CN110179451A - 心电信号质量检测方法、装置、计算机设备和存储介质 - Google Patents
心电信号质量检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110179451A CN110179451A CN201910496476.1A CN201910496476A CN110179451A CN 110179451 A CN110179451 A CN 110179451A CN 201910496476 A CN201910496476 A CN 201910496476A CN 110179451 A CN110179451 A CN 110179451A
- Authority
- CN
- China
- Prior art keywords
- electrocardiosignal
- performance
- threshold
- quality
- entropy threshold
- 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
-
- 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]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及一种心电信号质量检测方法、装置、计算机设备和存储介质。所述方法包括:获取预设长度的第一时段的心电信号;对心电信号进行滤波处理和直方图矩阵转换,得到包括多个时域值和相应的幅值向量的直方图分布数据;根据时域值和幅值向量计算心电信号的信息熵;获取熵阈值,根据信息熵和熵阈值计算心电信号的质量指数;当质量指数未达到质量阈值时,根据质量指数更新熵阈值,并采集相邻第二时段的心电信号;重复对相邻心电信号进行滤波处理和直方图矩阵转换的步骤;直到质量指数满足质量阈值时,获取质量指数对应的心电信号,将心电信号添加至目标信号组。采用本方法能够有效提高心电信号质量检测的效率和准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种心电信号质量检测方法、装置、计算机设备和存储介质。
背景技术
心电信号是指在一定周期中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信号波,用来捕捉心脏在一段时间内情况的反映。心电信号是反映心脏兴奋的电活动过程,对心脏基本功能及其病理研究方面,具有重要的参考价值。
随着社会经济的迅速发展,人们的生活和工作节奏越来越快,很多人的身体处于亚健康状态。因此出现了一些基于HRV(Heart Rate Variability,心率变异性)的监测应用,其中检测心电信号的方式通常是通过QRS波形的特征构建神经网络模型来判别信号质量,而这种方式中,基于QRS波形特征的方式容易受到噪声干扰,而基于神经网络构建心电信号质量判断模型的方式,训练数据集较难获取,且数据计算量较大,计算速度慢,心电信号质量检测的效率和准确率会受到影响。因此,如何实时有效地检测心电信号的质量成为目前需要解决的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够有效提高心电信号质量检测的效率和准确性的心电信号质量检测方法、装置、计算机设备和存储介质。
一种心电信号质量检测方法,所述方法包括:
获取预设长度的第一时段的心电信号;
对所述心电信号进行滤波处理和直方图矩阵转换,得到包括多个时域值和相应的幅值向量的直方图分布数据;
根据所述时域值和所述幅值向量计算所述心电信号的信息熵;
获取熵阈值,根据所述信息熵和所述熵阈值计算所述心电信号的质量指数;
当所述质量指数未达到质量阈值时,根据所述质量指数更新熵阈值,并采集相邻第二时段的心电信号;
重复对相邻心电信号进行滤波处理和直方图矩阵转换的步骤;
直到质量指数满足质量阈值时,获取所述质量指数对应的心电信号,将所述心电信号添加至目标信号组。
在其中一个实施例中,对所述心电信号进行直方图矩阵转换的步骤包括:根据预设时域周期提取所述心电信号的峰值;根据所述预设时域周期对所述心电信号进行分区,得到多个时域区间和对应的峰值;对多个时域区间对应的峰值进行特征提取,提取出对应的幅值向量;根据所述多个时域区间和相应的幅值向量生成所述心电信号的直方图分布数据。
在其中一个实施例中,根据所述信息熵和所述熵阈值计算所述心电信号的质量指数的步骤包括:获取时域区间的周期频率和幅值向量;根据所述周期频率和所述幅值向量计算每个时域区间的概率分布值;根据所述多个时域区间的概率分布值计算所述心电信号的的信息熵;根据预设算法计算所述信息熵与所述熵阈值的质量比值,根据所述质量比值确定所述心电信号的质量指数。
在其中一个实施例中,根据所述质量指数更新熵阈值的步骤包括:根据所述质量指数和所述熵阈值计算所述心电信号的当前质量权重;根据所述当前质量权重和所述信息熵计算更新系数;根据所述更新系数对所述熵阈值进行更新,得到更新熵阈值。
在其中一个实施例中,根据所述质量指数更新熵阈值之后,还包括:采集相邻第二时段的心电信号,对所述心电信号进行滤波处理和直方图矩阵转换,得到所述心电信号的直方图分布数据;根据所述时域值和所述幅值向量计算所述心电信号的信息熵;根据所述更新熵阈值和所述信息熵计算所述心电信号的质量指数;当所述质量指数未达到质量阈值时,根据所述质量指数更新熵阈值,并采集相邻区间的心电信号;持续利用所述更新熵阈值检测相邻区间的心电信号的质量指数;直到检测到质量指数满足质量阈值的心电信号时,停止采集心电信号,将相应区间的心电信号添加至目标信号组。
在其中一个实施例中,所述方法还包括:当所述质量指数未达到质量阈值时,提取所述直方图分布数据中的多个时域区间和相应的幅值向量;根据预设指标和所述幅值向量对所述心电信号进行异常检测;当存在幅值向量未达到所述预设指标的直方图分布数据时,获取未达标的幅值向量对应时域区间的心电信号;检测所述时域区间的心电信号的异常类型,当所述异常类型为物理异常时,删除所述时域区间的心电信号。
在其中一个实施例中,当检测到物理异常的心电信号,并删除对应时域区间的心电信号后,所述方法还包括:获取剩余时域区间的心电信号,将所述剩余时域区间的心电信号添加至目标信号组,并检测目标信号组的信号长度;持续采集相邻第二时段的心电信号,重复对相邻心电信号进行滤波处理和直方图矩阵转换以及质量检测的步骤;直到所述目标信号组的信号长度达到预设长度时,则停止采集心电信号,并对所述目标信号组的心电信号进行心率分析。
一种心电信号质量检测装置,所述装置包括:
信号采集模块,用于获取预设长度的第一时段的心电信号;
直方图转换模块,用于对所述心电信号进行滤波处理和直方图矩阵转换,得到包括多个时域值和相应的幅值向量的直方图分布数据;
质量检测模块,用于根据所述时域值和所述幅值向量计算所述心电信号的信息熵;获取熵阈值,根据所述信息熵和所述熵阈值计算所述心电信号的质量指数;
熵阈值更新模块,用于当所述质量指数未达到质量阈值时,根据所述质量指数更新熵阈值,并采集相邻第二时段的心电信号;
信号选取模块,用于重复对相邻心电信号进行滤波处理和直方图矩阵转换的步骤;直到质量指数满足质量阈值时,获取所述质量指数对应的心电信号,将所述心电信号添加至目标信号组。
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本申请任意一个实施例中提供的心电信号质量检测方法的步骤。
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本申请任意一个实施例中提供的心电信号质量检测方法的步骤。
上述心电信号质量检测方法、装置、计算机设备和存储介质,终端获取预设长度的第一时段的心电信号后,对心电信号进行滤波处理和直方图矩阵转换,由此能够有效得到包括多个时域值和相应的幅值向量的直方图分布数据。终端根据时域值和幅值向量计算心电信号的信息熵,根据信息熵和熵阈值计算心电信号的质量指数。根据直方图分布数据可以快速有效地计算出心电信号的质量指数。当质量指数未达到质量阈值时,根据质量指数更新熵阈值,并采集相邻第二时段的心电信号。循环对相邻心电信号进行滤波处理和直方图矩阵转换进计算对应的质量指数的步骤;直到采集的心电信号的质量指数满足质量阈值时,获取该质量指数对应的心电信号,将心电信号添加至目标信号组,对目标信号组的心电信号进行心率分析。通过根据直方图分布数据计算心电信号的质量指数,能够实时快速准确地检测出当前心电信号的质量指数,并快速地判断心电信号的质量是否存在异常和满足要求。通过更新熵阈值,并根据更新后的熵阈值对后续采集的心电信号进行质量检测,能够有效地结合测试者的历史心电信号进行质量检测,从而能够有效提高心电信号检测的准确性。
附图说明
图1为一个实施例中心电信号质量检测方法的应用场景图;
图2为一个实施例中心电信号质量检测方法的流程示意图;
图3为一个实施例中心电信号的直方图分布数据的示意图;
图4为一个实施例中计算心电信号的质量指数步骤的流程示意图;
图5为一个实施例中对异常部分心电信号删除步骤的流程示意图;
图6为一个实施例中心电信号质量检测装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
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。
本申请提供的心电信号质量检测方法,可以应用于如图1所示的应用环境中。其中,心电信号采集设备102可通过网络与检测终端104进行通信,心电信号采集设备102也可通过有线连接与检测终端104进行通信。其中,心电信号采集设备102可以但不限于是各种心电信号采集仪器设备、无线心电监测仪、便携式可穿戴设备,检测终端104可以但不限于是各种信号分析设备、计算机、笔记本电脑、智能手机和平板电脑。
在一个实施例中,如图2所示,提供了一种心电信号质量检测方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤202,获取预设长度的第一时段的心电信号。
其中,心电信号指生物体的心脏活动时心肌激动产生的生物电信号,可以通过安装在人体皮肤表面的电极来采集。用户可以通过心电信号采集设备采集心电信号,心电信号采集设备实时将采集到的心电信号发送至检测终端。也可以医护人员利用心电信号采集设备采集被测试者的心电信号,并实时将采集的心电信号发送至检测终端。
检测终端接收到心电信号设备发送的心电信号后,获取其中预设长度的第一时段的心电信号。进一步的,心电信号采集设备也可以按照预设长度将心电信号分时段发送至检测终端。
检测终端中可以设置有数据缓冲区,数据缓冲区用于对临时获取的心电信号进行质量计算和检测。检测终端则将获取第一时段的心电信号存储至数据缓冲区。进一步的,检测终端还可以预先设置数据缓冲区的大小,即需要实时处理的心电数据长度。其中,预设的心电数据长度即可以为待获取的心电信号的预设长度。检测终端则根据数据缓冲区的心电数据长度获取心电信号采集设备采集的心电信号。
例如,若数据缓冲区预设的心电数据长度为一秒,当数据缓冲区数据达到一秒钟数据并进行算法分析,分析完成后数据缓冲区末端数据开始输入一秒钟数据,数据缓冲区起始端输出一秒钟数据,然后再进行算法处理,以此循环,以对数据缓冲区的心电信号进行实时处理。
步骤204,对心电信号进行滤波处理和直方图矩阵转换,得到包括多个时域值和相应的幅值向量的直方图分布数据。
检测终端获取预设长度的第一时段的心电信号后,则对心电信号进行预处理。具体地,检测终端可以首先对获取的第一时段的心电信号进行滤波处理,滤除正常心电信号的噪声。检测终端对获取的心电信号进行滤波处理后,得到滤波后的心电信号。例如,检测终端可以采用50Hz陷波,0.8Hz高通和35Hz低通的滤波处理,还可以采用巴特沃斯四阶的滤波方式对心电信号进行滤波处理。
检测终端进一步对滤波后的心电信号进行直方图转换处理。具体地,检测终端根据预设时域周期提取心电信号的峰值,根据预设时域周期对心电信号进行分区,得到多个时域区间和对应的峰值。检测终端进一步对多个时域区间对应的峰值进行特征提取,提取出对应的幅值向量。检测终端进而根据多个时域区间和相应的幅值向量生成心电信号的直方图分布数据。直方图分布数据中包括了多个时域值和对应的幅值向量。
步骤206,根据时域值和幅值向量计算心电信号的信息熵。
步骤208,获取熵阈值,根据信息熵和熵阈值计算心电信号的质量指数。
其中,熵是表示随机变量不确定性的度量,噪声信号的熵较正常心电信号的熵大。
检测终端生成心电信号的直方图分布数据后,根据直方图分布数据中的多个时域值和对应的幅值向量计算心电信号的信息熵。具体地,时域值对应了时域区间和周期频率,检测终端根据周期频率和幅值向量计算每个时域区间的概率分布值,进而根据多个时域区间的概率分布值计算心电信号的的信息熵。
