CN116407132B - 一种r波定位方法及基于r波的q、s、t波定位方法 - Google Patents
一种r波定位方法及基于r波的q、s、t波定位方法 Download PDFInfo
- Publication number
- CN116407132B CN116407132B CN202310411330.9A CN202310411330A CN116407132B CN 116407132 B CN116407132 B CN 116407132B CN 202310411330 A CN202310411330 A CN 202310411330A CN 116407132 B CN116407132 B CN 116407132B
- Authority
- CN
- China
- Prior art keywords
- wave
- slope
- vertex
- point
- alternative
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims description 42
- 230000008859 change Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003183 myoelectrical effect Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
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
- A61B5/24—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
-
- 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
- A61B5/24—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
- A61B5/355—Detecting T-waves
-
- 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
- A61B5/72—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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- 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)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种R波定位方法及基于R波的Q、S、T波定位方法,属于心电信号处理技术领域,R波定位方法包括:对原始心电信号进行预处理,获得清晰心电信号;确定清晰心电信号中的全部拐点;对每个拐点计算与其相邻的三段信号的斜率运算结果,获得斜率曲线;从斜率曲线中选择斜率值大于等于预设斜率阈值的点为备选点,并将其返回至清晰心电信号中而获得R波初选顶点;判断任意相邻的两个R波初选顶点的时间间隔是否小于预设间隔阈值,是则保留斜率值较大者为R波备选顶点;通过动态幅值阈值对各R波备选顶点进行去噪处理后获得R波顶点。本发明方法计算简单,速度及准确度高,可有效降低运动噪声干扰,能准确地定位到R波位置,适于实时处理。
Description
技术领域
本发明涉及心电信号处理技术领域,特别涉及一种R波定位方法及基于R波的Q、S、T波定位方法。
背景技术
目前,心血管疾病已成为威胁人类生命的重要疾病之一,而心电信号则是评价心脏是否健康的主要依据。QRS复合波检测是心电信号分析的关键,其中R波的定位是检测P波、T波及ST波等特征波形的前提,是心电信号分析的基础。然而受个体差异、采集状态以及噪声干扰如基线漂移、工频干扰、肌电干扰等影响,如何准确且实时地定位R波一直是心电信号分析的主要难点。
目前关于心电信号中R波的检测方法主要有差分运算法、峰值检测法、带通滤波法、小波变化法、神经网络法等。
传统的基于差分运算的检测算法虽然计算简单、运行速度快,但是其抗噪性能差,导致R波检测的准确度不高。峰值检测法、带通滤波法这类方法虽然简单且易于实现,但其极易受到噪声的干扰,导致预先设定的阈值或频段不准确、不够灵活,使得R波漏检率极高。小波变化法、神经网络法则存在着计算量大的缺陷,使得其对实时动态的心电信号中R波的检测效果不够理想,因此不适用于对R波的实时分析。
综上,以上R波检测方法在心电信号相对平稳的情况下虽然有相对较好的结果,但是针对运动伪影较大的运动心电信号中R波的定位效果则不够理想。因此亟待提出一种计算量小、实时监测、不易受噪声干扰的准确定位R波的方法,以便于搭载该方法的可穿戴嵌入式心电监测仪具有更高的R波检测精度。
发明内容
针对现有技术存在的R波检测方法存在计算量大而难以实现实时检测、以及易受噪声干扰等问题,本发明的目的在于提供一种R波定位方法及基于R波的Q、S、T波定位方法,以便于至少部分地解决上述问题。
为实现上述目的,本发明的技术方案为:
第一方面,本发明提供一种R波定位方法,包括以下步骤:
对原始心电信号进行预处理,获得清晰心电信号;
确定所述清晰心电信号中的全部拐点;
对于每个所述拐点,计算与其相邻的三段信号的斜率运算结果,并获得斜率曲线;
从所述斜率曲线中选择斜率值大于或等于预设斜率阈值的点为备选点,并将其返回至所述清晰心电信号中而获得R波初选顶点;
判断任意相邻的两个所述R波初选顶点的时间间隔是否小于预设间隔阈值,是则保留两个所述R波初选顶点中斜率值较大者为R波备选顶点;
通过动态幅值阈值对各所述R波备选顶点进行去噪处理后获得R波顶点。
第二方面,本发明提供一种T波定位方法,所述T波定位方法基于上述的R波定位方法实现,所述T波定位方法包括:对于每个所述R波顶点,在其后方半个R波顶点间隔范围内,寻找幅值绝对值最大的拐点为T波顶点。
第三方面,本发明提供一种Q、S波定位方法,所述Q、S波定位方法基于上述的R波定位方法实现,所述Q、S波定位方法包括:对每个所述R波顶点,分别向前、向后查找第一个斜率为负的拐点,从而确定出Q波顶点、S波顶点。
第四方面,本发明提供一种心电信号中R波的定位装置,包括:
预处理模块,用于对原始心电信号进行预处理,而获得清晰心电信号;
拐点确定模块,用于确定所述清晰心电信号中的全部拐点;
斜率计算模块,用于对于每个所述拐点,计算与其相邻的三段信号的斜率运算结果,并获得斜率曲线;
R波初选模块,用于从所述斜率曲线中选择斜率值大于或等于预设斜率阈值的点为备选点,并将其返回至所述清晰心电信号中而获得R波初选顶点;
R波筛选模块,用于判断任意相邻的两个所述R波初选顶点的时间间隔是否小于预设间隔阈值,是则保留两个所述R波初选顶点中斜率值较大者为R波备选顶点;
R波去噪模块,用于通过动态幅值阈值对各所述R波备选顶点进行去噪处理后获得R波顶点。
第五方面,本发明提供一种电子设备,包括存储有可执行程序代码的存储器以及与所述存储器耦合的处理器;其中,所述处理器调用所述存储器中存储的可执行程序代码,执行如上所述的方法。
第六方面,本发明提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器运行时执行如上所述的方法。
采用上述技术方案,本发明的有益效果在于:本发明对原始心电信号依次进行预处理、R波顶点初选、误检识别、动态阈值去噪后即可得到R波顶点,能够有效地降低运动噪声对心电信号的干扰,从而更加准确定位到R波的位置。本发明的方法计算简单,更便于进行嵌入式实时处理,整体上的速度、准确度都比已有的R波定位方法高,能够有效地为后续心电信号的分析提供帮助。
附图说明
图1为本发明实施例一中方法流程示意图;
图2为本发明实施例一中原始心电信号的示意图;
图3为本发明实施例一中清晰心电信号的示意图;
图4a为本发明实施例一中微分滤波信号的示意图;
图4b为本发明实施例一中平方滤波信号的示意图;
图4c为本发明实施例一中差分滤波信号的示意图;
图5为本发明实施例一中清晰心电信号上的拐点示意图;
图6为本发明实施例一中QR、RS、SJ波在清晰心电信号上示意图;
图7为本发明实施例一中斜率曲线的示意图;
图8为本发明实施例一中通过斜率曲线构造信号等长斜率曲线的示意图;
图9为本发明实施例一中信号等长斜率曲线的示意图;
图10为本发明实施例一中信号等长斜率曲线上的备选点示意图;
图11为本发明实施例一中清晰心电信号上的R波初选点示意图;
图12a为本发明实施例一中PT方法在编号Run02心电信号上的R波检测结果示意图;
图12b为本发明实施例一的方法在编号Run02心电信号上的R波检测结果示意图;
图13为发明本实施例四及五中Q、S、T波的定位结果示意图;
图14为本发明实施例六的结构示意图;
图15为本发明实施例六中拐点确定模块的结构示意图;
图16为本发明实施例六中R波去噪模块的结构示意图;
图17为本发明实施例七的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是,对于这些实施方式的说明用于帮助理解本发明,但并不构成对本发明的限定。此外,下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
对于本技术方案中的“第一”和“第二”,仅为对相同或相似结构,或者起相似功能的对应结构的称谓区分,不是对这些结构重要性的排列,也没有排序、或比较大小、或其他含义。
实施例一
本实施例提供一种R波定位方法,其执行主体可以是计算设备或者是内置有计算设备的可穿戴式心电监测仪,该计算设备可以为服务器或者终端,其中,服务器指的可以是一台服务器,也可以是由多台服务器组成的服务器集群,终端可以为台式电脑、平板电脑、笔记本电脑、智能手机或者智能手环等,本申请实施例不对终端的具体类型进行限定。
如图1所示,本方法包括以下步骤:
步骤1.对原始心电信号进行预处理,获得清晰心电信号X(t)。
其中,原始心电信号如图2所示,对原始心电信号进行预处理则具体包括:通过带通滤波器对原始心电信号进行去噪声处理,从而获得保留有P波、QRS波群、T波的最原始特征且最大程度突出峰值点的清晰心电信号X(t),清晰心电信号X(t)如图3所示。本实施例中,噪声包括基线漂移、肌电干扰、工频干扰中的一种或多种。
步骤2.确定清晰心电信号X(t)中的全部拐点。其步骤具体包括有:
步骤21.对清晰心电信号X(t)依次进行微分滤波、平方滤波和差分滤波处理,分别获得微分滤波信号、平方滤波信号和差分滤波信号。
步骤22.根据差分滤波信号的变化趋势确定平方滤波信号的极小值点。
步骤23.基于平方滤波信号的极小值点确定微分滤波信号的零点。
步骤24.根据微分滤波信号的零点确定清晰心电信号中的全部拐点。
本实施例中,微分滤波信号、平方滤波信号和差分滤波信号分别如图4a、图4b和图4c所示。
微分滤波操作相当于对清晰心电信号X(t)进行求导运算,考虑到R波顶点通常为心电信号的极值点,因此对清晰心电信号X(t)进行微分滤波后,则便于后续利用斜率信息确定R波顶点的位置。平方滤波操作本质是对微分滤波信号进行了平方操作,平方操作后即可以将微分滤波信号中的较大值进一步突出,而将较小值进行缩小,从而实现抑制。差分滤波操作则是在平方滤波信号基础上,对相邻两个数值进行相减实现,它的目的是获取斜率变化趋势。
对于差分滤波,若相邻两值,前值小于0且后值大于0,则反映在平方滤波信号上表现为信号先减小,后增加。根据此变化趋势,则可以在对应范围内查找确定出平方滤波信号的极小值点。由于平方滤波信号自身幅值大于等于0,因此其极小值点即为0点,同时也对应为微分滤波信号的零点。此时,根据微分滤波信号的零点位置即可定位获取到清晰心电信号X(t)中全部的拐点位置,如图5所示,其中的圆圈标记即为拐点。
步骤3.对于每个拐点,计算与其相邻的三段信号的斜率运算结果,并获得斜率曲线。
考虑到心电信号中QRS波的特征最明显,且QR、RS、SJ波段分别有序的分布在R波顶点的周围,如图6所示。
另外,相较于其它拐点(非R波顶点),R波顶点处QR、RS、SJ波段的斜率slew_QR、slew_RS、slew_SJ更为明显,同时此三段信号也符合正态分布,因此,本实施例提出将slew_QR、slew_RS、slew_SJ进行如下运算,从而凸出斜率幅值变化:
thr_1= slew_QR-slew_RS+slew_SJ 式(1)
在获得图5所示清晰心电信号X(t)中全部拐点的基础上,根据图4(a)求得的微分滤波信号即可求取每个拐点处对应的QR、RS、SJ三波段斜率运算结果,从而得到如图7所示的斜率曲线。
通过步骤3的运算,实际上是将从拐点中定位R波顶点的问题转化为基于QR、RS、SJ三波段斜率运算结果来寻找表示真实的R波顶点的拐点定位问题。
步骤4.从斜率曲线中选择斜率值大于或等于预设斜率阈值的点为备选点,并将其返回至清晰心电信号X(t)中而获得R波初选顶点。
可以理解的是,图7所示斜率曲线的长度是等于图5所示的拐点数量的,因此斜率曲线的长度与清晰心电信号X(t)的长度并不相同,故而在从斜率曲线中确定出备选点后并不方便将其返回至清晰心电信号X(t)中,因此本实施例先对斜率曲线进行信号等长处理,再从中选择备选点。
其中,对斜率曲线进行信号等长处理包括:根据斜率位置索引,对斜率曲线通过补零方式构造信号等长斜率曲线。具体而言,即按照如图8所示的方式,将斜率曲线拉长到与清晰心电信号X(t)相同长度,然后在图5记录得到的拐点定位索引基础上,对非拐点位置插值补0,对拐点位置赋予与图7所示斜率曲线相对应的斜率值,即可得到信号等长斜率曲线,如图9所示。
在获得信号等长斜率曲线后,再在其上搜索幅值(斜率值)高于thr(预设斜率阈值)的备选点,本实施例将thr设置为前两秒内信号等长斜率曲线中幅值最大值的1/6,搜索出的备选点结果如图10所示,即对于信号等长斜率曲线上的每个点,判断其幅值是否高于其前方两秒内(不足两秒的,取其前方全部信号长度)幅值最大值的1/6。随后对于所有满足斜率值大于thr的备选点,将其返回清晰心电信号X(t)中,即可获得R波初选顶点,如图11所示,其中的圆圈即为R波初选顶点。
步骤5.判断任意相邻的两个R波初选顶点的时间间隔是否小于预设间隔阈值,是则保留两个R波初选顶点中斜率值较大者为R波备选顶点。
考虑到初选结果中可能存在误检,因此本实施例中,需进一步对R波初选顶点进行误检查询。记图11中R波初选顶点的位置信息依次为r(1),r(2),…,r(N),然后逐点查询相邻两个R波初选顶点的位置间隔,设置时间间隔interval_thr(预设间隔阈值),例如interval_thr=0.298*Fs,Fs为心电信号采样率。
则对于任意两个R波初选顶点r(i+1)和r(i),如果r(i+1)-r(i)<interval_thr,则判定这两个R波初选顶点的时间间隔过近,其中有一个为冗余点。随后在斜率曲线(或信号等长斜率曲线)上比较r(i+1)、r(i)处的斜率幅值关系,若r(i+1)处斜率幅值≥r(i)处斜率幅值,则保留r(i+1)点为R波备选顶点,若r(i+1)处斜率幅值<r(i)处斜率幅值,则保留r(i)点为R波备选顶点。其中对于冗余点,将不再继续参与与另一个R波初选顶点的比较。
步骤6.通过动态幅值阈值对各R波备选顶点进行去噪处理后获得R波顶点。
在步骤5确定的R波备选顶点中依旧可能存在噪点,因此本实施例进一步结合心电信号的幅度来判断步骤5中确定出的R波备选顶点是否为R波顶点,在这里采用动态阈值法来设置心电信号的幅度阈值,具体包括以下步骤:
步骤61.按时序判断R波备选顶点前方已确定的R波顶点的数量是否超过预设数量阈值,是则进入步骤62,否则进入步骤63。
步骤62.判断R波备选顶点的幅值是否大于第一幅值阈值,是则为R波顶点,否则剔除。
步骤63.判断R波备选顶点的幅值是否大于第二幅值阈值,是则为R波顶点,否则剔除。
其中,预设数量阈值为8。对于需要进行噪声判别的R波备选顶点,如果前方已确定的R波顶点数量不大于8,则说明当前输入的心电信号较短,则取第一幅值阈值Thr1=max(ecg(1:2*Fs))*1/3,即两秒钟内(当前R波备选顶点之前的两秒钟,对于不足两秒的,取当前R波备选顶点之前的全部信号长度)心电信号中幅值最大值的三分之一。
对于需要进行噪声判别的R波备选顶点,如果其前方已确定出的R波顶点数量大于8,则考虑到短期内心电信号临近心拍间幅值的相似性,则取第二幅值阈值Thr2=median(ecg(r_point(end-8:end)))*0.3,即为当前(待定的、待处理的)R波备选顶点前方的n个R波顶点幅值中位数的0.3倍,n为预设数量阈值加一即9,这里的0.3倍为一经验值,经过多次实验取得,取中位数进行第二幅值阈值更新的优势在于,这能够有效减少信号采集过程中因电极漂移等原因产生而幅值过大的极值点对更新后的第二幅值阈值的影响。
综上,本实施例方法对原始心电信号依次进行预处理、R波顶点初选、误检识别、动态阈值去噪,最后得到R波顶点,这能够有效地降低运动噪声对心电信号的干扰,从而更加准确定位到R波的位置。本方法计算简单,更便于进行嵌入式实时处理,整体上的速度、准确度都比已有的R波定位方法高,能够有效地为后续心电信号的分析提供帮助。
另外,基于MIT-BIH-AHA数据库对本实施例方法进行验证的结果如表1所示,表1中,标准心拍数为数据库标注的标准数量,该数据经过心内科专家人工校对,是验证R波定位方法是否有效的基准,检测心拍数为本实施例方法在数据库上的运行结果。检测数/标准数是对本实施例方法的检测结果相较于数据库的差异性量化,其值越接近1,说明本方法的检测精度越高,越满足实际使用需求。以编号100的心电信号为例,其检测数/标准数值为0.9995,即2273个心拍中仅有一个心拍漏检。从表1中可以看出,本实施例方法最终检测结果在几乎所有编号的信号上均等于1或接近于1,因此说明本实施例方法能够较准确地检测出R波。
表1-本实施例方法在MIT-BIH-AHA数据库上运行的结果
为进一步验证本实施例方法对运动状态下心电信号中R波定位的有效性,在自采心电信号上应用本实施例方法的R波定位效果与传统Pan-Tompkins(PT)方法进行了对比,如表2所示,其中自采心电信号在运动状态下采集得到,包括行走与跑两种状态。
表2-本实施例方法与Pan-Tompkins方法在运动状态下自采心电信号上的检测结果对比
从表2中可以看出,在编号为Run、Run03、Run04、Run05、Run06、walk、walk01、walk02、walk06的心电信号中,本实施例方法与PT方法取得了相似的检测结果。而在其他编号的心电信号上,本实施例方法的检测数量则大于PT方法,这是因为这些心电信号在采集过程中因电极抖动或漂移而存在幅值突然增大情况,PT方法在动态迭代过程会将这部分幅值变化更新纳入到幅值阈值更新中,导致更新后的幅值阈值过高,进而将后续真实的R波顶点认为是噪点而加以剔除。以Run02为例,PT方法及本实施例方法对心电信号的R波检测结果分别如图12a及图12b所示,其中圆圈表示检测出的R波顶点,可以看出,本实施例方法使用的基于中位数的动态幅值阈值更新方法能有效避免幅值突然增大带来的阈值设置过高的问题,进而对运动状态下的心电信号能够实现较好的识别。
实施例二
在实施例一的基础上,当预设斜率阈值为前两秒内信号等长斜率曲线的幅值最大值的1/6保持不变,而预设间隔阈值在0.25*FS~0.45*FS范围内变化时,本实施例方法在MIT-BIH-AHA数据库上运行的结果如表3所示。
表3-不同预设间隔阈值下本实施例方法在MIT-BIH-AHA数据库上运行的结果
为进一步验证本实施例方法对运动状态下心电信号中R波定位的有效性,在自采心电信号上应用本实施例方法的R波定位结果如表4所示,其中自采心电信号在运动状态下采集得到,包括行走与跑两种状态。
表4-不同预设间隔阈值下的本实施例方法在运动状态下自采心电信号上的检测结果
实施例三
在实施例一的基础上,当预设间隔阈值配置为0.298*FS保持不变,而预设斜率阈值在前两秒内信号等长斜率曲线的幅值最大值的1/8~1/4范围内变化时,本实施例方法在MIT-BIH-AHA数据库上运行的结果如表5所示。
表5-不同预设斜率阈值下本实施例方法在MIT-BIH-AHA数据库上运行的结果
/>
为进一步验证本实施例方法对运动状态下心电信号中R波定位的有效性,在自采心电信号上应用本实施例方法的R波定位结果如表6所示,其中自采心电信号在运动状态下采集得到,包括行走与跑两种状态。
表6-不同预设斜率阈值下的本实施例方法在运动状态下自采心电信号上的检测结果
/>
实施例四
本实施例提供一种T波定位方法,该T波定位方法基于上述任一实施例公开的R波定位方法实现,该T波定位方法包括:对于每个已经确定的R波顶点,在其后方半个R波顶点间隔范围内,寻找幅值绝对值最大的拐点为T波顶点。
例如对于任意相邻的两个R波顶点,设其坐标分别为R_point(i-1),R_point(i),T波顶点通常位于两相邻的R波顶点之间。为提高T波定位精度,需将搜索范围缩小,缩小后范围为[R_point(i-1),R_point(i-1)+0.5*RR_interval],其中RR_interval为相邻两个R波顶点的间隔,RR_interval=R_point(i)-R_point(i-1)。之后,在缩小后的范围内识别落在该范围内的所有拐点坐标,并比较所有拐点坐标的幅值绝对值,取幅值绝对值最大的拐点为T波顶点。如图13所示,其中的圆圈符号表示Q波顶点,三角形符号表示T波顶点。
实施例五
本实施例提供一种Q、S波定位方法,该Q、S波定位方法基于上述的R波定位方法实现,该Q、S波定位方法包括:对每个R波顶点,分别向前、向后查找第一个斜率为负的拐点,从而确定出Q波顶点、S波顶点。
即,在信号等长斜率曲线上,以R波顶点对应的坐标位置为中心,分别向前、向后查找第一个斜率为负的点,再将这些点对应到清晰心电信号X(t)中的拐点上,即可确定出Q波和S波,Q波及S波的定位结果如图13所示,其中“+”表示Q波顶点,“*”表示S波顶点。如此操作,其原因在于Q波、S波通常与R波顶点相邻,且经过式(1)计算后得到的斜率负向幅值较大。
实施例六
一种心电信号中R波的定位装置,如图14所示,其包括有:
预处理模块,用于对原始心电信号进行预处理,而获得清晰心电信号X(t);
拐点确定模块,用于确定清晰心电信号X(t)中的全部拐点;
斜率计算模块,用于对于每个拐点,计算与其相邻的三段信号的斜率运算结果,并获得斜率曲线;
R波初选模块,用于从斜率曲线中选择斜率值大于或等于预设斜率阈值的点为备选点,并将其返回至清晰心电信号X(t)中而获得R波初选顶点;
R波筛选模块,用于判断任意相邻的两个R波初选顶点的时间间隔是否小于预设间隔阈值,是则保留两个R波初选顶点中斜率值较大者为R波备选顶点;
R波去噪模块,用于通过动态幅值阈值对各R波备选顶点进行去噪处理后获得R波顶点。
其中,心电信号中R波的定位装置还包括信号等长斜率曲线构造模块,用于根据斜率位置索引对斜率曲线通过补零方式构造信号等长斜率曲线,以便于从信号等长斜率曲线中确定出备选点。
其中,如图15所示,拐点确定模块具有又包括:
微分滤波单元,用于对清晰心电信号X(t)进行微分滤波处理后获得微分滤波信号;
平方滤波单元,用于对微分滤波信号进行平方滤波处理后获得平方滤波信号;
差分滤波单元,用于对平方滤波信号进行差分滤波处理后获得差分滤波信号;
拐点确定单元,用于根据差分滤波信号的变化趋势确定平方滤波信号的极小值点,基于平方滤波信号的极小值点确定微分滤波信号的零点,并根据微分滤波信号的零点确定清晰心电信号X(t)中的全部拐点。
其中,如图16所示,R波去噪模块具体又包括:
位置识别单元,用于按时序判断R波备选顶点前方已确定的R波顶点的数量是否超过预设数量阈值,是则调用第一判别单元的功能,否则调用第二判别单元的功能,其中预设数量阈值为8;
第一判别单元,用于判断R波备选顶点的幅值是否大于第一幅值阈值,是则为R波顶点,否则剔除,其中第一幅值阈值为两秒钟内心电信号中幅值最大值的三分之一;
第二判别单元,用于判断R波备选顶点的幅值是否大于第二幅值阈值,是则为R波顶点,否则剔除,其中第二幅值阈值为当前R波备选顶点前方的n个R波顶点幅值中位数的0.3倍,n为预设数量阈值加一即9。
实施例七
一种电子设备,如图17所示,包括存储有可执行程序代码的存储器以及与该存储器耦合的处理器;其中,处理器调用存储器中存储的可执行程序代码,执行上述实施例公开的方法步骤。
实施例八
一种计算机存储介质,计算机存储介质中存储有计算机程序,计算机程序被处理器运行时执行上述实施例公开的方法步骤。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施方式作了详细说明,但本发明不限于所描述的实施方式。对于本领域的技术人员而言,在不脱离本发明原理和精神的情况下,对这些实施方式进行多种变化、修改、替换和变型,仍落入本发明的保护范围内。
Claims (6)
1.一种R波定位方法,其特征在于:包括以下步骤:
对原始心电信号进行预处理,获得清晰心电信号;
确定所述清晰心电信号中的全部拐点;
对于每个所述拐点,计算与其相邻的三段信号的斜率运算结果,并获得斜率曲线,包括:考虑到心电信号中QRS波的特征最明显,且QR、RS、SJ波段分别有序的分布在R波顶点的周围,以及相较于非R波顶点的其它拐点,R波顶点处QR、RS、SJ波段的斜率slew_QR、slew_RS、slew_SJ更为明显,同时此三段信号也符合正态分布,因此,将slew_QR、slew_RS、slew_SJ进行如下运算,从而凸出斜率幅值变化:
thr_1= slew_QR-slew_RS+slew_SJ;
从所述斜率曲线中选择斜率值大于或等于预设斜率阈值的点为备选点,并将其返回至所述清晰心电信号中而获得R波初选顶点;
判断任意相邻的两个所述R波初选顶点的时间间隔是否小于预设间隔阈值,是则保留两个所述R波初选顶点中斜率值较大者为R波备选顶点;
通过动态幅值阈值对各所述R波备选顶点进行去噪处理后获得R波顶点;
所述确定所述清晰心电信号中的全部拐点的步骤包括:
对所述清晰心电信号依次进行微分滤波、平方滤波和差分滤波处理,分别获得微分滤波信号、平方滤波信号和差分滤波信号;
根据所述差分滤波信号的变化趋势确定所述平方滤波信号的极小值点;
基于所述平方滤波信号的极小值点确定所述微分滤波信号的零点;
根据所述微分滤波信号的零点确定所述清晰心电信号中的全部拐点;
从所述斜率曲线中选择出所述备选点之前,还包括:
根据斜率位置索引,对所述斜率曲线通过补零方式构造信号等长斜率曲线,以便于从所述信号等长斜率曲线中选择斜率值大于或等于预设斜率阈值的点为所述备选点;
所述预设斜率阈值为前两秒内信号等长斜率曲线的幅值最大值的1/8~1/4;
所述预设间隔阈值为0.25*FS~0.45*FS,FS为心电信号采样率;
所述通过动态幅值阈值对各所述R波备选顶点进行去噪处理后获得R波顶点的步骤包括:
按时序判断所述R波备选顶点前方已确定的R波顶点的数量是否超过预设数量阈值,是则进入下一步,否则跳过下一步;
判断所述R波备选顶点的幅值是否大于第一幅值阈值,是则为R波顶点,否则排除;
判断所述R波备选顶点的幅值是否大于第二幅值阈值,是则为R波顶点,否则排除;
所述第一幅值阈值为所述清晰心电信号中两秒钟内信号幅值最大值的三分之一;所述第二幅值阈值为当前R波备选顶点的前方n个R波顶点幅值中位数的0.3倍,n等于所述预设数量阈值加一。
2.一种T波定位方法,所述T波定位方法基于如权利要求1所述的R波定位方法实现,其特征在于:所述T波定位方法包括:
对于每个所述R波顶点,在其后方半个R波顶点间隔范围内,寻找幅值绝对值最大的拐点为T波顶点。
3.一种Q、S波定位方法,所述Q、S波定位方法基于如权利要求1所述的R波定位方法实现,其特征在于:所述Q、S波定位方法包括:
对每个所述R波顶点,分别向前、向后查找第一个斜率为负的拐点,从而确定出Q波顶点、S波顶点。
4.用于实现权利要求1所述方法的一种心电信号中R波的定位装置,其特征在于:包括
预处理模块,用于对原始心电信号进行预处理,而获得清晰心电信号;
拐点确定模块,用于确定所述清晰心电信号中的全部拐点;
斜率计算模块,用于对于每个所述拐点,计算与其相邻的三段信号的斜率运算结果,并获得斜率曲线;
R波初选模块,用于从所述斜率曲线中选择斜率值大于或等于预设斜率阈值的点为备选点,并将其返回至所述清晰心电信号中而获得R波初选顶点;
R波筛选模块,用于判断任意相邻的两个所述R波初选顶点的时间间隔是否小于预设间隔阈值,是则保留两个所述R波初选顶点中斜率值较大者为R波备选顶点;
R波去噪模块,用于通过动态幅值阈值对各所述R波备选顶点进行去噪处理后获得R波顶点。
5.一种电子设备,其特征在于:包括存储有可执行程序代码的存储器以及与所述存储器耦合的处理器;其中,所述处理器调用所述存储器中存储的可执行程序代码,执行如权利要求1所述的方法。
6.一种计算机可读存储介质,存储有计算机程序,其特征在于:所述计算机程序被处理器运行时执行如权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310411330.9A CN116407132B (zh) | 2023-04-17 | 2023-04-17 | 一种r波定位方法及基于r波的q、s、t波定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310411330.9A CN116407132B (zh) | 2023-04-17 | 2023-04-17 | 一种r波定位方法及基于r波的q、s、t波定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116407132A CN116407132A (zh) | 2023-07-11 |
CN116407132B true CN116407132B (zh) | 2024-05-14 |
Family
ID=87049372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310411330.9A Active CN116407132B (zh) | 2023-04-17 | 2023-04-17 | 一种r波定位方法及基于r波的q、s、t波定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116407132B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103549950A (zh) * | 2013-11-19 | 2014-02-05 | 上海理工大学 | 移动心电监测差分阈值检测改进算法 |
CN106963368A (zh) * | 2017-02-07 | 2017-07-21 | 深圳中科汇康技术有限公司 | Qrs复合波检测方法及装置 |
CN108888259A (zh) * | 2018-05-21 | 2018-11-27 | 南京大学 | 一种心电信号实时qrs波检测方法 |
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 |
CN114271830A (zh) * | 2021-12-15 | 2022-04-05 | 山东领能电子科技有限公司 | 一种心电信号检测方法及系统 |
-
2023
- 2023-04-17 CN CN202310411330.9A patent/CN116407132B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103549950A (zh) * | 2013-11-19 | 2014-02-05 | 上海理工大学 | 移动心电监测差分阈值检测改进算法 |
CN106963368A (zh) * | 2017-02-07 | 2017-07-21 | 深圳中科汇康技术有限公司 | Qrs复合波检测方法及装置 |
CN108888259A (zh) * | 2018-05-21 | 2018-11-27 | 南京大学 | 一种心电信号实时qrs波检测方法 |
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 |
CN114271830A (zh) * | 2021-12-15 | 2022-04-05 | 山东领能电子科技有限公司 | 一种心电信号检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116407132A (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117730B (zh) | 心电图心房颤动实时判断方法、装置、系统及存储介质 | |
Kathirvel et al. | An efficient R-peak detection based on new nonlinear transformation and first-order Gaussian differentiator | |
CN110680302B (zh) | 一种心电信号特征波的自动识别方法 | |
CN109381181B (zh) | 心电信号特征波形的端点检测方法 | |
CN108294745B (zh) | 多导联心电图信号中p波、t波起止点检测方法及系统 | |
CN112528783B (zh) | 心电图心搏数据聚类方法、装置、电子设备和介质 | |
CN109411042B (zh) | 心电信息处理方法和心电工作站 | |
CN111134659B (zh) | 一种用于心电信号中p波和t波的检测方法和装置 | |
Lu et al. | QRS detection based on improved adaptive threshold | |
Andreao et al. | ST-segment analysis using hidden Markov Model beat segmentation: application to ischemia detection | |
CN103549950A (zh) | 移动心电监测差分阈值检测改进算法 | |
CN111345816B (zh) | 多导联qrs波群检测方法、装置、设备及存储介质 | |
CN107233093B (zh) | R波的检测方法、装置及电子设备 | |
CN108154085B (zh) | 基于心电数据进行身份识别的方法、装置及电子设备 | |
CN103961089A (zh) | 基于分段直线拟合的窦性心率震荡趋势检测方法 | |
Chen et al. | A novel method based on Adaptive Periodic Segment Matrix and Singular Value Decomposition for removing EMG artifact in ECG signal | |
Pangerc et al. | Robust detection of heart beats in multimodal records using slope-and peak-sensitive band-pass filters | |
Gupta et al. | A derivative-based approach for QT-segment feature extraction in digitized ECG record | |
CN103083011B (zh) | 利用胸阻抗二阶差分图辅助实时定位心电r波峰的方法 | |
CN111839494A (zh) | 一种心率监测方法及系统 | |
CN116407132B (zh) | 一种r波定位方法及基于r波的q、s、t波定位方法 | |
CN115486854B (zh) | 一种针对干电极采集的单导联心电图室性早搏识别方法 | |
Sahoo et al. | ECG signal analysis for detection of Cardiovascular abnormalities and Ischemic episodes | |
CN115590524A (zh) | 基于卷积神经网络的qt间期延长识别方法及系统 | |
CN112438735B (zh) | 一种心电图p波检测方法、分析装置以及存储介质 |
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 |