CN114521901B - 一种心电特征提取方法、装置及存储介质 - Google Patents

一种心电特征提取方法、装置及存储介质 Download PDF

Info

Publication number
CN114521901B
CN114521901B CN202111625189.XA CN202111625189A CN114521901B CN 114521901 B CN114521901 B CN 114521901B CN 202111625189 A CN202111625189 A CN 202111625189A CN 114521901 B CN114521901 B CN 114521901B
Authority
CN
China
Prior art keywords
data
average value
electrocardiosignal
electrocardiographic
determining
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
Application number
CN202111625189.XA
Other languages
English (en)
Other versions
CN114521901A (zh
Inventor
史斌君
冯宝亮
施长城
左国坤
吴刚
陈静
王荣
赵大正
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.)
Ningbo Institute of Material Technology and Engineering of CAS
Cixi Institute of Biomedical Engineering CIBE of CAS
Original Assignee
Ningbo Institute of Material Technology and Engineering of CAS
Cixi Institute of Biomedical Engineering CIBE of CAS
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 Ningbo Institute of Material Technology and Engineering of CAS, Cixi Institute of Biomedical Engineering CIBE of CAS filed Critical Ningbo Institute of Material Technology and Engineering of CAS
Priority to CN202111625189.XA priority Critical patent/CN114521901B/zh
Publication of CN114521901A publication Critical patent/CN114521901A/zh
Application granted granted Critical
Publication of CN114521901B publication Critical patent/CN114521901B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • 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
    • G06F2218/04—Denoising
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Cardiology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供了一种心电特征提取方法、装置及存储介质，方法包括：获取心电信号，将所述心电信号中的心电数据依次存入缓冲区，并确定所述缓冲区内所述心电数据的第一平均值；采用预设长度的窗口滑动截取所述心电信号，确定所述窗口内所有所述心电数据的第二平均值；判断所述第一平均值和所述第二平均值是否满足预设规则，若是，则在所述窗口中确定所述心电数据的局部极大值；当确定的所述局部极大值达到预设数量时，在所有所述局部极大值中确定最大值所在的波形为R波。本发明的技术方案提高了提取心电特征的准确性。

Description

一种心电特征提取方法、装置及存储介质
技术领域
本发明涉及心电监测技术领域，具体而言，涉及一种心电特征提取方法、装置及存储介质。
背景技术
心电图是临床上用于诊断心血管疾病的技术手段，可辅助医护人员辨识心率失常和心脏病变等的性质和严重程度。其中，心电信号属于微弱信号，容易受到50Hz工频和外界其它噪声的干扰。
为了降低干扰，从心电信号中提取出准确的R波等心电特征，进而提高心率的计算准确度。目前，常通过改善模拟前端电路提高前级输入阻抗的方式来处理噪声，配合主动电极可使输入阻抗达到400GΩ。但是这种方式可能会造成对心电信号的过度处理，带来明显的基线偏移等问题，导致心电信号失真，无法有效提取到准确的心电特征，进而无法准确体现出心电信号中的特征和异常信息等。
发明内容
本发明解决的问题是现有技术中提取心电特征时，需要对心电信号进行深度滤波以滤除噪声，会导致心电信号失真，进而无法提取到准确的心电特征的问题。
为解决上述问题，本发明提供一种心电特征提取方法、装置及存储介质。
第一方面，本发明提供了一种心电特征提取方法，包括：
获取心电信号，将所述心电信号中的心电数据依次存入缓冲区，并确定所述缓冲区内所述心电数据的第一平均值；
采用预设长度的窗口滑动截取所述心电信号，确定所述窗口内所有所述心电数据的第二平均值；
判断所述第一平均值和所述第二平均值是否满足预设规则，若是，则在所述窗口中确定所述心电数据的局部极大值；
当确定的所述局部极大值达到预设数量时，在所有所述局部极大值中确定最大值所在的波形为R波。
可选地，所述确定所述缓冲区内所述心电数据的第一平均值包括：
当所述心电信号中的第一个所述心电数据存入所述缓冲区时，确定所述缓冲区内所有所述心电数据的所述第一平均值为初始平均值；
当所述缓冲区内所述心电数据的数据长度达到预设阈值时，采用第一公式对所述第一平均值进行更新，所述第一公式包括：
其中，MB为更新后的第一平均值，LB为所述缓冲区内所述心电数据的数据长度，M0为所述初始平均值。
可选地，所述预设规则采用第二公式表示，所述第二公式包括：
其中，MB为所述更新后的第一平均值，M0为所述初始平均值，λ为权重因子，i表示所述心电信号中的第i个所述心电数据，表示与第i个所述心电数据对应的窗口内所有所述心电数据的第二平均值，/>为与第i-1个所述心电数据对应的窗口内所有所述心电数据的第二平均值。
可选地，所述在所有所述局部极大值中确定最大值所在的波形为R波之后，还包括：
以N个所述局部极大值为周期采用第三公式更新所述权重因子，所述第三公式包括：
其中，λ为所述权重因子，为第k个所述局部极大值，M0为所述初始平均值。
可选地，所述在所有所述局部极大值中确定最大值所在的波形为R波之后，还包括：
根据确定的所述R波采用第四公式计算心率，所述第四公式包括：
其中，HR表示所述心率，NR表示检测到的所述心电信号中的R波数，Tscale表示所述心电信号的时间长度。
可选地，所述将所述心电信号中的心电数据依次存入缓冲区之前，还包括：对所述心电信号进行数字滤波。
可选地，所述对所述心电信号进行数字滤波包括：
将所述心电信号输入无限冲激响应数字滤波器，通过所述无限冲激响应数字滤波器消除所述心电信号中的基线漂移，获得第一滤波信号；
将所述第一滤波信号输入陷波器，通过所述陷波器滤除工频噪声，获得第二滤波信号；
将所述第二滤波信号输入二阶高通滤波器，通过所述二阶高通滤波器滤除低频噪声，获得滤波后的心电信号。
第二方面，本发明提供了一种心电特征提取装置，包括：
获取模块，用于获取心电信号，将所述心电信号中的心电数据依次存入缓冲区，并确定所述缓冲区内所述心电数据的第一平均值；
处理模块，用于采用预设长度的窗口滑动截取所述心电信号，确定所述窗口内所有所述心电数据的第二平均值；
判断模块，用于判断所述第一平均值和所述第二平均值是否满足预设规则，若是，则在所述窗口中确定所述心电数据的局部极大值；
提取模块，用于当确定的所述局部极大值达到预设数量时，在所有所述局部极大值中确定最大值所在的波形为R波。
第三方面，本发明提供了一种电子设备，包括存储器和处理器；
所述存储器，用于存储计算机程序；
所述处理器，用于当执行所述计算机程序时，实现如第一方面任一项所述的心电特征提取方法。
第四方面，本发明提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如第一方面任一项所述的心电特征提取方法。
本发明的心电特征提取方法、装置及存储介质的有益效果是：将获取的心电信号中的心电数据依次存入缓冲区，确定缓冲区内心电数据的第一平均值。采用预设长度的窗口对心电信号进行滑动处理，确定窗口内所有心电数据的第二平均值，根据预设规则比对第一平均值和第二平均值，根据比对结果确定心电信号中心电数据的局部极大值。R波为心电信号中的正向波，通过确定局部极大值缩小R波所在的范围，然后在预设数量的局部极大值中确定最大值所在的波形就是R波。本发明的技术方案对心电信号中的心电数据进行分析，准确定位心电信号中的R波，降低了对心电信号滤波过程的要求，避免滤波过程中对心电信号进行过度处理导致心电信号失真，提高了提取的心电特征的准确性。
附图说明
图1为本发明实施例的一种心电特征提取方法的流程示意图；
图2为本发明另一实施例的一种心电特征提取装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
如图1所示，本发明实施例提供的一种心电特征提取方法，包括：
步骤S110，获取心电信号，将所述心电信号中的心电数据依次存入缓冲区，并确定所述缓冲区内所述心电数据的第一平均值。
步骤S120，采用预设长度的窗口滑动截取所述心电信号，确定所述窗口内所有所述心电数据的第二平均值。
具体地，可采用滑动窗口滤波方法对心电信号进行平滑处理，能够使得心电信号的波动更加平滑，对于一个心电数据，采用该心电数据对应的窗口内所有心电数据的平均值进行替代。窗口的预设长度可为其中，fs为心电信号的频率。
步骤S130，判断所述第一平均值和所述第二平均值是否满足预设规则，若是，则在所述窗口中确定所述心电数据的局部极大值。
步骤S140，当确定的所述局部极大值达到预设数量时，在所有所述局部极大值中确定最大值所在的波形为R波。
具体地，根据滑动窗口和缓冲区存储的方式依次对心电信号中的各个心电数据进行处理，获得多个局部极大值。当局部极大值的数量达到预设数量时，预设数量可优选为8，确定局部极大值中最大值所在的波形为R波。
本实施例中，将获取的心电信号中的心电数据依次存入缓冲区，确定缓冲区内心电数据的第一平均值。采用预设长度的窗口对心电信号进行滑动处理，确定窗口内所有心电数据的第二平均值，根据预设规则比对第一平均值和第二平均值，根据比对结果确定心电信号中心电数据的局部极大值。R波为心电信号中的正向波，通过确定局部极大值缩小R波所在的范围，然后在预设数量的局部极大值中确定最大值所在的波形就是R波。本发明的技术方案对心电信号中的心电数据进行分析，准确定位心电信号中的R波，降低了对心电信号滤波过程的要求，避免滤波过程中对心电信号进行过度处理导致心电信号失真，提高了提取的心电特征的准确性。
可选地，所述确定所述缓冲区内所述心电数据的第一平均值包括：
当所述心电信号中的第一个所述心电数据存入所述缓冲区时，确定所述缓冲区内所有所述心电数据的所述第一平均值为初始平均值；
当所述缓冲区内所述心电数据的数据长度达到预设阈值时，采用第一公式对所述第一平均值进行更新，所述第一公式包括：
其中，MB为更新后的第一平均值，LB为所述缓冲区内所述心电数据的数据长度，M0为所述初始平均值。
具体地，当缓冲区内心电数据的数据长度LB≥2fs时，fs表示心电信号的频率，即经过上述步骤处理后，已处理的心电数据的长度超过预设阈值的两倍，假定到达R波出现阶段，缩小R波的出现范围，便于进一步判断以确定R波的精确位置。
可选地，所述预设规则采用第二公式表示，所述第二公式包括：
其中，MB为所述更新后的第一平均值，M0为所述初始平均值，λ为权重因子，其随着心电信号动态调整，i表示所述心电信号中的第i个所述心电数据，表示与第i个所述心电数据对应的窗口内所有所述心电数据的第二平均值，/>为与第i-1个所述心电数据对应的窗口内所有所述心电数据的第二平均值。
具体地，当第一平均值和第二平均值满足第二公式时，确定第i-1个所述心电数据为局部极大值，可记为该局部极大值所在位置为可能的R波位置。通过确定心电信号中的局部极大值，进一步缩小R波位置的范围，便于后续精确定位R波的位置。
可选地，所述在所有所述局部极大值中确定最大值所在的波形为R波之后，还包括：
以N个所述局部极大值为周期采用第三公式更新所述权重因子，所述第三公式包括：
其中，λ为所述权重因子，为第k个所述局部极大值，M0为所述初始平均值。
具体地，N优选为8，即第三公式优选为：
本可选的实施例中，根据心电信号中心电数据的变化动态调整权重因子的数值，使权重因子适应于心电信号的变化，提高局部极大值的判断精度。
可选地，所述在所有所述局部极大值中确定最大值所在的波形为R波之后，还包括：
根据确定的所述R波采用第四公式计算心率，所述第四公式包括：
其中，HR表示所述心率，NR表示检测到的所述心电信号中的R波数，Tscale表示所述心电信号的时间长度，需将其换算为分钟进行表示，因此需要除以60s。
本可选的实施例中，通过本发明实施例的心电特征提取方法能够准确定位心电信号中的R波，不需要预先采用复杂滤波电路对心电信号进行深入滤波，能够防止滤波过程中造成的信号失真，提高了R波的提取准确度，进而提高了通过R波计算心率的准确度。
可选地，所述将所述心电信号中的心电数据依次存入缓冲区之前，还包括：对所述心电信号进行数字滤波。
具体地，虽然采用复杂滤波电路对心电信号进行滤波，可能会造成心电信号失真，但是若心电信号中的噪声较多，也会影响R波的提取精度，因此需要在保证不造成信号失真，同时尽可能降低噪声对R波提取的影响的前提下，对心电信号进行合理滤波。
可选地，所述对所述心电信号进行数字滤波包括：
将所述心电信号输入无限冲激响应数字滤波器，通过所述无限冲激响应数字滤波器消除所述心电信号中的基线漂移，获得第一滤波信号；
将所述第一滤波信号输入陷波器，通过所述陷波器滤除工频噪声，获得第二滤波信号；
将所述第二滤波信号输入二阶高通滤波器，通过所述二阶高通滤波器滤除低频噪声，获得滤波后的心电信号。
具体地，通过对心电信号波形进行分析，可以发现，除了R波清晰以外，其它特征波形几乎都被噪声淹没。对噪声进行功率谱分析，可以发现，心电信号中的噪声重要来自50Hz的工频干扰及其高次谐波干扰，其次还有电路引入的噪声和人体抖动(例如呼吸和轻微颤抖等)引起的低频噪声。因此，首先可通过无限冲激响应数字滤波器消除呼吸等人体抖动引起的基线漂移，可通过设定两个截止频率来截取原始心电数据中有用的信号，设两个截止频率分别为f1和f2，则基于巴特沃斯的带通滤波器可采用下列公式表示：
其中，H(ω)表示滤波后的信号，ω表示输入的心电信号的频率，ωC＝[f1,f2]为截止频率，通过上述公式可以确定巴特沃斯数字滤波器的滤波系数。由于心电信号的动态性，当获得巴特沃斯滤波器系数后，通常使用零相位数字滤波器对心电信号进行降噪。
其次，通过一个50Hz的陷波器，对工频噪声进行滤除；最后，通过一个截止频率为0.5Hz的二阶高通滤波器，滤除心电信号中的低频噪声。
本可选的实施例中，对心电信号进行数字滤波，能够针对性地滤除心电信号中的各种噪声，滤波效果好，同时避免对心电信号的过度处理，不会造成心电信号失真，影响提取的心电特征的准确性。
可通过第五公式对滤波后的心电信号的信噪比进行量化评估，第五公式包括：
其中，SNRECG为信噪比，代表滤波后的心电信号中QRS波群在该时间段内的电压有效值，/>表示在一个心电周期末的T波和下一个心电周期的P波之间的，且与QRS波群等长度的电压有效值。
如图2所示，本发明另一实施例提供的一种心电特征提取装置，包括：
获取模块，用于获取心电信号，将所述心电信号中的心电数据依次存入缓冲区，并确定所述缓冲区内所述心电数据的第一平均值；
处理模块，用于采用预设长度的窗口滑动截取所述心电信号，确定所述窗口内所有所述心电数据的第二平均值；
判断模块，用于判断所述第一平均值和所述第二平均值是否满足预设规则，若是，则在所述窗口中确定所述心电数据的局部极大值；
提取模块，用于当确定的所述局部极大值达到预设数量时，在所有所述局部极大值中确定最大值所在的波形为R波。
本发明又一实施例提供的一种电子设备包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如上所述的心电特征提取方法。
本发明又一实施例提供的一种计算机可读存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上任一项所述的心电特征提取方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。在本申请中，所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
虽然本发明公开披露如上，但本发明公开的保护范围并非仅限于此。本领域技术人员在不脱离本发明公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。

Claims (7)

1.一种心电特征提取方法，其特征在于，包括：
获取心电信号，将所述心电信号中的心电数据依次存入缓冲区，并确定所述缓冲区内所述心电数据的第一平均值；
采用预设长度的窗口滑动截取所述心电信号，确定所述窗口内所有所述心电数据的第二平均值；
判断所述第一平均值和所述第二平均值是否满足预设规则，若是，则在所述窗口中确定所述心电数据的局部极大值；
当确定的所述局部极大值达到预设数量时，在所有所述局部极大值中确定最大值所在的波形为R波；
所述确定所述缓冲区内所述心电数据的第一平均值包括：当所述心电信号中的第一个所述心电数据存入所述缓冲区时，确定所述缓冲区内所有所述心电数据的所述第一平均值为初始平均值；当所述缓冲区内所述心电数据的数据长度达到预设阈值时，采用第一公式对所述第一平均值进行更新，所述第一公式包括：
其中，MB为更新后的第一平均值，LB为所述缓冲区内所述心电数据的数据长度，M0为所述初始平均值；
所述预设规则采用第二公式表示，所述第二公式包括：
其中，MB为所述更新后的第一平均值，M0为所述初始平均值，λ为权重因子，i表示所述心电信号中的第i个所述心电数据，表示与第i个所述心电数据对应的窗口内所有所述心电数据的第二平均值，/>为与第i-1个所述心电数据对应的窗口内所有所述心电数据的第二平均值；
所述在所有所述局部极大值中确定最大值所在的波形为R波之后，还包括：
以N个所述局部极大值为周期采用第三公式更新所述权重因子，所述第三公式包括：
其中，λ为所述权重因子，为第k个所述局部极大值，M0为所述初始平均值。
2.根据权利要求1所述的心电特征提取方法，其特征在于，所述在所有所述局部极大值中确定最大值所在的波形为R波之后，还包括：
根据确定的所述R波采用第四公式计算心率，所述第四公式包括：
其中，HR表示所述心率，NR表示检测到的所述心电信号中的R波数，Tscale表示所述心电信号的时间长度。
3.根据权利要求1或2所述的心电特征提取方法，其特征在于，所述将所述心电信号中的心电数据依次存入缓冲区之前，还包括：对所述心电信号进行数字滤波。
4.根据权利要求3所述的心电特征提取方法，其特征在于，所述对所述心电信号进行数字滤波包括：
将所述心电信号输入无限冲激响应数字滤波器，通过所述无限冲激响应数字滤波器消除所述心电信号中的基线漂移，获得第一滤波信号；
将所述第一滤波信号输入陷波器，通过所述陷波器滤除工频噪声，获得第二滤波信号；
将所述第二滤波信号输入二阶高通滤波器，通过所述二阶高通滤波器滤除低频噪声，获得滤波后的心电信号。
5.一种心电特征提取装置，其特征在于，包括：
获取模块，用于获取心电信号，将所述心电信号中的心电数据依次存入缓冲区，并确定所述缓冲区内所述心电数据的第一平均值；所述确定所述缓冲区内所述心电数据的第一平均值包括：当所述心电信号中的第一个所述心电数据存入所述缓冲区时，确定所述缓冲区内所有所述心电数据的所述第一平均值为初始平均值；当所述缓冲区内所述心电数据的数据长度达到预设阈值时，采用第一公式对所述第一平均值进行更新，所述第一公式包括：
其中，MB为更新后的第一平均值，LB为所述缓冲区内所述心电数据的数据长度，M0为所述初始平均值；
处理模块，用于采用预设长度的窗口滑动截取所述心电信号，确定所述窗口内所有所述心电数据的第二平均值；
判断模块，用于判断所述第一平均值和所述第二平均值是否满足预设规则，若是，则在所述窗口中确定所述心电数据的局部极大值；
提取模块，用于当确定的所述局部极大值达到预设数量时，在所有所述局部极大值中确定最大值所在的波形为R波；
所述预设规则采用第二公式表示，所述第二公式包括：
其中，MB为所述更新后的第一平均值，M0为所述初始平均值，λ为权重因子，i表示所述心电信号中的第i个所述心电数据，表示与第i个所述心电数据对应的窗口内所有所述心电数据的第二平均值，/>为与第i-1个所述心电数据对应的窗口内所有所述心电数据的第二平均值；
所述在所有所述局部极大值中确定最大值所在的波形为R波之后，还包括：
以N个所述局部极大值为周期采用第三公式更新所述权重因子，所述第三公式包括：
其中，λ为所述权重因子，为第k个所述局部极大值，M0为所述初始平均值。
6.一种电子设备，其特征在于，包括存储器和处理器；
所述存储器，用于存储计算机程序；
所述处理器，用于当执行所述计算机程序时，实现如权利要求1至4任一项所述的心电特征提取方法。
7.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1至4任一项所述的心电特征提取方法。
CN202111625189.XA 2021-12-28 2021-12-28 一种心电特征提取方法、装置及存储介质 Active CN114521901B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111625189.XA CN114521901B (zh) 2021-12-28 2021-12-28 一种心电特征提取方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111625189.XA CN114521901B (zh) 2021-12-28 2021-12-28 一种心电特征提取方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN114521901A CN114521901A (zh) 2022-05-24
CN114521901B true CN114521901B (zh) 2024-03-19

Family

ID=81619150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111625189.XA Active CN114521901B (zh) 2021-12-28 2021-12-28 一种心电特征提取方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN114521901B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101919695A (zh) * 2010-08-06 2010-12-22 李楚雅 一种基于小波变换的心电信号qrs波检测方法
CN103549950A (zh) * 2013-11-19 2014-02-05 上海理工大学 移动心电监测差分阈值检测改进算法
CN104161510A (zh) * 2014-08-27 2014-11-26 电子科技大学 一种多级导联心电信号qrs波形识别方法
CN106974637A (zh) * 2017-04-11 2017-07-25 西南大学 心率实时计算方法及装置
JP2017169885A (ja) * 2016-03-24 2017-09-28 トヨタ自動車株式会社 心電波形のｔ波波高を用いた緊張状態推定装置
CN107273827A (zh) * 2017-05-31 2017-10-20 江苏斯坦德利医疗科技有限公司 一种心电信号r波检测方法及装置
CN109907752A (zh) * 2019-03-04 2019-06-21 王量弘 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方法及系统
CN110327036A (zh) * 2019-07-24 2019-10-15 东南大学 从穿戴式心电中提取呼吸信号和呼吸频率的方法
CN110840443A (zh) * 2019-11-29 2020-02-28 京东方科技集团股份有限公司 心电信号处理方法、心电信号处理装置和电子设备
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
WO2020242334A1 (en) * 2019-05-24 2020-12-03 Autonomous Non-Profit Organization For Higher Education "Skolkovo Institute Of Science And Technology" System and method of automated electrocardiogram analysis and interpretation

