CN109259750A - 心率计算方法、装置、计算机设备和存储介质 - Google Patents
心率计算方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109259750A CN109259750A CN201811337115.4A CN201811337115A CN109259750A CN 109259750 A CN109259750 A CN 109259750A CN 201811337115 A CN201811337115 A CN 201811337115A CN 109259750 A CN109259750 A CN 109259750A
- Authority
- CN
- China
- Prior art keywords
- wave
- sampled point
- wave crest
- difference
- cumulant
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及一种心率计算方法、装置、计算机设备和存储介质。所述方法包括:对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰;基于波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波;基于所述特征波计算得到心率。上述心率计算方法、装置、计算机设备和存储介质,通过对心电信号进行滤波,对心电信号进行采样,基于采样点的差值识别波峰,基于波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波,基于所述特征波计算得到心率的方法对心率进行计算,算法简单,结果不会受基线漂移的影响,更加准确,同时不需要根据个人情况预先设置阈值,通用性更好。
Description
技术领域
本申请涉及心电信号检测技术领域,特别是涉及一种心率计算方法、装置、计算机设备和存储介质。
背景技术
人体采集的心电信号所包含的噪声有:基线漂移、工频干扰、电极运动造成的伪迹和电极接触噪声。现有的心率计算方法,为避免噪声对结果的影响,一般先是通过带通滤波进行降噪;然后,对滤波后的信号进行求导,得到QRS波群的斜率信息;接着,对斜率信号取绝对值或者取平方;再用移动平均窗对上一步的信号进行光滑平均。然后,设置复杂的QRS检测的规则。如Open Source ECG Analysis Software中的规则有:1.忽略所有在大波峰前后小于196ms(306bpm)的波峰;2.如果检测到波峰,则检查原始信号中是否同时包含正负斜率,如果是的,则为波峰,如果不满足,则该波峰表示基线漂移;3.设置探测阈值,如果波峰值大于阈值,则为QRS波群,否则,视为噪声;4.如果在1.5倍的RR间距内没有探测到QRS,但是有一个波峰值大于检测阈值的一半,并且该波峰在先前检测到的QRS后至少360ms,则该波峰视为QRS波群。
从上述QRS波群的检测规则可以看出,现有技术中对于R波识别的规则设置得很复杂,而且一定频率范围的基线漂移,会对这种算法的结果造成影响;同时还需要预先设置阈值,但是,对于实测心电数据,不同的人所测到的心电信号强度是不一样的,这样可能对预先设置阈值带来困难。
发明内容
基于此,有必要针对现有技术中对于R波识别的规则设置得很复杂,而且算法会受到基线漂移的影响,同时需要针对不同的人预先设置阈值的技术问题,提供一种心率计算方法、装置、计算机设备和存储介质。
一种心率计算方法,所述方法包括:
对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰,并计算波峰累积量;
基于所述波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波;
基于所述特征波计算得到心率。
在其中一个实施例中,
在所述基于采样点之间的差值识别波峰之前,还包括:
对心电信号进行滤波。
在其中一个实施例中,所述对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰,并计算波峰累积量包括:
所述基于采样点之间的差值识别波峰包括:
计算当前采样点与前一采样点的差值,若差值为正,则为上升沿,若差值为负,则为下降沿;
基于所述上升沿和下降沿的变化得到波峰和波谷。
在其中一个实施例中,
所述基于所述上升沿和下降沿的变化得到波峰和波谷包括:
对心电信号进行持续采样,得到第一采样点、第二采样点和第三采样点,所述第一采样点、第二采样点和第三采样点在时间轴上依次排列;
计算第二采样点与第一采样点的差值,计算第三采样点与第二采样点的差值;
若第二采样点与第一采样点的差值为正,第三采样点与第二采样点的差值为负,则第二采样点为波峰;
若第二采样点与第一采样点的差值为负,第三采样点与第二采样点的差值为正,则第二采样点为波谷。
在其中一个实施例中,
所述波峰位于第一波谷与第二波谷之间,其中,所述第一波谷与第二波谷为相邻的波谷;
所述基于采样点之间的差值识别波峰,并计算波峰累积量包括:
计算所述波峰与所述第一波谷之间的上升沿的高度得到第一波峰累积量;
计算所述波峰与所述第二波谷之间的下降沿的高度得到第二波峰累积量;
计算所述第一波峰累积量与第二波峰累积量的和,得到波峰累积量。
在其中一个实施例中,在观测窗内计算多个波峰的平均累积量,若所述观测窗内的中心波峰的波峰累积量大于所述平均累积量,则所述观测窗的中心波峰为特征波的波峰。
在其中一个实施例中,
所述基于所述特征波计算得到心率包括:
基于相邻特征波的波峰之间的时间差计算得到心率。
一种心率计算装置,所述装置包括:
高度计算模块,用于对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰,并计算波峰的高度;
特征波识别模块,用于基于所述波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波;
心率计算模块,用于基于所述特征波计算得到心率。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰,并计算波峰累积量;
基于所述波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波;
基于所述特征波计算得到心率。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰,并计算波峰累积量;
基于所述波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波;
基于所述特征波计算得到心率。
上述心率计算方法、装置、计算机设备和存储介质,通过对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰,并计算波峰累积量,基于所述波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波,基于所述特征波计算得到心率的方法对心率进行计算,算法简单,结果不会受基线漂移的影响,更加准确,同时不需要根据个人情况预先设置阈值,通用性更好。
附图说明
图1为一个实施例中心率计算方法的流程示意图;
图2为一个实施例中心率计算装置的结构框图;
图3为一个实施例中计算机设备的内部结构图;
图4为进行算法验证时原始心电信号图;
图5为进行算法验证时加入高斯白噪声后信噪比为10db的心电信号图;
图6为进行算法验证时加入高斯白噪声后信噪比为6db的心电信号图;
图7为进行算法验证时加入高斯白噪声后信噪比为1db的心电信号图;
图8(a)为采用Pan-Tompkins算法进行心率计算时错检率随信噪比变化的示意图;
图8(b)为采用本发明的心率计算方法进行心率计算时错检率随信噪比变化的示意图;
图8(c)为采用本发明的心率计算方法,采用Pan-Tompkins算法的带通滤波参数进行心率计算时错检率随信噪比变化的示意图;
图9(a)为采用Pan-Tompkins算法进行心率计算时漏检率随信噪比变化的示意图;
图9(b)为采用本发明的心率计算方法进行心率计算时漏检率随信噪比变化的示意图;
图9(c)为采用本发明的心率计算方法,采用Pan-Tompkins算法的带通滤波参数进行心率计算时漏检率随信噪比变化的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
心电图是由一系列的波组所构成,每个波组代表着每一个心动周期。一个波组包括P波、QRS波群、T波及U波。看心电图首先要了解每个波所代表的意义。
(1)P波:心脏的激动发源于窦房结,然后传导到达心房。P波由心房除极所产生,是每一波组中的第一波,它反映了左、右心房的除极过程。前半部分代表右房,后半部分代表左房。
(2)QRS波群:典型的QRS波群包括三个紧密相连的波,第一个向下的波称为Q波,继Q波后的一个高尖的直立波称为R波,R波后向下的波称为S波。因其紧密相连,且反映了心室电激动过程,故统称为QRS波群。这个波群反映了左、右两心室的除极过程。
(3)T波:T波位于S-T段之后,是一个比较低而占时较长的波,它是心室复极所产生的。
(4)U波:U波位于T波之后,比较低小,其发生机理未完全明确。一般认为是心肌激动的“激后电位”。
请参阅图1,图1为本发明一实施例的心率计算方法的流程示意图。
在本实施例中,所述心率计算方法包括:
步骤100,对心电信号进行滤波。
具体地,对心电信号进行滤波包括对心电信号进行低通滤波,用于消除特征波上可能存在的高频噪声毛刺。在本实施例中,所述低通滤波的截止频率为40Hz。在其它实施例中,所述低通滤波的截止频率可以根据实际情况设置为其它数值,以达到消除特征波上可能存在的高频噪声毛刺的效果。在本实施例中,所述对心电信号进行滤波还包括对心电信号进行高通滤波,用于消除基线漂移。在本实施例中,所述高通滤波的截止频率为0.5Hz。在其它实施例中,所述高通滤波的截止频率可以根据实际情况设置为其它数值,以达到消除基线漂移的效果。
