CN113499080B - R波检测方法、装置、设备和介质 - Google Patents

R波检测方法、装置、设备和介质 Download PDF

Info

Publication number
CN113499080B
CN113499080B CN202110638343.0A CN202110638343A CN113499080B CN 113499080 B CN113499080 B CN 113499080B CN 202110638343 A CN202110638343 A CN 202110638343A CN 113499080 B CN113499080 B CN 113499080B
Authority
CN
China
Prior art keywords
amplitude
wave
value
candidate
threshold
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
Application number
CN202110638343.0A
Other languages
English (en)
Other versions
CN113499080A (zh
Inventor
刘盛捷
陈俊
洪洁新
钟洪波
邹继杰
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.)
Shenzhen Biocare Bio Medical Equipment Co ltd
Original Assignee
Shenzhen Biocare Bio Medical Equipment 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 Shenzhen Biocare Bio Medical Equipment Co ltd filed Critical Shenzhen Biocare Bio Medical Equipment Co ltd
Priority to CN202110638343.0A priority Critical patent/CN113499080B/zh
Publication of CN113499080A publication Critical patent/CN113499080A/zh
Application granted granted Critical
Publication of CN113499080B publication Critical patent/CN113499080B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • 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
    • A61B5/7232—Signal processing specially adapted for physiological signals or for diagnostic purposes involving compression of the physiological signal, e.g. to extend the signal recording period
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Landscapes

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

Abstract

本发明公开了一种R波检测方法，该方法包括：基于绘制的R波幅值直方图来判断是否进行细检测，对直方图做卷积处理来确定负向过零点，并根据负向过零点判断是否满足过零点检测条件。基于负向过零点确定目标峰值点，并根据目标峰值点来判断是否满足幅值检测条件，该过零点检测条件和幅值检测条件的设定结合了R波幅值的分布特点，是判断不同分布特点下的R波是否需要进行高R波幅值压缩的条件之一。然后基于预设的第三阈值进行判断，对幅值过高部分的候选R波进行压缩，增强了对矮小心搏R波的检测灵敏度，最后根据压缩后的目标幅值确定当前检测R波是否为真实R波，并输出所有真实R波的目标位置。此外，还提出了R波检测装置、设备和存储介质。

Description

R波检测方法、装置、设备和介质
技术领域
本发明涉及心电图检测技术领域，尤其是涉及R波检测方法、装置、设备和介质。
背景技术
一个完整的心电图信号通常由P波、QRS波群和T波构成，其中QRS波群是心电图的主体部分，而R波又在QRS波群中占主导地位，因此心搏的标记位置一般以R波为准。在实际诊断过程中，计算机软件程序获取患者病例的全程心电图的R波位置后，以R波位置为基础向医生和用户显示心搏模板波形以及相关统计信息，以便医生分析并诊断患者的病情。
心电图R波检测技术定义为对心电图信号进行R波检测与定位。现阶段心电图R波检测技术的实现方法大部分采用的是数字滤波法。数字滤波法，通常采用不同类型的数字滤波器来加强心搏QRS波能量以及抑制噪声干扰的影响，并采取阈值比较法判断候选R波是否接受为真实R波。此类技术方案所采用的候选R波鉴别方法通常是依次对每一个候选R波进行阈值比较，若当前检测R波满足阈值条件，则判断该候选R波为有效的真实R波，并利用该候选R波的信息更新比较阈值，否则直接剔除该候选R波，且不更新比较阈值。由此可见，传统数字滤波法的缺点在于，若所分析的病例ECG(electrocardiogram，心电图)数据中存在比较特殊的部分候选R波(如图1所举例的R2、R3等非常矮小的心搏)一直无法满足阈值比较条件，则这些候选R波将永远无法被判断为有效的真实R波，比较阈值也将永远无法利用这部分的候选R波信息进行更新，从而陷入“部分候选R波漏检-比较阈值无更新-部分候选R波漏检”的恶性循环中。可见，如何解决R波幅值在大动态范围变化时阈值设置不合理的问题，就显得尤为重要。
发明内容
基于此，有必要针对上述问题，提供解决传统方法中R波幅值在大动态范围变化时阈值设置易不合理的R波检测方法、装置、设备和介质。
一种R波检测方法，所述方法包括：
获取待检测的心电图数据，根据所述心电图数据绘制包含候选R波的R波幅值直方图，其中所述R波幅值直方图的横坐标为所述R波幅值，纵坐标为所述R波幅值的频数；
对所述R波幅值直方图做卷积处理，得到所述R波幅值直方图的卷积值，确定所述卷积值中的负向过零点，所述负向过零点为所述卷积值中的过零点或卷积值由正值变为负值时的最后一位正值；
获取所述R波幅值直方图中候选峰值点的候选幅值和候选频数，所述候选峰值点与所述负向过零点一一对应，根据所述候选幅值和所述候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，得到目标峰值点；
根据所述负向过零点确定是否满足过零点检测条件，根据所述目标峰值点确定是否满足幅值检测条件；
若满足所述过零点检测条件，且满足所述幅值检测条件，将所述候选R波中的第t个作为当前检测R波，t的初始值为1，获取预设的第三阈值和所述当前检测R波的当前幅值，比较所述当前幅值是否大于所述第三阈值；
若所述当前幅值大于第三阈值，则用预设算法对所述当前幅值进行压缩，得到压缩后所述当前检测R波的目标幅值，根据所述目标幅值确定所述当前检测R波是否为真实R波，令t＝t+1，返回执行比较所述当前幅值是否大于所述第三阈值的步骤及后续步骤，当t＝N时，N为候选R波的总数量，输出所有真实R波的目标位置。
在其中一个实施例中，所述根据所述候选幅值和所述候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，包括：
删除所述候选幅值大于预设的幅值阈值的候选峰值点；
获取所述候选频数中的最大候选频数，根据所述最大候选频数确定频数阈值，删除候选频数小于所述频数阈值的候选峰值点。
在其中一个实施例中，所述根据所述负向过零点确定是否满足过零点检测条件，根据所述目标峰值点确定是否满足幅值检测条件，包括：
若所述负向过零点的过零点数量大于或等于预设数量阈值，则认定满足过零点检测条件，若所述过零点数量小于预设数量阈值，则认定不满足过零点检测条件；
若幅值最大的目标峰值点和幅值最小的目标峰值点满足预设的大小比较条件，则认定满足幅值检测条件；若幅值最大的目标峰值点和幅值最小的目标峰值点不满足预设的大小比较条件，则认定不满足幅值检测条件。
在其中一个实施例中，所述根据所述目标幅值确定所述当前检测R波是否为真实R波，包括：
获取预设的第一阈值和第二阈值，所述第一阈值小于所述第二阈值，若所述目标幅值满足大于所述第一阈值且小于所述第二阈值，则确定所述当前检测R波为真实R波。
在其中一个实施例中，所述方法还包括：
若不满足所述过零点检测条件和所述幅值检测条件中的任意一个，或若所述当前幅值小于或等于所述第三阈值，则将所述当前幅值与所述第一阈值和所述第二阈值进行比较；
若所述当前幅值大于所述第一阈值且小于所述第二阈值，则确定所述当前检测R波为真实R波，执行令t＝t+1的步骤及后续步骤。
在其中一个实施例中，在所述确定所述当前检测R波为真实R波之后，还包括：
将所述真实R波的数量的计数值加1，所述计数值的初始值为0，将所述目标幅值加入到包括预设列表数量L个幅值的R波幅值列表中，计算所述R波幅值列表内幅值的平均值，得到幅值均值；
令t＝t+1，返回执行比较所述当前幅值是否大于所述第三阈值的步骤及后续步骤，当所述计数值≥L时，获取预设的幅值衰减系数，根据所述第一阈值与所述幅值衰减系数确定当前第一阈值；
若所述当前幅值大于所述第三阈值，则根据所述第三阈值对所述当前幅值进行压缩，得到压缩后所述当前检测R波的目标幅值；
若所述目标幅值大于所述当前第一阈值且小于所述第二阈值，则将所述真实R波的数量的计数值加1，计算计数值除以L后的余数P，用所述目标幅值替换所述R波幅值列表内的第P个幅值，计算所述R波幅值列表内幅值的平均值，得到幅值均值。
在其中一个实施例中，所述根据所述第一阈值与所述幅值衰减系数确定当前第一阈值包括：
计算所述幅值衰减系数与所述幅值均值的乘积，取所述第一阈值与所述乘积中的较大值作为所述当前第一阈值。
一种R波检测装置，其特征在于，所述装置包括：
R波幅值直方图绘制模块，用于获取待检测的心电图数据，根据所述心电图数据绘制包含候选R波的R波幅值直方图，其中所述R波幅值直方图的横坐标为所述R波幅值，纵坐标为所述R波幅值的频数；
负向过零点确定模块，用于对所述R波幅值直方图做卷积处理，得到所述R波幅值直方图的卷积值，确定所述卷积值中的负向过零点，所述负向过零点为所述卷积值中的过零点或卷积值由正值变为负值时的最后一位正值；
目标峰值点确定模块，用于获取所述R波幅值直方图中候选峰值点的候选幅值和候选频数，所述候选峰值点与所述负向过零点一一对应，根据所述候选幅值和所述候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，得到目标峰值点；
检测条件判断模块，用于根据所述负向过零点确定是否满足过零点检测条件，根据所述目标峰值点确定是否满足幅值检测条件；
真实R波确定模块，用于若满足所述过零点检测条件，且满足所述幅值检测条件，将所述候选R波中的第t个作为当前检测R波，t的初始值为1，获取预设的第三阈值和所述当前检测R波的当前幅值，比较所述当前幅值是否大于所述第三阈值；若所述当前幅值大于第三阈值，则用预设算法对所述当前幅值进行压缩，得到压缩后所述当前检测R波的目标幅值，根据所述目标幅值确定所述当前检测R波是否为真实R波，令t＝t+1，返回执行比较所述当前幅值是否大于所述第三阈值的步骤及后续步骤，当t＝N时，N为候选R波的总数量，输出所有真实R波的目标位置。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
获取待检测的心电图数据，根据所述心电图数据绘制包含候选R波的R波幅值直方图，其中所述R波幅值直方图的横坐标为所述R波幅值，纵坐标为所述R波幅值的频数；
对所述R波幅值直方图做卷积处理，得到所述R波幅值直方图的卷积值，确定所述卷积值中的负向过零点，所述负向过零点为所述卷积值中的过零点或卷积值由正值变为负值时的最后一位正值；
获取所述R波幅值直方图中候选峰值点的候选幅值和候选频数，所述候选峰值点与所述负向过零点一一对应，根据所述候选幅值和所述候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，得到目标峰值点；
根据所述负向过零点确定是否满足过零点检测条件，根据所述目标峰值点确定是否满足幅值检测条件；
若满足所述过零点检测条件，且满足所述幅值检测条件，将所述候选R波中的第t个作为当前检测R波，t的初始值为1，获取预设的第三阈值和所述当前检测R波的当前幅值，比较所述当前幅值是否大于所述第三阈值；
若所述当前幅值大于第三阈值，则用预设算法对所述当前幅值进行压缩，得到压缩后所述当前检测R波的目标幅值，根据所述目标幅值确定所述当前检测R波是否为真实R波，令t＝t+1，返回执行比较所述当前幅值是否大于所述第三阈值的步骤及后续步骤，当t＝N时，N为候选R波的总数量，输出所有真实R波的目标位置。
一种R波检测设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
获取待检测的心电图数据，根据所述心电图数据绘制包含候选R波的R波幅值直方图，其中所述R波幅值直方图的横坐标为所述R波幅值，纵坐标为所述R波幅值的频数；
对所述R波幅值直方图做卷积处理，得到所述R波幅值直方图的卷积值，确定所述卷积值中的负向过零点，所述负向过零点为所述卷积值中的过零点或卷积值由正值变为负值时的最后一位正值；
获取所述R波幅值直方图中候选峰值点的候选幅值和候选频数，所述候选峰值点与所述负向过零点一一对应，根据所述候选幅值和所述候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，得到目标峰值点；
根据所述负向过零点确定是否满足过零点检测条件，根据所述目标峰值点确定是否满足幅值检测条件；
若满足所述过零点检测条件，且满足所述幅值检测条件，将所述候选R波中的第t个作为当前检测R波，t的初始值为1，获取预设的第三阈值和所述当前检测R波的当前幅值，比较所述当前幅值是否大于所述第三阈值；
若所述当前幅值大于第三阈值，则用预设算法对所述当前幅值进行压缩，得到压缩后所述当前检测R波的目标幅值，根据所述目标幅值确定所述当前检测R波是否为真实R波，令t＝t+1，返回执行比较所述当前幅值是否大于所述第三阈值的步骤及后续步骤，当t＝N时，N为候选R波的总数量，输出所有真实R波的目标位置。
上述R波检测方法、装置、设备和介质，基于绘制的R波幅值直方图来判断是否进行细检测，其中进行细检测的条件包括过零点检测条件和幅值检测条件，对直方图做卷积处理来确定负向过零点，并根据负向过零点判断是否满足过零点检测条件。基于负向过零点确定目标峰值点，并根据目标峰值点来判断是否满足幅值检测条件，该过零点检测条件和幅值检测条件的设定结合了R波幅值的分布特点，是判断不同分布特点下的R波是否需要进行高R波幅值压缩的条件之一。然后基于预设的第三阈值进行判断，若当前幅值大于第三阈值时，新增高幅值压缩操作，对幅值过高部分的候选R波进行压缩，增强了对矮小心搏R波的检测灵敏度，最后根据压缩后的目标幅值确定当前检测R波是否为真实R波，并输出所有真实R波的目标位置。可见，本方案结合了R波幅值的分布特点来决定是否进行高幅值压缩操作，增强了对矮小心搏R波的检测灵敏度，可解决传统方法中R波幅值在大动态范围变化时阈值设置易不合理的问题。
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，下面将对实施例或现有技术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的前提下，还可以根据这些附图获得其他的附图。
其中：
图1为某病例上的单导联ECG数据和对应的候选R波的示意图；
图2为一个实施例中R波检测的流程示意图；
图3为一个实施例中候选R波幅值直方图的示意图；
图4为一个实施例中卷积值曲线以及对应的负向过零点位置的示意图；
图5为一个实施例中R波检测装置的结构示意图；
图6为一个实施例中R波检测设备的结构框图。
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作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。
如图2所示，图2为一个实施例中R波检测方法的流程示意图，本R波检测方法提供的步骤包括：
步骤102，获取待检测的心电图数据，根据心电图数据绘制包含候选R波的R波幅值直方图。
首先获取心电采集设备采集到的单导联ECG数据X∈RL，其中L表示信号长度。采用传统R波粗检测方法检测单导联ECG数据上的疑似心搏，并获取这些疑似心搏上候选R波的位置RPos∈RN，其中N表示候选R波的个数。该R波粗检测方法可参考已有文献中介绍的无阈值参数设置R波检测方法，该方法可检测出所有疑似心搏的候选R波，由于不是本方案中的重点，就不再赘述。
绘制R波幅值直方图的过程为：考虑到可能存在的基线漂移干扰，首先对原始的单导联ECG数据X进行截止频率为1Hz的高通滤波，得到高通滤波信号Xhp∈RL。然后根据候选R波位置RPos和高通滤波信号Xhp，获取候选R波的R波幅值，该R波幅值具体为幅值绝对值Amp＝abs(Xhp(RPos))∈RN以mV为单位，其中abs(·)表示取绝对值操作。参见图3，根据这些R波幅值建立如图3所示的R波幅值直方图Hist∈RM，M为统计组数。该R波幅值直方图的横坐标为R波幅值，设置组距为0.1，而纵坐标为R波幅值的频数，又称“次数”。
步骤104，对R波幅值直方图做卷积处理，得到R波幅值直方图的卷积值，确定卷积值中的负向过零点。
卷积处理通过差分高斯窗函数d(i)进行计算，该差分高斯窗函数d(i)满足：
其中，k(i)为高斯窗函数，本实施例中设定均值μ＝9，标准差σ＝1。将候选R波幅值直方图Hist与差分高斯窗函数d进行卷积， 得到卷积值Cov()，其中L为差分高斯窗函数的长度。然后对卷积值Cov(i)进行统计并绘制可得到图4，图4中横坐标为索引值i，即第i个候选心搏，纵坐标为卷积值Cov(i)。基于卷积值Cov(i)可确定负向过零点，负向过零点为卷积值中的过零点或卷积值由正值变为负值时的最后一位正值，在图4中也为曲线上的标记点。示例型的，当Cov(i)＝[1，2，3，2，1，0，-1，-2]时，负向过零点定位在数值0所在位置。当Cov(i)＝[1，2，3，2，1，-1，-2]时，负向过零点定位在过零点左侧位置，即第2个数值1的位置处。
步骤106，获取R波幅值直方图中候选峰值点的候选幅值和候选频数，根据候选幅值和候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，得到目标峰值点。
其中，图3中的候选峰值点与步骤104中确定的负向过零点一一对应，为R波幅值直方图中与负向过零点对应的组的顶点。
具体的，得到目标峰值点的步骤包括：先分别获取每个候选峰值点的候选幅值CanRA∈RL和候选频数CanFreq∈RL，其中L表示候选峰值点个数。然后删除候选幅值CanRA大于预设的幅值阈值的候选峰值点，该幅值阈值在本实施例中设定为8.5，这样就能删除R波幅值过大的候选峰值点。再获取候选频数CanFreq中的最大候选频数DomiAmpFreq，根据最大候选频数DomiAmpFreq确定频数阈值FreqThre，满足FreqThre＝DomiAmpFreq/100。删除候选频数CanFreq中小于频数阈值FreqThre的候选峰值点，这样就能删除频数过小的候选峰值点。经过上述候选幅值条件和候选频数条件的删除，剩下的候选峰值点即为目标峰值点。
步骤108，根据负向过零点确定是否满足过零点检测条件，根据目标峰值点确定是否满足幅值检测条件。若满足过零点检测条件，且满足幅值检测条件，执行步骤110。
具体的，若负向过零点的过零点数量大于或等于预设数量阈值，则认定满足过零点检测条件。若过零点数量小于预设数量阈值，则认定不满足过零点检测条件。本实施例中将预设数量阈值设定为2。
在目标峰值点中挑选幅值最小的目标峰值点，其R波幅值为LP；再挑选幅值最大的目标峰值点，其R波幅值为RP。也即图3中最左侧和最右侧的目标峰值点。若LP和RP的关系满足：RP>4&&RP>4*LP，则认定满足幅值检测条件。反之则认定不满足幅值检测条件。
上述过零点检测条件和幅值检测条件的设定结合了R波幅值的分布特点，能作为判断不同分布特点下的R波是否需要进行高R波幅值压缩的条件之一。
步骤110，将候选R波中的第t个作为当前检测R波，获取预设的第三阈值和当前检测R波的当前幅值。
其中，t的初始值为1。该第三阈值MagThre3用于判断是否需要对当前检测R波进行压缩操作，设定本实施例中的第三阈值MagThre3＝2.5。
步骤112，比较当前幅值是否大于第三阈值。若当前幅值大于第三阈值，则执行步骤114。
步骤114，用预设算法对当前幅值进行压缩，得到压缩后当前检测R波的目标幅值，根据目标幅值确定当前检测R波是否为真实R波。当t≠N时，令t＝t+1，返回执行步骤112及后续步骤。当t＝N时，输出所有真实R波的目标位置。N为候选R波的总数量。
若当前幅值RAmpCur>MagThre3，则通过下式对当前幅值RAmpCur进行压缩：
其中，RAmpCur′为压缩后的目标幅值。对幅值过大的当前检测R波进行压缩后，使得候选R波的幅值整体趋于平缓，这样就可以设置一个统一的阈值范围来判断真实R波，相较于背景技术中的传统方法而言，增强了对矮小心搏R波的检测灵敏度，可解决R波幅值在大动态范围变化时阈值设置易不合理的问题。
在压缩后，获取预设的第一阈值MagThre1和第二阈值MagThre2，本实施例中设定第一阈值MagThre1＝0.15，设定第二阈值MagThre2＝8.5。若满足MagThre1<RAmpCur′<MagThre2，则确定当前检测R波为真实R波。
除上述情况外，本方案中还可能出现其他的判断情况。例如，出现不满足过零点检测条件和幅值检测条件中的任意一个，或虽同时满足过零点检测条件和幅值检测条件但当前幅值小于或等于第三阈值。此时便无需进行压缩操作，直接将当前幅值RAmpCur与第一阈值MagThre1和第二阈值MagThre2进行比较，若满足，当前幅值大于第一阈值且小于第二阈值，则确定当前检测R波为真实R波，执行令t＝t+1的步骤及后续步骤。
在完成对当前检测R波是否为真实R波的判断后，将当前检测R波的下一个候选R波作为当前检测R波进行检测，直至完成对所有候选R波的检测，最后输出所有真实R波的目标位置。
上述R波检测方法，基于绘制的R波幅值直方图来判断是否进行细检测，其中进行细检测的条件包括过零点检测条件和幅值检测条件，对直方图做卷积处理来确定负向过零点，并根据负向过零点判断是否满足过零点检测条件。基于负向过零点确定目标峰值点，并根据目标峰值点来判断是否满足幅值检测条件，该过零点检测条件和幅值检测条件的设定结合了R波幅值的分布特点，是判断不同分布特点下的R波是否需要进行高R波幅值压缩的条件之一。然后基于预设的第三阈值进行判断，若当前幅值大于第三阈值时，新增高幅值压缩操作，对幅值过高部分的候选R波进行压缩，增强了对矮小心搏R波的检测灵敏度，最后根据压缩后的目标幅值确定当前检测R波是否为真实R波，并输出所有真实R波的目标位置。可见，本方案结合了R波幅值的分布特点来决定是否进行高幅值压缩操作，增强了对矮小心搏R波的检测灵敏度，可解决传统方法中R波幅值在大动态范围变化时阈值设置易不合理的问题。
进一步的，考虑到R波幅值是在动态变化的，因此阈值也必须要跟着动态变化才行，尤其是对于第一阈值MagThre1而言。例如病人在刚开始分析时候，R波幅值比较大，这时候阈值下限设置是合理的。但是随着诊断进行，若电极片在患者身上发生了挪动、偏移，R波幅值就可能变小了，这时候要是不及时更新第一阈值MagThre1，那么部分R波就会被漏检了。
因此本发明提供的解决方案为，首先初始化包括最近L个心搏的R波幅值列表RAmpList，示例性的，该L设定为8个，则RAmpList＝[0，0，0，0，0，0，0，0]。相应的，此时R波的幅值均值RAmpMean＝0，真实R波的计数值Count＝0。
若Count<8，且MagThre1<RAmpCur<MagThre2，说明当前检测R波是真实R波，将目标幅值加入到R波幅值列表中，由下式(1)、(2)分别更新R波幅值列表RAmpList和R波幅值均值RAmpMean，然后更新真实R波的计数值Count＝Count+1。否则删除当前检测R波的信息。
RAmpList(Count)＝RAmpCur (1)
令t＝t+1，返回执行比较当前幅值是否大于第三阈值的步骤及后续步骤，当Count≥8时，由下式(3)更新R波的幅值下限，其中max(a，b)为取a和b中的最大值，AttCoef为幅值衰减系数，本实施例中的AttCoef＝0.17，MagThre1′为更新后的当前第一阈值。判断当前检测R波的R波幅值RAmpCur与R波幅值上下限的关系，若满足MagThre1′<RAmpCur<MagThre2，说明当前检测R波是真实R波，由下式(4)和下式(5)分别更新R波幅值列表RAmpList和幅值均值RAmpMean，其中，“％”符号表示取余操作，用最新的count取余数，得到余数P，用目标幅值替换R波幅值列表内的第P个幅值，然后更新真实R波的计数值Count＝Count+1。否则删除当前检测R波的信息。然后令t＝t+1，使用之前已更新的数据进行R波检测。
MagThre1′＝max(MagThre1，AttCoef*RAmpMean) (3)
RAmpList(Count％8)＝RAmpCur (4)
为更好的阐述本方案，下面就结合一实际例子进行说明：
患者佩戴便携式心电采集盒，采集盒采集到患者心电信号后解析为12导联ECG实时数据。12导联ECG实时数据经过无线通信传输至远程服务器端保存数据。待24小时ECG数据采集和传输完毕后，搭载在远程服务器端上的心电分析软件开始对ECG数据进行心电图R波检测。
首先获取心电分析软件上的分析导联设置，然后从12导联ECG数据中解析出待分析的单导联ECG数据X。随后软件调用R波粗检测模块获取单导联ECG数据X上的候选R波位置RPos。图1展示了某病例上的单导联ECG数据和对应的候选R波。之后对X进行高通滤波获取高通滤波数据Xhp。
再获取候选R波幅值Amp＝[4.58，0.42，0.34，4.41，…]，并统计候选R波幅值直方图，如图3所示。然后将候选R波幅值直方图与差分高斯窗函数进行卷积，得到卷积值。根据卷积值，算法自动检测负向过零点位置。图4展示了卷积值曲线以及对应的负向过零点位置，其中算法将负向过零点定位于接近过零点的相邻左侧点。这些负向过零点即为候选峰值点，对应的候选幅值为CanRA＝[0.4，4.7，5.8，6.7，7.0，7.7，8.2，8.6]和候选频数CanFreq＝[14250，1951，6，3，1，2，2，2]。从图4中可见，候选峰值点中包含有许多R波幅度过大(即横坐标大于8.5)以及频数较小(即纵坐标接近0)的点。通过进行两次删除步骤后，得到两个有效的候选峰值点，候选幅值为[0.4，4.7]和候选频数为[14250，1951]，分别对应最左侧和最右侧的候选峰值点，获取对应的R波幅值LP＝0.4和RP＝4.7。因为LP和RP满足条件RP>4&&RP>4*LP，所以算法认定满足检测条件，设置SenDetMode＝True。
接下来算法进入R波细检测阶段，根据R波幅值分别鉴别每一个候选R波是否为真实R波。此处仅举例说明算法针对某个候选R波的检测过程。当算法当前检测的候选R波遍历索引i＝5000时，此时已检测的有效心搏个数Count＝4342，最近8个心搏的R波幅值列表RAmpList＝[0.588，0.576，2.737，0.7100，0.701，0.601，0.595，0.652]，R波的幅值均值RAmpMean＝0.894。由于当前检测R波的当前幅值RAmpCur＝4.003>MagThre3，算法开启高幅值压缩操作。经过幅值压缩后，当前检测R波的目标幅值RAmpCur′＝2.731。更新第一阈值MagThre1′＝max(0.15，0.17*0.894)＝0.152。由于MagThre1′<RAmpCur<MagThre2条件满足，取余数后得到余数P＝7，更新R波幅值列表RAmpList＝[0.588，0.576，2.737，0.7100，0.701，0.601，2.731，0.652]和R波幅值均值RAmpMean＝1.161，然后更新真实R波个数Count＝4343，判断当前检测R波为真实R波。随后继续下一个候选R波的检测过程。
待所有候选R波检测完毕后，输出真实R波的目标位置，结束R波检测流程。
在一个实施例中，如图5所示，提出了一种R波检测装置，该装置包括：
R波幅值直方图绘制模块502，用于获取待检测的心电图数据，根据心电图数据绘制包含候选R波的R波幅值直方图，其中R波幅值直方图的横坐标为R波幅值，纵坐标为R波幅值的频数；
负向过零点确定模块504，用于对R波幅值直方图做卷积处理，得到R波幅值直方图的卷积值，确定卷积值中的负向过零点，负向过零点为卷积值中的过零点或卷积值由正值变为负值时的最后一位正值；
目标峰值点确定模块506，用于获取R波幅值直方图中候选峰值点的候选幅值和候选频数，候选峰值点与负向过零点一一对应，根据候选幅值和候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，得到目标峰值点；
检测条件判断模块508，用于根据负向过零点确定是否满足过零点检测条件，根据目标峰值点确定是否满足幅值检测条件；
真实R波确定模块510，用于若满足过零点检测条件，且满足幅值检测条件，将候选R波中的第t个作为当前检测R波，t的初始值为1，获取预设的第三阈值和当前检测R波的当前幅值，比较当前幅值是否大于第三阈值；若当前幅值大于第三阈值，则根据第三阈值及当前幅值确定当前检测R波是否为真实R波，令t＝t+1，返回执行比较当前幅值是否大于第三阈值的步骤及后续步骤，当t＝N时，N为候选R波的总数量，输出所有真实R波的目标位置。
上述R波检测装置，基于绘制的R波幅值直方图来判断是否进行细检测，其中进行细检测的条件包括过零点检测条件和幅值检测条件，对直方图做卷积处理来确定负向过零点，并根据负向过零点判断是否满足过零点检测条件。基于负向过零点确定目标峰值点，并根据目标峰值点来判断是否满足幅值检测条件，该过零点检测条件和幅值检测条件的设定结合了R波幅值的分布特点，是判断不同分布特点下的R波是否需要进行高R波幅值压缩的条件之一。然后基于预设的第三阈值进行判断，若当前幅值大于第三阈值时，新增高幅值压缩操作，对幅值过高部分的候选R波进行压缩，增强了对矮小心搏R波的检测灵敏度，最后根据压缩后的目标幅值确定当前检测R波是否为真实R波，并输出所有真实R波的目标位置。可见，本方案结合了R波幅值的分布特点来决定是否进行高幅值压缩操作，增强了对矮小心搏R波的检测灵敏度，可解决传统方法中R波幅值在大动态范围变化时阈值设置易不合理的问题。
在一个实施例中，目标峰值点确定模块506，具体用于：删除候选幅值大于预设的幅值阈值的候选峰值点；获取候选频数中的最大候选频数，根据最大候选频数确定频数阈值，删除候选频数小于频数阈值的候选峰值点。
在一个实施例中，检测条件判断模块508，具体用于：若负向过零点的过零点数量大于或等于预设数量阈值，则认定满足过零点检测条件，若过零点数量小于预设数量阈值，则认定不满足过零点检测条件；若幅值最大的目标峰值点和幅值最小的目标峰值点满足预设的大小比较条件，则认定满足幅值检测条件；若幅值最大的目标峰值点和幅值最小的目标峰值点不满足预设的大小比较条件，则认定不满足幅值检测条件。
在一个实施例中，真实R波确定模块510，具体用于：获取预设的第一阈值和第二阈值，第一阈值小于第二阈值，若目标幅值满足大于第一阈值且小于第二阈值，则确定当前检测R波为真实R波。
在一个实施例中，目标峰值点确定模块506，还用于：若不满足过零点检测条件和幅值检测条件中的任意一个，或若当前幅值小于或等于第三阈值，则将当前幅值与第一阈值和第二阈值进行比较；若当前幅值大于第一阈值且小于第二阈值，则确定当前检测R波为真实R波，执行令t＝t+1的步骤及后续步骤。
在一个实施例中，目标峰值点确定模块506，还用于：将真实R波的数量的计数值加1，计数值的初始值为0，将目标幅值加入到包括预设列表数量L个幅值的R波幅值列表中，计算R波幅值列表内幅值的平均值，得到幅值均值；令t＝t+1，返回执行比较当前幅值是否大于第三阈值的步骤及后续步骤，当计数值≥L时，获取预设的幅值衰减系数，根据第一阈值与幅值衰减系数确定当前第一阈值；若当前幅值大于第三阈值，则根据第三阈值对当前幅值进行压缩，得到压缩后当前检测R波的目标幅值；若目标幅值大于当前第一阈值且小于第二阈值，则将真实R波的数量的计数值加1，计算计数值除以L后的余数P，用目标幅值替换R波幅值列表内的第P个幅值，计算R波幅值列表内幅值的平均值，得到幅值均值。
在一个实施例中，目标峰值点确定模块506，用于：计算幅值衰减系数与幅值均值的乘积，取第一阈值与乘积中的较大值作为当前第一阈值。
图6示出了一个实施例中R波检测设备的内部结构图。如图6所示，该R波检测设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该R波检测设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现R波检测方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行R波检测方法。本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的R波检测设备的限定，具体的R波检测设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
一种R波检测设备，包括存储器、处理器以及存储在该存储器中并可在该处理器上执行的计算机程序，该处理器执行该计算机程序时实现如下步骤：获取待检测的心电图数据，根据心电图数据绘制包含候选R波的R波幅值直方图，其中R波幅值直方图的横坐标为R波幅值，纵坐标为R波幅值的频数；对R波幅值直方图做卷积处理，得到R波幅值直方图的卷积值，确定卷积值中的负向过零点，负向过零点为卷积值中的过零点或卷积值由正值变为负值时的最后一位正值；获取R波幅值直方图中候选峰值点的候选幅值和候选频数，候选峰值点与负向过零点一一对应，根据候选幅值和候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，得到目标峰值点；根据负向过零点确定是否满足过零点检测条件，根据目标峰值点确定是否满足幅值检测条件；若满足过零点检测条件，且满足幅值检测条件，将候选R波中的第t个作为当前检测R波，t的初始值为1，获取预设的第三阈值和当前检测R波的当前幅值，比较当前幅值是否大于第三阈值；若当前幅值大于第三阈值，则用预设算法对当前幅值进行压缩，得到压缩后当前检测R波的目标幅值，根据目标幅值确定当前检测R波是否为真实R波，令t＝t+1，返回执行比较当前幅值是否大于第三阈值的步骤及后续步骤，当t＝N时，N为候选R波的总数量，输出所有真实R波的目标位置。
在一个实施例中，根据候选幅值和候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，包括：删除候选幅值大于预设的幅值阈值的候选峰值点；获取候选频数中的最大候选频数，根据最大候选频数确定频数阈值，删除候选频数小于频数阈值的候选峰值点。
在一个实施例中，根据负向过零点确定是否满足过零点检测条件，根据目标峰值点确定是否满足幅值检测条件，包括：若负向过零点的过零点数量大于或等于预设数量阈值，则认定满足过零点检测条件，若过零点数量小于预设数量阈值，则认定不满足过零点检测条件；若幅值最大的目标峰值点和幅值最小的目标峰值点满足预设的大小比较条件，则认定满足幅值检测条件；若幅值最大的目标峰值点和幅值最小的目标峰值点不满足预设的大小比较条件，则认定不满足幅值检测条件。
在一个实施例中，根据目标幅值确定当前检测R波是否为真实R波，包括：获取预设的第一阈值和第二阈值，第一阈值小于第二阈值，若目标幅值满足大于第一阈值且小于第二阈值，则确定当前检测R波为真实R波。
在一个实施例中，方法还包括：若不满足过零点检测条件和幅值检测条件中的任意一个，或若当前幅值小于或等于第三阈值，则将当前幅值与第一阈值和第二阈值进行比较；若当前幅值大于第一阈值且小于第二阈值，则确定当前检测R波为真实R波，执行令t＝t+1的步骤及后续步骤。
在一个实施例中，在确定当前检测R波为真实R波之后，还包括：将真实R波的数量的计数值加1，计数值的初始值为0，将目标幅值加入到包括预设列表
数量L个幅值的R波幅值列表中，计算R波幅值列表内幅值的平均值，得到幅
值均值；令t＝t+1，返回执行比较当前幅值是否大于第三阈值的步骤及后续步骤，当计数值≥L时，获取预设的幅值衰减系数，根据第一阈值与幅值衰减系数确定当前第一阈值；若当前幅值大于第三阈值，则根据第三阈值对当前幅值进行压缩，得到压缩后当前检测R波的目标幅值；若目标幅值大于当前第一阈值且小于第二阈值，则将真实R波的数量的计数值加1，计算计数值除以L后的余数P，用目标幅值替换R波幅值列表内的第P个幅值，计算R波幅值列表内幅值的平均值，得到幅值均值。
在一个实施例中，根据第一阈值与幅值衰减系数确定当前第一阈值包括：计算幅值衰减系数与幅值均值的乘积，取第一阈值与乘积中的较大值作为当前第一阈值。
一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现如下步骤：获取待检测的心电图数据，根据心电图数据绘制包含候选R波的R波幅值直方图，其中R波幅值直方图的横坐标为R波幅值，纵坐标为R波幅值的频数；对R波幅值直方图做卷积处理，得到R波幅值直方图的卷积值，确定卷积值中的负向过零点，负向过零点为卷积值中的过零点或卷积值由正值变为负值时的最后一位正值；获取R波幅值直方图中候选峰值点的候选幅值和候选频数，候选峰值点与负向过零点一一对应，根据候选幅值和候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，得到目标峰值点；根据负向过零点确定是否满足过零点检测条件，根据目标峰值点确定是否满足幅值检测条件；若满足过零点检测条件，且满足幅值检测条件，将候选R波中的第t个作为当前检测R波，t的初始值为1，获取预设的第三阈值和当前检测R波的当前幅值，比较当前幅值是否大于第三阈值；若当前幅值大于第三阈值，则用预设算法对当前幅值进行压缩，得到压缩后当前检测R波的目标幅值，根据目标幅值确定当前检测R波是否为真实R波，令t＝t+1，返回执行比较当前幅值是否大于第三阈值的步骤及后续步骤，当t＝N时，N为候选R波的总数量，输出所有真实R波的目标位置。
在一个实施例中，根据候选幅值和候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，包括：删除候选幅值大于预设的幅值阈值的候选峰值点；获取候选频数中的最大候选频数，根据最大候选频数确定频数阈值，删除候选频数小于频数阈值的候选峰值点。
在一个实施例中，根据负向过零点确定是否满足过零点检测条件，根据目标峰值点确定是否满足幅值检测条件，包括：若负向过零点的过零点数量大于或等于预设数量阈值，则认定满足过零点检测条件，若过零点数量小于预设数量阈值，则认定不满足过零点检测条件；若幅值最大的目标峰值点和幅值最小的目标峰值点满足预设的大小比较条件，则认定满足幅值检测条件；若幅值最大的目标峰值点和幅值最小的目标峰值点不满足预设的大小比较条件，则认定不满足幅值检测条件。
在一个实施例中，根据目标幅值确定当前检测R波是否为真实R波，包括：获取预设的第一阈值和第二阈值，第一阈值小于第二阈值，若目标幅值满足大于第一阈值且小于第二阈值，则确定当前检测R波为真实R波。
在一个实施例中，方法还包括：若不满足过零点检测条件和幅值检测条件中的任意一个，或若当前幅值小于或等于第三阈值，则将当前幅值与第一阈值和第二阈值进行比较；若当前幅值大于第一阈值且小于第二阈值，则确定当前检测R波为真实R波，执行令t＝t+1的步骤及后续步骤。
在一个实施例中，在确定当前检测R波为真实R波之后，还包括：将真实R波的数量的计数值加1，计数值的初始值为0，将目标幅值加入到包括预设列表
数量L个幅值的R波幅值列表中，计算R波幅值列表内幅值的平均值，得到幅
值均值；令t＝t+1，返回执行比较当前幅值是否大于第三阈值的步骤及后续步骤，当计数值≥L时，获取预设的幅值衰减系数，根据第一阈值与幅值衰减系数确定当前第一阈值；若当前幅值大于第三阈值，则根据第三阈值对当前幅值进行压缩，得到压缩后当前检测R波的目标幅值；若目标幅值大于当前第一阈值且小于第二阈值，则将真实R波的数量的计数值加1，计算计数值除以L后的余数P，用目标幅值替换R波幅值列表内的第P个幅值，计算R波幅值列表内幅值的平均值，得到幅值均值。
需要说明的是，上述R波检测方法、装置、设备及计算机可读存储介质属于一个总的发明构思，R波检测方法、装置、设备及计算机可读存储介质实施例中的内容可相互适用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种R波检测方法，其特征在于，所述方法包括：
获取待检测的心电图数据，根据所述心电图数据绘制包含候选R波的R波幅值直方图，其中所述R波幅值直方图的横坐标为所述R波幅值，纵坐标为所述R波幅值的频数；
对所述R波幅值直方图做卷积处理，得到所述R波幅值直方图的卷积值，确定所述卷积值中的负向过零点，所述负向过零点为所述卷积值中的过零点或卷积值由正值变为负值时的最后一位正值；
获取所述R波幅值直方图中候选峰值点的候选幅值和候选频数，所述候选峰值点与所述负向过零点一一对应，根据所述候选幅值和所述候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，得到目标峰值点；
根据所述负向过零点确定是否满足过零点检测条件，根据所述目标峰值点确定是否满足幅值检测条件；
若满足所述过零点检测条件，且满足所述幅值检测条件，将所述候选R波中的第t个作为当前检测R波，t的初始值为1，获取预设的第三阈值和所述当前检测R波的当前幅值，比较所述当前幅值是否大于所述第三阈值；
若所述当前幅值大于第三阈值，则用预设算法对所述当前幅值进行压缩，得到压缩后所述当前检测R波的目标幅值，根据所述目标幅值确定所述当前检测R波是否为真实R波，令t=t+1，返回执行比较所述当前幅值是否大于所述第三阈值的步骤及后续步骤，当t=N时，N为候选R波的总数量，输出所有真实R波的目标位置；
其中，所述根据所述负向过零点确定是否满足过零点检测条件，根据所述目标峰值点确定是否满足幅值检测条件，包括：若所述负向过零点的过零点数量大于或等于预设数量阈值，则认定满足过零点检测条件，若所述过零点数量小于预设数量阈值，则认定不满足过零点检测条件；若幅值最大的目标峰值点和幅值最小的目标峰值点满足预设的大小比较条件，则认定满足幅值检测条件；若幅值最大的目标峰值点和幅值最小的目标峰值点不满足预设的大小比较条件，则认定不满足幅值检测条件；
所述根据所述目标幅值确定所述当前检测R波是否为真实R波，包括：获取预设的第一阈值和第二阈值，所述第一阈值小于所述第二阈值，若所述目标幅值满足大于所述第一阈值且小于所述第二阈值，则确定所述当前检测R波为真实R波。
2.根据权利要求1所述的方法，其特征在于，所述根据所述候选幅值和所述候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，包括：
删除所述候选幅值大于预设的幅值阈值的候选峰值点；
获取所述候选频数中的最大候选频数，根据所述最大候选频数确定频数阈值，删除候选频数小于所述频数阈值的候选峰值点。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若不满足所述过零点检测条件和所述幅值检测条件中的任意一个，或若所述当前幅值小于或等于所述第三阈值，则将所述当前幅值与所述第一阈值和所述第二阈值进行比较；
若所述当前幅值大于所述第一阈值且小于所述第二阈值，则确定所述当前检测R波为真实R波，执行令t=t+1的步骤及后续步骤。
4.根据权利要求1所述的方法，其特征在于，在所述确定所述当前检测R波为真实R波之后，还包括：
将所述真实R波的数量的计数值加1，所述计数值的初始值为0，将所述目标幅值加入到包括预设列表数量L个幅值的R波幅值列表中，计算所述R波幅值列表内幅值的平均值，得到幅值均值；
令t=t+1，返回执行比较所述当前幅值是否大于所述第三阈值的步骤及后续步骤，当所述计数值≥L时，获取预设的幅值衰减系数，根据所述第一阈值与所述幅值衰减系数确定当前第一阈值；
若所述当前幅值大于所述第三阈值，则根据所述第三阈值对所述当前幅值进行压缩，得到压缩后所述当前检测R波的目标幅值；
若所述目标幅值大于所述当前第一阈值且小于所述第二阈值，则将所述真实R波的数量的计数值加1，计算计数值除以L后的余数P，用所述目标幅值替换所述R波幅值列表内的第P个幅值，计算所述R波幅值列表内幅值的平均值，得到幅值均值。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一阈值与所述幅值衰减系数确定当前第一阈值包括：
计算所述幅值衰减系数与所述幅值均值的乘积，取所述第一阈值与所述乘积中的极大值作为所述当前第一阈值。
6.一种R波检测装置，其特征在于，所述装置包括：
R波幅值直方图绘制模块，用于获取待检测的心电图数据，根据所述心电图数据绘制包含候选R波的R波幅值直方图，其中所述R波幅值直方图的横坐标为所述R波幅值，纵坐标为所述R波幅值的频数；
负向过零点确定模块，用于对所述R波幅值直方图做卷积处理，得到所述R波幅值直方图的卷积值，确定所述卷积值中的负向过零点，所述负向过零点为所述卷积值中的过零点或卷积值由正值变为负值时的最后一位正值；
目标峰值点确定模块，用于获取所述R波幅值直方图中候选峰值点的候选幅值和候选频数，所述候选峰值点与所述负向过零点一一对应，根据所述候选幅值和所述候选频数删除不满足预设的候选幅值条件和候选频数条件的候选峰值点，得到目标峰值点；
检测条件判断模块，用于根据所述负向过零点确定是否满足过零点检测条件，根据所述目标峰值点确定是否满足幅值检测条件；
真实R波确定模块，用于若满足所述过零点检测条件，且满足所述幅值检测条件，将所述候选R波中的第t个作为当前检测R波，t的初始值为1，获取预设的第三阈值和所述当前检测R波的当前幅值，比较所述当前幅值是否大于所述第三阈值；若所述当前幅值大于第三阈值，则用预设算法对所述当前幅值进行压缩，得到压缩后所述当前检测R波的目标幅值，根据所述目标幅值确定所述当前检测R波是否为真实R波，令t=t+1，返回执行比较所述当前幅值是否大于所述第三阈值的步骤及后续步骤，当t=N时，N为候选R波的总数量，输出所有真实R波的目标位置；
其中，所述检测条件判断模块，具体用于：若所述负向过零点的过零点数量大于或等于预设数量阈值，则认定满足过零点检测条件，若所述过零点数量小于预设数量阈值，则认定不满足过零点检测条件；若幅值最大的目标峰值点和幅值最小的目标峰值点满足预设的大小比较条件，则认定满足幅值检测条件；若幅值最大的目标峰值点和幅值最小的目标峰值点不满足预设的大小比较条件，则认定不满足幅值检测条件；
所述真实R波确定模块，具体用于：获取预设的第一阈值和第二阈值，所述第一阈值小于所述第二阈值，若所述目标幅值满足大于所述第一阈值且小于所述第二阈值，则确定所述当前检测R波为真实R波。
7.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
8.一种R波检测设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
CN202110638343.0A 2021-06-08 2021-06-08 R波检测方法、装置、设备和介质 Active CN113499080B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110638343.0A CN113499080B (zh) 2021-06-08 2021-06-08 R波检测方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110638343.0A CN113499080B (zh) 2021-06-08 2021-06-08 R波检测方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN113499080A CN113499080A (zh) 2021-10-15
CN113499080B true CN113499080B (zh) 2023-09-19

Family

ID=78009089

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110638343.0A Active CN113499080B (zh) 2021-06-08 2021-06-08 R波检测方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN113499080B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115120248B (zh) * 2022-09-02 2022-12-20 之江实验室 基于直方图的自适应阈值r峰检测、心律分类方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4731863A (en) * 1986-04-07 1988-03-15 Eastman Kodak Company Digital image processing method employing histogram peak detection
CN102485172A (zh) * 2010-12-01 2012-06-06 通用电气公司 T波的峰值点方法检测方法和系统以及心电监控系统
JP2017124027A (ja) * 2016-01-14 2017-07-20 株式会社クロスウェル 周期波検出装置、周期波検出方法およびプログラム
CN107361763A (zh) * 2017-08-09 2017-11-21 广东虹勤通讯技术有限公司 一种心电图数据r波检测方法及装置
JP2017217540A (ja) * 2012-03-02 2017-12-14 日本光電工業株式会社 心電図解析装置及び心電図解析プログラム
CN108814590A (zh) * 2018-03-23 2018-11-16 江苏华康信息技术有限公司 一种心电qrs波群的检测方法及其心电分析方法
CN109633268A (zh) * 2018-12-20 2019-04-16 北京航空航天大学 一种基于b样条和直方图的方波基频辨识方法
US10285611B1 (en) * 2015-08-07 2019-05-14 Boston Scientific Scimed, Inc. Cardiac mapping using a 3D grid
CN110693483A (zh) * 2019-09-02 2020-01-17 乐普智芯(天津)医疗器械有限公司 一种动态心电图自动分析的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8644923B2 (en) * 2008-07-24 2014-02-04 Medtronic, Inc. Determination of upper limit of vulnerability using a variable number of shocks
US11020036B2 (en) * 2018-05-07 2021-06-01 Pacesetter, Inc. Method and system to detect R-waves in cardiac arrhythmic patterns

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4731863A (en) * 1986-04-07 1988-03-15 Eastman Kodak Company Digital image processing method employing histogram peak detection
CN102485172A (zh) * 2010-12-01 2012-06-06 通用电气公司 T波的峰值点方法检测方法和系统以及心电监控系统
JP2017217540A (ja) * 2012-03-02 2017-12-14 日本光電工業株式会社 心電図解析装置及び心電図解析プログラム
US10285611B1 (en) * 2015-08-07 2019-05-14 Boston Scientific Scimed, Inc. Cardiac mapping using a 3D grid
JP2017124027A (ja) * 2016-01-14 2017-07-20 株式会社クロスウェル 周期波検出装置、周期波検出方法およびプログラム
CN107361763A (zh) * 2017-08-09 2017-11-21 广东虹勤通讯技术有限公司 一种心电图数据r波检测方法及装置
CN108814590A (zh) * 2018-03-23 2018-11-16 江苏华康信息技术有限公司 一种心电qrs波群的检测方法及其心电分析方法
CN109633268A (zh) * 2018-12-20 2019-04-16 北京航空航天大学 一种基于b样条和直方图的方波基频辨识方法
CN110693483A (zh) * 2019-09-02 2020-01-17 乐普智芯(天津)医疗器械有限公司 一种动态心电图自动分析的方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
RATE, SPECTRA, AMPLITUDE HISTOGRAMS, AND ZERO-CROSSINGS AS IDENTIFIERS OF FIBRILLATION IN THE INTRACARDIAC ELECTROGRAM;arzbaecher. r;JOURNAL OF ELECTROCARDIOLOGY;第21卷;全文 *
Robust identification of QRS-complexes in electrocardiogram signals using a combination of interval and trigonometric threshold values;Mukhopadhyay, SK;Biomedical Signal Processing and Control;第61卷;全文 *
Threshold calculation for R wave detection in complex cardiac;Javier E González-Barajas;Tecno Lógicas;第17卷(第32期);全文 *
心电信号R波识别系统的设计;艾娉婷;中国优秀硕士学位论文全文数据库 医药卫生科技辑(第9期);全文 *
心电信号分类及身份识别应用;宋松;中国优秀硕士学位论文全文数据库 医药卫生科技辑(第5期);全文 *

Also Published As

Publication number Publication date
CN113499080A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
CN103110417B (zh) 一种心电图自动识别系统
US7412282B2 (en) Algorithms for detecting cardiac arrhythmia and methods and apparatuses utilizing the algorithms
Krasteva et al. QRS template matching for recognition of ventricular ectopic beats
CN109770862B (zh) 心电信号分类方法、装置、电子设备和存储介质
CN110226921B (zh) 心电信号检测分类方法、装置、电子设备和存储介质
CN112528783B (zh) 心电图心搏数据聚类方法、装置、电子设备和介质
CN110522442B (zh) 多导联心电异常检测装置、电子设备和存储介质
CN110226928B (zh) 房颤伴室早和房颤伴差传的识别方法和装置
CN113057648A (zh) 一种基于复合lstm结构的ecg信号分类方法
CN110693488A (zh) 心电信号处理系统、方法、电子设备及可读存储介质
US20230309899A1 (en) Determination method and determination apparatus for beginning of t-wave, storage medium and computer program product
WO2021143215A1 (zh) 心电图模板匹配方法、装置、计算机设备及存储介质
CN110680278B (zh) 基于卷积神经网络的心电信号识别装置
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
US20230277111A1 (en) System and method for saliency detection in long-term ecg monitoring
CN113499080B (zh) R波检测方法、装置、设备和介质
CN107233093A (zh) R波的检测方法、装置及电子设备
CN109044347B (zh) 识别心电波图像交界性逸搏方法、装置、系统和电子设备
CN110537907B (zh) 一种基于奇异值分解的心电信号压缩及识别方法
Mohamed et al. Correlation for efficient anomaly detection in medical environment
CN116196012A (zh) 一种房性早搏心拍的识别方法、装置、存储介质及设备
CN110811608A (zh) 一种基于ecg信号的房颤监测方法
CN115881276A (zh) 心电信号的时/频双条形码特征图像生成方法及存储介质
CN114343666B (zh) 针对长程心电监测的阵发性房颤扫描方法、系统、存储介质及电子设备
CN113191249B (zh) 心电信号的模板匹配方法、装置、设备和介质

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