CN109893119B - 一种基于多导联聚类分析的p波识别定位方法 - Google Patents

一种基于多导联聚类分析的p波识别定位方法 Download PDF

Info

Publication number
CN109893119B
CN109893119B CN201910224923.8A CN201910224923A CN109893119B CN 109893119 B CN109893119 B CN 109893119B CN 201910224923 A CN201910224923 A CN 201910224923A CN 109893119 B CN109893119 B CN 109893119B
Authority
CN
China
Prior art keywords
wave
waves
lead
leads
data
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
Application number
CN201910224923.8A
Other languages
English (en)
Other versions
CN109893119A (zh
Inventor
孙斌
顾林跃
杨智
符灵建
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.)
Zhejiang Helowin Medical Technology Co ltd
Original Assignee
Zhejiang Helowin Medical 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 Zhejiang Helowin Medical Technology Co ltd filed Critical Zhejiang Helowin Medical Technology Co ltd
Priority to CN201910224923.8A priority Critical patent/CN109893119B/zh
Publication of CN109893119A publication Critical patent/CN109893119A/zh
Application granted granted Critical
Publication of CN109893119B publication Critical patent/CN109893119B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种基于多导联聚类分析的P波识别定位方法,包括:a)预处理;b)找出各导联主波位置及T波位置,获得抹平QRS波群及T波后数据;c)初步确定各导联P波位置;d)基于心电常识对P波进行分类,并进行分类补充;e)校准,确定各导联P波位置。本发明通过考虑导联之间的内在相关性,多阶段、多层次运用聚类分析工具,确定了各导联P波具体位置,较好的解决了不规则P波识别定位这一难点问题,易于理解,容易实现,精度较高。

Description

一种基于多导联聚类分析的P波识别定位方法
技术领域
本发明提出了一种基于多导联聚类分析的P波识别方法,涉及心电图智能诊断领域。
背景技术
心电图检查是体检的常见项目,如果患者疑似有心律失常症状,通常会去医院做个心电图,但是,在医院的几分钟或者十几分钟心电图,常常难以发现问题,这时候医生可能会给患者一个可以穿戴的心电图检测器,佩戴两周或者更长时间,这会产生几百小时的心电图,需要医生一秒一秒的检查,这是很耗时间的。如果能先让机器进行智能判断,找出可能的心律失常的时间位置,再由医生针对这些位置进行进一步诊断,就能够极大地提高效率,节约资源,本专利的发明初衷来源于此。
显然,要让机器找出可能的心律失常位置,最基础的工作是找出所有可能的特征波形位置。目前,已有不少研究者从多个角度对心电图各特征波形的识别和定位进行了研究。其中,由于P波低频、低幅、形态多样等原因导致P波识别定位非常困难,一直是心电自动分析算法的重点和难点。已有的P波检测方法如:心电图机常采用的低通差分法、Yochum M等提出的小波分析法、Chao Lin等提出的基于贝叶斯模型的Gibbs插样法、叶继伦等提出的基于低通差分法和切线法的快速心电P波检测算法等。但这些方法一般针对的是规则数据,即对于一个心搏,P波在QRS波群之前、T波在QRS波群之后。对于P波位置不定、与T波或QRS波群融合的情况,因涉及到具体的心律失常类型,这些方法均无涉及。
发明内容
本发明的目的,在于提供一种基于多导联聚类分析的P波识别定位方法。为了实现上述目的,本发明所采用的技术方案如下:
一种基于多导联聚类分析的P波识别定位方法,包括:a)预处理;b)找出各导联主波位置及T波位置,获得抹平QRS波群及T波后数据;c)初步确定各导联P波位置;d)基于心电常识对P波进行分类,并进行分类补充;e)校准,确定各导联P波位置。其特征在于:所述a)预处理方法为:设有多导联心电图数据X:
Figure GDA0003299279770000011
其中:m表示导联数目,n表示采样点数(因采样频率fc已知,可得采样点i处对应时刻ti=i/fc)。
步骤1:取1导联数据作为分析数据,利用MODWT去除基线漂移及高频误差;
步骤2:归一化;
步骤3:对其他导联同样处理。
优选的,所述b)找出各导联主波位置及T波位置,获得抹平QRS波群及T波后数据方法为:
步骤1:找出所有波峰波谷,计算每个波峰波谷相对应的幅值、斜率变化及时限,确定各导联主波位置;
步骤2:基于选定特征,对各导联除主波外其他波峰分别进行多层次聚类分析,确定各导联各类特征波形具体位置;
步骤3:根据心电常识,确定各类特征波形中T波位置;
步骤4:获得抹平QRS波群及T波后数据。
优选的,所述c)初步确定各导联P波位置方法为:
步骤1:去除抹平处两端边界影响数据;
步骤2:基于幅值特征,初步确定各导联P波位置。
优选的,所述d)基于心电常识对P波进行分类,并进行分类补充方法为:
步骤1:基于心电常识,将初步识别出的P波分为:窦性P波、室性P波、交界性P波、房性P波及误识别为P波的杂波;
步骤2:基于心电常识,分类补充除杂波外的其他类型P波。
优选的,所述e)校准,确定各导联P波位置方法为:
步骤1:通过比较多导联P波位置,补充各导联缺失P波;
步骤2:通过比较多导联P波位置,去除各导联多余P波;
步骤3:循环步骤1-2两到三次,确定P波位置。
我们在前期对心电图疑难主波、各特征波形进行聚类分析(注:见发明专利《基于多导联聚类分析的疑难心电图主波识别定位方法》及《基于多导联综合分析的心电图特征波形聚类方法》)的基础上,基于心电常识,提出一种基于多导联聚类分析的P波识别方法,通过考虑导联之间的内在相关性,多阶段、多层次运用聚类分析工具,确定了各导联P波具体位置,较好的解决了P波特别是不规则P波识别定位这一难点问题,易于理解,容易实现,精度较高。
附图说明
图1为一段“三度房室传导阻滞”心电图识别的P波位置。
图2为一段“二度二型窦房传导阻滞”心电图识别的P波位置。
图3为一段“二度一型房室传导阻滞”心电图识别的P波位置。
图4为一段“高度房室传导阻滞”心电图识别的P波位置。
图5为一段“室早”心电图识别的P波位置。
图6为一段“房早二联律”心电图识别的P波位置。
具体实施方式
下面将结合附图,对本发明的技术方案作进一步详细的说明。
基于多导联聚类分析的P波识别定位方法,包括以下步骤:
a)预处理:设有多导联心电图数据X:
Figure GDA0003299279770000031
其中:m表示导联数目,n表示采样点数(因采样频率fc已知,可得采样点i处对应时刻ti=i/fc)。
步骤1:取1导联数据作为分析数据,利用MODWT(Maximal overlap discretewavelet transform,最大重叠量小波变换)去除基线漂移及高频误差。
MODWT(Maximal overlap discrete wavelet transform,最大重叠量小波变换)是高度冗余的非正交变换,样本容量可为任意值,具有位移不变性,非常适合处理心电图数据。在实际使用中,通过综合比较分析,选择sym4小波,分析到第10层,选取d5、d6、d7、d8、d9、d10作为重构信号,从而去除基线漂移及高频误差。
步骤2:归一化。
因各导联幅值特征相差较大,不利于后面的聚类分析,采用Min-Max标准化方法对步骤1数据进行归一化处理,将数据映射到[-1,1]区间。
步骤3:对其他导联同样处理。
b)找出各导联主波位置及T波位置,获得抹平QRS及T波后数据方法为:
步骤1:找出所有波峰波谷,计算每个波峰波谷相对应的幅值、斜率变化及时限,确定各导联主波位置(见发明专利《基于多导联聚类分析的疑难心电图主波识别定位方法》)。
步骤2:基于选定特征,对各导联除主波外其他波峰分别进行多层次聚类分析,确定各导联各类特征波形具体位置(见发明专利《基于多导联综合分析的心电图特征波形聚类方法》)。
步骤3:根据心电常识,确定各类特征波形中T波位置。
T波代表心室的“复极”,是QRS波群之后一个幅值较大的特征波形,根据常用的Bazett公式:
Figure GDA0003299279770000032
其中Q-T表示QT间期,k为常数,取0.39,R-R表示心率(注:该式计算出的数值可有±0.04s的偏差。见黄宛《临床心电图学》第五版)。显然,从数值上而言,T波在由主波峰起之后的Q-T范围内,所以,可在此范围寻找幅值较大的特征波形,从而初步找出各导联T波位置,再通过多导联综合比较,确定T波位置;
步骤4:获得抹平QRS波群及T波后数据。
根据切线法找到QRS波群起点及T波终点,通过连接QRS起点和T波终点,去除其间所有数据,得到抹平后原始数据。
c)初步确定各导联P波位置方法为:
步骤1:去除抹平处两端边界影响数据。
因抹平数据段两端边界易产生斜率急剧变化的杂波,会干扰后期小幅值P波的识别,所以,根据实际数据分析经验,去除QRS波群起点前0.02s、T波终点后0.02s范围内顶点数据。
步骤2:基于幅值特征,按照发明专利《基于多导联聚类分析的疑难心电图主波识别定位方法》类似方法,初步确定各导联P波位置。
去除QRS波群及T波后,P波是剩余特征波形中较有意义的波形(注:因U波微小,尚无定论,暂不考虑。见黄宛《临床心电图学》第五版),将其当做需定位的主波,按照专利《基于多导联聚类分析的疑难心电图主波识别定位方法》中类似方法,初步找出各导联P波位置。
d)基于心电常识对P波进行分类,并进行分类补充方法为:
步骤1:基于心电常识,将初步识别出的P波分为:窦性P波、室性P波、交界性P波、房性P波及误识别为P波的杂波。
(1)考察导联Ⅱ、Ⅴ4、Ⅴ5、Ⅴ6,找出所有负向P波及其他导联对应的特征波形(注:Ⅱ导联主要考察室性P波、交界性P波、心房下部P波为负的情况、Ⅴ4、Ⅴ5、Ⅴ6主要考察心房右部产生的负向房性P波情况);
(2)对某导联某一负向P波,对主波形状进行二分类聚类分析,如果评价指标大于给定值(如0.95),即形状可分,则其最靠近的宽大畸形主波为室性异位搏动产生,考察RP是否大于0.20s(注:RP表示P波在最靠近的主波之后的距离),如果满足条件,为室性P波,否则,该负向P波为误标注,在该负向P波附近寻找最靠近的正向P波代替,如果找不到该正向P波,则去除该波;
(3)如果评价指标小于给定值,即形状不可分,对主波间期进行二分类聚类分析:如果评价指标大于给定值,则主波间期可分,考察该负向P波是否在偏离正常心率的主波间期内,及与最靠近的主波距离,当最靠近主波在后,则PR应该在0.12s附近,当最靠近主波在前,则RP应该小于0.2s,在满足条件之一时,其为交界性P波(注:简单起见,将负向的房性P波包括在这一分类里,负向P波PR>0.12s,交界性P波PR<0.12s或RP<0.2s)。否则,该负向P波为误标注,用最近的正向P波代替,如果找不到该正向P波,则去除该波;
(4)对于其他的负向P波,均为误识别,用最近的正向P波代替或去除;
(5)继续对所有的正向P波进行判断。如果主波间期可分,且位于偏离正常心率的主波间期内,则该正向P波为房性P波,否则,该正向P波为杂波,去除。
(6)同理处理该导联其他P波;
(7)同理处理其他导联;
(8)多导联互相印证,分出所有窦性P波,记录其他类型P波位置及其与最靠近的主波间距离。
步骤2:基于心电常识,分类补充除杂波外的其他类型P波。
(1)补充窦性P波:对于PR间期均匀不可二分的规则数据,在各导联各主波该PR间期附近寻找P波;对于其他的心律失常类型,如快速型的房早、房速、室早、室速,慢速性的逸搏、窦房阻滞、房室阻滞、室内束支阻滞等根据心电常识、已知的P波位置、RR间期情况分类,分别确定对应的P波延展周期,补充对应的P波。
(2)补充其他类型P波:根据前期记录的各类型P波及最近的R波之间距离(注:PR或RP),在其他没有该类型P波的主波该距离附近寻找P波进行补充。
e)校准,确定各导联P波位置方法为:
步骤1:通过比较多导联P波位置,补充各导联缺失P波。
将其他导联分别与多P波导联进行比较,在疑似缺少P波的位置考察各导联P波数量,如果多于半数导联在该处具有P波,则在该导联该处位置附近寻找具有一定幅值的特征波形,如果有,则进行补充。
步骤2:通过比较多导联P波位置,去除各导联多余P波。
对单个导联的P波位置,考察其他导联该处附近是否具有P波,如果具有P波的数量比半数导联多,则保留该处P波位置,反之,则去除该处P波。
步骤3:循环步骤1-2两到三次,确定P波位置。
因心电图各特征波形纷繁复杂,根据实际分析经验,需重复校准步骤两到三次,才能基本保证P波在各导联的具体位置准确。
实施例
实施例说明
为了检验方法的有效性,我们对100余份心电图进行了P波识别定位测试,准确度达到95%以上。附图以六份心电图数据P波的识别定位作为示例。
数据基本参数:每份数据均为八个导联:Ⅰ、Ⅱ、Ⅴ1、Ⅴ2、Ⅴ3、Ⅴ4、Ⅴ5、Ⅴ6。时长:10秒,频率:1000Hz。
在定位时,为了更好的体现程序的鲁棒性,均在同一套参数运行。具体参数设置如下:波峰波谷阈值:0.02;同导联同类波互斥距离:50采样点(即0.05s)。
计算结果
识别定位的P波以坐标轴上“·”表示:
1)“三度房室传导阻滞”心电图一例,如图1所示。
2)“二度二型窦房传导阻滞”心电图一例,如图2所示。
3)“二度一型房室传导阻滞”心电图一例,如图3所示。
4)“高度房室传导阻滞”心电图一例,如图4所示。
5)“室早”心电图一例,如图5所示。
6)“房早二联律”心电图一例,如图6所示。
由图1-6可见,各心电图P波识别定位准确。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。

Claims (4)

1.一种基于多导联聚类分析的P波识别定位方法,包括:a)预处理;b)找出各导联主波位置及T波位置,获得抹平QRS波群及T波后数据;c)初步确定各导联P波位置;d)基于心电常识对P波进行分类,并进行分类补充;e)校准,确定各导联P波位置,其特征在于:所述a)预处理方法为:设有多导联心电图数据X:
Figure FDA0003309071200000011
其中:m表示导联数目,n表示采样点数因采样频率fc已知,可得采样点i处对应时刻ti=i/fc
步骤1:取1导联数据作为分析数据,利用Maximal overlap discrete wavelettransform,最大重叠量小波变换去除基线漂移及高频误差;
步骤2:归一化;
步骤3:对其他导联同样处理;
所述b)找出各导联主波位置及T波位置,获得抹平QRS波群及T波后数据方法为:
步骤1:找出所有波峰波谷,计算每个波峰波谷相对应的幅值、斜率变化及时限,确定各导联主波位置;
步骤2:基于选定特征,对各导联除主波外其他波峰分别进行多层次聚类分析,确定各导联各类特征波形具体位置;
步骤3:根据心电常识,确定各类特征波形中T波位置;
步骤4:获得抹平QRS波群及T波后数据。
2.如权利要求1所述基于多导联聚类分析的P波识别定位方法,其特征在于:所述c)初步确定各导联P波位置方法为:
步骤1:去除抹平处两端边界影响数据;
步骤2:基于幅值特征,初步确定各导联P波位置。
3.如权利要求1所述基于多导联聚类分析的P波识别定位方法,其特征在于:所述d)基于心电常识对P波进行分类,并进行分类补充方法为:
步骤1:基于心电常识,将初步识别出的P波分为:窦性P波、室性P波、交界性P波、房性P波及误识别为P波的杂波;
步骤2:基于心电常识,分类补充除杂波外的其他类型P波;
(1)补充窦性P波:对于PR间期均匀不可二分的规则数据,在各导联各主波该PR间期附近寻找P波;对于其他的心律失常类型,根据心电常识、已知的P波位置、RR间期情况分类,分别确定对应的P波延展周期,补充对应的P波;
(2)补充其他类型P波:根据前期记录的各类型P波及最近的R波之间距离,在其它没有前期记录的各类型P波的主波该距离附近寻找P波进行补充。
4.如权利要求1所述基于多导联聚类分析的P波识别定位方法,其特征在于:所述e)校准,确定各导联P波位置方法为:
步骤1:通过比较多导联P波位置,补充各导联缺失P波;
步骤2:通过比较多导联P波位置,去除各导联多余P波;
步骤3:循环步骤1-2两到三次,确定P波位置。
CN201910224923.8A 2019-03-24 2019-03-24 一种基于多导联聚类分析的p波识别定位方法 Active CN109893119B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910224923.8A CN109893119B (zh) 2019-03-24 2019-03-24 一种基于多导联聚类分析的p波识别定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910224923.8A CN109893119B (zh) 2019-03-24 2019-03-24 一种基于多导联聚类分析的p波识别定位方法

Publications (2)

Publication Number Publication Date
CN109893119A CN109893119A (zh) 2019-06-18
CN109893119B true CN109893119B (zh) 2022-01-04

Family

ID=66953469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910224923.8A Active CN109893119B (zh) 2019-03-24 2019-03-24 一种基于多导联聚类分析的p波识别定位方法

Country Status (1)

Country Link
CN (1) CN109893119B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110367973B (zh) * 2019-07-01 2021-10-26 复旦大学 多导联心电信号qrs波群起始点的检测方法
CN111493858B (zh) * 2020-03-16 2022-12-09 浙江好络维医疗技术有限公司 一种基于聚类分析的单导联特异主波识别定位方法
CN111493821B (zh) * 2020-03-16 2023-03-14 浙江好络维医疗技术有限公司 一种基于modwt及中值滤波的ppg信号实时去噪方法
CN111493859B (zh) * 2020-03-16 2023-01-03 浙江好络维医疗技术有限公司 一种基于dtw-层次聚类分析的单导联宽大畸形主波识别定位方法
CN113052229B (zh) * 2021-03-22 2023-08-29 武汉中旗生物医疗电子有限公司 一种基于心电数据的心脏病症分类方法及装置

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101103910A (zh) * 2006-07-14 2008-01-16 深圳迈瑞生物医疗电子股份有限公司 心电图计算机辅助诊断系统及方法
EP2177243A2 (en) * 2008-10-16 2010-04-21 BIOTRONIK CRM Patent AG Method and apparatus for ectopic beat detection
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
CN101953682A (zh) * 2010-10-15 2011-01-26 张辉 基于袖带装置的心率检测方法
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
US7996083B2 (en) * 2004-06-02 2011-08-09 Cardiac Pacemakers, Inc. Far-field sensing channel for implantable cardiac device
US8155735B2 (en) * 2006-09-19 2012-04-10 The Cleveland Clinic Foundation Prediction and prevention of postoperative atrial fibrillation in cardiac surgery patients
CN102626310A (zh) * 2012-04-23 2012-08-08 天津工业大学 基于提升小波变换和改进近似包络的心电特征检测算法
US8433395B1 (en) * 2009-11-03 2013-04-30 Vivaquant Llc Extraction of cardiac signal data
CN103110417A (zh) * 2013-02-28 2013-05-22 华东师范大学 一种心电图自动识别系统
CN103345600A (zh) * 2013-06-24 2013-10-09 中国科学院深圳先进技术研究院 一种心电信号数据处理方法
CN103549951A (zh) * 2013-10-18 2014-02-05 浙江好络维医疗技术有限公司 一种基于心电图12导联关联计算的p波信息测量方法
CN103860168A (zh) * 2014-02-26 2014-06-18 深圳市理邦精密仪器股份有限公司 一种心律异常自动标识装置及其标识方法
CN104586383A (zh) * 2015-01-12 2015-05-06 北京世纪今科医疗器械有限公司 一种心电波形分类方法及装置
CN106725450A (zh) * 2017-02-20 2017-05-31 武汉中旗生物医疗电子有限公司 Qrs波群检测方法
CN107451417A (zh) * 2017-09-08 2017-12-08 北京蓬阳丰业医疗设备有限公司 动态心电分析智能诊断系统及方法
CN107837082A (zh) * 2017-11-27 2018-03-27 乐普(北京)医疗器械股份有限公司 基于人工智能自学习的心电图自动分析方法和装置
CN107887032A (zh) * 2016-09-27 2018-04-06 中国移动通信有限公司研究院 一种数据处理方法及装置
CN108056773A (zh) * 2017-12-11 2018-05-22 重庆邮电大学 基于改进变分模态分解的心电信号qrs波群检测算法
CN108992060A (zh) * 2018-06-05 2018-12-14 山东省计算中心(国家超级计算济南中心) 一种基于lti滤波与稀疏优化原理的ecg信号恢复方法
CN109350037A (zh) * 2018-10-26 2019-02-19 安徽智云医疗科技有限公司 一种从10秒心电图中识别房颤和房性早搏的方法

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7996083B2 (en) * 2004-06-02 2011-08-09 Cardiac Pacemakers, Inc. Far-field sensing channel for implantable cardiac device
CN101103910A (zh) * 2006-07-14 2008-01-16 深圳迈瑞生物医疗电子股份有限公司 心电图计算机辅助诊断系统及方法
US9636033B2 (en) * 2006-09-19 2017-05-02 The Cleveland Clinic Foundation Prediction and prevention of postoperative atrial fibrillation in cardiac surgery patients
US8155735B2 (en) * 2006-09-19 2012-04-10 The Cleveland Clinic Foundation Prediction and prevention of postoperative atrial fibrillation in cardiac surgery patients
EP2177243A2 (en) * 2008-10-16 2010-04-21 BIOTRONIK CRM Patent AG Method and apparatus for ectopic beat detection
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
US8433395B1 (en) * 2009-11-03 2013-04-30 Vivaquant Llc Extraction of cardiac signal data
CN101953682A (zh) * 2010-10-15 2011-01-26 张辉 基于袖带装置的心率检测方法
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
CN102626310A (zh) * 2012-04-23 2012-08-08 天津工业大学 基于提升小波变换和改进近似包络的心电特征检测算法
CN103110417A (zh) * 2013-02-28 2013-05-22 华东师范大学 一种心电图自动识别系统
CN103345600A (zh) * 2013-06-24 2013-10-09 中国科学院深圳先进技术研究院 一种心电信号数据处理方法
CN103549951A (zh) * 2013-10-18 2014-02-05 浙江好络维医疗技术有限公司 一种基于心电图12导联关联计算的p波信息测量方法
CN103860168A (zh) * 2014-02-26 2014-06-18 深圳市理邦精密仪器股份有限公司 一种心律异常自动标识装置及其标识方法
CN104586383A (zh) * 2015-01-12 2015-05-06 北京世纪今科医疗器械有限公司 一种心电波形分类方法及装置
CN107887032A (zh) * 2016-09-27 2018-04-06 中国移动通信有限公司研究院 一种数据处理方法及装置
CN106725450A (zh) * 2017-02-20 2017-05-31 武汉中旗生物医疗电子有限公司 Qrs波群检测方法
CN107451417A (zh) * 2017-09-08 2017-12-08 北京蓬阳丰业医疗设备有限公司 动态心电分析智能诊断系统及方法
CN107837082A (zh) * 2017-11-27 2018-03-27 乐普(北京)医疗器械股份有限公司 基于人工智能自学习的心电图自动分析方法和装置
CN108056773A (zh) * 2017-12-11 2018-05-22 重庆邮电大学 基于改进变分模态分解的心电信号qrs波群检测算法
CN108992060A (zh) * 2018-06-05 2018-12-14 山东省计算中心(国家超级计算济南中心) 一种基于lti滤波与稀疏优化原理的ecg信号恢复方法
CN109350037A (zh) * 2018-10-26 2019-02-19 安徽智云医疗科技有限公司 一种从10秒心电图中识别房颤和房性早搏的方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
A Human Electrocardiogram Signal Processing Algorithm for Real-Time Control and Monitoring Applications;Atiyeh Karimipour,Mohammad Reza Homaeinezhad;《RSI/ISM International Conference on Robotics and Mechatronics》;20141017;第428-433页 *
A Multilead Fusion Based QRS Complex Detection Method on 12-lead Electrocardiogram Signals;Wei Zhao1, Yanwu Xu1, Cong Yan1;《Computing in Cardiology conference》;20180926;第45卷;第1-4页 *
A wavelet-based adaptive filter for removing ECG interference in EMGdi signals;Choujun Zhan, Lam Fat Yeung, Zhi Yang;《Journal of Electromyography and Kinesiology》;20100630;第542-549页 *
ECG Waveform data Extraction from Paper ECG Recordings by K-means Method;Guojie Shi, Gang Zheng, Min Dai;《IEE Colloquium on Medical Imaging: Image Processing and Analysis》;20120309;第797-800页 *
基于ECG的心律失常特征提取及分类算法的研究;王艳;《中国优秀硕士学位论文全文数据库医药卫生科技辑》;20190115(第01期);第12-34页 *
心梗特征提取与辅助诊断模型研究;张清丽;《中国优秀硕士学位论文全文数据库医药卫生科技辑》;20171115(第11期);第28-45页 *
心电信号处理关键技术的研究与实现;周仁义;《中国优秀硕士学位论文全文数据库信息科技辑》;20160815(第08期);第53-68页 *
心电分析系统的设计与实现;盛志强;《中国优秀硕士学位论文全文数据库医药卫生科技辑》;20180215(第02期);第21-38页 *
心电图波形分析的算法研究;刘芳霞,李杰;《医学信息》;20041015;第17卷(第10期);第610-611页 *

Also Published As

Publication number Publication date
CN109893119A (zh) 2019-06-18

Similar Documents

Publication Publication Date Title
CN109893119B (zh) 一种基于多导联聚类分析的p波识别定位方法
CN107358196B (zh) 一种心搏类型的分类方法、装置及心电仪
US7769434B2 (en) Method of physiological data analysis and measurement quality check using principal component analysis
CN110013247B (zh) 一种心电图p波和t波的检测、区分与定位方法
CN109117730B (zh) 心电图心房颤动实时判断方法、装置、系统及存储介质
De Lannoy et al. Weighted SVMs and feature relevance assessment in supervised heart beat classification
US20130046193A1 (en) Method and Apparatus for Predicting Patient Outcomes from a Physiological Segmentable Patient Signal
CN107622259B (zh) 一种t波检测方法、心电数据分析方法及装置
Friganovic et al. Optimizing the detection of characteristic waves in ECG based on processing methods combinations
CN109893124B (zh) 一种基于多导联聚类分析的疑难心电图主波识别定位方法
KR101534131B1 (ko) 심전도를 이용한 짧은 rr 시계열로 chf 및 af의 자동 감지 방법
CN111493858B (zh) 一种基于聚类分析的单导联特异主波识别定位方法
Chouhan et al. Delineation of QRS-complex, P and T-wave in 12-lead ECG
CN111134658A (zh) 一种心电信号中RonT类型心搏的检测方法和装置
Sanamdikar et al. A literature review on arrhythmia analysis of ECG signal
Jones et al. Improving ECG classification interpretability using saliency maps
Khaustov et al. An open-source standard T-wave alternans detector for benchmarking
Papadogiorgaki et al. Heart rate classification using ECG signal processing and machine learning methods
Li et al. SEResUTer: a deep learning approach for accurate ECG signal delineation and atrial fibrillation detection
Johannesen et al. A wavelet-based algorithm for delineation and classification of wave patterns in continuous Holter ECG recordings
Donnelly et al. Lead selection: old and new methods for locating the most electrocardiogram information
CN113171102B (zh) 基于持续深度学习的ecg数据分类方法
Jalil et al. Detection of QRS complex in ECG signal based on classification approach
Smith et al. Atrial Fibrillation Detection Using RR-Intervals for Application in Photoplethysmographs
Ruiz et al. Thorough assessment of a p-wave delineation algorithm through the use of diverse electrocardiographic databases

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 310012 block B, 5 / F, building e, Paradise Software Park, No.3 xidoumen Road, Xihu District, Hangzhou City, Zhejiang Province

Applicant after: ZHEJIANG HELOWIN MEDICAL TECHNOLOGY Co.,Ltd.

Address before: 310012 A building 7D, Paradise Software Park, 3 West Road, Hangzhou, Zhejiang, Xihu District

Applicant before: ZHEJIANG HELOWIN MEDICAL TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 310012 Block A, 13/F, Building E, Paradise Software Park, No. 3, Xidoumen Road, Xihu District, Hangzhou, Zhejiang

Patentee after: ZHEJIANG HELOWIN MEDICAL TECHNOLOGY CO.,LTD.

Address before: 310012 block B, 5 / F, building e, Paradise Software Park, No.3 xidoumen Road, Xihu District, Hangzhou City, Zhejiang Province

Patentee before: ZHEJIANG HELOWIN MEDICAL TECHNOLOGY CO.,LTD.