CN107320096A - 一种心电r波定位方法 - Google Patents

一种心电r波定位方法 Download PDF

Info

Publication number
CN107320096A
CN107320096A CN201710446873.9A CN201710446873A CN107320096A CN 107320096 A CN107320096 A CN 107320096A CN 201710446873 A CN201710446873 A CN 201710446873A CN 107320096 A CN107320096 A CN 107320096A
Authority
CN
China
Prior art keywords
mrow
msub
width
electrocardiosignal
signal
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
CN201710446873.9A
Other languages
English (en)
Other versions
CN107320096B (zh
Inventor
庞春颖
张晗
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.)
Changchun University of Science and Technology
Original Assignee
Changchun University of Science and Technology
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 Changchun University of Science and Technology filed Critical Changchun University of Science and Technology
Priority to CN201710446873.9A priority Critical patent/CN107320096B/zh
Publication of CN107320096A publication Critical patent/CN107320096A/zh
Application granted granted Critical
Publication of CN107320096B publication Critical patent/CN107320096B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods

Landscapes

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

Abstract

一种心电R波定位方法，涉及信号处理技术领域，解决现有技术存在的心电信号动态采集过程中引入噪声、心电信号R波识别率第、运算速度慢的问题，包括形态学处理，移动窗处理，生理阈值处理，本发明方法能够抑制心电信号采集过程中各种复杂的干扰和噪声，对心电信号的识别率高，时间复杂度低，同时减少硬件电路开销，缩减整体设备体积，减轻系统重量，从而提高可穿戴设备的便携性，因此可广泛应用于嵌入式设备和手机中。本发明减少了可穿戴设备中CPU计算量，降低设备功耗，使CPU能够执行更多的功能，这对可穿戴设备来说至关重要。

Description

一种心电R波定位方法
技术领域
本发明涉及信号处理技术领域，具体涉及一种心电R波定位方法，本发明是一种适用于嵌入式心电监测设备的心电R波快速定位方法。
背景技术
心电图(ECG)是利用心电描记器从体表记录心脏每一心动周期所产生的电位变化的图形。其中QRS波是正常心电图中幅度最大的波群。R波检测以及对R波峰值点的准确定位是心电信号分析处理的必要条件。
实现R波的定位方法比较多。经典的定位方法如差分法和带通滤波法，现代的定位方法有小波变换法和数学形态学法。这些方法各有利弊，差分法原理简单，但在处理带有干扰的信号时效果差，识别率不高。带通滤波法可抑制高频和低频噪声，同时能增强QRS波，但滤波器的频段固定，不够灵活。国外的Patrick等人用三个微分公式制作了一个动态心电模型，用这个模板匹配采集到的心电信号并从中定位QRS波群。Li C等人使用小波变换近似ECG信号，可以将R波波峰从基线漂移等干扰中提取出来。刘忠国，Trahanias等人分别用数学形态学的方法滤除心电信号中的干扰并且突出其中的尖峰信号，并通过设定阈值定位QRS波群。以上这些方法在心电信号无噪声或者噪声干扰相对稳定的情况下处理效果较为理想，但对于心电信号夹杂着多种噪声的情况就表现欠佳。而I.S.Siva Rao通过PT算法对ECG信号分别进行带通滤波、微分、平方、滑窗积分等处理，再进行小波变换，最后得到放大的R波信号。这种方法的优势是能处理带噪声的心电信号，同时减少了经典算法的误检率，提高了R波的识别率。但是由于处理过程复杂，导致运算速度慢，无法满足心电信号实时监测的需求。
另外Sasan Yazdani和Jean-Marc Vesin应用形态学中的Top-Hat变换进行了心电信号的R波定位；李阳等人使用移动窗算法识别ECG信号中的R波信号。这两种方法的单独使用都取得了较好的效果。但是可穿戴心电监测设备由于受到检测个体肢体运动的影响，所产生的干扰更为严重和复杂，如肌电干扰，体表电极移动引起的运动伪差，以及肢体运动和呼吸引起的基线漂移等，导致上述方法的定位效果并不理想，这就是很多可穿戴的嵌入式心电监测仪精度不高的主要原因。
发明内容
本发明的目的在于提出一种心电R波定位方法，解决现有技术存在的心电信号动态采集过程中引入噪声、心电信号R波识别率第、运算速度慢的问题。
为实现上述目的，本发明的一种心电R波定位方法，由以下步骤实现：
步骤一、改进的形态学处理，对采集的心电信号原始数据进行形态学处理，通过形态学中的结构元素对ECG信号中的尖峰形状进行判定，保留QRS波群中的R波信号的尖峰，去除ECG信号中形状不是尖峰或尖峰宽度大于R波尖峰宽度的干扰信号，获得形态学处理后的ECG信号；
步骤一中，选择结构元素为扁平结构元素，并设定扁平结构元素的宽度为N，其他信号宽度为M；
当M≤N时，保留心电信号的信息，
当M>N时，滤除心电信号的信息，所述扁平结构元素的宽度与R波信号底部宽度相同，采用下式获得最优的扁平结构元素；
式中，goptimum为最优的扁平结构元素的长度，[]为取整，f为信号的采样频率，TR为R波信号的底部宽度；
步骤二、移动窗处理，对步骤一中进行形态学处理后的ECG信号进行移动窗处理，通过改变移动窗宽度调节对尖峰信号的突出程度，实现R波信号的定位；
具体过程为：采用下式进行计算，获得移动窗处理后的数据S(n)；
y1(n)＝f(n)-f(n-t1)
y2(n)＝f(n)-f(n+t2)
