CN107233093B - R波的检测方法、装置及电子设备 - Google Patents

R波的检测方法、装置及电子设备 Download PDF

Info

Publication number
CN107233093B
CN107233093B CN201710367274.8A CN201710367274A CN107233093B CN 107233093 B CN107233093 B CN 107233093B CN 201710367274 A CN201710367274 A CN 201710367274A CN 107233093 B CN107233093 B CN 107233093B
Authority
CN
China
Prior art keywords
determining
peak
point
segmentation threshold
value
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
CN201710367274.8A
Other languages
English (en)
Other versions
CN107233093A (zh
Inventor
汪孔桥
赵威
管中达
赵亚军
李晓峰
黄汪
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.)
Anhui Huami Health Technology Co Ltd
Original Assignee
Anhui Huami Information Technology 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 Anhui Huami Information Technology Co Ltd filed Critical Anhui Huami Information Technology Co Ltd
Priority to CN201710367274.8A priority Critical patent/CN107233093B/zh
Publication of CN107233093A publication Critical patent/CN107233093A/zh
Application granted granted Critical
Publication of CN107233093B publication Critical patent/CN107233093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • A61B5/352Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • 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
    • A61B5/7203Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/7285Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal

Abstract

本申请提供一种R波的检测方法、装置及电子设备,该方法包括:确定心电图信号在每一个采集周期内的梯度方向序列;在所述梯度方向序列中,确定至少一个峰点;基于所述至少一个峰点各自的幅值,确定用于识别R波的分割阈值;在所述至少一个峰点中,将幅值大于所述分割阈值的峰点各自对应的时间点确定为所述R波的时间点。本申请的技术方案通过梯度方向序列不仅能够有效滤除心电图信号的噪声,还能够很好地抑制住R峰(R波的波峰)周围较强的尖刺噪声,因此本申请对于非标准的、强干扰的、病变的心电图信号有更好的适用性。

