CN109512422A - 一种ecg波形混乱程度计算方法 - Google Patents

一种ecg波形混乱程度计算方法 Download PDF

Info

Publication number
CN109512422A
CN109512422A CN201811113764.6A CN201811113764A CN109512422A CN 109512422 A CN109512422 A CN 109512422A CN 201811113764 A CN201811113764 A CN 201811113764A CN 109512422 A CN109512422 A CN 109512422A
Authority
CN
China
Prior art keywords
waveform
ecg
confusion degree
calculation method
degree calculation
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.)
Pending
Application number
CN201811113764.6A
Other languages
English (en)
Inventor
肖琨
凌云志
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.)
Wei Ling (hangzhou) Information Technology Co Ltd
Original Assignee
Wei Ling (hangzhou) Information Technology Co Ltd
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 Wei Ling (hangzhou) Information Technology Co Ltd filed Critical Wei Ling (hangzhou) Information Technology Co Ltd
Priority to CN201811113764.6A priority Critical patent/CN109512422A/zh
Publication of CN109512422A publication Critical patent/CN109512422A/zh
Pending legal-status Critical Current

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]
    • 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

Abstract

本发明公开了一种ECG波形混乱程度计算方法，包括以下步骤：数据采集：ECG记录仪采集待测试波形的ECG波形数据；波形分段：将采集的ECG波形数据按照一定的时间间隔分段处理；归一处理：将分段后的波形进行归一化处理；混乱判定：设定待测试波形的总长度为L，待测试波形的总面积为S，波形混乱程度为C，可以方便ECG记录仪对ECG波形的分级或统计功能，有助于对医用领域中心电记录仪、心电图或可穿戴医疗设备的研究的开发和研究。

Description

一种ECG波形混乱程度计算方法
技术领域
本发明涉及医疗领域，尤其涉及一种ECG波形混乱程度计算方法。
背景技术
目前，ECG是electrocardiogram的缩写，意思是心电图，指心脏在每个心动周期中，由起搏点、心房、心室相继兴奋，伴随着生物电的变化，通过心电描记器从体表引出多种形式的电位变化的图形。心电测量技术已经发展到十八导。
心电图是反映心脏兴奋的电活动过程，它对心脏基本功能及其病理研究方面，具有重要的参考价值。心电图可以分析与鉴别各种心律失常；也可以反映心肌受损的程度和发展过程和心房、心室的功能结构情况。在指导心脏手术进行及指示必要的药物处理上有参考价值。然而，心电图并非检查心脏功能状态必不可少的指标。因为有时貌似正常的心电图不一定证明心功能正常；相反，心肌的损伤和功能的缺陷并不总能显示出心电图的任何变化。所以心电图的检查必须结合多种指标和临床资料，进行全面综合分析，才能对心脏的功能结构做出正确的判断。
心电图已随着医学的发展而发展，为顺应人类的遗传学、优生学发展趋势，心电图已能将胎儿心脏活动时产生地生物电流描绘成图谱，记录胎儿瞬间变化，通过观察胎儿心电图，可动态监测围产期胎儿发育情况和在宫内生长情况对及早诊断，及时治疗胎儿疾患，提高围产儿质量优生优育，具有重要的临床意义及社会价值。
但是，在连续记录ECG波形的设备中，需要记录用户走路、跑步等状态下的ECG信号，但这些信号往往会有大量的杂波信号掺杂，直观上体现在ECG波形会有一定程度的混乱，这种情况下需要一种方法定量的描述ECG波形的混乱程序。目前还缺少对ECG波形混乱程度的定量描述算法。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种ECG波形混乱程度计算方法，其能解决无法定量描述ECG波形混乱程度的问题。
本发明的目的之一采用如下技术方案实现：
一种ECG波形混乱程度计算方法，包括以下步骤：
数据采集：ECG记录仪采集待测试波形的ECG波形数据；波形分段：将采集的ECG波形数据按照一定的时间间隔分段处理；归一处理：将分段后的波形进行归一化处理；混乱判定：设定待测试波形的总长度为L，待测试波形的总面积为S，波形混乱程度为C，
进一步地，在步骤归一处理中，设定p为归一化后的ECG数据，d为没有经过归一化处理的原始数据，i为样本索引，0≤i≤n，max为计算最大值的函数，则pi＝di/max(d)。
进一步地，在步骤归一处理中，设定t为时间序列，n为样本总数量，i为样本索引，0≤i≤n，则
进一步地，在步骤归一处理中，待测试波形的总面积为
进一步地，当波形混乱程度为C的值越小，待测波形的混乱程度小，ECG质量越好，反之C值越大，混乱程度越大。
进一步地，当C小于0.5时，波形混乱程度较小；当C大于0.5时，波形混乱程度较小。
进一步地，在步骤波形分段中，设定t为时间序列，t＝1s-30s。
进一步地，在步骤波形分段中，t＝10s。
进一步地，在步骤波形分段中，t＝5s。
进一步地，在步骤波形分段中，t＝2s。
相比现有技术，本发明的有益效果在于：
一种ECG波形混乱程度计算方法，包括以下步骤：数据采集：ECG记录仪采集待测试波形的ECG波形数据；波形分段：将采集的ECG波形数据按照一定的时间间隔分段处理；归一处理：将分段后的波形进行归一化处理；混乱判定：设定待测试波形的总长度为L，待测试波形的总面积为S，波形混乱程度为C，C＝S/L。可以方便ECG记录仪对ECG波形的分级或统计功能，有助于对医用领域中心电记录仪、心电图或可穿戴医疗设备的研究的开发和研究。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1为本发明ECG波形混乱程度计算方法的流程图；
图2为本发明ECG波形混乱程度计算方法中波形一的波形图；
图3为本发明ECG波形混乱程度计算方法中波形二的波形图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1，一种ECG波形混乱程度计算方法，包括以下步骤：
数据采集：ECG记录仪采集待测试波形的ECG波形数据；
波形分段：将采集的ECG波形数据按照一定的时间间隔分段处理；
在步骤波段处理中，分段越小，越能体现每个段内的ECG波形好坏情况，设定t为时间序列，t＝1s-30s，具体的t＝10s、5s、2s可适用于大多数波形的测试。
归一处理：将分段后的波形进行归一化处理；
其中，在步骤归一处理中，设定p为归一化后的ECG数据，d为没有经过归一化处理的原始数据，i为样本索引，0≤i≤n，max为计算最大值的函数，则pi＝di/max(d)。
设定t为时间序列，n为样本总数量，i为样本索引，0≤i≤n，则
待测试波形的总面积为
混乱判定：设定待测试波形的总长度为L，待测试波形的总面积为S，波形混乱程度为C，可以方便ECG记录仪对ECG波形的分级或统计功能，有助于对医用领域中心电记录仪、心电图或可穿戴医疗设备的研究的开发和研究。
为了方便理解，现列出两个波形计算的实施例，请参阅图2，为波形一的ECG信号，代入pi＝dimax(d)、 中，分别得出波形总周长L＝56.944，有效面积S＝121.36，波形混乱程度为C＝0.47232，波形一总周长相对较短，有效面积相对较大，计算出的波形混乱程度较小。
请参阅图3，为波形二的ECG信号，代入pi＝di/maxd(、)中，分别得出波形总周长L＝83.949，有效面积S＝100.24，波形混乱程度为C＝0.83748，波形二总周长小队较长，有效面积相对较小，计算出的波形混乱程度较大。
具体的，当波形混乱程度为C的值越小，待测波形的混乱程度小，ECG质量越好，反之C值越大，混乱程度越大。当C小于0.5时，波形混乱程度较小；当C大于0.5时，波形混乱程度较小，方便了使用人员对于混乱程度的判定。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (10)

1.一种ECG波形混乱程度计算方法，其特征在于，包括以下步骤：
数据采集：ECG记录仪采集待测试波形的ECG波形数据；
波形分段：将采集的ECG波形数据按照一定的时间间隔分段处理，形成分段后的波形；
归一处理：将分段后的波形进行归一化处理；
混乱判定：设定待测试波形的总长度为L，待测试波形的总面积为S，波形混乱程度为C，
2.如权利要求1所述的ECG波形混乱程度计算方法，其特征在于：在步骤归一处理中，设定p为归一化后的ECG数据，d为没有经过归一化处理的原始数据，i为样本索引，0≤i≤n，max为计算最大值的函数，则pi＝di/max(d)。
3.如权利要求2所述的ECG波形混乱程度计算方法，其特征在于：在步骤归一处理中，根据时间序列、样本总数量及样本索引计算出L，则其中，t为时间序列，n为样本总数量，i为样本索引，0≤i≤n，。
4.如权利要求1所述的ECG波形混乱程度计算方法，其特征在于：在步骤归一处理中，待测试波形的总面积为
5.如权利要求1所述的ECG波形混乱程度计算方法，其特征在于：当波形混乱程度为C的值越小，待测波形的混乱程度小，ECG质量越好，反之C值越大，混乱程度越大。
6.如权利要求5所述的ECG波形混乱程度计算方法，其特征在于：当C小于0.5时，波形混乱程度较小；当C大于0.5时，波形混乱程度较小。
7.如权利要求1所述的ECG波形混乱程度计算方法，其特征在于：在步骤波形分段中，设定t为时间序列，t＝1s-30s。
8.如权利要求7所述的ECG波形混乱程度计算方法，其特征在于：在步骤波形分段中，t＝10s。
9.如权利要求7所述的ECG波形混乱程度计算方法，其特征在于：在步骤波形分段中，t＝5s。
10.如权利要求7所述的ECG波形混乱程度计算方法，其特征在于：在步骤波形分段中，t＝2s。
CN201811113764.6A 2018-09-25 2018-09-25 一种ecg波形混乱程度计算方法 Pending CN109512422A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811113764.6A CN109512422A (zh) 2018-09-25 2018-09-25 一种ecg波形混乱程度计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811113764.6A CN109512422A (zh) 2018-09-25 2018-09-25 一种ecg波形混乱程度计算方法

