CN111345806A - 一种心动周期检测方法及装置 - Google Patents
一种心动周期检测方法及装置 Download PDFInfo
- Publication number
- CN111345806A CN111345806A CN201811575082.7A CN201811575082A CN111345806A CN 111345806 A CN111345806 A CN 111345806A CN 201811575082 A CN201811575082 A CN 201811575082A CN 111345806 A CN111345806 A CN 111345806A
- Authority
- CN
- China
- Prior art keywords
- threshold
- detected
- signal
- value
- original signal
- 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
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
- A61B5/24—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
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
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)
- Power Engineering (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动周期检测方法及装置,该方法通过将原始信号输入原始信号缓冲区后,再依次对原始信号进行预处理和连续小波分解,得到待检信号,再利用该原始信号和待检信号来更新微分检测阈值和幅度检测阈值,然后利用更新后的微分检测阈值和幅度检测阈值,判断是否检测到连续输入的原始信号的R波位置,最后再根据已检测到的R波位置,计算出心动周期。因此,本发明通过在心电周期检测过程中,持续更新微分检测阈值和幅度检测阈值,在异常情况下,也具备较强的抗干扰和自适应性能。
Description
技术领域
本发明涉及心电波形检测技术领域,特别涉及一种心动周期检测方法及装置。
背景技术
在实际应用中,不同类型的心电波形存在较大的差异,例如正常窦律、室性早博、房性心动过速等病症的心电波形都有不同的形态、频率和特征。在体表电极未连接至患者时,输入信号呈现无规律、变化剧烈的特性;波形形态还会受到信号采集质量、肌电干扰、基线漂移等因素的影响;此外,在患者发生心动过速后,波形形态也会发生明显改变。而这些复杂环境恰恰又是应用过程中普遍存在的情况。
虽然,目前有较多文献描述了采用不同类型的小波变换来检测QRS波的方法,在实际应用中,面对上述复杂环境,特别是环境剧烈变化后的可恢复性能欠佳。因此,在复杂且有较强干扰情况下,检测设备具备较强抗干扰和自适应性能,能准确检测出不同类型的心电波形的心动周期就现得尤其重要。
发明内容
本发明的目的在于:为解决现有技术在面对复杂环境,特别是环境剧烈变化后的可恢复性能欠佳的问题,而提供一种适用于复杂环境的心动周期检测方法与装置。
为了实现上述发明目的,本发明提供了以下技术方案:
一种心动周期检测方法,其包括以下步骤:
S1:将原始信号输入原始信号缓冲区D1[1~N];
S2:对原始信号D1[1~N]进行预处理;其中,所述预处理至少包括滤波处理,基线抑制处理和放大处理;
S3:对经过所述预处理后的所述原始信号D1[1~N]进行连续小波分解,并选择一个或多个尺度的小波分解为待检信号D2[1~N];
S4:将所述原始信号D1[1~N]和所述待检信号D2[1~N]输入至若干个阈值缓冲区Tb[n],计算每个阈值缓冲区中待检信号的最大微分值和最大幅度值,并通过分别平均各个阈值缓冲区的最大微分值和最大幅度值,而计算出微分检测阈值Td和幅度检测阈值Ta;
S5:判断当前是否处于不应期内,若是,则进入步骤S1,否则,将所述待检信号D2[1~N]输入至待检缓冲区Db[n],计算待检缓冲区中待检信号的最大微分值和最大幅度值;若所述待检缓冲区的最大微分值大于所述微分检测阈值Td且最大幅度值大于所述幅度检测阈值Ta,则判定检测到R波位置;
S6:当检测到R波位置后,转入不应期;
S7:通过S1~S6步骤,持续检测输入的原始信号的R波位置,并根据已检测到的所有R波位置,计算心动周期。
根据一种具体的实施方式,本发明的心动周期检测方法中,步骤S4包括以下步骤:
S401:将所述原始信号D1[1~N]和所述待检信号D2[1~N]输入至若干个阈值缓冲区Tb[n],使每个阈值缓冲区包含至少一个QRS波形;
S402:计算每个阈值缓冲区中待检信号的微分值;
S403:根据最大微分值的位置和R波的基本宽度,确定检索范围,再根据所确定检索范围,检索每个阈值缓冲区中原始信号的上升和下降形态,以确定原始信号的R波形态和最大幅度值;
S403:排除各个阈值缓冲区的最大微分值之中数值最大的阈值缓冲区,以及排除各个阈值缓冲区的最大幅度值之中数值最大的阈值缓冲区;
S404:分别平均剩余的各个阈值缓冲区的最大微分值和最大幅度值,而计算出微分检测阈值Td和幅度检测阈值Ta;
S405:重复执行步骤S401~S404,持续更新微分检测阈值Td和幅度检测阈值Ta;其中,当有新的微分检测阈值Td和幅度检测阈值Ta生成时,通过平滑处理更新微分检测阈值Td和幅度检测阈值Ta。
进一步地,在步骤S4中,当输入的原始信号的幅值或频率超过常规的心电波形幅值和频率范围,则转入恢复期,并输出提示信息;其中,在所述恢复期内,停止执行步骤S401~S405。
根据一种具体的实施方式,所述平滑处理的计算公式为Aupdate=aAn+bAn-1,其中,a和b为系数,且a+b=1,An为新生成的阈值,An-1为原来的阈值,Aupdate为更新后的阈值。优选地,a=0.75,b=0.25。
根据一种具体的实施方式,本发明的心动周期检测方法中,所述若干个阈值缓冲区的信号数据为连续或不连续的。
根据一种具体的实施方式,本发明的心动周期检测方法中,小波分解的基函数为高斯滤波函数。
根据一种具体的实施方式,本发明的心动周期检测方法中,滤波处理为陷波。
基于同一发明构思,本发明还提供一种心动周期检测装置,其包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如本发明的心动周期检测方法。
与现有技术相比,本发明的有益效果:
本发明的心动周期检测方法通过将原始信号输入原始信号缓冲区后,再依次对原始信号进行预处理和连续小波分解,得到待检信号,再利用该原始信号和待检信号来更新微分检测阈值和幅度检测阈值,然后利用更新后的微分检测阈值和幅度检测阈值,,判断是否检测到连续输入的原始信号的R波位置,最后再根据已检测到的R波位置,计算出心动周期。因此,本发明通过在心电周期检测过程中,持续更新微分检测阈值和幅度检测阈值,在异常情况下,也具备较强的抗干扰和自适应性能。
附图说明:
图1为本发明心动周期检测方法的流程图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
如图1所示,本发明的心动周期检测方法包括以下步骤:
S1:将原始信号输入原始信号缓冲区D1[1~N]。
S2:对原始信号D1[1~N]进行预处理。
其中,预处理的方式为依次进行如下步骤:
S201:对原始信号D1[1~N]进行50Hz滤波,以降低50Hz干扰影响,具体的可采用陷波或其他滤波。
S202:经过滤波处理后,再进行基线抑制处理,能够一定程度地消除信号数据因基线漂移引入的幅度变化。
S203:经过基线抑制处理,再进行放大处理,以提高QRS波的形态特征,便于后续处理。
S204:最后再进行平滑处理,排除波形中的细微噪声。
S3:对经过预处理后的原始信号D1[1~N]进行连续小波分解,并选择一个或多个尺度的小波分解为待检信号D2[1~N]。具体的,根据装置的采样率、信号增益等条件,来选择将哪一个尺度的小波分解作为待检测信号,比如,在数据采样率2000个/秒以及10倍的增益的条件下,选择第4尺度的小波分解作为待检信号。而且,在实施时,小波分解的基函数为高斯滤波函数,且小波分解的过程为:
其中,Hm为传递函数,a和b为系数,且a+b=1。在实施时,a=0.75,b=0.25。
S4:将所述原始信号D1[1~N]和所述待检信号D2[1~N]输入至一定数量的阈值缓冲区Tb[n],计算每个阈值缓冲区中待检信号的最大微分值和最大幅度值,并通过分别平均各个阈值缓冲区的最大微分值和最大幅度值,而计算出微分检测阈值Td和幅度检测阈值Ta。本发明中的阈值缓冲区的信号数据连续或不连续均可。
在实施时,为了消除突然变化引入的干扰,例如室性早博的QRS波形信号的形态、微分值和幅度值都与其他QRS波形信号明显不同,步骤S4具体包括如下步骤:
S401:将原始信号D1[1~N]和待检信号D2[1~N]输入至n个阈值缓冲区Tb[n],使每个阈值缓冲区包含至少一个QRS波形。其中,n个阈值缓冲区的信号数据为连续或不连续的,阈值缓冲区的长度与装置的数据采样率相关。
S402:计算每个阈值缓冲区中待检信号的微分值,通过检索每个阈值缓冲区中待检信号的最大微分值,确定各个阈值缓冲区中最大微分值的位置。
S403:根据最大微分值的位置和R波的基本宽度,确定检索范围,再根据所确定检索范围,检索每个阈值缓冲区的原始信号的上升和下降形态,以确定原始信号的R波形态和最大幅度值。其中,R波的基本宽度是本领域熟知的。
S404:排除各个阈值缓冲区的最大微分值之中数值最大的阈值缓冲区,以及排除各个阈值缓冲区的最大幅度值之中数值最大的阈值缓冲区,分别平均剩余的各个阈值缓冲区的最大微分值和最大幅度值,而计算出微分检测阈值Td和幅度检测阈值Ta。即排除n个最大微分值之中数值最大一个,将剩余的n-1最大微分值平均后,得到微分检测阈值,排除n个最大幅度值之中数值最大一个,将剩余的n-1个最大幅度值平均后,得到幅度检测阈值。而且,微分检测阈值的计算可以步骤S402中进行。
S405:重复执行步骤S401~S404,持续更新微分检测阈值Td和幅度检测阈值Ta;其中,当有新的微分检测阈值Td和幅度检测阈值Ta生成时,通过平滑处理更新微分检测阈值Td和幅度检测阈值Ta。其中,平滑处理的计算公式为:
Aupdate=aAn+bAn-1;
其中,a和b为系数,且a+b=1,An为新生成的阈值,An-1为原来的阈值,Aupdate为更新后的阈值。在实施时,a=0.75,b=0.25。本发明由于在阈值更新过程中采用平滑处理,可有效避免因输入的原始信号发生剧烈变化导致阈值发生剧烈的变化,从而能够完整地检测原始信号中的R波。
在步骤S4中,当输入的原始信号的幅值或频率超过常规的心电波形幅值和频率范围,则转入恢复期,并输出提示信息;其中,在恢复期内,停止执行步骤S401~S405,避免异常的心电波形影响微分检测阈值Td和幅度检测阈值Ta。
S5:判断当前是否处于不应期内,若是,则进入步骤S1,否则,将待检信号D2[1~N]输入至待检缓冲区Db[n],计算待检缓冲区中待检信号的最大微分值,若所述待检缓冲区的最大微分值大于经步骤S4更新后的微分检测阈值Td,则根据最大微分值的位置和R波基本宽度,确定检索范围;再计算所述检索范围内原始信号D1[1~N]的最大幅度值,若待检缓冲区的最大幅度值大于经步骤S4更新后的幅度检测阈值Ta,则判定检测到R波位置,即该待检缓冲区中最大幅值的位置为R波位置。
其中,若待检缓冲区的最大微分值未超过经步骤S4更新后的微分检测阈值Td,或者待检缓冲区的最大幅度值未超过经步骤S4更新后的幅度检测阈值Ta,则判定未检测到R波位置,则进行输入下一个原始信号,如果超过最大间期未检测到R波,则输出提示信息。
S6:当检测到R波位置后,转入不应期,而当间隔时间满足条件后,跳出不应期,进行下一个原始信号。该不应期表示在一定时间限制内不再检测R波位置,以避免误检和重复检测,同时,不应期的设置应符合最小间期。
S7:通过S1~S6步骤,持续检测输入的每个原始信号的R波位置,并根据已检测到的所有R波位置,计算心动周期。
而且,本发明还提供一种能够实现本发明心动周期检测方法的装置,该装置包括一个或多个处理器、存储装置;存储装置存储有一个或多个程序,当这一个或多个程序被一个或多个处理器执行时,能够使一个或多个处理器实现本发明心动周期检测方法。具体的,例如,该装置为一个计算机系统,该计算机系统包括一个中央处理器,存储器存储有程序,这个程序在被中央处理器执行时,能够实现本发明心动周期检测方法。由于本发明心动周期检测方法由多个步骤构成,每个步骤可对应一个程序模块,例如预处理模块、阈值计算模块、R波检测模块和心动周期监测模块,同时,这些程序模块可以由一个处理器来执行,也可由多个处理器来分别执行,从而实现本发明心动周期检测方法。
Claims (8)
1.一种心动周期检测方法,其特征在于,包括以下步骤:
S1:将原始信号输入原始信号缓冲区D1[1~N];
S2:对原始信号D1[1~N]进行预处理;其中,所述预处理至少包括滤波处理,基线抑制处理和放大处理;
S3:对经过所述预处理后的所述原始信号D1[1~N]进行连续小波分解,并选择一个或多个尺度的小波分解为待检信号D2[1~N];
S4:将所述原始信号D1[1~N]和所述待检信号D2[1~N]输入至若干个阈值缓冲区Tb[n],计算每个阈值缓冲区中待检信号的最大微分值和最大幅度值,并通过分别平均各个阈值缓冲区的最大微分值和最大幅度值,而计算出微分检测阈值Td和幅度检测阈值Ta;
S5:判断当前是否处于不应期内,若是,则进入步骤S1,否则,将所述待检信号D2[1~N]输入至待检缓冲区Db[n],计算待检缓冲区中待检信号的最大微分值和最大幅度值;若所述待检缓冲区的最大微分值大于所述微分检测阈值Td且最大幅度值大于所述幅度检测阈值Ta,则判定检测到R波位置;
S6:当检测到R波位置后,转入不应期;
S7:通过S1~S6步骤,持续检测输入的原始信号的R波位置,并根据已检测到的所有R波位置,计算心动周期。
2.如权利要求1所述的心动周期检测方法,其特征在于,步骤S4包括以下步骤:
S401:将所述原始信号D1[1~N]和所述待检信号D2[1~N]输入至若干个阈值缓冲区Tb[n],使每个阈值缓冲区包含至少一个QRS波形;
S402:计算每个阈值缓冲区中待检信号的微分值;
S403:根据最大微分值的位置和R波的基本宽度,确定检索范围,再根据所确定检索范围,检索每个阈值缓冲区中原始信号的上升和下降形态,以确定原始信号的R波形态和最大幅度值;
S404:排除各个阈值缓冲区的最大微分值之中数值最大的阈值缓冲区,以及排除各个阈值缓冲区的最大幅度值之中数值最大的阈值缓冲区,分别平均剩余的各个阈值缓冲区的最大微分值和最大幅度值,而计算出微分检测阈值Td和幅度检测阈值Ta;
S405:重复执行步骤S401~S404,持续更新微分检测阈值Td和幅度检测阈值Ta;其中,当有新的微分检测阈值Td和幅度检测阈值Ta生成时,通过平滑处理更新微分检测阈值Td和幅度检测阈值Ta。
3.如权利要求2所述的心动周期检测方法,其特征在于,在步骤S4中,当输入的原始信号的幅值或频率超过常规的心电波形幅值和频率范围,则转入恢复期,并输出提示信息;其中,在所述恢复期内,停止执行步骤S401~S405。
4.如权利要求2所述的心动周期检测方法,其特征在于,所述平滑处理的计算公式为Aupdate=aAn+bAn-1,其中,a和b为系数,且a+b=1,An为新生成的阈值,An-1为原来的阈值,Aupdate为更新后的阈值。
5.如权利要求2所述的心动周期检测方法,其特征在于,所述若干个阈值缓冲区的信号数据为连续或不连续的。
6.如权利要求1所述的心动周期检测方法,其特征在于,小波分解的基函数为高斯滤波函数。
7.如权利要求1~6之一所述的心动周期检测方法,其特征在于,滤波处理为陷波。
8.一种心动周期检测装置,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811575082.7A CN111345806B (zh) | 2018-12-21 | 2018-12-21 | 一种心动周期检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811575082.7A CN111345806B (zh) | 2018-12-21 | 2018-12-21 | 一种心动周期检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111345806A true CN111345806A (zh) | 2020-06-30 |
CN111345806B CN111345806B (zh) | 2023-01-31 |
Family
ID=71188327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811575082.7A Active CN111345806B (zh) | 2018-12-21 | 2018-12-21 | 一种心动周期检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111345806B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103190898A (zh) * | 2013-04-23 | 2013-07-10 | 何怡刚 | 心磁信号噪声自适应滤波消除设计方法 |
US20160256112A1 (en) * | 2009-11-03 | 2016-09-08 | Vivaquant Llc | System for processing physiological data |
CN107041743A (zh) * | 2017-04-05 | 2017-08-15 | 南京大学 | 一种心电信号实时r波检测方法 |
CN107361764A (zh) * | 2017-06-16 | 2017-11-21 | 华南理工大学 | 一种心电信号特征波形r波的快速提取方法 |
-
2018
- 2018-12-21 CN CN201811575082.7A patent/CN111345806B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160256112A1 (en) * | 2009-11-03 | 2016-09-08 | Vivaquant Llc | System for processing physiological data |
CN103190898A (zh) * | 2013-04-23 | 2013-07-10 | 何怡刚 | 心磁信号噪声自适应滤波消除设计方法 |
CN107041743A (zh) * | 2017-04-05 | 2017-08-15 | 南京大学 | 一种心电信号实时r波检测方法 |
CN107361764A (zh) * | 2017-06-16 | 2017-11-21 | 华南理工大学 | 一种心电信号特征波形r波的快速提取方法 |
Non-Patent Citations (1)
Title |
---|
李雪飞 等: "基于下采样检测QRS 波的新方法", 《生物医学工程学杂志》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111345806B (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | ECG signal conditioning by morphological filtering | |
US5209237A (en) | Method and apparatus for detecting a signal from a noisy environment and fetal heartbeat obtaining method | |
Reaz et al. | Adaptive linear neural network filter for fetal ECG extraction | |
CN108888259A (zh) | 一种心电信号实时qrs波检测方法 | |
CN107361764B (zh) | 一种心电信号特征波形r波的快速提取方法 | |
Makwana et al. | Hilbert transform based adaptive ECG R-peak detection technique | |
CN107303177A (zh) | 一种心电图t波、p波的检测方法及系统 | |
CN108460350B (zh) | 一种自学习ecg qrs波检测装置及其自学习方法 | |
CN109009086A (zh) | 一种心电信号r波检测方法及系统 | |
CN109684908A (zh) | 一种用于血栓弹力图仪的信号滤波方法 | |
CN113647925A (zh) | 基于心冲击信号的心率确定方法及装置 | |
KR101048763B1 (ko) | 신호 검출 장치 및 방법 | |
Dai et al. | Removal of baseline wander from dynamic electrocardiogram signals | |
CN111345806B (zh) | 一种心动周期检测方法及装置 | |
Hermawan et al. | Denoising noisy ECG signal based on adaptive Fourier decomposition | |
CN113229826B (zh) | 一种qrs波检测方法、装置及电子设备 | |
CN110420022A (zh) | 一种基于双密度小波变换的p波检测方法 | |
CN113688669A (zh) | 一种水电机组振动信号能量特征识别方法 | |
Franchevska et al. | The Method and Algorithm for Detecting the Fetal ECG Signal in the Presence of Interference | |
Abdulbaqi et al. | Feature extraction and classification of ECG signal based on the standard extended wavelet transform technique: Cardiology based telemedicine | |
Das et al. | On an algorithm for detection of QRS complexes in noisy electrocardiogram signal | |
Suchetha et al. | Denoising and arrhythmia classification using EMD based features and neural network | |
Sun et al. | A ECG waveform detection algorithm based on differential threshold and wavelet transform | |
CN113100779A (zh) | 心室纤颤的检测方法、装置及监测设备 | |
Tavakoli et al. | A fast and accurate method for arrhythmia detection |
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 | ||
CB02 | Change of applicant information |
Address after: No. 5, Wuke East 3rd Road, Wuhou District, Chengdu, Sichuan 610000 Applicant after: Sichuan Jinjiang Electronic Medical Device Technology Co.,Ltd. Address before: No.5, Wuke East 3rd road, Wuhou Science Park, Chengdu hi tech Industrial Development Zone, Sichuan 610045 Applicant before: SICHUAN JINJIANG ELECTRONIC SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |