CN110916648A - 一种基于散点图的离散度量化检测t波交替的方法 - Google Patents
一种基于散点图的离散度量化检测t波交替的方法 Download PDFInfo
- Publication number
- CN110916648A CN110916648A CN201911280026.5A CN201911280026A CN110916648A CN 110916648 A CN110916648 A CN 110916648A CN 201911280026 A CN201911280026 A CN 201911280026A CN 110916648 A CN110916648 A CN 110916648A
- Authority
- CN
- China
- Prior art keywords
- wave
- dispersion
- scatter diagram
- geometric center
- scatter
- 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.)
- Pending
Links
- 238000010586 diagram Methods 0.000 title claims abstract description 64
- 239000006185 dispersion Substances 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims description 22
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000003183 myoelectrical effect Effects 0.000 claims description 2
- 238000011002 quantification Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 5
- 238000011160 research Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 206010003119 arrhythmia Diseases 0.000 description 3
- 230000006793 arrhythmia Effects 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010003658 Atrial Fibrillation Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 1
- 206010047281 Ventricular arrhythmia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明为一种研究T波交替的量化检测方法,探讨散点图分布密度与T波交替存在与否的关系,研究出一种散点图的离散度量化检测TWA的方法,即首先确定散点图几何中心,并计算出几何中心到坐标原点距离的归一化长度,然后统计散点图上每个散点距几何中心的平均距离,最后用每个散点到几何中心的距离的平均值与几何中心到原点的距离的比值来评价散点图的离散程度。采用matlab7.0仿真并与谱分析法比较,找出每个散点到几何中心的距离的平均值与几何中心到原点的距离的比值的合适阈值并判断T波交替是否存在,证明散点图的离散程度能够准确检测TWA。
Description
技术领域
本发明公开了一种基于散点图的离散度量化检测T波交替的方法,涉及医学心电信号处理技术领域。
背景技术
近年来,非线性科学迅速发展,并被用于人体心率变异的研究,非线性检测方法能捕捉到更多人体生理病理信息。庞加莱映射(Poincare Mapping,PM)是非线性法的一种,利用散点图适于描述周期性变化数据的特性,可以使T波交替中T波幅值逐拍变化的特点从形态上直观表现出来。目前,判断是否存在微伏级的T波交替现象,已作为预测室性心律失常、心源性猝死风险的独立指标,并成为一项新的无创心电检测方法;但是只从直观形态上进行分析没有明确的判据且不利于临床统计研究,为此我们需要探讨散点图外部形态与T波交替的关系,并进一步研究散点图中的有效定量指标。
中国专利201310009766.1公开了一种微伏级T波交替的定量检测方法,采取“横向搜索法”对散点图进行边缘提取,求短长轴之比作为定量检测指标,并与谱分析法比较,找出合适阈值判断T波交替的存在与否。该方法是对目标边界内的T波采样点进行数值处理,会丢失部分异常心电数据信息,导致误检,降低TWA检测的准确性,加之边界提取和指标计算公式复杂,影响系统检测的实时性。
发明内容
本发明针对上述背景技术中的缺陷,提供本发明的目的是为克服上述现有技术的不足,提供基于散点图的离散度量化检测TWA的方法;本发明分析T波交替散点图的外部形态,根据其外部形态与T波交替的关系提出一种新的TWA检测有效量化指标离散度,找出合适阈值判断T波交替的存在与否。
为实现上述目的,本发明采用的技术方案如下:一种基于散点图的离散度量化检测T波交替的方法,包括以下步骤:
