CN107997759A - 心电信号中qrs波群的检测方法、存储介质和计算机设备 - Google Patents

心电信号中qrs波群的检测方法、存储介质和计算机设备 Download PDF

Info

Publication number
CN107997759A
CN107997759A CN201711018436.3A CN201711018436A CN107997759A CN 107997759 A CN107997759 A CN 107997759A CN 201711018436 A CN201711018436 A CN 201711018436A CN 107997759 A CN107997759 A CN 107997759A
Authority
CN
China
Prior art keywords
extreme value
extreme
point
small
electrocardiosignal
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
CN201711018436.3A
Other languages
English (en)
Other versions
CN107997759B (zh
Inventor
张亮
梁征
刘勇
苏中谦
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.)
Beijing Kangbo Electronic Technology Co Ltd
Original Assignee
Beijing Kangbo Electronic 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 Beijing Kangbo Electronic Technology Co Ltd filed Critical Beijing Kangbo Electronic Technology Co Ltd
Priority to CN201711018436.3A priority Critical patent/CN107997759B/zh
Publication of CN107997759A publication Critical patent/CN107997759A/zh
Application granted granted Critical
Publication of CN107997759B publication Critical patent/CN107997759B/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]
    • 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
    • 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
    • A61B5/24—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
    • A61B5/72—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
    • A61B5/7235—Details of waveform analysis
    • 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
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition

Landscapes

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

Abstract

本发明公开了一种心电信号中QRS波群的检测方法，对于从心电信号中提取的极值点集合Ex‑a，如果一组连续或非连续极值具有相似的高度和两边斜率，且这组极值中相邻的极值间隔基本相同，则称之为一个相似极值序列；对于每一个相似极值序列，在这个序列的覆盖的范围内，去除所有不属于这个极值序列的极值；这样处理完每一个相似极值序列，形成优选极值点集合Ex‑b；针对优选极值点集合标记QRS波群。本发明还公开了一种承载上述方法的计算机可读存储介质和计算机设备。使用本发明能够自动检测心电信号中的QRS波群位置，速度快，准确率高。

