CN111513706B - 一种针对含有异常r波的心电信号的检测方法和装置 - Google Patents

一种针对含有异常r波的心电信号的检测方法和装置 Download PDF

Info

Publication number
CN111513706B
CN111513706B CN202010310916.2A CN202010310916A CN111513706B CN 111513706 B CN111513706 B CN 111513706B CN 202010310916 A CN202010310916 A CN 202010310916A CN 111513706 B CN111513706 B CN 111513706B
Authority
CN
China
Prior art keywords
signal
site
threshold
wave
order difference
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
CN202010310916.2A
Other languages
English (en)
Other versions
CN111513706A (zh
Inventor
李章勇
李泽禹
刘晓彤
张洲
唐清垚
刘峻源
吴燃
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202010310916.2A priority Critical patent/CN111513706B/zh
Publication of CN111513706A publication Critical patent/CN111513706A/zh
Application granted granted Critical
Publication of CN111513706B publication Critical patent/CN111513706B/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]
    • 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
    • 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
    • A61B5/7235—Details of waveform analysis

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)
  • Cardiology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及信号处理领域，具体涉及一种针对含有异常R波的心电信号的检测方法和装置；所述方法包括对输入的心电信号进行滤波处理以及基线校正处理；从处理后的心电信号确定出多个初始阈值包括高阈值、低阈值和控制阈值；在预设时间T的滑动窗口内，计算每个位点的差分信号，将该位点的差分信号与高阈值和低阈值进行大小比较，从而确定出第一位点和第二位点；根据第一位点与第二位点形成的信号段中极值点与控制阈值的大小，识别出正向R波或倒置R波，并将极值点作为R波位点；本发明通过滑动窗口对心电信号进行位点识别，从而识别出位点间的R波；提升了对特殊R波的识别能力；且运算量小，复杂度低，诊断效果良好。

Description

一种针对含有异常R波的心电信号的检测方法和装置
技术领域
本发明涉及信号处理领域，具体涉及一种针对含有异常R波的心电信号的检测方法和装置。
背景技术
心率变异性(HRV)是指逐次心跳周期差异的变化情况，它含有神经体液因素对心血管系统调节的信息，从而判断其对心血管等疾病的病情及预防，可能是预测心脏性猝死和心律失常性事件的一个有价值的指标。而心率变异性检测中最主要是对患者的R波进行检测，从而计算患者的心率情况。而在人体心电信号中，会存在间歇性的R波倒置，对心电R波的计算具有相当大的挑战。
目前，心电R波检测方法有：差分阈值法，小波变换法，神经网络法，模板匹配法等；差分阈值法算法简单，处理速度快，易于工程实现，但抗噪性差，检测率不高；模板匹配法原理简单，但对于高频噪声和基线漂移很敏感；小波变换法具有良好的时频局域化特性，检测准确度高，但对原始信号进行不同尺度的描述需要大量的存储空间，计算时间也比较长，增加硬件成本，不易于工程实现；神经网络法能够实现很好的判别效果，但算法复杂，且训练时间较长，实时性差。上述方法各有优缺点，具体的应用需要根据实际的需求。由于倒置R波在幅值大小及时域上与正向R波有所不同，上述算法对倒置R波的识别能力均不强。
发明内容
基于现有技术存在的问题，本发明提出了一种针对含有异常R波的心电信号的检测方法和装置，在对R波检测能力影响不大的情况下，可对间歇性倒置R波有着较高的检测能力。
在本发明的第一方面，本发明提供了一种针对含有异常R波的心电信号的检测方法，所述方法至少包括：
从处理后的心电信号确定出多个初始阈值，包括高阈值、低阈值以及控制阈值；
在预设时间T的滑动窗口内，计算每个位点的一阶差分平方信号，将该位点的一阶差分平方信号与高阈值和低阈值进行大小比较，从而确定出第一位点和第二位点；
根据第一位点与第二位点形成的信号段，识别出正向R波或倒置R波，并将绝对值大于控制阈值的极值点作为R波位点。
在本发明的第二方面，本发明还提供了一种可选的针对含有异常R波的心电信号的检测方法，所述方法包括：
对输入的心电信号进行滤波处理以及基线校正处理；
从处理后的心电信号确定出多个初始阈值，包括高阈值、低阈值以及控制阈值；
在预设时间T的滑动窗口内，计算每个位点的一阶差分平方信号，将该位点的一阶差分平方信号与高阈值和低阈值进行大小比较，从而确定出第一位点和第二位点；
根据第一位点与第二位点形成的信号段、，识别出正向R波或倒置R波，并将绝对值大于控制阈值的极值点作为R波位点。
在本发明的第三方面，本发明还提供了一种优选的针对含有异常R波的心电信号的检测方法，所述方法包括：
对输入的心电信号进行滤波处理以及基线校正处理；
从处理后的心电信号确定出多个初始阈值，包括高阈值、低阈值以及控制阈值；
在预设时间T的滑动窗口内，计算每个位点的一阶差分平方信号，将该位点的一阶差分平方信号与高阈值和低阈值进行大小比较，从而确定出第一位点和第二位点；
判断出第一位点与第二位点的绝对值差是否满足预设的采样阈值，即判断|S1-S2|<0.2*fs；若不满足，则继续计算下一个位点的差分信号，确定出下一个位点对应的第一位点和第二位点；其中，fs表示差分信号的采样频率。
否则，根据第一位点与第二位点形成的信号段，识别出正向R波或倒置R波，并将绝对值大于控制阈值的极值点作为R波位点。
可选的，在对输入的心电信号处理后，还包括对处理后的信号进行一阶差分并平方，通过平方扩大变化率大的信号，暴露出信号的变化特征并将不同变化的信号归于同一维度进行比较，将平方后的信号作低幅值部分归零处理，保留变化率大的信号，突出信号特征，以平方后的信号中绝对值最大的信号作为基准确定出第二控制参数；通过第二控制参数分别计算出高阈值和低阈值；通过处理后的心电信号的最大值确定第一控制参数，通过第一控制参数计算出控制阈值。
可选的，各个初始阈值的计算公式包括：
TECG＝ECGmax*coef1
TDmax＝Dmax*coef2
TDmin＝Dmin*coef2
其中，TECH表示初始的控制阈值；ECGmax表示预设时间内心电信号的最大值；TDmax表示初始的高阈值；TDmin表示初始的低阈值；coef1表示第一控制参数；coef2表示第二控制参数。
可选的，确定出第一位点和第二位点的过程包括计算滑动窗口中第i个位点的一阶差分平方信号D(i-1)、D(i)、D(i+1)；若第i个位点作为一阶差分平方信号的极大值即D(i)>D(i-1)且D(i)>D(i+1)，则继续判断第i个位点是否大于高阈值即D(i)>TDmax，若D(i)>TDmax成立将该位点作为第一位点S1；否则继续计算下一个位点的一阶差分平方信号；若第i个位点作为一阶差分平方信号的极小值即D(i)<D(i-1)且D(i)<D(i+1)，则继续判断第i个位点是否小于低阈值即D(i)<TDmin，若D(i)<TDmin成立将该位点作为第二位点S2；否则继续计算下一个位点的一阶差分平方信号。
可选的，识别出正向R波或倒置R波的过程包括：
若S1<S2，则第一位点与第二位点形成的信号段中存在正向R波，该信号段中的极大值为R波位点；
若S1>S2，则第一位点与第二位点形成的信号段中存在倒置R波，该信号段中的极小值为R波位点。
可选的，本发明在每个滑动窗口都会确定第一位点和第二位点；在识别出当前滑动窗口具有R波位点后，并判断出R波位点的位置后，则对各个阈值进行更新，并以更新后的阈值进行处理，从而确定出在下一滑动窗口的R波位点；直至完成预设时间T内的所有滑动窗口。
阈值的更新公式依次表示为：
TECG＝TECG*Rate+RR*coef1(1-Rate)
TDmax＝TDmax*Rate+RS1*coef2*(1-Rate)
TDmin＝TDmin*Rate+Rs2*coef2*(1-Rate)
其中，TECG表示控制阈值；TDmax表示高阈值；TDmin表示低阈值；Rate表示更新率；RR为确定的R点幅值，RS1为第一位点S1在差分信号中的幅值，RS2为第二位点S2在差分信号中的幅值；其中，第一个滑动窗口中的阈值以各个初始的阈值为准。
在本发明的第四方面，本发明提供了一种针对含有异常R波的心电信号的检测装置，包括：
预处理模块，用于对输入的心电信号进行滤波处理以及基线校正处理；
阈值采集模块，用于从处理后的心电信号中确定出多个初始阈值，包括高阈值、低阈值以及控制阈值；
第一比较判断模块，用于比较位点的一阶差分平方信号与高阈值和低阈值的大小；
区间位点识别模块，用于根据第一比较判断模块的结果，识别出第一位点和第二位点；
第二比较判断模块，用于比较第一位点与第二位点形成的信号段中极值点与控制阈值的大小；
R波位点识别模块，用于根据第二比较判断模块的结果，识别出R波的方向，并确定出R波位点。
进一步的，所述装置还包括阈值更新模块，用于更新各个初始阈值。
本发明的有益效果：
本发明通过滑动窗口对心电信号进行位点识别，从而识别出位点间的R波；另外，本发明通过多个阈值进行控制可以缩小R波所在区间，相较于传统的单阈值(仅有低阈值)控制，本发明可以排除高变化率的Q波和S波对R波的干扰；另外，本发明通过对第一位点和第二位点的顺序进行判断，能够确定出R波的方向，即确定R波状态，识别出正向R波或者倒置R波，提升了对特殊R波的识别能力；本发明的运算量小，复杂度低，对正向和反向的R波的识别高，诊断效果良好。
附图说明
图1为本发明一种间歇性倒置R波检测方法的流程图；
图2为本发明优选的一种间歇性倒置R波检测方法的流程图；
图3为本发明的一种间歇性倒置R波检测装置的结构图；
图4为采用本发明的检测方法或/和装置的检测效果图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在一个实施例中，如图1所示，一种针对含有异常R波的心电信号的检测方法包括：
对输入的心电信号进行滤波处理以及基线校正处理；
从处理后的心电信号确定出多个初始阈值，包括高阈值、低阈值以及控制阈值；
在预设时间T的滑动窗口内，计算每个位点的一阶差分平方信号，将该位点的一阶差分平方信号与高阈值和低阈值进行大小比较，从而确定出第一位点和第二位点；
根据第一位点与第二位点形成的信号段，识别出正向R波或倒置R波，并将绝对值大于控制阈值的极值点作为R波位点。
在一个实施例中，如图2所示，所述一种针对含有异常R波的心电信号的检测方法还可以包括：
对输入的心电信号进行滤波处理以及基线校正处理；
从处理后的心电信号确定出多个初始阈值，包括高阈值、低阈值以及控制阈值；
在预设时间T的滑动窗口内，计算每个位点的一阶差分平方信号，将该位点的一阶差分平方信号与高阈值和低阈值进行大小比较，从而确定出第一位点和第二位点；
判断出第一位点与第二位点的绝对值差是否满足预设的采样阈值，即判断|S1-S2|<0.2*fs；若不满足，则继续计算下一个位点的一阶差分平方信号，确定出下一个位点对应的第一位点和第二位点；其中，fs表示差分信号的采样频率；S1表示第一位点的索引值，S2表示第二位点的索引值。
否则，根据第一位点与第二位点形成的信号段，识别出正向R波或倒置R波，并将绝对值大于控制阈值的极值点作为R波位点。
在一个实施例中，为了实时获得心电信号的R波位置，本发明对采集到的心电信号进行滤波处理以及基线校正处理；可以采用二阶巴特沃斯带通滤波器，选取截止频率为3～25HZ的心电信号；可以去除一定的程度上的高阶噪声以及工频干扰。
在另一个实施例中，输入的心电信号可以按照以下公式进行基线校正：
f(x)＝ECG(x)-ECG(m)
其中，ECG(x)为原始输入的心电信号，f(x)为滤波后的心电信号，ECG(m)为x处宽度为W1＝fs*0.66窗口中ECG信号的中位数。