步骤110,对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰,并计算波峰累积量。
在本实施例中,对心电信号进行持续采样、滤波,得到多个采样点,计算当前采样点与前一采样点的差值,若差值为正,则为波峰的上升沿,若差值为负,则为波峰的下降沿,基于所述上升沿和下降沿的变化得到波峰和波谷,并计算波峰累积量。
其中,上升沿变为下降沿时的样本点为波峰,下降沿变为上升沿时的点为波谷。具体地,所述基于所述上升沿和下降沿的变化得到波峰和波谷,并计算波峰累积量包括对心电信号进行持续采样,得到在时间轴上依次排列的第一采样点、第二采样点和第三采样点;计算第二采样点与第一采样点的差值,计算第三采样点与第二采样点的差值,若第二采样点与第一采样点的差值为正,第三采样点与第二采样点的差值为负,则第二采样点为波峰,若第二采样点与第一采样点的差值为负,第三采样点与第二采样点的差值为正,则第二采样点为波谷;基于所述波峰和所述波谷得到波峰累积量。
在本实施例中,所述波谷包括第一波谷和第二波谷,所述波峰位于第一波谷与第二波谷之间,其中,所述第一波谷与第二波谷为相邻的波谷,所述第一波谷、波峰和第二波谷之间的波形为一个完整的波峰的组成。
在本实施例中,所述波峰累积量为计算波峰与所述第一波谷之间的上升沿的高度得到的第一波峰累积量和计算波峰与所述第二波谷之间的下降沿的高度得到的第二波峰累积量的和。在其它实施例中,所述波峰累积量可以仅为计算波峰与所述第一波谷之间的上升沿的高度得到的第一波峰累积量,或者仅为计算波峰与所述第二波谷之间的下降沿的高度得到的第二波峰累积量。
示例性地,设心电信号为v,信号中当前样本点值v[n]与前一个样本点值v[n-1]的差值为:
Δv[n]=v[n]-v[n-1] (1)
一个完整的波峰是由上升沿和下降沿组成,上升沿和下降沿的判断规则为:
一个完整的波峰的记录方法如下:
a)如果前一个时刻的样本差值为负,即Δv[n-1]<0,当前时刻的样本差值为正,即Δv[n]>0,则为一个波峰的开始;
b)统计第i个波峰的上升沿高度:
其中,N表示波峰或波谷,n=Ni为上升沿开始位置的样本序号,n=Ni+1为波峰位置。判断依据为当前时刻的样本差值为正,即Δv[n]>0,下一时刻的样本差值为负,即Δv[n+1]<0,则当前时刻的样本点位置即为波峰位置。
c)统计第i个波峰的下降沿高度:
式(4)中取负号是因为Δv[n]<0,这样使得求得的下降沿高度为正。当Δv[n]由负变正时,即为波峰的下降沿的结束,位置为n=Ni+2
d)求得一个波峰的波峰累积量,即上升沿和下降沿高度之和:
Δh[i]=Δhup[i]+Δhdown[i] (5)
步骤120,基于所述波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波。
在本实施例中,将每个波峰的波峰累积量相加,并除以波峰的数量,计算得到多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波。
示例性的,计算多个波峰的累积量之和:
具体地,在观测窗内计算多个波峰的平均累积量,若所述观测窗内的中心波峰的波峰累积量大于所述平均累积量,则所述观测窗的中心波峰为特征波的波峰。
示例性的,观测窗的半宽度为w,一般w大于5,即心电信号的特征波个数大于5,以第t个波峰为中心,对窗内2w+1个波的波峰大小求平均:
如果窗中间波的波峰大于该平均值,即则判断为特征波,该特征波的波峰时刻tR[p],p表示第p个特征波峰,以及相应的特征波的波峰累积量hR[p]。
步骤130,基于所述特征波计算得到心率。
具体地,基于所述特征波的波峰之间的时间差计算得到心率。
示例性地,根据相邻两个特征波的波峰之间的时间差,计算得到瞬时心率
在本实施例中,所述特征波为心电信号中的R波。
示例性地,本发明的心率计算方法先通过对心电信号进行滤波达到消除特征波上可能存在的高频噪声毛刺和基线漂移的效果,再对心电信号进行持续采样,得到在时间轴上依次排列的第一采样点、第二采样点和第三采样点;计算第二采样点与第一采样点的差值,计算第三采样点与第二采样点的差值,若第二采样点与第一采样点的差值为正,第三采样点与第二采样点的差值为负,则第二采样点为波峰,若第二采样点与第一采样点的差值为负,第三采样点与第二采样点的差值为正,则第二采样点为波谷;基于所述波峰和所述波谷得到波峰累积量,此处的波峰累积量为计算波峰与所述第一波谷之间的上升沿的高度得到的第一波峰累积量和计算波峰与所述第二波谷之间的下降沿的高度得到的第二波峰累积量的和,继而将每个波峰的波峰累积量相加,并除以波峰的数量,计算得到多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波,最后基于所述特征波的波峰之间的时间差计算得到心率。
