CN110897627B - 心电图信号特征提取方法、装置、设备、系统和存储介质 - Google Patents

心电图信号特征提取方法、装置、设备、系统和存储介质 Download PDF

Info

Publication number
CN110897627B
CN110897627B CN201811074378.0A CN201811074378A CN110897627B CN 110897627 B CN110897627 B CN 110897627B CN 201811074378 A CN201811074378 A CN 201811074378A CN 110897627 B CN110897627 B CN 110897627B
Authority
CN
China
Prior art keywords
wave
electrocardiogram
data point
maximum data
time range
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
CN201811074378.0A
Other languages
English (en)
Other versions
CN110897627A (zh
Inventor
孙勇
冯立
冷晓畅
向建平
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.)
Arteryflow Technology Co ltd
Original Assignee
Arteryflow 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 Arteryflow Technology Co ltd filed Critical Arteryflow Technology Co ltd
Priority to CN201811074378.0A priority Critical patent/CN110897627B/zh
Publication of CN110897627A publication Critical patent/CN110897627A/zh
Application granted granted Critical
Publication of CN110897627B publication Critical patent/CN110897627B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (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信号特征提取方法、装置、设备、系统和存储介质，其中方法包括如下步骤：提取心电图中QRS波群的Q波、R波和S波，在心电图中削平QRS波群，并对削平QRS波群后的心电图做平滑处理，得到平滑心电图；在平滑心电图中，提取P波；在平滑心电图中，提取T波；依据Q波、R波、S波、P波和T波计算生理参数，若某一生理参数位于某一心脏状态判断阈值的±N％波动范围内，则将该生理参数标记为临界状态，N的取值范围为10～15。本发明提供的心电图信号特征提取方法、装置、设备、系统和存储介质，用于甄别临界状态的心电图信号，充分解读心电图中的信息。

Description

心电图信号特征提取方法、装置、设备、系统和存储介质
技术领域
本发明涉及心电图信号处理技术领域，具体涉及心电图信号特征提取方法、装置、设备、系统和存储介质。
背景技术
心电图表征了人体的心脏电活动，由于心脏疾病种类众多，同一种疾病在不同阶段表现在心电图上的特征也往往不同，对于临床中通常使用的十二导联的心电图而言，存在U波、P波、T波、以及QRS波群，根据各特征波计算得到的心脏参数存在临界状态，现有技术中没有有效方法对临界状态进行甄别，使心电图中的信息并未充分利用，可能发生遗漏。
发明内容
本发明提供了一种心电图信号特征提取方法、装置、设备、系统和存储介质，用于甄别临界状态的心电图信号，充分解读心电图中的信息。
一种心电图信号特征提取方法，包括如下步骤：
提取心电图中QRS波群的Q波、R波和S波，在心电图中削平QRS波群，并对削平QRS波群后的心电图做平滑处理，得到平滑心电图；
在平滑心电图中，针对同一心动周期，筛选出电位幅值大于预定阈值的若干第一极大值数据点，若[tR-200ms,tR]时间范围外存在所述第一极大值数据点，则舍弃这些第一极大值数据点，查找[tR-200ms,tR]时间范围内是否存在所述第一极大值数据点，并进行如下判断：
若[tR-200ms,tR]时间范围内存在至少一个第一极大值数据点，则距离Q波最近的第一极大值数据点为P波；
若[tR-200ms,tR]时间范围内不存在所述第一极大值数据点，则取[tR-200ms,tR]时间范围内的极大值数据点为P波，tR为R波的时间点；在平滑心电图中，针对同一心动周期，在[Dmin×RR,Dmax×RR]时间范围内筛选第二极大值数据点，并进行如下判断：
若[Dmin×RR,Dmax×RR]时间范围内仅存在一个第二极大值数据点，则该第二极大值数据点为T波，Dmin、Dmax为系数，RR为R波间期；
若[Dmin×RR,Dmax×RR]时间范围内存在至少两个第二极大值数据点，则离时间在前的R波波峰最近的第二极大值数据点为T波；
依据Q波、R波、S波、P波和T波计算生理参数，若某一生理参数位于某一心脏状态判断阈值的±N％波动范围内，则将该生理参数标记为临界状态，N的取值范围为10～15。
以下还提供了若干可选方式，但并不作为对上述总体方案的额外限定，仅仅是进一步的增补或优选，在没有技术或逻辑矛盾的前提下，各可选方式可单独针对上述总体方案进行组合，还可以是多个可选方式之间进行组合。
可选地，利用小波分解提取心电图中QRS波群中的R波，在[tR-100ms，tR+100ms]范围内，tR时间之前第一个极小值数据点为Q波，tR时间之后第一个极小值数据点为S波。
可选地，所述预定阈值为平滑心电图中最大值数据点电位幅值的0.4～0.6倍。
可选地，所述Dmin的取值范围为0.13～0.2，所述Dmax的取值范围为0.5～0.9。
一种心电图信号特征提取装置，包括：
Q波、R波和S波提取模块，用于提取心电图中QRS波群的Q波、R波和S波，在心电图中削平QRS波群，并对削平QRS波群后的心电图做平滑处理，得到平滑心电图；
P波提取模块，用于在平滑心电图中，针对同一心动周期，筛选出电位幅值大于预定阈值的若干第一极大值数据点，若[tR-200ms,tR]时间范围外存在所述第一极大值数据点，则舍弃这些第一极大值数据点，查找[tR-200ms,tR]时间范围内是否存在所述第一极大值数据点，并进行如下判断：
若[tR-200ms,tR]时间范围内存在至少一个第一极大值数据点，则距离Q波最近的第一极大值数据点为P波；
若[tR-200ms,tR]时间范围内不存在所述第一极大值数据点，则取[tR-200ms,tR]时间范围内的极大值数据点为P波，tR为R波的时间点；
T波提取模块，用于在平滑心电图中，针对同一心动周期，在[Dmin×RR,Dmax×RR]时间范围内筛选第二极大值数据点，并进行如下判断：
若[Dmin×RR,Dmax×RR]时间范围内仅存在一个第二极大值数据点，则该第二极大值数据点为T波，Dmin、Dmax为系数，RR为R波间期；
若[Dmin×RR,Dmax×RR]时间范围内存在至少两个第二极大值数据点，则离时间在前的R波波峰最近的第二极大值数据点为T波；
标记模块，用于依据Q波、R波、S波、P波和T波计算生理参数，若某一生理参数位于某一心脏状态判断阈值的±N％波动范围内，则将该生理参数标记为临界状态，N的取值范围为10～15。
一种计算机设备，包括：存储器和处理器，所述存储器内存储有计算机程序，所述处理器执行所述计算机程序时，实现如下步骤：
提取心电图中QRS波群的Q波、R波和S波，在心电图中削平QRS波群，并对削平QRS波群后的心电图做平滑处理，得到平滑心电图；
在平滑心电图中，针对同一心动周期，筛选出电位幅值大于预定阈值的若干第一极大值数据点，若[tR-200ms,tR]时间范围外存在所述第一极大值数据点，则舍弃这些第一极大值数据点，查找[tR-200ms,tR]时间范围内是否存在所述第一极大值数据点，并进行如下判断：
若[tR-200ms,tR]时间范围内存在至少一个第一极大值数据点，则距离Q波最近的第一极大值数据点为P波；
若[tR-200ms,tR]时间范围内不存在所述第一极大值数据点，则取[tR-200ms,tR]时间范围内的极大值数据点为P波，tR为R波的时间点；
在平滑心电图中，针对同一心动周期，在[Dmin×RR,Dmax×RR]时间范围内筛选第二极大值数据点，并进行如下判断：
若[Dmin×RR,Dmax×RR]时间范围内仅存在一个第二极大值数据点，则该第二极大值数据点为T波，Dmin、Dmax为系数，RR为R波间期；
若[Dmin×RR,Dmax×RR]时间范围内存在至少两个第二极大值数据点，则离时间在前的R波波峰最近的第二极大值数据点为T波；
依据Q波、R波、S波、P波和T波计算生理参数，若某一生理参数位于某一心脏状态判断阈值的±N％波动范围内，则将该生理参数标记为临界状态，N的取值范围为10～15。
一种心电图信号特征提取系统，包括终端以及服务器，所述服务器包括存储器和处理器，所述存储器内存储有计算机程序，所述服务器从终端获取心电图；所述处理器执行所述计算机程序时，实现如下步骤：
提取心电图中QRS波群的Q波、R波和S波，在心电图中削平QRS波群，并对削平QRS波群后的心电图做平滑处理，得到平滑心电图；
在平滑心电图中，针对同一心动周期，筛选出电位幅值大于预定阈值的若干第一极大值数据点，若[tR-200ms,tR]时间范围外存在所述第一极大值数据点，则舍弃这些第一极大值数据点，查找[tR-200ms,tR]时间范围内是否存在所述第一极大值数据点，并进行如下判断：
若[tR-200ms,tR]时间范围内存在至少一个第一极大值数据点，则距离Q波最近的第一极大值数据点为P波；
若[tR-200ms,tR]时间范围内不存在所述第一极大值数据点，则取[tR-200ms,tR]时间范围内的极大值数据点为P波，tR为R波的时间点；
在平滑心电图中，针对同一心动周期，在[Dmin×RR,Dmax×RR]时间范围内筛选第二极大值数据点，并进行如下判断：
若[Dmin×RR,Dmax×RR]时间范围内仅存在一个第二极大值数据点，则该第二极大值数据点为T波，Dmin、Dmax为系数，RR为R波间期；
若[Dmin×RR,Dmax×RR]时间范围内存在至少两个第二极大值数据点，则离时间在前的R波波峰最近的第二极大值数据点为T波；
依据Q波、R波、S波、P波和T波计算生理参数，若某一生理参数位于某一心脏状态判断阈值的±N％波动范围内，则将该生理参数标记为临界状态，N的取值范围为10～15。
一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被计算机处理器执行时实现如下步骤：
提取心电图中QRS波群的Q波、R波和S波，在心电图中削平QRS波群，并对削平QRS波群后的心电图做平滑处理，得到平滑心电图；
在平滑心电图中，针对同一心动周期，筛选出电位幅值大于预定阈值的若干第一极大值数据点，若[tR-200ms,tR]时间范围外存在所述第一极大值数据点，则舍弃这些第一极大值数据点，查找[tR-200ms,tR]时间范围内是否存在所述第一极大值数据点，并进行如下判断：
若[tR-200ms,tR]时间范围内存在至少一个第一极大值数据点，则距离Q波最近的第一极大值数据点为P波；
若[tR-200ms,tR]时间范围内不存在所述第一极大值数据点，则取[tR-200ms,tR]时间范围内的极大值数据点为P波，tR为R波的时间点；
在平滑心电图中，针对同一心动周期，在[Dmin×RR,Dmax×RR]时间范围内筛选第二极大值数据点，并进行如下判断：
若[Dmin×RR,Dmax×RR]时间范围内仅存在一个第二极大值数据点，则该第二极大值数据点为T波，Dmin、Dmax为系数，RR为R波间期；
若[Dmin×RR,Dmax×RR]时间范围内存在至少两个第二极大值数据点，则离时间在前的R波波峰最近的第二极大值数据点为T波；
依据Q波、R波、S波、P波和T波计算生理参数，若某一生理参数位于某一心脏状态判断阈值的±N％波动范围内，则将该生理参数标记为临界状态，N的取值范围为10～15。
本发明提供的心电图信号特征提取方法、装置、设备、系统和存储介质，用于甄别临界状态的心电图信号，充分解读心电图中的信息，辅助医生了解病情。
附图说明
图1为一个实施例中心电图信号特征提取方法的流程图；
图2为一个实施例中的心电图；
图3为一个实施例中心电图及其基线的示意图；
图4为一个实施例中去除基线漂移后的心电图；
图5为一个实施例中心电图小波变换的示意图；
图6为一个实施例中提取出的R波的示意图；
图7为一个实施例中提取出的Q波的示意图；
图8为一个实施例中提取出的S波的示意图；
图9为一个实施例中削平QRS波群后的心电图；
图10为一个实施例中削平QRS波群且平滑后的平滑心电图；
图11为一个实施例中提取出的P波的示意图；
图12为一个实施例中提取出的T波的示意图；
图13为一个实施例中R波、T波、P波的位置关系示意图；
图14为一个实施例中计算机设备的示意图。
具体实施方式
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，所描述的实施例仅仅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。
如图1所示，一种心电图信号特征提取方法，包括如下步骤：
步骤100，提取心电图中QRS波群的Q波、R波和S波，在心电图中削平QRS波群，并对削平QRS波群后的心电图做平滑处理，得到平滑心电图。
心电图优选采用十二导联心电图，也可以采用其他导联方式得到的心电图。在心电图中截取Ⅱ导联中任意一段时间范围内的图像，该时间范围内至少包括三个心动周期，针对该段时间范围内的图像进行Q波、R波、S波的提取。
心电图上的横轴为时间，单位为ms，纵轴为电位，单位为mV。
如果针对图片形式的心电图进行信息提取，需将图片上的心电图图像转化为心电图数据信息。心电图图像为二值化图像，即白色背景上绘制黑色心电图图形，将心电图图像上的各黑色像素的位置信息转化为包含时间和电位的心电图数据信息，并根据心电图数据信息重新绘制得到如图2所示的心电图，针对图2所示的心电图进行后续特征波提取。
在进行Q波、R波和S波提取之前，去除心电图中的基线漂移。基线漂移主要是由病人的呼吸运动、电极-皮肤界面阻抗变化以及放大器的漂移等因素导致的，往往给波段识别带来困扰。
去除基线漂移可采用现有技术，例如可采用多项式拟合的方法去除基线漂移，拟合方程为p(x)＝p1x6+p2x5+p3x4+p4x3+p5x2+p6x+p7，利用最小二乘法曲线拟合原理，得到最佳的拟合系数p1～p7，该拟合曲线即为心电图信号的基线，基线如图3中的平滑曲线所示。
将原始心电图信息减去相应时间点处的基线电位，即去除基线漂移，去除基线漂移后的心电图如图4所示。
Q波、R波和S波的提取可采用现有技术，在一个实施例中，利用小波分解提取心电图中QRS波群中的R波，具体包括：
步骤110，如图5所示，对心电图进行N层分解，每层小波的高频系数为d1,d2,d3,…dN；
步骤120，遍历d4小波信号，找出d4小波信号的最大值dmax，将信号值大于0.15×dmax的信号组成信号序列；
步骤130，i，j分别为信号序列中两个信号点对应的的时间指针，如果|i-j|<100ms，则i，j对应的两个信号点属于同一QRS波群；
步骤140，提取同一QRS波群内极大值信号点对应的时间t1，在心电图中，在(t1-t，t1+t)时间段内寻找极大值数据点，如图6所示，该极大值数据点即为R波。极大值数据点的搜索过程为动态过程，t值以5～10ms为步长逐渐增加，直至在(t1-t，t1+t)时间段内寻找到一个极大值数据点。
成年人QRS波群时间通常为40ms～100ms，婴幼儿QRS波群时间通常为40ms～80ms，以R波的时间点tR为起始点，分别向前向后追溯一段时间，即可得到Q波和S波，向前搜索得到的第一个负向极值为Q波，向后搜索得到的第一个负向极值为S波。
如图7所示，在[tR-100ms，tR+100ms]范围内，tR时间之前第一个极小值数据点为Q波，如图8所示，tR时间之后第一个极小值数据点为S波。
在心电图中，P波和T波为电位幅值较小的正向波，容易受到高频噪声影响，为了便于识别P波和T波，首先削平QRS波群，削平QRS波群的含义为，将Q波数据点和S波数据点直接连线，削平QRS波群后的心电图如图9所示，对削平QRS波群后的心电图做平滑处理(平滑处理可以采用现有技术)后得到的平滑心电图如图10所示。
步骤200，在平滑心电图中，针对同一心动周期，筛选出电位幅值大于预定阈值的若干第一极大值数据点，若[tR-200ms,tR]时间范围外存在所述第一极大值数据点，则舍弃这些第一极大值数据点，查找
[tR-200ms,tR]时间范围内是否存在所述第一极大值数据点，并进行如下判断：
若[tR-200ms,tR]时间范围内存在至少一个第一极大值数据点，则距离Q波最近的第一极大值数据点为P波；
若[tR-200ms,tR]时间范围内不存在所述第一极大值数据点，则取[tR-200ms,tR]时间范围内的极大值数据点为P波，tR为R波的时间点。P波位置如图11所示。
第一极大值数据点同时满足两个条件，其一，同一心动周期内的极大值，其二，大于预定阈值。
在一个实施例中，所述预定阈值为平滑心电图中最大值数据点电位幅值的0.5倍。
步骤300，在平滑心电图中，针对同一心动周期，在[Dmin×RR,Dmax×RR]时间范围内筛选第二极大值数据点，并进行如下判断：
若[Dmin×RR,Dmax×RR]时间范围内仅存在一个第二极大值数据点，则该第二极大值数据点为T波，Dmin、Dmax为系数，RR为R波间期(识别R波后通过计算得到R波间期)；
若[Dmin×RR,Dmax×RR]时间范围内存在至少两个第二极大值数据点，则离时间在前的R波波峰最近的第二极大值数据点为T波。T波位置如图12所示；
若[Dmin×RR,Dmax×RR]时间范围内不存在第二极大值数据点，则没有P波出现。
在一个实施例中，所述Dmin的取值为0.17，所述Dmax的取值为0.7。
T波为S波之后的第一个正向波，RTmin＝Dmin×RR，RTmax＝Dmax×RR，如图13所示，RTmin为第一个R波波峰与T波的最小距离，RTmax为第一个R波波峰与T波的最大距离。
若[Dmin×RR,Dmax×RR]时间范围内存在至少两个第二极大值数据点，则除了识别出T波，还同时识别出U波或其他噪声，选择离前一个R波波峰最近的极大值为T波。
提取得到Q波、R波、S波、P波和T波，同时得到特征波的电位信息和特征波对应的时间点。
步骤400，依据Q波、R波、S波、P波和T波计算生理参数，若某一生理参数位于某一心脏状态判断阈值的±N％波动范围内，则将该生理参数标记为临界状态，N的取值范围为10～15。
在一个实施例中N取值为15。
例如，心电图检查中，P波频率>100次/分，判断为窦性心动过速。若某一心电图中，计算得到的P波频率在100在性心动次/分内，则判定为临界状态，需要筛选出来供医生判断。
又如，P波频率<60次/分，判定为窦性心动过缓。若某一心电图中，计算得到的P波频率在60±15％次/分内，则判定为临界状态，需要筛选出来供医生判断。
又如，PP间期差距>120ms，PR间期在120～200ms之间，判定为窦房结内游走性心律不齐。PP间距差距120±20距ms，PR间期在120±15％ms内为临界状态。
又如，P波高尖，II导联振幅≥0.25mV，判定为右心房异常。若某一心电图中，P波电位在0.25±15％mV内为临界状态。
应该理解的是，虽然图1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1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，提供了一种心电图信号特征提取装置，包括：
Q波、R波和S波提取模块，用于提取心电图中QRS波群的Q波、R波和S波，在心电图中削平QRS波群，并对削平QRS波群后的心电图做平滑处理，得到平滑心电图；
P波提取模块，用于在平滑心电图中，针对同一心动周期，筛选出电位幅值大于预定阈值的若干第一极大值数据点，若[tR-200ms,tR]时间范围外存在所述第一极大值数据点，则舍弃这些第一极大值数据点，查找[tR-200ms,tR]时间范围内是否存在所述第一极大值数据点，并进行如下判断：
若[tR-200ms,tR]时间范围内存在至少一个第一极大值数据点，则距离Q波最近的第一极大值数据点为P波；
若[tR-200ms,tR]时间范围内不存在所述第一极大值数据点，则取[tR-200ms,tR]时间范围内的极大值数据点为P波，tR为R波的时间点；
T波提取模块，用于在平滑心电图中，针对同一心动周期，在
[Dmin×RR,Dmax×RR]时间范围内筛选第二极大值数据点，并进行如下判断：
若[Dmin×RR,Dmax×RR]时间范围内仅存在一个第二极大值数据点，则该第二极大值数据点为T波，Dmin、Dmax为系数，RR为R波间期；
若[Dmin×RR,Dmax×RR]时间范围内存在至少两个第二极大值数据点，则离时间在前的R波波峰最近的第二极大值数据点为T波；
标记模块，用于依据Q波、R波、S波、P波和T波计算生理参数，若某一生理参数位于某一心脏状态判断阈值的±N％波动范围内，则将该生理参数标记为临界状态，N的取值范围为10～15。
关于各模块中功能限定可参见上文中对于心电图信号特征提取方法的限定，在此不再赘述。上述心电图信号特征提取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。
本实施例提供的心电图信号特征提取装置可配置在远端，通过与之相连的远程终端获取心电图信号，还可以是本实施例装置本身就配置在终端(例如用户使用的计算机或医用检测设备)，直接通过心电图采集装置获取心电图信号。
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终端，其内部结构图可以如图14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、显示屏和输入装置。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和计算机程序。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心电图信号特征提取方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图14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，提供了一种计算机设备，包括：存储器和处理器，所述存储器内存储有计算机程序，所述处理器执行所述计算机程序时，实现如下步骤：
提取心电图中QRS波群的Q波、R波和S波，在心电图中削平QRS波群，并对削平QRS波群后的心电图做平滑处理，得到平滑心电图；
在平滑心电图中，针对同一心动周期，筛选出电位幅值大于预定阈值的若干第一极大值数据点，若[tR-200ms,tR]时间范围外存在所述第一极大值数据点，则舍弃这些第一极大值数据点，查找[tR-200ms,tR]时间范围内是否存在所述第一极大值数据点，并进行如下判断：
若[tR-200ms,tR]时间范围内存在至少一个第一极大值数据点，则距离Q波最近的第一极大值数据点为P波；
若[tR-200ms,tR]时间范围内不存在所述第一极大值数据点，则取[tR-200ms,tR]时间范围内的极大值数据点为P波，tR为R波的时间点；
在平滑心电图中，针对同一心动周期，在[Dmin×RR,Dmax×RR]时间范围内筛选第二极大值数据点，并进行如下判断：
若[Dmin×RR,Dmax×RR]时间范围内仅存在一个第二极大值数据点，则该第二极大值数据点为T波，Dmin、Dmax为系数，RR为R波间期；
若[Dmin×RR,Dmax×RR]时间范围内存在至少两个第二极大值数据点，则离时间在前的R波波峰最近的第二极大值数据点为T波；
依据Q波、R波、S波、P波和T波计算生理参数，若某一生理参数位于某一心脏状态判断阈值的±N％波动范围内，则将该生理参数标记为临界状态，N的取值范围为10～15。
在一个实施例中，提供了一种心电图信号特征提取系统，包括终端以及服务器，所述服务器包括存储器和处理器，所述存储器内存储有计算机程序，所述服务器从终端获取心电图；所述处理器执行所述计算机程序时，实现如下步骤：
提取心电图中QRS波群的Q波、R波和S波，在心电图中削平QRS波群，并对削平QRS波群后的心电图做平滑处理，得到平滑心电图；
在平滑心电图中，针对同一心动周期，筛选出电位幅值大于预定阈值的若干第一极大值数据点，若[tR-200ms,tR]时间范围外存在所述第一极大值数据点，则舍弃这些第一极大值数据点，查找[tR-200ms,tR]时间范围内是否存在所述第一极大值数据点，并进行如下判断：
若[tR-200ms,tR]时间范围内存在至少一个第一极大值数据点，则距离Q波最近的第一极大值数据点为P波；
若[tR-200ms,tR]时间范围内不存在所述第一极大值数据点，则取[tR-200ms,tR]时间范围内的极大值数据点为P波，tR为R波的时间点；
在平滑心电图中，针对同一心动周期，在[Dmin×RR,Dmax×RR]时间范围内筛选第二极大值数据点，并进行如下判断：
若[Dmin×RR,Dmax×RR]时间范围内仅存在一个第二极大值数据点，则该第二极大值数据点为T波，Dmin、Dmax为系数，RR为R波间期；
若[Dmin×RR,Dmax×RR]时间范围内存在至少两个第二极大值数据点，则离时间在前的R波波峰最近的第二极大值数据点为T波；
依据Q波、R波、S波、P波和T波计算生理参数，若某一生理参数位于某一心脏状态判断阈值的±N％波动范围内，则将该生理参数标记为临界状态，N的取值范围为10～15。
在一个实施例中，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被计算机处理器执行时实现如下步骤：
提取心电图中QRS波群的Q波、R波和S波，在心电图中削平QRS波群，并对削平QRS波群后的心电图做平滑处理，得到平滑心电图；
在平滑心电图中，针对同一心动周期，筛选出电位幅值大于预定阈值的若干第一极大值数据点，若[tR-200ms,tR]时间范围外存在所述第一极大值数据点，则舍弃这些第一极大值数据点，查找[tR-200ms,tR]时间范围内是否存在所述第一极大值数据点，并进行如下判断：
若[tR-200ms,tR]时间范围内存在至少一个第一极大值数据点，则距离Q波最近的第一极大值数据点为P波；
若[tR-200ms,tR]时间范围内不存在所述第一极大值数据点，则取[tR-200ms,tR]时间范围内的极大值数据点为P波，tR为R波的时间点；
在平滑心电图中，针对同一心动周期，在[Dmin×RR,Dmax×RR]时间范围内筛选第二极大值数据点，并进行如下判断：
若[Dmin×RR,Dmax×RR]时间范围内仅存在一个第二极大值数据点，则该第二极大值数据点为T波，Dmin、Dmax为系数，RR为R波间期；
若[Dmin×RR,Dmax×RR]时间范围内存在至少两个第二极大值数据点，则离时间在前的R波波峰最近的第二极大值数据点为T波；
依据Q波、R波、S波、P波和T波计算生理参数，若某一生理参数位于某一心脏状态判断阈值的±N％波动范围内，则将该生理参数标记为临界状态，N的取值范围为10～15。
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，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 (7)

1.一种心电图信号特征提取方法，其特征在于，包括如下步骤：
提取心电图中QRS波群的Q波、R波和S波，根据提取到的Q波数据点、S波数据点，在心电图中采用Q波数据点与S波数据点相连的方式削平QRS波群，并对削平QRS波群后的心电图做平滑处理，得到平滑心电图；
在平滑心电图中，针对同一心动周期，筛选出电位幅值大于预定阈值的若干第一极大值数据点，若[tR-200ms,tR]时间范围外存在所述第一极大值数据点，则舍弃这些第一极大值数据点，查找[tR-200ms,tR]时间范围内是否存在所述第一极大值数据点，并进行如下判断：
若[tR-200ms,tR]时间范围内存在至少一个第一极大值数据点，则距离Q波最近的第一极大值数据点为P波；
若[tR-200ms,tR]时间范围内不存在所述第一极大值数据点，则取[tR-200ms,tR]时间范围内的极大值数据点为P波，tR为R波的时间点；
在平滑心电图中，针对同一心动周期，在[Dmin×RR,Dmax×RR]时间范围内筛选第二极大值数据点，并进行如下判断：
若[Dmin×RR,Dmax×RR]时间范围内仅存在一个第二极大值数据点，则该第二极大值数据点为T波，Dmin、Dmax为系数，RR为R波间期；
若[Dmin×RR,Dmax×RR]时间范围内存在至少两个第二极大值数据点，则离时间在前的R波波峰最近的第二极大值数据点为T波；
利用小波分解提取心电图中QRS波群中的R波，在[t_R-100ms，t_R+100ms]范围内，t_R时间之前第一个极小值数据点为Q波，t_R时间之后第一个极小值数据点为S波；
依据Q波、R波、S波、P波和T波计算生理参数，若某一生理参数位于某一心脏状态判断阈值的±N％波动范围内，则将该生理参数标记为临界状态，N的取值范围为10～15。
2.如权利要求1所述的心电图信号特征提取方法，其特征在于，所述预定阈值为平滑心电图中最大值数据点电位幅值的0.4～0.6倍。
3.如权利要求1所述的心电图信号特征提取方法，其特征在于，所述Dmin的取值范围为0.13～0.2，所述Dmax的取值范围为0.5～0.9。
4.一种心电图信号特征提取装置，其特征在于，包括：
Q波、R波和S波提取模块，用于提取心电图中QRS波群的Q波、R波和S波，根据提取到的Q波数据点、S波数据点，在心电图中采用Q波数据点与S波数据点相连的方式削平QRS波群，并对削平QRS波群后的心电图做平滑处理，得到平滑心电图；
P波提取模块，用于在平滑心电图中，针对同一心动周期，筛选出电位幅值大于预定阈值的若干第一极大值数据点，若[tR-200ms,tR]时间范围外存在所述第一极大值数据点，则舍弃这些第一极大值数据点，查找[tR-200ms,tR]时间范围内是否存在所述第一极大值数据点，并进行如下判断：
若[tR-200ms,tR]时间范围内存在至少一个第一极大值数据点，则距离Q波最近的第一极大值数据点为P波；
若[tR-200ms,tR]时间范围内不存在所述第一极大值数据点，则取[tR-200ms,tR]时间范围内的极大值数据点为P波，tR为R波的时间点；
T波提取模块，用于在平滑心电图中，针对同一心动周期，在
[Dmin×RR,Dmax×RR]时间范围内筛选第二极大值数据点，并进行如下判断：
若[Dmin×RR,Dmax×RR]时间范围内仅存在一个第二极大值数据点，则该第二极大值数据点为T波，Dmin、Dmax为系数，RR为R波间期；
若[Dmin×RR,Dmax×RR]时间范围内存在至少两个第二极大值数据点，则离时间在前的R波波峰最近的第二极大值数据点为T波；
利用小波分解提取心电图中QRS波群中的R波，在[t_R-100ms，t_R+100ms]范围内，t_R时间之前第一个极小值数据点为Q波，t_R时间之后第一个极小值数据点为S波；
标记模块，用于依据Q波、R波、S波、P波和T波计算生理参数，若某一生理参数位于某一心脏状态判断阈值的±N％波动范围内，则将该生理参数标记为临界状态，N的取值范围为10～15。
5.一种计算机设备，包括：存储器和处理器，所述存储器内存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1～3任一项所述的心电图信号特征提取方法。
6.一种心电图信号特征提取系统，包括终端以及服务器，所述服务器包括存储器和处理器，所述存储器内存储有计算机程序，其特征在于，所述服务器从终端获取心电图；所述处理器执行所述计算机程序时，实现如权利要求1～3任一项所述的心电图信号特征提取方法。
7.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，其特征在于，所述计算机程序被计算机处理器执行时实现如权利要求1～3任一项所述的心电图信号特征提取方法。
CN201811074378.0A 2018-09-14 2018-09-14 心电图信号特征提取方法、装置、设备、系统和存储介质 Active CN110897627B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811074378.0A CN110897627B (zh) 2018-09-14 2018-09-14 心电图信号特征提取方法、装置、设备、系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811074378.0A CN110897627B (zh) 2018-09-14 2018-09-14 心电图信号特征提取方法、装置、设备、系统和存储介质

Publications (2)

Publication Number Publication Date
CN110897627A CN110897627A (zh) 2020-03-24
CN110897627B true CN110897627B (zh) 2023-04-18

Family

ID=69812297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811074378.0A Active CN110897627B (zh) 2018-09-14 2018-09-14 心电图信号特征提取方法、装置、设备、系统和存储介质

Country Status (1)

Country Link
CN (1) CN110897627B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015217060A (ja) * 2014-05-16 2015-12-07 日本電信電話株式会社 心拍検出方法および心拍検出装置
JP2017192607A (ja) * 2016-04-22 2017-10-26 ユニオンツール株式会社 心電図自動解析装置
CN108309284A (zh) * 2018-03-15 2018-07-24 广州视源电子科技股份有限公司 心电图t波终点检测方法和装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5778881A (en) * 1996-12-04 1998-07-14 Medtronic, Inc. Method and apparatus for discriminating P and R waves
SG174302A1 (en) * 2009-03-09 2011-10-28 Council Scient Ind Res Ecg device with impulse and channel switching adc noise filter and error corrector for derived leads
CN102085095A (zh) * 2009-12-07 2011-06-08 深圳市新元素医疗技术开发有限公司 一种检测心电图中st段的方法、系统和心电检测仪器
CN102961129B (zh) * 2012-10-26 2015-11-25 上海交通大学无锡研究院 一种远程医疗的异常心电张量分析方法
CN103750835A (zh) * 2013-11-12 2014-04-30 天津工业大学 一种心电信号特征检测算法
CN103932696A (zh) * 2014-04-18 2014-07-23 赵小英 一种健康状态多功能检测方法及其检测系统
CN104323771B (zh) * 2014-11-11 2016-06-01 北京海思敏医疗技术有限公司 检测心电图信号中p波、t波的方法和装置
CN105054926A (zh) * 2015-04-13 2015-11-18 深圳市飞马与星月科技研究有限公司 心电信号特征信息的提取方法及装置
CN107303177B (zh) * 2016-04-15 2020-04-14 中国科学院微电子研究所 一种心电图t波、p波的检测方法及系统
CN105997055A (zh) * 2016-07-11 2016-10-12 吉林大学 一种心电信号st段的自动分类方法、系统及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015217060A (ja) * 2014-05-16 2015-12-07 日本電信電話株式会社 心拍検出方法および心拍検出装置
JP2017192607A (ja) * 2016-04-22 2017-10-26 ユニオンツール株式会社 心電図自動解析装置
CN108309284A (zh) * 2018-03-15 2018-07-24 广州视源电子科技股份有限公司 心电图t波终点检测方法和装置

Also Published As

Publication number Publication date
CN110897627A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
CN110720894B (zh) 一种心房扑动的检测方法、装置、设备及存储介质
WO2019244043A1 (en) Methods and systems to quantify and remove asynchronous noise in biophysical signals
US11026618B2 (en) Intracardiac EGM signals for beat matching and acceptance
EP1552786A1 (en) Graph display processing unit and method therefor
JP6652655B2 (ja) 心拍検出方法および心拍検出装置
De Chazal Detection of supraventricular and ventricular ectopic beats using a single lead ECG
CN113786200B (zh) 心电信号处理方法、装置、设备及可读介质
JPH10211180A (ja) 心臓機能自動診断方法
WO2020052640A1 (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
CN111528833B (zh) 一种心电信号的快速识别与处理方法及系统
CN110897627B (zh) 心电图信号特征提取方法、装置、设备、系统和存储介质
Dessì et al. Identification of fetal QRS complexes in low density non-invasive biopotential recordings
CN112971798A (zh) 心电信号处理方法、装置、终端及存储介质
Marsili et al. Optimized algorithms for atrial fibrillation detection by wearable tele-holter devices
CN110897628A (zh) 基于深度神经网络的心电图信号特征提取方法、装置、系统、设备和分类方法
CN110477904B (zh) 一种房扑信号检测方法及装置
Vega-Martínez et al. Wavelet packet based algorithm for QRS region detection and R/S wave identification
CN110811597B (zh) 心电图记录方法、心电图记录仪、装置及存储介质
CN115316996A (zh) 心律异常识别模型训练方法、装置、设备及存储介质
CN110613444B (zh) 一种母胎混合心电信号的显示方法及装置
Arenas et al. Morphological and temporal ecg features for myocardial infarction detection using support vector machines
CN113749665B (zh) 异常指标的捕捉方法、装置、设备和介质
CN115067967A (zh) 心拍信号基准点确定方法、心拍类型识别方法及装置
CN110897626A (zh) 基于深度神经网络的心电图分析方法、装置、计算机设备和系统
TW201538132A (zh) 心電訊號的分析系統及方法

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