CN111466905B - 一种基于双向连通的心电波形提取方法 - Google Patents

一种基于双向连通的心电波形提取方法 Download PDF

Info

Publication number
CN111466905B
CN111466905B CN202010280351.8A CN202010280351A CN111466905B CN 111466905 B CN111466905 B CN 111466905B CN 202010280351 A CN202010280351 A CN 202010280351A CN 111466905 B CN111466905 B CN 111466905B
Authority
CN
China
Prior art keywords
image
lead
queue
base line
calculating
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
CN202010280351.8A
Other languages
English (en)
Other versions
CN111466905A (zh
Inventor
樊夏玥
荐志洁
李钟毓
李柏林
闫金涛
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202010280351.8A priority Critical patent/CN111466905B/zh
Publication of CN111466905A publication Critical patent/CN111466905A/zh
Application granted granted Critical
Publication of CN111466905B publication Critical patent/CN111466905B/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]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle

Abstract

一种基于双向连通的心电波形提取方法，对心电图的图像沿导联方向纵向投影，确定各个导联的基线；对心电图的图像沿垂直导联方向横向投影，得到几个峰值，记录两个相邻峰值之间的区间；根据各个导联的基线位，计算导联与基线的交叉点，对于每一导联与基线有多个交叉点q，将第j导联与基线的多个交叉点q放入队列Qj中；遍历队列Qj中的交叉点q，选择满足约束的交叉点q作为p放入队列Pj中；复制一个与心电图相同的图像IM；以队列Pj中的每一个交叉点p为基础，计算双向连通图；对双向连通图进行采样，计算距离基线的相对像素值。本发明过程简洁，易于实现，对不同心电图像具有良好的适配性，同时误差更小。

Description

一种基于双向连通的心电波形提取方法
技术领域
本发明涉及一种心电波形提取方法，具体涉及一种基于双向连通的心电波形提取方法。
背景技术
随着计算机技术人工智能的发展,心电信号自动识别、分析、归类的实现成为一个重要研究方向,而研究前提是得到量化的心电数据。为方便医生的直观诊断分析，目前医院所存在大量的心电图病历，都是以图像的形式保存，存储在心电图纸或心电图的电子图像中。为了后续对心电信号进行计算机自动分析，需要从二维图像中提取标准数字形式的心电数据。对纸质心电图而言，首先将他们拍摄或扫描成为电子图像，之后将电子图像通过数字图像处理技术从中提取各个导联的一维心电数据，整个数字图像处理过程先对背景网格进行检测和消除(Badilini F,Erdem T,Zareba W,et al.ECGScan:a method forconversion of paper electrocardiographic printouts to digitalelectrocardiographic files[J].Journal of electrocardiology,2005,38(4):310-318.)，之后提取心电波形。
传统的心电波形曲线提取方法主要分为两种，一种是对心电曲线进行追踪，一种是消除心电曲线的背景(Shen T W,Laio T F.Image processing on ECG chart for ECGsignal recovery[C]//2009 36th Annual Computers in Cardiology Conference(CinC).IEEE,2009:725-728.)。对心电曲线追踪法使用Snack模型(Badilini F,Erdem T,Zareba W,et al.ECGScan:a method for conversion of paper electrocardiographicprintouts to digital electrocardiographic files[J].Journal ofelectrocardiology,2005,38(4):310-318.)，在图像中定义活动轮廓曲线，通过最小化其能量函数，动态调整曲线形状知道与目标曲线一致，但Snack模型算法复杂度高，且存在QRS波处跟踪效果不理想的问题。消除心电曲线的背景的方法包括通过阈值去除背景提取曲线，也有使用傅里叶变换将ECG图像分为高频网格线、低频ECG波形和噪声进行波形三部分进行波形提取(Shen T W,Laio T F.Image processing on ECG chart for ECG signalrecovery[C]//2009 36th Annual Computers in Cardiology Conference(CinC).IEEE,2009:725-728.)。现有的曲线提取方法大部分是针对单导联图像(Lozano-Fernández F,Mora-Jiménez I,Sanromán-Junquera M,et al.Auto-cropping of phone camera colorimages to segment cardiac signals in ECG printouts[C]//2016Computing inCardiology Conference(CinC).IEEE,2016:421-424.),此时需要对多导联心电图进行手动分割，同时如图1所示，心电图中常常存在导联交叉的现象，在将电子心电图像向数值转换的过程中，交叉导联的追踪分离一直是一个难以解决的问题，杨荣峰等(杨荣峰，魏义祥.扫描心电图心电轨迹的连续跟踪算法[J].医疗卫生装备,2003,24(6):1-2.)提出了一种使用折线对心电图峰值进行拟合的方法以解决导联交叉的问题，该算法在某些心拍会造成波幅度和峰位的微小误差。Baydoun(Baydoun M,Safatly L,Hassan O K A,et al.HighPrecision Digitization of Paper-Based ECG Records:A Step Toward MachineLearning[J].IEEE Journal of Translational Engineering in Health and Medicine,2019,7:1-8)等同样使用连通性进行心电曲线追踪，但是其计算连通图时的迭代次数为启发式参数，难以适应不同样式的心电图像。需要有效的一种心电波形提取方法可以对交叉的心电图像进行分离，同时具有较高的适配性并尽量降低误差。
发明内容
为克服现有技术中的问题，本发明的目的是提供一种基于双向连通的心电波形提取方法。
为实现上述目的，本发明采用如下的技术方案：
一种基于双向连通的心电波形提取方法，包括以下步骤：
1)对心电图的图像沿导联方向进行纵向投影，确定各个导联的基线，并记录各个导联的基线位；
对心电图的图像沿垂直导联方向进行横向投影，记录所有相邻两个峰值之间的区间；
2)计算连通基点
根据各个导联的基线位，计算导联与基线的交叉点，对于每一导联与基线有多个交叉点q，将第j导联与基线的多个交叉点q放入队列Qj中，Qj＝{q1,q2,……qn}；遍历队列Qj中的交叉点q，选择满足约束的交叉点q作为p放入队列Pj中；
3)双向计算连通图：
复制一个与心电图相同的图像IM；以队列Pj中的每一个交叉点p为基础，计算双向连通图；
4)对双向连通图进行采样，并计算距离基线的相对像素值，从而完成心电波形提取。
本发明进一步的改进在于，步骤2)中，约束具体如下：
a)交叉点p的数值大小位于步骤1)计算所得的其中一个区间内；
b)每个新入队列Pj中的交叉点p，距离队列Pj每个已有点的距离大于步骤2)中两个相邻峰值之间的区间大小的1/5的像素值。
本发明进一步的改进在于，计算双向连通图的具体过程如下：
a.以交叉点p为基础向前计算连通图；
b.以交叉点p为基础向后计算连通图；
c.将步骤a与步骤b获得的连通图进行或运算，得到图像T；
d.将图像IM与图像T进行与运算，运算结果作为新的图像IM；
重复步骤a)～d)，直至遍历所有队列Pj中的点后，得到的图像即为双向连通图。
本发明进一步的改进在于，前向连通图计算时，使用前向3邻近点计算连通图。
本发明进一步的改进在于，向后计算连通图时，使用后向3邻近点计算连通图。
本发明进一步的改进在于，对于步骤4)得到的分离成功的导联图像，从图像上下边缘向靠近基线的位置查找黑色像素，并计算该黑色像素与步骤1)所得基线的像素距离D，心电电压与像素的比例为S，每一像素点计算所得的D*S的值为转换后的心电数值，从而完成心电波形提取。
与现有技术相比，本发明具有的有益效果：
(1)本发明通过心拍分割，在心电图各个导联上找出满足约束条件的点p，作为连通图计算基点，然后计算双向连通图，再采样、导联重建，实现心电波形的提取，解决了由心电图像中导联交叉而导致的难以数字化问题，可应用于心电图图像的数字化过程中。
(2)本发明的过程简洁，易于实现。
(3)本发明具有良好的适配性，可以应用于不同大小和样式的心电图像中。
(4)相比之前的算法，本发明对不同心电图像具有良好的适配性，同时误差更小。
进一步的，交叉点p的数值大小位于步骤1)计算所得的两个相邻峰值之间的区间内，这是为了防止p出现在波形剧烈变化时。
进一步的，每个新入队列Pj中的交叉点p，距离队列Pj每个已有点的距离大于所在步骤2)中两个相邻峰值之间的区间大小的1/5的像素值。该约束是防止队列Pj中交叉点p间的距离过近，导致满足条件的交叉点p太多，增加后续计算量。
附图说明
图1为心电图中出现的交叉现象。其中，(a)为心电图，(b)为图(a)中方框处的放大图，(c)为另一心电图，(d)为图(c)中方框处的放大图。
图2为本发明所述的交叉导联分离方法的整个流程。
图3为对心电图进行横向投影和纵向投影。
图4为双向计算连通图过程。
图5为邻近点示意图。其中，(a)为点Q的4邻近点，(b)为点Q的后向3邻近点，(c)为点Q的前向3邻近点。
图6为重建后的心电波形。
具体实施方式
下面结合附图对本发明进行详细说明。
对于心电图电子图像，本方法可以对交叉的导联进行识别分离，提取心电图波形，并将其转换为标准数字形式的心电数据。
为将心电图的电子图像转化为计算机更易于处理的一维数据，需要提取、分离出心电图中的各个导联，这个过程中常面临导联间相互连接、交叉的问题，本发明提出了一种基于双向连通性的心电波形提取方法解决上述问题。
本发明所述的心电波形提取方法，首先在心电图各个导联上找出满足特定条件的点p，作为连通图计算基点。然后以每个点p为起点，分别向前、向后计算连通图并加以整合处理，以此来分离出不同的导联。
整个过程包括如下步骤：心拍分割、计算连通基点、双向连通图计算、采样、导联重建。
本发明的心电波形提取方法整体流程如图2所示，主要步骤如下：
1)查找心电图基线
对心电图的图像沿导联方向进行纵向投影(即在导联方向上统计黑色像素点的数目)，可以确定各个导联的基线，由于基线附近的黑色像素点分布密集，每个导联都会在投影方向上出现统计数目的极大值，如图3所示，峰位即对应它的基线位。记录各个导联的基线位。
2)进行心拍分割
对心电图的图像沿垂直导联方向进行横向投影(即在导联垂直方向上统计黑色像素点的数目)，在心电波动较大的地方，需要占用的像素多，通过投影可以看出几个明显峰值如图3所示。记录所有相邻两个峰值之间的区间。
3)计算连通基点
由步骤1计算得到了各个导联的基线位，此时可以计算出导联与基线的交叉点(即在基线位置画个横线，横线上是否有黑色像素点)，对于每一导联与基线会有多个交叉点q，将第j导联与其基线的多个交叉点q放入队列Qj中，Qj＝{q1,q2,……qn}。遍历队列Qj中的交叉点q，选择满足如下约束的交叉点q作为p放入队列Pj中。
a.交叉点p的数值大小位于步骤2计算所得的其中任意一个区间内，这是为了防止p出现在波形剧烈变化时。
b.每个新入Pj队列中的交叉点p，距离已有点的距离大于所在峰值间隔区间大小的1/5的像素值。该约束是防止队列Pj中点p间的距离过近，导致满足条件的交叉点p太多，增加后续计算量。
队列Pj中的点即为计算双向连通图所需的基点。
4)双向计算连通图。
复制一个与原心电图相同的图像IM。之后如图4所示，以Pj队列中的每一个交叉点p为基础，进行如下操作：
a.以交叉点p为基础向前计算连通图。与常规的连通图计算时所使用的4邻近点不同，如图5所示，前向连通图计算时，使用前向3邻近点。
b.以交叉点p为基础向后计算连通图。类似步骤a,使用后向3邻近点计算连通图。
c.将步骤a与步骤b获得的图像进行“或”运算，得到图像T。
d.将图像IM与图像T进行“与”运算，运算结果作为新的图像IM。
遍历所有Pj队列中的点进行如上a-d的操作后，得到的图像IM即为分离成功的导联图像。
5)对分离成功的导联图片进行采样，计算其距离基线的相对像素值。
对于步骤4得到的分离成功的导联图像，从图像上下边缘向靠近基线的位置查找黑色像素，计算该像素与步骤1所得基线的像素距离D，心电电压与像素的比例为S，记录每一像素点计算所得的D*S的值，即为转换后的心电数值。
6)重建导联波形验证是否分离成功。
将步骤5得到的数值画成心电图波形图像，与原先导联进行对比，可以看出分离成功，如图6所示。

Claims (5)

1.一种基于双向连通的心电波形提取方法，其特征在于，包括以下步骤：
1）对心电图的图像沿导联方向进行纵向投影，在导联方向上统计黑色像素点的数目，确定各个导联的基线，并记录各个导联的基线位；
对心电图的图像沿垂直导联方向进行横向投影，在导联垂直方向上统计黑色像素点的数目，得到几个峰值，记录所有相邻两个峰值之间的区间；
2）计算连通基点
根据各个导联的基线位，计算导联与基线的交叉点，对于每一导联与基线有多个交叉点q，将第j导联与基线的多个交叉点q放入队列Qj中，Qj={q1,q2,……qn}；遍历队列Qj中的交叉点q，选择满足约束的交叉点q作为p放入队列Pj中；
3）双向计算连通图：
复制一个与心电图相同的图像IM；以队列Pj中的每一个交叉点p为基础，计算双向连通图；
4）对双向连通图进行采样，并计算距离基线的相对像素值，从而完成心电波形提取；
步骤2）中，约束具体如下：
a）交叉点p的数值大小位于步骤1）计算所得的其中一个区间内；
b）每个新入队列Pj中的交叉点p，距离队列Pj每个已有点的距离大于步骤2）中两个相邻峰值之间的区间大小的1/5的像素值。
2.根据权利要求1所述的一种基于双向连通的心电波形提取方法，其特征在于，计算双向连通图的具体过程如下：
a.以交叉点p为基础向前计算连通图；
b.以交叉点p为基础向后计算连通图；
c.将步骤a与步骤b获得的连通图进行或运算，得到图像T；
d.将图像IM与图像T进行与运算，运算结果作为新的图像IM；
重复步骤a）～d），直至遍历所有队列Pj中的点后，得到的图像即为双向连通图。
3.根据权利要求2所述的一种基于双向连通的心电波形提取方法，其特征在于，前向连通图计算时，使用前向3邻近点计算连通图。
4.根据权利要求2所述的一种基于双向连通的心电波形提取方法，其特征在于，向后计算连通图时，使用后向3邻近点计算连通图。
5.根据权利要求1所述的一种基于双向连通的心电波形提取方法，其特征在于，对于步骤4）得到的分离成功的导联图像，从图像上下边缘向靠近基线的位置查找黑色像素，并计算该黑色像素与步骤1）所得基线的像素距离D，心电电压与像素的比例为S，每一像素点计算所得的D*S的值为转换后的心电数值，从而完成心电波形提取。
CN202010280351.8A 2020-04-10 2020-04-10 一种基于双向连通的心电波形提取方法 Active CN111466905B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010280351.8A CN111466905B (zh) 2020-04-10 2020-04-10 一种基于双向连通的心电波形提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010280351.8A CN111466905B (zh) 2020-04-10 2020-04-10 一种基于双向连通的心电波形提取方法

Publications (2)

Publication Number Publication Date
CN111466905A CN111466905A (zh) 2020-07-31
CN111466905B true CN111466905B (zh) 2021-01-22

Family

ID=71751643

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010280351.8A Active CN111466905B (zh) 2020-04-10 2020-04-10 一种基于双向连通的心电波形提取方法

Country Status (1)

Country Link
CN (1) CN111466905B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077472B (zh) * 2021-04-07 2023-02-10 华南理工大学 一种纸质心电图曲线图像分割方法、系统、装置及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102248807A (zh) * 2011-05-27 2011-11-23 宁波海泰科迈医疗器械有限公司 对折心电图打印方法
CN104856677A (zh) * 2015-06-14 2015-08-26 西安交通大学医学院第一附属医院 磁化转移联合层面选择反转恢复预脉冲的磁共振成像方法
CN107174232A (zh) * 2017-04-26 2017-09-19 天津大学 一种心电图波形提取方法
CN107622245A (zh) * 2017-09-26 2018-01-23 武汉中旗生物医疗电子有限公司 纸质波形提取方法以及装置
CN108523881A (zh) * 2018-01-22 2018-09-14 西安交通大学 一种准确提取qrs内异常电位的方法
CN109087245A (zh) * 2018-08-13 2018-12-25 长治学院 基于相邻关系模型的无人机遥感图像拼接系统
CN109674464A (zh) * 2019-01-29 2019-04-26 郑州大学 一种多导联心电信号复合特征提取方法及对应监测系统
CN109848996A (zh) * 2019-03-19 2019-06-07 西安交通大学 基于图优化理论的大规模三维环境地图创建方法
CN110084117A (zh) * 2019-03-22 2019-08-02 中国科学院自动化研究所 基于二值图分段投影的文档表格线检测方法、系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5103816B2 (ja) * 2006-07-27 2012-12-19 株式会社デンソー 信号処理装置
CN101763500B (zh) * 2008-12-24 2011-09-28 中国科学院半导体研究所 应用于高自由度手掌图像中掌形提取和特征定位的方法
US8811745B2 (en) * 2010-01-20 2014-08-19 Duke University Segmentation and identification of layered structures in images
JP6483717B2 (ja) * 2014-02-25 2019-03-13 セント・ジュード・メディカル，カーディオロジー・ディヴィジョン，インコーポレイテッド 不整脈源の分類のために電気生理学的性質を利用するためのシステムおよび方法
CN103810393B (zh) * 2014-02-27 2016-05-18 厦门纳龙科技有限公司 一种基于心电向量的心电波形特征点定位方法
US9864933B1 (en) * 2016-08-23 2018-01-09 Jasmin Cosic Artificially intelligent systems, devices, and methods for learning and/or using visual surrounding for autonomous object operation
US11488694B2 (en) * 2018-04-20 2022-11-01 Nec Corporation Method and system for predicting patient outcomes using multi-modal input with missing data modalities

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102248807A (zh) * 2011-05-27 2011-11-23 宁波海泰科迈医疗器械有限公司 对折心电图打印方法
CN104856677A (zh) * 2015-06-14 2015-08-26 西安交通大学医学院第一附属医院 磁化转移联合层面选择反转恢复预脉冲的磁共振成像方法
CN107174232A (zh) * 2017-04-26 2017-09-19 天津大学 一种心电图波形提取方法
CN107622245A (zh) * 2017-09-26 2018-01-23 武汉中旗生物医疗电子有限公司 纸质波形提取方法以及装置
CN108523881A (zh) * 2018-01-22 2018-09-14 西安交通大学 一种准确提取qrs内异常电位的方法
CN109087245A (zh) * 2018-08-13 2018-12-25 长治学院 基于相邻关系模型的无人机遥感图像拼接系统
CN109674464A (zh) * 2019-01-29 2019-04-26 郑州大学 一种多导联心电信号复合特征提取方法及对应监测系统
CN109848996A (zh) * 2019-03-19 2019-06-07 西安交通大学 基于图优化理论的大规模三维环境地图创建方法
CN110084117A (zh) * 2019-03-22 2019-08-02 中国科学院自动化研究所 基于二值图分段投影的文档表格线检测方法、系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"A Novel Method for ECG Paper Records Digitization";Xiaohan等;《2019 Computing in Cardiology》;20190911;第19425726页 *
"High Precision Digitization of Paper-Based ECG Records: A Step Toward Machine Learning";Mohammed等;《IEEE Journal of Translational Engineering in Health and Medicine》;20191122;第1900808页 *
"基于小波变换的心电信号预处理及特征参数检测方法研究";杨守祥;《中国优秀硕士论文全文库信息科技辑》;20141015;第I136-43页 *

Also Published As

Publication number Publication date
CN111466905A (zh) 2020-07-31

Similar Documents

Publication Publication Date Title
US10959660B2 (en) Electrocardiogram processing system for delineation and classification
Liu et al. Arrhythmia classification of LSTM autoencoder based on time series anomaly detection
CN108294745B (zh) 多导联心电图信号中p波、t波起止点检测方法及系统
CN104586383B (zh) 一种心电波形分类方法及装置
US20040093192A1 (en) Apparatus and method for effecient representation of periodic and nearly periodic signals for analysis
WO2021037102A1 (zh) 基于图片及心搏信息的心电分析方法、装置、设备及介质
Garg et al. ECG paper records digitization through image processing techniques
CN113057648A (zh) 一种基于复合lstm结构的ecg信号分类方法
Liu et al. Using the VQ-VAE to improve the recognition of abnormalities in short-duration 12-lead electrocardiogram records
CN113499079B (zh) 一种心电图中的房颤检测方法
Nurmaini et al. Beat-to-beat electrocardiogram waveform classification based on a stacked convolutional and bidirectional long short-term memory
CN107958214A (zh) Ecg信号的并行分析装置、方法和移动终端
CN111466905B (zh) 一种基于双向连通的心电波形提取方法
Sun et al. A novel method for ECG paper records digitization
CN110090016B (zh) 定位r波位置的方法及系统、使用lstm神经网络的r波自动检测方法
Yu et al. QRS detection and measurement method of ECG paper based on convolutional neural networks
Barman et al. Rough set based segmentation and classification model for ECG
CN113180685B (zh) 基于形态学滤波和小波阈值的心电异常判别系统及方法
US11672464B2 (en) Electrocardiogram processing system for delineation and classification
Boucheham et al. Piecewise linear correction of ECG baseline wander: a curve simplification approach
Tabassum et al. Numerical data extraction from ECG paper recording using image processing technique
CN110916645A (zh) 一种结合小波变换和图像分割网络的qrs波识别方法
CN116089862A (zh) 一种基于修正机制的自调节蚁群聚类算法的ecg心律失常分类方法
CN111803061B (zh) 一种基于目标检测的r波识别方法及装置
Mehendale et al. Ecg paper record digitization and diagnosis using deep learning

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