languages
English (en)
Other versions
CN107041743A (zh
Inventor
张丽敏
胡佳伟
顾秀秀
闫锋
丁健文
王涟
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.)
Nanjing Hexie Integrated Circuit Technology Co ltd
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201710216936.1A priority Critical patent/CN107041743B/zh
Publication of CN107041743A publication Critical patent/CN107041743A/zh
Application granted granted Critical
Publication of CN107041743B publication Critical patent/CN107041743B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • 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
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Signal Processing (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Power Engineering (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种心电信号实时R波检测方法。该方法在现有斜率法检测算法的基础上，通过实时更新幅值筛选阈值和斜率比较阈值，并增加R波间隔校验，能够在较大干扰情况下以更高的正确率实时检测R波。本发明具有方法简单，实时性好，克服干扰能力强，准确率高的显著优点，适用于便携式可穿戴心电监测设备的实时R波检测。

Description

一种心电信号实时R波检测方法
技术领域
本发明涉及一种心电信号R波实时检测的改进方法。
背景技术
心血管疾病发病率越来越高，已成为目前对人类生命构成最大的危害疾病之一。心电图(ECG)作为心脏状态的重要表征，在检测心脏疾病时起到非常重要的作用。传统的PC监护仪价格昂贵，体积庞大，不便移动且主要集中在医院，而无法实时监护患者的病情，给病人和医生带来很大不便。随着嵌入式和网络通讯技术的飞速发展，可穿戴式心电监护设备应运而生，它具有低成本、体积小、可靠性高、操作简单等优点，适用于个人、家庭、中小型医院和社区医疗单位。可穿戴式心电监护设备需要快速对动态心电信号进行实时检测和心脏疾病的自动诊断，以便能为用户提供紧急救护、疾病预警、医学咨询和指导等多种服务，因此需要一种准确的实时心电R波检测方法。
目前，心电R波检测方法有：差分阈值法，小波变换法、神经网络法、模板匹配法和斜率法等。其中，差分阈值法正确率较高，但易受到噪声的干扰；小波变换法和神经网络法识别正确率高，但算法复杂，不适合用于实时检测；模板匹配法算法简单，但对高频噪声和基线漂移很敏感。斜率法算法简单，可实现实时检测，满足实时心电监测的要求，但识别正确率通常不高，如Chan等人提到的一种利用斜率法检测R波的实时性算法(Tan K F,Chan KL,Choi K.Detection of the QRS complex,P wave and T wave in electrocardiogram[C]//International Conference on Advances in Medical Signal&InformationProcessing.IET,2000:41-47)，该方法的阈值选取固定而导致检测正确率较低。
发明内容
针对上述现有技术中存在的缺陷，本发明的目的是为了提高斜率法R波实时检测正确率，提出了一种改进的实时R波检测算法，通过实时更新幅值筛选阈值和斜率比较阈值，并增加R波间隔校验，使得R波检测正确率显著提高，而算法运算量只有少量增加，适用于便携式可穿戴心电监测设备的实时R波检测。
