CN113786202A - 一种心电图特征起点和终点检测方法、系统、装置及介质 - Google Patents

一种心电图特征起点和终点检测方法、系统、装置及介质 Download PDF

Info

Publication number
CN113786202A
CN113786202A CN202110943401.0A CN202110943401A CN113786202A CN 113786202 A CN113786202 A CN 113786202A CN 202110943401 A CN202110943401 A CN 202110943401A CN 113786202 A CN113786202 A CN 113786202A
Authority
CN
China
Prior art keywords
wave
point
electrocardiogram
window
end point
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
CN202110943401.0A
Other languages
English (en)
Other versions
CN113786202B (zh
Inventor
李桂香
许为康
徐飞
谭仲威
唐元梁
雷鹏
姚立平
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.)
Institute Of Health Medicine Guangdong Academy Of Sciences
Original Assignee
Institute Of Health Medicine Guangdong Academy Of Sciences
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 Institute Of Health Medicine Guangdong Academy Of Sciences filed Critical Institute Of Health Medicine Guangdong Academy Of Sciences
Priority to CN202110943401.0A priority Critical patent/CN113786202B/zh
Publication of CN113786202A publication Critical patent/CN113786202A/zh
Application granted granted Critical
Publication of CN113786202B publication Critical patent/CN113786202B/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

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

本发明提供的一种心电图特征起点和终点检测方法、系统、装置及介质，方法包括获取心电数据，对所述心电数据进行去噪处理得到第一滤波信号；对所述第一滤波信号进行分解，将分解后的信号富集得到若干子波；根据QRS复合波特征以及心电图时域特征，通过若干有限区域窗确定所述子波的位置与峰值；根据所述峰值与所述有限区域窗中的点的斜率，根据所述斜率绝对最值定位得到所述子波的起点以及终点；方法可以实现对心电图特征波的起点和终点的准确检测，方法能够便于准确地提取心电诊断需要的时间和幅值特征，为心电的诊断和心电自动诊断系统研发及相关疾病的识别诊断提供基础，因此可广泛应用于心电数据处理技术领域。

