CN109645985B - 一种对单通道孕妇腹壁电母体心电图r峰进行检测的方法 - Google Patents
一种对单通道孕妇腹壁电母体心电图r峰进行检测的方法 Download PDFInfo
- Publication number
- CN109645985B CN109645985B CN201910135293.7A CN201910135293A CN109645985B CN 109645985 B CN109645985 B CN 109645985B CN 201910135293 A CN201910135293 A CN 201910135293A CN 109645985 B CN109645985 B CN 109645985B
- Authority
- CN
- China
- Prior art keywords
- peak
- gaussian
- electrocardiogram
- maternal
- abdominal wall
- 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.)
- Active
Links
Images
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
-
- 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
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- 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
- A61B5/7235—Details of waveform analysis
Abstract
一种对单通道孕妇腹壁电信号母体心电图R峰进行检测的方法,它的步骤包括,(1)读入一通道孕妇腹壁电信号,(2)对该腹壁电信号上的母体心电图R峰进行初检或者叫预检,(3)依据初检结果构造适应性高斯字典,基于构造的适应性高斯字典通过稀疏表示实现对母体心电信号R峰的增强,(4)在母体心电R峰增强信号上检测R峰,并输出其R峰位置,其特征在于,第(3)步的高斯字典由对应母体心电成分的高斯原子、对应胎儿心电成分的高斯原子、对应噪声成分的高斯原子三部分组成,其中,对应母体心电成分的高斯原子只涉及一个尺度,这一尺度是根据腹壁电信号初检的母体心电图R峰的情况通过优化求得的。
Description
技术领域
本申请涉及一种基于计算机程序对采集的单通道孕妇腹壁电信号上的母体心电图(ECG)的R峰进行检测的方法。
从孕妇腹壁记录心电图,旨在从中分离出胎儿心电图,但记录的腹壁电,除胎心电成分外,还包含母体心电成分和其他噪声。要成功分离出胎心电成分,一个关键是先精确估计出母体心电成分;而要精确估计出母体心电成分,一个关键环节是先对腹壁电上母体心电图R峰进行高质量检测。在信噪比不高的情况下,包括胎心电成分较大的情况,腹壁电上母体心电图R峰的高质量精确检测富有挑战。
当然,用于单通道孕妇腹壁电之母体心电图R峰检测方法,也可用于采集的多通道腹壁电的各通道信号R峰的分别检测。
背景技术
单通道腹壁电中的母体ECG R峰的检测涉及母体ECG增强和基于阈值的R峰标记两个环节,其中母体ECG增强是关键。母体ECG增强的常见方法有:差分法、希尔伯特变换法、模板匹配法、小波变换法等。其中,基于连续小波变换的母体心电图增强是一种应用最多的方法,但在信噪比较低的情况下,它对母体心电图R峰增强的结果不甚理想,可能导致多检和漏检。
有文献[1]提出了一种胎心电分离方法,它在本质上基于信号稀疏表示理论对孕妇腹壁电中的母体ECG的R峰进行增强。基于稀疏表示理论对心电图进行增强的原理如附图2所示。图2中,x为已知的待稀疏分解的心电信号,它的长度为N点;D为过完备字典,它由K个列向量又叫原子构成,D维数为NxK;u为求解优化问题min||u||0 subject to x=Du的解,即它是满足x=Du且非零元素个数最少的向量,称这样的u为x的稀疏表示,它的长度也为K点;u′为稀疏向量u进一步稀疏化后的向量,即仅保留稀疏向量u中想要的非零数值,其他元素置0,其长度K点不变;x′=Du′,即为基于稀疏表示对心电图的增强结果,它的长度为N点。图2中,u′的非零元素i,j,k对应字典中所激活的原子di,dj,dk。
基于稀疏表示对母体ECG的R峰进行增强时,字典D的确定很关键。文献[1]基于先验知识预先确定了一个固定的过完备高斯字典。所谓高斯字典,基于如下高斯函数产生原子:
其中,σi是尺度因子,aj是位移因子。每给一个尺度因子σi,取aj=j,j=1,…,N,来构造N个原子ψk(n);若有σi i=1,…,p个尺度因子,则总共可构成K=p×N个原子的过完备高斯字典D,即D为NxK维,它的每一列原子也是一个高斯信号序列。文献[1]中确定的固定字典的尺度因子,由对应母体、胎儿和噪声的三部分组成,如图3所示,其中,对应母体心电图的固定尺度因子有σi∈{5,6,7,8,9,10,12,15,20,30,50},对应胎儿心电图的固定尺度因子有σi∈{2.5,3,3.5,4},对应其他噪声成分的固定尺度因子有σi∈{1.6,2}。
文献[1]中的固定字典,使用了对应母体ECG、胎儿ECG和其他噪声成分的多个尺度原子,它相比于连续小波变换的单一尺度更有优势,但它的字典是一个预先确定的固定字典,不根据要分析的腹壁电信号中母体ECG信号的波形特点进行适应性变化,因此,其增强和R峰检测效果有一定局限。为此,本发明提出一种基于适应性字典进行稀疏表示的母体R峰检测方法。
参考文献:
[1]Da P G,et al.,“Separation and Analysis of Fetal-ECG Signals FromCompressed Sensed Abdominal ECG Recordings,”IEEE Trans Biomed Eng,2016,63(6):1269-1279.
