CN1989897A - 基于复杂度的心室纤颤综合检测方法 - Google Patents

基于复杂度的心室纤颤综合检测方法 Download PDF

Info

Publication number
CN1989897A
CN1989897A CNA2005101214386A CN200510121438A CN1989897A CN 1989897 A CN1989897 A CN 1989897A CN A2005101214386 A CNA2005101214386 A CN A2005101214386A CN 200510121438 A CN200510121438 A CN 200510121438A CN 1989897 A CN1989897 A CN 1989897A
Authority
CN
China
Prior art keywords
value
complexity
threshold value
data
ventricular fibrillation
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.)
Pending
Application number
CNA2005101214386A
Other languages
English (en)
Inventor
叶文宇
洪俊标
李树峰
卢山
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 Mindray Bio Medical Electronics Co Ltd
Original Assignee
Shenzhen Mindray Bio 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 Mindray Bio Medical Electronics Co Ltd filed Critical Shenzhen Mindray Bio Medical Electronics Co Ltd
Priority to CNA2005101214386A priority Critical patent/CN1989897A/zh
Priority to US11/607,457 priority patent/US7881779B2/en
Publication of CN1989897A publication Critical patent/CN1989897A/zh
Pending legal-status Critical Current

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
    • A61B5/361—Detecting fibrillation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7239—Details of waveform analysis using differentiation including higher order derivatives

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

本发明公开了一种基于复杂度的心室纤颤综合检测方法，以复杂度计算为主，采用多种处理手段，结合多个特征值来对心室纤颤进行综合检测，更有效地进行各种心电信号类别的区分，通过复杂度计算方法的修改，使之更适合反映室颤类信号的特征，灵敏度和特异性较高，并且算法计算量小，充分满足临床要求，解决目前监护仪，植入式除颤仪(ICD)和自动体外除颤仪(AED)等医疗仪器对心室纤颤检测灵敏度，特异性低，抗干扰能力弱等问题。

Description

基于复杂度的心室纤颤综合检测方法
【技术领域】
本发明涉及一种体表心电信号(ECG)检测方法，特别涉及心室纤颤(VF)检测方法。
【背景技术】
通过检索IEEE数据库、ELSEVIER数据库、维普数据库、万方数据库、美国专利局、中国专利局和欧洲专利局结果表明，早在六十年代，国外就有人开始研究心室纤颤，但是在很长一段时间内都没有引起人们的重视，研究成果并不是很多，并且都很难达到临床要求。近十几年来，由于心室纤颤的发病率不断增高，而抢救存活率却没有大的进展，心室纤颤的自动检测及除颤才越来越引起社会各相关部门的重视，心脏权威机构美国心脏联合会(AHA)也于九十年代初呼吁要尽快研究出自动除颤仪。
通过对近年来出现的检测方法的研究和比较，可知，目前一般采用时域检测法，频域检测法和时-频分析检测法，及相关的动力学分析法等。
专利WO0224276《SYSTEM AND METHOD FOR COMPLEXITYANALYSIS-BASED CARDIAC TACHYARRHYTHMIA DETECTION》提出用复杂度的方法来检测室颤，该方法实现如下：
1.先让信号通过一个3-33Hz的滤波器。
2.计算信号的心率HR；
3.对数据进行0，1化的过程：
1)求出数据所有正R波的平均值MPRV，求出所有负R波的平均值MNRV；如果没有负R波，则令MNRV＝MPRV×33％，如果没有正R波，则令MPRV＝MNRV×33％；
2)求出值在(MNRV×10％，MPRV×10％)之间的点的数目BaselineData，然后根据ratio＝BaselineData/N求出ratio，其中N为总点数；
3)如果ratio＜＝20％，则0，1化阈值Td＝0；如果ratio＞＝20％，则比较正R波的数目NPR和负R波的数目NNR，如果NPR＜NNR，则Td＝MPRV/2；如果NPR＜＝NNR，则Td＝MNRV/2；
4)根据Td值对信号幅度值序列A1，A2…An进行0，1化，当Ai＞Td时，Ai＝1，当Ai＜＝Td时，Ai＝0。
4.用Lempel-Ziv算法计算序列复杂度：
1)定义S1，S2，…，Sn为采用0，1化方法二对心电信号0，1化后的序列，S为各值相连接而成的序列串，令S＝S1S2…Sr，Q＝Sr+1。
2)用SQ表示把S，Q两个序列串拼接成的总序列串，SQV表示把SQ中最后一个序列删去所得的序列串(V表示去掉它前面的序列串的最后一个序列)，观察Q是否可以从SQV用复制方法得到。设SQV＝S1S2…Sr。如果Q不能从SQV中某个子串复制得到，则就用添加操作加上Sr+1，这时复杂度C(n)+1，又回到与刚才相同的情况。如果Q＝Sr+1可以从SQV中某个值复制得到，则观察Q＝Sr+1Sr+2能否从SQV的某个子串复制得到，这时SQV＝S1S2…SrSr+1，如果能复制到，则再考虑Q＝Sr+1Sr+2Sr+3，用同样的方法比较。
3)这样下去有两种可能，或者Q已包含了原来给定序列的最后一个符号Sn，则分析结束；或者对某个Q＝Sr+1Sr+2…Sr+i，它不再能从SQV的任何一个子串复制得到，这时就取添加操作，将这个Q添上，则这时S＝S1S2…SrSr+1…Sr+i，复杂度C(n)+1。这样就求出最终复杂度C(n)。
5、设定心率阈值TDR和复杂度阈值LCT，MCT，HCT，进行VF判定，流程图2所示。
在上述现有技术中，存在主要缺点是：1)提出的算法计算复杂；2)算法中仅通过心率及复杂度的判断，直接判定室颤，实际上室速，室上速，AF，AFL的复杂度都较高，很容易造成误判。3)灵敏度和特异性不高，其主要原因是没能精确的把VF和室性心动过速(VT，VentricularTachycardia)，心房纤颤(AF，Atrial Fibrillation)，心房扑动(AFL，Atrial Flutter)，室上性心动过速(SVT，superventriculartachycardia)等区分开来，并且没能充分考虑到各种噪声的影响，所以难以达到临床要求。
【发明内容】
本发明的目的就是为了解决以上问题，提供一种能够充分满足临床要求、可有效地使用在临床诊断中的心室纤颤综合检测方法。
为实现上述目的，本发明提出一种基于复杂度的心室纤颤综合检测方法，包括如下步骤：
1)按照一定的采样率，采集点数为n的心电信号分析数据；
2)用噪声去除方法对分析数据进行预处理得到数据y(n)；
3)用幅度标准化方法对信号幅度值A进行幅度标准化，得到数据y1(n)；
4)分别用斜率峰值分析方法求出数据y1(n)的斜率峰值SLMax，用概率密度分析法求出数据y1(n)的概率密度值PD，用复杂度计算法求出数据y1(n)的复杂度值C(n)；
5)根据实际分析结果，按照各结果数据大小分布情况设定各阈值：复杂度高阈值CHigh、复杂度低阈值CLow、复杂度中间阈值CMid、幅度概率密度阈值PDJ、斜率阈值SLMaxJ；
6)对复杂度值C(n)与前述各阈值进行比较判断：当〔C(n)＞CMid且PD＜PDJ1且SLMax＜SLMaxJ1〕或〔C(n)＞CHigh且PD＜PDJ2且SLMax＜SLMaxJ2〕或〔C(n)＞CLow〕时，判定心室纤颤发生；否则判定心室纤颤不发生。
上述的心室纤颤综合检测方法，还包括步骤7)重新采集m个心电信号分析数据，以先进先出方式去除上述n个数据中的前m个数据，构成新的n个心电信号分析数据，然后执行所述步骤1)至步骤6)，重新进行分析。
上述的心室纤颤综合检测方法，所述步骤4)中复杂度计算法包括如下步骤：
A、对心电信号数据进行0，1化处理，得到0，1化后的序列S1，S2，…，Sn，S为各值相连接而成的序列串，令S＝S1S2…Sr，Q＝Sr+1；
B、SQ表示把S，Q两个序列串拼接成的总序列串，SQV表示把SQ中最后一个序列删去所得的序列串，V表示去掉它前面的序列串的最后一个序列，判断Q是否可以从SQV用复制方法得到；设SQV＝S1S2…Sr；如果Q不能从SQV中某个子串复制得到，则这时Q＝1，Qlengthmax＝Qlength＝1，用添加操作加上Sr+1，复杂度C(n)+1；如果Q＝Sr+1可以从SQV中某个值复制得到，则判断Q＝Sr+1Sr+2能否从SQV的某个子串复制得到，此时SQV＝S1S2…SrSr+1，如果能复制到，则再取Q＝Sr+1Sr+2Sr+3，用同样的方法比较；
C、若Q已包含了原来给定序列的最后一个符号Sn，则分析结束；或者对某个Q＝Sr+1Sr+2…Sr+i，它不再能从SQV的任何一个子串复制得到，则Q序列的长度Qlength＝i；如果Q序列的长度Qlength大于前一Q的最大长度Qlengthmax，则更新Q的最大长度Q1engthmax现值＝Q序列的长度Qlength；取添加操作，添上Sr+1Sr+2…Sr+Qlengthmax，则这时S＝S1S2…SrSr+1…Sr+Qlengthmax，复杂度C(n)+1；求出最终复杂度C(n)。
所述数据0，1化处理的过程包括：
A.取数据y1(n)各点的值A1，A2…An，求A1，A2…An的平均值Aave
B.求出Ai-Aave的最大正值Vpmax和最小负值Vnmax；
C.求出Ai在0.0＜Ai＜10％Vpmax的数目Pc，Ai在10％Vnmax＜Ai＜0.0的数目Nc；
D.确定数据0，1化的阈值(Td)，当Pc+Nc＜40％n时，Td＝0.0，否则，当Pc＜Nc时，Td＝20％Vpmax，当Pc＞＝Nc时，Td＝20％Vnmax；
E.根据Td值对序列A1，A2…An进行0，1化，当Ai＞＝Td时，Ai＝1，当Ai＜Td时，Ai＝0。
上述的心室纤颤综合检测方法，所述复杂度阈值：复杂度高阈值CHigh在20～25间优选、复杂度低阈值CLow在8～12间优选、复杂度中间阈值CMid在15～19间优选。
所述噪声去除方法包括如下步骤：采用截止频率2.5Hz、阶数为1的巴特沃斯高通滤波器，对原始心电信号x(n)进行预处理，去除低频噪声；利用差分法求得y(n)：y(n)＝[9695x(n)-9695x(n-1)+9391y(n-1)]/10000。
所述幅度标准化过程包括：求出各秒幅度绝对值小于1000的最大值的平均值AmpMaxAverage，并令幅度绝对值大于1000的值等于1000；根据公式k＝1000/AmpMaxAverage求出k值，并且当k＞2.5时令k＝2.5；用k去乘以每个y(n)，得到标准化后数值y1(n)。
所述斜率峰值分析方法包括如下步骤：用两点差分算法计算斜率：y2(n)＝|y1(n)-y1(n-1)|；求出每秒的斜率峰值即y2(n)的最大值；求出每秒斜率峰值的平均值即为斜率峰值SLMax；根据斜率峰值SLMax的大小设定VF判断第一斜率阈值SLMaxJ1、第二斜率阈值SLMaxJ2。所述第一斜率阈值SLMaxJ1为320～380间优选，第二斜率阈值SLMaxJ2为110～150间优选。
所述幅度概率密度分析包括如下步骤：取数据y1(n)进行分析，求出各秒中小于1000且幅度绝对值最大值的平均值(AmpMaxAverage)；求出幅度在(-AmpMaxAverage×K，+AmpMaxAverage×K)之间值的数目r，其中K为经验值；然后根据PD＝r/n求出概率密度PD，确定幅度概率密度第一阈值PDJ1、幅度概率密度第二阈值PDJ2。所述幅度概率密度第一阈值PDJ1为在0.3～0.5间优选，幅度概率密度第二阈值PDJ2为在0.5～0.8间优选。
