CN113576489A - 一种突变信号和高t波信号的区分方法及装置 - Google Patents
一种突变信号和高t波信号的区分方法及装置 Download PDFInfo
- Publication number
- CN113576489A CN113576489A CN202110883509.5A CN202110883509A CN113576489A CN 113576489 A CN113576489 A CN 113576489A CN 202110883509 A CN202110883509 A CN 202110883509A CN 113576489 A CN113576489 A CN 113576489A
- Authority
- CN
- China
- Prior art keywords
- signal
- characteristic
- wave
- mutation
- section
- 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.)
- Pending
Links
- 230000035772 mutation Effects 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001914 filtration Methods 0.000 claims description 29
- 238000005070 sampling Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 230000001052 transient effect Effects 0.000 claims 1
- 101100042615 Arabidopsis thaliana SIGD gene Proteins 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 101100042613 Arabidopsis thaliana SIGC gene Proteins 0.000 description 4
- 101100042610 Arabidopsis thaliana SIGB gene Proteins 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 101100294408 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) MOT2 gene Proteins 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 101150117326 sigA gene Proteins 0.000 description 2
- 101100421503 Arabidopsis thaliana SIGA gene Proteins 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- A61B5/355—Detecting T-waves
-
- 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
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
本发明涉及一种突变信号和高T波信号的区分方法及装置，该方法包括：获取ECG信号；对所述ECG信号进行信号处理，确定所述ECG信号中的至少一段待选突变信号；基于多个预设的特征阈值，依次对所述至少一段待选突变信号进行多种判断，识别所述至少一段突变信号中的高T波信号。本发明筛选出多段待选突变信号，通过确定被识别出的多段待选突变信号是否具有高T波的典型特征，来高效区别高T波信号与突变信号，以此提高对ECG信号中高T波信号识别的准确度。
Description
技术领域
本发明涉及信号处理技术领域，尤其涉及一种突变信号和高T波信号的区分方法及装置。
背景技术
在医疗领域中，心电监测是一种常用的临床医疗监测手段。其监测的心电信号是心肌细胞的电活动在体表反映出的微弱电流，通过体表电极和放大记录系统记录下来，形成心电图。
T波是心电图5个波段之一，T波产生的过程即心室复极的过程。高T波是一种突变的T波信号，在对ECG信号中的突变信号进行识别时，与突变信号具有高相似度的高T波容易引起对误判。因此，为了保证准确的心电信号监测，如何提高对高T波信号判断的准确性是亟待解决的问题。
发明内容
有鉴于此，有必要提供一种突变信号和高T波信号的区分方法及装置，用以克服现有技术中容易误判ECG信号中的高T波信号的不足。
为了解决上述技术问题，本发明提供一种突变信号和高T波信号的区分方法，包括：
获取ECG信号；
对所述ECG信号进行信号处理，确定所述ECG信号中的至少一段待选突变信号；
基于多个预设的特征阈值，依次对所述至少一段待选突变信号进行多种判断，识别所述至少一段突变信号中的高T波信号。
进一步地，所述对所述ECG信号进行信号处理，确定所述ECG信号中的至少一段待选突变信号包括：
对所述ECG信号进行预处理，确定预处理后信号；
对所述预处理后信号进行滑动滤波检测，确定所述至少一段待选突变信号。
进一步地，所述对所述ECG信号进行预处理，确定预处理后信号包括：
将所述ECG信号通过高通滤波器后，确定高通滤波信号；
将所述高通滤波信号通过低通滤波器后，确定所述预处理后信号。
进一步地，所述对所述预处理后信号进行滑动滤波检测，确定所述至少一段待选突变信号包括：
将所述预处理后信号通过预设窗口长度的滑动平均滤波后，确定滑动滤波信号；
提取所述滑动滤波信号中信号幅值均超过第一阈值的信号段，作为所述至少一段待选突变信号。
进一步地，所述特征阈值包括第一特征阈值、第二特征阈值、第三特征阈值和第四特征阈值，所述基于多个预设的特征阈值，依次对所述至少一段待选突变信号进行多种判断，识别所述至少一段突变信号中的真实突变信号包括：
基于所述第一特征阈值，判断所述至少一段待选突变信号是否满足第一预设条件，若满足，则将所述至少一段待选突变信号标记为第一特征信号；
基于所述第二特征阈值，判断所述第一特征信号是否满足第二预设条件，若满足，则将所述第一特征信号标记为第二特征信号；
基于所述第三特征阈值，判断所述第二特征信号是否满足第三预设条件，若满足，则将所述第二特征信号标记为第三特征信号；
基于所述第四特征阈值，判断所述第三特征信号是否满足第四预设条件，若满足，则将所述第三特征信号标记为第四特征信号，其中，标记为所述第四特征信号的信号段为所述高T波信号。
进一步地，所述第一预设条件包括：所述至少一段待选突变信号的信号起始点和信号终止点之间包含的信号间隔点小于所述第一特征阈值，其中，根据第一常数和所述ECG信号的采样率，确定所述第一特征阈值。
进一步地，所述第二预设条件包括：在预处理后信号中，所述第一特征信号对应的延迟起始点和延迟终止点之间的信号段中的最高幅值小于所述第二特征阈值，其中，所述延迟起始点为所述第一特征信号的起始点和延迟时长之差，所述延迟终止点为所述第二特征信号的终止点和所述延迟时长之差，所述延迟时长为预处理后信号转换为滑动滤波信号的过程中造成的延迟。
进一步地，所述第三预设条件包括：所述第二特征信号经过差分滤波后生成的差分信号的最大幅值小于所述第三特征阈值。
进一步地，所述第四预设条件包括：第一区域信号和第二区域信号经差分处理后得到的第三区域信号的最大幅值小于所述第四特征阈值，其中：
所述第一区域信号为在预处理后信号中第一起点之前的第一预设时长段，所述第一起点为所述第三特征信号对应的起始点和延迟时长之差，所述第一预设时长段根据所述ECG信号的采样率而确定；
所述第二区域信号为在滑动滤波信号中第二起点之前的第二预设时长段，所述第二起点为所述第三特征信号对应的起始点，所述第二预设时长段根据所述ECG信号的采样率而确定。
本发明还提供一种突变信号和高T波信号的区分装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如上所述的突变信号和高T波信号的区分方法。
与现有技术相比，本发明的有益效果包括：首先，对ECG信号进行有效的获取；进而，基于ECG信号，进行多种信号处理，初步筛选出多段待选突变信号，有效捕捉信号的突变特征，以便进一步在多段待选突变信号中筛选出高T波信号；最后，基于多段待选突变信号，针对每一段待选突变信号，利用多个预设的特征阈值，依次进行多种判断，依据多次判断的结果，综合判定该段待选突变信号是否具有高T波信号的特征，以此有效准确地识别高T波信号。综上，本发明筛选出多段待选突变信号，通过确定被识别出的多段待选突变信号是否具有高T波的典型特征，来高效区别高T波信号与突变信号，以此提高对ECG信号中高T波信号识别的准确度。
附图说明
图1为本发明提供的突变信号和高T波信号的区分方法的应用系统一实施例的场景示意图；
图2为本发明提供的突变信号和高T波信号的区分方法一实施例的流程示意图；
图3为本发明提供的图2中步骤S2一实施例的流程示意图；
图4为本发明提供的图3中步骤S21一实施例的流程示意图；
图5为本发明提供的图3中步骤S22一实施例的流程示意图；
图6为本发明提供的图2中步骤S3一实施例的流程示意图；
图7为本发明提供的突变信号和高T波信号的区分装置一实施例的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示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。此外，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明的描述中，提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，所描述的实施例可以与其它实施例相结合。
本发明提供了一种突变信号和高T波信号的区分方法，应用于医疗领域ECG信号的信号处理过程中，依据多种高T波信号的特征进行识别，为进一步提高高T波信号识别的准确性提供了新思路。以下分别进行详细说明：
本发明实施例提供了一种突变信号和高T波信号的区分方法的应用系统，图1为本发明提供的突变信号和高T波信号的区分方法的应用系统一实施例的场景示意图，该系统可以包括服务器100，服务器100中集成有突变信号和高T波信号的区分装置，如图1中的服务器。
本发明实施例中服务器100主要用于：
获取实测目的层的压力参数、应力参数和应变关系参数；
根据所述压力参数、所述应力参数和所述应变关系参数，分别确定对应的第一指数、第二指数和第三指数；
根据所述第一指数、所述第二指数和所述第三指数和预设的毕渥数，确定预测压力，并基于所述预测压力，判断可能存在油气的区域。
本发明实施例中，该服务器100可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本发明实施例中所描述的服务器100，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。
可以理解的是，本发明实施例中所使用的终端200可以是既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端200可以是台式机、便携式电脑、网络服务器、掌上电脑(Personal Digital Assistant，PDA)、移动手机、平板电脑、无线终端设备、通信设备、嵌入式设备等，本实施例不限定终端200的类型。
本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本发明方案一种应用场景，并不构成对本发明方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的终端，例如图1中仅示出2个终端，可以理解的，该突变信号和高T波信号的区分方法的应用系统还可以包括一个或多个其他终端，具体此处不作限定。
另外，如图1所示，该突变信号和高T波信号的区分方法的应用系统还可以包括存储器200，用于存储数据，如ECG信号、待选突变信号和多个预设的特征阈值等。
需要说明的是，图1所示的突变信号和高T波信号的区分方法的应用系统的场景示意图仅仅是一个示例，本发明实施例描述的突变信号和高T波信号的区分方法的应用系统以及场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着突变信号和高T波信号的区分方法的应用系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
本发明实施例提供了一种突变信号和高T波信号的区分方法，结合图2来看，图2为本发明提供的突变信号和高T波信号的区分方法一实施例的流程示意图，包括步骤S1至步骤S3，其中：
在步骤S1中，获取ECG信号；
在步骤S2中，对所述ECG信号进行信号处理，确定所述ECG信号中的至少一段待选突变信号；其中，信号处理包括高通滤波处理、低通滤波处理、平滑滤波处理中的至少一种；
在步骤S3中，基于多个预设的特征阈值，依次对所述至少一段待选突变信号进行多种判断，识别所述至少一段突变信号中的高T波信号。其中，在多段突变信号中除高T波信号意外的信号段为真实突变信号。
在本发明实施例中，首先，对ECG信号进行有效的获取；进而，基于ECG信号，进行多种信号处理，初步筛选出多段待选突变信号，有效捕捉信号的突变特征，以便进一步在多段待选突变信号中筛选出高T波信号；最后，基于多段待选突变信号，针对每一段待选突变信号，利用多个预设的特征阈值，依次进行多种判断，依据多次判断的结果，综合判定该段待选突变信号是否具有高T波信号的特征，以此有效准确地识别高T波信号。
作为优选的实施例，结合图3来看，图3为本发明提供的图2中步骤S2一实施例的流程示意图，包括步骤S21至步骤S22，其中：
在步骤S21中，对所述ECG信号进行预处理，确定预处理后信号；
在步骤S22中，对所述预处理后信号进行滑动滤波检测，确定所述至少一段待选突变信号。
在本发明实施例中，通过预处理去噪，以免噪声的干扰，再通过滑动滤波检测，高效筛选出具有突变特征的信号段。
作为优选的实施例，结合图4来看，图4为本发明提供的图3中步骤S21一实施例的流程示意图，包括步骤S211至步骤S212，其中：
在步骤S211中，将所述ECG信号通过高通滤波器后，确定高通滤波信号；
在步骤S212中，将所述高通滤波信号通过低通滤波器后，确定所述预处理后信号。
在本发明实施例中，通过高通滤波，消除低频基线，再通过低通滤波，消除高频噪声，以此达到有效去噪，保证信号准确性的目的。
在本发明一个具体的实施例中，对采样率为Fs的ECG信号SIG1进行预处理，首先，将ECG信号SIG1通过0.67Hz高通FIR least-square滤波器S1，消除其中的低频基线，得到信号SIG2；进而将信号SIG2通过150Hz低通FIR least-square滤波器S2，消除高频肌电噪声，得到信号SIG3(属于上述预处理后信号中的一种)。
作为优选的实施例，结合图5来看，图5为本发明提供的图3中步骤S22一实施例的流程示意图，包括步骤S221至步骤S222，其中：
在步骤S221中，将所述预处理后信号通过预设窗口长度的滑动平均滤波后，确定滑动滤波信号；
在步骤S222中，提取所述滑动滤波信号中信号幅值均超过第一阈值的信号段，作为所述至少一段待选突变信号。
在本发明实施例中，基于滑动平均滤波，有效区分ECG信号中具有突变特征的信号段，以便后续对高T波信号的识别。
在本发明一个具体的实施例中，对上述实施例中的信号SIG3进行窗口长度为L1的滑动平均滤波，得到信号SIG4，以此消除R波对突变信号定位的影响。而滑动滤波造成的延迟为DEALY1，对信号SIG4进行阈值判断，信号SIG4中超过阈值T1的信号段被视为突变信号。其中，将第n段突变信号标记为An，An在信号SIG4中的起始点标记为Asn，终止点标记为Aen，共有m段突变信号。
作为优选的实施例，结合图6来看，图6为本发明提供的图2中步骤S3一实施例的流程示意图，包括步骤S31至步骤S34，其中：
在步骤S31中，基于所述第一特征阈值，判断所述至少一段待选突变信号是否满足第一预设条件，若满足，则将所述至少一段待选突变信号标记为第一特征信号；
在步骤S32中，基于所述第二特征阈值，判断所述第一特征信号是否满足第二预设条件，若满足，则将所述第一特征信号标记为第二特征信号；
在步骤S33中，基于所述第三特征阈值，判断所述第二特征信号是否满足第三预设条件，若满足，则将所述第二特征信号标记为第三特征信号；
在步骤S34中，基于所述第四特征阈值，判断所述第三特征信号是否满足第四预设条件，若满足，则将所述第三特征信号标记为第四特征信号，其中，标记为所述第四特征信号的信号段为所述真实突变信号。
在本发明实施例中，通过设置第一特征阈值、第二特征阈值、第三特征阈值和第四特征阈值，依次从多方面判断每一段待选突变信号是否具有高T波的特征，以此高效准确地筛选出高T波信号。
作为优选的实施例，所述第一预设条件包括：所述至少一段待选突变信号的信号起始点和信号终止点之间包含的信号间隔点小于所述第一特征阈值，其中，根据第一常数和所述ECG信号的采样率，确定所述第一特征阈值。在本发明实施例中，设置第一预设条件，有效从信号持续时间，确定待选突变信号是否具有高T波信号特征。
作为优选的实施例，所述第二预设条件包括：在预处理后信号中，所述第一特征信号对应的延迟起始点和延迟终止点之间的信号段中的最高幅值小于所述第二特征阈值，其中，所述延迟起始点为所述第一特征信号的起始点和延迟时长之差，所述延迟终止点为所述第二特征信号的终止点和所述延迟时长之差，所述延迟时长为预处理后信号转换为滑动滤波信号的过程中造成的延迟。在本发明实施例中，设置第二预设条件，有效从幅值的高度，确定第一特征信号是否具有高T波信号特征。
作为优选的实施例，所述第三预设条件包括：所述第二特征信号经过差分滤波后生成的差分信号的最大幅值小于所述第三特征阈值。在本发明实施例中，设置第三预设条件，有效从信号中的斜率变化，确定第二特征信号是否具有高T波信号特征。
作为优选的实施例，所述第四预设条件包括：第一区域信号和第二区域信号经差分处理后得到的第三区域信号的最大幅值小于所述第四特征阈值，其中：
所述第一区域信号为在预处理后信号中第一起点之前的第一预设时长段，所述第一起点为所述第三特征信号对应的起始点和延迟时长之差，所述第一预设时长段根据所述ECG信号的采样率而确定；
所述第二区域信号为在滑动滤波信号中第二起点之前的第二预设时长段，所述第二起点为所述第三特征信号对应的起始点，所述第二预设时长段根据所述ECG信号的采样率而确定。
在本发明实施例中，设置第四预设条件，利用高T波在R波之后，而突变信号则可能出现在ECG信号中的任何地方的特征，基于R波，进一步确定第三特征信号是否具有高T波信号特征。其中，将滤波后的ECG信号中的突变信号前的一段信号与滤波前的ECG信号中的对应突变信号所在区域的前一段信号做差分处理，若处理后得到的信号的幅值较大，则说明该段信号具有R波，进而说明突变信号位于T波的位置。
其中，可以理解的是，上述多种特征阈值的选定以实际应用情况而确定，在此不做限定。
需要说明的是，通过判断被识别出的突变信号是否具有高T波的典型特征来区分高T波与突变信号：
第一，高T波的持续时间的典型值范围为：0.05S～0.25S；
第二，高T波的高度不超过1.5mV；
第三，高T波的斜率是缓慢变化的，而大部分突变信号中总有部分斜率是快速变化的；
第四，高T波在R波之后，而突变信号则可能出现在ECG信号中的任何地方；
其中，只有同时满足上述四点要求，待选突变信号才被重新判定为高T波。
在本发明一个具体的实施例中，通过一系列特征阈值判断来区别突变信号与高T波信号，依次进行以下判断步骤：
第一步，对于上述实施例中的信号An(待选突变信号)，若(Aen-Asn)小于0.25*Fs个点，则将其标记为信号A1n(第一特征信号)；
第二步，对于信号A1n(第一特征信号)，若在信号SIG3中，Asn-DELAY个点与Aen-DELAY个点之间的最高值小于1.5mV，将其信号A1n标记为信号A2n(第二特征信号)；
第三步，对信号A2n进行差分滤波，得到差分信号，若差分信号的最大值小于阈值T2，则将其标记为信号A3n(第三特征信号)；
第四步，对于信号A3n，信号SIG3(预处理后信号)中Asn-DELAY个点前0.05*Fs～0.25*Fs的区域记为第一区域信号Sn1，信号SIG4(滑动滤波信号)中Asn个点前0.05*Fs～0.25*Fs的区域记为第二区域信号Sn2。将第一区域信号Sn1与第二区域信号Sn2做差分处理，得到第三区域信号Sn3，若第三区域信号Sn3的最大值大于阈值T3,则将信号A3n记为信号A4n(第四特征信号)；
其中，对于上述实施例中m段被标记为突变信号的信号A1～Am执行上述第一步至第四步。其中被标记为信号A4n的第n段信号为真实突变信号，即与高T波区别开来的突变信号。
本发明实施例还提供了一种突变信号和高T波信号的区分装置，结合图7来看，图7为本发明提供的突变信号和高T波信号的区分装置一实施例的结构示意图，包括：
获取单元701：用于获取ECG信号；
处理单元702：用于对所述ECG信号进行信号处理，确定所述ECG信号中的至少一段待选突变信号；
识别单元703：用于基于多个预设的特征阈值，依次对所述至少一段待选突变信号进行多种判断，识别所述至少一段突变信号中的高T波信号。
突变信号和高T波信号的区分装置的各个单元的更具体实现方式可以参见对于本发明的突变信号和高T波信号的区分方法的描述，且具有与之相似的有益效果，在此不再赘述。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如上所述的突变信号和高T波信号的区分方法。
一般来说，用于实现本发明方法的计算机指令的可以采用一个或多个计算机可读的存储介质的任意组合来承载。非临时性计算机可读存储介质可以包括任何计算机可读介质，除了临时性地传播中的信号本身。
计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言，特别是可以使用适于神经网络计算的Python语言和基于TensorFlow、PyTorch等平台框架。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明实施例还提供了一种突变信号和高T波信号的区分设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如上所述的突变信号和高T波信号的区分方法。
根据本发明上述实施例提供的计算机可读存储介质和计算设备，可以参照根据本发明实现如上所述的突变信号和高T波信号的区分方法具体描述的内容实现，并具有与如上所述的突变信号和高T波信号的区分方法类似的有益效果，在此不再赘述。
本发明公开了一种突变信号和高T波信号的区分方法和装置，首先，对ECG信号进行有效的获取；进而，基于ECG信号，进行多种信号处理，初步筛选出多段待选突变信号，有效捕捉信号的突变特征，以便进一步在多段待选突变信号中筛选出高T波信号；最后，基于多段待选突变信号，针对每一段待选突变信号，利用多个预设的特征阈值，依次进行多种判断，依据多次判断的结果，综合判定该段待选突变信号是否具有高T波信号的特征，以此有效准确地识别高T波信号。
本发明技术方案，筛选出多段待选突变信号，通过确定被识别出的多段待选突变信号是否具有高T波的典型特征，来高效区别高T波信号与突变信号，以此提高对ECG信号中高T波信号识别的准确度，除此之外，仅需要对ECG信号进行4次线性滤波就可以将高T波与突变信号区别开来，具有计算量小的优点，并能够将与高T波与突变信号区别开来，特别是低幅值的突变信号。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种突变信号和高T波信号的区分方法，其特征在于，包括：
获取ECG信号；
对所述ECG信号进行信号处理，确定所述ECG信号中的至少一段待选突变信号；
基于多个预设的特征阈值，依次对所述至少一段待选突变信号进行多种判断，识别所述至少一段突变信号中的高T波信号。
2.根据权利要求1所述的突变信号和高T波信号的区分方法，其特征在于，所述对所述ECG信号进行信号处理，确定所述ECG信号中的至少一段待选突变信号包括：
对所述ECG信号进行预处理，确定预处理后信号；
对所述预处理后信号进行滑动滤波检测，确定所述至少一段待选突变信号。
3.根据权利要求1所述的突变信号和高T波信号的区分方法，其特征在于，所述对所述ECG信号进行预处理，确定预处理后信号包括：
将所述ECG信号通过高通滤波器后，确定高通滤波信号；
将所述高通滤波信号通过低通滤波器后，确定所述预处理后信号。
4.根据权利要求1所述的突变信号和高T波信号的区分方法，其特征在于，所述对所述预处理后信号进行滑动滤波检测，确定所述至少一段待选突变信号包括：
将所述预处理后信号通过预设窗口长度的滑动平均滤波后，确定滑动滤波信号；
提取所述滑动滤波信号中信号幅值均超过第一阈值的信号段，作为所述至少一段待选突变信号。
5.根据权利要求1所述的突变信号和高T波信号的区分方法，其特征在于，所述特征阈值包括第一特征阈值、第二特征阈值、第三特征阈值和第四特征阈值，所述基于多个预设的特征阈值，依次对所述至少一段待选突变信号进行多种判断，识别所述至少一段突变信号中的真实突变信号包括：
基于所述第一特征阈值，判断所述至少一段待选突变信号是否满足第一预设条件，若满足，则将所述至少一段待选突变信号标记为第一特征信号；
基于所述第二特征阈值，判断所述第一特征信号是否满足第二预设条件，若满足，则将所述第一特征信号标记为第二特征信号；
基于所述第三特征阈值，判断所述第二特征信号是否满足第三预设条件，若满足，则将所述第二特征信号标记为第三特征信号；
基于所述第四特征阈值，判断所述第三特征信号是否满足第四预设条件，若满足，则将所述第三特征信号标记为第四特征信号，其中，标记为所述第四特征信号的信号段为所述高T波信号。
6.根据权利要求5所述的突变信号和高T波信号的区分方法，其特征在于，所述第一预设条件包括：所述至少一段待选突变信号的信号起始点和信号终止点之间包含的信号间隔点小于所述第一特征阈值，其中，根据第一常数和所述ECG信号的采样率，确定所述第一特征阈值。
7.根据权利要求5所述的突变信号和高T波信号的区分方法，其特征在于，所述第二预设条件包括：在预处理后信号中，所述第一特征信号对应的延迟起始点和延迟终止点之间的信号段中的最高幅值小于所述第二特征阈值，其中，所述延迟起始点为所述第一特征信号的起始点和延迟时长之差，所述延迟终止点为所述第二特征信号的终止点和所述延迟时长之差，所述延迟时长为预处理后信号转换为滑动滤波信号的过程中造成的延迟。
8.根据权利要求5所述的突变信号和高T波信号的区分方法，其特征在于，所述第三预设条件包括：所述第二特征信号经过差分滤波后生成的差分信号的最大幅值小于所述第三特征阈值。
9.根据权利要求5所述的突变信号和高T波信号的区分方法，其特征在于，所述第四预设条件包括：第一区域信号和第二区域信号经差分处理后得到的第三区域信号的最大幅值小于所述第四特征阈值，其中：
所述第一区域信号为在预处理后信号中第一起点之前的第一预设时长段，所述第一起点为所述第三特征信号对应的起始点和延迟时长之差，所述第一预设时长段根据所述ECG信号的采样率而确定；
所述第二区域信号为在滑动滤波信号中第二起点之前的第二预设时长段，所述第二起点为所述第三特征信号对应的起始点，所述第二预设时长段根据所述ECG信号的采样率而确定。
10.一种突变信号和高T波信号的区分装置，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现根据权利要求1至9任一项所述的突变信号和高T波信号的区分方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110883509.5A CN113576489A (zh) | 2021-08-02 | 2021-08-02 | 一种突变信号和高t波信号的区分方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110883509.5A CN113576489A (zh) | 2021-08-02 | 2021-08-02 | 一种突变信号和高t波信号的区分方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113576489A true CN113576489A (zh) | 2021-11-02 |
Family
ID=78254045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110883509.5A Pending CN113576489A (zh) | 2021-08-02 | 2021-08-02 | 一种突变信号和高t波信号的区分方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113576489A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007106781A2 (en) * | 2006-03-10 | 2007-09-20 | University Of Rochester | Ecg-based differentiation of lqt1 and lqt2 mutation |
| US20130237874A1 (en) * | 2012-03-12 | 2013-09-12 | Texas Instruments Incorporated | Real Time QRS Detection Using Adaptive Threshold |
| CN109091140A (zh) * | 2018-07-06 | 2018-12-28 | 四川斐讯信息技术有限公司 | 一种心电信号r波检测方法及系统 |
| CN111643070A (zh) * | 2020-06-12 | 2020-09-11 | 京东方科技集团股份有限公司 | 一种t波起点的确定方法、装置、存储介质及电子设备 |
| CN111685759A (zh) * | 2020-05-12 | 2020-09-22 | 河北大学 | 一种心电信号的p、t特征波检测方法 |
-
2021
- 2021-08-02 CN CN202110883509.5A patent/CN113576489A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007106781A2 (en) * | 2006-03-10 | 2007-09-20 | University Of Rochester | Ecg-based differentiation of lqt1 and lqt2 mutation |
| US20130237874A1 (en) * | 2012-03-12 | 2013-09-12 | Texas Instruments Incorporated | Real Time QRS Detection Using Adaptive Threshold |
| CN104203091A (zh) * | 2012-03-12 | 2014-12-10 | 德克萨斯仪器股份有限公司 | 使用自适应阈值的实时qrs检测 |
| CN109091140A (zh) * | 2018-07-06 | 2018-12-28 | 四川斐讯信息技术有限公司 | 一种心电信号r波检测方法及系统 |
| CN111685759A (zh) * | 2020-05-12 | 2020-09-22 | 河北大学 | 一种心电信号的p、t特征波检测方法 |
| CN111643070A (zh) * | 2020-06-12 | 2020-09-11 | 京东方科技集团股份有限公司 | 一种t波起点的确定方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107041743B (zh) | 一种心电信号实时r波检测方法 | |
| US8112147B2 (en) | Method and apparatus for generating determination indexes for identifying ECG interfering signals | |
| WO2019041772A1 (zh) | 一种基于脑电信号的麻醉深度的监测方法及系统 | |
| Zhang et al. | A Kalman filtering based adaptive threshold algorithm for QRS complex detection | |
| CN112244835B (zh) | 信号处理方法及相关装置 | |
| CN104644160A (zh) | 心电图伪差信号识别方法及装置 | |
| CN112526602B (zh) | 一种基于长短时窗和ar模型方差激增效应的p波到时拾取方法 | |
| JP6243254B2 (ja) | 心拍検出方法および心拍検出装置 | |
| CN111248895A (zh) | 心电信号特征检测方法及其系统 | |
| CN109077721A (zh) | 房颤检测装置及存储介质 | |
| US11170760B2 (en) | Detecting speech activity in real-time in audio signal | |
| CN107753012B (zh) | 一种心磁信号质量评估方法、系统、及服务器 | |
| CN113576489A (zh) | 一种突变信号和高t波信号的区分方法及装置 | |
| KR101367596B1 (ko) | 동잡음 측정 및 제거 기능을 포함하는 심장 제세동기 | |
| CN116328187B (zh) | 可电击心律识别方法、穿戴式心律转复除颤器及存储介质 | |
| CN112033656A (zh) | 一种基于宽带谱处理的机械系统故障检测方法 | |
| CN115687897A (zh) | 基于半监督学习的高压电缆铝护套腐蚀损伤识别方法、系统、设备及介质 | |
| CN110755069A (zh) | 一种跳跃突变噪声的动态心电信号基线漂移校正方法 | |
| Hamidah et al. | Effective heart sounds detection method based on signal's characteristics | |
| CN107548007B (zh) | 一种音频信号采集设备的检测方法及装置 | |
| CN114533080A (zh) | 一种对心电信号数据进行颤动波识别的方法和装置 | |
| CN108836312B (zh) | 一种基于人工智能的进行杂波剔除的方法及系统 | |
| Ota et al. | Real-time and memory-efficient arrhythmia detection in ECG monitors using antidictionary coding | |
| CN113509187B (zh) | 一种实时的单导联心电r波检测方法 | |
| Su et al. | A robust r-peaks detection algorithm of ecg signals by using adaptive combined threshold |
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 |