TWI742844B - 心電雜訊濾除裝置 - Google Patents

心電雜訊濾除裝置 Download PDF

Info

Publication number
TWI742844B
TWI742844B TW109131018A TW109131018A TWI742844B TW I742844 B TWI742844 B TW I742844B TW 109131018 A TW109131018 A TW 109131018A TW 109131018 A TW109131018 A TW 109131018A TW I742844 B TWI742844 B TW I742844B
Authority
TW
Taiwan
Prior art keywords
signal
ecg signal
ecg
noise
arithmetic circuit
Prior art date
Application number
TW109131018A
Other languages
English (en)
Other versions
TW202210036A (zh
Inventor
吳沛昇
王裕翔
蔡朋哲
鐘永銘
Original Assignee
廣達電腦股份有限公司
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 廣達電腦股份有限公司 filed Critical 廣達電腦股份有限公司
Priority to TW109131018A priority Critical patent/TWI742844B/zh
Priority to CN202011030423.XA priority patent/CN114159073B/zh
Priority to US17/107,553 priority patent/US11311245B2/en
Application granted granted Critical
Publication of TWI742844B publication Critical patent/TWI742844B/zh
Publication of TW202210036A publication Critical patent/TW202210036A/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
    • A61B5/366—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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • 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
    • 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
    • A61B5/7214—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using signal cancellation, e.g. based on input of two identical physiological sensors spaced apart, or based on two signals derived from the same sensor, for different optical wavelengths
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms

Abstract

本發明提供了一種心電雜訊濾除裝置。心電雜訊濾除裝置中可包括一濾波器和一運算電路。濾波器接收第一心電訊號，且對第一心電訊號進行一Savitzky–Golay演算法，以產生第二心電訊號。運算電路耦接濾波器，以接收第二心電訊號，且根據一穩定小波轉換演算法對第二心電訊號進行處理，以產生一雜訊訊號。此外，上述運算電路將上述第二心電訊號扣除上述雜訊訊號，以過濾上述第一心電訊號中的上述雜訊訊號。