由于采用了以上的技术方案，带来了如下的有益效果：
本发明以复杂度计算为主，采用多种处理手段，结合多个特征值来对心室纤颤进行综合检测，更有效地进行各种心电信号类别的区分，精确地把VF和室性心动过速(VT，Ventricular Tachycardia)，心房纤颤(AF，Atrial Fibrillation)，心房扑动(AFL，Atrial Flutter)，室上性心动过速(SVT，superventricular tachycardia)等区分开来，充分满足临床要求，有效地使用在临床诊断中。
本发明采用多种处理手段，结合多个特征值来对心室纤颤进行综合检测，提高了检测的灵敏度和特异性、抗干扰性，使用检测结果更为准确可靠，充分满足临床要求，有效地使用在临床诊断中。
本发明通过复杂度计算方法的修改，使之更适合反映室颤类信号的特征，灵敏度和特异性较高，并且计算量较小，解决目前监护仪、植入式除颤仪(ICD)和自动体外除颤仪(AED)等医疗仪器对心室纤颤检测灵敏度，特异性低，抗干扰能力弱等问题。
【附图说明】
图1是斜率、频率和幅度的综合快速检测法流程图；
图2是专利WO0224276所披露的算法流程图；
图3是本发明采用高通滤波器相位特性图；
图4是本发明的综合检测流程图。
【具体实施方式】
下面通过具体的实施例并结合附图对本发明作进一步详细的描述。
请参考图4所示，本发明的综合自动检测方法，根据心电信号的随机性，VF的混乱性和易混淆性，噪声的干扰性，以及对检测灵敏度和特异性的高要求性，首先对信号进行噪声去除，幅度标准化预处理，然后结合复杂度，幅度概率密度，斜率峰值来实现VF自动检测。具体步骤如下：
1、数据采集：按照采样率250Hz，采集6秒数据存入预设的固定长度的存储空间x(n)，对该6秒的数据进行分析，则分析数据点数为n＝250×6；
2、用噪声去除方法对分析数据进行预处理得到数据y(n)：采用截止频率2.5Hz、阶数为1的巴特沃斯高通滤波器，对原始ECG波形信号x(n)进行预处理，去除低频噪声，效果较好，能满足要求。差分方程如下：y(n)＝[9695x(n)-9695x(n-1)+9391y(n-1)]/10000。滤波器幅度相位特性如图3。
3、用幅度标准化方法对数据A进行幅度标准化，得到数据y1(n)，具体过程包括：
1)求出各秒幅度绝对值小于1000的最大值的平均值AmpMaxAverage，并令幅度绝对值大于1000的值等于1000。
2)根据公式k＝1000/AmpMaxAverage求出k值，并且当k＞2.5时令k＝2.5。
3)用k去乘以每个y(n)，从而得到标准化后的值y1(n)。
4、进行斜率峰值分析，具体步骤如下：
1)取长度为6秒的数据y1(n)进行分析，采样率250Hz。
2)用两点差分算法计算斜率：y2(n)＝|y1(n)-y1(n-1)|。
3)求出每一秒的斜率峰值即y2(n)的最大值。
4)求出每秒斜率峰值的平均值即为斜率的峰值SLMax(SlopeMax)；
5)根据SLMax的大小设定VF判断第一斜率阈值SLMaxJ1、第二斜率阈值SLMaxJ2。该值为统计参数(经验参数)，统计参数的评估分析是依据美国国家标准ANSI/AAMI EC57-1998《心律和窦性心动过速部分测量法的结果检验和报告》中的推荐方法，采用国际标准数据库MIT，CU，AHA进行。本例中，第一斜率阈值SLMaxJ1为320～380间优选，第二斜率阈值为110～150间优选，经过反复评估调整后获得的较佳值SLMaxJ1＝360，SLMaxJ2＝140。
5、进行幅度概率密度分析，具体步骤如下：
1)取长度为6秒的数据y1(n)进行分析，采样率250Hz，则总点数n＝6×250。
2)求出各秒中小于1000且幅度绝对值最大值的平均值AmpMaxAverage。求出幅度在(-AmpMaxAverage×K，+AmpMaxAverage×K)之间值的数目r，其中K为经验值，该参数的评估分析是依据美国国家标准ANSI/AAMIEC57-1998《心律和窦性心动过速部分测量法的结果检验和报告》中的推荐方法，采用国际标准数据库MIT，CU，AHA进行，在本例中0.2～0.4之间优选，经过反复评估调整后获得的较佳值0.3。然后根据PD(Probability Density)＝r/n求出概率密度PD，确定幅度概率密度第一阈值PDJ1、幅度概率密度第二阈值PDJ2。PDJ1、PDJ2为经验参数，本例中，幅度概率密度第一阈值PDJ1在0.3～0.5间优选，幅度概率密度第二阈值PDJ2在0.5～0.8间优选，依据数据库评测分析得到，PDJ1＝0.4、PDJ2＝0.65时的效果较佳。
