CN108937920B - 一种心室纤颤信号检测方法、系统及心室纤颤检测装置 - Google Patents

一种心室纤颤信号检测方法、系统及心室纤颤检测装置 Download PDF

Info

Publication number
CN108937920B
CN108937920B CN201710384413.8A CN201710384413A CN108937920B CN 108937920 B CN108937920 B CN 108937920B CN 201710384413 A CN201710384413 A CN 201710384413A CN 108937920 B CN108937920 B CN 108937920B
Authority
CN
China
Prior art keywords
segment
ventricular fibrillation
signal segment
electrocardiosignal
cardiac electrical
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.)
Expired - Fee Related
Application number
CN201710384413.8A
Other languages
English (en)
Other versions
CN108937920A (zh
Inventor
邱亚星
黄安鹏
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.)
Peking University
Original Assignee
Peking University
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 Peking University filed Critical Peking University
Priority to CN201710384413.8A priority Critical patent/CN108937920B/zh
Publication of CN108937920A publication Critical patent/CN108937920A/zh
Application granted granted Critical
Publication of CN108937920B publication Critical patent/CN108937920B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/361Detecting fibrillation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225Details 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)
  • Cardiology (AREA)
  • Molecular Biology (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)
  • Signal Processing (AREA)
  • Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Power Engineering (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及心电信号监测领域,具体地涉及一种心室纤颤信号检测方法、系统及心室纤颤检测装置。本发明实施例中,对采集的心电信号进行预处理,并以预设时间为单位划分为各心电信号片段;基于时间延迟算法,分别计算上述各心电信号片段的特征值;若初始心电信号片段的特征值大于第一预设阈值,则确认上述初始心电信号片段是心室纤颤信号片段,否则不是心室纤颤信号片段;而判断当前心电信号片段是否是心室纤颤信号片段,则需要考虑上述当前心电信号片段的前一片段是否是心室纤颤信号片段,并且根据对应的不同预设阈值来判断;因为考虑到了因为心室纤颤持续性的特点导致的心室纤颤信号对后续心电信号的影响,因此误判率低,准确率高。

Description

一种心室纤颤信号检测方法、系统及心室纤颤检测装置
技术领域
本发明涉及心电信号(ECG,Electrocardiogram)监测领域,具体地涉及一种心室纤颤(Ventricular Fibrillation)信号检测方法、系统及心室纤颤检测装置。
背景技术
在全世界范围内,心血管疾病仍然是死亡的主要原因。每年死于心血管疾病的人数高达1730万人,预计到2030年,全球每年将有超过2360万人死于心血管疾病。在所有引起心血管疾病死亡病因中,心脏性猝死(Sudden Cardiac Death,SCD)是心血管疾病死亡的主要因素之一。全球每年因心脏骤停死亡的人群高达300万人,其中美国45万人,欧洲40万人,中国则超过了54万人,位居世界之首。而猝死的病例中,约80%是由心室纤颤等恶性心律失常导致的。
目前检测心室纤颤一般采用时域检测法,频域检测法和时-频分析检测法,及相关的动力学分析法等。心室纤颤的及时检测将大大缩短人工的确诊时间,同时也减少了医生的工作量,将注意力集中在病人的身上,从而有效的提高挽救病人的成功率。同时,心室纤颤的及时检测及准确识别也是研制除颤仪的关键,对实现我国医疗自动化诊断以及提高ECG的临床诊断水平具有重要意义。
已有心室纤颤检测算法往往存在复杂度高以及灵敏度、特异性差的缺点。现有技术采用时间延迟算法(Time Delay Algorithm,TD)检测心室纤颤,即采用基于所谓相空间重构的一种方法,对心电信号进行分析,通过计算各心电信号片段的特征值,判断各心电信号片段的特征值是否大于设定阈值,以确定各心电信号片段是否为心室纤颤信号片段。
上述基于时间延迟算法的心室纤颤检测方法虽然计算并不复杂,但是此方法仅通过设定的特征值的单一阈值来判断心室纤颤,判断过程过于简单。因为心室纤颤具有持续性的特点,容易引起后续持续性地心室纤颤;因此,现有的基于时间延迟算法的心室纤颤检测方法存在这样的问题:若当前心电信号片段的前一片段是心室纤颤信号片段,当前心电信号片段的特征值尽管可能没达到上述设定阈值,当前心电信号片段也可能是心室纤颤信号片段。因此现有的基于时间延迟算法的心室纤颤检测方法存在误判率高,准确率低的问题。
发明内容
本发明实施例提供一种心室纤颤信号检测方法、系统及心室纤颤检测装置,以解决的现有的基于时间延迟算法的心室纤颤检测方法误判率高、准确率低的问题。
第一方面,提供了一种心室纤颤信号检测方法,具体可以包括:
对采集的心电信号进行预处理;
以预设时间为单位划分所述预处理过的心电信号为各心电信号片段;
基于时间延迟算法,分别计算所述各心电信号片段的特征值;
若初始心电信号片段的特征值大于第一预设阈值,则确认所述初始心电信号片段是心室纤颤信号片段;若初始心电信号片段的特征值小于等于第一预设阈值,则确认所述初始心电信号片段不是心室纤颤信号片段;
分别针对所述初始心电信号片段之后的各心电信号片段,若当前心电信号片段的前一片段是心室纤颤信号片段,且所述当前心电信号片段的特征值大于第二预设阈值,则确认所述当前心电信号片段是心室纤颤信号片段;
若所述当前心电信号片段的前一片段是心室纤颤信号片段,且所述当前心电信号片段的特征值小于等于第二预设阈值,则确认所述当前心电信号片段不是心室纤颤信号片段;
若所述当前心电信号片段的前一片段不是心室纤颤信号片段,且所述当前心电信号片段的特征值大于第一预设阈值,则确认所述当前心电信号片段是心室纤颤信号片段;
若所述当前心电信号片段的前一片段不是心室纤颤信号片段,且所述当前心电信号片段的特征值小于等于第一预设阈值,则确认所述当前心电信号片段不是心室纤颤信号片段。
可选地,还包括:
基于时间延迟算法计算标准心电信号的各信号片段的特征值,结合所述标准心电信号的各信号片段的片段类型,统计分析得到所述第一预设阈值和所述第二预设阈值;所述片段类型包括心室纤颤信号片段类型。
可选地,所述对采集的心电信号进行预处理的步骤之前,还包括:
按照预设采样率采集心电信号。
可选地,所述对采集的心电信号进行预处理的步骤包括:
对采集的心电信号进行低通滤波、高通滤波以及工频滤波。
可选地,所述基于时间延迟算法,分别计算所述各心电信号片段的特征值的步骤,包括:
分别针对x(t)形式的各心电信号片段,以x(t)为横坐标,以x(t+a)为纵坐标,绘制二维相空间图;其中,x为所述各心电信号片段的幅值,t为采样时间,a为预设时间常数;
以所述二维相空间图的上下边界和左右边界构成长方形,对所述长方形按照预设网格单位划分为均匀网格;
计算所述二维相空间图访问的网格数;
计算所述二维相空间图访问的网格数与所述长方形的总网格数的比值,为所述心电信号片段的特征值。
另一方面,提供了一种心室纤颤信号检测系统,具体可以包括:
预处理模块,用于对采集的心电信号进行预处理;
分段模块,用于以预设时间为单位划分所述预处理过的心电信号为各心电信号片段;
特征值计算模块,用于基于时间延迟算法,分别计算所述各心电信号片段的特征值;
初始判断模块,用于若初始心电信号片段的特征值大于第一预设阈值,则确认所述初始心电信号片段是心室纤颤信号片段;若初始心电信号片段的特征值小于等于第一预设阈值,则确认所述初始心电信号片段不是心室纤颤信号片段;
第一判断模块,用于分别针对所述初始心电信号片段之后的各心电信号片段,若当前心电信号片段的前一片段是心室纤颤信号片段,且所述当前心电信号片段的特征值大于第二预设阈值,则确认所述当前心电信号片段是心室纤颤信号片段;
第二判断模块,用于若所述当前心电信号片段的前一片段是心室纤颤信号片段,且所述当前心电信号片段的特征值小于等于第二预设阈值,则确认所述当前心电信号片段不是心室纤颤信号片段;
第三判断模块,用于若所述当前心电信号片段的前一片段不是心室纤颤信号片段,且所述当前心电信号片段的特征值大于第一预设阈值,则确认所述当前心电信号片段是心室纤颤信号片段;
第四判断模块,用于若所述当前心电信号片段的前一片段不是心室纤颤信号片段,且所述当前心电信号片段的特征值小于等于第一预设阈值,则确认所述当前心电信号片段不是心室纤颤信号片段。
可选地,还包括:
阈值模块,用于基于采用时间延迟算法计算标准心电信号的各信号片段的特征值,结合所述标准心电信号的各信号片段的片段类型,统计分析得到所述第一预设阈值和所述第二预设阈值;所述片段类型包括心室纤颤信号片段类型。
可选地,还包括:
采集模块,用于按照预设采样率采集心电信号。
可选地,所述预处理模块包括:
滤波单元,用于对采集的心电信号进行低通滤波、高通滤波以及工频滤波。
可选地,所述特征值计算模块包括:
相空间图单元,用于分别针对x(t)形式的各心电信号片段,以x(t)为横坐标,以x(t+a)为纵坐标,绘制二维相空间图;其中,x为所述各心电信号片段的幅值,t为采样时间,a为预设时间常数;
网格划分单元,用于以所述二维相空间图的上下边界和左右边界构成长方形,对所述长方形按照预设网格单位划分为均匀网格;
访问网格数计算单元,用于计算所述二维相空间图访问的网格数;
特征值计算单元,用于计算所述二维相空间图访问的网格数与所述长方形的总网格数的比值,为所述心电信号片段的特征值。
再一方面,提供了一种心室纤颤检测装置,其特征在于,包括上述权利要求中任一所述的心室纤颤信号检测系统。
而本发明实施例中,在判断当前心电信号片段是否是心室纤颤信号片段,需要考虑上述当前心电信号片段的前一片段是否是心室纤颤信号片段,并且根据对应的不同阈值来判断,因此考虑到了因为心室纤颤持续性的特点导致的心室纤颤信号对后续心电信号的影响,因此误判率低,准确率高。
附图说明
图1示出了本发明实施例的心室纤颤的心电信号示意图;
图2示出了本发明实施例中心室纤颤、室性心动过速和心室扑动三种节律的相互转化示意图;
图3示出了本发明实施例的一种核心构思的示意图;
图4示出了本发明实施例的一种心室纤颤信号检测方法的步骤流程图;
图5示出了本发明实施例的一种4秒的正常窦性心律信号片段,以及在预设时间常数a为0.5秒时对应的相空间图的示意图;
图6示出了本发明实施例的一种4秒的心室纤颤信号片段,以及在预设时间常数a为0.5秒时对应的相空间图的示意图;
图7示出了本发明实施例的一种心室纤颤信号检测系统的结构框图;
图8示出了本发明实施例的另一种心室纤颤信号检测系统的结构框图;
图9示出了本发明实施例的一种心室纤颤检测装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
参照图1所示,本发明实施例中的心室纤颤是一种恶性室性心律失常,简称室颤,包括:心室纤颤、室性心动过速和心室扑动三种节律。参照图2所示,由于心室纤颤、室性心动过速和心室扑动三种恶性心律失常存在动态的转化关系,并且通常在很短的时间内进行转化,因此本发明实施例中的心室纤颤包括心室纤颤、室性心动过速和心室扑动三种节律。
参照图3所示,本发明实施例的一种核心构思之一在于,在判断当前心电信号片段是否是心室纤颤信号片段,需要考虑上述当前心电信号片段的前一片段是否是心室纤颤信号片段,并且根据对应的基于时间延迟算法的特征值的不同阈值来判断;因此可以通过第一设定阈值DHigh来判断初始信号是否是室颤信号;判断后续信号时,可以根据前一信号是否是室颤信号来采用第一设定阈值DHigh还是第二设定阈值DLow作为判断依据。
参照图4所示,本发明实施例提供了一种心室纤颤信号检测方法,具体可以包括步骤401-408:
步骤401:对采集的心电信号进行预处理。
本发明实施例中,上述心电信号可以是通过针对患者或者正常人正在进行的心电监测获得的实时心电信号。
本发明实施例中,需要对上述采集的心电信号进行预处理,可以包括去噪处理。对于心电信号而言,其噪声主要由肌电干扰、基线漂移和工频干扰组成。
本发明实施例的一种可选方式中,对采集的心电信号进行低通滤波、高通滤波以及工频滤波。其中,低通滤波可以去除心电信号中的肌电干扰;高通滤波可以去除基线漂移;工频滤波可以去除工频干扰。
肌电干扰主要由人体肌肉颤动引起,具有随机性,频率范围5-2000Hz,属于高频噪声,因此可以通过低频滤波去除肌电干扰。
基线漂移是一种存在于心电信号中的低频噪声,由于电极、呼吸和身体运动的偏置电压造成的,也限制了可从测量放大器获得的最大增益,在较高增益下,信号可能饱和;总之,可能会在分析心电信号时造成问题。这种噪声可以通过高通滤波去除,例如使用硬件实现高通滤波:通过电容设定截止频率,典型的截止频率值是0.05Hz;例如软件实现高通滤波:使用一个高精度模数转换电路和一个测量放大器实现的一阶增益,赛普拉斯的PSoC3/5和它的20位ADC(Analog-to-Digital Converter,模数变换器)和离散滤波器模块可以实现这样的结构。
工频干扰主要是指心电监测仪等各类电气或电子设备以工频电磁波的形式造成的干扰,例如50Hz的工频干扰,存在自适应相干模板法、自适应陷波器等方法可以去除工频干扰。
本发明实施例的一种可选方式中,上述对采集的心电信号进行预处理的步骤401之前,还包括:按照预设采样率采集心电信号。示例性的,可以按照采样率250Hz采集心电信号,例如采集4秒的心电信号,则存在250×4=1000个采样点,采集的心电信号可以通过y(n)表示,表示第n个采样点的采样幅值。
例如,对上述y(n)形式的心电信号进行预处理后,心电信号表示为x(n),表示预处理之后第n个采样点的幅值。
步骤402:以预设时间为单位划分上述预处理过的心电信号为各心电信号片段。
例如,以4秒为单位划分上述预处理过的心电信号为各心电信号片段。显然,对于250Hz的采样率而言,每1000个采样点为一个心电信号片段。可以理解的是,后续对上述各心电信号片段进行处理时可以按照上述各心电信号片段的心电信号的时间顺序依次处理。
步骤403:基于时间延迟算法,分别计算上述各心电信号片段的特征值。
本发明实施例中,基于时间延迟算法,根据上述各心电信号片段绘制相对于于预设时间常数的二维相空间图;根据上述二维相空间图计算上述各心电信号片段的特征值。
可选地,上述基于时间延迟算法,分别计算上述各心电信号片段的特征值的步骤403,包括:
分别针对x(t)形式的各心电信号片段,以x(t)为横坐标,以x(t+a)为纵坐标,绘制二维相空间图;其中,x为上述各心电信号片段的幅值,t为采样时间,a为预设时间常数;
以上述二维相空间图的上下边界和左右边界构成长方形,对上述长方形按照预设网格单位划分为均匀网格;
计算上述二维相空间图访问的网格数;
计算上述二维相空间图访问的网格数与上述长方形的总网格数的比值,为上述心电信号片段的特征值。
上述预设时间常数a的选取标准是:将信号延迟时间a后与原信号构造二维相空间,使心室纤颤信号与正常心电信号(正常窦性心律信号)的相空间分布差异性较大的时间常数a;示例性的,可以取a为0.5秒。
例如,针对x(n)形式的4秒的各心电信号片段,在采样率为250Hz,预设时间常数a为0.5秒时,上述各心电信号片段分别由1000个采样点组成,对应的二维相空间图是以x(i)为横坐标,x(i+125)为纵坐标的点群,其中i为1-875之间的自然数。明显地,上述二维相空间图访问的网格数为上述点群所分布的网格数。
参照图5所示,(a)示出了一种4秒的正常窦性心律信号片段;(b)示出了上述4秒的正常窦性心律信号片段在预设时间常数a为0.5秒时的相空间图;以及参照图6所示,(a)示出了一种4秒的心室纤颤信号片段;(b)示出了上述4秒的心室纤颤信号片段在预设时间常数a为0.5秒时的相空间图。
明显地,可以看出,正常窦性心律信号片段与心室纤颤信号片段对应的二维相空间图中,正常窦性心律信号片段对应的点群较为规律集中,而心室纤颤信号片段对应的点群较为随机分散,因此二者访问的网格数相差极大,这也说明了时间延迟算法的特征值对心室纤颤信号以及非心室纤颤信号具有良好的区分度。也就是说,可以通过对应的上述特征值的不同来区分二者,因此可以通过设置上述特征值的阈值来判断各心电信号片段是否是心室纤颤信号片段。
例如,根据图5中(b)和图6中(b)所示,总网格数为40×40=1600,正常窦性心律信号片段的二维相空间图访问的网格数为120,则对应的特征值为0.075;正常窦性心律信号片段的二维相空间图访问的网格数为560,则对应的特征值为0.35。
步骤404:若初始心电信号片段的特征值大于第一预设阈值,则确认上述初始心电信号片段是心室纤颤信号片段;若初始心电信号片段的特征值小于等于第一预设阈值,则确认上述初始心电信号片段不是心室纤颤信号片段。
本发明实施例中,上述初始心电信号片段为按照预设时间单位依次排列的各心电信号片段中的第一个心电信号片段;若初始心电信号片段的特征值大于第一预设阈值DHigh,则确认上述初始心电信号片段是心室纤颤信号片段;若初始心电信号片段的特征值小于等于第一预设阈值DHigh,则确认上述初始心电信号片段不是心室纤颤信号片段。
步骤405:分别针对上述初始心电信号片段之后的各心电信号片段,若当前心电信号片段的前一片段是心室纤颤信号片段,且上述当前心电信号片段的特征值大于第二预设阈值,则确认上述当前心电信号片段是心室纤颤信号片段。
例如,针对上述初始心电信号片段,即第一心电信号片段之后的第四心电信号片段而言,若上述第四心电信号片段的前一片段,即第三心电信号片段是心室纤颤信号片段,且上述第四心电信号片段的特征值大于第二预设阈值DLow,则确认上述第四心电信号片段是心室纤颤信号片段。
步骤406:若上述当前心电信号片段的前一片段是心室纤颤信号片段,且上述当前心电信号片段的特征值小于等于第二预设阈值,则确认上述当前心电信号片段不是心室纤颤信号片段。
例如,针对上述初始心电信号片段,即第一心电信号片段之后的第四心电信号片段而言,若上述第四心电信号片段的前一片段,即第三心电信号片段是心室纤颤信号片段,且上述第四心电信号片段的特征值小于等于第二预设阈值DLow,则确认上述第四心电信号片段不是心室纤颤信号片段。
步骤407:若上述当前心电信号片段的前一片段不是心室纤颤信号片段,且上述当前心电信号片段的特征值大于第一预设阈值,则确认上述当前心电信号片段是心室纤颤信号片段。
例如,针对上述初始心电信号片段,即第一心电信号片段之后的第四心电信号片段而言,若上述第四心电信号片段的前一片段,即第三心电信号片段不是心室纤颤信号片段,且上述第四心电信号片段的特征值大于第一预设阈值DHigh,则确认上述第四心电信号片段是心室纤颤信号片段。
步骤408:若上述当前心电信号片段的前一片段不是心室纤颤信号片段,且上述当前心电信号片段的特征值小于等于第一预设阈值,则确认上述当前心电信号片段不是心室纤颤信号片段。
例如,针对上述初始心电信号片段,即第一心电信号片段之后的第四心电信号片段而言,若上述第四心电信号片段的前一片段,即第三心电信号片段不是心室纤颤信号片段,且上述第四心电信号片段的特征值小于等于第一预设阈值DHigh,则确认上述第四心电信号片段不是心室纤颤信号片段。
可选地,基于时间延迟算法计算标准心电信号的各信号片段的特征值,结合上述标准心电信号的各信号片段的片段类型,统计分析得到上述第一预设阈值和上述第二预设阈值;上述片段类型包括心室纤颤信号片段类型。
可以理解的是,在已知上述标准心电信号对应的各心电信号片段是心室纤颤信号片段还是非心室纤颤信号片段的情况下,可以通过时间延迟算法分别计算各心电信号片段对应的特征值,得到各特征值与各心电信号片段类型的对应关系;可以在分析整合大量上述对应关系的基础上,确定上述第一预设阈值和上述第二预设阈值。明显地,上述第一预设阈值大于上述第二预设阈值。
此外,不同的心电采集系统采集的心电信号,对应的第一预设阈值和第二预设阈值可能不同,因此可以对同一心电采集系统采集的已知各心电信号片段类型的心电信号进行分析,得到针对性的第一预设阈值和第二预设阈值,可以提高后续根据上述第一预设阈值和上述第二预设阈值来检测心室纤颤信号的准确性。
本发明实施例中,在判断当前心电信号片段是否是心室纤颤信号片段,需要考虑上述当前心电信号片段的前一片段是否是心室纤颤信号片段,并且根据对应的不同阈值来判断,因此考虑到了因为心室纤颤持续性的特点导致的心室纤颤信号对后续心电信号的影响,因此误判率低,准确率高。
本发明实施例中的可选方式中,对同一心电采集系统采集的已知各心电信号片段类型的心电信号进行分析,得到针对性的第一预设阈值和第二预设阈值,可以提高后续根据上述第一预设阈值和上述第二预设阈值来检测心室纤颤信号的准确性。
对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图7所示,本发明实施例提供了一种心室纤颤信号检测系统,具体可以包括:
预处理模块701,用于对采集的心电信号进行预处理;
分段模块702,用于以预设时间为单位划分上述预处理过的心电信号为各心电信号片段;
特征值计算模块703,用于基于时间延迟算法,分别计算上述各心电信号片段的特征值;
初始判断模块704,用于若初始心电信号片段的特征值大于第一预设阈值,则确认上述初始心电信号片段是心室纤颤信号片段;若初始心电信号片段的特征值小于等于第一预设阈值,则确认上述初始心电信号片段不是心室纤颤信号片段;
第一判断模块705,用于分别针对上述初始心电信号片段之后的各心电信号片段,若当前心电信号片段的前一片段是心室纤颤信号片段,且上述当前心电信号片段的特征值大于第二预设阈值,则确认上述当前心电信号片段是心室纤颤信号片段;
第二判断模块706,用于若上述当前心电信号片段的前一片段是心室纤颤信号片段,且上述当前心电信号片段的特征值小于等于第二预设阈值,则确认上述当前心电信号片段不是心室纤颤信号片段;
第三判断模块707,用于若上述当前心电信号片段的前一片段不是心室纤颤信号片段,且上述当前心电信号片段的特征值大于第一预设阈值,则确认上述当前心电信号片段是心室纤颤信号片段;
第四判断模块708,用于若上述当前心电信号片段的前一片段不是心室纤颤信号片段,且上述当前心电信号片段的特征值小于等于第一预设阈值,则确认上述当前心电信号片段不是心室纤颤信号片段。
参照图8所示,在上述图7的基础上,可选地,还包括:
采集模块709,用于按照预设采样率采集心电信号。
可选地,上述预处理模块701包括:
滤波单元7011,用于对采集的心电信号进行低通滤波、高通滤波以及工频滤波。
可选地,上述特征值计算模块703包括:
相空间图单元7031,用于分别针对x(t)形式的各心电信号片段,以x(t)为横坐标,以x(t+a)为纵坐标,绘制二维相空间图;其中,x为上述各心电信号片段的幅值,t为采样时间,a为预设时间常数;
网格划分单元7032,用于以上述二维相空间图的上下边界和左右边界构成长方形,对上述长方形按照预设网格单位划分为均匀网格;
访问网格数计算单元7033,用于计算上述二维相空间图访问的网格数;
特征值计算单元7034,用于计算上述二维相空间图访问的网格数与上述长方形的总网格数的比值,为上述心电信号片段的特征值。
可选地,还包括:
阈值模块,用于基于采用时间延迟算法计算标准心电信号的各信号片段的特征值,结合上述标准心电信号的各信号片段的片段类型,统计分析得到上述第一预设阈值和上述第二预设阈值;上述片段类型包括心室纤颤信号片段类型。
本发明实施例中,在判断当前心电信号片段是否是心室纤颤信号片段,需要考虑上述当前心电信号片段的前一片段是否是心室纤颤信号片段,并且根据对应的不同阈值来判断,因此考虑到了因为心室纤颤持续性的特点导致的心室纤颤信号对后续心电信号的影响,因此误判率低,准确率高。
本发明实施例中的可选方式中,对同一心电采集系统采集的已知各心电信号片段类型的心电信号进行分析,得到针对性的第一预设阈值和第二预设阈值,可以提高后续根据上述第一预设阈值和上述第二预设阈值来检测心室纤颤信号的准确性。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
参照图9所示,本发明实施例提供了一种心室纤颤检测装置900,具体可以包括:处理器901,存储器902,输入/输出(I/O)的接口903,心电监测模块904。
处理器901可以用于执行指令,以完成上述的心室纤颤信号检测方法的全部或部分步骤;存储器902被配置为存储各种类型的数据以支持在心室纤颤检测装置900的操作。这些数据的示例包括用于在心室纤颤检测装置900上操作的任何应用程序或方法的指令,心电信号,患者数据等。存储器902可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘;I/O接口903为处理器901和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等;心电监测模块904可以用于获取实时的心电信号,可以包括用于获取心电信号的检测电极,还可以包括放大电路、滤波电路等用于心电信号处理的外部电路。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (4)

1.一种心室纤颤信号检测系统,其特征在于,包括:
预处理模块,用于对采集的心电信号进行预处理;
分段模块,用于以预设时间为单位划分所述预处理过的心电信号为各心电信号片段;
特征值计算模块,用于基于时间延迟算法,分别计算所述各心电信号片段的特征值,分别针对x(t)形式的各心电信号片段,以x(t)为横坐标,以x(t+a)为纵坐标,绘制二维相空间图;其中,x为所述各心电信号片段的幅值,t为采样时间,a为预设时间常数;
以所述二维相空间图的上下边界和左右边界构成长方形,对所述长方形按照预设网格单位划分为均匀网格;
计算所述二维相空间图访问的网格数;
计算所述二维相空间图访问的网格数与所述长方形的总网格数的比值,为所述心电信号片段的特征值;
初始判断模块,用于若初始心电信号片段的特征值大于第一预设阈值,则确认所述初始心电信号片段是心室纤颤信号片段;若初始心电信号片段的特征值小于等于第一预设阈值,则确认所述初始心电信号片段不是心室纤颤信号片段;
第一判断模块,用于分别针对所述初始心电信号片段之后的各心电信号片段,若当前心电信号片段的前一片段是心室纤颤信号片段,且所述当前心电信号片段的特征值大于第二预设阈值,则确认所述当前心电信号片段是心室纤颤信号片段;
第二判断模块,用于若所述当前心电信号片段的前一片段是心室纤颤信号片段,且所述当前心电信号片段的特征值小于等于第二预设阈值,则确认所述当前心电信号片段不是心室纤颤信号片段;
第三判断模块,用于若所述当前心电信号片段的前一片段不是心室纤颤信号片段,且所述当前心电信号片段的特征值大于第一预设阈值,则确认所述当前心电信号片段是心室纤颤信号片段;
第四判断模块,用于若所述当前心电信号片段的前一片段不是心室纤颤信号片段,且所述当前心电信号片段的特征值小于等于第一预设阈值,则确认所述当前心电信号片段不是心室纤颤信号片段;
阈值模块,用于基于采用时间延迟算法计算标准心电信号的各信号片段的特征值,结合所述标准心电信号的各信号片段的片段类型,统计分析得到所述第一预设阈值和所述第二预设阈值;所述片段类型包括心室纤颤信号片段类型。
2.根据权利要求1所述的系统,其特征在于,还包括:
采集模块,用于按照预设采样率采集心电信号。
3.根据权利要求1所述的系统,其特征在于,所述预处理模块包括:
滤波单元,用于对采集的心电信号进行低通滤波、高通滤波以及工频滤波。
4.一种心室纤颤检测装置,其特征在于,包括上述权利要求1-3中任一所述的心室纤颤信号检测系统。
CN201710384413.8A 2017-05-26 2017-05-26 一种心室纤颤信号检测方法、系统及心室纤颤检测装置 Expired - Fee Related CN108937920B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710384413.8A CN108937920B (zh) 2017-05-26 2017-05-26 一种心室纤颤信号检测方法、系统及心室纤颤检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710384413.8A CN108937920B (zh) 2017-05-26 2017-05-26 一种心室纤颤信号检测方法、系统及心室纤颤检测装置

Publications (2)

Publication Number Publication Date
CN108937920A CN108937920A (zh) 2018-12-07
CN108937920B true CN108937920B (zh) 2021-05-25

Family

ID=64494185

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710384413.8A Expired - Fee Related CN108937920B (zh) 2017-05-26 2017-05-26 一种心室纤颤信号检测方法、系统及心室纤颤检测装置

Country Status (1)

Country Link
CN (1) CN108937920B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112826514B (zh) * 2019-11-22 2022-07-22 华为技术有限公司 一种房颤信号的分类方法、装置、终端以及存储介质
CN113100779A (zh) * 2020-01-10 2021-07-13 深圳市理邦精密仪器股份有限公司 心室纤颤的检测方法、装置及监测设备
CN116492598B (zh) * 2023-03-13 2023-09-29 苏州维伟思医疗科技有限公司 低误报警率的心律转复除颤方法、装置、系统及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1989897A (zh) * 2005-12-29 2007-07-04 深圳迈瑞生物医疗电子股份有限公司 基于复杂度的心室纤颤综合检测方法
CN102058407A (zh) * 2011-02-09 2011-05-18 复旦大学 心室纤颤预测方法与装置
US20140276154A1 (en) * 2013-03-14 2014-09-18 Greatbatch Ltd. Cardiac signal recording using dynamically generated detection thresholds
CN105050498A (zh) * 2013-03-15 2015-11-11 美敦力公司 用于避免心室纤颤的感测不足的系统和方法
CN105208927A (zh) * 2013-01-16 2015-12-30 佛蒙特大学 用于映射、最小化和治疗心脏纤维性颤动的系统、导管和相关方法
CN105208926A (zh) * 2013-03-14 2015-12-30 佐尔医药公司 用于识别电击结果的加窗
US20170007841A1 (en) * 2006-03-29 2017-01-12 Medtronic, Inc. Method and apparatus for detecting arrhythmias in a subcutaneous medical device
CN106456977A (zh) * 2014-04-24 2017-02-22 美敦力公司 用于在医疗设备中选择感测向量配置的方法和装置
US20170127965A1 (en) * 2015-11-06 2017-05-11 Cardiac Pacemakers, Inc. Method and apparatus for enhancing ventricular based atrial fibrillation detection using atrial activity

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1989897A (zh) * 2005-12-29 2007-07-04 深圳迈瑞生物医疗电子股份有限公司 基于复杂度的心室纤颤综合检测方法
US20170007841A1 (en) * 2006-03-29 2017-01-12 Medtronic, Inc. Method and apparatus for detecting arrhythmias in a subcutaneous medical device
CN102058407A (zh) * 2011-02-09 2011-05-18 复旦大学 心室纤颤预测方法与装置
CN105208927A (zh) * 2013-01-16 2015-12-30 佛蒙特大学 用于映射、最小化和治疗心脏纤维性颤动的系统、导管和相关方法
US20140276154A1 (en) * 2013-03-14 2014-09-18 Greatbatch Ltd. Cardiac signal recording using dynamically generated detection thresholds
CN105208926A (zh) * 2013-03-14 2015-12-30 佐尔医药公司 用于识别电击结果的加窗
CN105050498A (zh) * 2013-03-15 2015-11-11 美敦力公司 用于避免心室纤颤的感测不足的系统和方法
CN106456977A (zh) * 2014-04-24 2017-02-22 美敦力公司 用于在医疗设备中选择感测向量配置的方法和装置
US20170127965A1 (en) * 2015-11-06 2017-05-11 Cardiac Pacemakers, Inc. Method and apparatus for enhancing ventricular based atrial fibrillation detection using atrial activity

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Spa-Weighted Arrhythmias-Risks ValuatING (SAVING) Algorithm and Tested in WE-CARE 2.0.;Qiu, Y等;《2016 IEEE Global Communications Conference》;20161231;doi:10.1109/glocom.2016.7841548 *
心室纤颤信号的自适应检测;朱贻盛等;《生物物理学报》;19910331;第10卷(第1期);第149-154页 *
心室纤颤和心动过速的多重分形分析;谢洪波等;《数据采集与处理》;20060331;第21卷(第1期);第69-73页 *

Also Published As

Publication number Publication date
CN108937920A (zh) 2018-12-07

Similar Documents

Publication Publication Date Title
Park et al. R peak detection method using wavelet transform and modified shannon energy envelope
US9949653B2 (en) Patient signal analysis based on vector analysis
Sabherwal et al. Automatic detection of the R peaks in single-lead ECG signal
CN103961089B (zh) 基于分段直线拟合的窦性心率震荡趋势检测方法
Zhang et al. Using Lempel–Ziv complexity to assess ECG signal quality
CN110226919B (zh) 心电信号类型检测方法、装置、计算机设备及存储介质
CN108937920B (zh) 一种心室纤颤信号检测方法、系统及心室纤颤检测装置
US10172563B2 (en) Method and system for analyzing noise in an electrophysiology study
CN111358459A (zh) 一种心律失常识别方法、装置、设备和存储介质
CN109009073A (zh) 房颤检测装置及存储介质
Li et al. Probability density distribution of delta RR intervals: a novel method for the detection of atrial fibrillation
CN110720894A (zh) 一种心房扑动的检测方法、装置、设备及存储介质
CN109222964A (zh) 房颤检测装置及存储介质
Talatov et al. Algorithmic and software analysis and processing of ECG signals
CN109077721A (zh) 房颤检测装置及存储介质
Butt et al. Classifying normal sinus rhythm and cardiac arrhythmias in ECG signals using statistical features in temporal domain
TW201519862A (zh) 一種基於經驗模態分解法之心跳訊號檢測方法與檢測裝置
JP7163058B2 (ja) 特徴検出用のフィルタを含むecg機械
Hegde et al. A review on ECG signal processing and HRV analysis
Dliou et al. Time-frequency analysis of a noised ECG signals using empirical mode decomposition and Choi-Williams techniques
Zhao et al. [Retracted] An Early Warning of Atrial Fibrillation Based on Short‐Time ECG Signals
JP2020022581A (ja) 心電解析システム
CN109044338A (zh) 房颤检测装置及存储介质
Dliou et al. Noised abnormal ECG signal analysis by combining EMD and Choi-Williams techniques
Naaz et al. Feature extraction and analysis of ECG signal for cardiac abnormalities-A review

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210525