Description

心电信号中QRS波群的检测方法、存储介质和计算机设备
技术领域
本发明属于心电信号的信号处理技术领域，具体涉及一种心电信号中QRS波群的检测方法、一种计算机可读存储介质和一种计算机设备。
背景技术
心电信号的自动分析与处理一直是生物医学工程领域中的重要研究课题，其中，心电信号的自动分析与处理关键问题是QRS波群的检测，因为可靠的QRS波群检测不仅是诊断心律失常的重要依据，而且也只有在QRS波群确定之后才有可能计算心率并进行心率变异分析和分析心电信号的其它细节信息。
QRS波群检测学术界有很多方法。但是对于实际检测，会发现心电信号具有特有的噪声特点。如图1(a)的心电信号，其特点是噪声密集、噪声幅度与信号幅度相当，噪声区内QRS波群被覆盖，对于这种情况不应该检测噪声区的QRS波群；如图1(b)所示的心电信号，其特点为小幅度密集噪声，噪声区内QRS波群仍然可见，对于这种情况应该设法检测出噪声区的QRS波群，避免噪声区的QRS误检；如图1(c)所示的心电信号，其特点为单点噪声，应该避免QRS误检。而对于图1(d)所示的心电信号，其特点为稀疏大幅度噪声，对于这种情况也不应该检测噪声段内的QRS波群。
现有的QRS波群检测没有针对上述情况进行具有针对性的设计，对各种形态的噪声均具有较高的敏感度，尤其针对图1(b)和图1(c)的情况，现有算法会产生误报，也就是将噪声检测为QRS波群，导致QRS波群检测率不是很高。
发明内容
有鉴于此，本发明提供了一种心电信号中QRS波群的检测方法，能够提高QRS波群检测的准确率，而且速度快。
为解决上述技术问题，本发明具体方法如下：
一种心电信号中QRS波群的检测方法，包括：
对于从心电信号中提取的极值点集合Ex-a，如果一组连续或非连续极值具有相似的高度和两边斜率，且这组极值中相邻的极值间隔基本相同，则称之为一个相似极值序列；对于每一个相似极值序列，在这个序列的覆盖的范围内，去除所有不属于这个极值序列的极值；按同样的方式处理极值点集合Ex-a中的每一个相似极值序列，形成优选极值点集合Ex-b；利用优选极值点集合标记QRS波群。
优选地，进行相似极值序列的处理之前，进一步去除小短边极值，在相似极值序列的处理之后，进一步去除小长边极值；
所述去除小短边极值为：对于每个极值点，其短边幅值为exs，该极值点左右两个相邻极值点的短边幅值分别为exs1和exs2；如果exs小于exs1和exs2，且exs与exs1和exs2的长度差均超过设定比例，则认为该极值点短边过小，从极值点集合中去除；
所述去除小长边极值为：对于每个极值点，其长边幅值为exl，该极值点左右相邻两个极值点的长边幅值分别为exl1和exl2；如果exl小于exl1和exl2，且exl与exl1和exl2的长度差均超过设定比例，则认为该极值点长边过小，从极值点集合中去除。
优选地，所述exs与exs1和exs2的长度差均超过设定比例的确定方式为：如果exs<exs1×0.4并且exs<exs2×0.4，则认为这个极值点短边过小；
所述exl与exl1和exl2的长度差均超过设定比例的确定方式为：如果exl<exl1×0.4并且exl<exl2×0.4，则认为这个极值点长边过小。
优选地，所述去除小短边极值之后，相似极值序列处理之前，进一步从极值点集合中去除间距小于设定小值的一对极值中短边小的一个极值点。
优选地，所述设定小值为0.17s。
优选地，提取所述极值点集合Ex-a的方式为：获取去除基线信号的心电信号的极值点，组成集合Ex1；从集合Ex1中去除不属于QRS波群的极值，得到集合Ex-a。
优选地，所述去除基线信号后的心电信号的获取方式为：采用对心电信号F进行分段中值滤波的方式得到基线信号B，进而获得所述去除基线信号B后的心电信号。
优选地，所述去除不属于QRS波群的极值为：在心电信号F中找出所有时间长度为0.4的片段，且片段内峰值大于1毫伏的极值数量达到8个，则在极值点集合中去除这些片段内的极值；
并且，从极值点集合中去除斜率过小的极值点。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任意一种检测方法。
本发明还提供了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任意一种检测方法。
有益效果
(1)针对图1(a)～图1(d)出现的各种情况，现有算法对这些噪声没有特别处理，所以只能处理其中一部分情况。尤其是图2和图3，现有算法会产生误报，也就是将噪声检测为QRS波群。本发明的“去除相似极值序列内的其他极值”的操作，正是针对图1(b)和图1(c)的情况设计的步骤，可以去除覆盖在QRS波群中的噪声，从而去除噪声带来的误报，提高QRS波群检测率。
(2)通过去除小短边极值、去除临近小极值和去除小长边极值，从而去除不可能为心跳的噪声。其中，将去除小长边极值的步骤放在“去除相似极值序列内的其他极值”之后，可以避免误删除，误删除会导致寻找相似极值序列时失败。
(3)通过去除噪声段内的极值、去除小斜率极值的操作，去除确定为非QRS波群的部分，提高了后续操作的准确度。
(4)该方法简单，易实现，不采用复杂的公式，因此检测速度快。
附图说明
图1(a)～图1(d)为四种噪声的示意图。
图2为本发明流程图。
图3为去除小斜率极值的示意图。
图4为去除小短边极值的示意图。
图5为相似极值序列和夹杂在其中的噪声示意图。
图6为标记QRS波群的示意图。
图7为用来实现本申请实施例的检测方法的计算机设备500的结构示意图。
具体实施方式
下面将参照附图来说明本发明的实施例。
本发明提供了一种心电信号中QRS波群的检测方法，其基本思想是：对于从心电信号中提取的极值点集合Ex-a，如果一组连续或非连续极值具有相似的高度和两边斜率，且这组极值中相邻的极值间隔基本相同，则称之为一个相似极值序列；对于每一个相似极值序列，在这个序列的覆盖的范围内，去除所有不属于这个极值序列的极值；这样处理完每一个相似极值序列，形成优选极值点集合Ex-b；最后，根据优选极值点集合标记QRS波群。
本发明“去除相似极值序列内的其他极值”的操作，正是针对图1(b)和图1(c)的情况设计的步骤，可以去除覆盖在QRS波群中的噪声，从而去除噪声带来的误报，提高QRS波群检测率。
基于上述基本思想，为了进一步降低噪声，还设计了多个噪声去除步骤。结合噪声去除步骤，本发明实施例的具体流程参见图2，该方法包括如下步骤：
步骤一、去除基线。
本步骤对心电信号F进行分段中值滤波，得到基线信号B，则去除基线信号B后的心电信号F’＝F-B。
步骤二、检测极值。
本步骤检测心电信号F的所有极值点，包括最小值和最大值，将所有极值点组成的集合记为Ex。
步骤三、去除噪声段内的极值。
本步骤中，在心电信号F中，找出所有时间长度为0.4秒的片段，且片段内峰值大于1毫伏的极值数量达到8个。在集合Ex中去除这些片段内的极值，得到集合Ex1。本步骤的目的是去除图1(a)中的幅度与信号相当的密集噪声。
步骤四、去除小斜率极值。
本步骤中，在集合Ex1中去除斜率过小(小于设定值)的极值点，得到集合Ex2。
如图3所示，箭头处是一个极值点，其左边设定区域(本实施例为0.2秒区域)内斜率最大值定义为左边斜率，右边斜率同样可得。对于一个极值点，如果这两个斜率中至少有一个小于设定值(本实施例中为2.7毫伏每秒)，则去除该极值点。箭头处的极值点就是一个斜率过于小的例子，将被去掉。这是一个T波，不是QRS波群。该点左边那个尖锐的波形是QRS波群。
步骤五、去除小短边极值。
每个极值点两边的高斜率的片段称为“边”，其中将极值点左右两个边中的较长者称为长边，较短者称为短边。本步骤在集合Ex2中去除短边小的极值，形成集合Ex3。
本步骤中，判断小短边的标准是这样的：如图4所示，对于一个极值点ex，其短边幅值为exs。ex左右相邻的两个极值点为ex1，ex2，其短边幅值分别为exs1，exs2。如果exs小于exs1和exs2，且exs与exs1和exs2的长度差均超过设定比例，则认为这个极值点短边过小，会被去除。
本实施例中，exs与exs1和exs2的长度差均超过设定比例的判断标准为：exs<exs1×0.4并且exs<exs2×0.4。
通常情况下，QRS波群的短边不会太小。所以短边小说明QRS波群形态不大符合标准。长边小则说明QRS波群整体幅度小。那么短边小可以确信是噪声，而长边小大部分情况是噪声，还有很小的可能性是幅度小的QRS波群。这里先去除短边小的，不去除长边小的，以避免误删除。误删除会导致步骤七在寻找相似极值序列时失败。所以去除长边小的极值的步骤放在步骤七之后。
步骤六、去除临近小极值。
在集合Ex3中，相邻很近的两个极值，去除一个高度小的，形成集合Ex4。
通过上述的步骤以后，还会存在0.17秒以内有两个极值的情况，而心跳是不会相邻这么近的，所以去除一个。其中，去除短边较小的。
步骤七、去除相似极值序列内的其他极值。
如果一组极值，这组极值不必是连续的，但都具有相似的高度和两边斜率，且这组极值中相邻极值间隔基本相同，则称之为一个相似极值序列。在集合Ex4中，对于每一个相似极值序列，在这个序列的覆盖的范围内，去除所有不属于这个极值序列的极值。这样处理完每一个相似极值序列，就形成集合Ex5。
这里所述的相似和基本相同可以通过判断差值是否小于设定阈值为来判定。如图5所示，下部箭头的极值点构成了相似极值序列。那么在这个序列覆盖的这段范围内，还存在两个极值，即上部箭头处。这两个极值将被当作噪声去除。
步骤八、去除小长边极值。
本步骤可参考步骤五的“去除小短边极值”。在集合Ex5中去除长边小的极值，形成集合Ex6。
所述去除小长边极值为：对于每个极值点，其长边幅值为exl，该极值点左右相邻两个极值点的长边幅值分别为exl1和exl2；exl小于exl1和exl2，且exl与exl1和exl2的长度差均超过设定比例，则认为该极值点长边过小，从极值点集合中去除。本实施例中，所述exl与exl1和exl2的长度差均超过设定比例的确定方式为：如果exl<exl1×0.4并且exl<exl2×0.4，则认为这个极值点长边过小。
步骤九、标记QRS波群。
在集合Ex6中，每一个极值记录为一个R波，极值左边的高斜率片段的端点为Q波，极值右边的高斜率片段的端点为S波。所谓高斜率片段就是指的前面提到的长边和短边。如图6所示箭头所指分别为Q、R、S点，QR段和RS段就是所谓的高斜率片段。
至此，本流程结束。
参考图7，其示出了适于用来实现本申请实施例的检测方法的计算机设备500的结构示意图。
如图7所示，计算机设备500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。该计算机程序实现本申请的QRS波群检测方法。
本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述方案所述的计算机设备中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本申请的QRS波群检测方法。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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。

