CN113520403B - 一种基于峰谷特征的心电伪差识别方法 - Google Patents
一种基于峰谷特征的心电伪差识别方法 Download PDFInfo
- Publication number
- CN113520403B CN113520403B CN202110683477.4A CN202110683477A CN113520403B CN 113520403 B CN113520403 B CN 113520403B CN 202110683477 A CN202110683477 A CN 202110683477A CN 113520403 B CN113520403 B CN 113520403B
- Authority
- CN
- China
- Prior art keywords
- data
- peak
- valley
- window
- electrocardiographic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 101100129590 Schizosaccharomyces pombe (strain 972 / ATCC 24843) mcp5 gene Proteins 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 101150074181 PER2 gene Proteins 0.000 claims description 4
- 101150008094 per1 gene Proteins 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 11
- 239000012634 fragment Substances 0.000 abstract description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
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]
-
- 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
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Abstract
一种基于峰谷特征的心电伪差识别方法,所述该方法包括如下步骤:1.数据采集和预处理:(1)输入心电数据,根据设备采集的数据情况滤波;(2)将心电数据按照1秒钟切片;2.峰谷提取:(1)计算1秒心电数据的波峰波谷位置和大小;它具有快速准确的自动识别心电数据中的伪差片段,从而提高自动分析速度和准确率,也是提高心电医生分析效率的有效方法。
Description
技术领域
本发明专利涉及一种基于峰谷特征的心电伪差识别方法,属于心电数据处理技术领域。
背景技术
采集心电信号的方法有单导联和多导联心电图,在采集过程中不可避免的受到肌肉抖动、电磁干扰、呼吸运动等干扰的影响,造成心电数据无法分析,给心电信号的自动识别和心电医生的读图分析带来困难。快速准确的自动识别心电数据中的伪差片段是提高自动分析速度和准确率的基础,也是提高心电医生分析效率的有效方法。
目前,关于心电信号的伪差识别方法主要有频域法、叠加平均法、模板分析法、有监督模型法等等。这些方法中,有的需要处理大量的数据获取先验知识,需要长时间的数据,有的计算过程复杂,在较长数据下,特别是在计算能力有限的处理器中需要计算较长时间,效率较低。
发明内容
本发明克服现有技术的不足,提高心电伪差分析速度和效率,为了达到以上的目的,一种基于峰谷特征的心电伪差识别方法,其特征在于所述该方法包括如下步骤:
1.数据采集和预处理:
(1)输入心电数据,根据设备采集的数据情况滤波;
(2)将心电数据按照1秒钟切片;
2.峰谷提取:
(1)计算1秒心电数据的波峰波谷位置和大小;
3.峰谷特征计算:
(1)判断相邻峰谷坐标是否小于时间窗口Window1;
A.小于,计算峰谷的差值的绝对值;
B.大于,从起点位置开始以步长step1计算step1两端位置的差值的绝对值,直到终点位置;
(2)统计差值的绝对值在区间thre1-thre2之间的坐标集合N和数量num0;
(3)以Windows2为时间窗口,step2为步长,在N中搜索数量最多的窗口W1,其窗口内坐标的数量是num1;
(4)在窗口W1左右各扩展Windows3得时间窗口W2,统计集合N中在W2窗口内的数量num2;
(5)计算分布:
Per1=num1/num0;
Per2=num1/num2;
4.阈值分类:
(1)对特征阈值per1或per2设定阈值,大于阈值则判断当前这一心电片段异常;
5.数据分类
(1)对连续一段数据(30秒或更长时间数据)切片后进行上述4步的处理,得到每个片段的异常判断结果,结合异常片段的前后关系或者占比,可以对心电数据伪差片段快速的分类。
本发明快速准确的自动识别心电数据中的伪差片段,从而提高自动分析速度和准确率,也是提高心电医生分析效率的有效方法。
附图说明
图1是本发明流程图。
具体实施方式
下面将结合附图对本发明作详细的介绍:如图1所示,本发明为提高心电伪差分析速度所采用的技术方案具体包括:
1.数据采集和预处理:
(1)输入心电数据,根据设备采集的数据情况滤波;
(2)将心电数据按照1秒钟切片;
2.峰谷提取:
(1)计算1秒心电数据的波峰波谷位置和大小;
3.峰谷特征计算:
(1)判断相邻峰谷坐标是否小于时间窗口Window1,本实施方式采用40ms为例来实现;
A.如果小于,计算峰谷的差值的绝对值;
B.如果大于,从起点位置开始以步长step1计算step1两端位置的差值的绝对值,直到终点位置;
(2)统计差值的绝对值在区间thre1-thre2之间的坐标集合N和数量num0,本实施方式采用thre1=15,thre2=40为例来实现;
(3)以Windows2为时间窗口,step2为步长,在N中搜索数量最多的窗口W1,其窗口内坐标的数量是num1,本实施方式采用Windows2=300ms,step2=10ms为例来实现;
(4)在窗口W1左右各扩展Windows3得时间窗口W2,统计集合N中在W2窗口内的数量num2,本实施方式采用Windows3=150ms为例来实现;
(5)计算分布:
Per1=num1/num0;
Per2=num1/num2;
4.阈值分类:
(1)对特征阈值per1或per2设定阈值,大于阈值则判断当前这一心电片段异常;
5.数据分类
(1)对连续一段数据(30秒或更长时间数据)切片后进行上述4步的处理,得到每个片段的异常判断结果,结合异常片段的前后关系或者占比,可以对心电数据伪差片段快速的分类。
Claims (1)
1.一种基于峰谷特征的心电伪差识别方法,其特征在于所述方法包括如下步骤:
1)数据采集和预处理:
(1)输入心电数据,根据设备采集的数据情况滤波;
(2)将心电数据按照1秒钟切片;
2)峰谷提取:
(1)计算1秒心电数据的波峰波谷位置和大小;
3)峰谷特征计算:
(1)判断相邻峰谷横坐标差值是否小于时间窗口Window1;
A.小于,计算峰谷纵坐标的差值的绝对值;
B.大于,从起点位置开始以步长step1计算step1两端位置的纵坐标差值的绝对值,直到终点位置;
(2)统计峰谷纵坐标的差值的绝对值在区间thre1-thre2之间的坐标集合N和数量num0;
(3)以Windows2为时间窗口,step2为步长,在N中搜索数量最多的窗口W1,其窗口内坐标的数量是num1;
(4)在窗口W1左右各扩展windows3得时间窗口W2,统计集合N中在W2窗口内的数量num2;
(5)计算分布:
Per1=num1/num0;
Per2=num1/num2;
4)阈值分类:
(1)对特征阈值Per1或Per2设定阈值,大于阈值则判断当前这一心电片段异常;
5)数据分类:
(1)对连续一段数据,所述连续一段数据的时长为30秒,切片后进行上述4步的处理,得到每个片段的异常判断结果,结合异常片段的前后关系或者占比,可以对心电数据伪差片段快速的分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110683477.4A CN113520403B (zh) | 2021-06-21 | 2021-06-21 | 一种基于峰谷特征的心电伪差识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110683477.4A CN113520403B (zh) | 2021-06-21 | 2021-06-21 | 一种基于峰谷特征的心电伪差识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113520403A CN113520403A (zh) | 2021-10-22 |
CN113520403B true CN113520403B (zh) | 2024-04-02 |
Family
ID=78125306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110683477.4A Active CN113520403B (zh) | 2021-06-21 | 2021-06-21 | 一种基于峰谷特征的心电伪差识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113520403B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060032496A (ko) * | 2004-10-12 | 2006-04-17 | 학교법인연세대학교 | 가속도 센서를 이용한 동잡음 제거수단을 구비하는오실로메트릭 방식 혈압계 |
CN103720468A (zh) * | 2013-12-05 | 2014-04-16 | 深圳先进技术研究院 | 应用于动态心电数据的伪差识别方法和装置 |
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 |
WO2018152711A1 (zh) * | 2017-02-22 | 2018-08-30 | 清华大学深圳研究生院 | 一种基于心电认证的门禁系统及其认证方法 |
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 |
-
2021
- 2021-06-21 CN CN202110683477.4A patent/CN113520403B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060032496A (ko) * | 2004-10-12 | 2006-04-17 | 학교법인연세대학교 | 가속도 센서를 이용한 동잡음 제거수단을 구비하는오실로메트릭 방식 혈압계 |
CN103720468A (zh) * | 2013-12-05 | 2014-04-16 | 深圳先进技术研究院 | 应用于动态心电数据的伪差识别方法和装置 |
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 |
WO2018152711A1 (zh) * | 2017-02-22 | 2018-08-30 | 清华大学深圳研究生院 | 一种基于心电认证的门禁系统及其认证方法 |
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 |
Non-Patent Citations (1)
Title |
---|
心电信号中伪差检测的方法研究;成奇明;吴锋;周玉彬;俞梦孙;;中国数字医学(第08期);第101-103页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113520403A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103690160B (zh) | 一种基于非高斯时序模型的脑电特征提取和状态识别方法 | |
CN107405096B (zh) | 用于感测胎儿活动的系统、装置和方法 | |
CN108320280B (zh) | 基于视觉清晰度与轮廓提取的熔池图像异常检测方法 | |
CN109700450B (zh) | 一种心率检测方法及电子设备 | |
CN111956217A (zh) | 一种面向实时脑电信号的眨眼伪迹识别方法及系统 | |
CN105182070B (zh) | 一种信号检测方法 | |
CN101995437B (zh) | 一种拉深件裂纹声发射信号的特征提取方法 | |
CN110653661A (zh) | 基于信号融合和多重分形谱算法的刀具状态监测识别方法 | |
CN105205113A (zh) | 一种时序数据异常变化过程的挖掘系统及方法 | |
CN103829944A (zh) | 基于模式识别的胸阻抗信号处理方法 | |
CN109858458A (zh) | 一种基于eemd近似熵的矿山微震信号智能识别方法 | |
Asif et al. | Rice grain identification and quality analysis using image processing based on principal component analysis | |
CN113520403B (zh) | 一种基于峰谷特征的心电伪差识别方法 | |
CN105232023A (zh) | 一种胎心音去噪的方法 | |
CN112200000A (zh) | 一种焊接稳定性识别模型训练方法、焊接稳定性识别方法 | |
CN111067513B (zh) | 一种特征权重自学习的睡眠质量检测关键脑区判定方法 | |
CN109254654B (zh) | 一种结合PCA和PCANet的驾驶疲劳特征提取方法 | |
CN111956210A (zh) | 一种基于eemd和信号结构分析的心电信号r波识别方法 | |
US9760540B2 (en) | Methods for processing sequential data to identify possible peak points and to estimate peak to noise ratio of sequential data | |
Shi et al. | A Novel Method of sEMG Signal Segmentation | |
CN108685561B (zh) | 一种信号分析方法及装置 | |
CN111956209A (zh) | 一种基于ewt和结构特征提取的心电信号r波识别方法 | |
CN111616680A (zh) | 一种脑力负荷自动辨识方法及系统 | |
CN112022151B (zh) | 一种脑电棘慢波的处理及识别方法 | |
CN108498092B (zh) | 基于脑电特征的错误预警方法及系统 |
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 |
Address after: 310012 Block A, 13/F, Building E, Paradise Software Park, No. 3, Xidoumen Road, Xihu District, Hangzhou, Zhejiang Applicant after: ZHEJIANG HELOWIN MEDICAL TECHNOLOGY CO.,LTD. Address before: 310012 block B, 5 / F, building e, Paradise Software Park, No.3 xidoumen Road, Xihu District, Hangzhou City, Zhejiang Province Applicant before: ZHEJIANG HELOWIN MEDICAL TECHNOLOGY CO.,LTD. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |