CN110353664A - 心电图pqrst波分段方法及系统 - Google Patents

心电图pqrst波分段方法及系统 Download PDF

Info

Publication number
CN110353664A
CN110353664A CN201910674668.7A CN201910674668A CN110353664A CN 110353664 A CN110353664 A CN 110353664A CN 201910674668 A CN201910674668 A CN 201910674668A CN 110353664 A CN110353664 A CN 110353664A
Authority
CN
China
Prior art keywords
template
pqrst
measured
distance
electrocardiographic wave
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
Application number
CN201910674668.7A
Other languages
English (en)
Other versions
CN110353664B (zh
Inventor
张恒贵
刘新
宋伟
魏明伦
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.)
Shandong Kaidi Taike Intelligent System Co Ltd
Original Assignee
Shandong Kaidi Taike Intelligent System 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 Shandong Kaidi Taike Intelligent System Co Ltd filed Critical Shandong Kaidi Taike Intelligent System Co Ltd
Priority to CN201910674668.7A priority Critical patent/CN110353664B/zh
Publication of CN110353664A publication Critical patent/CN110353664A/zh
Application granted granted Critical
Publication of CN110353664B publication Critical patent/CN110353664B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/35Detecting specific parameters of the electrocardiograph cycle by template matching
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/366Detecting abnormal QRS complex, e.g. widening

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

本发明公开了一种心电图PQRST波分段方法及系统,所述方法包括:从心电图图谱库中获取多种典型的心电图波形模板,并对各个心电图波形模板进行PQRST界限标注;将各个心电图波形模板转化为在时间‑电压幅度二维平面上等距离分布的数据格式;测量待测PQRST波形与各个心电图波形模板之间的形状上下文距离;选取各个形状上下文距离中距离最小者对应的心电图波形模板,将其作为目标模板;将目标模板与待测PQRST波形对齐,将目标模板中的PQRST界限标注直接应用在待测PQRST波形上,作为待测PQRST波形的分段结果。本发明能够对分界线非常模糊、边界十分不明显的心电图波形进行分段处理,不仅操作简单,而且能够有效减少误差。

Description

心电图PQRST波分段方法及系统
技术领域
本发明涉及心电图处理技术领域,特别是涉及一种心电图PQRST波分段方法及系统。
背景技术
心电图PQRST(心电图的五个基本波)波形数据的采集及PQRST波的分段是医生诊断心脏病疾患的重要辅助手段和参考信息。在医学心电图测量和分析领域,对PQRST波段的识别是一个重要问题,对于许多心电图特征,例如PQ间期、QRS波群宽度、R波幅值等参数的测量问题上,能否准确切分P-Q-R-S-T将直接决定这些参数的测量准确性。
在一个标准的、正常的心电图波形上,进行PQRST分段相对容易,因为它们之间有着明确的界限和定义。但是在异常的心电图波形上,各波之间的界限模糊,采用传统的斜率法进行分段,一方面操作困难,另一方面会产生很大的误差。
发明内容
为此,本发明的一个目的在于提出一种心电图PQRST波分段方法,以解决现有技术在对异常的心电图波形进行分段时操作困难、误差大的问题。
一种心电图PQRST波分段方法,所述方法包括:
从心电图图谱库中获取多种典型的心电图波形模板,并对各个心电图波形模板进行PQRST界限标注;
将各个心电图波形模板转化为在时间-电压幅度二维平面上等距离分布的数据格式;
测量待测PQRST波形与各个心电图波形模板之间的形状上下文距离;
选取各个形状上下文距离中距离最小者对应的心电图波形模板,将其作为目标模板;
将目标模板与待测PQRST波形对齐,将目标模板中的PQRST界限标注直接应用在待测PQRST波形上,作为待测PQRST波形的分段结果。
根据本发明提供的心电图PQRST波分段方法,首先对多种心电图波形模板进行PQRST界限标注,然后将模板转化为在时间-电压幅度二维平面上等距离分布的数据格式,在对测量待测PQRST波形进行分段时,测量其与各个心电图波形模板之间的形状上下文距离,选取距离最小者对应的心电图波形模板作为目标模板,最后直接套用该目标模板的PQRST界限标注即可实现分段,该方法能够对分界线非常模糊、边界十分不明显的心电图波形进行分段处理,不仅操作简单,而且能够有效减少误差,如果需要进行修正,只需要制作并添加新的波形模板即可,波形模板的制作过程很容易实现。此外,本发明充分考虑到心电图采集时的连续波形,不依赖于周期分段,对于某些QRS波群不明显的波形,依旧可以进行准确的分段处理。
另外,根据本发明上述的心电图PQRST波分段方法,还可以具有如下附加的技术特征:
进一步地,将各个心电图波形模板转化为在时间-电压幅度二维平面上等距离分布的数据格式的步骤中:
等距离分布数据为电压和时间两个方向上的综合距离,计算公式为:
进一步地,测量待测PQRST波形与各个心电图波形模板之间的形状上下文距离的步骤中:
形状上下文距离为像素点邻域内的其他像素点的分布情况,样本的数据格式为点的对数极坐标的集合,首先,点的形状信息由所有其他点与之形成的相对向量集表示,并划分成若干扇形区域,然后统计落在这些扇形区域中的其他点的数量,形成形状上下文特征向量;
第一个形状中的点pi与第二个形状中的点qi之间的距离定义为Cij,采用下式测试两个形状之间的相似程度,计算结果是一个N×N的矩阵,称为cost矩阵;
Cij随着pi与qi的对应关系而变化,采用下式计算出一个最优匹配,使整体代价Cij最小;
H(π)=∑iC(pi,qπ(i))
最小化的结果为两个形状之间的代价cost值,也即两个形状之间的形状上下文距离。
进一步地,测量待测PQRST波形与各个心电图波形模板之间的形状上下文距离的步骤之后,所述方法还包括:
采用滑动窗口机制对形状上下文距离进行优化,具体包括:
截取等长的数据片段来计算两个不同长度样本之间的距离;
取相似度最大值,作为两组对象的比较结果,其中,对cost值做归一化之后,取(1-cost)作为相似度。
进一步地,在滑动过程中,若待测数据的长度超过标准组数据,则使用标准组数据在待测数据上滑动。
本发明的另一个目的在于提出一种心电图PQRST波分段系统,以解决现有技术在对异常的心电图波形进行分段时操作困难、误差大的问题。
一种心电图PQRST波分段系统,所述系统包括:
获取模块,用于从心电图图谱库中获取多种典型的心电图波形模板,并对各个心电图波形模板进行PQRST界限标注;
转化模块,用于将各个心电图波形模板转化为在时间-电压幅度二维平面上等距离分布的数据格式;
测量模块,用于测量待测PQRST波形与各个心电图波形模板之间的形状上下文距离;
选取模块,用于选取各个形状上下文距离中距离最小者对应的心电图波形模板,将其作为目标模板;
分段模块,用于将目标模板与待测PQRST波形对齐,将目标模板中的PQRST界限标注直接应用在待测PQRST波形上,作为待测PQRST波形的分段结果。
根据本发明提供的心电图PQRST波分段系统,首先获取模块对多种心电图波形模板进行PQRST界限标注,然后转化模块将模板转化为在时间-电压幅度二维平面上等距离分布的数据格式,在对测量待测PQRST波形进行分段时,通过测量模块测量其与各个心电图波形模板之间的形状上下文距离,选取模块选取距离最小者对应的心电图波形模板作为目标模板,最后分段模块直接套用该目标模板的PQRST界限标注即可实现分段,该方法能够对分界线非常模糊、边界十分不明显的心电图波形进行分段处理,不仅操作简单,而且能够有效减少误差,如果需要进行修正,只需要制作并添加新的波形模板即可,波形模板的制作过程很容易实现。此外,本发明充分考虑到心电图采集时的连续波形,不依赖于周期分段,对于某些QRS波群不明显的波形,依旧可以进行准确的分段处理。
另外,根据本发明上述的心电图PQRST波分段系统,还可以具有如下附加的技术特征:
进一步地,所述转化模块中,等距离分布数据为电压和时间两个方向上的综合距离,计算公式为:
进一步地,述测量模块中:
形状上下文距离为像素点邻域内的其他像素点的分布情况,样本的数据格式为点的对数极坐标的集合,首先,点的形状信息由所有其他点与之形成的相对向量集表示,并划分成若干扇形区域,然后统计落在这些扇形区域中的其他点的数量,形成形状上下文特征向量;
第一个形状中的点pi与第二个形状中的点qi之间的距离定义为Cij,采用下式测试两个形状之间的相似程度,计算结果是一个N×N的矩阵,称为cost矩阵;
Cij随着pi与qi的对应关系而变化,采用下式计算出一个最优匹配,使整体代价Cij最小;
H(π)=∑iC(pi,qπ(i))
最小化的结果为两个形状之间的代价cost值,也即两个形状之间的形状上下文距离。
进一步地,所述系统还包括:
优化模块,用于采用滑动窗口机制对形状上下文距离进行优化,所述优化模块具体用于:
截取等长的数据片段来计算两个不同长度样本之间的距离;
取相似度最大值,作为两组对象的比较结果,其中,对cost值做归一化之后,取(1-cost)作为相似度。
进一步地,在滑动过程中,若待测数据的长度超过标准组数据,则使用标准组数据在待测数据上滑动。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实施例了解到。
附图说明
本发明实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明第一实施例的心电图PQRST波分段方法的流程图;
图2是某型ST段墓碑状心电图模板分段图;
图3是某型T波低平心电图模板分段图;
图4是某型大致正常心电图模板分段图;
图5是某型室性传导阻滞心电图模板分段图;
图6是某型室性心搏心电图模板分段图;
图7a是传统心电图波形分布示意图;
图7b是本发明提出的等距离分布心电图波形分布示意图的对比;
图8是将目标模板的分段结果与某待测PQRST波形对齐的示意图;
图9是滑动窗口机制示意图;
图10是根据本发明第二实施例的心电图PQRST波分段系统的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明第一实施例提供的心电图PQRST波分段方法,包括步骤S101~S105:
S101,从心电图图谱库中获取多种典型的心电图波形模板,并对各个心电图波形模板进行PQRST界限标注;
其中,可以从现有的心电图图谱库中提取n种(例如n=30)典型的心电图波形,作为典型的心电图波形模板,每一种典型的波形可以取一张,然后通过手工方法在这些模板上标注出PQRST的界限,如图2至图6,一共有5种典型的波形,在这5种典型的波形上分别标注出了PQRST的界限,由于这些模板是典型的心电图波形,很容易标注出PQRST的界限,具体实施时,可以将标注好的心电图波形模板存储在计算机中。
S102,将各个心电图波形模板转化为在时间-电压幅度二维平面上等距离分布的数据格式;
其中,请参阅图7a,传统技术中,标准的心电图采样点是根据时间轴等距离分布的,在横坐标(时间轴)上是等距离分布的,即均匀采样,例如每秒钟采样500点,则每隔20ms采样一个数据点,每两个点之间的时间差是固定值。
请参阅图7b,本发明提出的等距离分布则要考虑电压(纵坐标)和时间(横坐标)两个方向上的综合距离,具体的,在将各个心电图波形模板转化为在时间-电压幅度二维平面上等距离分布的数据格式的步骤中:
等距离分布数据为电压和时间两个方向上的综合距离,计算公式为:
等距离分布数据实质是心电图图纸上的平面距离。
S103,测量待测PQRST波形与各个心电图波形模板之间的形状上下文距离;
其中,形状上下文距离(Shape Context Cost)为像素点邻域内的其他像素点的分布情况,样本的数据格式为点的对数极坐标的集合,首先,点的形状信息由所有其他点与之形成的相对向量集表示,并划分成若干扇形区域,然后统计落在这些扇形区域中的其他点的数量,形成形状上下文特征向量;
第一个形状中的点pi与第二个形状中的点qi之间的距离定义为Cij,采用下式测试两个形状之间的相似程度,计算结果是一个N×N的矩阵,称为cost矩阵;
Cij随着pi与qi的对应关系而变化,采用下式计算出一个最优匹配,使整体代价Cij最小;
H(π)=∑iC(pi,qπ(i))
最小化的结果为两个形状之间的代价cost值(即Shape Context Cost值,简称cost值),也即两个形状之间的形状上下文距离。
S104,选取各个形状上下文距离中距离最小者对应的心电图波形模板,将其作为目标模板;
其中,将待测波形与n个标准模板比较之后,形成n个形状上下文距离。选择其中形状上下文距离最小的一个模板,说明待测波形的形状与此模板最为相似,作为目标模板。
S105,将目标模板与待测PQRST波形对齐,将目标模板中的PQRST界限标注直接应用在待测PQRST波形上,作为待测PQRST波形的分段结果。
其中,请参阅图8,将目标模板的分段结果与某待测PQRST波形对齐的示意图。
此外,由于心电图是一个连续的波形,当待测心电图信号截取的区间与模板截取的区间有差别时,这时计算出来的形状上下文距离是不准确的,作为一个具体示例,本实施例中,在步骤S103,测量待测PQRST波形与各个心电图波形模板之间的形状上下文距离之后,所述方法还包括:
采用滑动窗口机制对形状上下文距离进行优化,具体包括:
截取等长的数据片段来计算两个不同长度样本之间的距离;
取相似度最大值,作为两组对象的比较结果,其中,对cost值做归一化之后,即把cost的值压缩到0到1区间,取(1-cost)作为相似度。这样cost越接近于1,(1-cost)就越小。
为了消除样本的相位差带来的影响,本发明采用滑动方式对两个波形样本进行比较。在滑动过程中,cost值先下降后上升。取最小cost值作为最终结果。如果两样本比较接近,则最小cost值较小。如果两样本有差距,则最终cost值不会太小。
本发明采用滑动窗口机制,截取等长的数据片段来计算两个不同长度样本之间的距离。一般来说模板数据中的的标准组数据更长,那么就用待测组数据在标准组数据上滑动。如果待测数据的长度超过标准组数据,那么就用标准组数据在待测数据上滑动。如图9所示,在滑动窗口上进行距离计算所得出的结果实际上是一条相似度曲线。然后取相似度最大值,作为两组对象的比较结果。简单的说即Ssc等于两者最大相似度。在实际工程中可以使用抽样算法动态调整数据窗口的跳跃间距,以加快计算速度。
采用上述的滑动窗口机制,对待测波形进行精确匹配,可以得到更准确的形状上下文距离。
根据本实施例的心电图PQRST波分段方法,首先对多种心电图波形模板进行PQRST界限标注,然后将模板转化为在时间-电压幅度二维平面上等距离分布的数据格式,在对测量待测PQRST波形进行分段时,测量其与各个心电图波形模板之间的形状上下文距离,选取距离最小者对应的心电图波形模板作为目标模板,最后直接套用该目标模板的PQRST界限标注即可实现分段,该方法能够对分界线非常模糊、边界十分不明显的心电图波形进行分段处理,不仅操作简单,而且能够有效减少误差,如果需要进行修正,只需要制作并添加新的波形模板即可,波形模板的制作过程很容易实现。此外,本发明充分考虑到心电图采集时的连续波形,不依赖于周期分段,对于某些QRS波群不明显的波形,依旧可以进行准确的分段处理。
请参阅图10,本发明第二实施例提出的心电图PQRST波分段系统,所述系统包括:
获取模块10,用于从心电图图谱库中获取多种典型的心电图波形模板,并对各个心电图波形模板进行PQRST界限标注;
转化模块20,用于将各个心电图波形模板转化为在时间-电压幅度二维平面上等距离分布的数据格式;
测量模块30,用于测量待测PQRST波形与各个心电图波形模板之间的形状上下文距离;
选取模块40,用于选取各个形状上下文距离中距离最小者对应的心电图波形模板,将其作为目标模板;
分段模块50,用于将目标模板与待测PQRST波形对齐,将目标模板中的PQRST界限标注直接应用在待测PQRST波形上,作为待测PQRST波形的分段结果。
具体的,所述转化模块20中,等距离分布数据为电压和时间两个方向上的综合距离,计算公式为:
具体的,所述测量模块30中:
形状上下文距离为像素点邻域内的其他像素点的分布情况,样本的数据格式为点的对数极坐标的集合,首先,点的形状信息由所有其他点与之形成的相对向量集表示,并划分成若干扇形区域,然后统计落在这些扇形区域中的其他点的数量,形成形状上下文特征向量;
第一个形状中的点pi与第二个形状中的点qi之间的距离定义为Cij,采用下式测试两个形状之间的相似程度,计算结果是一个N×N的矩阵,称为cost矩阵;
Cij随着pi与qi的对应关系而变化,采用下式计算出一个最优匹配,使整体代价Cij最小;
H(π)=∑iC(pi,qπ(i))
最小化的结果为两个形状之间的代价cost值,也即两个形状之间的形状上下文距离。
具体的,所述系统还包括:
优化模块60,用于采用滑动窗口机制对形状上下文距离进行优化,所述优化模块具体用于:
截取等长的数据片段来计算两个不同长度样本之间的距离;
取相似度最大值,作为两组对象的比较结果。
其中,在滑动过程中,若待测数据的长度超过标准组数据,则使用标准组数据在待测数据上滑动。
根据本实施例提供的心电图PQRST波分段系统,首先获取模块10对多种心电图波形模板进行PQRST界限标注,然后转化模块20将模板转化为在时间-电压幅度二维平面上等距离分布的数据格式,在对测量待测PQRST波形进行分段时,通过测量模块30测量其与各个心电图波形模板之间的形状上下文距离,选取模块40选取距离最小者对应的心电图波形模板作为目标模板,最后分段模块50直接套用该目标模板的PQRST界限标注即可实现分段,该方法能够对分界线非常模糊、边界十分不明显的心电图波形进行分段处理,不仅操作简单,而且能够有效减少误差,如果需要进行修正,只需要制作并添加新的波形模板即可,波形模板的制作过程很容易实现。此外,本发明充分考虑到心电图采集时的连续波形,不依赖于周期分段,对于某些QRS波群不明显的波形,依旧可以进行准确的分段处理。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。

Claims (10)

1.一种心电图PQRST波分段方法,其特征在于,所述方法包括:
从心电图图谱库中获取多种典型的心电图波形模板,并对各个心电图波形模板进行PQRST界限标注;
将各个心电图波形模板转化为在时间-电压幅度二维平面上等距离分布的数据格式;
测量待测PQRST波形与各个心电图波形模板之间的形状上下文距离;
选取各个形状上下文距离中距离最小者对应的心电图波形模板,将其作为目标模板;
将目标模板与待测PQRST波形对齐,将目标模板中的PQRST界限标注直接应用在待测PQRST波形上,作为待测PQRST波形的分段结果。
2.根据权利要求1所述的心电图PQRST波分段方法,其特征在于,将各个心电图波形模板转化为在时间-电压幅度二维平面上等距离分布的数据格式的步骤中:
等距离分布数据为电压和时间两个方向上的综合距离,计算公式为:
3.根据权利要求1所述的心电图PQRST波分段方法,其特征在于,测量待测PQRST波形与各个心电图波形模板之间的形状上下文距离的步骤中:
形状上下文距离为像素点邻域内的其他像素点的分布情况,样本的数据格式为点的对数极坐标的集合,首先,点的形状信息由所有其他点与之形成的相对向量集表示,并划分成若干扇形区域,然后统计落在这些扇形区域中的其他点的数量,形成形状上下文特征向量;
第一个形状中的点pi与第二个形状中的点qi之间的距离定义为Cij,采用下式测试两个形状之间的相似程度,计算结果是一个N×N的矩阵,称为cost矩阵;
Cij随着pi与qi的对应关系而变化,采用下式计算出一个最优匹配,使整体代价Cij最小;
H(π)=∑iC(pi,qπ(i))
最小化的结果为两个形状之间的代价cost值,也即两个形状之间的形状上下文距离。
4.根据权利要求3所述的心电图PQRST波分段方法,其特征在于,测量待测PQRST波形与各个心电图波形模板之间的形状上下文距离的步骤之后,所述方法还包括:
采用滑动窗口机制对形状上下文距离进行优化,具体包括:
截取等长的数据片段来计算两个不同长度样本之间的距离;
取相似度最大值,作为两组对象的比较结果,其中,对cost值做归一化之后,取(1-cost)作为相似度。
5.根据权利要求4所述的心电图PQRST波分段方法,其特征在于,在滑动过程中,若待测数据的长度超过标准组数据,则使用标准组数据在待测数据上滑动。
6.一种心电图PQRST波分段系统,其特征在于,所述系统包括:
获取模块,用于从心电图图谱库中获取多种典型的心电图波形模板,并对各个心电图波形模板进行PQRST界限标注;
转化模块,用于将各个心电图波形模板转化为在时间-电压幅度二维平面上等距离分布的数据格式;
测量模块,用于测量待测PQRST波形与各个心电图波形模板之间的形状上下文距离;
选取模块,用于选取各个形状上下文距离中距离最小者对应的心电图波形模板,将其作为目标模板;
分段模块,用于将目标模板与待测PQRST波形对齐,将目标模板中的PQRST界限标注直接应用在待测PQRST波形上,作为待测PQRST波形的分段结果。
7.根据权利要求6所述的心电图PQRST波分段系统,其特征在于,所述转化模块中,等距离分布数据为电压和时间两个方向上的综合距离,计算公式为:
8.根据权利要求6所述的心电图PQRST波分段系统,其特征在于,所述测量模块中:
形状上下文距离为像素点邻域内的其他像素点的分布情况,样本的数据格式为点的对数极坐标的集合,首先,点的形状信息由所有其他点与之形成的相对向量集表示,并划分成若干扇形区域,然后统计落在这些扇形区域中的其他点的数量,形成形状上下文特征向量;
第一个形状中的点pi与第二个形状中的点qi之间的距离定义为Cij,采用下式测试两个形状之间的相似程度,计算结果是一个N×N的矩阵,称为cost矩阵;
Cij随着pi与qi的对应关系而变化,采用下式计算出一个最优匹配,使整体代价Cij最小;
H(π)=∑iC(pi,qπ(i))
最小化的结果为两个形状之间的代价cost值,也即两个形状之间的形状上下文距离。
9.根据权利要求8所述的心电图PQRST波分段系统,其特征在于,所述系统还包括:
优化模块,用于采用滑动窗口机制对形状上下文距离进行优化,所述优化模块具体用于:
截取等长的数据片段来计算两个不同长度样本之间的距离;
取相似度最大值,作为两组对象的比较结果,其中,对cost值做归一化之后,取(1-cost)作为相似度。
10.根据权利要求9所述的心电图PQRST波分段系统,其特征在于,在滑动过程中,若待测数据的长度超过标准组数据,则使用标准组数据在待测数据上滑动。
CN201910674668.7A 2019-07-25 2019-07-25 心电图pqrst波分段方法及系统 Active CN110353664B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910674668.7A CN110353664B (zh) 2019-07-25 2019-07-25 心电图pqrst波分段方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910674668.7A CN110353664B (zh) 2019-07-25 2019-07-25 心电图pqrst波分段方法及系统

Publications (2)

Publication Number Publication Date
CN110353664A true CN110353664A (zh) 2019-10-22
CN110353664B CN110353664B (zh) 2022-09-20

Family

ID=68220740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910674668.7A Active CN110353664B (zh) 2019-07-25 2019-07-25 心电图pqrst波分段方法及系统

Country Status (1)

Country Link
CN (1) CN110353664B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113223672A (zh) * 2020-01-20 2021-08-06 深圳市理邦精密仪器股份有限公司 心电波形测量方法以及相关设备、装置
CN117357130A (zh) * 2023-12-07 2024-01-09 深圳泰康医疗设备有限公司 基于人工智能的心电图数字化曲线分割方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060281998A1 (en) * 2005-06-13 2006-12-14 Cardiac Pacemakers, Inc. Method and apparatus for rate-dependent morphology-based cardiac arrhythmia classification
CN101028186A (zh) * 2007-03-28 2007-09-05 李楚雅 基于模板匹配的心电图st段自动识别方法
CN101467879A (zh) * 2007-12-26 2009-07-01 深圳迈瑞生物医疗电子股份有限公司 一种基于多导同步心电信号处理方法及装置
CN101859382A (zh) * 2010-06-03 2010-10-13 复旦大学 一种基于最大稳定极值区域的车牌检测与识别的方法
CN101877035A (zh) * 2010-04-22 2010-11-03 无锡市优特科科技有限公司 基于金标准数据库的心电图分析系统
CN103984844A (zh) * 2014-03-19 2014-08-13 关欣 一种不等长序列相似度度量算法
CN104161510A (zh) * 2014-08-27 2014-11-26 电子科技大学 一种多级导联心电信号qrs波形识别方法
CN108509823A (zh) * 2017-02-24 2018-09-07 深圳市理邦精密仪器股份有限公司 Qrs波群的检测方法及装置
CN108701219A (zh) * 2017-03-14 2018-10-23 华为技术有限公司 波形信号处理的方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060281998A1 (en) * 2005-06-13 2006-12-14 Cardiac Pacemakers, Inc. Method and apparatus for rate-dependent morphology-based cardiac arrhythmia classification
CN101028186A (zh) * 2007-03-28 2007-09-05 李楚雅 基于模板匹配的心电图st段自动识别方法
CN101467879A (zh) * 2007-12-26 2009-07-01 深圳迈瑞生物医疗电子股份有限公司 一种基于多导同步心电信号处理方法及装置
CN101877035A (zh) * 2010-04-22 2010-11-03 无锡市优特科科技有限公司 基于金标准数据库的心电图分析系统
CN101859382A (zh) * 2010-06-03 2010-10-13 复旦大学 一种基于最大稳定极值区域的车牌检测与识别的方法
CN103984844A (zh) * 2014-03-19 2014-08-13 关欣 一种不等长序列相似度度量算法
CN104161510A (zh) * 2014-08-27 2014-11-26 电子科技大学 一种多级导联心电信号qrs波形识别方法
CN108509823A (zh) * 2017-02-24 2018-09-07 深圳市理邦精密仪器股份有限公司 Qrs波群的检测方法及装置
CN108701219A (zh) * 2017-03-14 2018-10-23 华为技术有限公司 波形信号处理的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
江依法等: "一种改进的模板匹配算法及其在ECG波形识别中的应用", 《中国生物医学工程学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113223672A (zh) * 2020-01-20 2021-08-06 深圳市理邦精密仪器股份有限公司 心电波形测量方法以及相关设备、装置
CN113223672B (zh) * 2020-01-20 2023-11-10 深圳市理邦精密仪器股份有限公司 心电波形测量方法以及相关设备、装置
CN117357130A (zh) * 2023-12-07 2024-01-09 深圳泰康医疗设备有限公司 基于人工智能的心电图数字化曲线分割方法
CN117357130B (zh) * 2023-12-07 2024-02-13 深圳泰康医疗设备有限公司 基于人工智能的心电图数字化曲线分割方法

Also Published As

Publication number Publication date
CN110353664B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
US10905345B2 (en) Non-invasive method and system for characterizing cardiovascular systems
Gupta et al. A critical review of feature extraction techniques for ECG signal analysis
CN103690156B (zh) 一种心率获取方法及心电信号的处理方法
DE60318804T2 (de) Vorrichtung zur Analyse eines Signales, insbesondere eines physiologischen Signals wie z.B. ein EKG-Signal
CN110353664A (zh) 心电图pqrst波分段方法及系统
DE102006054822A1 (de) Registrierung eines charakteristischen Pfads eines Kolons
DE112018005266T5 (de) System und verfahren zur überwachung von vitalfunktionen
CN110705456A (zh) 一种基于迁移学习的微型电机异常检测方法
US11751795B2 (en) Predicting disease by comparing vector and person vector extracted from biosignal of person
WO2006060727A9 (en) System and method for eeg imaging of cerebral activity using electrode sets
WO2019015017A1 (zh) 一种心电动力学数据量化分析方法
CN107622259B (zh) 一种t波检测方法、心电数据分析方法及装置
IL202452A (en) Signal analysis tool ecg
DE102010015226A1 (de) Erfassungsvorrichtung, Berechnungsvorrichtung, Messvorrichtung, Erfassungsmethode, Berechnungsmethode, Übertragungssystem, Programm und Aufzeichnungsträger
CN101660945B (zh) 快速图像重构方法
Rekik et al. Enhanced and optimal algorithm for QRS detection
Simoons Optimal measurements for detection of coronary artery disease by exercise electrocardiography
CN104200458A (zh) 基于MeanShift的高分辨率遥感影像分割距离度量优化方法
US8285369B2 (en) Method for delineation of characteristic points in an electrocardiogram signal, and storage medium, electronic device and electrocardiogram signal analyzing system for implementing the method
DE112022000826T5 (de) Erzeugen eines anatomischen modells eines anatomischen hohlraums
CN105488798B (zh) 基于点集对比的sar图像相似性度量方法
US8880352B2 (en) System and method for analyzing an electrophysiological signal
US20200297232A1 (en) Control method and system for filtering power line interferences
KR101908786B1 (ko) 데이터 유사도 평가 시스템
CN105976329B (zh) 一种基于时域信号低秩的频谱恢复方法

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