CN114795235A - 一种基于形态轮廓算法的单导心电监测方法及系统 - Google Patents

一种基于形态轮廓算法的单导心电监测方法及系统 Download PDF

Info

Publication number
CN114795235A
CN114795235A CN202210390403.6A CN202210390403A CN114795235A CN 114795235 A CN114795235 A CN 114795235A CN 202210390403 A CN202210390403 A CN 202210390403A CN 114795235 A CN114795235 A CN 114795235A
Authority
CN
China
Prior art keywords
motion
signal
data
electrocardiosignal
time
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
CN202210390403.6A
Other languages
English (en)
Other versions
CN114795235B (zh
Inventor
曹雪滨
郑羽
黄河玲
王冬颖
田磊
田攀
崔英凯
王晨阳
王祥贺
刘兆川
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.)
Hospital Of 82nd Group Army Of Pla
Original Assignee
Hospital Of 82nd Group Army Of Pla
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 Hospital Of 82nd Group Army Of Pla filed Critical Hospital Of 82nd Group Army Of Pla
Priority to CN202210390403.6A priority Critical patent/CN114795235B/zh
Publication of CN114795235A publication Critical patent/CN114795235A/zh
Application granted granted Critical
Publication of CN114795235B publication Critical patent/CN114795235B/zh
Priority to LU503929A priority patent/LU503929B1/en
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]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • 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
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/251—Means for maintaining electrode contact with the body
    • A61B5/256—Wearable electrodes, e.g. having straps or bands
    • 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
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/263—Bioelectric electrodes therefor characterised by the electrode materials
    • A61B5/27—Conductive fabrics or textiles
    • 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
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
    • A61B5/282—Holders for multiple electrodes
    • 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]
    • A61B5/332—Portable devices specially adapted therefor
    • 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
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • 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
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0006—ECG or EEG signals
    • 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

Landscapes

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

Abstract

本发明提供一种基于形态轮廓算法的单导心电监测方法及系统，属于生物医学技术领域，单导心电监测方法包括：采集设定时间段内的初始心电信号和运动信号；基于自适应滤波器，根据运动信号，将初始心电信号中的运动伪信号去除，得到滤波心电信号；采用Top‑hat变换的形态轮廓算法，对滤波心电信号进行聚类处理，得到顶帽信号；对顶帽信号进行增强处理，得到心电信号序列；根据心电信号序列确定多个R波峰；根据相邻两个R波峰的时间间隔，确定对应时间段的心率。基于自适应滤波器及形态轮廓算法，有效去除了运动带来的运动伪差和噪声信号，提高了心率监测的准确度。

Description

一种基于形态轮廓算法的单导心电监测方法及系统
技术领域
本发明涉及生物医学领域，特别是涉及一种基于形态轮廓算法的单导心电监测方法及系统。
背景技术
心率是监测心血管疾病的一个重要参数，其稳定性直接反映着心脏功能的好坏，同时心率也是指导体育锻炼的重要指标。根据世界卫生组织的报告，全球每年死于心血管疾病的人数约占所有死亡人数的三分之一，占人口疾病死亡率之首。监测心电是用来诊断与监测心血管疾病的一种重要手段，而医院的短时间静态心电检测对心血管疾病的发现与预防意义不大，更需要的是可用于日常生活和运动状态下的连续、长程动态心电监测。
运动伪迹是ECG(electrocardiogram，心电图)信号的主要噪声之一。传统的心电图仪测量人体心电信号时，需要人平躺于床上，甚至屏住呼吸，所以运动伪迹干扰不是很严重，这也导致了对于消除运动伪迹的研究没有像滤除心电信号其他三种噪声(基线漂移、工频干扰以及肌电干扰)那么成熟。由于近几年ECG可穿戴设备的出现，干电极(针织电极)代替传统的湿电极(Ag/AgCl电极)，干电极具有更大的接触阻抗，对人体的运动变得更加的敏感，运动伪迹噪声也更加的明显；另一方面出于可穿戴设备的特殊需求，可穿戴ECG设备不能约束被测者的行动，运动伪迹噪声不可避免存在。在动态心电采集中，人体在动态下极易产生电极与皮肤的相对位移以及皮肤的拉伸，引起电极-皮肤阻抗变化，从而导致较大的运动伪迹噪声。运动伪迹噪声是穿戴式心电监测中最大的噪声源，使电极皮肤的电势变化高达几毫伏，从而使信号失真，严重干扰信号的分析。
基于上述问题，亟需一种新的心电监测方法以提高在运动状态下心率监测的精确度。
发明内容
本发明的目的是提供一种基于形态轮廓算法的单导心电监测方法及系统，可提高运动状态下心率监测的精确度。
为实现上述目的，本发明提供了如下方案：
一种基于形态轮廓算法的单导心电监测方法，包括：
采集设定时间段内的初始心电信号和运动信号；
基于自适应滤波器，根据所述运动信号，将所述初始心电信号中的运动伪信号去除，得到滤波心电信号；
采用Top-hat变换的形态轮廓算法，对所述滤波心电信号进行聚类处理，得到顶帽信号；
对所述顶帽信号进行增强处理，得到心电信号序列；
根据所述心电信号序列，确定多个R波峰；
根据相邻两个R波峰的时间间隔，确定对应时间段的心率。
可选地，所述初始心电信号中包括各时刻的初始心电数据；所述运动信号中包括各时刻的运动数据；所述滤波心电信号中包括各时刻的滤波心电数据；
所述基于自适应滤波器，根据所述运动信号，将所述初始心电信号中的运动伪信号去除，得到滤波心电信号，具体包括：
针对k时刻，根据k时刻的运动数据及k时刻自适应滤波器的系数，确定k+1时刻自适应滤波器的系数；初始时刻自适应滤波器的系数预先设定，k>0；
根据k+1时刻自适应滤波器的系数，将k时刻初始心电数据的运动伪信号去除，得到k时刻的滤波心电数据。
可选地，确定k+1时刻自适应滤波器的系数：
Figure BDA0003595271820000021
其中，
Figure BDA0003595271820000022
为k+1时刻自适应滤波器的系数，
Figure BDA0003595271820000023
为k时刻自适应滤波器的系数，μ为自适应滤波器的步长，e(k)为k时刻自适应滤波器的误差，
Figure BDA0003595271820000031
rt(k)为k时刻的运动数据，M为滤波器的阶数，k>M>0，ε为常数，()T为转置运算。
可选地，确定k时刻的滤波心电数据：
Figure BDA0003595271820000032
其中，f(k)为k时刻的滤波心电数据，d(k)为k时刻的初始心电数据，
Figure BDA0003595271820000033
为第k+1时刻自适应滤波器的系数，rt(k)为k时刻的运动数据。
可选地，确定顶帽信号：
H＝f-f⊙g；
其中，H为顶帽信号，f为滤波心电信号，g为结构元素，f⊙g为f与g做开运算。
可选地，所述心电信号序列中包括各时刻的增强心电数据；
所述根据所述心电信号序列，确定多个R波峰，具体包括：
获取所述心电信号序列中增强心电数据的最大值，并根据所述最大值确定阈值；
初始化标志位为0；
依次遍历所述心电信号序列中的增强心电数据，并在所述增强心电数据小于阈值时，将标志位设置为1；在所述增强心电数据大于阈值且标志位为1时，将所述增强心电数据的位置确定为R波峰位置，并将标志位设置为0。
可选地，采用以下公式，确定心率：
Figure BDA0003595271820000034
其中，HeartRate为心率，fs为采样率，Rnew-Rold为相邻两个R波峰的时间间隔，Rnew和Rold为相邻两个R波峰对应的时刻。
为实现上述目的，本发明还提供了如下方案：
一种基于形态轮廓算法的单导心电监测系统，包括：心电衣、数据采集装置及处理器；
所述数据采集装置设置在所述心电衣的内侧，所述数据采集装置用于实时采集人体的初始心电信号及运动信号；
所述处理器与所述数据采集装置连接，所述处理器包括：
伪信号去除模块，与所述数据采集装置连接，用于基于自适应滤波器，根据所述运动信号，将所述初始心电信号中的运动伪信号去除，得到滤波心电信号；
聚类模块，与所述伪信号去除模块连接，用于采用Top-hat变换的形态轮廓算法，对所述滤波心电信号进行聚类处理，得到顶帽信号；
增强模块，与所述聚类模块连接，用于对所述顶帽信号进行增强处理，得到心电信号序列；
R峰确定模块，与所述增强模块连接，用于根据所述心电信号序列，确定多个R波峰；
心率确定模块，与所述R峰确定模块连接，用于根据相邻两个R波峰的时间间隔，确定对应时间段的心率。
可选地，所述数据采集装置包括：
心电信号采集部件，设置在所述心电衣的内侧，用于实时采集人体的心电信号；
加速度电路，设置在所述心电衣的内侧，用于实时采集人体的加速度，得到运动信号。
可选地，所述心电信号采集部件包括：第一金属织物干电极、第二金属织物干电极及第三金属织物干电极；
所述第一金属织物干电极设置在胸导联V2位置；所述第二金属织物干电极设置在胸导联V2左侧1cm的位置；所述第三金属织物干电极设置在胸导联V2右下侧1cm的位置。
根据本发明提供的具体实施例，本发明公开了以下技术效果：基于自适应滤波器去除初始心电信号中的运动伪信号，得到滤波心电信号，能够在动态环境下消除运动伪迹，提高可穿戴式心电监测设备在运动状态下检测心电信号的稳定性，然后采用Top-hat变换的形态学轮廓算法，对滤波心电信号进行聚类处理，得到心电信号序列，根据心电信号序列确定多个R波峰，最后根据相邻两个R波峰的时间间隔，确定对应时间段的心率。采用形态轮廓算法能有效的去除运动带来的运动伪差和噪声信号，提高心率监测的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于形态轮廓算法的单导心电监测方法的流程图；
图2为本发明基于形态轮廓算法的单导心电监测系统的模块结构示意图；
图3为单导心电监测系统的结构示意图；
图4为磁吸式接口电路的连接关系示意图；
图5为使用ADS1292R进行数据采集的流程图；
图6为单导心电监测系统的使用流程图；
图7(a)为心率72次/分钟时单导心电监测系统采集的初始心电信号的示意图；
图7(b)为采用形态轮廓算法对图7(a)中信号处理后的信号的示意图；
图7(c)为心率118次/分钟时单导心电监测系统采集的初始心电信号的示意图；
图7(d)为采用形态轮廓算法对图7(c)中信号处理后的信号的示意图。
符号说明：
心电衣-1，数据采集装置-2，心电信号采集部件-21，第一金属织物干电极-211，第二金属织物干电极-212，第三金属织物干电极-213，加速度电路-22，处理器-3，伪信号去除模块-31，聚类模块-32，增强模块-33，R峰确定模块-34，心率确定模块-35，供电电路-4，蓝牙模块-5，外壳-6，磁吸式接口电路-7。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于形态轮廓算法的单导心电监测方法及系统，通过自适应滤波器及形态轮廓算法，有效去除了运动带来的运动伪差和噪声信号，提高了心率监测的准确度及稳定性。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明基于形态轮廓算法的单导心电监测方法包括：
S1：采集设定时间段内的初始心电信号和运动信号。在本实施例中，人体穿戴上心电衣后，在5km/h-10km/h运动状态下，采集初始心电信号和运动信号。
S2：基于自适应滤波器，根据所述运动信号，将所述初始心电信号中的运动伪信号去除，得到滤波心电信号。
S3：采用Top-hat变换的形态轮廓算法，对所述滤波心电信号进行聚类处理，得到顶帽信号。具体地，顶帽信号中包括各时刻的聚类心电信号。
S4：对所述顶帽信号进行增强处理，得到心电信号序列。所述心电信号序列中包括各时刻的增强心电数据。
具体地，顶帽信号通过一个增强操作提高信噪比，能够使Top-hat变换后提取的R波放大，把不需要的噪声缩小，得到QRS波的形态类别和心电信号序列S：
S＝1000×(H(k+k1)-H(k))·(H(k+k1)-H(k+k1+k2))；
其中，H(k)为顶帽信号中k时刻的聚类心电信号，k1＝(Ng+1)/2，k2＝Ng+1-k1，Ng表示结构元素g的长度。心电信号序列S中R峰的位置便更明显，之后可以把其中的负数值以及接近0的数值直接清零，以此进一步提高信噪比。
S5：根据所述心电信号序列，确定多个R波峰。
S6：根据相邻两个R波峰的时间间隔，确定对应时间段的心率。具体地，采用以下公式，确定心率：
Figure BDA0003595271820000071
其中，HeartRate为心率，fs为采样率，Rnew-Rold为相邻两个R波峰的时间间隔，Rnew和Rold为相邻两个R波峰对应的时刻。采样率fs是硬件采样率，也是相邻两次采集的时间间隔的倒数，表示每秒采集多少个数据。在本实施例中，采样率为540Hz。对模拟(连续)心电信号进行数字(离散)化。
进一步地，所述初始心电信号中包括各时刻的初始心电数据；所述运动信号中包括各时刻的运动数据；所述滤波心电信号中包括各时刻的滤波心电数据；步骤S2具体包括：
S21：针对k时刻，根据k时刻的运动数据及k时刻自适应滤波器的系数，确定k+1时刻自适应滤波器的系数；初始时刻自适应滤波器的系数预先设定。具体地，采用以下公式，确定k+1时刻自适应滤波器的系数：
Figure BDA0003595271820000072
其中，
Figure BDA0003595271820000073
为k+1时刻自适应滤波器的系数，
Figure BDA0003595271820000074
为k时刻自适应滤波器的系数，μ为自适应滤波器的步长，与LMS算法的稳定与收敛速率有关，e(k)为k时刻自适应滤波器的误差，
Figure BDA0003595271820000075
Figure BDA0003595271820000076
Figure BDA0003595271820000077
作为自适应滤波器的输入参考序列，()T为转置运算，rt(k)为k时刻的运动数据，M为滤波器的阶数，即运动信号中运动数据的总数，k>M>0，ε为常数，避免算法运算时分母为零而导致算法发散。
具体地，根据运动信号不断更新自适应滤波器的系数，利用维纳最优滤波器的判断准则，根据代价函数选择均方差E{e2(k)}最小时的系数。
S22：根据k+1时刻自适应滤波器的系数，将k时刻初始心电数据的运动伪信号去除，得到k时刻的滤波心电数据。具体地，采用以下公式，确定k时刻的滤波心电数据：
Figure BDA0003595271820000081
其中，f(k)为k时刻的滤波心电数据，d(k)为k时刻的初始心电数据，
Figure BDA0003595271820000082
为第k+1时刻自适应滤波器的系数，rt(k)为k时刻的运动数据。
进一步地，步骤S3中，采用以下公式，确定顶帽信号：
H＝f-f⊙g；
其中，H为顶帽信号，f为滤波心电信号，g为结构元素，f⊙g为f与g做开运算。f⊙g作为滤波心电信号的基信号。
具体地，开运算为先腐蚀后膨胀，其过程如下：
Figure BDA0003595271820000085
Figure BDA0003595271820000086
表示g对f做膨胀运算，h⊕g表示g对h做膨胀运算，
Figure BDA0003595271820000087
当g为扁平结构元素时，开运算将消除滤波心电信号f中的波峰，得到滤波心电信号f的基信号。
Figure BDA0003595271820000083
Figure BDA0003595271820000084
其中，Nf表示f的滤波心电信号长度，f(k+m)表示k+m时刻的滤波心电数据，g(m)表示结构元素g中第m个数据，Ng表示结构元素g的长度，实际情况下Nf＞＞Ng。因为结构元素g有长度，所以经过形态学运算后有效信号长度会减少结构元素对应的长度Ng。腐蚀运算结果总取结构元素对应区间中滤波心电信号f的最小值。
取g(m)＝0，开运算的结果仅与其长度有关，简化运算。取Ng为：
Figure BDA0003595271820000091
其中[]表示取整.TR根据R波的宽度取值，一般在25～40ms不等。fs为采样率，单位为Hz。Ng表示结构元素g的长度，是用来对序列进行形态学处理的模板不同长度的结构元素有不同的处理效果，Ng取得越大，得到的顶帽宽度越宽，为了保证取得R波长度的顶帽，需要通过R波的时间宽度调整结构元素的长度。
更进一步地，步骤S4具体包括：
S41：获取所述心电信号序列中增强心电数据的最大值Smax，并根据所述最大值确定阈值Sthreshold。具体地，
Figure BDA0003595271820000092
S42：初始化标志位为0。
S43：依次遍历所述心电信号序列中的增强心电数据，并在所述增强心电数据小于阈值时，将标志位设置为1；在所述增强心电数据大于阈值且标志位为1时，将所述增强心电数据的位置确定为R波峰位置，并将标志位设置为0。
具体地，按时间遍历心电信号序列，不断与阈值Sthreshold比较，当心电信号序列中的增强心电数据小于阈值Sthreshold时，重新寻找R波峰值的位置；即令findRFlag＝1。当增强心电数据大于阈值Sthreshold，且findRFlag＝1时，记录增强心电数据对应的时刻，此时刻就是R峰的一个位置，同时令findRFlag＝0。以此循环，直到遍历心电信号序列结束。在循环中将找到的R峰位置储存在一个序列中，相邻的两个R峰位置即为一对新旧R峰。
如图2所示，本发明基于形态轮廓算法的单导心电监测系统包括：心电衣1、数据采集装置2及处理器3。
具体地，心电衣1的主体由柔性、轻薄、高弹性和透气性好的天然纤维面料，采用针织结构制作而成。
所述数据采集装置2设置在所述心电衣1的内侧，所述数据采集装置2用于实时采集人体的初始心电信号及运动信号。
所述处理器3与所述数据采集装置2连接，所述处理器3包括：伪信号去除模块31、聚类模块32、增强模块33、R峰确定模块34及心率确定模块35。
其中，所述伪信号去除模块31与所述数据采集装置2连接，所述伪信号去除模块31用于基于自适应滤波器，根据所述运动信号，将所述初始心电信号中的运动伪信号去除，得到滤波心电信号。
所述聚类模块32与所述伪信号去除模块31连接，所述聚类模块32用于采用Top-hat变换的形态轮廓算法，对所述滤波心电信号进行聚类处理，得到顶帽信号。
所述增强模块33与所述聚类模块32连接，所述增强模块33用于对所述顶帽信号进行增强处理，得到心电信号序列。
所述R峰确定模块34与所述增强模块33连接，所述R峰确定模块34用于根据所述心电信号序列，确定多个R波峰。
所述心率确定模块35与所述R峰确定模块34连接，所述心率确定模块35用于根据相邻两个R波峰的时间间隔，确定对应时间段的心率。
在本实施例中，所述处理器3采用STM32单片机。
具体地，所述初始心电信号中包括各时刻的初始心电数据；所述运动信号中包括各时刻的运动数据；所述滤波心电信号中包括各时刻的滤波心电数据。
所述伪信号去除模块31包括系数更新单元及去除单元。所述系数更新单元与所述数据采集装置2连接，所述系数更新单元用于针对k时刻，根据k时刻的运动数据及k时刻自适应滤波器的系数，确定k+1时刻自适应滤波器的系数；初始时刻自适应滤波器的系数预先设定，k>0。
所述去除单元与所述系数更新单元连接，所述去除单元用于根据k+1时刻自适应滤波器的系数，将k时刻初始心电数据的运动伪信号去除，得到k时刻的滤波心电数据。
进一步地，所述心电信号序列中包括各时刻的增强心电数据。所述R峰确定模块34包括：阈值确定单元、标志位初始化单元及波峰位置确定单元。
其中，所述阈值确定单元与所述增强模块33连接，所述阈值确定单元用于获取所述心电信号序列中增强心电数据的最大值，并根据所述最大值确定阈值。
所述标志位初始化单元初始化标志位为0。
所述波峰位置确定单元分别与所述阈值确定单元及所述标志位初始化单元连接，所述波峰位置确定单元用于依次遍历所述心电信号序列中的增强心电数据，并在所述增强心电数据小于阈值时，将标志位设置为1；在所述增强心电数据大于阈值且标志位为1时，将所述增强心电数据的位置确定为R波峰位置，并将标志位设置为0。
进一步地，所述数据采集装置2包括心电信号采集部件21及加速度电路22。
其中，所述心电信号采集部件21设置在所述心电衣1的内侧，所述心电信号采集部件21用于实时采集人体的心电信号。
具体地，如图3所示，所述心电信号采集部件21包括：第一金属织物干电极211、第二金属织物干电极212及第三金属织物干电极213。所述第一金属织物干电极211设置在胸导联V2位置；所述第二金属织物干电极212设置在胸导联V2左侧1cm的位置；所述第三金属织物干电极213设置在胸导联V2右下侧1cm的位置。在本实施例中，三个金属织物干电极由高导电率银丝按照岛-桥结构图案加工而成，形状为直径为2.5cm的圆形。
所述加速度电路22设置在所述心电衣1的内侧，所述加速度电路22用于实时采集人体的加速度，得到运动信号。在本实施例中，所述加速度电路22采用电容式ADXL345加速度传感器。ADXL345加速度传感器既能测量运动或冲击导致的动态加速度，也可以测量静止加速度，可以作为倾斜传感器使用，用于判断人体的姿态。同时内部集成了模数转换器，将三轴加速度模拟量转换为数字信号，通过I2C接口与处理器3进行数据传输。
进一步地，所述处理器3还包括数据存储模块。所述数据存储模块分别与所述数据采集装置2及所述心率确定模块35连接，所述数据存储模块用于存储初始心电信号、运动信号及心率。在本实施例中，所述数据存储模块采用内存为128GB，尺寸为15mm×11mm×1mm的MicroSD闪存卡，数据存储模块的通信方式采用SDIO接口通信。
更进一步地，所述单导心电监测系统还包括供电电路4。所述供电电路4分别与所述数据采集装置2及所述处理器3连接。在本实施例中，所述供电电路4为满足设备长时间佩戴、持续监测的要求，选用125mA、3.7V可充电锂电池。具体地，采用TLV700线性稳压芯片进行电压转换，将供电电路4的电压转化为3.3V和±2.5V电压。3.3V电压为STM32主控模块和数据存储模块供电。ADS1292R的模拟电源的供电电压为-2.5V，数据电源的供电电压为3.3V。
此外，所述单导心电监测系统还包括蓝牙模块5。在本实施例中，蓝牙模块5采用HC-42蓝牙电路。
为了保护硬件电路，本发明单导心电监测系统还包括外壳6。所述处理器3及蓝牙模块5均设置在外壳6内部。在本实施例中，外壳6的长×宽×高整体尺寸为3.2cm×4cm×0.8cm。
作为一种具体地实施方式，如图4所示，所述单导心电监测系统还包括磁吸式接口电路7。所述处理器3、供电电路4、蓝牙模块5均通过磁吸式接口电路7设置在心电衣1上。
作为另一种实施方式，所述心电信号采集部件21采用ADS1292R心电采集前端。在本实施例中，ADS1292R心电采集前端采用TI公司的ADS1292R芯片。ADS1292R芯片的IN1P/IN1N是输入端口，采用差分输入以减少共模干扰。CLKSEL是时钟引脚，可以选择外部时钟和内部时钟，由于内部时钟采用芯片内部振荡电路，受温度影响大，精度不高。因此，本发明选择外部时钟作为时钟信号，将CLKSEL接地，CLK引脚输入2MHz时钟信号。ADS1292R内置两个可编程增益放大器(Pmgrammable GainAmplifier，PGA)，使用通道1进行心电信号的采集，并设置PGA1＝2，ADC采样率设为500SPS，内部参考电压VREF为2.42V。同时ADS1292R可以通过“右腿驱动电路”抑制人体的共模干扰。如图5所示为使用ADS1292R心电采集前端进行数据采集的流程。
本发明采用背心式心电衣，在运动状态下实现心率的监测，可以抵抗长时间的汗液腐蚀且具有很好的透气亲肤性。心电衣轻薄柔软、灵敏度高、穿戴舒适且使用简单。本发明的单导心电监测系统体积小，厚度薄，重量轻，耗电少，佩戴舒适且准确率高，可用于抵抗人体穿戴下的运动干扰。
为了更好的理解本发明的方案，下面结合具体实施例对单导心电监测系统的流程进一步说明。
如图6所示，首先进行系统初始化，采集心电信号和运动信号，采集完成后对心电信号进行滤波和去基线处理，并存储。在采集次数大于150次时，判断是否通过蓝牙传输，若通过蓝牙传输，则将心电信号传输至上位机，否则将心电信号写入内存卡，继续采集心电信号。
为了更好的理解本发明的方案，下面结合具体实施例对本发明基于形态轮廓算法的单导心电监测系统的使用流程进一步进行说明。
第一步：确定金属织物干电极的材料、形状和尺寸。
第二步：确定心电衣的材料、尺寸、以及金属织物干电极在心电衣的具体位置。
第三步：单导心电监测系统的硬件设计，主要包括ADS1292采集模块、8G Micro-SD数据存储电路、125mA的电源供电电路、HC-42蓝牙电路、三轴加速度电路和磁吸式接口电路。
第四步：佩戴单导心电监测设备和迈瑞PM-9000监护仪的心电监测电极，进行深蹲和5km/h-10km/h跑步运动。单导心电监测系统上电复位后进行系统时钟配置、中断优先级分组配置、各外设初始化。ADS1292R数据采集完成后触发中断，处理器响应中断接收数据，通过直接存储器存取DMA读取采集到的数据并进行转换、去噪处理，将处理后的数据写入存储卡，再通过串口传输至HC-42蓝牙模块。硬件上电后完成硬件初始化，通过配置寄存器组设置ADC(模数转换器，analog to digital converter)的采样频率、PGA(可编程放大器，Programmable GainAmplifier)放大倍数、参考电压选择、时钟选择等操作。
第五步：单导心电监护设备实时采集心电信号和运动信号，自适应滤波器根据采集到的心电信号和运动信号，实时调整滤波器的参数，从而去除运动伪迹和噪声干扰信号，输出处理后的信号。
第五步：第四步输出的信号进行Top-hat变换，得到心电信号序列。
第六步：根据心电信号序列，计算实时心率。
第七步：第六步计算出的心率和运动状态下佩戴迈瑞PM-9000监护仪测量到的心率进行误差分析，计算单导心电监测设备测量心率的准确率。
此外，本发明采用以下两种方式对单导心电监测系统进行了测试，以验证心率测量的准确率。
测试一：标准心电信号源选用型号为SKX-2000的心电信号模拟发生器，分别产生心率为72次/分钟、异常心电信号(心率不齐)118次/分钟。测试结果表明，本发明提供的单导心电监测系统能准确采集到心电信号发生器产生的正常和异常心电信号，并且准确计算出心率，准确率为100％，结果如图7(a)、图7(b)、图7(c)和图7(d)所示。
测试二：
佩戴者同时佩戴本发明的单导心电监测系统和迈瑞PM-9000监护仪，分别测量佩戴者在平静状态、深蹲1分钟后和运动速度为5km/h时在不同运动时间后的心电波形和心率。本发明的单导心电设备测量到的心率和迈瑞PM-9000监护仪测到的心率进行比较和误差分析，计算出心率测量的平均误差为7.35％，两个不同测试者不同状态下心率如表1所示。
表1单导心电监测系统和迈瑞PM-9000监护仪测量的心率(次/分)
Figure BDA0003595271820000141
Figure BDA0003595271820000151
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于形态轮廓算法的单导心电监测方法，其特征在于，所述基于形态轮廓算法的单导心电监测方法包括：
采集设定时间段内的初始心电信号和运动信号；
基于自适应滤波器，根据所述运动信号，将所述初始心电信号中的运动伪信号去除，得到滤波心电信号；
采用Top-hat变换的形态轮廓算法，对所述滤波心电信号进行聚类处理，得到顶帽信号；
对所述顶帽信号进行增强处理，得到心电信号序列；
根据所述心电信号序列，确定多个R波峰；
根据相邻两个R波峰的时间间隔，确定对应时间段的心率。
2.根据权利要求1所述的基于形态轮廓算法的单导心电监测方法，其特征在于，所述初始心电信号中包括各时刻的初始心电数据；所述运动信号中包括各时刻的运动数据；所述滤波心电信号中包括各时刻的滤波心电数据；
所述基于自适应滤波器，根据所述运动信号，将所述初始心电信号中的运动伪信号去除，得到滤波心电信号，具体包括：
针对k时刻，根据k时刻的运动数据及k时刻自适应滤波器的系数，确定k+1时刻自适应滤波器的系数；初始时刻自适应滤波器的系数预先设定，k>0；
根据k+1时刻自适应滤波器的系数，将k时刻初始心电数据的运动伪信号去除，得到k时刻的滤波心电数据。
3.根据权利要求2所述的基于形态轮廓算法的单导心电监测方法，其特征在于，采用以下公式，确定k+1时刻自适应滤波器的系数：
Figure FDA0003595271810000011
其中，
Figure FDA0003595271810000012
为k+1时刻自适应滤波器的系数，
Figure FDA0003595271810000013
为k时刻自适应滤波器的系数，μ为自适应滤波器的步长，e(k)为k时刻自适应滤波器的误差，
Figure FDA0003595271810000014
rt(k)为k时刻的运动数据，()T为转置运算，M为滤波器的阶数，k>M>0，ε为常数。
4.根据权利要求2所述的基于形态轮廓算法的单导心电监测方法，其特征在于，采用以下公式，确定k时刻的滤波心电数据：
Figure FDA0003595271810000021
其中，f(k)为k时刻的滤波心电数据，d(k)为k时刻的初始心电数据，
Figure FDA0003595271810000022
为第k+1时刻自适应滤波器的系数，rt(k)为k时刻的运动数据。
5.根据权利要求1所述的基于形态轮廓算法的单导心电监测方法，其特征在于，采用以下公式，确定顶帽信号：
H＝f-f⊙g；
其中，H为顶帽信号，f为滤波心电信号，g为结构元素，f⊙g为f与g做开运算。
6.根据权利要求1所述的基于形态轮廓算法的单导心电监测方法，其特征在于，所述心电信号序列中包括各时刻的增强心电数据；
所述根据所述心电信号序列，确定多个R波峰，具体包括：
获取所述心电信号序列中增强心电数据的最大值，并根据所述最大值确定阈值；
初始化标志位为0；
依次遍历所述心电信号序列中的增强心电数据，并在所述增强心电数据小于阈值时，将标志位设置为1；在所述增强心电数据大于阈值且标志位为1时，将所述增强心电数据的位置确定为R波峰位置，并将标志位设置为0。
7.根据权利要求1所述的基于形态轮廓算法的单导心电监测方法，其特征在于，采用以下公式，确定心率：
Figure FDA0003595271810000023
其中，HeartRate为心率，fs为采样率，Rnew-Rold为相邻两个R波峰的时间间隔，Rnew和Rold为相邻两个R波峰对应的时刻。
8.一种基于形态轮廓算法的单导心电监测系统，其特征在于，所述基于形态轮廓算法的单导心电监测系统包括：心电衣、数据采集装置及处理器；
所述数据采集装置设置在所述心电衣的内侧，所述数据采集装置用于实时采集人体的初始心电信号及运动信号；
所述处理器与所述数据采集装置连接，所述处理器包括：
伪信号去除模块，与所述数据采集装置连接，用于基于自适应滤波器，根据所述运动信号，将所述初始心电信号中的运动伪信号去除，得到滤波心电信号；
聚类模块，与所述伪信号去除模块连接，用于采用Top-hat变换的形态轮廓算法，对所述滤波心电信号进行聚类处理，得到顶帽信号；
增强模块，与所述聚类模块连接，用于对所述顶帽信号进行增强处理，得到心电信号序列；
R峰确定模块，与所述增强模块连接，用于根据所述心电信号序列，确定多个R波峰；
心率确定模块，与所述R峰确定模块连接，用于根据相邻两个R波峰的时间间隔，确定对应时间段的心率。
9.根据权利要求8所述的基于形态轮廓算法的单导心电监测系统，其特征在于，所述数据采集装置包括：
心电信号采集部件，设置在所述心电衣的内侧，用于实时采集人体的心电信号；
加速度电路，设置在所述心电衣的内侧，用于实时采集人体的加速度，得到运动信号。
10.根据权利要求9所述的基于形态轮廓算法的单导心电监测系统，其特征在于，所述心电信号采集部件包括：第一金属织物干电极、第二金属织物干电极及第三金属织物干电极；
所述第一金属织物干电极设置在胸导联V2位置；所述第二金属织物干电极设置在胸导联V2左侧1cm的位置；所述第三金属织物干电极设置在胸导联V2右下侧1cm的位置。
CN202210390403.6A 2022-04-14 2022-04-14 一种基于形态轮廓算法的单导心电监测方法及系统 Active CN114795235B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210390403.6A CN114795235B (zh) 2022-04-14 2022-04-14 一种基于形态轮廓算法的单导心电监测方法及系统
LU503929A LU503929B1 (en) 2022-04-14 2023-04-13 Single-lead ecg monitoring method and system based on morphological contour algorithm

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210390403.6A CN114795235B (zh) 2022-04-14 2022-04-14 一种基于形态轮廓算法的单导心电监测方法及系统

Publications (2)

Publication Number Publication Date
CN114795235A true CN114795235A (zh) 2022-07-29
CN114795235B CN114795235B (zh) 2023-04-07

Family

ID=82537155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210390403.6A Active CN114795235B (zh) 2022-04-14 2022-04-14 一种基于形态轮廓算法的单导心电监测方法及系统

Country Status (2)

Country Link
CN (1) CN114795235B (zh)
LU (1) LU503929B1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115778402A (zh) * 2022-12-02 2023-03-14 深圳华清心仪医疗电子有限公司 一种动态心电信号的伪差识别方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060002615A1 (en) * 2004-06-30 2006-01-05 Accuray, Inc. Image enhancement method and system for fiducial-less tracking of treatment targets
CN104605841A (zh) * 2014-12-09 2015-05-13 电子科技大学 可穿戴心电信号监测装置及方法
CN107320096A (zh) * 2017-06-14 2017-11-07 长春理工大学 一种心电r波定位方法
CN107595277A (zh) * 2017-09-03 2018-01-19 中北大学 一种具有运动识别和定位功能的心电监测系统及监测方法
CN109297712A (zh) * 2018-11-02 2019-02-01 东南大学 一种基于最优尺度形态顶帽乘积滤波的轴承故障诊断方法
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
CN113892954A (zh) * 2021-09-30 2022-01-07 联想(北京)有限公司 一种可穿戴心电监测设备和信息确定方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060002615A1 (en) * 2004-06-30 2006-01-05 Accuray, Inc. Image enhancement method and system for fiducial-less tracking of treatment targets
CN104605841A (zh) * 2014-12-09 2015-05-13 电子科技大学 可穿戴心电信号监测装置及方法
CN107320096A (zh) * 2017-06-14 2017-11-07 长春理工大学 一种心电r波定位方法
CN107595277A (zh) * 2017-09-03 2018-01-19 中北大学 一种具有运动识别和定位功能的心电监测系统及监测方法
CN109297712A (zh) * 2018-11-02 2019-02-01 东南大学 一种基于最优尺度形态顶帽乘积滤波的轴承故障诊断方法
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
CN113892954A (zh) * 2021-09-30 2022-01-07 联想(北京)有限公司 一种可穿戴心电监测设备和信息确定方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
FEI ZHANG等: "QRS Detection Based on Multiscale Mathematical Morphology for Wearable ECG Devices in Body Area Networks" *
S. VISHNU GOPEKA等: "VLSI Design of ECG QRS Complex Detection using Multiscale Mathematical Morphology" *
SASAN YAZDANI, JEAN-MARC VESIN: "Adaptive Mathematical Morphology for QRS Fiducial Points Detection in the ECG", 《COMPUTING IN CARDIOLOGY 2014》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115778402A (zh) * 2022-12-02 2023-03-14 深圳华清心仪医疗电子有限公司 一种动态心电信号的伪差识别方法及系统

Also Published As

Publication number Publication date
LU503929B1 (en) 2023-10-13
CN114795235B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
Cömert et al. Effect of pressure and padding on motion artifact of textile electrodes
García-González et al. A comparison of heartbeat detectors for the seismocardiogram
CN107411736A (zh) 胎儿心电信号检测系统
CN115299899B (zh) 基于多传感器的活动识别与逐搏血压监测分析预警系统
Castro et al. Robust wireless capacitive ECG system with adaptive signal quality and motion artifact reduction
WO2018009736A1 (en) Motion-dependent averaging for physiological metric estimating systems and methods
Alkhidir et al. Simple method for adaptive filtering of motion artifacts in E-textile wearable ECG sensors
LU503929B1 (en) Single-lead ecg monitoring method and system based on morphological contour algorithm
Kalra et al. Critical review of electrocardiography measurement systems and technology
Feng et al. Sleeping heart monitoring using hydrogel-textile capacitive ECG electrodes
TWI410233B (zh) The Architecture and Method of Removing Shaking Noise Technology of Physiological Signal
Xiao et al. Atrial fibrillation monitoring based on noncontact capacitive ECG using an integrated microhumidity fabric electrode-sheet sensing scheme
Zhang et al. A wearable 12-lead ECG acquisition system with fabric electrodes
Iskandar et al. A wearable 1-lead necklace ECG for continuous heart rate monitoring
Gong et al. Design and implementation of wearable dynamic electrocardiograph real-time monitoring terminal
CN111345801B (zh) 一种基于粒子滤波的人体逐拍心率测量装置及方法
Izumi et al. A 14 µA ECG processor with robust heart rate monitor for a wearable healthcare system
CN209203250U (zh) 一种传感带
Lim et al. A wearable healthcare system for cardiac signal monitoring using conductive textile electrodes
CN213883186U (zh) 一种无袖带血压监测装置
von Rosenberg et al. Smart helmet: monitoring brain, cardiac and respiratory activity
CN106308788B (zh) 便携式心电监测设备
Przystup et al. A detector of sleep disorders for using at home
Mahmud et al. Design of a wireless non-contact wearable system for infants using adaptive filter
Babaeizadeh Cost-efficient accurate monitoring of respiration rate using ECG

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