CN112656393B - 一种心率变异性的检测方法及系统 - Google Patents
一种心率变异性的检测方法及系统 Download PDFInfo
- Publication number
- CN112656393B CN112656393B CN202011422177.2A CN202011422177A CN112656393B CN 112656393 B CN112656393 B CN 112656393B CN 202011422177 A CN202011422177 A CN 202011422177A CN 112656393 B CN112656393 B CN 112656393B
- Authority
- CN
- China
- Prior art keywords
- value point
- point
- value
- heart rate
- electrocardiosignal
- 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
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明涉及一种获取原始心电信号,记为第一心电信号;对所述第一心电信号使用sym8小波进行8层分解,提取前7层信号和第8层信号;基于启发式阈值对分解后的所述第8层信号进行修正,将修正后的所述第8层信号与所述前7层信号进行叠加,得到第二心电信号;基于双正交样条小波对所述第二心电信号进行变换,得到小波系数的极大值点和极小值点,通过所述极大值点和所述极小值点对所述第二心电信号中的R波进行检测,得到R波峰值点的定位序列;通过所述定位序列计算心跳周期矩阵;通过所述心跳周期矩阵得到心率变异性的特征。本发明提供的一种心率变异性的检测方法及系统,能够提高心率变异性检测的准确性。
Description
技术领域
本发明涉及心率检测领域,特别是涉及一种心率变异性的检测方法及系统。
背景技术
心率变异性(heart rate variability,HRV)是指逐次心跳周期差异的变化情况,受自主神经系统控制,心率变异性含有神经体液因素对心血管系统调节的信息,也是人体重要的生理指标,它能够反映出自主神经系统的活性,能定量评估心脏交感神经与迷走神经张力及其平衡性。
在现有技术中,有多种方法检测心率,从而对心率变异性进行检测。在众多检测方法中,通过测试电压变化来进行心率及心率变异性的检测。但心电信号频率低,强度弱,也极易受到其他电生理信号的影响,例如眼动和肌电等;人的精神状态和活动状态不同时,心电信号也会产生具有一定特征的变化,这都严重影响了心率变异性检测的准确程度。
发明内容
针对现有技术的不足,本发明的目的是提供一种心率变异性的检测方法及系统,能够提高心率变异性检测的准确性。
为实现上述目的,本发明提供了如下方案:
一种心率变异性的检测方法,包括:
获取原始心电信号,记为第一心电信号;
对所述第一心电信号使用sym8小波进行8层分解,提取前7层信号和第8层信号;
基于启发式阈值对分解后的所述第8层信号进行修正,将修正后的所述第8层信号与所述前7层信号进行叠加,得到第二心电信号;
基于双正交样条小波对所述第二心电信号进行变换,得到小波系数的极大值点和极小值点,通过所述极大值点和所述极小值点对所述第二心电信号中的R波进行检测,得到R波峰值点的定位序列;
通过所述定位序列计算心跳周期矩阵;
通过所述心跳周期矩阵得到心率变异性的特征。
优选地,通过启发式阈值对分解后的所述第8层信号进行修正,包括:
计算分解后的所述第8层信号的小波系数对应的修正阈值;
判断所述第8层信号的小波系数是否小于所述修正阈值,若所述小波系数小于所述修正阈值,则将所述第8层信号的小波系数修正为0;若所述小波系数大于或等于所述修正阈值,则保持所述第8层信号的小波系数不变。
优选地,基于双正交样条小波对所述第二心电信号进行变换,得到小波系数的极大值点和极小值点,包括:
根据双正交二次样条小波对所述第二心电信号进行4尺度分解,得到相邻3尺度下小波系数的正极值点和负极值点;
根据所述正极值点的最大值设置第一阈值;
根据所述正极值点的最大值、所述第一阈值和下一个正极值点的值进行比较,得到所述极大值点;
根据所述负极值点的最小值设置第二阈值;
根据所述负极值点的最小值、所述第二阈值和下一个负极值点的值进行比较,得到所述极小值点。
优选地,通过所述极大值点和所述极小值点对所述第二心电信号中的R波进行检测,得到R波峰值点的定位序列,包括:
根据所述极大值点和所述极小值点确定极值对;
根据所述极值对确定过零点;
对所述过零点进行位置校正,得到所述R波峰值点的定位序列。
优选地,通过所述定位序列计算心跳周期矩阵,包括:
根据所述定位序列中相邻两个R波峰值点的时间差确定所述心跳周期矩阵。
优选地,通过所述心跳周期矩阵得到心率变异性的特征,具体包括:
计算所述心率变异性的总体标准差特征:
计算所述心率变异性的差值标准差特征:
其中,SDSD为差值标准差;
计算所述心率变异性的相邻心跳周期的差值均方根特征:
其中,rMSSD为相邻心跳周期的差值均方根;
计算所述心率变异性的邻差值大于50ms所占比例特征:
其中,NN50是邻差大于50ms的个数。
一种心率变异性的检测系统,包括:
获取模块,用于获取原始心电信号,记为第一心电信号;
分解模块,用于对所述第一心电信号使用sym8小波进行8层分解,提取前7层信号和第8层信号;
阈值选择模块,用于基于启发式的阈值选择对分解后的所述第8层信号进行修正,将修正后的所述第8层信号与所述前7层信号进行叠加,得到第二心电信号;
检测模块,用于基于双正交样条小波对所述第二心电信号进行变换,得到小波系数的极大值点和极小值点,通过所述极大值点和所述极小值点对所述第二心电信号中的R波进行检测,得到R波峰值点的定位序列;
心跳周期矩阵计算模块,用于通过所述定位序列计算心跳周期矩阵;
特征检测模块,用于通过所述心跳周期矩阵得到心率变异性的特征,实现对心率变异性的检测。
优选地,所述阈值选择模块包括:
阈值计算单元,用于计算所述第8层信号的小波系数的滤波阈值;
修正单元,用于根据所述修正阈值判断所述第8层小波系数的值,若所述小波系数小于所述修正阈值,则所述小波系数的值修正为0;若所述小波系数大于所述修正阈值,则所述小波系数的数值不变;
叠加单元,用于将滤波后的所述第8层信号与所述前7层信号进行叠加,得到第二心电信号。
优选地,所述检测模块包括:
尺度分解单元,用于根据双正交二次样条小波对所述第二心电信号进行4尺度分解,得到3尺度下的小波系数的正极值点和负极值点;
第一阈值设置单元,用于根据所述正极值点的最大值设置第一阈值;
极大值点确定单元,用于根据所述正极值点的最大值、所述第一阈值和下一个正极值点值进行比较,得到所述极大值点;
第二阈值设置单元,用于根据所述负极值点的最小值设置第二阈值;
极小值点确定单元,用于根据所述负极值点的最小值、所述第二阈值和下一个负极值点进行比较,得到所述极小值点;
极值对确定单元,用于根据所述极大值点和所述极小值点确定极值对;
过零点确定单元,用于根据所述极值对确定过零点;
校正模块,用于对所述过零点进行位置校正,得到所述R波峰值点的定位序列。
优选地,所述特征检测模块包括:
第一参数计算单元,用于计算所述心率变异性的总体标准差特征:
第二参数计算单元,用于计算所述心率变异性的差值标准差特征:
其中,SDSD为差值标准差;
第三参数计算单元,用于计算所述心率变异性的相邻心跳周期的差值均方根特征:
其中,rMSSD为相邻心跳周期的差值均方根;
第四参数计算单元,用于计算所述心率变异性的邻差值大于50ms所占比例特征:
其中,NN50是邻差大于50ms的个数。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供一种心率变异性的检测方法及系统,对原始心电信号使用sym8小波进行8层分解,提取前7层信号和第8层信号,再基于启发式的阈值选择对分解后的所述第8层信号进行滤波,将滤波后的所述第8层信号与所述前7层信号进行叠加,得到叠加后的心电信号。通过sym8小波分解和启发式的阈值选择进行滤波,排除了其他电生理信号的影响,提高对心电信号的拟合效果,从而提高了叠加后的心电信号的准确程度。再通过叠加后的心电信号的R波进行检测,得到R波峰值点的定位序列,通过定位序列实现了心率变异性的特征检测,从而能够提高心率变异性的特征检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明心率变异性的检测方法的方法流程图;
图2为本发明的小波去噪流程图;
图3为本发明的小波分解结果示意图;
图4(a)(b)分别为本发明的原始信号和滤波后信号的示意图;
图5为本发明的R波端点检测识别示意图;
图6为本发明的系统结构图;
图7为本发明的装置结构图;
图8为本发明的装置硬件工作流程图。
符号说明:
1-电极片、2-采集模块、3-主控CPU、4-蜂鸣器、5-LCD显示器、6-指示灯、7-存储卡、8-开关。
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。