从心电图数据中选取T波采样点,并绘制T波交替散点图;
确定离散度指数:分析散点图分布形态与T波交替的关系,确定散点图的几何中心,定义每个散点到几何中心的距离的平均值、几何中心到原点的距离、离散度三个定量参数,所述离散度为每个散点到几何中心的距离的平均值与几何中心到原点的距离的比值;
确定T波交替的散点图离散度检测指标阈值,以离散度作为检测指标,采用MATLAB软件仿真并与谱分析法比较,找出合适阈值判断T波交替的存在与否。
进一步的,从心电图数据中选取T波采样点,并绘制T波交替散点图的具体方法包括:获取心电图数据中心电信号并进行去噪预处理,对心电图中的QRS波群与T波的特征点标定;
采用T波窗口,并以T波波峰对齐,选取128个T波段,每段T波提取7个采样点,构成待测的T波采样点序列,将T波采样点序列作一次差分后绘制一次差分的T波交替散点图,所述散点图包括的882个散点。
进一步的,所述噪预处理主要包括去除工频干扰、肌电干扰和基线漂移;将阻带角频率范围为0.47~0.53的带阻滤波器转化成整系数滤波器来滤50HZ工频干扰;由于处于0.05HZ至几HZ低频率段基线漂移的能量主要集中0.1HZ左右,故去除基线漂移首先评估或提取信号基线,再运用减法运算除去信号中基线漂移部分;采用零相位IR滤波不仅能有效地去除心电信号中的基线漂移,且心电信号的ST段失真最小;选取双正交小波中的bior2.2小波函数作为实现变换阈值去噪法去除肌电干扰的小波。
进一步的,所述T波散点图绘制方法为;
将T波采样点序列P={x1,x2,...,xj,...}进行依次差分,xj为第j个采样点,组成新的T波采样点序列Q={x2-x1,x3-x2,...xj-xj-1,...},以X={x2-x1,x3-x2,...,xj+1-xj,...}为横坐标序列,Y={x3-x2,x4-x3,...,xj+2-xj+1,...}为纵坐标序列,作Poincare散点图,则散点图中的散点坐标为(xj+1-xj,xj+2-xj+1)。
进一步的,所述确定离散度指数具体方法包括:
确定散点图的几何中心:计算散点图中散点的横坐标、纵坐标的平均值:
其中,Ax代表散点图中几何中心横坐标平均值,Ay代表散点图中几何中心纵坐标平均值;
计算几何中心到原点的距离的平均值:
计算几何中心A到原点的距离:
其中,K为几何中心到原点的距离,即归一化长度;
计算离散度:
其中,R为离散度,即等效半径。
进一步的,当离散度检测指标阈值为0.63,即离散度为每个散点到几何中心的距离的平均值与几何中心到原点的距离的比值≤0.63时,不存在T波交替;离散度为每个散点到几何中心的距离的平均值与几何中心到原点的距离的比值>0.63时,存在T波交替。
在频域分析法中,谱分析法(SM)被广泛地应用于TWA的检测,并且具有较高的准确性。本发明将散点图法的检测结果即R和谱分析法的检测结果即T交替幅值Vtwa进行比较。利用MTALBE软件进行仿真分析:首先对频谱分析法所得T交替幅值Vtwa和散点图法所得等效半径数值R比对分析,检验散点图中离散度指数的可靠性;再用Kappa一致性检验两指标检测结果的一致性。
有益效果:1.本发明由于是对散点图几何中心平均距离的计算,且进行了归一化处理,该统计平均的方法很大程度上消弱了噪声造成的影响。因此,离散度量化法比传统量化法更具有抗干扰能力。
2.本发明用几何概念描述散点图的离散度,并将其几何中心等效为圆心,故我们可以根据圆的等效半径大小来衡量散点图的离散度。
3.本发明还可以用于心律不齐及房颤等复杂性心律失常的量化研究,扩大了研究的范围。
附图说明
图1散点图离散度的量化示意图;
图2(a)为存在T波交替散点图;
图2(b)为不存在T波交替的散点图;
图3为交替幅值Vtwa和等效半径R的曲线拟合图。
具体实施方式
下面结合附图对技术方案的实施作进一步的详细描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示:本发明提供的一种实施例:一种基于散点图的离散度量化检测TWA分析方法,包括以下步骤:
(1)心电信号预处理:针对工频干扰、肌电干扰和基线漂移进行去噪预处理。将阻带角频率范围为0.47~0.53的带阻滤波器转化成整系数滤波器来滤除50HZ工频干扰;由于处于0.05HZ至几HZ低频率段基线漂移的能量主要集中于0.1HZ左右,故去除基线漂移首先评估或提取信号基线,再运用减法运算除去信号中基线漂移部分;采用零相位IR滤波不仅能有效地去除心电信号中的基线漂移,且心电信号的ST段失真最小;选取双正交小波中的bior2.2小波函数作为实现变换阈值去噪法去除肌电干扰的小波。
(2)T波采样点确定:
本发明采用T波窗口分析法,由RR间期的大小来选择T波窗口起点及窗宽,根据QT和RR间期的关系式,计算出窗口的终点,计算公式为:
其中,Q表示Q波起点,近似在R峰前50ms处;T表示T波起点;RR表示间期;k是常数,一般取k=0.4。
T波平均长度的计算公式为:
本发明选取128个连续的心跳周期,每一个周期内以T波波峰对齐,将T波平均长度的1/6为间隔前后各取3个点构成7点检测集xi={xi1,xi2,...,xi7},即得到了7*128个T波采样矩阵G为:
一维化为1*896的T波采样点序列点序列P={x1,x2,...,xj,...},xj为采样点中的第j个点。
(3)绘制散点图:
本文选取128个T波段,每段提取7个采样点,将P={x1,x2,...,xj,...}进行一次差分组成新的序列Q={x2-x1,x3-x2,...xj-xj-1,...},以X={x2-x1,x3-x2,...,xj+1-xj,...}为横坐标序列,Y={x3-x2,x4-x3,...,xj+2-xj+1,...}为纵坐标序列,可作出882个散点,作Poincare散点图,则该散点图中点的坐标为(xj+1-xj,xj+2-xj+1)。
(4)离散度指标量化,即确定等效半径指数取值范围,以判断T波交替存在与否的;
等效半径指数(R)的计算公式为:
式中,K是散点图的几何中心A到原点O距离的归一化长度,其计算公式为:
散点图的几何中心的算法是每个点的坐标(xj+1-xj,xj+2-xj+1),横、纵坐标的平均值即为几何中心A,计算公式为:
其中,Ax代表散点图中A点横坐标平均值,Ay代表散点图中A点纵坐标平均值。散点图的每个点到几何中心的所有距离的平均值,计算公式为:
在频域分析法中,谱分析法(SM)被广泛地应用于TWA的检测,并且具有较高的准确性。本发明将散点图法的检测结果即R和谱分析法的检测结果即Vtwa进行比较。经MTALBE仿真分析,规定R的阈值为0.63,即R≤0.63时,不存在T波交替;R>0.63时,存在T波交替;
如图2所示的TWA检测的散点图,以MIT/BIH数据库100信号的00:16:10~00:18:60时间范围内的散点图为例,如图2(a),T波交替幅度值为Vtwa=0,离散度R=0.41,故在心跳周期中不存在TWA交替;以ST-T数据库e0105信号的00:04:50~00:06:55的散点图为例,如图2(b),T波交替幅度值为Vtwa=128.76,离散度R=3.76,则有TWA出现。
仿真结果分析:
本发明选取原始抽样频率为360HZ的美国MIT/BIH标准心律失常数据库和原始抽样频率为250HZ的欧洲ST-T心电数据库的数据,并对两组数据库的数据进行再抽样,抽样频率为200HZ。本发明列出了两个心电数据库中的部分样本数据的仿真结果见表1,所有数据都来自1通道。
表1:抽样数据
从表1的数据中,可得出R和Vtwa之间的相关系数,两者之间的相关系数γ=0.9514。对表1中Vtwa和R的离散数据进行二次曲线拟合。Vtwa和R之间关系式:
R=8*10-7Vtwa 2+0.021Vtwa+0.1295
Vtwa和R的二次曲线拟合如图3所示(纵坐标为R,横坐标为Vtwa),其二次曲线的拟合度为0.9514。这表明散点图法的离散度R与谱分析法的Vtwa具有很强的相关性,同时说明离散度指标可以应用到TWA的检测中。
为了从定性的角度验证对于散点图离散度R和T波交替幅度值Vtwa两种方法在检验T波交替时的一致性关系,本发明选用Kappa一致性检验;Kappa系数(K)适用于无序分类变量资料,用两种方法分别对N个观察对象逐个判断其属于C类别中的哪一类,其判断结果常以C×C列联表的形式表示,如表2:
表2
注:N:表示总例数;Ai、Bi:表示第i行、第i列的边缘值;
Kappa系数K的计算公式为:
式中,P0—Pe:实际一致率;1—Pe:非机遇一致率;Aii:CC联表中主对角线上的实际值。
对于一致性强度的参考判断指标,本发明采用一致性强弱不同的六个区段划标准,即:
K<0:极差;0.0~0.20:微弱;0.20~0.40:弱;0.40~0.60:中度;0.60~0.80:高度;0.80~1.00:极强。为了避免两本统计量存在抽样误差,机遇造成离散数据一致程度,本发明采用u检验,计算公式为:
u:标准正态分位数;Se(K):K的标准误。
用Kappa系数的计算原理定性判断T波交替的存在与否,得到散点图离散度R和T波交替幅度值Vtwa的2*2联表如表3所示:
表4
注:TWA不存在:定性为阴性,用“-”表示;
TWA存在:定义为阳性,用“+”表示。
通过统计学中的Kappa一致性检验,进行分析谱分析法与散点图法各个指标检测结果的一致性,设H0两种方法对应的结果无关,H1两种方法对应的结果有关系。
Pe=∑ai*bi=a1*b1+a2*b2=0.5099
P0=0.8230,Pe=0.5099,K=0.6388,参考评价原则,K属于0.60~0.80范围内,表示一致性好,同时,μ为12.4522,大于95%标准正态分布位数1.96,故P<0.05,拒绝H0,接受H1,可认为两种检测方法具有一致性。
以上两种评价方法表明R与Vtwa具有很强的相关性,离散度能够很好应用到T波交替的检测中。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种基于散点图的离散度量化检测T波交替的方法,其特征在于,包括以下步骤:
从心电图数据中选取T波采样点,并绘制T波交替散点图;
确定离散度指数:分析散点图分布形态与T波交替的关系,确定散点图的几何中心,定义每个散点到几何中心的距离的平均值、几何中心到原点的距离、离散度三个定量参数,所述离散度为每个散点到几何中心的距离的平均值与几何中心到原点的距离的比值;
确定T波交替的散点图离散度检测指标阈值,以离散度作为检测指标,采用MATLAB软件仿真并与谱分析法比较,找出合适阈值判断T波交替的存在与否。
2.根据权利要求1所述的一种基于散点图的离散度量化检测T波交替的方法,其特征在于,从心电图数据中选取T波采样点,并绘制T波交替散点图的具体方法包括:获取心电图数据并进行去噪预处理,对心电图中的QRS波群与T波的特征点标定;
采用T波窗口,并以T波波峰对齐,选取128个T波段,每段T波提取7个采样点,构成待测的T波采样点序列,将T波采样点序列作一次差分后绘制一次差分的T波交替散点图,所述散点图包括的882个散点。
3.根据权利要求2所述的一种基于散点图的离散度量化检测T波交替的方法,其特征在于,所述噪预处理主要包括去除工频干扰、肌电干扰和基线漂移。
4.根据权利要求2所述的一种基于散点图的离散度量化检测T波交替的方法,其特征在于,所述T波散点图绘制方法为;
将T波采样点序列P={x1,x2,...,xj,...}进行依次差分,xj为第j个采样点,组成新的T波采样点序列Q={x2-x1,x3-x2,...xj-xj-1,...},以X={x2-x1,x3-x2,...,xj+1-xj,...}为横坐标序列,Y={x3-x2,x4-x3,...,xj+2-xj+1,...}为纵坐标序列,作Poincare散点图,则散点图中的散点坐标为(xj+1-xj,xj+2-xj+1)。
6.根据权利要求1所述的一种基于散点图的离散度量化检测T波交替的方法,其特征在于,当离散度检测指标阈值为0.63,即离散度为每个散点到几何中心的距离的平均值与几何中心到原点的距离的比值≤0.63时,不存在T波交替;离散度为每个散点到几何中心的距离的平均值与几何中心到原点的距离的比值>0.63时,存在T波交替。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911280026.5A CN110916648A (zh) | 2019-12-13 | 2019-12-13 | 一种基于散点图的离散度量化检测t波交替的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911280026.5A CN110916648A (zh) | 2019-12-13 | 2019-12-13 | 一种基于散点图的离散度量化检测t波交替的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110916648A true CN110916648A (zh) | 2020-03-27 |
Family
ID=69859581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911280026.5A Pending CN110916648A (zh) | 2019-12-13 | 2019-12-13 | 一种基于散点图的离散度量化检测t波交替的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110916648A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0256886A2 (en) * | 1986-08-18 | 1988-02-24 | Massachusetts Institute Of Technology | Method and apparatus for quantifying beat-to-beat variability in physiologic waveforms |
CN102314684A (zh) * | 2011-07-18 | 2012-01-11 | 复旦大学 | 评价Lorenz散点图离散程度的量化方法 |
CN103006207A (zh) * | 2013-01-11 | 2013-04-03 | 山东师范大学 | 基于形态学的t波交替散点图法的心电信号分析方法 |
CN103006206A (zh) * | 2013-01-11 | 2013-04-03 | 山东师范大学 | 一种微伏级t波交替的定量检测方法 |
CN105496402A (zh) * | 2015-11-20 | 2016-04-20 | 北京理工大学 | 基于散点图和符号动力学的心电特征分析方法 |
-
2019
- 2019-12-13 CN CN201911280026.5A patent/CN110916648A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0256886A2 (en) * | 1986-08-18 | 1988-02-24 | Massachusetts Institute Of Technology | Method and apparatus for quantifying beat-to-beat variability in physiologic waveforms |
CN102314684A (zh) * | 2011-07-18 | 2012-01-11 | 复旦大学 | 评价Lorenz散点图离散程度的量化方法 |
CN103006207A (zh) * | 2013-01-11 | 2013-04-03 | 山东师范大学 | 基于形态学的t波交替散点图法的心电信号分析方法 |
CN103006206A (zh) * | 2013-01-11 | 2013-04-03 | 山东师范大学 | 一种微伏级t波交替的定量检测方法 |
CN105496402A (zh) * | 2015-11-20 | 2016-04-20 | 北京理工大学 | 基于散点图和符号动力学的心电特征分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117730B (zh) | 心电图心房颤动实时判断方法、装置、系统及存储介质 | |
US9042973B2 (en) | Apparatus and method for measuring physiological signal quality | |
US9050007B1 (en) | Extraction of cardiac signal data | |
Chiu et al. | Using correlation coefficient in ECG waveform for arrhythmia detection | |
CN103006207A (zh) | 基于形态学的t波交替散点图法的心电信号分析方法 | |
CN108888259A (zh) | 一种心电信号实时qrs波检测方法 | |
Lai et al. | A real-time QRS complex detection algorithm based on differential threshold method | |
CN109171697A (zh) | 一种基于双重判断标准的可电击复律心律识别方法 | |
CN112089413A (zh) | 一种阻塞式睡眠呼吸暂停综合症筛查系统 | |
KR101510522B1 (ko) | 심전도 신호 분류 시스템 | |
Reddy et al. | Ecg signal characterization and correlation to heart abnormalities | |
Kannathal et al. | Analysis of electrocardiograms | |
Murthy et al. | Ecg signal denoising and ischemic event feature extraction using daubechies wavelets | |
CN110916648A (zh) | 一种基于散点图的离散度量化检测t波交替的方法 | |
Tun et al. | Analysis of computer aided identification system for ECG characteristic points | |
Alhussainy | QRS complex detection and R–R interval computation based on discrete wavelet transform | |
Fedotov et al. | A QRS-complex detector of the electrocardiogram signal for the long-term monitoring of the patient’s condition | |
Mao et al. | ECG Automatic Identification Method based on BP Neural | |
US20190374123A1 (en) | Predicting atrial fibrillation or stroke using p-wave analysis | |
Zhang et al. | Evaluation of single-lead ECG signal quality with different states of motion | |
Sun et al. | Reducing ECG alarm fatigue based on SQI analysis | |
Jeong et al. | A polynomial approximation approach for analyzing ST shape change | |
Liu et al. | Real-time method for ECG R-peak detection combining automatic threshold and differentiation | |
Feng et al. | The auto-detection and diagnose of the mobile electrocardiogram | |
CN110547786B (zh) | 基于多尺度小波变换的心电图波形的形态识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200327 |
|
RJ01 | Rejection of invention patent application after publication |