Description

一种心电图特征起点和终点检测方法、系统、装置及介质
技术领域
本发明涉及心电数据处理技术领域，尤其是一种心电图特征起点和终点检测方法、系统、装置及介质。
背景技术
心电图(Electrocardiogram,ECG)分析是心脏疾病预防中最常用的检查之一，也可以帮助医生诊断心律失常、心肌缺血、心肌梗死等心血管疾病。心电图特征波的时间特征和幅值特征是临床诊断的主要依据。而准确提取心电信号中的P、Q、R、S、T波等特征波和其起点及终点，是提取心电时间和幅值特征等诊断指标的前提。目前，多数特征波检测仅止于特征波的识别。特征波检测中，R波检测是所有特征波检测的前提，其准确性直接影响其它特征波的检测，进而影响时间和幅值特征的提取准确性。在准确检测识别R波和其它特征波后，因心律不齐的心电图种类繁杂、心电特征波的幅度微小形态多变，特征波的起点和终点可靠检测一直是个难点问题。目前，特征波起始点和终点检测的方法大多是针对单一特征波起始点的检测，主要包括基于特征波峰值的求导法和局部搜索阈值法。
目前提取心电特征波起点和终点的方案，基本是针对单一特征波的起点和终点提取，不能实现对所有特征波起点和终点检测，且采用的求导法或局部搜索阈值法会因心律不齐心电图的特征波可能存在双峰等异常形态，及易造成误检测，影响检测获得的特征波的起点和终点的准确性，进而影响时间和幅值特征的提取。
发明内容
有鉴于此，为至少部分解决上述技术问题之一，本发明实施例目的在于提供一种准确率更高，处理响应速度更快的心电图特征起点和终点检测方法，以及能够对应实现该方法的系统、装置以及存储介质。
第一方面，本申请的技术方案提供了一种心电图特征起点和终点检测方法，其步骤包括：
获取心电数据，对所述心电数据进行去噪处理得到第一滤波信号；
对所述第一滤波信号进行分解，将分解后的信号富集得到若干子波；
根据QRS复合波特征以及心电图时域特征，通过若干有限区域窗确定所述子波的位置与峰值；
计算所述峰值与所述有限区域窗中点的斜率，根据所述斜率绝对最值初步定位得到所述子波的起点以及终点；
根据所述子波的时域特征，采用所述有限区域窗和预设阈值对所述子波的起点以及终点进行修正。
在本申请方案的一种可行的实施例中，在所述根据QRS复合波特征以及心电图时域特征，通过若干有限区域窗确定所述子波的位置与峰值这一步骤之前，方法还包括以下步骤：
确定所述有限区域窗的窗口阈值，确定所述子波的波幅阈值；
根据所述窗口阈值与所述波幅阈值删除所述子波中的误检值。
在本申请方案的一种可行的实施例中，所述子波包括R波、Q波、S波、P波和T波；
所述根据QRS复合波特征以及心电图时域特征，通过若干有限区域窗确定所述子波的位置与峰值，其包括以下步骤：
根据所述QRS复合波特征，根据第一有限区域窗中的绝对最大值确定R波位置以及R波峰值；
根据所述R波位置设定第二有限区域窗，根据所述第二有限区域窗中的绝对最大值确定Q波位置、Q波峰值、S波位置以及S波峰值；
根据所述心电图时域特征以及所述Q波位置设定第三有限区域窗，根据所述第三有限区域窗中的绝对最大值，定位得到P波位置以及P波峰值；
根据所述心电图时域特征以及所述S波位置设定第四有限区域窗，根据所述第四有限区域窗中的绝对最大值，定位得到T波位置以及T波峰值。
在本申请方案的一种可行的实施例中，当所述子波为P波，所述根据所述斜率绝对最值初步定位得到所述子波的起点以及终点，其包括以下步骤：
以所述P波位置为基点，设置第五有限区域窗；
计算第五有限区域窗内点与P波峰值点之间的斜率，根据斜率绝对最大值定位得到P波起点以及P波终点；
根据所述波幅阈值对所述P波起点以及所述P波终点进行修正。
在本申请方案的一种可行的实施例中，当所述子波为T波，根据所述斜率绝对最值初步定位得到所述子波的起点以及终点，其包括以下步骤：
以所述T波位置为基点，设置第六有限区域窗；
计算第六有限区域窗内点与T波峰值点之间的斜率，根据斜率绝对最大值定位得到T波起点以及T波终点；
根据所述波幅阈值对所述T波起点以及所述T波终点进行修正。
在本申请方案的一种可行的实施例中，当所述子波为R波、Q波以及S波组成的QRS复合波，所述根据所述斜率绝对最值初步定位得到所述子波的起点以及终点，其包括以下步骤：
以所述Q波位置为基点，设置第七有限区域窗；
计算第七有限区域窗内点与Q波峰值点的斜率，根据所述斜率绝对最大值定位得到QRS复合波的起点；
以所述S波位置为基点，设置第八有限区域窗；
计算第八有限区域窗内点与S波峰值点的斜率，根据所述斜率绝对最大值定位得到所述QRS复合波的终点。
在本申请方案的一种可行的实施例中，所述根据所述斜率绝对最值初步定位得到所述子波的起点以及终点，其还包括以下步骤：
根据所述窗口阈值与所述波幅阈值对所述QRS复合波的起点以及所述QRS复合波的终点进行修正。
第二方面，本发明的技术方案还提供一种心电图特征起点和终点检测系统，其包括：
信号获取单元，用于获取心电数据，对所述心电数据进行去噪处理得到第一滤波信号；
信号分解单元，用于对所述第一滤波信号进行分解，将分解后的信号富集得到若干子波；
特征提取单元，用于根据QRS复合波特征以及心电图时域特征，通过若干有限区域窗确定所述子波的位置与峰值；
波形定位单元，用于根据所述峰值与所述有限区域窗中点的斜率，根据所述斜率绝对最值初步定位得到所述子波的起点以及终点。
第三方面，本发明的技术方案还提供一种心电图特征起点和终点检测装置，其包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当至少一个程序被至少一个处理器执行，使得至少一个处理器运行第一方面中任意一种心电图特征起点和终点检测方法。
第四方面，本发明的技术方案还提供了一种存储介质，其中存储有处理器可执行的程序，处理器可执行的程序在由处理器执行时用于运行第一方面中的方法。
本发明的优点和有益效果将在下面的描述中部分给出，其他部分可以通过本发明的具体实施方式了解得到：
本申请技术方案通过富集特征波能量，结合窗口自适应阈值提取特征波；在提取得到可以表征心电特征的若干子波的波峰值和位置基础上，采用区间斜率最值法结合起点和终点窗口阈值法修正，实现对子波的起点和终点的准确检测，便于准确地提取心电诊断需要的时间和幅值特征，为心电的诊断和心电自动诊断系统研发及相关疾病的识别诊断提供基础。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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。
图1为本发明实施例提供的一种心电图特征起点和终点检测方法的步骤流程图；
图2为本发明实施例中MIT-BIH数据库中记录为100的II导联心电波形图；
图3为本发明实施例中MIT-BIH数据库中记录为100的II导联心电滤波后波形图；
图4为本发明实施例中确定R波峰值和位置的波形图；
图5为本发明实施例中确定Q波峰值和位置的波形图；
图6为本发明实施例中确定S波峰值和位置的波形图；
图7为本发明实施例中确定P波峰值和位置的波形图；
图8为本发明实施例中确定T波峰值和位置的波形图；
图9为本发明实施例中确定P波起点位置的波形图；
图10为本发明实施例中确定P波终点位置的波形图；
图11为本发明实施例中确定T波起点位置的波形图；
图12为本发明实施例中确定T波终点位置的波形图；
图13为本发明实施例中提取QRS波起点位置的波形图；
图14为本发明实施例中提取QRS波终点位置的波形图。
具体实施方式
下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
本申请技术方案的目的是为了解决现有特征波起点和终止点检测方法的局限性，基于小波变换富集特征波能量结合窗口自适应阈值提取特征波和区间阈值修正的心电特征波，从而准确提取方法提取特征波峰值和位置，然后基于提取的特征波峰值和位置采用区间斜率最值法结合起点和终点窗口阈值法修正，实现P波、QRS波群、T波的起点和终点的准确检测，便于准确提取心电诊断需要的时间和幅值特征，为心电的诊断和心电自动诊断系统研发及相关疾病的识别诊断提供基础。
针对背景技术中所指出的现有技术中所存在的缺陷，如图1所示，一方面，本申请的技术方案提供了的一种心电图特征起点和终点检测方法，其主要步骤可以包括S100-S500：
S100、获取心电数据，对心电数据进行去噪处理得到第一滤波信号；
具体地，实施例选取通过传感器等采集装置所获取的心电数据，首先进行小波滤波对心电信号去噪；例如，将细节系数最低2层置零，近似系数最高层置0，以滤除肌电噪声、基线漂移以及工频噪声等主要噪声，得到较为纯净且能保持原始心电波形的滤波信号。
示例性地，如图2所示，实施例选取MIT-BIH数据库中数据记录为100的心电数据MLII肢体导联，采用sym8小波基进行8层小波变换，将其细节系数第1-2层置零，近似系数第8层置0，以去除心电信号中的肌电噪声、基线漂移、工频噪声等主要噪声，得到如图3所示的较为平滑纯净且能保持原始心电波形的滤波信号。
S200、对第一滤波信号进行分解，将分解后的信号富集得到若干子波；其中，实施例中子波包括R波、Q波、S波、P波和T波。
具体地，对去噪后的原始心电波形的滤波信号进行分解，分别选取R波、Q和S波、P和T波能量富集的细节系数层分别保留相应层系数对原始信号进行滤波后，对滤波后的信号进行四则运算得到分别富集R波、Q和S波、P和T波能量，滤除其他波形，消影其它特征波，只分别保留R波、Q和S波、P和T波位置值的波形图。
示例性地，实施例对步骤S100中得到平滑纯净且能保持原始心电波形的滤波信号进行8层小波分解，分别保留第3-5层包含较多R波能量的细节系数滤波后的心电信号进行四则运算，令A信号＝d3滤波信号+d4滤波信号+d5滤波信号，信号B＝d4滤波信号*(d3滤波信号+d5滤波信号)/2n(n为不超过小波层数的整数值)，C信号＝A信号*B信号，以富集R波能量。其次，同样对步骤S100得到的心电信号进行8层小波分解，保留第2-5层包含较多Q、S波能量的细节系数滤波后的心电信号进行加法运算，加强波形中Q、S波能量。最后，同样对步骤S100得到的心电信号进行8层小波分解，保留第6-7层包含较多P、T波能量的细节系数滤波后的心电信号进行加法运算，加强波形中P、T波能量。
S300、根据QRS复合波特征以及心电图时域特征，通过若干有限区域窗确定子波的位置与峰值；
具体地，实施例中根据QRS复合波特征，采用固定窗口滑动法和固定窗内最大值确定高值阈值，进行R波的提取定位，实现R波位置和峰值的提取，采用阈值法删除误检值。根据心电复合波QRS波正常时域特征，以R波位置为基点，设定前后有限区域窗，分别求窗内最小值，定位得到Q、S波位置和峰值。根据心电图正常时域特征，以Q波位置为基点，设定其前有限区域窗，求窗内最大值，定位得到P波位置和峰值，采用区间阈值法修正P波；以S波位置为基点，设定其后有限区域窗，求窗内最大值，定位得到T波位置和峰值，采用区间阈值法修正T波。
S400、计算峰值与有限区域窗中的点的斜率，根据斜率绝对最值定位得到子波的起点以及终点；
S500、根据所述子波的时域特征，采用所述有限区域窗和预设阈值对所述子波的起点以及终点进行修正。
具体地，实施例中首先确定P波起点和终点，基于P波位置和峰值，根据P波正常时域特征，以P波位置为基点，设定前后有限区域窗，分别确定窗内点与P波峰值点的斜率最大值、最小值，定位得到P波起点和终点位置及幅值，根据心电图正常时域特征，分别基于P波起点和终点选取固定窗，设定阈值对P波起点和终点位置进行修正。
其次，确定T波起点和终点，基于T波峰值和位置，根据T波正常时域特征，以T波位置为基点，设定前后有限区域窗，分别求窗内点与T波峰值点的斜率最大值、最小值，定位得到T起点和终点位置及幅值，根据心电图正常时域特征，分别基于T波起点和终点选取固定窗，设定阈值对T波起点和终点位置进行修正。
然后确定QRS波群，即由R波、Q波以及S波组成的QRS复合波的起点和终点，基于Q波峰值和位置，根据QRS波时域特征，以Q波位置为基点，设定前有限区域窗，确定窗内点与Q波峰值点的斜率负向最大值，进而定位得到QRS波起点位置及幅值，根据心电图正常时域特征，以S波位置为基点，设定后有限区域窗，确定窗内点与S波峰值点的斜率最大值，定位得到QRS波终点位置及幅值，根据心电图QRS正常时域特征，分别基于Q波起点和S波终点选取固定窗，设定阈值对QRS波起点和终点位置进行修正。在一些可选择的实施例中，方法在根据QRS复合波特征以及心电图时域特征，通过若干有限区域窗确定子波的位置与峰值这一步骤S300之前，还包括步骤S210-S220：
S210、确定有限区域窗的窗口阈值，确定子波的波幅阈值；
S220、根据窗口阈值与波幅阈值删除子波中的误检值；
具体地，实施例中采用阈值法删除步骤S200中提取得到的误检值。如图4所示，示例性地，基于富集R波能量后的心电图，根据心电图QRS复合波特征然后固定窗口宽度和步长均为200points，在窗口内确定得最大值，采用最大值的60％值为阈值，通过窗口滑动设定每个窗口里的阈值，实现自适应阈值法提取出R波，然后再根据正常RR间距的40％和R波幅值均值的1/10为阈值，去除误检的R波。
在一些可选择的实施例中，根据QRS复合波特征以及心电图时域特征，通过若干有限区域窗确定子波的位置与峰值这一步骤S300，其包括以下步骤S310-S340：
S310、根据QRS复合波特征，根据第一有限区域窗中的最大值确定R波位置以及R波峰值；
其中，实施例中的第一有限区域窗的窗口宽度和步长均为设置为200points，通过窗口滑动设定每次窗口中的阈值，实现自适应阈值法提取得到R波，并确定R波位置以及R波峰值。
S320、根据R波位置设定第二有限区域窗，根据第二有限区域窗中的最小值确定Q波位置、Q波峰值、S波位置以及S波峰值；
其中，实施例中的第二有限区域窗宽度和步长均为设置为36points。如图5和图6所示，具体地，在定位R波后，同定位R波原理一样，然后基于富集Q、S波能量后的心电图，根据心电复合波QRS波正常时域特征，基于R波位置采用设定前有限区域窗为[R位置-36，R]，后有限区域窗[R位置，R位置+36]，分别确定窗内最小值，定位得到Q、S波，确定Q波位置、Q波峰值、S波位置以及S波峰值。
S330、根据心电图时域特征以及Q波位置设定第三有限区域窗，根据第三有限区域窗中的最大值，定位得到P波位置以及P波峰值；
S340、根据心电图时域特征以及S波位置设定第四有限区域窗，根据第四有限区域窗中的最大值，定位得到T波位置以及T波峰值；
其中，实施例中的第三有限区域窗宽度和步长均为设置为72points；第四有限区域窗宽度和步长为159points。如图7所示，具体地，同定位Q、S波原理一样，基于富集P、T波能量后的心电图，根据心电复合波QRS波正常时域特征，以Q波位置为基点，设定其前有限区域窗[Q位置-72，Q位置]，确定窗内最大值，定位得到P波；如图8所示，以S波位置为基点，设定其后有限区域窗[S位置，S位置+159]，确定窗内最大值，定位得到T波；然后再分别以P、T波位置为基础，根据正常时域特征，固定窗内确定得到最大值，修正P波和T波。
在一些可选择的实施例中，方法中计算峰值与有限区域窗中点的斜率，根据斜率绝对最值定位得到子波的起点以及终点这一步骤S400，其包括步骤S410-S440：
S410、以P波位置为基点，设置第五有限区域窗；并根据第五有限区域窗内点与P波峰值点之间的斜率绝对最大值定位得到P波起点以及P波终点；根据波幅阈值对P波起点以及P波终点进行修正。
其中，实施例中的第五有限区域窗宽度和步长均为设置为25points。具体地，实施例基于P波位置和峰值，根据P波正常时域特征，以P波位置为基点，设定前有限区域窗[P位置-25，P]，后有限区域窗[P位置，P位置+25]，分别确定窗内点与P波峰值点的斜率最大值、最小值，定位得到P波起点和终点位置及幅值，如图9所示，然后根据心电图正常时域特征，选取固定窗[P起点位置-30，P起点位置]，如图10所示，设定阈值为P起点位置幅值对P波起点位置进行修正，选取固定窗[P终点位置，P终点位置+25]，设定阈值为P终点位置幅值对P波终点位置进行修正，以确定P波起点和终点。
S420、以T波位置为基点，设置第六有限区域窗；并根据第六有限区域窗内点与T波峰值点之间的斜率绝对最大值定位得到T波起点以及T波终点；根据波幅阈值对T波起点以及T波终点进行修正。
其中，实施例中的第六有限区域窗宽度和步长均为设置为54points；具体地，实施例基于T波位置和峰值，根据T波正常时域特征，以T波位置为基点，设定前有限区域窗[T波位置-54，T波位置]，后有限区域窗[T位置，T位置+54]，分别确定窗内点与T波峰值点的斜率最大值、最小值，定位得到T波起点和终点位置及幅值，如图11所示，然后根据心电图正常时域特征，选取固定窗[T起点位置-30，T起点位置]，如图12所示，设定阈值为T起点位置幅值对T波起点位置进行修正，选取固定窗[T终点位置，T终点位置+45]，设定阈值为T波终点位置幅值对T波终点位置进行修正，以确定T波起点和终点。
S430、以Q波位置为基点，设置第七有限区域窗；根据第七有限区域窗内点与Q波峰值点的斜率负向最大值，定位得到QRS复合波的起点；
S440、以S波位置为基点，设置第八有限区域窗；根据第八有限区域窗内点与Q波峰值点的斜率最大值，定位得到QRS复合波的终点。
并且，实施例根据窗口阈值与波幅阈值对QRS复合波的起点以及QRS复合波的终点。
其中，如图13和图14所示，实施例中的第七有限区域窗宽度和步长均为设置为20points；实施例中的第六有限区域窗宽度和步长均为设置为36points。具体地，基于Q波峰值和位置，根据QRS波时域特征，以Q波位置为基点，设定前有限区域窗[Q波位置-20，Q波位置]，确定窗内点与Q波峰值点的斜率负向最大值，定位得到QRS波起点位置及幅值，根据心电图正常时域特征，以S波位置为基点，设定后有限区域窗[S波位置，S波位置+36]，确定窗内点与S波峰值点的斜率最大值，定位得到QRS波终点位置及幅值，根据心电图QRS正常时域特征，选取固定窗[Q波起点位置-25，Q波起点位置]，设定阈值为最大斜率值的一半，找与QRS波起点位置值的斜率大于该阈值的点修正QRS波起点位置，选取固定窗[S波终点位置，S波终点位置+10]，设定阈值为S波终点位置幅值，寻找更大值，对终点位置进行修正。
第二方面，本申请的技术方案还提供一种心电图特征起点和终点检测系统，其包括：
信号获取单元，用于获取心电数据，对心电数据进行去噪处理得到第一滤波信号；
信号分解单元，用于对第一滤波信号进行分解，将分解后的信号富集得到若干子波；
特征提取单元，用于根据QRS复合波特征以及心电图时域特征，通过若干有限区域窗确定子波的位置与峰值；
波形定位单元，用于根据峰值与有限区域窗中点的斜率，根据斜率绝对最值定位得到子波的起点以及终点。
基于该检测系统，本申请技术方案的完整的实施过程为：
实施例首先通过选用MIT-BIH中记录为100的心电数据库MLII肢体导联心电，采用sym8小波基函数对心电信号进行滤波，通过将细节系数最低2层置零，近似系数最高层置0，可滤除肌电噪声、基线漂移、工频噪声等主要噪声，得到较为纯净光滑且能保持原始心电波形的滤波信号；然后对原心电信号进行8层小波分解，通过选择特征波能量富集的细节系数层进行四折运算实现各特征波能量富集的富集，然后结合滑动窗口自适应阈值法，定位P、Q、R、S、T波等特征波，并基于心电正常时域特征，对提取的特征波位置和峰值进行修正，特征波特点位置和峰值。
在定位P、Q、R、S、T波等特征波位置和峰值之后，分别基于P波、T波特征波位置和峰值，根据各特征波正常时域特征，以该特征波位置为基点，设定前、后有限区域窗，分别求窗内点与该特征波峰值点的斜率最大值、最小值，定位得到P波和T波起点和终点位置及幅值，然后根据心电图正常时域特征，选取固定窗，设定阈值对定位的P和T波起点和终点位置进行修正，实现特征波P波和T波起点和终点位置的准确定位和幅值的准确计算；再基于Q波峰值和位置，根据QRS波时域特征，以Q波位置为基点，设定前有限区域窗，求窗内点与Q波峰值点的斜率负向最大值，定位得到QRS波起点位置及幅值，以S波位置为基点，设定后有限区域窗，求窗内点与S波峰值点的斜率最大值，定位得到QRS波终点位置及幅值，根据心电图QRS正常时域特征，选取固定窗，设定阈值对QRS特征波的起点和终点位置进行修正，实现特征波P波和T波起点和终点位置的准确定位和幅值的准确计算。
除此之外，实施例还可以通过小波滤波和基于小波分解的心电信号在细节系数中的能量分布进行四则运算实现能量富集，然后结合滑动窗口和窗口内阈值实现自适应阈值提取特征波再基于心电正常时域特征，对提取的特征波位置和峰值进行修正，可以准确地定位心电图中各特征波位置和获得特征波峰值，能较好地解决现有特征波提取方法存在的漏检/误检问题。定位特征波后，基于特征波位置和峰值和正常时域特征，采用区间斜率最值法定位特征波起点和终点，并根据起点和终点在心电信号中的特征，然后结合窗口阈值法对提取的特征波起点和终点位置进行修正，以准确定位特征波的起点和终点，解决现有特征波起始点和终止点检测方法仅针对某一特征波起点和终点检测的单一局限性，以及采用的求导法或局部搜索阈值法会因心律不齐心电图特征波可能存在双峰等异常形态造成的误检问题，为后续准确提取心电诊断的时间和幅值特征，开展心电诊断和心电自动诊断系统研发及相关疾病的识别诊断提供基础。
第三方面，本申请的技术方案还提供一种心电图特征起点和终点检测装置，其包括至少一个处理器；至少一个存储器，用于存储至少一个程序；当至少一个程序被至少一个处理器执行，使得至少一个处理器运行如第二方面中的一种心电图特征起点和终点检测方法。
本发明实施例还提供了一种存储介质，内存储有程序，程序被处理器执行，实现如第一方面中的方法。
从上述具体的实施过程，可以总结出，本发明所提供的技术方案相较于现有技术存在以下优点或优势：
1、本申请技术方案通过小波滤波和基于小波分解的心电信号在细节系数中的能量分布进行四则运算实现能量富集，然后结合滑动窗口和窗口内阈值实现自适应阈值提取特征波；再基于心电正常时域特征，对提取的特征波位置和峰值进行修正，可以准确定位心电图中各特征波位置和获得特征波峰值，能较好解决现有特征波提取方法存在的漏检或误检问题。
2、本申请技术方案基于特征波位置和峰值和正常时域特征，采用区间斜率最值法定位特征波起点和终点，并根据起点和终点在心电信号中的特征，结合特征波起点或终点窗口阈值法对提取的特征波起点和终点位置进行修正，以准确定位特征波的起点和终点，解决现有特征波起点和终点检测方法仅针对某一特征波起点和终点检测的单一局限性，以及采用的求导法或局部搜索阈值法会因心律不齐心电图特征波可能存在双峰等异常形态造成的误检问题。
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于对技术提供更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可以作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种心电图特征起点和终点检测方法，其特征在于，包括以下步骤：
获取心电数据，对所述心电数据进行去噪处理得到第一滤波信号；
对所述第一滤波信号进行分解，将分解后的信号富集得到若干子波；
根据QRS复合波特征以及心电图时域特征，通过若干有限区域窗确定所述子波的位置与峰值；
计算所述峰值与所述有限区域窗中的点的斜率，根据所述斜率绝对最值初步定位得到所述子波的起点以及终点；
根据所述子波的时域特征，采用所述有限区域窗和预设阈值对所述子波的起点以及终点进行修正。
2.根据权利要求1所述的一种心电图特征起点和终点检测方法，其特征在于，在所述根据QRS复合波特征以及心电图时域特征，通过若干有限区域窗确定所述子波的位置与峰值这一步骤之前，方法还包括以下步骤：
确定所述有限区域窗的窗口阈值，确定所述子波的波幅阈值；
根据所述窗口阈值与所述波幅阈值删除所述子波中的误检值。
3.根据权利要求2所述的一种心电图特征起点和终点检测方法，其特征在于，所述子波包括R波、Q波、S波、P波和T波；
所述根据QRS复合波特征以及心电图时域特征，通过若干有限区域窗确定所述子波的位置与峰值，其包括以下步骤：
根据所述QRS复合波特征，根据第一有限区域窗中的绝对最大值确定R波位置以及R波峰值；
根据所述R波位置设定第二有限区域窗，根据所述第二有限区域窗中的绝对最大值确定Q波位置、Q波峰值、S波位置以及S波峰值；
根据所述心电图时域特征以及所述Q波位置设定第三有限区域窗，根据所述第三有限区域窗中的绝对最大值，定位得到P波位置以及P波峰值；
根据所述心电图时域特征以及所述S波位置设定第四有限区域窗，根据所述第四有限区域窗中的绝对最大值，定位得到T波位置以及T波峰值。
4.根据权利要求3所述的一种心电图特征起点和终点检测方法，其特征在于，当所述子波为P波，所述根据所述斜率绝对最值初步定位得到所述子波的起点以及终点，其包括以下步骤：
以所述P波位置为基点，设置第五有限区域窗；
计算第五有限区域窗内点与P波峰值点之间的斜率，根据斜率绝对最大值定位得到P波起点以及P波终点；
根据所述波幅阈值对所述P波起点以及所述P波终点进行修正。
5.根据权利要求3所述的一种心电图特征起点和终点检测方法，其特征在于，当所述子波为T波，根据所述斜率绝对最值初步定位得到所述子波的起点以及终点，其包括以下步骤：
以所述T波位置为基点，设置第六有限区域窗；
计算第六有限区域窗内点与T波峰值点之间的斜率，根据斜率绝对最大值定位得到T波起点以及T波终点；
根据所述波幅阈值对所述T波起点以及所述T波终点进行修正。
6.根据权利要求3所述的一种心电图特征起点和终点检测方法，其特征在于，当所述子波为R波、Q波以及S波组成的QRS复合波，所述根据所述斜率绝对最值初步定位得到所述子波的起点以及终点，其包括以下步骤：
以所述Q波位置为基点，设置第七有限区域窗；
计算第七有限区域窗内点与Q波峰值点的斜率，根据斜率绝对最大值定位得到QRS复合波的起点；
以所述S波位置为基点，设置第八有限区域窗；
计算所述第八有限区域窗内点与S波峰值点的斜率，根据斜率绝对最大值定位得到所述QRS复合波的终点。
7.根据权利要求6所述的一种心电图特征起点和终点检测方法，其特征在于，所述根据所述斜率绝对最值初步定位得到所述子波的起点以及终点，其还包括以下步骤：
根据所述窗口阈值与所述波幅阈值对所述QRS复合波的起点以及所述QRS复合波的终点进行修正。
8.一种心电图特征起点和终点检测系统，其特征在于，包括：
信号获取单元，用于获取心电数据，对所述心电数据进行去噪处理得到第一滤波信号；
信号分解单元，用于对所述第一滤波信号进行分解，将分解后的信号富集得到若干子波；特征提取单元，用于根据QRS复合波特征以及心电图时域特征，通过若干有限区域窗确定所述子波的位置与峰值；
波形定位单元，用于根据所述峰值与所述有限区域窗中点的斜率绝对最值初步定位得到所述子波的起点以及终点。
9.一种心电图特征起点和终点检测装置，其特征在于，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器运行如权利要求1-7任一项所述的一种心电图特征起点和终点检测方法。
10.一种存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于运行如权利要求1-7中任一项所述的一种心电图特征起点和终点检测方法。
CN202110943401.0A 2021-08-17 2021-08-17 一种心电图特征起点和终点检测方法、系统、装置及介质 Active CN113786202B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110943401.0A CN113786202B (zh) 2021-08-17 2021-08-17 一种心电图特征起点和终点检测方法、系统、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110943401.0A CN113786202B (zh) 2021-08-17 2021-08-17 一种心电图特征起点和终点检测方法、系统、装置及介质

Publications (2)

Publication Number Publication Date
CN113786202A true CN113786202A (zh) 2021-12-14
CN113786202B CN113786202B (zh) 2023-12-26

Family

ID=78876057

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110943401.0A Active CN113786202B (zh) 2021-08-17 2021-08-17 一种心电图特征起点和终点检测方法、系统、装置及介质

Country Status (1)

Country Link
CN (1) CN113786202B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050023491A (ko) * 2003-08-28 2005-03-10 한국전기연구원 다채널 심자도 신호를 이용한 심자도의 특징점 및 특징구간의 검출방법
KR20120116213A (ko) * 2011-04-12 2012-10-22 부산대학교 산학협력단 심실조기수축 판별 시스템, 심실조기수축 판별 방법 및 이를 수행하는 프로그램이 기록된 저장매체
CN103063909A (zh) * 2012-12-18 2013-04-24 天津理工大学 一种基于功率谱的线性调频信号参数估值方法
CN104127195A (zh) * 2014-07-29 2014-11-05 杭州电子科技大学 一种融合脑电和心电信号的疲劳驾驶检测方法
CN104173043A (zh) * 2014-09-04 2014-12-03 东莞理工学院 一种适合于移动平台的心电数据分析方法
CN105054926A (zh) * 2015-04-13 2015-11-18 深圳市飞马与星月科技研究有限公司 心电信号特征信息的提取方法及装置
KR20180037525A (ko) * 2016-10-04 2018-04-12 한국전자통신연구원 심전도 신호로부터 중요 포인트를 검출하는 장치 및 방법
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
WO2020114068A1 (zh) * 2018-12-07 2020-06-11 上海数创医疗科技有限公司 基于人工智能技术的心电信号st段自动判断方法及装置
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
CN111920407A (zh) * 2020-07-27 2020-11-13 广东省医疗器械研究所 基于小波变换的心电特征提取方法、系统、装置及介质
CN112257518A (zh) * 2020-09-30 2021-01-22 西安交通大学第二附属医院 基于wt与woa-pnn算法的ecg身份识别方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050023491A (ko) * 2003-08-28 2005-03-10 한국전기연구원 다채널 심자도 신호를 이용한 심자도의 특징점 및 특징구간의 검출방법
KR20120116213A (ko) * 2011-04-12 2012-10-22 부산대학교 산학협력단 심실조기수축 판별 시스템, 심실조기수축 판별 방법 및 이를 수행하는 프로그램이 기록된 저장매체
CN103063909A (zh) * 2012-12-18 2013-04-24 天津理工大学 一种基于功率谱的线性调频信号参数估值方法
CN104127195A (zh) * 2014-07-29 2014-11-05 杭州电子科技大学 一种融合脑电和心电信号的疲劳驾驶检测方法
CN104173043A (zh) * 2014-09-04 2014-12-03 东莞理工学院 一种适合于移动平台的心电数据分析方法
CN105054926A (zh) * 2015-04-13 2015-11-18 深圳市飞马与星月科技研究有限公司 心电信号特征信息的提取方法及装置
KR20180037525A (ko) * 2016-10-04 2018-04-12 한국전자통신연구원 심전도 신호로부터 중요 포인트를 검출하는 장치 및 방법
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
WO2020114068A1 (zh) * 2018-12-07 2020-06-11 上海数创医疗科技有限公司 基于人工智能技术的心电信号st段自动判断方法及装置
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
CN111920407A (zh) * 2020-07-27 2020-11-13 广东省医疗器械研究所 基于小波变换的心电特征提取方法、系统、装置及介质
CN112257518A (zh) * 2020-09-30 2021-01-22 西安交通大学第二附属医院 基于wt与woa-pnn算法的ecg身份识别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ENDERLE, JD: "Real-time QT interval measurement", PROCEEDINGS OF THE 22ND ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY, vol. 22 *
WAN, XIANGKUI; QIN, SHUREN; LIANG, XIAORONG: "A new approach to wavelet-based P-wave detection", JOURNAL OF BIOMEDICAL ENGINEERING, vol. 23, no. 4 *
彭良广, 庞宇, 王元发等: "多导联心电信号特征检测系统的设计", 计算机工程与设计, vol. 41, no. 3 *
徐明芳: "基于规则的ECG信号ST-T段分类算法研究", 中国优秀硕士学位论文全文数据库 (医药卫生科技辑), no. 2 *
钟灿成: "生理信号自动分析技术的研究与应用", 中国优秀硕士学位论文全文数据库 (信息科技辑), no. 1 *

Also Published As

Publication number Publication date
CN113786202B (zh) 2023-12-26

Similar Documents

Publication Publication Date Title
CN109907752B (zh) 一种去除运动伪影干扰与心电特征检测的心电诊断与监护系统
Sameni et al. A nonlinear Bayesian filtering framework for ECG denoising
CN108294745B (zh) 多导联心电图信号中p波、t波起止点检测方法及系统
US7239988B2 (en) Apparatus and method for efficient representation of periodic and nearly periodic signals for analysis
CN111920407B (zh) 基于小波变换的心电特征提取方法、系统、装置及介质
CN109381181B (zh) 心电信号特征波形的端点检测方法
Andreao et al. ST-segment analysis using hidden Markov Model beat segmentation: application to ischemia detection
CN101919704B (zh) 一种心音信号定位、分段方法
CN113499079B (zh) 一种心电图中的房颤检测方法
CN103750835A (zh) 一种心电信号特征检测算法
Illanes-Manriquez et al. An algorithm for robust detection of QRS onset and offset in ECG signals
CN113180685B (zh) 基于形态学滤波和小波阈值的心电异常判别系统及方法
CN115040139A (zh) 基于双树复小波的心电r波检测方法、设备、介质及产品
CN110420022B (zh) 一种基于双密度小波变换的p波检测方法
CN113786202B (zh) 一种心电图特征起点和终点检测方法、系统、装置及介质
US6979297B2 (en) Differentiating acute myocardial infarction from other ECG abnormalities
CN112438735B (zh) 一种心电图p波检测方法、分析装置以及存储介质
CN115828056A (zh) 一种心电图特征信号提取方法及终端
CN114366121A (zh) 基于数字形态学的双动态阈值心电qrs波检测方法
CN114271830A (zh) 一种心电信号检测方法及系统
Akula et al. Automation algorithm to detect and quantify Electrocardiogram waves and intervals
CN114159068A (zh) 一种心电信号心房扑动的检测方法及检测装置
Nageswari et al. Feature extraction of ecg using daubechies wavelet and classification based on fuzzy c-means clustering technique
CN112183331B (zh) 一种对新生儿脑电信号的心电伪差的识别系统和方法
CN116407132B (zh) 一种r波定位方法及基于r波的q、s、t波定位方法

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