Claims (10)

1.一种心电信号中QRS波群的检测方法，其特征在于，包括：
对于从心电信号中提取的极值点集合Ex-a，如果一组连续或非连续极值具有相似的高度和两边斜率，且这组极值中相邻的极值间隔基本相同，则称之为一个相似极值序列；对于每一个相似极值序列，在这个序列的覆盖的范围内，去除所有不属于这个极值序列的极值；按同样的方式处理极值点集合Ex-a中的每一个相似极值序列，形成优选极值点集合Ex-b；利用优选极值点集合标记QRS波群。
2.如权利要求1所述的方法，其特征在于，进行相似极值序列的处理之前，进一步去除小短边极值，在相似极值序列的处理之后，进一步去除小长边极值；
所述去除小短边极值为：对于每个极值点，其短边幅值为exs，该极值点左右两个相邻极值点的短边幅值分别为exs1和exs2；如果exs小于exs1和exs2，且exs与exs1和exs2的长度差均超过设定比例，则认为该极值点短边过小，从极值点集合中去除；
所述去除小长边极值为：对于每个极值点，其长边幅值为exl，该极值点左右相邻两个极值点的长边幅值分别为exl1和exl2；如果exl小于exl1和exl2，且exl与exl1和exl2的长度差均超过设定比例，则认为该极值点长边过小，从极值点集合中去除。
3.如权利要求2所述的方法，其特征在于，所述exs与exs1和exs2的长度差均超过设定比例的确定方式为：如果exs<exs1×0.4并且exs<exs2×0.4，则认为这个极值点短边过小；
所述exl与exl1和exl2的长度差均超过设定比例的确定方式为：如果exl<exl1×0.4并且exl<exl2×0.4，则认为这个极值点长边过小。
4.如权利要求2所述的方法，其特征在于，所述去除小短边极值之后，相似极值序列处理之前，进一步从极值点集合中去除间距小于设定小值的一对极值中短边小的一个极值点。
5.如权利要求4所述的方法，其特征在于，所述设定小值为0.17s。
6.如权利要求1所述的方法，其特征在于，提取所述极值点集合Ex-a的方式为：获取去除基线信号的心电信号的极值点，组成集合Ex1；从集合Ex1中去除不属于QRS波群的极值，得到集合Ex-a。
7.如权利要求6所述的方法，其特征在于，所述去除基线信号后的心电信号的获取方式为：采用对心电信号F进行分段中值滤波的方式得到基线信号B，进而获得所述去除基线信号B后的心电信号。
8.如权利要求6所述的方法，其特征在于，所述去除不属于QRS波群的极值为：在心电信号F中找出所有时间长度为0.4的片段，且片段内峰值大于1毫伏的极值数量达到8个，则在极值点集合中去除这些片段内的极值；
并且，从极值点集合中去除斜率过小的极值点。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～8任意一项所述的方法。
10.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1～8任意一项所述的方法。
CN201711018436.3A 2017-10-27 2017-10-27 心电信号中qrs波群的检测方法、存储介质和计算机设备 Active CN107997759B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711018436.3A CN107997759B (zh) 2017-10-27 2017-10-27 心电信号中qrs波群的检测方法、存储介质和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711018436.3A CN107997759B (zh) 2017-10-27 2017-10-27 心电信号中qrs波群的检测方法、存储介质和计算机设备

Publications (2)

Publication Number Publication Date
CN107997759A true CN107997759A (zh) 2018-05-08
CN107997759B CN107997759B (zh) 2020-06-26

Family

ID=62051910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711018436.3A Active CN107997759B (zh) 2017-10-27 2017-10-27 心电信号中qrs波群的检测方法、存储介质和计算机设备

Country Status (1)

Country Link
CN (1) CN107997759B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109998529A (zh) * 2019-04-15 2019-07-12 北京工业大学 一种基于高斯函数拟合的ecg信号中p波、t波检测方法
CN113499082A (zh) * 2020-03-23 2021-10-15 疆域康健创新医疗科技成都有限公司 Qrs波群检测方法、心电检测装置及可读存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004084722A1 (en) * 2003-03-28 2004-10-07 Advanced Medical Diagnostics Group Limited Method and apparatus for for identifying features in an ecg signal
KR20060117545A (ko) * 2005-05-11 2006-11-17 인하대학교 산학협력단 심전도 신호의 특징추출방법
CN101919695A (zh) * 2010-08-06 2010-12-22 李楚雅 一种基于小波变换的心电信号qrs波检测方法
CN102247143A (zh) * 2011-06-03 2011-11-23 吉林大学珠海学院 一种可集成的心电信号去噪和qrs波识别的快速算法
CN103027667A (zh) * 2011-09-30 2013-04-10 Ge医疗系统环球技术有限公司 脉搏波的特征参数提取
CN104161510A (zh) * 2014-08-27 2014-11-26 电子科技大学 一种多级导联心电信号qrs波形识别方法
CN104161509A (zh) * 2014-08-08 2014-11-26 申岱 一种基于幅值谱的心率变异性分析方法及仪器
CN104305991A (zh) * 2014-11-18 2015-01-28 北京海思敏医疗技术有限公司 从心电信号中检测噪声的方法和设备
CN105030233A (zh) * 2015-07-08 2015-11-11 上海师范大学 一种心电信号st段的识别方法
CN105054926A (zh) * 2015-04-13 2015-11-18 深圳市飞马与星月科技研究有限公司 心电信号特征信息的提取方法及装置
CN105748066A (zh) * 2016-03-03 2016-07-13 深圳竹信科技有限公司 一种心电信号波形特征点的提取方法及装置
CN106725450A (zh) * 2017-02-20 2017-05-31 武汉中旗生物医疗电子有限公司 Qrs波群检测方法
CN107184203A (zh) * 2017-07-03 2017-09-22 重庆大学 基于自适应集合经验模态分解的心电信号特征点识别方法
CN107273827A (zh) * 2017-05-31 2017-10-20 江苏斯坦德利医疗科技有限公司 一种心电信号r波检测方法及装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004084722A1 (en) * 2003-03-28 2004-10-07 Advanced Medical Diagnostics Group Limited Method and apparatus for for identifying features in an ecg signal
KR20060117545A (ko) * 2005-05-11 2006-11-17 인하대학교 산학협력단 심전도 신호의 특징추출방법
CN101919695A (zh) * 2010-08-06 2010-12-22 李楚雅 一种基于小波变换的心电信号qrs波检测方法
CN102247143A (zh) * 2011-06-03 2011-11-23 吉林大学珠海学院 一种可集成的心电信号去噪和qrs波识别的快速算法
CN103027667A (zh) * 2011-09-30 2013-04-10 Ge医疗系统环球技术有限公司 脉搏波的特征参数提取
CN104161509A (zh) * 2014-08-08 2014-11-26 申岱 一种基于幅值谱的心率变异性分析方法及仪器
CN104161510A (zh) * 2014-08-27 2014-11-26 电子科技大学 一种多级导联心电信号qrs波形识别方法
CN104305991A (zh) * 2014-11-18 2015-01-28 北京海思敏医疗技术有限公司 从心电信号中检测噪声的方法和设备
CN105054926A (zh) * 2015-04-13 2015-11-18 深圳市飞马与星月科技研究有限公司 心电信号特征信息的提取方法及装置
CN105030233A (zh) * 2015-07-08 2015-11-11 上海师范大学 一种心电信号st段的识别方法
CN105748066A (zh) * 2016-03-03 2016-07-13 深圳竹信科技有限公司 一种心电信号波形特征点的提取方法及装置
CN106725450A (zh) * 2017-02-20 2017-05-31 武汉中旗生物医疗电子有限公司 Qrs波群检测方法
CN107273827A (zh) * 2017-05-31 2017-10-20 江苏斯坦德利医疗科技有限公司 一种心电信号r波检测方法及装置
CN107184203A (zh) * 2017-07-03 2017-09-22 重庆大学 基于自适应集合经验模态分解的心电信号特征点识别方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109998529A (zh) * 2019-04-15 2019-07-12 北京工业大学 一种基于高斯函数拟合的ecg信号中p波、t波检测方法
CN109998529B (zh) * 2019-04-15 2021-11-05 北京工业大学 一种基于高斯函数拟合的ecg信号中p波、t波检测方法
CN113499082A (zh) * 2020-03-23 2021-10-15 疆域康健创新医疗科技成都有限公司 Qrs波群检测方法、心电检测装置及可读存储介质
CN113499082B (zh) * 2020-03-23 2023-12-19 疆域康健创新医疗科技成都有限公司 Qrs波群检测方法、心电检测装置及可读存储介质