本发明提供的一种心电信号实时R波检测方法，包括如下步骤：
1)原始心电信号去噪处理：采集到的原始心电信号中的噪声包括工频干扰、基线漂移及运动噪声，利用高通滤波器去除基线漂移和运动噪声，使用陷波滤波器法去除50Hz工频干扰及其谐波，得到去噪后的心电信号数据；
2)幅值阈值求取：若去噪后的心电信号数据为心电信号的第一个20秒，对心电信号数据进行幅值筛选，得到样本R(n)，n＝1,2，…，N，N为正整数；选样本R(n)前10s数据中的10个最大值，为防止信号中出现幅值较大的噪声，取样本R(n)中的第三个至第十二个为最大值的样本，求其平均值并以此平均值作为幅值阈值At：
Figure BDA0001262507370000021
若去噪后的心电信号数据不为心电信号的第一个20秒，则幅值阈值At由步骤10)的更新公式(5)计算；
3)R波识别数据筛选：根据步骤2)中得到的幅值阈值At，选取心电信号数据幅值在[0.72*At,1.75*At]范围内的数据进行R波识别，记为数据x(n)，对于幅值不在此范围的数据，不予识别；
4)斜率阈值求取：若步骤3)中得到幅值筛选后的数据x(n)为心电信号的第一个20秒，信号长度为L，根据公式(2)求得斜率：
S(l)＝-2x(l-2)-x(l-1)+x(l+1)+2x(l+2),l＝3,...,L-2 (2)
并取此20秒数据中斜率S(l)的最大值作为斜率阈值St和斜率修正值maxi的初始值，若数据x(n)不为心电信号的第一个20秒，则斜率阈值St和斜率修正值maxi由步骤10)的更新公式(6)至(7)计算；
5)QRS波起始点确定：计算出第一个20秒之后的每组20秒数据的斜率，并与斜率阈值St比较，当连续两个心电信号数据的斜率S(l)和S(l+1)均大于阈值St时，认为斜率S(l)对应的数据点是一个QRS波段的起点，记该起点的幅值为H；
6)QRS波段R波初判：步骤5)中检测到一个QRS波段的起点后，在此波段中找到幅值最大的点，该最大点暂记为R波位置；
7)RR间隔确定：已检测出序号为n的R波位置记为P(n)，由公式(3)计算出RR间隔记Ir，Ts为采样频率Fs的倒数：
Ir(n)＝(P(n)-P(n-1))*Ts (3)
平均RR间隔Ira由公式(4)计算实现，采取最近检测到的10个间隔Ir确定，
Figure BDA0001262507370000022
8)QRS波段R波排除：根据步骤7)中得到的平均RR间隔Ira，在步骤6)检测R波幅值最大点后，若该最大点与其前一个R波间隔时间Ir(n)>1.66*Ira，则该最大点与其前一个R波之间可能存在幅值较低的R波漏判，此时降低幅度阈值，令At＝0.6*At，若Ir(n)<0.6*Ira，该最大点与其前一个R波间隙过小，认定为误判；
9)QRS波段R波确定：根据步骤7)中得到的平均RR间隔Ira，在步骤6)检测R波幅值最大点后，若该最大点与其前一个R波间隔时间Ir(n)∈(0.6*Ira，1.66*Ira)，则认定为识别到一个R波，并记该最大点的幅值为HR；
10)阈值更新：幅值阈值At、斜率阈值St和斜率修正值maxi的值根据公式(5)-(7)自适应更新：
Figure BDA0001262507370000031
St＝0.5*maxi (6)
Figure BDA0001262507370000032
其中，A(n)为序号为n的R波的幅值；
11)阈值自适应更新后，重复步骤2)，直至数据停止传输。
进一步地，步骤2)中，最大值存在选取规则：为避免前10个最大值中存在同一个R波峰值附近的点，利用高通滤波器去除噪声后的数据每m个中取一个，然后按照所取点的幅值从大到小排序；m的数值由R波峰值下降到0之间的时间决定，设采样率为Fs，正常心电信号的一个QRS波群宽度约0.06～0.1s，信号幅度从0到R波峰值再下降到0的时间约为0.03s，
Figure BDA0001262507370000033
其中，
Figure BDA0001262507370000034
表示向下取整，即不超过x的最大整数。
本发明在现有斜率法检测算法的基础上，通过实时更新幅值筛选阈值和斜率比较阈值，以及增加R波间隔校验，能够在较大干扰情况下以更高的正确率实时检测R波，具有方法简单，实时性好，克服干扰能力强，准确率高的显著优点，更适用于便携式可穿戴设备中心电信号的实时R波监测。
附图说明
图1是本发明方法流程图。
图2是本发明实施例中干性接触心电信号采集方式。
图3是本发明实施例中干性接触采集心电信号去噪前后波形图(a)原始信号，(b)陷波滤波器法去噪后的信号，(c)陷波滤波器法去噪和高通滤波器去噪后的信号。
图4是现有斜率法检测R波的检测结果。
图5是本发明方法R波检测结果。
具体实施方式
本实施例所采取的数据是经过一手表干性采集单导联获取的，一个电极信号取自一只手手腕处，另一个电极信号取自另一只手手指，干性接触测得单导联ECG信号，两个电极采用差分的方法得到两点的电势差，以250Hz的采样频率采集心电信号，采样方式如图2。
下面结合附图对本发明作进一步的描述和介绍：
1)心电数据进行去噪处理：采用自适应陷波器来去除工频干扰，可在去除50Hz及其谐波干扰，采用陷波器滤除50Hz工频干扰，高通滤波器截止频率为4Hz滤除基线漂移和运动干扰，去噪效果如图3；
2)幅度阈值确定：得到去噪后的数据后，若数据为心电信号的第一个20秒，在前10秒数据中每3个数据取一个，并将取得的数据按幅值由大到小进行排序，记为R(n)，n＝1,2，…，N，N为正整数；为防止前10秒数据中出现幅值较大的噪声，从而干扰到初始幅度阈值的取值，根据公式(1)取R(n)中的第3至第12个幅值的平均值作为幅度筛选阈值At，若该数据不为心电信号的第一个20秒数据，则幅度阈值At由公式(5)更新计算；
3)幅值筛选：得到幅度筛选阈值后，对下一组20秒的数据进行幅值筛选，通过对已有ECG数据作概率分布函数分析可知，幅值在[0.72*At，1.75*At]范围内的数据有可能为R波，对这部分数据进行R波检测，超出此范围的数据一般不是R波，不予识别；
4)斜率阈值和斜率修正值求取：经过幅值筛选后，对符合R波幅值范围的数据x(n)进行R波识别。以公式(2)计算斜率，若数据为心电信号的第一个20秒，取此20秒数据中斜率S(l)的最大值作为斜率阈值St和斜率修正值maxi的初始值，若该数据不为心电信号的第一个20秒，则斜率阈值St和斜率修正值maxi由公式(6)-(7)更新计算；
5)QRS波起始点确定：计算出之后每组20s数据的S(l)，并与St比较，当连续两个心电信号数据满足S(l)>St时，认为该处是一个QRS波段的起点，记该点的幅值为H；
6)QRS波段R波初判：步骤5)中检测到一个QRS波段的起点后，在此波段中找到幅值最大的点，将此点暂记为R波位置；
7)RR间隔确定：已检测出的序号为n的R波位置记为P(n)，幅值记为A(n)，由公式(3)计算出RR间隔Ir，公式(4)计算出平均RR间隔Ira；
8)QRS波段R波排除：根据步骤7)中得到的平均RR间隔Ira，在步骤6)检测R波幅值最大点后，若该点与前一个R波间隔时间Ir(n)>1.66*Ira，则此处与上一个R波之间可能存在幅值较低的R波被漏判，此时降低幅度阈值，令At＝0.6*At，若Ir(n)<0.6*Ira，此处与上一个R波之间间隙过小，认为为误判；
9)QRS波段R波确定：根据步骤7)中得到的平均RR间隔Ira，在步骤6)检测R波幅值最大点后，若该点与前一个R波间隔时间Ir(n)∈(0.6*Ira，1.66*Ira)，则认定为识别到一个R波，并记该点的幅值为HR；
10)阈值更新：幅度阈值At，斜率阈值St，和斜率修正值maxi的值根据公式(5)-(7)自适应更新；
11)阈值自适应更新后，以新的阈值进行幅值筛选以及R波识别，重复步骤2)，数据停止传输后，退出循环，方法结束。
采用现有斜率法对图2干性接触采集的心电信号进行R波检测，结果如图4所示。采用本发明所提出的改进的实时R波检测方法对图2干性接触采集的心电信号进行R波检测，结果如图5所示，两图中黑色实线为ECG信号，黑色圆点为检测出的R波位置。由图可知，现有斜率检测方法对形态与R波类似的噪声、较大T波等信号很容易误判为R波，本发明所提出的改进的实时R波检测方法可以有效检测出真正的R波，正确率显著提升，说明了本发明所提方法的可行性。
需要说明的是上所述实施例，并非用来限定本发明的保护范围。即凡依本技术方案的基础上所作的等同变换或替代及修饰，皆应落入本发明权利要求所保护的范围。

Claims (2)

1.一种心电信号实时R波检测方法，其特征在于，包括如下步骤：
1)原始心电信号去噪处理：采集到的原始心电信号中的噪声包括工频干扰、基线漂移及运动噪声，利用高通滤波器去除基线漂移和运动噪声，使用陷波滤波器法去除50Hz工频干扰及其谐波，得到去噪后的心电信号数据；
2)幅值阈值求取：若去噪后的心电信号数据为心电信号的第一个20秒，对心电信号数据进行幅值筛选，得到样本R(n)，n＝1,2，…，N，N为正整数；选样本R(n)前10s数据中的10个最大值，为防止信号中出现幅值较大的噪声，取样本R(n)中的第三个至第十二个为最大值的样本，求其平均值并以此平均值作为幅值阈值At：
Figure FDA0001262507360000011
若去噪后的心电信号数据不为心电信号的第一个20秒，则幅值阈值At由步骤10)的更新公式(5)计算；
3)R波识别数据筛选：根据步骤2)中得到的幅值阈值At，选取心电信号数据幅值在[0.72*At,1.75*At]范围内的数据进行R波识别，记为数据x(n)，对于幅值不在此范围的数据，不予识别；
4)斜率阈值求取：若步骤3)中得到幅值筛选后的数据x(n)为心电信号的第一个20秒，信号长度为L，根据公式(2)求得斜率：
S(l)＝-2x(l-2)-x(l-1)+x(l+1)+2x(l+2),l＝3,...,L-2 (2)
并取此20秒数据中斜率S(l)的最大值作为斜率阈值St和斜率修正值maxi的初始值，若数据x(n)不为心电信号的第一个20秒，则斜率阈值St和斜率修正值maxi由步骤10)的更新公式(6)至(7)计算；
5)QRS波起始点确定：计算出第一个20秒之后的每组20秒数据的斜率，并与斜率阈值St比较，当连续两个心电信号数据的斜率S(l)和S(l+1)均大于阈值St时，认为斜率S(l)对应的数据点是一个QRS波段的起点，记该起点的幅值为H；
6)QRS波段R波初判：步骤5)中检测到一个QRS波段的起点后，在此波段中找到幅值最大的点，该最大点暂记为R波位置；
7)RR间隔确定：已检测出序号为n的R波位置记为P(n)，由公式(3)计算出RR间隔记Ir，Ts为采样频率Fs的倒数：
Ir(n)＝(P(n)-P(n-1))*Ts (3)
平均RR间隔Ira由公式(4)计算实现，采取最近检测到的10个间隔Ir确定，
Figure FDA0001262507360000021
8)QRS波段R波排除：根据步骤7)中得到的平均RR间隔Ira，在步骤6)检测R波幅值最大点后，若该最大点与其前一个R波间隔时间Ir(n)>1.66*Ira，则该最大点与其前一个R波之间可能存在幅值较低的R波漏判，此时降低幅度阈值，令At＝0.6*At，若Ir(n)<0.6*Ira，该最大点与其前一个R波间隙过小，认定为误判；
9)QRS波段R波确定：根据步骤7)中得到的平均RR间隔Ira，在步骤6)检测R波幅值最大点后，若该最大点与其前一个R波间隔时间Ir(n)∈(0.6*Ira，1.66*Ira)，则认定为识别到一个R波，并记该最大点的幅值为HR；
10)阈值更新：幅值阈值At、斜率阈值St和斜率修正值maxi的值根据公式(5)-(7)自适应更新：
Figure FDA0001262507360000022
St＝0.5*maxi (6)
Figure FDA0001262507360000023
其中，A(n)为序号为n的R波的幅值；
11)阈值自适应更新后，重复步骤2)，直至数据停止传输。
2.根据权利要求1所述的一种心电信号实时R波检测方法，其特征在于，步骤2)中，最大值存在选取规则：为避免前10个最大值中存在同一个R波峰值附近的点，利用高通滤波器去除噪声后的数据每m个中取一个，然后按照所取点的幅值从大到小排序；m的数值由R波峰值下降到0之间的时间决定，设采样率为Fs，正常心电信号的一个QRS波群宽度约0.06~0.1s，信号幅度从0到R波峰值再下降到0的时间约为0.03s，
Figure RE-758221DEST_PATH_IMAGE002
，其中，
Figure RE-331154DEST_PATH_IMAGE004
表示向下取整，即不超过
Figure RE-300771DEST_PATH_IMAGE006
的最大整数。
CN201710216936.1A 2017-04-05 2017-04-05 一种心电信号实时r波检测方法 Active CN107041743B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710216936.1A CN107041743B (zh) 2017-04-05 2017-04-05 一种心电信号实时r波检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710216936.1A CN107041743B (zh) 2017-04-05 2017-04-05 一种心电信号实时r波检测方法

Publications (2)

Publication Number Publication Date
CN107041743A CN107041743A (zh) 2017-08-15
CN107041743B true CN107041743B (zh) 2020-03-24

Family

ID=59544836

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710216936.1A Active CN107041743B (zh) 2017-04-05 2017-04-05 一种心电信号实时r波检测方法

Country Status (1)

Country Link
CN (1) CN107041743B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107647864B (zh) * 2017-11-06 2024-04-26 上海联影医疗科技股份有限公司 一种心电信号分析方法及成像方法
US11138770B2 (en) 2017-11-06 2021-10-05 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for medical imaging
CN108078566A (zh) * 2017-12-28 2018-05-29 广州雪利昂生物科技有限公司 一种膈肌肌电信号的采集方法
CN108814591B (zh) * 2018-03-23 2020-12-15 南京大学 一种心电qrs波群宽度的检测方法及其心电分析方法
CN108814590B (zh) * 2018-03-23 2021-01-12 江苏华康信息技术有限公司 一种心电qrs波群的检测方法及其心电分析方法
CN108717857A (zh) * 2018-05-14 2018-10-30 深圳大学 一种信号处理方法及装置
CN108888259B (zh) * 2018-05-21 2021-04-27 南京大学 一种心电信号实时qrs波检测方法
CN108888263B (zh) * 2018-05-22 2020-10-30 郑州大学 一种基于几何形态群组特征的r波检测方法
CN109065145B (zh) * 2018-07-24 2021-12-14 西安蓝港数字医疗科技股份有限公司 心电数据处理方法、装置及存储介质
CN111345806B (zh) * 2018-12-21 2023-01-31 四川锦江电子医疗器械科技股份有限公司 一种心动周期检测方法及装置
CN109770897A (zh) * 2019-03-11 2019-05-21 华南师范大学 一种脑电棘波的处理识别方法及装置
CN110215202A (zh) * 2019-05-14 2019-09-10 杭州电子科技大学 基于步态非线性特征的心电rr间隔预测关联方法
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
CN113509187B (zh) * 2021-07-12 2023-10-24 广州市康源图像智能研究院 一种实时的单导联心电r波检测方法
CN115137316A (zh) * 2022-06-10 2022-10-04 佳禾智能科技股份有限公司 一种多生理参数监测手表及其监测方法
CN117462141B (zh) * 2023-12-25 2024-03-26 深圳市先健心康医疗电子有限公司 心电信号检测方法、装置、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102178522A (zh) * 2011-04-29 2011-09-14 华南理工大学 一种母亲及胎儿心电信号qrs波中r波的检测定位方法
KR101293248B1 (ko) * 2011-06-08 2013-08-09 부산대학교 산학협력단 Ｒｒ간격을 이용한 심실조기수축 판별 시스템, 심실조기수축 판별 방법 및 이를 수행 하는 프로그램이 기록된 저장매체
CN103549950A (zh) * 2013-11-19 2014-02-05 上海理工大学 移动心电监测差分阈值检测改进算法
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102178522A (zh) * 2011-04-29 2011-09-14 华南理工大学 一种母亲及胎儿心电信号qrs波中r波的检测定位方法
KR101293248B1 (ko) * 2011-06-08 2013-08-09 부산대학교 산학협력단 Ｒｒ간격을 이용한 심실조기수축 판별 시스템, 심실조기수축 판별 방법 및 이를 수행 하는 프로그램이 기록된 저장매체
CN103549950A (zh) * 2013-11-19 2014-02-05 上海理工大学 移动心电监测差分阈值检测改进算法
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 (7)

* Cited by examiner, † Cited by third party
Title
DETECTION OF THE QRS COMPLEX, P WAVE AND T WAVE IN ELECTROCARDIOGRAM;K. F. Tan etc al.;《 2000 First International Conference Advances in Medical Signal and Information Processing》;20020806;第41-47页 *
DEVELOPMENT OF QRS DETECTION METHOD FOR REAL-TIME AMBULATORY CARDIAC MONITOR;H.H.So etc al;《Proceedings of the 19th Annual International Conference of the IEEE Engineering in Medicine and Biology Society》;20020806;第289-292页 *
QRS Detection Algorithm for Telehealth Electrocardiogram Recordings;Heba Khamis etc al.;《IEEE Transactions on Biomedical Engineering》;20160731;第63卷(第7期);第1377-1388页 *
QRS波群检测常用算法的比较;李延军 等;《生物医学工程学进展》;20080630;第29卷(第2期);第101-107页 *
便携式心电监测仪检测算法的研究及实现;雷莎莎;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20130715(第7期);第22页 *
基于移动窗口的QRS波快速识别;李阳 等;《生物医学工程学杂志》;20131031;第30卷(第5期);第988-992页 *
心电自动分析系统的研究;李雪飞;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20071115(第5期);第29-31页 *