S(n)＝y1(n)×y2(n)
式中，t1为正在处理数据的X轴位置到移动窗左边界的距离，t2为到移动窗右边界的距离，n＝t1+1,t1+2……TR-t2，TR为时间窗的宽度，
第n个数据的值与左侧第n-t1个数据的值f(n-t1)做差得到y1(n)，第n个数据的值与右侧第n+t2个数据的值f(n+t2)做差得到y2(n)，y1(n)×y2(n)＝S(n)为经移动窗处理后的数据，f(n)为经过形态学处理后的第n个数据的心电信号；
设定移动窗的宽度大于等于QRS波的宽度，移动窗的宽度大于最优的扁平结构元素的长度goptimum，实现定位特定宽度的R波信号；
步骤三、生理阈值处理，将QRS波持续时间作为判断阈值，并通过所述判断阈值对步骤二获得的特定宽度的R波信号做差分处理，获得ECG信号中的R波位置。
本发明的有益效果：
一、本发明所述的方法针对QRS波形特征以及可穿戴医疗设备引入的噪声特点，采用改进的形态学Top-Hat处理方法，并结合移动窗处理，最后通过设定人体生理阈值，实现R波快速和准确定位。
二、本发明所述的方法是一种识别能力高，处理过程消耗小的R波识别方法。该方法能够快速的处理原始心电信号，从包含高频和低频噪声的信号中找到QRS波群中的R波，并将R波放大提取。
三、本发明方法能够抑制心电信号采集过程中各种复杂的干扰和噪声，对心电信号的识别率高，时间复杂度低，同时减少硬件电路开销，缩减整体设备体积，减轻系统重量，从而提高可穿戴设备的便携性，因此可广泛应用于嵌入式设备和手机中。
四、本发明方法运算速度快，减少了可穿戴设备中CPU计算量，降低设备功耗，使CPU能够执行更多的功能，这对可穿戴设备来说至关重要。
附图说明
图1为本发明所述的一种心电R波定位方法的流程图；
图2为本发明所述的一种心电R波定位方法中移动窗运算过程示意图；
图3为本发明所述的一种心电R波定位方法中采用形态学处理的室性偶联心电信号效果图；
图4为本发明所述的一种心电R波定位方法采用移动窗处理室性偶联心电信号效果图；
图5为本发明所述的一种心电R波定位方法采用改进的形态学-移动窗处理的室性偶联心电信号效果图。
具体实施方式
具体实施方式一、结合图1至图5说明本实施方式，适用于嵌入式心电监测设备的心电R波快速定位方法，实现对ECG信号处理并定位QRS波群中的R波信号。包括1.改进的形态学算法处理；2.移动窗运算处理；3.生理阈值处理。
具体过程为：
一、改进的形态学算法处理：
考虑到心电信号中QRS波群的形态学特征属于尖峰，因此在使用Top-Hat运算时去掉其中的膨胀运算，只采用腐蚀运算来保留和突出原信号的波峰信息，这样更有利于心电信号的尖峰提取。具体运算步骤如下：
采用运算公式(1)对心电信号进行处理。
f(n)＝f0(n)-f0(n)Θg(n) (1)
式中，f(n)为改进的形态学算法处理后的心电信号，f0(n)为要处理的原始心电信号，g(n)代表长度为n的结构元素，设f1(n)＝f0(n)Θg(n)表示g(n)对f0(n)做腐蚀运算，其中腐蚀运算的计算步骤为公式(2)。
式中，i代表心电信号的第i个元素，x代表的是结构元素。
要使以上的运算过程可靠有效，必须使用一个特定的结构元素。结构元素的结构和形状是我们重点考虑的问题，因为它对运算的结果有很大的影响。由于需要提取R波的波峰并抑制其他波形信号，所以选择扁平结构元素。设扁平结构元素的宽度为N，信号中其他信号宽度为M。M≤N时心电信号中的信息可以保留，M>N时心电信号的信息将会被滤除。对R波识别无用的部分心电信号和噪声被滤除，另外选择的结构元素的宽度应与R波底部宽度一样，以滤除宽度小于R波的波形信号。最优的结构元素选择采用公式(3)。
式中goptimum为最优的扁平结构元素的长度，[]表示取整，f为信号的采样频率，R波的底部宽度(即R波的持续时间)为TR(ms)，其范围在25～40ms之间。根据公式(3)确定了最优的扁平结构元素的长度。
二、移动窗处理，对形态学处理之后的ECG信号进行移动窗处理，通过改变窗宽度调节对尖峰信号的突出程度，强化R波宽度的信号，抑制其他宽度的波形信号，从而定位特定宽度的R波信号；具体过程为：
对于步骤一处理后的心电信号，进行以下运算
y1(n)＝f(n)-f(n-t1). (4)
y2(n)＝f(n)-f(n+t2) (5)
S(n)＝y1(n)×y2(n) (6)
式中，t1表示正在处理数据的x轴位置到移动窗左边界的距离，t2表示到右边界的距离，n＝t1+1,t1+2……TR-t2。TR为时间窗的宽度，其他信号表示结合图2，。设数据处理到第n个数据f(n)(n起始量大于t1)，第n个数据的值与左侧第n-t1数据做差得到y1(n)，第n个数据的值与右侧第n+t2数据做差得到y2(n)。y1(n)×y2(n)＝S(n)为经移动窗处理后的数据。
为了充分观察R波，窗口的宽度要能够包含QRS波群，并且要尽可能接近QRS波的宽度。虽然正常的ECG信号占大多数，但由于个体之间的差距和病变导致的QRS波群宽变化，窗口的宽度要比最优的扁平结构元素的长度goptimum宽。当窗口尺寸设计的和R波宽度接近的时候就可以加强对其他尺寸波形的抑制，加强对尖峰信号的突出程度，从而定位特定宽度的波。
三、生理阈值处理，以人体产生的QRS波持续时间作为判断阈值，通过这个判断阈值对上述处理后的信号做差分处理进行心电R波具体位置的确定。
具体过程为：
经步骤二处理完信号后需要通过QRS波持续时间作为判断阈值确定QRS波群中R波具体的位置，本实施方式利用差分法确定尖峰的位置。另外QRS有效阈值选取范围按照公式(7)设置。
其中，QRSvaild表示QRS波群的判断阈值。RC是在ECG信号中检测特征信号f2的候选R波特征值的位置，RP是RC之前确定的R波位置。人体的ECG信号中R-R间隔即RP与RC之间最小值不会小于250ms，最大值不会大于1800ms。QRSWidth的宽度不会小于25ms。
本实施方式按照上述处理过程，分别对室性偶联心电信号进行了改进形态学—移动窗，生理阈值联合处理，处理后的效果结合图5，图中上方实线线型为原始的心电信号，下方虚线线型为改进的形态学—加窗处理后的心电信号，虚线顶尖上的实心圆点就是对处理后的信号进行差分阈值定位的R波位置。
从图中我们可以清晰地看到，R波能够被准确定位，准确率可达99.6％。为了对比不同方法的处理效果，还对室性偶联心电信号进行了独立的形态学处理、窗运算处理，处理后的效果结合图3至图4。图中上方实线为原始心电信号，下方虚线为经过形态学和移动窗处理后的信号。
从图3和图4中可以看出，由于一些干扰的宽度和R波相同，单独使用形态学和移动窗的方法，处理后的信号仍然带有很多干扰，这些干扰必然降低R波的识别率。另外在改进的形态学处理过程中，由于改进了运算过程，简化了运算步骤，因此提高了CPU的运行效率，完全适用于嵌入式心电监测设备。

Claims (3)

1.一种心电R波定位方法，其特征是，该方法由以下步骤实现：
步骤一、改进的形态学处理，对采集的心电信号原始数据进行形态学处理，通过形态学中的结构元素对ECG信号中的尖峰形状进行判定，保留QRS波群中的R波信号的尖峰，去除ECG信号中形状不是尖峰或尖峰宽度大于R波的干扰信号，获得形态学处理后的ECG信号；
步骤一中，选择结构元素为扁平结构元素，并设定扁平结构元素的宽度为N，其他信号宽度为M；
当M≤N时，保留心电信号的信息，
当M>N时，滤除心电信号的信息，所述扁平结构元素的宽度与R波信号底部宽度相同，采用下式获得最优的扁平结构元素；
<mrow> <msub> <mi>g</mi> <mrow> <mi>o</mi> <mi>p</mi> <mi>t</mi> <mi>i</mi> <mi>m</mi> <mi>u</mi> <mi>m</mi> </mrow> </msub> <mo>=</mo> <mo>&amp;lsqb;</mo> <mfrac> <mrow> <mi>f</mi> <mo>&amp;CenterDot;</mo> <mi>T</mi> <mi>R</mi> </mrow> <mn>1000</mn> </mfrac> <mo>&amp;rsqb;</mo> <mo>+</mo> <mn>1</mn> </mrow>
式中，goptimum为最优的扁平结构元素的长度，[]为取整，f为信号的采样频率，TR为R波信号的底部宽度；
步骤二、移动窗处理，对步骤一中进行形态学处理后的ECG信号进行移动窗处理，通过改变移动窗宽度调节对尖峰信号的突出程度，实现R波信号的定位；
具体过程为：采用下式进行计算，获得移动窗处理后的数据S(n)；
y1(n)＝f(n)-f(n-t1)
y2(n)＝f(n)-f(n+t2)
S(n)＝y1(n)×y2(n)
式中，t1为正在处理数据的X轴位置到移动窗左边界的距离，t2为到移动窗右边界的距离，n＝t1+1,t1+2……TR-t2，TR为时间窗的宽度，
第n个数据的值与左侧第n-t1个数据的值f(n-t1)做差得到y1(n)，第n个数据的值与右侧第n+t2个数据的值f(n+t2)做差得到y2(n)，y1(n)×y2(n)＝S(n)为经移动窗处理后的数据，f(n)为经过形态学处理后的第n个数据的心电信号。
设定移动窗的宽度大于等于QRS波的宽度，移动窗的宽度大于最优的扁平结构元素的长度goptimum，实现定位特定宽度的R波信号；
步骤三、生理阈值处理，将QRS波持续时间作为判断阈值，并通过所述判断阈值对步骤二获得的特定宽度的R波信号做差分处理，获得ECG信号中的R波位置。
2.根据权利要求1所述的一种心电R波定位方法，其特征在于，步骤一中，对采集的心电信号原始数据进行形态学处理的具体过程为：
采用下式对心电信号的原始数据进行处理，经形态学处理后的第n个数据的心电信号f(n)为：
f(n)＝f0(n)-f0(n)Θg(n)
式中，f0(n)为要处理的原始心电信号，g(n)代表长度为n的结构元素，设定f1(n)＝f0(n)Θg(n)为g(n)对f0(n)做腐蚀运算，所述腐蚀运算采用下式表示：
<mrow> <msub> <mi>f</mi> <mn>0</mn> </msub> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mi>&amp;Theta;</mi> <mi>g</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> <mrow> <mo>(</mo> <mn>1</mn> <mo>&amp;le;</mo> <mi>i</mi> <mo>&amp;le;</mo> <mi>n</mi> <mo>)</mo> </mrow> </munder> <mo>{</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>g</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>}</mo> </mrow>
式中，i为心电信号的第i个元素，x为结构元素。
3.根据权利要求1所述的一种心电R波定位方法，其特征在于，步骤三中，QRS波的判断阈值采用下式获得：
<mrow> <msub> <mi>QRS</mi> <mrow> <mi>V</mi> <mi>a</mi> <mi>i</mi> <mi>l</mi> <mi>d</mi> </mrow> </msub> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <msub> <mi>R</mi> <mi>C</mi> </msub> <mo>-</mo> <msub> <mi>R</mi> <mi>P</mi> </msub> <mo>&amp;GreaterEqual;</mo> <mn>250</mn> <mi>m</mi> <mi>s</mi> </mtd> </mtr> <mtr> <mtd> <msub> <mi>R</mi> <mi>C</mi> </msub> <mo>-</mo> <msub> <mi>R</mi> <mi>P</mi> </msub> <mo>&amp;le;</mo> <mn>1800</mn> <mi>m</mi> <mi>s</mi> </mtd> </mtr> <mtr> <mtd> <mi>Q</mi> <mi>R</mi> <msub> <mi>S</mi> <mrow> <mi>W</mi> <mi>i</mi> <mi>d</mi> <mi>t</mi> <mi>h</mi> </mrow> </msub> <mo>&amp;GreaterEqual;</mo> <mn>25</mn> <mi>m</mi> <mi>s</mi> </mtd> </mtr> </mtable> </mfenced> </mrow>
式中，QRSvaild为QRS波的判断阈值，RC为ECG信号中检测特征信号f2的候选R波特征值位置，RP为在RC之前确定的R波位置，QRSWidth为QRS波的信号宽度。
CN201710446873.9A 2017-06-14 2017-06-14 一种心电r波定位方法 Active CN107320096B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710446873.9A CN107320096B (zh) 2017-06-14 2017-06-14 一种心电r波定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710446873.9A CN107320096B (zh) 2017-06-14 2017-06-14 一种心电r波定位方法

Publications (2)

Publication Number Publication Date
CN107320096A true CN107320096A (zh) 2017-11-07
CN107320096B CN107320096B (zh) 2020-06-26

Family

ID=60194633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710446873.9A Active CN107320096B (zh) 2017-06-14 2017-06-14 一种心电r波定位方法

Country Status (1)

Country Link
CN (1) CN107320096B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109938696A (zh) * 2019-03-22 2019-06-28 江南大学 神经电信号压缩感知处理方法及电路
CN111513706A (zh) * 2020-04-20 2020-08-11 重庆邮电大学 一种针对含有异常r波的心电信号的检测方法和装置
CN112257573A (zh) * 2020-10-21 2021-01-22 吉林大学 一种基于t-SNE和Adaboost的ECG身份识别方法
CN114795235A (zh) * 2022-04-14 2022-07-29 中国人民解放军陆军第八十二集团军医院 一种基于形态轮廓算法的单导心电监测方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101658425A (zh) * 2009-09-11 2010-03-03 西安电子科技大学 基于心率变异分析的注意力集中程度的检测装置及方法
CN103405227A (zh) * 2013-08-02 2013-11-27 重庆邮电大学 基于双层形态学滤波的心电信号预处理方法
CN103705234A (zh) * 2013-12-05 2014-04-09 深圳先进技术研究院 动态心电信号数据中的检波方法和装置
CN104323771A (zh) * 2014-11-11 2015-02-04 北京海思敏医疗技术有限公司 检测心电图信号中p波、t波的方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101658425A (zh) * 2009-09-11 2010-03-03 西安电子科技大学 基于心率变异分析的注意力集中程度的检测装置及方法
CN103405227A (zh) * 2013-08-02 2013-11-27 重庆邮电大学 基于双层形态学滤波的心电信号预处理方法
CN103705234A (zh) * 2013-12-05 2014-04-09 深圳先进技术研究院 动态心电信号数据中的检波方法和装置
CN104323771A (zh) * 2014-11-11 2015-02-04 北京海思敏医疗技术有限公司 检测心电图信号中p波、t波的方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
季虎等: "基于小波变换与形态学运算的R波检测算法", 《计算机应用》 *
李阳等: "基于移动窗口的QRS波快速识别", 《生物医学工程学杂志》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109938696A (zh) * 2019-03-22 2019-06-28 江南大学 神经电信号压缩感知处理方法及电路
CN111513706A (zh) * 2020-04-20 2020-08-11 重庆邮电大学 一种针对含有异常r波的心电信号的检测方法和装置
CN112257573A (zh) * 2020-10-21 2021-01-22 吉林大学 一种基于t-SNE和Adaboost的ECG身份识别方法
CN112257573B (zh) * 2020-10-21 2022-06-24 吉林大学 一种基于t-SNE和Adaboost的ECG身份识别方法
CN114795235A (zh) * 2022-04-14 2022-07-29 中国人民解放军陆军第八十二集团军医院 一种基于形态轮廓算法的单导心电监测方法及系统

Also Published As

Publication number Publication date
CN107320096B (zh) 2020-06-26

Similar Documents

Publication Publication Date Title
CN105919584B (zh) 用于可穿戴心率监测设备的心率估计方法及装置
CN107320096A (zh) 一种心电r波定位方法
Zhang et al. VLSI friendly ECG QRS complex detector for body sensor networks
CN107041743B (zh) 一种心电信号实时r波检测方法
Sasikala et al. Extraction of P wave and T wave in Electrocardiogram using Wavelet Transform
CN105030228A (zh) 在心电信号中确定其p波位置的方法及装置
CN110742599B (zh) 一种心电信号特征提取分类方法及系统
CN105054926A (zh) 心电信号特征信息的提取方法及装置
CN111772628B (zh) 一种基于深度学习的心电信号房颤自动检测系统
CN103829944B (zh) 基于模式识别的胸阻抗信号处理方法
CN113499079B (zh) 一种心电图中的房颤检测方法
CN104644160A (zh) 心电图伪差信号识别方法及装置
CN110327032A (zh) 一种单导心电信号pqrst波联合精准识别算法
Thilagavathy et al. Real-time ECG signal feature extraction and classification using support vector machine
Ramli et al. Correlation analysis for abnormal ECG signal features extraction
CN107361764A (zh) 一种心电信号特征波形r波的快速提取方法
CN102217932A (zh) Abr信号波峰检测的一种全新的算法
CN110384490A (zh) 基于相空间的bcg信号心率提取方法
CN108836305B (zh) 一种融合巴特沃斯滤波和小波变换的ecg特征提取方法
Liu et al. A novel R-peak detection method combining energy and wavelet transform in electrocardiogram signal
CN105310688A (zh) 一种基于非负盲分离胎儿心电特征信号提取方法
Nair et al. Adaptive wavelet based identification and extraction of PQRST combination in randomly stretching ECG sequence
Dessì et al. Identification of fetal QRS complexes in low density non-invasive biopotential recordings
Pan et al. Detection of ECG characteristic points using biorthogonal spline wavelet
Alavi et al. A new combinatorial algorithm for QRS detection

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