Also Published As

Publication number Publication date
CN107997759B (zh) 2020-06-26

Similar Documents

Publication Publication Date Title
EP3644220A1 (en) Detection of electrocardiogram signal
US6591132B2 (en) Artifact detection in encephalogram data using an event model
CN107095669B (zh) 一种癫痫患者脑电信号的处理方法及系统
CN109117730A (zh) 心电图心房颤动实时判断方法、装置、系统及存储介质
CN108647565A (zh) 一种基于深度学习模型对心电信号分类的数据预处理方法
CN108030494A (zh) 基于交叉验证的心电信号错误标记训练样本识别方法
CN102028459B (zh) 一种心电图机通道起搏信号检测方法
CN109645979A (zh) 动态心电信号伪差识别方法及装置
CN102319064A (zh) 一种提高胎心率数据减速识别准确性的装置和方法
CN104382618B (zh) 基于胎心率检测的去噪方法和胎心率检测仪
CN102488518B (zh) 一种利用波动指数和提升训练的脑电检测方法和装置
CN101987017A (zh) 用于驾车司机警觉度测定的脑电信号识别检测方法
CN107997759A (zh) 心电信号中qrs波群的检测方法、存储介质和计算机设备
Zhang et al. The detection of crackles based on mathematical morphology in spectrogram analysis
CN109124620A (zh) 一种房颤检测方法、装置及设备
CN106889987A (zh) 基于分段滤波处理的子宫肌电强度信息提取方法
CN107361764A (zh) 一种心电信号特征波形r波的快速提取方法
Roháľová et al. Detection of the EEG Artifacts by the Means of the (Extended) Kalman Filter
Wang et al. An improved region growing method for medical image selection and evaluation based on Canny edge detection
JP5688309B2 (ja) 生体情報分析装置、生体情報分析方法及び生体情報分析プログラム
CN114494798A (zh) 一种心电图伪差确认方法、终端设备及存储介质
CN109858511A (zh) 基于协同表示的安全半监督超限学习机分类方法
JP7293778B2 (ja) ノイズ判定方法、ノイズ判定プログラムおよびノイズ判定装置
Xiao-Jun et al. The EEG signal process based on EEMD
Hamidah et al. Effective heart sounds detection method based on signal's characteristics

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