CN108836303A - 基于通用平台的心电采集系统及其采集方法 - Google Patents
基于通用平台的心电采集系统及其采集方法 Download PDFInfo
- Publication number
- CN108836303A CN108836303A CN201810244568.6A CN201810244568A CN108836303A CN 108836303 A CN108836303 A CN 108836303A CN 201810244568 A CN201810244568 A CN 201810244568A CN 108836303 A CN108836303 A CN 108836303A
- Authority
- CN
- China
- Prior art keywords
- wave
- point
- qrs
- amplitude
- ecg
- 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
Links
- 238000000034 method Methods 0.000 title claims description 65
- 238000004891 communication Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 238000000718 qrs complex Methods 0.000 claims description 98
- 238000012545 processing Methods 0.000 claims description 64
- 238000005259 measurement Methods 0.000 claims description 34
- 230000011218 segmentation Effects 0.000 claims description 32
- 238000001514 detection method Methods 0.000 claims description 31
- 230000016507 interphase Effects 0.000 claims description 26
- 238000001228 spectrum Methods 0.000 claims description 16
- 238000012797 qualification Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 239000012634 fragment Substances 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 12
- 238000012850 discrimination method Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 10
- 238000013441 quality evaluation Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000002547 anomalous effect Effects 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims 1
- 230000037430 deletion Effects 0.000 claims 1
- 230000005484 gravity Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 7
- 229940079593 drug Drugs 0.000 description 6
- 239000003814 drug Substances 0.000 description 6
- 230000005611 electricity Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 208000024172 Cardiovascular disease Diseases 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 230000028161 membrane depolarization Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 210000002837 heart atrium Anatomy 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000002336 repolarization Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- KOIUTVMFGIAWQC-UHFFFAOYSA-N C=C1C2=CCC1=C2 Chemical compound C=C1C2=CCC1=C2 KOIUTVMFGIAWQC-UHFFFAOYSA-N 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000001746 atrial effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007491 morphometric analysis Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于通用平台的心电采集系统包括集成于android平台内的android主控板、心电采集模块和传感器,心电采集模块与多个传感器相连接,传感器分别置于人体不同部位以实现心电信号测量,传感器的输出经心电采集模块处理后形成心电数据完成采集,并经串口通信将其发送至android主控板;android主控板用于运行android应用程序,并对心电数据进行处理和储存,Android主控板通过串口采集到心电数据后多线程同步处理;android主控板连接有显示屏,并通过显示屏即时将采集的心电图波形及心电参数数据显示出。本发明可实现心电图的实时快速采集、解析、绘制、传输和显示。
Description
技术领域
本发明涉及一种心电检测系统,尤其涉及一种基于通用平台的心电采集系统及其采集方法。
背景技术
心血管病患人数众多,而且每10秒就有1人死于心血管病,但心血管病的诊治情况却不容乐观,由于很多心脏疾病非常需要心电图数据来指导诊断,并且在疾病发作时才可以收集到相关性高的心电图数据,如果没有随时随地的收集处理设备,将会为诊断带来巨大麻烦。
现有技术主要有如下类别:从平台分,有专用平台设备(如嵌入式系统)和与通用平台(android或苹果);从测量时间分,有24小时不间断监护和按需测量;从采集模块与数据处理模块关联分,有分离模式与一体模式;从市场定位分有医院专业设备与家庭日常保健设备,以及非便携与便携的区分。一般来说,医院专业设备采用专用平台,采用一体模式,开发成本高,升级难度大;而家用日常保健设备更多选择通用平台,采集模块独立设备,采用蓝牙进行通信。从检测时间看,家用设备不间断监护与按需测量都有其市场需求,而按需测量应用相比更广泛。
在通用平台(android或苹果)上开发的家用便携保健设备,因为设备的非专用特点,用户打开检测软件,并点击选取心电测量功能,往往显得操作复杂,对于行动不便者,尤其老人,是其严重的缺陷。
同时心电模块工作时,需要一定的电能,即便是待机,电能消耗也不容忽视。传统的心电独立模块,通常采用手动电源开关来关闭电源,以达到节电目的。此外设备分离,在保管上也有其不便之处。
因此,亟待解决上述问题。
发明内容
发明目的:本发明的目的是提供一种可实现心电图的实时快速采集、解析、绘制、传输、显示,且同时可确保待检测心电信号的可用性的基于通用平台的心电采集系统。
本发明的另一个的目的是提供该基于通用平台的心电采集系统的采集方法。
技术方案:为实现以上目的,本发明公开了一种基于通用平台的心电采集系统,包括集成于android平台内的android主控板、心电采集模块和传感器,所述心电采集模块与多个传感器相连接,所述传感器分别置于人体不同部位以实现心电信号测量,传感器的输出经心电采集模块处理后形成心电数据完成采集,并经串口通信将其发送至android主控板;
所述android主控板用于运行android应用程序,并对心电数据进行处理和储存,Android主控板通过串口采集到心电数据后,多线程同步处理:
1.1、进行心电信号质量辨识;
1.2、根据辨识后的心电信号进行心电分析,计算得到心电参数、心率、qrs时间和st高度参数;
1.3、本地数据保存:包括原始心电数据保存,计算得到的心电参数和心电结果保存;
1.4、网络服务器数据保存:本地数据同步上传服务器;
android主控板连接有显示屏,并通过显示屏即时将采集的心电图波形及心电参数数据显示出。
优选的,所述步骤1.1中,所述心电信号质量辨识方法包括如下步骤:
S1、获取采样率为fs的原始的心电波形幅值数据,并将心电波形幅值数据分成以N秒为时间单位的处理段X,N为8~120间的任意一个值;
S2、在处理段X内,将心电信号以1秒为单位进行片段分割,分割段为xi,其中i=1…N,xi的数据长度为M=1×fs=fs;
S3、以处理段X为单位,取出每一心电波形片段xi的幅值最大值mmax和最小值mmin构成包络点,通过比较各个包络点得到分割段xi的包络差ei=mmax–mmin,再求取处理段X内波形包络差的平均值乘以比例系数k1,其中2>k1>1,再与每分割段的包络差ei作比较;当时,说明此分隔段的包络有突变,即为包络检测不合格;
S4、在处理段X内,获取每一分割段xi的幅值方差值其中m为xi中数据的序号;再求取处理段X内波形片段幅值方差值Ei的平均值乘以比例系数k2,其中2>k2>1,再与各分割段xi的幅值方差值Ei作比较,当时,说明此分割段的方差有突变,即为方差检测不合格;
S5、在处理段X内,利用快速傅里叶变换,将心电片段信号xi的时域信号转化为频域信号,即为功率谱信号;对1~5Hz的幅值进行积分得到功率 其中Re代表求复数的实部,Im代表求复数的虚部,j指某一频段的范围,fi(j)即为功率谱信号;求取处理段X内波形的平均功率值乘以比例系数k3,其中2>k3>1,再与各分割段xi的功率Pi作比较;当时,说明此处理段的1~5Hz功率有突变,即为功率谱检测不合格;
S6、在处理段X内,得到步骤S5中的心电片段信号xi的功率谱信号后,对5~40Hz的幅值进行积分得到功率其中Re代表求复数的实部,Im代表求复数的虚部,Psi代表心电信号的功率;再对40~100Hz的幅值进行积分得到功率其中Re代表求复数的实部,Im代表求复数的虚部,Pni代表高频噪声信号的功率;计算两者的信噪比kSNRi=Psi/Pni,当信噪比小于阈值时,其中大于2,说明此处理段信噪比过小,噪声所占比重过大,即信噪比检测不合格;
S7、根据参数包络差、方差值、信号在1~5Hz之间的功率和信噪比的合格情况对心电波形进行质量等级划分,心电波形的质量分成4个等级,分别用0~3表示质量等级系数;质量等级系数0表示心电波形良好,质量等级系数1表示心电波形较差,质量等级系数2表示心电波形差,质量等级系数3表示心电波形存在严重噪声。即从波形质量的程度“0”表示良好,“1”表示较差,“2”表示差,“3”表示严重噪声;所述心电波形的质量等级划分方法为:当信噪比参数不合格时,该处理段心电波形的质量等级系数直接评定为3,即波形存在严重噪声;在信噪比参数合格的前提下,根据包络差、方差值、信号在1~5Hz之间的功率的合格情况来评定心电波形质量,当三个参数全部合格时,该处理段心电波形质量等级系数评定为0,即波形良好;当三个参数中有两个或一个合格时,心电波形质量等级系数评定为1,即波形较差;当三个参数全部不合格时,心电波形质量等级系数评定为2,即波形差;
进一步,所述步骤1.2中心电分析方法,包括如下步骤:
S11、获取N秒的待分析的心电波形,N为8~120间的任意一个值;
S12、依据心电信号质量辨识方法对待分析的心电波形进行质量评估,得到N秒的心电波形质量等级,其中心电波形质量评估以1s为单位,共得到N个数据分别代表第1秒到第N秒的质量等级系数;
S13、当心电信号质量等级系数为3且持续时间大于0.3N秒时,提示“信号质量噪声过大,无法分析”返回至步骤A重新获取待分析的心电波形;否则进行心电参数的计算和心电结果判断;心电参数的计算和心电结果判断的步骤为:
S1301、依据心电QRS波群宽度的检测方法找出QRS波群宽度、QRS波群中各个子波形的起止时间点、幅度参数和代表QRS波群形态的Bn;然后再找出心电特征包括P、T波的起止时间点及其幅度参数,构成了一次心跳;
S1302、取心电波形质量等级系数小于3的心电特征用于计算心电参数RR间期和心率,用心电波形质量等级为0的心电特征计算心电参数PR间期、QRS宽度、QT间期、ST段高度、P波平均电轴、QRS平均电轴、T波平均电轴、Q波宽度和R波高度;
S1303、利用心电特征和上述心电参数进行心电异常判断得出心电图异常结果
S14、当心电信号质量等级系数为1或2且持续时间大于0.3N秒时,提示“信号质量较差”并输出计算得到的心电参数和心电结果;否则认为心电波形质量较好,直接输出计算得到的心电参数和心电结果。
优选的,所述步骤S1301中心电QRS波群宽度的检测方法,包括如下步骤:
A、获取采样率为fs的原始心电波形幅值数据S,并将心电波形S分成以N秒为时间单位的处理段信号X,N为8~120间的任意一值;
B、将信号X经过包络处理得到包络信号Xe,然后在包络信号Xe上利用阈值法定位QRS波群的位置得到集合Bxe;
其中信号X的处理方法和利用阀值法的定位方法包括如下步骤:
B1、将信号X经过一个带通滤波器,其频率范围为5Hz~25Hz,得到凸显出QRS波群特征且滤除干扰波的信号Xfiltered;对信号Xfiltered做微分后再平方得到信号Xdiff,对Xdiff进行积分得到包络信号Xe;
B2、将包络信号Xe按0.2N秒的长度分段得到5个包络片段Xe(i),其中i=1…5,在每个包络片段内找到最大值XEmax(i),然后求出这5个最大值的中值并用中值计算出阈值其中0.2<k1<0.8;再在包络信号Xe中寻找一个大于阈值TH的区间[Iover,Ilower],该区间即为QRS波群的位置所在区域;然后确定QRS波群的坐标位置Bxe(n)=argmaxXe(Iover,Ilower),n代表第n个QRS波,其中arg为自变量argument的英文缩写,arg max即代表取式子达到最大值时的变量取值,Bxe(n)是Iover~Ilower之间的使Xe最大的一个值;依次利用阀值在Xe上找出所有QRS波群的位置,记为集合Bxe;
C、在集合Bxe中选取第n个QRS波群位置Bxe(n),求出该QRS波群的RR间期RRxe(n)=Bxe(n)-Bxe(n-1);从信号X中截取一片段Xios,截取的起始位置为Bxe(n-1)+RRxe(n)×k3,终止位置为Bxe(n)-RRxe(n)×(0.5-k3),其中0.3<k3<0.5,即第n-1个心跳的T波之后到第n个心跳的P波之前的一段数据;作出片段Xios中幅值范围的直方图Gp,得到Xios数据取值的统计分布;在直方图Gp中找出Xios幅值分布个数最多的子区间b,该子区间b代表的电位即为第n次心跳之前的等电位段电位vios;
D、从信号X中第n个QRS波群位置Bxe(n)周围截取一数据段qn,在数据段qn中找到所有极大值和极小值点的集合为极值点P和QRS波群中绝对幅值最大的波QM;
其中获取极值点P和QM的方法包括如下步骤:
D1、信号X在Bxe(n)处往前ω-=(0.07~0.15)fs、往后ω+=(0.1~0.23)fs个点,截取信号X中的QRS波群的数据段qn=(q1,…,qj,…,qω),其中ω=ω-+ω+表示qn的数据长度,qj表示qn中第j个数据;
D2、在数据段qn中找到所有极大值Pk和极小值点Lo,极大值Pk和极小值点Lo合称为极值点P;然后再找出极大值Pk中的最大值Pmax=(Vmax,Imax)和极小值Lo中的最小值Lmin=(Vmin,Imin),I、V分别表示点在qn中的位置和数据幅值大小;
D3、定义QRS波群中最明显的波顶点为QRS波群中绝对幅值最大的波QM,如果|Vmax-vios|>k4×|Vmin-vios|则QM点为Lmin点,否则QM点为Pmax点,其中2<k4<10;
E、极值点P中满足最小QRS可识别波条件的为主极点Dn,再从主极点Dn中筛选出特征点和关键特征点所述最小QRS可识别波条件为:幅度大于ρmin微伏且持续时间大于dmin毫秒,其中20uV<ρmin<80uV,6ms<dmin<16ms;
其中筛选特征点和关键特征点的具体方法包括如下步骤:
E1、从极值点P中选择一个极值点pj,用以下公式在处理段qn中搜索极值点pj的左右支撑区间
Δqj,x=|qj-qx|
其中j和qj为极值点pj在qn中的位置和幅值,τ为QRS最大的有意义的生理时间宽度,取80~160ms;i、a、b和k均是为了求解支撑区间的辅助变量,没有特别含义;qx是qn中第x个数据,与qj一个意义;
E2、若极值点pj的左右支撑区间不存在,或者则认为该极值点pj不是可识别波,否则认为pj为可识别波将其归入主极点Dn中;qn区间内的数据构成了以极值点pj为顶点的子波;
E3、重复步骤E1、E2直到筛选出极值点P中所有可识别波,记为主极值点集合Dn={pj};
E4、极值点pj的左斜率为点pj与点两点构成的直线的斜率,极值点pj的右斜率为点pj与点两点构成的直线的斜率;得到与Dn对应的左右斜率集合和如果pj的都大于tan(β°)则确认特征点pj为QRS中的特征点;如果中有一个小于tan(β°),满足 和则确认特征点pj为QRS中的特征点,如果不满足则确认特征点pj不是QRS中的关键特征点,其中30°<α<β<65°;对Dn中的所有极点进行判断,最后得到QRS中的特征点
E5、如中的极值点幅值满足条件: ρmin<ρQRS<150μV,其中表示两点间的绝对幅度差,是步骤E4中找到的关键点,ρmin是最小可识别波幅值阈值,ρQRS是为了抗干扰而设置的比ρmin更大的幅度阈值,即为关键特征点
F、在数据段qn中,以步骤D中得到的QM为顶点,利用三角形法确定QRS的起止点QRSon和QRSoff;所述三角形法包括如下步骤:
F1、三角形法的作用是寻找波形上的转折点,转折点包括极值点和非极值拐点;一心电波形线段,从顶点x开始向前取一个点z做一条辅助线l,求该线段上所有数据点到直线l的距离d,距离最大的点即为转折点y;使用三角形法找QRSon和QRSoff的前提是:QRSon和QRSoff是波形的非极值拐点,而不是峰值点;
F2、在数据段数据qn中首先以QM点作为顶点,向前50~200ms之间寻找一点作辅助线S1,寻找数据段数据qn中到辅助线S1的距离最大的点,即为拐点1,判断拐点1是否在中任一特征点pj的±Δms范围内,其中15ms<Δ<50ms;如果在范围内则用拐点1作为顶点继续采用三角形法作辅助线S2,寻找数据段数据qn中到辅助线S2的距离最大的点为拐点2,判断拐点2是否在中任一特征点pj的±Δms范围内,其中15ms<Δ<50ms;如果仍在范围内则重复采用三角形法直到找到拐点n不再是特征点集合中的特征点,拐点n即为QRSoff点;
F3、在数据段数据qn中首先以QM点作为顶点,向后50~200ms之间寻找一点作辅助线L1,寻找数据段数据qn中到辅助线L1的距离最大的点,即为拐点1',判断拐点1'是否在中任一特征点pj的±Δms范围内,其中15ms<Δ<50ms;如果在范围内则用拐点1'作为顶点继续采用三角形法作辅助线L2,寻找数据段数据qn中到辅助线L2的距离最大的点为拐点2',判断拐点2'是否在中任一特征点pj的±Δms范围内,其中15ms<Δ<50ms;如果仍在范围内则重复采用三角形法直到找到拐点n'不再是特征点集合中的特征点,拐点n'即为QRSon点;
G、将特征点和关键特征点中所有位置小于QRSon和大于QRSoff的特征点删除,形成新的代表QRS波群的特征点Rn和关键特征点
H、采用新的Rn或者并结合步骤C中的等电位段的电势值vios,确定QRS波群中的子波形Q、R、S、r'、s'、r"、s"位置;其中确定QRS波群中的子波形位置的方法包括如下步骤:
H1、当0<Rn中特征点的个数≤6时,用Rn作为分配QRS波群的集合On;当中特征点的个数≤6时,用作为分配QRS波群的集合On;如果Rn和中特征点个数均不满足条件,则认为找到的不是QRS波群,返回步骤C重新选择一个QRS波群位置,重复执行C~H步,直到确定集合On;
H2、若集合On中的特征点oj是极大值点且大于电势值vios,则oj是正向波;如果特征点oj是极大值点且小于电势值vios,则抛弃oj;如果集合On中的特征点oj是极小值点且小于电势值vios,则oj是负向波;如果特征点oj是极小值点且大于电势值vios,则抛弃oj;直至得到包含QRS波群中的所有正向波和负向波的集合
H3、若集合中包含连续几个的正向或负向波,则合并连续的同向波;其中如果是连续的正向波,只取幅值最大的特征点,抛弃其他连续同向波;如果是连续负向波则只取幅值最小的波,抛弃其他连续同向波;则得到正负波交替的特征点集合
H4、集合中的特征点按照一定的排列规则命名子波形;其中根据QRS波群的排列规则,对QRS波群中的子波形命名判断条件作出适用于计算机实现的定义,具体定义为:第一个向下的波称为Q波,第一个向上的波称为R波,第二个向下的波称为S波,S波后向上的波为r'波,r'波后向下的波为s'波,s'波后向上的波为r"波,r"波后向下的波为s"波;识别QRS波群中的关键特征点QRSon和QRSoff点时,定义QRS波群只有三个正向波和四个负向波,即Q、R、S、r'、s'、r"、s"七个子波形;且七个子波形中至少要有一个Q波或R波;其中仅允许同时出现六个子波形,三个正向波和三个负向波,即:(1)六个子波形分别为Q、R、S、r'、s'和r"波,Q波起始点为QRS起始点QRSon点,r"波的终末点为QRS终末点QRSoff;(2)六个子波为R、S、r'、s'、r"和s"波,R波起始点为QRS起始点QRSon,s"波的终末点为QRS终末点QRSoff;
H5、用代表第j个QRS波的形态特征和特征参数;所述中QRS波群的特征参数包括如下参数:
RR间期与心率:当前R波所在位置与上一个QRS波群中R波的时间差即为RR间期,一般以ms(毫秒)为单位,心率=60000/RR间期;
Q波的幅度与宽度:如果有Q波,在数据qn(QRSon:QRSoff)中,从位置Q波顶点向后寻找第一个大于幅度qn(QRSon)的点,此点即为Q波终末点Qoff,也是R波起始点Ron;Q波的幅度为Q波顶点幅度减去幅度qn(QRSon),Q波宽度即是Qoff减去Ron;
R波的幅度与宽度:如果由Q波,R波起点Ron就是Qoff,如果没有Q波,Ron就是QRSon。在数据qn(QRSon:QRSoff)中,从位置R波顶点向后寻找第一个小于幅度qn(Ron)的点,即为R波终末点Roff,也是S波起始点Son;R波的幅度为R波顶点幅度减去幅度Ron,R波宽度即是Roff减去Ron;
S波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置S波顶点向后寻找第一个小于幅度qn(Son)的点,即为S波终末点Soff,也是r'波起始点r'on;S波的幅度为S波顶点幅度减去幅度Son,S波宽度即是Soff减去Son;
r'波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置r'波顶点向后寻找第一个小于幅度qn(r'on)的点,即为r'波终末点r'off,也是s'波起始点s'on;r'波的幅度为r'波顶点幅度减去幅度r'on,r'波宽度即是r'off减去r'on;
s'波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置s'波顶点向后寻找第一个小于幅度qn(s'on)的点,即为s'波终末点s'off,也是r〞波起始点r〞on;s'波的幅度为s'波顶点幅度减去幅度s'on,s'波宽度即是s'off减去s'on;
r〞波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置r〞波顶点向后寻找第一个小于幅度qn(r〞on)的点,即为r〞波终末点r〞off,也是s〞波起始点s〞on;r〞波的幅度为r〞波顶点幅度减去幅度r〞on,r〞波宽度即是r〞off减去r〞on;
s〞波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置s〞波顶点向后寻找第一个小于幅度qn(s〞on)的点,即为s〞波终末点r〞off;s〞波的幅度为s〞波顶点幅度减去幅度s〞on,s〞波宽度即是s〞off减去s〞on;
QSR波群的第一个子波的起始点即为QRSon,QSR波群的最后一个子波的终末点即为QRSoff;
I、重复C到I步,直至检出集合Bxe中所有QRS的特征点,用Bn={Bn(j)}表示;
J、重复A到J步,直到识别完全部原始心电波形幅值数据S。
优选的,所述android主控板采用极值抽样显示法将心电图波形显示在显示屏上,该极值抽样显示法的步骤包括:
A、首先按照显示屏的分辨率计算抽样点步长
B、将心电图波形的原始采样数据按照抽点步长片段分成若干组;
C、每一组分别选取最大值和最小值作为抽取点,且保持两点的先后顺序关系;
D、显示当前一组的抽取点,重复步骤C和D直至显示完所有分组数据。
优选的,所述android主控板中预设有快速采集指令,该快速采集指令中包括默认用户信息、默认测量导联方式和默认测量时长。
进一步,所述传感器的数量为3个。
再者,还包括供电模块,所述供电模块与心电采集模块之间设有电子开关。
本发明一种基于通用平台的心电采集系统的采集方法,包括如下步骤:
A、参数设置:启动android主控板,设定检测的用户、测量导联方式和测量时长;
B、传感器的固定:用户根据测量导联方式将传感器固定于身体相应位置进行测量;
C、心电数据采集:传感器将心电信号输出至心电采集模块,经由心电采集模块处理形成心电数据发送至android主控板;
D、心电数据的接收:android主控板接收心电采集模块发送的心电数据,并存储;
E、心电数据的显示:android主控板将心电数据发送至显示屏,并显示。
本发明另一种基于通用平台的心电采集系统的采集方法,包括如下步骤:
A、参数设置:启动android主控板,调用快速采集指令,获得默认用户、默认测量导联方式和默认测量时长;
B、传感器的固定:用户根据测量导联方式将传感器固定于手指相应位置进行测量;
C、心电数据采集:传感器将心电信号输出至心电采集模块,经由心电采集模块处理形成心电数据发送至android主控板;
D、心电数据的接收:android主控板接收心电采集模块发送的心电数据,并存储;
E、心电数据的显示:android主控板将心电数据发送至显示屏,并显示。
有益效果:与现有技术相比,本发明具有以下显著优点:
(1)本发明提供一种基于通用平台的集成心电采集模块的心电采集系统,所采用平台保留了android平板的通用性,在作为健康保健产品同时,还允许播放视频,游戏娱乐等功能;
(2)本发明设有快速采集指令,可快速激发测量,使得部分身体状况不好,或年龄大不擅操作平板人士,轻易使用设备进入测量状态;再者,内置电子开关可自动启停心电采集模块的电源,减少电能消耗;
(3)本发明集成于android平台内,其整体体积小,方便携带,可应用于医院,保险,家庭保健等诸多领域,具有广泛的应用前景;
(4)本发明利用心电波形幅值数据计算心电波形的包络差、方差值、信号在1~5Hz之间的功率和信噪比四个参数,分析四个参数值是否合格,根据参数包络差、方差值、信号在1~5Hz之间的功率和信噪比的合格情况对心电波形进行质量等级划分,为心电信号自动分析筛选合格的心电数据,确保待检测心电信号的可用性;从而进一步保障后续精准检测到QRS波群的位置;
(5)本发明利用心电信号质量辨识方法对待分析的心电波形进行质量评估,对心电波形质量等级好的心电特征进行心电参数的计算和异常结果判断,对于心电波形质量等级差的心电信号发出提示,提高心电信号分析的可信度以及准确度;本发明最后结合波形质量分析法对心电波质量的甄别,有效地分析心电波形。
(6)本发明中QRS波群宽度的检测方法中通过对信号进行包络处理,凸显QRS波群位置信息,削弱杂波对其影响,有效提高QRS波群的精准位置的准确度;
(7)本发明中QRS波群宽度的检测方法中统计法得到等电位段电位,再利用幅度、斜率和极值点信息识别出QRS波群中个各关键点,各关键点、等电位段电位和预估的QRS波群的起始点和终末点最终确定QRS波群中各子波的位置,并准确勾勒出QRS波群的形态特征;同时本发明可求出各个子波的幅度与宽度,进而可以为心电QRS波群形态特征分析提供详细的特征参数;
(8)本发明中QRS波群宽度的检测方法中使用极值法寻找QRS波中的波峰和波谷,再通过找到的极值点及其结合斜率、三角形法、等电位段电位值、幅值信息来确定QRS波群的起止点,该QRS波群的起止点时段即是QRS波群的宽度;其中三角形法中通过多次重复使用三角形法将待判断拐点与特征点进行对比确认,可提高起止点的精准度,保障心电图QRS波群的宽度的准确检测;心电图QRS波群的宽度的准确检测对于心脏功能检查、心血管疾病的诊断和预防有着重要的意义。
附图说明
图1为本发明的系统示意图;
图2为本发明中快速测量的流程图;
图3为本发明的流程图;
图4为本发明中极值抽样显示法的示意图;
图5为本发明中心电信号质量辨识方法的流程框图;
图6为本发明中心电波形中各波的示意图;
图7为本发明中心电分析方法的流程框图;
图8为本发明实施例中的实验结果示意图一;
图9为本发明实施例中的实验结果示意图二;
图10为本发明的流程框图;
图11为本发明步骤B中信号X的处理方法的流程框图;
图12为本发明步骤B中信号X处理后的示意图;
图13为本发明步骤C中的直方图Gp的示意图;
图14为本发明步骤E中极值点的左右区间示意图;
图15为本发明步骤F中三角形法的原理示意图;
图16为本发明步骤F中采用三角形法确定QRSon和QRSoff点的示意图;
图17为本发明步骤H中正向波和负向波的示意图;
图18为本发明中QRS命名规则示意图一;
图19为本发明中QRS命名规则示意图二;
图20为本发明中QRS命名规则示意图三。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明一种基于通用平台的心电采集系统,包括android主控板、心电采集模块和传感器,所述心电采集模块与多个传感器相连接,所述传感器的数量为3个,所述传感器分别置于人体不同部位以实现心电信号测量,传感器的输出经心电采集模块处理后形成心电数据完成采集,并经串口通信将其发送至android主控板;
所述android主控板用于运行android应用程序,并对心电数据进行处理和储存,android主控板连接有显示屏,并通过显示屏即时将采集的心电图波形及心电参数数据显示出;Android主控板通过串口采集到心电数据后,多线程同步实现如下不同处理:
1.1、进行心电信号质量辨识;所述心电信号质量辨识方法,包括如下步骤:
S1、获取采样率为fs的原始的心电波形幅值数据,并将心电波形幅值数据分成以N秒为时间单位的处理段X,N为8~120间的任意一个值;
S2、在处理段X内,将心电信号以1秒为单位进行片段分割,分割段为xi,其中i=1…N,xi的数据长度为M=1×fs=fs;
S3、以处理段X为单位,取出每一心电波形片段xi的幅值最大值mmax和最小值mmin构成包络点,通过比较各个包络点得到分割段xi的包络差ei=mmax–mmin,再求取处理段X内波形包络差的平均值乘以比例系数k1,其中2>k1>1,再与每分割段的包络差ei作比较;当时,说明此分隔段的包络有突变,即为包络检测不合格;
S4、在处理段X内,获取每一分割段xi的幅值方差值其中m为xi中数据的序号;再求取处理段X内波形片段幅值方差值Ei的平均值乘以比例系数k2,其中2>k2>1,再与各分割段xi的幅值方差值Ei作比较,当时,说明此分割段的方差有突变,即为方差检测不合格;
S5、在处理段X内,利用快速傅里叶变换,将心电片段信号xi的时域信号转化为频域信号,即为功率谱信号;对1~5Hz的幅值进行积分得到功率 其中Re代表求复数的实部,Im代表求复数的虚部,j指某一频段的范围,fi(j)即为功率谱信号;求取处理段X内波形的平均功率值乘以比例系数k3,其中2>k3>1,再与各分割段xi的功率Pi作比较;当时,说明此处理段的1~5Hz功率有突变,即为功率谱检测不合格;
S6、在处理段X内,得到步骤S5中的心电片段信号xi的功率谱信号后,对5~40Hz的幅值进行积分得到功率其中Re代表求复数的实部,Im代表求复数的虚部,Psi代表心电信号的功率;再对40~100Hz的幅值进行积分得到功率其中Re代表求复数的实部,Im代表求复数的虚部,Pni代表高频噪声信号的功率;计算两者的信噪比kSNRi=Psi/Pni,当信噪比小于阈值时,其中大于2,说明此处理段信噪比过小,噪声所占比重过大,即信噪比检测不合格;
S7、根据参数包络差、方差值、信号在1~5Hz之间的功率和信噪比的合格情况对心电波形进行质量等级划分,心电波形的质量分成4个等级,分别用0~3表示质量等级系数;其中心电波形的质量等级划分方法为:当信噪比参数不合格时,该处理段心电波形的质量等级系数直接评定为3,即波形存在严重噪声;在信噪比参数合格的前提下,根据包络差、方差值、信号在1~5Hz之间的功率的合格情况来评定心电波形质量,当三个参数全部合格时,该处理段心电波形质量等级系数评定为0,即波形良好;当三个参数中有两个或一个合格时,心电波形质量等级系数评定为1,即波形较差;当三个参数全部不合格时,心电波形质量等级系数评定为2,即波形差;质量等级系数0表示心电波形良好,质量等级系数1表示心电波形较差,质量等级系数2表示心电波形差,质量等级系数3表示心电波形存在严重噪声。即从波形质量的程度“0”表示良好,“1”表示较差,“2”表示差,“3”表示严重噪声。
1.2、根据辨识后的心电信号进行心电分析,计算得到心电参数、心率、qrs时间和st高度参数;所述心电分析方法,包括如下步骤:
S11、获取N秒的待分析的心电波形,N为8~120间的任意一个值;
S12、依据心电信号质量辨识方法对待分析的心电波形进行质量评估,得到N秒的心电波形质量等级,其中心电波形质量评估以1s为单位,共得到N个数据分别代表第1秒到第N秒的质量等级系数;
S13、当心电信号质量等级系数为3且持续时间大于0.3N秒时,提示“信号质量噪声过大,无法分析”返回至步骤A重新获取待分析的心电波形;否则进行心电参数的计算和异常结果判断;其中心电参数的计算和异常结果判断的步骤为:
S1301、依据心电QRS波群宽度的检测方法找出QRS波群宽度、QRS波群中各个子波形的起止时间点、幅度参数和代表QRS波群形态的Bn;然后再找出心电特征包括P、T波的起止时间点及其幅度参数,构成了一次心跳;
如图10所示,其中心电QRS波群宽度的检测方法,包括如下步骤:
A、获取采样率为fs的原始心电波形幅值数据S,并将心电波形S分成以N秒为时间单位的处理段信号X,N为8~120间的任意一值;
B、将信号X经过包络处理得到包络信号Xe,然后在包络信号Xe上利用阈值法定位QRS波群的位置得到集合Bxe;
如图11所示,其中信号X的处理方法和利用阀值法的定位方法包括如下步骤:
B1、将信号X经过一个带通滤波器,其频率范围为5Hz~25Hz,得到凸显出QRS波群特征且滤除干扰波的信号Xfiltered;对信号Xfiltered做微分后再平方得到信号Xdiff,对Xdiff进行积分得到包络信号Xe,如图12所示;
B2、将包络信号Xe按0.2N秒的长度分段得到5个包络片段Xe(i),其中i=1…5,在每个包络片段内找到最大值XEmax(i),然后求出这5个最大值的中值并用中值计算出阈值其中0.2<k1<0.8;再在包络信号Xe中寻找一个大于阈值TH的区间[Iover,Ilower],该区间即为QRS波群的位置所在区域;然后确定QRS波群的坐标位置Bxe(n)=arg maxXe(Iover,Ilower),n代表第n个QRS波,其中arg为自变量argument的英文缩写,argmax即代表取式子达到最大值时的变量取值,Bxe(n)是Iover~Ilower之间的使Xe最大的一个值;依次利用阀值在Xe上找出所有QRS波群的位置,记为集合Bxe;
C、在集合Bxe中选取第n个QRS波群位置Bxe(n),求出该QRS波群的RR间期RRxe(n)=Bxe(n)-Bxe(n-1);从信号X中截取一片段Xios,截取的起始位置为Bxe(n-1)+RRxe(n)×k3,终止位置为Bxe(n)-RRxe(n)×(0.5-k3),其中0.3<k3<0.5,即第n-1个心跳的T波之后到第n个心跳的P波之前的一段数据;作出片段Xios中幅值范围的直方图Gp,得到Xios数据取值的统计分布,如图13所示;在直方图Gp中找出Xios幅值分布个数最多的子区间b,该子区间b代表的电位即为第n次心跳之前的等电位段电位vios;
D、从信号X中第n个QRS波群位置Bxe(n)周围截取一数据段qn,在数据段qn中找到所有极大值和极小值点的集合为极值点P和QRS波群中绝对幅值最大的波QM;
其中获取极值点P和QM的方法包括如下步骤:
D1、信号X在Bxe(n)处往前ω-=(0.07~0.15)fs、往后ω+=(0.1~0.23)fs个点,截取信号X中的QRS波群的数据段qn=(q1,…,qj,…,qω),其中ω=ω-+ω+表示qn的数据长度,qj表示qn中第j个数据;
D2、在数据段qn中找到所有极大值Pk和极小值点Lo,极大值Pk和极小值点Lo合称为极值点P;然后再找出极大值Pk中的最大值Pmax=(Vmax,Imax)和极小值Lo中的最小值Lmin=(Vmin,Imin),I、V分别表示点在qn中的位置和数据幅值大小;
D3、定义QRS波群中最明显的波顶点为QRS波群中绝对幅值最大的波QM,如果|Vmax-vios|>k4×|Vmin-vios|则QM点为Lmin点,否则QM点为Pmax点,其中2<k4<10;
E、极值点P中满足最小QRS可识别波条件的为主极点Dn,再从主极点Dn中筛选出特征点和关键特征点所述最小QRS可识别波条件为:幅度大于ρmin微伏且持续时间大于dmin毫秒,其中20uV<ρmin<80uV,6ms<dmin<16ms;
其中筛选特征点和关键特征点的具体方法包括如下步骤:
E1、从极值点P中选择一个极值点pj,用以下公式在处理段qn中搜索极值点pj的左右支撑区间
Δqj,x=|qj-qx|
其中j和qj为极值点pj在qn中的位置和幅值,τ为QRS最大的有意义的生理时间宽度,取80~160ms;i、a、b和k均是为了求解支撑区间的辅助变量,没有特别含义;qx是qn中第x个数据,与qj一个意义,如图14所示;
E2、若极值点pj的左右支撑区间不存在,或者则认为该极值点pj不是可识别波,否则认为pj为可识别波将其归入主极点Dn中;qn区间内的数据构成了以极值点pj为顶点的子波;
E3、重复步骤E1、E2直到筛选出极值点P中所有可识别波,记为主极值点集合Dn={pj};
E4、极值点pj的左斜率为点pj与点两点构成的直线的斜率,极值点pj的右斜率为点pj与点两点构成的直线的斜率;得到与Dn对应的左右斜率集合和如果pj的都大于tan(β°)则确认特征点pj为QRS中的特征点;如果中有一个小于tan(β°),满足 和则确认特征点pj为QRS中的特征点,如果不满足则确认特征点pj不是QRS中的关键特征点,其中30°<α<β<65°;对Dn中的所有极点进行判断,最后得到QRS中的特征点
E5、如中的极值点幅值满足条件: ρmin<ρQRS<150μV,其中表示两点间的绝对幅度差,是步骤E4中找到的关键点,ρmin是最小可识别波幅值阈值,ρQRs是为了抗干扰而设置的比ρmin更大的幅度阈值,即为关键特征点
F、在数据段qn中,以步骤D中得到的QM为顶点,利用三角形法确定QRS的起止点QRSon和QRSoff;所述三角形法包括如下步骤:
F1、如图15所示,三角形法的作用是寻找波形上的转折点,转折点包括极值点和非极值拐点;一心电波形线段,从顶点x开始向前取一个点z做一条辅助线l,求该线段上所有数据点到直线l的距离d,距离最大的点即为转折点y;使用三角形法找QRSon和QRSoff的前提是:QRSon和QRSoff是波形的非极值拐点,而不是峰值点;
F2、在数据段数据qn中首先以QM点作为顶点,向前50~200ms之间寻找一点作辅助线S1,寻找数据段数据qn中到辅助线S1的距离最大的点,即为拐点1,判断拐点1是否在中任一特征点pj的±Δms范围内,其中15ms<Δ<50ms;如果在范围内则用拐点1作为顶点继续采用三角形法作辅助线S2,寻找数据段数据qn中到辅助线S2的距离最大的点为拐点2,判断拐点2是否在中任一特征点pj的±Δms范围内,其中15ms<Δ<50ms;如果仍在范围内则重复采用三角形法直到找到拐点n不再是特征点集合中的特征点,拐点n即为QRSoff点,如图16所示,拐点4不再是特征点集合中的特征点,拐点4即为QRSoff点;
F3、在数据段数据qn中首先以QM点作为顶点,向后50~200ms之间寻找一点作辅助线L1,寻找数据段数据qn中到辅助线L1的距离最大的点,即为拐点1',判断拐点1'是否在中任一特征点pj的±Δms范围内,其中15ms<Δ<50ms;如果在范围内则用拐点1'作为顶点继续采用三角形法作辅助线L2,寻找数据段数据qn中到辅助线L2的距离最大的点为拐点2',判断拐点2'是否在中任一特征点pj的±Δms范围内,其中15ms<Δ<50ms;如果仍在范围内则重复采用三角形法直到找到拐点n'不再是特征点集合中的特征点,拐点n'即为QRSon点;
G、将特征点和关键特征点中所有位置小于QRSon和大于QRSoff的特征点删除,形成新的代表QRS波群的特征点Rn和关键特征点
H、采用新的Rn或者并结合步骤C中的等电位段的电势值vios,确定QRS波群中的子波形Q、R、S、r'、s'、r"、s"位置;其中确定QRS波群中的子波形位置的方法包括如下步骤:
H1、当0<Rn中特征点的个数≤6时,用Rn作为分配QRS波群的集合On;当中特征点的个数≤6时,用作为分配QRS波群的集合On;如果Rn和中特征点个数均不满足条件,则认为找到的不是QRS波群,返回步骤C重新选择一个QRS波群位置,重复执行C~H步,直到确定集合On;
H2、若集合On中的特征点oj是极大值点且大于电势值vios,则oj是正向波;如果特征点oj是极大值点且小于电势值vios,则抛弃oj;如果集合On中的特征点oj是极小值点且小于电势值vios,则oj是负向波;如果特征点oj是极小值点且大于电势值vios,则抛弃oj;直至得到包含QRS波群中的所有正向波和负向波的集合
H3、若集合中包含连续几个的正向或负向波,则合并连续的同向波;其中如果是连续的正向波,只取幅值最大的特征点,抛弃其他连续同向波;如果是连续负向波则只取幅值最小的波,抛弃其他连续同向波;则得到正负波交替的特征点集合如图17所示;
H4、如图18所示,集合中的特征点按照一定的排列规则命名子波形;其中根据QRS波群的排列规则,对QRS波群中的子波形命名判断条件作出适用于计算机实现的定义,具体定义为:第一个向下的波称为Q波,第一个向上的波称为R波,第二个向下的波称为S波,S波后向上的波为r'波,r'波后向下的波为s'波,s'波后向上的波为r"波,r"波后向下的波为s"波;识别QRS波群中的关键特征点QRSon和QRSoff点时,定义QRS波群只有三个正向波和四个负向波,即Q、R、S、r'、s'、r"、s"七个子波形;且七个子波形中至少要有一个Q波或R波;其中仅允许同时出现六个子波形,三个正向波和三个负向波,即:(1)六个子波形分别为Q、R、S、r'、s'和r"波,Q波起始点为QRS起始点QRSon点,r"波的终末点为QRS终末点QRSoff,如图19所示;(2)六个子波为R、S、r'、s'、r"和s"波,R波起始点为QRS起始点QRSon,s"波的终末点为QRS终末点QRSoff,如图20所示;
H5、用代表第j个QRS波的形态特征和特征参数;所述中QRS波群的特征参数包括如下参数:
RR间期与心率:当前R波所在位置与上一个QRS波群中R波的时间差即为RR间期,一般以ms(毫秒)为单位,心率=60000/RR间期;
Q波的幅度与宽度:如果有Q波,在数据qn(QRSon:QRSoff)中,从位置Q波顶点向后寻找第一个大于幅度qn(QRSon)的点,此点即为Q波终末点Qoff,也是R波起始点Ron;Q波的幅度为Q波顶点幅度减去幅度qn(QRSon),Q波宽度即是Qoff减去Ron;
R波的幅度与宽度:如果由Q波,R波起点Ron就是Qoff,如果没有Q波,Ron就是QRSon。在数据qn(QRSon:QRSoff)中,从位置R波顶点向后寻找第一个小于幅度qn(Ron)的点,即为R波终末点Roff,也是S波起始点Son;R波的幅度为R波顶点幅度减去幅度Ron,R波宽度即是Roff减去Ron;
S波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置S波顶点向后寻找第一个小于幅度qn(Son)的点,即为S波终末点Soff,也是r'波起始点r'on;S波的幅度为S波顶点幅度减去幅度Son,S波宽度即是Soff减去Son;
r'波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置r'波顶点向后寻找第一个小于幅度qn(r'on)的点,即为r'波终末点r'off,也是s'波起始点s'on;r'波的幅度为r'波顶点幅度减去幅度r'on,r'波宽度即是r'off减去r'on;
s'波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置s'波顶点向后寻找第一个小于幅度qn(s'on)的点,即为s'波终末点s'off,也是r〞波起始点r〞on;s'波的幅度为s'波顶点幅度减去幅度s'on,s'波宽度即是s'off减去s'on;
r〞波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置r〞波顶点向后寻找第一个小于幅度qn(r〞on)的点,即为r〞波终末点r〞off,也是s〞波起始点s〞on;r〞波的幅度为r〞波顶点幅度减去幅度r〞on,r〞波宽度即是r〞off减去r〞on;
s〞波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置s〞波顶点向后寻找第一个小于幅度qn(s〞on)的点,即为s〞波终末点r〞off;s〞波的幅度为s〞波顶点幅度减去幅度s〞on,s〞波宽度即是s〞off减去s〞on;
QSR波群的第一个子波的起始点即为QRSon,QSR波群的最后一个子波的终末点即为QRSoff;
I、重复C到I步,直至检出集合Bxe中所有QRS的特征点,用Bn={Bn(j)}表示;
J、重复A到J步,直到识别完全部原始心电波形幅值数据S;
S1302、取心电波形质量等级系数小于3的心电特征用于计算心电参数RR间期和心率,用心电波形质量等级为0的心电特征计算心电参数PR间期、QRS宽度、QT间期、ST段高度、P波平均电轴、QRS平均电轴、T波平均电轴、Q波宽度和R波高度;
S1303、利用心电特征和上述心电参数进行心电异常判断得出心电图异常结果。
S14、当心电信号质量等级系数为1或2且持续时间大于0.3N秒时,提示“信号质量较差”并输出计算得到的心电参数和心电图异常结果;否则认为心电波形质量较好,直接输出计算得到的心电参数和心电图异常结果;
1.3、本地数据保存:包括原始心电数据保存,计算得到的心电参数和心电结果保存;
1.4、网络服务器数据保存:本地数据同步上传服务器;
所述android主控板、心电采集模块和传感器均集成于android平台内。本发明提供一种基于通用平台的集成心电采集模块的心电采集系统,所采用平台保留了android平板的通用性,在作为健康保健产品同时,还允许播放视频,游戏娱乐等功能。
本发明的android主控板采用极值抽样显示法将心电图波形显示在显示屏上,该极值抽样显示法的步骤包括:
A、首先按照显示屏的分辨率计算抽样点步长
B、将心电图波形的原始采样数据按照抽点步长片段分成若干组;
C、每一组分别选取最大值和最小值作为抽取点,且保持两点的先后顺序关系;
D、显示当前一组的抽取点,重复步骤C和D直至显示完所有分组数据。
本发明android主控板中预设有快速采集指令,该快速采集指令中包括默认用户信息、默认测量导联方式和默认测量时长。本发明设有快速采集指令,可快速激发测量,使得部分身体状况不好,或年龄大不擅操作平板人士,轻易使用设备进入测量状态。
还包括供电模块,所述供电模块与心电采集模块之间设有电子开关。内置电子开关可自动启停心电采集模块的电源,减少电能消耗。
第一种基于通用平台的心电采集系统的采集方法,包括如下步骤:
A、参数设置:启动android主控板,设定检测的用户、测量导联方式和测量时长;
B、传感器的固定:用户根据测量导联方式将传感器固定于身体相应位置进行测量;
C、心电数据采集:传感器将心电信号输出至心电采集模块,经由心电采集模块处理形成心电数据发送至android主控板;
D、心电数据的接收:android主控板接收心电采集模块发送的心电数据,并存储;
E、心电数据的显示:android主控板将心电数据发送至显示屏,并显示。
第二种基于通用平台的心电采集系统的采集方法,包括如下步骤:
A、参数设置:启动android主控板,调用快速采集指令,获得默认用户、默认测量导联方式和默认测量时长;
B、传感器的固定:用户根据测量导联方式将传感器固定于手指相应位置进行测量;
C、心电数据采集:传感器将心电信号输出至心电采集模块,经由心电采集模块处理形成心电数据发送至android主控板;
D、心电数据的接收:android主控板接收心电采集模块发送的心电数据,并存储;
E、心电数据的显示:android主控板将心电数据发送至显示屏,并显示。
实施例
如图5所示,本发明一种心电信号质量辨识方法,包括如下步骤:
S1、获取采样率为fs的原始的心电波形幅值数据,并将心电波形幅值数据分成以10秒为时间单位的处理段X;
S2、在处理段X内,将心电信号以1秒为单位进行片段分割,分割段为xi,其中i=1…10,xi的数据长度为M=1×fs=fs;
S3、以处理段X为单位,取出每一心电波形片段xi的幅值最大值mmax和最小值mmin构成包络点,通过比较各个包络点得到分割段xi的包络差ei=mmax–mmin,再求取处理段X内波形包络差的平均值乘以比例系数k1,其中2>k1>1,再与每分割段的包络差ei作比较;当时,说明此分隔段的包络有突变,即为包络检测不合格;
S4、在处理段X内,获取每一分割段xi的幅值方差值其中m为xi中数据的序号;再求取处理段X内波形片段幅值方差值Ei的平均值乘以比例系数k2,其中2>k2>1,再与各分割段xi的幅值方差值Ei作比较,当时,说明此分割段的方差有突变,即为方差检测不合格;
S5、在处理段X内,利用快速傅里叶变换,将心电片段信号xi的时域信号转化为频域信号,即为功率谱信号;对1~5Hz的幅值进行积分得到功率 其中Re代表求复数的实部,Im代表求复数的虚部,j指某一频段的范围,fi(j)即为功率谱信号;求取处理段X内波形的平均功率值乘以比例系数k3,其中2>k3>1,再与各分割段xi的功率Pi作比较;当时,说明此处理段的1~5Hz功率有突变,即为功率谱检测不合格;
S6、在处理段X内,得到步骤S5中的心电片段信号xi的功率谱信号后,对5~40Hz的幅值进行积分得到功率其中Re代表求复数的实部,Im代表求复数的虚部,Psi代表心电信号的功率;再对40~100Hz的幅值进行积分得到功率其中Re代表求复数的实部,Im代表求复数的虚部,Pni代表高频噪声信号的功率;计算两者的信噪比kSNRi=Psi/Pni,当信噪比小于阈值时,其中大于2,说明此处理段信噪比过小,噪声所占比重过大,即信噪比检测不合格;
S7、根据参数包络差、方差值、信号在1~5Hz之间的功率和信噪比的合格情况对心电波形进行质量等级划分,心电波形的质量分成4个等级,分别用0~3表示质量等级系数;其中心电波形的质量等级划分方法为:当信噪比参数不合格时,该处理段心电波形的质量等级系数直接评定为3,即波形存在严重噪声;在信噪比参数合格的前提下,根据包络差、方差值、信号在1~5Hz之间的功率的合格情况来评定心电波形质量,当三个参数全部合格时,该处理段心电波形质量等级系数评定为0,即波形良好;当三个参数中有两个或一个合格时,心电波形质量等级系数评定为1,即波形较差;当三个参数全部不合格时,心电波形质量等级系数评定为2,即波形差;质量等级系数0表示心电波形良好,质量等级系数1表示心电波形较差,质量等级系数2表示心电波形差,质量等级系数3表示心电波形存在严重噪声。即从波形质量的程度“0”表示良好,“1”表示较差,“2”表示差,“3”表示严重噪声。
如图6所示,本发明中所提及的心电波形P波为心房激动波,也称为心房的除极波;QRS波群为心室激动的综合波群,也称为心室的除极波,其第一个向下的波为Q波、任何向上的波都叫R波、在R波以后的任何向下的波都叫S波;T波称为心室的复极波,而心房的复极波很小,且埋于心室的除极波中,不易辨认,未给于专门命名。
如图7所示,本发明一种心电信号质量辨识方法的心电分析方法,包括如下步骤:
S11、获取10秒的待分析的心电波形;
S12、依据心电信号质量辨识方法对待分析的心电波形进行质量评估,得到10秒的心电波形质量等级,其中心电波形质量评估以1s为单位,共得到10个数据分别代表第1秒到第10秒的质量等级系数;
S13、当心电信号质量等级系数为3且持续时间大于3秒时,提示“信号质量噪声过大,无法分析”返回至步骤A重新获取待分析的心电波形;否则进行心电参数的计算和异常结果判断;其中心电参数的计算和异常结果判断的步骤为:
S1301、根据心电波形提取心电特征,心电特征包括P、Q、R、S、T波的起止时间点及其幅度参数,构成了一次心跳;
S1302、取心电波形质量等级系数小于3的心电特征用于计算心电参数RR间期和心率,用心电波形质量等级为0的心电特征计算心电参数PR间期、QRS宽度、QT间期、ST段高度、P波平均电轴、QRS平均电轴、T波平均电轴、Q波宽度和R波高度;
S1303、利用心电特征和上述心电参数进行心电异常判断得出心电图异常结果。
S14、当心电信号质量等级系数为1或2且持续时间大于3秒时,提示“信号质量较差”并输出计算得到的心电参数和心电图异常结果;否则认为心电波形质量较好,直接输出计算得到的心电参数和心电图异常结果。
如图8和图9所示,本发明以10为时间单位进行心电分析的实验数据图和结果,图中方波表示质量辩识结果的标识,标识方波中:0表示波形质量好和良好;1、2表示波形质量较差和差;3表示波形质量严重差。
本发明中还预设有用户管理模块,该用户管理模块中设置多个用户,且在每一用户下设置对应的的信息属性。心电采集系统还包括血压采集模块、血糖采集模块、血氧采集模块、血脂采集模块、筛查采集模块和体脂采集模块,其采集方式为USB自动采集、蓝牙自动采集或人工输入采集中的一种或多种组合。采集得到的数据的显示方式有单次测量变动趋势图、散点图和30天趋势图,其中单次测量变动趋势图是以心跳次数为横轴,心电参数为纵轴显示的参数变化趋势图,散点图是由RR间期和差分RR间期绘制出的有关心率变异性的图表,30天趋势图是利用一天内测量得到的心电参数平均值和天数,绘制的30天内的参数变化趋势图。本发明提供包括微信在内的多种即时通讯发布方式提醒关联人员。具体方式如下:将心电参数、心电波形、自动判断的结果组成一定格式文件以利于通信工具传输;选择目标接收对象;调用系统API接口或是通信工具发布的接口,将心电文件发送出去;系统将通过因特网将数据上传至通信工具服务器,而后由服务器将数据转发给选定的接收对象。本发明可提供多人定时服药提醒,在各种状态下,定时闹铃提醒服药信息,包括人员名称,药品名,服药剂量,服药方法;在包括关机,锁屏,待机,普通操作等状态,弹出服药提醒对话框,并语音播报服药信息;在具有功能排他性的心电测量时,不弹出服药提醒对话框,只设置通知,并语音播报服药信息;各项数据通过wifi或数据流量上传至数据服务器,实现备份,网络诊断等功能。
Claims (10)
1.一种基于通用平台的心电采集系统,其特征在于:包括集成于android平台内的android主控板、心电采集模块和传感器,所述心电采集模块与多个传感器相连接,所述传感器分别置于人体不同部位以实现心电信号测量,传感器的输出经心电采集模块处理后形成心电数据完成采集,并经串口通信将其发送至android主控板;
所述android主控板用于运行android应用程序,并对心电数据进行处理和储存,Android主控板通过串口采集到心电数据后,多线程同步处理:
1.1、进行心电信号质量辨识;
1.2、根据辨识后的心电信号进行心电分析,计算得到心电参数、心率、qrs时间和st高度参数;
1.3、本地数据保存:包括原始心电数据保存,计算得到的心电参数和心电结果保存;
1.4、网络服务器数据保存:本地数据同步上传服务器;
android主控板连接有显示屏,并通过显示屏即时将采集的心电图波形及心电参数数据显示出。
2.根据权利要求1所述的基于通用平台的心电采集系统,其特征在于:所述android主控板采用极值抽样显示法将心电图波形显示在显示屏上,该极值抽样显示法的步骤包括:
A、首先按照显示屏的分辨率计算抽样点步长
B、将心电图波形的原始采样数据按照抽点步长片段分成若干组;
C、每一组分别选取最大值和最小值作为抽取点,且保持两点的先后顺序关系;
D、显示当前一组的抽取点,重复步骤C和D直至显示完所有分组数据。
3.根据权利要求1所述的基于通用平台的心电采集系统,其特征在于:所述步骤1.1中,所述心电信号质量辨识方法包括如下步骤:
S1、获取采样率为fs的原始的心电波形幅值数据,并将心电波形幅值数据分成以N秒为时间单位的处理段X,N为8~120间的任意一个值;
S2、在处理段X内,将心电信号以1秒为单位进行片段分割,分割段为xi,其中i=1…N,xi的数据长度为M=1×fs=fs;
S3、以处理段X为单位,取出每一心电波形片段xi的幅值最大值mmax和最小值mmin构成包络点,通过比较各个包络点得到分割段xi的包络差ei=mmax–mmin,再求取处理段X内波形包络差的平均值乘以比例系数k1,其中2>k1>1,再与每分割段的包络差ei作比较;当时,说明此分隔段的包络有突变,即为包络检测不合格;
S4、在处理段X内,获取每一分割段xi的幅值方差值其中m为xi中数据的序号;再求取处理段X内波形片段幅值方差值Ei的平均值乘以比例系数k2,其中2>k2>1,再与各分割段xi的幅值方差值Ei作比较,当时,说明此分割段的方差有突变,即为方差检测不合格;
S5、在处理段X内,利用快速傅里叶变换,将心电片段信号xi的时域信号转化为频域信号,即为功率谱信号;对1~5Hz的幅值进行积分得到功率 其中Re代表求复数的实部,Im代表求复数的虚部,j指某一频段的范围,fi(j)即为功率谱信号;求取处理段X内波形的平均功率值乘以比例系数k3,其中2>k3>1,再与各分割段xi的功率Pi作比较;当时,说明此处理段的1~5Hz功率有突变,即为功率谱检测不合格;
S6、在处理段X内,得到步骤S5中的心电片段信号xi的功率谱信号后,对5~40Hz的幅值进行积分得到功率其中Re代表求复数的实部,Im代表求复数的虚部,Psi代表心电信号的功率;再对40~100Hz的幅值进行积分得到功率其中Re代表求复数的实部,Im代表求复数的虚部,Pni代表高频噪声信号的功率;计算两者的信噪比kSNRi=Psi/Pni,当信噪比小于阈值时,其中大于2,说明此处理段信噪比过小,噪声所占比重过大,即信噪比检测不合格;
S7、根据参数包络差、方差值、信号在1~5Hz之间的功率和信噪比的合格情况对心电波形进行质量等级划分,心电波形的质量分成4个等级,分别用0~3表示质量等级系数;质量等级系数0表示心电波形良好,质量等级系数1表示心电波形较差,质量等级系数2表示心电波形差,质量等级系数3表示心电波形存在严重噪声。即从波形质量的程度“0”表示良好,“1”表示较差,“2”表示差,“3”表示严重噪声;所述心电波形的质量等级划分方法为:当信噪比参数不合格时,该处理段心电波形的质量等级系数直接评定为3,即波形存在严重噪声;在信噪比参数合格的前提下,根据包络差、方差值、信号在1~5Hz之间的功率的合格情况来评定心电波形质量,当三个参数全部合格时,该处理段心电波形质量等级系数评定为0,即波形良好;当三个参数中有两个或一个合格时,心电波形质量等级系数评定为1,即波形较差;当三个参数全部不合格时,心电波形质量等级系数评定为2,即波形差。
4.根据权利要求1所述的基于通用平台的心电采集系统,其特征在于,所述步骤1.2中心电分析方法,包括如下步骤:
S11、获取N秒的待分析的心电波形,N为8~120间的任意一个值;
S12、依据心电信号质量辨识方法对待分析的心电波形进行质量评估,得到N秒的心电波形质量等级,其中心电波形质量评估以1s为单位,共得到N个数据分别代表第1秒到第N秒的质量等级系数;
S13、当心电信号质量等级系数为3且持续时间大于0.3N秒时,提示“信号质量噪声过大,无法分析”返回至步骤A重新获取待分析的心电波形;否则进行心电参数的计算和心电结果判断;心电参数的计算和心电结果判断的步骤为:
S1301、依据心电QRS波群宽度的检测方法找出QRS波群宽度、QRS波群中各个子波形的起止时间点、幅度参数和代表QRS波群形态的Bn;然后再找出心电特征包括P、T波的起止时间点及其幅度参数,构成了一次心跳;
S1302、取心电波形质量等级系数小于3的心电特征用于计算心电参数RR间期和心率,用心电波形质量等级为0的心电特征计算心电参数PR间期、QRS宽度、QT间期、ST段高度、P波平均电轴、QRS平均电轴、T波平均电轴、Q波宽度和R波高度;
S1303、利用心电特征和上述心电参数进行心电异常判断得出心电图异常结果
S14、当心电信号质量等级系数为1或2且持续时间大于0.3N秒时,提示“信号质量较差”并输出计算得到的心电参数和心电结果;否则认为心电波形质量较好,直接输出计算得到的心电参数和心电结果。
5.根据权利要求4所述的基于通用平台的心电采集系统,其特征在于:所述步骤S1301中心电QRS波群宽度的检测方法,包括如下步骤:
A、获取采样率为fs的原始心电波形幅值数据S,并将心电波形S分成以N秒为时间单位的处理段信号X,N为8~120间的任意一值;
B、将信号X经过包络处理得到包络信号Xe,然后在包络信号Xe上利用阈值法定位QRS波群的位置得到集合Bxe;
其中信号X的处理方法和利用阀值法的定位方法包括如下步骤:
B1、将信号X经过一个带通滤波器,其频率范围为5Hz~25Hz,得到凸显出QRS波群特征且滤除干扰波的信号Xfiltered;对信号Xfiltered做微分后再平方得到信号Xdiff,对Xdiff进行积分得到包络信号Xe;
B2、将包络信号Xe按0.2N秒的长度分段得到5个包络片段Xe(i),其中i=1…5,在每个包络片段内找到最大值XEmax(i),然后求出这5个最大值的中值并用中值计算出阈值其中0.2<k1<0.8;再在包络信号Xe中寻找一个大于阈值TH的区间[Iover,Ilower],该区间即为QRS波群的位置所在区域;然后确定QRS波群的坐标位置Bxr(n)=argmaxXe(Iover,Ilower),n代表第n个QRS波,其中arg为自变量argument的英文缩写,arg max即代表取式子达到最大值时的变量取值,Bxe(n)是Iover~Ilower之间的使Xe最大的一个值;依次利用阀值在Xe上找出所有QRS波群的位置,记为集合Bxe;
C、在集合Bxe中选取第n个QRS波群位置Bxe(n),求出该QRS波群的RR间期RRxe(n)=Bxe(n)-Bxe(n-1);从信号X中截取一片段Xios,截取的起始位置为Bxe(n-1)+RRxe(n)×k3,终止位置为Bxe(n)-RRxe(n)×(0.5-k3),其中0.3<k3<0.5,即第n-1个心跳的T波之后到第n个心跳的P波之前的一段数据;作出片段Xios中幅值范围的直方图Gp,得到Xios数据取值的统计分布;在直方图Gp中找出Xios幅值分布个数最多的子区间b,该子区间b代表的电位即为第n次心跳之前的等电位段电位vios;
D、从信号X中第n个QRS波群位置Bxe(n)周围截取一数据段qn,在数据段qn中找到所有极大值和极小值点的集合为极值点P和QRS波群中绝对幅值最大的波QM;
其中获取极值点P和QM的方法包括如下步骤:
D1、信号X在Bxe(n)处往前ω-=(0.07~0.15)fs、往后ω+=(0.1~0.23)fs个点,截取信号X中的QRS波群的数据段qn=(q1,…,qj,…,qω),其中ω=ω-+ω+表示qn的数据长度,qj表示qn中第j个数据;
D2、在数据段qn中找到所有极大值Pk和极小值点Lo,极大值Pk和极小值点Lo 合称为极值点P;然后再找出极大值Pk中的最大值Pmax=(Vmax,Imax)和极小值Lo中的最小值Lmin=(Vmin,Imin),I、V分别表示点在qn中的位置和数据幅值大小;
D3、定义QRS波群中最明显的波顶点为QRS波群中绝对幅值最大的波QM,如果|Vmax-vios|>k4×|Vmin-vios|则QM点为Lmin点,否则QM点为Pmax点,其中2<k4<10;
E、极值点P中满足最小QRS可识别波条件的为主极点Dn,再从主极点Dn中筛选出特征点和关键特征点所述最小QRS可识别波条件为:幅度大于ρmin微伏且持续时间大于dmin毫秒,其中20uV<ρmin<80uV,6ms<dmin<16ms;
其中筛选特征点和关键特征点的具体方法包括如下步骤:
E1、从极值点P中选择一个极值点pj,用以下公式在处理段qn中搜索极值点pj的左右支撑区间
Δqj,x=|qj-qx|
其中j和qj为极值点pj在qn中的位置和幅值,τ为QRS最大的有意义的生理时间宽度,取80~160ms;i、a、b和k均是为了求解支撑区间的辅助变量,没有特别含义;qx是qn中第x个数据,与qj一个意义;
E2、若极值点pj的左右支撑区间不存在,或者则认为该极值点pj不是可识别波,否则认为pj为可识别波将其归入主极点Dn中;qn区间内的数据构成了以极值点pj为顶点的子波;
E3、重复步骤E1、E2直到筛选出极值点P中所有可识别波,记为主极值点集合Dn={pj};
E4、极值点pj的左斜率为点pj与点两点构成的直线的斜率,极值点pj的右斜率为点pj与点两点构成的直线的斜率;得到与Dn对应的左右斜率集合和如果pj的都大于tan(β°)则确认特征点pj为QRS中的特征点;如果中有一个小于tan(β°),满足 和则确认特征点pj为QRS中的特征点,如果不满足则确认特征点pj不是QRS中的关键特征点,其中30°<α<β<65°;对Dn中的所有极点进行判断,最后得到QRS中的特征点
E5、如中的极值点幅值满足条件: ρmin<ρQRS<150μV,其中表示两点间的绝对幅度差,是步骤E4中找到的关键点,ρmin是最小可识别波幅值阈值,ρQRS是为了抗干扰而设置的比ρmin更大的幅度阈值,即为关键特征点
F、在数据段qn中,以步骤D中得到的QM为顶点,利用三角形法确定QRS的起止点QRSon和QRSoff;所述三角形法包括如下步骤:
F1、三角形法的作用是寻找波形上的转折点,转折点包括极值点和非极值拐点;一心电波形线段,从顶点x开始向前取一个点z做一条辅助线l,求该线段上所有数据点到直线l的距离d,距离最大的点即为转折点y;使用三角形法找QRSon和QRSoff的前提是:QRSon和QRSoff是波形的非极值拐点,而不是峰值点;
F2、在数据段数据qn中首先以QM点作为顶点,向前50~200ms之间寻找一点作辅助线S1,寻找数据段数据qn中到辅助线S1的距离最大的点,即为拐点1,判断拐点1是否在中任一特征点pj的±Δms范围内,其中15ms<Δ<50ms;如果在范围内则用拐点1作为顶点继续采用三角形法作辅助线S2,寻找数据段数据qn中到辅助线S2的距离最大的点为拐点2,判断拐点2是否在中任一特征点pj的±Δms范围内,其中15ms<Δ<50ms;如果仍在范围内则重复采用三角形法直到找到拐点n不再是特征点集合中的特征点,拐点n即为QRSoff点;
F3、在数据段数据qn中首先以QM点作为顶点,向后50~200ms之间寻找一点作辅助线L1,寻找数据段数据qn中到辅助线L1的距离最大的点,即为拐点1',判断拐点1'是否在中任一特征点pj的±Δms范围内,其中15ms<Δ<50ms;如果在范围内则用拐点1'作为顶点继续采用三角形法作辅助线L2,寻找数据段数据qn中到辅助线L2的距离最大的点为拐点2',判断拐点2'是否在中任一特征点pj的±Δms范围内,其中15ms<Δ<50ms;如果仍在范围内则重复采用三角形法直到找到拐点n'不再是特征点集合中的特征点,拐点n'即为QRSon点;
G、将特征点和关键特征点中所有位置小于QRSon和大于QRSoff的特征点删除,形成新的代表QRS波群的特征点Rn和关键特征点
H、采用新的Rn或者并结合步骤C中的等电位段的电势值vios,确定QRS波群中的子波形Q、R、S、r'、s'、r"、s"位置;其中确定QRS波群中的子波形位置的方法包括如下步骤:
H1、当0<Rn中特征点的个数≤6时,用Rn作为分配QRS波群的集合On;当中特征点的个数≤6时,用作为分配QRS波群的集合On;如果Rn和中特征点个数均不满足条件,则认为找到的不是QRS波群,返回步骤C重新选择一个QRS波群位置,重复执行C~H步,直到确定集合On;
H2、若集合On中的特征点oj是极大值点且大于电势值vios,则oj是正向波;如果特征点oj是极大值点且小于电势值vios,则抛弃oj;如果集合On中的特征点oj是极小值点且小于电势值vios,则oj是负向波;如果特征点oj是极小值点且大于电势值vios,则抛弃oj;直至得到包含QRS波群中的所有正向波和负向波的集合
H3、若集合中包含连续几个的正向或负向波,则合并连续的同向波;其中如果是连续的正向波,只取幅值最大的特征点,抛弃其他连续同向波;如果是连续负向波则只取幅值最小的波,抛弃其他连续同向波;则得到正负波交替的特征点集合
H4、集合中的特征点按照一定的排列规则命名子波形;其中根据QRS波群的排列规则,对QRS波群中的子波形命名判断条件作出适用于计算机实现的定义,具体定义为:第一个向下的波称为Q波,第一个向上的波称为R波,第二个向下的波称为S波,S波后向上的波为r'波,r'波后向下的波为s'波,s'波后向上的波为r"波,r"波后向下的波为s"波;识别QRS波群中的关键特征点QRSon和QRSoff点时,定义QRS波群只有三个正向波和四个负向波,即Q、R、S、r'、s'、r"、s"七个子波形;且七个子波形中至少要有一个Q波或R波;其中仅允许同时出现六个子波形,三个正向波和三个负向波,即:(1)六个子波形分别为Q、R、S、r'、s'和r"波,Q波起始点为QRS起始点QRSon点,r"波的终末点为QRS终末点QRSoff;(2)六个子波为R、S、r'、s'、r"和s"波,R波起始点为QRS起始点QRSon,s"波的终末点为QRS终末点QRSoff;
H5、用代表第j个QRS波的形态特征和特征参数;所述中QRS波群的特征参数包括如下参数:
RR间期与心率:当前R波所在位置与上一个QRS波群中R波的时间差即为RR间期,一般以ms(毫秒)为单位,心率=60000/RR间期;
Q波的幅度与宽度:如果有Q波,在数据qn(QRSon:QRSoff)中,从位置Q波顶点向后寻找第一个大于幅度qn(QRSon)的点,此点即为Q波终末点Qoff,也是R波起始点Ron;Q波的幅度为Q波顶点幅度减去幅度qn(QRSon),Q波宽度即是Qoff减去Ron;
R波的幅度与宽度:如果由Q波,R波起点Ron就是Qoff,如果没有Q波,Ron就是QRSon。在数据qn(QRSon:QRSoff)中,从位置R波顶点向后寻找第一个小于幅度qn(Ron)的点,即为R波终末点Roff,也是S波起始点Son;R波的幅度为R波顶点幅度减去幅度Ron,R波宽度即是Roff减去Ron;
S波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置S波顶点向后寻找第一个小于幅度qn(Son)的点,即为S波终末点Soff,也是r'波起始点r'on;S波的幅度为S波顶点幅度减去幅度Son,S波宽度即是Soff减去Son;
r'波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置r'波顶点向后寻找第一个小于幅度qn(r'on)的点,即为r'波终末点r'off,也是s'波起始点s'on;r'波的幅度为r'波顶点幅度减去幅度r'on,r'波宽度即是r'off减去r'on;
s'波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置s'波顶点向后寻找第一个小于幅度qn(s'on)的点,即为s'波终末点s'off,也是r〞波起始点r〞on;s'波的幅度为s'波顶点幅度减去幅度s'on,s'波宽度即是s'off减去s'on;
r〞波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置r〞波顶点向后寻找第一个小于幅度qn(r〞on)的点,即为r〞波终末点r〞off,也是s〞波起始点s〞on;r〞波的幅度为r〞波顶点幅度减去幅度r〞on,r〞波宽度即是r〞off减去r〞on;
s〞波的幅度与宽度:在数据qn(QRSon:QRSoff)中,从位置s〞波顶点向后寻找第一个小于幅度qn(s〞on)的点,即为s〞波终末点r〞off;s〞波的幅度为s〞波顶点幅度减去幅度s〞on,s〞波宽度即是s〞off减去s〞on;
QSR波群的第一个子波的起始点即为QRSon,QSR波群的最后一个子波的终末点即为QRSoff;
I、重复C到I步,直至检出集合Bxe中所有QRS的特征点,用Bn={Bn(j)}表示;
J、重复A到J步,直到识别完全部原始心电波形幅值数据S。
6.根据权利要求1所述的基于通用平台的心电采集系统,其特征在于:所述android主控板中预设有快速采集指令,该快速采集指令中包括默认用户信息、默认测量导联方式和默认测量时长。
7.根据权利要求1所述的基于通用平台的心电采集系统,其特征在于:所述传感器的数量为3个。
8.根据权利要求1所述的基于通用平台的心电采集系统,其特征在于:还包括供电模块,所述供电模块与心电采集模块之间设有电子开关。
9.一种根据权利要求1所述的基于通用平台的心电采集系统的采集方法,其特征在于,包括如下步骤:
A、参数设置:启动android主控板,设定检测的用户、测量导联方式和测量时长;
B、传感器的固定:用户根据测量导联方式将传感器固定于身体相应位置进行测量;
C、心电数据采集:传感器将心电信号输出至心电采集模块,经由心电采集模块处理形成心电数据发送至android主控板;
D、心电数据的接收:android主控板接收心电采集模块发送的心电数据,并存储;
E、心电数据的显示:android主控板将心电数据发送至显示屏,并显示。
10.一种根据权利要求6所述的基于通用平台的心电采集系统的采集方法,其特征在于,包括如下步骤:
A、参数设置:启动android主控板,调用快速采集指令,获得默认用户、默认测量导联方式和默认测量时长;
B、传感器的固定:用户根据测量导联方式将传感器固定于手指相应位置进行测量;
C、心电数据采集:传感器将心电信号输出至心电采集模块,经由心电采集模块处理形成心电数据发送至android主控板;
D、心电数据的接收:android主控板接收心电采集模块发送的心电数据,并存储;
E、心电数据的显示:android主控板将心电数据发送至显示屏,并显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810244568.6A CN108836303B (zh) | 2018-03-23 | 2018-03-23 | 基于通用平台的心电采集系统及其采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810244568.6A CN108836303B (zh) | 2018-03-23 | 2018-03-23 | 基于通用平台的心电采集系统及其采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108836303A true CN108836303A (zh) | 2018-11-20 |
CN108836303B CN108836303B (zh) | 2020-01-21 |
Family
ID=64211804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810244568.6A Active CN108836303B (zh) | 2018-03-23 | 2018-03-23 | 基于通用平台的心电采集系统及其采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108836303B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109875550A (zh) * | 2019-04-02 | 2019-06-14 | 东北大学 | 一种心室除极关键点检测方法 |
CN110737696A (zh) * | 2019-10-12 | 2020-01-31 | 北京百度网讯科技有限公司 | 数据抽样方法、装置、电子设备及存储介质 |
CN113208602A (zh) * | 2020-01-20 | 2021-08-06 | 深圳市理邦精密仪器股份有限公司 | 心电波形的处理方法、心电图机和装置 |
CN113288169A (zh) * | 2021-05-26 | 2021-08-24 | 东软集团股份有限公司 | 一种心电波形信号的波形识别方法、装置及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1759805A (zh) * | 2004-10-12 | 2006-04-19 | 戴路 | 便携式十二道同步心电图分析仪 |
CN101378251A (zh) * | 2007-08-28 | 2009-03-04 | 深圳迈瑞生物医疗电子股份有限公司 | 一种提高低采样率情况下信号显示质量的方法 |
CN201445522U (zh) * | 2009-05-21 | 2010-05-05 | 陈笠 | 新型心率监测器 |
CN102512158A (zh) * | 2011-12-31 | 2012-06-27 | 济南汇医融工科技有限公司 | 一种基于高维模糊识别的心电信号质量评估方法和装置 |
CN102973263A (zh) * | 2012-12-05 | 2013-03-20 | 上海宏康信息科技有限公司 | 一种智能移动心电图综合处理装置 |
CN204260739U (zh) * | 2014-09-09 | 2015-04-15 | 广东工业大学 | 心电图的数据质量实时控制系统 |
WO2017069651A1 (ru) * | 2015-10-20 | 2017-04-27 | Александр Викторович Ежков | Кардиомонитор cardioqvark |
-
2018
- 2018-03-23 CN CN201810244568.6A patent/CN108836303B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1759805A (zh) * | 2004-10-12 | 2006-04-19 | 戴路 | 便携式十二道同步心电图分析仪 |
CN101378251A (zh) * | 2007-08-28 | 2009-03-04 | 深圳迈瑞生物医疗电子股份有限公司 | 一种提高低采样率情况下信号显示质量的方法 |
CN201445522U (zh) * | 2009-05-21 | 2010-05-05 | 陈笠 | 新型心率监测器 |
CN102512158A (zh) * | 2011-12-31 | 2012-06-27 | 济南汇医融工科技有限公司 | 一种基于高维模糊识别的心电信号质量评估方法和装置 |
CN102973263A (zh) * | 2012-12-05 | 2013-03-20 | 上海宏康信息科技有限公司 | 一种智能移动心电图综合处理装置 |
CN204260739U (zh) * | 2014-09-09 | 2015-04-15 | 广东工业大学 | 心电图的数据质量实时控制系统 |
WO2017069651A1 (ru) * | 2015-10-20 | 2017-04-27 | Александр Викторович Ежков | Кардиомонитор cardioqvark |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109875550A (zh) * | 2019-04-02 | 2019-06-14 | 东北大学 | 一种心室除极关键点检测方法 |
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 |
CN110737696A (zh) * | 2019-10-12 | 2020-01-31 | 北京百度网讯科技有限公司 | 数据抽样方法、装置、电子设备及存储介质 |
CN113208602A (zh) * | 2020-01-20 | 2021-08-06 | 深圳市理邦精密仪器股份有限公司 | 心电波形的处理方法、心电图机和装置 |
CN113288169A (zh) * | 2021-05-26 | 2021-08-24 | 东软集团股份有限公司 | 一种心电波形信号的波形识别方法、装置及设备 |
CN113288169B (zh) * | 2021-05-26 | 2024-05-17 | 东软集团股份有限公司 | 一种心电波形信号的波形识别方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108836303B (zh) | 2020-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108836303A (zh) | 基于通用平台的心电采集系统及其采集方法 | |
CN105997054B (zh) | 一种心电信号预分析的方法 | |
CN107358196B (zh) | 一种心搏类型的分类方法、装置及心电仪 | |
CN101449973B (zh) | 用于心电干扰信号识别的判断指标的生成方法及装置 | |
CN107951485A (zh) | 基于人工智能自学习的动态心电图分析方法和装置 | |
EP3698709A1 (en) | Electrocardiogram information processing method and electrocardiogram workstation system | |
EP3698708A1 (en) | Ecg information processing method and ecg workstation | |
CN108814590A (zh) | 一种心电qrs波群的检测方法及其心电分析方法 | |
CN106419864A (zh) | 中医诊断云端专家系统 | |
CN106264518A (zh) | 一种基于指尖心电图的房颤检测方法和装置 | |
JPH1170089A (ja) | 心臓波形特性表示方法 | |
CN108814591A (zh) | 一种心电qrs波群宽度的检测方法及其心电分析方法 | |
CN106166065B (zh) | 一种基于社交网络的可穿戴心电健康交互平台及其实现方法 | |
CN107714025A (zh) | 分类ecg信号 | |
CN106963361B (zh) | 肢体导联错接的检测方法、检测装置及心电设备 | |
WO2021164561A1 (zh) | 心电检测装置、电路及方法 | |
US20220061688A1 (en) | Monitoring method and device | |
CN108523881A (zh) | 一种准确提取qrs内异常电位的方法 | |
CN103970975A (zh) | 心电数据处理方法和系统 | |
CN109620204A (zh) | 一种智能人体健康参数测量装置和人体健康参数测量方法 | |
CN109222964A (zh) | 房颤检测装置及存储介质 | |
Arini et al. | Electrocardiogram delineation in a Wistar rat experimental model | |
CN109512405A (zh) | 一种基于局部点检测的脉象信号分割方法 | |
CN108968950A (zh) | 一种数字化心电采集方法、装置及系统 | |
CN103876731B (zh) | 一种胎儿心电信号提取装置及方法 |
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 |