6、进行复杂度计算，具体方法如下：
要计算信号复杂度，必须先对数据y1(n)进行0，1化编码处理，采用合适的0，1化编码方法将对算法的检测起到很大的帮助。以下是充分分析心电数据特点之后所采用的数据0，1化编码方法：
a)取长度为6秒的数据y1(n)进行分析，采样率250Hz，则数据点数为n＝6*250，各点的值分别为A1，A2…An。
b)求A1，A2…An的平均值Aave。
c)求出Ai-Aave的最大正值Vpmax，和最小负值Vnmax。
d)求出Ai在0.0＜Ai＜10％Vpmax的数目Pc，Ai在10％Vnmax＜Ai＜0.0的数目Nc。
e)确定数据0，1化的阈值Td，当Pc+Nc＜40％n时，Td＝0.0，否则，当Pc＜Nc时，Td＝20％Vpmax，当Pc＞＝Nc时，Td＝20％Vnmax。
f)根据Td值对序列A1，A2…An进行0，1化，当Ai＞＝Td时，Ai＝1，当Ai＜Td时，Ai＝0。
对数据y1(n)进行0，1化编码处理后，再复杂度计算法，包括如步骤：
1)定义S1，S2，…，Sn为采用上边0，1化方法对心电信号0，1化后的序列，S为各值相连接而成的序列串，令S＝S1S2…Sr，Q＝Sr+1，定义Q中序列的长度为Qlength，定义Q的最大长度为Qlengthmax。
2)用SQ表示把S，Q两个序列串拼接成的总序列串，SQV表示把SQ中最后一个序列删去所得的序列串(V表示去掉它前面的序列串的最后一个序列)，观察Q是否可以从SQV用复制方法得到。设SQV＝S1S2…Sr。如果Q不能从SQV中某个子串复制得到，则这时Q＝1，Qlengthmax＝Qlength＝1，用添加操作加上Sr+1，复杂度C(n)+1，又回到与刚才相同的情况。如果Q＝Sr+1可以从SQV中某个值复制得到，则观察Q＝Sr+1Sr+2能否从SQV的某个子串复制得到，这时SQV＝S1S2…SrSr+1，如果能复制到，则再考虑Q＝Sr+1Sr+2Sr+3，用同样的方法比较。
3)这样下去有两种可能，或者Q已包含了原来给定序列的最后一个符号Sn，则分析结束；或者对某个Q＝Sr+1Sr+2…Sr+i，它不再能从SQV的任何一个子串复制得到，则这时Qlength＝i；如果Qlength＞前一Qlengthmax，则更新Qlengthmax＝Qlength；取添加操作，添上Sr+1Sr+2…Sr+Qlengthmax，则这时S＝S1S2…SrSr+1…Sr+Qlengthmax，复杂度C(n)+1。
4)根据实际分析结果按照大小分布情况设定各复杂度阈值：复杂度高阈值CHigh在20～25间优选、复杂度低阈值CLow在8～12间优选、复杂度中间阈值CMid在15～19间优选，依据数据库评测分析得到：高阈值CHigh＝24；低阈值CLow＝8、中间阈值CMid＝16。
本发明的复杂度计算减少运算量，利于拉开VF与其它信号的复杂度差距，方便区分。
7、依据上述各阈值分析结果，进行综合判断：当〔C(n)＞CMid且PD＜PDJ1〕且SLMax＜SLMaxJ1〕或〔C(n)＞CHigh且PD＜PDJ2且SLMax＜SLMaxJ2〕或〔C(n)＞CLow〕时，判定心室纤颤发生；否则判定心室纤颤不发生。
本例中，为了得到更为准确的分析结果，可进行循环分析：去掉原来6秒存储空间中的前两秒数据，重新采集两秒数据，压入该存储空间，和原来剩下的4秒数据构成新的6秒数据，然后从第1步重新进行分析。
本发明对VF和室性心动过速(VT，Ventricular Tachycardia)，心房纤颤(AF，Atrial Fibrillation)，心房扑动(AFL，Atrial Flutter)，室上性心动过速(SVT，superventricular tachycardia)等的区分能力较强，抗噪声干扰能力较强；灵敏度和特异性较高。
本发明已经严格按照美国国家标准协会和医疗器械开发联合会标准EC57的要求对标准数据库CUDB，AHA和MIT-BIH进行评测。
本发明的结构(方法)在作以下的变更后，还可以提供相近的功效：
1)采用原始的Lempel-Ziv算法代替以上复杂度计算方法；
2)0，1化编码方法的各个参数值可根据以上所提到的值上下波动；
3)算法的所有阈值也可适当上下波动；本发明还可以运用在以下的产品(方法)中：监护仪，除颤仪，植入式除颤仪(ICD)和自动体外除颤仪(AED)等。

Claims (11)

1、一种基于复杂度的心室纤颤综合检测方法，包括如下步骤：
1)按照一定的采样率，采集点数为n的心电信号分析数据；
2)用噪声去除方法对分析数据进行预处理得到数据y(n)；
3)用幅度标准化方法对信号幅度值A进行幅度标准化，得到数据y1(n)；
4)分别用斜率峰值分析方法求出数据y1(n)的斜率峰值SLMax，用概率密度分析法求出数据y1(n)的概率密度值PD，用复杂度计算法求出数据y1(n)的复杂度值C(n)；
5)根据实际分析结果，按照各结果数据大小分布情况设定各阈值：复杂度高阈值CHigh、复杂度低阈值CLow、复杂度中间阈值CMid、第一幅度概率密度阈值PDJ1、第二幅度概率密度阈值PDJ2、第一斜率阈值SLMaxJ1、第二斜率阈值SLMaxJ2；
6)对复杂度值C(n)与前述各阈值进行比较判断：当〔C(n)＞CMid且PD＜PDJ1且SLMax＜SLMaxJ1〕或〔C(n)＞CHigh且PD＜PDJ2且SLMax＜SLMaxJ2〕或〔C(n)＞CLow〕时，判定心室纤颤发生；否则判定心室纤颤不发生。
2、如权利要求1所述的心室纤颤综合检测方法，其特征是：还包括步骤7)重新采集m个心电信号分析数据，以先进先出方式去除上述n个数据中的前m个数据，构成新的n个心电信号分析数据，然后执行所述步骤1)至步骤6)，重新进行分析。
3、如权利要求1或2所述的心室纤颤综合检测方法，其特征是：所述步骤4)中复杂度计算法包括如下步骤：
A、对心电信号数据进行0，1化处理，得到0，1化后的序列S1，S2，…，Sn，S为各值相连接而成的序列串，令S＝S1S2…Sr，Q＝Sr+1；
B、SQ表示把S，Q两个序列串拼接成的总序列串，SQV表示把SQ中最后一个序列删去所得的序列串，V表示去掉它前面的序列串的最后一个序列，判断Q是否可以从SQV用复制方法得到；设SQV＝S1S2…Sr；如果Q不能从SQV中某个子串复制得到，则这时Q＝1，Qlengthmax＝Qlength＝1，用添加操作加上Sr+1，复杂度C(n)+1；如果Q＝Sr+1可以从SQV中某个值复制得到，则判断Q＝Sr+1Sr+2能否从SQV的某个子串复制得到，此时SQV＝S1S2…SrSr+1，如果能复制到，则再取Q＝Sr+1Sr+2Sr+3，用同样的方法比较；
C、若Q已包含了原来给定序列的最后一个符号Sn，则分析结束；或者对某个Q＝Sr+1Sr+2…Sr+1，它不再能从SQV的任何一个子串复制得到，则Q序列的长度Qlength＝i；如果Q序列的长度Qlength大于前一Q的最大长度Qlengthmax，则更新Q的最大长度Qlengthmax的现值＝Q序列的长度Qlength；取添加操作，添上Sr+1Sr+2…Sr+Qlengthmax，则这时S＝S1S2…SrSr+1…Sr+Qlengthmax，复杂度C(n)+1；求出最终复杂度C(n)。
4、如权利要求3所述的心室纤颤综合检测方法，其特征是：所述数据0，1化处理的过程包括：
A.取数据y1(n)各点的值A1，A2…An，求A1，A2…An的平均值Aave；
B.求出Ai-Aave的最大正值Vpmax和最小负值Vnmax；
C.求出Ai在0.0＜Ai＜10％Vpmax的数目Pc，Ai在10％Vnmax＜Ai＜0.0的数目Nc；
D.确定数据0，1化的阈值Td，当Pc+Nc＜40％n时，阈值Td＝0.0，否则，当Pc＜Nc时，阈值Td＝20％Vpmax，当Pc＞＝Nc时，阈值Td＝20％Vnmax；
E.根据Td值对序列A1，A2…An进行0，1化，当Ai＞＝阈值Td时，Ai＝1，当Ai＜阈值Td时，Ai＝0。
5、如权利要求3所述的心室纤颤综合检测方法，其特征是：所述复杂度阈值：复杂度高阈值CHigh在20～25间优选、复杂度低阈值CLow在8～12间优选、复杂度中间阈值CMid在15～19间优选。
6、如权利要求3所述的心室纤颤综合检测方法，其特征是：所述噪声去除方法包括如下步骤：采用截止频率2.5Hz、阶数为1的巴特沃斯高通滤波器，对原始心电信号x(n)进行预处理，去除低频噪声；利用差分法求得y(n)：y(n)＝[9695x(n)-9695x(n-1)+9391y(n-1)]/10000。
7、如权利要求3所述的心室纤颤综合检测方法，其特征是：所述幅度标准化方法包括如下步骤：求出各秒幅度绝对值小于1000的最大值的平均值AmpMaxAverage，并令幅度绝对值大于1000的值等于1000；根据公式k＝1000/AmpMaxAverage求出k值，并且当k＞2.5时令k＝2.5；用k去乘以每个y(n)，得到标准化后数值y1(n)。
8、如权利要求3所述的心室纤颤综合检测方法，其特征是：所述斜率峰值分析方法包括如下步骤：用两点差分算法计算斜率：y2(n)＝|y1(n)-y1(n-1)|；求出每秒的斜率峰值即y2(n)的最大值；求出每秒斜率峰值的平均值即为斜率峰值SLMax；根据斜率峰值SLMax的大小设定VF判断第一斜率阈值SLMaxJ1、第二斜率阈值SLMaxJ2。
9、如权利要求3所述的心室纤颤综合检测方法，其特征是：所述幅度概率密度分析包括如下步骤：取数据y1(n)进行分析，求出各秒中小于1000且幅度绝对值最大值的平均值AmpMaxAverage；求出幅度在(-AmpMaxAverage×K，+AmpMaxAverage×K)之间值的数目r，其中K为经验值；然后根据PD＝r/n求出概率密度(PD)，确定幅度概率密度第一阈值PDJ1、幅度概率密度第二阈值PDJ2。
10、如权利要求8所述的心室纤颤综合检测方法，其特征是：所述第一斜率阈值SLMaxJ1为320～380间优选，第二斜率阈值SLMaxJ2为110～150间优选。
11、如权利要求9所述的心室纤颤综合检测方法，其特征是：所述幅度概率密度第一阈值PDJ1为在0.3～0.5间优选，幅度概率密度第二阈值PDJ2为在0.5～0.8间优选。
CNA2005101214386A 2005-12-29 2005-12-29 基于复杂度的心室纤颤综合检测方法 Pending CN1989897A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CNA2005101214386A CN1989897A (zh) 2005-12-29 2005-12-29 基于复杂度的心室纤颤综合检测方法
US11/607,457 US7881779B2 (en) 2005-12-29 2006-12-01 Method and apparatus for synthetically detecting ventricular fibrillation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNA2005101214386A CN1989897A (zh) 2005-12-29 2005-12-29 基于复杂度的心室纤颤综合检测方法

Publications (1)

Publication Number Publication Date
CN1989897A true CN1989897A (zh) 2007-07-04

Family

ID=38212594

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2005101214386A Pending CN1989897A (zh) 2005-12-29 2005-12-29 基于复杂度的心室纤颤综合检测方法

Country Status (2)

Country Link
US (1) US7881779B2 (zh)
CN (1) CN1989897A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102028460A (zh) * 2011-01-04 2011-04-27 复旦大学 心室纤颤信号序列自动检测系统
CN102058407A (zh) * 2011-02-09 2011-05-18 复旦大学 心室纤颤预测方法与装置
CN106572807A (zh) * 2014-07-11 2017-04-19 心脏起搏器股份公司 用于医疗设备的省电通信
CN106901724A (zh) * 2017-04-26 2017-06-30 河南省中医院（河南中医药大学第二附属医院） 一种心电图测试装置及测试方法
CN107847746A (zh) * 2015-07-30 2018-03-27 心脏起搏器股份公司 在可植入装置中触发心房纤颤电极
CN108937920A (zh) * 2017-05-26 2018-12-07 北京大学 一种心室纤颤信号检测方法、系统及心室纤颤检测装置
CN109199361A (zh) * 2018-07-18 2019-01-15 鹤为科技（北京）有限公司 室颤检测方法、存储介质和装置
CN111419215A (zh) * 2020-04-09 2020-07-17 苏州维伟思医疗科技有限公司 一种除颤决策方法、装置及计算机可读存储介质
CN111528833A (zh) * 2020-05-07 2020-08-14 广州大学 一种心电信号的快速识别与处理方法及系统
US10881317B2 (en) 2017-03-07 2021-01-05 Cardiac Pacemakers, Inc. Post-hoc atrial fibrillation detection
CN112545531A (zh) * 2020-11-27 2021-03-26 苏州维伟思医疗科技有限公司 一种结合时域与频域分析识别可除颤心律的方法
CN113100779A (zh) * 2020-01-10 2021-07-13 深圳市理邦精密仪器股份有限公司 心室纤颤的检测方法、装置及监测设备

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9126055B2 (en) 2012-04-20 2015-09-08 Cardiac Science Corporation AED faster time to shock method and device

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5967995A (en) 1998-04-28 1999-10-19 University Of Pittsburgh Of The Commonwealth System Of Higher Education System for prediction of life-threatening cardiac arrhythmias
US6490478B1 (en) * 2000-09-25 2002-12-03 Cardiac Science Inc. System and method for complexity analysis-based cardiac tachyarrhythmia detection
US6871089B2 (en) 2002-06-05 2005-03-22 Card Guard Technologies, Inc. Portable ECG monitor and method for atrial fibrillation detection
CN1169492C (zh) 2002-07-12 2004-10-06 清华大学 一种运动心电图中的t波交替的检测方法
CN100342820C (zh) 2004-02-26 2007-10-17 阮炯 一种心率变异性的预测度指标检测分析方法及仪器

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102028460B (zh) * 2011-01-04 2014-01-08 复旦大学 心室纤颤信号序列自动检测系统
CN102028460A (zh) * 2011-01-04 2011-04-27 复旦大学 心室纤颤信号序列自动检测系统
CN102058407A (zh) * 2011-02-09 2011-05-18 复旦大学 心室纤颤预测方法与装置
CN102058407B (zh) * 2011-02-09 2014-03-05 复旦大学 心室纤颤预测方法与装置
CN106572807A (zh) * 2014-07-11 2017-04-19 心脏起搏器股份公司 用于医疗设备的省电通信
CN106572807B (zh) * 2014-07-11 2022-07-15 心脏起搏器股份公司 用于医疗设备的省电通信
CN107847746A (zh) * 2015-07-30 2018-03-27 心脏起搏器股份公司 在可植入装置中触发心房纤颤电极
US10881317B2 (en) 2017-03-07 2021-01-05 Cardiac Pacemakers, Inc. Post-hoc atrial fibrillation detection
CN106901724A (zh) * 2017-04-26 2017-06-30 河南省中医院（河南中医药大学第二附属医院） 一种心电图测试装置及测试方法
CN108937920A (zh) * 2017-05-26 2018-12-07 北京大学 一种心室纤颤信号检测方法、系统及心室纤颤检测装置
CN108937920B (zh) * 2017-05-26 2021-05-25 北京大学 一种心室纤颤信号检测方法、系统及心室纤颤检测装置
CN109199361A (zh) * 2018-07-18 2019-01-15 鹤为科技（北京）有限公司 室颤检测方法、存储介质和装置
CN109199361B (zh) * 2018-07-18 2022-03-04 鹤为科技（北京）有限公司 心电信号数据中r峰时刻的提取方法、存储介质和装置
CN113100779A (zh) * 2020-01-10 2021-07-13 深圳市理邦精密仪器股份有限公司 心室纤颤的检测方法、装置及监测设备
CN111419215A (zh) * 2020-04-09 2020-07-17 苏州维伟思医疗科技有限公司 一种除颤决策方法、装置及计算机可读存储介质
CN111528833A (zh) * 2020-05-07 2020-08-14 广州大学 一种心电信号的快速识别与处理方法及系统
CN111528833B (zh) * 2020-05-07 2023-05-02 广州大学 一种心电信号的快速识别与处理方法及系统
CN112545531A (zh) * 2020-11-27 2021-03-26 苏州维伟思医疗科技有限公司 一种结合时域与频域分析识别可除颤心律的方法

Also Published As

Publication number Publication date
US7881779B2 (en) 2011-02-01
US20070179393A1 (en) 2007-08-02

Similar Documents

Publication Publication Date Title
CN1989897A (zh) 基于复杂度的心室纤颤综合检测方法
CN109907752B (zh) 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系统
CN107714023B (zh) 基于人工智能自学习的静态心电图分析方法和装置
CN103860162B (zh) 一种起搏信号检测方法、系统和心电检测设备
CN1301080C (zh) 检测急性心脏局部缺血症状的缩减导联组
EP1706031B1 (en) Cardiac monitoring
CN110046604B (zh) 一种基于残差网络的单导联ecg心律失常检测分类方法
Chen A two-stage discrimination of cardiac arrhythmias using a total least squares-based Prony modeling algorithm
CN103970975B (zh) 心电数据处理方法和系统
CN101061950A (zh) 利用spo2进行心房纤颤检测
CN114052744B (zh) 基于脉冲神经网络的心电信号分类方法
CN1334709A (zh) 用于降低胎儿ecg信号中的信号噪声的装置
CN111832537B (zh) 异常心电信号识别方法及异常心电信号识别装置
Behbahani et al. Detection of QRS complexes in the ECG signal using multiresolution wavelet and thresholding method
CN111557659A (zh) 基于多特征融合与Stacking-DWKNN的心律失常分类方法
CN101049235A (zh) 心室复极高频波体表检测方法与装置
CN108937920B (zh) 一种心室纤颤信号检测方法、系统及心室纤颤检测装置
CN1180746C (zh) 心电频谱图检测仪
CN110070013B (zh) 一种ecg信号噪声污染程度与类别智能评估方法
CN111803054B (zh) 一种实时评估室颤信号质量和除颤成功率的方法与仪器
Goodfellow et al. Denoising and automated R-peak detection in the ECG using Discrete Wavelet Transform
CN113116328A (zh) 一种基于心冲击图的心率检测方法
CN100342820C (zh) 一种心率变异性的预测度指标检测分析方法及仪器
CN1169492C (zh) 一种运动心电图中的t波交替的检测方法
CN106725487A (zh) 一种呼吸率提取方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Open date: 20070704