Publications (1)

Publication Number Publication Date
CN109512422A true CN109512422A (zh) 2019-03-26

Family

ID=65769935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811113764.6A Pending CN109512422A (zh) 2018-09-25 2018-09-25 一种ecg波形混乱程度计算方法

Country Status (1)

Country Link
CN (1) CN109512422A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1098892A (zh) * 1993-08-14 1995-02-22 曲直 微分几何心电图计测方法
CN102138789A (zh) * 2011-01-24 2011-08-03 无锡微感科技有限公司 一种动态心电和运动记录与分析系统
RU2440023C1 (ru) * 2010-07-29 2012-01-20 Государственное образовательное учреждение высшего профессионального образования "Рязанский государственный радиотехнический университет" Способ выявления периодических составляющих в ритме сердца
CN103501694A (zh) * 2011-03-24 2014-01-08 德尔格医疗系统有限公司 测量生理信号质量的装置及方法
EP2872039A1 (en) * 2012-07-13 2015-05-20 Chaykovskyy, Illya Anatoliiovych Method and device for evaluation of myocardial damages based on the current density variations
CN105902263A (zh) * 2016-04-29 2016-08-31 深圳市理邦精密仪器股份有限公司 评估心电图波形的rr间期不规则程度的方法及装置
CN106108885A (zh) * 2016-06-14 2016-11-16 上海康情信息科技有限公司 评估身体运动状态及心电干扰大小的方法及其仪器

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1098892A (zh) * 1993-08-14 1995-02-22 曲直 微分几何心电图计测方法
RU2440023C1 (ru) * 2010-07-29 2012-01-20 Государственное образовательное учреждение высшего профессионального образования "Рязанский государственный радиотехнический университет" Способ выявления периодических составляющих в ритме сердца
CN102138789A (zh) * 2011-01-24 2011-08-03 无锡微感科技有限公司 一种动态心电和运动记录与分析系统
CN103501694A (zh) * 2011-03-24 2014-01-08 德尔格医疗系统有限公司 测量生理信号质量的装置及方法
EP2872039A1 (en) * 2012-07-13 2015-05-20 Chaykovskyy, Illya Anatoliiovych Method and device for evaluation of myocardial damages based on the current density variations
CN105902263A (zh) * 2016-04-29 2016-08-31 深圳市理邦精密仪器股份有限公司 评估心电图波形的rr间期不规则程度的方法及装置
CN106108885A (zh) * 2016-06-14 2016-11-16 上海康情信息科技有限公司 评估身体运动状态及心电干扰大小的方法及其仪器

Similar Documents

Publication Publication Date Title
Pettersson et al. Changes in high-frequency QRS components are more sensitive than ST-segment deviation for detecting acute coronary artery occlusion
WO2023071268A1 (zh) 高频qrs波群数据分析方法及装置
Liu et al. A combination method of improved impulse rejection filter and template matching for identification of anomalous intervals in RR sequences
Schrader et al. Detection of sleep apnea in single channel ECGs from the PhysioNet data base
CN104473629B (zh) 基于核函数分类算法的心电电极错误放置自动检测方法
US9451901B2 (en) Method and device for evaluation of myocardial damages based on the current density variations
US20110263995A1 (en) Comprehensive Myocardial Repolarization Capture Wave-Format Method
Udawat et al. An automated detection of atrial fibrillation from single‑lead ECG using HRV features and machine learning
Li et al. Probability density distribution of delta RR intervals: a novel method for the detection of atrial fibrillation
Strand et al. Fetal magnetocardiogram waveform characteristics
Singh et al. Assessment of cardiac heart failure and cardiac artery disease by the higher order spectra
Gospodinov et al. Mathematical methods of ECG data analysis
Azizi On the fractal geometry of different heart rhythms
US9474460B2 (en) Non-invasive evaluation of cardiac repolarisation instability for risk stratification of sudden cardiac death
Cai et al. Rule-based rough-refined two-step-procedure for real-time premature beat detection in single-lead ECG
Zhao et al. PVC recognition for wearable ECGs using modified frequency slice wavelet transform and convolutional neural network
US8086303B2 (en) Cardiac arrhythmias analysis of electrophysiological signals based on symbolic dynamics
Arya et al. Feasibility of noninvasive fetal electrocardiographic monitoring in a clinical setting
Keenan et al. Entropy profiling for detection of fetal arrhythmias in short length fetal heart rate recordings
Yeh et al. The critical role of respiratory sinus arrhythmia on temporal cardiac dynamics
Van Scheepen et al. Effect of signal acquisition method on the fetal heart rate analysis with phase rectified signal averaging
CN109512422A (zh) 一种ecg波形混乱程度计算方法
Georgieva-Tsaneva et al. Cardio-diagnostic assisting computer system
Lin et al. Bispectrum and histogram features for the identification of atrial fibrillation based on electrocardiogram
Ivanov et al. Analysis of instantaneous cardiac rhythm in a model of multifractal dynamics based on Holter monitoring

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190326