CN112244860A - 一种动态心电图数据分析方法 - Google Patents

一种动态心电图数据分析方法 Download PDF

Info

Publication number
CN112244860A
CN112244860A CN202011036380.6A CN202011036380A CN112244860A CN 112244860 A CN112244860 A CN 112244860A CN 202011036380 A CN202011036380 A CN 202011036380A CN 112244860 A CN112244860 A CN 112244860A
Authority
CN
China
Prior art keywords
interval
wave
data
analyzed
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.)
Granted
Application number
CN202011036380.6A
Other languages
English (en)
Other versions
CN112244860B (zh
Inventor
张睿
薛汝成
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.)
Shandong Pingwei Medical Technology Co ltd
Original Assignee
Shandong Pingwei Medical Technology Co ltd
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 Shandong Pingwei Medical Technology Co ltd filed Critical Shandong Pingwei Medical Technology Co ltd
Priority to CN202011036380.6A priority Critical patent/CN112244860B/zh
Publication of CN112244860A publication Critical patent/CN112244860A/zh
Application granted granted Critical
Publication of CN112244860B publication Critical patent/CN112244860B/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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种动态心电图数据分析方法，一种动态心电图数据分析方法，步骤包括：(1)QRS波形识别：A.差分计算：对采集到的心电原始数据进行滤波处理，经过滤波处理后的数据为待分析心电数据，对待分析数据进行差分计算的同时统计出幅值阈值。本发明采用上述方法，计算分析过程更加快速，不再需要较长时间的心电数据记录，对较短的心电数据也可进行分析；不易发生检测不到的情况，避免了分析系统反馈错误，保证了系统够进行正常的分析。

Description

一种动态心电图数据分析方法
技术领域：
本发明涉及一种动态心电图数据分析方法。
背景技术：
动态心电图是通过动态心电图仪在患者日常生活状态下连续24小时或更长时间记录其心电活动的全过程，以发现在常规体表心电图检查时不易发现的心律失常和心肌缺血等，为临床诊断、治疗及判断疗效提供重要的客观依据。
由于动态心电图信息量巨大，依靠医生观察心电图的信息十分困难，因此动态心电图通常需要采用专门的动态心电分析系统进行分析，目前，用于分析动态心电图房颤心电异常的分析系统存在一些缺点：
现有的分析系统是针对动态心电图的RR间期与心房活动相关的P波或f波进行分析。对动态心电图的RR间期通过散点图直方图等方式比较直观的获取结果；心房活动的分析大概分时域和频域两大类分析方法：时域法主要针对P波进行分析，比如P波间期，P波离散度，P波变异等。频域法主要针对P波或f波进行傅里叶变换，对房颤心电异常发生时的各个频域进行比对分析或者把QRS复合波与T波消除，只保留P波或f波对其进行分析。
采用上述的分析方法，针对RR间期分析，是通过房颤心电异常发生时的RR间期绝不规整，来进行分析判断的，因此需要对较长时间的心电记录进行分析，通过散点图或直方图的方式体现，需要较长时间的数据记录，而无法对较短数据进行分析和识别。
心房活动分析，是针对P波或f波进行分析，目前的时域法仅对P波进行分析，在特殊情况时，很可能出现无法检测的情况，如心房游走心律时，此时P波变异但并非房颤；纤细型房颤心电异常时，此时无P波，f波也不明显；快心室率房颤心电异常时，此时P波或f波与T波融合，如果遇到无法检测的情况，分析系统会反馈错误，无法进行正常的分析。
发明内容：
本发明提供了一种动态心电图数据分析方法，解决了现有技术中存在的问题。
本发明为解决上述技术问题所采用的技术方案是：
一种动态心电图数据分析方法，步骤包括：
(1)QRS波形识别：
A.差分计算：
对采集到的心电原始数据进行滤波处理，经过滤波处理后的数据为待分析心电数据，对待分析数据进行差分计算的同时统计出幅值阈值，根据不同采样率采用不同系数的差分公式：
中心差分整数系数N＝Sampling Rate(Hz)*0.01；
差分ΔXi＝(-1*N*Xi-N)+(-1*(N-1)*Xi-N-1)+...+0*Xi+...+(N-1)*Xi+N-1+N*Xi+N；
B.拐点判断：
当ΔXi-1*ΔXi+1<0时,即为待分析心电数据的拐点，如ΔXi-1>ΔXi+1,则拐点为正向波，反之为负向波；
C.幅值阈值和差分阈值计算：
先统计出待分析心电数据中所有拐点中的正向最大幅值与负向最大幅值，再乘以幅值阈值系数，所述阈值系数为通过大量真实心电数据统计获得的数据，得到幅值阈值；
统计出待分析心电数据中所有正向拐点的上升支的最大差分值与下降支最大差分值，再乘以差分阈值系数，所述差分阈值系数为通过大量真实心电数据统计获得的数据，得到差分阈值；
D.QRS波形识别
当待分析数据同时符合差分阈值与幅值阈值时，再通过有效不应期的过滤，则认定该处为R波的顶点；确定R波的顶点后，根据R波的顶点位置分别向前和向后一段，在待分析心电数据中找出Q波波峰和S波波峰，然后再向前找到Q波起始位置，向后找到S波结束位置；
通过对Q波波峰与S波波峰与取值范围内的幅值均值的系数关系获取位置，所述Q波波峰与S波波峰与均值的系数通过大量真实心电数据统计获得，再对波峰附近的Q波起始和S波结束差分阈值进行查找，所述差分阈值通过大量心电数据统计获取，当符合差分阈值时即为Q波起始与S波结束，从而得到待分析心电数据的QRS位置与间期；
(2)查找P波或f波波峰以及T波波峰：根据步骤(1)得到的待分析心电数据的QRS位置与间期，向前和向后截取一段数据，该段数据根据大量统计数据的PR间期与QT间期平均值确定取值范围，采用局部变换方法找到P波或f波波峰以及T波波峰；从而得到PR间期或fR间期，以及T波方向；
(3)计算RR间期的标准差和PR间期或fR间期标准差：根据步骤(1)得到的待分析心电数据的RR间期，统计出RR间期的标准差，根据步骤(2)得到的待分析心电数据的PR间期或fR间期得到PR间期或fR间期标准差；
(4)获取RR间期判断阈值和PR或FR间期判断阈值：采集大量房颤心电数据，统计出RR间期的标准差与心率关系，按照心率范围取值，做出慢心率，一般心率与快心率房颤RR间期标准差阈值，作为RR间期判断阈值，统计出PR间期或fR间期标准差阈值方式同上，作为PR间期或fR间期判断阈值；
(5)判断：将步骤(3)得到的待分析心电数据的RR间期标准差值以及心率与步骤(4)得到的RR间期判断阈值进行比较；在通过节律与P波或f波和T波方向过滤对RR间期标准差可能混淆的其他异常后，如果RR间期标准差值在RR间期判断阈值内，则将待分析心电数据的PR间期或fR间期标准差以及心率与步骤(4)得到的PR间期或fR间期判断阈值进行比较，所述异常包括二联律，三联律，间位早搏等的节律或P波方向或T波方向均有明显特征且与房颤不同，若PR间期或fR间期标准差均符合PR间期或fR间期判断阈值条件，则提示待分析心电数据存在房颤异常，若PR间期或FR间期标准差不在PR间期或fR间期判断阈值内，则不提示待分析心电数据存在房颤异常；如果RR间期标准差值不在RR间期判断阈值内，则单独判断PR间期或fR间期标准差与心率是否符合步骤(4)得到的PR间期或fR间期判断阈值，如果符合条件，通过P波方向变化与PR间期变化规律，排除可能混淆的其他异常，所述其他异常包括二度以上房室传导阻滞与心房游走心律。
特别的，对采集到的动态心电数据进行滤波处理采用低通与高通滤波级联的带通滤波方式。
本发明采用上述方法，具有以下优点：
(1)在针对RR间期分析时，不再采用逐个分析待分析心电数据中的RR间期，而是通过计算RR间期标准差与RR间期判断阈值进行比较得到比较结果，进而进行下一步的分析；计算分析过程更加快速，不再需要较长时间的心电数据记录，对较短的心电数据也可进行分析；
(2)在针对P波或f波进行分析时，采用坐标法对P波或f波进行检测，不易发生检测不到的情况，避免了分析系统反馈错误，保证了系统够进行正常的分析。
附图说明：
图1为本发明的步骤(2)采用局部变换方法找到P波或f波波峰以及T波波峰的示意图；
具体实施方式：
为能清楚说明本方案的技术特点，下面通过具体实施方式，对本发明进行详细阐述。
一种动态心电图数据分析方法，其特征在于：步骤包括：
(1)QRS波形识别：对采集到的心电原始数据进行滤波处理，经过滤波处理后的数据为待分析心电数据，对待分析数据进行差分计算的同时统计出幅值阈值，根据不同采样率采用不同系数的差分公式：
中心差分整数系数N＝Sampling Rate(Hz)*0.01；
差分ΔXi＝(-1*N*Xi-N)+(-1*(N-1)*Xi-N-1)+...+0*Xi+...+(N-1)*Xi+N-1+N*Xi+N；
当ΔXi-1*ΔXi+1<0时,即为待分析心电数据的拐点，如ΔXi-1>ΔXi+1,则拐点为正向波，反之为负向波；要得到待分析心电数据的幅值阈值，先统计出待分析心电数据中所有拐点中的正向最大幅值与负向最大幅值，再乘以幅值阈值系数，阈值系数通过大量真实心电数据统计获得。要得到待分析心电数据的差分阈值，先统计出待分析心电数据中所有正向拐点的上升支的最大差分值与下降支最大差分值，再乘以差分阈值系数(阈值系数通过大量真实心电数据统计获得)。当差分阈值与幅值阈值均满足条件时，再通过有效不应期(心脏电生理参数一般为200毫秒左右)的过滤，则认定该处为R波的顶点；确定R波的顶点后，根据R波的顶点位置分别向前和向后一段(根据一般QRS间期范围确定取值范围)待分析心电数据中找出Q波波峰和S波波峰，然后再向前找到Q波起始位置，向后找到S波结束位置。要找到Q波波峰和S波波峰，通过对Q波波峰与S波波峰与取值范围内的幅值均值的系数(此波峰与均值的系数通过大量真实心电数据统计获得)关系获取位置后，再对波峰附近的Q波起始和S波结束差分阈值进行查找，通过大量心电数据统计获取到差分阈值，当符合差分阈值时即为Q波起始与S波结束，从而得到待分析心电数据的QRS位置与间期；
(3)查找P波或f波波峰以及T波波峰：根据步骤(1)得到的待分析心电数据的QRS位置与间期，向前和向后截取一段数据，根据一般PR间期与QT间期确定取值范围，找到P波或f波波峰以及T波波峰。寻找P或f波峰以及T波波峰的方式均采用局部变换方法查找如下示意图，从而得到PR间期或fR间期，以及T波方向；
(3)计算RR间期的标准差和PR间期或fR间期标准差：根据步骤(1)得到的待分析心电数据的RR间期，统计出RR间期的标准差，根据步骤(2)得到的待分析心电数据的PR间期或fR间期得到PR间期或fR间期标准差；
(4)获取RR间期判断阈值和PR或FR间期判断阈值：采集大量房颤心电数据，统计出RR间期的标准差与心率关系，按照心率范围取值，做出慢心率，一般心率与快心率房颤RR间期标准差阈值，作为RR间期判断阈值，统计出PR间期或fR间期标准差阈值方式同上，作为PR间期或fR间期判断阈值；
(5)判断：将步骤(3)得到的待分析心电数据的RR间期标准差值以及心率与步骤(4)得到的RR间期判断阈值进行比较；在通过节律与P波或f波和T波方向过滤对RR间期标准差可能混淆的其他异常后，异常包括二联律，三联律，间位早搏等的节律或P波方向或T波方向均有明显特征且与房颤不同，如果RR间期标准差值在RR间期判断阈值内，则将待分析心电数据的PR间期或fR间期标准差以及心率与步骤(4)得到的PR间期或fR间期判断阈值进行比较，若PR间期或fR间期标准差均符合PR间期或fR间期判断阈值条件，则提示待分析心电数据存在房颤异常，若PR间期或FR间期标准差不在PR间期或fR间期判断阈值内，则不提示待分析心电数据存在房颤异常；如果RR间期标准差值不在RR间期判断阈值内，也不排除特殊房颤比如规则心率房颤，则单独判断PR间期或fR间期标准差与心率是否符合步骤(4)得到的PR间期或fR间期判断阈值。如果符合条件，通过P波方向变化与PR间期变化规律，排除可能混淆的其他异常二度以上房室传导阻滞与心房游走心律的P波或PR间期均有明显特征且与房颤不同。则提示待分析心电数据存在房颤异常。否则不提示。
上述具体实施方式不能作为对本发明保护范围的限制，对于本技术领域的技术人员来说，对本发明实施方式所做出的任何替代改进或变换均落在本发明的保护范围内。
本发明未详述之处，均为本技术领域技术人员的公知技术。

Claims (2)

1.一种动态心电图数据分析方法，其特征在于：步骤包括：
(1)QRS波形识别：
A.差分计算：
对采集到的心电原始数据进行滤波处理，经过滤波处理后的数据为待分析心电数据，对待分析数据进行差分计算的同时统计出幅值阈值，根据不同采样率采用不同系数的差分公式：
中心差分整数系数N＝Sampling Rate(Hz)*0.01；
差分ΔXi＝(-1*N*Xi-N)+(-1*(N-1)*Xi-N-1)+...+0*Xi+...+(N-1)*Xi+N-1+N*Xi+N；
B.拐点判断：
当ΔXi-1*ΔXi+1<0时,即为待分析心电数据的拐点，如ΔXi-1>ΔXi+1,则拐点为正向波，反之为负向波；
C.幅值阈值和差分阈值计算：
先统计出待分析心电数据中所有拐点中的正向最大幅值与负向最大幅值，再乘以幅值阈值系数，所述阈值系数为通过大量真实心电数据统计获得的数据，得到幅值阈值；
统计出待分析心电数据中所有正向拐点的上升支的最大差分值与下降支最大差分值，再乘以差分阈值系数，所述差分阈值系数为通过大量真实心电数据统计获得的数据，得到差分阈值；
D.QRS波形识别
当待分析数据同时符合差分阈值与幅值阈值时，再通过有效不应期的过滤，则认定该处为R波的顶点；确定R波的顶点后，根据R波的顶点位置分别向前和向后一段，在待分析心电数据中找出Q波波峰和S波波峰，然后再向前找到Q波起始位置，向后找到S波结束位置；
通过对Q波波峰与S波波峰与取值范围内的幅值均值的系数关系获取位置，所述Q波波峰与S波波峰与均值的系数通过大量真实心电数据统计获得，再对波峰附近的Q波起始和S波结束差分阈值进行查找，所述差分阈值通过大量心电数据统计获取，当符合差分阈值时即为Q波起始与S波结束，从而得到待分析心电数据的QRS位置与间期；
(2)查找P波或f波波峰以及T波波峰：根据步骤(1)得到的待分析心电数据的QRS位置与间期，向前和向后截取一段数据，该段数据根据大量统计数据的PR间期与QT间期平均值确定取值范围，采用局部变换方法找到P波或f波波峰以及T波波峰；从而得到PR间期或fR间期，以及T波方向；
(3)计算RR间期的标准差和PR间期或fR间期标准差：根据步骤(1)得到的待分析心电数据的RR间期，统计出RR间期的标准差，根据步骤(2)得到的待分析心电数据的PR间期或fR间期得到PR间期或fR间期标准差；
(4)获取RR间期判断阈值和PR或FR间期判断阈值：采集大量房颤心电数据，统计出RR间期的标准差与心率关系，按照心率范围取值，做出慢心率，一般心率与快心率房颤RR间期标准差阈值，作为RR间期判断阈值，统计出PR间期或fR间期标准差阈值方式同上，作为PR间期或fR间期判断阈值；
(5)判断：将步骤(3)得到的待分析心电数据的RR间期标准差值以及心率与步骤(4)得到的RR间期判断阈值进行比较；在通过节律与P波或f波和T波方向过滤对RR间期标准差可能混淆的其他异常后，如果RR间期标准差值在RR间期判断阈值内，则将待分析心电数据的PR间期或fR间期标准差以及心率与步骤(4)得到的PR间期或fR间期判断阈值进行比较，所述异常包括二联律，三联律，间位早搏等的节律或P波方向或T波方向均有明显特征且与房颤不同，若PR间期或fR间期标准差均符合PR间期或fR间期判断阈值条件，则提示待分析心电数据存在房颤异常，若PR间期或FR间期标准差不在PR间期或fR间期判断阈值内，则不提示待分析心电数据存在房颤异常；如果RR间期标准差值不在RR间期判断阈值内，则单独判断PR间期或fR间期标准差与心率是否符合步骤(4)得到的PR间期或fR间期判断阈值，如果符合条件，通过P波方向变化与PR间期变化规律，排除可能混淆的其他异常，所述其他异常包括二度以上房室传导阻滞与心房游走心律。
2.根据权利要求1所述的一种动态心电图数据分析方法，其特征在于：在步骤(1)中，对采集到的动态心电数据进行滤波处理采用低通与高通滤波级联的带通滤波方式。
CN202011036380.6A 2020-09-27 2020-09-27 一种动态心电图数据分析方法 Active CN112244860B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011036380.6A CN112244860B (zh) 2020-09-27 2020-09-27 一种动态心电图数据分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011036380.6A CN112244860B (zh) 2020-09-27 2020-09-27 一种动态心电图数据分析方法

Publications (2)

Publication Number Publication Date
CN112244860A true CN112244860A (zh) 2021-01-22
CN112244860B CN112244860B (zh) 2023-06-20

Family

ID=74235021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011036380.6A Active CN112244860B (zh) 2020-09-27 2020-09-27 一种动态心电图数据分析方法

Country Status (1)

Country Link
CN (1) CN112244860B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111493852A (zh) * 2020-03-16 2020-08-07 浙江好络维医疗技术有限公司 一种基于modwt的动态心电图实时心率估算方法
CN112842351A (zh) * 2021-03-04 2021-05-28 无锡市中健科仪有限公司 一种动态心电图分析方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102697492A (zh) * 2012-05-25 2012-10-03 长春华讯信息科技有限公司 一种实时心电信息分析系统及其分析方法
CN103110417A (zh) * 2013-02-28 2013-05-22 华东师范大学 一种心电图自动识别系统
CN106264518A (zh) * 2016-08-04 2017-01-04 东莞市第三人民医院 一种基于指尖心电图的房颤检测方法和装置
CN107495960A (zh) * 2017-01-19 2017-12-22 山东医联万家健康科技有限公司 一种实时心电信号监测处理方法
CN109117730A (zh) * 2018-07-11 2019-01-01 上海夏先机电科技发展有限公司 心电图心房颤动实时判断方法、装置、系统及存储介质
CN109350037A (zh) * 2018-10-26 2019-02-19 安徽智云医疗科技有限公司 一种从10秒心电图中识别房颤和房性早搏的方法
CN110558970A (zh) * 2019-10-09 2019-12-13 烟台奇创医疗科技有限公司 一种用于穿戴式智能内衣的心电信号分析方法
US20200260980A1 (en) * 2017-11-27 2020-08-20 Lepu Medical Technology (Bejing) Co., Ltd. Method and device for self-learning dynamic electrocardiography analysis employing artificial intelligence
CN111652135A (zh) * 2020-06-03 2020-09-11 广州视源电子科技股份有限公司 心电图数据生成方法、装置及电子设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102697492A (zh) * 2012-05-25 2012-10-03 长春华讯信息科技有限公司 一种实时心电信息分析系统及其分析方法
CN103110417A (zh) * 2013-02-28 2013-05-22 华东师范大学 一种心电图自动识别系统
CN106264518A (zh) * 2016-08-04 2017-01-04 东莞市第三人民医院 一种基于指尖心电图的房颤检测方法和装置
CN107495960A (zh) * 2017-01-19 2017-12-22 山东医联万家健康科技有限公司 一种实时心电信号监测处理方法
US20200260980A1 (en) * 2017-11-27 2020-08-20 Lepu Medical Technology (Bejing) Co., Ltd. Method and device for self-learning dynamic electrocardiography analysis employing artificial intelligence
CN109117730A (zh) * 2018-07-11 2019-01-01 上海夏先机电科技发展有限公司 心电图心房颤动实时判断方法、装置、系统及存储介质
CN109350037A (zh) * 2018-10-26 2019-02-19 安徽智云医疗科技有限公司 一种从10秒心电图中识别房颤和房性早搏的方法
CN110558970A (zh) * 2019-10-09 2019-12-13 烟台奇创医疗科技有限公司 一种用于穿戴式智能内衣的心电信号分析方法
CN111652135A (zh) * 2020-06-03 2020-09-11 广州视源电子科技股份有限公司 心电图数据生成方法、装置及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111493852A (zh) * 2020-03-16 2020-08-07 浙江好络维医疗技术有限公司 一种基于modwt的动态心电图实时心率估算方法
CN112842351A (zh) * 2021-03-04 2021-05-28 无锡市中健科仪有限公司 一种动态心电图分析方法及系统

Also Published As

Publication number Publication date
CN112244860B (zh) 2023-06-20

Similar Documents

Publication Publication Date Title
CN107358196B (zh) 一种心搏类型的分类方法、装置及心电仪
US7142907B2 (en) Method and apparatus for algorithm fusion of high-resolution electrocardiograms
US6597943B2 (en) Method of using spectral measures to distinguish among atrialfibrillation, atrial-flutter and other cardiac rhythms
Wolf et al. Computer analysis of rest and exercise electrocardiograms
CN109998529B (zh) 一种基于高斯函数拟合的ecg信号中p波、t波检测方法
Andreao et al. ST-segment analysis using hidden Markov Model beat segmentation: application to ischemia detection
CN101828917A (zh) 心电信号特征提取的方法和系统
CN107622259B (zh) 一种t波检测方法、心电数据分析方法及装置
CN104921722A (zh) 一种双导联融合心电qrs波检测方法
Umer et al. Electrocardiogram feature extraction and pattern recognition using a novel windowing algorithm
CN112244860B (zh) 一种动态心电图数据分析方法
Lamesgin et al. Extraction of fetal ECG from abdominal ECG and heart rate variability analysis
Prasad et al. Heart rate detection using Hilbert transform
González et al. Electrocardiographic P-wave delineation based on adaptive slope Gaussian detection
CN115828056A (zh) 一种心电图特征信号提取方法及终端
Venkatesan et al. Ecg signal feature extraction and svm classifier based cardiac arrhythmia detection
Magrupov et al. ECG signal processing algorithms to determine heart rate
Sahoo et al. ECG signal analysis for detection of Cardiovascular abnormalities and Ischemic episodes
Palaniappan et al. R-peak detection using altered pan-Tompkins algorithm
Kannathal et al. Analysis of electrocardiograms
CN112438735B (zh) 一种心电图p波检测方法、分析装置以及存储介质
Jindal et al. MATLAB based GUI for ECG arrhythmia detection using Pan-Tompkin algorithm
Taha et al. Automated discrimination between atrial fibrillation and atrial flutter in the resting 12-lead electrocardiogram
Yasmeen et al. Detection of real time QRS complex using wavelet transform
Buś et al. Feasibility study on the use of heart rate variability parameters for detection of atrial fibrillation with machine learning techniques

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