CN111419211A - 抑制ecg信号中伪吉布斯效应的方法及装置 - Google Patents
抑制ecg信号中伪吉布斯效应的方法及装置 Download PDFInfo
- Publication number
- CN111419211A CN111419211A CN201910018482.6A CN201910018482A CN111419211A CN 111419211 A CN111419211 A CN 111419211A CN 201910018482 A CN201910018482 A CN 201910018482A CN 111419211 A CN111419211 A CN 111419211A
- Authority
- CN
- China
- Prior art keywords
- pseudo
- wave
- gibbs effect
- oscillation wave
- ecg
- 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
-
- 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
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)
- Signal Processing (AREA)
- Cardiology (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
Description
技术领域
本发明涉及信号处理领域,具体涉及抑制ECG信号中伪吉布斯效应的方法及装置。
背景技术
人体心电图(Electrocardiograph,ECG)作为心脏电活动在体表的综合表现,蕴含着丰富的反映心脏节律及其电传导的生理和病理信息,在评价心脏功能、诊断心脏疾病方面有非常高的应用价值。一般而言,正常的心电信号属于低频、低幅信号,非常容易受到噪声的干扰,为获得有效、清晰的ECG信号,必须消除信号中的噪声干扰。
小波阈值收缩去噪算法,可以在最小均方误差意义下达到近似最优,但是在信号的不连续点处,用该方法去噪复原的信号,会产生附加的振荡现象,即伪吉布斯效应(Pseudo-Gibbs)。伪吉布斯效应表现为奇异点邻域范围内的小的快速起伏,对应到ECG信号中表现为R波前后出现的小的高频振荡波。
目前在ECG信号处理中,抑制伪吉布斯现象的一种最常用的方法是循环平移不变的小波去噪算法,该方法通过循环平移信号,改变奇异点在整个信号的位置来达到抑制伪吉布斯效应的目的。然而,即使该方法,也只能减弱,并不能很好的消除R波前后的伪吉布斯现象,并且由于循环平移不变小波处理过的ECG 信号波形较为平滑,致使已经受到抑制的R波前后的伪吉布斯效应在视觉上反而显得更加明显。
发明内容
本发明所要解决的技术问题是达到很好的消除ECG心电信号上奇异点附近的伪吉布斯效应振荡波,目的在于提供抑制ECG信号中伪吉布斯效应的方法及装置,通过在ECG心电信号上捕获频率大于一定阈值的振荡波,找到对应的高频振荡波,并引入了相对波强,用于找出面积足够小的振荡波,确认为伪吉布斯效应振荡波,最后对筛选出来的伪吉布斯效应振荡波的波形进行改善,并保持原有ECG心电信号的形态特征,实现更好的抑制伪吉布斯效应振荡波。
本发明通过下述技术方案实现:
第一方面,本发明提供抑制ECG信号中伪吉布斯效应的方法,包括如下步骤:
在ECG心电信号上捕获频率大于一定阈值的振荡波;在已识别的振荡波中筛选相对波强中小于一定阈值的振荡波,确定该振荡波为伪吉布斯效应振荡波,其中S表示振荡波与该振荡波的起点和终点之间连接向量所组成的封闭图形的面积,Vpp表示包含该振荡波的ECG心电信号局部范围内的幅度极值差,即Vpp=max(sig)-min(sig),其中sig表示该振荡波上的单个信号,表示在水平方向上的投影,表示拐点A、C之间的距离;对筛选出来的伪吉布斯效应振荡波的波形进行改善,并保持原有ECG心电信号的形态特征,实现抑制伪吉布斯效应振荡波。
对应于第一方面的进一步改进,通过短时窗内连续三个拐点在ECG心电信号上捕获频率大于一定阈值的振荡波,拐点是指当且仅当ECG心电信号上某点的曲率大于一定的阈值,且大于该点前后点对应的曲率,其中K表示该点的曲率,y″为该点的二阶导数,y′为该点的一阶导数。
对应于第一方面的进一步改进,对一阶导数y′做高斯均值处理得到y,之后再分别与前后点做均值,得到y1和y2,取y、y1和y2三者中的最小值作为该点新的一阶导数y′带入曲率公式进行后续计算。
对应于第一方面的进一步改进,对筛选出来的伪吉布斯效应振荡波的波形进行改善,并保持原有ECG心电信号的形态特征,实现抑制伪吉布斯效应振荡波采用的方法,包括如下步骤:引入一个差值衰减因子κ,0<κ<1;对单个伪吉布斯效应振荡波的抑制,方法如下:计算伪吉布斯效应振荡波与该伪吉布斯效应振荡波的两侧拐点连线的差值记为根据前式变换得到利用衰减因子κ,得到改善后的局部ECG心电信号,对连续的n个伪吉布斯效应振荡波的抑制,n为大于等于2 的自然数,方法如下:对于第一个伪吉布斯效应振荡波采用与上述单个伪吉布斯效应振荡波相同的抑制方法进行处理,得到压制完的振荡波;下一个连续的伪吉布斯效应振荡波则从上一个压制完的振荡波开始,采用单个伪吉布斯效应振荡波的抑制方法处理,依次迭代,直到将连续的n个伪吉布斯效应振荡波处理完毕。
第二方面,本发明提供抑制ECG信号中伪吉布斯效应的装置,包括振荡波识别模块:在ECG心电信号上捕获频率大于一定阈值的振荡波;伪吉布斯效应振荡波筛选模块:在已识别的振荡波中筛选相对波强中小于一定阈值的振荡波,确定该振荡波为伪吉布斯效应振荡波,其中S表示振荡波与该振荡波的起点和终点之间连接向量所组成的封闭图形的面积,Vpp表示包含该振荡波的ECG心电信号局部范围内的幅度极值差,即Vpp=max(sig)-min(sig),其中sig 表示该振荡波上的单个信号,表示在水平方向上的投影,表示拐点 A、C之间的距离;抑制伪吉布斯效应振荡波模块:对筛选出来的伪吉布斯效应振荡波的波形进行改善,并保持原有ECG心电信号的形态特征,实现抑制伪吉布斯效应振荡波;均值滤波模块:对处理完成后的ECG心电信号做均值滤波。
对应于第二方面的进一步改进,通过短时窗内连续三个拐点在ECG心电信号上捕获频率大于一定阈值的振荡波,拐点是指当且仅当ECG心电信号上某点的曲率大于一定的阈值,且大于该点前后点对应的曲率,其中K表示该点的曲率,y″为该点的二阶导数,y′为该点的一阶导数。
对应于第二方面的进一步改进,对于连续的n个抑制伪吉布斯效应振荡波之间的全部拼接点处均进行平滑处理。
本发明与现有技术相比,具有如下的优点和有益效果:
1、本发明在ECG心电信号上捕获频率大于一定阈值的振荡波,找到对应的高频振荡波,引入了相对波强,用于找出面积足够小的振荡波,确认为伪吉布斯效应振荡波,最后对筛选出来的伪吉布斯效应振荡波的波形进行改善,并保持原有ECG心电信号的形态特征,实现更好的抑制伪吉布斯效应振荡波。
2、本发明通过短时窗内连续三个拐点捕获振荡波,通过短时窗时域范围的设置可以使有效信息包括预激、Q波和S波基本不受影响,实现更加准确的筛选出振荡波。
3、本方案并非对离线数据处理,而是利用了原本的波形特征,能够有效抑制QRS波附近的振荡效应,能够在信号预处理阶段就进行实时显示,处理后的 ECG心电信号波形看起来更自然。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明的流程图;
图2为单个伪吉布斯效应振荡波及处理后的结果;
图3为连续的伪吉布斯效应振荡波及处理后的结果;
图4本算法处理ECG信号前后对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:
如图1-4所示,伪吉布斯效应表现为奇异点邻域范围内的小的快速起伏,对应到ECG信号中表现为R波前后出现的小的高频振荡波。本发明包括抑制ECG 信号中伪吉布斯效应的方法,包括如下步骤:
步骤S1:在ECG心电信号上捕获频率大于一定阈值的振荡波,阈值可以选取为10HZ,也可以选取为其它数值,捕获振荡波的方法可以采用一阶微分过零点、拐点曲率识别或者其它任意方法识别。本方案中通过频率与时间的关系,计算得到振荡波持续时间约为50ms,通过筛选持续时间小于50ms的振荡波即可找到对应的高频振荡波。
步骤S2:在已识别的振荡波中筛选相对波强中小于一定阈值的振荡波,该振荡波即为R波前后捕获的振荡波,确定该振荡波为伪吉布斯效应振荡波,其中S表示振荡波与该振荡波的起点和终点之间连接向量所组成的封闭图形的面积,Vpp表示包含该振荡波的ECG心电信号局部范围内的幅度极值差,即Vpp=max(sig)-min(sig),其中sig表示该振荡波上的局部信号,表示在水平方向上的投影,表示拐点A、C之间的距离。
其中,相对波强λ的阈值范围为小于0.01-1之间,当λ为该取该范围内的任意一值,即λ取值可为0.01、0.1、0.5、0.8或1,认为该振荡波是吉布斯效应引起,认定为伪吉布斯效应振荡波。
特别的,为了更好的反映伪吉布斯效应是人为引入的微小高频振荡波,ECG 心电信号局部范围至少包含原ECG信号中P,QRS,T波中的一个。而伪吉布斯效应振荡波表现在R波前后的振荡波,确定R波前后的取值范围至关重要。取值过大,可能导致错检;取值过小,可能导致漏检。为了找出面积足够小的振荡波,确认为伪吉布斯效应振荡波,本算法中定义的R波前后范围指的是振荡波前后300ms以内范围的振荡波,对应时域为t±0.117s,t代表奇异点出现的时间,奇异点为某一信号的跳变点,为不连续点,该范围也是公式中的Vpp所用到的ECG心电信号局部范围。
本方案中通过多个参数设置可以使有效信息包括预激、Q波和S波基本不受影响,实现准确筛选伪吉布斯效应振荡波。
步骤S3:对筛选出来的伪吉布斯效应振荡波的波形进行改善,并保持原有 ECG心电信号的形态特征,实现抑制伪吉布斯效应振荡波。
循环平移小波去噪传统的方法有硬阈值法和软阈值法、改进阈值法,各有优缺点。硬阈值法是对每层小波系数低于阈值的置0,高于阈值的不变。硬阈值法较大的信号不受影响,但是大小在阈值附近的信号会有阶跃效应,即高于阈值的干扰就突然完全不被过滤。软阈值法是对低于阈值的置0,高于阈值的减去阈值。软阈值法过度自然,离阈值越近的干扰受到的衰减越多,但是大信号也会受到衰减。而常见的改进阈值法介于两者之间,兼有以上二者的缺点,但不如二者明显。
而循环平移小波去噪算法是个非线性滤波算法,带有一定的不稳定性。去噪阈值由噪声的平均水平所决定。当某一频段内噪声水平较高或信号较小,可能导致信号和噪声同时受到抑制。可以认为输入的信号水平越好,算法滤波的效果越好,越可靠;反之亦然。
目前使用的循环平移小波去噪算法在高频量的抑制上是十分强的,因此认为滤波后的波形上的高频抖动是吉布斯效应的可能性较大。而吉布斯效应是由陡变的信号带来的,因此吉布斯效应的强弱与陡变信号的大小有近似线性的关系。可以认为吉布斯效应的抖动,相比陡变信号都是“较小”的。
利用上述特性,根据图4中本算法处理ECG信号前后对比图可知,本方案在ECG心电信号上捕获频率大于一定阈值的振荡波,即找到对应的高频振荡波,并引入了相对波强的概念,对相对强波的阈值进行限定,采用识别一个振荡波的面积来判定是否符合“较小”这个条件,更加精确的筛选出伪吉布斯效应振荡波。最后通过将一个振荡波向两侧拐点的连线处压缩用以抑制吉布斯效应;而对连续振荡,迭代地进行压缩操作(基于上个压缩的结果),用以保证压缩结果平滑自然。该方法在保持原有ECG心电信号的形态特征,实现更好的抑制伪吉布斯效应振荡波。同时,该方法为非线性算法,能够有效抑制QRS波附近的振荡效应;同时,本方案并非对离线数据处理,而是利用了原本的波形特征,能够在信号预处理阶段就进行实时显示,处理后的ECG心电信号波形看起来更自然。该方法从MIT库和实采数据的测试情况看,通过合理设置参数,有效信息包括预激、Q 波和S波基本不受影响。
由于一个振荡波是被两个拐点包围并包含两个拐点中间的一个拐点,利用曲率的思想,可以识别上述拐点。
本方案通过短时窗内连续三个拐点在ECG心电信号上捕获频率大于一定阈值的振荡波,拐点是指当且仅当ECG心电信号上某点的曲率大于一”定的阈值,且大于该点前后点对应的曲率,其中K表示该点的曲率,y为该点的二阶导数,y′为该点的一阶导数。
需要说明的是,由于伪吉布斯效应引入的振荡波大多集中在ECG信号奇异点的某个邻域内,因此,确定该邻域对于本算法能够准确筛选伪吉布斯效应振荡波至关重要。邻域过小,可能导致相当大一部分伪吉布斯效应振荡波漏检;邻域过大,可能将ECG信号中正常的P波,QRS波群,T波等误认为是伪吉布斯效应振荡波,造成错检。如图4所示结果可以,通过短时窗范围的设置可以使有效信息包括预激、Q波和S波基本不受影响,实现更加准确的筛选出振荡波。其中,短时窗是指持续时间小于50ms的振荡波。
根据拐点曲率的特点,选择的曲率范围在2-4之间,曲率可以选取该范围内的任意一值,例如2、3或4,经过多次试验数据可知,在该范围内,可以实现精确的识别拐点,并通过精确识别的拐点来快速准确识别振荡波,该参数设置可以使有效信息包括预激、Q波和S波基本不受影响,在识别的所有振荡波中包括有效的ECG信号振荡波和伪吉布斯效应振荡波。
需要说明的是,由于实际数据是离散的,无法获得准确的y′与y″。但是由于 y′相对于y″约是3次方的关系,y′计算不准确对曲率影响极大。
本方案采用对一阶导数y′做高斯均值处理得到y,之后再分别与前后点做均值,得到y1和y2,取y、y1和y2三者中的最小值作为该点新的一阶导数y′带入曲率公式进行后续计算。例如对于连续的三个点n-1、n和n+1,首先求得各点纵坐标的一阶导数yn-1、yn和yn+1,然后对yn-1、yn和yn+1通过近似曲率计算的方式,能够大大提高离散数据的一阶导数y计算的准确性,从而避免因y′计算不准确对曲率影响,进一步提高识别拐点的精度,并通过精确识别的拐点来快速准确识别振荡波。
基于前述说明,容易理解的,尽管曲率的计算公式只适用于连续函数,但本方案找到一种方法在离散数据上逼近这个值。对ECG心电信号上的振荡波采用曲率判断拐点,然后通过短时窗内连续三个拐点识别振荡波,同时还对ECG心电信号上的曲率阈值进行限定,通过多方面的筛选,大大提高了振荡波识别的准确率,降低错误识别的振荡波的情况,为后续伪吉布斯效应振荡波的正确筛选奠定了坚实的基础。
进一步地,对筛选出来的伪吉布斯效应振荡波的波形进行改善,并保持原有 ECG心电信号的形态特征,实现抑制伪吉布斯效应振荡波采用的方法,包括如下步骤:
步骤S31:引入一个差值衰减因子κ,0<κ<1;
步骤S32:对单个伪吉布斯效应振荡波的抑制,方法如下:
步骤S33:对连续的n个伪吉布斯效应振荡波的抑制,n为大于等于2的自然数,方法如下:
步骤S331:对于第一个伪吉布斯效应振荡波采用与上述单个伪吉布斯效应振荡波相同的抑制方法进行处理,得到压制完的振荡波;
步骤S332:下一个连续的伪吉布斯效应振荡波则从上一个压制完的振荡波开始,采用单个伪吉布斯效应振荡波的抑制方法处理,依次迭代,直到将连续的 n个伪吉布斯效应振荡波处理完毕。例如:对于第二个伪吉布斯效应振荡波,将处理完成的第一个伪吉布斯振荡波上任意一点与第二个伪吉布斯振荡波的终点连线,任意一点可以为起点、波峰、波谷或终点,通常选取波峰或波谷到终点之间的连线,得到计算第二个伪吉布斯效应振荡波与的差值记为根据前式变换得到利用衰减因子κ,得到改善后的局部ECG心电信号,
对于第n个伪吉布斯效应振荡波,将处理完成的第n-1个伪吉布斯振荡波的任意一点与第n个伪吉布斯振荡波的终点连线,任意一点可以为起点、波峰、波谷或终点,通常选取波峰或波谷到终点之间的一个点,得到计算第n个伪吉布斯效应振荡波与的差值记为根据前式变换得到利用衰减因子κ,得到改善后的局部ECG心电信号,对于连续的2个伪吉布斯效应振荡波,如图3所示,A、B、C、D为4个拐点,由曲线ABD构成的振荡波和曲线BDC构成的振荡波是连续的两个伪吉布斯振荡波。对第一个振荡波ABD按照上述单个伪吉布斯效应振荡波相同方法处理,对于连续的第二个振荡波的处理,需要从处理完的第一个振荡波的结果开始处理。图3所示,AED是第一个振荡波ABD处理完后的结果(其中E和B点横坐标相同),第二个振荡波BDC的处理需要从E点开始处理,处理完成后的结果是曲线EFC。同时在连续振荡波拼接点E处,对识别出伪吉布斯振荡波后将波向前后拐点连线处压制,下一个连续的伪吉布斯振荡波则从上一个压制完的结果开始处理,依次迭代,完成所有的处理,保持原有ECG心电信号的形态特征,从而实现更好的抑制伪吉布斯效应振荡波,处理后的ECG心电信号波形看起来更自然。
对于连续的n个抑制伪吉布斯效应振荡波之间的全部拼接点处均进行平滑处理。其中,平滑处理的方法可以采用阿尔法滤波、中值滤波、最小二乘法滤波、高斯滤波或者是均值滤波进行。
步骤S4:还包括如下步骤:对处理完成后的ECG心电信号做均值滤波。如图3所示,原始ECG信号去噪产生的伪吉布斯效应振荡波为曲线ABDC,经过本发明算法处理后,得到的ECG信号为曲线AEFC。该方法既抑制了伪吉布斯现象产生的振荡波,又很好的保留了原始ECG信号的特征。
实施例2:
本实施例在上述实施例的基础上优选如下:下面参考说明书附图描述适用于本发明方法的一种抑制ECG信号中伪吉布斯效应的装置,包括存储器和处理器,处理器和该装置的其它模块均相连,还包括
振荡波识别模块:在ECG心电信号上捕获频率大于一定阈值的振荡波,阈值可以选取为10HZ。本方案中通过频率与时间的关系,计算得到振荡波持续时间约为50ms,通过筛选持续时间小于50ms的振荡波即可找到对应的高频振荡波。频率阈值也可以选取为其它数值;捕获振荡波的方法可以采用一阶微分过零点、拐点曲率识别或者其它任意方法识别。
伪吉布斯效应振荡波筛选模块:在已识别的振荡波中筛选相对波强中小于一定阈值的振荡波,该振荡波即为R波前后捕获的振荡波,确定该振荡波为伪吉布斯效应振荡波,其中S表示振荡波与该振荡波的起点和终点之间连接向量所组成的封闭图形的面积,Vpp表示包含该振荡波的ECG心电信号局部范围内的幅度极值差,即Vpp=max(sig)-min(sig),其中sig表示该振荡波上的局部信号,其中sig表示该振荡波上的局部信号,表示在水平方向上的投影,表示拐点A、C之间的距离。
其中,相对波强λ的阈值范围为小于0.01-1之间,当λ为该取该范围内的任意一值,认为该振荡波是吉布斯效应引起,认定为伪吉布斯效应振荡波。
特别的,为了更好的反映伪吉布斯效应是人为引入的微小高频振荡波,ECG 心电信号局部范围至少包含原ECG信号中P,QRS,T波中的一个。而伪吉布斯效应振荡波表现在R波前后的振荡波,确定R波前后的取值范围至关重要。取值过大,可能导致错检;取值过小,可能导致漏检。为了找出面积足够小的振荡波,确认为伪吉布斯效应振荡波,本算法中定义的R波前后范围指的是振荡波前后300ms以内范围的振荡波,对应时域为t±0.117s,t代表奇异点出现的时间,奇异点为某一信号的跳变点,为不连续点,该范围也是公式中的Vpp所用到的ECG心电信号局部范围。
本方案中通过多个参数设置可以使有效信息包括预激、Q波和S波基本不受影响,实现准确筛选伪吉布斯效应振荡波。
抑制伪吉布斯效应振荡波模块:对筛选出来的伪吉布斯效应振荡波的波形进行改善,并保持原有ECG心电信号的形态特征,实现抑制伪吉布斯效应振荡波;
均值滤波模块:对处理完成后的ECG心电信号做均值滤波;还包括控制器和存储器,控制器同时连接振荡波识别模块、伪吉布斯效应振荡波筛选模块、抑制伪吉布斯效应振荡波模块、均值滤波模块和存储器。存储器包括设备内存 (RAM)及非易失性存储器(ROM),本文使用的术语“模块”可以指例如包括硬件、软件和固件的一个或多个组合的单元。术语“模块”可与诸如单元、逻辑、逻辑块、组件或电路之类的术语互换。单元可以是集成的组成元素或者其一部分的最小单位。单元可以是用于执行一个或多个功能或者其一部分的最小单位。可以机械地或电子地实现模块。
本装置利用设置的振荡波识别模块,在ECG心电信号上捕获频率大于一定阈值的振荡波,找到对应的高频振荡波;然后利用设置的伪吉布斯效应振荡波筛选模块,引入了相对波强,用于找出面积足够小的振荡波,确认为伪吉布斯效应振荡波;然后利用设置的抑制伪吉布斯效应振荡波模块,对筛选出来的伪吉布斯效应振荡波的波形进行改善,并保持原有ECG心电信号的形态特征;最后通过设置的均值滤波模块,对处理后的伪吉布斯效应振荡波做均值处理,实现更好的抑制伪吉布斯效应振荡波。该方法利用了原本的波形特征,为非线性算法,而非对离线数据处理,能够有效抑制QRS波附近的振荡效应,能够在信号预处理阶段就进行实时显示,处理后的ECG心电信号波形看起来更自然。该方法从MIT 库和实采数据的测试情况看,通过合理设置参数,有效信息包括预激、Q波和S 波基本不受影响。
需要说明的是,由于伪吉布斯效应引入的振荡波大多集中在ECG信号奇异点的某个邻域内,因此,确定该邻域对于本算法能够准确筛选伪吉布斯效应振荡波至关重要。邻域过小,可能导致相当大一部分伪吉布斯效应振荡波漏检;邻域过大,可能将ECG信号中正常的P波,QRS波群,T波等误认为是伪吉布斯效应振荡波,造成错检。如图4所示结果可以,通过短时窗范围的设置可以使有效信息包括预激、Q波和S波基本不受影响,实现更加准确的筛选出振荡波。其中,短时窗是指持续时间小于50ms的振荡波。
根据拐点曲率的特点,选择的曲率范围在2-4之间,曲率可以选取该范围内的任意一值,例如2、3或4,经过多次试验数据可知,在该范围内,可以实现精确的识别拐点,并通过精确识别的拐点来快速准确识别振荡波,该参数设置可以使有效信息包括预激、Q波和S波基本不受影响,在识别的所有振荡波中包括有效的ECG信号振荡波和伪吉布斯效应振荡波。
由于实际数据是离散的,无法获得准确的y′与y″。但是由于y′相对于y″约是3次方的关系,y′计算不准确对曲率影响极大。
因此对一阶导数y′做高斯均值处理得到y,之后再分别与前后点做均值,得到y1和y2,取y、y1和y2三者中的最小值作为该点新的一阶导数y′带入曲率公式进行后续计算。通过近似曲率计算的方式,能够大大提高离散数据的一阶导数y′计算的准确性,从而避免因y′计算不准确对曲率影响,进一步提高识别拐点的精度,并通过精确识别的拐点来快速准确识别振荡波。
对筛选出来的伪吉布斯效应振荡波的波形进行改善,并保持原有ECG心电信号的形态特征,实现抑制伪吉布斯效应振荡波采用的方法,包括如下步骤:
步骤S31:引入一个差值衰减因子κ,0<κ<1;
步骤S32:对单个伪吉布斯效应振荡波的抑制,方法如下:
步骤S33:对连续的n个伪吉布斯效应振荡波的抑制,n为大于等于2的自然数,方法如下:
步骤S331:对于第一个伪吉布斯效应振荡波采用与上述单个伪吉布斯效应振荡波相同的抑制方法进行处理,得到压制完的振荡波;
步骤S332:下一个连续的伪吉布斯效应振荡波则从上一个压制完的振荡波开始,采用单个伪吉布斯效应振荡波的抑制方法处理,依次迭代,直到将连续的 n个伪吉布斯效应振荡波处理完毕。例如:对于第二个伪吉布斯效应振荡波,将处理完成的第一个伪吉布斯振荡波的顶点与第二个伪吉布斯振荡波的终点连线,得到计算第二个伪吉布斯效应振荡波与的差值记为根据前式变换得到利用衰减因子κ,得到改善后的局部ECG心电信号,
对于第n个伪吉布斯效应振荡波,将处理完成的第n-1个伪吉布斯振荡波的顶点与第n个伪吉布斯振荡波的终点连线,得到计算第n个伪吉布斯效应振荡波与的差值记为根据前式变换得到利用衰减因子κ,得到改善后的局部ECG心电信号,对于连续的伪吉布斯效应振荡波,如图3所示,A、B、C、D为4个拐点,由曲线ABD 构成的振荡波和曲线BDC构成的振荡波是连续的两个伪吉布斯振荡波。对第一个振荡波ABD按照上述单个伪吉布斯效应振荡波相同方法处理,对于连续的第二个振荡波的处理,需要从处理完的第一个振荡波的结果开始处理。图3所示, AED是第一个振荡波ABD处理完后的结果(其中E和B点横坐标相同),第二个振荡波BDC的处理需要从E点开始处理,处理完成后的结果是曲线EFC。同时在连续振荡波拼接点E处,进行平滑处理,改善拼接点处的波形。对于后续的连续振荡波依次进行迭代,完成所有的处理,保持原有ECG心电信号的形态特征,从而实现更好的抑制伪吉布斯效应振荡波,处理后的ECG心电信号波形看起来更自然。
识别出伪吉布斯振荡波后将波向前后拐点连线处压制。下一个连续的伪吉布斯振荡波则从上一个压制完的结果开始处理,依次迭代。
对于连续的n个抑制伪吉布斯效应振荡波之间的全部拼接点处均进行平滑处理。该方法既抑制了伪吉布斯现象产生的振荡波,又很好的保留了原始ECG 信号的特征。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
3.根据权利要求2所述的抑制ECG信号中伪吉布斯效应的方法,其特征在于,对一阶导数y′做高斯均值处理得到y,之后再分别与前后点做均值,得到y1和y2,取y、y1和y2三者中的最小值作为该点新的一阶导数y′带入曲率公式进行后续计算。
4.根据权利要求1-3任意一项所述的抑制ECG信号中伪吉布斯效应的方法,其特征在于,对筛选出来的伪吉布斯效应振荡波的波形进行改善,并保持原有ECG心电信号的形态特征,实现抑制伪吉布斯效应振荡波采用的方法,包括如下步骤:
引入一个差值衰减因子κ,0<κ<1;
对单个伪吉布斯效应振荡波的抑制,方法如下:
计算伪吉布斯效应振荡波与该伪吉布斯效应振荡波的两侧拐点连线的差值▽f,记为▽f=fECG-fAC,根据前式变换得到fECG=fAC+▽f;
利用衰减因子κ,得到改善后的局部ECG心电信号,f′ECG=fAC+κ·▽f;
对连续的n个伪吉布斯效应振荡波的抑制,n为大于等于2的自然数,方法如下:
对于第一个伪吉布斯效应振荡波采用与上述单个伪吉布斯效应振荡波相同的抑制方法进行处理,得到压制完的振荡波;
下一个连续的伪吉布斯效应振荡波则从上一个压制完的振荡波开始,采用单个伪吉布斯效应振荡波的抑制方法处理,依次迭代,直到将连续的n个伪吉布斯效应振荡波处理完毕。
5.根据权利要求4所述的抑制ECG信号中伪吉布斯效应的方法,其特征在于,对于连续的n个抑制伪吉布斯效应振荡波之间的全部拼接点处均进行平滑处理。
6.根据权利要求1所述的抑制ECG信号中伪吉布斯效应的方法,其特征在于,还包括如下步骤:对处理完成后的ECG心电信号做均值滤波。
7.抑制ECG信号中伪吉布斯效应的装置,其特征在于,包括
振荡波识别模块:在ECG心电信号上捕获频率大于一定阈值的振荡波;
伪吉布斯效应振荡波筛选模块:在已识别的振荡波中筛选相对波强中小于一定阈值的振荡波,确定该振荡波为伪吉布斯效应振荡波,其中S表示振荡波与该振荡波的起点和终点之间连接向量所组成的封闭图形的面积,Vpp表示包含该振荡波的ECG心电信号局部范围内的幅度极值差,即Vpp=max(sig)-min(sig),其中sig表示该振荡波上的局部信号,表示在水平方向上的投影,表示拐点A、C之间的距离;
抑制伪吉布斯效应振荡波模块:对筛选出来的伪吉布斯效应振荡波的波形进行改善,并保持原有ECG心电信号的形态特征,实现抑制伪吉布斯效应振荡波;
均值滤波模块:对处理完成后的ECG心电信号做均值滤波。
9.根据权利要求8所述的抑制ECG信号中伪吉布斯效应的装置,其特征在于,对一阶导数y′做高斯均值处理得到y,之后再分别与前后点做均值,得到y1和y2,取y、y1和y2三者中的最小值作为该点新的一阶导数y′带入曲率公式进行后续计算。
10.根据权利要求8或9所述的抑制ECG信号中伪吉布斯效应的装置,其特征在于,在抑制伪吉布斯效应振荡波模块中,对筛选出来的伪吉布斯效应振荡波的波形进行改善,并保持原有ECG心电信号的形态特征,实现抑制伪吉布斯效应振荡波采用的方法,包括如下步骤:
引入一个差值衰减因子κ,0<κ<1;
对单个伪吉布斯效应振荡波的抑制,方法如下:
计算伪吉布斯效应振荡波与该伪吉布斯效应振荡波的两侧拐点连线的差值▽f,记为▽f=fECG-fAC,根据前式变换得到fECG=fAC+▽f;
利用衰减因子κ,得到改善后的局部ECG心电信号,f′ECG=fAC+κ·▽f;
对连续的n个伪吉布斯效应振荡波的抑制,n为大于等于2的自然数,方法如下:
对于第一个伪吉布斯效应振荡波采用与上述单个伪吉布斯效应振荡波相同的抑制方法进行处理,得到压制完的振荡波;
下一个连续的伪吉布斯效应振荡波则从上一个压制完的振荡波开始,采用单个伪吉布斯效应振荡波的抑制方法处理,依次迭代,直到将连续的n个伪吉布斯效应振荡波处理完毕。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910018482.6A CN111419211B (zh) | 2019-01-09 | 2019-01-09 | 抑制ecg信号中伪吉布斯效应的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910018482.6A CN111419211B (zh) | 2019-01-09 | 2019-01-09 | 抑制ecg信号中伪吉布斯效应的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111419211A true CN111419211A (zh) | 2020-07-17 |
CN111419211B CN111419211B (zh) | 2022-09-30 |
Family
ID=71545635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910018482.6A Active CN111419211B (zh) | 2019-01-09 | 2019-01-09 | 抑制ecg信号中伪吉布斯效应的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111419211B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197582A (zh) * | 2007-12-21 | 2008-06-11 | 上海华为技术有限公司 | 干扰抑制方法、装置及接收机 |
US20080181530A1 (en) * | 2007-01-26 | 2008-07-31 | Quanta Computer, Inc. | Image processing apparatus and method for reducing blocking effect and Gibbs effect |
CN103760545A (zh) * | 2014-01-16 | 2014-04-30 | 中国科学院电子学研究所 | 合成孔径雷达中子带串扰对成像性能影响的分析方法 |
CN107037136A (zh) * | 2017-06-01 | 2017-08-11 | 东北电力大学 | 一种管道换热污垢阵列式超声检测方法 |
WO2018102815A1 (en) * | 2016-12-02 | 2018-06-07 | Thomas Jefferson University | Signal processing method for distinguishing and characterizing high-frequency oscillations |
-
2019
- 2019-01-09 CN CN201910018482.6A patent/CN111419211B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080181530A1 (en) * | 2007-01-26 | 2008-07-31 | Quanta Computer, Inc. | Image processing apparatus and method for reducing blocking effect and Gibbs effect |
CN101197582A (zh) * | 2007-12-21 | 2008-06-11 | 上海华为技术有限公司 | 干扰抑制方法、装置及接收机 |
CN103760545A (zh) * | 2014-01-16 | 2014-04-30 | 中国科学院电子学研究所 | 合成孔径雷达中子带串扰对成像性能影响的分析方法 |
WO2018102815A1 (en) * | 2016-12-02 | 2018-06-07 | Thomas Jefferson University | Signal processing method for distinguishing and characterizing high-frequency oscillations |
CN107037136A (zh) * | 2017-06-01 | 2017-08-11 | 东北电力大学 | 一种管道换热污垢阵列式超声检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111419211B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109948647B (zh) | 一种基于深度残差网络的心电图分类方法及系统 | |
WO2011042858A1 (en) | Method and system for processing a signal including at least a component representative of a periodic phenomenon in a living being | |
KR20140139564A (ko) | Ecg 모니터링을 위한 시스템들 및 방법들 | |
US20190099103A1 (en) | ECG Signal Processing Method and Apparatus | |
Lastre-Dominguez et al. | Denoising and features extraction of ecg signals in state space using unbiased fir smoothing | |
CN104915930B (zh) | 对图像进行灰度补偿和噪声抑制的方法及装置 | |
CN105844626A (zh) | 一种基于缠绕识别和局部曲面拟合磁共振相位解缠绕方法 | |
CN111419211B (zh) | 抑制ecg信号中伪吉布斯效应的方法及装置 | |
Meste et al. | Noninvasive recurrence quantification analysis predicts atrial fibrillation recurrence in persistent patients undergoing electrical cardioversion | |
CN110269608A (zh) | 一种去除信号干扰的方法、装置以及可读存储介质 | |
WO2020194617A1 (en) | Blood volume pulse signal detection apparatus, blood volume pulse signal detection method, and computer-readable storage medium | |
Bhavsar | Improved ECG Denoising using CEEMAN based on Complexity Measure and Nonlocal Mean Approach. | |
CN113229826B (zh) | 一种qrs波检测方法、装置及电子设备 | |
CN113852384A (zh) | 一种射频信号信噪比增强方法 | |
CN114795241A (zh) | 一种心电信号的噪声检测方法及系统 | |
CN113647925A (zh) | 基于心冲击信号的心率确定方法及装置 | |
CN113052833A (zh) | 一种基于红外热辐射的非视域成像方法 | |
Khandait et al. | ECG signal processing using classifier to analyses cardiovascular disease | |
CN113375065A (zh) | 管道泄漏监测中趋势信号的消除方法及装置 | |
Chen et al. | Kalman filter based electromyographic signal suppression of real-time ECG signal | |
CN117349600B (zh) | 一种基于双模态双输入的心音心电联合诊断方法及系统 | |
CN116019435A (zh) | 一种类心脏的心率确定方法、装置、电子设备及存储介质 | |
CN111345806B (zh) | 一种心动周期检测方法及装置 | |
CN112401924B (zh) | 一种心音分割方法及装置 | |
Chumchob et al. | An improved variational model and its numerical solutions for speckle noise removal from real ultrasound images |
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 |