TWI672127B - 基於小波分析之即時qrs波偵測演算法 - Google Patents
基於小波分析之即時qrs波偵測演算法 Download PDFInfo
- Publication number
- TWI672127B TWI672127B TW107143824A TW107143824A TWI672127B TW I672127 B TWI672127 B TW I672127B TW 107143824 A TW107143824 A TW 107143824A TW 107143824 A TW107143824 A TW 107143824A TW I672127 B TWI672127 B TW I672127B
- Authority
- TW
- Taiwan
- Prior art keywords
- value
- original signal
- qrs wave
- detection algorithm
- wave detection
- Prior art date
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本發明基於小波分析之即時QRS波偵測演算法,其包含有調整、讀取、前處理、轉換、選擇、計算、推算及判斷等步驟;其中,於該調整步驟調整窗格後,並於該讀取步驟載入原始訊號,以便透過該窗格擷取該原始訊號,接著於該前處理步驟消除基線飄移,然後於該轉換步驟做小波轉換得到所有尺度的高、低頻訊號,再於該選擇步驟選用欲分析的尺度,並於該計算步驟透過所選尺度計算門檻值,接著於該推算步驟推算該原始訊號的對應座標,再於該判斷步驟利用與前一特徵極值對座標間的距離來判斷是否為QRS波,因此,利用小波轉換可多重解析的特性,同時藉由特徵極值對間的距離條件進行篩選,以及配合相對應的公式及條件進行判斷,藉以大幅提升判斷準確度、降低計算量及提升分析速度,以達到病症的快速評估及診斷,同時有效減少人力資源的消耗,更加符合經濟效益。
Description
本發明是有關於一種演算方式,特別是一種基於小波分析之即時QRS波偵測演算法。
查,心電圖普遍用於追蹤心臟疾病的發生,以及針對心臟疾病進行分析及診斷,其採用非侵入性的量測方式,並提供良好的訊息,使得醫療人員或研究人員得以藉由心電圖訊號所呈現的心臟整體的電位變化,進而清楚地瞭解患者的心臟狀況,以及檢測出有潛在危險的患者,亦或是幫助監測心臟有缺陷的患者,以便降低患者心臟疾病發作的風險,而在進行心電圖訊號的判斷及分類之前,醫療人員或研究人員必須要在大量的心電圖訊號中找出QRS波型,進而藉由P、Q、R、S、T波的位置、大小及形狀,來做為診斷心臟疾病的依據。
惟,為求提升心電圖訊號分析判斷的精準性,其通常需要花費相當長的時間進行量測,藉以收集足夠的訊號進行分析,同時提高紀錄到病症發作的成功率,所以大量的心電圖訊號造成分析判讀作業需要耗費很長的時數,且其需經由專業的醫療人員或是研究人員來進行判讀,故在人力資源的消耗是相當龐大的,因此,如何快速且精準地判斷心電圖訊號中的QRS波,藉以讓專業的醫療人員或是研究人員快速評估及診斷病人的病症,進而有效減少人力資源的消耗,以及提升整體分析的速度,實以成為各界無法忽視的重要議題。
因此,本發明之目的,是在提供一種基於小波分析之即時QRS波偵測演算法,其可大幅提升判斷準確度、降低計算量及提升分析速度,以達到病症的快速評估及診斷,進而有效減少人力資源的消耗。
於是,本發明基於小波分析之即時QRS波偵測演算法,其包含有調整、讀取、前處理、轉換、選擇、計算、推算及判斷步驟等;其中,於該調整步驟中調整擷取窗格,並於該讀取步驟載入欲分析之原始訊號,再於該前處理步驟濾出基線飄移訊號,其進一步於該轉換步驟中,透過小波轉換得到所有尺度的低頻訊號、高頻訊號及正、負特徵極值點,接著於該選擇步驟選擇其一尺度進行分析,另外於該計算步驟中,藉由該所選尺度計算出正、負門檻值,然後於該推算步驟中算出該原始訊號的對應座標,最後於該判斷步驟中,利用該座標與前一特徵極值對的座標間之距離進行判斷;是以,利用小波轉換中的多重解析之特性,同時配合不同公式及條件進行判斷,其可大幅提升判斷準確度、降低計算量及提升分析速度,以達到病症的快速評估及診斷,同時有效減少人力資源的消耗,更加符合經濟效益。