Description

R波的检测方法、装置及电子设备
技术领域
本申请涉及电子技术领域,尤其涉及一种R波的检测方法、装置及电子设备。
背景技术
随着智能硬件技术的发展,通过可穿戴设备进行医疗健康监测和诊断成为可能。现有技术通过在可穿戴设备上设置电极,通过电极采集心电图(EleCtrocardioGram,简称为ECG)信号,通过ECG信号进行心律测量和心血管疾病的诊断。由于采集到的ECG信号会受到各种噪声(例如,基线漂移、工频噪声、肌电噪声、电极噪声等)的干扰,因此ECG信号容易被噪声淹没,不利于识别ECG信号中的R波。
发明内容
有鉴于此,本申请提供一种新的技术方案,可以解决现有技术中不能够准确识别出R波的技术问题。
为实现上述目的,本申请提供技术方案如下:
根据本申请的第一方面,提出了一种R波的检测方法,包括:
确定心电图信号在每一个采集周期内的梯度方向序列;
在所述梯度方向序列中,确定至少一个峰点;
基于所述至少一个峰点各自的幅值,确定用于识别R波的分割阈值;
在所述至少一个峰点中,将幅值大于所述分割阈值的峰点各自对应的时间点确定为所述R波的时间点。
根据本申请的第二方面,提出了一种R波的检测装置,包括:
第一确定模块,用于确定心电图信号在每一个采集周期内的梯度方向序列;
第二确定模块,用于在所述第一确定模块确定的所述梯度方向序列中,确定至少一个峰点;
第三确定模块,用于基于所述第二确定模块确定的所述至少一个峰点各自的幅值,确定用于识别R波的分割阈值;
第四确定模块,用于在所述第二确定模块确定的所述至少一个峰点中,将幅值大于所述第三确定模块确定的所述分割阈值的峰点各自对应的时间点确定为所述R波的时间点。
根据本申请的第三方面,提出了一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述第一方面提出的R波的检测方法。
根据本申请的第四方面,提出了一种电子设备,所述电子设备包括:
处理器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器,用于执行上述第一方面提出的R波的检测方法。
由以上技术方案可见,本申请基于梯度方向序列确定出心电图信号中的至少一个峰点,由于波的波峰为强脉冲,因此通过梯度方向序列不仅能够有效滤除心电图信号的噪声,还能够很好地抑制住R峰(R波的波峰)周围较强的尖刺噪声,因此本申请对于非标准的、强干扰的、病变的心电图信号有更好的适用性;此外,本申请的处理过程在时域上进行,相比现有技术中的希尔伯特变换、小波变换等方法,对于嵌入式系统有更好的可移植性。
附图说明
图1A是本申请所适用的一个心电图信号的示意图;
图1B是本申请所采集的心电图信号的示意图;
图2是本申请由心电图信号到梯度方向序列转换的示意图;
图3A是根据本申请一示例性实施例提供的R波的检测方法的流程图;
图3B是图3A所示实施例一个采集周期内的心电图信号的示意图;
图3C是图3A所示实施例通过步骤302得到的至少一个峰点的示意图;
图3D是图3A所示实施例检测到的R波的示意图;
图4是根据本申请另一示例性实施例提供的R波的检测方法的流程图;
图5是根据本申请再一示例性实施例提供的R波的检测方法的流程图;
图6是根据本申请又一示例性实施例提供的R波的检测方法的流程图;
图7是根据本申请一示例性实施例提供的R波的检测装置的结构图;
图8是根据本申请另一示例性实施例提供的R波的检测装置的结构图;
图9是根据本申请的一示例性实施例的电子设备的结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
图1A是本申请所适用的心电图信号的示意图,图1B是本申请所采集的心电图信号的示意图;如图1A所示,心电图信号包括的各个波点以及波段表示的生理电信号的物理意义如下:
P波:表示心房除极波,间期宽度0.06-0.12sec,在肢体导联一般不超过0.25mV,胸导联不超过0.2mV。
PR间期:表示心房除极到心室开始除极的时间,正常为0.12-0.20sec。
QRS波群:表示心室的除极波,全部心室肌纤维的兴奋,正常为0.06-0.10sec。
ST段:表示心室除极完毕到复极开始的一段时间,为QRS波之后到T波起点的一段等电位线,下移不超过0.05mV,抬高不超过0.1mV。
T波:代表心室复极时的电位变化。
QT间期:代表心室除极和复极全过程所需时间,正常为0.32-0.44sec。
本领域技术人员可以理解的是,图1A所示的心电图信号为标准ECG信号,其各个波点以及波段所表示的物理意义均可通过现有技术的记载获取到,通过图1A示出ECG信号是为了方便描述本申请实施例。
如图1B所示,包含四个ECG周期波,并且每个周期波的R波都很显著。当ECG信号因被噪声严重污染时,会给ECG信号分割带来很大麻烦。但ECG信号所具有的两大明显特点:其一是ECG信号具有很明显的周期性,其二是R波是ECG信号周期波的主波,呈现出幅值较高的窄脉冲。因此上述两个明显特点给ECG信号分割带来了很大的便利条件。本申请通过ECG信号中各R波的时间点,可确保后期能够对ECG信号各周期波进行准确分割。
图2是本申请由心电图信号到梯度方向序列转换的示意图;如图2所示,ECG信号属于一维信号,其梯度只有两个方向,即上升和下降。通过第一预设值(例如,1)表示梯度方向上升,第二预设值(例如,0)表示梯度方向下降,则对ECG信号各相邻采样数据进行比对,即可得到该ECG信号的梯度方向序列,如图2中箭头下方的0和1的不同组合序列。
若心电图信号为f(x),则该心电图信号的梯度可表示为式(1):
Figure BDA0001301910030000051
其中,f表示信号强度,x表示时间点,t表示相邻两个峰点之间的时间差或者时间间隔。
梯度方向可表示为式(2):
Figure BDA0001301910030000052
为对本申请进行进一步说明,提供下列实施例:
图3A是根据本申请一示例性实施例提供的R波的检测方法的流程图,图3B是图3A所示实施例一个采集周期内的心电图信号的示意图,图3C是图3A所示实施例通过步骤302得到的至少一个峰点的示意图,图3D是图3A所示实施例检测到的R波的示意图;本申请可应用在可穿戴、便携式等电子设备上,如图3A所示,包括如下步骤:
步骤301,确定心电图信号在每一个采集周期内的梯度方向序列。
在一实施例中,采集周期的时间长度可以确保包含至少一个周期的ECG信号,本申请对采集周期的时间长度的具体大小不做限制。
在一实施例中,可以通过计算输入ECG信号在每一个采集周期内的梯度方向图,通过预设结构元素对梯度方向图进行数学形态学运算,得到梯度方向序列,例如,通过预设结构元素对梯度方向图进行闭运算,然后再进行开运算,从而可以去除夹杂在心电图信号中的噪声。在一实施例中,预设结构元素的维度可根据实际ECG信号的噪声而确定,本申请对预设结构元素的具体维度不做限制。
步骤302,在梯度方向序列中,确定至少一个峰点。
在一实施例中,每一个峰点可包括峰点对应的时间点以及峰点对应的幅值,其中,峰点对应的幅值可以由该峰点所在时间点的ECG信号的强度幅值以及该峰点两侧的谷点的ECG信号的强度幅值来确定。具体如何确定峰点的,可参见下述图4所示实施例的描述,本实施例先不详述。
步骤303,基于至少一个峰点各自的幅值,确定用于识别R波的分割阈值。
在一实施例中,可以基于至少一个峰点各自对应的幅值的平均值确定用于识别R波的分割阈值;在另一实施例中,可以对至少一个峰点按照幅值从大到小排序,找到排在前设定比例的峰点,基于该前设定比例的峰点的幅值的平均值确定用于识别R波的分割阈值。
步骤304,在至少一个峰点中,将幅值大于该分割阈值的峰点各自对应的时间点确定为R波的时间点。
下面结合图3B-图3D对本实施例进行举例说明。在一个采集周期内,通过上述步骤301确定出图3B所示的心电图信号对应的梯度方向序列,该梯度方向序列包括多个0和1的组合,在梯度方向序列中,若0表示下降,1表示上升,则可以从梯度方向图中查找出由1变为0的点,该由1变为0的点即为本申请所述的峰点,如图3C所示,可以通过峰点序列图的方式直观呈现出土302得到的至少一个峰点。在图3C所示的至少一个峰点中,幅值较低的峰点可能P波对应的峰点,或者是突发脉冲产生的峰点,因此通过步骤304将幅值大于该分割阈值的峰点确定为R波的峰点,即可准确识别出R波在整个心电图信号中的时间点。
由上述描述可知,本申请实施例基于梯度方向序列确定出心电图信号中的至少一个峰点,由于波的波峰为强脉冲,因此通过梯度方向序列不仅能够有效滤除心电图信号的噪声,还能够很好地抑制住R峰(R波的波峰)周围较强的尖刺噪声,因此本申请对于非标准的、强干扰的、病变的心电图信号有更好的适用性;此外,本申请的处理过程在时域上进行,相比现有技术中的希尔伯特变换、小波变换等方法,对于嵌入式系统有更好的可移植性。
图4是根据本申请另一示例性实施例提供的R波的检测方法的流程图;本是实施例在上述实施例的基础上,以如何在梯度方向序列中确定至少一个峰点为例进行示例性说明,如图4所示,包括如下步骤:
步骤401,按照时间顺序,确定梯度方向序列上由第一预设值变为第二预设值的时间点,由第一预设值变为第二预设值的时间点对应峰点的时间点。
步骤402,对于每一个峰点,确定位于该峰点两侧的第一谷点和第二谷点。
步骤403,基于该峰点对应的第一信号强度、第一谷点对应的第二信号强度以及第二谷点对应的第三信号强度,确定该峰点对应的幅值,得到每一个峰点各自对应的幅值。
在上述步骤401中,例如,可根据图2所示的梯度方向序列,找到由1变为0的时间点,该由1变为0的时间点对应峰点的时间点对应峰点的时间点。
在上述步骤402中,再参见图2,可在梯度方向序列中在峰点的两侧找到由0变为1的时间点(可称为左谷点和右谷点),该由0变为1的时间点对应左谷点或者右谷点的时间点。
在上述步骤403中,设其中一个峰点的时间点为x1,左谷点(可视为本申请中的第一谷点)的第一时间点为x2,右谷点(可视为本申请中的第二谷点)的第二时间点为x3,其中,x2<x1<x3,则峰点的幅值可通过式(3)得到:
Figure BDA0001301910030000071
其中,v(x2)表示本申请中第一谷点对应的第二信号强度,v(x3)表示本申请中第二谷点对应的第三信号强度;v(x)=max(v(x2),v(x3))表示第一谷点对应的第二信号强度与所述第二谷点对应的第三信号强度之间的第一较大值;α为一本申请中所述的预设阈值,可通过试验的方式得到;|x1-x|表示峰点的时间点与第一较大值对应的时间点之间的差值绝对值。
本实施例中,通过峰点与该峰点对应的时间点与该峰点两侧的谷点对应的时间点之间的差值绝对值,基于差值绝对值与预设阈值之间的大小关系,来确定峰点的幅值,由于R波是ECG信号周期波的主波,并且是幅值较高的窄脉冲,因此R波波峰的信号强度与其两侧的谷点的信号强度相差显著,以及R波波峰的信号强度与其两侧具有一定时间差值的时间点对应的信号强度也是相差显著,而非R波的脉冲相比其两侧的谷点的信号强度相差较小,因此本实施例可有利于抽取信号强度较大的R波。
图5是根据本申请再一示例性实施例提供的R波的检测方法的流程图;本实施例在上述实施例的基础上,以如何基于至少一个峰点确定用于识别R波的分割阈值为例进行示例性说明,如图5所示,包括如下步骤:
步骤501,从至少一个峰点中确定幅值符合预设条件的峰点。
步骤502,确定符合预设条件的峰点的幅值的平均值以及符合预设条件的峰点的第一距离均方差,将平均值作为初始分割阈值。
步骤503,基于第一距离均方差以及初始分割阈值,确定用于识别R波的分割阈值。
在上述步骤501中,在一实施例中,可对至少一个峰点按照幅值的大小进行排序,找到幅值排在前设定比例(例如,排在前20%)的峰点,将该排在设定比例的峰点视为符合预设条件的峰点。
在上述步骤502中,在一实施例中,计算排在前设定比例的峰点的幅值的平均值,该平均值可视为本申请中的初始分割阈值τ(0),由于R波的信号强度强于心电图信号中的其它波的信号强度,因此通过计算排在前设定比例的峰点的幅值的平均值,可以滤除一部分非R波对应的峰点,确保通过分割阈值能够准确地识别出R波。例如,共有40个峰点,确定出排在前20%的峰点,则得到8个峰点,基于该8个峰点各自的时间点,计算相邻2个峰点之间的时间间隔,得到7个时间间隔,基于该7个时间间隔,计算该8个峰点对应的第一距离均方差σ(0)。需要说明的是,可以根据现有技术中关于距离均方差的方法计算第一距离均方差σ(0)以及下述的第二距离均方差σ(1),本申请不再详述。
在上述步骤503中,在一实施例中,可以对初始分割阈值设定一个下降系数γ,该下降系数可视为本申请中所述的第一预设系数。基于初始分割阈值τ(0)以及第一预设系数γ,确定临时分割阈值τ(1),例如,τ(1)=γ*τ(0),其中,γ为小于1的正数。
与上述步骤502类似,从这40个峰点中确定出幅值大于临时分割阈值τ(1)的峰点,例如,得到10个峰点,计算该10个峰点的第二距离均方差σ(1)。基于第一距离均方差σ(0)和第二距离均方差σ(1),确定用于识别R波的分割阈值,例如,若第二距离均方差σ(1)大于第一距离均方差σ(0),将临时分割阈值确定为用于识别R波的分割阈值;若第二距离均方差σ(1)小于或者等于所述第一距离均方差σ(0),将所述临时分割阈值作为初始分割阈值,第二距离均方差σ(1)作为所述第一距离均方差σ(0),再次基于初始分割阈值以及第一预设系数,确定一个临时分割阈值,直至第二距离均方差σ(1)大于第一距离均方差σ(0)为止。
