TW201505607A - 心電圖學訊號擷取方法 - Google Patents
心電圖學訊號擷取方法 Download PDFInfo
- Publication number
- TW201505607A TW201505607A TW102128334A TW102128334A TW201505607A TW 201505607 A TW201505607 A TW 201505607A TW 102128334 A TW102128334 A TW 102128334A TW 102128334 A TW102128334 A TW 102128334A TW 201505607 A TW201505607 A TW 201505607A
- Authority
- TW
- Taiwan
- Prior art keywords
- waveform
- wave
- peak
- obtaining
- value
- Prior art date
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 10
- 238000002565 electrocardiography Methods 0.000 title abstract description 60
- 238000000034 method Methods 0.000 claims description 47
- 230000004044 response Effects 0.000 claims description 27
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 238000010606 normalization Methods 0.000 claims description 6
- 230000000052 comparative effect Effects 0.000 abstract 2
- 238000000718 qrs complex Methods 0.000 description 34
- 238000001514 detection method Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 17
- 230000007246 mechanism Effects 0.000 description 15
- 230000000694 effects Effects 0.000 description 10
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 230000006793 arrhythmia Effects 0.000 description 2
- 206010003119 arrhythmia Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000526051 Chrysogonum virginianum Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005303 weighing Methods 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]
- 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
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- 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
- A61B5/7217—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise originating from a therapeutic or surgical apparatus, e.g. from a pacemaker
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Signal Processing (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一種心電圖學訊號擷取方法,包含:接收一ECG訊號;偵測該ECG訊號之波形的峰值;將該波形分成左半邊和右半邊的波形;對該左半邊的波形和數個高斯基準值正規化;將該正規化之左半邊波形與該正規化之數個高斯基準值的左半部比較;獲得一左半部誤差函數;標記一左部最小比較誤差值;選擇一左部高斯基準值;獲得該波形之一左部區間;對該右半邊的波形正規化;將該正規化之右半邊波形與該正規化之數個高斯基準值的右半部比較;獲得一右半部誤差函數;標記一右部最小比較誤差值;選擇一右部高斯基準值;獲得一右部區間;以及獲得一擷取之波形。
Description
本揭露書係關於一種心電圖學(electrocardiography,ECG)訊號擷取方法,特別是一種不需要執行基線漂移移除步驟(baseline drift removal)而仍然能避免基線漂移效應的ECG訊號擷取方法。
心電圖學(electrocardiography)是一種紀錄心臟在一既定週期內之電性活動的胸腔心電表示方法,通常藉由貼附至皮膚表面的電極偵測心臟的電性活動及藉由位在身體外部的裝置記錄心臟的電性活動。
在將正確波形視覺化以及根據所決定之門檻將複合信號波以電腦偵測的過程中,ECG訊號中的基線漂移是這期間最大的障礙。基線漂移可能是線性的、靜態的、非線性或是呈現擺動的。將基線漂移降低至零對於視覺上觀測信號波成分的型態學,以及對於電腦化偵測及描述複合信號波,都有很大的幫助。第1圖顯示一種傳統的ECG訊號特徵擷取方法,其中該方法須執行基線漂移移除步驟。
本揭露書之目的係在不須執行基線漂移移除步驟的情況下,亦能避免基線漂移效應。
本揭露書之另一目的係精確地找出ECG訊號中各個信號波之間的波形相似度以及其對應的基底。
本揭露書之又一目的係在不須執行基線漂移移除步驟的情況下,擷取出精確的波形特徵供臨床使用。
在一實施例中,一種心電圖學訊號擷取方法包含:接收一心電圖學訊號;偵測該心電圖學訊號之一波形的一峰值;將該波形分成左半邊的波形和右半邊的波形;將該左半邊的波形和數個高斯基準值執行正規化之步驟;將該正規化後的左半邊波形與該正規化後的數個高斯基準值的左半部比較;獲得一左半部誤差函數;標記一左部最小比較誤差值;選擇具有該左部最小比較誤差值的一左部高斯基準值;根據該選擇之左部高斯基準值及該峰值,獲得該波形之一左部區間;將該右半邊的波形執行正規化之步驟;將該正規化後的右半邊波形與該正規化後的數個高斯基準值的右半部比較;獲得一右半部誤差函數;標記一右部最小比較誤差值;選擇具有該右部最小比較誤差值的一右部高斯基準值;根據該選擇之右部高斯基準值及該峰值,獲得一右部區間;以及獲得一擷取之波形。
在一實施例中,該心電圖學訊號擷取方法更包含在執行該時頻轉換前,對該波形執行去雜訊的步驟。
在該實施例中,該左半邊的波形和右半邊的波形係同時正規化。
在該實施例中,該擷取之波形係由所偵測的該波形峰值、所選擇之該左部區間以及右部區間所共同獲得。
在該實施例中,該波形包含該心電圖學訊號之一P波及一T波。
在該實施例中,係定義一左擷取步驟和一右擷取步驟,該左擷取步驟包含:將該左半邊的波形和數個高斯基準值執行正規化之步驟;將該正規化後的左半邊波形與該正規化後的數個高斯基準值的左半部比較;獲得該左半部誤差函數;標記該左部最小比較誤差值;選擇具有該左
部最小比較誤差值的該左部高斯基準值;根據該選擇之左部高斯基準值及該峰值,獲得該波形之該左部區間。該右擷取步驟包含:將該右半邊的波形執行正規化之步驟;將該正規化後的右半邊波形與該正規化後的數個高斯基準值的右半部比較;獲得一右半部誤差函數;標記一右部最小比較誤差值;選擇具有該右部最小比較誤差值的一右部高斯基準值;根據該選擇之右部高斯基準值及該峰值,獲得該波形之一右部區間。該左擷取步驟和右擷取步驟係同時進行。
在該實施例中,偵測該心電圖學訊號之該波形的峰值的步驟包含:對所接收的心電圖學訊號執行一時頻轉換;藉著標示一預先定義的基準值來選擇該波形的基準值;對所選擇之基準值執行一時頻轉換而產生一轉換響應;以及獲得該波形之峰值。
在該實施例中,獲得該波形之峰值的步驟包含獲得該波形之一P波峰值或一T波峰值。
在該實施例中,獲得該波形之該P波峰值的步驟包含藉由找出一R波峰值之前之一第一最大電壓的方式,來獲得該P波峰值。
在該實施例中,獲得該波形之該T波峰值的步驟包含藉由找出一R波峰值之後之一第一最大電壓的方式,來獲得該T波峰值。
在該實施例中,該時頻轉換包含連續小波轉換、具有伽柏母小波之連續小波轉換、伽柏小波轉換、短時間傅立葉轉換或小波轉換。
在該實施例中,獲得該波形之峰值的步驟包含獲得該波形之一R波峰值。
在該實施例中,更包含藉由另外標示二預先定義的基準值的方式,來選擇該波形的另二基準值。
在該實施例中,獲得該波形之該R波峰值的步驟包含藉由找出一最大電壓來獲得該R波峰值。
S0
S1
S11
S12
S121
S13
S14
S2
S20
S3
S31
S32
S41
S42
S51
S52
S61
S62
S71
S72
S81
S82
S9
SL
SR
本揭露內容根據後述的詳細說明以及配合圖式,將更能容易了解,惟本揭露的說明內容及圖式僅作為說明用途,而非用以限定本發明,其中:第1圖:傳統的ECG訊號擷取方法,該方法須執行基線漂移移除步驟。
第2圖:本揭露書之ECG訊號擷取方法的精神,該方法不需要執行該基線漂移移除步驟。
第3a圖:本揭露書之ECG訊號擷取方法的大致概念。
第3b圖:第3a圖之實施例。
第4圖:本揭露書之實施例。
第5圖:本揭露書之實施例。
第6圖:本揭露書獲得擷取之波形的大致概念。
第7圖:簡化之第3a及3b圖,其亦顯示本揭露書ECG訊號擷取方法的精神,且不須執行基線漂移移除步驟。
第8圖:本揭露書偵測ECG訊號波形之峰值的大致概念。
第9圖:第8圖的實施例。
第10圖:本揭露書完整ECG訊號擷取方法的實施例。
第11a及11b圖:真實ECG訊號(第11a圖)與合成ECG訊號(第11b圖)根據不同高斯窗口的比較。
第12a、12b及12c圖:選定之伽柏濾波器波形。
第13a、13b及13c圖:偵測所接收之QRS複合波時可針對不同的區間選擇伽柏濾波器。
第14a圖:偵測P波峰值時所選定的伽柏濾波器波形。
第14b圖:偵測T波峰值時所選定的伽柏濾波器波形。
第15a至15d圖:調整伽柏函數之不同參數的伽柏母小波的各種實施例。
第16圖:原始的ECG訊號。
第17圖:連續小波轉換使用選定之伽柏母小波時的對應小波訊號量圖。
第18圖:短時間傅立葉的轉換結果。
第19a及19b圖:二紅虛線顯示選定的QRS複合波頻帶(10至25赫茲)。
第20a及20b圖:所選擇之連續小波轉換的基準值及其對應之頻率響應。
第21a圖:連續小波轉換使用伽柏母小波時其不同基準值的響應圖,用於偵測R波峰值。
第21b圖:第21a之歸納結果。
第22a及22b圖:用以尋找可能之R波峰值的適應性門檻判斷機制。
第23圖:紅色虛線顯示R波峰值的位置。
第24a至24h圖:偵測Q,S波峰值、QRSon及QRSoff之步驟和實驗結果。
第25a至25c圖:QR波和RS波在不同之QRS複合波訊號區間的斜率。
第25d至25f圖:第25a至25c圖之訊號量圖的結果。
第25g至25i圖:第25d至25f圖中淺藍色水平虛線的對應頻寬。
第25j至25l圖:對應之實驗結果。
第26a至26h圖:P,T波峰值的偵測步驟和實驗結果。
第27a及27b圖:Pon值、Poff值、Ton值及Toff值的偵測步驟和實驗結果。
第27c圖:原始之T波。
第27d圖:第27c圖T波去雜訊後的結果。
第27e圖:正規化後的T波。
及27f圖:各種高斯基準值。
第27g圖:左右半部之T波正規化後的結果。
第27h圖:各種高斯基準值切成左右兩半部。
第27i圖:第27g及27h圖的比較。
第27j圖:左右半部的誤差比較函數。
第27k及27l圖:Pon、Poff、Ton及Toff的偵測結果。
第28圖:適合臨床使用的高度和深度資訊。
第29a圖:原始的ECG訊號,其中二黑色圓圈之處代表Ton及Toff,另一圓圈之處代表T波峰值。
第29b圖:綠色圓圈點代表T波峰值投影至連接Ton及Toff之紫色斜線上的位置。
在各種圖式中,相同的標號代表相同或類似的元件。此外,當下列的說明內容使用例如”第一”、”第二”、”第三”、”第四”、”內部”、”外部”、”頂部”、”底部”、”前方部”、”後方部”或類似的辭彙時,必須了解這些辭彙僅作為讀者參照圖式中的結構之用,並且僅用來輔助說明本發明。
第2圖顯示本揭露書之ECG訊號擷取方法的精神,其中本揭露書不需要執行基線漂移移除步驟而能擷取ECG訊號。第3a圖顯示本揭露書之ECG訊號擷取方法的大致概念,但該方法步驟的執行順序並不限定於此。第3b圖顯示第3a圖的實施例。
第3圖顯示本揭露書更進一步的細節,包含接收一心電圖學訊號(S0)、偵測該心電圖學訊號之一波形的峰值(S1)、將該波形分成左半邊的波形和右半邊的波形(S2)、將左半邊波形和數個高斯基準值執行正
規化之步驟(S31)、將該正規化後的左半邊波形與該正規化後的數個高斯基準值的左半部比較(S41)、獲得一左半部誤差函數(S51)、標記一左部最小比較誤差值(S61)、選擇具有該左部最小比較誤差值的一左部高斯基準值(S71)、根據該選擇之左部高斯基準值及該峰值,獲得一左部區間(S81)、將右半邊波形執行正規化之步驟(S32)、將該正規化後的右半邊波形與該正規化後的數個高斯基準值的右半部比較(S42)、獲得一右半部誤差函數(S52)、標記一右部最小比較誤差值(S62)、選擇具有該右部最小比較誤差值的一右部高斯基準值(S72)、根據該選擇之右部高斯基準值及該峰值,獲得一右部區間(S82),以及獲得一擷取之波形(S9)。
為了達到較佳的訊號擷取效應,步驟S20的去雜訊步驟可於步驟S2的波形切割動作之前執行。參照第4圖,為了達到較快速的計算速度,步驟S31將左半邊波形正規劃的動作能與步驟S32將右半邊波形正規劃的動作同時進行。此外,請參照第5圖,步驟S9中該擷取之波形係由所偵測的波形峰值(S1)、所選擇之左部區間(S81)以及所選擇之右部區間(S82)所共同獲得。參照第6圖,因此,本揭露書的方法可以在不執行基線漂移移除步驟的情況下,避免基線漂移的發生。亦即,本揭露書可在省略基線漂移移除步驟的情況下達到精確的偵測效果,找出ECG訊號中各個信號波之間的波形相似度及其對應的基底,並且擷取出正確的特徵供臨床使用。
第7圖顯示簡化之第2圖,其顯示本揭露書ECG訊號擷取方法不須執行基線漂移移除步驟的精神。為了達到較佳的說明效果,可定義一左擷取步驟(SL),其包含將該左半邊波形和該數個高斯基準值執行正規化之步驟(S31)、將該正規化後的左半邊波形與該正規化後的數個高斯基準值的左半部比較(S41)、獲得該左半部誤差函數(S51)、標記該左部最小比較誤差值(S61)、選擇具有該左部最小比較誤差值的該左部高斯
基準值(S71),以及根據該選擇之左部高斯基準值獲得該左部區間(S81)。同樣地,可定義一右擷取步驟(SR),其包含將該右半邊波形執行正規化之步驟(S32)、將該正規化後的右半邊波形與該正規化後的數個高斯基準值的右半部比較(S42)、獲得一右半部誤差函數(S52)、標記一右部最小比較誤差值(S62)、選擇具有該右部最小比較誤差值的一右部高斯基準值(S72),以及根據該選擇之右部高斯基準值獲得一右部區間(S82)。
為了檢視該所接收之心電圖學訊號(S0)及其下列步驟,該ECG訊號的波形可包含一P波及一T波。步驟S1偵測該ECG訊號波形的峰值可包含對所接收的心電圖學訊號執行一時頻轉換(S11)、藉著標示一預先定義的基準值來選擇該波形的基準值(S12)、對所選擇之基準值執行一時頻轉換而產生一轉換響應(S13),以及獲得該波形之峰值(S14)。其中步驟S14獲得該波形之峰值可包含獲得該波形之P波峰值及T波峰值。再者,參見第8圖,獲得該波形之P波峰值可包含藉由找出一R波峰值之前之一第一最大電壓的方式,來獲得該P波峰值。此外,獲得該波形之T波峰值可包含藉由找出一R波峰值之後之一第一最大電壓的方式,來獲得該T波峰值。藉由標示一預先定義的基準值來選擇該波形的基準值步驟(S12),可包含藉由標示另二預先定義的基準值來選擇該波形的另二基準值(S121),亦即,總共標示三個預先定義的基準值(S121),請參照第9圖。
考量該時頻轉換(S11),該轉換可包含連續小波轉換(CWT)、具有伽柏母小波之連續小波轉換(具有伽柏之CWT)、伽柏小波轉換(伽柏)、短時間傅立葉轉換(STFT)或小波轉換(WT)。
為了要獲得該波形之峰值,可包含獲得該波形之一R波峰值,其中獲得該波形之R波峰值的步驟可包含藉由找出一最大電壓來獲得該R波峰值。
因此,相較於傳統的ECG訊號擷取方法,本揭露書ECG訊號擷取方法的優點在於由所接收的該ECG訊號精確地擷取出特徵,並且省略該基線漂移移除步驟,其中係藉著找出ECG訊號中各個信號波之間的波形相似度及其對應的基底來達到精確的偵測機制。省略基線漂移移除步驟而仍不受基線漂移所影響的這個概念,可防止將基線漂移受影響的頻帶濾除,以及防止分開偵測開始及偏移量。
根據本揭露書的概念,該ECG訊號擷取方法可使用具有伽柏小波的連續小波轉換,以及具有數個高斯基準值之高斯模型的匹配處理,來擷取QRS複合波內的特徵,以及擷取偵測P、T波峰值及Pon、Poff、Ton及Toff所得的特徵。
以下為ECG訊號擷取系統的實施例。
第10圖顯示本揭露書之完整ECG訊號擷取機制的實施例。本實施例可分為兩部份,第一部份是位置的偵測,包含R波峰值的偵測、Q、S波峰值及QRSon、QRSoff的偵測、P、T波峰值的偵測,以及Pon、Poff、Ton、Toff的偵測。第二部份是高度及深度的估測,包含R波高度的估測、Q、S波深度的估測,以及P、T波高度的估測。
在第一部份中,首先可藉著偵測該ECG訊號波形峰值的方式來執行位置的偵測,其可包含對所接收的ECG訊號執行時頻轉換,例如,執行具有伽柏小波的連續小波轉換。在此,連續小波轉換(CWT)使用伽柏母小波(伽柏小波轉換,GWT)可做為較佳的實施例。
下一步,可藉由找出最大電壓來獲得R波峰值,藉此偵測R波的峰值。接著,可偵測出Q、S波峰值以及QRSon、QRSoff及P、T波峰值。換言之,可藉由找出R波峰值之前的第一個最大電壓來獲得P波峰值,或著藉由找出R波峰值之後的第一個最大電壓來獲得T波峰值。最後,可擷取出Pon、Poff、Ton及Toff。
在第二部份中,在估測高度/深度時,可以同時估測R波的高度、Q、S波的深度,以及P、T波的高度。
ECG訊號可視為類似高斯的波形,詳言之,ECG訊號可視為轉換後之高斯函數結合數個基準值而成。第11a及11b圖為實際之ECG訊號(第11a圖)與合成之ECG訊號(第11b圖)在不同高斯視窗時,其兩者之間的比較。由圖中可以得知該兩者之訊號很類似,此外,伽柏濾波器的封包亦可為高斯函數,這說明在本揭露書上述的方法中,使用”伽柏”為較佳選擇的原因。
對於偵測QRS複合波的特徵,所選用的伽柏濾波器波形係顯示於第12a、12b及12c圖中,其中可針對偵測所接收之QRS複合波的不同區間選用伽柏濾波器,如第13a、13b及13c圖所示。此外,對於偵測P波時,所選用的伽柏濾波器波形係顯示於第14a圖中,而對於偵測T波時,所選用的伽柏濾波器波形係顯示於第14b圖中。
藉由觀測這些選用的伽柏濾波器可以得知,這些波形非常相似,差別在於擴張及腐蝕的程度。有一種參數”a”可用來調整對應之母小波的基準值,因此,相較於使用不同的伽柏濾波器參數偵測不同的特徵,具有伽柏(摩雷特)母小波的小波轉換是較佳的選擇,因為幾乎所有的特徵都可以在單一次的轉換中擷取出來。換言之,小波轉換可為不同之伽柏濾波器參數的合併結果。另,可使用”連續”小波轉換,因為需要精密調整基準值。
再者,本揭露書方法可以省去基線漂移移除步驟的另一個原因是因為偵測特徵時所選擇的頻帶不會與受影響的基線漂移頻率(0至5赫茲)相重疊。根據小波轉換的這個特性,小波轉換之任一基準值的頻帶皆為一帶通濾波器,因此,在每次擷取特徵時,本領域之人士可使用每一適當的帶通濾波器防止與受影響的基線漂移頻率相重疊。
第15a至15d圖顯示調整伽柏函數中不同參數時伽柏母小波的各種實施態樣。事實上,伽柏母小波的類型有很多種。因此,為了要選擇適合本方法的伽柏母小波,可以考慮波形和對應的頻帶。如前所述,本揭露書的概念是找出ECG訊號中各波形的相似處及其對應的基底,因此,在觀察第12a、12b、12c、14a及14b圖中偵測不同波形的特徵後,第15b圖為較佳的選擇。
最後,係說明連續小波轉換使用所選擇之伽柏母小波時的轉換結果的實施例。第16圖係顯示原始的訊號(S0),而連續小波轉換使用所選擇之伽柏母小波時所產生的對應訊號量圖係顯示於第17圖中。X軸代表小波轉換中的參數”b”或時間指標,Y軸代表參數”a”,其中”a”愈大代表頻率愈小,在相同時間各種基準值(參數”a”)的響應並不相等。
在偵測R波之前,需注意QRS複合波的頻率高於ECG訊號的其他部分。在QRS複合波中,最高的電壓點即為R波峰值的位置。在此對所觀測的波形總結,本揭露書擷取R波的技巧在於區隔出QRS複合波,並同時找出對應的位置,然後選擇含有最大電壓的位置。根據此原則,時頻分析可用來偵測R波峰值。
大致而言,時頻分析方法有很多種,短時間傅立葉轉換(STFT)及小波轉換(WT)可為其中最常見的兩種方法。請參照回第10圖,在本實施例ECG訊號擷取方法的中程發展中,可用短時間傅立葉轉換偵測R波峰值,其附加的轉換結果顯示於第18圖中,其中X軸代表時間指標而Y軸代表頻率。需注意的是第17圖中(連續小波轉換)的Y軸與第18圖中(短時間傅立葉轉換)的Y軸代表不同的意義。根據短時間傅立葉轉換的轉換結果,QRS複合波10至25赫茲之間的響應可以增強,因此,訊號量圖上QRS複合波的位置可同時被擷取出來。
在此討論連續小波轉換和短時間傅立葉轉換之間的抉擇。首
先,短時間傅立葉轉換有能力表現QRS複合波的特色,且相較於小波轉換更容易實現。然而,由於短時間傅立葉轉換的基準值是固定的,因此短時間傅立葉轉換無法精確偵測QRS複合波的不同寬度。相較之下,連續小波轉換具有多重基準值的特性能夠改善這個缺點。因此,當複雜度較低時可使用短時間傅立葉轉換,而考慮到QRS複合波較廣的種類範圍,可使用連續小波轉換。權衡優缺點後,可使用連續小波轉換,因為本ECG訊號擷取方法用於健康照護系統時,實用性是主要考量。
在此比較短時間傅立葉轉換和連續小波轉換中的連續次頻帶。第19a圖顯示短時間傅立葉轉換中所選擇之頻帶,第19b圖顯示相應的頻率響應。在第19a及19b圖中,二條紅色虛線內(10至25赫茲)的部份代表所選擇之QRS複合波的頻帶,而0赫茲至洋紅線條(0.5赫茲)代表基線漂移的頻段。第19a圖顯示短時間傅立葉轉換具有所選擇之響應時的轉換結果(二條紅色虛線之內的響應)。第19b圖顯示第19a圖中對應於所選擇之響應的次頻段。在連續小波轉換中所選擇的基準值係顯示於第20a圖,而其對應之頻率響應係顯示於第20b圖,其差異之處在於第20a圖中洋紅線條(0.5赫茲)至無窮遠”a”(理論值)之處代表基線漂移的大致頻帶。從第19b及20b圖中可以觀察得到,短時間傅立葉轉換機制受基線漂移頻段的影響較連續小波轉換機制更為劇烈。如上所述,連續小波轉換可用三個不同的基準值擷取出QRS複合波的其他特徵。如果能以三個不同基準值的連續小波轉換擷取R波峰值,則所有ECG特徵擷取系統的複雜度能降低。因此,在歸納這些原因之後,本實施例的ECG訊號擷取方法具有足夠的動機採用連續小波轉換之機制。
接著討論偵測R波的峰值。根據上述的分析,第21a圖中具有伽柏母小波之連續小波轉換,其三個不同之基準值的響應可用來偵測R波峰值(第21a圖為對步驟S0中所接收之ECG訊號執行時頻轉換後所對
應產生的訊號量圖)。第21a圖中的三條淺藍色虛線顯示連續小波轉換相應之基準值的響應,並可針對其做出歸納,歸納之結果係顯示於第21b圖。在本實施例中,係根據適應性的門檻決定機制來找出可能的R波峰值,如第22a及22b圖所示。”適應性”該詞可包含兩個部份,第一部份是所決定的門檻值可根據該歸納結果的資訊而定,另一部份係可於每一既定時間週期重新計算上述第一部份。舉例而言,本實施例中該既定時間週期可設為三秒。在該適應性門檻決定機制後,即可找出每一可能的R波峰值。最後,可從該原始ECG訊號中各個可能的R波峰值中,找出具有最大電壓的位置,該位置即為對應的R波峰值。R波峰值的偵測結果顯示於第23圖中,紅色虛線即為R波峰值的位置。
以下將討論Q、S波峰值及QRSon、QRSoff等等之偵測機制的實施例。如前所述,第12a、12b及12c圖中的波形可用於偵測Q、S波峰值及QRSon、QRSoff。在此,這些伽柏濾波器的其中三個可合併入連續小波轉換。選擇第15b圖之波形作為本案的伽柏母小波是因為該波形最近似於第12a、12b、12c、14a及14b圖中所選擇之伽柏濾波器。此外,選擇第12a、12b及12c圖中該三個濾波器作為偵測QRS複合波的特徵是因為QRS複合波與本案選擇之伽柏濾波器的波形是類似的。透過比較第12a、12b、12c圖與第13a、13b、13c圖之波形的相似度,可以得到所觀測的結果。這就是選擇第15b圖之波形作為本實施例之伽柏母小波的其中一個原因。
因為QRS複合波中的Q、S波峰值及QRSon、QRSoff為R波峰值所包圍,故在找出R波峰值之後,可偵測到這些特徵的位置。第24a至24h圖顯示偵測Q、S波峰值及QRSon、QRSoff的步驟和實驗結果。第24a圖顯示原始的ECG訊號,其對應之連續小波轉換的訊號量圖顯示於第24b圖中。該ECG訊號中QRS複合波部分的響應係增強,而其他部份則
幾乎消失。第24c圖顯示第24b圖中所選擇之淺藍色虛線的響應。第24d圖顯示第24c圖中金色區塊部分的響應,在觀察第24d圖的響應之後,可以發現三個部份的響應為正,而二個部份的響應為負。這三個正響應由左至右係分別為可能之QRSon、R波峰值及QRSoff,而這二個負響應由左至右係分別為可能之Q波峰值及S波峰值。綠色的水平線即為第24d圖中二條綠色垂直線的區間,其顯示可能的QRSon。同樣地,該洋紅色水平線、青綠色水平線及黑色水平線顯示可能的Q波峰值、S波峰值及QRSoff。在找出這些可能的特徵之後,可從原始之ECG訊號中擷取出對應的位置。Q波峰值及S波峰值能夠於包含原始訊號之最小電壓的對應候選者的邊界內找出。接著,QRSon及QRSoff能夠於包含原始訊號之二次微分的最小響應的對應候選者的邊界內找出。使用二次微分之最小值的原因是因為QRSon及QRSoff的位置落在斜率最大改變之處,以及斜率由大改變至小的趨勢。第24f圖顯示第24e圖中原始訊號在深紅色區塊內的部份,其中洋紅色水平線、青綠色水平線及黑色水平線各別顯示QRSon、Q波峰值、S波峰值及QRSoff。最後,第24g及24h圖分別顯示偵測Q、S波峰值及QRSon、QRSoff的實驗結果。
據前述,第12a、12b及12c圖的三個伽柏濾波器可用來偵測QRS複合波的不同區間(第13a、13b及13c圖)。將伽柏濾波器的機制合併至具有伽柏母小波的連續小波轉換後,三個基準值的三個響應可用於偵測QRS複合波的不同區間。由於偵測R波峰值的目的與偵測Q、S波峰值、QRSon及QRSoff的目的都相同,都是為了加強QRS複合波的部份,因此所選擇的基準值係與偵測R波峰值使用的三個基準值相同。
據此,決定連續小波轉換中的哪一個基準值適合哪個區間的QRS複合波是根據QR及RS的斜率而定。第25a、25b及25c圖顯示不同區間之QRS複合波的QR及RS的斜率,紅色箭頭繪示QR及RS於相應之
QRS複合波的趨勢和斜率,QRS複合波的區間係與斜率的絕對值成反比。換言之,較短的QRS複合波區間對應較大的斜率絕對值。接著,各個圖式24a、24b及24c皆具有三條淺藍色水平線。上面的藍色水平線代表R波峰值的位置,而左邊的藍色水平線可為該R波峰值左邊的幾個點所決定。同樣地,右邊的藍色水平線可為該R波峰值右邊的幾個點所決定。此外,實際的點可根據ECG訊號的取樣頻率而定。第25d、25e及25f圖顯示第25a、25b及25c圖之訊號量圖的結果。由於第25a、25b及25c圖中不同區間的QRS複合波的頻率不相等,因此第25d、25e及25f圖的響應也不同,這就是為何要選擇適當的基準值偵測Q、S波及QRSon、QRSoff的原因。第25d、25e及25f圖中的淺藍色水平虛線即為本ECG訊號擷取方法所選擇的基準值,而其對應的頻寬係顯示於第25g、25h及25i圖中。第25j、25k及25l圖顯示對應的實驗結果。
接下來討論為何要選擇三個基準值的理由。這主要是根據類型、精確度及複雜度等等的權衡考量。如果選擇之基準值的數目小於3,某些QRS複合波的區間在偵測過程中將被遺漏,因此偵測QRS複合波的特徵時精確度將非常低。而如果選擇之基準值的數目大於3,理論上精確度會較高,但實際上由於分群的數目愈大時,其精確度愈低,因此會增加分類的難度。這樣做不但會增加分群的難度,同時也增加演算法的複雜度。換言之,當分群的數目愈大時,亦使得演算法的結果較為複雜。基於這個原因,可將偵測QRS複合波的基準值的數目定為3。
在此將說明P、T波峰值的偵測機制。一般而言,P波的頻率低於QRS複合波,而T波的頻率低於P波,因此,在具有伽柏母小波的連續小波轉換之後,偵測P波峰值所選的基準值可能大於偵測QRS複合波所用的基準值,而偵測T波峰值所選的基準值可能大於偵測P波峰值所用的基準值。
第26a至26h圖顯示偵測P、T波峰值的步驟和實驗結果。第26a圖顯示原始的ECG訊號,第26b圖顯示具有伽柏母小波的連續小波轉換的訊號量圖。綠色水平虛線顯示偵測P波峰值所選擇的基準值,而金色水平虛線顯示偵測T波峰值所選擇的基準值。偵測P波峰值及T波峰值之基準值的選擇標準係根據ECG訊號中各波形之間的相似度及其對應之基底,以及ECG訊號之取樣頻率等等因素所決定。第26c圖中綠色和金色部份的波形分別為第26b圖中偵測P波及T波峰值所選擇之基準值的通行頻帶。接著,第26d及26e圖分別顯示第26b圖中偵測P波和T波峰值所選擇之基準值的轉換結果,其中第26d圖顯示P波的響應被增強,而第26e圖顯示T波的響應被增強。在第26d圖中,對於綠色垂直虛線所示的P波峰值的大概位置,係能夠藉由找出其對應之R波峰值之前的第一最大電壓的位置而擷取出來。同樣地,在第26e圖中,對於金色垂直虛線所示的T波峰值的大概位置,係能夠藉由找出其對應之R波峰值之後的第一最大電壓的位置而擷取出來。最後,P波及T波峰值的實際位置可於去雜訊後的訊號中找到,而非原本的訊號,這是因為高頻雜訊將影響偵測的結果。該去雜訊步驟係為阿爾發均值濾波器,其能有效降低多重類型之雜訊的結合。由於ECG訊號是由不同的監視器所獲得,因此這個特性對於處理ECG訊號有很大的幫助。據此,預測雜訊模型是不容易的。第26f圖顯示根據阿爾發均值濾波器所產生的去雜訊結果。最後,根據第26d及26e圖中的概略位置,P波及T波峰值係位於去雜訊訊號中具有相應之最大電壓的位置。第26g及26h圖係分別為P波峰值及T波峰值的偵測結果。
在此將說明Pon、Poff、Ton及Toff的偵測機制。如前所述,P波及T波可視為類似高斯的波形。不同高斯函數的標準衍生(基準值)代表各種的區間視窗。因此,基於上述資訊,可使用不同之高斯函數基準值偵測Pon、Poff、Ton及Toff,以便估測P波和T波的區間。然後,可根
據P波和T波的區間擷取Pon、Poff、Ton及Toff的位置。這個機制叫做使用具有多重基準值之高斯模型的匹配處理。
第27a及27b圖顯示偵測Pon、Poff、Ton及Toff的步驟和實驗結果。第27a圖顯示原始的訊號。第27b圖中紅色方塊內的T波即為偵測Ton及Toff的例子,而可藉由相同方式偵測Pon及Poff。紅色方塊的位置係根據T波峰值的位置而定。第27c圖係原始的T波。需注意的是T波有一些雜訊,其將影響Ton及Toff的偵測結果。有鑒於此,可採用偵測P波及T波峰值時的去雜訊機制來降低雜訊,例如將波形執行去雜訊的步驟(S20)。第27d圖係第27c圖中T波的去雜訊結果。
接著,各個T波的高度幾乎是不同的,且各個高斯基準值的高度也是不同的。因此,較佳係將T波和各種高斯基準值正規化,例如將左半邊/右半邊的波形正規化(S31/S32)。第27e和27f圖分別顯示正規化後之T波及各種高斯基準值的結果。然而,該去雜訊且正規化後之T波與正規化後的各種高斯基準值之間仍存有匹配處理的問題。第27e圖中正規化且去雜訊後之波形的右半部的端部,係與第27e圖中正規化且去雜訊後之波形的左半部的開頭不同。反之,對稱的高斯並不存在有像是第27f圖的問題;亦即,對稱的高斯並不存在有如第27f圖顯示的問題。這個問題是由基線漂移所引起,基線漂移不但會使得基線位在非零的線上,亦會造成開始及偏移量電壓之間的不相等。為了解決這個問題,可根據T波峰值的位置將匹配處理分成左邊部份和右邊部份,使得能個別偵測Ton和Toff,亦即左擷取步驟和右擷取步驟。
第27g圖顯示左半邊部分的T波和右半邊部分的T波正規化後的結果,其中可以觀察到基線漂移的效應並未影響Ton及Toff的偵測。因為匹配處理可以分開執行,如第27h圖所示將整體的各個高斯基準值分成左半邊和右半邊的部份可能是需要的。之後,T波正規化後之左半邊和
右半邊部分波形係分別與該各個高斯基準值的左半部和右半部比較;亦即,將左半邊正規化之波形與該數個高斯基準值的左/右半部比較。
其對應的步驟係顯示於第27i圖中。接著,第27j圖顯示左半部和右半部的比較誤差函數,亦即,獲得左/右半部的誤差函數(S51/S52)。其中水平軸為各種的標準衍生(基準值),垂直軸為具有各種基準值的比較誤差值。紅色垂直虛線顯示第27j圖左半部和右半部具有該最小比較誤差值的基準值,其為具有左部和右部最小比較誤差值的基準值,並且擷取出T波左半邊和右半邊波形的適當高斯基準值,亦即,顯示該左部最小比較誤差值(S61)。
最後,T波左半邊和右半邊的區間可由擷取出的高斯基準值獲得,亦即,根據所選擇之左/右半部的高斯基準值選擇具有該左部最小比較誤差值的左/右部高斯基準值,以及獲得該波的左部區間(S71/S72)。Ton及Toff的位置可根據T波峰值的位置及T波的左部和右部區間獲得。同樣地,亦可偵測Pon及Poff的位置。第27k及27l圖分別顯示偵測Pon、Poff及Ton、Toff的實驗結果。
在此說明高度和深度的估測機制。臨床使用之高度和深度資訊係顯示於第28圖中。對於高度的估測,共有P波高度、R波高度及T波高度等等。對於深度的估測,共有Q波深度及S波深度等等。第28圖中的淺藍色水平虛線係為零伏特的理想基線。此外,所有的開始及偏移量位置皆位於該理想基線上。然而實際上,仍然有基線漂移的問題存在。如前所述,基線漂移不但會使得基線位在非零的線上,亦會造成開始及偏移量電壓之間的不相等,使得各峰值的電壓值不穩定以及使得該峰值與開始及偏移量電壓之間的電壓差不正確。因此,本實施例高度及深度的估測將會計算峰值、開始及偏移量電壓之間的電壓差。
估測T波的高度即為說明上述概念的例子。第29a圖係原始
ECG訊號。兩個黑色圓圈的位置顯示Ton及Toff,另一圓圈的位置顯示T波峰值。綠色圓圈點的位置顯示T波峰值投影到紫色斜線上的位置,該紫色斜線為第29b圖中的Ton及Toff所結合。最後,由該金色圓圈點與綠色圓圈點之間的電壓差所獲得的紅色垂直線長度顯示所估測的T波高度。同樣地,該P波高度的估測係計算P波峰值、Pon及Poff之間的電壓差。該R波高度的估測可計算R波峰值、QRSon及QRSoff之間的電壓差、Q波深度的估測可計算Q波峰值與QRSon之間的電壓差,而S波深度的估測可計算S波峰值與QRSoff之間的電壓差。
本實施例所使用的資料庫係MIH-BIH心律不整資料庫(MITDB)及QT資料庫(QTDB)。MITDB具有48筆資料紀錄,每筆資料紀錄為2-lead的30分鐘。MITDB約有11萬筆標註之心跳紀錄,且MITDB在不包含正常心跳紀錄及未分類之心跳紀錄的情況下,共包含15種不同類別的心律不整。因此,MITDB可為評估特徵擷取之精確性以及評估ECG訊號之分類精確性時最常用的資料庫。此外,QTDB具有取自許多資料庫的105筆資料。再者,本揭露書的ECG訊號處理方法可為電腦系統的處理器,配合上述的資料庫所執行。
雖然本發明已利用上述較佳實施例揭示,然其並非用以限定本發明,任何熟習此技藝者在不脫離本發明之精神和範圍之內,相對上述實施例進行各種更動與修改仍屬本發明所保護之技術範疇,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
S0
S1
S2
S31
S32
S41
S42
S51
S52
S61
S62
S71
S72
S81
S82
S9
Claims (14)
- 一種心電圖學訊號擷取方法,由一電腦系統的一處理器所執行,包含:接收一心電圖學訊號;偵測該心電圖學訊號之一波形的一峰值;將該波形分成左半邊的波形和右半邊的波形;將該左半邊的波形和數個高斯基準值執行正規化之步驟;將該正規化後的左半邊波形與該正規化後的數個高斯基準值的左半部比較;獲得一左半部誤差函數;標記一左部最小比較誤差值;選擇具有該左部最小比較誤差值的一左部高斯基準值;根據該選擇之左部高斯基準值及該峰值,獲得該波形之一左部區間;將該右半邊的波形執行正規化之步驟;將該正規化後的右半邊波形與該正規化後的數個高斯基準值的右半部比較;獲得一右半部誤差函數;標記一右部最小比較誤差值;選擇具有該右部最小比較誤差值的一右部高斯基準值;根據該選擇之右部高斯基準值及該峰值,獲得一右部區間;及獲得一擷取之波形。
- 根據申請專利範圍第1項之心電圖學訊號擷取方法,更包含在執行該時頻轉換前,對該波形執行去雜訊的步驟。
- 根據申請專利範圍第1項之心電圖學訊號擷取方法,其中該左半邊 的波形和右半邊的波形係同時正規化。
- 根據申請專利範圍第1項之心電圖學訊號擷取方法,其中該擷取之波形係由所偵測的該波形峰值、所選擇之該左部區間以及右部區間所共同獲得。
- 根據申請專利範圍第1項之心電圖學訊號擷取方法,其中該波形包含該心電圖學訊號之一P波及一T波。
- 根據申請專利範圍第1項之心電圖學訊號擷取方法,其中係定義一左擷取步驟和一右擷取步驟,該左擷取步驟包含:將該左半邊的波形和數個高斯基準值執行正規化之步驟;將該正規化後的左半邊波形與該正規化後的數個高斯基準值的左半部比較;獲得該左半部誤差函數;標記該左部最小比較誤差值;選擇具有該左部最小比較誤差值的該左部高斯基準值;根據該選擇之左部高斯基準值及該峰值,獲得該波形之該左部區間;其中該右擷取步驟包含:將該右半邊的波形執行正規化之步驟;將該正規化後的右半邊波形與該正規化後的數個高斯基準值的右半部比較;獲得一右半部誤差函數;標記一右部最小比較誤差值;選擇具有該右部最小比較誤差值的一右部高斯基準值;根據該選擇之右部高斯基準值及該峰值,獲得該波形之一右部區間; 其中該左擷取步驟和右擷取步驟係同時進行。
- 根據申請專利範圍第1項之心電圖學訊號擷取方法,其中偵測該心電圖學訊號之該波形的峰值的步驟包含:對所接收的心電圖學訊號執行一時頻轉換;藉著標示一預先定義的基準值來選擇該波形的基準值;對所選擇之基準值執行一時頻轉換而產生一轉換響應;及獲得該波形之峰值。
- 根據申請專利範圍第7項之心電圖學訊號擷取方法,其中獲得該波形之峰值的步驟包含獲得該波形之一P波峰值或一T波峰值。
- 根據申請專利範圍第8項之心電圖學訊號擷取方法,更包含在執行該時頻轉換前,對該波形執行去雜訊的步驟,且獲得該波形之該P波峰值的步驟包含藉由找出一R波峰值之前之一第一最大電壓的方式,來獲得該P波峰值。
- 根據申請專利範圍第8項之心電圖學訊號擷取方法,其中獲得該波形之該T波峰值的步驟包含藉由找出一R波峰值之後之一第一最大電壓的方式,來獲得該T波峰值。
- 根據申請專利範圍第7項之心電圖學訊號擷取方法,其中該時頻轉換包含連續小波轉換、具有伽柏母小波之連續小波轉換、伽柏小波轉換、短時間傅立葉轉換或小波轉換。
- 根據申請專利範圍第7項之心電圖學訊號擷取方法,其中獲得該波形之峰值的步驟包含獲得該波形之一R波峰值。
- 根據申請專利範圍第12項之心電圖學訊號擷取方法,更包含藉由另外標示二預先定義的基準值的方式,來選擇該波形的另二基準值。
- 根據申請專利範圍第12項之心電圖學訊號擷取方法,其中獲得該 波形之該R波峰值的步驟包含藉由找出一最大電壓來獲得該R波峰值。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102128334A TWI554249B (zh) | 2013-08-07 | 2013-08-07 | 心電圖學訊號擷取方法 |
US14/022,509 US20150045683A1 (en) | 2013-08-07 | 2013-09-10 | Electrocardiography signal extraction method |
US15/009,355 US20160143552A1 (en) | 2013-08-07 | 2016-01-28 | Electrocardiography signal extraction method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102128334A TWI554249B (zh) | 2013-08-07 | 2013-08-07 | 心電圖學訊號擷取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201505607A true TW201505607A (zh) | 2015-02-16 |
TWI554249B TWI554249B (zh) | 2016-10-21 |
Family
ID=52449219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102128334A TWI554249B (zh) | 2013-08-07 | 2013-08-07 | 心電圖學訊號擷取方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20150045683A1 (zh) |
TW (1) | TWI554249B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107361762A (zh) * | 2017-08-04 | 2017-11-21 | 山东理工大学 | 基于变分模态分解的心电信号基线漂移校正方法 |
CN109984740A (zh) * | 2018-01-03 | 2019-07-09 | 四川锦江电子科技有限公司 | 一种在体表ecg数据中定位心电特征的设备和方法 |
CN109998529B (zh) * | 2019-04-15 | 2021-11-05 | 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 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1622502A2 (en) * | 2001-07-26 | 2006-02-08 | Medrad, Inc. | Detection of fluids in tissue |
US6668189B2 (en) * | 2001-10-05 | 2003-12-23 | Ge Medical Systems Information Technologies, Inc. | Method and system for measuring T-wave alternans by alignment of alternating median beats to a cubic spline |
EP1450668A4 (en) * | 2001-11-06 | 2009-07-22 | Neurometrix Inc | METHOD AND APPARATUS FOR DETECTING NEUROMUSCULAR DISEASES BY ANALYSIS OF DISEASE-SPECIFIC EVOCATED NEUROMUSCULAR ANSWER |
US20080015452A1 (en) * | 2006-06-30 | 2008-01-17 | Ricci Carlos A | Method of processing electrocardiogram waveform |
US20080002775A1 (en) * | 2006-06-30 | 2008-01-03 | Ricci Carlos A | Signal analysis employing matched wavelet |
-
2013
- 2013-08-07 TW TW102128334A patent/TWI554249B/zh active
- 2013-09-10 US US14/022,509 patent/US20150045683A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
TWI554249B (zh) | 2016-10-21 |
US20150045683A1 (en) | 2015-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI519276B (zh) | 心電圖學訊號擷取方法 | |
Chawla | PCA and ICA processing methods for removal of artifacts and noise in electrocardiograms: A survey and comparison | |
Boashash et al. | Time-frequency processing of nonstationary signals: Advanced TFD design to aid diagnosis with highlights from medical applications | |
Karpagachelvi et al. | ECG feature extraction techniques-a survey approach | |
US20160120431A1 (en) | Medical device having automated ecg feature extraction | |
WO2021143401A1 (zh) | 一种用于心电信号中p波和t波的检测方法和装置 | |
Sameni et al. | An iterative subspace denoising algorithm for removing electroencephalogram ocular artifacts | |
Bayasi et al. | Adaptive technique for P and T wave delineation in electrocardiogram signals | |
JP7187473B2 (ja) | 電気生理学的誘発電位における変化を検出する医用システム及び方法 | |
KR102482796B1 (ko) | 원격 광용적맥파 측정을 이용한 비접촉 심박 변이도 분석 장치 및 방법 | |
US10172563B2 (en) | Method and system for analyzing noise in an electrophysiology study | |
TW201717845A (zh) | 從具雜訊之心電圖資料決定心跳率的設備、系統和方法 | |
TWI554249B (zh) | 心電圖學訊號擷取方法 | |
JP4945309B2 (ja) | 脳波測定方法及び脳波測定装置並びに記録媒体 | |
Vuksanovic et al. | ECG based system for arrhythmia detection and patient identification | |
Vimala | Stress causing Arrhythmia detection from ECG Signal using HMM | |
CN109567869B (zh) | 一种处理胎心率曲线上加速活动的方法及系统 | |
Luengo et al. | Blind analysis of atrial fibrillation electrograms: a sparsity-aware formulation | |
US20160143552A1 (en) | Electrocardiography signal extraction method | |
Gajare et al. | MATLAB-based ECG R-peak Detection and Signal Classification using Deep Learning Approach | |
TWI696191B (zh) | 降低雜訊影響之qrs波偵測演算法 | |
Vuksanovic et al. | Analysis of human electrocardiogram for biometric recognition using analytic and AR modeling extracted parameters | |
Márquez et al. | On the accuracy of representing heartbeats with hermite basis functions | |
Mansourian et al. | Fetal QRS extraction from single-channel abdominal ECG using adaptive improved permutation entropy | |
Wu et al. | ECG Enhancement and R-Peak Detection Based on Window Variability. Healthcare 2021, 9, 227 |