CN111195124A - Ecg信号噪声处理方法及其装置、设备和存储介质 - Google Patents
Ecg信号噪声处理方法及其装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111195124A CN111195124A CN201811384915.1A CN201811384915A CN111195124A CN 111195124 A CN111195124 A CN 111195124A CN 201811384915 A CN201811384915 A CN 201811384915A CN 111195124 A CN111195124 A CN 111195124A
- Authority
- CN
- China
- Prior art keywords
- signal
- ecg signal
- wave
- ecg
- beat
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 55
- 230000002159 abnormal effect Effects 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 230000003044 adaptive effect Effects 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 230000005856 abnormality Effects 0.000 claims description 9
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001427 coherent effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 abstract description 9
- 238000003745 diagnosis Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 230000004913 activation Effects 0.000 description 4
- 206010003119 arrhythmia Diseases 0.000 description 4
- 230000006793 arrhythmia Effects 0.000 description 4
- 230000001746 atrial effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000033764 rhythmic process Effects 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000028161 membrane depolarization Effects 0.000 description 3
- 208000008376 Pre-Excitation Syndromes Diseases 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000002837 heart atrium Anatomy 0.000 description 2
- 210000005246 left atrium Anatomy 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000000718 qrs complex Methods 0.000 description 2
- 230000004213 regulation of atrial cardiomyocyte membrane depolarization Effects 0.000 description 2
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 210000005245 right atrium Anatomy 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010003671 Atrioventricular Block Diseases 0.000 description 1
- 206010006578 Bundle-Branch Block Diseases 0.000 description 1
- 208000030453 Drug-Related Side Effects and Adverse reaction Diseases 0.000 description 1
- 208000002682 Hyperkalemia Diseases 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 206010070863 Toxicity to various agents Diseases 0.000 description 1
- 206010047295 Ventricular hypertrophy Diseases 0.000 description 1
- 230000009692 acute damage Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007914 intraventricular administration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000013577 regulation of ventricular cardiomyocyte membrane repolarization Effects 0.000 description 1
- 230000002336 repolarization Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 210000001013 sinoatrial node Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000002861 ventricular 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]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- 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
Abstract
本发明提供的一种ECG信号噪声处理方法及其装置、设备和存储介质，通过接收并过滤原始ECG信号以提取R波峰，将相邻两个所述R波峰峰值之间的中点作为分割点，以形成单拍ECG信号，并检测P波、T波、及QRS波段，基于线性曲线拟合算法对检测ECG信号进行基线漂移补偿处理以形成调整ECG信号，对调整ECG信号中的各单拍ECG信号的信号长度进行规格化处理，并将相邻两个或多个单拍ECG信号做相位对齐，以判断相关参数是否发生异常或超过预定阈值。本发明能够自动获取信号的信噪比，提高信号信噪比的同时保留ECG信号的特征部分，并且帮助提醒用户佩戴有问题以实现校准，为后续进行更精准的健康分析提供保障。
Description
技术领域
本发明涉及ECG信号处理技术领域。尤其是涉及一种ECG信号噪声处理方法及其装置、设备和存储介质。
背景技术
ECG(electrocardiogram)意思是心电图，指心脏在每个心动周期中，由起搏点、心房、心室相继兴奋，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图形，ECG信号是心脏的无数心肌细胞生物电信号的综合反映，ECG信号在医学各领域的研究分析中具有重大意义，是了解心脏功能、辅助诊断心脏类基并的重要方法和手段。
通常ECG信号采集时伴随的噪声来源主要受被采集者的动作、ECG信号采集时基线信号的偏移、以及人体肌肉电信号等影响。
传统的ECG信号过滤方式通常采用在模拟端通过抗锯齿奈奎斯特(Nyquist)采样滤波的方式，再转成数字信号后，通过带通滤波的方式来消除噪声。但其往往无法去除基线漂移，并带来QRS波形失真，无法保留ECG信号的原始特征等。
传统信号的滤波方式同时无法判断信号是否因为心律异常或接触噪声过高导致信号不可用。无法提供相应报警信号发送到平台，从而对ECG信号的健康分析造成偏差。尤其因ECG信号采集与被采集者之间的接触方式不理想造成的噪音，更加难以排除。随着互联网日益发展壮大，未来基于无线健康监测和医疗监测的数字健康模式下的使用场景也将会迎来极大的发展，那么针对被采集者采集设备的佩戴环节将提出更严峻的考验，另外，监测出非正常窦性心律信号也尤为重要。
因此，传统ECG信号的处理方式已无法有效的解决ECG噪声问题，并且无法很好的保留ECG信号的原始特征。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种ECG信号噪声处理方法及其装置、设备和存储介质，用于解决现有技术中传统ECG信号的处理方式往往无法有效处理ECG的噪声，并无法保留ECG信号的原始特征等问题。
为实现上述目的及其他相关目的，本发明提供一种ECG信号处理方法，应用于ECG信号采集器，所述方法包括：接收并过滤原始ECG信号以提取R波峰，将相邻两个所述R波峰峰点之间的中点作为分割点，以形成至少一个单拍ECG信号；检测各所述单拍ECG信号的P波、T波、及QRS波段以形成检测ECG信号并进行存储；基于线性曲线拟合算法对所述检测ECG信号进行基线漂移补偿处理以形成调整ECG信号；对所述调整ECG信号中的各所述单拍ECG信号的信号长度进行规格化处理，并将相邻两个或多个所述单拍ECG信号做相位对齐，以判断相关参数是否发生异常或超过预定阈值；若未发生异常及超过预定阈值，则将所述规格化ECG信号进行噪声消除处理，并对其内的各所述单拍ECG信号的信号长度进行反规格化处理，且发送至服务器，以供分析；和/或，若发生异常或超过预定阈值，则发送异常信号至服务器，以提醒用户调整或更换相应检测设备。
于本发明的一实施例中，所述提取R波峰的方法包括：预设一自适应阈值，选取高于所述自适应阈值的点以形成所述R波峰；所述自适应阈值的计算公式为：Tn＝λ*Tn-1+(1-λ)*(μn+f*σn)；其中，Tn为每次变化的阈值；λ为自适应第一调整参数；μn为原始心电信号的总体均值；σn为原始心电信号的方差；f为自适应第二调整参数。
于本发明的一实施例中，所述μn、及σn的计算均依据1秒信号窗口内的信号值。
于本发明的一实施例中，所述P波的检测方法包括：在所述QRS波段之前的200毫秒内搜索满足信号值最大或斜率为0的点作为P波顶点；分别从所述P波顶点沿反方向、及正方向搜索信号值下降5％的点为P波起点、及P波终点。
于本发明的一实施例中，所述T波的检测方法包括：在所述单拍ECG信号内将所述QRS波段的信号值替换为任意1秒信号窗口内的信号平均值，并搜索所述单拍ECG信号内斜率最大的点为T波顶点；分别从所述T波顶点沿反方向、及正方向搜索信号值下降5％的点为T波起点、及T波终点。
于本发明的一实施例中，所述基线漂移补偿处理的方法包括：基于所述单拍ECG信号的信号值、及所述单拍ECG信号两端向外的60毫秒信号窗口内的信号值，计算平均信号值；将所述平均信号值替换所述QRS波段信号值；将替换后的所述单拍ECG信号减去依其计算的平均信号值以得到归零单拍ECG信号；对所述归零单拍ECG信号进行所述线性曲线拟合的运算，得到线性信号基线；将所述单拍ECG信号减去所述线性信号基线，从而完成基线漂移补偿处理并形成调整ECG信号。
于本发明的一实施例中，所述规格化处理的方法包括：通过对各所述单拍ECG信号重新过采样，将各所述单拍ECG信号的信号长度规格化扩展到预设长度。
于本发明的一实施例中，所述噪声消除处理是依据相干积分平均算法计算的到的。
为实现上述目的及其他相关目的，本发明提供一种ECG信号噪声处理装置，所述装置包括：提取模块，用于接收并过滤原始ECG信号以提取R波峰，将相邻两个所述R波峰峰值之间的中点作为分割点，以形成至少一个单拍ECG信号；处理模块，用于检测各所述单拍ECG信号的P波、T波、及QRS波段以形成检测ECG信号并进行存储；基于线性曲线拟合算法对所述检测ECG信号进行基线漂移补偿处理以形成调整ECG信号；对所述调整ECG信号中的各所述单拍ECG信号的信号长度进行规格化处理，并将相邻两个或多个所述单拍ECG信号做相位对齐，以判断相关参数是否发生异常或超过预定阈值；若未发生异常及超过预定阈值，则将所述规格化ECG信号进行噪声消除处理，并对其内的各所述单拍ECG信号的信号长度进行反规格化处理，且发送至服务器，以供分析；和/或，若发生异常或超过预定阈值，则发送异常信号至服务器，以提醒用户调整或更换相应检测设备。
为实现上述目的及其他相关目的，本发明提供一种ECG信号噪声处理设备，所述设备包括：存储器、处理器、及通信器；所述存储器用于存储程序；所述处理器运行程序实现如上述所述的ECG信号噪声处理方法；所述通信器用于通信连接服务器。
为实现上述目的及其他相关目的，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的ECG信号噪声处理方法。
如上所述，本发明提供的一种ECG信号噪声处理方法及其装置、设备和存储介质，通过接收并过滤原始ECG信号以提取R波峰，将相邻两个所述R波峰峰值之间的中点作为分割点，以形成至少一个单拍ECG信号，检测各所述单拍ECG信号的P波、T波、及QRS波段以形成检测ECG信号并进行存储，基于线性曲线拟合算法对所述检测ECG信号进行基线漂移补偿处理以形成调整ECG信号，对所述调整ECG信号中的各所述单拍ECG信号的信号长度进行规格化处理，并将相邻两个或多个所述单拍ECG信号做相位对齐，以判断相关参数是否发生异常或超过预定阈值。具有以下有益效果：
能够自动获取信号的信噪比，提高信号信噪比的同时保留ECG信号的特征部分，并且帮助提醒用户佩戴有问题以实现校准，为后续进行更精准的健康分析提供保障。
附图说明
图1显示为本发明于一实施例中的正常ECG信号各波段的波形示意图。
图2显示为本发明于一实施例中的ECG信号处理方法的流程示意图。
图3显示为本发明于一实施例中的ECG信号处理装置的模块示意图。
图4显示为本发明于一实施例中的ECG信号处理设备的结构示意图。
元件标号说明
S201～S204 方法步骤
300 ECG信号处理装置
301 获取模块
302 处理模块
400 ECG信号处理设备
401 存储器
402 处理器
403 通信器
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
如图1所示，展示本发明于一实施例中的正常ECG信号各波段的波形示意图。如图所示，为正常一心率拍的ECG信号，主要包括P波、T波、由QRS波段(由Q波、R波、S波构成)、以及各类型波之间的波段或间期。
其中，P波、QRS波段、T波是心电图的重要特征波形，分别顺序对应着心房去极化、心室去极化、心室复极化的过程。需要说明的是，心脏收缩时的点活动成为除极或去极，心脏舒张是的电活动成为复极。在心电图诊断中，P波时限和幅度、Q波时限和幅度、PR间期、及ST段等是诊断心房异常、预激综合征、房室传导阻滞的重要指标因子。因此，有效检测出上述特征波形是诊断的关键所在。
如图2所示，展示本发明于一实施例中的ECG信号处理方法的流程示意图。如图所示，所述方法包括：
步骤S201：接收并过滤原始ECG信号以提取R波峰，将相邻两个所述R波峰峰点之间的中点作为分割点，以形成至少一个单拍ECG信号。
一般想要获取如图1所述的各特征波形的重要一步就是要正确计算出P波的峰值点、起止点位置，从而获取到QRS波段。QRS波段是ECG中最显著的部分，它反映了心室收缩时心脏的电行为，其能量占了心电信号能量的很大百分比。QRS波分布于心电信号的中、高频区域，峰值落在10～20Hz之间，并且幅度特征非常明显，与其它波形的区别显著,因而在心电特征波形的检测中，常常先定位QRS波群，所以QRS波的检测是所有波形检测的基础。
通常来说，ECG信号可以分析由几类信号线性叠加而成，包括高频QRS，低频P波，T波，低频噪声，50Hz电源噪声，其他由身体移动，及人体肌电所产生的低频噪声，所以通常做法是采用基于带通滤波的技术监测对原始ECG信号进行过滤，以排除某些频段的噪声。
于本发明的一实施例中，采用带通滤波器对所述原始ECG信号进行过滤，所述带通滤波器选择8阶数字巴特沃斯滤波器，低频截止频率为8赫兹，高频截止频率为20赫兹。
巴特沃斯滤波器是电子滤波器的一种，其特点是通频带内的频率响应曲线最大限度平坦，没有起伏，而在阻频带则逐渐下降为零。在振幅的对数对角频率的波特图上，从某一边界角频率开始，振幅随着角频率的增加而逐步减少，趋向负无穷大。一阶巴特沃斯滤波器的衰减率为每倍频6分贝，每十倍频20分贝。二阶巴特沃斯滤波器的衰减率为每倍频12分贝、三阶巴特沃斯滤波器的衰减率为每倍频18分贝、如此类推。巴特沃斯滤波器的振幅对角频率单调下降，并且也是唯一的无论阶数，振幅对角频率曲线都保持同样的形状的滤波器。
8阶数字巴特沃斯滤波器的传输函数如下：
其中，n＝8，3dB衰减的截止频率分别为8Hz低频，20Hz高频。
于本发明的一实施例中，所述提取R波峰的方法包括：预设一自适应阈值，选取高于所述自适应阈值的点以形成所述R波峰；所述自适应阈值的计算公式为:
Tn＝λ*Tn-1+(1-λ)*(μn+f*σn)；
其中，Tn为每次变化的阈值；λ为自适应第一调整参数；μn为原始心电信号的总体均值；σn为原始心电信号的方差；f为自适应第二调整参数。
于本发明的一实施例中，所述μn、及σn的计算均依据1秒信号窗口内的信号值。
于本发明的一实施例中，优选地，λ＝0.4作为自适应调整参数，f＝0.8作为均值调整自适应参数。
举例来说，如果输入值从小于Tn到大于Tn，则被记录成一个新的R波峰的上升沿起点，从起点开始计算100毫秒作为一个R波峰峰点，直到输入值从大于Tn变到小于Tn，则记录成R波峰的下降沿。
需要说明的是，将相邻两个所述R波峰峰点之间的中点作为分割点，具体来说，以分割点垂直于时间轴的直线为分割线，即为两拍ECG心电图的分割线。
于本发明的一实施例中，形成至少一个单拍ECG信号，这里所述单拍ECG信号用来表示重新定义的一拍完整心率周期。
步骤S202：检测各所述单拍ECG信号的P波、T波、及QRS波段以形成检测ECG信号并进行存储。
所述QRS波段反映左、右心室除极电位和时间的变化，第一个向下的波为Q波，向上的波为R波，接着向下的波是S波。自QRS波群起点至QRS波群终点的时间为QRS时限。QRS波群时限为0.06～0.10s；最长不>0.12s；儿童为0.04～0.08s。超过120ms为QRS时限延长，则常见于心室肥大、束支传导阻滞、预激综合征、心室内差异传导、高钾血症、急性损伤传导阻滞及药物毒性反应等。
于本发明的一实施例中，在获取到R波后，沿R波反方向(一般为从右至左)第一个向上的波为Q波，沿R波正方向(一般为从右至左)第一个向上的波为S波。
P波是心房除极波，代表左右二心房的激动。由于窦房结位于右心房内膜下，所以激动首先传到右心房，较晚传到左心房。右心房的除极作用因此也比左心房略早完毕。临床上为了实用起见，P波的前部代表右心房的激动，后部代表左心房的激动。分析P波对心律失常的诊断与鉴别诊断具有重要意义。
于本发明的一实施例中，所述P波的检测方法包括：在所述QRS波段之前的200毫秒内搜索满足信号值最大或斜率为0的点作为P波顶点；分别从所述P波顶点沿反方向、及正方向搜索信号值下降5％的点为P波起点、及P波终点。
具体地，在所述QRS波段中Q波起点之前的200毫秒内，搜索满足数值(即信号值)或斜率为0的点为P波顶点。
从所述P波顶点沿反方向、及正方向搜索信号值下降5％的点为P波起点、及P波终点，举例来说，所述P波顶点的信号值为10，当沿其反方向、及正方向分别搜索信号值为9.5的点，即为P波起点、及P波终点。
于本发明的一实施例中，由P波起点至P波终点的波段组成P波。
于本发明的一实施例中，所述T波的检测方法包括：在所述单拍ECG信号内将所述QRS波段的信号值替换为任意1秒信号窗口内的信号平均值，并搜索所述单拍ECG信号内斜率最大的点为T波顶点；分别从所述T波顶点沿反方向、及正方向搜索信号值下降5％的点为T波起点、及T波终点。
于本发明的一实施例中，通常来说，T波顶点的信号值要高于P波顶点的信号值，因此在将所述QRS波段的信号值替换为任意1秒信号窗口内的信号平均值后，所述单拍ECG信号内斜率最大的点即为T波顶点。
于本发明的一实施例中，当检测各所述单拍ECG信号的P波、T波、及QRS波段以形成的检测ECG信号进行存储，优选地，至少存放16拍所述检测ECG信号，以便后续的信号处理更为合理、准确。
于本发明的一实施例中，通过检测各所述单拍ECG信号的P波、T波、及QRS波段，从而监测去极化后的信号噪声幅度及直流信号幅度，并在此基础上重构信号基线。
步骤S203：基于线性曲线拟合算法对所述检测ECG信号进行基线漂移补偿处理以形成调整ECG信号。
在工程设计或科学实验中所得到的数据往往是一张关于离散数据点的表，没有解析式来描述x-y关系。根据所给定的这些离散数据点绘制的曲线，称为不规则曲线，通常用曲线拟合的方法解决这类问题。
基线漂移的定义：ECG信号的直流基线值表现为在直流信号的附近的飘动，带宽为低频1Hz以下。去除基线漂移：
基线漂移的来源：1)被检测病人的身体移动；2)呼吸；3)ECG检测电机和皮肤之间的影响。
简单来说，基线漂移是一种存在于心电图系统的低频噪声。这是由于电极、呼吸和身体运动的偏置电压造成的，基于上述基线漂移特性，因此，需要对ECG信号的基线漂移进行去除。
于本发明的一实施例中，所述基线漂移补偿处理的方法包括：
A、基于所述单拍ECG信号的信号值、及所述单拍ECG信号两端向外的60毫秒信号窗口内的信号值，计算平均信号值。
具体来说，是针对所述单拍ECG信号以及其上P波起点前60毫秒信号与T波终点后60毫秒信号，将其作为整体以求出平均信号值。
B、将所述平均信号值替换所述QRS波段信号值。
于本发明的一实施例中，该步骤的目的是移除QRS波段的影响，将步骤A计算的所述平均信号值代替整个QRS波段，
C、将替换后的所述单拍ECG信号减去依其计算的平均信号值以得到归零单拍ECG信号。
需要说明的是，该处的平均信号值是针对替换后的所述单拍ECG信号求得的，并将替换后的所述单拍ECG信号减去其平均信号值，以完成对所述单拍ECG信号做归零处理得到归零单拍ECG信号。
D、对所述归零单拍ECG信号进行所述线性曲线拟合的运算，得到线性信号基线。
于本发明的一实施例中，对归零单拍ECG信号做一阶线性曲线拟合，得到的参数复制产生线性信号基线。
E、将所述单拍ECG信号减去所述线性信号基线，从而完成基线漂移补偿处理并形成调整ECG信号。
于本发明的一实施例中，再通过所述单拍ECG信号减去所述线性信号基线，以实现基线漂移的移除处理。
步骤S204：对所述调整ECG信号中的各所述单拍ECG信号的信号长度进行规格化处理，并将相邻两个或多个所述单拍ECG信号做相位对齐，以判断相关参数是否发生异常或超过预定阈值；
于本发明的一实施例中，所述规格化处理的方法包括：通过对各所述单拍ECG信号重新过采样，将各所述单拍ECG信号的信号长度规格化扩展到预设长度，以使各所述单拍ECG信号的P波、T波、及QRS波段相位对齐。
其中，在信号处理中，所述过采样(Oversampling)是指以远远高于信号带宽两倍或其最高频率对其进行采样的过程。
简单来说，通过周期长度做心率变异的规格化处理，统一到一样长度，以完成相位同步对齐处理。
于本发明的一实施例中，所述相关参数即为P波、T波、QRS波段、以及各波段之间组成的波段等特征波形。
于本发明的一实施例中，在相邻两个或多个所述单拍ECG信号做相位对齐处理的过程中，相关特征波形可能会发生异常，如R波或QRS波峰幅度、波距、极性逆转，亦或是，信号噪声峰度系数或PT波间的信号方差超过了正常范围，这些情况则均判定为异常信号，以此来检测出异常心律失常的情况或佩戴方式有问题的情况。
于本发明的一实施例中，所述预定阈值依据相关参数的正常数值范围内选取，即判定信号噪声峰度系数是否超过正常范围。
步骤S205：若未发生异常及超过预定阈值，则将所述规格化ECG信号进行噪声消除处理，并对其内的各所述单拍ECG信号的信号长度进行反规格化处理，且发送至服务器，以供分析；和/或，若发生异常或超过预定阈值，则发送异常信号至服务器，以提醒用户调整或更换相应检测设备。
于本发明的一实施例中，所述噪声消除处理是依据相干积分平均算法计算的到的。若未发生异常及超过预定阈值，则做同相积分来消除噪声，最终做心率变异长度的反规格化处理，即还原原信号长度的所述调整ECG信号，以最大程度保留初始ECG信号的特征部分，最后发送到云端平台做进一步健康分析。
于本发明的一实施例中，相位对齐过程中产生的非常规信号检测触发信号失真诊断，从而发给云平台做预警，系统干预调整，直到重新采集到可接受的信号质量。
例如，如果相位是因为病症原因(异常心律失常)或设备接触原因无法对齐，则较大可能造成R波或QRS波峰到波谷幅度异常(如明显高于或低于其他R波或QRS波峰到波谷的幅度)，或相邻R波距离异常，或R波极性逆转，或信号噪声峰度系数低于预定阀值(所述预定阈值为所述信号噪声峰度系数合理范围内，即判定信号噪声峰度系数是否超过合理范围)，或P-T波间的信号方差超过预定阀值等，那么则判定这些情况为异常情况，通过无线通讯网络发送异常信号到服务器后台触发预警机制，提醒用户重新调整ECG传感器和人体的接触方式，或者更换新的心电采集设备。
举例来说，无线健康监测和医疗监测在未来数字健康框架下会成为重要的使用场景，由于要满足使用者本身和平台服务者不在一起，这使得全自动信号处理变的非常重要。基于本法明所述方法，可以通过自动获取信号的信噪比，来提醒用户佩戴有问题，及时对使用者的佩戴方式作调整，实现校准。同时，还对心律失常引起的病症信号做筛查，监测非正常窦性心律信号，对异常心律做预警。最终，保证发送至后台服务器进行诊断分析的ECG信号是正常的、噪音小的，进而实现人工智能诊断心脏内科疾病。
如图3所示，展示本发明于一实施例中的ECG信号处理装置的模块示意图。如图所示，所述ECG信号处理装置300包括：
提取模块301，用于接收并过滤原始ECG信号以提取R波峰，将相邻两个所述R波峰峰值之间的中点作为分割点，以形成至少一个单拍ECG信号。
处理模块302，用于检测各所述单拍ECG信号的P波、T波、及QRS波段以形成检测ECG信号并进行存储；基于线性曲线拟合算法对所述检测ECG信号进行基线漂移补偿处理以形成调整ECG信号；对所述调整ECG信号中的各所述单拍ECG信号的信号长度进行规格化处理，并将相邻两个或多个所述单拍ECG信号做相位对齐，以判断相关参数是否发生异常或超过预定阈值；若未发生异常及超过预定阈值，则将所述规格化ECG信号进行噪声消除处理，并对其内的各所述单拍ECG信号的信号长度进行反规格化处理，且发送至服务器，以供分析；和/或，若发生异常或超过预定阈值，则发送异常信号至服务器，以提醒用户调整或更换相应检测设备。
于本发明的一实施例中，通过各模块配合使用能够实现如图2所述的ECG信号噪声处理方法的各步骤。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，处理模块302可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上处理模块302的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital signal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
如图4所示，展示本发明于一实施例中的ECG信号处理设备的结构示意图。如图所示，所述ECG信号处理设备400包括：存储器401、处理器402、及通信器403；所述存储器401用于存储程序；所述处理器402运行程序实现如图2所述的ECG信号噪声处理方法；所述通信器403用于通信连接服务器。
所述存储器401可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
所述处理器402可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
所述通信器403用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信连接。所述通信器403可包含一组或多组不同通信方式的模块，例如，与CAN总线通信连接的CAN通信模块。所述通信连接可以是一个或多个有线/无线通讯方式及其组合。通信方式包括：互联网、CAN、内联网、广域网(WAN)、局域网(LAN)、无线网络、数字用户线(DSL)网络、帧中继网络、异步传输模式(ATM)网络、虚拟专用网络(VPN)和/或任何其它合适的通信网络中的任何一个或多个。例如：WIFI、蓝牙、NFC、GPRS、GSM、及以太网中任意一种及多种组合。
为实现上述目的及其他相关目的，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如图2所述的ECG信号噪声处理方法。
所述计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，本发明提供的一种ECG信号噪声处理方法及其装置、设备和存储介质，通过接收并过滤原始ECG信号以提取R波峰，将相邻两个所述R波峰峰值之间的中点作为分割点，以形成至少一个单拍ECG信号，检测各所述单拍ECG信号的P波、T波、及QRS波段以形成检测ECG信号并进行存储，基于线性曲线拟合算法对所述检测ECG信号进行基线漂移补偿处理以形成调整ECG信号，对所述调整ECG信号中的各所述单拍ECG信号的信号长度进行规格化处理，并将相邻两个或多个所述单拍ECG信号做相位对齐，以判断相关参数是否发生异常或超过预定阈值。
本发明能够自动获取信号的信噪比，提高信号信噪比的同时保留ECG信号的特征部分，并且帮助提醒用户佩戴有问题以实现校准，为后续进行更精准的健康分析提供保障。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (11)
1.一种ECG信号处理方法，其特征在于，所述方法包括：
接收并过滤原始ECG信号以提取R波峰，将相邻两个所述R波峰峰点之间的中点作为分割点，以形成至少一个单拍ECG信号；
检测各所述单拍ECG信号的P波、T波、及QRS波段以形成检测ECG信号并进行存储；
基于线性曲线拟合算法对所述检测ECG信号进行基线漂移补偿处理以形成调整ECG信号；
对所述调整ECG信号中的各所述单拍ECG信号的信号长度进行规格化处理，并将相邻两个或多个所述单拍ECG信号做相位对齐，以判断相关参数是否发生异常或超过预定阈值；
若未发生异常及超过预定阈值，则将所述规格化ECG信号进行噪声消除处理，并对其内的各所述单拍ECG信号的信号长度进行反规格化处理，且发送至服务器，以供分析；和/或，若发生异常或超过预定阈值，则发送异常信号至服务器，以提醒用户调整或更换相应检测设备。
2.根据权利要求1所述的ECG信号处理方法，其特征在于，所述提取R波峰的方法包括：
预设一自适应阈值，选取高于所述自适应阈值的点以形成所述R波峰；
所述自适应阈值的计算公式为：
Tn＝λ*Tn-1+(1-λ)*(μn+f*σn)；
其中，Tn为每次变化的阈值；λ为自适应第一调整参数；μn为原始心电信号的总体均值；σn为原始心电信号的方差；f为自适应第二调整参数。
3.根据权利要求2所述的ECG信号噪声处理方法，其特征在于，所述μn、及σn的计算均依据1秒信号窗口内的信号值。
4.根据权利要求1所述的ECG信号噪声处理方法，其特征在于，所述P波的检测方法包括：
在所述QRS波段之前的200毫秒内搜索满足信号值最大或斜率为0的点作为P波顶点；
分别从所述P波顶点沿反方向、及正方向搜索信号值下降5％的点为P波起点、及P波终点。
5.根据权利要求1所述的ECG信号噪声处理方法，其特征在于，所述T波的检测方法包括：
在所述单拍ECG信号内将所述QRS波段的信号值替换为任意1秒信号窗口内的信号平均值，并搜索所述单拍ECG信号内斜率最大的点为T波顶点；
分别从所述T波顶点沿反方向、及正方向搜索信号值下降5％的点为T波起点、及T波终点。
6.根据权利要求1所述的ECG信号噪声处理方法，其特征在于，所述基线漂移补偿处理的方法包括：
基于所述单拍ECG信号的信号值、及所述单拍ECG信号两端向外的60毫秒信号窗口内的信号值，计算平均信号值；
将所述平均信号值替换所述QRS波段信号值；
将替换后的所述单拍ECG信号减去依其计算的平均信号值以得到归零单拍ECG信号；
对所述归零单拍ECG信号进行所述线性曲线拟合的运算，得到线性信号基线；
将所述单拍ECG信号减去所述线性信号基线，从而完成基线漂移补偿处理并形成调整ECG信号。
7.根据权利要求1所述的ECG信号噪声处理方法，其特征在于，所述规格化处理的方法包括：
通过对各所述单拍ECG信号重新过采样，将各所述单拍ECG信号的信号长度规格化扩展到预设长度。
8.根据权利要求1所述的ECG信号噪声处理方法，其特征在于，所述噪声消除处理是依据相干积分平均算法计算的到的。
9.一种ECG信号噪声处理装置，其特征在于，所述装置包括：
提取模块，用于接收并过滤原始ECG信号以提取R波峰，将相邻两个所述R波峰峰值之间的中点作为分割点，以形成至少一个单拍ECG信号；
处理模块，用于检测各所述单拍ECG信号的P波、T波、及QRS波段以形成检测ECG信号并进行存储；基于线性曲线拟合算法对所述检测ECG信号进行基线漂移补偿处理以形成调整ECG信号；对所述调整ECG信号中的各所述单拍ECG信号的信号长度进行规格化处理，并将相邻两个或多个所述单拍ECG信号做相位对齐，以判断相关参数是否发生异常或超过预定阈值；若未发生异常及超过预定阈值，则将所述规格化ECG信号进行噪声消除处理，并对其内的各所述单拍ECG信号的信号长度进行反规格化处理，且发送至服务器，以供分析；和/或，若发生异常或超过预定阈值，则发送异常信号至服务器，以提醒用户调整或更换相应检测设备。
10.一种ECG信号噪声处理设备，其特征在于，所述设备包括：存储器、处理器、及通信器；
所述存储器用于存储程序；所述处理器运行程序实现如权利要求1至8中任意一项所述的ECG信号噪声处理方法；所述通信器用于通信连接服务器。
11.一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，该程序被处理器执行时实现如权利要求1至8中任意一项所述的ECG信号噪声处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811384915.1A CN111195124A (zh) | 2018-11-20 | 2018-11-20 | Ecg信号噪声处理方法及其装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811384915.1A CN111195124A (zh) | 2018-11-20 | 2018-11-20 | Ecg信号噪声处理方法及其装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111195124A true CN111195124A (zh) | 2020-05-26 |
Family
ID=70741557
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811384915.1A Pending CN111195124A (zh) | 2018-11-20 | 2018-11-20 | Ecg信号噪声处理方法及其装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111195124A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113197584A (zh) * | 2021-04-30 | 2021-08-03 | 扬州大学 | 一种基于差分过零检测法的qrs波群识别方法 |
| CN113616217A (zh) * | 2021-10-12 | 2021-11-09 | 深圳市倍轻松科技股份有限公司 | 基线漂移曲线的生成方法和装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013043157A2 (en) * | 2011-09-20 | 2013-03-28 | Vivaquant Llc | Physiological signal denoising |
| CN107582045A (zh) * | 2017-09-06 | 2018-01-16 | 成都心吉康科技有限公司 | 心电采集方法、可穿戴设备及其控制方法 |
| CN107736888A (zh) * | 2017-11-27 | 2018-02-27 | 中山大学 | 一种使用可穿戴心电图设备进行实时心脏监控的方法及系统 |
| CN107822622A (zh) * | 2017-09-22 | 2018-03-23 | 成都比特律动科技有限责任公司 | 基于深度卷积神经网络的心电图诊断方法和系统 |
| CN107951485A (zh) * | 2017-11-27 | 2018-04-24 | 乐普（北京）医疗器械股份有限公司 | 基于人工智能自学习的动态心电图分析方法和装置 |
-
2018
- 2018-11-20 CN CN201811384915.1A patent/CN111195124A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013043157A2 (en) * | 2011-09-20 | 2013-03-28 | Vivaquant Llc | Physiological signal denoising |
| CN107582045A (zh) * | 2017-09-06 | 2018-01-16 | 成都心吉康科技有限公司 | 心电采集方法、可穿戴设备及其控制方法 |
| CN107822622A (zh) * | 2017-09-22 | 2018-03-23 | 成都比特律动科技有限责任公司 | 基于深度卷积神经网络的心电图诊断方法和系统 |
| CN107736888A (zh) * | 2017-11-27 | 2018-02-27 | 中山大学 | 一种使用可穿戴心电图设备进行实时心脏监控的方法及系统 |
| CN107951485A (zh) * | 2017-11-27 | 2018-04-24 | 乐普（北京）医疗器械股份有限公司 | 基于人工智能自学习的动态心电图分析方法和装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113197584A (zh) * | 2021-04-30 | 2021-08-03 | 扬州大学 | 一种基于差分过零检测法的qrs波群识别方法 |
| CN113616217A (zh) * | 2021-10-12 | 2021-11-09 | 深圳市倍轻松科技股份有限公司 | 基线漂移曲线的生成方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Karimipour et al. | Real-time electrocardiogram P-QRS-T detection–delineation algorithm based on quality-supported analysis of characteristic templates | |
| Sameni et al. | A nonlinear Bayesian filtering framework for ECG denoising | |
| US20070129639A1 (en) | Methods and analysis for cardiac ischemia detection | |
| Wijaya et al. | Abnormalities state detection from P-wave, QRS complex, and T-wave in noisy ECG | |
| Agostinelli et al. | Segmented beat modulation method for electrocardiogram estimation from noisy recordings | |
| Arunachalam et al. | Real-time estimation of the ECG-derived respiration (EDR) signal using a new algorithm for baseline wander noise removal | |
| Patro et al. | De-noising of ECG raw signal by cascaded window based digital filters configuration | |
| Jeyarani et al. | Analysis of noise reduction techniques on QRS ECG waveform-by applying different filters | |
| Lamesgin et al. | Extraction of fetal ECG from abdominal ECG and heart rate variability analysis | |
| CN112839584B (zh) | 用于母体子宫活动检测的系统和方法 | |
| CN111265210A (zh) | 一种基于深度学习的房颤预测装置和设备 | |
| Narwaria et al. | Removal of baseline wander and power line interference from ECG signal-a survey approach | |
| Dora et al. | Robust ECG artifact removal from EEG using continuous wavelet transformation and linear regression | |
| Pingale | Using Pan Tompkin ‘S Method, ECG signal processing and dignose various diseases in Matlab | |
| Talatov et al. | Algorithmic and software analysis and processing of ECG signals | |
| CN113384277B (zh) | 心电数据的分类方法及分类系统 | |
| CN111195124A (zh) | Ecg信号噪声处理方法及其装置、设备和存储介质 | |
| Leutheuser et al. | Instantaneous P-and T-wave detection: Assessment of three ECG fiducial points detection algorithms | |
| Jenkal et al. | Enhanced algorithm for QRS detection using discrete wavelet transform (DWT) | |
| Lemay et al. | Spatiotemporal QRST cancellation method using separate QRS and T-waves templates | |
| Pingale et al. | Detection of various diseases using ECG signal in Matlab | |
| Krishnamurthy et al. | Comparison of various filtering techniques used for removing high frequency noise in ECG signal | |
| Agostinelli et al. | Robustness of the segmented-beat modulation method to noise | |
| Jindal et al. | MATLAB based GUI for ECG arrhythmia detection using Pan-Tompkin algorithm | |
| Cho et al. | Adaptive noise canceling of electrocardiogram artifacts in single channel electroencephalogram |
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: 20200526 |
|
| RJ01 | Rejection of invention patent application after publication |