CN115770048A - 心电信号处理方法、装置、计算机设备及存储介质 - Google Patents
心电信号处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115770048A CN115770048A CN202111051663.2A CN202111051663A CN115770048A CN 115770048 A CN115770048 A CN 115770048A CN 202111051663 A CN202111051663 A CN 202111051663A CN 115770048 A CN115770048 A CN 115770048A
- Authority
- CN
- China
- Prior art keywords
- signal
- waveband
- detection
- target
- sample
- 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
Links
- 238000003672 processing method Methods 0.000 title abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 302
- 238000012545 processing Methods 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 62
- 230000011218 segmentation Effects 0.000 claims description 80
- 238000012549 training Methods 0.000 claims description 47
- 230000000747 cardiac effect Effects 0.000 claims description 25
- 238000005070 sampling Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 15
- 230000005236 sound signal Effects 0.000 claims description 8
- 238000002604 ultrasonography Methods 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 abstract description 5
- 239000000523 sample Substances 0.000 description 116
- 230000008569 process Effects 0.000 description 17
- 238000002595 magnetic resonance imaging Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000000718 qrs complex Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000010349 pulsation Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 206010006322 Breath holding Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及一种心电信号处理方法、装置、计算机设备和存储介质。所述方法包括：对待检测心电信号进行分割处理，得到一个或多个检测波段信号，将检测波段信号输入目标信号检测模型中进行波段信号检测，确定目标波段信号。采用本方法能够先对心电信号进行分割，以减少检测方法的运算量，缩短检测周期，降低检测方法的复杂度，再通过神经网络模型对分割后的检测波段信号进行波段信号检测，从而提高R波检测结果的准确性。
Description
技术领域
本申请涉及心电信号检测技术领域，特别是涉及一种心电信号处理方法、 装置、计算机设备及存储介质。
背景技术
在磁共振成像过程中常需要心电门控来使扫描序列与患者心脏周期同步， 用于减少由心脏运动及心脏运动引起的动脉血或脑脊液的脉动导致的运动伪 影。一个心动周期产生的心电信号包括P波、QRS复合波、T波和U波，典型 的心电信号可以划分为：P-R段、P-R间期、QRS间期、S-T段和Q-T间期，心 电门控主要通过检测心电信号中的R波来确定心动周期，因此准确检测心电信 号R波才能保证在多个心动周期的采集中获得一致的K空间数据，最终获得不 含运动伪影/运动伪影受抑制的图像。
由于磁共振扫描环境中时变的射频脉冲、不断切换的梯度磁场和静态主磁 场的影响，很难在扫描中获得不失真的心电信号，其中由于静态主磁场在磁共 振扫描时导致的磁流体动力效应很大程度上会导致心电信号变形，进一步使得 心电信号R波的检测结果不准确。
传统技术中，通常采用自适应滤波、卡尔曼滤波、小波变换滤波等方法先 对心电信号进行滤波，进而检测滤波后的心电信号中的R波。但是，对于高场 下产生的心电信号，检测R波时采用传统的检测方式会导致检测结果的准确性 较低。
发明内容
基于此，有必要针对上述技术问题，提供一种心电信号处理方法、装置、 计算机设备及存储介质。
一种心电信号处理方法，所述方法包括：
对待检测心电信号进行分割处理，得到一个或多个检测波段信号；
将所述检测波段信号输入目标信号检测模型中进行波段信号检测，确定目 标波段信号，所述目标信号检测模型为根据样本心电信号的多个波段信号和各 所述波段信号的波段信号类型训练得到，所述波段信号类型表示所述波段信号 是否为目标波段信号。
在其中一个实施例中，所述对待检测心电信号进行分割处理，得到一个或 多个检测波段信号，包括：
根据预设的分割窗宽对所述待检测心电信号进行分割处理，得到多个所述 检测波段信号，所述预设的分割窗宽为根据所述样本心电信号的采样频率得到 的。
在其中一个实施例中，所述方法还包括：
获取多种场景下的样本心电信号；
对所述多种场景下的样本心电信号进行分割处理，得到所述样本心电信号 中的目标检测波段信号和非目标检测波段信号；
通过所述目标检测波段信号和所述非目标检测波段信号，对初始信号检测 模型进行训练，得到所述目标信号检测模型。
在其中一个实施例中，所述对所述多种场景下的样本心电信号进行分割处 理，得到所述样本心电信号中的目标检测波段信号和非目标检测波段信号，包 括：
根据所述预设的分割窗宽，对所述多种场景下的样本心电信号进行分割处 理，得到多个待检测样本信号；
检测各所述待检测样本信号中的信号类型，以确定所述目标检测波段信号 和所述非目标检测波段信号。
在其中一个实施例中，所述样本心电信号对磁场敏感，所述方法还包括：
获取参考信号，所述参考信号对磁场不敏感；
根据所述参考信号确定各所述待检测样本信号中的信号类型。
在其中一个实施例中，所述参考信号包括心音信号、脉搏信号或超声图像 信号中至少一种。
在其中一个实施例中，所述检测各所述待检测样本信号中的信号类型，以 确定所述目标检测波段信号和所述非目标检测波段信号，包括：
若所述待检测样本信号包含R波段信号，则将所述待检测样本信号标记为 所述目标检测波段信号；
若所述待检测样本信号不包含所述R波段信号，则将所述待检测样本信号 标记为所述非目标检测波段信号。
一种心电信号处理装置，所述装置包括：
分割处理模块，用于对待检测心电信号进行分割处理，得到一个或多个检 测波段信号；
波段信号检测模块，用于将所述检测波段信号输入目标信号检测模型中进 行波段信号检测，确定目标波段信号，所述目标信号检测模型为根据样本心电 信号的多个波段信号和各所述波段信号的波段信号类型训练得到，所述波段信 号类型表示所述波段信号是否为目标波段信号。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序， 所述处理器执行所述计算机程序时实现以下步骤：
对待检测心电信号进行分割处理，得到一个或多个检测波段信号；
将所述检测波段信号输入目标信号检测模型中进行波段信号检测，确定目 标波段信号，所述目标信号检测模型为根据样本心电信号的多个波段信号和各 所述波段信号的波段信号类型训练得到，所述波段信号类型表示所述波段信号 是否为目标波段信号。
一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时 实现以下步骤：
对待检测心电信号进行分割处理，得到一个或多个检测波段信号；
将所述检测波段信号输入目标信号检测模型中进行波段信号检测，确定目 标波段信号，所述目标信号检测模型为根据样本心电信号的多个波段信号和各 所述波段信号的波段信号类型训练得到，所述波段信号类型表示所述波段信号 是否为目标波段信号。
上述心电信号处理方法、装置、计算机设备和存储介质，对待检测心电信 号进行分割处理，得到多个检测波段信号，将多个检测波段信号输入目标信号 检测模型中进行波段信号检测，确定目标波段信号；该方法可以先对心电信号 进行分割，以减少检测方法的运算量，缩短检测周期，降低检测方法的复杂度， 再通过神经网络模型对分割后的检测波段信号进行波段信号检测，从而提高R 波检测结果的准确性。
附图说明
图1为一个实施例中心电信号处理方法的流程示意图；
图2为另一个实施例中心电信号进行分割处理的过程示意图；
图3为一个实施例中训练目标信号检测模型的方法流程示意图；
图4为另一个实施例中对样本心电信号进行分割处理的方法流程示意图；
图5为另一个实施例中对样本心电信号进行分割处理的方法流程示意图；
图6为另一个实施例中强磁场场景下采集到的心电信号的波形图；
图7为另一个实施例中对初始信号检测模型进行训练的方法流程图；
图8为一个实施例中心电信号处理装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实 施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅 用以解释本申请，并不用于限定本申请。
本申请提供的心电信号处理方法，可以应用于磁共振系统中。其中，磁共 振计算机通过网络与磁共振成像设备通过网络进行通信，该磁共振成像设备可 连接或设置有心电监护仪，该心电监护仪采集到心电信号后，将心电信号发送 至磁共振计算机，磁共振计算机对心电信号中的R波进行检测，R波也可以称 为R波段信号；该方法可以对强磁场场景下采集到的心电信号进行处理，避免 由于强磁场磁共振成像中由于磁流体动力效应的增强导致采集到的心电信号失 真严重，导致检测到的心电信号中的R波不准确的问题。在本实施例中，磁共 振计算机可以用独立的服务器或者是多个服务器组成的服务器集群来实现，也 可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式 可穿戴设备。
在一个实施例中，如图1所示，提供了一种心电信号处理方法，以该方法 应用于图1中的磁共振计算机为例进行说明，包括以下步骤：
S100、对待检测心电信号进行分割处理，得到一个或多个检测波段信号。
具体的，磁共振计算机可以外接心电监护仪，通过该心电监护仪获取处于 磁共振成像设备所产生的主磁场环境中的患者对应的心电信号，并将该心电信 号作为待检测心电信号。心电信号的采集对磁场敏感，或者磁共振成像设备的 主磁场会影响心电信号，使得心电信号引起一定的形变。示例性的，心电监护 仪可包括三导联心电导线，对应的待检测心电信号则为I、II、III导联心电图信 号；又或者，心电监护仪可包括五导联心电导线，对应的待检测心电信号则为I、 II、III、AVR、AVF、AVL、V导联心电图信号。应当理解的，待检测心电信号 的获取并非仅限于心电监护仪，本申请实施例中对于心电信号的获取方式不作 限定，例如还可采用传感器检测得到待检测心电信号。
进一步，磁共振计算机可以根据预设的任意长度波段对待检测心电信号进 行分割处理，得到多个检测波段信号，还可以根据波段类型对待检测心电信号 进行分割处理，得到多个检测波段信号，当然，还可以根据信号强度对待检测 心电信号进行分割处理，得到多个检测波段信号，对此分割依据不做限定。在 本实施例中，待检测心电信号的采集时间可以大于一个心动周期。
其中，待检测心电信号可以通过心电图的形式展示，通过上述待检测心电 信号可以获得患者的心跳运动周期(即心动周期)和心跳状态。上述待检测心 电信号可以包括P波、QRS复合波群、T波、PR波和/或ST波；本实施例可以 检测QRS复合波群中的R波，R波可以为QRS波群的峰段，表示心室肌除极 产生的电位变化，是心电图中最高、快速的波形，通常通过检测R波来标记心 动周期。
还可以理解的是，分割后得到的各检测波段信号的长度可以相等，也可以 不相等，另外，分割后得到的各检测波段信号的类型可以相同，也可以不相同。
另外，磁共振成像设备采集到的患者对应的心电信号，为了降低采集场景 中背景信号的干扰，磁共振计算机可以先对该心电信号进行归一化处理得到待 检测心电信号。背景信号可以是采集场景中的主磁场、噪声等。若直接将磁共 振成像设备采集到的心电信号作为待检测心电信号时，磁共振计算机可以对待 检测心电信号进行归一化处理得到归一化处理后的待检测心电信号，进一步对 归一化处理后的待检测心电信号进行分割处理，得到多个检测波段信号。
S200、将检测波段信号输入目标信号检测模型中进行波段信号检测，确定 目标波段信号，目标信号检测模型为根据样本心电信号的多个波段信号和各波 段信号的波段信号类型训练得到，波段信号类型表示波段信号是否为目标波段 信号。
可以理解的是，磁共振计算机可以将获取到的多个检测波段信号输入目标 信号检测模型中进行波段信号检测，从而通过目标信号检测模型输出目标波段 信号。目标波段信号可以为输入至目标信号检测模型中的所有检测波段信号， 还可以为输入至目标信号检测模型中的部分检测波段信号。
样本心电信号采集自多个场景，上述多种场景可以为无磁场场景和强磁场 场景；无磁场场景可以为未进入磁共振扫描间的无强磁场场景，强磁场场景可 以包括进入磁共振扫描间未进入磁体内的场景、进入磁共振扫描间磁体内未进 行扫描的场景和/或进入磁共振扫描间磁体内进行屏气与非屏气扫描的场景等 等，具体的磁场强度可以为1.5T、3T、5T或更高，确保训练数据的全面性和训 练后模型的泛化能力。在本实施例中，R波为心电信号中尖峰段信号，目标波段 信号可以为包含R波的心电信号期相。上述多种场景还可包括在磁共振扫描时 进行心电(ECG)信号采集所激发的扫描序列，其包括扫描序列所包含的射频 脉冲参数、梯度脉冲参数等，以确保训练数据集尽量包含不同射频脉冲、梯度 磁场下的场景，提高训练后模型的实用性。
其中，样本心电信号的波段信号可以为目标样本波段信号，还可以为非目 标样本波段信号。本实施例可以通过多种场景下的样本心电信号的波段信号和 各波段信号的波段信号类型进行神经网络模型训练，得到目标信号检测模型。 样本心电信号的波段信号可以为对样本心电信号进行分割处理后得到的波段信 号。神经网络模型可以为卷积神经网络模型、多层感知器、残差收缩网络模型 等等，对此不做限定。
在本实施例中，磁共振成像设备可以采集到一系列心电信号，待检测心电 信号仅为其中的一部分心电信号，根据磁共振计算机的计算性能和信号延迟， 可以调整下一次波段信号检测的间隔采样点，如每次波段信号检测后可以间隔 三个采样点再次进行波段信号检测，该间隔采样点可以通过应用场景需求和模 型训练进行调整。若获取到检测波段信号为目标波段信号，可以视为一次有效 心电触发，并延迟一段时间后再次进行波段信号检测，以防止连续包含R波的 波段均被视为触发，达到一次心动周期一次准确触发的目的。本实施例可以采 集到多种场景下较短时间的心电信号，即可获得大量、全面的训练信号。
上述心电信号处理方法中，磁共振计算机可以对待检测心电信号进行分割 处理，得到多个检测波段信号，将多个检测波段信号输入目标信号检测模型中 进行波段信号检测，确定目标波段信号，该方法可以先对心电信号进行分割， 以减少检测方法的运算量，缩短检测周期，降低检测方法的复杂度，再通过神 经网络模型对分割后的检测波段信号进行波段信号检测，从而提高R波检测结 果的准确性。
作为其中一个实施例，上述S100中对待检测心电信号进行分割处理，得到 多个检测波段信号的步骤，可以包括：根据预设的分割窗宽对待检测心电信号 进行分割处理，得到多个检测波段信号，预设的分割窗宽为根据样本心电信号 的采样频率得到的。
具体的，分割处理的依据为预设的分割窗宽，预设的分割窗宽可以为训练 目标信号检测模型时将样本心电信号分割成波段信号的分割窗宽，该分割窗宽 可以通过样本心电信号的采样频率获取，具体的，预设的分割窗宽可以通过样 本心电信号中QRS波群信号的时间、覆盖心室除极波段(即R波)的QRS波 群占比和样本心电信号的采样频率计算得到。如，QRS波群的时间为0.06～0.08s， 且选择80％的QRS波群覆盖R波，样本心电信号的采样频率为250Hz，则预设 的分割窗宽至少可以等于0.08*80％*250＝16个采样点。另外，对于固定采样频 率的心电信号，预设的分割窗宽还可以根据实际需求进行任意调整。
可以理解的是，磁共振计算机可以根据预设的分割窗宽确定数据窗，并通 过移动数据窗将待检测心电信号分割成多个检测波段信号。在本实施例中，对 待检测心电信号进行分割处理时预设的分割窗宽可以等于训练目标信号检测模 型时分割样本心电信号的分割窗宽。如图2所示，分割待检测心电信号时，可 以从待检测心电信号的开始时刻分割，图中最左边第一个实线框为第一个数据 窗，该数据窗包含R波，通过第一个数据窗向后移动继续分割待检测心电信号， 也就是，数据窗的开始时刻可以为数据窗在上一位置处的末尾时刻，如图中两 两虚线数据窗是相邻的，上一数据窗的末尾时刻与下一数据窗的开始时刻交接， 但图中为了便于观察数据窗的移动位置，两两数据窗之间存在微小间隔，图中 每个数据窗内包含的波段信号数量可以为预设的分割窗宽对应的采样点数量。
在其他实施例中，相邻的数据窗之间可存在部分交叠。示例性的，分割的 数据窗需部分或全部覆盖心室除极波段(即常规ECG心电图的QRS波段，为R 波检测的目标波段)，通常QRS复合波群的时间为0.06-0.08s，若选择80％的 QRS波段覆盖，在250Hz的采样率下，分割窗宽至少为0.08*80％*250＝16个采 样点，本申请实施例中对ECG信号进行分割时可以保持数据窗不变(16个采样 点)，在连续的ECG信号数据中移动数据窗(移动步长为3个采样点的间距) 来获取分割波段，将包含R波尖峰段的分割波段标记为目标检测波段，将其他分割波段标记为非目标检测波段，通过这种移动分割方法仅需要每个场景采集 较短时间的ECG信号数据即可获得大量、全面的训练数据，有利于提高心电信 号监测的精度。
上述心电信号处理方法中可以根据预设的分割窗宽对待检测心电信号进行 分割处理，从而使得分割波段与训练目标信号检测模型时的分割波段保持一致， 提高检测结果的准确性，同时，将待检测心电信号分割成多个检测波段信号， 进而对检测波段信号进行波段信号检测，能够减少检测方法的运算量，缩短检 测周期，降低检测方法的复杂度。
作为其中一个实施例，如图3所示，上述方法还可以包括以下步骤：
S300、获取多种场景下的样本心电信号。
具体的，为了确保训练目标信号检测模型时采用的样本信号的全面性和训 练后得到的目标信号检测模型的泛化能力，磁共振计算机可以获取磁共振成像 设备采集到的多种场景下患者对应的样本心电信号。
其中，磁共振成像设备采集样本心电信号时，可以采集不同成像序列下的 样本心电信号，以确保训练的样本信号尽量包含不同射频脉冲、梯度磁场下的 场景，以提高目标信号检测模型的实用性。
可选的，多种场景可以包括检测患者未进入MR扫描间的无强磁场环境、 检测患者进入MR扫描间未进入磁体内环境、检测患者进入MR扫描间磁体内 未进行扫描、检测患者进入MR扫描间磁体内进行屏气扫描、检测患者进入MR 扫描间磁体内进行自由呼吸扫描等。
S400、对多种场景下的样本心电信号进行分割处理，得到样本心电信号中 的目标检测波段信号和非目标检测波段信号。
为了提高目标信号检测模型的泛化能力，目标信号检测模型训练前，磁共 振计算机可以对多种场景下的样本心电信号进行分割处理，多种场景可以包括 无磁场场景和强磁场场景。
其中，如图4所示，上述S400中对多种场景下的样本心电信号进行分割处 理，得到样本心电信号中的目标检测波段信号和非目标检测波段信号的步骤， 可以通过以下步骤实现：
S410、根据预设的分割窗宽，对多种场景下的样本心电信号进行分割处理， 得到多个待检测样本信号。
可以理解的是，磁共振计算机可以根据预设的分割窗宽，对多种不同的强 磁场场景和/或无磁场场景下的样本心电信号进行分割处理，得到多个待检测样 本信号。待检测样本信号可以为目标检测波段信号，还可以为非目标检测波段 信号。目标检测波段信号可以为样本心电信号中包含R波的波段信号，非目标 检测波段信号可以为样本心电信号中不包含R波的波段信号。继续参见图2，图 中实线框对应的两个波段均为目标检测波段信号，虚线框对应的波段均为非目 标检测波段信号。在本实施例中，分割处理的样本心电信号可以为归一化后的 心电信号。
在一些场景中，若样本心电信号包括强磁场场景下采集到的样本心电信号 和无磁场场景下采集到的样本心电信号，为了提高目标检测波段信号和非目标 检测波段信号标记的准确性，防止强磁场场景下采集到的样本心电信号在失真 较严重的波段标记错误而影响模型训练结果，在样本心电信号采集时可以同时 采集不受磁场影响且可获得心跳周期的参考信号，进一步通过参考信号与样本 心电信号进行时间配准从而确定分割波段的信号类型，因此，在样本心电信号 为对磁场敏感的信号时，如图5所示，上述方法还可以包括：
S411、获取参考信号，参考信号对磁场不敏感。
具体的，上述参考信号可以为包含心跳周期的心音信号、脉搏信号、心脏 的超声图像信号、心尖搏动信号或者颈动脉搏动信号等等，还可以为这些信号 的组合信号。其中，本实施例采集到的参考信号的时间段与样本心电信号的时 间段可以为同一时间段。该样本心电信号可以为强磁场场景下采集到的变形失 真的心电信号。
其中，参考信号包括心音信号、脉搏信号或心脏超声图像信号中至少一种。
在本实施例中，上述参考信号可以为心音信号、脉搏信号或心脏超声图像 信号中至少一种。示例性的，心脏超声图像信号能够反应心脏不同期相下的形 态信号，通过该心脏不同期相下的形态信号能够确定心脏所处的期相。
S412、根据参考信号确定各待检测样本信号中的信号类型。
具体的，计算机设备可以根据预设的分割窗宽对参考信号进行分割处理， 得到多个待检测参考信号，然后确定参考信号中各待检测参考信号的信号类型 为目标检测波段信号还是非目标检测波段信号。进一步，计算机设备可以将参 考信号中各待检测参考信号与样本心电信号中各待检测样本信号进行时间配 准，以根据各待检测参考信号的信号类型确定对应待检测样本信号的信号类型。 分割后的各待检测参考信号对应的波段长度，与对应的待检测样本信号的波段 长度可以相同。若待检测参考信号包含R波，则对应的待检测样本信号的信号 类型可以确定为目标检测波段信号，若待检测参考信号不包含R波，则对应的 待检测样本信号的信号类型可以确定为非目标检测波段信号。
其中，采集到的参考信号如图6所示，强磁场场景下采集到的变形失真的 样本心电信号可以参照图2所示，图中的实线框为分割处理后得到的目标检测 波段信号，虚线框为分割处理后得到的非目标检测波段信号。
上述心电信号处理方法中，强磁场场景下采集到的样本心电信号失真较严 重，为了避免对强磁场场景下采集到的样本心电信号进行分割处理后出现信号 类型确定错误而影响目标信号检测模型训练结果的情况，该方法可以获取参考 信号，然后将参考信号与采集到的样本心电信号进行时间配准从而确定样本心 电信号分割后各待检测样本信号的信号类型，从而提高了确定强磁场场景下心 电信号分割后各待检测样本信号的信号类型的准确性，进一步能够提高R波检 测结果的准确性。
S420、检测各待检测样本信号中的信号类型，以确定目标检测波段信号和 非目标检测波段信号。
磁共振计算机可以检测分割处理得到各待检测样本信号中的信号类型，判 断信号类型中是否包含R波，若待检测样本信号中的信号类型包含R波，则待 检测样本信号可以确定为目标检测波段信号，若待检测样本信号中的信号类型 不包含R波，则待检测样本信号可以确定为非目标检测波段信号。
本实施例可以对样本心电信号进行分割处理，然后确定分割后的各待检测 样本信号为目标检测波段信号还是非目标检测波段信号，进而能够根据目标检 测波段信号与训练模型的输出信号做比较，根据比较结果调整模型参数，以使 模型参数达到最优，快速得到目标信号检测模型。
S500、通过目标检测波段信号和非目标检测波段信号，对初始信号检测模 型进行训练，得到目标信号检测模型。
具体的，磁共振计算机可以将获取到的目标检测波段信号和非目标检测波 段信号均输入至初始信号检测模型，对初始信号检测模型进行训练以得到目标 信号检测模型。初始信号检测模型可以为神经网络模型，如卷积神经网络模型、 多层感知器、残差收缩网络模型等等，对此不做限定。模型训练过程中，可以 采用机器学习算法对初始信号检测模型进行训练，机器学习算法可以为有监督 学习算法，如BP神经网络、支持向量机、随机森林、XGBoost等等，还可以为 无监督学习算法，如聚类分析等等。
上述心电信号处理方法中，通过多种场景下的样本心电信号对初始信号检 测模型进行训练，从而提高训练后得到的目标信号检测模型的泛化能力，同时， 还能够通过目标信号检测模型检测心电信号中的R波，从而提高R波检测结果 的准确性。
作为其中一个实施例，上述S420中检测各待检测样本信号中的信号类型， 以确定目标检测波段信号和非目标检测波段信号的步骤，可以包括：若待检测 样本信号包含R波段信号，则将待检测样本信号标记为目标检测波段信号；若 待检测样本信号不包含R波段信号，则将待检测样本信号标记为非目标检测波 段信号。
具体的，若磁共振计算机确定待检测样本信号中包含R波，则可以将该待 检测样本信号标记为目标检测波段信号。其中，标记可以理解为待检测样本信 号携带有标记符，该标记符可以为数字、字母和/或符号等等。若磁共振计算机 确定待检测样本信号中不包含R波，则可以将该待检测样本信号标记为非目标 检测波段信号。目标检测波段信号的标记符与非目标检测波段信号的标记符可 以不相同。
上述心电信号处理方法中，将分割处理后得到的待检测样本信号进行标记， 为了能够根据目标检测波段信号与训练模型的输出信号做比较，根据比较结果 快速调整模型参数，以快速得到目标信号检测模型。
作为其中一个实施例，如图7所示，上述S500中通过目标检测波段信号和 非目标检测波段信号，对初始信号检测模型进行训练，得到目标信号检测模型 的步骤，可以通过以下步骤实现：
S510、将目标检测波段信号和非目标检测波段信号输入至初始信号检测模 型中，得到初始信号检测模型的输出信号。
本申请实施例中，采用预设窗宽的数据窗对历史心电信号进行处理，得到 目标检测波段信号、非目标检测波段信号，将数据窗的数据段整体作为特征进 行学习。具体的，初始信号检测模型的输出信号可以为不同信号类型的待检测 样本信号，该输出信号可以为目标检测波段信号，还可以为目标检测波段信号 与非目标检测波段信号的混合信号。初始时刻，初始信号检测模型的参数可以 为初始化得到的参数。可选的，初始信号检测模型可以是前馈神经网络、径向 基神经网络、卷积神经网络、生成式对抗网络、深度残差网络等中的一种或多 种的组合。
S520、根据输出信号与目标检测波段信号，计算初始信号检测模型的损失 函数的损失值。
其中，输出信号与目标检测波段信号可以相等，也可以不相等。训练过程 中，初始信号检测模型的损失函数可以为均方差损失函数、平均绝对误差损失 函数、分位数损失函数、交叉熵损失函数等等，对此不做限定。进一步，磁共 振计算机可以根据初始信号检测模型的输出信号与目标检测波段信号，计算初 始信号检测模型的损失函数的损失值。
S530、根据损失值调整初始信号检测模型的参数，直到满足预设的迭代停 止条件，将满足预设的迭代停止条件的初始信号检测模型作为目标信号检测模 型。
具体的，磁共振计算机可以根据计算得到的损失值调整初始信号检测模型 的参数，然后将调整参数后的初始信号检测模型作为初始时刻的初始信号检测 模型，不断循环执行上述S510至S520中的步骤，迭代训练初始信号检测模型， 以更新初始信号检测模型的参数，直到满足预设的迭代停止条件为止，得到目 标信号检测模型。此时，目标信号检测模型具有的参数为最优参数。迭代一次 得到的目标信号检测模型的参数可以不相同，因此，获取到的损失值也可以不 同。初始信号检测模型的参数可以为网络权值和网络偏差。
作为另一个实施例，上述S500中通过目标检测波段信号和非目标检测波段 信号，对初始信号检测模型进行训练，得到目标信号检测模型的步骤，可以通 过以下步骤实现：
对目标检测波段信号和非目标检测波段信号进行特征信息提取，特征信息 例如可以是目标检测波段信号和/或非目标检测波段所对应的波峰绝对值、波峰 个数、波峰爬升率、波段数据点方差等特征；
将目标检测波段信号和非目标检测波段信号的特征信息作为训练样本输入 到初始信号检测模型进行训练，得到目标信号检测模型。目标信号检测模型能 够反应目标检测波段信号的特征信息与目标检测波段信号之间的映射关系，或 者非目标检测波段信号的特征信息与非目标检测波段信号之间的映射关系。
可以理解的是，在对初始信号检测模型进行训练以及目标信号检测模型的 应用阶段中，可以通过对数据窗的宽度、模型判断的间隔点、有效触发后的延 迟时间的调整和学习来获得多种训练样本，从而提高对心电信号中R波实时检 测和识别的准确性。其中，对于每次模型判断后间隔的采样点数和每次有效触 发后再次进行检测的延迟时间这两个参数，均可以结合模型和应用场景需求进 行最优调整和学习。
考虑到实际心电信号在持续的采集，而受限于计算性能的限制，假如以16 个数据点作为预设窗宽的数据窗进行判断，则下一次判断需要间隔一定的数据 点再次判断：理想情况下，实时采集的当前数据点连同当前数据点的前15个点 组成一次数据窗，然而在数据处理过程中，心电信号的数据点仍在持续采集， 如果此时不间隔数据点进行判断则会让系统堆积越来越多没有判断的数据，心 电信号检测的延迟也会越来越长，实时性反而更差。在又一个实施例中，对初 始信号检测模型进行训练的过程还包括数据窗的移动步长(相邻两个数据窗的 间隔数据点)，对应模型判断的间隔点。对应的，将多个检测波段信号输入目标信号检测模型中进行波段信号检测的同时，也可获取每个检测波段信号的时 间信息/时间戳，通过每个检测波段信号的时间信息/时间戳确定相邻检测波段信 号的间隔点/步长，将相邻检测波段信号的间隔点/步长、检测波段信号共同输入 目标信号检测模型。
如前所述，本申请实施例中数据窗所包含的16个数据点能够覆盖80％的 QRS波段，在将当前的16个数据点的波段识别为带有R波的目标波段就会作为 一次触发传递给磁共振扫描机器，R波作为标志着人体心跳周期的一个波峰。对 于实际情况，即使心跳再快的人也不会在跳完一次之后0.1s又跳一次，所以为 了避免误触发，本申请在检测到一个有R波的目标波段之后，延迟一段时间不 检测(比如100ms或200ms)，这样很大程度上能避免算法误识别导致的磁共 振扫描误触发问题。在再一个实施例中，对初始信号检测模型进行训练的过程 还包括检测周期/延迟时间，即两次心电信号检测的间隔时间。对应的，将多个检测波段信号输入目标信号检测模型中进行波段信号检测的同时，也可获取对 应相邻心脏运动周期的时间间隔，将相邻心脏运动周期的时间间隔、检测波段 信号共同输入目标信号检测模型。
在本实施例中，迭代训练方法可以为梯度下降算法、Adam优化算法、深度 学习优化算法等等。迭代训练过程中的学习率可以根据实际情况设置。预设的 迭代停止条件包括：迭代次数达到预设次数阈值，和当次迭代过程中的损失值 与上一次迭代过程中的损失值的差值小于等于预设差值阈值。
还可以理解的是，在迭代训练过程中，当迭代次数大于等于预设次数阈值， 且当次迭代过程中获取到的损失值与上一次迭代过程中获取到的损失值的差值 小于等于预设差值阈值时，表明初始信号检测模型的参数达到了最优参数状态， 可以结束迭代训练。预设次数阈值和预设差值阈值可以根据实际情况设置。
上述心电信号处理方法中，通过多种场景下的样本心电信号对初始信号检 测模型进行训练，得到实用性和泛化能力较好的目标信号检测模型，通过目标 信号检测模型能够对强磁场场景下的心电信号中的R波进行检测，提高R波检 测结果的准确性，并且通过目标信号检测模型实现R波检测还能提高R波的检 测速度。
本申请实施例的心电信号检测方法能够提高磁共振高场中心电触发(ECGTrigger)R波检测准确性的方法，避免由于R波检测不准确导致应用ECG Trigger进行扫描的序列引入运动伪影，对在高场磁共振成像中由于磁流体动力 (MHD)效应的增强导致记录的心电信号失真严重，也能准确检测到检测对象 的实际R波时刻到来。
本申请还提供了一种磁共振扫描控制方法，以该方法应用于图1中的磁共 振计算机为例进行说明，包括以下步骤：
首先，实时获取检测对象的待检测心电信号，并对待检测心电信号进行分 割处理，得到一个或多个检测波段信号。在此实施例中，可以当前时刻采集得 到的心电信号的数据点为当前数据窗/分割窗的截止点，当前时刻采集得到的心 电信号的数据点连同当前时刻之前采集得到的心电信号的多个数据点组成检测 波段信号。以此类推，每隔设定步长，划分后续分割窗。
其次，将检测波段信号输入目标信号检测模型中进行波段信号检测，确定 目标波段信号，即确定检测对象的心电运动处于目标时刻；
以及，在检测到目标波段信号后执行磁共振扫描序列的激发触发。在此实 施例中，目标波段信号对应心电信号中的R波，通过前述方法，避免由于R波 检测不准确导致应用心电触发进行扫描的序列引入运动伪影，提高磁共振K空 间数据采集的一致性。
为提高目标波段信号检测的准确性，本申请的目标波段信号可通过如下方 式确定：
实时获取检测对象的待检测心电信号，并在待检测心电信号采集的同时， 采集辅助信号，辅助信号可以为心音信号、脉搏信号或超声影像信号等；可选 的，心音信号可通过心音传感器获取，脉搏信号可通过脉搏传感器获取，超声 影像信号可通过外接超声探头获取；
对待检测心电信号进行分割处理，得到一个或多个检测波段信号，且获取 检测波段信号的辅助信号分段；
将检测波段信号、检测波段信号的辅助信号分段同时输入目标信号检测模 型中进行波段信号检测，确定目标波段信号。对应的，目标信号检测模型训练 过程中，为防止在心电波形变形严重的波段标注错误而影响模型训练结果，在 心电信号数据采集时同时采集不受磁场影响且可获得心跳周期的参考信号，通 过与采集心电信号的时间配准来辅助标定分割波段。本申请实施例中，通过增 加检测波段信号的辅助信号分段，即使强磁场对于心电信号检测存在干扰，也 能保证目标波段信号检测的精度，提高算法的鲁棒性。
应该理解的是，虽然图1、图3-图5和图7的流程图中的各个步骤按照箭头 的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除 非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可 以以其它的顺序执行。而且，图1、图3-图5和图7中的至少一部分步骤可以包 括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成， 而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进 行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或 者交替地执行。
在一个实施例中，如图8所示，提供了一种心电信号处理装置，包括：第 一分割处理模块11和波段信号检测模块12，其中：
第一分割处理模块11，用于对待检测心电信号进行分割处理，得到一个或 多个检测波段信号；
波段信号检测模块12，用于将检测波段信号输入目标信号检测模型中进行 波段信号检测，确定目标波段信号，目标信号检测模型为根据样本心电信号的 多个波段信号和各波段信号的波段信号类型训练得到，波段信号类型表示波段 信号是否为目标波段信号。
本实施例提供的心电信号处理装置，可以执行上述方法实施例，其实现原 理和技术效果类似，在此不再赘述。
在其中一个实施例中，第一分割处理模块11包括：第一分割处理单元，其 中：
第一分割处理单元，用于根据预设的分割窗宽对待检测心电信号进行分割 处理，得到多个检测波段信号，预设的分割窗宽为根据样本心电信号的采样频 率得到的。
本实施例提供的心电信号处理装置，可以执行上述方法实施例，其实现原 理和技术效果类似，在此不再赘述。
在其中一个实施例中，上述心电信号处理装置还包括：样本信号获取模块、 第二分割处理模块和训练模块，其中：
样本信号获取模块，用于获取多种场景下的样本心电信号；
第二分割处理模块，用于对多种场景下的样本心电信号进行分割处理，得 到样本心电信号中的目标检测波段信号和非目标检测波段信号；
训练模块，用于通过目标检测波段信号和非目标检测波段信号，对初始信 号检测模型进行训练，得到目标信号检测模型。
本实施例提供的心电信号处理装置，可以执行上述方法实施例，其实现原 理和技术效果类似，在此不再赘述。
在其中一个实施例中，第二分割处理模块包括：第二分割处理单元和信号 类型检测单元，其中：
第二分割处理单元，用于根据预设的分割窗宽，对多种场景下的样本心电 信号进行分割处理，得到多个待检测样本信号；预设的分割窗宽为根据样本心 电信号的采样频率得到的；
信号类型检测单元，用于检测各待检测样本信号中的信号类型，以确定目 标检测波段信号和非目标检测波段信号。
本实施例提供的心电信号处理装置，可以执行上述方法实施例，其实现原 理和技术效果类似，在此不再赘述。
在其中一个实施例中，样本心电信号对磁场敏感，第二分割处理模块还包 括：参考信号获取单元和信号类型确定单元，其中：
参考信号获取单元，用于获取参考信号，所述参考信号对磁场不敏感；参 考信号包括心音信号、脉搏信号或超声图像信号中至少一种；
信号类型确定单元，用于根据所述参考信号确定各所述待检测样本信号中 的信号类型。
本实施例提供的心电信号处理装置，可以执行上述方法实施例，其实现原 理和技术效果类似，在此不再赘述。
在其中一个实施例中，信号类型检测单元包括：第一标记子单元和第二标 记子单元，其中：
第一标记子单元，用于待检测样本信号包含R波段信号时，将待检测样本 信号标记为目标检测波段信号；
第二标记子单元，用于待检测样本信号不包含R波段信号时，将待检测样 本信号标记为非目标检测波段信号。
本实施例提供的心电信号处理装置，可以执行上述方法实施例，其实现原 理和技术效果类似，在此不再赘述。
关于心电信号处理装置的具体限定可以参见上文中对于心电信号处理方法 的限定，在此不再赘述。上述心电信号处理装置中的各个模块可全部或部分通 过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算 机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以 便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器， 其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、 存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。 该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介 质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中 的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待 检测心电信号。该计算机设备的网络接口用于与外部的终端通过网络连接通信。 该计算机程序被处理器执行时以实现一种心电信号处理方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关 的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定， 具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件， 或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器 中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
对待检测心电信号进行分割处理，得到一个或多个检测波段信号；
将检测波段信号输入目标信号检测模型中进行波段信号检测，确定目标波 段信号，目标信号检测模型为根据多种场景下的样本心电信号的波段信号和各 波段信号的波段信号类型训练得到，波段信号类型表示波段信号是否为目标波 段信号。
在一个实施例中，提供了一种存储介质，其上存储有计算机程序，计算机 程序被处理器执行时实现以下步骤：
对待检测心电信号进行分割处理，得到一个或多个检测波段信号；
将检测波段信号输入目标信号检测模型中进行波段信号检测，确定目标波 段信号，目标信号检测模型为根据多种场景下的样本心电信号的波段信号和各 波段信号的波段信号类型训练得到，波段信号类型表示波段信号是否为目标波 段信号。
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，所述的计算机程序可存储于 一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述 各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、 存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的 至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、 磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory， SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述 实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特 征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细， 但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的 普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改 进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权 利要求为准。
Claims (10)
1.一种心电信号处理方法，其特征在于，所述方法包括：
对待检测心电信号进行分割处理，得到一个或多个检测波段信号；
将所述检测波段信号输入目标信号检测模型中进行波段信号检测，确定目标波段信号，所述目标信号检测模型为根据样本心电信号的多个波段信号和各所述波段信号的波段信号类型训练得到，所述波段信号类型表示所述波段信号是否为目标波段信号。
2.根据权利要求1所述的方法，其特征在于，所述对待检测心电信号进行分割处理，得到一个或多个检测波段信号，包括：
根据预设的分割窗宽对所述待检测心电信号进行分割处理，得到多个所述检测波段信号，所述预设的分割窗宽为根据所述样本心电信号的采样频率得到的。
3.根据权利要求1-2中任一项所述的方法，其特征在于，所述方法还包括：
获取多种场景下的样本心电信号；
对所述多种场景下的样本心电信号进行分割处理，得到所述样本心电信号中的目标检测波段信号和非目标检测波段信号；
通过所述目标检测波段信号和所述非目标检测波段信号，对初始信号检测模型进行训练，得到所述目标信号检测模型。
4.根据权利要求3所述的方法，其特征在于，所述对所述多种场景下的样本心电信号进行分割处理，得到所述样本心电信号中的目标检测波段信号和非目标检测波段信号，包括：
根据所述预设的分割窗宽，对所述多种场景下的样本心电信号进行分割处理，得到多个待检测样本信号；
检测各所述待检测样本信号中的信号类型，以确定所述目标检测波段信号和所述非目标检测波段信号。
5.根据权利要求4所述的方法，其特征在于，所述样本心电信号对磁场敏感，所述方法还包括：
获取参考信号，所述参考信号对磁场不敏感；
根据所述参考信号确定各所述待检测样本信号中的信号类型。
6.根据权利要求5所述的方法，其特征在于，所述参考信号包括心音信号、脉搏信号或超声图像信号中至少一种。
7.根据权利要求4所述的方法，其特征在于，所述检测各所述待检测样本信号中的信号类型，以确定所述目标检测波段信号和所述非目标检测波段信号，包括：
若所述待检测样本信号包含R波段信号，则将所述待检测样本信号标记为所述目标检测波段信号；
若所述待检测样本信号不包含所述R波段信号，则将所述待检测样本信号标记为所述非目标检测波段信号。
8.一种心电信号处理装置，其特征在于，所述装置包括：
分割处理模块，用于对待检测心电信号进行分割处理，得到一个或多个检测波段信号；
波段信号检测模块，用于将所述检测波段信号输入目标信号检测模型中进行波段信号检测，确定目标波段信号，所述目标信号检测模型为根据样本心电信号的多个波段信号和各所述波段信号的波段信号类型训练得到，所述波段信号类型表示所述波段信号是否为目标波段信号。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111051663.2A CN115770048B (zh) | 2021-09-08 | 心电信号处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111051663.2A CN115770048B (zh) | 2021-09-08 | 心电信号处理方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115770048A true CN115770048A (zh) | 2023-03-10 |
| CN115770048B CN115770048B (zh) | 2024-09-24 |
Family
ID=
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117054943A (zh) * | 2023-10-11 | 2023-11-14 | 山东奥新医疗科技有限公司 | 基于径向基网络的磁共振成像方法、装置、设备及介质 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040077941A1 (en) * | 2002-10-21 | 2004-04-22 | Ge Medical Systems Global Technology Company, Llc | Method and system for image improvement with ECG gating and dose reduction in CT imaging |
| JP2016002130A (ja) * | 2014-06-13 | 2016-01-12 | 株式会社東芝 | 心電波形検出装置、心電波形検出方法、心電波形検出プログラム、及び撮像装置 |
| US20160128643A1 (en) * | 2014-11-06 | 2016-05-12 | Kabushiki Kaisha Toshiba | Signal processing apparatus, imaging apparatus, and signal processing method |
| CN206261597U (zh) * | 2016-06-29 | 2017-06-20 | 西门子(深圳)磁共振有限公司 | 用于磁共振检查系统的心电信号获取装置及磁共振检查系统 |
| CN108309284A (zh) * | 2018-03-15 | 2018-07-24 | 广州视源电子科技股份有限公司 | 心电图t波终点检测方法和装置 |
| CN110236530A (zh) * | 2019-06-20 | 2019-09-17 | 武汉中旗生物医疗电子有限公司 | 一种心电信号qrs波群定位方法、装置及计算机存储介质 |
| US20190336026A1 (en) * | 2018-05-07 | 2019-11-07 | Pacesetter, Inc. | Method and system to detect r-waves in cardiac arrhythmic patterns |
| CN110755076A (zh) * | 2019-11-01 | 2020-02-07 | 上海联影医疗科技有限公司 | 磁共振扫描仪的图像采集方法、装置、设备和介质 |
| CN110897633A (zh) * | 2019-12-17 | 2020-03-24 | 安徽心之声医疗科技有限公司 | 基于深度神经网络的心电信号分割方法 |
| CN111067523A (zh) * | 2019-12-25 | 2020-04-28 | 东软医疗系统股份有限公司 | 门控装置及其控制方法、装置、医疗设备系统 |
| EP3643228A1 (fr) * | 2018-10-23 | 2020-04-29 | Schiller Medical | Procédé de correction en temps réel d'au moins un signal électro-physiologique |
| CN111631713A (zh) * | 2020-05-27 | 2020-09-08 | 清华大学 | 磁共振成像方法、设备及存储介质 |
| CN111803061A (zh) * | 2020-06-28 | 2020-10-23 | 武汉中旗生物医疗电子有限公司 | 一种基于目标检测的r波识别方法及装置 |
| WO2020221632A1 (en) * | 2019-04-30 | 2020-11-05 | Medicalgorithmics Sa | Electrocardiogram signal segmentation |
| CN112869753A (zh) * | 2021-02-10 | 2021-06-01 | 上海交通大学医学院附属瑞金医院 | 一种针对心电图qrst波形的分析方法、设备、介质和心电图仪 |
| CN112971798A (zh) * | 2021-02-10 | 2021-06-18 | 武汉心络科技有限公司 | 心电信号处理方法、装置、终端及存储介质 |
| CN113269845A (zh) * | 2021-04-26 | 2021-08-17 | 上海东软医疗科技有限公司 | 图像重建方法、装置、存储介质及电子设备 |
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040077941A1 (en) * | 2002-10-21 | 2004-04-22 | Ge Medical Systems Global Technology Company, Llc | Method and system for image improvement with ECG gating and dose reduction in CT imaging |
| JP2016002130A (ja) * | 2014-06-13 | 2016-01-12 | 株式会社東芝 | 心電波形検出装置、心電波形検出方法、心電波形検出プログラム、及び撮像装置 |
| US20160128643A1 (en) * | 2014-11-06 | 2016-05-12 | Kabushiki Kaisha Toshiba | Signal processing apparatus, imaging apparatus, and signal processing method |
| CN206261597U (zh) * | 2016-06-29 | 2017-06-20 | 西门子(深圳)磁共振有限公司 | 用于磁共振检查系统的心电信号获取装置及磁共振检查系统 |
| CN108309284A (zh) * | 2018-03-15 | 2018-07-24 | 广州视源电子科技股份有限公司 | 心电图t波终点检测方法和装置 |
| US20190336026A1 (en) * | 2018-05-07 | 2019-11-07 | Pacesetter, Inc. | Method and system to detect r-waves in cardiac arrhythmic patterns |
| EP3643228A1 (fr) * | 2018-10-23 | 2020-04-29 | Schiller Medical | Procédé de correction en temps réel d'au moins un signal électro-physiologique |
| WO2020221632A1 (en) * | 2019-04-30 | 2020-11-05 | Medicalgorithmics Sa | Electrocardiogram signal segmentation |
| CN110236530A (zh) * | 2019-06-20 | 2019-09-17 | 武汉中旗生物医疗电子有限公司 | 一种心电信号qrs波群定位方法、装置及计算机存储介质 |
| CN110755076A (zh) * | 2019-11-01 | 2020-02-07 | 上海联影医疗科技有限公司 | 磁共振扫描仪的图像采集方法、装置、设备和介质 |
| CN110897633A (zh) * | 2019-12-17 | 2020-03-24 | 安徽心之声医疗科技有限公司 | 基于深度神经网络的心电信号分割方法 |
| CN111067523A (zh) * | 2019-12-25 | 2020-04-28 | 东软医疗系统股份有限公司 | 门控装置及其控制方法、装置、医疗设备系统 |
| CN111631713A (zh) * | 2020-05-27 | 2020-09-08 | 清华大学 | 磁共振成像方法、设备及存储介质 |
| CN111803061A (zh) * | 2020-06-28 | 2020-10-23 | 武汉中旗生物医疗电子有限公司 | 一种基于目标检测的r波识别方法及装置 |
| CN112869753A (zh) * | 2021-02-10 | 2021-06-01 | 上海交通大学医学院附属瑞金医院 | 一种针对心电图qrst波形的分析方法、设备、介质和心电图仪 |
| CN112971798A (zh) * | 2021-02-10 | 2021-06-18 | 武汉心络科技有限公司 | 心电信号处理方法、装置、终端及存储介质 |
| CN113269845A (zh) * | 2021-04-26 | 2021-08-17 | 上海东软医疗科技有限公司 | 图像重建方法、装置、存储介质及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 杨威等: ""一种高场强磁共振兼容心电采集与处理系统的设计与实现"", 《生命科学仪器》, vol. 13, no. 02, 30 April 2015 (2015-04-30), pages 30 - 34 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117054943A (zh) * | 2023-10-11 | 2023-11-14 | 山东奥新医疗科技有限公司 | 基于径向基网络的磁共振成像方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11026636B2 (en) | Method for generating a medical data set of a moving body part | |
| US10219712B2 (en) | ECG waveform detecting apparatus and imaging apparatus | |
| EP3413075A1 (en) | Mri involving the generation of a physiological motion signal using a pilot tone navigator | |
| WO2021057423A1 (zh) | 图像处理方法、图像处理装置以及存储介质 | |
| US8352013B2 (en) | Method and system for motion compensation in magnetic resonance (MR) imaging | |
| US8332023B2 (en) | Method for identifying an R-wave in an ECG signal, ECG measuring device and magnetic resonance scanner | |
| JP6534532B2 (ja) | Ｅｃｇシグナル中に現れるｍｒｉシークエンシングノイズのアナログ解除 | |
| US11457834B2 (en) | System and method for generating ECG reference data for MR imaging triggering | |
| CN108903942A (zh) | 一种利用复数fMRI空间源相位识别空间差异的方法 | |
| CN108024747B (zh) | 心内egm信号用于搏动匹配和接受 | |
| KR102468654B1 (ko) | 보정된 이미지 기반 심박 추정 방법 및 그 장치 | |
| US8880352B2 (en) | System and method for analyzing an electrophysiological signal | |
| Paul et al. | Automated detection of cardinal points of ECG signal for feature extraction using a single median filter | |
| US11058361B2 (en) | Signal processing apparatus, imaging apparatus, and signal processing method | |
| JP6320836B2 (ja) | 心電波形検出装置、心電波形検出プログラム、及び撮像装置 | |
| CN108053709A (zh) | 一种心脏外科深部缝合操作训练系统及模拟成像方法 | |
| CN115770048B (zh) | 心电信号处理方法、装置、计算机设备及存储介质 | |
| CN115770048A (zh) | 心电信号处理方法、装置、计算机设备及存储介质 | |
| JP6430144B2 (ja) | 心電波形検出装置、心電波形検出方法、心電波形検出プログラム、及び撮像装置 | |
| US11344262B2 (en) | Automated computation of trigger delay for triggered magnetic resonance imaging sequences | |
| KR102369059B1 (ko) | 비접촉식 심박 측정 장치 및 방법 | |
| CN106875366B (zh) | 对静息态复数fMRI数据进行ICA后处理消噪的相位精确范围检测方法 | |
| Yang et al. | A multi-channel deep learning approach for segmentation of the left ventricular endocardium from cardiac images | |
| US20110319780A1 (en) | Method for identifying a characteristic profile of an R-wave in an EKG signal and a computer program product as well as an electronically readable data medium for performing the method | |
| CN115067967A (zh) | 心拍信号基准点确定方法、心拍类型识别方法及装置 |
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 |