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113499082B (zh) * 2020-03-23 2023-12-19 疆域康健创新医疗科技成都有限公司 Qrs波群检测方法、心电检测装置及可读存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101919695A (zh) * 2010-08-06 2010-12-22 李楚雅 一种基于小波变换的心电信号qrs波检测方法
CN103549950A (zh) * 2013-11-19 2014-02-05 上海理工大学 移动心电监测差分阈值检测改进算法
CN104161510A (zh) * 2014-08-27 2014-11-26 电子科技大学 一种多级导联心电信号qrs波形识别方法
JP2017169885A (ja) * 2016-03-24 2017-09-28 トヨタ自動車株式会社 心電波形のｔ波波高を用いた緊張状態推定装置
CN106974637A (zh) * 2017-04-11 2017-07-25 西南大学 心率实时计算方法及装置
CN107273827A (zh) * 2017-05-31 2017-10-20 江苏斯坦德利医疗科技有限公司 一种心电信号r波检测方法及装置
CN109907752A (zh) * 2019-03-04 2019-06-21 王量弘 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方法及系统
WO2020242334A1 (en) * 2019-05-24 2020-12-03 Autonomous Non-Profit Organization For Higher Education "Skolkovo Institute Of Science And Technology" System and method of automated electrocardiogram analysis and interpretation
CN110327036A (zh) * 2019-07-24 2019-10-15 东南大学 从穿戴式心电中提取呼吸信号和呼吸频率的方法
CN110840443A (zh) * 2019-11-29 2020-02-28 京东方科技集团股份有限公司 心电信号处理方法、心电信号处理装置和电子设备
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
纸质心电图的数字化及特征提取;常博文;《电子设计工程》;第28卷(第22期);83-88 *

Also Published As

Publication number Publication date
CN114521901A (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
Fariha et al. Analysis of Pan-Tompkins algorithm performance with noisy ECG signals
CA2979135C (en) Systems, apparatus and methods for sensing fetal activity
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
US20070129639A1 (en) Methods and analysis for cardiac ischemia detection
Jang et al. A real-time pulse peak detection algorithm for the photoplethysmogram
US11337638B2 (en) ECG signal processing method and apparatus
CN107361764B (zh) 一种心电信号特征波形r波的快速提取方法
AU2019313480B2 (en) Systems and methods for maternal uterine activity detection
Singh et al. ECG signal denoising based on empirical mode decomposition and moving average filter
KR20220150901A (ko) 모체 자궁 활동 검출을 위한 융합 신호 처리
Dora et al. Robust ECG artifact removal from EEG using continuous wavelet transformation and linear regression
Almalchy et al. Noise removal from ECG signal based on filtering techniques
Pingale Using Pan Tompkin ‘S Method, ECG signal processing and dignose various diseases in Matlab
Kaur et al. An efficient R-peak detection using Riesz fractional-order digital differentiator
CN111166325B (zh) 基于ipcmm算法的心电信号qrs复合波检测方法及系统
CN114521901B (zh) 一种心电特征提取方法、装置及存储介质
Amhia et al. Stability and phase response analysis of optimum reduced-order IIR filter designs for ECG R-peak detection
CN114521899A (zh) 心电信号滤波方法、装置、计算机设备及存储介质
CN108784683B (zh) 包括用于特征检测的滤波器的ecg机器
Hashemi et al. Dynamic Gaussian filter for muscle noise reduction in ECG signal
Heydari et al. Adaptive wavelet technique for EEG de-noising
Ghosal et al. Ecg beat quality assessment using self organizing map
Tun et al. Analysis of computer aided identification system for ECG characteristic points
Bhanu et al. Analysis of ECG signal and classification of arrhythmia
Muppalla et al. Performance evaluation of different denoising techniques for physiological signals

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