RU2624809C1 - Способ обработки электрокардиосигнала для персональных носимых кардиомониторов - Google Patents
Способ обработки электрокардиосигнала для персональных носимых кардиомониторов Download PDFInfo
- Publication number
- RU2624809C1 RU2624809C1 RU2016134522A RU2016134522A RU2624809C1 RU 2624809 C1 RU2624809 C1 RU 2624809C1 RU 2016134522 A RU2016134522 A RU 2016134522A RU 2016134522 A RU2016134522 A RU 2016134522A RU 2624809 C1 RU2624809 C1 RU 2624809C1
- Authority
- RU
- Russia
- Prior art keywords
- signal
- window
- peaks
- samples
- maximum
- Prior art date
Links
Images
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
Abstract
Изобретение относится к медицинской технике и предназначено для предварительной обработки электрокардиосигнала для персональных носимых кардиомониторов. При этом с датчиков ЭКГ снимают электрокардиосигналы, усиливают их и проводят первичную аналоговую обработку. Аналоговый сигнал дискретизируют по амплитуде и по времени для перевода в цифровой. Корректируют дрейф изолинии путем определения скользящего среднего на прямоугольном временном окне длительностью N1 в 30 дискретных отсчетов с последующим его вычитанием из входного сигнала. Проводят адаптивную нормализацию сигналов R-пиков. Устраняют шумовые и высокочастотные наводки путем оценки для каждого текущего отсчета i разности ΔSi между площадью сигналов SN3 в рамках скользящего прямоугольного окна N3 в 15 дискретных отсчетов и ее средним значением SN1 ср. на скользящем окне N1. Оставляют исходную форму сигнала, если разность ΔSi составляет величину более двух, и заменяют на среднее значение сигнала в скользящем окне N1, если разность ΔSi составляет величину менее двух. Осуществляют локализацию положения R-пиков пороговым детектированием по уровню 0,5, выбором максимума пиков из каждых пяти рядом расположенных отсчетов и определением временного расположения максимума. Удаляют нетипичные кардиоциклы и проводят извлечение информации, относящейся к сердечным сокращениям пользователя. Достигается сокращение вычислительных затрат и мощностей, а также энергопотребления, повышение длительности работы кардиомонитора без замены аккумуляторов, повышение достоверности диагностирования ЭКГ, сокращение продолжительности проведения оценки функционального состояния для пациента и ускорение доврачебной оценки заболеваний сердца. 7 ил.
Description
Изобретение относится к области медицины, в частности к методам автоматического анализа биомедицинской информации, и предназначено для предварительной обработки электрокардиосигнала (ЭКС), поиска R-пиков, определения R-Rинтервалов и других информативных параметров электрокардиосигнала, например показателей вариабельности сердечного ритма в персональных носимых кардиомониторах.
Современный этап развития медицинского приборостроения характеризуется возрастающим интересом как к новым технологиям диагностики состояния здоровья, так и к автоматическому анализу самой биомедицинской информации, среди которой анализ электрокардиосигнала (ЭКС) играет одну из ключевых ролей.
К настоящему времени проблема автоматической обработки и анализа ЭКС сложилась в отдельное направление, разветвленное на множество более частных задач, связанных с различными областями применения. Одной из таких задач является автоматический анализ ЭКС в персональных носимых кардиомониторах. В отличие от традиционных многофункциональных клинических кардиомониторов (например, стационарных, прикроватных, возимых в машинах скорой медицинской помощи и др.), в персональных носимых кардиомониторах на первый план резко выступают ограничения как по массогабаритным характеристикам и энергопотреблению, так и, в особенности, по вычислительной мощности используемых процессоров. В связи с этим становятся особенно востребованными такие способы автоматической обработки и анализа ЭКС, которые при перечисленных выше ограничениях позволили бы производить предварительную обработку сигнала непосредственно в самих носимых персональных кардиомониторах и не нарушили бы при этом исходную форму ЭКС для повышения достоверности выявления информативных параметров.
Известны способы предварительной обработки ЭКС, наиболее совершенным из которых считается метод Пана - Томпкинса, которые основаны на предварительной фильтрации ЭКС, взятии первой или второй производной от ЭКС, ее возведении в квадрат или куб с последующей фильтровой обработкой [Рангайян P.M. Анализ биомедицинских сигналов, пер. с англ. А.Н. Калиниченко под ред. Немирко. М. Физматлит. 2007; Компьютерные методы автоматического анализа ЭКГ в системах кардиологического наблюдения. Калиниченко А.Н., докт. диссерт. 12Д5М 2003, СПб, 2008, заявка RU №2014127196, МКИ А61В 5/0452, опубл. 10.02.2016]. Недостаток этих способов заключается в том, что результирующий сигнал не имеет никакого сходства с исходным ЭКС, т.к. относительно медленные зубцы Р и Т подавляются, а выходной сигнал приобретает дополнительный шумовой характер, для устранения которого требуется дополнительная операция сглаживания, что требует привлечения дополнительных вычислительных ресурсов, увеличения длительности обработки и, как следствие, приводит к увеличению энергопотребления. Кроме того, известные способы характеризуются относительно плохими результатами обнаружения проблемных сигналов, в частности, содержащих дрейф изолинии.
Известны также способы предварительной обработки ЭКС (пат. RU 2345709, МПК А61В 5/0432, опубл. 10.02.2009, патент RU 2373945, МПК А61В 5/0402, опубл. 27.11.2009, заявка RU 2009 105 130, МПК А61В 5/0402, опубл. 27.08.2010), использующие встроенные средства фильтрации сигнала ЭКГ, расположенные между датчиками ЭКГ и блоком обработки сигналов, что, однако, искажает исходную форму ЭКС, а следовательно, снижает достоверность диагностики ЭКС. Кроме того, это создает дополнительную групповую задержку, которая приводит к паразитному временному сдвигу в отсчетах, для устранения которого приходится использовать дополнительную операцию сглаживания с использованием адаптивных фильтров, что также приводит к необходимости увеличения длительности обработки и вычислительной мощности. При этом выходной QRS-комплекс также не имеет сходства с исходным сигналом, что приводит к снижению достоверности выявления информативных параметров ЭКС.
Известны способы, использующие вейлет-преобразования, нейронные сети или спектральную обработку функций Уолша [Сравнительный анализ алгоритмов обнаружения R-зубца ЭКС, А.В. Рослякова, П.Г. Чупраков, Экспериментальная медицина и клиническая диагностика, Вятский медицинский вестник, №2, 2012, 29-35; Патент РФ 2242164, МПК А61В 5/0402 опубл. 20.12.2004]. Однако для качественной обработки ЭКС известные способы требуют очень высоких вычислительных мощностей и, следовательно, высокого энергопотребления. Поэтому в персональных носимых мониторах для длительного мониторинга они не могут быть использованы.
Задачей предлагаемого решения является разработка способа обработки электрокардиосигнала для персональных носимых кардиомониторов, лишенный перечисленных недостатков.
При решении поставленной задачи достигается технический результат, заключающийся в сокращении вычислительных затрат, и, как следствие, вычислительных мощностей, и, соответственно энергопотребления, повышение длительности работы кардиомонитора без замены аккумуляторов, повышение достоверности диагностирования ЭКГ, сокращение продолжительности проведения оценки функционального состояния для пациента (до нескольких миллисекунд и менее) и тем самым ускорение доврачебной оценки заболеваний сердца.
Сущность изобретения заключается в том, что с датчиков ЭКГ снимают электрокардиосигналы, усиливают их, проводят первичную аналоговую обработку, затем аналоговый сигнал дискретизируют по амплитуде и по времени для перевода в цифровой сигнал, корректируют дрейф изолинии путем определения скользящего среднего на прямоугольном временном окне длительностью N1 в 30 дискретных отсчетов с последующим его вычитанием из входного сигнала, затем проводят адаптивную нормализацию сигналов R-пиков, для чего на каждом шаге дискретизации выбирают скользящий максимум Amax(i) на прямоугольном окне N2 в 300 дискретных отсчетов и умножают значения каждого текущего отсчета окна N2 на коэффициент Gi=1/Amax(i), далее устраняют шумовые и высокочастотные наводки путем оценки для каждого текущего отсчета i разности ΔSi между площадью сигналов SN3 в рамках скользящего прямоугольного окна N3 в 15 дискретных отсчетов симметрично по семь отсчетов вправо и влево относительно текущего отсчета и ее средним значением SN1 ср. на скользящем окне N1, и если разность ΔSi составляет величину более двух - оставляют исходную форму сигнала, а менее двух - заменяют на среднее значение сигнала в скользящем окне N1, затем осуществляют локализацию положения R-пиков пороговым детектированием по уровню 0,5, выбором пиков и их расположения на временном окне из каждых пяти рядом расположенных отсчетов, а также удалением нетипичных кардиосигналов, далее проводят извлечение информации, относящейся к сердечным сокращениям пользователя.
Использование в процессе обработки электрокардиосигнала (ЭКС) прямоугольных окон позволяет, с одной стороны, выбирать любую их длительность, не меняя при этом сам алгоритм обработки электрокардиосигнала, а с другой стороны, позволяет значительно сократить вычислительные мощности при выполнении различных операций с ЭКС за счет сокращения в N раз числа необходимых операций на каждый текущий отсчет входного сигнала.
Корректировка дрейфа изолинии на прямоугольном временном окне в 30 дискретных отсчетов позволяют убрать не только тренд дыхания, но и другие низкочастотные артефакты, вызванные движением при свободном ношения кардиомонитора, что повышает достоверность диагностирования.
Адаптивная нормализация амплитуды сигналов R-пиков позволяет упростить последующий этап детектирования R-пиков, что уменьшает время диагностирования и вычислительные затраты.
Предложенное устранение шумоподобных составляющих ЭКС, обусловленных наводками и мимикрией мышц, путем оценки площадей нормализованных сигналов в скользящих прямоугольных окнах позволяет исключить операции дополнительной фильтрации, что снижает вычислительные затраты и повышает достоверность результатов измерений.
При этом все перечисленные в способе операции не искажают форму исходного электрокардиосигнала, что обеспечивает высокую достоверность последующей диагностики.
В результате поиска не обнаружено информации, позволяющей сделать вывод об известности отличительных признаков заявляемого способа, следовательно, заявляемое техническое решение соответствует условию новизны.
Из предшествующего уровня техники не известно влияние отличительных признаков заявляемого способа на достигаемый технический результат, следовательно, заявляемый способ соответствует условию изобретательского уровня.
Сущность изобретения поясняется чертежами, где на фиг. 1 дана блок-схема для первичной обработки электрокардиосигнала (ЭКС); на фиг. 2 показан дрейф изолинии; на фиг. 3 - электрокардиосигнал после стабилизации изолинии, на фиг. 4 - электрокардиосигнал до нормализации сигналов R-пиков, на фиг. 5 - ЭКС после адаптивной нормализации сигналов R-пиков; на фиг. 6 - ЭКС до сглаживания по площади, на фиг. 7 - ЭКС после сглаживания по площади.
Блок-схема устройства для реализации способа содержит два датчика ЭКГ 1, 2, подключенных к усилителю 3, выход которого связан с последовательно соединенными блоком обработки аналоговых сигналов 4, аналого-цифровым преобразователем 5, блоком цифровой обработки ЭКС 6.
Способ осуществляется следующим образом.
Размещают датчики ЭКГ 1, 2 в области сердца, например во 2-м или 5-м модифицированных отведениях. С датчиков ЭКС 1, 2 снимают электрокардиосигналы, усиливают их в усилителе 3, проводят первичную аналоговую обработку, в частности попарную дифференциальную обработку в блоке обработки аналоговых сигналов 4, затем аналоговый сигнал в аналого-цифровом преобразователе 5 дискретизируют по амплитуде и по времени для перевода в цифровой сигнал.
Цифровой сигнал подают в блок цифровой обработки ЭКС 6. Последующую цифровую обработку ЭКС проводят в прямоугольных окнах. При этом длительность окон выбирают в зависимости от этапа обработки ЭКС.
Предварительно корректируют дрейф изолинии (фиг. 2) оцифрованного электрокардиосигнала. Для этого определяют скользящее среднее на прямоугольном окне N1 длительностью 30 дискретных отсчетов и его вычитают из входного сигнала, устраняя тем самым пьедестал дрейфа.
Откорректированный дрейф изолинии приведен на фиг. 3. Эта операция позволяет убрать не только тренд дыхания, но и низкочастотные артефакты, обусловленные движением при свободном ношении кардиомонитора, поскольку размер окна N1 согласован с постоянной времени артефактов свободного движения.
Далее проводят адаптивную нормализацию сигналов R-пиков (фиг. 4), т.е. приводят их к уровню нормированной единицы (фиг. 5). Для этого определяют скользящий максимум Amax(i) на прямоугольном окне N2 в 300 дискретных отсчетов (размер окна должен быть менее длительности следования R-пиков), и умножают после этого значения текущих отсчетов на коэффициенты усиления Gi=1/Amax(i). Нормированные сигналы пприведены на фиг. 5.
Далее проводят сглаживание по площади нормализованного сигнала для исключения шумоподобных составляющих электрокардиосигнала, обусловленных наводками и мимикрией мышц (фиг. 6). Для этого определяют площадь SN3 сигналов для каждого текущего отсчета i в рамках окна N3 по семь отсчетов вправо и влево относительно текущего отсчета и среднюю площадь SN1 ср. этого сигнала в рамках окна N1, т.е. в 30 дискретных отсчетов. Далее вычисляют абсолютную разность этих площадей ΔSi. Если ΔSi составляет более двух - оставляют исходную форму сигнала, а менее двух - этот сигнал заменяют на среднее значение сигнала в скользящем окне N1. Таким образом, большие выбросы сигнала, такие как R-пики, на участке плюс минус семь точек остаются, а остальные шумоподобные помеховые сигналы приводятся к среднему по 30 точкам, т.е. фактически устраняются. Сигнал после сглаживания приведен на фиг. 7.
Далее осуществляют локализацию положения R-пиков. Для этого проводят пороговое детектирование по уровню 0,5, затем определяют максимальное значение из каждых пяти рядом расположенных отсчетов и фиксируют его расположение на временном окне. Найденные таким образом максимумы сигнала интерпретируют как R-пики. После этого удаляют нетипичные R-циклы ЭКС и проводят извлечение информации, относящейся к сердечным сокращениям пользователя.
Предлагаемое изобретение по сравнению с известными аналогами позволяет значительно сократить длительность обработки и вычислительные затраты, снижая тем самым энергопотребление. Это позволяет производить анализ ЭКС непосредственно в самих нательных носимых кардиомониторах. Кроме того, предлагаемое изобретение позволяет одновременно повысить достоверность проводимых измерений, поскольку не изменяет форму исходного ЭКС.
Claims (1)
- Способ предварительной обработки электрокардиосигнала для персональных носимых кардиомониторов, заключающийся в том, что с датчиков ЭКГ снимают электрокардиосигналы, усиливают их, проводят первичную аналоговую обработку, характеризующийся тем, что аналоговый сигнал дискретизируют по амплитуде и по времени для перевода в цифровой сигнал, корректируют дрейф изолинии путем определения скользящего среднего на прямоугольном временном окне длительностью N1 в 30 дискретных отсчетов с последующим его вычитанием из входного сигнала, затем проводят адаптивную нормализацию сигналов R-пиков, для чего на каждом шаге дискретизации определяют скользящий максимум Amax(i) на прямоугольном окне N2 в 300 дискретных отсчетов и умножают значения каждого текущего отсчета окна N2 на коэффициент Gi=1/Amax(i), далее устраняют шумовые и высокочастотные наводки путем оценки для каждого текущего отсчета i разности ΔSi между площадью сигналов SN3 в рамках скользящего прямоугольного окна N3 в 15 дискретных отсчетов симметрично по семь отсчетов вправо и влево относительно текущего отсчета и ее средним значением SN1 ср. на скользящем окне N1, при этом, если разность ΔSi составляет величину более двух, оставляют исходную форму сигнала, а менее двух - заменяют на среднее значение сигнала в скользящем окне N1, затем осуществляют локализацию положения R-пиков пороговым детектированием по уровню 0,5, выбором максимума пиков из каждых пяти рядом расположенных отсчетов и определением временного расположения максимума, после этого удаляют нетипичные кардиоциклы и далее проводят извлечение информации, относящейся к сердечным сокращениям пользователя.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2016134522A RU2624809C1 (ru) | 2016-08-24 | 2016-08-24 | Способ обработки электрокардиосигнала для персональных носимых кардиомониторов |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2016134522A RU2624809C1 (ru) | 2016-08-24 | 2016-08-24 | Способ обработки электрокардиосигнала для персональных носимых кардиомониторов |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2624809C1 true RU2624809C1 (ru) | 2017-07-06 |
Family
ID=59312859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2016134522A RU2624809C1 (ru) | 2016-08-24 | 2016-08-24 | Способ обработки электрокардиосигнала для персональных носимых кардиомониторов |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2624809C1 (ru) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11128185A (ja) * | 1997-10-31 | 1999-05-18 | Matsushita Electric Ind Co Ltd | 心拍変動解析方法および装置 |
RU2242164C2 (ru) * | 2003-02-25 | 2004-12-20 | Рязанская государственная радиотехническая академия | Способ выявления информативных параметров st-сегмента электрокардиосигнала и устройство для его осуществления |
EP1808125A1 (en) * | 2006-01-13 | 2007-07-18 | Siemens Aktiengesellschaft | Electrophysiological system for analysing an intracardiac electrocardiogram |
RU2312593C1 (ru) * | 2006-05-22 | 2007-12-20 | ГОУВПО Рязанская государственная радиотехническая академия | Способ выделения начала кардиоцикла в реальном времени и устройство для его осуществления |
KR101366101B1 (ko) * | 2012-12-31 | 2014-02-26 | 부산대학교 산학협력단 | 개인별 ecg 신호의 정상 신호 분류 시스템 및 방법 |
US9050007B1 (en) * | 2009-11-03 | 2015-06-09 | Vivaquant Llc | Extraction of cardiac signal data |
-
2016
- 2016-08-24 RU RU2016134522A patent/RU2624809C1/ru active IP Right Revival
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11128185A (ja) * | 1997-10-31 | 1999-05-18 | Matsushita Electric Ind Co Ltd | 心拍変動解析方法および装置 |
RU2242164C2 (ru) * | 2003-02-25 | 2004-12-20 | Рязанская государственная радиотехническая академия | Способ выявления информативных параметров st-сегмента электрокардиосигнала и устройство для его осуществления |
EP1808125A1 (en) * | 2006-01-13 | 2007-07-18 | Siemens Aktiengesellschaft | Electrophysiological system for analysing an intracardiac electrocardiogram |
RU2312593C1 (ru) * | 2006-05-22 | 2007-12-20 | ГОУВПО Рязанская государственная радиотехническая академия | Способ выделения начала кардиоцикла в реальном времени и устройство для его осуществления |
US9050007B1 (en) * | 2009-11-03 | 2015-06-09 | Vivaquant Llc | Extraction of cardiac signal data |
KR101366101B1 (ko) * | 2012-12-31 | 2014-02-26 | 부산대학교 산학협력단 | 개인별 ecg 신호의 정상 신호 분류 시스템 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sharma et al. | A robust QRS detection using novel pre-processing techniques and kurtosis based enhanced efficiency | |
Tereshchenko et al. | Frequency content and characteristics of ventricular conduction | |
Sathyapriya et al. | Analysis and detection R-peak detection using Modified Pan-Tompkins algorithm | |
US9050007B1 (en) | Extraction of cardiac signal data | |
EP2676604B1 (en) | Real time QRS duration measurement in electrocardiogram | |
US20130144180A1 (en) | Methods and systems for atrial fibrillation detection | |
US20130190638A1 (en) | Motion and noise artifact detection for ecg data | |
Jang et al. | A real-time pulse peak detection algorithm for the photoplethysmogram | |
Rahul et al. | Dynamic thresholding based efficient QRS complex detection with low computational overhead | |
Hadjem et al. | An ECG T-wave anomalies detection using a lightweight classification model for wireless body sensors | |
Saminu et al. | Wavelet feature extraction for ECG beat classification | |
Yu et al. | Automatic detection of atrial fibrillation from ballistocardiogram (BCG) using wavelet features and machine learning | |
Kanna et al. | Automated defective ECG signal detection using MATLAB applications | |
Rodríguez-Jorge et al. | Internet of things-assisted architecture for QRS complex detection in real time | |
Fujii et al. | Noise-tolerant instantaneous heart rate and R-peak detection using short-term autocorrelation for wearable healthcare systems | |
US10779769B2 (en) | Method and system for evaluating a noise level of a biosignal | |
Reddy et al. | Classification of arrhythmia disease through electrocardiogram signals using sampling vector random forest classifier | |
KR20100027460A (ko) | 다중 윈도우를 이용한 생체신호의 특성 파라미터 추출 장치및 방법 | |
Jegan et al. | Low cost and improved performance measures on filtering techniques for ECG signal processing and TCP/IP based monitoring using LabVIEW | |
Hegde et al. | A review on ECG signal processing and HRV analysis | |
Rana et al. | Cardiac disease detection using modified Pan-Tompkins algorithm | |
RU2624809C1 (ru) | Способ обработки электрокардиосигнала для персональных носимых кардиомониторов | |
Moukadem et al. | High order statistics and time-frequency domain to classify heart sounds for subjects under cardiac stress test | |
Akbulut et al. | Estimation of Beat-to-Beat Interval from Wearable Photoplethysmography Sensor on Different Measurement Sites During Daily Activities | |
Pulavskyi et al. | Evaluation of the effectiveness of post-filtration smoothing using lossless compression for heart rate variability obtained from a very noisy ECG |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20190825 |
|
NF4A | Reinstatement of patent |
Effective date: 20200902 |