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 PDFInfo
- 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
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
【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。
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)
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)
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)
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 |
-
2005
- 2005-12-29 CN CNA2005101214386A patent/CN1989897A/zh active Pending
-
2006
- 2006-12-01 US US11/607,457 patent/US7881779B2/en active Active
Cited By (18)
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 |