CN111920407A - 基于小波变换的心电特征提取方法、系统、装置及介质 - Google Patents
基于小波变换的心电特征提取方法、系统、装置及介质 Download PDFInfo
- Publication number
- CN111920407A CN111920407A CN202010730424.9A CN202010730424A CN111920407A CN 111920407 A CN111920407 A CN 111920407A CN 202010730424 A CN202010730424 A CN 202010730424A CN 111920407 A CN111920407 A CN 111920407A
- Authority
- CN
- China
- Prior art keywords
- wave
- wavelet
- waves
- wave energy
- extracting
- 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
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了基于小波变换的心电特征提取方法、系统、装置及介质,方法包括:对采集到的心电数据进行小波滤波处理,确定小波基函数;根据小波基函数和心电数据,确定R波位置值的波形图;通过设定阈值提取R波;根据小波基函数对波形图中的Q波能量和S波能量进行加强;以R波位置为基点,通过设定的第一有限区域窗来提取Q波和S波;根据小波基函数对波形图中的P波能量和T波能量进行加强;以Q波位置为基点,通过设定的第二有限区域窗来提取P波;以及以S波位置为基点,通过设定的第三有限区域窗来提取T波。本发明能够准确提取心电数据中的关键特征,降低特征波的误检率和漏检率,可广泛应用于心电数据处理技术领域。
Description
技术领域
本发明涉及心电数据处理技术领域,尤其是基于小波变换的心电特征提取方法、系统、装置及介质。
背景技术
心电图(Electrocardiogram,ECG)分析是心脏疾病预防中最常用的检查之一,可以帮助医生诊断心律失常,诊断心肌缺血、心肌梗死等心血管疾病。心律不齐的心电图种类繁杂、存在诸多差异,患有同一种心律不齐的病人的心电图之间也存在较大差异,准确的诊断需要丰富的理论知识与临床经验;且病人长时间心电信号监测产生大量的数据,人工甄别不同心律不齐的心电图会耗费大量的人力与医疗资源。而且往往出现疲劳识别可能出现误判。这一医疗难题长期未得到较好解决。使得心电图的研究已经成为一个重要的研究方向。心电的时间特征和幅值特征是心电诊断的主要指标。而准确提取到心电信号中的P、Q、R、S、T波等特征波,是特征提取的前提,其准确性直接影响心电类别的识别准确性。其中R波的提取是所有特征波提取的前提。目前提取心电R波的方式主要有基于直接幅值最值法和基于小波系数模极值结合硬阈值法。这两种方法易造成特征波的误检和漏检,进而影响后续特征波,时间及幅值特征的提取。
发明内容
有鉴于此,本发明实施例提供基于小波变换的心电特征提取方法、系统、装置及介质,降低特征波的误检率和漏检率。
本发明的第一方面提供了一种基于小波变换的心电特征提取方法,包括:
对采集到的心电数据进行小波滤波处理,确定小波基函数;
根据所述小波基函数和所述心电数据,确定R波位置值的波形图;
通过设定阈值提取R波;
根据所述小波基函数对所述波形图中的Q波能量和S波能量进行加强;
以所述R波位置为基点,通过设定的第一有限区域窗来提取Q波和S波;
根据所述小波基函数对所述波形图中的P波能量和T波能量进行加强;
以所述Q波位置为基点,通过设定的第二有限区域窗来提取P波;以及以所述S波位置为基点,通过设定的第三有限区域窗来提取T波。
在一些实施例中,所述对采集到的心电数据进行小波滤波处理,确定小波基函数,包括:
从采集到的心电数据中选取一段导联波形;
对所述导联波形进行小波滤波处理,滤除所述导联波形中的肌电噪声、基线漂移和工频噪声,得到滤波信号;
通过最小均方误差和信噪比对所述滤波信号进行评价;
根据评价结果确定最优的小波基函数。
在一些实施例中,所述根据所述小波基函数和所述心电数据,确定R波位置值的波形图,包括:
通过所述小波基函数对所述心电数据进行分解,确定R波能量富集的细节系数层;
根据所述细节系数层的系数对所述心电数据进行滤波,并对滤波后的结果进行四则运算得到第一信号;
根据所述第一信号富集R波能量,获取R波位置值的波形图。
在一些实施例中,所述通过设定阈值提取R波,包括:
确定所述心电数据的QRS复合波特征;
确定滑动窗口宽度;
根据所述滑动窗口宽度确定窗内最大值;
根据所述窗内最大值,通过窗口滑动来确定每个窗口的设定阈值;
根据所述设定阈值进行R波提取。
在一些实施例中,所述根据所述小波基函数对所述波形图中的Q波能量和S波能量进行加强,包括:
对小波滤波处理得到的滤波信号进行分解,得到Q波能量富集的细节系数层和S波能量富集的细节系数层;
基于所述细节系数层,对滤波信号进行四则运算;
根据所述四则运算的结果,对波形图中的Q波能量和S波能量进行加强。
在一些实施例中,所述以所述R波位置为基点,通过设定的第一有限区域窗来提取Q波和S波,包括:
根据正常心电复合波QRS波的时域特征,以R波位置为基点,设定前有限区域窗和后有限区域窗;
计算所述前有限区域窗和所述后有限区域窗的最小值;
根据所述最小值定位得到Q波和S波。
在一些实施例中,所述根据所述小波基函数对所述波形图中的P波能量和T波能量进行加强,包括:
通过所述小波基函数对心电数据进行分解,提取到P波能量富集的细节系数层和T波能量富集的细节系数层;
基于所述细节系数层对心电数据进行滤波,并对滤波得到的信号进行四则运算;
根据所述四则运算的结果,对波形图中的P波能量和T波能量进行加强。
本发明的第二方面提供了一种基于小波变换的心电特征提取系统,包括:
小波滤波模块,用于对采集到的心电数据进行小波滤波处理,确定小波基函数;
波形图确定模块,用于根据所述小波基函数和所述心电数据,确定R波位置值的波形图;R波提取模块,用于通过设定阈值提取R波;
第一能量加强模块,用于根据所述小波基函数对所述波形图中的Q波能量和S波能量进行加强;
Q波和S波提取模块,用于以所述R波位置为基点,通过设定的第一有限区域窗来提取Q波和S波;
第二能量加强模块,用于根据所述小波基函数对所述波形图中的P波能量和T波能量进行加强;
P波和S波提取模块,用于以所述Q波位置为基点,通过设定的第二有限区域窗来提取P波;以及以所述S波位置为基点,通过设定的第三有限区域窗来提取T波。
本发明的第三方面提供了一种装置,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器用于根据所述程序执行如本发明第一方面所述的方法。
本发明的第四方面提供了一种存储介质,所述存储介质存储有程序,所述程序被处理器执行完成如本发明第一方面所述的方法。
本发明的实施例对采集到的心电数据进行小波滤波处理,确定小波基函数;根据所述小波基函数和所述心电数据,确定R波位置值的波形图;通过设定阈值提取R波;根据所述小波基函数对所述波形图中的Q波能量和S波能量进行加强;以所述R波位置为基点,通过设定的第一有限区域窗来提取Q波和S波;根据所述小波基函数对所述波形图中的P波能量和T波能量进行加强;以所述Q波位置为基点,通过设定的第二有限区域窗来提取P波;以及以所述S波位置为基点,通过设定的第三有限区域窗来提取T波。本发明能够准确提取心电数据中的关键特征,降低了特征波的误检率和漏检率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的整体步骤流程图;
图2为本发明实施例的MIT-BIH数据库中数据记录为100的心电数据MLII肢体导联波形图;
图3为本发明实施例的小波滤波后纯净且能保持原始心电波形的滤波信号;
图4为本发明实施例的原始心电波形的波形图和细节系数层波形;
图5为本发明实施例的原始心电波形的波形图和R波能量富集后的波形图;
图6为本发明实施例的提取得到R波位置的波形图;
图7为本发明实施例的富集Q波和S波能量的波形图;
图8(A)为本发明实施例的提取得到Q波位置的波形图;
图8(B)为本发明实施例的提取得到S波位置的波形图;
图9为本发明实施例的富集P、T波能量的波形图;
图10(A)为本发明实施例的提取得到P波位置的波形图;
图10(B)为本发明实施例的提取得到T波位置的波形图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
针对现有技术存在的问题,本发明实施例提供了一种基于小波变换的心电特征提取方法,参照图1,本发明的方法包括以下步骤:
S1、对采集到的心电数据进行小波滤波处理,确定小波基函数;
本发明的步骤S1包括:
S11、从采集到的心电数据中选取一段导联波形;
S12、对所述导联波形进行小波滤波处理,滤除所述导联波形中的肌电噪声、基线漂移和工频噪声,得到滤波信号;
S13、通过最小均方误差和信噪比对所述滤波信号进行评价;
S14、根据评价结果确定最优的小波基函数。
具体地,本实施例选取已采集到的心电数据中的某一导联波形,进行小波滤波(需要说明的是,本实施例的小波滤波是指:将细节系数最低两层置零,近似系数最高层置0),以滤除肌电噪声、基线漂移、工频噪声等主要噪声,得到较为纯净且能保持原始心电波形的滤波信号,结合采用最小均方误差MSE和信噪比SNR进行评价,最终确定效果最好的小波基函数,本实施例得评价指标为:1)、SNR>1;2)、MSE最小;3)、波形无改变。
如图2所示,本实施例选取MIT-BIH数据库中数据记录为100的心电数据MLII肢体导联,采用sym2小波基进行小波滤波,将其细节系数第1-2层置零,近似系数第8层置0,以去除心电信号中的主要噪声,如肌电噪声、基线漂移、工频噪声,得到较为平滑纯净且能保持原始心电波形的滤波信号(如图3所示),得到SNR为1.6802,MSE为3.01855750665176e-05,波形未改变,确定后续小波分解采用sym2小波基函数。
可以理解的是,确定滤波较好的小波基函数的评价指标包括但不限于最小均分误差MSE,信噪比SNR,也包括通过此两个指标变形或表达同义的指标。
S2、根据所述小波基函数和所述心电数据,确定R波位置值的波形图;
本发明的步骤S2包括:
S21、通过所述小波基函数对所述心电数据进行分解,确定R波能量富集的细节系数层;
S22、根据所述细节系数层的系数对所述心电数据进行滤波,并对滤波后的结果进行四则运算得到第一信号;
S23、根据所述第一信号富集R波能量,获取R波位置值的波形图。
本实施例采用较好的小波基函数对原心电信号进行分解,选取R波能量富集的细节系数层分别保留相应层系数对原始信号进行滤波后,对滤波后的信号进行四则运算得到信号。得到富集R波能量,滤除其他波形,消影其它特征波,只保留R波位置值的波形图。
本实施例对原心电信号进行8层(level)小波分解,发现其第3-5层细节系数包含了较多的R波能量(分解图见图4),将分别保留d3、d4、d5滤波后得到的滤波信号进行四则运算。令A信号=level*(d3滤波信号+d4滤波信号+d5滤波信号),信号B=d4滤波信号*(2*d3滤波信号+d5滤波信号),C信号=A信号*B信号,以富集R波能量,滤除其他波形,消影其它特征波,只保留R波位置值,以更准确定位R波(富集R波能量的波形图见图5)。
S3、通过设定阈值提取R波;
本发明的步骤S3包括:
S31、确定所述心电数据的QRS复合波特征;
S32、确定滑动窗口宽度;
S33、根据所述滑动窗口宽度确定窗内最大值;
S34、根据所述窗内最大值,通过窗口滑动来确定每个窗口的设定阈值;
S35、根据所述设定阈值进行R波提取。
具体地,本实施例根据心电图QRS复合波特征,采用固定窗口滑动法和固定窗内最大值确定高值阈值,进行R波的提取定位,实现R波的提取。
本实施例采用的固定窗口宽度为215points,步长为215points,在窗口内求得最大值,然后采用最大值的60%值为阈值。通过窗口滑动设定每个窗口里的阈值,实现自适应阈值法提取出R波(提取得到R波位置的波形图见图6)。
可以理解的是,实施例中滑动窗宽度和步长可以适当调整,因提取R波时已经消影了其他特征波,窗口内阈值可采用最大值及最大值的一定比例实现R波自适应提取,或者采取固定阈值作为阈值实现R波提取,皆可以比未富集R波前的信号直接提取R波更准确。
S4、根据所述小波基函数对所述波形图中的Q波能量和S波能量进行加强;
本发明的步骤S4包括:
S41、对小波滤波处理得到的滤波信号进行分解,得到Q波能量富集的细节系数层和S波能量富集的细节系数层;
S42、基于所述细节系数层,对滤波信号进行四则运算;
S43、根据所述四则运算的结果,对波形图中的Q波能量和S波能量进行加强。
具体地,本实施例采用已确认滤波效果较好的小波基函数对原心电信号进行分解,选取Q、S波能量富集的细节系数层分别保留相应层系数对原始信号进行滤波后,对滤波后的信号进行四则运算,加强波形中Q、S波能量。
本发明在定位R波后,通过对滤波信号进行分解,选取Q、S波能量富集的细节系数层d2、d3、d4、d5,分别保留相应层系数对原始信号进行滤波得到滤波信号,然后对滤波后的信号进行四则运算,实现D信号=d2滤波信号+d2滤波信号+d4滤波信号+d5滤波信号,加强波形中Q、S波能量(富集Q、S波能量的波形图见图7)
S5、以所述R波位置为基点,通过设定的第一有限区域窗来提取Q波和S波;
本发明的步骤S5包括:
S51、根据正常心电复合波QRS波的时域特征,以R波位置为基点,设定前有限区域窗和后有限区域窗;
S52、计算所述前有限区域窗和所述后有限区域窗的最小值;
S53、根据所述最小值定位得到Q波和S波。
具体地,本实施例根据R波位置前后固定区域最小值法提取Q、S波:根据心电复合波QRS波正常时域特征,以R波位置为基点,设定前后有限区域窗,分别求窗内最小值,定位得到Q、S波。
本发明根据心电复合波QRS波正常时域特征,以R波位置为基点,设定前有限区域窗为[R位置-36,R],后有限区域窗[R位置,R位置+36],分别求窗内最小值,定位得到Q、S波(提取得到Q波位置的波形图分布见图8(A)、得到S波位置的波形图分布见图8(B))。
S6、根据所述小波基函数对所述波形图中的P波能量和T波能量进行加强;
本发明的步骤S6包括:
S61、通过所述小波基函数对心电数据进行分解,提取到P波能量富集的细节系数层和T波能量富集的细节系数层;
S62、基于所述细节系数层对心电数据进行滤波,并对滤波得到的信号进行四则运算;
S63、根据所述四则运算的结果,对波形图中的P波能量和T波能量进行加强。
具体地,本实施例采用已确认滤波效果较好的小波基函数对原心电信号进行分解,选取P、T波能量富集的细节系数层分别保留相应层系数对原始信号进行滤波后,对滤波后的信号进行四则运算,加强波形中P、T波能量;
本实施例采用已确认滤波效果较好的小波基函数对原心电信号进行分解,选取P、T波能量富集的细节系数层d6、d7,分别保留相应层系数对原始信号进行滤波后,对滤波后的信号进行四则运算得到信号D=d6滤波信号+d7滤波信号,加强波形中P、T波能量(富集P、T波能量的波形图见图9所示)。
可以理解的是,本发明中富集强化特征波如R波、Q波、S波、P波、T波等的四则运算,可以包括仅对富集该特征波能量的小波系数的某一层或某几层进行不同四则运算得到富集该特征波的信号;在此不做赘述。
S7、以所述Q波位置为基点,通过设定的第二有限区域窗来提取P波;以及以所述S波位置为基点,通过设定的第三有限区域窗来提取T波。
具体地,本实施例根据心电图正常时域特征,以Q波位置为基点,设定其前有限区域窗,求窗内最大值,定位得到P波;以S波位置为基点,设定其后有限区域窗,求窗内最大值,定位得到T波。
本实施例根据心电图正常时域特征,以Q波位置为基点,设定其前有限区域窗[Q位置-72,Q位置],求窗内最大值,定位得到P波;以S波位置为基点,设定其后有限区域窗[S位置,S位置+159],求窗内最大值,定位得到T波(提取得到Q波位置的波形图分布如图10(A)所示、提取得到的S波位置的波形图分布见图10(B)所示)。
可以理解的是,R波确定后可以根据其位置提取Q、S波时的窗口宽度可以适当调整,同理提取P、T波时的窗口宽度也可以调整;同时,R波确定后采用小波分解有限区域内硬模极值法提取特征波,也比未富集所提取特征波前的信号直接提取更准确。
需要说明的是,本实施例的图6、图8以及图10中,提取到的特征波形位置均用“*”表示。
也就是说,本发明通过选用MIT-BIH中记录为100的心电数据库MLII肢体导联心电,采用最小均方误差MSE和信噪比SNR进行评价,以SNR>1,MSE越小,且波形无改变为评价指标,确定可实现较好滤波的sym2小波基函数,用于对小波分解系数进行选取滤波和特征波富集。通过将细节系数最低两层置零,近似系数最高层置0,可滤除肌电噪声、基线漂移、工频噪声等主要噪声,得到较为纯净光滑且能保持原始心电波形的滤波信号;后续对原心电信号进行8层小波分解,选择富集R波能量的第3-5层细节系数,分别保留d3、d4、d5滤波后得到的滤波信号进行四则运算,实现富集R波能量,滤除其他波形,消影其它特征波,只保留R波位置值,以更准确定位R波,结合滑动固定窗,在窗内采用最大值的60%值为阈值,实现自适应阈值法提取出R波。
通过上述方法定位R波后,同样地通过对滤波信号进行分解,选取Q、S波能量富集的细节系数层d2、d3、d4、d5,分别保留相应层系数对原始信号进行滤波得到滤波信号,然后对滤波后的信号进行四则运算,加强波形中Q、S波能量;然后根据R波位置前后固定区域最小值法提取Q、S波;同理采用已确认滤波效果较好的小波基函数对原心电信号进行分解,选取P、T波能量富集的细节系数层d6、d7,分别保留相应层系数对原始信号进行滤波后,对滤波后的信号进行四则运算,加强波形中P、T波能量;然后根据Q、S波位置前后固定区域最大值法提取P、T波。
上述通过选取最合适的小波基函数和保留合适的细节系数滤波及进行四则运算富集R波能量,消影尚不提取的特征波;并结合滑动窗口和窗口内阈值实现自适应阈值提取R波,可以较好地解决直接采用心电原幅值法因噪声或特征波幅值差值较小或选取阈值不合适,以及采用小波变换选取硬阈值法存在的R波漏检和误检问题。定位R波后,采取将其他特征波富集后再根据有限区域内最值法提取特征波,能较准确的提取出用于进行心电时间特征和幅值特征提取的关键特征波,为后续准确提取心电每个心拍的时间和幅值特征进行心电自动诊断,实现相关疾病的识别诊断提供基础。
综上所述,相较于现有技术,本发明的技术方案具有以下特点:
1.通过采用最小均方误差MSE和信噪比SNR进行评价,以SNR>1,MSE越小,且波形无改变为评价指标,确定可实现较好滤波的sym2小波基函数,用于更好实现滤波时小波分解系数选取研究和特征波富集;
2.基于确定的小波基函数,进行小波滤波,以滤除肌电噪声、基线漂移、工频噪声等主要噪声,采用最小均方误差MSE和信噪比SNR进行评价,以SNR>1,MSE越小,且波形无改变为确定指标,以得到较为纯净光滑且能保持原始心电波形的滤波信号;
3.采用选好的小波基函数对原心电信号进行分解,选取R波能量富集的细节系数层分别保留相应层系数对原始信号进行滤波,对滤波后的信号进行四则运算富集R波能量,滤除其他波形,消影其它特征波,只保留R波位置值的波形图;
4.根据心电图QRS复合波特征,采用固定窗口滑动法和固定窗内最大值确定高值阈值,进行R波的提取定位,实现自适应阈值提取R波;
5.采用已确认滤波效果较好的小波基函数对原心电信号进行分解,选取Q、S波能量富集的细节系数层分别保留相应层系数对原始信号进行滤波,对滤波后的信号进行四则运算,加强波形中Q、S波能量;
6.根据R波位置前后固定区域最小值法提取Q、S波:根据正常心电复合波QRS波时域特征,以R波位置为基点,设定前后有限区域窗,分别求窗内最小值,定位得到Q、S波;
7.采用已确认滤波效果较好的小波基函数对原心电信号进行分解,分别保留P、T波能量富集的细节系数层系数对原始信号进行滤波,对滤波后的信号进行四则运算,加强波形中P、T波能量;
8.根据Q、S波位置前后固定区域最小值法提取P、T波:根据正常心电图时域特征,以Q波位置为基点,设定其前有限区域窗,求窗内最大值,定位得到P;以S波位置为基点,设定其后有限区域窗,求窗内最大值,定位得到T波。
相较于现有技术,本发明具有以下优点:
本发明通过选取最合适的小波基函数和保留合适的细节系数滤波及进行四则运算富集R波能量,消影尚不提取的特征波;并结合滑动窗口和窗口内阈值实现自适应阈值提取R波,可以较好地解决直接采用心电原幅值法因噪声或特征波幅值差值较小或选取阈值不合适,以及采用小波变换选取硬阈值法存在的R波漏检和误检问题。定位R波后,采取其他特征波富集再根据有限区域内最值法提取特征波,能较准确的提取出用于后续心电时间特征和幅值特征提取的关键特征波,为后续准确提取心电每个心拍的时间和幅值特征进行心电自动诊断,实现相关疾病的识别诊断提供基础。
本发明实施例还提供了一种装置,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器用于根据所述程序执行上述的方法。
本发明实施例提供了一种存储介质,所述存储介质存储有程序,所述程序被处理器执行上述的方法。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨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,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.基于小波变换的心电特征提取方法,其特征在于,包括:
对采集到的心电数据进行小波滤波处理,确定小波基函数;
根据所述小波基函数和所述心电数据,确定R波位置值的波形图;
通过设定阈值提取R波;
根据所述小波基函数对所述波形图中的Q波能量和S波能量进行加强;
以所述R波位置为基点,通过设定的第一有限区域窗来提取Q波和S波;
根据所述小波基函数对所述波形图中的P波能量和T波能量进行加强;
以所述Q波位置为基点,通过设定的第二有限区域窗来提取P波;以及以所述S波位置为基点,通过设定的第三有限区域窗来提取T波。
2.根据权利要求1所述的基于小波变换的心电特征提取方法,其特征在于,所述对采集到的心电数据进行小波滤波处理,确定小波基函数,包括:
从采集到的心电数据中选取一段导联波形;
对所述导联波形进行小波滤波处理,滤除所述导联波形中的肌电噪声、基线漂移和工频噪声,得到滤波信号;
通过最小均方误差和信噪比对所述滤波信号进行评价;
根据评价结果确定最优的小波基函数。
3.根据权利要求1所述的基于小波变换的心电特征提取方法,其特征在于,所述根据所述小波基函数和所述心电数据,确定R波位置值的波形图,包括:
通过所述小波基函数对所述心电数据进行分解,确定R波能量富集的细节系数层;
根据所述细节系数层的系数对所述心电数据进行滤波,并对滤波后的结果进行四则运算得到第一信号;
根据所述第一信号富集R波能量,获取R波位置值的波形图。
4.根据权利要求1所述的基于小波变换的心电特征提取方法,其特征在于,所述通过设定阈值提取R波,包括:
确定所述心电数据的QRS复合波特征;
确定滑动窗口宽度;
根据所述滑动窗口宽度确定窗内最大值;
根据所述窗内最大值,通过窗口滑动来确定每个窗口的设定阈值;
根据所述设定阈值进行R波提取。
5.根据权利要求1所述的基于小波变换的心电特征提取方法,其特征在于,所述根据所述小波基函数对所述波形图中的Q波能量和S波能量进行加强,包括:
对小波滤波处理得到的滤波信号进行分解,得到Q波能量富集的细节系数层和S波能量富集的细节系数层;
基于所述细节系数层,对滤波信号进行四则运算;
根据所述四则运算的结果,对波形图中的Q波能量和S波能量进行加强。
6.根据权利要求1所述的基于小波变换的心电特征提取方法,其特征在于,所述以所述R波位置为基点,通过设定的第一有限区域窗来提取Q波和S波,包括:
根据正常心电复合波QRS波的时域特征,以R波位置为基点,设定前有限区域窗和后有限区域窗;
计算所述前有限区域窗和所述后有限区域窗的最小值;
根据所述最小值定位得到Q波和S波。
7.根据权利要求1所述的基于小波变换的心电特征提取方法,其特征在于,
所述根据所述小波基函数对所述波形图中的P波能量和T波能量进行加强,包括:
通过所述小波基函数对心电数据进行分解,提取到P波能量富集的细节系数层和T波能量富集的细节系数层;
基于所述细节系数层对心电数据进行滤波,并对滤波得到的信号进行四则运算;
根据所述四则运算的结果,对波形图中的P波能量和T波能量进行加强。
8.基于小波变换的心电特征提取系统,其特征在于,包括:
小波滤波模块,用于对采集到的心电数据进行小波滤波处理,确定小波基函数;
波形图确定模块,用于根据所述小波基函数和所述心电数据,确定R波位置值的波形图;
R波提取模块,用于通过设定阈值提取R波;
第一能量加强模块,用于根据所述小波基函数对所述波形图中的Q波能量和S波能量进行加强;
Q波和S波提取模块,用于以所述R波位置为基点,通过设定的第一有限区域窗来提取Q波和S波;
第二能量加强模块,用于根据所述小波基函数对所述波形图中的P波能量和T波能量进行加强;
P波和S波提取模块,用于以所述Q波位置为基点,通过设定的第二有限区域窗来提取P波;以及以所述S波位置为基点,通过设定的第三有限区域窗来提取T波。
