CN113509187A - 一种实时的单导联心电r波检测方法 - Google Patents

一种实时的单导联心电r波检测方法 Download PDF

Info

Publication number
CN113509187A
CN113509187A CN202110784682.XA CN202110784682A CN113509187A CN 113509187 A CN113509187 A CN 113509187A CN 202110784682 A CN202110784682 A CN 202110784682A CN 113509187 A CN113509187 A CN 113509187A
Authority
CN
China
Prior art keywords
wave
wave detection
data segment
qrs
detection method
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
CN202110784682.XA
Other languages
English (en)
Other versions
CN113509187B (zh
Inventor
赵仲明
刘知青
袁超
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.)
Guangzhou Kangyuan Image Intelligent Research Institute
Original Assignee
Guangzhou Kangyuan Image Intelligent Research Institute
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 Guangzhou Kangyuan Image Intelligent Research Institute filed Critical Guangzhou Kangyuan Image Intelligent Research Institute
Priority to CN202110784682.XA priority Critical patent/CN113509187B/zh
Publication of CN113509187A publication Critical patent/CN113509187A/zh
Application granted granted Critical
Publication of CN113509187B publication Critical patent/CN113509187B/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
    • A61B5/24—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
    • A61B5/24—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
    • A61B5/366—Detecting abnormal QRS complex, e.g. widening

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Biophysics (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

本发明公开了一种实时的单导联心电R波检测方法，该方法首先基于数字信号处理技术分别对信号进行去除基线漂移、工频干扰以及高频毛刺噪声的处理，再由数据段形式交由R波检测主模块中的一个特定的FIR低通滤波器提取信号中的低频分量并与原信号做差。该差值中含有清晰的QRS波分量且噪声干扰少，具有更强的抗噪声能力，之后基于此进行R波检测。该模块中具有三个自适应系数，包括自适应QRS模板、自适应RR间隔列表，自适应R波峰值列表，通过对这三个系数的使用以有效避免漏检和错减的情况。除滤除“基线漂移”、“工频干扰”以及“高频毛刺噪声”的处理操作之外，该R波检测方法的输出延时约等于输入信号段的时间长度，具有良好的实时性和鲁棒性。

Description

一种实时的单导联心电R波检测方法
技术领域
本发明涉及健康检测技术领域，特别地是一种实时的单导联心电R波检测方法。
背景技术
心血管疾病作为目前最难以治愈的疾病之一，有其不易察觉，不易治疗的特点。而心电图的判读诊断，在无创的心血管疾病诊断中，比起B超等有着更安全，更易用的优势。而I导联的心电设备，比起多导联的设备，更有全天候的使用的潜力。而在单导联设备中心电图更容易受到噪声干扰，所以在单导联设备上的R波检测方法需要有更高的鲁棒性。
现有的QRS波检测大多基于离线分析的方式，实时性不好，且针对于单导联设备的心电信号容易出现错检和漏检等情况。
发明内容
本发明的目的在于提供一种具有良好的实时性且鲁棒性好的实时单导联心电R波检测方法。
本发明通过以下技术方案实现的：
一种实时的单导联心电R波检测方法，包括以下步骤：
步骤S1，原始心电数据预处理；
步骤S2，将预处理信号以数据段形式输入R波检测模块；
步骤S3，R波检测模块对数据段信号分析，计算得到R波位置信息。
进一步地，所述步骤S1包括以下步骤：
步骤S11，去除原始心电信号的基线漂移；
步骤S12，去除原始心电信号的工频干扰；
步骤S12，去除原始心电信号的高频毛刺噪声。
进一步地，所述步骤S3包括以下步骤：
步骤S31，采用缓存机制存储上一个数据段内容；
步骤S32，分离QRS波高频分量；
步骤S34，基于QRS波高频分量分析信号的R波信息。
进一步地，所述步骤31包括以下步骤：
步骤S311，算法初始化时创建一个两倍数据段长度的队列，队列中数据置零；步骤S312，有数据段输入R波检测模块时将其添加到队列，并同时从队列中清除一个数据段。
进一步地，所述步骤S32包括以下步骤：
步骤S321，使用队列中第一个数据段的后端数据对第二个数据段的前端进行扩展以形成新数据段；
步骤S322，基于特定的FIR低通滤波器滤除新数据段的高频分量；
步骤S323，将了滤波前的数据段与滤波后的低频数据段做差，得到QRS波的高频分量；
步骤S324，重复步骤S311和步骤S312，再次创建并维护一个队列，用来存储当前时段与上一时段的QRS波高频分量。
进一步地，所述步骤S3还包括步骤S33，所述步骤S33包括以下步骤：
步骤S331，遍历QRS波的高频分量，当为信号段起始点时，判断标志位为1，分情况处理；
步骤S332，若标志位为0，进行一般的R波检测操作，判断该点幅值和与上一个R波的距离是否符合标准，若该点符合标准，暂停遍历，将该点设为候选点，进行下一步操作；
步骤S333，计算该点当前位置之后的0.6倍平均RR间距是否超出该高频分量的范围，若超出计算当前位置到末尾的最大值，并记录坐标a，并设定标志位为1，分情况处理；
步骤S334，若该点当前位置之后的0.6倍平均RR间距未超出该高频分量数据段的范围，计算该范围内的最大值坐标，判断是否与当前位置一致；分情况处理；
步骤S335，若当前位置与最大值坐标一致，该点为R波位置，更新自适应系数；
步骤S336，在当前检测出R波位置的基础上后移上一次0.6倍平均RR间距的距离继续遍历。
进一步地，所述步骤S331包括以下步骤：
步骤S3311，判断标志位为1；
步骤S3312，将QRS波高频分量队列中的新旧两个数据段拼接，检测从上段数据记录坐标a到之后0.6倍平均RR间距的范围内的最大值；
步骤S3313，跳转到步骤S335，标志位设0。
进一步地，所述步骤S333包括以下步骤：
步骤S3311，当前位置之后的0.6倍平均RR间距是超出该高频分量的范围，记录坐标a；
步骤S3312，标志位设为1；
步骤S3313，将当前位置设为数据段末尾，结束当前数据段遍历。
进一步地，所述步骤S334包括以下步骤：
步骤S3341，判断当前位置与最大值位置不一致；
步骤S3342，基于两个位置生成QRS模板；
步骤S3343，分别计算这两个QRS模板与自适应QRS模板的误差；
步骤S3344，若当前位置的QRS模板误差小于最大值位置的误差，且RR间隔更接近平均的RR间隔，则该点为R峰的位置，更新自适应系数，跳转到步骤S336；
步骤S3345，若当前位置的QRS模板误差大于最大值位置的误差，设定当前位置为最大值位置，跳转到步骤S33。
进一步地，所述步骤S335包括以下步骤：
步骤S3351，判断当前位置与最大值位置一致；
步骤S3352，将符合一定标准的RR间隔加入自适应RR间隔列表；
步骤S3353，将符合一定标准的R波峰值加入自适应R波峰值列表；
步骤S3354，将该点所对应的QRS模板以0.1倍加到自适应模板上，并归一化自适应模板。
本发明的有益效果：
本发明通过分时段的心电信号处理方式以实现实时功能，相比与离线R波检测方法更具实时性。为了保证检测的连续性，算法中使用缓存机制临时存储上一个时段的输入信号段。该方法首先基于数字信号处理技术分别对信号进行去除基线漂移、工频干扰记忆高频毛刺噪声的处理，之后由数据段形式交由R检测主模块中的一个特定的FIR低通滤波器提取信号中的低频分量并与原信号做差。该差值中含有清晰的QRS波分量且噪声干扰少，相比于直接基于原信号的R波检测算法，基于该差值检测方法更强的抗噪声能力，之后基于次差值进行R波检测。该模块中同时三个自适应系数，包括自适应QRS模板、自适应RR间隔列表，自适应R波峰值列表，通过对这三个系数的使用以有效避免漏检和错减的情况。除滤除“基线漂移”、“工频干扰”以及“高频毛刺噪声”的处理操作之外，该R波检测方法的输出延迟时间约等于输入的信号段的时间长度，具有良好的实时性且鲁棒性好。
附图说明
图1为本发明实施例一种实时的单导联心电R波检测方法的流程图；
图2为本发明实施例R波检测模块的流程图。
具体实施方式
下面将结合附图以及具体实施例来详细说明本发明，在此以本发明的示意下面将结合附图以及具体实施例来详细说明本发明，在此以本发明的示意性实施例及说明用来解释本发明，但并不作为对本发明的限定。
需要说明，在本发明中如涉及“第一”、“第二”的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
在本发明中，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
如图1和图2所示，一种实时的单导联心电R波检测方法，包括以下步骤：
步骤S1，原始心电数据预处理；
步骤S2，将预处理信号以数据段形式输入R波检测模块；
步骤S3，R波检测模块对数据段信号分析，计算得到R波位置信息。
具体的，本实施例方案中，所述步骤S1包括以下步骤：
步骤S11，去除原始心电信号的基线漂移；
步骤S12，去除原始心电信号的工频干扰；
步骤S12，去除原始心电信号的高频毛刺噪声。
具体的，本实施例方案中，所述步骤S3包括以下步骤：
步骤S31，采用缓存机制存储上一个数据段内容；
步骤S32，分离QRS波高频分量；
步骤S34，基于QRS波高频分量分析信号的R波信息。
具体的，本实施例方案中，所述步骤31包括以下步骤：
步骤S311，算法初始化时创建一个两倍数据段长度的队列，队列中数据置零；
步骤S312，有数据段输入R波检测模块时将其添加到队列，并同时从队列中清除一个数据段。
具体的，本实施例方案中，所述步骤S32包括以下步骤：
步骤S321，使用队列中第一个数据段的后端数据对第二个数据段的前端进行扩展以形成新数据段；
步骤S322，基于特定的FIR低通滤波器滤除新数据段的高频分量；
步骤S323，将了滤波前的数据段与滤波后的低频数据段做差，得到QRS波的高频分量；
步骤S324，重复步骤S311和步骤S312，再次创建并维护一个队列，用来存储当前时段与上一时段的QRS波高频分量。
具体的，本实施例方案中，所述步骤S3还包括步骤S33，所述步骤S33包括以下步骤：
步骤S331，遍历QRS波的高频分量，当为信号段起始点时，判断标志位为1，分情况处理；
步骤S332，若标志位为0，进行一般的R波检测操作，判断该点幅值和与上一个R波的距离是否符合标准，若该点符合标准，暂停遍历，将该点设为候选点，进行下一步操作；
步骤S333，计算该点当前位置之后的0.6倍平均RR间距是否超出该高频分量的范围，若超出计算当前位置到末尾的最大值，并记录坐标a，并设定标志位为1，分情况处理；
步骤S334，若该点当前位置之后的0.6倍平均RR间距未超出该高频分量数据段的范围，计算该范围内的最大值坐标，判断是否与当前位置一致；分情况处理；
步骤S335，若当前位置与最大值坐标一致，该点为R波位置，更新自适应系数；
步骤S336，在当前检测出R波位置的基础上后移上一次0.6倍平均RR间距的距离继续遍历。
具体的，本实施例方案中，所述步骤S331包括以下步骤：
步骤S3311，判断标志位为1；
步骤S3312，将QRS波高频分量队列中的新旧两个数据段拼接，检测从上段数据记录坐标a到之后0.6倍平均RR间距的范围内的最大值；
步骤S3313，跳转到步骤S335，标志位设0。
具体的，本实施例方案中，所述步骤S333包括以下步骤：
步骤S3311，当前位置之后的0.6倍平均RR间距是超出该高频分量的范围，记录坐标a；
步骤S3312，标志位设为1；
步骤S3313，将当前位置设为数据段末尾，结束当前数据段遍历。
具体的，本实施例方案中，所述步骤S334包括以下步骤：
步骤S3341，判断当前位置与最大值位置不一致；
步骤S3342，基于两个位置生成QRS模板；
步骤S3343，分别计算这两个QRS模板与自适应QRS模板的误差；
步骤S3344，若当前位置的QRS模板误差小于最大值位置的误差，且RR间隔更接近平均的RR间隔，则该点为R峰的位置，更新自适应系数，跳转到步骤S336；
步骤S3345，若当前位置的QRS模板误差大于最大值位置的误差，设定当前位置为最大值位置，跳转到步骤S33。
具体的，本实施例方案中，所述步骤S335包括以下步骤：
步骤S3351，判断当前位置与最大值位置一致；
步骤S3352，将符合一定标准的RR间隔加入自适应RR间隔列表；
步骤S3353，将符合一定标准的R波峰值加入自适应R波峰值列表；
步骤S3354，将该点所对应的QRS模板以0.1倍加到自适应模板上，更新后的QRS模板再除其数据内部的最大值进行标准化。或将该点所对应的QRS模板以0.1倍加到自适应模板上，并归一化自适应模板。
本发明通过分时段的心电信号处理方式以实现实时功能，相比与离线R波检测方法更具实时性。为了保证检测的连续性，算法中使用缓存机制临时存储上一个时段的输入信号段。该方法首先基于数字信号处理技术分别对信号进行去除基线漂移、工频干扰记忆高频毛刺噪声的处理，之后由数据段形式交由R检测主模块中的一个特定的FIR低通滤波器提取信号中的低频分量并与原信号做差。该差值中含有清晰的QRS波分量且噪声干扰少，相比于直接基于原信号的R波检测算法，基于该差值检测方法更强的抗噪声能力，后基于次差值进行R波检测。该模块中同时三个自适应系数，包括自适应QRS模板、自适应RR间隔列表，自适应R波峰值列表，通过对这三个系数的使用以有效避免漏检和错减的情况。除滤除“基线漂移”、“工频干扰”以及“高频毛刺噪声”的处理操作之外，该R波检测方法的输出延迟时间约等于输入的信号段的时间长度，具有良好的实时性且鲁棒性好。
以上对本发明实施例所提供的技术方案进行了详细介绍，本文中应用了具体个例对本发明实施例的原理以及实施方式进行了阐述，以上实施例的说明只适用于帮助理解本发明实施例的原理；同时，对于本领域的一般技术人员，依据本发明实施例，在具体实施方式以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 (10)

1.一种实时的单导联心电R波检测方法，其特征在于，包括以下步骤：
步骤S1，原始心电数据预处理；
步骤S2，将预处理信号以数据段形式输入R波检测模块；
步骤S3，R波检测模块对数据段信号分析，计算得到R波位置信息。
2.根据权利要求1所述的一种实时的单导联心电R波检测方法，其特征在于，所述步骤S1包括以下步骤：
步骤S11，去除原始心电信号的基线漂移；
步骤S12，去除原始心电信号的工频干扰；
步骤S12，去除原始心电信号的高频毛刺噪声。
3.根据权利要求1所述的一种实时的单导联心电R波检测方法，其特征在于，所述步骤S3包括以下步骤：
步骤S31，采用缓存机制存储上一时刻输入的数据段内容；
步骤S32，分离QRS波高频分量；
步骤S34，基于QRS波高频分量分析信号的R波信息。
4.根据权利要求3所述的一种实时的单导联心电R波检测方法，其特征在于，所述步骤S31包括以下步骤：
步骤S311，算法初始化时创建一个两倍数据段长度的队列，队列中数据置零；
步骤S312，有数据段输入R波检测模块时将其添加到队列，并同时从队列中清除一个数据段。
5.根据权利要求3所述的一种实时的单导联心电R波检测方法，其特征在于，所述步骤S32包括以下步骤：
步骤S321，使用队列中第一个数据段的后端数据对第二个数据段的前端进行扩展以形成新数据段；
步骤S322，基于特定的FIR低通滤波器滤除新数据段的高频分量；
步骤S323，将了滤波前的数据段与滤波后的低频数据段做差，得到QRS波的高频分量；
步骤S324，重复步骤S311和步骤S312，再次创建并维护一个队列，用来存储当前时段与上一时段的QRS波高频分量。
6.根据权利要求3所述的一种实时的单导联心电R波检测方法，其特征在于，所述步骤S3还包括步骤S33，所述步骤S33包括以下步骤：
步骤S331，遍历QRS波的高频分量，当为信号段起始点时，判断标志位为1，分情况处理；
步骤S332，若标志位为0，进行一般的R波检测操作，判断该点幅值和与上一个R波的距离是否符合标准，若该点符合标准，暂停遍历，将该点设为候选点，进行下一步操作；
步骤S333，计算该点当前位置之后的0.6倍平均RR间距是否超出该高频分量的范围，若超出计算当前位置到末尾的最大值，并记录坐标a，并设定标志位为1，分情况处理；
步骤S334，若该点当前位置之后的0.6倍平均RR间距未超出该高频分量数据段的范围，计算该范围内的最大值坐标，判断是否与当前位置一致；分情况处理；
步骤S335，若当前位置与最大值坐标一致，该点为R波位置，更新自适应系数；
步骤S336，在当前检测出R波位置的基础上后移上一次0.6倍平均RR间距的距离继续遍历。
7.根据权利要求6所述的一种实时的单导联心电R波检测方法，其特征在于，所述步骤S331包括以下步骤：
步骤S3311，判断标志位为1；
步骤S3312，将QRS波高频分量队列中的新旧两个数据段拼接，检测从上段数据记录坐标a到之后0.6倍平均RR间距的范围内的最大值；
步骤S3313，跳转到步骤S335，标志位设0。
8.根据权利要求6所述的一种实时的单导联心电R波检测方法，其特征在于，所述步骤S333包括以下步骤：
步骤S3311，当前位置之后的0.6倍平均RR间距是超出该高频分量的范围，记录坐标a；
步骤S3312，标志位设为1；
步骤S3313，将当前位置设为数据段末尾，结束当前数据段遍历。
9.根据权利要求6所述的一种实时的单导联心电R波检测方法，其特征在于，所述步骤S334包括以下步骤：
步骤S3341，判断当前位置与最大值位置不一致；
步骤S3342，基于两个位置生成QRS模板；
步骤S3343，分别计算这两个QRS模板与自适应QRS模板的误差；
步骤S3344，若当前位置的QRS模板误差小于最大值位置的误差，且RR间隔更接近平均的RR间隔，则该点为R峰的位置，更新自适应系数，跳转到步骤S336；
步骤S3345，若当前位置的QRS模板误差大于最大值位置的误差，设定当前位置为最大值位置，跳转到步骤S33。
10.根据权利要求6所述的一种实时的单导联心电R波检测方法，其特征在于，所述步骤S335包括以下步骤：
步骤S3351，判断当前位置与最大值位置一致；
步骤S3352，将符合一定标准的RR间隔加入自适应RR间隔列表；
步骤S3353，将符合一定标准的R波峰值加入自适应R波峰值列表；
步骤S3354，将该点所对应的QRS模板以0.1倍加到自适应模板上，并归一化自适应模板。
CN202110784682.XA 2021-07-12 2021-07-12 一种实时的单导联心电r波检测方法 Active CN113509187B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110784682.XA CN113509187B (zh) 2021-07-12 2021-07-12 一种实时的单导联心电r波检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110784682.XA CN113509187B (zh) 2021-07-12 2021-07-12 一种实时的单导联心电r波检测方法

Publications (2)

Publication Number Publication Date
CN113509187A true CN113509187A (zh) 2021-10-19
CN113509187B CN113509187B (zh) 2023-10-24

Family

ID=78067372

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110784682.XA Active CN113509187B (zh) 2021-07-12 2021-07-12 一种实时的单导联心电r波检测方法

Country Status (1)

Country Link
CN (1) CN113509187B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040167417A1 (en) * 2003-02-26 2004-08-26 Schulhauser Randal C. Apparatus and method for chronically monitoring heart sounds for deriving estimated blood pressure
KR20120116213A (ko) * 2011-04-12 2012-10-22 부산대학교 산학협력단 심실조기수축 판별 시스템, 심실조기수축 판별 방법 및 이를 수행하는 프로그램이 기록된 저장매체
CN104586384A (zh) * 2013-10-30 2015-05-06 深圳华清心仪医疗电子有限公司 一种心电信号实时心率检测方法及系统
CN104783780A (zh) * 2015-04-13 2015-07-22 深圳市飞马与星月科技研究有限公司 心电信号除噪方法及装置
CN105899268A (zh) * 2015-06-23 2016-08-24 中国科学院深圳先进技术研究院 基于gpu的并行心电信号分析方法
CN107041743A (zh) * 2017-04-05 2017-08-15 南京大学 一种心电信号实时r波检测方法
CN108577830A (zh) * 2018-03-15 2018-09-28 乐普（北京）医疗器械股份有限公司 一种面向用户的体征信息动态监护方法和动态监护系统
CN108888259A (zh) * 2018-05-21 2018-11-27 南京大学 一种心电信号实时qrs波检测方法
US20200337582A1 (en) * 2018-01-22 2020-10-29 Xi'an Jiaotong University Method for Accurately Extracting Abnormal Potential within QRS

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040167417A1 (en) * 2003-02-26 2004-08-26 Schulhauser Randal C. Apparatus and method for chronically monitoring heart sounds for deriving estimated blood pressure
KR20120116213A (ko) * 2011-04-12 2012-10-22 부산대학교 산학협력단 심실조기수축 판별 시스템, 심실조기수축 판별 방법 및 이를 수행하는 프로그램이 기록된 저장매체
CN104586384A (zh) * 2013-10-30 2015-05-06 深圳华清心仪医疗电子有限公司 一种心电信号实时心率检测方法及系统
CN104783780A (zh) * 2015-04-13 2015-07-22 深圳市飞马与星月科技研究有限公司 心电信号除噪方法及装置
CN105899268A (zh) * 2015-06-23 2016-08-24 中国科学院深圳先进技术研究院 基于gpu的并行心电信号分析方法
US20170105643A1 (en) * 2015-06-23 2017-04-20 Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences Gpu-based parallel electrocardiogram signal analysis method, computer readable storage medium and device
CN107041743A (zh) * 2017-04-05 2017-08-15 南京大学 一种心电信号实时r波检测方法
US20200337582A1 (en) * 2018-01-22 2020-10-29 Xi'an Jiaotong University Method for Accurately Extracting Abnormal Potential within QRS
CN108577830A (zh) * 2018-03-15 2018-09-28 乐普（北京）医疗器械股份有限公司 一种面向用户的体征信息动态监护方法和动态监护系统
CN108888259A (zh) * 2018-05-21 2018-11-27 南京大学 一种心电信号实时qrs波检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴建;李康;庞宇;孙海霞;: "基于差分阈值与模板匹配的心电R波提取算法", 重庆邮电大学学报(自然科学版), no. 03 *
吴效明, 李斌, 崔文生, 陈鹏, 茹长渠: "多道生理参数检测与分析软件系统", 暨南大学学报(自然科学与医学版), no. 01 *
贾桂锋;王自唱;向兴发;武墩;高云;黎煊;冯耀泽;: "短时经验模态分解实时识别生猪心电QRS波群", 农业工程学报, no. 10 *

Also Published As

Publication number Publication date
CN113509187B (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
Mazomenos et al. A time-domain morphology and gradient based algorithm for ECG feature extraction
US11723576B2 (en) Detecting atrial fibrillation using short single-lead ECG recordings
Zhu et al. An R-peak detection method based on peaks of Shannon energy envelope
Arunachalam et al. Real-time estimation of the ECG-derived respiration (EDR) signal using a new algorithm for baseline wander noise removal
WO2022110524A1 (zh) 心电图心搏数据聚类方法、装置、电子设备和介质
Rezk et al. An algebraic derivative-based method for R wave detection
AU2020408205A1 (en) Device and process for ECG measurements
CN111248895A (zh) 心电信号特征检测方法及其系统
Varghese et al. Fast R-peak detection from compressed ECG sensing measurements without reconstruction for energy-constrained cardiac health monitoring
Dessì et al. Identification of fetal QRS complexes in low density non-invasive biopotential recordings
CN111166325B (zh) 基于ipcmm算法的心电信号qrs复合波检测方法及系统
KR101420345B1 (ko) 차감 동작 기법 기반의 심전도 신호의 ｒ파 검출 시스템 및 방법
CN113509187A (zh) 一种实时的单导联心电r波检测方法
US11432756B2 (en) Multi-channel real-time cardiovascular performance evaluation system and method cardiovascular performance evaluation system and method
US20060235321A1 (en) ECG filtering
CN114795241B (zh) 一种心电信号的噪声检测方法及系统
CN113499080B (zh) R波检测方法、装置、设备和介质
US9326734B1 (en) Method of compressing electrocardiography signal and electrocardiography signal sensing apparatus thereof
CN114159068B (zh) 一种心电信号心房扑动的检测方法及检测装置
KR102327151B1 (ko) 심전도의 심실 탈분극 검출 장치 및 그 방법
CN115177268A (zh) 一种房颤心拍检测方法、装置及存储介质
WO2018023698A1 (zh) 一种胎儿心电分离方法及装置
CN108836312B (zh) 一种基于人工智能的进行杂波剔除的方法及系统
CN113786202A (zh) 一种心电图特征起点和终点检测方法、系统、装置及介质
CN112438735A (zh) 一种心电图p波检测方法、分析装置以及存储介质

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