在一个实施例中，从处理后的心电信号确定出多个初始阈值包括：
通过滑动窗口W2对处理后的心电信号进行差分平方计算，具体方法按照以下等式进行计算：
tempD(i)＝f(i)-f(i-2)
Figure GDA0003779930430000071
其中，tempD(i)表示一阶差分信号；f(i-2)是f(i)的移位序列，D(i)为一阶差分平方信号。
在一个实施例中，在对输入的心电信号处理后，还包括对处理后的信号进行一阶差分并平方，通过平方扩大变化率大的信号，暴露出信号的变化特征并将不同变化的信号归于同一维度进行比较，将平方后的信号作低幅值部分归零处理，保留变化率大的信号，突出信号特征。
本实施例中，以平方后的信号中绝对值最大的信号作为基准确定出第二控制参数；作为优选，第二控制参数coef2＝0.3；通过第二控制参数分别计算出高阈值和低阈值；通过处理后的心电信号的最大值确定第一控制参数，通过第一控制参数计算出控制阈值。
具体可参考如下：
基于预定时间T内心电信号的最大值ECGmax，按照以下等式计算心电信号初始的控制阈值TECG：
TECG＝ECGmax*coef1
基于预定时间T内心电一阶差分平方信号的最大值Dmax，按照以下等式计算心电信号初始的高阈值TDmax：
TDmax＝Dmax*coef2
基于预定时间T内心电一阶差分平方信号的最小值Dmin,按照以下等式计算心电信号初始的低阈值TDmin：
TDmin＝Dmin*coef2
作为优选，其中coef1＝0.5，coef2＝0.3，T为第一至第二分钟。
在一个实施例中，确定出第一位点和第二位点包括：
计算滑动窗口中第i个位点的一阶差分平方信号D(i-1)、D(i)、D(i+1)；
若第i个位点作为一阶差分平方信号的极大值即D(i)>D(i-1)且D(i)>D(i+1)，
则继续判断第i个位点的一阶差分平方信号是否大于高阈值即D(i)>TDmax，若D(i)>TDmax成立将该位点作为第一位点S1；
否则继续计算下一个位点的一阶差分平方信号；
若第i个位点作为一阶差分平方信号的极小值即D(i)<D(i-1)且D(i)<D(i+1)，
则继续判断第i个位点的一阶差分平方信号是否小于低阈值即D(i)<TDmin，若D(i)<TDmin成立将该位点作为第二位点S2；
否则继续计算下一个位点的一阶差分平方信号。
可以理解的是，D(i)表示第i个位点的一阶差分平方信号；而第i个位点对应的一组一阶差分平方信号表示为D(i-1)、D(i)、D(i+1)；第i+1个位点对应的一组一阶差分平方信号表示为D(i)、D(i+1)、D(i+2)，依次类推。
在一个补充实施例中，在确定出第一位点和第二位点后，还包括判断出第一位点与第二位点的绝对值差是否满足预设的采样阈值，即判断|S1-S2|<0.2*fs；若不满足，则继续计算每个位点的一阶差分平方信号；否则，根据第一位点与第二位点形成的信号段，识别出正向R波或倒置R波；其中，fs表示差分信号的采样频率。
在一个实施例中，当确定出第一位点和第二位点后，可以直接判断R波所在的位点以及R波的方向，本发明通过以下步骤判断R波的方向和位点：
若S1<S2，则第一位点与第二位点形成的信号段中存在正向R波，该信号段中的极大值为R波位点；
若S1>S2，则第一位点与第二位点形成的信号段中存在倒置R波，该信号段中的极小值为R波位点。
在目前的R波检测方法中，一般是规定第一位点位于第二位点之前，当第一位点与第二位点之间存在R波时，则该R波只能是正向R波，而本发明通过判断第一位点S1和第二位点S2的前后顺序，以及第一位点S1和第二位点S2的间距大小，因此本发明能够在一定程度上对倒置R波进行检测。
在一个实施例中，在识别出当前滑动窗口的R波位点后，对各个初始阈值进行更新，并以更新后的阈值进行处理，从而确定出在下一滑动窗口的R波位点；直至完成预设时间T内的所有滑动窗口。
阈值的更新公式依次表示为：
TECG＝TECG*Rate+RR*coef1*(1-Rate)
TDmax＝TDmax*Rate+RS1*coef2*(1-Rate)
TDmin＝TDmin*Rate+Rs2*coef2*(1-Rate)
其中，TECG表示控制阈值；TDmax表示高阈值；TDmin表示低阈值；Rate表示更新率；RR为确定的R点幅值，RS1为第一位点S1在一阶差分平方信号中的幅值，RS2为第二位点S2在一阶差分平方信号中的幅值。
作为优选，其中Rate＝0.8。
本发明通过在每个滑动窗口更新一次阈值，能够更为准确的检测出每个滑动窗口中的R波位点。
在一个实施例中，如图3所示，本实施例提供了一种针对含有异常R波的心电信号的检测装置，包括：
预处理模块，用于对输入的心电信号进行滤波处理以及基线校正处理；
阈值采集模块，用于从处理后的心电信号中确定出多个初始阈值，包括高阈值、低阈值以及控制阈值；
第一比较判断模块，用于比较位点的一阶差分平方信号与高阈值和低阈值的大小；
区间位点识别模块，用于根据第一比较判断模块的结果，识别出第一位点和第二位点；
第二比较判断模块，用于比较第一位点与第二位点形成的信号段中极值点与控制阈值的大小；
R波位点识别模块，用于根据第二比较判断模块的结果，识别出R波的方向，并确定出R波位点。
在一个实施例中，还包括阈值更新模块，用于更新各个初始阈值。
在另一个实施例中，本实施例还提供了一种心电信号R波检测装置，还可以包括：
预处理单元，用于对采集的目标心电信号进行预处理；
一阶差分平方信号获取单元，对纠正后的即预处理后的一阶差分心电信号进行一阶差分及平方处理，获得所述心电信号的一阶差分平方信号。
最大值最小值获取单元，在1-2s的数据点内正向搜索一阶差分平方信号和心电信号，得到一阶差分平方信号在所述范围内的最大值、一阶差分平方信号在所述范围内的最小值，心电信号在所述范围内的最大值。
初始阈值确认单元，根据一阶差分平方信号的最大值、一阶差分平方信号的最小值，心电信号的最大值确定心电信号R波检测中的一阶差分平方信号最大阈值、一阶差分平方信号最小阈值，心电信号阈值；即依次对应初始的高阈值、低阈值和控制阈值。
待测R波范围获取单元，用于根据一阶差分平方信号最大阈值、一阶差分平方信号最小阈值判断待测R波范围；
R波方向确认单元，用于判断R波的方向；
波峰位置获取单元，用于根据目标用户的待测R波的范围和R波方向确定待测R波的波峰位置；
校验单元，根据所测得的R波对R波进行多检和漏检，对正确的R波进行阈值自适应调整。
为了实现上述装置的功能，本发明还提供了一种心电信号R波检测装置的方法，对采集的目标用户的心电信号进行预处理；
对预处理后的心电信号进行一阶差分平方处理，获取所述心电信号的一阶差分平方信号；
针对所述心电信号的一阶差分平方信号，获取一段时间内沿差分阈值的一阶差分平方信号的最大值即高阈值，和沿差分阈值的一阶差分平方信号的最小值即低阈值；
根据所述一阶差分平方信号的最大值和所述一阶差分平方信号的最小值获取所述目标用户的差分阈值即控制阈值；
根据阈值判断沿差分阈值的一阶差分平方信号的极大值即第一位点和小于预设下降沿差分阈值的一阶差分平方信号的极小值即第二位点；
根据极大值极小值位点确定R波区间及R波方向。
根据R波区间及R波方向确定R波位置。
当然，本发明中，第一位点可以为第二位点，第二位点可以为第一位点，“第一”、“第二”的描述不用于限定其功能。
如图4所示，给出了本发明的检测效果图；在一系列的心电信号中，本发明不仅能够检测出间歇性的R波，即正常R波的中间出现了一些倒置R波；也能够直接检测出全倒置R波，其中，图4中的极值点表示R波位点，包括正向R波和倒置R波。
在本发明的描述中，需要理解的是，术语“同轴”、“底部”、“一端”、“顶部”、“中部”、“另一端”、“上”、“一侧”、“顶部”、“内”、“外”、“前部”、“中央”、“两端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明中，除非另有明确的规定和限定，术语“安装”、“设置”、“连接”、“固定”、“旋转”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种针对含有异常R波的心电信号的检测方法，其特征在于，至少包括：
对输入的心电信号进行滤波处理以及基线校正处理；
从处理后的心电信号确定出多个初始阈值，包括高阈值、低阈值以及控制阈值；
在预设时间T的滑动窗口内，计算每个位点的一阶差分平方信号，将该位点的一阶差分平方信号与高阈值和低阈值进行大小比较，从而确定出第一位点和第二位点；
一阶差分平方信号的计算方式包括通过滑动窗口对处理后的心电信号进行一阶差分平方计算，具体方法按照以下等式进行计算：
tempD(i)＝f(i)-f(i-2)
Figure FDA0003779930420000011
tempD(i)表示一阶差分信号；f(i-2)是f(i)的移位序列，f(i)为处理后的心电信号序列；D(i)为一阶差分平方信号；
第一位点和第二位点的比较方式包括计算滑动窗口中第i个位点的一阶差分平方信号D(i-1)、D(i)、D(i+1)；若第i个位点作为一阶差分平方信号的极大值即D(i)>D(i-1)且D(i)>D(i+1)，则继续判断第i个位点是否大于高阈值即D(i)>TDmax，若D(i)>TDmax成立将该位点作为第一位点；否则继续计算下一个位点的一阶差分平方信号；若第i个位点作为一阶差分平方信号的极小值即D(i)<D(i-1)且D(i)<D(i+1)，则继续判断第i个位点是否小于低阈值即D(i)<TDmin，若D(i)<TDmin成立将该位点作为第二位点；否则继续计算下一个位点的一阶差分平方信号；
根据第一位点与第二位点形成的心电信号段，识别出正向R波或倒置R波，并将绝对值大于控制阈值的极值点作为R波位点；
识别出正向R波或倒置R波的过程包括：
若第一位点索引值S1＜第二位点索引值S2，则第一位点与第二位点形成的信号段中存在正向R波，该信号段中的极大值为R波位点；
若第一位点索引值S1＞第二位点索引值S2，则第一位点与第二位点形成的信号段中存在倒置R波，该信号段中的极小值为R波位点；
在识别出当前滑动窗口的R波位点后，对各个初始阈值进行更新，并以更新后的阈值进行处理，直至完成预设时间T内的所有滑动窗口；
各个阈值的更新公式依次表示为：
TECG＝TECG*Rate+RR*coef1*(1-Rate)
TDmax＝TDmax*Rate+RS1*coef2*(1-Rate)
TDmin＝TDmin*Rate+Rs2*coef2*(1-Rate)
其中，TECG表示控制阈值；TDmax表示高阈值；TDmin表示低阈值；Rate表示更新率；RR为确定的R波位点幅值，RS1为第一位点S1在一阶差分平方信号中的幅值，RS2为第二位点S2在一阶差分平方信号中的幅值；coef1表示第一控制参数；coef2表示第二控制参数。
2.根据权利要求1所述的一种针对含有异常R波的心电信号的检测方法，其特征在于，在对输入的心电信号处理后，还包括对处理后的信号进行一阶差分并平方，通过平方扩大变化率大的信号，暴露出信号的变化特征并将不同变化的信号归于同一维度进行比较，将平方后的信号作低幅值部分归零处理，保留变化率大的信号，突出信号特征，以平方后的信号中绝对值最大的信号作为基准确定出第二控制参数；通过第二控制参数分别计算出高阈值和低阈值；通过处理后的心电信号的最大值确定第一控制参数，通过第一控制参数计算出控制阈值。
3.根据权利要求2所述的一种针对含有异常R波的心电信号的检测方法，其特征在于，各个初始阈值的计算公式包括：
TECG＝ECGmax*coef1
TDmax＝Dmax*coef2
TDmin＝Dmin*coef2
其中，TECG表示初始的控制阈值；ECGmax表示预设时间内心电信号的最大值；TDmax表示初始的高阈值；TDmin表示初始的低阈值；Dmax表示预定时间T内心电一阶差分平方信号的最大值；Dmin表示预定时间T内心电一阶差分平方信号的最小值；coef1表示第一控制参数；coef2表示第二控制参数。
4.根据权利要求1所述的一种针对含有异常R波的心电信号的检测方法，其特征在于，在确定出第一位点和第二位点后，还包括判断出第一位点与第二位点的绝对值差是否满足预设的采样阈值，即判断|S1-S2|<0.2*fs；若不满足，则继续计算每个位点的一阶差分平方信号；否则，根据第一位点与第二位点形成的信号段中极值点与控制阈值的大小，识别出正向R波或倒置R波；其中，fs表示一阶差分平方信号的采样频率；S1表示第一位点的索引值，S2表示第二位点的索引值。
5.一种针对含有异常R波的心电信号的检测装置，其应用于权利要求1～4任一所述的一种针对含有异常R波的心电信号的检测方法，其特征在于，包括：
预处理模块，用于对输入的心电信号进行滤波处理以及基线校正处理；
阈值采集模块，用于从处理后的心电信号中确定出多个初始阈值，包括高阈值、低阈值以及控制阈值；
第一比较判断模块，用于比较位点的一阶差分平方信号与高阈值和低阈值的大小；
区间位点识别模块，用于根据第一比较判断模块的结果，识别出第一位点和第二位点；
第二比较判断模块，用于比较第一位点与第二位点形成的信号段中极值点与控制阈值的大小；
R波位点识别模块，用于根据第二比较判断模块的结果，识别出R波的方向，并确定出R波位点。
6.根据权利要求5所述的一种针对含有异常R波的心电信号的检测装置，其特征在于，所述阈值采集模块包括：
高阈值采集模块，用于确定一阶差分平方信号中确定S1位点的高阈值；
低阈值采集模块，用于确定一阶差分平方信号中确定S2位点的低阈值；
控制阈值采集模块，用于确定心电信号中的R波。
7.根据权利要求5所述的一种针对含有异常R波的心电信号的检测装置，其特征在于，还包括阈值更新模块，用于更新各个初始阈值。
CN202010310916.2A 2020-04-20 2020-04-20 一种针对含有异常r波的心电信号的检测方法和装置 Active CN111513706B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010310916.2A CN111513706B (zh) 2020-04-20 2020-04-20 一种针对含有异常r波的心电信号的检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010310916.2A CN111513706B (zh) 2020-04-20 2020-04-20 一种针对含有异常r波的心电信号的检测方法和装置

Publications (2)

Publication Number Publication Date
CN111513706A CN111513706A (zh) 2020-08-11
CN111513706B true CN111513706B (zh) 2022-09-27

Family

ID=71904150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010310916.2A Active CN111513706B (zh) 2020-04-20 2020-04-20 一种针对含有异常r波的心电信号的检测方法和装置

Country Status (1)

Country Link
CN (1) CN111513706B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
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
CN114098756A (zh) * 2021-11-08 2022-03-01 杭州菲诗奥医疗科技有限公司 一种基于单通道ecg信号的心肺耦合分析方法
WO2023188982A1 (ja) * 2022-03-29 2023-10-05 東レ株式会社 心電信号解析システム
CN115409074B (zh) * 2022-10-31 2023-03-24 博睿康科技（常州）股份有限公司 信号检测方法、信号处理方法、信号处理模型
CN117462141B (zh) * 2023-12-25 2024-03-26 深圳市先健心康医疗电子有限公司 心电信号检测方法、装置、计算机设备和存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102028459A (zh) * 2010-12-02 2011-04-27 广东宝莱特医用科技股份有限公司 一种心电图机通道起搏信号检测方法
CN103006209A (zh) * 2012-12-29 2013-04-03 重庆康如来科技有限公司 心电信号检波方法及检波器
CN103549950A (zh) * 2013-11-19 2014-02-05 上海理工大学 移动心电监测差分阈值检测改进算法
CN103860162A (zh) * 2012-12-11 2014-06-18 深圳迈瑞生物医疗电子股份有限公司 一种起搏信号检测方法、系统和心电检测设备
CN104173043A (zh) * 2014-09-04 2014-12-03 东莞理工学院 一种适合于移动平台的心电数据分析方法
CN105286857A (zh) * 2015-09-29 2016-02-03 北京航空航天大学 一种可适应心电波形病理变化的r波快速检测方法
CN107184203A (zh) * 2017-07-03 2017-09-22 重庆大学 基于自适应集合经验模态分解的心电信号特征点识别方法
CN107915202A (zh) * 2017-11-13 2018-04-17 东南大学 一种快速确定石英任意切向湿法刻蚀结构形貌的方法
CN108514414A (zh) * 2018-05-11 2018-09-11 上海北京大学微电子研究院 一种信号处理设备、人体心电信号处理及疾病预测方法
CN109512405A (zh) * 2019-01-08 2019-03-26 哈尔滨工业大学（深圳） 一种基于局部点检测的脉象信号分割方法
CN109907752A (zh) * 2019-03-04 2019-06-21 王量弘 一种去除运动伪影干扰与心电特征检测的心电诊断与监护方法及系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5738104A (en) * 1995-11-08 1998-04-14 Salutron, Inc. EKG based heart rate monitor
US9254095B2 (en) * 2012-11-08 2016-02-09 Alivecor Electrocardiogram signal detection
CN103584854B (zh) * 2013-11-29 2015-07-08 重庆海睿科技有限公司 心电信号r波的提取方法
JP6430144B2 (ja) * 2014-05-13 2018-11-28 キヤノンメディカルシステムズ株式会社 心電波形検出装置、心電波形検出方法、心電波形検出プログラム、及び撮像装置
GB2526105A (en) * 2014-05-13 2015-11-18 Sensium Healthcare Ltd A method for confidence level determination of ambulatory HR algorithm based on a three-way rhythm classifier
CN107320096B (zh) * 2017-06-14 2020-06-26 长春理工大学 一种心电r波定位方法
CN107693010A (zh) * 2017-09-13 2018-02-16 南京理工大学 基于可编程逻辑平台fpga的qrs波检测系统
CN108056773A (zh) * 2017-12-11 2018-05-22 重庆邮电大学 基于改进变分模态分解的心电信号qrs波群检测算法
CN109009084B (zh) * 2018-06-08 2021-03-23 广州视源电子科技股份有限公司 多导联心电信号的qrs波群校验方法、装置及设备、介质
CN109998527A (zh) * 2019-04-09 2019-07-12 湖北工业大学 一种基于多尺度熵的心脏疾病检测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102028459A (zh) * 2010-12-02 2011-04-27 广东宝莱特医用科技股份有限公司 一种心电图机通道起搏信号检测方法
CN103860162A (zh) * 2012-12-11 2014-06-18 深圳迈瑞生物医疗电子股份有限公司 一种起搏信号检测方法、系统和心电检测设备
CN103006209A (zh) * 2012-12-29 2013-04-03 重庆康如来科技有限公司 心电信号检波方法及检波器
CN103549950A (zh) * 2013-11-19 2014-02-05 上海理工大学 移动心电监测差分阈值检测改进算法
CN104173043A (zh) * 2014-09-04 2014-12-03 东莞理工学院 一种适合于移动平台的心电数据分析方法
CN105286857A (zh) * 2015-09-29 2016-02-03 北京航空航天大学 一种可适应心电波形病理变化的r波快速检测方法
CN107184203A (zh) * 2017-07-03 2017-09-22 重庆大学 基于自适应集合经验模态分解的心电信号特征点识别方法
CN107915202A (zh) * 2017-11-13 2018-04-17 东南大学 一种快速确定石英任意切向湿法刻蚀结构形貌的方法
CN108514414A (zh) * 2018-05-11 2018-09-11 上海北京大学微电子研究院 一种信号处理设备、人体心电信号处理及疾病预测方法
CN109512405A (zh) * 2019-01-08 2019-03-26 哈尔滨工业大学（深圳） 一种基于局部点检测的脉象信号分割方法
CN109907752A (zh) * 2019-03-04 2019-06-21 王量弘 一种去除运动伪影干扰与心电特征检测的心电诊断与监护方法及系统

