CN114795241A - 一种心电信号的噪声检测方法及系统 - Google Patents

一种心电信号的噪声检测方法及系统 Download PDF

Info

Publication number
CN114795241A
CN114795241A CN202210342755.4A CN202210342755A CN114795241A CN 114795241 A CN114795241 A CN 114795241A CN 202210342755 A CN202210342755 A CN 202210342755A CN 114795241 A CN114795241 A CN 114795241A
Authority
CN
China
Prior art keywords
noise
type
frequency noise
digital signal
peak
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
CN202210342755.4A
Other languages
English (en)
Other versions
CN114795241B (zh
Inventor
马亚全
王祥
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.)
Shenzhen Ecgmac Medical Electronics Co ltd
Original Assignee
Shenzhen Ecgmac Medical Electronics Co ltd
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 Shenzhen Ecgmac Medical Electronics Co ltd filed Critical Shenzhen Ecgmac Medical Electronics Co ltd
Priority to CN202210342755.4A priority Critical patent/CN114795241B/zh
Publication of CN114795241A publication Critical patent/CN114795241A/zh
Application granted granted Critical
Publication of CN114795241B publication Critical patent/CN114795241B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/366—Detecting abnormal QRS complex, e.g. widening
    • 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
    • A61B5/30—Input circuits therefor
    • A61B5/307—Input circuits therefor specially adapted for particular uses
    • A61B5/308—Input circuits therefor specially adapted for particular uses for 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]

Landscapes

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

Abstract

本发明公开了一种心电信号的噪声检测方法及系统，方法包括：获取采集的心电信号，将心电信号转化为数字信号；基于宽窗口对所述数字信号进行检测，输出低频噪声的类型；基于窄窗口对所述数字信号进行检测，输出高频噪声的类型；根据所述低频噪声的类型和所述高频噪声的类型，输出噪声检测结果。本发明实施例采用宽窄窗口结合的方法进行心电信号噪声的检测，针对低频噪声变化慢的特点采用宽窗口进行检测，而针对高频噪声变化快的特点采用窄窗口进行检测，用于心电图信号的噪声检测，辅助用户进行心电图的诊断，减少误判的发生；具有运算速度快，检测结果精度高等特点。

Description

一种心电信号的噪声检测方法及系统
技术领域
本发明涉及信号检测技术领域，尤其涉及一种心电信号的噪声检测方法及系统。
背景技术
心电信号在采集的过程中不可避免地受到噪声的干扰，分为低频和高频噪声两类。低频噪声主要是基线漂移噪声，在心电图上表现为波形的基线随着时间发生定向的缓慢变化；高频噪声包括工频干扰和肌电干扰等噪声干扰，在心电图上表现为快速变化的波形，工频干扰的频率固定为50/60Hz，而肌电干扰等波形则表现为不规则。
现有技术中采集心电信号时，噪声和正常的心电信号混叠在一起，噪声检测效果差，很难从心电信号中分离，降低了心电信号的检测准确率。
因此现有技术还有待于进一步发展。
发明内容
针对上述技术问题，本发明实施例提供了一种心电信号的噪声检测方法及系统，能够解决现有技术中采集心电信号时，噪声和正常的心电信号混叠在一起，噪声检测效果差，很难从心电信号中分离，降低了心电信号的检测准确率的技术问题。
本发明实施例的第一方面提供一种心电信号的噪声检测方法，包括：
获取采集的心电信号，将心电信号转化为数字信号；
基于宽窗口对所述数字信号进行检测，输出低频噪声的类型；
基于窄窗口对所述数字信号进行检测，输出高频噪声的类型；
根据所述低频噪声的类型和所述高频噪声的类型，输出噪声检测结果。
可选地，基于宽窗口对所述数字信号进行检测，输出低频噪声的类型，包括：
获取所述数字信号，基于第一宽窗口对所述数字信号进行窗口滑动操作，获取低频噪声；
基于第二宽窗口逐点滑动计算低频噪声的峰峰值，得到峰峰值曲线；
计算峰峰值曲线上的第一有效波峰个数及对应的第一波峰值；
获取峰峰值曲线上超过第一预设阈值的曲线对应第一持续时间；
根据所述第一有效波峰个数及对应的第一波峰值、第一持续时间，输出低频噪声的类型。
可选地，基于窄窗口对所述数字信号进行检测，输出高频噪声的类型，包括：
获取所述数字信号，对所述数字信号进行QRS波检测后，进行QRS波消除操作，生成消除ORS波后的目标数字信号；
基于第一窄窗口对所述目标数字信号进行检测窗口滑动操作，获取高频噪声；
基于第二窄窗口逐点滑动计算获取单位时间的绝对值曲线；
根据绝对值曲线计算第二有效波峰个数及对应的第二波峰值；
获取绝对值曲线上超过第二预设阈值的曲线对应的第二持续时间；
根据所述第二有效波峰个数及对应的第二波峰值、第二持续时间，输出高频噪声的类型。
可选地，所述获取所述数字信号，对所述数字信号进行QRS波检测后，进行QRS波消除操作，生成消除ORS波后的目标数字信号，包括：
获取所述数字信号，对所述数字信号进行QRS波检测，计算QRS波的起始点和终止点；
基于QRS波的起始点和终止点进行线性插值，生成消除QRS波后的目标数字信号。
可选地，所述低频噪声类型包括：高类型噪声、中类型噪声和无噪声；所述高频噪声类型包括：高类型噪声、中类型噪声和无噪声，则所述根据所述低频噪声的类型和所述高频噪声的类型，输出噪声检测结果，包括：
若高频噪声类型或低频噪声类型中至少有一个为高噪声类型，或高类型噪声及低频噪声类型均为中类型噪声，则输出噪声检测结果为高噪声；
若高频噪声类型为中噪声类型且低频噪声类型为无噪声类型，或是，高频噪声类型为无噪声类型和低频噪声类型为中噪声类型，则输出噪声检测结果为中噪声；
若高频噪声类型及低频噪声类型均为无噪声，则输出噪声检测结果为无噪声。
本发明实施例第二方面提供了一种心电信号的噪声检测系统，所述系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现以下步骤：
获取采集的心电信号，将心电信号转化为数字信号；
基于宽窗口对所述数字信号进行检测，输出低频噪声的类型；
基于窄窗口对所述数字信号进行检测，输出高频噪声的类型；
根据所述低频噪声的类型和所述高频噪声的类型，输出噪声检测结果。
可选地，所述计算机程序被所述处理器执行时还实现以下步骤：
获取所述数字信号，基于第一宽窗口对所述数字信号进行窗口滑动操作，获取低频噪声；
基于第二宽窗口逐点滑动计算低频噪声的峰峰值，得到峰峰值曲线；
计算峰峰值曲线上的第一有效波峰个数及对应的第一波峰值；
获取峰峰值曲线上超过第一预设阈值的曲线对应第一持续时间；
根据所述第一有效波峰个数及对应的第一波峰值、第一持续时间，输出低频噪声的类型。
可选地，所述计算机程序被所述处理器执行时还实现以下步骤：
获取所述数字信号，对所述数字信号进行QRS波检测后，进行QRS波消除操作，生成消除ORS波后的目标数字信号；
基于第一窄窗口对所述目标数字信号进行检测窗口滑动操作，获取高频噪声；
基于第二窄窗口逐点滑动计算获取单位时间的绝对值曲线；
根据绝对值曲线计算第二有效波峰个数及对应的第二波峰值；
获取绝对值曲线上超过第二预设阈值的曲线对应的第二持续时间；
根据所述第二有效波峰个数及对应的第二波峰值、第二持续时间，输出高频噪声的类型。
可选地，所述计算机程序被所述处理器执行时还实现以下步骤：
获取所述数字信号，对所述数字信号进行QRS波检测，计算QRS波的起始点和终止点；
基于QRS波的起始点和终止点进行线性插值，生成消除QRS波后的目标数字信号。
本发明实施例第三方面提供了一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行上述的心电信号的噪声检测方法。
本发明实施例提供的技术方案中，获取采集的心电信号，将心电信号转化为数字信号；基于宽窗口对所述数字信号进行检测，输出低频噪声的类型；基于窄窗口对所述数字信号进行检测，输出高频噪声的类型；根据所述低频噪声的类型和所述高频噪声的类型，输出噪声检测结果。本发明实施例采用宽窄窗口结合的方法进行心电信号噪声的检测，针对低频噪声变化慢的特点采用宽窗口进行检测，而针对高频噪声变化快的特点采用窄窗口进行检测，用于心电图信号的噪声检测，辅助用户进行心电图的诊断，减少误判的发生；具有运算速度快，检测结果精度高等特点。
附图说明
图1为本发明实施例中一种心电信号的噪声检测方法的一实施例的流程示意图；
图2为本发明实施例中一种心电信号的噪声检测方法的另一实施例的低频噪声的噪声类型获取流程示意图；
图3为本发明实施例中一种心电信号的噪声检测方法的另一实施例的有效波峰示意图；
图4为本发明实施例中一种心电信号的噪声检测方法的另一实施例的高频噪声的噪声类型获取流程示意图；
图5为本发明实施例中一种心电信号的噪声检测系统的另一实施例的硬件结构示意图。
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，本领域技术人员在没有作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。
以下结合附图对本发明实施例进行详细的描述。
请参阅图1，图1为本发明实施例中一种心电信号的噪声检测方法的一个实施例的流程示意图。如图1所示，包括：
步骤S100、获取采集的心电信号，将心电信号转化为数字信号；
步骤S200、基于宽窗口对所述数字信号进行检测，输出低频噪声的类型；
步骤S300、基于窄窗口对所述数字信号进行检测，输出高频噪声的类型；
步骤S400、根据所述低频噪声的类型和所述高频噪声的类型，输出噪声检测结果。
具体实施时，根据噪声的特点，本发明采用宽窄窗口结合的方法进行心电信号噪声的检测，针对低频噪声变化慢的特点采用宽窗口进行检测，而针对高频噪声变化快的特点采用窄窗口进行检测，分别获取低频噪声和高频噪声的类型，对低频噪声的类型和高频噪声的类型进行分析，输出采集的心电信号的噪声检测结果。
通过信号采集器将模拟的信号转化为数字信号，获得心电信号后，分别进行低频噪声和高频噪声的检测，最后综合低频噪声检测和高频噪声检测两个结果，输出最后的噪声检测结果。噪声的类型分为三类：高噪声、中噪声和无噪声。
本发明实施例中噪声类型的判定有三个作用：一是使用者可根据噪声类型进行对应的噪声去除，或是调整滤波器的参数；二是在带有自动诊断功能的软件中，噪声类型的输出，可提醒使用者对自动诊断结论的确认，如高类型的噪声往往会导致一些误诊，需要使用者手动确认最后的诊断结果；三是对于自动分析算法，通过噪声检测后，可以降低心电数据分析的误检率，提高算法的准确度。
本发明实施例可用于心电图信号的噪声检测，辅助用户进行心电图的诊断，减少误判的发生；具有运算速度快，检测结果精度高等特点。
进一步地，基于宽窗口对所述数字信号进行检测，输出低频噪声的类型，包括：
获取所述数字信号，基于第一宽窗口对所述数字信号进行窗口滑动操作，获取低频噪声；
基于第二宽窗口逐点滑动计算低频噪声的峰峰值，得到峰峰值曲线；
计算峰峰值曲线上的第一有效波峰个数及对应的第一波峰值；
获取峰峰值曲线上超过第一预设阈值的曲线对应第一持续时间；
根据所述第一有效波峰个数及对应的第一波峰值、第一持续时间，输出低频噪声的类型。
具体地，低频噪声的检测流程如图2所示，获取数字心电信号后，采用宽窗口滑动获取低频噪声，然后用另一个宽窗口逐点滑动计算低频噪声的峰峰值，得到峰峰值曲线。在峰峰值曲线上，计算有效波峰个数及对应的波峰值，以及超过第一预设阈值的持续时间。最后根据波峰信息和持续时间，输出低频噪声的类型。
低频噪声提取采用的窗口宽度为WL0(一般设为800毫秒，根据采样率取奇数)，方法为逐点计算窗口内数据的中值作为低频噪声值。具体地，以当前数据点为中心，分别取当前数据点前后各[WL0/2]([]表示取整数)长度点的数据，对得到的总长度为WL0的数据进行排序，将排序的中间值作为结果输出。
获取低频噪声后，采用宽度为WL1(一般设置为400毫秒，根据采样率取奇数)的窗口进行峰峰值曲线的提取，方法为逐点计算窗口内数据的峰峰值。具体地，以当前数据点为中心，分别取当前数据点前后各[WL1/2]([]表示取整数)长度点的数据，对得到的总长度为WL1的数据寻找最大值和最小值，将最大值减去最小值的结果作为输出。
在峰峰值曲线上，计算有效波峰个数及对应的波峰值，以及超过第一预设阈值的持续时间。如图3所示，成为有效波峰需满足两个条件：一是该点为局部最大值，其值用PEAK_VALUE表示，满足PEAK_VALUE大于设定的第一预设阈值TH_LF；二是在该峰值左右两侧均存在小于PEAK_VALUE/3的点。图3中，存在3个局部最大值的位置点A、B和C，其值均大于TH_LF，但A点的右侧不存在满足小于PEAK_VALUE/3的点，同样地，C点左侧不存在满足小于PEAK_VALUE/3的点，因而A点和C点均不能作为有效波峰，仅B点满足有效波峰的两个条件，可以作为有效波峰。在峰峰值曲线中，依次统计有效波峰的个数以及对应的波峰值作为波峰信息。超过第一预设阈值的持续时间TIME_LF计算方法为：在峰峰值曲线上，从超过第一预设阈值TH_LF位置开始计时，到小于TH_LF的位置结束计时。图3中，TIME_LF的值为t1减去t0。需要加以说明的是，在峰峰值曲线中，超过第一预设阈值的持续时间可能存在多个片段，最后的TIME_LF为各片段的时间总和。
最后根据波峰信息和持续时间，输出低频噪声的类型。噪声类型确定的方法如下：
满足以下条件之一，即判断为高类型噪声：
一是波峰个数大于NUM_LF0(10秒心电图一般设为2，其他时间可根据比例修改)；
二是存在峰值PEAK_VALUE大于MAX_TH_LF0(一般设置为1.5mV)；
三是超过第一预设阈值的时间与总时间的比率大于RATIO_LF0(一般设置为0.6)。
满足以下条件之一，即判断为中类型噪声：
一是波峰个数大于NUM_LF1(10秒心电图一般设为1，其他时间可根据比例修改)，且存在一个波峰值PEAK_VALUE大于MAX_TH_LF1(一般设置为0.8mV)；
二是超过第一预设阈值的时间与总时间的比率大于RATIO_LF1(一般设置为0.4)。
若以上条件均不满足，则判断为无低频噪声干扰。
其中，第一预设阈值范围自行设定，可根据已有的样本通过算法学习得到。
进一步地，基于窄窗口对所述数字信号进行检测，输出高频噪声的类型，包括：
获取所述数字信号，对所述数字信号进行QRS波检测后，进行QRS波消除操作，生成消除ORS波后的目标数字信号；
基于第一窄窗口对所述目标数字信号进行检测窗口滑动操作，获取高频噪声；
基于第二窄窗口逐点滑动计算获取单位时间的绝对值曲线；
根据绝对值曲线计算第二有效波峰个数及对应的第二波峰值；
获取绝对值曲线上超过第二预设阈值的曲线对应的第二持续时间；
根据所述第二有效波峰个数及对应的第二波峰值、第二持续时间，输出高频噪声的类型。
进一步地，获取所述数字信号，对所述数字信号进行QRS波检测后，进行QRS波消除操作，生成消除ORS波后的目标数字信号，包括：
获取所述数字信号，对所述数字信号进行QRS波检测，计算QRS波的起始点和终止点；
基于QRS波的起始点和终止点进行线性插值，生成消除QRS波后的目标数字信号。
具体实施时，高频噪声的检测流程如图4所示，获取数字心电信号后，进行QRS波检测并进行QRS波对消。对消除QRS波后的信号采用窄窗口获取高频噪声，然后用另一个窄窗口逐点滑动计算获取单位时间的绝对值和，得到单位时间的绝对值和曲线(以下简称绝对值曲线)。在绝对值曲线上，计算有效波峰个数及对应的波峰值，以及超过第二预设阈值的持续时间。最后根据波峰信息和持续时间，输出高频噪声的类型。其中，心电数据的心拍根据心脏的激动时间先后顺序，分为P波、QRS波和T波，QRS波为心脏除极时候记录得到的心电信号，包含Q波、R波和S波，在各类心电文献及专利中，QRS波即表示心脏除极时候产生的复合波，为标准称呼。
对心电信号进行QRS波检测，并计算起始点和终止点。然后进行QRS波对消，方法是对每个QRS波以起始点为起点，终止点为终点进行线形插值，以消除QRS波并确保不会引入新的高频噪声。
在完成QRS波对消后，采用宽度为WH0(一般设置为8毫秒)的窗口进行高频噪声的提取，方法为在窗口内，用第一个点的数据减去最后一个点的数据，得到的结果作为输出。
对高频噪声采用宽度为WH1(一般设置为100毫秒，根据采样率取奇数)的窗口获取绝对值曲线，方法为逐点计算窗口内数据的单位时间绝对值和。具体地，以当前数据点为中心，分别取当前数据点前后各[WH1/2]([]表示取整数)长度点的数据，对得到的总长度为WH1的每个数据进行绝对值后求总和，将得到的结果除以宽度WH1后作为输出。
在绝对值曲线上，计算有效波峰个数及对应的波峰值，以及超过第二预设阈值的持续时间，计算方法与峰值曲线的类似。
最后根据波峰信息和持续时间，输出高频噪声的类型。噪声类型确定的方法如下：
满足以下条件之一，即判断为高类型噪声：
一是波峰个数大于NUM_HF0(10秒心电图一般设置为4，其他时间根据比例修改)；
二是存在峰值PEAK_VALUE大于MAX_TH_HF0(一般设置为1.0mV)；
三是超过第二预设阈值的时间与总时间的比率大于RATIO_HF0(一般设置为0.55)。
满足以下条件之一，即判断为中类型噪声：
一是波峰个数大于NUM_HF1(10秒心电图一般设置为2，其他时间根据比例修改)，且同时满足存在一个峰值PEAK_VALUE大于MAX_TH_HF1(一般设置为0.4mV)；
二是超过第二预设阈值的时间与总时间的比率大于RATIO_HF1(一般设置为0.4)。
若以上条件均不满足，则判断为无高频噪声干扰。
其中，第二预设阈值范围自行设定，可根据已有的样本通过算法学习得到。
进一步地，低频噪声类型包括：高类型噪声、中类型噪声和无噪声；所述高频噪声类型包括：高类型噪声、中类型噪声和无噪声，则所述根据所述低频噪声的类型和所述高频噪声的类型，输出噪声检测结果，包括：
若高频噪声类型或低频噪声类型中至少有一个为高噪声类型，或高类型噪声及低频噪声类型均为中类型噪声，则输出噪声检测结果为高噪声；
若高频噪声类型为中噪声类型且低频噪声类型为无噪声类型，或是，高频噪声类型为无噪声类型和低频噪声类型为中噪声类型，则输出噪声检测结果为中噪声；
若高频噪声类型及低频噪声类型均为无噪声，则输出噪声检测结果为无噪声。
具体实施时，在低频和高频噪声的类型计算完成后，综合两个噪声类型，输出最后的噪声检测结果，方法如下：
一是若两个类型中存在一个高噪声类型，或是两个类型均为中噪声，则输出高噪声；
二是若仅存在一个中噪声，另一个为无噪声，则输出中噪声；
三是若两个类型均为无噪声，则输出无噪声。
本发明实施例中提及的中值算法和绝对值求和算法，在实际的实现中均可采用快速算法，可以有效保证本发明的运算速度。同时由于结合了宽窄窗口的特性，可以较好的完成心电信号中噪声的检测。
需要说明的是，上述各步骤之间并不必然存在一定的先后顺序，本领域普通技术人员，根据本发明实施例的描述可以理解，不同实施例中，上述各步骤可以有不同的执行顺序，亦即，可以并行执行，亦可以交换执行等等。
上面对本发明实施例中的心电信号的噪声检测方法进行了描述，下面对本发明实施例中的心电信号的噪声检测系统进行描述，请参阅图5，图5是本发明实施例中一种心电信号的噪声检测系统的另一实施例的硬件结构示意图，如图5所示，系统10包括：存储器101、处理器102及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器101执行时实现以下步骤：
获取采集的心电信号，将心电信号转化为数字信号；
基于宽窗口对所述数字信号进行检测，输出低频噪声的类型；
基于窄窗口对所述数字信号进行检测，输出高频噪声的类型；
根据所述低频噪声的类型和所述高频噪声的类型，输出噪声检测结果。
具体的实施步骤与方法实施例相同，此处不再赘述。
可选地，计算机程序被处理器101执行时还实现以下步骤：
获取所述数字信号，基于第一宽窗口对所述数字信号进行窗口滑动操作，获取低频噪声；
基于第二宽窗口逐点滑动计算低频噪声的峰峰值，得到峰峰值曲线；
计算峰峰值曲线上的第一有效波峰个数及对应的第一波峰值；
获取峰峰值曲线上超过第一预设阈值的曲线对应第一持续时间；
根据所述第一有效波峰个数及对应的第一波峰值、第一持续时间，输出低频噪声的类型。
具体的实施步骤与方法实施例相同，此处不再赘述。
可选地，计算机程序被处理器101执行时还实现以下步骤：
获取所述数字信号，对所述数字信号进行QRS波检测后，进行QRS波消除操作，生成消除ORS波后的目标数字信号；
基于第一窄窗口对所述目标数字信号进行检测窗口滑动操作，获取高频噪声；
基于第二窄窗口逐点滑动计算获取单位时间的绝对值曲线；
根据绝对值曲线计算第二有效波峰个数及对应的第二波峰值；
获取绝对值曲线上超过第二预设阈值的曲线对应的第二持续时间；
根据所述第二有效波峰个数及对应的第二波峰值、第二持续时间，输出高频噪声的类型。
具体的实施步骤与方法实施例相同，此处不再赘述。
可选地，计算机程序被处理器101执行时还实现以下步骤：
获取所述数字信号，对所述数字信号进行QRS波检测，计算QRS波的起始点和终止点；
基于QRS波的起始点和终止点进行线性插值，生成消除QRS波后的目标数字信号。
具体的实施步骤与方法实施例相同，此处不再赘述。
可选地，低频噪声类型包括：高类型噪声、中类型噪声和无噪声；所述高频噪声类型包括：高类型噪声、中类型噪声和无噪声，计算机程序被处理器101执行时还实现以下步骤：
若高频噪声类型或低频噪声类型中至少有一个为高噪声类型，或高类型噪声及低频噪声类型均为中类型噪声，则输出噪声检测结果为高噪声；
若高频噪声类型为中噪声类型且低频噪声类型为无噪声类型，或是，高频噪声类型为无噪声类型和低频噪声类型为中噪声类型，则输出噪声检测结果为中噪声；
若高频噪声类型及低频噪声类型均为无噪声，则输出噪声检测结果为无噪声。
具体的实施步骤与方法实施例相同，此处不再赘述。
本发明实施例提供了一种非易失性计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图1中的方法步骤S100至步骤S400。
作为示例，非易失性存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(RAM)。通过说明并非限制，RAM可以以诸如同步RAM(SRAM)、动态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、Synchlink DRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本发明实施例中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种心电信号的噪声检测方法，其特征在于，包括：
获取采集的心电信号，将心电信号转化为数字信号；
基于宽窗口对所述数字信号进行检测，输出低频噪声的类型；
基于窄窗口对所述数字信号进行检测，输出高频噪声的类型；
根据所述低频噪声的类型和所述高频噪声的类型，输出噪声检测结果。
2.根据权利要求1所述的心电信号的噪声检测方法，其特征在于，所述基于宽窗口对所述数字信号进行检测，输出低频噪声的类型，包括：
获取所述数字信号，基于第一宽窗口对所述数字信号进行窗口滑动操作，获取低频噪声；
基于第二宽窗口逐点滑动计算低频噪声的峰峰值，得到峰峰值曲线；
计算峰峰值曲线上的第一有效波峰个数及对应的第一波峰值；
获取峰峰值曲线上超过第一预设阈值的曲线对应第一持续时间；
根据所述第一有效波峰个数及对应的第一波峰值、第一持续时间，输出低频噪声的类型。
3.根据权利要求2所述的心电信号的噪声检测方法，其特征在于，所述基于窄窗口对所述数字信号进行检测，输出高频噪声的类型，包括：
获取所述数字信号，对所述数字信号进行QRS波检测后，进行QRS波消除操作，生成消除ORS波后的目标数字信号；
基于第一窄窗口对所述目标数字信号进行检测窗口滑动操作，获取高频噪声；
基于第二窄窗口逐点滑动计算获取单位时间的绝对值曲线；
根据绝对值曲线计算第二有效波峰个数及对应的第二波峰值；
获取绝对值曲线上超过第二预设阈值的曲线对应的第二持续时间；
根据所述第二有效波峰个数及对应的第二波峰值、第二持续时间，输出高频噪声的类型。
4.根据权利要求3所述的心电信号的噪声检测方法，其特征在于，所述获取所述数字信号，对所述数字信号进行QRS波检测后，进行QRS波消除操作，生成消除ORS波后的目标数字信号，包括：
获取所述数字信号，对所述数字信号进行QRS波检测，计算QRS波的起始点和终止点；
基于QRS波的起始点和终止点进行线性插值，生成消除QRS波后的目标数字信号。
5.根据权利要求4所述的心电信号的噪声检测方法，其特征在于，所述低频噪声类型包括：高类型噪声、中类型噪声和无噪声；所述高频噪声类型包括：高类型噪声、中类型噪声和无噪声，则所述根据所述低频噪声的类型和所述高频噪声的类型，输出噪声检测结果，包括：
若高频噪声类型或低频噪声类型中至少有一个为高噪声类型，或高类型噪声及低频噪声类型均为中类型噪声，则输出噪声检测结果为高噪声；
若高频噪声类型为中噪声类型且低频噪声类型为无噪声类型，或是，高频噪声类型为无噪声类型和低频噪声类型为中噪声类型，则输出噪声检测结果为中噪声；
若高频噪声类型及低频噪声类型均为无噪声，则输出噪声检测结果为无噪声。
6.一种心电信号的噪声检测系统，其特征在于，所述系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现以下步骤：
获取采集的心电信号，将心电信号转化为数字信号；
基于宽窗口对所述数字信号进行检测，输出低频噪声的类型；
基于窄窗口对所述数字信号进行检测，输出高频噪声的类型；
根据所述低频噪声的类型和所述高频噪声的类型，输出噪声检测结果。
7.根据权利要求6所述的心电信号的噪声检测系统，其特征在于，所述计算机程序被所述处理器执行时还实现以下步骤：
获取所述数字信号，基于第一宽窗口对所述数字信号进行窗口滑动操作，获取低频噪声；
基于第二宽窗口逐点滑动计算低频噪声的峰峰值，得到峰峰值曲线；
计算峰峰值曲线上的第一有效波峰个数及对应的第一波峰值；
获取峰峰值曲线上超过第一预设阈值的曲线对应第一持续时间；
根据所述第一有效波峰个数及对应的第一波峰值、第一持续时间，输出低频噪声的类型。
8.根据权利要求7所述的心电信号的噪声检测系统，其特征在于，所述计算机程序被所述处理器执行时还实现以下步骤：
获取所述数字信号，对所述数字信号进行QRS波检测后，进行QRS波消除操作，生成消除ORS波后的目标数字信号；
基于第一窄窗口对所述目标数字信号进行检测窗口滑动操作，获取高频噪声；
基于第二窄窗口逐点滑动计算获取单位时间的绝对值曲线；
根据绝对值曲线计算第二有效波峰个数及对应的第二波峰值；
获取绝对值曲线上超过第二预设阈值的曲线对应的第二持续时间；
根据所述第二有效波峰个数及对应的第二波峰值、第二持续时间，输出高频噪声的类型。
9.根据权利要求8所述的心电信号的噪声检测系统，其特征在于，所述计算机程序被所述处理器执行时还实现以下步骤：
获取所述数字信号，对所述数字信号进行QRS波检测，计算QRS波的起始点和终止点；
基于QRS波的起始点和终止点进行线性插值，生成消除QRS波后的目标数字信号。
10.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行权利要求1-5任一项所述的心电信号的噪声检测方法。
CN202210342755.4A 2022-03-31 2022-03-31 一种心电信号的噪声检测方法及系统 Active CN114795241B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210342755.4A CN114795241B (zh) 2022-03-31 2022-03-31 一种心电信号的噪声检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210342755.4A CN114795241B (zh) 2022-03-31 2022-03-31 一种心电信号的噪声检测方法及系统

Publications (2)

Publication Number Publication Date
CN114795241A true CN114795241A (zh) 2022-07-29
CN114795241B CN114795241B (zh) 2023-03-24

Family

ID=82532848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210342755.4A Active CN114795241B (zh) 2022-03-31 2022-03-31 一种心电信号的噪声检测方法及系统

Country Status (1)

Country Link
CN (1) CN114795241B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115664633A (zh) * 2022-12-27 2023-01-31 飞腾信息技术有限公司 波形的处理方法及装置
CN118203332A (zh) * 2024-02-26 2024-06-18 深圳华清心仪医疗电子有限公司 一种心电图起搏信号检测方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090143693A1 (en) * 2007-12-04 2009-06-04 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. Method and apparatus for generating determination indexes for identifying ecg interfering signals
US20160113541A1 (en) * 2014-10-28 2016-04-28 Cardiac Insight, Inc. Systems and methods for assessing electrocardiogram reliability
CN108024750A (zh) * 2015-08-25 2018-05-11 皇家飞利浦有限公司 Ecg导联信号的高/低频信号质量评价
CN110070013A (zh) * 2019-04-11 2019-07-30 杭州电子科技大学 一种ecg信号噪声污染程度与类别智能评估方法
CN114159068A (zh) * 2020-09-09 2022-03-11 深圳华清心仪医疗电子有限公司 一种心电信号心房扑动的检测方法及检测装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090143693A1 (en) * 2007-12-04 2009-06-04 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. Method and apparatus for generating determination indexes for identifying ecg interfering signals
US20160113541A1 (en) * 2014-10-28 2016-04-28 Cardiac Insight, Inc. Systems and methods for assessing electrocardiogram reliability
CN108024750A (zh) * 2015-08-25 2018-05-11 皇家飞利浦有限公司 Ecg导联信号的高/低频信号质量评价
CN110070013A (zh) * 2019-04-11 2019-07-30 杭州电子科技大学 一种ecg信号噪声污染程度与类别智能评估方法
CN114159068A (zh) * 2020-09-09 2022-03-11 深圳华清心仪医疗电子有限公司 一种心电信号心房扑动的检测方法及检测装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115664633A (zh) * 2022-12-27 2023-01-31 飞腾信息技术有限公司 波形的处理方法及装置
CN115664633B (zh) * 2022-12-27 2023-03-21 飞腾信息技术有限公司 波形的处理方法及装置
CN118203332A (zh) * 2024-02-26 2024-06-18 深圳华清心仪医疗电子有限公司 一种心电图起搏信号检测方法及装置

Also Published As

Publication number Publication date
CN114795241B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
CN114795241B (zh) 一种心电信号的噪声检测方法及系统
CA2979135C (en) Systems, apparatus and methods for sensing fetal activity
Zhu et al. An R-peak detection method based on peaks of Shannon energy envelope
Sameni et al. A nonlinear Bayesian filtering framework for ECG denoising
US5908393A (en) Reducing noise in a biological signal
CN107303177B (zh) 一种心电图t波、p波的检测方法及系统
CN107233093B (zh) R波的检测方法、装置及电子设备
CN109820501B (zh) 一种心电信号r波的识别方法、装置、计算机设备
US11109794B2 (en) Method and apparatus for processing ECG signals, and ECG machine
KR20120116213A (ko) 심실조기수축 판별 시스템, 심실조기수축 판별 방법 및 이를 수행하는 프로그램이 기록된 저장매체
KR20190019668A (ko) 웨이블릿 변환과 변형된 샤논 에너지 엔벨로프를 이용한 심전도 r-피크 검출 장치 및 그 방법
CN111248895A (zh) 心电信号特征检测方法及其系统
US9760540B2 (en) Methods for processing sequential data to identify possible peak points and to estimate peak to noise ratio of sequential data
Kaur et al. An efficient R-peak detection using Riesz fractional-order digital differentiator
CN113499082A (zh) Qrs波群检测方法、心电检测装置及可读存储介质
Tulyakova Locally-adaptive Myriad Filters for Processing ECG Signals in Real Time.
Kuzilek et al. Advanced signal processing techniques for fetal ECG analysis
KR101420345B1 (ko) 차감 동작 기법 기반의 심전도 신호의 ｒ파 검출 시스템 및 방법
CN115969398B (zh) 眨眼检测方法及装置
CN109259750B (zh) 心率计算方法、装置、计算机设备和存储介质
CN110638441A (zh) 一种心电图降噪方法、装置、计算机设备及存储介质
CN114159075B (zh) Qrs波优化装置、系统及存储介质
Vega-Martínez et al. Wavelet packet based algorithm for QRS region detection and R/S wave identification
JP6603584B2 (ja) 周期波検出装置、周期波検出方法およびプログラム
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
GR01 Patent grant
GR01 Patent grant