CN113229826B - 一种qrs波检测方法、装置及电子设备 - Google Patents
一种qrs波检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113229826B CN113229826B CN202011339363.XA CN202011339363A CN113229826B CN 113229826 B CN113229826 B CN 113229826B CN 202011339363 A CN202011339363 A CN 202011339363A CN 113229826 B CN113229826 B CN 113229826B
- Authority
- CN
- China
- Prior art keywords
- wavelet
- signal
- signals
- detected
- decomposition
- 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
Abstract
本申请公开了一种QRS波检测方法装置及电子设备,其中方法包括:对待检测的心电信号中各待检测位置处的子波信号进行聚类处理,获得若干子波集合;在所述子波集合的个数为两个的情况下,对所述两个子波集合中的各子波信号进行信号分解,获得信号分解后的子波信号;基于分解后的子波信号确定目标检测阈值;基于所述目标检测阈值对各所述分解后的子波信号进行检测,确定出目标QRS波。本申请通过对预检测出的QRS波进行聚类,然后对聚类获得的两类信号进行信号分解,并重新确定检测阈值,从而能够对预检测出的QRS波进行进一步检测,以从预检测出的QRS波中准确的确定出目标QRS波和干扰波,提高了QRS波检测的准确率。
Description
技术领域
本申请涉及心电信号检测技术领域,特别涉及一种QRS波检测方法、装置及电子设备。
背景技术
ECG心电信号中的自动分析算法能够极大的减少医生的工作负担,提高工作的效率,并且有助于非专业人士监测自身的生理状况。而自动分析算法的基础是能够准确地检测QRS波。对于一些信号质量较好的信号,检测QRS波相对简单,而对于一些信号质量不好的QRS波,特别是具有一些高大T波的QRS波信号,一直是检测的难点。
现有的QRS波检测算法,主要是对信号进行一些简单信号预处理后,设置各种检测规则进行QRS波的判定。这些方法对一些信号质量较好的QRS波检测效果较好,但是对于一些高大T波或者形态和QRS波很接近的T波信号很难识别,由此造成QRS波检测不够准确的问题。
发明内容
本申请实施例的目的在于提供一种QRS波检测方法、装置及电子设备,用于解决现有技术中的QRS波检测不够准确的问题。
为了解决上述技术问题,本申请的实施例采用了如下技术方案:一种QRS波检测方法,包括:
对待检测的心电信号中各待检测位置处的子波信号进行聚类处理,获得若干子波集合;
在所述子波集合的个数为两个的情况下,对所述两个子波集合中的各子波信号进行信号分解,获得信号分解后的子波信号;
基于分解后的子波信号确定目标检测阈值;
基于所述目标检测阈值对各所述分解后的子波信号进行检测,确定出目标QRS波。
可选的,在对待检测的心电信号中各待检测位置处的子波信号进行聚类处理之前,所述方法还包括:
对原始心电信号依次进行滤波处理和差分处理,获得处理后的待检测的心电信号;
基于初始检测阈值对所述待检测的心电信号进行QRS波预检测处理,以确定出若干所述待检测位置。
可选的,在对所述两个子波集合中的各子波信号进行信号分解之前,所述方法还包括:
确定所述两个子波集合的子波信号相似度;
基于所述子波信号相似度确定用于进行信号分解的分解层数。
可选的,所述确定两个子波集合的子波信号相似度具体包括:
基于子波集合中的各子波信号的信号参数分别计算信号参数平均值,获得与子波集合对应的平均子波信号;
基于与各所述子波集合对应的所述平均子波信号计算信号相关度,以确定出所述两个子波集合的子波信号相似度。
可选的,所述对所述两个子波集合中的各子波信号进行信号分解,获得信号分解后的子波信号,具体包括:
基于确定的所述分解层数对所述待检测的心电信号进行小波分解处理;
获取小波分解处理后的所述待检测的心电信号中各待检测位置处的子波信号,以获得所述信号分解后的子波信号。
可选的,所述基于分解后的子波信号确定目标检测阈值,具体包括:
从所述信号分解处理后的所述待检测的心电信号中获取预定时间段内的、各所述待检测位置的子波信号,作为第一子波信号;
从所述第一子波信号中确定出符合第一条件的若干子波信号,作为第二子波信号;
从所述第一子波信号中确定出符合第二条件的若干子波信号,作为第三子波信号;
基于各所述第二子波信号和各所述第三子波信号计算获得所述目标检测阈值。
可选的,所述第一条件为:按照由大到小的排列顺序对各第一子波信号的模极大值进行排序后,排序位置于位于前n的第一子波信号;
所述第二条件为:按照由大到小的排列顺序对各第一子波信号的模极大值进行排序后,排序位置于位于后n的第一子波信号;其中,n小于第一子波信号总数的二分之一,且n大于或等于1。
可选的,在所述子波集合的个数为1个的情况下,所述方法还包括:确定各待检测位置处的子波信号为目标QRS波;
在所述子波集合的个数大于2个的情况下,所述方法还包括:确定各待检测位置处的子波信号为非QRS波。
为解决上述问题,本申请提供一种QRS波检测装置,包括:
聚类模块,用于对待检测的心电信号中各待检测位置处的子波信号进行聚类处理,获得若干子波集合;
信号分解模块,用于在所述子波集合的个数为两个的情况下,对所述两个子波集合中的各子波信号进行信号分解,获得信号分解后的子波信号;
确定模块,用于基于分解后的子波信号确定目标检测阈值;
检测模块,用于基于所述目标检测阈值对各所述分解后的子波信号进行检测,确定出目标QRS波。
为解决上述问题,本申请提供一种电子设备,至少包括存储器、处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器在执行所述存储器上的计算机程序时实现上述任一项所述QRS波检测方法的步骤。
本申请通过对预检测出的QRS波进行聚类,然后对聚类获得的两类信号进行信号分解,并重新确定检测阈值,从而能够对预检测出的QRS波进行进一步检测,以从预检测出的QRS波中准确的确定出目标QRS波和干扰波,提高了QRS波检测的准确率。
附图说明
图1为心电信号的波形示意图;
图2为心电信号的波形示意图;
图3为本申请一实施例一种QRS波检测方法的流程图;
图4为本申请又一实施例一种QRS波检测方法的流程图;
图5为本申请实施例中预检测处理的处理流程图;
图6为本申请另一实施例一种QRS波检测方法的流程图;
图7(a)为本申请实施例中对子波信号进行2层分解后的分解子波信号示意图;
图7(b)为本申请实施例中对子波信号进行4层分解后的分解子波信号示意图;
图8为本申请基于目标检测阈值进行QRS波检测的示意图;
图9为现有技术中采用固定阈值进行行QRS波检测的示意图;
图10为本申请另一实施例一种QRS波检测装置的结构框图。
具体实施方式
此处参考附图描述本申请的各种方案以及特征。
应理解的是,可以对此处申请的实施例做出各种修改。因此,上述说明书不应该视为限制,而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例,并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述,本申请的这些和其它特性将会变得显而易见。
还应当理解,尽管已经参照一些具体实例对本申请进行了描述,但本领域技术人员能够确定地实现本申请的很多其它等效形式。
当结合附图时,鉴于以下详细说明,本申请的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本申请的具体实施例;然而,应当理解,所申请的实施例仅仅是本申请的实例,其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此,本文所申请的具体的结构性和功能性细节并非意在限定,而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”,其均可指代根据本申请的相同或不同实施例中的一个或多个。
在心电信号中,波峰最高的为QRS波,在其前方的小波动为P波,位于其后的为T波。在实际的QRS波检测过程中,除了一些小的噪声对检测影响以外,T波对于QRS波检测的影响很大,T波是除了QRS波以外,整个心动周期中,幅度最大,形态最接近QRS的波群,因此有时很难进行判定,由此准确的区分T波和QRS波是QRS波检测的一个难点。如图1和图2所示,图1中画圈处为高大的T波,图2中画圈处为与QRS波幅度非常接近的T波。因此,针对于图1和图2中的这种情况,传统的QRS波检测方法不能准确将QRS波和T波区分出来,无法准确的进行QRS波的检测。因此本申请实施例提供一种QRS波检测方法,通过对获取到的ECG信号即心电信号,进行初步的QRS波检测,然后对初步预检到的QRS波进行聚类分析,即通过统计的手段尽量将两类信号分开。根据两类信号的相关性,自适应的设定小波的分解层数和目标检测阈值,然后基于小波分解层数对获得的QRS波进行分解,并基于确定的目标检测阈值对分解后的QRS波进行进一步检测,从而能够准确的确定出目标QRS波和T波,极大的提高了QRS波检测的准确率。
本申请实施例提供一种QRS波检测方法,如图3所示,具体包括如下步骤:
步骤S101,对待检测的心电信号中各待检测位置处的子波信号进行聚类处理,获得若干子波集合;
本步骤在具体实施过程中,可以先对原始心电信号进行QRS波预检测处理,以此来确定出可能为QRS波的若干个待检测的位置,然后再进行聚类处理。
步骤S102,在所述子波集合的个数为两个的情况下,对所述两个子波集合中的各子波信号进行信号分解,获得信号分解后的子波信号;
本步骤中具体可以采用小波分解的方法来对两个子波集合中的各子波信号进行分解,以此来获得信号分解后的子波信号。具体在进行小波分解时,分解层数可以根据实际需要来设定。
步骤S103,基于分解后的子波信号确定目标检测阈值;
本步骤中在获得分解后的子波信号后,就可以基于各分解后的子波信号来确定目标检测阈值,例如可以确定出预定时间段内的分解后的子波信号的模极大值最大的子波信号,以及该预定时间段内模极大值最小的子波信号,利用模极大值最大的子波信号和模极大值最小的子波信号来计算目标检测阈值。本步骤中模极大值即表示信号的幅度。
步骤S104,基于所述目标检测阈值对各所述分解后的子波信号进行检测,确定出目标QRS波。
本步骤中在获得了目标检测阈值之后,就可以基于该目标检测阈值对各个分解后的子波信号进行判断,以此来确定出符合目标检测阈值的子波信号为目标QRS波,而不符合目标检测阈值的子波信号为T波。
本申请中的实施例,在对待检测的心电信号中各待检测位置处的子波信号进行聚类处理之后,如果获得了1个子波集合,则可以直接确定该集合中各待检测位置处的子波信号为目标QRS波。如果在所述子波集合的个数大于2个的情况下,比如获得了3个子波集合,则确定各待检测位置处的子波信号为非QRS波,即该3个子波集合中的各子波信号受到了极大的噪声干扰,因此可以将各待检测位置处的子波信号标记为噪声。
本申请通过对预检测出的QRS波进行聚类,然后对聚类获得的两类信号进行信号分解,并重新确定检测阈值,从而能够对预检测出的QRS波进行进一步检测,以从预检测出的QRS波中准确的确定出目标QRS波和干扰波,提高了QRS波检测的准确率。
本申请又一实施例提供一种QRS波检测方法,如图4所示,包括如下步骤:
步骤S201,对原始心电信号依次进行滤波处理和差分处理,获得处理后的待检测的心电信号;基于初始检测阈值对所述待检测的心电信号进行QRS波预检测处理,以确定出若干所述待检测位置。
本步骤中在实施时,具体可以采用如下方法来进行QRS波预检测处理,如图5所示,包括:对输入的ECG信号进行预处理,分别经过低通滤波器和高通滤波器以进行滤波处理,能够将QRS波以外的频率信号进行尽量的衰减。因QRS波整体的斜率通常会大于其他的波,因此需要将滤波后的信号进行一阶差分处理,由此能有效的突出QRS波的信号,然后再利用预设的初始检测阈值对差分后的信号进行QRS波位置判定,由此获得若干待检测位置。
步骤S202,对待检测的心电信号中各待检测位置处的子波信号进行聚类处理,获得若干子波集合;
本步骤中,在确定了各待检测位置后,可以先获取每一个待检测位置的子波信号,即获得预检测到的QRS波信号,然后获取以各预检测到的QRS为中心的一段大约一个心拍的数据,然后获取各预检测到的QRS波信号的幅度、斜率等特征参数,根据预先设定的阈值进行筛选,以去掉一些突变点,最后再对筛选后的预检测到的QRS波信号进行聚类分析,获得若干子波集合。
步骤S203,在所述子波集合的个数为两个的情况下,对所述两个子波集合中的各子波信号进行信号分解,获得信号分解后的子波信号;
本步骤中,在分类获得两类信号时,则可以初步确定其中一类是QRS波信号,而另外一类可能为T波信号。而与QRS波越接近处理越困难,因此,在识别出两类信号出来后,可以进一步确定两类信号的相似度,以此来确定用于进行信号分解的分解层数。即确定两个子波集合的子波信号相似度,然后基于所述子波信号相似度确定用于进行信号分解的分解层数。由此能够使得信号分解的层数更加合理,在保证能够准确的区分出QRS波和T波的前提下,尽可能的减少计算量,提高检测效率。
在确定了分解层数之后,就可以基于确定的所述分解层数对所述待检测的心电信号进行小波分解处理;获取小波分解处理后的所述待检测的心电信号中各待检测位置处的子波信号,以获得所述信号分解后的子波信号。
步骤S204,基于分解后的子波信号确定目标检测阈值;
本步骤在确定目标检测阈值时,具体可以先从分解后的子波信号中,挑选出符合条件的子波信号,然后根据挑选出的子波信号以及两个子波集合的子波信号相似度来计算获得目标检测阈值,从而使得目标检测阈值的确定更加合理准确、为后续准确的检测出目标QRS波提供了保证。
步骤S205,基于所述目标检测阈值对各所述分解后的子波信号进行检测,确定出目标QRS波。
本步骤中在获得了目标检测阈值之后,就可以基于该目标检测阈值来对各分解后的子波信号进行检测,以此来准确的区分出目标QRS波和T波。
本申请通过原始心电信号进行预处理,以此来获得若干预检测到的QRS波,通过对预检测出的QRS波进行聚类,然后对聚类获得的两类信号进行信号分解,并重新确定目标检测阈值,从而能够基于目标检测阈值对预检测出的QRS波进行进一步检测,以从预检测出的QRS波中准确的确定出目标QRS波和干扰波,提高了QRS波检测的准确率。
本申请另一实施提供一种QRS波检测方法,如图6所示,包括如下步骤:
步骤S301,对原始心电信号依次进行滤波处理和差分处理,获得处理后的待检测的心电信号;基于初始检测阈值对所述待检测的心电信号进行QRS波预检测处理,以确定出若干所述待检测位置。
步骤S302,对待检测的心电信号中各待检测位置处的子波信号进行聚类处理,获得若干子波集合;
步骤S303,在所述子波集合的个数为两个的情况下,基于子波集合中的各子波信号的信号参数分别计算信号参数平均值,获得与子波集合对应的平均子波信号;基于与各所述子波集合对应的所述平均子波信号计算信号相关度,以确定出所述两个子波集合的子波信号相似度。
本步骤中,信号参数具体包括信号的幅度,即本步骤中具体是通过根据子波信号的幅度来计算与各子波集合对应的子波信号幅度平均值,然后利用与两个子波集合对应的子波信号幅度平均值计算信号相关度。在进行信号相关度的计算时,具体可以采用皮尔逊相关系数的计算方法来进行计算。
步骤S304,基于所述子波信号相似度确定用于进行信号分解的分解层数。
本申请中通过对子波信号进行小波分解,能够将信号分解在不同的频带上面,原则上T波和QRS波的频带不完全在一个频带上,但是当两者信号接近时,可能会有一定的频带叠加。因此如果分解的层次越多,就能够将信号分解的更加细致,从而也能够更加的准确的去除T波的干扰。但是分解的层次越多,计算量就越大。如图7(a)和图7(b)所示,图7(a)是对原始信号分解了2层即d2和d1,而图7(b)是分解了4层即d4-d1,可以明显看出,在分解4层的基础上可以选择SNR信噪比更高的第3层d2或者第4层d1进行处理。而本申请中为了平衡计算准确度和计算复杂度之间的关系,通过根据QRS波和T波的相似度来确定合适的分解层数,能够在保证准确的区分QRS波和T波的同时,降低计算量。本实施例中在计算分解层数时具体可以采用如下计算公式:
分解层数=ceil(2.07*exp(abs(corrcoef))+1)
其中,ceil表示向上取整;exp表示求幂函数;abs表示取绝对值,corrcoef表示相关系数即表示子波信号相似度。本实施例中,最大分解层数为7层,最小分解层数为4层,从而保证能够QRS波检测的准确性。
步骤S305,基于确定的所述分解层数对所述待检测的心电信号进行小波分解处理;获取小波分解处理后的所述待检测的心电信号中各待检测位置处的子波信号,以获得所述信号分解后的子波信号。
步骤S306,从所述信号分解处理后的所述待检测的心电信号中获取预定时间段内的、各所述待检测位置的子波信号,作为第一子波信号;从所述第一子波信号中确定出符合第一条件的若干子波信号,作为第二子波信号;从所述第一子波信号中确定出符合第二条件的若干子波信号,作为第三子波信号;基于各所述第二子波信号和各所述第三子波信号计算获得所述目标检测阈值。
本步骤在实施时,所述第一条件为:按照由大到小的排列顺序对各第一子波信号的模极大值进行排序后,排序位置于位于前n的第一子波信号;所述第二条件为:按照由大到小的排列顺序对各第一子波信号的模极大值进行排序后,排序位置于位于后n的第一子波信号;其中,n小于第一子波信号总数的二分之一,且n大于或等于1。
本申请中预定时间段和n可以根据实际需要进行设定,本申请中以预定时间段为6s,n=8为例进行说明。在基于分解层数对各子波信号进行小波分解处理获得了信号分解后的子波信号后,需要先计算出各子波信号的模极大值,即计算出各子波信号的幅度,然后取前面6s内的子波信号的模极大值,然后对这6s内的子波信号的模极大值进行由大到小排序,整体上,经过小波分解后,因为QRS波的斜率要高于T波,因此QRS波的模极大值一般是高于T波的模极大值,因此取排列顺序位于前8的子波信号的模极大值的中值作为信号,以此来获得第二子波信号。然后再取排列顺序位于后8的子波信号的模极大的中值为噪声信号,以此来获得第三子波信号,最后再利用两个子波集合的子波信号相似度、第二子波信号以及第三子波信号进行目标检测阈值的计算,以此来对检测阈值进行更新。从而能极大的避免T波的干扰。本实施例目标检测阈值的计算公式如下:
cmpth=peaks*coef-peakn*(1-coef)
其中,cmpth表示目标检测阈值;peaks表示信号峰值即表示第二子波信号;coef表示相关系数即表示子波信号相似度;peakn表示噪声峰值即表示第三子波信号。
步骤S305,基于所述目标检测阈值对各所述分解后的子波信号进行检测,确定出目标QRS波。
本步骤中在获得了目标检测阈值之后,就可以基于该目标检测阈值来对各分解后的子波信号进行检测,以此来准确的区分出目标QRS波和T波。如图8所示,为采用本申请中的方法,通过根据子波信号相似度计算获得目标检测阈值来对分解后的子波信号进行QRS波检测的示意图,图9为传统方法中采用固定检测阈值对子波信号进行QRS波检测的示意图。通过将二者对比可以看出,图9中由于采用固定检测阈值进行检测,因此将图9中c点处的干扰波检测成了QRS波,而将d点处的QRS波遗漏掉了,由此造成检测结果不够准确。而在图8中,曲线A即为目标检测阈值曲线,从图8中可以看出,能够将a点处的干扰波筛选掉,而将b点处的QRS波检测出来。因此本申请中能够准确的检测出QRS波,筛选、删除干扰波T波,使得QRS波的检测更加准确。
由于T波干扰较大,本申请按照T波与QRS的情况进行分类为基础处理,从而有效解决了T波干扰较大的问题。并且本申请根据T波与QRS的相关情况设定了自适应的小波分解层次,从而即保证了准确率又节省了计算效率。此外,本申请中根据T波与QRS的相关情况,自适应的设定了模极大值阈值,从而在有效的检测出QRS波的同时,又减少了噪声的干扰。
本申请另一实施例提供一种QRS波检测装置,如图10所示,包括:
聚类模块1,用于对待检测的心电信号中各待检测位置处的子波信号进行聚类处理,获得若干子波集合;
信号分解模块2,用于在所述子波集合的个数为两个的情况下,对所述两个子波集合中的各子波信号进行信号分解,获得信号分解后的子波信号;
确定模块3,用于基于分解后的子波信号确定目标检测阈值;
检测模块4,用于基于所述目标检测阈值对各所述分解后的子波信号进行检测,确定出目标QRS波。
本实施中的QRS波检测装置还包括预检测模块,所述预检测模块用于:对原始心电信号依次进行滤波处理和差分处理,获得处理后的待检测的心电信号;基于初始检测阈值对所述待检测的心电信号进行QRS波预检测处理,以确定出若干所述待检测位置。
本实施中的QRS波检测装置还包括分解层数确定模块,所述分解层数确定模块用于:确定所述两个子波集合的子波信号相似度;基于所述子波信号相似度确定用于进行信号分解的分解层数。
具体的,所述分解层数确定模块具体用于:所述确定两个子波集合的子波信号相似度具体包括:
基于子波集合中的各子波信号的信号参数分别计算信号参数平均值,获得与子波集合对应的平均子波信号;基于与各所述子波集合对应的所述平均子波信号计算信号相关度,以确定出所述两个子波集合的子波信号相似度。
本实施例中的信号分解模块具体用于:基于确定的所述分解层数对所述待检测的心电信号进行小波分解处理;获取小波分解处理后的所述待检测的心电信号中各待检测位置处的子波信号,以获得所述信号分解后的子波信号。
在实施过程中,本实施例中的确定模块具体用于:从所述信号分解处理后的所述待检测的心电信号中获取预定时间段内的、各所述待检测位置的子波信号,作为第一子波信号;从所述第一子波信号中确定出符合第一条件的若干子波信号,作为第二子波信号;从所述第一子波信号中确定出符合第二条件的若干子波信号,作为第三子波信号;基于各所述第二子波信号和各所述第三子波信号计算获得所述目标检测阈值。其中,所述第一条件为:按照由大到小的排列顺序对各第一子波信号的模极大值进行排序后,排序位置于位于前n的第一子波信号;所述第二条件为:按照由大到小的排列顺序对各第一子波信号的模极大值进行排序后,排序位置于位于后n的第一子波信号;其中,n小于第一子波信号总数的二分之一,且n大于或等于1。
本实施例中的QRS波检测装置,还包括判断模块,所述判断模块用于在在所述子波集合的个数为1个的情况下,确定各待检测位置处的子波信号为目标QRS波;在所述子波集合的个数大于2个的情况下,确定各待检测位置处的子波信号为非QRS波。
本申请通过对预检测出的QRS波进行聚类,然后对聚类获得的两类信号进行信号分解,并重新确定检测阈值,从而能够对预检测出的QRS波进行进一步检测,以从预检测出的QRS波中准确的确定出目标QRS波和干扰波,提高了QRS波检测的准确率。
本申请又一实施例提供一种电子设备,该电子设备至少包括存储器、处理器,所述存储器上存储有计算机程序,所述处理器在执行所述存储器上的计算机程序时实现如下步骤:
步骤一、对待检测的心电信号中各待检测位置处的子波信号进行聚类处理,获得若干子波集合;
步骤二、在所述子波集合的个数为两个的情况下,对所述两个子波集合中的各子波信号进行信号分解,获得信号分解后的子波信号;
步骤三、基于分解后的子波信号确定目标检测阈值;
步骤四、基于所述目标检测阈值对各所述分解后的子波信号进行检测,确定出目标QRS波。
上述方法步骤的具体实施过程可参见上述任意实施例中QRS波检测方法的步骤,本实施例在此不再重复赘述。
本申请通过对预检测出的QRS波进行聚类,然后对聚类获得的两类信号进行信号分解,并重新确定检测阈值,从而能够对预检测出的QRS波进行进一步检测,以从预检测出的QRS波中准确的确定出目标QRS波和干扰波,提高了QRS波检测的准确率。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (9)
1.一种QRS波检测方法,包括如下步骤:
对待检测的心电信号中各待检测位置处的子波信号进行聚类处理,获得若干子波集合;
在所述子波集合的个数为两个的情况下,对两个子波集合中的各子波信号进行信号分解,获得信号分解后的子波信号;在对所述两个子波集合中的各子波信号进行信号分解之前,所述方法还包括:
确定所述两个子波集合的子波信号相似度;
基于所述子波信号相似度确定用于进行信号分解的分解层数;
基于分解后的子波信号确定目标检测阈值;
基于所述目标检测阈值对各所述分解后的子波信号进行检测,确定出目标QRS波。
2.如权利要求1所述的方法,在对待检测的心电信号中各待检测位置处的子波信号进行聚类处理之前,所述方法还包括:
对原始心电信号依次进行滤波处理和差分处理,获得处理后的待检测的心电信号;
基于初始检测阈值对所述待检测的心电信号进行QRS波预检测处理,以确定出若干所述待检测位置。
3.如权利要求1所述的方法,所述确定两个子波集合的子波信号相似度具体包括:
基于子波集合中的各子波信号的信号参数分别计算信号参数平均值,获得与子波集合对应的平均子波信号;
基于与各所述子波集合对应的所述平均子波信号计算信号相关度,以确定出所述两个子波集合的子波信号相似度。
4.如权利要求1所述的方法,所述对所述两个子波集合中的各子波信号进行信号分解,获得信号分解后的子波信号,具体包括:
基于确定的所述分解层数对所述待检测的心电信号进行小波分解处理;
获取小波分解处理后的所述待检测的心电信号中各待检测位置处的子波信号,以获得所述信号分解后的子波信号。
5.如权利要求1所述的方法,所述基于分解后的子波信号确定目标检测阈值,具体包括:
从所述信号分解处理后的所述待检测的心电信号中获取预定时间段内的、各所述待检测位置的子波信号,作为第一子波信号;
从所述第一子波信号中确定出符合第一条件的若干子波信号,作为第二子波信号;
从所述第一子波信号中确定出符合第二条件的若干子波信号,作为第三子波信号;
基于各所述第二子波信号和各所述第三子波信号计算获得所述目标检测阈值。
6.如权利要求5所述的方法,其特征在于,所述第一条件为:按照由大到小的排列顺序对各第一子波信号的模极大值进行排序后,排序位置于位于前n的第一子波信号;
所述第二条件为:按照由大到小的排列顺序对各第一子波信号的模极大值进行排序后,排序位置于位于后n的第一子波信号;其中,n小于第一子波信号总数的二分之一,且n大于或等于1。
7.如权利要求1所述的方法,在所述子波集合的个数为1个的情况下,所述方法还包括:确定各待检测位置处的子波信号为目标QRS波;
在所述子波集合的个数大于2个的情况下,所述方法还包括:确定各待检测位置处的子波信号为非QRS波。
8.一种QRS波检测装置,包括:
聚类模块,用于对待检测的心电信号中各待检测位置处的子波信号进行聚类处理,获得若干子波集合;
信号分解模块,用于在所述子波集合的个数为两个的情况下,对两个子波集合中的各子波信号进行信号分解,获得信号分解后的子波信号;在对所述两个子波集合中的各子波信号进行信号分解之前,还包括:
确定所述两个子波集合的子波信号相似度;
基于所述子波信号相似度确定用于进行信号分解的分解层数;
确定模块,用于基于分解后的子波信号确定目标检测阈值;
检测模块,用于基于所述目标检测阈值对各所述分解后的子波信号进行检测,确定出目标QRS波。
9.一种电子设备,至少包括存储器、处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器在执行所述存储器上的计算机程序时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011339363.XA CN113229826B (zh) | 2020-11-25 | 2020-11-25 | 一种qrs波检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011339363.XA CN113229826B (zh) | 2020-11-25 | 2020-11-25 | 一种qrs波检测方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113229826A CN113229826A (zh) | 2021-08-10 |
CN113229826B true CN113229826B (zh) | 2022-07-26 |
Family
ID=77130015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011339363.XA Active CN113229826B (zh) | 2020-11-25 | 2020-11-25 | 一种qrs波检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113229826B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115956925B (zh) * | 2023-02-10 | 2023-06-06 | 合肥心之声健康科技有限公司 | 一种基于多级平滑包络的qrs波检测方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
PT3367897T (pt) * | 2015-10-27 | 2021-05-25 | Cardiologs Tech | Processo automático para traçar ou categorizar um eletrocardiograma |
CN106214123B (zh) * | 2016-07-20 | 2019-01-25 | 杨一平 | 一种基于深度学习算法的心电图综合分类方法 |
CN108509823A (zh) * | 2017-02-24 | 2018-09-07 | 深圳市理邦精密仪器股份有限公司 | Qrs波群的检测方法及装置 |
CN107622259B (zh) * | 2017-10-20 | 2019-12-24 | 山东大学 | 一种t波检测方法、心电数据分析方法及装置 |
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 |
-
2020
- 2020-11-25 CN CN202011339363.XA patent/CN113229826B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113229826A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Meyer et al. | Combining algorithms in automatic detection of QRS complexes in ECG signals | |
Shyu et al. | Using wavelet transform and fuzzy neural network for VPC detection from the Holter ECG | |
CN110013247B (zh) | 一种心电图p波和t波的检测、区分与定位方法 | |
CN103110417B (zh) | 一种心电图自动识别系统 | |
Faezipour et al. | A patient-adaptive profiling scheme for ECG beat classification | |
CN110680302B (zh) | 一种心电信号特征波的自动识别方法 | |
CN109758145B (zh) | 基于脑电信号因果关系的自动睡眠分期方法 | |
CN109948396B (zh) | 一种心拍分类方法、心拍分类装置及电子设备 | |
CN109117730A (zh) | 心电图心房颤动实时判断方法、装置、系统及存储介质 | |
Dotsinsky et al. | Ventricular beat detection in single channel electrocardiograms | |
Kumar et al. | Performance analysis of different filters for power line interface reduction in ECG signal | |
CN111481192B (zh) | 一种基于改进U-Net的心电信号R波检测方法 | |
Wróbel et al. | Improving fetal heart rate signal interpretation by application of myriad filtering | |
CN102319064A (zh) | 一种提高胎心率数据减速识别准确性的装置和方法 | |
CN104305992B (zh) | 一种交互式胎儿心电快速自动提取方法 | |
CN111358459A (zh) | 一种心律失常识别方法、装置、设备和存储介质 | |
US11638562B2 (en) | Brain activity analysis method and apparatus thereof | |
CN108888259A (zh) | 一种心电信号实时qrs波检测方法 | |
CN113057648A (zh) | 一种基于复合lstm结构的ecg信号分类方法 | |
Belkadi et al. | A robust QRS detection approach using stationary wavelet transform | |
CN113229826B (zh) | 一种qrs波检测方法、装置及电子设备 | |
CN115486849A (zh) | 心电信号质量评估方法、装置及设备 | |
CN108694355B (zh) | 一种信号处理方法及装置 | |
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 | |
CN111643070A (zh) | 一种t波起点的确定方法、装置、存储介质及电子设备 |
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 |