检测终端计算出心电信号的信息熵后,则获取预设的初始的熵阈值,并根据信息熵和熵阈值计算心电信号的质量指数。具体地,检测终端可以计算心电信号的信息熵与预设的熵阈值的质量比值,根据质量比值按照预设算法确定心电信号的质量指数。
例如,检测终端计算出数据缓存区的心电信号的信息熵后,还可以直接将心电信号的信息熵与预设的熵阈值的大小进行比较,若心电信号的信息熵大于熵阈值,则表示第一时段的心电信号的质量较差;反之,若心电信号的信息熵小于熵阈值,则表示该段心电信号的质量较好。
步骤210,当质量指数未达到质量阈值时,根据质量指数更新熵阈值,并采集相邻第二时段的心电信号。
检测终端计算出第一时段的心电信号的质量指数后,将质量指数与预设的质量阈值进行比较,当质量指数未达到质量阈值时,表示第一时段的心电信号的质量较差,不符合对心电信号进行分析的标准,则需要重新获取下一时段的心电信号进行质量检测。
当质量指数未达到质量阈值时,检测终端则根据质量指数更新熵阈值。具体地址,检测终端根据质量指数和熵阈值计算心电信号的当前质量权重,并根据当前质量权重和信息熵计算更新系数。检测终端进而根据更新系数对熵阈值进行更新,得到更新熵阈值。
检测终端得到更新熵阈值后,则将数据缓冲区的第一时段的心电信号删除,以进一步获取心电信号采集设备采集的预设长度的相邻第二时段的心电信号,并将第二时段的心电信号存储至数据缓冲区。
进一步的,当质量指数达到了质量阈值时,检测终端则直接将该段心电信号添加至目标信号组,以使得检测终端进一步对心电信号进行心率分析。
步骤212,重复对相邻心电信号进行滤波处理和直方图矩阵转换的步骤。
步骤214,直到质量指数满足质量阈值时,获取质量指数对应的心电信号,将心电信号添加至目标信号组。
检测终端获取相邻的心电信号后,则重复对相邻心电信号进行滤波处理和直方图矩阵转换,并进行质量检测的步骤,循环检测心电信号的质量指数。
直到检测到某一时段的心电信号的质量指数达到质量阈值时,则获取该时段的心电信号,并将该时段段的心电信号添加至目标信号组,以使得检测终端进一步对心电信号进行心率分析。通过根据直方图分布数据计算心电信号的质量指数,能够实时快速准确地检测出当前心电信号的质量指数,若质量指数未达标则持续循环检测,直到检测的达标的心电信号。通过更新熵阈值,并根据更新后的熵阈值对后续采集的心电信号进行质量检测,能够有效地结合测试者的历史心电信号进行质量检测,从而能够有效提高心电信号检测的准确性。
上述心电信号质量检测方法中,检测终端获取预设长度的第一时段的心电信号后,对心电信号进行滤波处理和直方图矩阵转换,由此能够有效得到包括多个时域值和相应的幅值向量的直方图分布数据。终端根据时域值和幅值向量计算心电信号的信息熵,根据信息熵和熵阈值计算心电信号的质量指数。根据直方图分布数据可以快速有效地计算出心电信号的质量指数。当质量指数未达到质量阈值时,根据质量指数更新熵阈值,并采集相邻第二时段的心电信号。循环对相邻心电信号进行滤波处理和直方图矩阵转换进计算对应的质量指数的步骤;直到采集的心电信号的质量指数满足质量阈值时,获取该质量指数对应的心电信号,将心电信号添加至目标信号组,对目标信号组的心电信号进行心率分析。通过根据直方图分布数据计算心电信号的质量指数,能够实时快速准确地检测出当前心电信号的质量指数,并快速地判断心电信号的质量是否存在异常和满足要求。通过更新熵阈值,并根据更新后的熵阈值对后续采集的心电信号进行质量检测,能够有效地结合测试者的历史心电信号进行质量检测,从而能够有效提高心电信号检测的准确性。
在一个实施例中,对心电信号进行直方图矩阵转换的步骤包括:根据预设时域周期提取心电信号的峰值;根据预设时域周期对心电信号进行分区,得到多个时域区间和对应的峰值;对多个时域区间对应的峰值进行特征提取,提取出对应的幅值向量;根据多个时域区间和相应的幅值向量生成心电信号的直方图分布数据。
检测终端获取预设长度的第一时段的心电信号后,将第一时段的信贷你信号存储至数据缓存区,并对心电信号进行预处理。具体地,检测终端可以首先对获取的第一时段的心电信号进行滤波处理,滤除正常心电信号的噪声。检测终端对获取的心电信号进行滤波处理后,得到滤波后的心电信号。
检测终端进一步对滤波后的心电信号进行直方图转换处理。具体地,检测终端根据预设时域周期提取心电信号的峰值,根据预设时域周期对心电信号进行分区,得到多个时域区间和对应的峰值。
检测终端进一步对多个时域区间对应的峰值进行特征提取,提取出对应的幅值向量。检测终端进而根据多个时域区间和相应的幅值向量生成心电信号的直方图分布数据。直方图分布数据中包括了多个时域值和对应的幅值向量。
例如,心电信号的直方图分布数据的示意图可以如图3所示。检测终端将获取的第一时段的心电信号存储至数据缓存区后,可以每隔0.1秒提取一次对应的峰值,则根据该间隔划分多个时域区间,即每个时域区间为0.1秒。检测终端则对多个时域区间对应的峰值进行特征提取,提取出对应的幅值向量,进而利用多个时域区间和相应的幅值向量生成心电信号的直方图分布数据。其中,直方图分布数据的横轴坐标可以表示时域,纵轴坐标可以表示时域区间对应的幅值。通过将实时获取的心电信号的幅值转换为直方图分布数据,由此能够实时有效地将心电信号转换为便于数据处理的幅值数据,由此能够有效提高对心电信号进行处理和质量检测的效率。
在一个实施例中,如图4所示,根据信息熵和熵阈值计算心电信号的质量指数的步骤,具体包括一下内容:
步骤402,获取时域区间的周期频率和幅值向量。
步骤404,根据周期频率和幅值向量计算每个时域区间的概率分布值。
步骤406,根据多个时域区间的概率分布值计算心电信号的的信息熵。
步骤408,根据预设算法计算信息熵与熵阈值的质量比值,根据质量比值确定心电信号的质量指数。
检测终端获取预设长度的第一时段的心电信号后,对心电信号进行滤波处理和直方图矩阵转换,由此能够有效得到包括多个时域值和相应的幅值向量的直方图分布数据。终端根据时域值和幅值向量计算心电信号的信息熵,根据信息熵和熵阈值计算心电信号的质量指数。根据直方图分布数据可以快速有效地计算出心电信号的质量指数。
具体地,检测终端生成心电信号的直方图分布数据后,根据直方图分布数据中的多个时域值和对应的幅值向量计算心电信号的信息熵。具体地,时域值对应了时域区间和周期频率,检测终端根据周期频率和幅值向量计算每个时域区间的概率分布值,进而根据多个时域区间的概率分布值计算心电信号的的信息熵。
例如,计算心电数据的信息熵的公式可以为:
其中,X为心电信号的数据变量,n为心电信号的直方图分布数据所划分的多个时频区间的区间个数,Pi为时频区间对应的幅值。
检测终端计算出心电信号的信息熵后,则获取预设的初始的熵阈值,并根据信息熵和熵阈值计算心电信号的质量指数。具体地,检测终端可以计算心电信号的信息熵与预设的熵阈值的质量比值,根据质量比值按照预设算法确定心电信号的质量指数。其中,质量指数反应了心电信号的质量好坏程度,通过将质量指数与预设的质量阈值范围进行比较,能够快速地判断出此段心电信号的质量是否达标。
例如,检测终端计算出数据缓存区的心电信号的信息熵后,还可以直接将心电信号的信息熵与预设的熵阈值的大小进行比较,若心电信号的信息熵大于熵阈值,则表示第一时段的心电信号的质量较差。若心电信号的信息熵小于熵阈值,则表示该段心电信号的质量较好。若质量指数达到了质量阈值时,检测终端则直接将该段心电信号添加至目标信号组,以使得检测终端进一步对心电信号进行心率分析。通过根据直方图分布数据计算心电信号的质量指数,能够实时快速准确地检测出当前心电信号的质量指数,并快速地判断心电信号的质量是否存在异常和满足要求。
在一个实施例中,根据质量指数更新熵阈值的步骤包括:根据质量指数和熵阈值计算心电信号的当前质量权重;根据当前质量权重和信息熵计算更新系数;根据更新系数对熵阈值进行更新,得到更新熵阈值。
检测终端获取预设长度的第一时段的心电信号后,对心电信号进行滤波处理和直方图矩阵转换,由此能够有效得到包括多个时域值和相应的幅值向量的直方图分布数据。终端根据时域值和幅值向量计算心电信号的信息熵,根据信息熵和熵阈值计算心电信号的质量指数。
检测终端计算出第一时段的心电信号的质量指数后,将质量指数与预设的质量阈值进行比较,当质量指数未达到质量阈值时,表示第一时段的心电信号的质量较差,不符合对心电信号进行分析的标准,则需要重新获取下一时段的心电信号进行质量检测。
当质量指数未达到质量阈值时,检测终端则根据质量指数更新熵阈值。具体地址,检测终端根据质量指数和熵阈值计算心电信号的当前质量权重,并根据当前质量权重和信息熵计算更新系数。检测终端进而根据更新系数对熵阈值进行更新,得到更新熵阈值。
具体地,若数据缓冲区的心电信号的信息熵大于熵阈值,表示对应的质量指数达到质量阈值,此段心电信号的质量已达标,则熵阈值不更新。
若数据缓冲区的心电信号的信息熵小于熵阈值,表示对应的质量指数未达到质量阈值,此段心电信号的质量未达标,则需要更新当前的熵阈值,以进一步检测下一时段的心电信号的质量指数。
例如,计算更新熵阈值的公式可以如下:
(1)C1+C2=1
(2)H(X1)=H(X)×C1+H(X0)×C2
其中,C1和C2为更新系数,H(X1)为更新熵阈值,H(X)为数据缓存区的当前心电信号的信息熵,H(X0)为当前的熵阈值。
检测终端根据当前质量权重和信息熵计算出更新系数后,进而根据更新系数计算出相应的更新熵阈值。当检测出当前时段的心电信号的质量不达标时,通过更新熵阈值,并持续根据更新后的熵阈值对后续采集的心电信号进行质量检测,能够有效地结合测试者的历史心电信号进行质量检测,从而能够有效提高心电信号检测的准确性。
在一个实施例中,根据质量指数更新熵阈值之后,还包括:采集相邻第二时段的心电信号,对心电信号进行滤波处理和直方图矩阵转换,得到心电信号的直方图分布数据;根据时域值和幅值向量计算心电信号的信息熵;根据更新熵阈值和信息熵计算心电信号的质量指数;当质量指数未达到质量阈值时,根据质量指数更新熵阈值,并采集相邻区间的心电信号;持续利用更新熵阈值检测相邻区间的心电信号的质量指数;直到检测到质量指数满足质量阈值的心电信号时,停止采集心电信号,将相应区间的心电信号添加至目标信号组。
检测终端获取预设长度的第一时段的心电信号后,对心电信号进行滤波处理和直方图矩阵转换,由此能够有效得到包括多个时域值和相应的幅值向量的直方图分布数据。终端根据时域值和幅值向量计算心电信号的信息熵,根据信息熵和熵阈值计算心电信号的质量指数。根据直方图分布数据可以快速有效地计算出心电信号的质量指数。
当质量指数未达到质量阈值时,根据质量指数更新熵阈值。检测终端更新熵阈值后,删除数据缓存区的第一时段的心电信号,进而采集相邻第二时段的心电信号,并将采集的相邻心电信号存储至数据缓存区。检测终端则重复对相邻心电信号进行滤波处理和直方图矩阵转换,并利用更新熵阈值计算当前缓冲区的心电信号的质量指数,并判断质量指数是否达标的过程。
若质量指数仍未到质量阈值,检测终端则继续根据当前的更新熵阈值进一步对熵阈值进行更新,并以此循环获取并检测下一时段的心电信号的质量指数。
直到检测到某一时段的心电信号的质量指数达到质量阈值时,则获取该时段的心电信号,并将该时段段的心电信号添加至目标信号组,以使得检测终端进一步对心电信号进行心率分析。通过根据直方图分布数据计算心电信号的质量指数,若检测出当前时段的心电信号的质量不达标时,通过更新熵阈值,并持续根据更新后的熵阈值对后续采集的心电信号进行质量检测,能够有效地结合测试者的历史心电信号进行质量检测,从而能够有效提高心电信号检测的准确性。
在一个实施例中,如图5所示,该方法还包括对异常部分心电信号删除,具体包括以下步骤:
步骤502,当质量指数未达到质量阈值时,提取直方图分布数据中的多个时域区间和相应的幅值向量。
步骤504,根据预设指标和幅值向量对心电信号进行异常检测。
步骤506,当存在幅值向量未达到预设指标的直方图分布数据时,获取未达标的幅值向量对应时域区间的心电信号。
步骤508,检测时域区间的心电信号的异常类型,当异常类型为物理异常时,删除时域区间的心电信号。
检测终端获取预设长度的第一时段的心电信号后,对心电信号进行滤波处理和直方图矩阵转换,根据预设时域周期对心电信号进行分区,得到多个时域区间和对应的峰值。进而根据多个时域区间和相应的幅值向量生成心电信号的直方图分布数据。检测终端生成心电信号的直方图分布数据后,根据直方图分布数据中的多个时域值和对应的幅值向量计算心电信号的信息熵。获取预设的初始的熵阈值,并根据信息熵和熵阈值计算心电信号的质量指数。
检测终端计算出第一时段的心电信号的质量指数后,将质量指数与预设的质量阈值进行比较,当质量指数未达到质量阈值时,表示第一时段的心电信号的质量较差。其中,第一时段的心电信号的质量指数不达标时,可能存在此段心电信号中部分物理异常的心电信号。例如LL电极脱落脱落、LA和RA电极脱落、去基线漂移以及体位移动等异常情况,导致采集的心电信号存在物理异常。
进一步地,当质量指数未达到质量阈值时,检测终端提取直方图分布数据中的多个时域区间和相应的幅值向量,根据预设指标和幅值向量对心电信号进行异常检测。具体地,检测终端可以对幅值向量的数量以及幅值向量进行检测,当心电信号中某一段时域区间的相应的幅值向量,存在的向量指标超过预设指标时,表示该时域区间的心电信号存在异常。例如,当心电信号中某一段时域区间的相应的幅值向量,存在向量非零个数小于等于2个,向量大于0.005的个数大于向量长度*0.8,以及向量首尾末端的和大于等于0.7中的任意一种情况时,都表示该区间的心电信号存在异常。
当存在幅值向量未达到预设指标的直方图分布数据时,检测终端可以获取未达标的幅值向量对应时域区间的心电信号。检测时域区间的心电信号的异常类型,当异常类型为物理异常时,可以只删除物理异常部分的时域区间的心电信号。则可以保留正常部分时域区间对应的心电数据。
当第一时段的心电信号的整体质量指数未达标时,通过进一步检测部分物理异常的心电信号,并将物理异常部分对应的时域区间的心电信号删除,则可以保留正常部分时域区间对应的心电数据,以减少另外去采集预设长度的心电信号的能耗,从而能够有效提高心电信号质量检测的效率。
在一个实施例中,当检测到物理异常的心电信号,并删除对应时域区间的心电信号后,该方法还包括:获取剩余时域区间的心电信号,将剩余时域区间的心电信号添加至目标信号组,并检测目标信号组的信号长度;持续采集相邻第二时段的心电信号,重复对相邻心电信号进行滤波处理和直方图矩阵转换以及质量检测的步骤;直到目标信号组的信号长度达到预设长度时,则停止采集心电信号,并对目标信号组的心电信号进行心率分析。
检测终端获取预设长度的第一时段的心电信号后,对心电信号进行滤波处理和直方图矩阵转换,由此能够有效得到包括多个时域值和相应的幅值向量的直方图分布数据。终端根据时域值和幅值向量计算心电信号的信息熵,根据信息熵和熵阈值计算心电信号的质量指数。根据直方图分布数据可以快速有效地计算出心电信号的质量指数。
当质量指数未达到质量阈值时,检测终端进一步提取直方图分布数据中的多个时域区间和相应的幅值向量,根据预设指标和幅值向量对心电信号进行异常检测。当存在幅值向量未达到预设指标的直方图分布数据时,获取未达标的幅值向量对应时域区间的心电信号,检测时域区间的心电信号的异常类型,当异常类型为物理异常时,删除时域区间的心电信号。
进一步地,检测终端则获取剩余时域区间的心电信号,并将剩余时域区间的心电信号添加至目标信号组。检测终端进一步检测目标信号组的信号长度,若目标信号组的信号长度未达到预设长度时,检测终端则持续采集相邻第二时段的心电信号,并重复对相邻心电信号进行质量检测以及异常检测和异常信号删除的过程。
目标信号组中的心电信号表示用于心率分析等处理的标准正常心电信号。若目标信号组的信号长度仍未达到预设长度,检测终端则持续循环根据当前的更新熵阈值进一步对检测下一时段的心电信号的质量指数,以及异常检测和异常信号删除。
直到目标信号组的信号长度达到预设长度时,则停止采集心电信号,以使得检测终端进一步对心电信号进行心率分析。通过在心电信号的整体质量指数未达标时,进一步检测部分物理异常的心电信号,并将物理异常部分对应的时域区间的心电信号删除,则可以保留正常部分时域区间对应的心电数据,以减少另外去采集预设长度的心电信号的能耗,从而能够有效提高心电信号质量检测的效率。
应该理解的是,虽然图2-5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2-5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6所示,提供了一种心电信号质量检测装置,包括:信号采集模块602、直方图转换模块604、质量检测模块606、熵阈值更新模块608和信号选取模块610,其中:
信号采集模块602,用于获取预设长度的第一时段的心电信号;
直方图转换模块604,用于对心电信号进行滤波处理和直方图矩阵转换,得到包括多个时域值和相应的幅值向量的直方图分布数据;
质量检测模块606,用于根据时域值和所述幅值向量计算心电信号的信息熵;获取熵阈值,根据信息熵和所述熵阈值计算心电信号的质量指数;
熵阈值更新模块608,用于当质量指数未达到质量阈值时,根据质量指数更新熵阈值,并采集相邻第二时段的心电信号;
信号选取模块610,用于重复对相邻心电信号进行滤波处理和直方图矩阵转换的步骤;直到质量指数满足质量阈值时,获取质量指数对应的心电信号,将心电信号添加至目标信号组。
在一个实施例中,直方图转换模块604还用于根据预设时域周期提取心电信号的峰值;根据预设时域周期对心电信号进行分区,得到多个时域区间和对应的峰值;对多个时域区间对应的峰值进行特征提取,提取出对应的幅值向量;根据多个时域区间和相应的幅值向量生成心电信号的直方图分布数据。
在一个实施例中,质量检测模块606还用于获取时域区间的周期频率和幅值向量;根据周期频率和幅值向量计算每个时域区间的概率分布值;根据多个时域区间的概率分布值计算心电信号的的信息熵;根据预设算法计算信息熵与熵阈值的质量比值,根据质量比值确定心电信号的质量指数。
在一个实施例中,熵阈值更新模块608还用于根据质量指数和熵阈值计算心电信号的当前质量权重;根据当前质量权重和信息熵计算更新系数;根据更新系数对熵阈值进行更新,得到更新熵阈值。
在一个实施例中,信号采集模块602还用于采集相邻第二时段的心电信号,直方图转换模块604还用于对心电信号进行滤波处理和直方图矩阵转换,得到心电信号的直方图分布数据;质量检测模块606还用于根据时域值和幅值向量计算心电信号的信息熵;根据更新熵阈值和信息熵计算心电信号的质量指数;当质量指数未达到质量阈值时,根据质量指数更新熵阈值,并采集相邻区间的心电信号;持续利用更新熵阈值检测相邻区间的心电信号的质量指数;信号选取模块610还用于直到检测到质量指数满足质量阈值的心电信号时,停止采集心电信号,将相应区间的心电信号添加至目标信号组。
在一个实施例中,该装置还包括物理异常检测模块,用于当质量指数未达到质量阈值时,提取直方图分布数据中的多个时域区间和相应的幅值向量;根据预设指标和幅值向量对心电信号进行异常检测;当存在幅值向量未达到预设指标的直方图分布数据时,获取未达标的幅值向量对应时域区间的心电信号;检测时域区间的心电信号的异常类型,当异常类型为物理异常时,删除时域区间的心电信号。
在一个实施例中,信号选取模块610还用于获取剩余时域区间的心电信号,将所述剩余时域区间的心电信号添加至目标信号组,并检测目标信号组的信号长度;质量检测模块606还用于持续采集相邻第二时段的心电信号,重复对相邻心电信号进行滤波处理和直方图矩阵转换以及质量检测的步骤;信号选取模块610还用于直到目标信号组的信号长度达到预设长度时,则停止采集心电信号,并对目标信号组的心电信号进行心率分析。
关于心电信号质量检测装置的具体限定可以参见上文中对于心电信号质量检测方法的限定,在此不再赘述。上述心电信号质量检测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检测终端,其内部结构图可以如图7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、网络接口和数据库。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、计算机程序和数据库。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。该计算机设备的数据库用于存储心电信号、熵阈值等数据。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本申请任意一个实施例中提供的心电信号质量检测方法的步骤。
本领域技术人员可以理解,图7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本申请任意一个实施例中提供的心电信号质量检测方法的步骤。
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)
1.一种心电信号质量检测方法,所述方法包括:
获取预设长度的第一时段的心电信号;
对所述心电信号进行滤波处理和直方图矩阵转换,得到包括多个时域值和相应的幅值向量的直方图分布数据;
根据所述时域值和所述幅值向量计算所述心电信号的信息熵;
获取熵阈值,根据所述信息熵和所述熵阈值计算所述心电信号的质量指数;
当所述质量指数未达到质量阈值时,根据所述质量指数更新熵阈值,并采集相邻第二时段的心电信号;
重复对相邻心电信号进行滤波处理和直方图矩阵转换的步骤;
直到质量指数满足质量阈值时,获取所述质量指数对应的心电信号,将所述心电信号添加至目标信号组。
2.根据权利要求1所述的方法,其特征在于,所述对所述心电信号进行直方图矩阵转换的步骤包括:
根据预设时域周期提取所述心电信号的峰值;
根据所述预设时域周期对所述心电信号进行分区,得到多个时域区间和对应的峰值;
对多个时域区间对应的峰值进行特征提取,提取出对应的幅值向量;
根据所述多个时域区间和相应的幅值向量生成所述心电信号的直方图分布数据。
3.根据权利要求2所述的方法,其特征在于,所述根据所述信息熵和所述熵阈值计算所述心电信号的质量指数的步骤包括:
获取时域区间的周期频率和幅值向量;
根据所述周期频率和所述幅值向量计算每个时域区间的概率分布值;
根据所述多个时域区间的概率分布值计算所述心电信号的的信息熵;
根据预设算法计算所述信息熵与所述熵阈值的质量比值,根据所述质量比值确定所述心电信号的质量指数。
4.根据权利要求1所述的方法,其特征在于,所述根据所述质量指数更新熵阈值的步骤包括:
根据所述质量指数和所述熵阈值计算所述心电信号的当前质量权重;
根据所述当前质量权重和所述信息熵计算更新系数;
根据所述更新系数对所述熵阈值进行更新,得到更新熵阈值。
5.根据权利要求4所述的方法,其特征在于,在根据所述质量指数更新熵阈值之后,还包括:
采集相邻第二时段的心电信号,对所述心电信号进行滤波处理和直方图矩阵转换,得到所述心电信号的直方图分布数据;
根据所述时域值和所述幅值向量计算所述心电信号的信息熵;
根据所述更新熵阈值和所述信息熵计算所述心电信号的质量指数;
当所述质量指数未达到质量阈值时,根据所述质量指数更新熵阈值,并采集相邻区间的心电信号;
持续利用所述更新熵阈值检测相邻区间的心电信号的质量指数;
直到检测到质量指数满足质量阈值的心电信号时,停止采集心电信号,将相应区间的心电信号添加至目标信号组。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述质量指数未达到质量阈值时,提取所述直方图分布数据中的多个时域区间和相应的幅值向量;
根据预设指标和所述幅值向量对所述心电信号进行异常检测;
当存在幅值向量未达到所述预设指标的直方图分布数据时,获取未达标的幅值向量对应时域区间的心电信号;
检测所述时域区间的心电信号的异常类型,当所述异常类型为物理异常时,删除所述时域区间的心电信号。
7.根据权利要求6所述的方法,其特征在于,当检测到物理异常的心电信号,并删除对应时域区间的心电信号后,所述方法还包括:
获取剩余时域区间的心电信号,将所述剩余时域区间的心电信号添加至目标信号组,并检测目标信号组的信号长度;
持续采集相邻第二时段的心电信号,重复对相邻心电信号进行滤波处理和直方图矩阵转换以及质量检测的步骤;
直到所述目标信号组的信号长度达到预设长度时,则停止采集心电信号,并对所述目标信号组的心电信号进行心率分析。
8.一种心电信号质量检测装置,所述装置包括:
信号采集模块,用于获取预设长度的第一时段的心电信号;
直方图转换模块,用于对所述心电信号进行滤波处理和直方图矩阵转换,得到包括多个时域值和相应的幅值向量的直方图分布数据;
质量检测模块,用于根据所述时域值和所述幅值向量计算所述心电信号的信息熵;获取熵阈值,根据所述信息熵和所述熵阈值计算所述心电信号的质量指数;
熵阈值更新模块,用于当所述质量指数未达到质量阈值时,根据所述质量指数更新熵阈值,并采集相邻第二时段的心电信号;
信号选取模块,用于重复对相邻心电信号进行滤波处理和直方图矩阵转换的步骤;直到质量指数满足质量阈值时,获取所述质量指数对应的心电信号,将所述心电信号添加至目标信号组。
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 |
---|---|---|---|
CN201910496476.1A CN110179451B (zh) | 2019-06-10 | 2019-06-10 | 心电信号质量检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910496476.1A CN110179451B (zh) | 2019-06-10 | 2019-06-10 | 心电信号质量检测方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110179451A true CN110179451A (zh) | 2019-08-30 |
CN110179451B CN110179451B (zh) | 2021-10-29 |
Family
ID=67720977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910496476.1A Active CN110179451B (zh) | 2019-06-10 | 2019-06-10 | 心电信号质量检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110179451B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112671376A (zh) * | 2020-12-16 | 2021-04-16 | Oppo(重庆)智能科技有限公司 | 信号的削波检测方法、装置、终端和计算机可读存储介质 |
CN115868940A (zh) * | 2023-02-27 | 2023-03-31 | 安徽通灵仿生科技有限公司 | 一种基于iabp的生理信号质量评估方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102469949A (zh) * | 2009-07-13 | 2012-05-23 | 皇家飞利浦电子股份有限公司 | 运动人为噪声减少的电生理学测量 |
CN102512158A (zh) * | 2011-12-31 | 2012-06-27 | 济南汇医融工科技有限公司 | 一种基于高维模糊识别的心电信号质量评估方法和装置 |
RU2011140969A (ru) * | 2011-10-07 | 2013-04-20 | Ирина Васильевна Мухина | Способ исследования вариабельности ритма сердца |
CN103454528A (zh) * | 2013-08-30 | 2013-12-18 | 华南理工大学 | 基于形态奇异熵的电力系统元件故障检测及识别方法 |
US20140180044A1 (en) * | 2012-12-22 | 2014-06-26 | Covidien Lp | Methods and systems for determining signal quality of a physiological signal |
CN104698091A (zh) * | 2015-03-13 | 2015-06-10 | 哈尔滨工程大学 | 一种基于量化信息熵的一维构件应力波信号奇异点检测的方法 |
CN105559771A (zh) * | 2014-10-09 | 2016-05-11 | 中国移动通信集团公司 | 一种心电信号质量检测的方法及装置 |
CN107616782A (zh) * | 2017-09-06 | 2018-01-23 | 郑州云海信息技术有限公司 | 一种心电信号质量检测方法与装置 |
CN108523873A (zh) * | 2018-01-31 | 2018-09-14 | 北京理工大学 | 基于分数阶傅里叶变换和信息熵的心电信号特征提取方法 |
CN108992063A (zh) * | 2018-07-06 | 2018-12-14 | 四川斐讯信息技术有限公司 | 一种心电信号的质量判断方法及系统 |
-
2019
- 2019-06-10 CN CN201910496476.1A patent/CN110179451B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102469949A (zh) * | 2009-07-13 | 2012-05-23 | 皇家飞利浦电子股份有限公司 | 运动人为噪声减少的电生理学测量 |
RU2011140969A (ru) * | 2011-10-07 | 2013-04-20 | Ирина Васильевна Мухина | Способ исследования вариабельности ритма сердца |
CN102512158A (zh) * | 2011-12-31 | 2012-06-27 | 济南汇医融工科技有限公司 | 一种基于高维模糊识别的心电信号质量评估方法和装置 |
US20140180044A1 (en) * | 2012-12-22 | 2014-06-26 | Covidien Lp | Methods and systems for determining signal quality of a physiological signal |
CN103454528A (zh) * | 2013-08-30 | 2013-12-18 | 华南理工大学 | 基于形态奇异熵的电力系统元件故障检测及识别方法 |
CN105559771A (zh) * | 2014-10-09 | 2016-05-11 | 中国移动通信集团公司 | 一种心电信号质量检测的方法及装置 |
CN104698091A (zh) * | 2015-03-13 | 2015-06-10 | 哈尔滨工程大学 | 一种基于量化信息熵的一维构件应力波信号奇异点检测的方法 |
CN107616782A (zh) * | 2017-09-06 | 2018-01-23 | 郑州云海信息技术有限公司 | 一种心电信号质量检测方法与装置 |
CN108523873A (zh) * | 2018-01-31 | 2018-09-14 | 北京理工大学 | 基于分数阶傅里叶变换和信息熵的心电信号特征提取方法 |
CN108992063A (zh) * | 2018-07-06 | 2018-12-14 | 四川斐讯信息技术有限公司 | 一种心电信号的质量判断方法及系统 |
Non-Patent Citations (8)
Title |
---|
MUYAO YU等: "《A Novel Interference Suppression Method for Interrupted Sampling Repeater Jamming Based on Singular Spectrum Entropy Function》", 《SENSORS》 * |
YANJUN LI等: "《Grid mapping: a novel method of signal quality evaluation on a single lead electrocardiogram》", 《AUSTRALAS PHYS ENG SCI MED》 * |
YATAO ZHANG等: "《Performance Analysis of Multiscale Entropy for the Assessment of ECG Signal Quality》", 《JOURNAL OF ELECTRICAL AND COMPUTER ENGINEERING》 * |
YU CHEN等: "《ECG QUALITY EVALUATION BASED ON WAVELET MULTI-SCALE ENTROPY》", 《JOURNAL OF THEORETICAL AND APPLIED INFORMATION TECHNOLOGY》 * |
박 대 철等: "《Encounter of Lattice-type coding with Wiener’s MMSE and Shannon’sInformation-Theoretic Capacity Limits in Quantity and Quality of Signal Transmission》", 《JOURNAL OF THE INSTITUTE OF ELECTRONICS ENGINEERS OF KOREA》 * |
寇明春: "《心电信号质量评估方法研究》", 《信息科技辑》 * |
李婷: "《动态心电信号质量评估及干扰分析研究》", 《医药卫生科技辑》 * |
龙玉涛: "《基于熵测度的移动条件下十二通道心电信号质量评估》", 《医药卫生科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112671376A (zh) * | 2020-12-16 | 2021-04-16 | Oppo(重庆)智能科技有限公司 | 信号的削波检测方法、装置、终端和计算机可读存储介质 |
CN112671376B (zh) * | 2020-12-16 | 2022-12-06 | Oppo(重庆)智能科技有限公司 | 信号的削波检测方法、装置、终端和计算机可读存储介质 |
CN115868940A (zh) * | 2023-02-27 | 2023-03-31 | 安徽通灵仿生科技有限公司 | 一种基于iabp的生理信号质量评估方法及装置 |
CN115868940B (zh) * | 2023-02-27 | 2023-05-26 | 安徽通灵仿生科技有限公司 | 一种基于iabp的生理信号质量评估方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110179451B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109171712B (zh) | 心房颤动识别方法、装置、设备及计算机可读存储介质 | |
Liu et al. | Arrhythmia classification of LSTM autoencoder based on time series anomaly detection | |
CN107837082A (zh) | 基于人工智能自学习的心电图自动分析方法和装置 | |
CN111990989A (zh) | 一种基于生成对抗及卷积循环网络的心电信号识别方法 | |
CN110384482A (zh) | 心电信号分类方法、装置、计算机设备和存储介质 | |
US9940741B2 (en) | Delay coordinate analysis of periodic data | |
KR101910982B1 (ko) | 개인화된 생체 신호 패턴을 이용한 생체 신호의 동잡음 제거 방법 및 장치 | |
CN103690156A (zh) | 一种心率获取方法及心电信号的处理方法 | |
CN110420019A (zh) | 一种心冲击图信号的深度回归心率估计方法 | |
CN114041786B (zh) | 心冲击图信号的检测方法、装置以及设备 | |
CN108403107B (zh) | 一种心律失常判别方法及系统 | |
CN109124620A (zh) | 一种房颤检测方法、装置及设备 | |
CN111345816A (zh) | 多导联qrs波群检测方法、装置、设备及存储介质 | |
US20180132744A1 (en) | Systems and methods for physiological sign analysis | |
CN109887594A (zh) | 一种基于modwt和tdcnn的多导联心律失常智能诊断方法 | |
CN108309284A (zh) | 心电图t波终点检测方法和装置 | |
CN110179451A (zh) | 心电信号质量检测方法、装置、计算机设备和存储介质 | |
CN109452938A (zh) | 一种基于多尺度多重分形的hfecg信号特征频率检测方法 | |
CN106974640A (zh) | 一种远程心脏监测系统 | |
CN110897629A (zh) | 基于深度学习算法的心电特征提取方法、装置、系统、设备和分类方法 | |
Barman et al. | Rough set based segmentation and classification model for ECG | |
CN106974644A (zh) | 一种心电图r波检测方法以及系统 | |
CN112842355B (zh) | 基于深度学习目标检测的心电信号心搏检测识别方法 | |
CN114366060A (zh) | 一种基于心率变异性的健康预警方法、装置及电子设备 | |
CN110226918B (zh) | 心电信号类型检测方法、装置、计算机设备及存储介质 |
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 |