CN108294745B - 多导联心电图信号中p波、t波起止点检测方法及系统 - Google Patents
多导联心电图信号中p波、t波起止点检测方法及系统 Download PDFInfo
- Publication number
- CN108294745B CN108294745B CN201810187726.9A CN201810187726A CN108294745B CN 108294745 B CN108294745 B CN 108294745B CN 201810187726 A CN201810187726 A CN 201810187726A CN 108294745 B CN108294745 B CN 108294745B
- Authority
- CN
- China
- Prior art keywords
- wave
- qrs
- lead
- waves
- search
- 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]
-
- 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
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Cardiology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种多导联心电图信号中P波、T波起止点检测方法及系统,首先根据各导联信号的波形形态和质量,自适应地选择3个最适宜进行P波、T波定位及起止检测的导联叠加成一虚拟导联;其次通过相邻两个QRS波中前一个的终点与后一个的起点,将虚拟导联划分成一系列的搜索区间,并确定每个搜索区间的前半段为T波搜索范围,后半段为P波搜索范围,并取范围内的最大峰值为对应特征波的顶点;最后通过基于动态阈值的累计下降法分别检测出P波、T波的起点和终点。本发明采用多导联自适应选取技术,增强了系统的鲁棒性;采用叠加成为虚拟导联技术,既增大了P波、T波起止点检测的准确性,又减少了算法检测的次数。
Description
技术领域
本发明涉及生物医学信号处理技术领域,尤其涉及一种用于多导联心电图P波、T波起止点检测方法及系统。
背景技术
生物医学信号处理技术的发展深刻变革了现代医疗诊断技术,现有的心电信号采集及检测技术已经部分在心脏疾病的诊断及健康监测等领域得到应用,市场上也出现了大量心电图采集和分析设备;然而,现有的心电图采集和分析设备仍然有一定的局限性。
心电图采集和分析设备是指能够自动记录心脏活动时心肌激动所产生的生物电信号(也称心电信号),并对采集的心电信号进行部分标注和分析的医疗电子设备。心电图采集分析设备主要有心电图机,国内主要通过心电图同步输出道数将心电图机分为:单道、三道、六道和十二道心电图机等。
心电图机主要是记录下心脏在收缩之前,有预先激动,并向全身扩散从而在体表产生的电位差,称作心电图。现有的心电图机可以通过分析记录下的心电图得出心率、PR间期、QRS时限、QT间期、QRS电轴等指标。但是指标参数非常有限,精准度也有待进一步提高。P波和T波,作为心电波形的重要特征波群,在临床疾病诊断中具有及其重要的参考价值,但是由于它们的振幅非常小,一般心电图机无法定位,更不能明确其起止点。
发明内容
本发明主要是解决当前通过心电机得到的指标参数不够充分的问题,提供了一种用于多导联的心电图数据中P波、T波起止点检测方法及系统,实现P波、T波的重要相关指标的提取。
本发明的方法所采用的技术方案是:一种多导联心电图信号中P波、T波起止点检测方法,其特征在于,包括以下步骤:
步骤1:输入待检测的多导联心电图时间序列和各QRS波的起止点信息;
步骤2:对步骤1的输入信号执行预处理操作,通过滤波,去除高频噪声和基线漂移;
步骤3:对步骤2处理后的每个导联的时间序列,通过相邻QRS波中前一个的终点和后一个的起点,将导联分割成一个个搜索区间;取搜索区间的最大值,作为该区间T波的峰值;取所有搜索区间的T波峰值的均值,作为该导联的T波峰值;对多个导联按其T波峰值排序,选出T波最为明显的前3个导联;
步骤4:对步骤3得到的3个导联的时间序列,按照时间进行数值叠加,从而获得一个P波、T波相对明显,便于进行算法检测的虚拟导联;
步骤5:计算P波,T波的顶点;
步骤6:计算P波、T波的起止点;
对于步骤5获得的每个P波顶点P(i)和每个T波顶点T(i),在其两侧分别计算出其对应的起点和终点。
本发明的系统所采用的技术方案是:一种多导联心电图信号中P波、T波起止点检测系统,其特征在于:包括输入模块、预处理模块、QRS波检测模块、自适应多导联信号选择和虚拟导联合成模块、P波、T波定位及起点、终点检测模块和检测结果展示模块;
所述输入模块用于多个导联心电图信号通过采样量化的方式,转换成为多个个对应的时间数值序列,并保存到CSV格式的文件中;
所述预处理模块用于对多个导联对应的时间数值序列做预处理,通过小波滤波操作去除工频噪声,通过形态学滤波去除基线漂移;最终得到处理之后的多个导联对应的时间数值序列;
所述QRS波检测模块用于通过QRS波检测算法,得到一个全局的QRS波起点和终点的位置信息;
所述自适应多导联信号选择和虚拟导联合成模块用于针对预处理后的多个导联对应的时间数值序列,挑选出T波幅值最为明显的3个导联的时间数字序列,并通过叠加的方式,获得一个唯一的时间数值序列,即为虚拟导联;
所述P波、T波定位及起点、终点检测模块用于针对得到的虚拟导联,采用P波、T波的起点、终点检测算法,定位出所有的P波、T波及其对应的起点终点横坐标;
所述检测结果展示模块用于在原有的多导联的基础上,标记并展示出P波、T波及其对应的起点和终点。
本发明提供了多导联心电图P波、T波定位及起止点检测的方法及系统。对心电图的各个导联进行预处理,使用小波滤波技术滤除工频噪声,使用形态学滤波技术去除基线漂移,获得了去除噪声后的多导联心电数据。为了便于P波、T波检测,自动检测P波、T波幅值最大的前几个导联,又将这些导联叠加起来,成为一个虚拟导联,在这个虚拟导联上,采用累积下降阈值法进行P波、T波起止点检测。因此,本发明具有以下优点:
(1)采用滤波技术,降低了工频噪声以及基线漂移对心电信号的干扰,还原出去除噪声的原始心电图像;
(2)采用多导联自适应选取技术,针对不同患者的心电图数据,都能够自动选取出最适宜进行P波、T波检测的导联,增强了系统的鲁棒性;
(3)采用叠加成为虚拟导联技术,既增大了P波、T波起止点检测的准确性,又减少了算法检测的次数,降低了相关计算和存储资源要求的技术;
(4)采用累积下降阈值法,能够降低锯齿波或者偶然的凹点对P波、T波起止点检测的影响,极大的提高了P波、T波起止点检测的准确性。该系统可以实现多导联心电图上的P波、T波定位及起止点检测,克服现有心电图机输出参数的局限性,通过本发明可以获得心电图中P波、T波的位置和起止点信息,从而进一步获得与P波T波相关的一些重要参数,为医生的临床诊断和通过人工智能进行心电疾病诊断提供重要的参考信息。
附图说明
图1为本发明实施例的系统模块间详细关系示意图;
图2为本发明实施例的心电图预处理模块具体实现的流程图;
图3为本发明实施例的P波、T波定位及起止点检测算法流程图;
图4为本发明实施例的给定心电图数值化后的示意图;
图5为本发明实施例的给定心电图数值化后的最佳检测导联的示意图;
图6为本发明实施例的给定心电图数值化后最佳导联叠加后的示意图;
图7为本发明实施例的给定心电图在虚拟导联上起止点检测的示意图;
图8为本发明实施例中给定心电图标注了P波、T波起止点的示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
本发明针对大多数的多导联心电图机,提出一种用于多个导联心电图P波、T波起止点检测方法及系统。输入待检测的多个导联心电图,输入的QRS波的起点终点信息。根据当前心电图的各导联的波形形态和质量,自适应地选择3个最适宜进行P波、T波定位及起点终点检测的导联,并叠加成为一个虚拟导联。再通过已知的前一个QRS波终点与后一个QRS波的起点,将虚拟导联划分成一系列的搜索区间,在每个搜索区间上,划分前半段和后半段分别确定为T波、P波的搜索范围,并取范围内的最大峰值为对应特征波的顶点,又通过基于动态阈值的累计下降法检测出P波、T波的起止点,从而定位P波、T波以及对应的起止点。
请见图1,本发明提供的一种多导联心电图信号中P波、T波起止点检测系统,其特征在于:包括输入模块、预处理模块、QRS波检测模块、自适应多导联信号选择和虚拟导联合成模块、P波、T波定位及起点、终点检测模块和检测结果展示模块;
输入模块用于多个导联心电图信号通过采样量化的方式,转换成为多个个对应的时间数值序列,并保存到CSV格式的文件中;
预处理模块用于对多个导联对应的时间数值序列做预处理,通过小波滤波操作去除工频噪声,通过形态学滤波去除基线漂移;最终得到处理之后的多个导联对应的时间数值序列;
QRS波检测模块用于通过QRS波检测算法,得到一个全局的QRS波起点和终点的位置信息;
自适应多导联信号选择和虚拟导联合成模块用于针对预处理后的多个导联对应的时间数值序列,挑选出T波幅值最为明显的3个导联的时间数字序列,并通过叠加的方式,获得一个唯一的时间数值序列,即为虚拟导联;
P波、T波定位及起点、终点检测模块用于针对得到的虚拟导联,采用P波、T波的起点、终点检测算法,定位出所有的P波、T波及其对应的起点终点横坐标;
检测结果展示模块用于在原有的多导联的基础上,标记并展示出P波、T波及其对应的起点和终点。
本发明提供的一种多导联心电图信号中P波、T波起止点检测方法,包括以下步骤:
步骤1:如图4所示,输入待检测的心电图,通过相应的QRS波检测算法,得到对应的QRS波起止点,继续执行步骤2。
步骤2:根据生成心电图的数值时间序列,执行预处理操作,通过滤波,去除高频噪声和基线漂移。
具体实施时,如图2所示,首先通过小波滤波,选取小波函数coif4,进行4个尺度的小波分解,并对高频成分较多的1、2、3尺度进行软阈值滤波,然后进行小波重构,获得到了去除高频噪声的心电信号。为了去除心电信号的基线漂移,对去除高频噪声的心电信号进行形态学滤波操作。选取合适宽度的直线作为结构元,首先对去除高频噪声的心电信号进行直接开运算,然后进行先开后闭运算,得到了基线漂移信号,用去除高频噪声的心电信号减去该基线漂移信号获得了去除高频噪声和基线漂移的心电信号。
步骤3:对滤波后的多个导联的数值时间序列,通过前一个QRS波的终点和后一个QRS波的起点,将导联分割成一个个搜索区间。取搜索区间的最大值,作为T波的峰值,取所有搜索区间的T波峰值的均值,作为该导联的T波峰值。对多个导联排序。从而选出T波最为明显的前3个导联。如图5所示,对于本实施例采用的心电图,选取出了本次用来检测的3个导联。
具体实施时,如图3所示,为了计算简便,可以把每个导联第一个搜索区间的T波的峰值作为该导联的T波峰值,通过T波峰值按大小排序,从而对导联按波形幅值的明显程度进行排序。
步骤4:对步骤3得到的3个导联的数值时间序列,按照时间进行数值叠加,从而获得一个P波、T波相对明显,便于进行算法检测的虚拟导联。
具体实施时,假设虚拟导联信号为w,峰值最明显的前三个导联信号分别为x,y,z。则w可表示为w=a*x+b*y+c*z。一般情况下,可以令a=b=c=1,即进行简单的线性叠加。也可以根据导联幅值的明显程度按权重叠加,例如a=3,b=2,c=1。对于本实施例,采用的是简单的线性叠加的方法,最后得到的虚拟导联如图6所示。
步骤5:计算P波,T波的顶点,对步骤4获得的虚拟导联,通过相邻QRS终点和起点,确定搜索区间。
具体实施时,如图3所示,设共有N个QRS波,构成数列QRS(0..N-1)。所有QRS波的起点位置构成数列QRS_begin(0..N-1),所有QRS波的终点位置构成数列QRS_end(0..N-1)。
那么,第i个搜索空间的范围search_area(i)可以定义如下:
search_area(i)=[QRS_end(i),QRS_begin(i+1)],其中i=0,1,2,…,N-1;
为了分别找出P波、T波的顶点,取区间终点mid(i)将搜索空间search_area(i)分成两段;
mid(i)=[(QRS_end(i)+QRS_begin(i=1))/2]。
前半段搜索区间可以表示为:
search_area_T(i)=[QRS_end(i),mid(i)],T波顶点的位置,即区间范围内取最大值的位置,则第i个T波顶点的坐标可表示为:
T(i)=QRS_end(i)+arg_max(ECG(search_area_T(i)))。
后半段搜索区间可以表示为:
search_area_P(i)=[mid(i),QRS_begin(i+1)],P波顶点的位置,即区间范围内取最大值的位置,则第i个P波顶点的坐标可表示为:
P(i)=mid(i)+arg_max(ECG(search_area_P(i)))。
步骤6:计算P波、T波的起止点,
对于步骤5获得的每个P波顶点P(i)和每个T波顶点T(i),在其两侧分别计算出其对应的起点和终点。
具体实施时,步骤6计算P波、T波起止点的实现方式如下,
设顶点P(i)坐标为(P(i).x,P(i).y),设置阈值ThresholdP=0.2*P(i).y;
首先计算出起点位置,在范围[mid(i).x,P(i).x]内,求出所有波谷位置(其中波谷是这样的点:设波谷点B的坐标为(B.x,B.y),它的左临近点为A,右临近点为C,其对应的坐标分别是(A.x,A.y),(C.x,C.y),那么一定有B.y<A.y并且B.y<C.y)
设共找到M个波谷,按照横坐标由大到小的顺序组成数列valley(0..M-1),且对第i个波谷valley(i)的坐标为(valley(i).x,valley(i).y)。
对以上找到的波谷,依次做差,求出相邻波谷的落差,得到对应的落差数列drop(i)。具体操作步骤如下:
当i=0时,drop(0)=P(i).y–valley(0).y;
当0<i<M时,drop(i)=valley(i).y–valley(i-1).y;
设置累积下降值cusum_drop=0;设置P波起点的横坐标为PStartX;
执行以下流程:
最后得到PStartX=valley(j).x
设终点位置为PEndX,搜索范围为[P(i).x,QRS_begin(i+1)],计算方法与P波起点的搜索方法类似。
T波与P波的情况类似:
设顶点T(i)坐标为(T(i).x,T(i).y),设置阈值ThresholdT=0.1*T(i).y;T波起点横坐标为TStartX,终点横坐标为TEndX。计算方法与P波起点和终点的计算方法类似,不再赘述。如图7所示,对于本实施例采用的心电图,通过上述的方法,在虚拟导联上标注出的P波、T波起止点。如图8所示,最后将虚拟导联标注出的P波、T波起止点坐标对其到原心电图上,作为最终的效果展示。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (5)
1.一种多导联心电图信号中P波、T波起止点检测方法,其特征在于,包括以下步骤:
步骤1:输入待检测的多导联心电图时间序列和各QRS波的起止点信息;
步骤2:对步骤1的输入信号执行预处理操作,通过滤波,去除高频噪声和基线漂移;
步骤3:对步骤2处理后的每个导联的时间序列,通过相邻QRS波中前一个的终点和后一个的起点,将导联分割成一个个搜索区间;取搜索区间的最大值,作为该区间T波的峰值;取所有搜索区间的T波峰值的均值,作为该导联的T波峰值;对多个导联按其T波峰值排序,选出T波最为明显的前3个导联;
步骤4:对步骤3得到的3个导联的时间序列,按照时间进行数值叠加,从而获得一个P波、T波相对明显,便于进行算法检测的虚拟导联;
步骤5:计算P波,T波的顶点;
步骤6:计算P波、T波的起止点;
对于步骤5获得的每个P波顶点P(i)和每个T波顶点T(i),在其两侧分别计算出其对应的起点和终点。
2.根据权利要求1所述的多导联心电图信号中P波、T波起止点检测方法,其特征在于,步骤5的具体实现过程是:对于步骤4获得的虚拟导联,通过两个相邻QRS波中后一个的起点和前一个的终点,确定搜索区间;设共有N个QRS波,构成数列QRS(0、…、N-1);所有QRS波的起点位置构成数列QRS_begin(0、…、N-1),所有QRS波的终点位置构成数列QRS_end(0、…、N-1);
则第i个搜索区间的范围search_area(i)定义如下:
search_area(i) = [QRS_end(i),QRS_begin(i+1)],其中i = 0,1,2,…,N-1;
为了分别找出第i个搜索区间中P波、T波的顶点,取区间中点mid(i)=[(QRS_end(i)+QRS_begin(i+1))/2],将搜索区间search_area(i)分成两段;
前半段搜索区间表示为:
search_area_T(i) = [QRS_end(i),mid(i)],T波顶点的位置,即区间范围内取最大值的位置:T(i) = QRS_end(i) + arg_max( ECG(search_area_T(i)));
后半段搜索区间表示为:
search_area_P(i) = [mid(i),QRS_begin(i+1)],P波顶点的位置,即区间范围内取最大值的位置:P(i) = mid(i) + arg_max( ECG(search_area_P(i)))。
3.根据权利要求2所述的多导联心电图信号中P波、T波起止点检测方法,其特征在于,步骤6的具体实现过程是:
设顶点P(i)坐标为(P(i).x,P(i).y),设置阈值ThresholdP=0.2*P(i).y;
首先计算出起点位置,在范围[mid(i).x, P(i).x]内,求出所有波谷位置;设共找到M个波谷,按照横坐标由大到小的顺序组成数列valley(0,…,M-1),且对第i个波谷valley(i)的坐标为(valley(i).x, valley(i).y);
依次求出相邻波谷的落差,得到对应的落差数列drop(0,1,2,…),最终获得P波起点的横坐标为PStartX;P波终点的搜索范围为[P(i).x,QRS_begin(i+1)],最终获得P波终点横坐标为PEndX;
设顶点T(i)坐标为(T(i).x,T(i).y),设置阈值ThresholdT=0.1*T(i).y;T波起点的搜索范围为[QRS_end(i), T(i).x],T波终点的搜索范围为[T(i).x, mid(i).x],最终获得T波起点横坐标为TStartX,终点横坐标为TEndX。
4.根据权利要求3所述的多导联心电图信号中P波、T波起止点检测方法,其特征在于,所述获得P波起点的横坐标为PStartX,具体实现包括以下子步骤:
步骤6.1:给drop(0)赋值为P(i).y – valley(0).y;当0<i<M时,给drop(i) 赋值为valley(i).y – valley(i-1).y;
步骤6.2:设置累积下降值cusum_drop = 0;设置P波起点的横坐标为PStartX;
步骤6.3:j = 0;
步骤6.4: 从i = 0,循环执行下述步骤6.5-步骤6.6,直至i=M -1;
步骤6.5: cusum_drop += drop(i);
步骤6.6: 如果cusum_drop>ThresholdP,则cusum_drop = 0, j = i,i=i+1;
步骤6.7:PStartX = valley(j).x。
5.一种多导联心电图信号中P波、T波起止点检测系统,其特征在于:包括输入模块、预处理模块、QRS波检测模块、自适应多导联信号选择和虚拟导联合成模块、P波、T波定位及起点、终点检测模块和检测结果展示模块;
所述输入模块用于多个导联心电图信号通过采样量化的方式,转换成为多个对应的时间数值序列,并保存到CSV格式的文件中;
所述预处理模块用于对多个导联对应的时间数值序列做预处理,通过小波滤波操作去除工频噪声,通过形态学滤波去除基线漂移;最终得到处理之后的多个导联对应的时间数值序列;
所述QRS波检测模块用于通过QRS波检测算法,得到一个全局的QRS波起点和终点的位置信息;
所述自适应多导联信号选择和虚拟导联合成模块用于针对预处理后的多个导联对应的时间数值序列,挑选出T波幅值最为明显的3个导联的时间数值序列,并通过叠加的方式,获得一个唯一的时间数值序列,即为虚拟导联;
所述P波、T波定位及起点、终点检测模块用于针对得到的虚拟导联,采用P波、T波的起点、终点检测算法,定位出所有的P波、T波及其对应的起点终点横坐标;
所述检测结果展示模块用于在原有的多导联的基础上,标记并展示出P波、T波及其对应的起点和终点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810187726.9A CN108294745B (zh) | 2018-03-07 | 2018-03-07 | 多导联心电图信号中p波、t波起止点检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810187726.9A CN108294745B (zh) | 2018-03-07 | 2018-03-07 | 多导联心电图信号中p波、t波起止点检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108294745A CN108294745A (zh) | 2018-07-20 |
CN108294745B true CN108294745B (zh) | 2020-05-26 |
Family
ID=62849544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810187726.9A Active CN108294745B (zh) | 2018-03-07 | 2018-03-07 | 多导联心电图信号中p波、t波起止点检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108294745B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110967246B (zh) * | 2018-09-29 | 2022-09-30 | 中国航发商用航空发动机有限责任公司 | 分离式霍普金森杆实验的数据处理方法及数据处理系统 |
CN109745035B (zh) * | 2019-01-23 | 2021-04-20 | 深圳大学 | 心电信号波形检测方法 |
CN110051325A (zh) * | 2019-03-29 | 2019-07-26 | 重庆邮电大学 | 基于小波变换及改进eemd的心电信号综合滤波方法 |
CN110448296A (zh) * | 2019-07-17 | 2019-11-15 | 深圳邦健生物医疗设备股份有限公司 | 一种导联心电图的分析方法及装置 |
CN110477906B (zh) * | 2019-08-26 | 2021-11-26 | 电子科技大学 | 一种心电信号qrs波起止点定位方法 |
CN110742599B (zh) * | 2019-11-01 | 2022-05-10 | 广东工业大学 | 一种心电信号特征提取分类方法及系统 |
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 |
CN111281403B (zh) * | 2020-03-09 | 2021-08-13 | 西安交通大学 | 一种基于嵌入式设备的细粒度人体疲劳检测方法及设备 |
CN111429987B (zh) * | 2020-03-20 | 2023-05-09 | 深圳市凯沃尔电子有限公司 | 一种基于索引文件的搜索方法和装置 |
CN112869733B (zh) * | 2021-01-08 | 2021-12-24 | 广州中科新知科技有限公司 | 一种心冲击图实时心搏间期测算方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7027867B2 (en) * | 2002-06-28 | 2006-04-11 | Pacesetter, Inc. | Implantable cardiac device having a system for detecting T wave alternan patterns and method |
US7167745B2 (en) * | 2004-03-30 | 2007-01-23 | Quinton Cardiology, Inc. | Methods for quantifying the morphology and amplitude of cardiac action potential alternans |
WO2008085179A1 (en) * | 2006-01-18 | 2008-07-17 | Newcardio, Inc. | Quantitative assessment of cardiac electrical events |
EP2242422B1 (en) * | 2008-01-14 | 2016-10-19 | Koninklijke Philips N.V. | Atrial fibrillation monitoring |
CN101766483A (zh) * | 2008-12-26 | 2010-07-07 | 河南华南医电科技有限公司 | 一种新型的t波减影算法 |
CN102512157B (zh) * | 2011-12-15 | 2014-08-20 | 重庆大学 | 基于模型的动态心电图t波交替定量分析方法 |
WO2014205310A2 (en) * | 2013-06-21 | 2014-12-24 | The Board Of Trustees Of The Leland Stanford Junior University | Techniques for predicting cardiac arrhythmias based on signals from leads of electrocardiography |
CN104323771B (zh) * | 2014-11-11 | 2016-06-01 | 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 |
CN105030228B (zh) * | 2015-06-29 | 2019-07-02 | 深圳市理邦精密仪器股份有限公司 | 在心电信号中确定其p波位置的方法及装置 |
CN107714023B (zh) * | 2017-11-27 | 2020-09-01 | 上海优加利健康管理有限公司 | 基于人工智能自学习的静态心电图分析方法和装置 |
-
2018
- 2018-03-07 CN CN201810187726.9A patent/CN108294745B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108294745A (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108294745B (zh) | 多导联心电图信号中p波、t波起止点检测方法及系统 | |
US7239988B2 (en) | Apparatus and method for efficient representation of periodic and nearly periodic signals for analysis | |
CN107714023B (zh) | 基于人工智能自学习的静态心电图分析方法和装置 | |
CN109411041B (zh) | 心电信息处理方法和心电工作站系统 | |
CN109411042B (zh) | 心电信息处理方法和心电工作站 | |
AL-Ziarjawey et al. | Heart rate monitoring and PQRST detection based on graphical user interface with Matlab | |
CN106815570B (zh) | 一种基于动态模式识别的心电信号st-t段识别方法 | |
CN105411567A (zh) | 一种心电图数据分析方法及系统 | |
Chatterjee et al. | A statistical approach for determination of time plane features from digitized ECG | |
Rahul et al. | Dynamic thresholding based efficient QRS complex detection with low computational overhead | |
CN110090016B (zh) | 定位r波位置的方法及系统、使用lstm神经网络的r波自动检测方法 | |
US11672464B2 (en) | Electrocardiogram processing system for delineation and classification | |
CN113180685B (zh) | 基于形态学滤波和小波阈值的心电异常判别系统及方法 | |
EP3641628B1 (en) | System and method for classifying ectopic cardiac beats | |
US9474460B2 (en) | Non-invasive evaluation of cardiac repolarisation instability for risk stratification of sudden cardiac death | |
Liao et al. | Accurate ECG R-peak detection for telemedicine | |
KR20140097039A (ko) | 자동 결합 뉴런 네트워크를 이용한 심장부정맥 분류 방법 및 장치 | |
Rashkovska et al. | Clustering of heartbeats from ECG recordings obtained with wireless body sensors | |
CN115590524A (zh) | 基于卷积神经网络的qt间期延长识别方法及系统 | |
Mollakazemi et al. | Applying quality index criterion for flexible multi-detection of heartbeat using features of multimodal data | |
JP2021030080A (ja) | 心電図のrピークを決定する方法 | |
CN114680901A (zh) | 选择心电图的特征的电子装置和方法 | |
Ghaffari et al. | Finding events of electrocardiogram and arterial blood pressure signals via discrete wavelet transform with modified scales | |
CN111685754B (zh) | 针对可穿戴ecg采集设备的心率计算方法及系统 | |
Liang et al. | Detection Algorithm of QRS Wave and R Peak based on Adaptive Energy Segmentation |
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 |