CN107303177B - 一种心电图t波、p波的检测方法及系统 - Google Patents
一种心电图t波、p波的检测方法及系统 Download PDFInfo
- Publication number
- CN107303177B CN107303177B CN201610237234.7A CN201610237234A CN107303177B CN 107303177 B CN107303177 B CN 107303177B CN 201610237234 A CN201610237234 A CN 201610237234A CN 107303177 B CN107303177 B CN 107303177B
- Authority
- CN
- China
- Prior art keywords
- array
- value
- wave
- peak
- differential
- 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
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]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种心电图T波、P波的检测方法及系统,通过将原始心电数据进行差分处理,将获得的差分阵列拆分为正差分阵列和负差分阵列,而后分别进行移动均值计算,再将正差分均值阵列中的每一个数列值分别除以负差分均值阵列中相应的数列值,从而获得放大的心电数据阵列。在该方法中,在R波、T波、P波的波峰处,上升的趋势达到局部最大,下降的趋势达到局部最小,通过T波、P波的波峰处的上升趋势和下降趋势之间的比值数据,可以把T波、P波的位置明显的凸显出来,使得原本低矮平缓的T波、P波更容易被检测出来。
Description
技术领域
本发明涉及心电监护技术领域,特别涉及一种心电图T波、P波的检测方法及系统。
背景技术
心电图是记录人体的心脏跳动产生的规律性电位变化的信号,用来观测患者心脏情况。在心电图信号的波形中,一次心动周期会记录一系列高低宽窄不同的波形,包括P波、T波和R波等,分别代表心脏的不同组成的健康情况。
目前,心电图信号P波和T波的检测方法主要有两类,一类是通过对心电数据的变换处理,来检测P波和T波;另一类是利用P波和T波的幅度和斜率等特征来进行检测。然而,由于P波和T波在心电图信号中相对低矮且平缓,易被噪声干扰,会出现漏检或多检的情况,造成检测结果的不准确。
发明内容
有鉴于此,本发明的目的在于提供一种心电图T波、P波的检测方法及系统,使得原本低矮平缓的T波、P波更容易被检测出来。
为实现上述目的,本发明有如下技术方案:
一种心电图T波、P波的检测方法,包括:
获得原始心电数据的差分阵列;
通过差分阵列分别获得正差分阵列和负差分阵列,其中,在正差分阵列中的正数列值为差分阵列中的正数列值,正差分阵列中的0数列值对应差分阵列中的正数列值之外的其他数列值,在负差分阵列中的非零数列值为差分阵列中的负数列值的绝对值,负差分阵列中的0数列值对应差分阵列中的负数列值之外的其他数列值;
将正差分阵列和负差分阵列分别进行预设时间段内的移动均值运算,以分别获得正差分均值阵列和负差分均值阵列;
将正差分均值阵列中的每一个数列值分别除以负差分均值阵列中相应的数列值,以获得放大的心电数据阵列;
从放大的心电数据阵列中检测T波和/或P波。
可选的,将正差分阵列和负差分阵列分别进行预设时间段内的移动均值运算的步骤中还包括:
将进行移动均值运算后的正差分阵列和负差分阵列分别进行均值优化处理,均值优化处理中将每一个数列值与其前一个数列值的n-1倍求和之后除以n,以分别获得正差分均值阵列和负差分均值阵列,n为预设时间段内的心电数据采样次数。
可选的,从放大的心电数据阵列中检测T波和/或P波的步骤包括:
从放大的心电数据阵列中选择出符合预设阈值的数列值作为峰值;
根据峰值距离相邻的两个R波的波峰的时间差,确定峰值为T波或P波的波峰。
可选的,从放大的心电数据阵列中选择出符合预设阈值的峰值的步骤包括:
将放大的心电数据阵列中的每一个数列值进行百分法的数据量化,得到量化的心电数据阵列;
将量化的心电数据阵列中的R波的数列值置为特定值,以获得去除R波的心电数据阵列;
从去除R波的心电数据阵列中选择出超过一个预设阈值的数列值作为峰值,其中,特定值小于预设阈值。
可选的,将量化的心电数据阵列中的R波的数列值置为特定值的步骤包括:
将量化的心电数据阵列中的每一个心动周期的数列值的最大值作为R波的波峰;
将以R波的波峰为中心的一定时间段内的数列值置为特定值。
可选的,根据峰值距离相邻的两个R波的波峰的时间差,确定峰值为T波或P波的波峰的步骤包括:
判断峰值与其之前的R波的波峰之间的时间差是否不大于该波峰与其之后的R波的波峰之间的时间差;
若是,则判断该峰值与前一个相邻的确定的T波的波峰之间的时间差是否大于预设的第一时间阈值,若是,则认为该峰值为T波的波峰;
若否,则判断该峰值与前一个相邻的确定的P波的波峰之间的时间差是否大于预设的第二时间阈值,若是,则认为该峰值为P波的波峰。
