CN117414140A - 一种基于四分位法的ecg心拍识别方法 - Google Patents

一种基于四分位法的ecg心拍识别方法 Download PDF

Info

Publication number
CN117414140A
CN117414140A CN202311734300.8A CN202311734300A CN117414140A CN 117414140 A CN117414140 A CN 117414140A CN 202311734300 A CN202311734300 A CN 202311734300A CN 117414140 A CN117414140 A CN 117414140A
Authority
CN
China
Prior art keywords
point
wave
quartile
detection area
ecg
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
CN202311734300.8A
Other languages
English (en)
Other versions
CN117414140B (zh
Inventor
金欢欢
李玉春
付洪兵
吴应平
肖晓
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 Fenda Intelligent Technology Co ltd
Original Assignee
Shenzhen Fenda Intelligent Technology 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 Fenda Intelligent Technology Co ltd filed Critical Shenzhen Fenda Intelligent Technology Co ltd
Priority to CN202311734300.8A priority Critical patent/CN117414140B/zh
Publication of CN117414140A publication Critical patent/CN117414140A/zh
Application granted granted Critical
Publication of CN117414140B publication Critical patent/CN117414140B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • A61B5/24—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
    • A61B5/353—Detecting P-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
    • A61B5/355—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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • 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)
  • Cardiology (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供了一种基于四分位法的ECG心拍识别方法，包括以下步骤：S11、使用采集到的原始人体ECG信号求出四分位数和四分位距IQR；本发明直接使用采集到的原始人体ECG信号进行R波检测，保证了R波检测算法的实时性和波形数据的完整性，然后将大于Q3的位置标记为峰值区，确定R点位置后，根据四分位法计算出上下四分位数和四分位距阈值，将ECG的原始信号波形划分为四个区，分别为Q点检测区，S点检测区，T波检测区，和P波检测区，最后利用设置P波二次确认机制，通过计算TP间期背景阶段噪声阈值，使P波的阈值大于TP间期背景阶段噪声最大值，最终确定P点位置，该方法在速度上具有实时性，因为参数很少，同时效果又很好，因此可适用于多种ECG设备。

Description

一种基于四分位法的ECG心拍识别方法
技术领域
本发明涉及一种ECG心拍识别方法，具体为基于四分位法的ECG心拍识别方法，属于生物信息技术领域。
背景技术
四分位数也称四分位点，它是将全部数据分成相等的四部分，其中每部分包括25%的数据，处在各分位点的数值就是四分位数。四分位数有三个，第一个四分位数就是通常所说的下四分位数，第二个四分位数就是中位数，第三个四分位数称为上四分位数，分别用Q1、Q2、Q3表示。
ECG信号分析包含P、T、QRS波群的检测，以及各自的形状、幅度、相应位置等的分析。ECG的心拍识别希望能够精准地分辨不同类型信号段位置。对ECG进行心拍识别因为以下原因而成为一个困难的问题。比如，P波的幅度很小，所以很容易被识别成电极移动或者肌肉噪声产生的一些干涉等等；P波和T波可以是双向的，所以精确判断它的起点和终点就相对有点困难；有些心脏的周期可能不全是标准的分割，比如，P波可能消失等等；P波是典型的低振幅信号，在各种病理状态下可能被心电图的其他成分所掩盖。
近年来，可穿戴式的ECG信号的自动分析引起了广泛的关注；这是诊断心脏病的最重要的方法，心电信号的自动分析首要任务是ECG心拍识别算法，目前已经有不少学者对ECG心拍识别和分割做了大量研究；目前心律失常的筛查，通常需要熟练的临床医生手动去检查心电图；另外，临床所做的心电图通常不足以让医生全面诊断心脏活动，因此，疑似心律失常的诊断，通常需要患者在胸前佩戴一个小型记录仪，在日常活动中持续监测心脏功能；而这类设备收集的数据通常会持续一到两天，因此需要，针对异常心电图进行人工定位心拍，从而对病人进行病理性分析；
心脏传导系统异常可诱发心律失常，心律失常常导致其他心脏疾病和并发症，有时甚至危及生命，这些传导系统扰动可以表现为心电图(ECG)信号的形态变化；这些形态变化的评估可能是具有挑战性和耗时的，因为心电信号特征往往是低振幅和微妙的；
心电信号通常是非平稳的，即频率随时间而变化，由于心电信号的特征通常在时间和频率上局部化，因此可以利用心电信号在不同尺度(频段)上的小波变换来检测和识别心电信号的各个成分。后来，以Unet为代表的神经网络方法被提出，这但由于其所需的网络结构参数量较大，运算速度受限，因此很难工程化；以Pan-Tompkin 论文所代表的心拍识别算法是目前应用最为广泛和最为经典的一种算法，其一般包含5-15Hz左右的QRS滤波器，所需延迟较大，再加上滑动窗口积分算法所需的延迟，其所包含的QRS波延迟可长达1秒。
然而许多心电图监测设备通常需要更短的心拍检测延迟，目前ECG心拍识别算法所需参数较多，存在较大的延迟，无法满足多种ECG设备的需求，为此，提出一种基于四分位法的ECG心拍识别方法。
发明内容
有鉴于此，本发明提供一种基于四分位法的ECG心拍识别方法，以解决或缓解现有技术中存在的技术问题，至少提供有益的选择。
本发明实施例的技术方案是这样实现的：一种基于四分位法的ECG心拍识别方法，包括以下步骤：
S11、使用采集到的原始人体ECG信号求出四分位数和四分位距IQR；
S12、进行R波位置检测，确定R点位置；
S13、根据四分位法计算出上下四分位数阈值和四分位距阈值，将ECG的原始信号波形划分为四个区，分别为Q点检测区，S点检测区，T波检测区，和P波检测区；
S14、获取Q点检测区和S点检测区；
S15、确定Q点和S点位置；
S16、获取T波检测区；
S17、确定T点位置；
S18、获取P波检测区及P点位置；
S19、计算TP间期背景阶段噪声阈值，并计算其噪声窗内的最大值和最小值；
S20、P波二次确认机制。
进一步优选的，所述S11中，将ECG信号所有数值从小到大排列成数列，把数列分割成四等份，在“分割点”位置的数值就是四分位数，四分位数有三个，第一个四分位数用Q1表示，为下四分位数，为所述数列中第25%的数字；第二个四分位数就是中位数，用Q2表示，为所述数列中第50%的数字；第三个四分位数，用Q3表示，为上四分位数，为所述数列中第75%的数字；
所述ECG信号包括但不限于原始人体ECG信号、去基线后的数据、经过滤波后处理后的数据。
进一步优选的，所述S11中，上四分位数与下四分位数的差距为四分位距IQR，其公式为：
Q1的位置= (n+1) × 0.25；
Q2的位置= (n+1) × 0.5；
Q3的位置= (n+1) × 0.75；
IQR = Q3 - Q1；
其中，n表示所述数列的个数。
进一步优选的，所述S12中，采用QRS波群的识别算法识别出R波的位置，将一段ECG数据段中，大于Q3的区域设置处于峰值区，R点位置为峰值区内寻找最大值，用表示。
进一步优选的，所述S14和S15中，在R点前设置Q点检测区，在R点后设置S点检测区，Q点为R点前的0.08s内最小值；S点为R点往后的0.08s内最小值
Q点检测区：R点前的0.08s内，幅值小于等电位线Q2的区域，用表示；
S点检测区：R点往后的0.08s内，幅值小于等电位线Q2的区域，用表示；
Q点位置：Q点检测区内，寻找最小值所在的位置，用表示；
S点位置：S点检测区内，寻找最小值所在的位置，用表示；
所述关系公式为：
公式一：；
公式二：；
公式三：；
公式四：；
所述公式一中，，表示Q点所在区域的时刻值位于R点位置前的0.08s范围内，且小于R点位置所在的时刻值；/>表示Q点所在区域的幅值小于等电位线Q2，同理可得公式二，在S点检测区/>内所对应的时间和幅值关系；公式三表示 Q点所在位置/>，等于Q点检测区内，具有最小幅值所对应的时刻，同理可得公式四，S点所在位置与S点检测区内最小幅值所对应时刻的关系式。
进一步优选的，所述S16和S17中，T波反映的是心室的快速复极期，T波的振幅，大于等于同导联QRS波R波的十分之一，不高于1.5mV；ECG的等电位线在Q2中值附近；
T波检测区：在Q2和Q3之间，R点往后的0.36s内，幅值大于Q2+0.35(Q3-Q2)的区域；
T点位置：T波检测区内最大值。
进一步优选的，所述S18中，PR间期的测量为从P波起始到QRS波的起始，包括P波的宽度；成人的PR间期范围是0.12~0.20 s；一度房室传导阻滞，表现为PR间期延长；
P点检测区为R点前的0.12s到0.36s之间。
进一步优选的，所述S19中，在T波结束到P波起始位置，选取至少0.5倍PR间期的数据窗长，计算TP间期背景阶段噪声阈值，并计算其噪声窗内的最大值和最小值。
进一步优选的，通过计算TP间期背景阶段噪声阈值，使P波的阈值大于TP间期背景阶段噪声最大值，最终确定P点位置，进行P波二次确认。
进一步优选的，所述S13中，检测区宽度包括但不限于0.08s；
所述S16和S17中，T波检测区为R点往后的0.36s内，其检测区宽度包括但不限于0.36s；
寻找大于Q2+0.35(Q3-Q2)的最大值标记为T点位置，其检测阈值包括但不限于Q2+0.35(Q3-Q2)；
所述S18中，P波检测区为R点前的0.12s到0.36s之间，其检测区起始位置包括但不限于0.12s到0.36s之间；
所述S19中，TP间期背景阶段所要求使用的窗长包括但不限于0.5倍PR间期的数据。
本发明实施例由于采用以上技术方案，其具有以下优点：本发明通过直接使用采集到的原始人体ECG信号进行R波检测，保证了R波检测算法的实时性和波形数据的完整性，然后将大于Q3的位置标记为峰值区，确定R点位置后，根据四分位法计算出上下四分位数和四分位距阈值，将ECG的原始信号波形划分为四个区，分别为Q点检测区，S点检测区，T波检测区，和P波检测区，最后利用设置P波二次确认机制，通过计算TP间期背景阶段噪声阈值，使P波的阈值大于TP间期背景阶段噪声最大值，最终确定P点位置，该方法在速度上具有实时性，因为参数很少，同时效果又很好，因此可适用于多种ECG设备。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或有技术描述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申请的一些实施例，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为本发明的ECG心拍识别算法流程图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
下面结合附图对本发明的实施例进行详细说明。
实施例一
如图1所示，本发明实施例提供了一种基于四分位法的ECG心拍识别方法，包括以下步骤：
S11、使用采集到的原始人体ECG信号求出四分位数和四分位距IQR；
S12、进行R波位置检测，确定R点位置；
S13、根据四分位法计算出上下四分位数和四分位距阈值，将ECG的原始信号波形划分为四个区，分别为Q点检测区，S点检测区，T波检测区，和P波检测区；
S14、获取Q点和S点检测区；
S15、确定Q点和S点位置；
S16、获取T波检测区；
S17、确定T点位置；
S18、获取P波检测区及P点位置；
S19、计算TP间期背景阶段噪声阈值，并计算其噪声窗内的最大值和最小值；
S20、P波二次确认机制；
主要包含三大主要步骤：求出四分位数和四分位距IQR 的S11操作，R波位置检测S12操作，以及划分四个检测区的S13操作，以及最后的P波二次确认机制S20操作，在步骤S11中，主要是获取当前数据段的数据分布阈值，求出四分位数和四分位距IQR ；在R波位置检测S12操作中，为了保证R波检测算法的实时性和波形数据的完整性，本专利直接采用原始信号，根据Q3阈值，进行R波检测，S13操作中，在确定了R波位置后，利用四分位法产生的四分位数和四分位距产生的阈值，将ECG的原始信号波形划分为四个检测区，分别Q点检测区，S点检测区，T波检测区，和P波检测区。在S20操作中，设置P波二次确认机制，通过计算TP间期背景阶段噪声阈值，最终确定P点位置。
在一个实施例中，S11中，将ECG信号所有数值从小到大排列，把数列分割成四等份，在“分割点”位置的数值就是四分位数，四分位数有三个，第一个四分位数用Q1表示，为下四分位数，是该样本中所有数值由小到大排列后第25%的数字；第二个四分位数就是中位数，用Q2表示，是该样本中所有数值由小到大排列后第50%的数字；第三个四分位数，用Q3表示，为上四分位数，是该样本中所有数值由小到大排列后第75%的数字；
ECG信号包括但不限于原始人体ECG信号、去基线后的数据、经过一系列滤波后处理后的数据。
在一个实施例中，S11中，上四分位数与下四分位数的差距为四分位距IQR，其公式为：
Q1的位置= (n+1) × 0.25；
Q2的位置= (n+1) × 0.5；
Q3的位置= (n+1) × 0.75；
IQR = Q3 - Q1；
其中，n表示该数列个数。
在一个实施例中，S12中，采用QRS波群的识别算法识别出R波的位置，将一段ECG数据段中，大于Q3的区域设置处于峰值区，R点位置为峰值区内寻找最大值，用表示；在R波位置检测S12操作中，为了保证R波检测算法的实时性和波形数据的完整性，本专利直接采用原始信号，根据Q3阈值，进行R波检测。
在一个实施例中，S14和S15中，在R点前后设置Q点和S点检测区，Q点为R点前的0.08s内最小值；S点为R点往后的0.08s内最小值；
Q点检测区：R点前的0.08s内，幅值小于等电位线Q2的区域，用表示表示；
S点检测区：R点往后的0.08s内，幅值小于等电位线Q2的区域，用表示；
Q点位置：Q点检测区内，寻找最小值所在的位置，用表示；
S点位置：S点检测区内，寻找最小值所在的位置，用表示；
关系公式为：
公式一：；
公式二：；
公式三：；
公式四：；
公式一中，，表示Q点所在区域的时刻值位于R点位置前的0.08s范围内，且小于R点位置所在的时刻值；/>表示Q点所在区域的幅值小于等电位线Q2，同理可得公式二，在S点检测区/>内所对应的时间和幅值关系；公式三表示 Q点所在位置/>，等于Q点检测区内，具有最小幅值所对应的时刻，同理可得公式四，S点所在位置与S点检测区内最小幅值所对应时刻的关系式。
在一个实施例中，S16和S17中，T波反映的是心室的快速复极期，T波的振幅，大于等于同导联QRS波R波的十分之一，不高于1.5mV；ECG的等电位线在Q2中值附近；
T波检测区：在Q2和Q3之间，R点往后的0.36s内，幅值大于Q2+0.35(Q3-Q2)的区域；
T点位置：T波检测区内最大值；T波反映的是心室的快速复极期，也就是心室的恢复期。
在一个实施例中，S18中，PR间期的测量是房室传导阻滞病理性诊断的重要指标，表示心房开始除极至心室开始除极的时间，即从P波起始到QRS波的起始，包括P波的宽度；正常成人的PR间期范围是0.12~0.20 s，受心率、年龄影响会有所缩短或延长；一度房室传导阻滞，表现为PR间期延长，在心电图上，其间期会大于一个大格，即0.2s；如果PR间期低于三小格，即0.12s，则可能存在KenT旁路，直接连接房室肌而不经过房室结；由于绕过房室结，旁路的快速传导产生心室的提前激动，从而表现为预激综合征；
P点检测区为R点前的0.12s到0.36s之间；正常成人的P点检测区应由正常的PR间期0.12~0.20 s和正常的QR宽度0.04s间距组成。因此正常人的P点检测区设置为R点前的0.16s到0.24s之间，在心电图上应从R点后的第4个小格到第6个小格之间。考虑到各种心律失常，可能存在KenT旁路，导致的PR间期缩短；另外，考虑到QRS波宽大畸形及PR间期延长的复杂情况，故设P点检测区为R点前的0.12s到0.36s之间。
在一个实施例中，S19中，在T波结束到P波起始位置，选取至少0.5倍PR间期的数据窗长，计算TP间期背景阶段噪声阈值，并计算其噪声窗内的最大值和最小值；当一个心动周期结束和下一个心动周期开始之间有一个等电周期，即TP间期，也可认为是位于两个心拍之间的背景阶段。在T波结束到P波起始位置，选取至少0.5倍PR间期的数据窗长，进行计算。
在一个实施例中，通过计算TP间期背景阶段噪声阈值，使P波的阈值大于TP间期背景阶段噪声最大值，最终确定P点位置，进行P波二次确认；P波是典型的低振幅信号，在各种病理状态下可能被心电图的其他成分所掩盖，很容易被识别成电极移动或者肌肉噪声产生的一些干涉；另外，有些心脏的周期可能不全是标准的分割，比如，房颤导致的P波消失等等。
在一个实施例中，S13中，检测区宽度为0.08s；
S16和S17中，T波检测区为R点往后的0.36s内，其检测区宽度为0.36s；
寻找大于Q2+0.35(Q3-Q2)的最大值标记为T点位置，其检测阈值为Q2+0.35(Q3-Q2)；
S18中，P波检测区为R点前的0.12s到0.36s之间，其检测区起始位置为0.12s到0.36s之间；
S19中，TP间期背景阶段所要求使用的窗长为0.5倍PR间期的数据；通过调整不同的阈值及取值方式，以便适配不同的设备。
实施例二
如图1所示，本发明实施例提供了一种基于四分位法的ECG心拍识别方法，包括以下步骤：
S11、使用采集到的原始人体ECG信号求出四分位数和四分位距IQR；
S12、进行R波位置检测，确定R点位置；
S13、根据四分位法计算出上下四分位数和四分位距阈值，将ECG的原始信号波形划分为四个区，分别为Q点检测区，S点检测区，T波检测区，和P波检测区；
S14、获取Q点和S点检测区；
S15、确定Q点和S点位置；
S16、获取T波检测区；
S17、确定T点位置；
S18、获取P波检测区及P点位置；
S19、计算TP间期背景阶段噪声阈值，并计算其噪声窗内的最大值和最小值；
S20、P波二次确认机制；
主要包含三大主要步骤：求出四分位数和四分位距IQR 的S11操作，R波位置检测S12操作，以及划分四个检测区的S13操作，以及最后的P波二次确认机制S20操作，在步骤S11中，主要是获取当前数据段的数据分布阈值，求出四分位数和四分位距IQR ；在R波位置检测S12操作中，为了保证R波检测算法的实时性和波形数据的完整性，本专利直接采用原始信号，根据Q3阈值，进行R波检测，S13操作中，在确定了R波位置后，利用四分位法产生的四分位数和四分位距产生的阈值，将ECG的原始信号波形划分为四个检测区，分别Q点检测区，S点检测区，T波检测区，和P波检测区。在S20操作中，设置P波二次确认机制，通过计算TP间期背景阶段噪声阈值，最终确定P点位置。
在一个实施例中，S13中，检测区宽度为0.07s；
S16和S17中，T波检测区为R点往后的0.35s内，其检测区宽度为0.35s；
其检测阈值为R波幅值的百分比；
S18中，P波检测区为R点前的0.11s到0.35s之间，其检测区起始位置为0.11s到0.35s之间；
S19中，TP间期背景阶段所要求使用的窗长包括但不限于0.55倍PR间期的数据；通过调整不同的阈值及取值方式，以便适配不同的设备。
本发明在工作时：首先直接使用采集到的原始人体ECG信号进行R波检测，保证了R波检测算法的实时性和波形数据的完整性，然后将大于Q3的位置标记为峰值区，确定R点位置后，根据四分位法计算出上下四分位数和四分位距阈值，将ECG的原始信号波形划分为四个区，分别为Q点检测区，S点检测区，T波检测区，和P波检测区；然后根据不同的检测区分别计算得出，Q点、S点、T点和P电位置，最后P波是典型的低振幅信号，在各种病理状态下可能被心电图的其他成分所掩盖，很容易被识别成电极移动或者肌肉噪声产生的一些干涉，另外，有些心脏的周期可能不全是标准的分割，比如，房颤导致的P波消失等等，在此，设置P波二次确认机制，通过计算TP间期背景阶段噪声阈值，使P波的阈值大于TP间期背景阶段噪声最大值，最终确定P点位置，该方法在速度上具有实时性，因为参数很少，同时效果又很好，因此可适用于多种ECG设备。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于四分位法的ECG心拍识别方法，其特征在于，包括以下步骤：
S11、使用采集到的原始人体ECG信号求出四分位数和四分位距IQR；
S12、进行R波位置检测，确定R点位置；
S13、根据四分位法计算出上下四分位数阈值和四分位距阈值，将ECG的原始信号波形划分为四个区，分别为Q点检测区，S点检测区，T波检测区，和P波检测区；
S14、获取Q点检测区和S点检测区；
S15、确定Q点和S点位置；
S16、获取T波检测区；
S17、确定T点位置；
S18、获取P波检测区及P点位置；
S19、计算TP间期背景阶段噪声阈值，并计算其噪声窗内的最大值和最小值；
S20、P波二次确认机制。
2.根据权利要求1所述的基于四分位法的ECG心拍识别方法，其特征在于：所述S11中，将ECG信号所有数值从小到大排列成数列，把数列分割成四等份，在“分割点”位置的数值就是四分位数，四分位数有三个，第一个四分位数用Q1表示，为下四分位数，为所述数列中第25%的数字；第二个四分位数就是中位数，用Q2表示，为所述数列中第50%的数字；第三个四分位数，用Q3表示，为上四分位数，为所述数列中第75%的数字；
所述ECG信号包括但不限于原始人体ECG信号、去基线后的数据、经过滤波后处理后的数据。
3.根据权利要求2所述的基于四分位法的ECG心拍识别方法，其特征在于：所述S11中，上四分位数与下四分位数的差距为四分位距IQR，其公式为：
Q1的位置= (n+1) × 0.25；
Q2的位置= (n+1) × 0.5；
Q3的位置= (n+1) × 0.75；
IQR = Q3 - Q1；
其中，n表示所述数列的个数。
4.根据权利要求3所述的基于四分位法的ECG心拍识别方法，其特征在于：所述S12中，采用QRS波群的识别算法识别出R波的位置，将一段ECG数据段中，大于Q3的区域设置处于峰值区，R点位置为峰值区内寻找最大值，用表示。
5.根据权利要求4所述的基于四分位法的ECG心拍识别方法，其特征在于：所述S14和S15中，在R点前设置Q点检测区，在R点后设置S点检测区，Q点为R点前的0.08s内最小值；S点为R点往后的0.08s内最小值；
Q点检测区：R点前的0.08s内，幅值小于等电位线Q2的区域，用表示；
S点检测区：R点往后的0.08s内，幅值小于等电位线Q2的区域，用表示；
Q点位置：Q点检测区内，寻找最小值所在的位置，用表示；
S点位置：S点检测区内，寻找最小值所在的位置，用表示；
其中，、/>、/>和/>的表达式分别为：
公式一：；
公式二：；
公式三：；
公式四：；
所述公式一中，，表示Q点所在区域的时刻值位于R点位置前的0.08s范围内，且小于R点位置所在的时刻值；/>表示Q点所在区域的幅值小于等电位线Q2，同理可得公式二，在S点检测区/>内所对应的时间和幅值关系；公式三表示 Q点所在位置/>，等于Q点检测区内，具有最小幅值所对应的时刻，同理可得公式四，S点所在位置与S点检测区内最小幅值所对应时刻的关系式。
6.根据权利要求5所述的基于四分位法的ECG心拍识别方法，其特征在于：所述S16和S17中，T波反映的是心室的快速复极期，T波的振幅，大于等于同导联QRS波R波的十分之一，不高于1.5mV；ECG的等电位线在Q2中值附近；
T波检测区：在Q2和Q3之间，R点往后的0.36s内，幅值大于Q2+0.35(Q3-Q2)的区域；
T点位置：T波检测区内最大值。
7.根据权利要求1所述的基于四分位法的ECG心拍识别方法，其特征在于：所述S18中，PR间期的测量为从P波起始到QRS波的起始，包括P波的宽度；成人的PR间期范围是0.12~0.20 s；一度房室传导阻滞，表现为PR间期延长；
P点检测区为R点前的0.12s到0.36s之间。
8.根据权利要求1所述的基于四分位法的ECG心拍识别方法，其特征在于：所述S19中，在T波结束到P波起始位置，选取至少0.5倍PR间期的数据窗长，计算TP间期背景阶段噪声阈值，并计算其噪声窗内的最大值和最小值。
9.根据权利要求1所述的基于四分位法的ECG心拍识别方法，其特征在于：通过计算TP间期背景阶段噪声阈值，使P波的阈值大于TP间期背景阶段噪声最大值，最终确定P点位置，进行P波二次确认。
10.根据权利要求1所述的基于四分位法的ECG心拍识别方法，其特征在于：所述S13中，检测区宽度包括但不限于0.08s；
所述S16和S17中，T波检测区为R点往后的0.36s内，其检测区宽度包括但不限于0.36s；
寻找大于Q2+0.35(Q3-Q2)的最大值标记为T点位置，其检测阈值包括但不限于Q2+0.35(Q3-Q2)；
所述S18中，P波检测区为R点前的0.12s到0.36s之间，其检测区起始位置包括但不限于0.12s到0.36s之间；
所述S19中，TP间期背景阶段所要求使用的窗长包括但不限于0.5倍PR间期的数据。
CN202311734300.8A 2023-12-18 2023-12-18 一种基于四分位法的ecg心拍识别方法 Active CN117414140B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311734300.8A CN117414140B (zh) 2023-12-18 2023-12-18 一种基于四分位法的ecg心拍识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311734300.8A CN117414140B (zh) 2023-12-18 2023-12-18 一种基于四分位法的ecg心拍识别方法

Publications (2)

Publication Number Publication Date
CN117414140A true CN117414140A (zh) 2024-01-19
CN117414140B CN117414140B (zh) 2024-04-02

Family

ID=89528692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311734300.8A Active CN117414140B (zh) 2023-12-18 2023-12-18 一种基于四分位法的ecg心拍识别方法

Country Status (1)

Country Link
CN (1) CN117414140B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120116213A (ko) * 2011-04-12 2012-10-22 부산대학교 산학협력단 심실조기수축 판별 시스템, 심실조기수축 판별 방법 및 이를 수행하는 프로그램이 기록된 저장매체
CN108814590A (zh) * 2018-03-23 2018-11-16 江苏华康信息技术有限公司 一种心电qrs波群的检测方法及其心电分析方法
CN109998529A (zh) * 2019-04-15 2019-07-12 北京工业大学 一种基于高斯函数拟合的ecg信号中p波、t波检测方法
CN110403595A (zh) * 2019-06-18 2019-11-05 中国人民解放军陆军军医大学 可穿戴式心电监测设备的信号质量评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120116213A (ko) * 2011-04-12 2012-10-22 부산대학교 산학협력단 심실조기수축 판별 시스템, 심실조기수축 판별 방법 및 이를 수행하는 프로그램이 기록된 저장매체
CN108814590A (zh) * 2018-03-23 2018-11-16 江苏华康信息技术有限公司 一种心电qrs波群的检测方法及其心电分析方法
CN109998529A (zh) * 2019-04-15 2019-07-12 北京工业大学 一种基于高斯函数拟合的ecg信号中p波、t波检测方法
CN110403595A (zh) * 2019-06-18 2019-11-05 中国人民解放军陆军军医大学 可穿戴式心电监测设备的信号质量评估方法

Also Published As

Publication number Publication date
CN117414140B (zh) 2024-04-02

Similar Documents

Publication Publication Date Title
CN107358196B (zh) 一种心搏类型的分类方法、装置及心电仪
Madeiro et al. An innovative approach of QRS segmentation based on first-derivative, Hilbert and Wavelet Transforms
De Chazal et al. A patient-adapting heartbeat classifier using ECG morphology and heartbeat interval features
US6597943B2 (en) Method of using spectral measures to distinguish among atrialfibrillation, atrial-flutter and other cardiac rhythms
AU2005295313B2 (en) Monitoring physiological activity using partial state space reconstruction
de Chazal et al. Automatic classification of ECG beats using waveform shape and heart beat interval features
CN107622259B (zh) 一种t波检测方法、心电数据分析方法及装置
Wu et al. Personalizing a generic ECG heartbeat classification for arrhythmia detection: a deep learning approach
CN110558970A (zh) 一种用于穿戴式智能内衣的心电信号分析方法
CN107530020A (zh) 用于基于ecg的心脏缺血检测的方法与系统
Kalyakulina et al. Lu electrocardiography database: a new openaccess validation tool for delineation algorithms
US8626274B2 (en) Methods, systems and devices for detecting and diagnosing heart diseases and disorders
Rahman et al. An algorithm for detection of arrhythmia
CN113180685B (zh) 基于形态学滤波和小波阈值的心电异常判别系统及方法
Ge et al. ECG-MAKE: An ECG signal delineation approach based on medical attribute knowledge extraction
US20130035604A1 (en) Frequency Analysis of 12-Lead Cardiac Electrical Signals to Detect and Identify Cardiac Abnormalities
Pang et al. Real time heart ischemia detection in the smart home care system
CN117414140B (zh) 一种基于四分位法的ecg心拍识别方法
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
Krasteva et al. Automatic detection of premature atrial contractions in the electrocardiogram
Donnelly et al. Lead selection: old and new methods for locating the most electrocardiogram information
Mayapur Detection and Processing of the R Peak
Londhe et al. A complete ECG signal delineation method based on wavelet transform
Gharaviri et al. Ischemia detection via ECG using ANFIS
Tribhuvanam et al. ECG abnormality classification with single beat analysis

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