本发明的目的是提供一种心率变异性的检测方法及系统,能够提高心率变异性检测的准确性。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明心率变异性的检测方法及系统的方法流程图,如图1所示,本发明一种心率变异性的检测方法,包括:
步骤100:获取原始心电信号,记为第一心电信号;
步骤200:对所述第一心电信号使用sym8小波进行8层分解,提取前7层信号和第8层信号;
步骤300:基于启发式阈值对分解后的所述第8层信号进行修正,将修正后的所述第8层信号与所述前7层信号进行叠加,得到第二心电信号;
步骤400:基于双正交样条小波对所述第二心电信号进行变换,得到小波系数的极大值点和极小值点,通过所述极大值点和所述极小值点对所述第二心电信号中的R波进行检测,得到R波峰值点的定位序列;
步骤500:通过所述定位序列计算心跳周期矩阵;
步骤600:通过所述心跳周期矩阵得到心率变异性的特征。
优选地,通过启发式阈值对分解后的所述第8层信号进行修正,包括:
计算分解后的所述第8层信号的小波系数对应的修正阈值;
判断所述第8层信号的小波系数是否小于所述修正阈值,若所述小波系数小于所述修正阈值,则将所述第8层信号的小波系数修正为0;若所述小波系数大于或等于所述修正阈值,则保持所述第8层信号的小波系数不变。
具体的,选择sym8小波去噪,与其它小波基相比,sym8小波与心电信号更为相似,确定小波分解层数8层。具体分解过程如式(1)所示:
其中X1(t)是原始心电信号(发作前期和正常状态下的心电信号);A1(k)和D1(k)是尺度度量空间j-1的两个系数,来自j空间的系数A0的分解,c是常数,φj,k(t)是Xi'在j上的分解量,φj-1,k(t)和ωj-1,k(t)在j-1上的分解量。
图2为本发明心率变异性的检测方法的小波去噪流程图;式(1)、式(2)和式(3)对应图2中的小波分解2,以A0(k)分解为A1(k)和D1(k),分解过程如下式所示,其他层数分解类似:
图3为本发明心率变异性的检测方法的小波分解结果示意图,分解最终结果如图3所示。
可选地,上述过程是对发作前期和正常状态下的心电信号的分解,最终得到D0至D8和A8的分解结果,对D8进行滤波,滤波的阈值计算公式如下式(4)所示:
式中,α为噪声标准差,N为脑电信号长度,kmin为当前阈值产生的风险曲线的最小风险值点。λi为第j层小波系数的阈值。当小波系数D8小于λi时,用0修正小波系数,否则保持该小波系数不变,具体如下式(5)所示。其中,D8'(n)是滤波后的信号,n是点数。
在滤波后根据式(6)得到滤波后的信号X2(t)。D'8和D′8(n)表示相同的含义。
X2(t)=D1+D2+D3+…+D'8 (6)
图4(a)(b)为本发明心率变异性的检测方法的滤波信号示意图,原始信号示意图如图4(a)所示,变换(滤波)后的信号示意图如图4(b)所示,可以明显看到基线偏移等干扰被纠正,其中横坐标表示点数,纵坐标表示心电信号的幅值。
优选地,基于双正交样条小波对所述第二心电信号进行变换,得到小波系数的极大值点和极小值点,包括:
根据双正交二次样条小波对所述第二心电信号进行4尺度分解,得到相邻3尺度下小波系数的正极值点和负极值点。
根据所述正极值点的最大值设置第一阈值。
根据所述正极值点的最大值、所述第一阈值和下一个正极值点的值进行比较,得到所述极大值点。
根据所述负极值点的最小值设置第二阈值。
根据所述负极值点的最小值、所述第二阈值和下一个负极值点的值进行比较,得到所述极小值点。
作为一种可选的实施方式,本发明在采用双正交样条小波进行R波检测识别,其滤波器系数为设定如下式(7)和(8)所示,h0(0)、h0(1)、h0(2)、h0(3)分别是低通滤波系数在4个尺度上的分解系数;h1(0)、h1(1)、h1(2)、h1(3)。分别是高通滤波系数在4个尺度上的分解系数;
z变换滤波器方程为如式(8)所示,k表示分解尺度(0≤k≤3)。
采用Mallat算法对滤波后信号X2(t)进行二进小波变换,如式(10)和(11)所示:
x(j)(n)=∑h0(k)x(j-1)(n-2j-ik) (10)
d(j)(n)=∑h1(k)x(j-1)(n-2j-ik) (11)
其中,dj(n)为X2(t)在2j上的二进小波变换实现共同滤波,x表示X2(t)。
优选地,通过所述极大值点和所述极小值点对所述第二心电信号中的R波进行检测,得到R波峰值点的定位序列,包括:
根据所述极大值点和所述极小值点确定极值对。
根据所述极值对确定过零点。
对所述过零点进行位置校正,得到所述R波峰值点的定位序列。
优选地,通过所述定位序列计算心跳周期矩阵,包括:
根据所述定位序列中相邻两个R波峰值点的时间差确定所述心跳周期矩阵。
具体的,二进样条小波对心电信号(ECG)信号进行4尺度分解,在3尺度上进行R波检测,具体检测方法如下:
找出3尺度小波系数的正负极值点,选取前2s时间段内正极值点的最大值,设置阈值为其最大值的0.5倍,然后将下一个正极值点值与当前阈值及最大值进行比较,选取极大值点,并根据比较结果进行阈值的调整更新。
根据负极值点选取极小值也是如此,这样得到极值点是根据实时阈值得到的,比直接选取最大幅值取其几倍作为阈值更具有准确性,减少漏检、误减。
然后根据两极值点的位置间隔及极值符号寻找符合要求的极值对,计算极值对的过零点,根据所计算的过零点位置前后取值进行校正,校正后的过零点位置即为R波峰值点。
阈值设置方式如下:设定极大值阈值为Th1,极小值阈值为Th2,初始值分别为Th10和Th20,Th10为2s内正极值的最大值,Th20为2s内负极值的最小值。以极大值为例,假设当前识别的R点为Ri,前一个点为Ri-1,其幅值分别为Vi和Vi-1,Ri-1点的当前最大值为Sigi-1,检测到当前极大值大于阈值则按照下述情况更新阈值:
Vi>2Sigi-1,则Th1=0.5(0.98*Sigi-1+0.02*Vi)
1.5Sigi-1≤Vi≤2Sigi-1,则Th1=0.5(0.95*Sigi-1+0.05*Vi)
Vi<1.5Sigi-1,则Th1=0.5(0.9*Sigi-1+0.1*Vi)
负极大值点的阈值更新如下:
(1)Vi<2Sigi-1,则Th2=0.5(0.98*Sigi-1+0.02*Vi)
2Sigi-1≤Vi≤1.5Sigi-1,则Th2=0.5(0.95*Sigi-1+0.05*Vi)
Vi>1.5Sigi-1,则Th2=0.5(0.875*Sigi-1+0.125*Vi)
通过上述过程得到对R波峰值点的定位序列R(R=R1,R2…,Rn,n表示R波点个数)。图5为本发明心率变异性的检测方法的R波端点检测识别示意图,如图5所示,R波是心电中幅值最大的波,其存在一个尖端点,在图5中圆点表示R波的尖端点。
优选地,通过所述心跳周期矩阵得到心率变异性的特征,具体包括:
计算所述心率变异性的总体标准差特征,如式(12)所示:
计算所述心率变异性的差值标准差特征,如式(13)所示:
其中,SDSD为差值标准差。
计算所述心率变异性的相邻心跳周期的差值均方根特征,如式(14)所示:
其中,rMSSD为相邻心跳周期的差值均方根。
计算所述心率变异性的邻差值大于50ms所占比例特征,如式(15)所示:
其中,NN50是邻差大于50ms的个数。
可选地,心率变异性(heart rate variability,HRV)是指逐次心跳周期差异的变化情况,在上述步骤二中实现了R波的检测定位识别,两个R波之间则可视为一个心跳周期,通过式(16)得到心跳周期矩阵RR,其中Ri表示第i个R波峰值点的定位序列,Ri+1表示第i+1个R波峰值点的定位序列,n表示R波点个数。
RR=Ri-Ri-1 1≤i<n (16)
图6为本发明心率变异性的检测系统的模块连接图,如图6所示,本发明还提供一种心率变异性的检测系统,包括:
获取模块,用于获取原始心电信号,记为第一心电信号。
分解模块,用于对所述第一心电信号使用sym8小波进行8层分解,提取前7层信号和第8层信号。
阈值选择模块,用于基于启发式的阈值选择对分解后的所述第8层信号进行修正,将修正后的所述第8层信号与所述前7层信号进行叠加,得到第二心电信号。
检测模块,用于基于双正交样条小波对所述第二心电信号进行变换,得到小波系数的极大值点和极小值点,通过所述极大值点和所述极小值点对所述第二心电信号中的R波进行检测,得到R波峰值点的定位序列。
心跳周期矩阵计算模块,用于通过所述定位序列计算心跳周期矩阵。
特征检测模块,用于通过所述心跳周期矩阵得到心率变异性的特征,实现对心率变异性的检测。
优选地,所述阈值选择模块包括:
阈值计算单元,用于计算所述第8层信号的小波系数的滤波阈值。
修正单元,用于根据所述修正阈值判断所述第8层小波系数的值,若所述小波系数小于所述修正阈值,则所述小波系数的值修正为0;若所述小波系数大于所述修正阈值,则所述小波系数的数值不变。
叠加单元,用于将滤波后的所述第8层信号与所述前7层信号进行叠加,得到第二心电信号。
优选地,所述检测模块包括:
尺度分解单元,用于根据双正交二次样条小波对所述第二心电信号进行4尺度分解,得到3尺度下的小波系数的正极值点和负极值点。
第一阈值设置单元,用于根据所述正极值点的最大值设置第一阈值。
极大值点确定单元,用于根据所述正极值点的最大值、所述第一阈值和下一个正极值点值进行比较,得到所述极大值点。
第二阈值设置单元,用于根据所述负极值点的最小值设置第二阈值。
极小值点确定单元,用于根据所述负极值点的最小值、所述第二阈值和下一个负极值点进行比较,得到所述极小值点。
极值对确定单元,用于根据所述极大值点和所述极小值点确定极值对。
过零点确定单元,用于根据所述极值对确定过零点。
校正模块,用于对所述过零点进行位置校正,得到所述R波峰值点的定位序列。
优选地,所述特征检测模块包括:
第一参数计算单元,用于计算所述心率变异性的总体标准差特征:
第二参数计算单元,用于计算所述心率变异性的差值标准差特征:
其中,SDSD为差值标准差。
第三参数计算单元,用于计算所述心率变异性的相邻心跳周期的差值均方根特征:
其中,rMSSD为相邻心跳周期的差值均方根。
第四参数计算单元,用于计算所述心率变异性的邻差值大于50ms所占比例特征:
其中,NN50是邻差大于50ms的个数。
作为一种可选的实施方式,本发明还提供一种心率变异性的检测装置,所述检测装置应用于一种种心率变异性的检测方法,图7为本发明的装置结构图,如图7所示,包括:电极片1、采集模块2、主控CPU3、蜂鸣器4、LCD显示器5、指示灯6、存储卡7和开关8。
采集模块2选用AD8232芯片作为单导联采集原始心电信号,主控CPU采用主控芯片MSP430F149,先将采集到的模拟信号进行模数转换,之后进行数据的分析,7存储卡存储心电信号数据,4蜂鸣器用于3主控CPU在监测到可能出现癫痫发作时,发出警报;5,LCD显示器显示心率数值;6,指示灯1在3主控CPU预测可能出现癫痫发作时,开始闪烁,指示灯2为电池指示灯,电池电压正常指示灯2常亮,电压低于正常水平,闪烁;8开关按键按下后,整个系统开始工作。
图8为本发明的装置硬件工作流程,如图8所示,其中,通过主控芯片能够得到心率变异性的特征矩阵,本发明提供的装置可以测量得到正常状态下HRV的特征矩阵X4(X4=[SDNN1,SDSD1,pNN501,rMSSD1,…])和发作前期特征矩阵X5(X5=[SDNN2,SDSD2,pNN502,rMSSD2,…])。对于新获得未知连续的心电信号,同样能够得到特征矩阵X6(X6=[SDNN3,SDSD3,pNN503,rMSSD3,…])。对此进行如下判断:
其中,t是统计变量,n是矩阵维度,Sd为差异标准误,df表示自由度,Sd计算如下:
d是矩阵之间各对数据差,计算方式为:
d1=X5-X6
d2=X4-X6
d1表示发作前期特征值矩阵X5与特征值矩阵X6数据差矩阵;d2表示发作前期特征值矩阵X4与特征值矩阵X6数据差矩阵;
根据df=n-1查询临界值t0.01(n-1),将计算所得t值与其比较。做出推断。例如:
是发作前期特征值矩阵X5与特征值矩阵X6数据差矩阵的均值,值为-0.73,/>为0.141,计算t=-5.177,且df=9;经过查询t0.01(9)=3.25<|t|=5.177,P值小于0.01,说明矩阵X6和X5具有差异性,两者性质不同,不属于X5,即当前状态不属于发作前期。
是发作前期特征值矩阵X4与特征值矩阵X6数据差矩阵的均值,值为-0.73,/>为0.45,计算t=-1.62,且df=9;经过查询t0.01(9)=3.25>|t|=1.62,P值大于0.01,说明矩阵X6和X4不具有差异性,具有相同的性质,即当前状态为正常状态。
本发明的有益效果如下:
(1)sym8小波分解和启发式的阈值选择进行组合式滤波,排除了其他电生理信号的影响,提高对心电信号的拟合效果。
(2)心电信号具有一定的规律性,与随机非平稳的脑电信号相比较而言,处理相对容易简单。
(3)通过对R波峰值点的定位序列进行检测实现了心率变异性的特征检测,从而能够提高心率变异性的特征检测的准确性。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种心率变异性的检测方法,其特征在于,包括:
获取原始心电信号,记为第一心电信号;
对所述第一心电信号使用sym8小波进行8层分解,提取前7层信号和第8层信号;
基于启发式阈值对分解后的所述第8层信号进行修正,包括:
计算分解后的所述第8层信号的小波系数对应的修正阈值;
判断所述第8层信号的小波系数是否小于所述修正阈值,若所述小波系数小于所述修正阈值,则将所述第8层信号的小波系数修正为0;若所述小波系数大于或等于所述修正阈值,则保持所述第8层信号的小波系数不变;
将修正后的所述第8层信号与所述前7层信号进行叠加,得到第二心电信号;
基于双正交样条小波对所述第二心电信号进行变换,得到小波系数的极大值点和极小值点,通过所述极大值点和所述极小值点对所述第二心电信号中的R波进行检测,得到R波峰值点的定位序列;
通过所述定位序列计算心跳周期矩阵;
通过所述心跳周期矩阵得到心率变异性的特征;
基于双正交样条小波对所述第二心电信号进行变换,得到小波系数的极大值点和极小值点,包括:
根据双正交二次样条小波对所述第二心电信号进行4尺度分解,得到相邻3尺度下小波系数的正极值点和负极值点;
根据所述正极值点的最大值设置第一阈值;
根据所述正极值点的最大值、所述第一阈值和下一个正极值点的值进行比较,得到所述极大值点;
根据所述负极值点的最小值设置第二阈值;
根据所述负极值点的最小值、所述第二阈值和下一个负极值点的值进行比较,得到所述极小值点;
通过所述极大值点和所述极小值点对所述第二心电信号中的R波进行检测,得到R波峰值点的定位序列,包括:
根据所述极大值点和所述极小值点确定极值对;
根据所述极值对确定过零点;
对所述过零点进行位置校正,得到所述R波峰值点的定位序列。
2.根据权利要求1所述的心率变异性的检测方法,其特征在于,通过所述定位序列计算心跳周期矩阵,包括:
根据所述定位序列中相邻两个R波峰值点的时间差确定所述心跳周期矩阵。
4.一种心率变异性的检测系统,其特征在于,包括:
获取模块,用于获取原始心电信号,记为第一心电信号;
分解模块,用于对所述第一心电信号使用sym8小波进行8层分解,提取前7层信号和第8层信号;
阈值选择模块,用于基于启发式的阈值选择对分解后的所述第8层信号进行修正,将修正后的所述第8层信号与所述前7层信号进行叠加,得到第二心电信号,所述阈值选择模块包括:
阈值计算单元,用于计算所述第8层信号的小波系数的修正阈值;
修正单元,用于根据所述修正阈值判断所述第8层小波系数的值,若所述小波系数小于所述修正阈值,则所述小波系数的值修正为0;若所述小波系数大于所述修正阈值,则所述小波系数的数值不变;
叠加单元,用于将滤波后的所述第8层信号与所述前7层信号进行叠加,得到第二心电信号;
检测模块,用于基于双正交样条小波对所述第二心电信号进行变换,得到小波系数的极大值点和极小值点,通过所述极大值点和所述极小值点对所述第二心电信号中的R波进行检测,得到R波峰值点的定位序列;
心跳周期矩阵计算模块,用于通过所述定位序列计算心跳周期矩阵;
特征检测模块,用于通过所述心跳周期矩阵得到心率变异性的特征,实现对心率变异性的检测;
所述检测模块包括:
尺度分解单元,用于根据双正交二次样条小波对所述第二心电信号进行4尺度分解,得到3尺度下的小波系数的正极值点和负极值点;
第一阈值设置单元,用于根据所述正极值点的最大值设置第一阈值;
极大值点确定单元,用于根据所述正极值点的最大值、所述第一阈值和下一个正极值点值进行比较,得到所述极大值点;
第二阈值设置单元,用于根据所述负极值点的最小值设置第二阈值;
极小值点确定单元,用于根据所述负极值点的最小值、所述第二阈值和下一个负极值点进行比较,得到所述极小值点;
极值对确定单元,用于根据所述极大值点和所述极小值点确定极值对;
过零点确定单元,用于根据所述极值对确定过零点;
校正模块,用于对所述过零点进行位置校正,得到所述R波峰值点的定位序列;
通过所述极大值点和所述极小值点对所述第二心电信号中的R波进行检测,得到R波峰值点的定位序列,包括:
根据所述极大值点和所述极小值点确定极值对;
根据所述极值对确定过零点;
对所述过零点进行位置校正,得到所述R波峰值点的定位序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011422177.2A CN112656393B (zh) | 2020-12-08 | 2020-12-08 | 一种心率变异性的检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011422177.2A CN112656393B (zh) | 2020-12-08 | 2020-12-08 | 一种心率变异性的检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112656393A CN112656393A (zh) | 2021-04-16 |
CN112656393B true CN112656393B (zh) | 2023-06-27 |
Family
ID=75401264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011422177.2A Active CN112656393B (zh) | 2020-12-08 | 2020-12-08 | 一种心率变异性的检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112656393B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113171107B (zh) * | 2021-04-26 | 2024-03-19 | 中山大学 | 一种心率变异性信号的非接触式提取方法及系统 |
CN113657345B (zh) * | 2021-08-31 | 2023-09-15 | 天津理工大学 | 一种基于现实应用场景下的非接触式心率变异性特征提取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105997055A (zh) * | 2016-07-11 | 2016-10-12 | 吉林大学 | 一种心电信号st段的自动分类方法、系统及装置 |
CN106413534A (zh) * | 2015-08-08 | 2017-02-15 | 深圳先进技术研究院 | 连续血压测量装置、测量模型建立方法和系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102440768B (zh) * | 2010-10-13 | 2013-08-28 | 兰州理工大学 | 脉搏波形特征点提取方法 |
CN104127194B (zh) * | 2014-07-14 | 2016-05-04 | 华南理工大学 | 一种基于心率变异性分析方法的抑郁症的评估系统 |
CN107495959A (zh) * | 2017-07-27 | 2017-12-22 | 大连大学 | 一种基于一维卷积神经网络的心电信号分类方法 |
CN108310587B (zh) * | 2018-02-02 | 2021-03-16 | 贺鹏程 | 一种睡眠控制装置与方法 |
CN109330582A (zh) * | 2018-08-31 | 2019-02-15 | 苏州心生智能科技有限公司 | 基于心电信号分析的心率及其特征指标检测方法 |
CN109171712B (zh) * | 2018-09-28 | 2022-03-08 | 东软集团股份有限公司 | 心房颤动识别方法、装置、设备及计算机可读存储介质 |
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 |
-
2020
- 2020-12-08 CN CN202011422177.2A patent/CN112656393B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106413534A (zh) * | 2015-08-08 | 2017-02-15 | 深圳先进技术研究院 | 连续血压测量装置、测量模型建立方法和系统 |
CN105997055A (zh) * | 2016-07-11 | 2016-10-12 | 吉林大学 | 一种心电信号st段的自动分类方法、系统及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112656393A (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9042973B2 (en) | Apparatus and method for measuring physiological signal quality | |
Acharya et al. | Comprehensive analysis of cardiac health using heart rate signals | |
CN112656393B (zh) | 一种心率变异性的检测方法及系统 | |
CN103690156B (zh) | 一种心率获取方法及心电信号的处理方法 | |
US20230143594A1 (en) | Systems and methods for reduced lead electrocardiogram diagnosis using deep neural networks and rule-based systems | |
US8321005B2 (en) | System for continuous cardiac pathology detection and characterization | |
CN109411042B (zh) | 心电信息处理方法和心电工作站 | |
Javorka et al. | The effect of orthostasis on recurrence quantification analysis of heart rate and blood pressure dynamics | |
WO2001061550A2 (en) | Automated interpretation of t-wave alternans results | |
CN108294745A (zh) | 多导联心电图信号中p波、t波起止点检测方法及系统 | |
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 | |
WO2019216378A1 (ja) | 演算装置、検知装置、演算方法、及び、コンピュータプログラム | |
CN109938719B (zh) | 一种基于生理参数的驾驶员疲劳检测方法 | |
US20200352504A1 (en) | Image Drunken Driving Judgment System and Related Method | |
CN111839494A (zh) | 一种心率监测方法及系统 | |
Dora et al. | Efficient detection and correction of variable strength ECG artifact from single channel EEG | |
WO2018130897A1 (en) | Method and system for determining heart rate variability | |
Swapna et al. | ECG signal generation and heart rate variability signal extraction: Signal processing, features detection, and their correlation with cardiac diseases | |
He et al. | Reducing false arrhythmia alarms in the ICU using novel signal quality indices assessment method | |
CN104305958B (zh) | 一种极短时自主神经状态的光电容积波多参量分析方法 | |
Amhia et al. | Designing an optimum and reduced order filter for efficient ECG QRS peak detection and classification of arrhythmia data | |
Signorini | Nonlinear analysis of heart rate variability signal: physiological knowledge and diagnostic indications | |
Hegde et al. | A review on ECG signal processing and HRV analysis | |
Castiglioni et al. | How to check steady-state condition from cardiovascular time series |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 306, building 4, future venture Plaza, hi tech Zone, Jinan City, Shandong Province Applicant after: Shandong Zhongke advanced technology Co.,Ltd. Address before: Room 306, building 4, future venture Plaza, hi tech Zone, Jinan City, Shandong Province Applicant before: Shandong Zhongke Advanced Technology Research Institute Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |