CN109381181A - 心电信号特征波形的端点检测方法 - Google Patents
心电信号特征波形的端点检测方法 Download PDFInfo
- Publication number
- CN109381181A CN109381181A CN201710691935.2A CN201710691935A CN109381181A CN 109381181 A CN109381181 A CN 109381181A CN 201710691935 A CN201710691935 A CN 201710691935A CN 109381181 A CN109381181 A CN 109381181A
- Authority
- CN
- China
- Prior art keywords
- wave
- electrocardiosignal
- point
- amplitude
- crest value
- 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
- A61B5/24—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
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
心电信号特征波形的端点检测方法,包括以下步骤:步骤③:对输入的心电信号,进行QRS波、P波和T波的识别,输出心电信号的波形特征数据,波形特征数据包括R波、P波和T波的峰值点幅度和位置;步骤④:根据步骤③获得的波形特征数据,采用PR段和TP段的心电信号数据,对心电信号进行基线修正,获取基线修正后的心电信号;步骤⑤:P波上升支和下降支上分别各取三个点对P波上升和下降趋势进行P波上升支和下降支的二次曲线拟合,采用上升支和下降支的拟合曲线与基线修正后的心电信号的相交点分别作为P波的起点和终点位置。去除基线漂移之后增强心电信号的特征波形及其端点检测准确性,使得心电参数计算的准确性和稳定性都大大提高。
Description
技术领域
本发明涉及心电信号处理方法,特别涉及利用单导或多导心电检测系统所用的心电信号特征点检测的信号处理方法。
背景技术
通过心电信号检测获取心电信号及其特征参数,是现代临床手术中、重症监护,以及社区与家庭健康领域中不可少的关键检测方法和手段之一。
心电信号是心脏各部分心肌细胞电活动综合在体表的投影,现有技术中,心电信号检测系统根据所采用的导联数量可以有单导联心电检测系统、3/5导联心电检测系统和12导联心电检测系统,近年来有发展成16导联和18导联心电检测系统,多导联导联心电检测系统的目的是通过增加心电检测的导联数,以增强心电电活动多维度信号检测的方法来实现堆心脏各部位心肌特征与状态的了解,进一步提供更丰富和全面的信息来帮助心脏疾病诊断。心电信号检测系统中,不同导联所获得具有相同节律的不同形态特征的心电信号。各导联心电信号的特征识别和检测是关键,其准确性将直接影响后续参数计算,需要尽可能地提供准确的参数信息用于诊断。
在多个导联的心电信号检测系统中,心电信号特征因为导联位置差异而出现各导联的波形幅度不同分布,各导联获取心电信号后,需要采用算法进行心电信号的特征识别;算法是心电检测系统的关键核心技术之一。在多个导联的心电信号检测系统中,可以对各导联获得的心电信号单独进行分析检测,根据各导联心电信号特征不同,其所采取的分析检测识别方法也会有不同;也可以基于各个导联的分析检测结果,同时对多导联获得的心电信号进行联合的综合分析检测,以提高特征识别和检测的准确性。
由于不同的导联信号特征会不同,而且有些放置位置不同的导联其信号特征差异性还比较大,某些导联的心电信号识别时会存在特征不显著导致的特征波形和参数识别不充分的问题,并且通常所有导联的心电信号都或多或少存在基线漂移的情况,这因素都会导致一些导联信号的特征识别不准确,部分导联甚至会出现QRS波的漏检情况;在此基础上进行各导联信号联合的综合分析也会变得更为困难;若要获得准确可靠的特征点参数,其算法非常复杂,通常除了时域计算,还会有小波变换、神经网络等信号处理方法,这些处理方法复杂,会占用较多的计算资源并且输出的特征点参数会有延迟。
本发明提出了一种心电信号特征波形的端点检测方法巧妙的进行特征波形的端点检测,并且能对多导同步心电信号进行叠加,在叠加增强之后的信号上进行特征波形识别和特征波形的端点检测,输出波形特征参数信息,既能改善心电信号识别时特征不显著,又能克服计算复杂性,并提升心电特征参数计算的准确性。
发明内容
本发明要解决的技术问题在于避免上述现有技术的问题而提出一种心电信号特征波形的端点检测方法。
本发明解决上述问题的技术方案是一种心电信号特征波形的端点检测方法包括以下步骤:步骤③:对输入的心电信号,进行QRS波和P波的识别,输出心电信号的波形特征数据,波形特征数据包括Q波极值点的幅度和Q波极值点位置,R波峰值点的幅度和R波峰值点位置,P波峰值点幅度和P波峰值点位置,以及T波峰值点的幅度和T波峰值点位置;Q波两端,Q波幅度为Q波极值点幅度5%至8%的位置作为Q波的起始点和结束点; R波两端,R波幅度为R波峰值点幅度5%至8%的位置作为R波的起始点和结束点;P波两端,P波幅度为P波峰值点幅度5%至8%的位置作为P波的起始点和结束点;T波两端, T波幅度为T波峰值点幅度5%至8%的位置作为T波的起始点和结束点;步骤④:根据步骤③获得的波形特征数据,采用PR段和TP段的心电信号数据,对心电信号进行基线修正,获取基线修正后的心电信号;所述PR段是指从P波结束点到Q波起始点或R波起始点之间的心电信号数据的中值点或均值点;所述TP段是指T波结束到下一个心搏周期的P波起始点之间的心电信号数据的中值点或均值点;步骤⑤:取步骤④基线修正后的心电信号 P波上升支上的三个点对P波上升趋势进行P波上升支二次曲线拟合,采用该P波上升支拟合曲线与基线修正后心电信号的相交点作为P波的起点位置;取步骤④基线修正后的心电信号P波下降支上的三个点对P波下降趋势进行P波下降支二次曲线拟合,采用该P波下降支拟合曲线与基线修正后的心电信号的相交点作为P波的终点位置。
所述心电信号特征波形的端点检测方法,在步骤③之前还包括以下步骤,步骤①:将多个心电导联检测到的心电信号进行滤波和同步处理,获得一组时间同步的多导联初始心电信号;步骤②:在各多导联初始心电信号中,识别出正向导联的心电信号和负向导联的心电信号;对各正向导联的心电信号进行时间同步的叠加运算获得增强正向心电信号;对各负向导联的心电信号进行时间同步的叠加运算获得增强负向心电信号;在所述的步骤③中,选择步骤②中获得增强正向心电信号或增强负向心电信号中的任意一个增强心电信号,并以该增强心电信号作为步骤③输入的心电信号,进行QRS波、P波和T波的识别,输出增强心电信号的波形特征数据。
所述步骤⑤中:还包括对P波进行低通滤波的步骤,采用低通滤波后的P波信号,进行P波起点位置和终点位置的检测;
所述步骤⑤中:所取用P波上升支或下降支上的三个点的位置分别是:心电信号幅度为P波峰值点幅度的25%至35%之间的一个位置,心电信号幅度为P波峰值点幅度的20%至12%之间的一个位置,和心电信号幅度为P波峰值点幅度的10%至6%之间的一个位置。
所述步骤⑤中:所取用P波上升支或下降支上的三个点的位置分别是心电信号幅度为 P波峰值点幅度的30%、16%和8%处的位置。
步骤⑥:取基线修正后的心电信号T波下降支上的三个点,对T波下降趋势进行T波下降支二次曲线拟合,采用该T波下降支二次拟合曲线与基线修正后的心电信号的相交点作为T波的终点位置。
所述步骤⑥中:还包括对T波进行低通滤波的步骤,采用低通滤波后的T波信号,进行T波终点位置的识别;所述步骤⑥中:所取用T波下降支上的三个点的位置分别是:心电信号幅度为T波峰值点信号幅度的25%至35%之间的一个位置,心电信号幅度为T波峰值点信号幅度的20%至12%之间的一个位置,和心电信号幅度为T波峰值点信号幅度的 10%至6%之间的一个位置。
所取用T波下降支上的三个点的位置分别是信号幅度为T波峰值点幅度的30%、16%和8%处的位置。
步骤⑦:在步骤④获得的基线修正后的心电信号的基础上,在QRS波中检测识别出Q 波,输出包括Q波峰值点幅度和Q波峰值点位置的Q波波形特征数据;并取用Q波下降支上的三个点对Q波下降趋势进行Q波下降支二次曲线拟合,采用该Q波下降支拟合曲线与基线修正后的心电信号的相交点作为Q波的起点位置;所取用Q波下降支上的三个点的位置分别是:心电信号幅度为Q波峰值点信号幅度的25%至35%之间的一个位置,心电信号幅度为Q波峰值点信号幅度的20%至12%之间的一个位置,和心电信号幅度为Q波峰值点信号幅度的10%至6%之间的一个位置。
所取用Q波下降支上的三个点的位置分别是信号幅度为Q波峰值点幅度的30%、16%和8%处的位置。
在所述步骤④中,基线修正的方法包括以下步骤:步骤4.1:选取至少包括三个完整心搏周期的心电信号数据,采用这三个完整心搏周期的心电信号PR段或TP段中的特征点数据,该特征点数据可以是该PR段或该TP段的中值点数据或者均值点数据,对该时间段中的心电信号的基线漂移进行分段基线漂移二次曲线拟合,用拟合获得的二次曲线作为该时间段心电信号的基线漂移信号;将基线修正前的心电信号数据减去拟合得到的心电信号基线漂移信号,得到该段修正基线后的心电信号;步骤4.2:移动计算的时间窗口,使得该时间窗口内包括上一次运算中的后两个心搏周期的心电信号数据,并增加一个新的心搏周期的心电信号数据,以该时间段内的三个完整心搏周期的心电信号数据重复步骤4.1,进行该时间段内的分段基线漂移二次曲线拟合,用拟合获得的二次曲线作为该时间段心电信号的基线漂移信号;将基线修正前的心电信号数据减去拟合得到的心电信号基线漂移信号,得到该段修正基线后的心电信号。
同现有技术相比较,本发明的有益效果是:1.本发明涉及的心电信号特征波形的端点检测方法简单,大大降低了信号处理的复杂度,降低了计算资源的消耗;2.基于同步多导信号叠加后特征增强的心电信号进行各特征波形的端点检测,提高了算法整体的抗干扰性能和特征参数计算的准确性;3.基于去除了基线漂移之后增强心电信号的特征波形及其端点检测,避免了部分单导联信号微弱特征识别不准的问题,使得系统对抗基线漂移的能力大大加强,特征波形的识别,尤其是特征波形的端点识别,使得心电检测系统相关参数计算的准确性和稳定性都大大提高,基于该方法的心电信号的各种分析结果更为准确。
附图说明
图1是本发明优选实施例之一的流程框图;
图2是本发明优选实施例之一中波形叠加部分的流程框图;
图3是本发明优选实施例之一中进行基线修正前后的心电信号示意图;图中下方的心电信号为原始的心电信号波形,图中上方的心电信号为基线修正后的心电信号波形;
图4是本发明优选实施例之一每博心电信号进行端点检测所用拟合算法所选取的数据点的位置示意图,图中示出了P波下降支上的三个点,分别是心电信号幅度为P波峰值点幅度的30%、16%和8%处的位置;T波下降支上的三个点,分别是心电信号幅度为T波峰值点幅度的30%、16%和8%处的位置;
图5是本发明优选实施例之一T波端点示意图,图中显示了,采用了T波下降支上的三个点心电信号幅度为T波峰值点幅度的30%、16%和8%处的数据进行二次拟合之后的曲线,以及基线修正后的T波曲线;图中可见二次拟合之后的曲线和基线修正后的T波曲线相交的点标号为Tend被识别为该T波的终点;
图6是本发明优选实施例之一每博心电信号的QRS波中的Q波进行起点检测所用拟合算法所选取的数据点的位置示意图,图中示出了Q波下降支上的三个点,分别是心电信号幅度为P波峰值点幅度的30%、16%和8%处的位置;图中还示出了S波终点的位置,即S 波上升支差分最大数值的15%处;
图7是本发明进行QRS波检测的流程框图,在该框图中,先进行阈值初始化,再进行周期极值搜索,获得阈值,并基于该阈值进行QRS搜索,完成后再次进行极值搜索,搜索到极值后重新设置阈值存储QRS,判断数据搜索结束后结束QRS搜索。
具体实施方式
以下结合说明书附图对发明内容进行进一步的说明。
如图1所示,一种心电信号特征波形的端点检测方法的具体实施例中,包括以下步骤:步骤①:将多个心电导联检测到的心电信号进行滤波和同步处理,获得一组时间同步的多导联初始心电信号;步骤②:在各多导联初始心电信号中,识别出正向导联的心电信号和负向导联的心电信号;对各正向导联的心电信号进行时间同步的叠加运算获得增强正向心电信号;对各负向导联的心电信号进行时间同步的叠加运算获得增强负向心电信号;步骤③:选择步骤②中获得增强正向心电信号或增强负向心电信号中的任意一个增强心电信号,并以该增强心电信号作为步骤③输入的心电信号,进行QRS波和P波的识别,输出心电信号的波形特征数据,波形特征数据包括Q波极值点的幅度和Q波极值点位置,R波峰值点的幅度和R波峰值点位置,P波峰值点幅度和P波峰值点位置,以及T波峰值点的幅度和T波峰值点位置;Q波两端,Q波幅度为Q波极值点幅度5%至8%的位置作为Q波的起始点和结束点;R波两端,R波幅度为R波峰值点幅度5%至8%的位置作为R波的起始点和结束点;P波两端,P波幅度为P波峰值点幅度5%至8%的位置作为P波的起始点和结束点;T波两端,T波幅度为T波峰值点幅度5%至8%的位置作为T波的起始点和结束点。
如图1所示,步骤④:根据步骤③获得的波形特征数据,采用PR段和TP段的心电信号数据,对心电信号进行基线修正,获取基线修正后的心电信号;所述PR段是指从P波结束点到Q波起始点或R波起始点之间的心电信号数据的中值点或均值点;所述TP段是指T波结束到下一个心搏周期的P波起始点之间的心电信号数据的中值点或均值点。
如图3所示,在所述步骤④中,基线修正的方法包括以下步骤:步骤4.1:选取至少包括三个完整心搏周期的心电信号数据,采用这三个完整心搏周期的心电信号PR段或TP段中的特征点数据,该特征点数据可以是该PR段或该TP段的中值点数据或者均值点数据,对该时间段中的心电信号的基线漂移进行基线漂移二次曲线拟合;用拟合获得的二次曲线作为该时间段心电信号的基线漂移信号;步骤4.2:将基线修正前的心电信号数据减去步骤4.1拟合得到的心电信号基线漂移信号,得到修正基线后的心电信号。
如图4所示,步骤⑤:取步骤④基线修正后的心电信号,对P波进行低通滤波,采用低通滤波后的P波信号,进行P波起点位置和终点位置的检测;取低通滤波后的P波信号的P波上升支上的三个点对P波上升趋势进行P波上升支二次曲线拟合,采用该P波上升支拟合曲线与基线修正后心电信号的相交点作为P波的起点位置;取低通滤波后的P波信号的P波下降支上的三个点对P波下降趋势进行P波下降支二次曲线拟合,采用该P波下降支拟合曲线与基线修正后的心电信号的相交点作为P波的终点位置;所取用P波上升支或下降支上的三个点的位置分别是:心电信号幅度为P波峰值点幅度的25%至35%之间的一个位置,心电信号幅度为P波峰值点幅度的20%至12%之间的一个位置,和心电信号幅度为P波峰值点幅度的10%至6%之间的一个位置。进一步,所取用P波上升支或下降支上的三个点的位置还可以分别是心电信号幅度为P波峰值点幅度的30%、16%和8%处的位置。
如图4和5所示,步骤⑥:取步骤④基线修正后的心电信号,对T波进行低通滤波,取低通滤波后的T波信号,进行T波终点位置的识别;取低通滤波后的T波信号的T波下降支上的三个点,对T波下降趋势进行T波下降支二次曲线拟合,采用该T波下降支二次拟合曲线与基线修正后的心电信号的相交点作为T波的终点位置;所取用T波下降支上的三个点的位置分别是:心电信号幅度为T波峰值点信号幅度的25%至35%之间的一个位置,心电信号幅度为T波峰值点信号幅度的20%至12%之间的一个位置,和心电信号幅度为T 波峰值点信号幅度的10%至6%之间的一个位置。进一步,所取用T波下降支上的三个点的位置还可以分别是信号幅度为T波峰值点幅度的30%、16%和8%处的位置。
如图6所示,步骤⑦:在步骤④获得的基线修正后的心电信号的基础上,在QRS波中检测识别出Q波,输出包括Q波峰值点幅度和Q波峰值点位置的Q波波形特征数据;并取用Q波下降支上的三个点对Q波下降趋势进行Q波下降支二次曲线拟合,采用该Q波下降支拟合曲线与基线修正后的心电信号的相交点作为Q波的起点位置。所取用Q波下降支上的三个点的位置分别是:心电信号幅度为Q波峰值点信号幅度的25%至35%之间的一个位置,心电信号幅度为Q波峰值点信号幅度的20%至12%之间的一个位置,和心电信号幅度为Q波峰值点信号幅度的10%至6%之间的一个位置。进一步,所取用Q波下降支上的三个点的位置还可以分别是信号幅度为Q波峰值点幅度的30%、16%和8%处的位置。
每次心脏博动对应一个心博周期的心电信号,在具有多个导联的心电检测系统中,每个导联由于离心脏位置的不同,其获得的心电信号是心脏博动电信号在导联所处位置的一个投影。在每个心博周期的心电信号中,一般导联获得的心电信号通常包含P波,QRS波, T波,部分导联获得的心电信号包含U波。
在上述实施例中,如果是针对单导联心电信号进行端点检测,通常需要选取P波、QRS 波及T波都存在投影分量的心电信号进行特征波形端点的识别。当然这样的算法并不局限于特定导联的心电信号,也并不局限于需要一个具有所有特征波形的完整心搏周期的心电信号。某些情况下,可以是只存在P波和QRS波这两类特征波形的心电信号,也可以是只存在QRS波和T波这两类特征波形的心电信号。
在上述实施例中,如果是针对多导联心电信号,通常在各多导联初始心电信号中,识别出正向导联的心电信号和负向导联的心电信号;对各正向导联的心电信号进行时间同步的叠加运算获得增强正向心电信号;对各负向导联的心电信号进行时间同步的叠加运算获得增强负向心电信号;通常多导联叠加增强后的心电信号,P波、QRS波、T波以及U波这些特征波形都是有的。但是也不排除有些多导联叠加增强后的心电信号只有P波、QRS 波和T波,或者只有P波和QRS波,或者只有QRS波和T波这些情况的存在。虽然用于端点检测的心电信号所包含特征波形的情况可能有所不同,但是其端点识别的方式是类似的。
如图2所示,在一个应用在12导联心电检测系统中的特征波形端点检测方法的实施例中,采用除了三个计算导联之外的9个导联的心电信号以=进行时间同步的多导信号叠加,即各导联以时间轴为基础进行信号幅度的叠加,以强化多个特征波的特征信号信息,即通过叠加让特征波形的峰值更为明显。甚至在叠加之前,就进行单导心电信号的特征波形识别,获得关键的特征波形数据,如进行QRS识别,获得R波峰值点的信号幅度和R波峰值点的位置,并以R波为中心点,通过前后加窗,确保有一个完整的心搏周期,来进行不同导联的波形叠加,以达到更进一步强化叠加之后特征波形的特征参数。
如图2没有示出的其他实施例中,除了在波形叠加之前进行QRS识别,还可以在波形叠加之前进行P波,T波,甚至是U波的识别,在完成这些特征波形识别之后,再进行端点的检测。在这种情况下,P波的叠加运算采用算式(1)计算,Q波的叠加运算采用算式 (2)计算,R波的叠加运算采用算式(3)计算,S波的叠加运算采用算式(4)计算,T波的叠加运算采用算式(5)计算,U波的叠加运算采用算式(6)计算。在算式(1)至算式式(6)中,K是导联数,这里取1,3、5、9对应的是单导、3导联、5导联和12导联的通道叠加信号数,M是指参与叠加的特征波个数,这里常取10秒钟数据中的体现完整心搏周期心电信号的个数,即完整的心搏周期的个数,如6、8等,n是指心电信号波形数据的时间下标,n取0到N-1的自然数,其中N表示心电信号波形数据的序列长度。
在图3所示的实施例应用后的心电波形示意图中可见,在该段用于计算的心电信号数据中,至少包括两个或三个完整心搏周期的心电信号,这个信号可以是多导联叠加增强之前的心电信号,也可以是多导联叠加增强之后的心电信号,取该心电信号的这三个博心电信号的PR段或TP段的特征点数据行心电信号的基线漂移的三点二次曲线拟合,所用的PR段或TP段的特征点数据,可以取PR段,TP段的中值数据或者均值点数据。这里可以取该段心电信号中第一、第二和第三博心电信号的PR段中值数据或均值数据进行该段基线漂移的拟合;也可以取该段心电信号中第一、第二和第三博心电信号的TP段中值数据或均值数据进行该段基线漂移的拟合;当然也可以取该段心电信号中第一博心电信号的PR 段中值数据或均值数据、第二博心电信号的TP段中值数据或均值数据,以及第三博心电信号的PR段中值数据或均值数据进行该段基线漂移的拟合;当然也还可以取该段心电信号中第一博心电信号的PR段中值数据或均值数据、第一博心电信号的TP段中值数据或均值数据以及第二博心电信号的TP段或PR段中值数据或均值数据进行该段基线漂移的拟合;即只要选择第一、第二和第三博心电信号三个PR段和三个TP段中任意选择三项进行该段基线漂移的拟合,或者在第一、第二博心电信号的两个PR段和两个TP段中任意选择三项进行该段基线漂移的拟合。参与运算的每博心电信号数据,选择TP段数据还是PR段数据,可以根据实际情况进行任意的组合搭配。
通过取连续的三个心搏周期,通过初步确定位置的PR,TP段中点或者均值点来进行曲线拟合,确定这个这三个心电周期基线曲线,同时第四个心搏与前两个心搏的PR段或者TP段进行拟合,确定第四个心搏基线位置,这样分段逐点移动的拟合算法,可以更精准地拟合基线趋势,从而消除基线的漂移影响。
上述二次曲线拟合采用算式(7)所示的多项式进行拟合计算,
Xn,m-1为第m-1处PR段的心电信号幅值,Xn,m为第m处的TP段的心电信号幅值,为拟合后心电信号的幅度值,代表了基线变化的趋势,其中下标n是指心电信号波形数据的时间下标,n取0到N-1的自然数,其中N表示心电信号波形数据的序列长度;m表示参与计算的PR段或TP段的特征点数据个数,取1和2。
在部分实施例中,先采用三个博心电信号的PR段或TP段的特征点数据,利用算式(7) 进行最小二乘法进行分段拟合,获得分段拟合的方程系数,am、am-1、am-2,取得这些方程系数后,在对应的PR段至相邻的TP段区间,采用算式(7)计算获得拟合后的基线漂移数据原始心电信号数据减去基线漂移数据获得修正后的心电信号数据其计算公式如算式(8).
在部分实施例中,完成了基线修正后的心电信号,再进行P波、Q波、S波、T波和U 波的识别。识别时,先判别P波和U波的存在与否,由于P波的成分分量主要在低频部分,为消除干扰影响,可以再次进行P波抗干扰预处理,利用20Hz低通滤波获得更清晰的P 波用于下一阶段的心电信号特征点识别。
在部分实施例中,进行P波的宽度识别时:先取P波上升支上的三个点对P波上升趋势进行P波上升支二次曲线拟合,采用该P波上升支拟合曲线与基线修正后心电信号的相交点作为P波的起点位置;取P波上升支上的这三点,利用多项式进行最小二乘法进行拟合,获得多项式拟合的方程系数,bm、bm-1、bm-2,取得这组系数后,采用算式(9)计算获得拟合后的P波数据将该三点曲线拟合得到的曲线与基线修正后心电信号的交点,作为P波的起点。再取P波下降支上的三个点对P 波下降趋势进行P波下降支二次曲线拟合,采用该P波下降支拟合曲线与基线修正后的心电信号的相交点作为P波的终点位置;取P波下降支上的这三点,利用多项式进行最小二乘法进行拟合,获得多项式拟合的方程系数,cm、cm-1、cm-2,取得这组系数后,采用算式(10)计算获得拟合后的P波数据将该三点曲线拟合得到的曲线与基线修正后心电信号的交点,或者根据该三点曲线拟合得到的曲线与PR段的交点,作为P波的结束点。
在部分实施例中,进行T波的终点识别时:由于T波的成分分量主要在低频部分,为消除干扰影响,可以再次进行T波抗干扰预处理,利用35Hz低通滤波获得更清晰的T波用于下一阶段的特征识别。取滤波后的T波下降支上的三个点,对T波下降趋势进行T波下降支二次曲线拟合,采用该T波下降支二次拟合曲线与基线修正后的心电信号的相交点作为T波的终点位置;取T波下降支上的这三点,利用多项式进行最小二乘法进行拟合,获得多项式拟合的方程系数,dm、dm-1、dm-2,取得这组系数后,采用算式(11)计算获得拟合后的T波数据将该三点曲线拟合得到的曲线与基线修正后心电信号的交点,或者根据该三点曲线拟合得到的曲线与TP段的交点,作为T波的结束点。
在部分实施例中,进行Q波的起点识别时:先取Q波下降支上的三个点对Q波下降趋势进行Q波下降支二次曲线拟合,采用该Q波下降支拟合曲线与基线修正后心电信号的相交点作为Q波的起点位置;取Q波下降支上的这三点,利用多项式进行最小二乘法进行拟合,获得多项式拟合的方程系数,em、em-1、em-2,取得这组系数后,采用算式(12)计算获得拟合后的Q波数据将该三点曲线拟合得到的曲线与基线修正后心电信号的交点,作为Q波的起点。
在部分实施例中,还包括进行S波结束点位置、T波的起始点位置的识别,这些识别采用常规的特征波形端点检测和识别方法。以S波结束点检测和识别为例,第一步是以S 波为基础,以S波的上升支的差分值为搜索比对值,设置一个结束的差分值阈值,通常是是取S波上升沿差分值最大值的15%,以连续三个差分值小于这个阈值时,则认为已经达到结束点。当然还有其他常规的端点检测识别方法不在此一一赘述。
在上述波形特征点检测和识别的基础上,利用算式(13)计算获得P波宽度,利用算式(14)计算获得QT间期,利用算式(15)计算获得QRS间期这些心电参数。
P波宽度=Ps,t1-Pe,t2 (13)
QTinterval=Qs,t1-Te,t2 (14)
QRSinterval=Qs,t1-Se,t2 (15)
算式(13)中,Ps,t1表示P波起始位置,Pe,t2表示P波终止位置;
算式(14)中,Qs,t1表示Q波起始位置,Te,t2表T波终止位置;
算式(15)中,Qs,t1表示Q波起始位置,Se,t2表示S波终点位置。
同步多导心电信号特征识别算法作为一个整体,其构成步骤包括:
步骤a:各导联心电信号滤波;可以采用42Hz的低通滤波,进一步消除高频噪声,特别是50hz工频的干扰,提高心电信号的信噪比。
步骤b:导联心电信号的同步叠加;利用上述的公式进行多导联同步心电的叠加,分成一是是针对正向为主的导联心电信号进行叠加,负向导联心电信号进行叠加,形成增强的心电特征波,以便于后续的特征识别。
步骤c:叠加后的心电信号进行QRS波定位,利用叠加后的心电信号,进行差值微分,获得一阶微分心电信号,搜索一个周期内极大值,并以yMax-1=0.55yMax作为阈值进行后续 QRS波搜索定位,并不断刷新,同时取得后续各个QRS波的定位。
步骤d:分段基线修正消除基线漂移的影响;按心电波形的每博信号取PR段、TP段作为基准点位置,进行三点二次曲线拟合,按上述的公式进行拟合,其中分别进行第一个周期的和第二个周期,即PR1,TP1和PR2三点拟合,TP1、PR2和TP2,第二周期和第三周期,即TP2、PR3和TP3,等,分段逐点移动的拟合算法,可以更精准地拟合基线趋势,从而消除基线的漂移影响。
如有必要再进行步骤e:心律失常分析,也可以不进行心律失常分析,从步骤d直接进入下一步骤f;若存在心律失常分析的步骤,按照现有技术中已有的算法模板进行心律失常的分析,不是本专利保护的内容,这里不再进行详细描述。
步骤f:分波群进行进行滤波,再次去除干扰;
步骤g:分别进行逐个波的特征点检测;该步骤g中包括
步骤g.1:P波,基于R波的区间定位,进行P波极值搜索,定位后进行P波起止点的识别;步骤g.2:T波,基于R波的区间定位,进行T波极值搜索,定位后进行T波结束点的识别;步骤g.3:Q波,基于R波的区间定位,进行Q波极值搜索,定位后进行Q波起始点的识别;步骤g.4:S波,基于R波的区间定位,进行T波极值搜索,定位后进S波结束点的识别;
步骤k:进行心电特征参数计算,获得P波宽度,QT间期,QRS间期这些心电参数。
同现有技术相比较,本发明的有益效果是:1.本发明涉及的心电信号特征波形的端点检测方法简单,大大降低了信号处理的复杂度,降低了计算资源的消耗;2.基于同步多导信号叠加后特征增强的心电信号进行各特征波形的端点检测,提高了算法整体的抗干扰性能和特征参数计算的准确性;3.基于去除了基线漂移之后增强心电信号的特征波形及其端点检测,避免了部分单导联信号微弱特征识别不准的问题,使得系统对抗基线漂移的能力大大加强,特征波形的识别,尤其是特征波形的端点识别,使得心电检测系统相关参数计算的准确性和稳定性都大大提高,基于该方法的心电信号的各种分析结果更为准确。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种心电信号特征波形的端点检测方法,包括以下步骤:
步骤③:对输入的心电信号,进行QRS波和P波的识别,输出心电信号的波形特征数据,波形特征数据包括Q波极值点的幅度和Q波极值点位置,R波峰值点的幅度和R波峰值点位置,P波峰值点幅度和P波峰值点位置,以及T波峰值点的幅度和T波峰值点位置;Q波两端,Q波幅度为Q波极值点幅度5%至8%的位置作为Q波的起始点和结束点;R波两端,R波幅度为R波峰值点幅度5%至8%的位置作为R波的起始点和结束点;P波两端,P波幅度为P波峰值点幅度5%至8%的位置作为P波的起始点和结束点;T波两端,T波幅度为T波峰值点幅度5%至8%的位置作为T波的起始点和结束点;
步骤④:根据步骤③获得的波形特征数据,采用PR段和TP段的心电信号数据,对心电信号进行基线修正,获取基线修正后的心电信号;所述PR段是指从P波结束点到Q波起始点或R波起始点之间的心电信号数据的中值点或均值点;所述TP段是指T波结束到下一个心搏周期的P波起始点之间的心电信号数据的中值点或均值点;
步骤⑤:取步骤④基线修正后的心电信号P波上升支上的三个点对P波上升趋势进行P波上升支二次曲线拟合,采用该P波上升支拟合曲线与基线修正后心电信号的相交点作为P波的起点位置;取步骤④基线修正后的心电信号P波下降支上的三个点对P波下降趋势进行P波下降支二次曲线拟合,采用该P波下降支拟合曲线与基线修正后的心电信号的相交点作为P波的终点位置。
2.根据权利要求1所述心电信号特征波形的端点检测方法,其特征在于,
在步骤③之前还包括以下步骤,
步骤①:将多个心电导联检测到的心电信号进行滤波和同步处理,获得一组时间同步的多导联初始心电信号;
步骤②:在各多导联初始心电信号中,识别出正向导联的心电信号和负向导联的心电信号;对各正向导联的心电信号进行时间同步的叠加运算获得增强正向心电信号;对各负向导联的心电信号进行时间同步的叠加运算获得增强负向心电信号;
在所述的步骤③中,选择步骤②中获得增强正向心电信号或增强负向心电信号中的任意一个增强心电信号,并以该增强心电信号作为步骤③输入的心电信号,进行QRS波、P波和T波的识别,输出增强心电信号的波形特征数据。
3.根据权利要求1所述心电信号特征波形的端点检测方法,其特征在于,
所述步骤⑤中:还包括对P波进行低通滤波的步骤,采用低通滤波后的P波信号,进行P波起点位置和终点位置的检测;
所述步骤⑤中:所取用P波上升支或下降支上的三个点的位置分别是:
心电信号幅度为P波峰值点幅度的25%至35%之间的一个位置,
心电信号幅度为P波峰值点幅度的20%至12%之间的一个位置,
和心电信号幅度为P波峰值点幅度的10%至6%之间的一个位置。
4.根据权利要求3所述心电信号特征波形的端点检测方法,其特征在于,
所述步骤⑤中:所取用P波上升支或下降支上的三个点的位置分别是心电信号幅度为P波峰值点幅度的30%、16%和8%处的位置。
5.根据权利要求1所述心电信号特征波形的端点检测方法,其特征在于,还包括
步骤⑥:取基线修正后的心电信号T波下降支上的三个点,对T波下降趋势进行T波下降支二次曲线拟合,采用该T波下降支二次拟合曲线与基线修正后的心电信号的相交点作为T波的终点位置。
6.根据权利要求5所述心电信号特征波形的端点检测方法,其特征在于,
所述步骤⑥中:还包括对T波进行低通滤波的步骤,采用低通滤波后的T波信号,进行T波终点位置的识别;
所述步骤⑥中:所取用T波下降支上的三个点的位置分别是:
心电信号幅度为T波峰值点信号幅度的25%至35%之间的一个位置,
心电信号幅度为T波峰值点信号幅度的20%至12%之间的一个位置,
和心电信号幅度为T波峰值点信号幅度的10%至6%之间的一个位置。
7.根据权利要求6所述心电信号特征波形的端点检测方法,其特征在于,
所取用T波下降支上的三个点的位置分别是信号幅度为T波峰值点幅度的30%、16%和8%处的位置。
8.根据权利要求1所述心电信号特征波形的端点检测方法,其特征在于,还包括
步骤⑦:在步骤④获得的基线修正后的心电信号的基础上,在QRS波中检测识别出Q波,输出包括Q波峰值点幅度和Q波峰值点位置的Q波波形特征数据;
并取用Q波下降支上的三个点对Q波下降趋势进行Q波下降支二次曲线拟合,采用该Q波下降支拟合曲线与基线修正后的心电信号的相交点作为Q波的起点位置;
所取用Q波下降支上的三个点的位置分别是:
心电信号幅度为Q波峰值点信号幅度的25%至35%之间的一个位置,
心电信号幅度为Q波峰值点信号幅度的20%至12%之间的一个位置,
和心电信号幅度为Q波峰值点信号幅度的10%至6%之间的一个位置。
9.根据权利要求8所述心电信号特征波形的端点检测方法,其特征在于,
所取用Q波下降支上的三个点的位置分别是信号幅度为Q波峰值点幅度的30%、16%和8%处的位置。
10.根据权利要求1所述心电信号特征波形的端点检测方法,其特征在于,
在所述步骤④中,基线修正的方法包括以下步骤:
步骤4.1:选取至少包括三个完整心搏周期的心电信号数据,采用这三个完整心搏周期的心电信号PR段或TP段中的特征点数据,该特征点数据可以是该PR段或该TP段的中值点数据或者均值点数据,对该时间段中的心电信号的基线漂移进行分段基线漂移二次曲线拟合,用拟合获得的二次曲线作为该时间段心电信号的基线漂移信号;将基线修正前的心电信号数据减去拟合得到的心电信号基线漂移信号,得到该段修正基线后的心电信号;
步骤4.2:移动计算的时间窗口,使得该时间窗口内包括上一次运算中的后两个心搏周期的心电信号数据,并增加一个新的心搏周期的心电信号数据,以该时间段内的三个完整心搏周期的心电信号数据重复步骤4.1,进行该时间段内的分段基线漂移二次曲线拟合,用拟合获得的二次曲线作为该时间段心电信号的基线漂移信号;将基线修正前的心电信号数据减去拟合得到的心电信号基线漂移信号,得到该段修正基线后的心电信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710691935.2A CN109381181B (zh) | 2017-08-14 | 2017-08-14 | 心电信号特征波形的端点检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710691935.2A CN109381181B (zh) | 2017-08-14 | 2017-08-14 | 心电信号特征波形的端点检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109381181A true CN109381181A (zh) | 2019-02-26 |
CN109381181B CN109381181B (zh) | 2021-03-30 |
Family
ID=65416817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710691935.2A Active CN109381181B (zh) | 2017-08-14 | 2017-08-14 | 心电信号特征波形的端点检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109381181B (zh) |
Cited By (11)
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 |
CN109875548A (zh) * | 2019-03-24 | 2019-06-14 | 浙江好络维医疗技术有限公司 | 一种基于多导联综合分析的心电图特征波形聚类方法 |
CN109998529A (zh) * | 2019-04-15 | 2019-07-12 | 北京工业大学 | 一种基于高斯函数拟合的ecg信号中p波、t波检测方法 |
CN110432894A (zh) * | 2019-08-09 | 2019-11-12 | 上海鹰瞳医疗科技有限公司 | 心电图关键点标注方法及电子设备 |
CN110693483A (zh) * | 2019-09-02 | 2020-01-17 | 乐普智芯(天津)医疗器械有限公司 | 一种动态心电图自动分析的方法 |
CN111134659A (zh) * | 2020-01-17 | 2020-05-12 | 乐普(北京)医疗器械股份有限公司 | 一种用于心电信号中p波和t波的检测方法和装置 |
CN111166322A (zh) * | 2020-01-17 | 2020-05-19 | 哈尔滨工业大学 | 心电信号特征波提取方法 |
CN111743524A (zh) * | 2020-06-19 | 2020-10-09 | 联想(北京)有限公司 | 一种信息处理方法、终端和计算机可读存储介质 |
CN114190951A (zh) * | 2021-12-31 | 2022-03-18 | 上海联影医疗科技股份有限公司 | Ecg信号处理方法、系统、装置及介质 |
CN115132191A (zh) * | 2022-06-30 | 2022-09-30 | 济南大学 | 基于机器学习的抗噪声语音识别方法及系统 |
CN116570295A (zh) * | 2023-07-14 | 2023-08-11 | 浙江好络维医疗技术有限公司 | 一种心电图低电压t波终点定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060189876A1 (en) * | 2001-08-13 | 2006-08-24 | Jean-Philippe Couderc | Method and system for analyzing an electrocardiographic signal |
CN101785670A (zh) * | 2009-01-22 | 2010-07-28 | 陈跃军 | 模糊心电图智能在线分析仪系统 |
US20100286543A1 (en) * | 2009-05-05 | 2010-11-11 | Siemens Medical Solutions Usa, Inc. | Automated Cardiac Status Determination System |
CN103006206A (zh) * | 2013-01-11 | 2013-04-03 | 山东师范大学 | 一种微伏级t波交替的定量检测方法 |
CN105030228A (zh) * | 2015-06-29 | 2015-11-11 | 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 |
-
2017
- 2017-08-14 CN CN201710691935.2A patent/CN109381181B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060189876A1 (en) * | 2001-08-13 | 2006-08-24 | Jean-Philippe Couderc | Method and system for analyzing an electrocardiographic signal |
CN101785670A (zh) * | 2009-01-22 | 2010-07-28 | 陈跃军 | 模糊心电图智能在线分析仪系统 |
US20100286543A1 (en) * | 2009-05-05 | 2010-11-11 | Siemens Medical Solutions Usa, Inc. | Automated Cardiac Status Determination System |
CN103006206A (zh) * | 2013-01-11 | 2013-04-03 | 山东师范大学 | 一种微伏级t波交替的定量检测方法 |
CN105030228A (zh) * | 2015-06-29 | 2015-11-11 | 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 |
Non-Patent Citations (2)
Title |
---|
叶继伦 等: "一种新型、快速心电P波检测算法", 《中国医疗器械杂志》 * |
王鸿鹏 等: "心电自动分析系统", 《北京生物医学工程》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109875548A (zh) * | 2019-03-24 | 2019-06-14 | 浙江好络维医疗技术有限公司 | 一种基于多导联综合分析的心电图特征波形聚类方法 |
CN109875548B (zh) * | 2019-03-24 | 2022-04-19 | 浙江好络维医疗技术有限公司 | 一种基于多导联综合分析的心电图特征波形聚类方法 |
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 |
CN109998529B (zh) * | 2019-04-15 | 2021-11-05 | 北京工业大学 | 一种基于高斯函数拟合的ecg信号中p波、t波检测方法 |
CN109998529A (zh) * | 2019-04-15 | 2019-07-12 | 北京工业大学 | 一种基于高斯函数拟合的ecg信号中p波、t波检测方法 |
CN110432894A (zh) * | 2019-08-09 | 2019-11-12 | 上海鹰瞳医疗科技有限公司 | 心电图关键点标注方法及电子设备 |
CN110432894B (zh) * | 2019-08-09 | 2022-04-22 | 上海鹰瞳医疗科技有限公司 | 心电图关键点标注方法及电子设备 |
CN110693483A (zh) * | 2019-09-02 | 2020-01-17 | 乐普智芯(天津)医疗器械有限公司 | 一种动态心电图自动分析的方法 |
CN111166322A (zh) * | 2020-01-17 | 2020-05-19 | 哈尔滨工业大学 | 心电信号特征波提取方法 |
CN111134659A (zh) * | 2020-01-17 | 2020-05-12 | 乐普(北京)医疗器械股份有限公司 | 一种用于心电信号中p波和t波的检测方法和装置 |
CN111743524A (zh) * | 2020-06-19 | 2020-10-09 | 联想(北京)有限公司 | 一种信息处理方法、终端和计算机可读存储介质 |
CN114190951A (zh) * | 2021-12-31 | 2022-03-18 | 上海联影医疗科技股份有限公司 | Ecg信号处理方法、系统、装置及介质 |
CN114190951B (zh) * | 2021-12-31 | 2023-11-03 | 上海联影医疗科技股份有限公司 | Ecg信号处理方法、系统、装置及介质 |
CN115132191A (zh) * | 2022-06-30 | 2022-09-30 | 济南大学 | 基于机器学习的抗噪声语音识别方法及系统 |
CN115132191B (zh) * | 2022-06-30 | 2024-05-28 | 济南大学 | 基于机器学习的抗噪声语音识别方法及系统 |
CN116570295A (zh) * | 2023-07-14 | 2023-08-11 | 浙江好络维医疗技术有限公司 | 一种心电图低电压t波终点定位方法 |
CN116570295B (zh) * | 2023-07-14 | 2024-04-30 | 浙江好络维医疗技术有限公司 | 一种心电图低电压t波终点定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109381181B (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109381181A (zh) | 心电信号特征波形的端点检测方法 | |
CN104161510B (zh) | 一种多级导联心电信号qrs波形识别方法 | |
CN103027667B (zh) | 脉搏波的特征参数提取 | |
CN107822608B (zh) | 基于高斯混合模型的脉搏波特征提取方法 | |
CN110013247B (zh) | 一种心电图p波和t波的检测、区分与定位方法 | |
CN106473750B (zh) | 基于光电容积脉搏波最佳周期波形的身份识别方法 | |
CN106108889B (zh) | 基于深度学习算法的心电图分类方法 | |
CN101856225B (zh) | 一种心电信号r波峰检测方法 | |
CN105030228B (zh) | 在心电信号中确定其p波位置的方法及装置 | |
CN105997054B (zh) | 一种心电信号预分析的方法 | |
CN104706349B (zh) | 一种基于脉搏波信号的心电信号构建方法 | |
CN103989462B (zh) | 一种脉搏波形第一特征点和第二特征点的提取方法 | |
CN103169456A (zh) | 一种脉搏波信号的处理方法及处理系统 | |
CN108814590B (zh) | 一种心电qrs波群的检测方法及其心电分析方法 | |
CN107688553B (zh) | 基于小波变换和逻辑回归算法检测心电波形特征的方法 | |
CN103584854A (zh) | 心电信号r波的提取方法 | |
CN106725411B (zh) | 一种基于gpu加速的非接触式心跳检测方法 | |
CN102885616A (zh) | 一种去除脉搏波信号基线漂移的方法 | |
CN101933811A (zh) | 一种血氧饱和度检测方法及系统 | |
CN109745035A (zh) | 心电信号波形检测方法 | |
CN110084096A (zh) | 基于小波变换和k平均聚类算法的心电信号p波提取方法 | |
CN108814591A (zh) | 一种心电qrs波群宽度的检测方法及其心电分析方法 | |
CN108523881A (zh) | 一种准确提取qrs内异常电位的方法 | |
CN106137184B (zh) | 基于小波变换的心电信号qrs波检测方法 | |
CN103083011B (zh) | 利用胸阻抗二阶差分图辅助实时定位心电r波峰的方法 |
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 |