CN111685759A - 一种心电信号的p、t特征波检测方法 - Google Patents

一种心电信号的p、t特征波检测方法 Download PDF

Info

Publication number
CN111685759A
CN111685759A CN202010398929.XA CN202010398929A CN111685759A CN 111685759 A CN111685759 A CN 111685759A CN 202010398929 A CN202010398929 A CN 202010398929A CN 111685759 A CN111685759 A CN 111685759A
Authority
CN
China
Prior art keywords
characteristic
wave
detecting
waves
points
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
Application number
CN202010398929.XA
Other languages
English (en)
Other versions
CN111685759B (zh
Inventor
刘秀玲
熊鹏
刘明
杜海曼
杨建利
刘学朋
张杰烁
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.)
Heibei University
Original Assignee
Heibei 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 Heibei University filed Critical Heibei University
Priority to CN202010398929.XA priority Critical patent/CN111685759B/zh
Publication of CN111685759A publication Critical patent/CN111685759A/zh
Application granted granted Critical
Publication of CN111685759B publication Critical patent/CN111685759B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种心电信号P、T特征波的检测方法,包括以下步骤:a、获取人体的心电信号进行预处理;b、通过平稳小波变换对其P、T特征波待检段尺度下的信号进行平滑处理;c、利用极大极小值原理进行心电数据P、T特征波峰值点检测;d、根据时移修正原则对心电数据P、T特征波峰值点位置进行修正;e、通过计算P、T特征波检测的误差率e r 、敏感度S e 、正确预测度P p 三个指标对检测结果进行评价。经本发明方法处理,平滑处理后的心电信号不但有效的滤除了噪声,且恢复了心电信号低频特征波,保留了心电信号的有效信息。

Description

一种心电信号的P、T特征波检测方法
技术领域
本发明涉及心电信号的分析与自动检测技术,具体地说是一种心电信号的P、T特征波检测方法。
背景技术
近年来,我国的心脑血管疾病的发病率和死亡率位居各类疾病的首位,已经成为人类健康的头号杀手,全球十大致死原因中缺血性心脏病人数位居第一。针对于心电信号的检测,心电图无疑是目前心血管疾病诊断最为有效的手段。
其P、T波代表了心室的复极化,可以对心室颤动和心源性猝死等重大心脏疾病进行有效预测。但是由于P、T波所在位置低频成分较多,噪声较大,加之P、T波形态多变,虽然现有的算法在检测P、T波检测中取得一定效果,但由于ECG信号在采集过程中受到外界各种噪声以及工频干扰,导致ECG信号的特征波的波峰附近会有细小的毛刺,这些毛刺的频段与P、T波频段重叠,因此仅通过频域特性对信号滤波并不能去除这种毛刺,从而无法获得光滑的P、T波待检测段,导致峰值点的判断不准确,进而影响心血管疾病的诊断。
发明内容
本发明的目的就是提供一种心电信号的P、T特征波检测方法,以解决现有方法出现的毛刺干扰、过零点错位等问题。
本发明是这样实现的:一种心电信号的P、T特征波检测方法,包括以下步骤:
a、获取人体的心电信号进行预处理;
b、通过平稳小波变换对其P、T特征波待检段尺度下的信号进行平滑处理;
c、利用极大极小值原理进行心电数据P、T特征波峰值点检测;
d、根据时移修正原则对心电数据P、T特征波峰值点位置进行修正;
e、通过计算P、T特征波检测的误差率er、敏感度Se、正确预测度Pp三个指标对检测结果进行评价。
步骤a的具体过程为:
a-1、采集人体的心电信号,确定输入ECG信号样本;
a-2、对输入的ECG信号进行连续小波变换,利用小波系数优势,将噪声信号和有用信号进行有效区分;
a-3、保留有用信号,去除噪声信号并进行ECG信号重构,消除ECG信号本身存在的工频干扰和基线漂移;
a-4、对ECG信号进行R波峰值点检测,提供ECG信号P、T特征波检测区间。
步骤b的具体过程为:
b-1、选取ECG信号P、T特征波所在频段区间下,P、T特征波待检段尺度下的信号f(x);
b-2、未平滑信号f(x)输入到平稳小波变换中,利用平稳小波变换提高f(x)信号的整体平滑程度,平滑处理信号表达式为:
Figure BDA0002488722000000021
Figure BDA0002488722000000022
其中,f*θj表示光滑函数θj(x)按尺度j对f(x)进行平滑处理,
Figure BDA0002488722000000023
Figure BDA0002488722000000024
表示消除毛刺突变部分而保留大尺度下缓慢变化的有效特征。
步骤c的具体过程为:
c-1、在平滑的基础上对P、T特征波进行奇异点检测,利用R波模极值对的位置来判定P、T特征波模极值对的位置区间,位置区间表达式为:
Parea=RL+RRinteral*1/3
Tarea=RR+RRinteral*1/2
Parea和Tarea分别表示P、T特征波位置区间,RL和RR表示R波位置的左右方向,RRinteral表示RR间隔长度;
c-2、在Parea和Tarea区间内检测P、T特征波所对应的模极值对;
c-3、在P、T波模极值对的左右各添加100ms检测窗口,此窗口内检测是否存在正负性极值对,在存在正负性极值对的情况下,通过去掉模极值对较小的极值,保留其明显的一对极值对,此极值对视为两个极值点,在其极值点前后选取7个采样点,检测是否有同极值点,在对其极值点进行修正,修正后的极值点更新了该极值对,此极值对间的过零点为特征波峰值点。
步骤d的具体过程为:
为防止过零点错位,按照2j-1-1规则进行平移,j表示分解尺度,在检测P、T特征波时j=4,根据规则进行修正,修正后的过零点为P、T特征波的波峰。
6、根据权利要求5所述的心电信号的P、T特征波检测方法,其特征是,步骤e的具体过程为:计算误差率、敏感度、正确预测度:
误差率计算公式:
Figure BDA0002488722000000031
敏感度计算公式:
Figure BDA0002488722000000032
正确预测度计算公式:
Figure BDA0002488722000000033
其中,FN为没有检出的P、T特征波峰值点个数,FP为错检P、T特征波峰值点个数,N为心拍个数,Rd为正检P、T特征波峰值点个数。
经本发明方法的处理,平滑后的干净心电信号不但有效地滤除了噪声、毛刺,且恢复了心电信号低频特征波,保留了心电信号的有效信息。本发明检测主要分为对心电数据进行平滑处理和心电信号P、T特征波的峰值点检测及修正。经本发明方法的处理,充分利用了两者的各自优势解决了心电信号P、T特征波检测不准确所面临的的问题,实现了心电信号的P、T特征波检测。
附图说明
图1是本发明方法实施过程流程图。
图2是经过平滑处理前、后心电信号P、T特征波检测结果示意图。
图3是经过时移修正前、后心电信号P、T特征波检测结果示意图。
具体实施方式
以下结合附图对本发明作进一步详细描述,本领域技术人员可由本说明书所揭露的内容实现本发明。本发明未提及的具体处理方式均按本领域常规操作进行。
本实例在Intel Xeon CPU E5-2697@2.70GHz,内存为128.00GB,Win7,64位操作系统的计算机中实现,整个心电信号自动分类算法采用Matlab语言实现。
结合附图1、2、3,本发明的实施过程如下:
A)获取人体的心电信号,并进行滤波处理,检测滤波后的心电信号的R波:
①信号采集:以1000Hz的采集频率采集人体心电原始信号,并存储为TXT文档的数据形式,然后用Matlab软件将所述TXT文档存储的心电原始信号数据读取到电脑中;
②对所述心电原始信号数据进行处理:
通过小波分解对ECG信号采用db1小波进行3层分解,并在第2、3层高频系数中取一段数据计算两个尺度上的检测阈值,然后在第三层高频系数中检测超出阈值的模极大值点,并通过第2层高频系数找到数值符合阈值要求的点作为该模极值是否对应R波的条件,对此时得到的R波峰值预测点进行筛查,将不满足条件的去除,从而得到R波峰值点的准确位置。
小波母函数选择表达式:
Figure BDA0002488722000000041
保留R波峰值点的满足条件公式:
0.4*RRmean<RR<1.6*RRmean
此时,得到的R波的位置可为后续P、T波检测提供检测区间。
B)P、T波待检段尺度下的信号平滑处理:
①尺度选取:
不同尺度包含不同频段信号,经小波分解后,第四层的低频小波系频带范围为5.76~22.5Hz,第五层低频小波系数频带范围为5.625~11.25Hz。
P、T波在其第四尺度下表现最为明显,本模型选取第四尺度分别进行ECG信号的平滑处理和峰值点检测。
②平滑处理:
平滑处理经平稳小波变换对P、T波待检段尺度下的信号f(x)与光滑函数θj的卷积得到。
平滑处理信号表达式:
Figure BDA0002488722000000042
Figure BDA0002488722000000051
其中f(x)为P、T波待检段尺度下的信号,式中f*θj(x)表示光滑函数θj(x)按尺度j对f(x)进行平滑处理,消除毛刺突变部分而保留大尺度下缓慢变化的有效特征,提高f(x)信号的整体平滑程度。
C)P、T特征波峰值点检测:
①峰值点检测:
在Parea和Tarea区间内检测P、T特征波所对应的模极值对,所检测的模极值对间过零点对应其P、T特征波原始信号峰值点;
位置区间表达式:
Parea=RL+RRinteral*1/3
Tarea=RR+RRinteral*1/2
其中Parea和Tarea表示P、T波位置区间,RL和RR表示R波位置左右方向,RRinteral表示RR间隔长度;
②极值点筛选:
在P、T波模极值对的左右添加100ms检测窗口,检测是否存在正负性极值对。若存在,通过去掉模极值对较小的极值,保留其明显的一对极值对。在其极值点前后选取7个采样点,检测是否有同极值点,对其极值点进行修正,修正后的极值点更新了该极值对,此极值对间的过零点为特征波峰值点。
③过零点修正:
在P、T波模极值对间过零点按照2j-1-1规则进行平移,其中j为分解尺度,向右平移7个采样点得到最终的过零点,此过零点为修正后的P、T波波峰。
D)验证:
①数据:
实验数据选用MIT-BIH心律失常数据库中的100号、101号、103号、105号、106号、108号、111号、112号、113号、115号、116号、117号、118号、119号、121号、122号、123号、124号、200号、201号、202号、205号、209号、212号、214号、220号、222号、223号、230号、231号和234号31组数据。
②验证参数:
本文采用误差率、敏感度、正确预测度等三项指标对P、T特征波峰值点检测结果进行验证。
误差率计算公式:
Figure BDA0002488722000000061
敏感度计算公式:
Figure BDA0002488722000000062
正确预测度计算公式:
Figure BDA0002488722000000063
其中,FN为没有检出的P、T波峰值点个数,FP为错检P、T波峰值点个数,N为心拍个数,Rd为正检P、T波峰值点个数。
经以上处理后结果如图2、3所示,经本发明方法处理,三个验证参数都达到较好的效果,心电信号P、T特征波峰值点可以有效的检测到,而且还保留了心电信号的有效信息。

Claims (6)

1.一种心电信号P、T特征波的检测方法,其特征是,包括以下步骤:
a、获取人体的心电信号进行预处理;
b、通过平稳小波变换对其P、T特征波待检段尺度下的信号进行平滑处理;
c、利用极大极小值原理进行心电数据P、T特征波峰值点检测;
d、根据时移修正原则对心电数据P、T特征波峰值点位置进行修正;
e、通过计算P、T特征波检测的误差率er、敏感度Se、正确预测度Pp三个指标对检测结果进行评价。
2.根据权利要求1所述的心电信号的P、T特征波检测方法,其特征是,步骤a的具体过程为:
a-1、采集人体的心电信号,确定输入ECG信号样本;
a-2、对输入的ECG信号进行连续小波变换,利用小波系数优势,将噪声信号和有用信号进行有效区分;
a-3、保留有用信号,去除噪声信号并进行ECG信号重构,消除ECG信号本身存在的工频干扰和基线漂移;
a-4、对ECG信号进行R波峰值点检测,提供ECG信号P、T特征波检测区间。
3.根据权利要求2所述的心电信号的P、T特征波检测方法,其特征是,步骤b的具体过程为:
b-1、选取ECG信号P、T特征波所在频段区间下,P、T特征波待检段尺度下的信号f(x);
b-2、未平滑信号f(x)输入到平稳小波变换中,利用平稳小波变换提高f(x)信号的整体平滑程度,平滑处理信号表达式为:
Figure FDA0002488721990000011
Figure FDA0002488721990000012
其中,f*θj表示光滑函数θj(x)按尺度j对f(x)进行平滑处理,
Figure FDA0002488721990000013
Figure FDA0002488721990000014
表示消除毛刺突变部分而保留大尺度下缓慢变化的有效特征。
4.根据权利要求3所述的心电信号的P、T特征波检测方法,其特征是,步骤c的具体过程为:
c-1、在平滑的基础上对P、T特征波进行奇异点检测,利用R波模极值对的位置来判定P、T特征波模极值对的位置区间,位置区间表达式为:
Parea=RL+RRinteral*1/3
Tarea=RR+RRinteral*1/2
Parea和Tarea分别表示P、T特征波位置区间,RL和RR表示R波位置的左右方向,RRinteral表示RR间隔长度;
c-2、在Parea和Tarea区间内检测P、T特征波所对应的模极值对;
c-3、在P、T波模极值对的左右各添加100ms检测窗口,此窗口内检测是否存在正负性极值对,在存在正负性极值对的情况下,通过去掉模极值对较小的极值,保留其明显的一对极值对,此极值对视为两个极值点,在其极值点前后选取7个采样点,检测是否有同极值点,在对其极值点进行修正,修正后的极值点更新了该极值对,此极值对间的过零点为特征波峰值点。
5.根据权利要求4所述的心电信号的P、T特征波检测方法,其特征是,步骤d的具体过程为:
为防止过零点错位,按照2j-1-1规则进行平移,j表示分解尺度,在检测P、T特征波时j=4,根据规则进行修正,修正后的过零点为P、T特征波的波峰。
6.根据权利要求5所述的心电信号的P、T特征波检测方法,其特征是,步骤e的具体过程为:计算误差率、敏感度、正确预测度:
误差率计算公式:
Figure FDA0002488721990000021
敏感度计算公式:
Figure FDA0002488721990000022
正确预测度计算公式:
Figure FDA0002488721990000023
其中,FN为没有检出的P、T特征波峰值点个数,FP为错检P、T特征波峰值点个数,N为心拍个数,Rd为正检P、T特征波峰值点个数。
CN202010398929.XA 2020-05-12 2020-05-12 一种心电信号的p、t特征波检测方法 Active CN111685759B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010398929.XA CN111685759B (zh) 2020-05-12 2020-05-12 一种心电信号的p、t特征波检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010398929.XA CN111685759B (zh) 2020-05-12 2020-05-12 一种心电信号的p、t特征波检测方法

Publications (2)

Publication Number Publication Date
CN111685759A true CN111685759A (zh) 2020-09-22
CN111685759B CN111685759B (zh) 2022-09-09

Family

ID=72477752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010398929.XA Active CN111685759B (zh) 2020-05-12 2020-05-12 一种心电信号的p、t特征波检测方法

Country Status (1)

Country Link
CN (1) CN111685759B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257518A (zh) * 2020-09-30 2021-01-22 西安交通大学第二附属医院 基于wt与woa-pnn算法的ecg身份识别方法
CN113576489A (zh) * 2021-08-02 2021-11-02 武汉中旗生物医疗电子有限公司 一种突变信号和高t波信号的区分方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104352234A (zh) * 2014-10-27 2015-02-18 中国科学院半导体研究所 一种生理电信号尖峰奇异点检测方法
CN105212922A (zh) * 2014-06-11 2016-01-06 吉林大学 面向fpga实现心电信号r波自动检测的方法及系统
CN105488787A (zh) * 2015-11-24 2016-04-13 江苏科技大学 基于几何活动轮廓模型的遥感图像海岸线检测方法
CN105748066A (zh) * 2016-03-03 2016-07-13 深圳竹信科技有限公司 一种心电信号波形特征点的提取方法及装置
CN106485208A (zh) * 2016-09-22 2017-03-08 小菜儿成都信息科技有限公司 单通道脑电信号中眼电干扰的自动去除方法
CN106923820A (zh) * 2017-03-10 2017-07-07 深圳竹信科技有限公司 一种心电信号伪差识别方法及心电信号伪差识别装置
CN107260166A (zh) * 2017-05-26 2017-10-20 昆明理工大学 一种实用化在线脑电伪迹剔除方法
CN108932452A (zh) * 2017-05-22 2018-12-04 中国科学院半导体研究所 基于多尺度卷积神经网络的心律失常心拍分类方法
CN110169767A (zh) * 2019-07-08 2019-08-27 河北大学 一种心电信号的检索方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105212922A (zh) * 2014-06-11 2016-01-06 吉林大学 面向fpga实现心电信号r波自动检测的方法及系统
CN104352234A (zh) * 2014-10-27 2015-02-18 中国科学院半导体研究所 一种生理电信号尖峰奇异点检测方法
CN105488787A (zh) * 2015-11-24 2016-04-13 江苏科技大学 基于几何活动轮廓模型的遥感图像海岸线检测方法
CN105748066A (zh) * 2016-03-03 2016-07-13 深圳竹信科技有限公司 一种心电信号波形特征点的提取方法及装置
CN106485208A (zh) * 2016-09-22 2017-03-08 小菜儿成都信息科技有限公司 单通道脑电信号中眼电干扰的自动去除方法
CN106923820A (zh) * 2017-03-10 2017-07-07 深圳竹信科技有限公司 一种心电信号伪差识别方法及心电信号伪差识别装置
CN108932452A (zh) * 2017-05-22 2018-12-04 中国科学院半导体研究所 基于多尺度卷积神经网络的心律失常心拍分类方法
CN107260166A (zh) * 2017-05-26 2017-10-20 昆明理工大学 一种实用化在线脑电伪迹剔除方法
CN110169767A (zh) * 2019-07-08 2019-08-27 河北大学 一种心电信号的检索方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张杰烁: "基于递归最小二乘法的回声状态网络算法", 《生物医学工程学杂志》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257518A (zh) * 2020-09-30 2021-01-22 西安交通大学第二附属医院 基于wt与woa-pnn算法的ecg身份识别方法
CN113576489A (zh) * 2021-08-02 2021-11-02 武汉中旗生物医疗电子有限公司 一种突变信号和高t波信号的区分方法及装置

Also Published As

Publication number Publication date
CN111685759B (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
CN109907752B (zh) 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系统
CN108714026B (zh) 基于深度卷积神经网络和在线决策融合的细粒度心电信号分类方法
CN110013247B (zh) 一种心电图p波和t波的检测、区分与定位方法
CN103405227B (zh) 基于双层形态学滤波的心电信号预处理方法
CN109117730B (zh) 心电图心房颤动实时判断方法、装置、系统及存储介质
CN108511055B (zh) 基于分类器融合及诊断规则的室性早搏识别系统及方法
CN111481192B (zh) 一种基于改进U-Net的心电信号R波检测方法
Singh et al. ECG signal denoising based on empirical mode decomposition and moving average filter
CN109948396B (zh) 一种心拍分类方法、心拍分类装置及电子设备
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
CN107361764B (zh) 一种心电信号特征波形r波的快速提取方法
CN115120248B (zh) 基于直方图的自适应阈值r峰检测、心律分类方法及装置
Li et al. Application of an EMG interference filtering method to dynamic ECGs based on an adaptive wavelet-Wiener filter and adaptive moving average filter
CN103190901A (zh) 基于极值域均值模式分解和改进Hilbert包络的R波检测算法
Tang et al. ECG de-noising based on empirical mode decomposition
CN103750835A (zh) 一种心电信号特征检测算法
CN111685759B (zh) 一种心电信号的p、t特征波检测方法
CN111568410A (zh) 一种基于12导联和卷积神经网络的心电数据分类方法
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
CN110507299B (zh) 一种心率信号检测装置及方法
CN111166325B (zh) 基于ipcmm算法的心电信号qrs复合波检测方法及系统
Ghosal et al. Ecg beat quality assessment using self organizing map
Golpaygani et al. Detection and identification of S1 and S2 heart sounds using wavelet decomposition method
Suchetha et al. Denoising and arrhythmia classification using EMD based features and neural network
Lin et al. Fractal QRS-complexes pattern recognition for imperative cardiac arrhythmias

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