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
A Bayesian Approach to Quantifying Uncertainty in Tikhonov Solutions for the Inverse Problem of Electrocardiography;France, Jessie J；Gur, Yaniv；Kirby, Robert M;《Computing in Cardiology Conference》;20141231;第41卷;第529-532页 *
A Deterministic Approach to Detect Median Filtering in 1D Data;Pasquini, Cecilia；Boato, Giulia；Alajlan, Naif;《IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY》;20160731;第11卷(第7期);第1425-1437页 *
便携式心电监测仪检测算法的研究及实现;雷莎莎;《中国博士学位论文全文数据库》;20121215;全文 *
基于多特征选择的心电信号自动分类算法研究;赵传敏;《中国优秀硕士学位论文全文数据库》;20121015(第10期);全文 *
基于形态滤波的心电信号去除基线漂移方法;庞宇,邓璐,林金朝;《物理学报》;20141231(第9期);第37-41+49页 *
基于提升小波的心电信号R波检测算法研究;王蔷薇,孙朋,庞宇,林金朝,周前能,李章勇,王伟,冉鹏.;《生命科学仪器》;20151231;第13卷;第37-41+49页 *
基于数学形态学及支持向量机的心率失常识别;刘雄飞,晏晨伟,胡志坤.;《计算机应用》;20131231;第33卷(第4期);全文 *
改进的基于小波变换的QRS波检测算法;姚成,司玉娟,郎六琪,韩松洋.;《吉林大学学报(信息科学版)》;20111231;第29卷(第5期);第401-407页 *
智能手机上心电信号R波的检测;赵志强,沈巍;《电子测量技术》;20121231(第10期);全文 *
移动心电诊断系统的研究;邬洋;《中国优秀硕士学位论文全文数据库》;20200215(第2期);第24-28页 *

Also Published As

Publication number Publication date
CN111513706A (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
CN111513706B (zh) 一种针对含有异常r波的心电信号的检测方法和装置
CN107041743B (zh) 一种心电信号实时r波检测方法
CN108888259B (zh) 一种心电信号实时qrs波检测方法
CN103860162B (zh) 一种起搏信号检测方法、系统和心电检测设备
CN107688553B (zh) 基于小波变换和逻辑回归算法检测心电波形特征的方法
CN108601543B (zh) 一种ecg信号处理方法及装置
CN111481192B (zh) 一种基于改进U-Net的心电信号R波检测方法
CN110742599B (zh) 一种心电信号特征提取分类方法及系统
CN117033911B (zh) 基于智能眼镜数据的计步分析方法
CN110123304B (zh) 基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法
WO2015035764A1 (zh) 生理参数处理方法、系统及监护设备
US6668189B2 (en) Method and system for measuring T-wave alternans by alignment of alternating median beats to a cubic spline
US20230015562A1 (en) Device and process for ecg measurements
CN109009087B (zh) 一种心电信号r波的快速检测方法
CN112587133A (zh) 一种血氧饱和度的测量方法
CN108433719B (zh) 一种基于心电和操控数据的弯道驾驶能力评价方法
CN102302373B (zh) 基于复用多分辨率小波变换的心音信号特征点检测方法
CN111166325B (zh) 基于ipcmm算法的心电信号qrs复合波检测方法及系统
CN111839501B (zh) 一种基于频域自相关的心电信号干扰去噪方法及系统
CN112043263B (zh) 一种对新生儿脑电信号中其它仪器产生的伪差的识别系统和方法
Smrcka et al. New methods for precise detection of systolic complexes in the signal acquired from quantitative seismocardiograph
CN113229826A (zh) 一种qrs波检测方法、装置及电子设备
JP2018051162A (ja) 生体信号検出システム、生体信号検出方法
CN116616740B (zh) 一种基于心阻抗的信号处理方法
CN109259745A (zh) 一种穿戴式心脑血管疾病智能监测系统及方法

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
GR01 Patent grant
GR01 Patent grant