Description

心電雜訊濾除裝置
本發明之實施例主要係有關於一心電雜訊濾除技術，特別係有關於藉由結合Savitzky–Golay演算法和穩定小波轉換(Stationary Wavelet Transform，SWT)演算法來濾除心電訊號之不規則雜訊之心電雜訊濾除技術。
隨著科技日益的進步以及醫療技術的進步，對於人體身體訊號的量測和分析之需求也日益增加。心電圖（Electrocardiography，ECG）是一種以時間為單位記錄心臟的電生理活動，並通過皮膚上的電極捕捉並記錄下來的診療技術。在量測心電訊號時，往往會受到不同雜訊(例如：市電雜訊、導線雜訊、動作雜訊、肌電雜訊以及基線漂移等等)的干擾。
傳統上會使用高通濾波器、低通濾波器、帶通濾波器或帶拒濾波器來濾除雜訊。然而，傳統使用高通濾波器、低通濾波器、帶通濾波器或帶拒濾波器來雜訊濾除方式，只能濾除特定頻率的雜訊，且其衰減倍率無法隨時調控。因此，容易因為濾波器之衰減倍率過大而導致原信號一併被濾除的情形發生。
有鑑於上述先前技術之問題，本發明之實施例提供了一種心電雜訊濾除和方法。
根據本發明之一實施例提供了一種心電雜訊濾除裝置。上述心電雜訊濾除裝置包括一濾波器和一運算電路。濾波器接收一第一心電訊號，且對上述第一心電訊號進行一Savitzky–Golay演算法，以產生一第二心電訊號。運算電路耦接上述濾波器，以接收上述第二心電訊號，且根據一穩定小波轉換演算法對上述第二心電訊號進行處理，以產生一雜訊訊號。此外，上述運算電路將上述第二心電訊號扣除上述雜訊訊號，以過濾上述第一心電訊號中的上述雜訊訊號。
根據本發明一實施例，上述濾波器係一Savitzky–Golay濾波器。
根據本發明一實施例，運算電路可包括一第一運算電路。第一運算電路耦接上述濾波器。當上述第一運算電路開始接收到上述第二心電訊號後，上述第一運算電路根據上述穩定小波轉換演算法，對在一起始時間區間內取得之上述第二心電訊號進行穩定小波運算、取出經過穩定小波運算後之對應最低階之在上述起始時間區間內取得之上述第二心電訊號，以及對最低階之在上述起始時間區間內取得之上述第二心電訊號進行一QRS偵測，以產生一QRS模板訊號。
根據本發明一實施例，運算電路可包括一第一穩定小波轉換電路。第一穩定小波轉換電路耦接上述濾波器。在上述起始時間區間後，第一穩定小波轉換電路對從上述濾波器接收到之上述第二心電訊號進行具有一第一階層數之上述穩定小波轉換演算法，並將經過具有上述第一階層數之上述穩定小波轉換演算法處理後之最高階的上述第二心電訊號濾除掉，以及輸出具有上述第一階層數之一第三心電訊號。
根據本發明一實施例，運算電路可包括一反向穩定小波轉換電路。反向穩定小波轉換電路耦接第一穩定小波轉換電路，以接收具有上述第一階層數之上述第三心電訊號。反向穩定小波轉換電路對具有上述第一階層數之上述第三心電訊號進行一反穩定小波轉換演算法，以輸出一第四心電訊號。
根據本發明一實施例，運算電路可包括一第二穩定小波轉換電路。第二穩定小波轉換電路耦接上述反向穩定小波轉換電路，以接收上述第四心電訊號。第二穩定小波轉換電路對上述第四心電訊號，進行具有一第二階層數之上述穩定小波轉換演算法，以產生具有上述第二階層數之一第五心電訊號。
根據本發明一實施例，運算電路可包括一第二運算電路。第二運算電路耦接上述第一運算電路和上述第二穩定小波轉換電路，以接收上述QRS模板訊號和具有上述第二階層數之上述第五心電訊號。第二運算電路對上述QRS模板訊號和最低階層之上述第五心電訊號進行一相關性運算，以過濾掉每一階層之上述第五心電訊號中的QRS波訊號。
根據本發明一實施例，第二運算電路對已濾除QRS波訊號之上述第五心電訊號之低頻部分，進行一PT波濾除運算，以濾除上述第五心電訊號之低頻部分中的PT波訊號。
根據本發明一實施例，濾除上述第五心電訊號之低頻部分中的PT波訊號後，第二運算電路進行上述反穩定小波轉換演算法，以產生上述雜訊訊號。
根據本發明一實施例，運算電路更包括一減法電路。減法電路耦接上述第二運算電路。減法電路接收上述第四心電訊號和上述雜訊信號，以及將上述第四心電訊號扣除上述雜訊訊號，以過濾上述第一心電訊號中的上述雜訊訊號。
關於本發明其他附加的特徵與優點，此領域之熟習技術人士，在不脫離本發明之精神和範圍內，當可根據本案實施方法中所揭露之心電雜訊濾除裝置和方法，做些許的更動與潤飾而得到。
本章節所敘述的是實施本發明之較佳方式，目的在於說明本發明之精神而非用以限定本發明之保護範圍，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。
第1圖係顯示根據本發明之一實施例所述之一心電(Electrocardiography，ECG)雜訊濾除裝置100之方塊圖。如第1圖所示，心電雜訊濾除裝置100可包括一濾波器110、一運算電路120以及一儲存裝置130。注意地是，在第1圖中所示之方塊圖，僅係為了方便說明本發明之實施例，但本發明並不以第1圖為限。心電雜訊濾除裝置100中亦可包含其他元件。根據本發明一實施例，濾波器110和運算電路120可整合於一晶片中。
根據本發明之實施例，儲存裝置130可係一揮發性記憶體(volatile memory)(例如：隨機存取記憶體(Random Access Memory, RAM))，或一非揮發性記憶體(Non-volatile memory)(例如：快閃記憶體(flash memory)、唯讀記憶體(Read Only Memory, ROM))、一硬碟或上述裝置之組合。儲存裝置130可用以儲存要進行濾除心電雜訊所需之檔案和資料。
根據本發明一實施例，濾波器110可係一Savitzky–Golay濾波器。濾波器110會接收一第一心電訊號(即原始心電訊號)S1。第一心電訊號(原始心電訊號)S1可係藉由一心電訊號擷取裝置(圖未顯示)所量測到之受測者之心電訊號。此外，濾波器110所接收到之第一心電訊號S1可係已經過取樣後之心電訊號(例如：原始心電訊號經過256Hz之取樣速率取樣所產生之第一心電訊號S1，但本發明不以此為限)。
濾波器110會對第一心電訊號S1進行一Savitzky–Golay演算法運算，以消除第一心電訊號S1中的高頻雜訊，例如：肌電雜訊。肌電雜訊可係表示人體肌肉動作時所產生之肌電訊號。根據本發明之實施例，濾波器110消除第一心電訊號S1中的高頻雜訊後，會輸出一第二心電訊號S2(即經過濾波器110處理過之第一心電訊號S1)至運算電路120。根據本發明之另一實施例，濾波器110所進行之操作亦可由一處理器執行相關之程式碼來實現。相關程式碼可儲存於儲存裝置130中。
第2圖係顯示根據本發明之一實施例所述之一運算電路120之方塊圖。如第2圖所示，運算電路120可包括一第一運算電路121、一第一穩定小波轉換(Stationary Wavelet Transform，SWT)電路122、一反向穩定小波轉換(Inverse Stationary Wavelet Transform，ISWT)電路123、一第二穩定小波轉換電路124、一第二運算電路125以及一減法電路126。注意地是，在第2圖中所示之方塊圖，僅係為了方便說明本發明之實施例，但本發明並不以第2圖為限。運算電路120中亦可包含其他元件。根據本發明之另一實施例，運算電路120所進行之操作亦可由一處理器執行相關之程式碼來實現。相關程式碼可儲存於儲存裝置130中。
根據本發明之實施例，運算電路120可用以消除第二心電訊號S2之低頻雜訊，例如：動作雜訊。動作雜訊可包括受測者走路、呼吸或跑步時產生之雜訊，或者包括受測者身上之導線或電極被移動時所產生之雜訊，但本發明不以此為限。運算電路120之詳細的操作過程將會在底下之實施例進行說明。
根據本發明一實施例，當運算電路120開始接收到第二心電訊號S2後，運算電路120之第一運算電路121會先根據在一起始時間區間(例如：0~12秒，但本發明不以此為限)內接收到之第二心電訊號S2，從中取得一QRS模板訊號S QRS。也就是說，運算電路120會先藉由第一運算電路121取得對應目前受測者之心電訊號中的Q波、R波和S波訊號(底下簡稱QRS波訊號)之QRS模板訊號S QRS，才會進行後續的操作。
具體來說，第一運算電路121會針對在起始時間區間(例如：0~12秒，但本發明不以此為限)內接收到之第二心電訊號S2先進行一穩定小波轉換演算法。在起始時間區間內接收到之第二心電訊號S2進行完穩定小波轉換後，會變成複數階層之心電訊號。也就是說，在起始時間區間內接收到之第二心電訊號S2進行完穩定小波轉換後，取得第二心電訊號S2分解成不同頻率成分之心電訊號。在穩定小波轉換演算法中，越低的階層對應到的心電訊號之頻率越高，且越高的階層對應到的心電訊號之頻率越低。舉例來說，若在此實施例進行的是5階層的穩定小波轉換演算法，第1階層(最低階層)之第二心電訊號S2就會對應第二心電訊號S2中最高頻的部分，且第5階層(最高階層) 之第二心電訊號S2就會對應第二心電訊號S2中最低頻的部分。
在起始時間區間內接收到之第二心電訊號S2進行完穩定小波轉換後，第一運算電路121會取出對應最低階層之在起始時間區間內接收到之第二心電訊號S2，並對最低階層之在起始時間區間內接收到之第二心電訊號S2進行QRS偵測，以產生一QRS模板訊號S QRS。在此實施例所述之QRS偵測係表示，可利用習知之Q波、R波和S波之偵測技術，去偵測最低階層之在起始時間區間內接收到之第二心電訊號S2中的Q波、R波和S波訊號。特別說明地是，在此實施例中，由於只需取出最低階層之第二心電訊號S2，因此所進行之穩定小波轉換演算法之階層數並無特別限制。
第一運算電路121會將產生之QRS模板訊號S QRS傳送給第二運算電路125。第一運算電路121所產生之QRS模板訊號S QRS會提供給第二運算電路125作後續判斷心電訊號之QRS波訊號之操作。
根據本發明一實施例，在起始時間區間後，第一穩定小波轉換電路122才開始從濾波器120接收第二心電訊號S2。第一穩定小波轉換電路122會對接收到之第二心電訊號S2進行具有一第一階層數之穩定小波轉換演算法。根據本發明一較佳實施例，第一階層數可係8階以上之階層數之一者，也就是說，第一穩定小波轉換電路122會進行8階以上之穩定小波轉換演算法，但本發明不以此為限。
對第二心電訊號S2進行具有第一階層數之穩定小波轉換演算法後，第一穩定小波轉換電路122會將最高階層之第二心電訊號S2過濾掉(即過濾掉第二心電訊號S2最低頻的部分)。也就是說，最高階層之第二心電訊號S2之數值會為0。舉例來說，若第一階層數是8階，第一穩定小波轉換電路122會將第8階之第二心電訊號S2過濾掉。第二心電訊號S2經過第一穩定小波轉換電路122處理後，第一穩定小波轉換電路122會輸出具有第一階層數之第三心電訊號S3至反向穩定小波轉換電路123。
根據本發明一實施例，反向穩定小波轉換電路123會對具有第一階層數之第三心電訊號S3進行反向穩定小波轉換演算法，以產生一第四心電訊號S4，並將第四心電訊號S4傳送給第二穩定小波轉換電路124。
根據本發明一實施例，第二穩定小波轉換電路124會對第四心電訊號S4進行具有一第二階層數之穩定小波轉換演算法。根據本發明一較佳實施例，第二階層數可係5~8階之階層數之一者，也就是說，第一穩定小波轉換電路122會進行5、6、7或8階之穩定小波轉換演算法，但本發明不以此為限。第四心電訊號S4經過第二穩定小波轉換電路124處理後，第二穩定小波轉換電路124會輸出具有第二階層數之第五心電訊號S5至第二運算電路125。舉例來說，若第一穩定小波轉換電路122對第四心電訊號S4進行的是5階層穩定小波轉換演算法，第四心電訊號S4經過第二穩定小波轉換電路124處理後，會產生5階層的第五心電訊號S5。
根據本發明一實施例，第二運算電路125接收到QRS模板訊號S QRS和具有第二階層數之第五心電訊號S5後，第二運算電路125會對QRS模板訊號S QRS和最低階層之第五心電訊號S5進行一相關性運算，以找出最低階層之第五心電訊號S5中的Q波、R波和S波訊號(即QRS波訊號)。具體來說，第二運算電路125會將QRS模板訊號S QRS和最低階層之第五心電訊號S5相比較。比較後，最低階層之第五心電訊號S5中和QRS模板訊號S QRS之相關性超過一臨界值(例如：0.7，但本發明不以此為限)之部分，第二運算電路125即會視為最低階層之第五心電訊號S5中的QRS波訊號。由於每一階層之心電訊號之位置會具有對應的關係，因此當第二運算電路125找出最低階層之第五心電訊號S5中的所有QRS波訊號之位置後，第二運算電路125會根據最低階層之第五心電訊號S5中所有QRS波訊號之位置，移除每一階層之第五心電訊號S5中的QRS波訊號。舉例來說，若第二階層數是5階層，第二運算電路125會根據第1階層之第五心電訊號S5中所有QRS波訊號之位置，分別移除第1階層~第5階層之第五心電訊號S5中所有的QRS波訊號。
接著，第二運算電路125會將已濾除所有QRS波訊號之第五心電訊號S5之低頻部分，進行一PT波濾除運算，以濾除第五心電訊號S5之低頻部分所包含之P波和T波。在本實施例所述之低頻部分可係表示較高階層之心電訊號。舉例來說，若第二階層數是5階層，第3~5階層可表示第五心電訊號S5之低頻部分，但本發明不以此為限。此外，在本實施例所述之PT波濾除運算可採用任何可辨識出心電訊號之P波和T波之技術(例如：PT臨界值演算法(PT threshold)，但本發明不以此為限)，來偵測第五心電訊號S5之低頻部分所包含之P波和T波，以濾除第五心電訊號S5之低頻部分所包含之P波和T波。濾除第五心電訊號S5之低頻部分所包含之P波和T波後，第二運算電路125會將剩餘之第五心電訊號S5訊號進行反向穩定小波轉換，以產生雜訊訊號S noise。接著，第二運算電路125會將雜訊訊號S noise傳送給減法電路126。 根據本發明一實施例，減法電路126會從濾波器120接收第四心電訊號S4以及從第二運算電路125接收雜訊訊號S noise，並將雜訊訊號S noise從第四心電訊號S4中扣除掉，以產生無雜訊之第一(原始)心電訊號S denoise。
透過本發明之實施例所述之心電雜訊濾除裝置100，可濾除原始心電訊號(即第一心電訊號)之高頻雜訊和低頻雜訊，
第3圖係根據本發明之一實施例所述之一心電雜訊濾除方法之流程圖。心電雜訊濾除方法可適用心電雜訊濾除裝置100。如第3圖所示，在步驟S310，心電雜訊濾除裝置100之一濾波器接收一第一心電訊號，且對第一心電訊號進行一Savitzky–Golay演算法，以產生一第二心電訊號。
在步驟S320，心電雜訊濾除裝置100之一運算電路根據一穩定小波轉換(Stationary Wavelet Transform，SWT)演算法對第二心電訊號進行處理，以產生一雜訊訊號，其中在一起始時間區間後，心電雜訊濾除裝置100之運算電路對第二心電訊號進行具有第一階層數之上述穩定小波轉換演算法，濾除經過具有第一階層數之穩定小波轉換演算法處理後之最高階的第二心電訊號，以及輸出具有第一階層數之一第三心電訊號，且心電雜訊濾除裝置100之運算電路對具有第一階層數之第三心電訊號進行一反穩定小波轉換演算法，以輸出一第四心電訊號。
根據本發明一實施例，心電雜訊濾除方法之步驟S320中更包括，心電雜訊濾除裝置100之運算電路在一起始時間區間內，根據穩定小波轉換演算法，對第二心電訊號進行穩定小波運算，取出經過穩定小波運算後之對應最低階之第二心電訊號，以及對最低階之第二心電訊號進行一QRS偵測，以產生一QRS模板訊號。
根據本發明一實施例，心電雜訊濾除方法之步驟S320中更包括，心電雜訊濾除裝置100之運算電路對第四心電訊號，進行具有一第二階層數之穩定小波轉換演算法，以產生具有第二階層數之一第五心電訊號。
根據本發明一實施例，心電雜訊濾除方法之步驟S320中更包括，心電雜訊濾除裝置100之運算電路對QRS模板訊號和最低階層之第五心電訊號進行一相關性運算，以過濾掉每一階層之第五心電訊號中的QRS波訊號。
根據本發明一實施例，心電雜訊濾除方法之步驟S320中更包括，心電雜訊濾除裝置100之運算電路對已濾除QRS波訊號之第五心電訊號之低頻部分，進行一PT波濾除運算，以濾除第五心電訊號之低頻部分中的PT波訊號。
根據本發明一實施例，心電雜訊濾除方法之步驟S320中更包括，心電雜訊濾除裝置100之運算電路濾除第五心電訊號之低頻部分中的PT波訊號後，進行反穩定小波轉換演算法，以產生雜訊訊號。
在步驟S330，心電雜訊濾除裝置100之運算電路將第四心電訊號扣除雜訊訊號，以過濾第一心電訊號中的上述雜訊訊號。
根據本發明一實施例，在心電雜訊濾除中第一階層數係8階以上之階層數之一者，以及第二階層數係8階以上之階層數係5~8階之階層數之一者。
根據本發明心電雜訊濾除裝置和方法，可藉由結合Savitzky–Golay演算法和穩定小波轉換(SWT)演算法之應用來濾除高低頻不規則的雜訊訊號，例如：肌電雜訊、導線晃動產生之雜訊、基線漂移等，以還原原始之心電訊號。此外，根據本發明心電雜訊濾除裝置和方法所提出穩定小波轉換演算法之應用，可更即時地來分析心電訊號。
本說明書中以及申請專利範圍中的序號，例如「第一」、「第二」等等，僅係為了方便說明，彼此之間並沒有順序上的先後關係。
本發明之說明書所揭露之方法和演算法之步驟，可直接透過執行一處理器直接應用在硬體以及軟體模組或兩者之結合上。一軟體模組(包括執行指令和相關數據)和其它數據可儲存在數據記憶體中，像是隨機存取記憶體(RAM)、快閃記憶體(flash memory)、唯讀記憶體(ROM)、可抹除可規化唯讀記憶體(EPROM)、電子可抹除可規劃唯讀記憶體(EEPROM)、暫存器、硬碟、可攜式應碟、光碟唯讀記憶體(CD-ROM)、DVD或在此領域習之技術中任何其它電腦可讀取之儲存媒體格式。一儲存媒體可耦接至一機器裝置，舉例來說，像是電腦/處理器(爲了說明之方便，在本說明書以處理器來表示)，上述處理器可透過來讀取資訊(像是程式碼)，以及寫入資訊至儲存媒體。一儲存媒體可整合一處理器。一特殊應用積體電路(ASIC)包括處理器和儲存媒體。一用戶設備則包括一特殊應用積體電路。換句話說，處理器和儲存媒體以不直接連接用戶設備的方式，包含於用戶設備中。此外，在一些實施例中，任何適合電腦程序之產品包括可讀取之儲存媒體，其中可讀取之儲存媒體包括和一或多個所揭露實施例相關之程式碼。在一些實施例中，電腦程序之產品可包括封裝材料。
以上段落使用多種層面描述。顯然的，本文的教示可以多種方式實現，而在範例中揭露之任何特定架構或功能僅為一代表性之狀況。根據本文之教示，任何熟知此技藝之人士應理解在本文揭露之各層面可獨立實作或兩種以上之層面可以合併實作。
雖然本揭露已以實施例揭露如上，然其並非用以限定本揭露，任何熟習此技藝者，在不脫離本揭露之精神和範圍內，當可作些許之更動與潤飾，因此發明之保護範圍當視後附之申請專利範圍所界定者為準。
100:心電雜訊濾除裝置 110:濾波器 120:運算電路 121:第一運算電路 122:第一穩定小波轉換電路 123:反向穩定小波轉換電路 124:第二穩定小波轉換電路 125:第二運算電路 126:減法電路 130:儲存裝置 S1:第一心電訊號 S2:第二心電訊號 S3:第三心電訊號 S4:第四心電訊號 S5:第五心電訊號 S QRS:QRS模板訊號 S noise:雜訊訊號 S denoise:無雜訊之第一心電訊號 S310~S330:步驟
第1圖係顯示根據本發明之一實施例所述之一心電雜訊濾除裝置100之方塊圖。 第2圖係顯示根據本發明之一實施例所述之一運算電路120之方塊圖。 第3圖係根據本發明之一實施例所述之心電雜訊濾除方法之流程圖。
S310~S330:步驟

Claims (10)

  1. 一種心電雜訊濾除裝置，包括：一濾波器，接收一第一心電訊號，且對上述第一心電訊號進行一Savitzky-Golay演算法，以產生一第二心電訊號；一運算電路，耦接上述濾波器，以接收上述第二心電訊號，且根據一穩定小波轉換演算法對上述第二心電訊號進行處理，以產生一雜訊訊號，以及將上述第二心電訊號扣除上述雜訊訊號，以過濾上述第一心電訊號中的上述雜訊訊號；以及一第一運算電路，耦接上述濾波器，其中當上述第一運算電路開始接收到上述第二心電訊號後，上述第一運算電路根據上述穩定小波轉換演算法，對在一起始時間區間內取得之上述第二心電訊號進行穩定小波運算、取出經過穩定小波運算後之對應最低階之在上述起始時間區間內取得之上述第二心電訊號，以及對最低階之在上述起始時間區間內取得之上述第二心電訊號進行一QRS偵測，以產生一QRS模板訊號。
  2. 如請求項1之心電雜訊濾除裝置，其中上述濾波器係一Savitzky-Golay濾波器。
  3. 如請求項1之心電雜訊濾除裝置，其中上述運算電路包括：一第一穩定小波轉換電路，耦接上述濾波器，其中在上述起始時間區間後，上述第一穩定小波轉換電路對從上述濾波器接收到之上述第二心電訊號進行具有一第一階層數之上述穩定小波轉換演算法，並將經過具有上述第一階層數之上述穩定小波轉換演算法處理 後之最高階的上述第二心電訊號濾除掉，以及輸出具有上述第一階層數之一第三心電訊號。
  4. 如請求項3之心電雜訊濾除裝置，其中上述運算電路更包括：一反向穩定小波轉換電路，耦接上述第一穩定小波轉換電路，以接收具有上述第一階層數之上述第三心電訊號，其中上述反向穩定小波轉換電路對具有上述第一階層數之上述第三心電訊號進行一反穩定小波轉換演算法，以輸出一第四心電訊號。
  5. 如請求項4之心電雜訊濾除裝置，其中上述運算電路更包括：一第二穩定小波轉換電路，耦接上述反向穩定小波轉換電路，以接收上述第四心電訊號，其中上述第二穩定小波轉換電路對上述第四心電訊號，進行具有一第二階層數之上述穩定小波轉換演算法，以產生具有上述第二階層數之一第五心電訊號。
  6. 如請求項5之心電雜訊濾除裝置，其中上述運算電路更包括：一第二運算電路，耦接上述第一運算電路和上述第二穩定小波轉換電路，以接收上述QRS模板訊號和具有上述第二階層數之上述第五心電訊號，其中上述第二運算電路對上述QRS模板訊號和最低階層之上述第五心電訊號進行一相關性運算，以過濾掉每一階層之上述第五心電訊號中的QRS波訊號。
  7. 如請求項6之心電雜訊濾除裝置，其中在上述相關性運算，上述第二運算電路將上述QRS模板訊號和最低階層之上述第五心電訊號相比較，其中最低階層之上述第五心電訊號中和上述 QRS模板訊號之相關性超過一臨界值之部分，上述第二運算電路即視為最低階層之上述第五心電訊號中的QRS波訊號。
  8. 如請求項6之心電雜訊濾除裝置，其中上述第二運算電路對已濾除QRS波訊號之上述第五心電訊號之低頻部分，進行一PT波濾除運算，以濾除上述第五心電訊號之低頻部分中的P波和T波訊號。
  9. 如請求項8之心電雜訊濾除裝置，其中濾除上述第五心電訊號之低頻部分中的P波和T波訊號後，上述第二運算電路進行上述反穩定小波轉換演算法，以產生上述雜訊訊號。
  10. 如請求項9之心電雜訊濾除裝置，其中上述運算電路更包括：一減法電路，耦接上述第二運算電路，其中上述減法電路接收上述第四心電訊號和上述雜訊信號，以及將上述第四心電訊號扣除上述雜訊訊號，以過濾上述第一心電訊號中的上述雜訊訊號。
TW109131018A 2020-09-10 2020-09-10 心電雜訊濾除裝置 TWI742844B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW109131018A TWI742844B (zh) 2020-09-10 2020-09-10 心電雜訊濾除裝置
CN202011030423.XA CN114159073B (zh) 2020-09-10 2020-09-27 心电噪声滤除装置
US17/107,553 US11311245B2 (en) 2020-09-10 2020-11-30 ECG noise-filtering device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW109131018A TWI742844B (zh) 2020-09-10 2020-09-10 心電雜訊濾除裝置

Publications (2)

Publication Number Publication Date
TWI742844B true TWI742844B (zh) 2021-10-11
TW202210036A TW202210036A (zh) 2022-03-16

Family

ID=80470324

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109131018A TWI742844B (zh) 2020-09-10 2020-09-10 心電雜訊濾除裝置

Country Status (2)

Country Link
US (1) US11311245B2 (zh)
TW (1) TWI742844B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140128758A1 (en) * 2012-11-08 2014-05-08 Conner Daniel Cross Galloway Electrocardiogram signal detection
TW201717845A (zh) * 2015-09-25 2017-06-01 英特爾股份有限公司 從具雜訊之心電圖資料決定心跳率的設備、系統和方法
TW202022889A (zh) * 2018-12-06 2020-06-16 國立勤益科技大學 降低雜訊影響之qrs波偵測演算法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102421354B (zh) * 2009-03-09 2014-10-22 科学与工业研究委员会 具有脉冲和通道切换adc噪声滤波器和衍生导联纠错器的ecg设备
US11730415B2 (en) * 2020-06-10 2023-08-22 Implicity Method and system for analyzing heart rhythms

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140128758A1 (en) * 2012-11-08 2014-05-08 Conner Daniel Cross Galloway Electrocardiogram signal detection
TW201717845A (zh) * 2015-09-25 2017-06-01 英特爾股份有限公司 從具雜訊之心電圖資料決定心跳率的設備、系統和方法
TW202022889A (zh) * 2018-12-06 2020-06-16 國立勤益科技大學 降低雜訊影響之qrs波偵測演算法

Also Published As

Publication number Publication date
US20220071565A1 (en) 2022-03-10
CN114159073A (zh) 2022-03-11
US11311245B2 (en) 2022-04-26
TW202210036A (zh) 2022-03-16

Similar Documents

Publication Publication Date Title
Sahoo et al. De-noising of ECG signal and QRS detection using Hilbert transform and adaptive thresholding
Sasikala et al. Robust r peak and qrs detection in electrocardiogram using wavelet transform
Seena et al. A review on feature extraction and denoising of ECG signal using wavelet transform
US10213163B2 (en) Low-distortion ECG denoising
Arunachalam et al. Real-time estimation of the ECG-derived respiration (EDR) signal using a new algorithm for baseline wander noise removal
KR20140139564A (ko) Ｅｃｇ 모니터링을 위한 시스템들 및 방법들
Abbaspour et al. ECG Artifact Removal from Surface EMG Signal Using an Automated Method Based on Wavelet-ICA.
Tan et al. EMD-based electrocardiogram delineation for a wearable low-power ECG monitoring device
Luengo et al. Blind analysis of atrial fibrillation electrograms: a sparsity-aware formulation
TWI742844B (zh) 心電雜訊濾除裝置
Cornelia et al. ECG signals processing using Wavelets
Amhia et al. Stability and phase response analysis of optimum reduced-order IIR filter designs for ECG R-peak detection
Kannathal et al. Analysis of electrocardiograms
Razavi et al. R-peak detection in electrocardiogram signals using continuous wavelet transform
TW201634002A (zh) 測定裝置、測定方法及程式
Tun et al. Analysis of computer aided identification system for ECG characteristic points
Burte et al. Advances in QRS detection: Modified Wavelet energy gradient method
Chandramouleeswaran et al. Wavelet diagnosis of ECG signals with kaiser based noise diminution
CN114159073B (zh) 心电噪声滤除装置
Singh et al. Virtual instrument based real time ECG monitoring device
Daqrouq et al. The discrete wavelet transform based electrocardiographic baseline wander reduction method for better signal diagnosis
McSharry et al. A comparison of nonlinear noise reduction and independent component analysis using a realistic dynamical model of the electrocardiogram
Gayani et al. Automation of ECG heart beat detection using Morphological filtering and Daubechies wavelet transform
TW202022889A (zh) 降低雜訊影響之qrs波偵測演算法
Nair et al. P and T wave detectionon multichannel ECG using FRI