CN114788704A - 心电图信号中qrs波识别方法、装置、设备和存储介质 - Google Patents
心电图信号中qrs波识别方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114788704A CN114788704A CN202110099334.9A CN202110099334A CN114788704A CN 114788704 A CN114788704 A CN 114788704A CN 202110099334 A CN202110099334 A CN 202110099334A CN 114788704 A CN114788704 A CN 114788704A
- Authority
- CN
- China
- Prior art keywords
- electrocardiogram
- qrs wave
- value
- qrs
- sampling
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (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
本发明提出一种心电图信号中QRS波识别方法、装置、设备和存储介质,其中,方法包括:采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号;采用隔点差分的方式,对滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号;对隔点差分后的心电图信号顺序进行二次采样值差分、采样值平方处理和积分滤波,以得到待识别的心电图信号;对待识别的心电图信号进行QRS波识别,以确定QRS波的波峰位置。由此,可以降低T波被误识别为QRS波的概率,提升QRS波识别结果的准确性。
Description
技术领域
本发明涉及医疗电子技术领域,尤其涉及一种心电图信号中QRS波识别方法、装置、设备和存储介质。
背景技术
在心电图(Electrocardiogram,简称ECG)信号的自动分析中,QRS波的检测尤为重要,其中,QRS波是ECG信号中最显著的部分,反映了心室收缩时心脏的电行为,其能量占据心电信号能量的很大比例。QRS波分部于心电图信号中、高频区域,峰值落在10~20HZ之间,并且幅度特征非常明显,与其他波形区别显著,因而在心电特征波形的检测中,通常先定位QRS波群,当确定QRS波后,才有可能计算心率并进行心率变异分析,检测ET段的参数和分析心电的其他细节信息,因此,QRS波的检测是ECG检测中的首要问题,是诊断心率失常的重要依据。
目前单导联采集的心电图信号中,可能会采集到高大T波,一般在以下4种情况下可能采集到高大T波:1、心肌缺血和心肌损伤的超急性期;2、电解质的紊乱,如高钾血症患者;3、早期复极综合征,对于这类患者也会出现T波高尖;4、电极佩戴位置不正确引起的T波高大。
然而,在高大T波存在的情况下,极易造成将高大T波误判为QRS波的情况,从而导致RR间期缩短,心率值加倍,从而增加后续相关疾病分析的难度。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
本发明提出一种心电图信号中QRS波识别方法、装置、设备和存储介质,以实现降低T波被误识别为QRS波的概率,从而提升QRS波识别结果的准确性。
本发明第一方面实施例提出了一种心电图信号中QRS波识别方法,包括:
采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号;
采用隔点差分的方式,对所述滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号;
对所述隔点差分后的心电图信号顺序进行二次采样值差分、采样值平方处理和积分滤波,以得到待识别的心电图信号;
对所述待识别的心电图信号进行QRS波识别,以确定QRS波的波峰位置。
本发明实施例的心电图信号中QRS波识别方法,通过采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号;采用隔点差分的方式,对所述滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号;对所述隔点差分后的心电图信号顺序进行二次采样值差分、采样值平方处理和积分滤波,以得到待识别的心电图信号;对所述待识别的心电图信号进行QRS波识别,以确定QRS波的波峰位置。由此,通过对采集的心电图信号依次进行滤波处理、隔点差分、二次差分、平方和积分滤波处理,可以使得积分后的积分量,在QRS波波峰位置更加突出,从而能够降低T波被误识别为QRS波的概率,提升QRS波识别结果的准确性。
本发明第二方面实施例提出了一种心电图信号中QRS波识别装置,包括:
滤波模块,用于采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号;
差分模块,用于采用隔点差分的方式,对所述滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号;
处理模块,用于对所述隔点差分后的心电图信号顺序进行二次采样值差分、采样值平方处理和积分滤波,以得到待识别的心电图信号;
识别模块,用于对所述待识别的心电图信号进行QRS波识别,以确定QRS波的波峰位置。
本发明实施例的心电图信号中QRS波识别装置,通过采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号;采用隔点差分的方式,对所述滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号;对所述隔点差分后的心电图信号顺序进行二次采样值差分、采样值平方处理和积分滤波,以得到待识别的心电图信号;对所述待识别的心电图信号进行QRS波识别,以确定QRS波的波峰位置。由此,通过对采集的心电图信号依次进行滤波处理、隔点差分、二次差分、平方和积分滤波处理,可以使得积分后的积分量,在QRS波波峰位置更加突出,从而能够降低T波被误识别为QRS波的概率,提升QRS波识别结果的准确性。
本发明第三方面实施例提出了一种计算机设备,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,所述处理器执行所述程序时,实现如本发明第一方面实施例提出的心电图信号中QRS波识别方法。
本发明第四方面实施例提出了一种非临时性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本发明第一方面实施例提出的心电图信号中QRS波识别方法。
本发明第五方面实施例提出了一种计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,执行如本发明第一方面实施例提出的心电图信号中QRS波识别方法。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例一所提供的心电图信号中QRS波识别方法的流程示意图;
图2为本发明实施例二所提供的心电图信号中QRS波识别方法的流程示意图;
图3a为本发明实施例中滤波后的心电图信号示意图;
图3b为本发明实施例中隔点差分后的心电图信号示意图;
图3c为本发明实施例中二次差分后的心电图信号示意图;
图3d为本发明实施例中平方处理后的心电图信号示意图;
图3e为本发明实施例中待识别的心电图信号示意图;
图4为本发明实施例三所提供的心电图信号中QRS波识别方法的流程示意图;
图5为本发明实施例中积分滤波后的心电图信号示意图;
图6为本发明实施例四所提供的心电图信号中QRS波识别装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述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,旨在用于解释本发明,而不能理解为对本发明的限制。
1842年法国科学家Mattencci首先发现了心脏的电活动,1872年Muirhead记录到心脏波动的电信号,1885年荷兰生理学家W.Einthoven首次从体表记录到心电波形,当时是采用毛细静电计记录心电波形,1910年将毛细静电计改进成弦线电流计,由此开创了体表心电图记录的历史。
其中,心电图是在心脏有规律的收缩和舒张的过程中,各部分心肌细胞产生的动作电位综合而成的电信号由电极从体表或胸腔测得,经放大显示或描记下来的波形。心电图是由一系列相同的波及波段组成的,主要波和波段如下所示:
P波,代表左右心房去极化过程的电位变化。历时0.08~012s,波幅不超过0.25mv。
P-R间期,由P波起点到QRS波群起点之间的间期,代表自心房除极开始至心室除极的时间,正常成人的P-R间期为0.12~0.20s。
QRS波群,代表左右心室去极化过程的电位变化。历时0.06~0.10s。典型的QRS波群包含三个紧密相联的波,第一个向下的波为Q波,继Q波后向上的、高而窄的为R波,继R波之后的一个向下的波为S波。
S-T段,是指自QRS波终点至T波起点之间的线段,代表心室缓慢复极过程。正常的ST段多为一等电位线,有时也可能存在轻微的偏移的情况。对于任意导联,ST段下移一般不超过0.05mv;ST段上抬在V1、V2导联不超过0.3mv,在V3导联不超过0.5mv,在V4~V6导联与肢体导联不应超过0.1mv。
T波,代表心室快速复极过程中的电位变化。波形圆钝,历时0.05~0.25s,波形的前肢较长而后肢较短。
经过100多年的发展,今日的心电图设备日臻完善,不仅具有记录清晰、抗干扰能力强的优点,而且还具有便携、自动分析诊断功能。随着技术的不断发展,短时心电检测的局限性无法满足人们对于健康监护的需求,长时间动态可穿戴智能心电设备成为未来发展的趋势。然而,由于运动、佩戴偏差等原因造成的数据紊乱,不可避免的成为了心电智能诊断前进道路上的绊脚石。其中,单导联心电监测时,通用的QRS波识别方法在高大T波存在的情况下大概率会误判高大T波为QRS波,使得RR间期缩短,心率值加倍。
针对上述在高大T波存在的情况下,极易造成将高大T波误判为QRS波的情况的技术问题,本发明实施例主要提出一种心电图信号中QRS波识别方法,通过对采集的心电图信号依次进行滤波处理、隔点差分、二次差分、平方和积分滤波处理,可以使得积分后的积分量,在QRS波波峰位置更加突出,从而能够降低T波被误识别为QRS波的概率,提升QRS波识别结果的准确性。
下面参考附图描述本发明实施例的心电图信号中QRS波识别方法、装置、设备和存储介质。
图1为本发明实施例所提供的心电图信号中QRS波识别方法的流程示意图。
本发明实施例以该心电图信号中QRS波识别方法被配置于心电图信号中QRS波识别装置中来举例说明,该心电图信号中QRS波识别装置可以应用于任一计算机设备中,以使该计算机设备可以执行心电图信号中QRS波识别功能。
其中,计算机设备可以为任一具有计算能力的设备,例如可以为个人电脑(Personal Computer,简称PC)、可穿戴智能心电设备、心电图设备等硬件设备。
如图1所示,该心电图信号中QRS波识别方法可以包括以下步骤:
步骤101,采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号。
在本发明实施例中,为了去除工频干扰以及消除大部分基线漂移的影响,可以对采集的心电图信号进行滤波处理。
在本发明实施例的一种可能的实现方式中,可以仅采用高通滤波方式,对采集的心电图信号进行高通滤波处理,得到滤波后的心电图信号。例如,可以采用高通滤波器,对采集的心电图信号进行高通滤波处理,得到滤波后的心电图信号。
作为一种示例,高通滤波公式可以如公式(1)所示:
y1[n]=y1[n-1]+x1[n]-x1[n-128ms];(1)
其中,x1是指高通滤波器的输入数据,y1是指高通滤波器的输出数据,n表示当前位置,ms表示时间单位毫秒。即,x1[n]可为采集的心电图信号,y1[n]可为滤波后的心电图信号。
在本发明实施例的另一种可能的实现方式中,可以仅采用低通滤波方式,对采集的心电图信号进行低通滤波处理,得到滤波后的心电图信号。例如,可以采用低通滤波器,对采集的心电图信息进行低通滤波处理,得到滤波后的心电图信号。
作为一种示例,低通滤波公式可以如公式(2)所示:
y2[n]=2*y2[n-1]-y2[n-2]+x2[n]-2*x2[t-24ms]+x2[t-48ms];(2)
其中,x2是指低通滤波器的输入数据,y2是指低通滤波器的输出数据,n表示当前位置,ms表示时间单位毫秒。即,x2[n]可为采集的心电图信号,y2[n]可为滤波后的心电图信号。
在本发明实施例的又一种可能的实现方式中,可以先采用高通滤波方式,对采集的心电图信号进行高通滤波处理,得到高通滤波后的心电图信号,之后,采用低通滤波方式,对高通滤波后的心电图信号进行低通滤波处理,得到滤波后的心电图信号。
例如,先采用公式(1)对采集的心电图信号进行高通滤波处理,高通滤波器的输出y1可作为低通滤波器的输入x2,从而可将低通滤波器的输出y2,作为滤波后的心电图信号。
在本发明实施例的再一种可能的实现方式中,可以先采用低通滤波方式,对采集的心电图信号进行低通滤波处理,得到低通滤波后的心电图信号,之后,采用高通滤波方式,对低通滤波后的心电图信号进行高通滤波处理,得到滤波后的心电图信号。
例如,先采用公式(2)对采集的心电图信号进行低通滤波处理,低通滤波器的输出y2可作为高通滤波器的输入x1,从而可将高通滤波器的输出y1,作为滤波后的心电图信号,可得到y1[n]=x2[n-64ms]-y2[n]。
步骤102,采用隔点差分的方式,对滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号。
在本发明实施例中,设定间隔为预先设置的,比如,设定间隔的最优值可以为8。例如,可以标记设定间隔为m。
需要说明的是,滤波后的心电图信号中可能带有小毛刺且高大T波波峰的幅值与QRS波波峰幅值无明显区分点,部分T波波峰幅值可能高于QRS波波峰,在数据分析时可能造成QRS波波峰位置的误检,将高大T波峰值位置误识别为QRS波波峰位置的情况。因此,在本发明实施例中,为了降低误检的概率,可以对照心电图医学相关知识研究心电图线,根据医学上QRS波斜率大于T波斜率的原则,采用隔点取斜率的方法突出QRS波。
具体地,可以采用隔点差分的方式,对滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号。由此,通过隔点差分,在避开小干扰及毛刺的同时,还可以具有放大QRS波斜率优势。
例如,标记滤波后的心电图信号为x3,隔点差分后的心电图信号为y3,则可以得到:
y3[n]=x3[n]–x3[n-m],或,y3[nT]=x3[nT]–x3[nT-mT];(3)
其中,T表示时间周期,例如,T可为采样周期。
举例而言,当m为8时,间隔8个采样点进行采样值差分的过程为:将第1个采样点与第10个采样点进行采样值差分,将第2个采样点与第11个采样点进行采样值差分,将第3个采样点与第12个采样点,…。
步骤103,对隔点差分后的心电图信号顺序进行二次采样值差分、采样值平方处理和积分滤波,以得到待识别的心电图信号。
在本发明实施例中,可以对隔点差分后的心电图信号进行二次采样值差分处理,以得到二次差分后的心电图信号,以突出心电图信号中的QRS波的斜率,同时相对减小T波的振幅,方便区分QRS波形。之后,可以对二次差分后的心电图信号进行采样值平方处理,以得到平方处理后的心电图信号,从而可以扩大QRS波和T波的斜率差异,进一步增强QRS波和T波的振幅区别,将所有分量集中在正向上。之后,可以对平方处理后的心电图信号进行积分滤波处理,得到待识别的心电图信号,可以使得积分后的积分量,在QRS波波峰位置更加突出,从而能够很好的降低T波波峰被误识别为QRS波波峰的概率。
步骤104,对待识别的心电图信号进行QRS波识别,以确定QRS波的波峰位置。
在本发明实施例中,可以对待识别的心电图信号进行峰值识别,以确定QRS波的波峰位置。例如,可以根据QRS波的绝对不应期规则,对待识别的心电图信号进行QRS波峰值位置识别,以得到采样值为峰值的峰值采样点,在峰值采样点的采样值大于QRS波幅度阈值的情况下,识别峰值采样点为QRS波的波峰位置,对应的采样值为QRS波的幅度,在峰值采样点的采样值小于或等于QRS波幅度阈值的情况下,则标定该峰值采样点处为噪声,可进行忽略处理。由此,通过QRS波幅度阈值识别QRS波的方式,可以更加精准的筛选QRS波,减少T波被误识别为QRS波的错误,为后期诊断提高准确率打下基础。
需要说明的是,上述仅以根据QRS波的绝对不应期规则,对待识别的心电图信号进行QRS波峰值位置识别,以得到采样值为峰值的峰值采样点进行示例,但本发明实施例并不限于此,还包括本领域已知的其他识别峰值的方法或规则,只要能够实现对待识别的心电图信号进行QRS波峰值位置识别,得到采样值为峰值的峰值采样点即可。
本发明实施例的心电图信号中QRS波识别方法,通过采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号;采用隔点差分的方式,对所述滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号;对所述隔点差分后的心电图信号顺序进行二次采样值差分、采样值平方处理和积分滤波,以得到待识别的心电图信号;对所述待识别的心电图信号进行QRS波识别,以确定QRS波的波峰位置。由此,通过对采集的心电图信号依次进行滤波处理、隔点差分、二次差分、平方和积分滤波处理,可以使得积分后的积分量,在QRS波波峰位置更加突出,从而能够降低T波被误识别为QRS波的概率,提升QRS波识别结果的准确性。
为了清楚说明上一实施例,本实施例提供了另一种心电图信号中QRS波识别方法,图2为本发明实施例二所提供的心电图信号中QRS波识别方法的流程示意图。
如图2所示,该心电图信号中QRS波识别方法可以包括以下步骤:
步骤201,采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号。
作为一种示例,先采用低通滤波方式,对采集的心电图信号进行低通滤波处理,得到低通滤波后的心电图信号,之后,采用高通滤波方式,对低通滤波后的心电图信号进行高通滤波处理,得到的滤波后的心电图信号可以如图3a所示。
步骤202,采用隔点差分的方式,对滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号。
作为一种示例,以设定间隔为8,对上述图3a中滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,得到的隔点差分后的心电图信号可以如图3b所示。
步骤201至202的执行过程可以参见上述实施例中步骤101至102的执行过程,在此不做赘述。
步骤203,对隔点差分后的心电图信号中相邻采样点进行采样值差分,以得到二次差分后的心电图信号。
在本发明实施例中,可以对隔点差分后的心电图信号中相邻采样点进行采样值差分,以得到二次差分后的心电图信号。例如,标记二次差分后的心电图信号为y4,则可以得到:
y4[n]=y3[n]–y3[n-1]=x3[n]–x3[n-m]–(x3[n-1]–x3[n-1-m]),
或,y4[nT]=x3[nT]–x3[nT-mT]–(x3[(n-1)T]–x3[(n-1)T-mT]);(4)
作为一种示例,对图3b中隔点差分后的心电图信号中相邻采样点进行采样值差分,得到的二次差分后的心电图信号可以如图3c所示。
步骤204,对二次差分后的心电图信号中各采样点进行采样值平方处理,以得到平方处理后的心电图信号。
例如,标记平方处理后的心电图信号为y5,则可以得到:
y5[n]=(x3[n]–x3[n-m]–(x3[n-1]–x3[n-1-m]))2,
或,y5[nT]=(x3[nT]–x3[nT-mT]–(x3[(n-1)T]–x3[(n-1)T-mT]))2;(5)
作为一种示例,对图3c中二次差分后的心电图信号中各采样点进行采样值平方处理,得到的平方处理后的心电图信号可以如图3d所示。
步骤205,以设定步长,对平方处理后的心电图信号进行移动窗口积分滤波处理,得到待识别的心电图信号。
在本发明实施例中,移动窗口的窗长为预先设定的,比如,移动窗口的窗长可以为80ms,或者,移动窗口的窗长还可以为设定采样点个数。
在本发明实施例中,设定步长为预先设定的,比如可以为1个采样点。
在本发明实施例中,可以以设定步长,对平方处理后的心电图信号进行移动窗口积分滤波处理,得到待识别的心电图信号。
作为一种示例,当移动窗口内包含N个采样点时,可以根据下述公式(6)进行移动窗口积分:
y7[n]=1/N(x4[n-(N-1)]+x4[n-(N-2)]+…+x4[n]),
或y7[nT]=1/N(x4[nT-(N-1)T]+x4[nT-(N-2)T]+…+x4[nT]);(6)
其中,x4表示平方处理后的心电图信号,即为上述公式(5)中的y5。
举例而言,以N为20,设定步长为1个采样点进行示例,积分滤波的过程可以为:对第1个至第20个采样点求取均值,对第2个至第21个采样点求取均值,对第3个至第22个采样点求取均值,等等。
作为一种示例,以设定步长为1个采样点,对图3d中平方处理后的心电图信号进行移动窗口积分滤波处理,得到的待识别的心电图信号可以如图3e所示。
步骤206,对待识别的心电图信号进行QRS波识别,以确定QRS波的波峰位置。
步骤206的执行过程可以参见上述实施例中步骤104的执行过程,在此不做赘述。
本发明实施例中,在滤波后使用隔点差分、二次差分、平方、积分滤波对心电图信号进行处理,可以使得移动积分后的积分量,在QRS波波峰位置更加突出,很好的降低了将T波被误识别为QRS波的概率,另外,在降噪上也有很好的表现,去除了大部分的小毛刺,并且在计算量上因为使用点计算不需要增加过多的缓存,节约缓存空间,提高运算效率,最大限度降低检测的时延。
为了清楚说明上一实施例,本实施例提供了另一种心电图信号中QRS波识别方法,图4为本发明实施例三所提供的心电图信号中QRS波识别方法的流程示意图。
如图4所示,该心电图信号中QRS波识别方法可以包括以下步骤:
步骤301,采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号。
步骤302,采用隔点差分的方式,对滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号。
步骤301至302的执行过程可以参见上述实施例中步骤101至102的执行过程,在此不做赘述。
步骤303,对隔点差分后的心电图信号顺序进行二次采样值差分、采样值平方处理和积分滤波,以得到待识别的心电图信号。
步骤303的执行过程可以参见上述实施例中步骤103的执行过程,或者,还可以参见上述实施例中步骤203至205的执行过程,在此不做赘述。
步骤304,对待识别的心电图信号进行峰值识别,以得到采样值为峰值的峰值采样点。
在本发明实施例中,可以根据QRS波的绝对不应期等规则,对待识别的心电图信号进行QRS波峰值位置识别,以得到采样值为峰值的峰值采样点。
步骤305,判断峰值采样点的采样值是否大于QRS波幅度阈值,若是,执行步骤306,若否,执行步骤307。
步骤306,识别峰值采样点为QRS波的波峰位置,对应的采样值为QRS波的幅度。
在本发明实施例中,可以根据经验值或实际应用需求,设置一个初始的QRS波幅度阈值,在QRS波识别的过程中,可以判断峰值采样点的采样值是否大于该QRS波幅度阈值,在峰值采样点的采样值大于QRS波幅度阈值的情况下,识别峰值采样点为QRS波的波峰位置,对应的采样值为QRS波的幅度。
步骤307,识别峰值采样点处为噪声。
在本发明实施例中,在峰值采样点的采样值小于或等于QRS波幅度阈值的情况下,则标定该峰值采样点处为噪声,可进行忽略处理。
步骤308,根据QRS波的幅度,更新缓存队列;其中,缓存队列中存储有最近识别出的设定个数的QRS波的幅度。
在本发明实施例中,设定个数为预先设置的,例如可以为8个。
步骤309,对缓存队列中存储的各QRS波的幅度求取均值,得到幅度均值。
步骤310,根据幅度均值与设定比例系数的乘积,更新QRS波幅度阈值。
在本发明实施例中,设定比例系数可以为预先设置的,或者,还可以根据幅度均值确定,比如,当幅度均值较大时,设定比例系数可以设置的高些,而当幅度均值较小时,设定比例系数可以设置的低些,本发明实施例对此并不做限制。
也就是说,本发明实施例中,可以预先设置一个初始的QRS波幅度阈值,在QRS波识别的过程中,可以判断峰值采样点的采样值是否大于该QRS波幅度阈值,若是,则将该峰值采样点对应的采样值,作为QRS波的幅度,并将该QRS波的幅度存储至缓存队列中,当缓存队列中存储的QRS波的幅度的个数达到设定个数的情况下,可以利用设定个数的QRS波的幅度的均值,更新QRS波幅度阈值。由此,可以实现对QRS波幅度阈值进行动态更新,提升QRS波的波峰位置识别结果的准确性。
作为一种示例,发明人对原始的采样后得到的心电图信号经过滤波处理后,进行隔8点差分处理,以提取QRS波群的斜率信息,同时去除小的毛刺及干扰,所采用的是两点差分运算。隔点差分后为进一步突出QRS波斜率及T波斜率区别,可对心电图信号进行二次差分和平方处理。期间使用静态变量,保存固定长度的历史输入数据,记录输入数据在静态变量中的位置索引,循环使用该静态变量,用新数据替代最老的历史数据。具体流程如下所示:
通过缓存20个采样点后,分别利用低通滤波方式和高通滤波方式,对心电图信号进行滤波处理,以去除工频干扰及消除大部分基线漂移的影响。其中,低通滤波器的输出作为高通滤波器的输入。
发明人发现,高通滤波器的输出曲线带有小毛刺且高大T波波峰的幅值与QRS波波峰幅值无明显区分点,部分T波波峰幅值高于QRS波波峰,在数据分析时,较易引起QRS波波峰位置误检的情况,将高大T波峰值位置误识别为QRS波波峰。为了减少误检,发明人对照心电图医学相关知识研究心电图线,根据医学上QRS波斜率大于T波斜率的原则,采用隔点取斜率的方法突出QRS波。
发明人分别试验隔点个数为20、10、8、5、3的差分比较效果,在保留QRS波特性的标准平衡下,选用8点隔点差分达到最佳效果。经过隔点差分处理后,能较好的凸显QRS波。
在隔点差分后再次进行一次差分,更加突出心电图信号中QRS波的斜率,同时相对减小T波的振幅,方便区分波形。将二次差分后的心电图信号中各采样点进行采样值平方处理,以进一步增强QRS波和T波的振幅区别,将所有分量集中在正向上来。对平方后的心电图信号,通过通用的80ms的移动窗口积分滤波处理:累加最新数据,删除最老数据,取窗口平均数作为输出。
作为一种示例,积分滤波后的心电图信号可以如图5所示,其中,图线1为输入数据(即平方处理后的心电图信号),图线2为积分滤波后的待识别的心电图信号。由图5可知,图线2中QRS波峰值清晰且易区分,为后期计算峰值位置统计心率作基础。
使用积分输出的数据,根据QRS波的绝对不应期等规则检测QRS波峰值位置。缓存最新的8个峰值的幅度均值为标准,设定比例系数,将峰值的幅度均值乘以设定比例系数作为当前的QRS波幅度阈值,以根据该QRS波幅度阈值进行QRS波峰值位置检测。如果新检测的峰值大于QRS波幅度阈值,标定当前位置为QRS波,反之则标定为噪声,进行忽略处理。由此,根据T波和QRS波各自峰谷间的斜率特性,通过滤波大幅度降低高大T波带来的QRS波误判的概率,为智能诊断提供更加准确有效的心拍位置信息,及进一步进行疾病诊断打下坚实的基础。
需要说明的是,单导联采集心电图信号,采集到各种原因产生的高大T波数据,若使用通用的低通滤波、高通滤波、差分取绝对值、移动积分等方法对心电图信号进行处理后,采用阈值限定查找QRS波波峰,仍然会有大概率误判T波波峰为QRS波波峰,从而导致RR间期被分割误判且RR间期时长前后大量不齐匀,进而平均心率统计产生加倍的错判,进而增加后续相关疾病分析的难度。
而本发明实施例中,在通用的低通滤波、高通滤波后使用隔点差分、二次差分、平方的方法,取代原有的差分绝对值方法对心电图信号进行处理,使得移动积分后的积分量,在QRS波波峰位置更加突出,调整原有的阈值,能很好的降低T波波峰被误识别成QRS波波峰的概率。另外,隔点差分在降噪上也有很好的表现,去除了大部分的小毛刺,并且在计算量上因为使用点计算不需要过多的缓存做到较好的控制。
发明人利用本发明实施例的QRS波识别方法,与原有的通用法进行测试对比,最终检测结果为原有的通用法总体灵敏度99.2%,阳性预测值95.3%(其中高大T波相关数据单独统计阳性预测值92.23%);本发明实施例的QRS波识别方法总体灵敏度99.36%,阳性预测值98.23%(其中高大T波相关数据单独统计阳性预测值97.78%),显然,本发明实施例的QRS波识别方法的效果更好。
与上述图1至图4实施例提供的心电图信号中QRS波识别方法相对应,本发明还提供一种心电图信号中QRS波识别装置,由于本发明实施例提供的心电图信号中QRS波识别装置与上述图1至图4实施例提供的心电图信号中QRS波识别方法相对应,因此在心电图信号中QRS波识别方法的实施方式也适用于本发明实施例提供的心电图信号中QRS波识别装置,在本发明实施例中不再详细描述。
图6为本发明实施例四所提供的心电图信号中QRS波识别装置的结构示意图。
如图6所示,该心电图信号中QRS波识别装置100包括:滤波模块110、差分模块120、处理模块130以及识别模块140。
其中,滤波模块110,用于采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号。
差分模块120,用于采用隔点差分的方式,对滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号。
处理模块130,用于对隔点差分后的心电图信号顺序进行二次采样值差分、采样值平方处理和积分滤波,以得到待识别的心电图信号。
识别模块140,用于对待识别的心电图信号进行QRS波识别,以确定QRS波的波峰位置。
进一步地,在本发明实施例的一种可能的实现方式中,识别模块140,具体用于:对待识别的心电图信号进行峰值识别,以得到采样值为峰值的峰值采样点;在峰值采样点的采样值大于QRS波幅度阈值的情况下,识别峰值采样点为QRS波的波峰位置,对应的采样值为QRS波的幅度;在峰值采样点的采样值小于或等于QRS波幅度阈值的情况下,识别峰值采样点处为噪声。
进一步地,在本发明实施例的一种可能的实现方式中,该心电图信号中QRS波识别装置100,还可以包括:
更新模块,用于根据QRS波的幅度,更新缓存队列;其中,缓存队列中存储有最近识别出的设定个数的QRS波的幅度。
确定模块,用于对缓存队列中存储的各QRS波的幅度求取均值,得到幅度均值。
更新模块,还用于根据幅度均值与设定比例系数的乘积,更新QRS波幅度阈值。
进一步地,在本发明实施例的一种可能的实现方式中,处理模块130,具体用于:对隔点差分后的心电图信号中相邻采样点进行采样值差分,以得到二次差分后的心电图信号;对二次差分后的心电图信号中各采样点进行采样值平方处理,以得到平方处理后的心电图信号;以设定步长,对平方处理后的心电图信号进行移动窗口积分滤波处理,以得到待识别的心电图信号。
进一步地,在本发明实施例的一种可能的实现方式中,滤波模块110,具体用于:采用低通滤波方式,对采集的心电图信号进行低通滤波处理,得到低通滤波后的心电图信号;采用高通滤波方式,对低通滤波后的心电图信号进行高通滤波处理,得到滤波后的心电图信号。
本发明实施例的心电图信号中QRS波识别装置,通过采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号;采用隔点差分的方式,对所述滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号;对所述隔点差分后的心电图信号顺序进行二次采样值差分、采样值平方处理和积分滤波,以得到待识别的心电图信号;对所述待识别的心电图信号进行QRS波识别,以确定QRS波的波峰位置。由此,通过对采集的心电图信号依次进行滤波处理、隔点差分、二次差分、平方和积分滤波处理,可以使得积分后的积分量,在QRS波波峰位置更加突出,从而能够降低T波被误识别为QRS波的概率,提升QRS波识别结果的准确性。
为了实现上述实施例,本发明还提出一种计算机设备,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,所述处理器执行所述程序时,实现如本发明前述实施例提出的心电图信号中QRS波识别方法。
为了实现上述实施例,本发明还提出一种非临时性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本发明前述实施例提出的心电图信号中QRS波识别方法。
为了实现上述实施例,本发明还提出一种计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,执行如本发明前述实施例提出的心电图信号中QRS波识别方法。
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必须针对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一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,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。在本发明的描述中,“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。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
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。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种心电图信号中QRS波识别方法,其特征在于,包括以下步骤:
采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号;
采用隔点差分的方式,对所述滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号;
对所述隔点差分后的心电图信号顺序进行二次采样值差分、采样值平方处理和积分滤波,以得到待识别的心电图信号;
对所述待识别的心电图信号进行QRS波识别,以确定QRS波的波峰位置。
2.根据权利要求1所述的方法,其特征在于,所述对所述待识别的心电图信号进行QRS波识别,包括:
对所述待识别的心电图信号进行峰值识别,以得到采样值为峰值的峰值采样点;
在所述峰值采样点的采样值大于QRS波幅度阈值的情况下,识别所述峰值采样点为QRS波的波峰位置,对应的采样值为QRS波的幅度;
在所述峰值采样点的采样值小于或等于所述QRS波幅度阈值的情况下,识别所述峰值采样点处为噪声。
3.根据权利要求2所述的方法,其特征在于,所述识别所述峰值采样点为QRS波的波峰位置,对应的采样值为QRS波的幅度之后,还包括:
根据所述QRS波的幅度,更新缓存队列;其中,所述缓存队列中存储有最近识别出的设定个数的所述QRS波的幅度;
对所述缓存队列中存储的各所述QRS波的幅度求取均值,得到幅度均值;
根据所述幅度均值与设定比例系数的乘积,更新所述QRS波幅度阈值。
4.根据权利要求1所述的方法,其特征在于,所述对所述隔点差分后的心电图信号顺序进行二次采样值差分、采样值平方处理和积分滤波,以得到待识别的心电图信号,包括:
对所述隔点差分后的心电图信号中相邻采样点进行采样值差分,以得到二次差分后的心电图信号;
对所述二次差分后的心电图信号中各采样点进行采样值平方处理,以得到平方处理后的心电图信号;
以设定步长,对所述平方处理后的心电图信号进行移动窗口积分滤波处理,以得到所述待识别的心电图信号。
5.根据权利要求1所述的方法,所述采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号,包括:
采用所述低通滤波方式,对采集的心电图信号进行低通滤波处理,得到低通滤波后的心电图信号;
采用所述高通滤波方式,对所述低通滤波后的心电图信号进行高通滤波处理,得到所述滤波后的心电图信号。
6.一种心电图信号中QRS波识别装置,其特征在于,包括:
滤波模块,用于采用高通和/或低通滤波方式,对采集的心电图信号进行滤波处理,以得到滤波后的心电图信号;
差分模块,用于采用隔点差分的方式,对所述滤波后的心电图信号中符合设定间隔的间隔采样点进行采样值差分,以得到隔点差分后的心电图信号;
处理模块,用于对所述隔点差分后的心电图信号顺序进行二次采样值差分、采样值平方处理和积分滤波,以得到待识别的心电图信号;
识别模块,用于对所述待识别的心电图信号进行QRS波识别,以确定QRS波的波峰位置。
7.根据权利要求6所述的装置,其特征在于,所述识别模块,具体用于:
对所述待识别的心电图信号进行峰值识别,以得到采样值为峰值的峰值采样点;
在所述峰值采样点的采样值大于QRS波幅度阈值的情况下,识别所述峰值采样点为QRS波的波峰位置,对应的采样值为QRS波的幅度;
在所述峰值采样点的采样值小于或等于所述QRS波幅度阈值的情况下,识别所述峰值采样点处为噪声。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
更新模块,用于根据所述QRS波的幅度,更新缓存队列;其中,所述缓存队列中存储有最近识别出的设定个数的所述QRS波的幅度;
确定模块,用于对所述缓存队列中存储的各所述QRS波的幅度求取均值,得到幅度均值;
所述更新模块,还用于根据所述幅度均值与设定比例系数的乘积,更新所述QRS波幅度阈值。
9.一种计算机设备,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,所述处理器执行所述程序时,实现如权利要求1-5中任一所述的心电图信号中QRS波识别方法。
10.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5中任一所述的心电图信号中QRS波识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110099334.9A CN114788704A (zh) | 2021-01-25 | 2021-01-25 | 心电图信号中qrs波识别方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110099334.9A CN114788704A (zh) | 2021-01-25 | 2021-01-25 | 心电图信号中qrs波识别方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114788704A true CN114788704A (zh) | 2022-07-26 |
Family
ID=82460677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110099334.9A Pending CN114788704A (zh) | 2021-01-25 | 2021-01-25 | 心电图信号中qrs波识别方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114788704A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115345208A (zh) * | 2022-10-19 | 2022-11-15 | 成都理工大学 | 基于顶帽变换的中子-伽马脉冲堆积甄别方法 |
CN117357130A (zh) * | 2023-12-07 | 2024-01-09 | 深圳泰康医疗设备有限公司 | 基于人工智能的心电图数字化曲线分割方法 |
-
2021
- 2021-01-25 CN CN202110099334.9A patent/CN114788704A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115345208A (zh) * | 2022-10-19 | 2022-11-15 | 成都理工大学 | 基于顶帽变换的中子-伽马脉冲堆积甄别方法 |
CN117357130A (zh) * | 2023-12-07 | 2024-01-09 | 深圳泰康医疗设备有限公司 | 基于人工智能的心电图数字化曲线分割方法 |
CN117357130B (zh) * | 2023-12-07 | 2024-02-13 | 深圳泰康医疗设备有限公司 | 基于人工智能的心电图数字化曲线分割方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6675467B2 (ja) | 活性化波面のバイポーラ/ユニポーラハイブリッド検出のための装置 | |
US8755876B2 (en) | Methods and systems for atrial fibrillation detection | |
JP6381444B2 (ja) | リアルタイムecgにおいて心電図のst部レベルを全自動で測定する方法およびシステム | |
Lourenço et al. | Real Time Electrocardiogram Segmentation for Finger based ECG Biometrics. | |
US8437839B2 (en) | Electrocardiographic assessment of arrhythmia risk | |
CN111134658B (zh) | 一种心电信号中RonT类型心搏的检测方法和装置 | |
Manriquez et al. | An algorithm for QRS onset and offset detection in single lead electrocardiogram records | |
CN107622259B (zh) | 一种t波检测方法、心电数据分析方法及装置 | |
KR101308609B1 (ko) | 적응적 국부 임계화를 이용한 심전도 신호의 r 피크 검출방법 | |
CN114788704A (zh) | 心电图信号中qrs波识别方法、装置、设备和存储介质 | |
US9901277B2 (en) | Cycle length iteration for the detection of atrial activations from electrogram recordings of atrial fibrillation | |
JP6243254B2 (ja) | 心拍検出方法および心拍検出装置 | |
CN110090016B (zh) | 定位r波位置的方法及系统、使用lstm神经网络的r波自动检测方法 | |
JP4718033B2 (ja) | 心電図情報処理装置及び心電図情報処理方法 | |
CN112438735B (zh) | 一种心电图p波检测方法、分析装置以及存储介质 | |
WO1984003032A1 (en) | System and method for predicting ventricular tachycardia | |
Mayapur | Detection and Processing of the R Peak | |
Akula et al. | Automation algorithm to detect and quantify electrocardiogram waves and intervals | |
Van Manh et al. | An innovative method based on Shannon energy envelope and summit navigation for detecting R peaks of noise stress test signals | |
CN113712563A (zh) | 动态心电图分析方法、心电监测设备以及存储介质 | |
KR20140074664A (ko) | 질병 판별 방법 및 이를 이용하는 장치 | |
RU2410023C1 (ru) | Способ выделения qrs-комплекса электрокардиосигнала | |
RU2791006C1 (ru) | Система и способ автоматизированного анализа и интерпретации электрокардиограммы | |
CN117414140B (zh) | 一种基于四分位法的ecg心拍识别方法 | |
CN115886834B (zh) | Ecg的心电数据波峰检测方法、装置及计算机设备 |
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 |