9.一种装置,其特征在于,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器用于根据所述程序执行如权利要求1-7中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行完成如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010730424.9A CN111920407B (zh) | 2020-07-27 | 2020-07-27 | 基于小波变换的心电特征提取方法、系统、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010730424.9A CN111920407B (zh) | 2020-07-27 | 2020-07-27 | 基于小波变换的心电特征提取方法、系统、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111920407A true CN111920407A (zh) | 2020-11-13 |
CN111920407B CN111920407B (zh) | 2023-09-22 |
Family
ID=73316092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010730424.9A Active CN111920407B (zh) | 2020-07-27 | 2020-07-27 | 基于小波变换的心电特征提取方法、系统、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111920407B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113786202A (zh) * | 2021-08-17 | 2021-12-14 | 广东省科学院健康医学研究所 | 一种心电图特征起点和终点检测方法、系统、装置及介质 |
CN113855036A (zh) * | 2021-09-30 | 2021-12-31 | 济南大学 | 一种心电信号可视化方法及装置 |
CN114521901A (zh) * | 2021-12-28 | 2022-05-24 | 宁波慈溪生物医学工程研究所 | 一种心电特征提取方法、装置及存储介质 |
CN114533078A (zh) * | 2022-02-25 | 2022-05-27 | 西安交通大学 | 一种自适应ecg信号边缘处理方法及系统、装置及存储介质 |
CN117503153A (zh) * | 2024-01-05 | 2024-02-06 | 北华大学 | 基于人工智能的患者术后康复评价方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008014895A1 (en) * | 2006-08-04 | 2008-02-07 | Gem-Med S.L. | Method for processing cardioelectric signals and corresponding device |
US8433395B1 (en) * | 2009-11-03 | 2013-04-30 | Vivaquant Llc | Extraction of cardiac signal data |
CN103156599A (zh) * | 2013-04-03 | 2013-06-19 | 河北大学 | 一种心电信号r特征波检测方法 |
CN104127195A (zh) * | 2014-07-29 | 2014-11-05 | 杭州电子科技大学 | 一种融合脑电和心电信号的疲劳驾驶检测方法 |
US9642577B1 (en) * | 2016-08-16 | 2017-05-09 | American Reliance, Inc. | Methods and systems for disease analysis based on transformations of diagnostic signals |
WO2017148452A1 (zh) * | 2016-03-03 | 2017-09-08 | 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 |
CN108272451A (zh) * | 2018-02-11 | 2018-07-13 | 上海交通大学 | 一种基于改进小波变换的qrs波识别方法 |
CN109731224A (zh) * | 2018-11-21 | 2019-05-10 | 广东省医疗器械研究所 | 一种心脏起搏器检测装置和方法 |
CN110013247A (zh) * | 2019-05-24 | 2019-07-16 | 东北大学 | 一种心电图p波和t波的检测、区分与定位方法 |
CN110169766A (zh) * | 2019-04-30 | 2019-08-27 | 厦门大学 | 一种基于小波变换的心电波形检测方法、装置、终端设备 |
US20200015695A1 (en) * | 2018-07-13 | 2020-01-16 | Boe Technology Group Co., Ltd. | Method and device for identifying arrhythmia, and computer readable medium |
CN111242098A (zh) * | 2020-02-27 | 2020-06-05 | 西安交通大学 | 一种结合特征提取和inception网络的心电数据分类方法及系统 |
-
2020
- 2020-07-27 CN CN202010730424.9A patent/CN111920407B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008014895A1 (en) * | 2006-08-04 | 2008-02-07 | Gem-Med S.L. | Method for processing cardioelectric signals and corresponding device |
US8433395B1 (en) * | 2009-11-03 | 2013-04-30 | Vivaquant Llc | Extraction of cardiac signal data |
CN103156599A (zh) * | 2013-04-03 | 2013-06-19 | 河北大学 | 一种心电信号r特征波检测方法 |
CN104127195A (zh) * | 2014-07-29 | 2014-11-05 | 杭州电子科技大学 | 一种融合脑电和心电信号的疲劳驾驶检测方法 |
WO2017148452A1 (zh) * | 2016-03-03 | 2017-09-08 | 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 |
US9642577B1 (en) * | 2016-08-16 | 2017-05-09 | American Reliance, Inc. | Methods and systems for disease analysis based on transformations of diagnostic signals |
CN108272451A (zh) * | 2018-02-11 | 2018-07-13 | 上海交通大学 | 一种基于改进小波变换的qrs波识别方法 |
US20200015695A1 (en) * | 2018-07-13 | 2020-01-16 | Boe Technology Group Co., Ltd. | Method and device for identifying arrhythmia, and computer readable medium |
CN109731224A (zh) * | 2018-11-21 | 2019-05-10 | 广东省医疗器械研究所 | 一种心脏起搏器检测装置和方法 |
CN110169766A (zh) * | 2019-04-30 | 2019-08-27 | 厦门大学 | 一种基于小波变换的心电波形检测方法、装置、终端设备 |
CN110013247A (zh) * | 2019-05-24 | 2019-07-16 | 东北大学 | 一种心电图p波和t波的检测、区分与定位方法 |
CN111242098A (zh) * | 2020-02-27 | 2020-06-05 | 西安交通大学 | 一种结合特征提取和inception网络的心电数据分类方法及系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113786202A (zh) * | 2021-08-17 | 2021-12-14 | 广东省科学院健康医学研究所 | 一种心电图特征起点和终点检测方法、系统、装置及介质 |
CN113786202B (zh) * | 2021-08-17 | 2023-12-26 | 广东省科学院健康医学研究所 | 一种心电图特征起点和终点检测方法、系统、装置及介质 |
CN113855036A (zh) * | 2021-09-30 | 2021-12-31 | 济南大学 | 一种心电信号可视化方法及装置 |
CN114521901A (zh) * | 2021-12-28 | 2022-05-24 | 宁波慈溪生物医学工程研究所 | 一种心电特征提取方法、装置及存储介质 |
CN114521901B (zh) * | 2021-12-28 | 2024-03-19 | 宁波慈溪生物医学工程研究所 | 一种心电特征提取方法、装置及存储介质 |
CN114533078A (zh) * | 2022-02-25 | 2022-05-27 | 西安交通大学 | 一种自适应ecg信号边缘处理方法及系统、装置及存储介质 |
CN117503153A (zh) * | 2024-01-05 | 2024-02-06 | 北华大学 | 基于人工智能的患者术后康复评价方法 |
CN117503153B (zh) * | 2024-01-05 | 2024-03-15 | 北华大学 | 基于人工智能的患者术后康复评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111920407B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111920407B (zh) | 基于小波变换的心电特征提取方法、系统、装置及介质 | |
Sasikala et al. | Robust r peak and qrs detection in electrocardiogram using wavelet transform | |
US20040093192A1 (en) | Apparatus and method for effecient representation of periodic and nearly periodic signals for analysis | |
CN113727638A (zh) | 用于自动量化信号质量的方法和系统 | |
Arunachalam et al. | Real-time estimation of the ECG-derived respiration (EDR) signal using a new algorithm for baseline wander noise removal | |
JP2009545345A (ja) | 心電信号の処理方法、およびその装置 | |
Abdelmounim et al. | Electrocardiogram signal denoising using discrete wavelet transform | |
Lu et al. | Recycling cardiogenic artifacts in impedance pneumography | |
Hao et al. | Compression of ECG as a signal with finite rate of innovation | |
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 | |
CN115828056A (zh) | 一种心电图特征信号提取方法及终端 | |
Cornelia et al. | ECG signals processing using Wavelets | |
CN113786202B (zh) | 一种心电图特征起点和终点检测方法、系统、装置及介质 | |
Amhia et al. | Designing an optimum and reduced order filter for efficient ECG QRS peak detection and classification of arrhythmia data | |
Bhyri et al. | ECG feature extraction and disease diagnosis | |
Hegde et al. | A review on ECG signal processing and HRV analysis | |
Modak et al. | Single channel QRS detection using wavelet and median denoising with adaptive multilevel thresholding | |
Mincholé et al. | Evaluation of a root mean squared based ischemia detector on the long-term ST database with body position change cancellation | |
Liu et al. | Detection of myocardial infarction from multi-lead ECG using dual-Q tunable Q-factor wavelet transform | |
Rizzi et al. | Fast parallelized algorithm for ECG analysis | |
Patil et al. | Evaluation of QRS complex based on DWT coefficients analysis using daubechies wavelets for detection of myocardial ischaemia | |
Nabil et al. | Algorithm for automatic detection of ECG waves | |
Bsoul et al. | Using second generation wavelets for ECG characteristics points detection | |
Bouaziz et al. | Automatic detection method of R-wave positions in electrocardiographic signals | |
Vani et al. | Temporal Analysis and Remote Monitoring Of ECG Signals |
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 |