发明内容
发明目的。
提出一种基于适应性字典进行稀疏表示的对单通道孕妇腹壁电信号母体心电图R峰进行检测的方法。
技术方案。
一种对单通道孕妇腹壁电信号母体心电图R峰进行检测的方法,它的步骤包括,(1)读入一单通道孕妇腹壁电信号,(2)对该腹壁电信号上的母体心电图R峰进行初检或者叫预检,(3)依据初检结果构造适应性高斯字典,基于构造的适应性高斯字典通过稀疏表示实现对母体心电信号R峰的增强,(4)在母体心电R峰增强信号上检测R峰,并输出其R峰位置,其特征在于,第(3)步的高斯字典由对应母体心电成分的高斯原子、对应胎儿心电成分的高斯原子、对应噪声成分的高斯原子三部分组成,其中,对应母体心电成分的高斯原子只涉及一个尺度,这一尺度是根据腹壁电信号初检的母体心电图R峰的结果通过优化求得的。
上述一种单通道孕妇腹壁电信号的母体心电图R峰检测方法,根据腹壁电信号初检的母体心电图R峰的结果优化求解对应母体心电成分的高斯原子最优尺度,其特征在于,求解一个优化问题,即求解初检的母体心电图QRS波群的平均模板与高斯函数模型的相似度最大,来获得对应母体心电成分的高斯原子最优尺度值。
上述一种单通道孕妇腹壁电信号的母体心电图R峰检测方法,根据腹壁电信号初检的母体心电图R峰的结果优化求解对应母体心电成分的高斯原子最优尺度,其特征在于,先让每个初检得到的母体心电图QRS波群与高斯函数模型求相似度最大而得到一个最优尺度候选值,这样可得到一组对应母体心电成分的高斯原子最优尺度候选值,有多少个初检得到的QRS波群就得到多少个这样的最优尺度候选值,然后对求得的该组所有高斯原子最优尺度候选值进行聚类分析,选中元素值较大且数量较多的一簇,将该簇中最优尺度候选值的中值或均值作为最终的对应母体心电成分的高斯原子最优尺度值输出。
上述一种单通道孕妇腹壁电信号的母体心电图R峰检测方法,其特征在于,对应胎儿心电成分的高斯原子的尺度值取为四个固定值,取为σi∈{2.5,3,3.5,4}。
上述一种单通道孕妇腹壁电信号的母体心电图R峰检测方法,其特征在于,对应噪声成分的高斯原子的尺度值取为两个固定值,取为σi∈{1.6,2}。
有益效果。
发明人对提出的技术方案进行了对比性测试实验,如附图4附图5所示。
图4中,(a)为读入的一通道腹壁电信号及其母体心电图R峰位置的人工标准标记;(b)为基于连续小波变换增强的信号及其上的R峰检测结果;(c)为连续小波变换增强信号R峰检测结果在原始腹壁电信号上的标注;(d)基于文献[1]固定字典通过稀疏表示增强的信号;(e)固定字典增强信号R峰检测结果在原腹壁电信号上的标注;(f)基于本发明适应性字典通过稀疏表示增强的信号;(g)本发明增强信号R峰检测结果在原腹壁电信号上的标注;○代表母体R波峰的位置。
图5中,(a)为读入的一通道腹壁电信号及其母体R峰位置的人工标准标记;(b)为基于文献[1]固定字典通过稀疏表示增强的信号;(c)为固定字典增强信号R峰检测结果在原信号上的标注;(d)基于没有胎儿和噪声原子的不完整字典通过稀疏表示增强的信号;(e)不完整字典增强信号检测结果在原信号上的标注;(f)基于本发明适应性字典通过稀疏表示增强的信号;(g)本发明增强信号R峰检测结果在原腹壁电信号上的标注;○代表标注的R峰的位置。
图4图5腹壁电信号都是信噪比很低的信号,在检测母体心电图R峰时是有难度的。通过对比性测试说明,本发明方案优于常见的小波增强及文献[1]固定字典稀疏表示的增强。通过优化对应母体心电分量的尺度因子,采用适应性完整字典,即使在胎儿成分很大、噪声显著的情况下,也可以实现对母体心电成分的最大限度的增强。
附图说明
图1,本发明方法流程框图
图2,稀疏表示增强心电信号的原理示意图
图3,本发明过完备高斯字典的三个组成部分示意图
图4,本发明效果示例一
图5,本发明效果示例二
实施例
按本发明技术方案,从PhysioNet/Computing in Cardiology Challenge 2013竞赛数据库中读出一个通道的孕妇腹壁电数据,1000Hz采样,如图4(a)所示;第(2)步,对此腹壁电信号上的母体心电图R波峰进行初检或者叫预检,可能会多检或漏检;第(3)步,依据初检结果构造适应性高斯字典,让高斯字典的原子尺度有对应母体、胎儿和噪声的三种尺度,对应噪声的为两个固定尺度σi∈{1.6,2},对应胎儿的为四个固定尺度σi∈{2.5,3,3.5,4},对应母体的只有一个尺度,它通过优化和聚类分析确定,确定的结果为11,每个尺度不管对应母体、胎儿还是噪声都有N个不同的平移,也就有N个对应的高斯原子,然后基于构造的适应性高斯字典通过稀疏表示实现对母体心电信号R峰的增强,如图4(f)所示;第(4)步,在母体心电R峰增强信号上检测R峰,并输出其R峰位置在原腹壁电信号上进行标记,如图4(g)所示。
同样的步骤,实现的一个例子见图5所示。本例中优化求得的母体最优尺度为15。基于本发明适应性字典通过稀疏表示增强的信号见图5(f);基于本发明增强的信号R峰检测结果在原腹壁电信号上的标注如图5(g)。
Claims (5)
1.一种对单通道孕妇腹壁电信号母体心电图R峰进行检测的方法,它的步骤包括,(1)读入一单通道孕妇腹壁电信号,(2)对该腹壁电信号上的母体心电图R峰进行初检或者叫预检,(3)依据初检结果构造适应性高斯字典,基于构造的适应性高斯字典通过稀疏表示实现对母体心电信号R峰的增强,(4)在母体心电R峰增强信号上检测R峰,并输出其R峰位置,其特征在于,第(3)步的高斯字典由对应母体心电成分的高斯原子、对应胎儿心电成分的高斯原子、对应噪声成分的高斯原子三部分组成,其中,对应母体心电成分的高斯原子只涉及一个尺度,这一尺度是根据腹壁电信号初检的母体心电图R峰的结果通过优化求得的。
2.根据权利要求1所述一种单通道孕妇腹壁电信号的母体心电图R峰检测方法,它根据腹壁电信号初检的母体心电图R峰的结果优化求解对应母体心电成分的高斯原子最优尺度,其特征在于,求解一个优化问题,即求解初检的母体心电图QRS波群的平均模板与高斯函数模型的相似度最大,来获得对应母体心电成分的高斯原子最优尺度值。
3.根据权利要求1所述一种单通道孕妇腹壁电信号的母体心电图R峰检测方法,它根据腹壁电信号初检的母体心电图R峰的结果优化求解对应母体心电成分的高斯原子最优尺度,其特征在于,先让每个初检得到的母体心电图QRS波群与高斯函数模型求相似度最大而得到一个最优尺度候选值,这样可得到一组对应母体心电成分的高斯原子最优尺度候选值,有多少个初检得到的QRS波群就得到多少个这样的最优尺度候选值,然后对求得的该组所有高斯原子最优尺度候选值进行聚类分析,选中元素值较大且数量较多的一簇,将该簇中最优尺度候选值的中值或均值作为最终的对应母体心电成分的高斯原子最优尺度值输出。
4.根据权利要求1所述的一种单通道孕妇腹壁电信号的母体心电图R峰检测方法,其特征在于,对应胎儿心电图的高斯原子的尺度值取为四个固定值,取为σi∈{2.5,3,3.5,4}。
5.根据权利要求1所述的一种单通道孕妇腹壁电信号的母体心电图R峰检测方法,其特征在于,对应噪声的高斯原子的尺度值取为两个固定值,取为σi∈{1.6,2}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910135293.7A CN109645985B (zh) | 2019-02-22 | 2019-02-22 | 一种对单通道孕妇腹壁电母体心电图r峰进行检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910135293.7A CN109645985B (zh) | 2019-02-22 | 2019-02-22 | 一种对单通道孕妇腹壁电母体心电图r峰进行检测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109645985A CN109645985A (zh) | 2019-04-19 |
CN109645985B true CN109645985B (zh) | 2021-09-17 |
Family
ID=66122937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910135293.7A Active CN109645985B (zh) | 2019-02-22 | 2019-02-22 | 一种对单通道孕妇腹壁电母体心电图r峰进行检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109645985B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110063726B (zh) * | 2019-06-03 | 2021-08-13 | 广东工业大学 | 一种心电信号单导联f波提取方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101554325A (zh) * | 2009-05-15 | 2009-10-14 | 南京大学 | 胎儿心电图的分离提取方法 |
US8388530B2 (en) * | 2000-05-30 | 2013-03-05 | Vladimir Shusterman | Personalized monitoring and healthcare information management using physiological basis functions |
CN103263262A (zh) * | 2013-05-28 | 2013-08-28 | 捷普科技(上海)有限公司 | 测量胎儿心率的系统及方法 |
CN104382589A (zh) * | 2014-12-09 | 2015-03-04 | 南京大学 | 基于部分按段重采样的胎儿心电图分离提取方法 |
CN107038730A (zh) * | 2017-03-30 | 2017-08-11 | 湖北工业大学 | 基于高斯尺度结构块分组的稀疏表示图像重建方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7539532B2 (en) * | 2006-05-12 | 2009-05-26 | Bao Tran | Cuffless blood pressure monitoring appliance |
CN104545893B (zh) * | 2015-01-12 | 2018-01-09 | 南京大学 | 对分离的胎儿心电图中的qrs波的真伪进行辨识的方法 |
US9554720B2 (en) * | 2015-02-03 | 2017-01-31 | Siemens Medical Solutions Usa, Inc. | Detection of R-peak point in an electrocardiogram signal |
US10575747B2 (en) * | 2016-10-20 | 2020-03-03 | Sensoriis, Inc. | Fetal ECG and heart rate assessment and monitoring device |
US11207017B2 (en) * | 2016-12-13 | 2021-12-28 | King Abdullah University Of Science And Technology | System and method for non-invasive extraction of fetal electrocardiogram signals |
CN108836304A (zh) * | 2018-05-02 | 2018-11-20 | 南京大学 | 一种胎儿心电监测分析系统 |
CN108664448B (zh) * | 2018-05-08 | 2021-06-01 | 南京大学 | 一种基于iqr_omp的高维稀疏向量重构方法 |
CN109330584B (zh) * | 2018-11-08 | 2020-09-18 | 山东大学 | 基于字典学习和稀疏表示的心电信号身份识别方法和系统 |
-
2019
- 2019-02-22 CN CN201910135293.7A patent/CN109645985B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8388530B2 (en) * | 2000-05-30 | 2013-03-05 | Vladimir Shusterman | Personalized monitoring and healthcare information management using physiological basis functions |
CN101554325A (zh) * | 2009-05-15 | 2009-10-14 | 南京大学 | 胎儿心电图的分离提取方法 |
CN103263262A (zh) * | 2013-05-28 | 2013-08-28 | 捷普科技(上海)有限公司 | 测量胎儿心率的系统及方法 |
CN104382589A (zh) * | 2014-12-09 | 2015-03-04 | 南京大学 | 基于部分按段重采样的胎儿心电图分离提取方法 |
CN107038730A (zh) * | 2017-03-30 | 2017-08-11 | 湖北工业大学 | 基于高斯尺度结构块分组的稀疏表示图像重建方法 |
Non-Patent Citations (5)
Title |
---|
An Efficient Method to Learn Overcomplete Multi-Scale Dictionaries of ECG Signals;Luengo.et al.;《Applied Sciences》;20181211;第1-18页 * |
Extracting Fetal ECG Using Least Square Algorithm to Corresponding Points in Phase Space Constructed by Multi-Channel Signals;Y. Shao et al.;《2011 First International Workshop on Complexity and Data Mining》;20120112;第72-75页 * |
Fetal ECG Separation from Abdominal ECG Recordings Using Compressive Sensing Approach;P. Patel.et al.;《2018 International Conference on Inventive Research in Computing Applications (ICIRCA)》;20190103;第831-834页 * |
Separation and Analysis of Fetal-ECG Signals From Compressed Sensed Abdominal ECG Recordings;Da Poian G.et al.;《IEEE Trans Biomed Eng》;20151026;第1269-79页 * |
单导联和多导联环境下胎儿心电分离算法研究;占海龙;《中国优秀硕士学位论文全文数据库》;20140815;第I136-98页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109645985A (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110840402B (zh) | 一种基于机器学习的房颤信号识别方法及系统 | |
CN108596142B (zh) | 一种基于PCANet的心电特征提取方法 | |
CN111110228B (zh) | 一种心电信号r波的检测方法及装置 | |
He et al. | Recognition of ECG patterns using artificial neural network | |
CN108470156B (zh) | 一种心音信号分类识别方法 | |
CN107440679B (zh) | 用于检测心电图异常的方法及对应系统 | |
Rahmati et al. | A PCA/ICA based fetal ECG extraction from mother abdominal recordings by means of a novel data-driven approach to fetal ECG quality assessment | |
CN106709469A (zh) | 基于脑电和肌电多特征的自动睡眠分期方法 | |
CN103860167B (zh) | 基于非负矩阵分解的j波提取和分析方法 | |
CN112881942A (zh) | 基于小波分解与经验模态分解的异常电流诊断方法和系统 | |
Sbrollini et al. | eCTG: an automatic procedure to extract digital cardiotocographic signals from digital images | |
CN109645985B (zh) | 一种对单通道孕妇腹壁电母体心电图r峰进行检测的方法 | |
CN113780106A (zh) | 一种基于无线电波形数据输入的深度学习信号检测方法 | |
CN111310572A (zh) | 利用心搏时间序列生成心搏标签序列的处理方法和装置 | |
Gao et al. | Real time ECG characteristic point detection with randomly selected signal pair difference (RSSPD) feature and random forest classifier | |
CN115281688A (zh) | 一种基于多模态深度学习的心脏肥大多标签检测系统 | |
Ji et al. | Broadband noise suppression and feature identification of ECG waveforms using mathematical morphology and embedding theorem | |
CN108537123A (zh) | 基于多特征提取的心电识别方法 | |
Liu et al. | Precise and efficient heartbeat classification using a novel lightweight-modified method | |
Sharma et al. | QRS complex detection using stationary wavelet transform and adaptive thresholding | |
CN113647908A (zh) | 波形识别模型的训练、心电波形识别方法、装置及设备 | |
CN113069124A (zh) | 一种基于cnn-et模型的心电监测方法 | |
Weng et al. | Myocardial infarction classification by morphological feature extraction from big 12-lead ECG data | |
CN115944305B (zh) | 一种无心拍切分的心电异常检测方法、系统、设备及介质 | |
Khatar et al. | Advanced detection of cardiac arrhythmias using a three-stage CBD filter and a multi-scale approach in a combined deep learning model |
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 |