本实施例中,基于符合预设条件的峰点中相邻峰点的距离均方差通过迭代的方式求取得到用于识别R波的分割阈值,可避免非R波的峰点的干扰,因此具有很强的鲁棒性。
图6是根据本申请又一示例性实施例提供的R波的检测方法的流程图;本实施例在上述实施例的基础上,以如何调整识别出的R波对应的峰点为例进行示例性说明,如图6所示,包括如下步骤:
步骤601,在大于用于识别R波的分割阈值的峰点中,确定相邻两个峰点之间的时间差值,得到至少一个时间差值。
步骤602,确定至少一个时间差值的平均值。
步骤603,基于至少一个时间差值与平均值之间的大小关系,调整大于用于识别R波的分割阈值的峰点。
例如,大于用于识别R波的分割阈值的峰点为10个,每一个峰点对应一个时间点,例如,t1,t2,...,t10,计算相邻两个峰点之间的时间差值,得到9个时间差值,例如,Δt1=t2-t1,Δt2=t3-t2,...,Δt9=t10-t9,计算该9个时间差值的平均值
Figure BDA0001301910030000101
在一种实现方式中,按照时间先后顺序,依次检查相邻两个峰点之间的时间差值与平均值与第二预设系数的乘积的大小关系,确定至少一个时间差值中是否存在小于或者等于平均值与第二预设系数的乘积的第一时间差值,若至少一个时间差值中存在小于或者等于平均值与第二预设系数的乘积的第一时间差值,将第一时间差值对应的两个峰点中幅值较小的峰点从大于该用于识别R波的分割阈值的峰点中删除。例如,在上述10个峰点中,第二预设系数为1/2,则平均值与第二预设系数的乘积为d/2,若Δt1、Δt4小于或者等于d/2,则Δt1、Δt4可视为本申请中的第一时间差值,表示t1和t2对应的两个相邻峰点相互之间靠得太近,t5和t6对应的两个相邻峰点相互之间靠得太近,可以剔除t1和t2对应的峰点中幅值较小的峰点,删除t5和t6对应的峰点中幅值较小的峰点。
在另一种实现方式中,按照时间先后顺序,依次检查相邻两个峰点之间的时间差值与平均值与第三预设系数的乘积的大小关系,确定至少一个时间差值中是否存在大于或者等于平均值与第三预设系数的乘积的第二时间差值,若至少一个时间差值中存在大于或者等于平均值与第三预设系数的乘积的第二时间差值,确定在第二时间差值对应的相邻两个峰点之间需要增加的R波的峰点。例如,在上述10个峰点中,第三预设系数为2,则平均值与第三预设系数的乘积为2d,若Δt7、Δt9大于或者等于2d,则Δt7、Δt9可视为本申请中的第二时间差值,表示t8和t7对应的两个相邻峰点相互之间靠得太远,t10和t9对应的两个相邻峰点相互之间靠得太远,因此t8和t7、t10和t9两个相邻峰点之间可能存在幅值较低的R波,可基于第二时间差值与平均值之间的倍数关系,确定在第二时间差值之间对应的相邻两个峰点之间需要增加的R波的峰点,例如,如果Δt7是平均值d的3倍,则可以在t8和t7对应的相邻两个峰点之间增加两个R波的峰点,如果Δt9是平均值d的2倍,则可以在t10和t9对应的相邻两个峰点之间增加一个R波的峰点。
在一些场景中,R波的信号强度会减弱或R波信号被拉宽,导致R波峰点的幅值不够显著,或者心电图信号中出现突发脉冲干扰导致出现假性强峰点,在这些情况都有可能漏检或者误检R波,本实施例通过相邻两个峰点之间的时间差值,调整识别到的R波的峰点,从而可避免漏检或者误检R波,提高R波识别的准确度。
图7是根据本申请一示例性实施例提供的R波的检测装置的结构图,如图7所示,该R波的检测装置可以包括:第一确定模块71、第二确定模块72、第三确定模块73、第四确定模块74。其中:
第一确定模块71,用于确定心电图信号在每一个采集周期内的梯度方向序列;
第二确定模块72,用于在第一确定模块71确定的梯度方向序列中,确定至少一个峰点;
第三确定模块73,用于基于第二确定模块72确定的至少一个峰点各自的幅值,确定用于识别R波的分割阈值;
第四确定模块74,用于在第二确定模块72确定的至少一个峰点中,将幅值大于第三确定模块73确定的分割阈值的峰点各自对应的时间点确定为R波的时间点。
图8是根据本申请另一示例性实施例提供的R波的检测装置的结构图,如图8所示,在上述图7所示实施例的基础上,第二确定模块72可包括:
第一确定单元721,用于按照时间顺序,确定梯度方向序列上由第一预设值变为第二预设值的时间点,由第一预设值变为第二预设值的时间点对应峰点的时间点;
第二确定单元722,用于对于第一确定单元721确定的每一个峰点,确定位于该峰点两侧的第一谷点和第二谷点;
第三确定单元723,用于基于第二确定单元722,确定的该峰点对应的第一信号强度、第一谷点对应的第二信号强度以及第二谷点对应的第三信号强度,确定该峰点对应的幅值。
在一实施例中,第三确定单元723具体可用于:
确定第一谷点对应的第二信号强度以及第二谷点对应的第三信号强度之间的第一较大值;
确定峰点对应的时间点与第一较大值对应的时间点之间的差值绝对值;
若差值绝对值小于预设阈值,根据该峰点对应的第一信号强度和第一较大值确定该峰点的幅值;
若差值绝对值大于或者等于预设阈值,确定该峰点两侧与峰点的时间点相隔预设阈值的第一时间点和第二时间点;
确定第一时间点对应的第四信号强度与第二时间点对应的第五信号强度中的第二较大值:
根据该峰点对应的第一信号强度与第二较大值确定该峰点的幅值。
在一实施例中,第三确定模块73可包括:
第四确定单元731,用于从至少一个峰点中确定幅值符合预设条件的峰点;
第五确定单元732,用于确定第四确定单元731确定的符合预设条件的峰点的幅值的平均值以及符合预设条件的峰点对应的第一距离均方差,将平均值作为初始分割阈值;
第六确定单元733,用于基于第五确定单元732确定的第一距离均方差以及初始分割阈值,确定用于识别R波的分割阈值。
在一实施例中,第六确定单元733具体可用于:
基于初始分割阈值以及第一预设系数,确定临时分割阈值,第一预设系数为小于1的正数;
从至少一个峰点中确定幅值大于临时分割阈值的峰点;
确定大于临时分割阈值的峰点对应的第二距离均方差;
基于第一距离均方差和第二距离均方差,确定用于识别R波的分割阈值。
其中,第六确定单元733具体可通过如下步骤实现基于第一距离均方差和第二距离均方差,确定用于识别R波的分割阈值:
若第二距离均方差大于第一距离均方差,将临时分割阈值确定为用于识别R波的分割阈值;
若第二距离均方差小于或者等于第一距离均方差,将临时分割阈值作为初始分割阈值,第二距离均方差作为第一距离均方差,再次确定出一个临时分割阈值,直至临时分割阈值对应的第二距离均方差大于初始分割阈值对应的第一距离均方差为止。
在一实施例中,装置还可包括:
第五确定模块75,用于在第四确定模块74将幅值大于所述分割阈值的峰点各自对应的时间点确定为所述R波的时间点之后,在大于用于识别R波的分割阈值的峰点中,确定相邻两个峰点之间的时间差值,得到至少一个时间差值;
第六确定模块76,用于确定第五确定模块75确定的至少一个时间差值的平均值;
调整模块77,用于基于第五确定模块75确定的至少一个时间差值与第六确定模块76确定的平均值之间的大小关系,调整大于用于识别R波的分割阈值的峰点。
在一实施例中,调整模块77具体可用于:
若至少一个时间差值中存在小于或者等于平均值与第二预设系数的乘积的第一时间差值,将第一时间差值对应的两个峰点中幅值较小的峰点从大于用于识别R波的分割阈值的峰点中删除,其中,第二预设系数为小于1的正数;
若至少一个时间差值中存在大于或者等于平均值与第三预设系数的乘积的第二时间差值,基于第二时间差值与平均值之间的关系,确定在第二时间差值对应的相邻两个峰点之间需要增加的R波的峰点。
在一实施例中,第一确定模块71可包括:
第七确定单元711,用于确定心电图信号在每一个采集周期内的梯度方向图;
形态学运算单元712,用于通过预设结构元素对第七确定单元711确定的梯度方向图进行数学形态学运算,得到梯度方向序列。
本申请内存检测装置的实施例可以应用在电子设备上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在电子设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图9所示,为本申请R波的检测装置所在电子设备的一种硬件结构图,除了图9所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的电子设备通常根据该电子设备的实际功能,还可以包括其他硬件,对此不再赘述。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。

Claims (13)

1.一种R波的检测方法,其特征在于,所述方法包括:
确定心电图信号在每一个采集周期内的梯度方向序列;
在所述梯度方向序列中,确定至少一个峰点;
从所述至少一个峰点中确定幅值符合预设条件的峰点;
确定所述符合预设条件的峰点的幅值的平均值以及所述符合预设条件的峰点对应的第一距离均方差,将所述平均值作为初始分割阈值;
基于所述第一距离均方差以及所述初始分割阈值,确定用于识别R波的分割阈值;
在所述至少一个峰点中,将幅值大于所述分割阈值的峰点各自对应的时间点确定为所述R波的时间点。
2.根据权利要求1所述的方法,其特征在于,所述在所述梯度方向序列中,确定至少一个峰点,包括:
按照时间顺序,确定所述梯度方向序列上由第一预设值变为第二预设值的时间点,所述由第一预设值变为第二预设值的时间点对应峰点的时间点;
对于每一个峰点,确定位于该峰点两侧的第一谷点和第二谷点;
基于该峰点对应的第一信号强度、所述第一谷点对应的第二信号强度以及所述第二谷点对应的第三信号强度,确定该峰点对应的幅值。
3.根据权利要求2所述的方法,其特征在于,所述基于该峰点对应的第一信号强度、所述第一谷点对应的第二信号强度以及所述第二谷点对应的第三信号强度,确定该峰点对应的幅值,包括:
确定所述第一谷点对应的第二信号强度以及所述第二谷点对应的第三信号强度之间的第一较大值;
确定所述峰点对应的时间点与所述第一较大值对应的时间点之间的差值绝对值;
若所述差值绝对值小于预设阈值,根据该峰点对应的第一信号强度和所述第一较大值确定该峰点的幅值;
若所述差值绝对值大于或者等于所述预设阈值,确定该峰点两侧与所述峰点的时间点相隔所述预设阈值的第一时间点和第二时间点;
确定所述第一时间点对应的第四信号强度与所述第二时间点对应的第五信号强度中的第二较大值:
根据该峰点对应的第一信号强度与所述第二较大值确定该峰点的幅值。
4.根据权利要求1所述的方法,其特征在于,所述基于所述第一距离均方差以及所述初始分割阈值,确定用于识别R波的分割阈值,包括:
基于所述初始分割阈值以及第一预设系数,确定临时分割阈值,所述第一预设系数为小于1的正数;
从所述至少一个峰点中确定幅值大于所述临时分割阈值的峰点;
确定所述大于所述临时分割阈值的峰点对应的第二距离均方差;
基于所述第一距离均方差和所述第二距离均方差,确定用于识别R波的分割阈值。
5.根据权利要求4所述的方法,其特征在于,所述基于所述第一距离均方差和所述第二距离均方差,确定用于识别R波的分割阈值,包括:
若所述第二距离均方差大于所述第一距离均方差,将所述临时分割阈值确定为用于识别R波的分割阈值;
若所述第二距离均方差小于或者等于所述第一距离均方差,将所述临时分割阈值作为初始分割阈值,所述第二距离均方差作为所述第一距离均方差,再次确定出一个临时分割阈值,直至临时分割阈值对应的第二距离均方差大于初始分割阈值对应的第一距离均方差为止。
6.根据权利要求1所述的方法,其特征在于,所述将幅值大于所述分割阈值的峰点各自对应的时间点确定为所述R波的时间点的步骤之后,所述方法还包括:
在大于所述用于识别R波的分割阈值的峰点中,确定相邻两个峰点之间的时间差值,得到至少一个时间差值;
确定所述至少一个时间差值的平均值;
基于所述至少一个时间差值与所述平均值之间的大小关系,调整大于所述用于识别R波的分割阈值的峰点。
7.根据权利要求6所述的方法,其特征在于,所述基于所述至少一个时间差值与所述平均值之间的大小关系,调整大于所述用于识别R波的分割阈值的峰点,包括:
若所述至少一个时间差值中存在小于或者等于所述平均值与第二预设系数的乘积的第一时间差值,将所述第一时间差值对应的两个峰点中幅值较小的峰点从大于所述用于识别R波的分割阈值的峰点中删除,其中,所述第二预设系数为小于1的正数;
若所述至少一个时间差值中存在大于或者等于所述平均值与第三预设系数的乘积的第二时间差值,基于所述第二时间差值与所述平均值之间的关系,确定在所述第二时间差值对应的相邻两个峰点之间需要增加的R波的峰点。
8.根据权利要求1-7任一所述的方法,其特征在于,所述确定心电图信号在每一个采集周期内的梯度方向序列,包括:
确定心电图信号在每一个采集周期内的梯度方向图;
通过预设结构元素对所述梯度方向图进行数学形态学运算,得到梯度方向序列。
9.一种R波的检测装置,其特征在于,所述装置包括:
第一确定模块,用于确定心电图信号在每一个采集周期内的梯度方向序列;
第二确定模块,用于在所述梯度方向序列中,确定至少一个峰点;
第三确定模块,包括:
第四确定单元,用于从所述至少一个峰点中确定幅值符合预设条件的峰点;
第五确定单元,用于确定所述第四确定单元确定的所述符合预设条件的峰点的幅值的平均值以及所述符合预设条件的峰点对应的第一距离均方差,将所述平均值作为初始分割阈值;
第六确定单元,用于基于所述第五确定单元确定的所述第一距离均方差以及所述初始分割阈值,确定用于识别R波的分割阈值;
第四确定模块,用于在所述第二确定模块确定的所述至少一个峰点中,将幅值大于所述第三确定模块确定的所述分割阈值的峰点各自对应的时间点确定为所述R波的时间点。
10.根据权利要求 9所述的装置,其特征在于,所述第二确定模块包括:
第一确定单元,用于按照时间顺序,确定所述梯度方向序列上由第一预设值变为第二预设值的时间点,所述由第一预设值变为第二预设值的时间点对应峰点的时间点;
第二确定单元,用于对于第一确定单元确定的每一个峰点,确定位于该峰点两侧的第一谷点和第二谷点;
第三确定单元,用于基于所述第二确定单元确定的该峰点对应的第一信号强度、所述第一谷点对应的第二信号强度以及所述第二谷点对应的第三信号强度,确定该峰点对应的幅值。
11.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第五确定模块,用于所述第四确定模块将幅值大于所述分割阈值的峰点各自对应的时间点确定为所述R波的时间点之后,在大于所述用于识别R波的分割阈值的峰点中,确定相邻两个峰点之间的时间差值,得到至少一个时间差值;
第六确定模块,用于确定所述至少一个时间差值的平均值;
调整模块,用于基于所述至少一个时间差值与所述平均值之间的大小关系,调整大于所述用于识别R波的分割阈值的峰点。
12.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-8任一所述的R波的检测方法。
13.一种电子设备,其特征在于,所述电子设备包括:
处理器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器,用于执行上述权利要求1-8任一所述的R波的检测方法。
CN201710367274.8A 2017-05-23 2017-05-23 R波的检测方法、装置及电子设备 Active CN107233093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710367274.8A CN107233093B (zh) 2017-05-23 2017-05-23 R波的检测方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710367274.8A CN107233093B (zh) 2017-05-23 2017-05-23 R波的检测方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN107233093A CN107233093A (zh) 2017-10-10
CN107233093B true CN107233093B (zh) 2020-05-12

Family

ID=59984403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710367274.8A Active CN107233093B (zh) 2017-05-23 2017-05-23 R波的检测方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN107233093B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109009087B (zh) * 2018-08-07 2021-07-06 广州麦笛亚医疗器械有限公司 一种心电信号r波的快速检测方法
CN109820501B (zh) * 2018-11-12 2023-11-28 浙江清华柔性电子技术研究院 一种心电信号r波的识别方法、装置、计算机设备
CN109497994B (zh) * 2019-01-16 2021-08-24 上海掌门科技有限公司 一种心电信号r波的检测方法、设备及计算机可读介质
CN109497995B (zh) * 2019-01-16 2021-08-24 上海掌门科技有限公司 心电信号r波的检测方法、设备及计算机可读介质
CN109934100B (zh) * 2019-01-24 2021-07-13 西安交通大学 一种基于滑动窗口的幅频时变工艺信号分割方法
CN114521899B (zh) * 2020-11-23 2024-02-13 武汉心络科技有限公司 心电信号滤波方法、装置、计算机设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103190901A (zh) * 2013-04-01 2013-07-10 天津工业大学 基于极值域均值模式分解和改进Hilbert包络的R波检测算法
CN103690156A (zh) * 2013-11-22 2014-04-02 东软熙康健康科技有限公司 一种心率获取方法及心电信号的处理方法
CN104021275A (zh) * 2014-05-12 2014-09-03 银江股份有限公司 一种新型心电图相似性度量方法
CN105488772A (zh) * 2016-01-26 2016-04-13 北京市环境保护监测中心 一种传感器信号峰值检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7139605B2 (en) * 2003-03-18 2006-11-21 Massachusetts Institute Of Technology Heart rate monitor
US20120034895A1 (en) * 2010-08-03 2012-02-09 Quintic Holdings Circuit and Method for Peak Detection with Hysteresis

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103190901A (zh) * 2013-04-01 2013-07-10 天津工业大学 基于极值域均值模式分解和改进Hilbert包络的R波检测算法
CN103690156A (zh) * 2013-11-22 2014-04-02 东软熙康健康科技有限公司 一种心率获取方法及心电信号的处理方法
CN104021275A (zh) * 2014-05-12 2014-09-03 银江股份有限公司 一种新型心电图相似性度量方法
CN105488772A (zh) * 2016-01-26 2016-04-13 北京市环境保护监测中心 一种传感器信号峰值检测方法

Also Published As

Publication number Publication date
CN107233093A (zh) 2017-10-10

Similar Documents

Publication Publication Date Title
CN107233093B (zh) R波的检测方法、装置及电子设备
Dohare et al. An efficient new method for the detection of QRS in electrocardiogram
US8433395B1 (en) Extraction of cardiac signal data
Kotas et al. Towards noise immune detection of fetal QRS complexes
CN106923820B (zh) 一种心电信号伪差识别方法及心电信号伪差识别装置
CN110522442B (zh) 多导联心电异常检测装置、电子设备和存储介质
CN112839584B (zh) 用于母体子宫活动检测的系统和方法
Malek et al. Automated detection of premature ventricular contraction in ECG signals using enhanced template matching algorithm
Jaswal et al. QRS detection using wavelet transform
Al-Ani ECG waveform classification based on P-QRS-T wave recognition
Gierałtowski et al. RS slope detection algorithm for extraction of heart rate from noisy, multimodal recordings
US20150012222A1 (en) Method and system for analyzing noise in an electrophysiology study
Pangerc et al. Robust detection of heart beats in multimodal records using slope-and peak-sensitive band-pass filters
Swathi et al. R peak detection and feature extraction for the diagnosis of heart diseases
Talatov et al. Algorithmic and software analysis and processing of ECG signals
Lee et al. A real-time abnormal beat detection method using a template cluster for the ECG diagnosis of IoT devices
Tekeste et al. Adaptive ECG interval extraction
KR101048763B1 (ko) 신호 검출 장치 및 방법
KR101420345B1 (ko) 차감 동작 기법 기반의 심전도 신호의 r파 검출 시스템 및 방법
Vuksanovic et al. Analysis of human electrocardiogram for biometric recognition using analytic and ar modeling extracted parameters
Yazdani et al. A novel preprocessing tool to enhance ECG R-wave extraction
Razavi et al. R-peak detection in electrocardiogram signals using continuous wavelet transform
Hegde et al. A review on ECG signal processing and HRV analysis
Vega-Martínez et al. Wavelet packet based algorithm for QRS region detection and R/S wave identification
Maheshwari et al. Methodology for automated detection of fragmentation in QRS complex of Standard 12-lead ECG

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: 20191220

Address after: Room 189, building H2, phase II, innovation industrial park, 2800 innovation Avenue, high tech Zone, Hefei City, Anhui Province

Applicant after: Anhui China Intelligent Technology Co Ltd

Address before: Anhui city of Hefei province innovation road 230088 No. 2800 high tech Zone Innovation Industrial Park two building H8

Applicant before: ANHUI HUAMI INFORMATION TECHNOLOGY CO., LTD.

GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 230088 No. 01, 5th floor, building B2, Zhongan chuanggu Science Park, No. 900, Wangjiang West Road, high tech Zone, Hefei City, Anhui Province

Patentee after: Anhui huami Health Technology Co.,Ltd.

Address before: Room 189, building H2, phase II, innovation industrial park, 2800 innovation Avenue, high tech Zone, Hefei City, Anhui Province

Patentee before: Anhui Huami Information Technology Co.,Ltd.