上述心率计算方法,通过对心电信号进行滤波以消除高频噪声毛刺和基线漂移,对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰,并计算波峰的高度,基于所述波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波,基于所述特征波的波峰之间的时间差计算得到心率的方法对心率进行计算,算法简单,结果不会受基线漂移的影响,更加准确,同时不需要根据个人情况预先设置阈值,通用性更好。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图2所示,提供了一种心率计算装置,包括:滤波模块200、高度计算模块210、特征波识别模块220和心率计算模块230,其中:
滤波模块200,用于对心电信号进行滤波。
高度计算模块210,用于对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰,并计算波峰的高度。
所述高度计算模块210包括:
采样单元,用于对心电信号进行持续采样,得到第一采样点、第二采样点和第三采样点,所述第一采样点、第二采样点和第三采样点在时间轴上依次排列。
计算单元,用于计算第二采样点与第一采样点的差值,计算第三采样点与第二采样点的差值,若第二采样点与第一采样点的差值为正,第三采样点与第二采样点的差值为负,则第二采样点为波峰,若第二采样点与第一采样点的差值为负,第三采样点与第二采样点的差值为正,则第二采样点为波谷。
高度获取单元,用于基于所述波峰和所述波谷得到波峰累积量。
特征波识别模块220,用于基于所述波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波。
心率计算模块230,用于基于所述特征波计算得到心率。
关于心率计算装置的具体限定可以参见上文中对于心率计算方法的限定,在此不再赘述。上述心率计算装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种心率计算方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
对心电信号进行滤波;
对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰,并计算波峰累积量;
基于所述波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波;
基于所述特征波计算得到心率。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对心电信号进行低通滤波;
对心电信号进行高通滤波。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
计算当前采样点与前一采样点的差值,若差值为正,则为上升沿,若差值为负,则为下降沿;
基于所述上升沿和下降沿的变化得到波峰和波谷。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对心电信号进行持续采样,得到第一采样点、第二采样点和第三采样点,所述第一采样点、第二采样点和第三采样点在时间轴上依次排列;
计算第二采样点与第一采样点的差值,计算第三采样点与第二采样点的差值,若第二采样点与第一采样点的差值为正,第三采样点与第二采样点的差值为负,则第二采样点为波峰,若第二采样点与第一采样点的差值为负,第三采样点与第二采样点的差值为正,则第二采样点为波谷。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
所述波峰位于第一波谷与第二波谷之间,其中,所述第一波谷与第二波谷为相邻的波谷;
所述基于采样点之间的差值识别波峰,并计算波峰累积量包括:
计算所述波峰与所述第一波谷之间的上升沿的高度得到第一波峰累积量;
计算所述波峰与所述第二波谷之间的下降沿的高度得到第二波峰累积量;
计算所述第一波峰累积量与第二波峰累积量的和,得到波峰累积量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
在观测窗内计算多个波峰的平均累积量,若所述观测窗内的中心波峰的波峰累积量大于所述平均累积量,则所述观测窗的中心波峰为特征波的波峰。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于相邻特征波的波峰之间的时间差计算得到心率。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
对心电信号进行滤波;
对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰,并计算波峰累积量;
基于所述波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波;
基于所述特征波计算得到心率。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对心电信号进行低通滤波;
对心电信号进行高通滤波。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
计算当前采样点与前一采样点的差值,若差值为正,则为上升沿,若差值为负,则为下降沿;
基于所述上升沿和下降沿的变化得到波峰和波谷。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对心电信号进行持续采样,得到第一采样点、第二采样点和第三采样点,所述第一采样点、第二采样点和第三采样点在时间轴上依次排列;
计算第二采样点与第一采样点的差值,计算第三采样点与第二采样点的差值,若第二采样点与第一采样点的差值为正,第三采样点与第二采样点的差值为负,则第二采样点为波峰,若第二采样点与第一采样点的差值为负,第三采样点与第二采样点的差值为正,则第二采样点为波谷。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
所述波峰位于第一波谷与第二波谷之间,其中,所述第一波谷与第二波谷为相邻的波谷;
所述基于采样点之间的差值识别波峰,并计算波峰累积量包括:
计算所述波峰与所述第一波谷之间的上升沿的高度得到第一波峰累积量;
计算所述波峰与所述第二波谷之间的下降沿的高度得到第二波峰累积量;
计算所述第一波峰累积量与第二波峰累积量的和,得到波峰累积量。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
在观测窗内计算多个波峰的平均累积量,若所述观测窗内的中心波峰的波峰累积量大于所述平均累积量,则所述观测窗的中心波峰为特征波的波峰。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于相邻特征波的波峰之间的时间差计算得到心率。
经验证,本发明的心率计算方法、装置、计算机设备和存储介质算法简单,结果不会受基线漂移的影响,更加准确,同时不需要根据个人情况预先设置阈值,通用性更好。具体验证过程如下:
采用标准数据库MIT-BIH Arrhythmia Database进行验证,因为该数据库的心电数据的R波位置都已经人工标注,可以用于本发明方法的验证,即通过比较算法得到的R波位置和人工标注的R波位置,计算R波的检测率来验证方法的可行性。选取的信号编号为100,101,103,107,109。这里,我们将这些原始信号视为无噪声干净信号,然后在里面添加高斯白噪声,实现不同信噪比的信号。考察的信号信噪比为-10~10db,原始心电信号如图4所示,信噪比为10db,6db和1db的心电信号分别如图5~7所示,可以看出,随着信噪比的降低,噪声也越来越大。
根据中华人民共和国医药行业标准的《YY0885-2013动态心电图系统安全和基本性能专用要求》中的规定,设置150ms的R波匹配窗口,即人工标注的R位置在半宽150ms的范围内,有算法得到的R波位置与之匹配,则代表检测正常心拍,否则为漏检心拍。如果算法得到的R波在匹配窗口内没有人工标注的R波与之匹配,则为错检心拍。设TP为检测正常的心拍个数,FN为漏检的心拍个数,FP为错检的心拍个数。
则漏检率Pm和错检率Pw分别为
本算法结果和经典的R波检测Pan-Tompkins算法结果进行比较,Pan-Tompkins算法的流程包括:1.5-15Hz带通滤波,2.求导,3.取平方,4.移窗积分,5.寻找波峰位置,6.设置双阈值检测R波位置。
本验证算例中,取两种滤波参数:1.低通滤波和高通滤波的截止频率分别为40Hz和0.5Hz;2.采用Pan-Tompkins的低通和高通滤波参数。步骤3中的窗的半宽w取10,算法得到的结果,如图8和图9所示。第一种滤波参数的结果为,当信噪比SNR≥0db时,错检率为零,当信噪比进一步降低时,错检率不断增加。当信噪比SNR≥0db时,漏检率低于5%,虽然,随着信噪比进一步降低,漏检率为先增加后减小,但错检率上升了。第二种滤波参数的结果相比第一种滤波参数来说,漏检率有略微的提高,但错检率除了SNR=-10db,其余情况几乎均为零。因此,本算法如果采用Pan-Tompkins相同的滤波参数,即使在信噪比较差的情况下,错检率可以控制得很低,但漏检率相比原先的较宽的带通滤波参数(第一种滤波参数)要高。Pan-Tompkins算法的结果,R波的漏检率控制得比较好,但是,当信噪比较低时,其错检率显著增加,显著高于本专利算法。因此,本发明的算法在心电信号中存在噪声,且信噪比较低时,R波检测与心率计算的结果要好于Pan-Tompkins算法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种心率计算方法,其特征在于,所述方法包括:
对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰,并计算波峰累积量;
基于所述波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波;
基于所述特征波计算得到心率。
2.根据权利要求1所述的方法,其特征在于,在所述基于采样点之间的差值识别波峰之前,还包括:
对心电信号进行滤波。
3.根据权利要求1所述的方法,其特征在于,所述基于采样点之间的差值识别波峰包括:
计算当前采样点与前一采样点的差值,若差值为正,则为上升沿,若差值为负,则为下降沿;
基于所述上升沿和下降沿的变化得到波峰和波谷。
4.根据权利要求3所述的方法,其特征在于,所述基于所述上升沿和下降沿的变化得到波峰和波谷包括:
对心电信号进行持续采样,得到第一采样点、第二采样点和第三采样点,所述第一采样点、第二采样点和第三采样点在时间轴上依次排列;
计算第二采样点与第一采样点的差值,计算第三采样点与第二采样点的差值;
若第二采样点与第一采样点的差值为正,第三采样点与第二采样点的差值为负,则第二采样点为波峰;
若第二采样点与第一采样点的差值为负,第三采样点与第二采样点的差值为正,则第二采样点为波谷。
5.根据权利要求3所述的方法,其特征在于,所述波峰位于第一波谷与第二波谷之间,其中,所述第一波谷与第二波谷为相邻的波谷;
所述基于采样点之间的差值识别波峰,并计算波峰累积量包括:
计算所述波峰与所述第一波谷之间的上升沿的高度得到第一波峰累积量;
计算所述波峰与所述第二波谷之间的下降沿的高度得到第二波峰累积量;
计算所述第一波峰累积量与第二波峰累积量的和,得到波峰累积量。
6.根据权利要求5所述的方法,其特征在于,在观测窗内计算多个波峰的平均累积量,若所述观测窗内的中心波峰的波峰累积量大于所述平均累积量,则所述观测窗的中心波峰为特征波的波峰。
7.根据权利要求6所述的方法,其特征在于,所述基于所述特征波计算得到心率包括:
基于相邻特征波的波峰之间的时间差计算得到心率。
8.一种心率计算装置,其特征在于,所述装置包括:
高度计算模块,用于对心电信号进行持续采样得到采样点,基于采样点之间的差值识别波峰,并计算波峰的高度;
特征波识别模块,用于基于所述波峰累积量计算多个波峰的平均累积量,波峰累积量大于所述平均累积量的波峰即为特征波;
心率计算模块,用于基于所述特征波计算得到心率。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一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至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811337115.4A CN109259750B (zh) | 2018-11-12 | 2018-11-12 | 心率计算方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811337115.4A CN109259750B (zh) | 2018-11-12 | 2018-11-12 | 心率计算方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109259750A true CN109259750A (zh) | 2019-01-25 |
CN109259750B CN109259750B (zh) | 2023-04-11 |
Family
ID=65192896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811337115.4A Active CN109259750B (zh) | 2018-11-12 | 2018-11-12 | 心率计算方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109259750B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020154955A1 (zh) * | 2019-01-30 | 2020-08-06 | 深圳市汇顶科技股份有限公司 | 心率检测的方法、装置和电子设备 |
CN113418441A (zh) * | 2021-04-30 | 2021-09-21 | 河南中烟工业有限责任公司 | 微波法检测烟支分段长度 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101856225A (zh) * | 2010-06-30 | 2010-10-13 | 重庆大学 | 一种心电信号r波峰检测方法 |
CN102217932A (zh) * | 2011-05-17 | 2011-10-19 | 上海理工大学 | Abr信号波峰检测的一种全新的算法 |
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 |
CN105816163A (zh) * | 2016-05-09 | 2016-08-03 | 安徽华米信息科技有限公司 | 检测心率的方法、装置及可穿戴设备 |