有關本發明之前述及其他技術內容、特點與功效,在以下配合參考圖式之較佳實施例的詳細說明中,將可清楚的明白。
參閱圖1及圖2,本發明一種基於小波分析之即時QRS波偵測演算法3,其包含有一調整步驟31,一讀取步驟32,一前處理步驟33,一轉換步驟34,一選擇步驟35,一計算步驟36、一推算步驟37,以及一判斷步驟38等,而本實施例中,該判斷步驟38後另具有一排除步驟39,以有效提升判斷準確度;參閱圖3及圖4,首先於該調整步驟31中,備有一處理器4,並藉由該處理器4透過小波轉換公式進行擷取窗格的調整作業,而該小波轉換公式如下列:
利用母小波Ψ(t-b/a)中的係數a可以讓母小波伸縮,而係數b可以讓母小波平移,透過該係數a、b調整讓母小波按照輸入的參數伸縮與平移即可得到類似可以自由調整的擷取窗格,並使任二擷取窗格間重疊複數個取樣點,不同數量的取樣點重疊亦會影響後續偵測正確性,而本實施例中係以任二擷取窗格間重疊150個取樣點且每個擷取窗格為4096個取樣點為例加以說明,並於該讀取步驟32載入欲分析之原始訊號S,參閱圖4及圖5-1,接著於該前處理步驟33中備有濾波器5,而本實施例中係以該濾波器5為200ms中值濾波器5及600ms中值濾波器5為例加以說明,首先藉由該200ms中值濾波器5針對該原始訊號S進行初步濾波處理,藉以濾除QRS波及P波,接著藉由該600ms中值濾波器5再針對經過該200ms中值濾波器5濾波後之原始訊號S進行濾波處理,藉以濾除T波,並得到不包含QRS波、P波及T波的基線飄移訊號,再將該原始訊號S減去該基線飄移訊號,即得到修正之原始訊號S,即如圖5-2所示,而本實施例中,該前處理步驟32不包含消除高頻雜訊之動作,藉以避免該原始訊號S於消除高頻雜訊的過程中,連同頻率較高的QRS波型一起被影響而降低特徵值。
仍續前述,參閱圖6至圖9,再於該轉換步驟33,採用的雙正交樣條小波的母小波為下列公式:
藉由上述公式得到所有尺度的高頻訊號D與低頻訊號A,轉換尺度的數量可依實際需求與情況進行調整,而本實施例中係以小波轉換得到四個尺度的高頻訊號D1、D2、D3、D4及低頻訊號A1、A2、A3、A4,另亦可透過小波轉換等效的高通濾波器及低通濾波器進行轉換處理,同時該等高頻訊號D1、D2、D3、D4中之波型皆轉換為正、負特徵極值點,即如圖10所示,另外,本實施例中,係將該等高頻訊號D1、D2、D3、D4之擷取窗格前50個取樣點及後50個取樣點予以去除,不納入檢測運算,接著,進一步於該選擇步驟35中,選擇其一尺度的高頻訊號D進行分析,而本實施例中係以選用第三尺度的高頻訊號D3進行分析為例加以說明。
仍續前述,再於該計算步驟36中,先將該第三尺度之高頻訊號D3分成四段,並在該四段訊號內分別取正的最大值與負的最小值,然後將四個最大值取平均數得到平均最大值,以及將四個最小值取平均數得到平均最小值,接著取平均最大值的四分之一的數值,以得到正門檻值,另取平均最小值的四分之一的數值,以得到負門檻值,參閱圖11及圖12,並於該推算步驟37中,首先標示出一超過該正門檻值之正特徵極值點,並標示出一與該正特徵極值點極性相反且超過該負門檻值之負特徵極值點,以形成特徵極值對,且該正、負特徵極值點間之距離不超過預設值,而本實施例中該預設值為45個取樣點,當距離超過45個取樣點則表示波型較圓滑,不太符合QRS波型高聳尖銳的特徵,接著將正特徵極值點座標(X2, Y2)、負特徵極值點座標(X1, Y1),以及該原始訊號S做小波轉換後對時間領域超前或落後的量值帶入一推算公式,而本實施例中,該值依不同使用尺度帶入,其於該第二尺度為5,該第三尺度為10,該第四尺度為25,而該推算公式如下列:
藉由上述推算公式推算出該原始訊號S在時間領域對應的座標P(n)。
參閱圖12,接著於該判斷步驟38中,其將前述座標P(n)與前一特徵極值對所推算出之座標P(n-1)距離做比較,因年紀、性別、生活習慣等不同因素的影響,該距離的判斷標準值亦會有所不同,不應以此為限,當該距離小於第一數值,而本實施例中該第一數值係為100個取樣點,取該座標P(n)與P(n-1)波型較尖銳者,亦即將該P(n)與P(n-1)個別的正特徵極值點座標(X2, Y2)及負特徵極值點座標(X1, Y1)帶入一判斷公式,該判斷公式如下列:
透過該判斷公式計算後取結果值(α)較大者(即為R波波峰)加入紀錄,配合參閱圖13,框起處出現兩對特徵極值對,透過該判斷公式進行計算並取結果值較大者,亦即R波波峰,應加入紀錄;當該距離小於第二數值且大於該第一數值,代表受測者心率較快,亦或該心電圖訊號中含有較陡峭的T波或P波,必須進一步判斷,而本實施例中該第二數值係為130個取樣點,是以,加入另一尺度之高頻訊號D協助判斷,而本實施例中以加入第二尺度之高頻訊號D2進行判斷,當該第三尺度之該特徵極值對亦出現在該第二尺度之高頻訊號D2內且位置相同,則將該P(n)座標位置加入紀錄,亦即當座標P(n-1)與P(n)皆出現在該第三尺度與該第二尺度的高頻訊號D3、D2當中,則代表該二座標P(n-1)、P(n)皆為R波波峰,因此該二座標P(n-1)、P(n)皆須加入紀錄,反之,未同時出現在該第三尺度與該第二尺度高頻訊號D3、D2中的座標代表不是R波波峰,則不予以記錄,配合參閱圖14,該第三尺度高頻訊號D3框起處之特徵極值對亦出現在該第二尺度高頻訊號D2中,即加入紀錄,另外參閱圖15,圖15所示之框起處在該第三尺度的高頻訊號D3出現特徵極值對,然而在該第二尺度的高頻訊號D2並沒有該特徵極值對,則不加入紀錄;當該距離大於該第二數值,亦即大於130個取樣點,則直接紀錄座標P(n)位置,而本實施例中,該判斷步驟38後可再藉由一排除步驟39提升偵測的正確性,該排除步驟39藉由前述判斷公式計算該每一特徵極值對之結果值(α),當該結果值小於所有結果值之平均值的五分之一,即將該點由紀錄中刪除。
仍續前述,完成前述該等調整31、讀取32、前處理33、轉換34、選擇35、計算36、推算37、判斷38及排除39步驟後,即得到所有QRS波的位置,因此利用小波轉換中的多重解析之特性,同時藉由二特徵極值對間的距離條件進行篩選,以及配合不同尺度的高頻訊號D判斷並做QRS波的偵測,進而減少檢測時的干擾,有效增加檢測的準確度,同時僅針對該原始訊號S做消除基線飄移的處理,而不進行高頻濾波,藉以避免影響該原始訊號S中最明顯的QRS波,進而快速且準確做到QRS波的定位,不僅大大提升判斷準確度、降低整體計算量及有效提升分析速度,以達到病症的快速評估及診斷,更能減少人力資源的消耗,並符合經濟效益。
本發明採用MIT-BIH心律不整資料庫的48筆心電圖紀錄,總共109,488個QRS波,進一步測試本案所提出的演算法3,並採用下列算式計算本案所提之演算法3的靈敏度(Se)、陽性預測值(+P)及錯誤率(Der)等數值:
TP:正確的QRS波總數
FP:非QRS波卻被偵測到的總數
FN:是QRS波卻沒被偵測到的總數
FP+FN:總錯誤數量
參下列表1,實驗結果顯示QRS波的偵測正確性可達到99.84%的靈敏度和99.91%的陽性預測值,錯誤率僅為0.2471%,因此,本案所提出之演算法3具有相當的準確度且也有實際應用的價值。
表1
編號 | TP | FP | FN | FP+FN | 編號 | TP | FP | FN | FP+FN |
100 | 2,273 | 0 | 0 | 0 | 201 | 1,963 | 6 | 2 | 8 |
101 | 1,865 | 0 | 0 | 0 | 202 | 2,136 | 0 | 3 | 3 |
102 | 2,187 | 0 | 0 | 0 | 203 | 2,980 | 13 | 33 | 46 |
103 | 2,084 | 0 | 0 | 0 | 205 | 2,656 | 0 | 6 | 6 |
104 | 2,229 | 1 | 1 | 2 | 207 | 1,860 | 1 | 18 | 19 |
105 | 2,572 | 27 | 4 | 31 | 208 | 2,955 | 2 | 16 | 18 |
106 | 2,027 | 0 | 5 | 5 | 209 | 3,005 | 0 | 2 | 2 |
107 | 2,137 | 0 | 1 | 1 | 210 | 2,650 | 4 | 8 | 12 |
108 | 1,763 | 10 | 13 | 23 | 212 | 2,748 | 0 | 0 | 0 |
109 | 2,532 | 0 | 0 | 0 | 213 | 3,251 | 0 | 0 | 0 |
