CN101828917B - 心电信号特征提取的方法和*** - Google Patents
心电信号特征提取的方法和*** Download PDFInfo
- Publication number
- CN101828917B CN101828917B CN2010101656819A CN201010165681A CN101828917B CN 101828917 B CN101828917 B CN 101828917B CN 2010101656819 A CN2010101656819 A CN 2010101656819A CN 201010165681 A CN201010165681 A CN 201010165681A CN 101828917 B CN101828917 B CN 101828917B
- Authority
- CN
- China
- Prior art keywords
- ripple
- electrocardiosignal
- threshold value
- coefficient
- max
- Prior art date
- Legal status (The legal status 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 status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000009466 transformation Effects 0.000 claims abstract description 32
- 230000003044 adaptive effect Effects 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 5
- 230000001131 transforming effect Effects 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 206010003119 arrhythmia Diseases 0.000 description 3
- 230000006793 arrhythmia Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000028161 membrane depolarization Effects 0.000 description 3
- 208000010125 myocardial infarction Diseases 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 206010047295 Ventricular hypertrophy Diseases 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000002837 heart atrium Anatomy 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 210000005240 left ventricle Anatomy 0.000 description 2
- 230000005405 multipole Effects 0.000 description 2
- 210000005241 right ventricle Anatomy 0.000 description 2
- 206010048623 Atrial hypertrophy Diseases 0.000 description 1
- 206010003671 Atrioventricular Block Diseases 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010014418 Electrolyte imbalance Diseases 0.000 description 1
- 208000009525 Myocarditis Diseases 0.000 description 1
- 206010000891 acute myocardial infarction Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000004213 regulation of atrial cardiomyocyte membrane depolarization Effects 0.000 description 1
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及心电信号特征提取的方法和***,所述方法包括:A、基于自适应提升方法对经采样的心电信号x(n)进行多次小波变换直至达到预设尺度值;B、依据小波系数d(n)计算阈值;C、依据所述阈值检测所述心电信号中R波的位置;D、依据尺度系数c(n)判断所述R波的位置是否正确,若否,则以预设步长调整所述阈值并返回步骤C。本发明还涉及一种心电信号特征提取***,包括:小波变换单元、阈值计算单元、检测单元、判断单元。本发明的特征提取方法准确率高、具有更强的抗干扰能力、运算量低、不依赖傅立叶变换,可有效的节约***资源,同时对心电信号处理***进行功能扩展也带来了便利。
Description
技术领域
本发明涉及心电信号分析技术,更具体地说,涉及一种心电信号特征提取的方法和***。
背景技术
心电信号(electrocardiogram)是由体表电极随时间所记录的,反映心脏电活动的记录,是最早研究并应用于临床的生物电信号。ECG因为在心血管疾病的诊断、药物疗效评估等有重要临床应用,因而时至今日依然是医学界和生物医疗工程学界的研究热点。ECG具体可用于诊断心律失常、反映电解质紊乱、判断血钾、血钙浓度。评定起搏器共工作状况、手术后心脏状况的检查和提示必要的药物处理等等。标准的ECG如图1所示。心电信号由4个基本波形所组成,分别是QRS波、P波、T波和正常情况下出现几率75%的U波,该特征划分由Willem Einthoven提出并沿用至今。心电信号的产生与各个特征对应关系如图1所示。
心电信号的特征提取一直是心电信号自动分析的主要研究方向,主要包括了QRS波、P波、T波和ST段的检测。所谓特征提取即检测出各个特征的位置、起始点、终止点以及幅度等参数。特征提取的准确性以及稳定性会对临床诊断起到重要的影响,因此是心电信号处理***研发中的关键问题之一。
1)、P波:表示心房从右至左除极。其幅度、宽度、形状以及持续时间可作为诊断心房扩大、心肌梗塞的依据。
2)、QRS波:表示左右心室除极。QRS波所包含的关于心脏健康情况信息最为丰富,Q波的状况可用于诊断心房肥大、心室扩大和心肌梗塞;R波和S波可用于诊断心肌炎。
3)、ST段与T波:表示左右心室复极。可用于诊断急性心肌梗塞和心室肥大。
4)、U波:产生机制未明,正常情况下极性同T波;通常可用于判断血钾浓度,诊断心室肥大和心肌梗塞。
5)、PR间期:表示心房去极化到心室除极的时间间隔。用于诊断房室传导阻滞。
5)、QT间期:表示心室由除极到复极的时间间隔。反映了心率的快慢。
对上述ECG信号特征参数的检测和提取是ECG信号处理的关键所在,其准确性和稳定性会影响到对患者状况进行诊断和治疗的效果。心电信号的特征提取是对心电进行分析的基础,其研究主要集中在检测QRS波、P波、T波和ST段等几项特征上面。其中,QRS波的提取是提取其他特征的基础。对QRS波进行检测的方法中,较常见的有由Jackson和Ahlstrom提出差分阈值法,Pan和Tompkins在此基础上引入了可变阈值和不应期等策略,使得错检率降低至0.675%以下。
另外,还有一种基于第一代小波变换的检测方法,能够有效地降低由工频、肌电噪声和呼吸基线漂移等噪声带来的干扰,使得检测准确率得到进一步的提升,错检率减至0.2%以下。
但是,不管是差分阈值法还是基于第一代小波变换的检测方法,都存在缺陷。
差分阈值法缺点主要在于以下方面:
1)特征提取的检测准确率较低,通常R波错检率在0.4%以上;
2)在时域进行检测,必须进行各类信号预处理,易受到心电信号采集过程中产生的各类噪声的干扰,鲁棒性差;
基于第一代小波变换的方法缺点主要在于以下方面:
1)运算量大,对实时性要求较高的便携式设备平台上并不适合,应用范围有限;
2)对存储空间要求高,对比其他方法如差分阈值法,所占用的存储空间要多出至少30%,限制了对其他功能的扩展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述准确率低、运算量大、鲁棒性差、存储空间要求高的缺陷,提供一种心电信号特征提取方法和***。
本发明解决其技术问题所采用的技术方案是:构造一种心电信号特征提取方法,包括:
A、基于自适应提升方法对经采样的心电信号x(n)进行多次小波变换直至达到预设尺度值;
B、依据小波系数d(n)计算阈值;
C、依据所述阈值检测所述心电信号中R波的位置;
D、依据尺度系数c(n)判断所述R波的位置是否正确,若否,则以预设步长调整所述阈值并返回步骤C。
在本发明所述的方法中,基于自适应提升方法进行小波变换的步骤包括:
***步骤,对经采样的心电信号x(n)***为奇数序列xo(n)和偶数序列xe(n),可由下式表示:
xo(n)=x(2n+1) xe(n)=x(2n);
预测步骤,基于所述偶数序列xe(n)预测所述奇数序列xo(n),得到小波系数d(n);可由下式表示:
d(n)=xo(n)-P(xe(n)),其中P为预测算子;
更新步骤,基于所述小波系数d(n)更新所述偶数序列xe(n),得到尺度系数c(n);可用下式表示:
c(n)=xe(n)+U(xo(n)),其中U为更新算子。
在本发明所述的方法中,所述预测算子P由如下公式表示:
所述更新算子U由如下公式表示:
ΔL=|c(n)-d(n-1)| ΔR=|c(n)-d(n)|
在本发明所述的方法中,所述步骤B包括:
B1、将小波系数d(n)划分为多个等长区间;
B2、计算每一等长区间的极大值;
B3、计算所述多个等长区间的极大值的均值;
B4、选取所述均值的一半作为阈值。
在本发明所述的方法中,所述预设尺度值为4,所述等长区间为fs/4,其中fs为心电信号x(n)的采样频率。
在本发明所述的方法中,所述步骤C包括:
依据所述阈值检测所述心电信号,并依据检测结果定位R波的位置并判断R波间距是否大于1/150s,若是,则进入步骤D。
在本发明所述的方法中,所述步骤D包括:
依据尺度系数c(n)判断R波的位置是否满足c1(n)<c2(n),c1(n)<c3(n),c1(n)<c4(n),若否,则以预设步长调整所述阈值并返回步骤C;
其中c1(n)为第1次小波变换的尺度系数,c2(n)为第2次小波变换的尺度系数,c3(n)为第3次小波变换的尺度系数,c4(n)为第4次小波变换的尺度系数。
在本发明所述的方法中,还包括:
E、计算预设尺度值为4的尺度系数c(n)的差分信号diff(n),可由下式表不:
diff(n)=(-2)×c(n-2)-c(n-1)+c(n+1)+2×c(n+2);
F、计算差分阈值diff_thresh,可由下式表示:
其中,thresh_param为可选参数,取值为2、4、8或16,max的初始值为划分为多个等长区间的小波系数的模极大值;
G、依据所述差分阈值diff_thresh从R波的位置向前检测QRS波的起始点位置,若连续检测到差分信号diff(n)大于所述差分阈值diff_thresh,则可定位心电信号中QRS波的起始点;否则,进入步骤H;或者,
依据所述差分阈值diff_thresh从R波的位置向后检测QRS波的终止点位置,若连续检测到差分信号diff(n)大于所述差分阈值diff_thresh,则可定位心电信号中QRS波的终止点;否则,进入步骤I;
H、由下式更新所述差分阈值diff_thresh,并进入步骤G重新定位QRS波的起始点;
其中,first_max为对应R波的幅度与对应的QRS波的起始点的幅度的差值,filter_param为可选参数,取值为2、4、8或16;
I、由下式更新所述差分阈值diff_thresh,并进入步骤G重新定位QRS波的终止点;
其中,first_max为对应R波的幅度与对应的QRS波的终止点的幅度的差值,filter_param为可选参数,取值为2、4、8或16。
本发明还提供一种心电信号特征提取的***,包括:
小波变换单元,用于基于自适应提升方法对经采样的心电信号x(n)进行多次小波变换直至达到预设尺度值;
阈值计算单元,用于依据小波系数d(n)计算阈值;
检测单元,用于依据所述阈值检测所述心电信号中R波的位置;
判断单元,用于依据尺度系数c(n)判断所述R波的位置是否正确,若否,则以预设步长调整所述阈值并由检测单元重新检测R波的位置。
在本发明所述的***中,小波变换单元包括:
***单元,用于对经采样的心电信号x(n)***为奇数序列xo(n)和偶数序列xe(n),可由下式表示:
xo(n)=x(2n+1) xe(n)=x(2n);
预测单元,用于基于所述偶数序列xe(n)预测所述奇数序列xo(n),得到小波系数d(n);可由下式表示:
d(n)=xo(n)-P(xe(n)),其中P为预测算子;
更新单元,用于基于所述小波系数d(n)更新所述偶数序列xe(n),得到尺度系数c(n);可用下式表示:
c(n)=xe(n)+U(xo(n)),其中U为更新算子。
本发明的有益效果是,基于自适应提升的特征提取方法相对于基于差分阈值的特征提取方法具有以下优点:
1)检测准确率与差分阈值法相比较提升至少0.2%;
2)具有更强的抗干扰能力,受到心电信号采集过程中各类噪声如基线漂移等噪声的影响较小;
相对于基于第一代小波变换的特征提取方法具有如下优点:
1)原位运算,在当前内存位置即可完成分解而不必占据额外的存储空间,可以有效降低对内存空间的需求,对比第一代小波所占据的内存空间可降低至少50%;
2)不依赖傅立叶变换,可在时域上完成小波变换分解;
3)运算量低,对比第一代小波运算量可降低至少1/3,至多可降低50%;且不需要进行运算量较大的算术操作,如乘法、除法;
4)理论上任何第一代小波变换都可以转到第二代小波的形式来实现;
5)可以实现可逆的整数变换。
这些优点使得能够在对实时性要求高的应用场合以及嵌入式***平台上进行准确率较高的特征提取,并有效的节约了***资源,同时对心电信号处理***进行功能扩展也带来了便利。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是标准心电信号示意图;
图2是依据本发明一实施例的心电信号特征提取方法流程示意图;
图3是基于自适应提升方法的第二代小波变换架构示意图;
图4是依据本发明一实施例的基于自适应提升方法的R波检测流程示意图;
图5和图6为MIT-BIH数据库样本示例;
图7是Marr小波的尺度函数示意图;
图8是基于ALS和基于Marr小波的R波检测算法运行时间和检测准确率对比示意图;
图9是使用本发明的自适应提升方法定位的R波位置对QRS波的起始点进行定位的示意图;
图10是使用本发明的自适应提升方法定位的R波位置对QRS波的终止点进行定位的示意图;
图11是依据本发明一实施例的心电信号特征提取***结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图2是依据本发明一实施例的心电信号特征提取方法流程示意图。图2所示的方法200用于心电信号R波的特征提取。
在步骤201中,基于自适应提升方法对经采样的心电信号x(n)进行多次小波变换直至达到预设尺度值;
在步骤202中,依据小波系数d(n)计算阈值;
在步骤203中,依据所述阈值检测所述心电信号中R波的位置;
在步骤204中,依据尺度系数c(n)判断所述R波的位置是否正确,若否,则进入步骤205以预设步长调整阈值并返回步骤204重新检测R波的位置。若是,则说明已正确定位R波,因此结束R波的检测。
通过方法200可以准确地定位R波的位置。
图3是基于自适应提升方法(Adaptive Lifting Scheme,ALS)的第二代小波变换架构示意图。基于提升方法的第二代小波变换包括3个步骤:***、预测和更新。具体方法如下:
1)***:将信号x(n)***为不相交的奇数索引序列xo(n)和偶数索引序列xe(n),如式(1)所示。
xo(n)=x(2n+1) xe(n)=x(2n)
2)预测:通过预测算子P基于序列xe(n)预测序列xo(n),预测值误差即小波系数d(n)。
d(n)=xo(n)-P(xe(n))
3)更新:通过更新算子U基于预测误差d(n)更新序列xe(n),所得结果即尺度系数c(n)。
c(n)=xe(n)+U(xo(n))
其中,在本发明一实施例中,使用的更新算子U如下式表示:
ΔL=|c(n)-d(n-1)| ΔR=|c(n)-d(n)|
使用的预测算子P如下式表示:
上述使用的更新算子U和预测算子P是经实验证实,获取的检测性能较好,当然也不排除其他可能的实现方法,本发明并不限于此,只要是基于本发明的思想来实现特征的提取都属于本发明的保护范围。
图4是依据本发明一实施例的基于自适应提升方法的R波检测流程示意图。
首先,在步骤401中,对输入的经采样的心电信号(采样频率表示为fs)进行***,***为不相交的奇数索引序列xo(n)和偶数索引序列xe(n),然后经过步骤402-404对***后的信号进行预测和更新(详见图3关于小波变化的描述),直至达到预设的分解尺度值。在该实施例中,设置该分解尺度值为4,当然也可以设置为其他数值,可根据要求的精确程度以及运算速度来进行权衡,本发明并不限制于此。如果在步骤404中,判断分解已经完成,则进入下一步骤405。否则,计算进行小波变换,直至达到分解尺度4。
在步骤405中,计算阈值。将小波系数d(n)划分为多个等长区间,并选取每一等长区间的极大值,求出所选出的一系列极大值的均值,选取该均值的一半(50%)作为阈值。在本实施例中,等长区间的长度为fs/4,本发明并不限于此,只要是能够保证本方法正常运作的数值都是可以的。
在步骤406中,依据阈值进行R波检测。通常情况标准心搏数每秒低于150下,在基于标准心搏数的前提下检测R波间距是否大于1/150s,若是,则进入步骤407,若否则说明心跳很不正常。
在步骤407中,在尺度系数c(n)上基于李氏指数(李雅普洛夫指数,Lyapunov指数)判断R波位置是否满足c1(n)<c2(n),c1(n)<c3(n),c1(n)<c4(n),其中c1(n)为第1次小波变换的尺度系数,c2(n)为第2次小波变换的尺度系数,c3(n)为第3次小波变换的尺度系数,c4(n)为第4次小波变换的尺度系数。若满足,则说明已正确检测到R波的位置。若不满足,说明存在漏检、误检(错检),这时进入步骤408,调整阈值,这里以初始阈值的10%为步长调整阈值大小并进入步骤406在指定区间重新检测R波的位置。这里的步长可依据实际情况进行选定,此处仅作为示例。所述的指定区间可以是检测出的R波间距内的区间或者包含R波间距的区间,减少了R波的检测时间。当然,也可重新依据新的阈值对整个小波系数进行检测。
在对本发明的自适应提升方法的准确率进行验证时采用了麻省理工(Massachusetts Institute of Technology)和Beth Israel医院联合建立的MIT-BIH心律失常数据库。MIT-BIH数据库中数据样本丰富、类型特征突出并有详细注释,在ECG信号自动分析处理的研究领域均使用该数据库中的样本进行实验验证。MIT-BIH心律失常数据库中共48组样本,每组样本长度30分钟,采样频率360Hz,总标准心搏数103891,并详细标明了ECG信号各个特征起始点终止点等特征信息。
图5和图6为MIT-BIH数据库样本示例。
采用MIT-BIH数据并基于ALS方法对R波进行检测的结果统计如表1所示。其中,错检数=漏检数+误检数。
表1
如表1中所示,由于部分样本,如105、108和228号样本受干扰较为严重,共出现错漏检99个,占到总错检数将近33%,总体上漏检数123、误检数164、总错检数287,检验的准确率达到99.724%,可以满足正常使用的需要。为了对比与其他方法性能上的优劣,本文中实现了基于第一代小波变换的Marr小波的R波检测方法。Marr小波又被称为墨西哥草帽小波,是高斯函数的二阶导数,主要优点在于其小波变换尺度系数上的模极大值点与原始序列上模极大值点有一一对应的关系,对比此前使用小波变换方法进行QRS波检测的Sahambi等所使用的一阶微分小波原始序列上极大值点对应尺度系数上的过零点,具有抗干扰能力更强的特点,且更便于检测和实现。Marr小波的母函数表达式如下式所示,尺度函数图形如图7所示。
在Marr小波变换尺度4的尺度系数上,分等长区间分别求局部极大值,再对这组极大值求均值,将该均值二分之一作为阈值,求出过阈值的连续区间中极大值为R波的相应位置,再修正时移,此时与尺度4相应时延为20点,即与原始信号中R波位置有20点的延时,所采取的检错策略与基于ALS的方法相同。
基于第一代小波和第二代小波变换检测方法结果对比如表2和图8所示。图8示出了基于ALS和基于Marr小波的R波检测算法运行时间和检测准确率对比。虽然基于ALS的R波检测方法对比基于Marr小波的方法漏检多出52个,误检多出55个,总计107个,错检率高出0.106%,但检测准确率依然达到了99.724%,可以满足在嵌入式***上对ECG信号进行实时R波检测的需要。对相同长度向量进行检测所花费的时间仅为基于Marr小波方法的11.49%,且不必进行定点化处理,大大降低了实现的难度。
表2
在定位R波后,为了便于进一步定位其他特征如P波和T波等,必须对QRS波的起始点以及终止点进行定位,具体方法可结合差分阈值的方法来实现,图9示出了使用本发明的自适应提升方法定位的R波位置对QRS波的起始点进行定位的示意图900,步骤描述如下:
在步骤901中,计算预设尺度值为4的尺度系数c(n)的差分信号diff(n),可由下式表示:
diff(n)=(-2)×c(n-2)-c(n-1)+c(n+1)+2×c(n+2);
在步骤902中,计算差分阈值diff_thresh,可由下式表示:
其中,thresh_param为可选参数,取值为2、4、8或16,max的初始值为划分为多个等长区间的小波系数的模极大值;
在步骤903中,依据所述差分阈值diff_thresh从R波的位置向前检测QRS波的起始点位置;
随后在步骤904中判断是否连续检测到差分信号diff(n)大于所述差分阈值diff_thresh,若是,则可定位心电信号中QRS波的起始点;否则,进入步骤904;
在步骤904中,由下式更新所述差分阈值diff_thresh,并进入步骤903重新定位QRS波的起始点;
其中,first_max为对应R波的幅度与对应的QRS波的起始点的幅度的差值,filter_param为可选参数,取值为2、4、8或16。
图10是使用本发明的自适应提升方法定位的R波位置对QRS波的终止点进行定位的示意图1000。步骤描述如下:
在步骤1001中,计算预设尺度值为4的尺度系数c(n)的差分信号diff(n),可由下式表示:
diff(n)=(-2)×c(n-2)-c(n-1)+c(n+1)+2×c(n+2);
在步骤1002中,计算差分阈值diff_thresh,可由下式表示:
其中,thresh_param为可选参数,取值为2、4、8或16,max的初始值为划分为多个等长区间的小波系数的模极大值;
在步骤1003中,依据所述差分阈值diff_thresh从R波的位置向后检测QRS波的终止点位置;
随后在步骤1004中判断是否连续检测到差分信号diff(n)大于所述差分阈值diff_thresh,若是,则可定位心电信号中QRS波的终止点;否则,进入步骤1004;
在步骤1004中,由下式更新所述差分阈值diff_thresh,并进入步骤903重新定位QRS波的终止点;
其中,first_max为对应R波的幅度与对应的QRS波的终止点的幅度的差值,filter_param为可选参数,取值为2、4、8或16。
图11是依据本发明一实施例的心电信号特征提取***1100结构示意图。由图11可知,心电信号特征提取***1100包括:小波变换单元1101、阈值计算单元1102、检测单元1103、判断单元1104。
小波变换单元1101,用于基于自适应提升方法对经采样的心电信号x(n)进行多次小波变换直至达到预设尺度值;
阈值计算单元1102,用于依据小波系数d(n)计算阈值;
检测单元1103,用于依据所述阈值检测所述心电信号中R波的位置;
判断单元1104,用于依据尺度系数c(n)判断所述R波的位置是否正确,若否,则以预设步长调整所述阈值并由检测单元重新检测R波的位置。
其中,小波变换单元1101包括***单元1101a、预测单元1101b、更新单元1101c。
***单元1101a,用于对经采样的心电信号x(n)***为奇数序列xo(n)和偶数序列xe(n),可由下式表示:
xo(n)=x(2n+1) xe(n)=x(2n);
预测单元1101b,用于基于所述偶数序列xe(n)预测所述奇数序列xo(n),得到小波系数d(n);可由下式表示:
d(n)=xo(n)-P(xe(n)),其中P为预测算子;
更新单元1101c,用于基于所述小波系数d(n)更新所述偶数序列xe(n),得到尺度系数c(n);可用下式表示:
c(n)=xe(n)+U(xo(n)),其中U为更新算子。
上述关于心电信号特征提取***的详细描述同样适用于动态编组的方法,类似地关于心电信号特征提取方法的详细描述同样适用于心电信号特征提取***,此处不再赘述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种心电信号特征提取的方法,其特征在于,包括:
A、基于自适应提升方法对经采样的心电信号x(n)进行多次小波变换直至达到预设尺度值;
基于自适应提升方法进行小波变换的步骤包括:
***步骤,对经采样的心电信号x(n)***为奇数序列xo(n)和偶数序列xe(n),可由下式表示:
xo(n)=x(2n+1) xe(n)=x(2n);
预测步骤,基于所述偶数序列xe(n)预测所述奇数序列xo(n),得到小波系数d(n);可由下式表示:
d(n)=xo(n)-P(xe(n)),其中P为预测算子;所述预测算子P由如下公式表示:
更新步骤,基于所述小波系数d(n)更新所述偶数序列xe(n),得到尺度系数c(n);可用下式表示:
c(n)=xe(n)+U(xo(n)),其中U为更新算子;所述更新算子U由如下公式表示:
ΔL=|c(n)-d(n-1)|ΔR=|c(n)-d(n)|
B、依据小波系数d(n)计算阈值;
所述步骤B包括:
B1、将小波系数d(n)划分为多个等长区间;
B2、计算每一等长区间的极大值;
B3、计算所述多个等长区间的极大值的均值;
B4、选取所述均值的一半作为阈值;
C、依据所述阈值检测所述心电信号中R波的位置;
D、依据尺度系数c(n)并基于李氏指数判断所述R波的位置是否正确,若否,则以预设步长调整所述阈值并返回步骤C。
2.根据权利要求1所述的方法,其特征在于,所述预设尺度值为4,所述等长区间为fs/4,其中fs为心电信号x(n)的采样频率。
3.根据权利要求1所述的方法,其特征在于,所述步骤C包括:
依据所述阈值检测所述心电信号,并依据检测结果定位R波的位置并判断R波间距是否大于1/150s,若是,则进入步骤D。
4.根据权利要求2所述的方法,其特征在于,所述步骤D包括:
依据尺度系数c(n)判断R波的位置是否满足c1(n)<c2(n),c1(n)<c3(n),c1(n)<c4(n),若否,则以预设步长调整所述阈值并返回步骤C;
其中c1(n)为第1次小波变换的尺度系数,c2(n)为第2次小波变换的尺度系数,c3(n)为第3次小波变换的尺度系数,c4(n)为第4次小波变换的尺度系数。
5.根据权利要求1所述的方法,其特征在于,还包括:
E、计算预设尺度值为4的尺度系数c(n)的差分信号diff(n),可由下式表示:
diff(n)=(-2)×c(n-2)-c(n-1)+c(n+1)+2×c(n+2);
F、计算差分阈值diff_thresh,可由下式表示:
其中,thresh_param为可选参数,取值为2、4、8或16,max的初始值为划分为多个等长区间的小波系数的模极大值;
G、依据所述差分阈值diff_thresh从R波的位置向前检测QRS波的起始点位置,若连续检测到差分信号diff(n)大于所述差分阈值diff_thresh,则可定位心电信号中QRS波的起始点;否则,进入步骤H;或者,
依据所述差分阈值diff_thresh从R波的位置向后检测QRS波的终止点位置,若连续检测到差分信号diff(n)大于所述差分阈值diff_thresh,则可定位心电信号中QRS波的终止点;否则,进入步骤I;
H、由下式更新所述差分阈值diff_thresh,并进入步骤G重新定位QRS波的起始点;
其中,first_max为对应R波的幅度与对应的QRS波的起始点的幅度的差值,filter_param为可选参数,取值为2、4、8或16;
I、由下式更新所述差分阈值diff_thresh,并进入步骤G重新定位QRS波的终止点;
其中,first_max为对应R波的幅度与对应的QRS波的终止点的幅度的差值,filter_param为可选参数,取值为2、4、8或16。
6.一种心电信号特征提取的***,其特征在于,包括:
小波变换单元,用于基于自适应提升方法对经采样的心电信号x(n)进行多次小波变换直至达到预设尺度值;
小波变换单元包括:
***单元,用于对经采样的心电信号x(n)***为奇数序列xo(n)和偶数序列xe(n),可由下式表示:
xo(n)=x(2n+1) xe(n)=x(2n);
预测单元,用于基于所述偶数序列xe(n)预测所述奇数序列xo(n),得到小波系数d(n);可由下式表示:
d(n)=xo(n)-P(xe(n)),其中P为预测算子;所述预测算子P由如下公式表示:
更新单元,用于基于所述小波系数d(n)更新所述偶数序列xe(n),得到尺度系数c(n);可用下式表示:
c(n)=xe(n)+U(xo(n)),其中U为更新算子;所述更新算子U由如下公式表示:
ΔL=|c(n)-d(n-1)|ΔR=|c(n)-d(n)|
阈值计算单元,用于依据小波系数d(n)计算阈值;所述阈值计算单元包括如下单元:
将小波系数d(n)划分为多个等长区间的单元;
计算每一等长区间的极大值的单元;
计算所述多个等长区间的极大值的均值的单元;
选取所述均值的一半作为阈值的单元;
检测单元,用于依据所述阈值检测所述心电信号中R波的位置;
判断单元,用于依据尺度系数c(n)并基于李氏指数判断所述R波的位置是否正确,若否,则以预设步长调整所述阈值并由检测单元重新检测R波的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101656819A CN101828917B (zh) | 2010-05-07 | 2010-05-07 | 心电信号特征提取的方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101656819A CN101828917B (zh) | 2010-05-07 | 2010-05-07 | 心电信号特征提取的方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101828917A CN101828917A (zh) | 2010-09-15 |
CN101828917B true CN101828917B (zh) | 2011-09-14 |
Family
ID=42713244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101656819A Expired - Fee Related CN101828917B (zh) | 2010-05-07 | 2010-05-07 | 心电信号特征提取的方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101828917B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2589332A1 (en) * | 2011-11-03 | 2013-05-08 | Imec | System and method for the analysis of electrocardiogram signals |
CN107361764A (zh) * | 2017-06-16 | 2017-11-21 | 华南理工大学 | 一种心电信号特征波形r波的快速提取方法 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102670196A (zh) * | 2011-01-18 | 2012-09-19 | 王卫东 | R波奇异性分析方法 |
CN102247143B (zh) * | 2011-06-03 | 2013-05-15 | 吉林大学珠海学院 | 一种可集成的心电信号去噪和qrs波识别的快速算法 |
CN102551687B (zh) * | 2012-01-18 | 2014-02-05 | 华韵之 | 基于第二代小波的脉搏信号特征点的提取方法 |
CN102626310A (zh) * | 2012-04-23 | 2012-08-08 | 天津工业大学 | 基于提升小波变换和改进近似包络的心电特征检测算法 |
CN102885621B (zh) * | 2012-10-19 | 2015-04-22 | 深圳邦健生物医疗设备股份有限公司 | 应用于r波检测的信号处理方法、电路及除颤器 |
CN103006208B (zh) * | 2012-12-29 | 2014-05-28 | 重庆邮电大学 | 心电信号r波校准方法和装置 |
CN103222864B (zh) * | 2013-04-07 | 2015-03-25 | 广东工业大学 | 一种自适应心电检测方法及其监控*** |
CN103815897B (zh) * | 2014-02-28 | 2015-07-15 | 吉林大学 | 一种心电图特征提取方法 |
CN105212922A (zh) * | 2014-06-11 | 2016-01-06 | 吉林大学 | 面向fpga实现心电信号r波自动检测的方法及*** |
CN104042191A (zh) * | 2014-07-09 | 2014-09-17 | 北京惠仁康宁科技发展有限公司 | 手表式多参数生物传感装置 |
CN105310688B (zh) * | 2015-11-02 | 2018-07-10 | 广东工业大学 | 一种基于非负盲分离胎儿心电特征信号提取方法 |
CN105748066B (zh) * | 2016-03-03 | 2018-03-16 | 深圳竹信科技有限公司 | 一种心电信号波形特征点的提取方法及装置 |
CN107273827B (zh) * | 2017-05-31 | 2020-01-07 | 江苏斯坦德利医疗科技有限公司 | 一种心电信号r波检测方法及装置 |
CN109009071A (zh) * | 2018-07-11 | 2018-12-18 | 上海夏先机电科技发展有限公司 | 一种识别心电波图像特征点的方法和装置 |
CN111772617B (zh) * | 2019-04-04 | 2023-08-04 | 成都心吉康科技有限公司 | Ecg显示滤波方法、装置及存储介质 |
CN110420022B (zh) * | 2019-07-29 | 2020-12-11 | 浙江大学 | 一种基于双密度小波变换的p波检测方法 |
CN111345815B (zh) * | 2020-02-11 | 2023-05-02 | 广州视源电子科技股份有限公司 | 一种心电信号中qrs波的检测方法、装置、设备和存储介质 |
CN111281373A (zh) * | 2020-03-06 | 2020-06-16 | 何乐 | 基于心电图u波和t波定量评估心脏功能的方法和装置 |
CN112842362B (zh) * | 2021-02-05 | 2023-04-07 | 杭州诺为医疗技术有限公司 | 用于植入式电刺激装置的自响应检测参数优化方法及*** |
CN112774033A (zh) * | 2021-02-05 | 2021-05-11 | 杭州诺为医疗技术有限公司 | 一种确定植入式闭环***检测参数的方法、装置及*** |
CN113951893B (zh) * | 2021-12-02 | 2023-02-03 | 清华大学 | 一种结合深度学习和电生理知识的多导联心电信号特征点提取方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7291111B2 (en) * | 2003-04-23 | 2007-11-06 | Medscansonics, Inc. | Apparatus and method for non-invasive diagnosing of coronary artery disease |
ES2272196B1 (es) * | 2006-08-04 | 2008-03-01 | Gem-Med, S.L. | Procedimiento para el procesado de señales cardiolectricas y dispositivo correspondiente. |
CN100536765C (zh) * | 2007-07-13 | 2009-09-09 | 天津大学 | 基于进化型小波域维纳去卷积的心电特征提取方法 |
CN101632587A (zh) * | 2009-08-05 | 2010-01-27 | 南京大学 | 一种基于小波变换的步态信号提取方法 |
-
2010
- 2010-05-07 CN CN2010101656819A patent/CN101828917B/zh not_active Expired - Fee Related
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2589332A1 (en) * | 2011-11-03 | 2013-05-08 | Imec | System and method for the analysis of electrocardiogram signals |
US8886299B2 (en) | 2011-11-03 | 2014-11-11 | Imec | System and method for the analysis of electrocardiogram signals |
CN107361764A (zh) * | 2017-06-16 | 2017-11-21 | 华南理工大学 | 一种心电信号特征波形r波的快速提取方法 |
CN107361764B (zh) * | 2017-06-16 | 2020-05-22 | 华南理工大学 | 一种心电信号特征波形r波的快速提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101828917A (zh) | 2010-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101828917B (zh) | 心电信号特征提取的方法和*** | |
Maestri et al. | Nonlinear indices of heart rate variability in chronic heart failure patients: redundancy and comparative clinical value | |
CN107837082A (zh) | 基于人工智能自学习的心电图自动分析方法和装置 | |
US9161705B2 (en) | Method and device for early detection of heart attack | |
EP3054840B1 (en) | Prediction of risk for sudden cardiac death | |
US20100217144A1 (en) | Diagnostic and predictive system and methodology using multiple parameter electrocardiography superscores | |
CN103006210B (zh) | 基于分段线性化的窦性心率震荡趋势检测方法 | |
CN102397067B (zh) | 一种运动负荷心电波形叠加分析方法及其*** | |
CN1951320A (zh) | 基于超完备特征的异常心电识别方法 | |
CN108652640B (zh) | 一种基于心电信号的无创血糖检测方法及*** | |
CN112932498B (zh) | 一种基于深度学习的强泛化能力的t波形态分类*** | |
CN103970975A (zh) | 心电数据处理方法和*** | |
Paula Rocha et al. | Beyond long memory in heart rate variability: an approach based on fractionally integrated autoregressive moving average time series models with conditional heteroscedasticity | |
US20220386966A1 (en) | Non-invasive prediction of risk for sudden cardiac death | |
Maanja et al. | The electrical determinants of increased wall thickness and mass in left ventricular hypertrophy | |
Deng et al. | ST-Net: Synthetic ECG tracings for diagnosing various cardiovascular diseases | |
CN102551687B (zh) | 基于第二代小波的脉搏信号特征点的提取方法 | |
Syed et al. | Unsupervised Similarity-Based Risk Stratification for Cardiovascular Events Using Long-Term Time-Series Data. | |
Stabenau et al. | BRAVEHEART: Open-source software for automated electrocardiographic and vectorcardiographic analysis | |
CN100342820C (zh) | 一种心率变异性的预测度指标检测分析方法及仪器 | |
CN115607166B (zh) | 一种心电信号智能分析方法及***、智能心电辅助*** | |
Ghannam et al. | Factors predictive for delayed enhancement in cardiac resonance imaging in patients undergoing catheter ablation of premature ventricular complexes | |
Al-Zaiti et al. | The role of automated 12-lead ECG interpretation in the diagnosis and risk stratification of cardiovascular disease | |
Georgieva-Tsaneva et al. | Cardio-diagnostic assisting computer system | |
Tao et al. | Automated detection of atrial fibrillation based on DenseNet using ECG signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110914 |
|
CF01 | Termination of patent right due to non-payment of annual fee |