此外,本发明还提供了一种心电图T波、P波的检测系统,包括:
差分阵列单元,用于获得原始心电数据的差分阵列;
差分阵列拆分单元,用于通过差分阵列分别获得正差分阵列和负差分阵列,其中,在正差分阵列中的正数列值为差分阵列中的正数列值,正差分阵列中的0数列值对应差分阵列中的正数列值之外的其他数列值,在负差分阵列中的非零数列值为差分阵列中的负数列值的绝对值,负差分阵列中的0数列值对应差分阵列中的负数列值之外的其他数列值;
移动均值运算单元,用于将正差分阵列和负差分阵列分别进行预设时间段内的移动均值运算,以分别获得正差分均值阵列和负差分均值阵列;
放大的心电数据阵列计算单元,用于将正差分均值阵列中的每一个数列值分别除以负差分均值阵列中相应的数列值,以获得放大的心电数据阵列;
检测单元,用于从放大的心电数据阵列中检测T波和/或P波。
可选的,移动均值运算单元还用于,将进行移动均值运算后的正差分阵列和负差分阵列分别进行均值优化处理,均值优化处理中将每一个数列值与其前一个数列值的n-1倍求和之后除以n,以分别获得正差分均值阵列和负差分均值阵列,n为预设时间段内的心电数据采样次数。
可选的,检测单元包括:
峰值获取单元,用于从放大的心电数据阵列中选择出符合预设阈值的数列值作为峰值;
波峰确定单元,用于根据峰值距离相邻的两个R波的波峰的时间差,确定峰值为T波或P波的波峰。
可选的,在峰值获取单元中,将放大的心电数据阵列中的每一个数列值进行百分法的数据量化,得到量化的心电数据阵列;将量化的心电数据阵列中的R波的数列值置为特定值,以获得去除R波的心电数据阵列;从去除R波的心电数据阵列中选择出超过一个预设阈值的数列值作为峰值,其中,特定值小于预设阈值。
可选的,在峰值获取单元中,将量化的心电数据阵列中的R波的数列值置为特定值具体包括:
将量化的心电数据阵列中的每一个心动周期的数列值的最大值作为R波的波峰;
将以R波的波峰为中心的一定时间段内的数列值置为特定值。
可选的,在波峰确定单元中,判断峰值与其之前的R波的波峰之间的时间差是否不大于该波峰与其之后的R波的波峰之间的时间差;
若是,则判断该峰值与前一个相邻的确定的T波的波峰之间的时间差是否大于预设的第一时间阈值,若是,则认为该峰值为T波的波峰;
若否,则判断该峰值与前一个相邻的确定的P波的波峰之间的时间差是否大于预设的第二时间阈值,若是,则认为该峰值为P波的波峰。
本发明实施例提供的心电图T波、P波的检测方法及系统,通过将原始心电数据进行差分处理,将获得的差分阵列拆分为正差分阵列和负差分阵列,而后分别进行移动均值计算,再将正差分均值阵列中的每一个数列值分别除以负差分均值阵列中相应的数列值,从而获得放大的心电数据阵列。在该方法中,在R波、T波、P波的波峰处,上升的趋势达到局部最大,下降的趋势达到局部最小,通过T波、P波的波峰处的上升趋势和下降趋势之间的比值数据,可以把T波、P波的位置明显的凸显出来,使得原本低矮平缓的T波、P波更容易被检测出来。
进一步地,可以将将放大的心电数据阵列中的每一个数列值进行百分法的数据量化,这样获得归一化的心电数据阵列,这样,利于后续的处理中可以较为方便地检测出T波P波。
进一步地,通过与相邻的两个R波的波峰的时间差来确定是T波或P波的波峰,并进一步判断与前一个确定的T波或P波的波峰之间的时间差,从而确定是否为有效的波峰,避免多检的情况发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1示出了根据本发明实施例的心电图T波、P波的检测方法的流程图;
图2示出了本发明实施例的检测方法中从心电数据阵列中检测T波、P波的流程图;
图3示出了利用本发明实施例的检测方法从心电数据阵列检测出T波、P波的波形图;
图4示出了根据本发明实施例的心电图T波、P波的检测系统的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
本发明提出了一种心电图T波、P波的检测方法,参考图1所示,包括:
获得原始心电数据的差分阵列;
通过差分阵列分别获得正差分阵列和负差分阵列,其中,在正差分阵列中的正数列值为差分阵列中的正数列值,正差分阵列中的0数列值对应差分阵列中的正数列值之外的其他数列值,在负差分阵列中的非零数列值为差分阵列中的负数列值的绝对值,负差分阵列中的0数列值对应差分阵列中的负数列值之外的其他数列值;
将正差分阵列和负差分阵列分别进行预设时间段内的移动均值运算,以分别获得正差分均值阵列和负差分均值阵列;
将正差分均值阵列中的每一个数列值分别除以负差分均值阵列中相应的数列值,以获得放大的心电数据阵列;
从放大的心电数据阵列中检测T波和/或P波。
在该方法中,在R波、T波、P波的波峰处,上升的趋势达到局部最大,下降的趋势达到局部最小,通过T波、P波的波峰处的上升趋势和下降趋势之间的比值数据,可以把T波、P波的位置明显的凸显出来,使得原本低矮平缓的T波、P波更容易被检测出来。
为了更好地理解本发明的技术方案和技术效果,以下将结合流程图对具体的实施例进行详细的描述。
在步骤S01,获得原始心电数据的差分阵列。
在本发明实施例中,原始心电数据是对人体的心脏跳动产生的规律性的电位变化而采集的电信号,可以通过在人体的体表一定位置处安放电极,由电极采集该电位变化,并按时间顺序记录该电信号,也可以进一步将该电信号做一定的降噪处理或其他必要的处理之后,作为原始心电数据,原始心电数据为按时间顺序记录的数据阵列{xk},k≥1,为自然数。
对于原始心电数据,在该步骤中进行了差分处理,从而,获得原始心电数据的差分阵列,差分阵列中的每一个差分值为将原始心电数据中的后一个数减去前一个数,差分阵列为由这些差分值的数列值组成的阵列,即{xk+1-xk},k≥1,为自然数。
在步骤S02,通过差分阵列分别获得正差分阵列和负差分阵列,其中,在正差分阵列中的正数列值为差分阵列中的正数列值,正差分阵列中的0数列值对应差分阵列中的正数列值之外的其他数列值,在负差分阵列中的非零数列值为差分阵列中的负数列值的绝对值,负差分阵列中的0数列值对应差分阵列中的负数列值之外的其他数列值。
在该步骤中按照差分值的正负构建出两个新的阵列,即正差分阵列{a1k}和负差分阵列{a2k},在正差分阵列{a1k}中保留了差分阵列中的正差分值并将其他的差分值置为0,并保持原差分数列的时序序列,这样,获得的正差分阵列中,其正数列值为差分阵列中的正数列值,0值对应差分数列中的其他数列值,即负差分值和0;在负差分阵列{a2k}中,保留了差分阵列中的负差分值的绝对值并将其他的差分值置为0,这样,获得的负差分阵列中,其非零数列值为差分阵列中的负数列值的绝对值,0值对应差分数列中的其他数列值,即正差分值和0,k≥1,为自然数。。
为了更好的理解该步骤,以下以一个具体的示例进行说明,若差分阵列为{-1,-1.5,-2,0,1,1.5,2},那么获得的正差分阵列为{0,0,0,0,1,1.5,2},获得的负差分阵列为{1,1.5,2,0,0,0,0}。可以理解的是,此处的差分阵列仅仅为了更好地理解该步骤,而非真正的由原始心电数据获得的差分阵列,本发明并不限于此。
在步骤S03,将正差分阵列和负差分阵列分别进行预设时间段内的移动均值运算,以分别获得正差分均值阵列和负差分均值阵列。
预设时间段可以根据具体的需要来设定,在预设时间段内的采样次数为n,例如可以根据经验值选择T波出现的一半时间作为预设时间段,在一个实施例中,预设时间段为60ms,在预设时间段内进行移动均值运算,即进行预设时间段内的n个数列值的移动平均值,进而,获得移动均值运算之后的正差分阵列{b1i}和负差分阵列{b2i},进行预设时间段内的移动均值运算的公式如下:
其中,{a1k}是正差分数列,{b1i}为移动均值运算后的正差分阵列,n为预设时间段内的采样次数。
其中,{a2k}是负差分数列,{b2i}为移动均值运算后的负差分阵列,n为预设时间段内的采样次数。
更优地,在进行移动均值运算之后,还将进行移动均值运算后的正差分阵列和负差分阵列分别进行均值优化处理,均值优化处理中将每一个数列值与其前一个数列值的n-1倍求和之后除以n,以分别获得正差分均值阵列和负差分均值阵列,n为预设时间段内的心电数据采样次数。这样,可以去除移动均值运算后的正差分阵列以及负差分阵列中的0值,便于提高后续的计算的准确性和有效性。具体的计算公式如下:
其中,{b1i}、{b2i}分别为移动均值运算后的正差分阵列、负差分阵列,n为预设时间段内的采样次数。
这样,就分别获得了进行预设时间段内的移动均值运算之后的正差分均值阵列{c1i}和负差分均值阵列{c2i}。
在步骤S04,将正差分均值阵列中的每一个数列值分别除以负差分均值阵列中相应的数列值,以获得放大的心电数据阵列。
在该步骤中,进行以下运算:di=c1i/c2i,从而,获得放大的心电数据阵列{di}。
经过S01-S03的步骤,将原始心电数据中的上升的趋势和下降的趋势分别提取出来了,在R波、T波、P波的波峰处,上升的趋势达到局部最大,下降的趋势达到局部最小,通过T波、P波的波峰处的上升趋势和下降趋势之间的进行比值,可以把T波、P波的位置明显的凸显出来。
在步骤S05,从放大的心电数据阵列中检测T波和/或P波。
经过上述的步骤之后,心电数据都得到了放大,使得T波、P波的位置明显的凸显出来,这样,有利于从放大的心电数据阵列中检测出T波、P波,在本发明实施例中,可以采用各种合适的方法进行T波、P波的检测,例如可以为幅度阈值检测法、斜率阈值检测法、小波处理检测法、相对位置检测法等。
在本发明优选的实施例中,采用如下方法从放大的心电数据阵列中检测T波和/或P波:
首先,在步骤S101,从放大的心电数据阵列中选择出符合预设阈值的数列值作为峰值。
在该步骤中,可以通过预设阈值进行判断,来从放大的数据阵列中选择出一些数列值作为峰值,这些峰值作为备选,可以从这些峰值中确定出T波和/或P波的波峰。
若仅检测T波或P波,可以根据经验值确定T波或P波的预设阈值,用于选择出符合阈值的峰值,若检测T波和P波可以根据经验值预设一个阈值,以用于峰值的选择。
在本发明优选的实施例中,为了简化这种选择,采用如下的步骤从放大的心电数据阵列中选择出符合预设阈值的峰值:
首先,在步骤S1011,将放大的心电数据阵列{di}中的每一个数列值进行百分法的数据量化,得到量化的心电数据阵列{ei}。
该百分法的数据量化是将放大的心电数据阵列{di}中的每一个数列值投影到0-100之间,将这些数列值进行了归一化的处理,具体的计算公式如下:
这样,使得量化的心电数据阵列{ei}中的每一个数列值都在0-100的区间内,便于后续处理数据的标准化。
而后,在步骤S1012,将量化的心电数据阵列中的R波的数列值置为特定值,以获得去除R波的心电数据阵列;在步骤S1013,从去除R波的心电数据阵列中选择出超过一个预设阈值的数列值作为峰值,其中,特定值小于预设阈值。
对于R波,是心电数据中最为突出的数据,将这些数据去除之后,可以便于通过单一的预设阈值就将峰值选择出来,并适用于T波或P波、或T波和P波各种情况下的峰值的选择,具有通用性。
在去除R波的数列值时,可以通过各种方法进行,本实施例中,具体的,将量化的心电数据阵列中的每一个心动周期的数列值的最大值作为R波的波峰;将以R波的波峰为中心的一定时间段内的数列值置为特定值。在心电数据中,所有数据都呈规律出现,因此,量化的心电数据也为规律出现,对于每个心动周期的数列值的最大值一般都是R波的波峰,可以根据经验值,以R波的持续时间确定一个特定时间段,以R波的波峰为中心将该特定时间段内的数列值置为一个特定值,该特定值通常为较小的数值,至少是小于T波和/或P波的峰值的,在本实施例中,特定值小于预设阈值,便于通过预设阈值选择出T波和/或P波的峰值来,特定时间段例如为150ms,特定值例如为50,在归一化之后,数值50相当于数据0。这样,在将R波的数列值都置位数值较小的特定值之后,T波和P波的波峰的数列值为阵列中的较大值,可以通过一个预设阈值就可以判断选择出用于判读T波和/或R波的峰值。
而后,在步骤S102,根据峰值距离相邻的两个R波的波峰的时间差,确定峰值为T波或P波的波峰。
在心电数据中,所有数据都呈规律出现,因此,量化的心电数据也为规律出现,对于每个心动周期的数列值的最大值一般都是R波的波峰,两个R波的波峰之间,先出现的波峰为T波的,后出现的波峰为P波的,利用这个规律,通过峰值距离相邻的两个R波的波峰的时间差,可以确定出每个峰值是T波还是P波的波峰。在现有技术中,通过这种相对位置关系来确定出T波和P波的波峰,然而,这种相对位置关系仅适合一个相邻的R波的波峰之间仅存在两个峰值的情况,但由于峰值的数量存在不确定性,会导致多检或错检的出现。
在本发明的优选实施例中,提出了如下的优选方法,以防止多检和误检的情况,提高检测的准确率。
具体的,参考图2所示,在步骤S201,判断峰值与其之前的R波的波峰之间的时间差是否不大于该波峰与其之后的R波的波峰之间的时间差。
该步骤用于判断峰值与前后两个R波的波峰之间的时间差,该时间差表明该峰值与两个R波的相对位置关系,距离前一个R波较近,则可能为该相邻R波周期内先出现的T波的波峰,距离后一个R波较近,则可能为该相邻R波周期内后出现的P波的波峰。
由于心电信号的重复性和规律性的特点,在正常情况下,对于相邻的T波或P波的波峰之间应该是保持相对稳定的一个距离,若峰值之间间距过小,则可能为干扰信号。基于此,在判断峰值与R波的相对位置之后,继续进行与相邻的确定的T波或P波的波峰之间的时间间距是否符合条件,从而排除异常峰值。
在步骤S202,若是,则判断该峰值与前一个相邻的确定的T波的波峰之间的时间差是否大于预设的第一时间阈值,若是,则认为该峰值为T波的波峰。
对于峰值与其之前的R波的波峰之间的时间差小于或等于该波峰与其之后的R波的波峰之间的时间差时,该峰值有可能为T波的波峰,对此,进行进一步的判断,判断该峰值与前一个相邻的已确定的T波的波峰的时间差,若该时间差大于一个预设的第一时间阈值,如400ms,则认为该峰值为T波的波峰,若不是,则该峰值与前一个波峰的间距过短,可能为噪声数据,则舍弃该峰值。
在步骤S203,若否,则判断该峰值与前一个相邻的确定的P波的波峰之间的时间差是否大于预设的第二时间阈值,若是,则认为该峰值为P波的波峰。
对于峰值与其之前的R波的波峰之间的时间差大于该波峰与其之后的R波的波峰之间的时间差时,该峰值有可能为P波的波峰,对此,进行进一步的判断,判断该峰值与前一个相邻的已确定的P波的波峰的时间差,若该时间差大于一个预设的第一时间阈值,如400ms,则认为该峰值为P波的波峰,若不是,则该峰值与前一个波峰的间距过短,可能为噪声数据,则舍弃该峰值。
在一个相邻的R波波峰的周期内,峰值可能为0个,也可能为1个,也可能为2个或两个以上。
若峰值为0个,则该周期内不存在T波或P波。
若峰值为1个,通过上述的判断,可以有效判断出该峰值为T波或P波的波峰。
若峰值为为2个或两个以上,对每一个峰值进行上述的判断,可以有效判断出该峰值为T波或P波的波峰,并舍弃多余的峰值。
参考图3所示,为通过本发明上述优选实施例检测出的T波和P波的采样波形示意图,可以看到,该方法有效的检出T波和P波波峰,避免多检的情况发生。
以上对本发明实施例的心电图T波、P波的检测方法进行了详细的描述,此外,本发明还提供了实现上述方法的系统,参考图4所示,包括:
差分阵列单元,用于获得原始心电数据的差分阵列;
差分阵列拆分单元,用于通过差分阵列分别获得正差分阵列和负差分阵列,其中,在正差分阵列中的正数列值为差分阵列中的正数列值,正差分阵列中的0数列值对应差分阵列中的正数列值之外的其他数列值,在负差分阵列中的非零数列值为差分阵列中的负数列值的绝对值,负差分阵列中的0数列值对应差分阵列中的负数列值之外的其他数列值;
移动均值运算单元,用于将正差分阵列和负差分阵列分别进行预设时间段内的移动均值运算,以分别获得正差分均值阵列和负差分均值阵列;
放大的心电数据阵列计算单元,用于将正差分均值阵列中的每一个数列值分别除以负差分均值阵列中相应的数列值,以获得放大的心电数据阵列;
检测单元,用于从放大的心电数据阵列中检测T波和/或P波。
进一步地,移动均值运算单元还用于,将进行移动均值运算后的正差分阵列和负差分阵列分别进行均值优化处理,均值优化处理中将每一个数列值与其前一个数列值的n-1倍求和之后除以n,以分别获得正差分均值阵列和负差分均值阵列,n为预设时间段内的心电数据采样次数。
进一步地,检测单元包括:
峰值获取单元,用于从放大的心电数据阵列中选择出符合预设阈值的数列值作为峰值;
波峰确定单元,用于根据峰值距离相邻的两个R波的波峰的时间差,确定峰值为T波或P波的波峰。
进一步地,在峰值获取单元中,将放大的心电数据阵列中的每一个数列值进行百分法的数据量化,得到量化的心电数据阵列;将量化的心电数据阵列中的R波的数列值置为特定值,以获得去除R波的心电数据阵列;从去除R波的心电数据阵列中选择出超过一个预设阈值的数列值作为峰值,其中,特定值小于预设阈值。
进一步地,在峰值获取单元中,将量化的心电数据阵列中的R波的数列值置为特定值具体包括:
将量化的心电数据阵列中的每一个心动周期的数列值的最大值作为R波的波峰;
将以R波的波峰为中心的一定时间段内的数列值置为特定值。
进一步地,在波峰确定单元中,判断峰值与其之前的R波的波峰之间的时间差是否不大于该波峰与其之后的R波的波峰之间的时间差;
若是,则判断该峰值与前一个相邻的确定的T波的波峰之间的时间差是否大于预设的第一时间阈值,若是,则认为该峰值为T波的波峰;
若否,则判断该峰值与前一个相邻的确定的P波的波峰之间的时间差是否大于预设的第二时间阈值,若是,则认为该峰值为P波的波峰。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅是本发明的优选实施方式,虽然本发明已以较佳实施例披露如上,然而并非用以限定本发明。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何的简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (12)
1.一种心电图T波、P波的检测方法,其特征在于,包括:
获得原始心电数据的差分阵列;
通过差分阵列分别获得正差分阵列和负差分阵列,其中,在正差分阵列中的正数列值为差分阵列中的正数列值,正差分阵列中的0数列值对应差分阵列中的正数列值之外的其他数列值,在负差分阵列中的非零数列值为差分阵列中的负数列值的绝对值,负差分阵列中的0数列值对应差分阵列中的负数列值之外的其他数列值;
将正差分阵列和负差分阵列分别进行预设时间段内的移动均值运算,以分别获得正差分均值阵列和负差分均值阵列;
将正差分均值阵列中的每一个数列值分别除以负差分均值阵列中相应的数列值,以获得放大的心电数据阵列;
从放大的心电数据阵列中检测T波和/或P波。
2.根据权利要求1所述的检测方法,其特征在于,将正差分阵列和负差分阵列分别进行预设时间段内的移动均值运算的步骤中还包括:
将进行移动均值运算后的正差分阵列和负差分阵列分别进行均值优化处理,均值优化处理中将每一个数列值与其前一个数列值的n-1倍求和之后除以n,以分别获得正差分均值阵列和负差分均值阵列,n为预设时间段内的心电数据采样次数。
3.根据权利要求1或2所述的检测方法,其特征在于,从放大的心电数据阵列中检测T波和/或P波的步骤包括:
从放大的心电数据阵列中选择出符合预设阈值的数列值作为峰值;
根据峰值距离相邻的两个R波的波峰的时间差,确定峰值为T波或P波的波峰。
4.根据权利要求3所述的检测方法,其特征在于,从放大的心电数据阵列中选择出符合预设阈值的峰值的步骤包括:
将放大的心电数据阵列中的每一个数列值进行百分法的数据量化,得到量化的心电数据阵列;
将量化的心电数据阵列中的R波的数列值置为特定值,以获得去除R波的心电数据阵列;
从去除R波的心电数据阵列中选择出超过一个预设阈值的数列值作为峰值,其中,特定值小于预设阈值。
5.根据权利要求4所述的检测方法,其特征在于,将量化的心电数据阵列中的R波的数列值置为特定值的步骤包括:
将量化的心电数据阵列中的每一个心动周期的数列值的最大值作为R波的波峰;
将以R波的波峰为中心的一定时间段内的数列值置为特定值。
6.根据权利要求4所述的检测方法,其特征在于,根据峰值距离相邻的两个R波的波峰的时间差,确定峰值为T波或P波的波峰的步骤包括:
判断峰值与其之前的R波的波峰之间的时间差是否不大于该波峰与其之后的R波的波峰之间的时间差;
若是,则判断该峰值与前一个相邻的确定的T波的波峰之间的时间差是否大于预设的第一时间阈值,若是,则认为该峰值为T波的波峰;
若否,则判断该峰值与前一个相邻的确定的P波的波峰之间的时间差是否大于预设的第二时间阈值,若是,则认为该峰值为P波的波峰。
7.一种心电图T波、P波的检测系统,其特征在于,包括:
差分阵列单元,用于获得原始心电数据的差分阵列;
差分阵列拆分单元,用于通过差分阵列分别获得正差分阵列和负差分阵列,其中,在正差分阵列中的正数列值为差分阵列中的正数列值,正差分阵列中的0数列值对应差分阵列中的正数列值之外的其他数列值,在负差分阵列中的非零数列值为差分阵列中的负数列值的绝对值,负差分阵列中的0数列值对应差分阵列中的负数列值之外的其他数列值;
移动均值运算单元,用于将正差分阵列和负差分阵列分别进行预设时间段内的移动均值运算,以分别获得正差分均值阵列和负差分均值阵列;
放大的心电数据阵列计算单元,用于将正差分均值阵列中的每一个数列值分别除以负差分均值阵列中相应的数列值,以获得放大的心电数据阵列;
检测单元,用于从放大的心电数据阵列中检测T波和/或P波。
8.根据权利要求7所述的检测系统,其特征在于,移动均值运算单元还用于,将进行移动均值运算后的正差分阵列和负差分阵列分别进行均值优化处理,均值优化处理中将每一个数列值与其前一个数列值的n-1倍求和之后除以n,以分别获得正差分均值阵列和负差分均值阵列,n为预设时间段内的心电数据采样次数。
9.根据权利要求7或8所述的检测系统,其特征在于,检测单元包括:
峰值获取单元,用于从放大的心电数据阵列中选择出符合预设阈值的数列值作为峰值;
波峰确定单元,用于根据峰值距离相邻的两个R波的波峰的时间差,确定峰值为T波或P波的波峰。
10.根据权利要求9所述的检测系统,其特征在于,在峰值获取单元中,将放大的心电数据阵列中的每一个数列值进行百分法的数据量化,得到量化的心电数据阵列;将量化的心电数据阵列中的R波的数列值置为特定值,以获得去除R波的心电数据阵列;从去除R波的心电数据阵列中选择出超过一个预设阈值的数列值作为峰值,其中,特定值小于预设阈值。
11.根据权要求10所述的检测系统,其特征在于,在峰值获取单元中,将量化的心电数据阵列中的R波的数列值置为特定值具体包括:
将量化的心电数据阵列中的每一个心动周期的数列值的最大值作为R波的波峰;
将以R波的波峰为中心的一定时间段内的数列值置为特定值。
12.根据权利要求10所述的检测系统,其特征在于,在波峰确定单元中,判断峰值与其之前的R波的波峰之间的时间差是否不大于该波峰与其之后的R波的波峰之间的时间差;
若是,则判断该峰值与前一个相邻的确定的T波的波峰之间的时间差是否大于预设的第一时间阈值,若是,则认为该峰值为T波的波峰;
若否,则判断该峰值与前一个相邻的确定的P波的波峰之间的时间差是否大于预设的第二时间阈值,若是,则认为该峰值为P波的波峰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610237234.7A CN107303177B (zh) | 2016-04-15 | 2016-04-15 | 一种心电图t波、p波的检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610237234.7A CN107303177B (zh) | 2016-04-15 | 2016-04-15 | 一种心电图t波、p波的检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107303177A CN107303177A (zh) | 2017-10-31 |
CN107303177B true CN107303177B (zh) | 2020-04-14 |
Family
ID=60151353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610237234.7A Active CN107303177B (zh) | 2016-04-15 | 2016-04-15 | 一种心电图t波、p波的检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107303177B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109984740A (zh) * | 2018-01-03 | 2019-07-09 | 四川锦江电子科技有限公司 | 一种在体表ecg数据中定位心电特征的设备和方法 |
CN109009073B (zh) * | 2018-07-20 | 2021-07-20 | 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 |
CN110897627B (zh) * | 2018-09-14 | 2023-04-18 | 杭州脉流科技有限公司 | 心电图信号特征提取方法、装置、设备、系统和存储介质 |
CN109171711A (zh) * | 2018-11-14 | 2019-01-11 | 中国计量大学 | 一种基于极值法的快速p波检测方法 |
CN109745035B (zh) * | 2019-01-23 | 2021-04-20 | 深圳大学 | 心电信号波形检测方法 |
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 |
CN111134659B (zh) * | 2020-01-17 | 2022-04-26 | 上海乐普云智科技股份有限公司 | 一种用于心电信号中p波和t波的检测方法和装置 |
CN115408373A (zh) * | 2021-05-26 | 2022-11-29 | 中兴通讯股份有限公司 | 数据处理方法及设备、计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104736049A (zh) * | 2012-09-11 | 2015-06-24 | 德尔格医疗系统有限公司 | 用于检测egg波形中的特性的系统和方法 |
WO2015164295A1 (en) * | 2014-04-24 | 2015-10-29 | Medtronic, Inc. | Method and apparatus for adjusting a blanking period for selecting a sensing vector configuration in a medical device |
WO2015195806A1 (en) * | 2014-06-17 | 2015-12-23 | University Of Virginia Patent Foundation | System and method for improved cardiac rhythm classification from time between heart beat intervals using non-linear dynamics |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DK1790285T3 (da) * | 2004-05-20 | 2013-05-21 | Kiyoshi Takizawa | Diagnostisk fremgangsmåde og apparat hertil samt diagnoseprogram |
US20060116596A1 (en) * | 2004-12-01 | 2006-06-01 | Xiaohong Zhou | Method and apparatus for detection and monitoring of T-wave alternans |
US9258300B2 (en) * | 2012-10-29 | 2016-02-09 | Tzu Chi University | ECG measuring device and method thereof |
CN103006209B (zh) * | 2012-12-29 | 2014-10-22 | 重庆康如来科技有限公司 | 心电信号检波方法及检波器 |
CN103860167B (zh) * | 2014-04-02 | 2015-09-09 | 太原理工大学 | 基于非负矩阵分解的j波提取和分析方法 |
CN104000581B (zh) * | 2014-06-25 | 2015-12-30 | 飞依诺科技(苏州)有限公司 | 心电信号处理方法及装置 |
CN104720794B (zh) * | 2015-04-13 | 2017-02-22 | 康泰医学系统(秦皇岛)股份有限公司 | 一种叠加检测心电波形r点的方法 |
-
2016
- 2016-04-15 CN CN201610237234.7A patent/CN107303177B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104736049A (zh) * | 2012-09-11 | 2015-06-24 | 德尔格医疗系统有限公司 | 用于检测egg波形中的特性的系统和方法 |
WO2015164295A1 (en) * | 2014-04-24 | 2015-10-29 | Medtronic, Inc. | Method and apparatus for adjusting a blanking period for selecting a sensing vector configuration in a medical device |
WO2015195806A1 (en) * | 2014-06-17 | 2015-12-23 | University Of Virginia Patent Foundation | System and method for improved cardiac rhythm classification from time between heart beat intervals using non-linear dynamics |
Also Published As
Publication number | Publication date |
---|---|
CN107303177A (zh) | 2017-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107303177B (zh) | 一种心电图t波、p波的检测方法及系统 | |
Karimipour et al. | Real-time electrocardiogram P-QRS-T detection–delineation algorithm based on quality-supported analysis of characteristic templates | |
Yeh et al. | QRS complexes detection for ECG signal: The Difference Operation Method | |
US6597943B2 (en) | Method of using spectral measures to distinguish among atrialfibrillation, atrial-flutter and other cardiac rhythms | |
Sabherwal et al. | Automatic detection of the R peaks in single-lead ECG signal | |
CN109009073B (zh) | 房颤检测装置及存储介质 | |
Kumar et al. | Detection and classification of ECG noises using decomposition on mixed codebook for quality analysis | |
CN109222964B (zh) | 房颤检测装置及存储介质 | |
Alcaraz et al. | A novel application of sample entropy to the electrocardiogram of atrial fibrillation | |
US11638562B2 (en) | Brain activity analysis method and apparatus thereof | |
Rai et al. | De-noising of ECG Waveforms based on Multi-resolution Wavelet Transform | |
CN109077721B (zh) | 房颤检测装置及存储介质 | |
Dora et al. | Robust ECG artifact removal from EEG using continuous wavelet transformation and linear regression | |
Bruun et al. | Automatic atrial fibrillation detection: A novel approach using discrete wavelet transform and heart rate variability | |
Illanes-Manriquez et al. | An algorithm for robust detection of QRS onset and offset in ECG signals | |
CN113693605B (zh) | 一种神经信号实时去除刺激伪迹的方法、装置及介质 | |
Sörnmo et al. | Detection of atrial fibrillation | |
CN110179456B (zh) | 心电噪声识别模型训练及心电噪声检测方法、装置 | |
US8706203B2 (en) | Classification of a signal in a time domain | |
CN102302373A (zh) | 基于复用多分辨率小波变换的心音信号特征点检测方法 | |
Kannathal et al. | Analysis of electrocardiograms | |
CN114795241B (zh) | 一种心电信号的噪声检测方法及系统 | |
Tun et al. | Analysis of computer aided identification system for ECG characteristic points | |
Rehman et al. | A novel approach for R-peak detection in the electrocardiogram (ECG) signal | |
Alhussainy | QRS complex detection and R–R interval computation based on discrete wavelet transform |
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 |