CN114027847B - 一种基于时频分析的心电信号分析方法 - Google Patents
一种基于时频分析的心电信号分析方法 Download PDFInfo
- Publication number
- CN114027847B CN114027847B CN202111359073.6A CN202111359073A CN114027847B CN 114027847 B CN114027847 B CN 114027847B CN 202111359073 A CN202111359073 A CN 202111359073A CN 114027847 B CN114027847 B CN 114027847B
- Authority
- CN
- China
- Prior art keywords
- electrocardiosignal
- peak
- electrocardiosignals
- time
- imf
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 27
- 238000012216 screening Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 4
- 230000037431 insertion Effects 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 230000000747 cardiac effect Effects 0.000 claims 1
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 description 6
- 238000006073 displacement reaction Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 208000024172 Cardiovascular disease Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 208000015606 cardiovascular system disease Diseases 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 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]
-
- 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
- A61B5/24—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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明涉及心电信号分析的技术领域,公开了一种基于时频分析的心电信号分析方法,包括:采集多段心电信号,利用经验模态分解方法将心电信号分解为多个IMF分量,根据IMF分量的标准差,筛选得到待时频分析的心电信号;利用小波阈值去噪方法对重构得到的心电信号进行去噪处理;对去噪后的心电信号进行多尺度小波分解,根据小波系数的时频,匹配得到心电信号中的R峰;利用R峰检测算法检测心电信号中重叠的R峰,根据心电信号R峰序列,计算心电信号的心率值。本发明所述方法通过对去噪后的心电信号进行多尺度小波分解,选择小波尺度最大的小波系数所对应的时频,匹配得到心电信号中的R峰,从而实现心电信号中的R峰检测。
Description
技术领域
本发明涉及心电信号分析的技术领域,尤其涉及一种基于时频分析的心电信号分析方法。
背景技术
心血管系统疾病是威胁人类生命的重大疾病,具有高发病、高致残率和高死亡率等特点。世界卫生组织的统计显示,全球每年约有1700万人死于各类心血管系统疾病。随着我国经济高速发展,人民生活不断提高,心血管系统病在我国的发病率和死亡率逐年增加,并呈现年轻化、平民化、乡村化的趋势。
心电信号是人类最早研究并应用于临床医学的生物电信号之一,它反映了心脏在兴奋产生、传导和恢复过程中的电变化,是心脏电活动的一种客观表示,在不同层面上反映了心脏的工作状态。因此,如何实现心电信号的自动分析,完成心血管疾病诊断,成为当前研究的人们话题。
鉴于此,本发明提出一种基于时频分析的心电信号分析方法,通过对去噪后的心电信号进行多尺度小波分解,选择小波尺度最大的小波系数,并根据小波系数的时频,匹配得到心电信号中的R峰;利用R峰检测算法检测心电信号中重叠的R峰,并将时频匹配到的R峰与检测到的重叠R峰重构为心电信号R峰序列;根据重构得到的心电信号R峰序列,计算心电信号的心率值,若计算得到的心率值超过心率值的正常范围,则说明检测到心电信号异常。
发明内容
本发明提供一种基于时频分析的心电信号分析方法,目的在于(1)实现多角度心电信号的预处理;(2)实现心电信号中的R峰检测。
实现上述目的,本发明提供的一种基于时频分析的心电信号分析方法,包括以下步骤:
采集多段心电信号,利用经验模态分解方法将心电信号分解为多个IMF分量,根据IMF分量的标准差,筛选IMF分量标准差最高的k段心电信号作为待时频分析的心电信号;对于筛选得到的待时频分析的心电信号,去除心电信号中经验模态分解所得到的剩余分量以及部分IMF分量,将剩余的IMF分量重构为心电信号;
利用小波阈值去噪方法对重构得到的心电信号进行去噪处理,得到去噪后的心电信号;所述小波阈值为硬阈值λ;
利用R峰检测算法检测心电信号中重叠的R峰,并将时频匹配到的R峰与检测到的重叠R峰重构为心电信号R峰序列;根据重构得到的心电信号R峰序列,计算心电信号的心率值,若计算得到的心率值超过心率值的正常范围,则说明检测到心电信号异常。
作为本发明的进一步改进方法:
所述利用经验模态分解方法对采集得到的多段心电信号进行分解,得到心电信号的IMF分量和剩余分量,包括:
1)对采集到的心电信号xi(t)加入同长度的白噪声ni(t),得到信号Xi(t):
Xi(t)=xi(t)+ni(t)
其中:
i表示采集到的第i段心电信号,在本发明一个具体实施例中,共采集L段心电信号;
2)遍历出信号Xi(t)中所有的极大值点和极小值点,将所有的极大值点以及所有的极小值点分别用三次样条曲线连接,分别得到信号Xi(t)的上包络线以及下包络线,上下包络线的均值曲线即为m1,i(t),则h1,i(t)=Xi(t)-m1,i(t);
3)对h1i(t)进行步骤2)操作,得到h2,i(t);
4)重复步骤3),得到{h1,i(t),h2,i(t),…,h10,i(t)},将所得到的h10,i(t)作为信号Xi(t)的第一组IMF分量c1,i(t),第一组IMF分量的剩余分量r1,i(t)=Xi(t)-c1(t);
5)判断剩余分量rj,i(t)中的j是否大于α,若j≤α,对rj,i(t)进行步骤2)-4),即将rj,i(t)作为步骤2)中待遍历的信号,步骤4)中输出的剩余分量为rj+1,i(t),并输出第j+1组IMF分量,若j>α,则转到步骤6);在本发明一个具体实施例中,将α设置为4;
6)得到α+1组IMF分量c1,i(t),c2,i(t),…,cα+1,i(t)以及剩余分量rα+1,i(t)=rα,i(t)-cα+1,i(t);则将信号X(t)分解为下式:
其中:
rα+1,i(t)表示第i段心电信号的剩余分量,cj,i(t)表示第i段心电信号的IMF分量。
所述筛选IMF分量标准差最高的k段心电信号作为待时频分析的心电信号,包括:
计算任意第i段心电信号的IMF分量标准差:
其中:
Ti表示第i段心电信号的长度;
从采集到的L段心电信号中筛选出IMF分量标准差σi最大的k段心电信号作为待时频分析的心电信号{u1(t),u2(t),…,uk(t)}。
所述去除待时频分析心电信号中的剩余分量以及部分IMF分量,将剩余的IMF分量重构为心电信号,包括:
对于待时频分析的心电信号ue(t),其经验模态分解得到的IMF分量为{c1,e(t),c2,e(t),c3,e(t),…,cα+1,e(t)},剩余分量为rα+1,e(t),其中e表示待时频分析心电信号{u1(t),u2(t),…,uk(t)}中的任意心电信号;
计算心电信号ue(t)的概率密度函数为pd(ue(t)),IMF分量的概率密度函数为pd(cj,e(t)),其中j=1,2,…,α+1;计算任一IMF分量概率密度函数值与心电信号ue(t)的概率密度函数的范数:
fe,j=||pd(ue(t))-pd(cj,e(t))||2
j=1,2,…,α+1
其中:
fe,j表示心电信号ue(t)与第j组IMF分量的范数值;
所述小波阈值去噪方法流程为:
其中:
b表示小波函数的位移因子;
qa,b(t)表示小波变换得到的小波系数;
2)改变小波函数的位移因子并重复步骤1),得到在尺度因子a下的小波系数集合;
4)确定小波阈值为σ;
5)删除小于小波阈值σ的小波系数,保留大于小波阈值σ的小波系数,所保留的小波系数为q′a,b(t),将小波系数重构为心电信号u′e(t),则小波逆变换方法的公式为:
其中:
u′e(t)为重构得到的心电信号。
对重构得到的每一段心电信号u′e(t)进行多尺度小波分解,所述小波分解结果为:
其中:
q(a,t)为重构得到的心电信号u′e(t)在尺度a上的小波系数;
ω(t)为小波函数,在本发明一个具体实施例中,为db5小波函数;
|q(a,tR)|>0.36×max|q(a,t)|
则时频匹配下心电信号u′e(t)中的R峰序列为u′e(tR)。
所述利用R峰检测算法检测心电信号中重叠的R峰,包括:
计算时频匹配下每一段心电信号对应R峰序列u′e(tR)两个R峰的间隔Δrd=rd+1-rd,其中d=1,2,…,D-1,D为时频匹配下的R峰数量,rd表示R峰时序序列tR中的第d个R峰;
筛选有效的R峰间隔,即若Δrd<590ms,则认为rd为有效R峰,得到的有效R峰序列为u′e(t1),其余R峰为重叠R峰{rd1,rd2,…},rdi表示第i个重叠R峰。
所述将时频匹配到的R峰与检测到的重叠R峰重构为心电信号R峰序列,包括:
计算每一段心电信号有效R峰序列u′e(tp)中的间隔Δrv=rv+1-rv,其中v=1,2,…,V-1,V为有效的R峰数量,rv为有效R峰时序序列tp中的第v个R峰,计算有效R峰间隔均值:
在有效R峰序列中插入重叠R峰rd1,R峰位置满足r1表示第一个有效R峰,将rd1的位置与有效R峰序列按升序重新排列,得到重新组合的有效R峰时序序列u′e(tp+1);重复该步骤,直到将前V-1个重叠R峰插入到有效R峰时序序列,最终重构得到的心电信号R峰序列为u′e(tz)。
所述计算心电信号的心率值,包括:
计算所采集的每一段心电信号的心率值β:
其中:
若计算得到的心率值β超过心率值的正常范围,则说明检测到心电信号异常,所述心率值的正常范围为60-100次/分。
相对于现有技术,本发明提出一种基于时频分析的心电信号分析方法,该技术具有以下优势:
首先,本方案提出一种心电信号的筛选流程,将所采集的若干段心电信号进行经验模态分解,则将心电信号分解为若干IMF分量和一个剩余分量,通过计算任意第i段心电信号的IMF分量标准差,其中IMF分量标准差越大,表明心电信号的心脏活动强度越大,越能表征人体心血管的特征,从采集到的L段心电信号中筛选出IMF分量标准差σi最大的k段心电信号作为待时频分析的心电信号{u1(t),u2(t),…,uk(t)}。对于待时频分析的心电信号ue(t),其经验模态分解得到的IMF分量为{c1,e(t),c2,e(t),c3,e(t),…,cα+1,e(t)},剩余分量为rα+1,e(t),其中e表示待时频分析心电信号{u1(t),u2(t),…,uk(t)}中的任意心电信号;通过计算心电信号ue(t)的概率密度函数为pd(ue(t)),IMF分量的概率密度函数为pd(cj,e(t)),其中j=1,2,…,α+1;计算任一IMF分量概率密度函数值与心电信号ue(t)的概率密度函数的范数:
fe,j=||pd(ue(t))-pd(cj,e(t))||2
j=1,2,…,α+1
其中:fe,j表示心电信号ue(t)与第j组IMF分量的范数值;筛选fe,j<ε的IMF分量作为用于重构心电信号的IMF分量,将筛选得到的IMF分量重构为心电信号,重构得到的心电信号为其中ε表示IMF分量阈值,将其设置为1.2。相较于传统方案,本方案首先从所采集的L段心电信号中筛选得到能量最高的心电信号作为待分析信号,并依靠基于范数的相似性测量方法,选择与原始信号相似度高的IMF分量进行心电信号重构,去除了原始信号中的噪音影响以及存在的基带漂移引号。
同时,本方案提出一种心电信号R峰检测方法,通过对重构得到的每一段心电信号u′e(t)进行多尺度小波分解,所述小波分解结果为:
其中:q(a,t)为重构得到的心电信号u′e(t)在尺度a上的小波系数;ω(t)为小波函数;由于心电信号中的R波能量主要集中在尺度高的频带中,因此本方案在尺度为的小波系数中进行R波检测,则心电信号u′e(t)内R峰的索引位置tR满足:
|q(a,tR)|>0.36×max|q(a,t)|
则时频匹配下心电信号u′e(t)中的R峰序列为u′e(tR)。通过计算时频匹配下每一段心电信号对应R峰序列u′e(tR)两个R峰的间隔Δrd=rd+1-rd,其中d=1,2,…,D-1,D为时频匹配下的R峰数量,rd表示R峰时序序列tR中的第d个R峰;筛选有效的R峰间隔,即若Δrd<590ms,则认为rd为有效R峰,得到的有效R峰序列为u′e(t1),其余R峰为重叠R峰{rd1,rd2,…},rdi表示第i个重叠R峰。通过计算每一段心电信号有效R峰序列u′e(tp)中的间隔Δrv=rv+1-rv,其中v=1,2,…,V-1,V为有效的R峰数量,rv为有效R峰时序序列tp中的第v个R峰,计算有效R峰间隔均值:
附图说明
图1为本发明一实施例提供的一种基于时频分析的心电信号分析方法的流程示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
S1:采集多段心电信号,利用经验模态分解方法将心电信号分解为多个IMF分量,根据IMF分量的标准差,筛选得到待时频分析的心电信号,并对待时频分析的心电信号进行重构。
所述S1步骤中利用经验模态分解方法对采集得到的多段心电信号进行分解,得到心电信号的IMF分量和剩余分量,包括:
1)对采集到的心电信号xi(t)加入同长度的白噪声ni(t),得到信号Xi(t):
Xi(t)=xi(t)+ni(t)
其中:
i表示采集到的第i段心电信号,在本发明一个具体实施例中,共采集L段心电信号;
2)遍历出信号Xi(t)中所有的极大值点和极小值点,将所有的极大值点以及所有的极小值点分别用三次样条曲线连接,分别得到信号Xi(t)的上包络线以及下包络线,上下包络线的均值曲线即为m1,i(t),则h1,i(t)=Xi(t)-m1,i(t);
3)对h1i(t)进行步骤2)操作,得到h2,i(t);
4)重复步骤3),得到{h1,i(t),h2,i(t),…,h10,i(t)},将所得到的h10,i(t)作为信号Xi(t)的第一组IMF分量c1,i(t),第一组IMF分量的剩余分量r1,i(t)=Xi(t)-c1(t);
5)判断剩余分量rj,i(t)中的j是否大于α,若j≤α,对rj,i(t)进行步骤2)-4),即将rj,i(t)作为步骤2)中待遍历的信号,步骤4)中输出的剩余分量为rj+1,i(t),并输出第j+1组IMF分量,若j>α,则转到步骤6);在本发明一个具体实施例中,将α设置为4;
6)得到α+1组IMF分量c1,i(t),c2,i(t),…,cα+1,i(t)以及剩余分量rα+1,i(t)=rα,i(t)-cα+1,i(t);则将信号X(t)分解为下式:
其中:
rα+1,i(t)表示第i段心电信号的剩余分量,cj,i(t)表示第i段心电信号的IMF分量。
所述筛选IMF分量标准差最高的k段心电信号作为待时频分析的心电信号,包括:
计算任意第i段心电信号的IMF分量标准差:
其中:
Ti表示第i段心电信号的长度;
从采集到的L段心电信号中筛选出IMF分量标准差σi最大的k段心电信号作为待时频分析的心电信号{u1(t),u2(t),…,uk(t)}。
所述S1步骤中去除待时频分析心电信号中的剩余分量以及部分IMF分量,将剩余的IMF分量重构为心电信号,包括:
对于待时频分析的心电信号ue(t),其经验模态分解得到的IMF分量为{c1,e(t),c2,e(t),c3,e(t),…,cα+1,e(t)},剩余分量为rα+1,e(t),其中e表示待时频分析心电信号{u1(t),u2(t),…,uk(t)}中的任意心电信号;
计算心电信号ue(t)的概率密度函数为pd(ue(t)),IMF分量的概率密度函数为pd(cj,e(t)),其中j=1,2,…,α+1;计算任一IMF分量概率密度函数值与心电信号ue(t)的概率密度函数的范数:
fe,j=||pd(ue(t))-pd(cj,e(t))||2
j=1,2,…,α+1
其中:
fe,j表示心电信号ue(t)与第j组IMF分量的范数值;
S2:利用小波阈值去噪方法对重构得到的心电信号进行去噪处理,得到去噪后的心电信号。
所述S2步骤中小波阈值去噪方法流程为:
其中:
b表示小波函数的位移因子;
qa,b(t)表示小波变换得到的小波系数;
2)改变小波函数的位移因子并重复步骤1),得到在尺度因子a下的小波系数集合;
4)确定小波阈值为σ;
5)删除小于小波阈值σ的小波系数,保留大于小波阈值σ的小波系数,所保留的小波系数为q′a,b(t),将小波系数重构为心电信号u′e(t),则小波逆变换方法的公式为:
其中:
u′e(t)为重构得到的心电信号。
S3:对去噪后的心电信号进行多尺度小波分解,根据小波系数的时频,匹配得到心电信号中的R峰。
对重构得到的每一段心电信号u′e(t)进行多尺度小波分解,所述小波分解结果为:
其中:
q(a,t)为重构得到的心电信号u′e(t)在尺度a上的小波系数;
ω(t)为小波函数,在本发明一个具体实施例中,为db5小波函数;
|q(a,tR)|>0.36×max|q(a,t)|
则时频匹配下心电信号u′e(t)中的R峰序列为u′e(tR)。
S4:利用R峰检测算法检测心电信号中重叠的R峰,并将时频匹配到的R峰与检测到的重叠R峰重构为心电信号R峰序列,根据重构得到的心电信号R峰序列,计算心电信号的心率值,若计算得到的心率值超过心率值的正常范围,则说明检测到心电信号异常。
所述S4步骤中利用R峰检测算法检测心电信号中重叠的R峰,包括:
计算时频匹配下每一段心电信号对应R峰序列u′e(tR)两个R峰的间隔Δrd=rd+1-rd,其中d=1,2,…,D-1,D为时频匹配下的R峰数量,rd表示R峰时序序列tR中的第d个R峰;
筛选有效的R峰间隔,即若Δrd<590ms,则认为rd为有效R峰,得到的有效R峰序列为u′e(t1),其余R峰为重叠R峰{rd1,rd2,…},rdi表示第i个重叠R峰。
所述S4步骤中将时频匹配到的R峰与检测到的重叠R峰重构为心电信号R峰序列,包括:
计算每一段心电信号有效R峰序列u′e(tp)中的间隔Δrv=rv+1-rv,其中v=1,2,…,V-1,V为有效的R峰数量,rv为有效R峰时序序列tp中的第v个R峰,计算有效R峰间隔均值:
在有效R峰序列中插入重叠R峰rd1,R峰位置满足r1表示第一个有效R峰,将rd1的位置与有效R峰序列按升序重新排列,得到重新组合的有效R峰时序序列u′e(tp+1);重复该步骤,直到将前V-1个重叠R峰插入到有效R峰时序序列,最终重构得到的心电信号R峰序列为u′e(tz)。
所述S4步骤中计算心电信号的心率值,包括:
计算所采集的每一段心电信号的心率值β:
其中:
若计算得到的心率值β超过心率值的正常范围,则说明检测到心电信号异常,所述心率值的正常范围为60-100次/分。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (3)
1.一种基于时频分析的心电信号分析方法,其特征在于,所述方法包括:
采集多段心电信号,利用经验模态分解方法将心电信号分解为多个IMF分量,根据IMF分量的标准差,筛选IMF分量标准差最高的k段心电信号作为待时频分析的心电信号;对于筛选得到的待时频分析的心电信号,去除心电信号中经验模态分解所得到的剩余分量以及部分IMF分量,将剩余的IMF分量重构为心电信号;
所述筛选IMF分量标准差最高的k段心电信号作为待时频分析的心电信号,包括:
计算任意第i段心电信号的IMF分量标准差:
其中:
表示第i段心电信号的长度;
表示第i段心电信号的IMF分量;
从采集到的L段心电信号中筛选出IMF分量标准差最大的k段心电信号作为待时频分析的心电信号;
利用小波阈值去噪方法对重构得到的心电信号进行去噪处理,得到去噪后的心电信号;所述小波阈值为硬阈值;
对去噪后的心电信号进行多尺度小波分解,选择小波尺度为的小波系数,并根据小波系数的时频,匹配得到心电信号中的R峰;
利用R峰检测算法检测心电信号中重叠的R峰,并将时频匹配到的R峰与检测到的重叠R峰重构为心电信号R峰序列;根据重构得到的心电信号R峰序列,计算心电信号的心率值;
所述利用R峰检测算法检测心电信号中重叠的R峰,包括:
计算时频匹配下每一段心电信号对应R峰序列两个R峰的间隔,其中-1,D为时频匹配下的R峰数量,表示R峰时序序列中的第d个R峰;
筛选有效的R峰间隔,即若,则认为为有效R峰,得到的有效R峰序列为,其余R峰为重叠R峰,表示第i个重叠R峰;
所述将时频匹配到的R峰与检测到的重叠R峰重构为心电信号R峰序列,包括:
计算每一段心电信号有效R峰序列中的间隔,其中-1,V为有效的R峰数量,为有效R峰时序序列中的第v个R峰,计算有效R峰间隔均值:
;
在有效R峰序列中插入重叠R峰,R峰位置满足,表示第一个有效R峰,将的位置与有效R峰序列按升序重新排列,得到重新组合的有效R峰时序序列;重复该步骤,直到将前V-1个重叠R峰插入到有效R峰时序序列,最终重构得到的心电信号R峰序列为。
2.如权利要求1所述的一种基于时频分析的心电信号分析方法,其特征在于,所述利用经验模态分解方法对采集得到的多段心电信号进行分解,得到心电信号的IMF分量和剩余分量,包括:
1)对采集到的心电信号加入同长度的白噪声,得到信号:
其中:
i表示采集到的第i段心电信号;
2)遍历出信号中所有的极大值点和极小值点,将所有的极大值点以及所有的极小值点分别用三次样条曲线连接,分别得到信号的上包络线以及下包络线,上下包络线的均值曲线即为,则;
3)对进行步骤2)操作,得到;
4)重复步骤3),得到,将所得到的作为信号的第一组IMF分量,第一组IMF分量的剩余分量;
5)判断剩余分量中的j是否大于,若,对进行步骤2)-4),即将作为步骤2)中待遍历的信号,步骤4)中输出的剩余分量为,并输出第j+1组IMF分量,若,则转到步骤6);
6)得到组IMF分量以及剩余分量;则将信号分解为下式:
其中:
表示第i段心电信号的剩余分量,表示第i段心电信号的IMF分量。
3.如权利要求2所述的一种基于时频分析的心电信号分析方法,其特征在于,去除待时频分析心电信号中的剩余分量以及部分IMF分量,将剩余的IMF分量重构为心电信号,包括:
对于待时频分析的心电信号,其经验模态分解得到的IMF分量为 ,剩余分量为,其中e表示待时频分析心电信号中的任意心电信号;
计算心电信号的概率密度函数为,IMF分量的概率密度函数为,其中;计算任一IMF分量概率密度函数值与心电信号的概率密度函数的范数:
其中:
表示心电信号与第j组IMF分量的范数值;
筛选的IMF分量作为用于重构心电信号的IMF分量,将筛选得到的IMF分量重构为心电信号,重构得到的心电信号为,其中表示IMF分量阈值,将其设置为1.2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111359073.6A CN114027847B (zh) | 2021-11-17 | 2021-11-17 | 一种基于时频分析的心电信号分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111359073.6A CN114027847B (zh) | 2021-11-17 | 2021-11-17 | 一种基于时频分析的心电信号分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114027847A CN114027847A (zh) | 2022-02-11 |
CN114027847B true CN114027847B (zh) | 2023-05-05 |
Family
ID=80137872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111359073.6A Active CN114027847B (zh) | 2021-11-17 | 2021-11-17 | 一种基于时频分析的心电信号分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114027847B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101856225A (zh) * | 2010-06-30 | 2010-10-13 | 重庆大学 | 一种心电信号r波峰检测方法 |
CN102715899A (zh) * | 2012-06-15 | 2012-10-10 | 天津大学 | 神经放电信号的正负峰形识别方法 |
CN105677035A (zh) * | 2016-01-26 | 2016-06-15 | 杭州电子科技大学 | 基于eemd和小波阈值的运动想象脑电信号消噪方法 |
CN107616791A (zh) * | 2017-07-26 | 2018-01-23 | 浙江大学 | 基于自适应心电信号区域分割的标准12导联心电分段线性重建方法 |
WO2018120636A1 (zh) * | 2016-12-30 | 2018-07-05 | 深圳市善行医疗科技有限公司 | 一种心电监测方法及系统 |
CN108338784A (zh) * | 2017-01-25 | 2018-07-31 | 中国科学院半导体研究所 | 基于eemd的小波熵阈值的心电信号去噪方法 |
CN109069049A (zh) * | 2016-05-03 | 2018-12-21 | 科迪影技术股份有限公司 | 心脏波形的检测和分析 |
CN110652318A (zh) * | 2019-07-19 | 2020-01-07 | 飞依诺科技(苏州)有限公司 | 基于超声设备获得动脉硬化指标的测量方法及系统 |
CN111956210A (zh) * | 2020-08-27 | 2020-11-20 | 重庆邮电大学 | 一种基于eemd和信号结构分析的心电信号r波识别方法 |
CN113520401A (zh) * | 2021-06-18 | 2021-10-22 | 清华大学 | 心电信号的分类方法和装置 |
CN113573627A (zh) * | 2019-01-14 | 2021-10-29 | 运动数据试验室有限公司 | 用于测量心率的系统 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005012653A1 (de) * | 2005-03-18 | 2006-10-05 | Siemens Ag | Verfahren und Computertomographie-Gerät zur Erstellung computertomographischer Aufnahmen von einem schlagenden Herzen eines Patienten |
US7869864B2 (en) * | 2007-07-09 | 2011-01-11 | Dynacardia, Inc. | Methods, systems and devices for detecting and diagnosing heart diseases and disorders |
JP5523718B2 (ja) * | 2008-04-02 | 2014-06-18 | 株式会社東芝 | 医用撮像装置 |
CN101496716A (zh) * | 2009-02-26 | 2009-08-05 | 周洪建 | 利用ecg信号检测睡眠呼吸暂停的测量方法 |
CN101596108B (zh) * | 2009-06-19 | 2011-11-09 | 南京大学 | 胎儿心电图的一种基于重构相空间的非线性分离提取方法 |
CN102894970B (zh) * | 2012-10-22 | 2014-05-07 | 深圳邦健生物医疗设备股份有限公司 | 一种r波检测电路、方法以及除颤器 |
US9402557B2 (en) * | 2013-06-28 | 2016-08-02 | Bruce Hopenfeld | Heart beat detection based on permissible sequence searching |
WO2017205382A1 (en) * | 2016-05-23 | 2017-11-30 | The University Of New Hampshire | Techniques for empirical mode decomposition (emd)-based signal de-noising using statistical properties of intrinsic mode functions (imfs) |
US10362956B2 (en) * | 2016-08-15 | 2019-07-30 | University Health Network | System and method for rotor detection in cardiac fibrillation |
CN109219391A (zh) * | 2017-05-04 | 2019-01-15 | 京东方科技集团股份有限公司 | 用于确定对象血压的设备和方法 |
WO2020086112A1 (en) * | 2018-10-24 | 2020-04-30 | Chi-Hua Foundation | Multi-channel real-time cardiovascular performance evaluation system and method |
CN109474985B (zh) * | 2018-10-31 | 2021-02-09 | 京信通信系统(中国)有限公司 | 信号同步检测方法、装置、设备及系统 |
CN110151175A (zh) * | 2019-04-10 | 2019-08-23 | 杭州电子科技大学 | 基于ceemd与改进小波阈值的表面肌电信号消噪方法 |
CN113397557A (zh) * | 2021-06-09 | 2021-09-17 | 湖南万脉医疗科技有限公司 | 一种心律实时低功耗监测方法 |
CN113440145B (zh) * | 2021-06-28 | 2022-04-08 | 西北大学 | 一种心电信号t波及其终点自动检测方法 |
-
2021
- 2021-11-17 CN CN202111359073.6A patent/CN114027847B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101856225A (zh) * | 2010-06-30 | 2010-10-13 | 重庆大学 | 一种心电信号r波峰检测方法 |
CN102715899A (zh) * | 2012-06-15 | 2012-10-10 | 天津大学 | 神经放电信号的正负峰形识别方法 |
CN105677035A (zh) * | 2016-01-26 | 2016-06-15 | 杭州电子科技大学 | 基于eemd和小波阈值的运动想象脑电信号消噪方法 |
CN109069049A (zh) * | 2016-05-03 | 2018-12-21 | 科迪影技术股份有限公司 | 心脏波形的检测和分析 |
WO2018120636A1 (zh) * | 2016-12-30 | 2018-07-05 | 深圳市善行医疗科技有限公司 | 一种心电监测方法及系统 |
CN108338784A (zh) * | 2017-01-25 | 2018-07-31 | 中国科学院半导体研究所 | 基于eemd的小波熵阈值的心电信号去噪方法 |
CN107616791A (zh) * | 2017-07-26 | 2018-01-23 | 浙江大学 | 基于自适应心电信号区域分割的标准12导联心电分段线性重建方法 |
CN113573627A (zh) * | 2019-01-14 | 2021-10-29 | 运动数据试验室有限公司 | 用于测量心率的系统 |
CN110652318A (zh) * | 2019-07-19 | 2020-01-07 | 飞依诺科技(苏州)有限公司 | 基于超声设备获得动脉硬化指标的测量方法及系统 |
CN111956210A (zh) * | 2020-08-27 | 2020-11-20 | 重庆邮电大学 | 一种基于eemd和信号结构分析的心电信号r波识别方法 |
CN113520401A (zh) * | 2021-06-18 | 2021-10-22 | 清华大学 | 心电信号的分类方法和装置 |
Non-Patent Citations (2)
Title |
---|
心电瀑布图的原理及应用;景永明;王智华;潘运萍;孙朝阳;井艳;申继红;张芳芳;杨伟;李世锋;;中国心脏起搏与心电生理杂志(03);全文 * |
改进型阈值提取心电信号的R峰值;曹鸯婷;陈俊丽;;电子测量技术(12);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114027847A (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108714026B (zh) | 基于深度卷积神经网络和在线决策融合的细粒度心电信号分类方法 | |
CN110840402B (zh) | 一种基于机器学习的房颤信号识别方法及系统 | |
Sasikala et al. | Robust r peak and qrs detection in electrocardiogram using wavelet transform | |
CN110584649B (zh) | 一种动态单导心电图中异常心电信号识别方法及系统 | |
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 | |
CN111990989A (zh) | 一种基于生成对抗及卷积循环网络的心电信号识别方法 | |
Mohamed et al. | An approach for ECG feature extraction using daubechies 4 (DB4) wavelet | |
CN112704503B (zh) | 心电信号噪声处理方法 | |
CN114469124B (zh) | 一种运动过程中异常心电信号的识别方法 | |
CN106419898A (zh) | 一种去除心电信号基线漂移的方法 | |
Tang et al. | ECG de-noising based on empirical mode decomposition | |
Abdelmounim et al. | Electrocardiogram signal denoising using discrete wavelet transform | |
CN111568410A (zh) | 一种基于12导联和卷积神经网络的心电数据分类方法 | |
Ajitkumar Singh et al. | Heart abnormality classification using PCG and ECG recordings | |
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 | |
Boucheham et al. | Piecewise linear correction of ECG baseline wander: a curve simplification approach | |
Krupa et al. | The application of empirical mode decomposition for the enhancement of cardiotocograph signals | |
CN111956209B (zh) | 一种基于ewt和结构特征提取的心电信号r波识别方法 | |
CN113116300A (zh) | 一种基于模型融合的生理信号分类方法 | |
CN114027847B (zh) | 一种基于时频分析的心电信号分析方法 | |
CN110420022B (zh) | 一种基于双密度小波变换的p波检测方法 | |
CN115337018B (zh) | 基于整体动态特征的心电信号分类方法及系统 | |
Lauder et al. | Using dynamic time warping for noise robust ecg r-peak detection | |
CN115281676A (zh) | 基于gru神经网络和ecg信号的疲劳检测方法 | |
CN114403897A (zh) | 一种基于脑电信号的人体疲劳检测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method for analyzing electrocardiogram signals based on time-frequency analysis Effective date of registration: 20231205 Granted publication date: 20230505 Pledgee: China Construction Bank Corporation Shaoyang Jianshe Road Sub-branch Pledgor: HUNAN VENT MEDICAL TECHNOLOGY Co.,Ltd. Registration number: Y2023980069588 |