WO2017118127A1 (zh) * | 2016-01-05 | 2017-07-13 | 深圳和而泰智能控制股份有限公司 | 一种心跳信号处理方法、装置和系统 |
-
2018
- 2018-11-12 CN CN201811337115.4A patent/CN109259750B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101856225A (zh) * | 2010-06-30 | 2010-10-13 | 重庆大学 | 一种心电信号r波峰检测方法 |
CN102217932A (zh) * | 2011-05-17 | 2011-10-19 | 上海理工大学 | Abr信号波峰检测的一种全新的算法 |
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 |
WO2017118127A1 (zh) * | 2016-01-05 | 2017-07-13 | 深圳和而泰智能控制股份有限公司 | 一种心跳信号处理方法、装置和系统 |
CN105816163A (zh) * | 2016-05-09 | 2016-08-03 | 安徽华米信息科技有限公司 | 检测心率的方法、装置及可穿戴设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020154955A1 (zh) * | 2019-01-30 | 2020-08-06 | 深圳市汇顶科技股份有限公司 | 心率检测的方法、装置和电子设备 |
CN113418441A (zh) * | 2021-04-30 | 2021-09-21 | 河南中烟工业有限责任公司 | 微波法检测烟支分段长度 |
Also Published As
Publication number | Publication date |
---|---|
CN109259750B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109820501A (zh) | 一种心电信号r波的识别方法、装置、计算机设备 | |
CN107049472B (zh) | 利用碎裂和斜率的系统和方法 | |
CN101828918B (zh) | 基于波形特征匹配的心电信号r波峰检测方法 | |
WO2019161611A1 (zh) | 心电信息处理方法和心电工作站 | |
CN111345816B (zh) | 多导联qrs波群检测方法、装置、设备及存储介质 | |
CN107233093B (zh) | R波的检测方法、装置及电子设备 | |
CN110226919B (zh) | 心电信号类型检测方法、装置、计算机设备及存储介质 | |
WO2017059569A1 (zh) | 起搏信号处理方法、系统和心电监护仪 | |
CN109259750A (zh) | 心率计算方法、装置、计算机设备和存储介质 | |
WO2021120737A1 (zh) | St 检测方法、装置、计算机设备及存储介质 | |
CN109077720A (zh) | 信号处理方法、装置、设备和存储介质 | |
CN110432895A (zh) | 训练数据处理、心电波形检测方法及电子设备 | |
CN116350238A (zh) | 一种自适应阈值r波检测方法、装置、设备及存储介质 | |
CN109044347B (zh) | 识别心电波图像交界性逸搏方法、装置、系统和电子设备 | |
US20220095981A1 (en) | Apparatus and method for detecting r peak of ecg signal using adaptive median filter | |
CN1180746C (zh) | 心电频谱图检测仪 | |
US8880352B2 (en) | System and method for analyzing an electrophysiological signal | |
CN110179451B (zh) | 心电信号质量检测方法、装置、计算机设备和存储介质 | |
CN110226918B (zh) | 心电信号类型检测方法、装置、计算机设备及存储介质 | |
CN106604679B (zh) | 心跳检测方法和心跳检测设备 | |
CN113616217B (zh) | 基线漂移曲线的生成方法和装置 | |
CN109009071A (zh) | 一种识别心电波图像特征点的方法和装置 | |
CN112438735B (zh) | 一种心电图p波检测方法、分析装置以及存储介质 | |
CN106108885A (zh) | 评估身体运动状态及心电干扰大小的方法及其仪器 | |
KR20200091209A (ko) | 심전도 신호의 주기성을 이용한 r파 정점 검출 방법 |
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 |