Also Published As

Publication number Publication date
CN107041743A (zh) 2017-08-15

Similar Documents

Publication Publication Date Title
CN107041743B (zh) 一种心电信号实时r波检测方法
CN108888259B (zh) 一种心电信号实时qrs波检测方法
Satija et al. Automated ECG noise detection and classification system for unsupervised healthcare monitoring
CN109907752B (zh) 一种去除运动伪影干扰与心电特征检测的心电诊断与监护系统
Faezipour et al. A patient-adaptive profiling scheme for ECG beat classification
US8433395B1 (en) Extraction of cardiac signal data
Karvounis et al. Fetal heart rate extraction from composite maternal ECG using complex continuous wavelet transform
Kumar et al. Detection and classification of ECG noises using decomposition on mixed codebook for quality analysis
WO2012051320A2 (en) Motion and noise artifact detection for ecg data
Jaswal et al. QRS detection using wavelet transform
Nakai et al. Noise tolerant QRS detection using template matching with short-term autocorrelation
Lewandowski et al. A simple real-time QRS detection algorithm utilizing curve-length concept with combined adaptive threshold for electrocardiogram signal classification
Manikandan et al. Automatic SWT based QRS detection using weighted subbands and Shannon energy peak amplification for ECG signal analysis devices
Liu et al. Power and area efficient wavelet-based on-chip ECG processor for WBAN
Modak et al. Single channel QRS detection using wavelet and median denoising with adaptive multilevel thresholding
Reklewski et al. Real time ECG R-peak detection by extremum sampling
Tun et al. Analysis of computer aided identification system for ECG characteristic points
Nielsena et al. Automatic QRS complex detection algorithm designed for a novel wearable, wireless electrocardiogram recording device
EP2928363B1 (en) Apparatus and method for determining the occurrence of a qrs complex in ecg data
US20190374123A1 (en) Predicting atrial fibrillation or stroke using p-wave analysis
RU2624809C1 (ru) Способ обработки электрокардиосигнала для персональных носимых кардиомониторов
TWI667015B (zh) 從心電圖訊號中擷取最低電極接觸雜訊之片段的方法與系統
Dave et al. R-peak extraction for wireless ecg monitoring system
Rampil Elements of EEG signal processing
Chukka et al. A novel architecture for the realisation of iot-enabled ECG signal quality assessment using wavelet decomposition for baseline wander removal

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20170930

Address after: 210000 Jiangsu province Nanjing Jianye District Jialing River Jiangdong Street 18 04 buildings 6, 605 rooms

Applicant after: Nanjing Ke Teng Photoelectric Technology Co., Ltd.

Address before: No. 163 Qixia Xianlin Avenue District of Nanjing City, Jiangsu province 210046

Applicant before: Nanjing University

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20171127

Address after: No. 163 Qixia Xianlin Avenue District of Nanjing City, Jiangsu province 210046

Applicant after: Yan Feng

Applicant after: Zhang Limin

Address before: 210000 Jiangsu province Nanjing Jianye District Jialing River Jiangdong Street 18 04 buildings 6, 605 rooms

Applicant before: Nanjing Ke Teng Photoelectric Technology Co., Ltd.

TA01 Transfer of patent application right

Effective date of registration: 20190109

Address after: 210046 Xianlin Avenue 163, Qixia District, Nanjing City, Jiangsu Province

Applicant after: Zhang Limin

Address before: 210046 Xianlin Avenue 163, Qixia District, Nanjing City, Jiangsu Province

Applicant before: Yan Feng

Applicant before: Zhang Limin

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200401

Address after: No. 18 Qixia Xianlin Avenue District of Nanjing City, Jiangsu province 210046

Patentee after: Jiangsu cizhi Technology Co., Ltd

Address before: No. 163 Qixia Xianlin Avenue District of Nanjing City, Jiangsu province 210046

Patentee before: Zhang Limin

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20201224

Address after: 210046 Xianlin Avenue 163, Qixia District, Nanjing City, Jiangsu Province

Patentee after: Zhang Limin

Address before: 210046 No.18 Xianlin Avenue, Qixia District, Nanjing City, Jiangsu Province

Patentee before: Jiangsu cizhi Technology Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210910

Address after: No. 42, Xingang Avenue, Qixia District, Nanjing, Jiangsu 210046

Patentee after: Nanjing Hexie integrated circuit technology Co.,Ltd.

Address before: 210046 Xianlin Avenue 163, Qixia District, Nanjing City, Jiangsu Province

Patentee before: Zhang Limin