TW202142174A - 波群檢測方法、心電檢測裝置及可讀儲存介質 - Google Patents

波群檢測方法、心電檢測裝置及可讀儲存介質 Download PDF

Info

Publication number
TW202142174A
TW202142174A TW109111859A TW109111859A TW202142174A TW 202142174 A TW202142174 A TW 202142174A TW 109111859 A TW109111859 A TW 109111859A TW 109111859 A TW109111859 A TW 109111859A TW 202142174 A TW202142174 A TW 202142174A
Authority
TW
Taiwan
Prior art keywords
wave
sampling point
signal sampling
signal
ecg
Prior art date
Application number
TW109111859A
Other languages
English (en)
Other versions
TWI810447B (zh
Inventor
徐志兵
Original Assignee
大陸商疆域康健創新醫療科技成都有限公司
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 大陸商疆域康健創新醫療科技成都有限公司 filed Critical 大陸商疆域康健創新醫療科技成都有限公司
Publication of TW202142174A publication Critical patent/TW202142174A/zh
Application granted granted Critical
Publication of TWI810447B publication Critical patent/TWI810447B/zh

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
    • 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
    • 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
    • A61B5/366—Detecting abnormal QRS complex, e.g. widening
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Optical Recording Or Reproduction (AREA)
  • Holo Graphy (AREA)

Abstract

本發明提供一種波群檢測方法，包括：採集心電訊號；利用預設的濾波器對所採集的心電訊號進行濾波處理，獲得經過濾波處理的心電訊號；採用雙斜率法處理所述經過濾波處理的心電訊號，獲得經過雙斜率法處理的心電訊號；從經過雙斜率法處理的心電訊號中檢測R波峰；及基於所檢測的R波峰輸出QRS波群的位置。本發明還提供實現所述QRS波群檢測方法的心電檢測裝置和可讀儲存介質。本發明能實現對QRS波群的有效檢測。

Description

波群檢測方法、心電檢測裝置及可讀儲存介質
[0001] 本發明涉及一種醫療電子領域，尤其涉及一種波群檢測方法、心電檢測裝置及可讀儲存介質。
[0002] 心電圖(ECG: Electrocardiograph) 指心臟在每個心動週期中，由起搏點、心房、心室相繼興奮，伴隨著生物電的變化，通過心電描記器從體表引出多種形式的電位變化的圖形。通常使用多個電極片採集身體多個部位的電勢差，再通過AD轉換晶片生成連續訊號。心電圖是反映心臟興奮的電活動過程，它對心臟基本功能及其病理研究方面，具有重要的參考價值。參閱圖1所示，一個典型的ECG訊號包括一個P波，一個QRS波群和一個T波，精確測量中可能還存在一個U波。因為R波普遍較為突出，所以在心電訊號分析中，QRS波群的檢測常作為關鍵節點，通常是後續各種生理分析的基石。[0003] 由於工頻雜訊、肌電訊號、晶片底噪等基本都是全頻段干擾訊號，傳統濾波方法如低通、高通、帶通濾波器等均難以完全濾除。此外，心電訊號中T波幅值也較大，在部分人群中甚至可能高於R波，容易造成誤檢。一些新興的研究方法如神經網路演算法、模版匹配演算法、TROIKA演算法、隱瑪律科夫模型和希爾伯特-黃變換等，由於需要整段訊號同時處理，且計算量巨大，通常用於伺服器端後臺離線處理，不適用於嵌入式等常用簡易設備的即時分析。
[0004] 鑒於以上內容，有必要提供一種波群檢測方法、心電檢測裝置及可讀儲存介質，可有效防止漏檢及誤檢QRS波群，提高檢測的靈敏度和準確性。[0005] 所述波群檢測方法包括：採集心電訊號；利用預設的濾波器對所採集的心電訊號進行濾波處理，獲得經過濾波處理的心電訊號；採用雙斜率法處理所述經過濾波處理的心電訊號，獲得經過雙斜率法處理的心電訊號；從經過雙斜率法處理的心電訊號中檢測R波峰；及基於所檢測的R波峰輸出QRS波群的位置。[0006] 優選地，所述預設的濾波器包括工頻陷波器和二階IIR高通濾波器。[0007] 優選地，所述採用雙斜率法處理所述經過濾波處理的心電訊號包括：計算所述經過濾波處理的心電訊號的任意一個訊號採樣點的左側的最大平均斜率以及該任意一個訊號採樣點的右側的最大平均斜率；將所述任意一個訊號採樣點的左側的最大平均斜率和該任意一個訊號採樣點的右側的最大平均斜率中的較大者作為該任意一個訊號採樣點的最大平均斜率。[0008] 優選地，所述任意一個訊號採樣點的左側的最大平均斜率為
Figure 02_image001
，該任意一個訊號採樣點的右側的最大平均斜率為
Figure 02_image003
；其中，
Figure 02_image005
；
Figure 02_image007
，其中，n、m、k為預設的正整數，
Figure 02_image009
代表訊號採樣點i的電壓值，
Figure 02_image011
代表自該訊號採樣點i向左的第k個訊號採樣點的電壓值，
Figure 02_image013
代表自該訊號採樣點i向右的第k個訊號採樣點的電壓值。[0009] 優選地，所述從經過雙斜率法處理的心電訊號中檢測R波峰包括：對每個訊號採樣點是否為波峰進行確認；及根據相鄰兩個波峰之間的間距確定該相鄰兩個波峰中的每個波峰是否為R波峰。[0010] 優選地，所述對每個訊號採樣點是否為波峰進行確認包括：當任意一個訊號採樣點的電壓值大於第一閾值THR1且該任意一個訊號採樣點的電壓值為極大值時，確定該任意一個訊號採樣點為波峰；所述根據相鄰兩個波峰之間的間距確定該相鄰兩個波峰中的每個波峰是否為R波峰包括：當相鄰兩個波峰之間的訊號採樣點的總數小於或者等於預設值時，確定該相鄰兩個波峰中對應更大的電壓值的波峰為R波峰；及當相鄰兩個波峰之間的訊號採樣點的總數大於所述預設值時，確定該相鄰兩個波峰均為R波峰。[0011] 優選地，該方法還包括：基於下述公式根據當前所確定的所有R波峰的峰值中的最大峰值
Figure 02_image015
調整所述第一閾值
Figure 02_image017
，以及調整第二閾值
Figure 02_image019
，所述第二閾值
Figure 02_image021
；其中，
Figure 02_image023
；
Figure 02_image025
。[0012] 所述可讀儲存介質儲存有至少一個指令，所述至少一個指令被處理器執行時實現所述波群檢測方法。[0013] 所述心電檢測裝置包括：儲存器；至少一個處理器；所述儲存器中儲存有多個模組，所述多個模組由所述至少一個處理器執行，該多個模組包括：採集模組，用於採集心電訊號；執行模組，用於利用預設的濾波器對所採集的心電訊號進行濾波處理，獲得經過濾波處理的心電訊號；所述執行模組，還用於採用雙斜率法處理所述經過濾波處理的心電訊號，獲得經過雙斜率法處理的心電訊號；所述執行模組，還用於從經過雙斜率法處理的心電訊號中檢測R波峰；及所述執行模組，還用於基於所檢測的R波峰輸出QRS波群的位置。[0014] 相較于現有技術，所述波群檢測方法、心電檢測裝置及可讀儲存介質，計算複雜度較低，計算量較小，可有效防止漏檢及誤檢QRS波群，提高檢測的靈敏度和準確性。
[0016] 為了能夠更清楚地理解本發明的上述目的、特徵和優點，下面結合附圖和具體實施例對本發明進行詳細描述。需要說明的是，在不衝突的情況下，本發明的實施例及實施例中的特徵可以相互組合。[0017] 在下面的描述中闡述了很多具體細節以便於充分理解本發明，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。[0018] 除非另有定義，本文所使用的所有的技術和科學術語與屬於本發明的技術領域的技術人員通常理解的含義相同。本文中在本發明的說明書中所使用的術語只是為了描述具體的實施例的目的，不是旨在於限制本發明。[0019] 參閱圖2所示，為本發明較佳實施例提供的心電檢測裝置的架構圖。[0020] 本實施例中，所述心電檢測裝置3包括互相之間電氣連接的儲存器31、至少一個處理器32、至少一條通信匯流排33。[0021] 本領域技術人員應該瞭解，圖2示出的心電檢測裝置3的結構並不構成本發明實施例的限定，所述心電檢測裝置3還可以包括比圖2更多或更少的其他硬體或者軟體，或者不同的部件佈置。[0022] 需要說明的是，所述心電檢測裝置3僅為舉例，其他現有的或今後可能出現的電子產品如可適應於本發明，也應包含在本發明的保護範圍以內，並以引用方式包含於此。[0023] 在一些實施例中，所述儲存器31可以用於儲存電腦程式的程式碼和各種資料。例如，所述儲存器31可以用於儲存安裝在所述心電檢測裝置3中的檢測系統30，並在心電檢測裝置3的運行過程中實現高速、自動地完成程式或資料的存取。所述儲存器31可以是包括唯讀儲存器（Read-Only Memory，ROM）、可程式設計唯讀儲存器（Programmable Read-Only Memory，PROM）、可抹除可程式設計唯讀儲存器（Erasable Programmable Read-Only Memory，EPROM）、一次可程式設計唯讀儲存器（One-time Programmable Read-Only Memory，OTPROM）、電子抹除式可複寫唯讀儲存器（Electrically-Erasable Programmable Read-Only Memory，EEPROM）、唯讀光碟（Compact Disc Read-Only Memory，CD-ROM）或其他光碟儲存器、磁碟儲存器、磁帶儲存器、或者任何其他能夠用於攜帶或儲存資料的非易失性的電腦可讀的儲存介質。[0024] 在一些實施例中，所述至少一個處理器32可以由積體電路組成。例如，可以由單個封裝的積體電路所組成，也可以是由多個相同功能或不同功能封裝的積體電路所組成，包括一個或者多個中央處理器（Central Processing unit，CPU）、微處理器、數文書處理晶片、圖形處理器及各種控制晶片的組合等。所述至少一個處理器32是所述心電檢測裝置3的控制核心（Control Unit），利用各種介面和線路連接整個心電檢測裝置3的各個部件，通過執行儲存在所述儲存器31內的程式或者模組或者指令，以及調用儲存在所述儲存器31內的資料，以執行心電檢測裝置3的各種功能和處理資料，例如，對心電訊號的QRS波群進行檢測的功能（具體細節參後面對圖4的介紹）。[0025] 在一些實施例中，所述至少一條通信匯流排33被設置為實現所述儲存器31與所述至少一個處理器32以及其他元件之間的連接通信。[0026] 在本實施例中，檢測系統30可以包括一個或多個模組，所述一個或多個模組儲存在所述儲存器31中，並由至少一個或多個處理器（本實施例為處理器32）執行，以實現對心電訊號的QRS波群進行檢測的功能（具體細節參後面對圖4的介紹）。[0027] 在本實施例中，參閱圖3所示，所述檢測系統30根據其所執行的功能，可以被劃分為多個功能模組。所述多個功能模組包括採集模組301和執行模組302。本發明所稱的模組是指一種能夠被至少一個處理器（例如處理器32）所執行並且能夠完成固定功能的一系列電腦可讀的指令段，其儲存在儲存器（例如心電檢測裝置3的儲存器31）中。在本實施例中，關於各模組的功能將在後續結合圖4中詳述。[0028] 本實施例中，以軟體功能模組的形式實現的集成的單元，可以儲存在一個非易失性可讀取儲存介質中。上述軟體功能模組包括若干電腦可讀指令用以使得一台心電檢測裝置3或處理器（processor）執行本發明各個實施例的方法的部分，例如圖4所示的對心電訊號的QRS波群進行檢測的方法。[0029] 在進一步的實施例中，結合圖3，所述至少一個處理器32可執行所述心電檢測裝置3的操作裝置以及安裝的各類應用程式（如所述的檢測系統30）、程式碼等，例如，上述的各個模組。[0030] 所述儲存器31中儲存有程式碼，且所述至少一個處理器32可調用所述儲存器31中儲存的程式碼以執行相關的功能。例如，圖3中所述檢測系統30的各個模組是儲存在所述儲存器31中的程式碼，並由所述至少一個處理器32所執行，從而實現所述各個模組的功能以達到對心電訊號的QRS波群進行檢測的目的（詳見下文中對圖4的描述）。[0031] 在本發明的一個實施例中，所述儲存器31儲存多個電腦可讀指令，所述多個電腦可讀指令被所述至少一個處理器32所執行以實現對心電訊號的QRS波群進行檢測的目的。具體地，所述至少一個處理器32對上述電腦可讀指令的具體實現方法詳見下文中對圖4的描述。[0032] 需要說明的是，在其他實施例中，所述檢測系統30也可以與儲存器、處理器及其他必要的硬體或軟體實現為一個嵌入式系統。[0033] 圖4是本發明較佳實施例提供的檢測方法的流程圖。[0034] 在本實施例中，所述檢測方法可以應用於心電檢測裝置3中，對於需要進行心電訊號的QRS波群進行檢測的心電檢測裝置3，可以直接在心電檢測裝置3上集成本發明的方法所提供的用於檢測的功能，或者以軟體開發套件（Software Development Kit，SDK）的形式運行在心電檢測裝置3上。[0035] 如圖4所示，所述檢測方法具體包括以下步驟，根據不同的需求，該流程圖中步驟的順序可以改變，某些步驟可以省略。[0036] 步驟S1、採集模組301採集心電訊號。[0037] 具體地，採集模組301可利用粘著在人體皮膚上的在心外部的區域中的電極來採集心電訊號。[0038] 步驟S2、執行模組302利用預設的濾波器對所採集的心電訊號進行濾波處理，獲得經過濾波處理的心電訊號。[0039] 本實施例中， 所述預設的濾波器包括工頻陷波器和二階IIR高通濾波器。[0040] 在一個實施例中，所述工頻陷波器的頻率可以為50Hz。所述執行模組302利用所述工頻陷波器可以從所述心電訊號中去除工頻雜訊干擾。在一個實施例中，所述二階IIR高通濾波器的截止頻率可以為0.4Hz，所述執行模組302利用所述二階IIR高通濾波器可以從所述心電訊號中去除基線漂移。[0041] 在其他實施例中，所述預設的濾波器也可以為其他型號的濾波器。[0042] 步驟S3、執行模組302採用雙斜率法處理所述經過濾波處理的心電訊號，獲得經過雙斜率法處理的心電訊號。[0043] 在一個實施例中，所述採用雙斜率法處理所述經過濾波處理的心電訊號包括（a1）-（a2）：[0044] （a1）計算所述經過濾波處理的心電訊號的任意一個訊號採樣點的左側的最大平均斜率以及該任意一個訊號採樣點的右側的最大平均斜率。[0045] 在一個實施例中，所述任意一個訊號採樣點的左側的最大平均斜率為
Figure 02_image001
，該任意一個訊號採樣點的右側的最大平均斜率為
Figure 02_image003
。[0046] 其中，
Figure 02_image005
；[0047]
Figure 02_image007
，其中，n、m、k為預設的正整數，
Figure 02_image009
代表訊號採樣點i的電壓值，
Figure 02_image011
代表自該訊號採樣點i向左的第k個訊號採樣點的電壓值，
Figure 02_image013
代表自該訊號採樣點i向右的第k個訊號採樣點的電壓值。[0048] 在一個實施例中，n和m的值根據所述心電訊號的採樣頻率以及QRS波群的通常寬度來設置。[0049] 舉例而言，假設所述心電訊號的採樣頻率為250Hz，QRS波群的寬度為0.06-0.1s，那麼n可以等於6，m可以等於15。[0050] （a2）將所述任意一個訊號採樣點的左側的最大平均斜率和該任意一個訊號採樣點的右側的最大平均斜率中的較大者作為該任意一個訊號採樣點的最大平均斜率。[0051] 需要說明的是，在其他實施例中，當所述任意一個訊號採樣點的左側的最大平均斜率等於該任意一個訊號採樣點的右側的最大平均斜率時，則將所述任意一個訊號採樣點的左側的最大平均斜率或者該任意一個訊號採樣點的右側的最大平均斜率作為該任意一個訊號採樣點的最大平均斜率。[0052] 採用本發明中的上述雙斜率法對所述心電訊號處理後，R波峰明顯突出，更易於後續QRS波群峰的檢測。效果可參圖5A-圖5B所示。[0053] 具體地，圖5A為利用所述預設的濾波器處理過的心電訊號的示意圖。從圖5A中可以看出，經過濾波處理後心電訊號的R波峰水準約為6800，雜訊水準約為4300，雜訊幅值比例約為63.24%。圖5B為利用所述雙斜率法對所述經過濾波處理的心電訊號作進一步的處理後的示意圖。從圖5B可以看出，經過雙斜率法處理後的心電訊號的R波峰水準約為1400，雜訊水準約為400，雜訊幅值比例約為28.57%。很明顯，經過所述雙斜率法處理後，心電訊號中的T波及雜訊干擾明顯降低。此外，從圖5A中可以看出橫坐標8000-8500點處有較強干擾，從圖5B中可以看出，經過雙斜率法處理後橫坐標8000-8500點處的干擾得到了完美濾除。[0054] 步驟S4、執行模組302從經過雙斜率法處理的心電訊號中檢測R波峰。[0055] 本實施例中，所述從經過雙斜率法處理的心電訊號中檢測R波峰包括（b1）-（b2）：[0056] （b1）對每個訊號採樣點是否為波峰進行確認。[0057] 本實施例中，所述對每個訊號採樣點是否為波峰進行確認包括：當任意一個訊號採樣點的電壓值大於第一閾值THR1且該任意一個訊號採樣點的電壓值為極大值時，確定該任意一個訊號採樣點為波峰；及當任意一個訊號採樣點的電壓值小於或者等於所述第一閾值THR1，及/或該任意一個訊號採樣點的電壓值不為極大值時，確定該任意一個訊號採樣點不為波峰。[0058] 本實施例中，任意一個訊號採樣點的電壓值為極大值是指該任意一個訊號採樣點的電壓值大於自該任意一個訊號採樣點向左的第一個訊號採樣點的電壓值，且該任意一個訊號採樣點的電壓值大於自該任意一個訊號採樣點向右的第一個訊號採樣點的電壓值。[0059] （b2）根據相鄰兩個波峰之間的間距確定該相鄰兩個波峰中的每個波峰是否為R波峰。[0060] 本實施例中，所述根據相鄰兩個波峰之間的間距確定該相鄰兩個波峰中的每個波峰是否為R波峰包括：[0061] 當相鄰兩個波峰之間的訊號採樣點的總數小於或者等於預設值（例如60）時，確定該相鄰兩個波峰中對應更大的電壓值的波峰為R波峰；及[0062] 當相鄰兩個波峰之間的訊號採樣點的總數大於所述預設值時，確定該相鄰兩個波峰均為R波峰。[0063] 步驟S5、執行模組302基於所檢測的R波峰輸出QRS波群的位置。[0064] 具體地，QRS波群的位置可以用R波峰的位置來表示。R波峰的位置則是用對應R波峰的訊號採樣點所對應的時間來表示。[0065] 在一個實施例中，執行模組302輸出QRS波群的位置時還可以考慮濾波延時，即將R波峰的位置往後移動預設時間點後的位置作為QRS波群的位置。[0066] 具體地，所述預設時間點可以根據所述預設的濾波器的階數來確定。[0067] 在其他實施例中，所述執行模組302於輸出所述QRS波群的位置之前，還可以基於下述公式根據當前所確定的所有R波峰的峰值中的最大峰值
Figure 02_image015
調整所述第一閾值
Figure 02_image017
，以及調整第二閾值
Figure 02_image019
，所述第二閾值
Figure 02_image027
。具體地，[0068]
Figure 02_image023
；[0069]
Figure 02_image025
。[0070] 需要說明的是，所述執行模組302根據當前所確定的所有R波峰的峰值中的最大峰值
Figure 02_image015
即時調整所述第一閾值
Figure 02_image017
和第二閾值
Figure 02_image019
，使得本發明可以即時適應不斷變化的訊號水準，進而可有效地防止漏檢及誤檢R波峰，提高檢測的靈敏度和準確性。[0071] 最後所應說明的是，以上實施例僅用以說明本發明的技術方案而非限制，儘管參照以上較佳實施例對本發明進行了詳細說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或等同替換，而不脫離本發明技術方案的精神和範圍。
[0072] 3:心電檢測裝置 32:處理器 31:儲存器 30:檢測系統 301:採集模組 302:執行模組
[0015] 圖1示意了一個ECG訊號。 圖2是本發明較佳實施例的心電檢測裝置的架構圖。 圖3是本發明較佳實施例的檢測系統的功能模組圖。 圖4是本發明較佳實施例的QRS波群檢測方法的流程圖。 圖5A為利用濾波器處理過的心電訊號的示意圖。 圖5B為利用雙斜率法對經過濾波處理的心電訊號作了進一步的處理後的示意圖。
[0073] 無

Claims (9)

  1. 一種波群檢測方法，其中，該方法包括： 採集心電訊號； 利用預設的濾波器對所採集的心電訊號進行濾波處理，獲得經過濾波處理的心電訊號； 採用雙斜率法處理所述經過濾波處理的心電訊號，獲得經過雙斜率法處理的心電訊號； 從經過雙斜率法處理的心電訊號中檢測R波峰；及 基於所檢測的R波峰輸出QRS波群的位置。
  2. 如請求項1所述的波群檢測方法，其中，所述預設的濾波器包括工頻陷波器和二階IIR高通濾波器。
  3. 如請求項1所述的波群檢測方法，其中，所述採用雙斜率法處理所述經過濾波處理的心電訊號包括： 計算所述經過濾波處理的心電訊號的任意一個訊號採樣點的左側的最大平均斜率以及該任意一個訊號採樣點的右側的最大平均斜率； 將所述任意一個訊號採樣點的左側的最大平均斜率和該任意一個訊號採樣點的右側的最大平均斜率中的較大者作為該任意一個訊號採樣點的最大平均斜率。
  4. 如請求項3所述的波群檢測方法，其中，所述任意一個訊號採樣點的左側的最大平均斜率為
    Figure 03_image001
    ，該任意一個訊號採樣點的右側的最大平均斜率為
    Figure 03_image003
    ； 其中，
    Figure 03_image029
    ；
    Figure 03_image007
    ，其中，n、m、k為預設的正整數，
    Figure 03_image009
    代表訊號採樣點i的電壓值，
    Figure 03_image011
    代表自該訊號採樣點i向左的第k個訊號採樣點的電壓值，
    Figure 03_image013
    代表自該訊號採樣點i向右的第k個訊號採樣點的電壓值。
  5. 如請求項4所述的波群檢測方法，其中，所述從經過雙斜率法處理的心電訊號中檢測R波峰包括： 對每個訊號採樣點是否為波峰進行確認；及 根據相鄰兩個波峰之間的間距確定該相鄰兩個波峰中的每個波峰是否為R波峰。
  6. 如請求項5所述的波群檢測方法，其中，所述對每個訊號採樣點是否為波峰進行確認包括： 當任意一個訊號採樣點的電壓值大於第一閾值THR1且該任意一個訊號採樣點的電壓值為極大值時，確定該任意一個訊號採樣點為波峰； 所述根據相鄰兩個波峰之間的間距確定該相鄰兩個波峰中的每個波峰是否為R波峰包括： 當相鄰兩個波峰之間的訊號採樣點的總數小於或者等於預設值時，確定該相鄰兩個波峰中對應更大的電壓值的波峰為R波峰；及 當相鄰兩個波峰之間的訊號採樣點的總數大於所述預設值時，確定該相鄰兩個波峰均為R波峰。
  7. 如請求項6所述的波群檢測方法，其中，該方法還包括： 基於下述公式根據當前所確定的所有R波峰的峰值中的最大峰值
    Figure 03_image015
    調整所述第一閾值
    Figure 03_image017
    ，以及調整第二閾值
    Figure 03_image019
    ，所述第二閾值
    Figure 03_image027
    ；其中，
    Figure 03_image023
    ；
    Figure 03_image025
    。
  8. 一種電腦可讀儲存介質，其中，所述電腦可讀儲存介質儲存有至少一個指令，所述至少一個指令被處理器執行時實現如請求項1至7中任意一項的所述波群檢測方法。
  9. 一種心電檢測裝置，其中，該心電檢測裝置包括： 儲存器； 至少一個處理器； 所述儲存器中儲存有多個模組，所述多個模組由所述至少一個處理器執行，該多個模組包括： 採集模組，用於採集心電訊號； 執行模組，用於利用預設的濾波器對所採集的心電訊號進行濾波處理，獲得經過濾波處理的心電訊號； 所述執行模組，還用於採用雙斜率法處理所述經過濾波處理的心電訊號，獲得經過雙斜率法處理的心電訊號； 所述執行模組，還用於從經過雙斜率法處理的心電訊號中檢測R波峰；及 所述執行模組，還用於基於所檢測的R波峰輸出QRS波群的位置。
TW109111859A 2020-03-23 2020-04-08 波群檢測方法、心電檢測裝置及可讀儲存介質 TWI810447B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010209047.4A CN113499082B (zh) 2020-03-23 2020-03-23 Qrs波群检测方法、心电检测装置及可读存储介质
CN202010209047.4 2020-03-23

Publications (2)

Publication Number Publication Date
TW202142174A true TW202142174A (zh) 2021-11-16
TWI810447B TWI810447B (zh) 2023-08-01

Family

ID=77746443

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109111859A TWI810447B (zh) 2020-03-23 2020-04-08 波群檢測方法、心電檢測裝置及可讀儲存介質

Country Status (3)

Country Link
US (1) US11213243B2 (zh)
CN (1) CN113499082B (zh)
TW (1) TWI810447B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114343642A (zh) * 2021-10-22 2022-04-15 厦门大学 一种基于心率变异性指标的疲劳驾驶检测方法、系统
CN114521901B (zh) * 2021-12-28 2024-03-19 宁波慈溪生物医学工程研究所 一种心电特征提取方法、装置及存储介质
CN115886834A (zh) * 2022-11-11 2023-04-04 研祥智慧物联科技有限公司 Ecg的心电数据波峰检测方法、装置及计算机设备

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090216144A1 (en) * 2008-02-25 2009-08-27 Bruce Hopenfeld Hopping methods for the detection of QRS onset and offset
US8909332B2 (en) * 2010-01-26 2014-12-09 Stmicroelectronics S.R.L. Method and device for estimating morphological features of heart beats
CN105030228B (zh) * 2015-06-29 2019-07-02 深圳市理邦精密仪器股份有限公司 在心电信号中确定其p波位置的方法及装置
CN105078447B (zh) * 2015-07-08 2017-12-05 上海师范大学 一种心电信号r波定位方法
US10314542B2 (en) * 2016-01-14 2019-06-11 Biosense Webster (Israel) Ltd. Identification of fractionated signals
CN106963368A (zh) * 2017-02-07 2017-07-21 深圳中科汇康技术有限公司 Qrs复合波检测方法及装置
CN107997759B (zh) * 2017-10-27 2020-06-26 北京康博众联电子科技有限公司 心电信号中qrs波群的检测方法、存储介质和计算机设备
CN108056773A (zh) * 2017-12-11 2018-05-22 重庆邮电大学 基于改进变分模态分解的心电信号qrs波群检测算法
CN110327032A (zh) * 2019-03-27 2019-10-15 苏州平稳芯跳医疗科技有限公司 一种单导心电信号pqrst波联合精准识别算法
CN110432895B (zh) * 2019-08-09 2022-02-11 上海鹰瞳医疗科技有限公司 训练数据处理、心电波形检测方法及电子设备
CN110507317B (zh) * 2019-09-03 2021-11-02 西安邮电大学 一种心电信号r波的自适应ca-cfar定位方法
CN110840443B (zh) * 2019-11-29 2022-06-10 京东方科技集团股份有限公司 心电信号处理方法、心电信号处理装置和电子设备

Also Published As

Publication number Publication date
TWI810447B (zh) 2023-08-01
CN113499082B (zh) 2023-12-19
US11213243B2 (en) 2022-01-04
US20210290095A1 (en) 2021-09-23
CN113499082A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
TW202142174A (zh) 波群檢測方法、心電檢測裝置及可讀儲存介質
US10194821B2 (en) Medical device having automated ECG feature extraction
Benmalek et al. Digital fractional order operators for R-wave detection in electrocardiogram signal
Kohler et al. QRS detection using zero crossing counts
Sabherwal et al. Automatic detection of the R peaks in single-lead ECG signal
Zhang et al. VLSI friendly ECG QRS complex detector for body sensor networks
CN102379694B (zh) 心电图r波检测方法
Wang et al. A±6ms-Accuracy, 0.68 mm 2 and 2.21 μW QRS detection ASIC
CN101919704B (zh) 一种心音信号定位、分段方法
CN110432895B (zh) 训练数据处理、心电波形检测方法及电子设备
CN109222964A (zh) 房颤检测装置及存储介质
Beyramienanlou et al. An efficient teager energy operator-based automated QRS complex detection
CN109077721B (zh) 房颤检测装置及存储介质
Phyu et al. A real-time ECG QRS detection ASIC based on wavelet multiscale analysis
CN113197584A (zh) 一种基于差分过零检测法的qrs波群识别方法
CN114916940A (zh) 基于专家知识的心律失常信号检测方法、系统及终端
CN111839494A (zh) 一种心率监测方法及系统
CN111582138A (zh) 基于频域倒谱系数特征的心电身份识别方法及系统
CN111166325B (zh) 基于ipcmm算法的心电信号qrs复合波检测方法及系统
CN111643070A (zh) 一种t波起点的确定方法、装置、存储介质及电子设备
CN110279411A (zh) 一种心脏数据异常检测方法、装置、存储介质及终端设备
Illanes-Manriquez An automatic multi-lead electrocardiogram segmentation algorithm based on abrupt change detection
Kumar et al. Performance comparison of windowing techniques for ECG signal enhancement
Khan et al. Performance analysis of modified zero crossing counts method for heart arrhythmias detection and implementation in HDL
CN115067967A (zh) 心拍信号基准点确定方法、心拍类型识别方法及装置