111 | 2,124 | 0 | 1 | 1 | 214 | 2,262 | 1 | 3 | 4 |
112 | 2,539 | 0 | 0 | 0 | 215 | 3,363 | 0 | 1 | 1 |
113 | 1,789 | 6 | 0 | 6 | 217 | 2,208 | 3 | 7 | 10 |
114 | 1,879 | 1 | 8 | 9 | 219 | 2,154 | 0 | 0 | 0 |
115 | 1,953 | 0 | 0 | 0 | 220 | 2,048 | 0 | 0 | 0 |
116 | 2,412 | 0 | 20 | 20 | 221 | 2,427 | 0 | 2 | 2 |
117 | 1,535 | 0 | 0 | 0 | 222 | 2,483 | 1 | 2 | 3 |
118 | 2,278 | 0 | 0 | 0 | 223 | 2,605 | 0 | 3 | 3 |
119 | 1,987 | 0 | 0 | 0 | 228 | 2,053 | 8 | 13 | 21 |
121 | 1,863 | 0 | 1 | 1 | 230 | 2,256 | 1 | 0 | 1 |
122 | 2,476 | 0 | 0 | 0 | 231 | 1,571 | 0 | 0 | 0 |
123 | 1,518 | 0 | 0 | 0 | 232 | 1,780 | 4 | 0 | 4 |
124 | 1,619 | 0 | 0 | 0 | 233 | 3,079 | 0 | 2 | 2 |
200 | 2,601 | 2 | 5 | 7 | 234 | 2,753 | 0 | 0 | 0 |
歸納前述,本發明基於小波分析之即時QRS波偵測演算法,其包含有調整、讀取、前處理、轉換、選擇、計算、推算及判斷等步驟;其中,於該調整步驟中藉由該處理器調整擷取窗格,並於該讀取步驟中載入該原始訊號後,進一步於該前處理步驟中透過該濾波器消除基線飄移,以得到修正之原始訊號,接著於該轉換步驟中轉換修正之原始訊號以得到所有尺度的高頻訊號及低頻訊號,再於該選擇步驟中選用分析尺度,以及於該計算步驟中計算出正、負門檻值,接著於該推算步驟中推算該原始訊號的對應座標,並於該判斷步驟中判斷該座標與前一特徵極值對座標間之距離,再適時配合該判斷公式或加入另一尺度之高頻訊號分析,如此即完成QRS波的檢測,因此,利用小波轉換中的多重解析之特性,同時配合不同公式及條件進行判斷,藉以降低雜訊以及大振幅的P波與T波所造成的誤判,進而大幅提升判斷準確度、降低計算量及提升分析速度,以達到病症的快速評估及診斷,進而有效減少人力資源的消耗,更加符合經濟效益。
惟以上所述者,僅為說明本發明之較佳實施例而已,當不能以此限定本發明實施之範圍,即大凡依本發明申請專利範圍及發明說明書內容所作之簡單的等效變化與修飾,皆應仍屬本發明專利涵蓋之範圍內。
(本發明)
3‧‧‧基於小波分析之即時QRS波偵測演算法
31‧‧‧調整步驟
32‧‧‧讀取步驟
33‧‧‧前處理步驟
34‧‧‧轉換步驟
35‧‧‧選擇步驟
36‧‧‧計算步驟
37‧‧‧推算步驟
38‧‧‧判斷步驟
39‧‧‧排除步驟
4‧‧‧處理器
5‧‧‧濾波器
S‧‧‧原始訊號
A1‧‧‧第一尺度之低頻訊號
A2‧‧‧第二尺度之低頻訊號
A3‧‧‧第三尺度之低頻訊號
A4‧‧‧第四尺度之低頻訊號
D1‧‧‧第一尺度之高頻訊號
D2‧‧‧第二尺度之高頻訊號
D3‧‧‧第三尺度之高頻訊號
D4‧‧‧第四尺度之高頻訊號
圖1是本發明第一較佳實施例之流程方塊示意圖。 圖2是該第一較佳實施例之另一流程方塊示意圖。 圖3是調整擷取窗格之示意圖 圖4是該第一較佳實施例之局部流程方塊示意圖。 圖5-1是基線飄移之原始訊號。 圖5-2是修正基線飄移之原始訊號。 圖6是小波多重分解示意圖。 圖7是小波一階轉換波型圖。 圖8是原始訊號經四階小波轉換後的低頻訊號。 圖9是原始訊號經四階小波轉換後的高頻訊號。 圖10是高頻訊號呈現正、負特徵極值點。 圖11是特徵極值對示意圖。 圖12是該第一較佳實施例之局部流程方塊示意圖。 圖13是出現兩對特徵極值對則取波型較尖銳者。 圖14-15是加入第二尺度的高頻成分判斷。
Claims (9)
- 一種基於小波分析之即時QRS波偵測演算法,其包含有下列步驟: 一調整步驟,其備具一處理器,該處理器透過小波轉換公式調整擷取窗格,使得任二擷取窗格間重疊數個取樣點,以便透過該擷取窗格擷取欲分析之原始訊號; 一讀取步驟,其針對欲分析之原始訊號進行讀取與載入動作; 一前處理步驟,其備具一濾波器,該濾波器針對該原始訊號進行濾波處理,以得到基線飄移訊號,再將該原始訊號減去該基線飄移訊號,藉以得到修正之原始訊號; 一轉換步驟,該修正之原始訊號通過小波轉換得到所有尺度的高頻訊號與低頻訊號,同時該修正之原始訊號中的波型轉換為正、負特徵極值點; 一選擇步驟,其選取其中一尺度的高頻訊號進行分析; 一計算步驟,其首先將所選尺度的高頻訊號分成四段,並在該四段訊號內分別取正的最大值與負的最小值,然後將四個最大值與四個最小值分別取平均數後,得到平均最大值及平均最小值,接著取平均最大值的四分之一的數值,以得到一正門檻值,另取平均最小值的四分之一的數值,以得到一負門檻值; 一推算步驟,其首先標示出一超過該正門檻值之正特徵極值點,並標示出一超過該負門檻值之負特徵極值點,且該正、負特徵極值點間之距離需小於預設值,以形成一特徵極值對,接著將該正、負特徵極值點之座標予以帶入一推算公式,以推算出該原始訊號在時間領域對應的座標;以及 一判斷步驟,其將前述座標與前一特徵極值對所推算出之座標間的距離加以比較,當該距離小於第一數值,則分別將該等座標帶入一判斷公式進行計算,並取結果值較大者加入紀錄;當該距離小於第二數值且大於該第一數值,則加入另一尺度之高頻訊號做判斷,當該特徵極值對亦出現在該另一尺度之高頻訊號內且位置相同,則記錄該特徵極值對;反之,當該距離大於該第二數值,亦需記錄該特徵極值對。
- 根據申請專利範圍第1項所述之基於小波分析之即時QRS波偵測演算法,其中,該調整步驟中之該二擷取窗格間重疊150個取樣點。
- 根據申請專利範圍第1項所述之基於小波分析之即時QRS波偵測演算法,其中,該前處理步驟中,該濾波器為中值濾波器。
- 根據申請專利範圍第1項所述之基於小波分析之即時QRS波偵測演算法,其中,該轉換步驟中,該修正之原始訊號轉換為四個尺度的高頻訊號與低頻訊號,且轉換完成的高頻訊號之擷取窗格前、後各去除50個取樣點。
- 根據申請專利範圍第1項所述之基於小波分析之即時QRS波偵測演算法,其中,該選擇步驟與該計算步驟中使用第三尺度之高頻訊號進行比對分析。
- 根據申請專利範圍第1項所述之基於小波分析之即時QRS波偵測演算法,其中,該第一數值為100個取樣點,而該第二數值為130個取樣點。
- 根據申請專利範圍第1項所述之基於小波分析之即時QRS波偵測演算法,其中,該推算步驟中的預設值為45個取樣點。
- 根據申請專利範圍第1項或第6項所述之基於小波分析之即時QRS波偵測演算法,其中,該判斷步驟中,當該距離小於該第二數值且大於該第一數值時,加入第二尺度之高頻訊號進行比對分析。
- 根據申請專利範圍第1項所述之基於小波分析之即時QRS波偵測演算法,其中,該判斷步驟後另具有一排除步驟,其經由該判斷公式計算該每一特徵極值對之結果值,當該結果值小於所有結果值之平均值的五分之一,即予以刪除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107143824A TWI672127B (zh) | 2018-12-06 | 2018-12-06 | 基於小波分析之即時qrs波偵測演算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107143824A TWI672127B (zh) | 2018-12-06 | 2018-12-06 | 基於小波分析之即時qrs波偵測演算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI672127B true TWI672127B (zh) | 2019-09-21 |
TW202021532A TW202021532A (zh) | 2020-06-16 |
Family
ID=68619000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107143824A TWI672127B (zh) | 2018-12-06 | 2018-12-06 | 基於小波分析之即時qrs波偵測演算法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI672127B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114533078A (zh) * | 2022-02-25 | 2022-05-27 | 西安交通大学 | 一种自适应ecg信号边缘处理方法及系统、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0634136A1 (en) * | 1993-07-16 | 1995-01-18 | Siemens-Elema AB | Method and device for processing ECG-signals |
US20080194978A1 (en) * | 2004-05-01 | 2008-08-14 | Amir Beker | Apparatus and Method for Analysis of High Frequency Qrs Complexes |
TWI374727B (en) * | 2008-11-19 | 2012-10-21 | Univ Nat Yang Ming | Chip for sensing a physiological signal and sensing method thereof |
CN105496402A (zh) * | 2015-11-20 | 2016-04-20 | 北京理工大学 | 基于散点图和符号动力学的心电特征分析方法 |
-
2018
- 2018-12-06 TW TW107143824A patent/TWI672127B/zh not_active IP Right Cessation
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0634136A1 (en) * | 1993-07-16 | 1995-01-18 | Siemens-Elema AB | Method and device for processing ECG-signals |
US20080194978A1 (en) * | 2004-05-01 | 2008-08-14 | Amir Beker | Apparatus and Method for Analysis of High Frequency Qrs Complexes |
US8706201B2 (en) * | 2004-05-01 | 2014-04-22 | Bsp Biological Signal Processing Ltd. | Apparatus and method for analysis of high frequency QRS complexes |
TWI374727B (en) * | 2008-11-19 | 2012-10-21 | Univ Nat Yang Ming | Chip for sensing a physiological signal and sensing method thereof |
CN105496402A (zh) * | 2015-11-20 | 2016-04-20 | 北京理工大学 | 基于散点图和符号动力学的心电特征分析方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114533078A (zh) * | 2022-02-25 | 2022-05-27 | 西安交通大学 | 一种自适应ecg信号边缘处理方法及系统、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
TW202021532A (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2016230825B2 (en) | Systems, apparatus and methods for sensing fetal activity | |
US20150105666A1 (en) | Narrow band feature extraction from cardiac signals | |
US20130190638A1 (en) | Motion and noise artifact detection for ecg data | |
WO2019161611A1 (zh) | 心电信息处理方法和心电工作站 | |
US10912479B2 (en) | Method for accurately extracting abnormal potential within QRS | |
Agostinelli et al. | Noninvasive fetal electrocardiography Part I: Pan-tompkins' algorithm adaptation to fetal R-peak identification | |
US20130041276A1 (en) | METHOD AND SYSTEM FOR AUTOMATICALLY DETECTING AND ANALYZING PEDIATRIC ECGs | |
WO2019100563A1 (zh) | 心电信号质量评估方法 | |
CN110123304B (zh) | 基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法 | |
CN109645979A (zh) | 动态心电信号伪差识别方法及装置 | |
CN107622259B (zh) | 一种t波检测方法、心电数据分析方法及装置 | |
WO2017148450A1 (zh) | 一种基于单层形态学滤除基线漂移的方法和系统 | |
KR20220150901A (ko) | 모체 자궁 활동 검출을 위한 융합 신호 처리 | |
Bsoul et al. | Detection of P, QRS, and T components of ECG using wavelet transformation | |
TWI672127B (zh) | 基於小波分析之即時qrs波偵測演算法 | |
CN109567869B (zh) | 一种处理胎心率曲线上加速活动的方法及系统 | |
Lu et al. | Nonlinear baseline estimation of FHR signal using empirical mode decomposition | |
Dessì et al. | Identification of fetal QRS complexes in low density non-invasive biopotential recordings | |
TWI696191B (zh) | 降低雜訊影響之qrs波偵測演算法 | |
CN110491504B (zh) | 一种心音信号医学指标数据的获取方法 | |
CN111685759B (zh) | 一种心电信号的p、t特征波检测方法 | |
TWM574469U (zh) | Qrs波即時檢測裝置 | |
Jang et al. | A simple and robust method for determining the quality of cardiovascular signals using the signal similarity | |
Golpaygani et al. | Detection and identification of S1 and S2 heart sounds using wavelet decomposition method | |
Arvinti et al. | Adaptive thresholding algorithm for noisy electrocardiograms using reverse biorthogonal mother wavelets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |