CN108324271A - 心电信号识别方法、***和心电监测设备 - Google Patents
心电信号识别方法、***和心电监测设备 Download PDFInfo
- Publication number
- CN108324271A CN108324271A CN201711429249.4A CN201711429249A CN108324271A CN 108324271 A CN108324271 A CN 108324271A CN 201711429249 A CN201711429249 A CN 201711429249A CN 108324271 A CN108324271 A CN 108324271A
- Authority
- CN
- China
- Prior art keywords
- electrocardiosignal
- standard deviation
- subsegment
- wave crest
- signal amplitude
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000002452 interceptive effect Effects 0.000 claims abstract description 14
- 230000015654 memory Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 abstract description 12
- 230000000747 cardiac effect Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000000739 chaotic effect Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 206010028347 Muscle twitching Diseases 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008569 process Effects 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
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Cardiology (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)
Abstract
本发明提供了一种心电信号识别方法、***和心电监测设备，涉及心电的技术领域，包括：获取一个采集周期采集的心电信号；根据心电信号，计算心电信号的标准差、子段标准差数组；根据标准差和子段标准差数组，识别心电信号是否存在大幅干扰；如果心电信号不存在大幅干扰，则根据标准差和子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组；根据平均波峰孤立度和所述波峰孤立度数组，识别心电信号是否存在小幅干扰。可以对心电信号进行更加细致的判断，从而可以为后期信号处理提供了更加精确的数据，同时本发明的判断建立在一个采集周期采集的心电信号，可以达到实时分析的需求，适用于实时心电监测。
Description
技术领域
本发明涉及心电技术领域，尤其是涉及一种心电信号识别方法、***和心电监测设备。
背景技术
当下心电监测技术的发展十分迅速，产生了很多面向非专业人员使用的动态心电监测设备，然而，在做心电图的过程中，存在如肌肉颤抖、仪器受到电磁干扰等情况会产生误差，使得计算机自动分析算法发生错误判断，给出错误的心电分析结果，对用户形成误导。所以，准确识别心电波形伪差，是动态心电监测设备亟需解决的问题之一。
关于心电图中伪差的识别方法，主要是为实时心电分析的方法。实时心电分析指，用户采集信号的过程中每采集一小段信号分析一次，从而给用户一种即时分析的感觉。然而，现有的实时伪差识别方法，对于伪差的类别判断不全，判断粗略，在实时心电分析时的应用有限。若不依赖于识别算法，由人工识别伪差波形，则需要用户需要一定的心电专业知识，这也降低了应用的实用性。
发明内容
有鉴于此，本发明的目的在于提供心电信号识别方法、***和心电监测设备，可以对心电信号进行更加细致的判断，从而可以为后期信号处理提供了精确的数据，同时本发明的判断建立在一个采集周期采集的心电信号，可以达到实时分析的需求，适用于实时心电监测。
第一方面，本发明实施例提供了一种心电信号识别方法，包括：获取一个采集周期采集的心电信号；根据所述心电信号，计算心电信号的标准差、子段标准差数组；根据所述标准差和所述子段标准差数组，识别所述心电信号是否存在大幅干扰；如果所述心电信号不存在大幅干扰，则根据所述标准差和子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组；根据所述平均波峰孤立度和所述波峰孤立度数组，识别所述心电信号是否存在小幅干扰。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述根据所述心电信号，计算心电信号的标准差、子段标准差数组，包括：根据心电信号，计算心电信号的标准差；将所述心电信号按周期等分为多个心电波形片段；根据所述多个心电波形片段，获得每个心电波形片段的信号幅值；根据所述每个心电波形片段的信号幅值，计算每个心电波形片段的子段标准差，组成子段标准差数组。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述根据所述标准差和所述子段标准差数组，识别所述心电信号是否存在大幅干扰，包括：判断所述标准差是否大于第一阈值；如果大于，则判定所述心电信号幅值序列的伪差类型为大幅干扰；如果不大于，则判断所有子段标准差是否存在大于所述第一阈值的子段标准差；如果是，则获取存在大于所述第一阈值的子段标准差的个数；判断所述大于所述第一阈值的子段标准差的个数是否大于第二阈值；如果是，则判定所述心电信号幅值序列的伪差类型为部分大幅干扰。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述根据所述标准差和所述子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组，包括：计算每个所述心电波形片段的信号幅值的欧式距离之和；从多个心电波形片段的信号幅值的欧式距离之和中选取最小值，并确定与所述最小值对应的基准信号幅值；从多个心电波形片段的信号幅值中，选取大于所述基准信号幅值的信号幅值；计算所有大于所述基准信号幅值的信号幅值的波峰孤立度；根据所述波峰孤立度，组建波峰孤立度数组；根据所述波峰孤立度数组，得到平均波峰孤立度。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述根据所述平均波峰孤立度和所述波峰孤立度数组，识别所述心电信号是否存在小幅干扰，包括：判断所述平均波峰孤立度是否大于第三阈值；如果大于，则判定所述心电信号幅值序列的伪差类型为小幅干扰；如果不大于，再判断所述波峰孤立度数组中的元素个数是否大于第四阈值；如果是，则判断所述心电信号幅值序列的伪差类型为部分小幅干扰。
第二方面，本发明实施例还提供一种心电信号识别***，包括：获取模块，用于获取一个采集周期采集的心电信号；计算模块，用于根据所述心电信号，计算心电信号的标准差、子段标准差数组，如果所述心电信号不存在大幅干扰，则根据所述标准差和子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组；第一识别模块，用于根据所述标准差和所述子段标准差数组，识别所述心电信号是否存在大幅干扰；第二识别模块，用于根据所述平均波峰孤立度和所述波峰孤立度数组，识别所述心电信号是否存在小幅干扰。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述计算模块，用于：根据所述心电信号，计算心电信号的标准差，将所述心电信号按周期等分为多个心电波形片段，根据所述多个心电波形片段，获得每个心电波形片段的信号幅值，根据所述每个心电波形片段的信号幅值，计算每个心电波形片段的子段标准差，组成子段标准差数组。
结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述第一识别模块，用于：判断所述标准差是否大于第一阈值，如果大于，则判定所述心电信号幅值序列的伪差类型为大幅干扰，如果不大于，则判断所有子段标准差是否存在大于所述第一阈值的子段标准差，如果是，则获取存在大于所述第一阈值的子段标准差的个数，判断所述大于所述第一阈值的子段标准差的个数是否大于第二阈值，如果是，则判定所述心电信号幅值序列的伪差类型为部分大幅干扰。
结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述计算模块，用于：计算每个所述心电波形片段的信号幅值的欧式距离之和；从多个心电波形片段的信号幅值的欧式距离之和中选取最小值，并确定与所述最小值对应的基准信号幅值；从多个心电波形片段的信号幅值中，选取大于所述基准信号幅值的信号幅值；计算所有大于所述基准信号幅值的信号幅值的波峰孤立度；根据所述波峰孤立度，组建波峰孤立度数组；根据所述波峰孤立度数据数组，得到平均波峰孤立度。
结合第二方面，本发明实施例提供了第二方面的第四种可能的实施方式，其中，所述第二识别模块，包括：判断所述平均波峰孤立度是否大于第三阈值；如果大于，则判定所述心电信号幅值序列的伪差类型为小幅干扰，如果不大于，再判断所述波峰孤立度数组中的元素个数是否大于第四阈值，如果是，则判定所述心电信号幅值序列的伪差类型为部分小幅干扰。
第三方面，本发明实施例还提供一种心电监测设备，包括处理器，与所述处理器连接的存储器；其中，所述存储器用于存储一条或多条计算机指令，所述处理器被配置成执行所述存储器中的计算机指令，以通过上述实施例中任一项所述的方法识别采集的心电信号是否存在干扰。
本发明实施例带来了以下有益效果：可以通过心电信号的标准差、子段标准差数组判断采集到的心电信号是否存在大幅干扰，如果不存在，则再根据平均波峰孤立度和波峰孤立度数组，判断采集到的心电信号是否存在小幅干扰，本发明可以对心电信号进行更加细致的判断，从而可以为后期信号处理提供了精确的数据，同时本发明的判断建立在一个采集周期采集的心电信号，可以达到实时分析的需求，适用于实时心电监测。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的心电信号识别方法的流程图；
图2为心电信号的示意图；
图3为一个周期内的心电信号的示意图；
图4为本发明实施例提供的判断大幅干扰的方法的流程图；
图5为本发明实施例提供的判断小幅干扰的方法的流程图；
图6为本发明实施例提供的心电信号识别***的结构图；
图7为本发明实施例提供的心电监测设备的结构图。
图标：
200-心电信号识别***；210-获取模块；220-计算模块；230-第一识别模块；240-第二识别模块；300-心电监测设备；310-处理器；320-存储器；330-总线；340-通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在心电监测中，得到的心电图可能会存在伪差，这是由于在做心电图的过程中存在干扰，例如肌肉颤动、仪器收到电磁干扰等情况，在存在干扰的情况下出现的误差为伪差。目前，实时分析的方法为用户采集信号的过程中每采集一小段信号分析一次，从而给用户一种即时分析的感觉。然而，现有的实时伪差识别方法，对于伪差的类别判断不全，判断粗略，在实时心电分析时的应用有限。若不依赖于识别算法，由人工识别伪差波形，则需要用户需要一定的心电专业知识，这也降低了应用的实用性。基于此，本发明实施例提供的一种心电信号识别方法、***和心电监测设备，可以通过心电信号的标准差、子段标准差数组判断采集到的心电信号是否存在大幅干扰，如果不存在，则再根据平均波峰孤立度和波峰孤立度数组，判断采集到的心电信号是否存在小幅干扰，本发明可以对心电信号进行更加细致的判断，从而可以为后期信号处理提供精确的数据，同时本发明采用一次采集周期的心电信号进行伪差的判断，可以更接近实时的完成心电伪差判断，延迟的时间为进行分析的周期，而周期的设定是任意的，当周期较短时，就可以达到近乎实时的效果。进一步说，本发明不需要对大量的数据进行复杂的统计分析，每次仅需对一个短周期的心电信号幅值序列进行统计分析，运行速度快，可以满足实时分析的需求，而不是经过一段时间才能达到较好的效果。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种心电信号识别方法进行详细介绍，参见图1所示，包括：
S110：获取一个采集周期采集的心电信号。
结合图2所示，为获取的心电信号。用户可以使用动态心电监测设备进行心电采集，并获取一次采集周期采集的心电信号，其中，采集到的心电信号实际上是信号幅值序列，以横坐标为时间、纵坐标为电压的心电图曲线记录的。
S120：根据心电信号，计算心电信号的标准差、子段标准差数组。
作为一个示例，步骤S120包括：根据心电信号，计算心电信号的标准差；将心电信号按周期等分为多个心电波形片段；根据多个心电波形片段，获得每个心电波形片段的信号幅值；根据每个心电波形片段的信号幅值，计算每个心电波形片段的子段标准差，组成子段标准差数组。
其中，将心电信号按周期等分为多个心电波形片段中的按周期的意思是按照一次跳动计为一个周期，结合图3所示，一个跳动的时间包括P-R间期、Q-T间期和U波的时间。一次周期采集的心电信号包括多个一次跳动，将这些一次跳动分割出来分成心电波形片段。
在一些实施例中，在步骤S120之前，还可以包括：对获取到的心电信号进行数据预处理，以过滤基线漂移干扰和高频噪声，得到预处理后的心电波形数据。
S130：根据标准差和子段标准差数组，识别心电信号是否存在大幅干扰。
在一些实施例中，结合图4所示，步骤S130具体包括：
S131：判断标准差是否大于第一阈值。
其中，第一阈值通过多次已知的数据进行测试得到。即，第一阈值是当计算出来的标准差大于这个临界阈值时，可以知道采集到的心电信号幅值序列收到了大幅干扰。如果大于，则进行步骤S132；如果不大于，则进行步骤S133。
S132：判定心电信号幅值序列的伪差类型为大幅干扰。
其中，大幅干扰的意思为心电波形的周期性很混乱，分不清楚心电波形的P波、QRS波、T波、U波。举例来说，结合图3所示，为没有干扰下的心电波形图，在这个心电波形图中，P波、T波、U波的幅值明显小于R波的幅值，而在判断采集的心电信号幅值序列的伪差类型为大幅干扰时，所呈现出来的心电图分不清楚心电波形的P波、QRS波、T波、U波，采集到的各个幅值变化混乱。
S133：判断子段标准差是否存在大于第一阈值的子段标准差。如果存在，则进行步骤S134和步骤S135。
其中，步骤S135：判断大于第一阈值的子段标准差的个数是否大于第二阈值中的第二阈值为自然数，第二阈值是指大于第一阈值的子段标准差的个数与这个临界值进行比较，判断是否部分大幅干扰。其中，这个第二阈值根据一个周期内采集的心电信号而定。举例来说，当一个采集周期内采集到20个一次跳动的心电波形片段，当20个心电波形片段中有10个心电波形片段的标准差大于第一阈值，也就是，10个心电波形片段的伪差类型为大幅干扰，这个10就是第二阈值。当然第二阈值的值可以根据一个采集周期内采集到的心电波形片段的个数而定。如果大于，则进行步骤S136，如果不大于，则进行步骤S140。
S136：判定心电信号幅值序列的伪差类型为部分大幅干扰。
其中，部分大幅干扰的意思是在一次采集周期内的具有部分心电波形片段的心电波形的周期性很混乱，分不清楚心电波形的P波、QRS波、T波、U波。
在一些实施例中，在步骤S130之前还包括：组建多个心电波形片段的信号幅值的数组，判断数组的长度为0时，判定当前获取的心电信号为无信号状态。即，没有采集到信号。
S140：如果心电信号不存在大幅干扰，则根据标准差和子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组。
在一些实施例中，根据标准差和子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组，包括：计算每个心电波形片段的信号幅值的欧式距离之和；从多个心电波形片段的信号幅值的欧式距离之和中选取最小值，并确定与最小值对应的基准信号幅值；从多个心电波形片段的信号幅值中，选取大于基准信号幅值的信号幅值；计算所有大于基准信号幅值的信号幅值的波峰孤立度；根据波峰孤立度，组建波峰孤立度数组；根据波峰孤立度数组，得到平均波峰孤立度。
举例来说，当获取的一次采集周期的心电波形片段为20个时，存在20个信号幅值，计算每一个信号幅值与其他信号幅值之间的欧式距离，得到欧式距离后，计算一个信号幅值的欧式距离之和，即20个心电波形片段对应20个欧氏距离之和，比较20个欧式距离之和的大小，选取20个欧式距离之和中的最小值，确定与最小值对应的信号幅值为基准信号幅值。
其中，这个基准信号幅值的作用为：心电主波，即R波的幅值的阈值。再得到阈值后，将这个阈值与20个心电波形片段的信号幅值进行比较，选取大于这个阈值的信号幅值，并确定这个信号幅值在这个获取的心电信号中的位置。特别的，因为心电信号以横坐标为时间、纵坐标为电压的形式记录的，则具体的位置信息可以用时间来表示。
当得到这些位置信息后，计算该信号幅值的波峰孤立度。波峰孤立度是指一个波峰在以其自身为中心的一定范围内的满足条件的波峰个数。举例，结合图2所示，如果第三个信号幅值为待计算波峰孤立度的信号幅值，则以第三个信号幅值的位置为中心，在向左一定范围内和向右同等的范围内中找满足条件的波峰个数。这里所说的满足条件的波峰是指，该波峰值的大小为待计算波峰孤立度的信号幅值的一定比例，这个一定比例的范围为[0.5,0.9]。特别的，如果在以待计算波峰孤立度的信号幅值的位置为中心的一定范围内存在波峰值的大小大于待计算波峰孤立度的信号幅值，则待计算波峰孤立度的信号幅值的波峰孤立度为0。
其中，平均波峰孤立度为波峰孤立度数组的算术平均值。
S150：根据平均波峰孤立度和波峰孤立度数组，识别心电信号是否存在小幅干扰。
结合图5所示，根据平均波峰孤立度和波峰孤立度数组，识别心电信号是否存在小幅干扰，包括：
S151：判断平均波峰孤立度是否大于第三阈值。
具体来说，第三阈值是根据已知的正常的心电数据和具有小幅干扰情况的心电数据，判定两种数据的临界值。如果大于，则进行步骤S152；如果不大于，则进行步骤S153。
S152：判定心电信号幅值序列的伪差类型为小幅干扰。
其中，结合图2和图3所示，在没有干扰的心电信号幅值大小中，P波、T波、U波的幅值明显小于R波的幅值，小幅干扰是指P波、T波、U波其中的至少一个信号幅值与R波的幅值大小相当，或者为R波的幅值大小的一定比例，其中，一定比例的范围可以为[0.5，0.9]，我们将这种干扰定义为小幅干扰。小幅干扰可以确定P波、R波、T波、U波，但是P波、T波、U波与R波之间的幅值对比不明显。
S153：判断波峰孤立度数组中的元素个数是否大于第四阈值。如果大于，则进行步骤S154；如果不大于，则进行步骤S155。
S154：判定心电信号幅值序列的伪差类型为部分小幅干扰。
部分小幅干扰的意思是在一次采集周期内的具有部分心电波形片段的具有上述所说的小幅干扰的情况。
S155：判定该信号没有收到干扰。
结合图6所示，心电信号识别***200，包括：获取模块210、计算模块220、第一识别模块230和第二识别模块240。
其中，获取模块210用于获取一个采集周期采集的心电信号。计算模块220与获取模块210相连，用于根据心电信号，计算心电信号的标准差、子段标准差数组，如果心电信号不存在严重干扰现象，则根据标准差和子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组。第一识别模块230与计算模块220相连，用于根据标准差和子段标准差数组，识别心电信号是否存在大幅干扰。第二识别模块240与计算模块220，用于根据平均波峰孤立度和所述波峰孤立度数组，识别心电信号是否存在小幅干扰。
在一些实施例中，计算模块220用于：根据心电信号，计算心电信号的标准差，将心电信号按周期等分为多个心电波形片段，根据多个心电波形片段，获得每个心电波形片段的信号幅值，根据每个心电波形片段的信号幅值，计算每个心电波形片段的子段标准差，组成子段标准差数组。
在一些实施例中，第一识别模块230，用于：判断标准差是否大于第一阈值，如果大于，则判断心电信号幅值序列的伪差类型为大幅干扰，如果不大于，则判断所有子段标准差是否存在大于第一阈值的子段标准差，如果存在，则获取存在大于第一阈值的子段标准差的个数，判断大于第一阈值的子段标准差的个数是否大于第二阈值，如果大于，则判断心电信号幅值序列的伪差类型为部分大幅干扰。
在一些实施例中，计算模块220，用于：计算每个心电波形片段的信号幅值的欧式距离之和；从多个心电波形片段的信号幅值的欧式距离之和中选取最小值，并确定与最小值对应的基准信号幅值；从多个心电波形片段的信号幅值中，选取大于基准信号幅值的信号幅值；计算所有大于基准信号幅值的信号幅值的波峰孤立度；根据波峰孤立度，组建波峰孤立度数组；根据波峰孤立度数据数组，得到平均波峰孤立度。
在一些实施例中，第二识别模块240，包括：判断平均波峰孤立度是否大于第三阈值；如果大于，则判断心电信号幅值序列的伪差类型为幅值过小，如果不大于，再判断波峰孤立度数组中的元素个数是否大于第四阈值，如果大于，则判断心电信号幅值序列的伪差类型为少量扰动。
本发明实施例所提供的***，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，***实施例部分未提及之处，可参考前述方法实施例中相应内容。
参见图7所示，心电监测设备300，其特征在于，包括处理器310，与处理器310连接的存储器320；其中，存储器320用于存储一条或多条计算机指令，处理器310被配置成执行存储器320中的计算机指令，以通过上述实施例任一项所述的方法识别采集的心电信号是否存在干扰。
再参见图7，还包括：总线330和通信接口340，所述处理器310、通信接口340和存储器320通过总线330连接。
其中，存储器320可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口340(可以是有线或者无线)实现该***网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线330可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器320用于存储程序，所述处理器310在接收到执行指令后，执行所述程序401，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器310中，或者由处理器310实现。
处理器310可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器310中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器310可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器320，处理器310读取存储器320中的信息，结合其硬件完成上述方法的步骤。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“相连”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中，应该理解到，所揭露的***和方法，可以通过其它的方式实现。以上所描述的***实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (11)
1.一种心电信号识别方法，其特征在于，包括：
获取一个采集周期采集的心电信号；
根据所述心电信号，计算心电信号的标准差、子段标准差数组；
根据所述标准差和所述子段标准差数组，识别所述心电信号是否存在大幅干扰；
如果所述心电信号不存在大幅干扰，则根据所述标准差和子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组；
根据所述平均波峰孤立度和所述波峰孤立度数组，识别所述心电信号是否存在小幅干扰。
2.根据权利要求1所述的心电信号识别方法，其特征在于，所述根据所述心电信号，计算心电信号的标准差、子段标准差数组，包括：
根据心电信号，计算心电信号的标准差；
将所述心电信号按周期等分为多个心电波形片段；
根据所述多个心电波形片段，获得每个心电波形片段的信号幅值；
根据所述每个心电波形片段的信号幅值，计算每个心电波形片段的子段标准差，组成子段标准差数组。
3.根据权利要求2所述的心电信号识别方法，其特征在于，所述根据所述标准差和所述子段标准差数组，识别所述心电信号是否存在大幅干扰，包括：
判断所述标准差是否大于第一阈值；
如果大于，则判定所述心电信号幅值序列的伪差类型为大幅干扰；
如果不大于，则判断所有子段标准差是否存在大于所述第一阈值的子段标准差；
如果是，则获取存在大于所述第一阈值的子段标准差的个数；
判断所述大于所述第一阈值的子段标准差的个数是否大于第二阈值；
如果是，则判定所述心电信号幅值序列的伪差类型为部分大幅干扰。
4.根据权利要求2所述的心电信号识别方法，其特征在于，所述根据所述标准差和所述子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组，包括：
计算每个所述心电波形片段的信号幅值的欧式距离之和；
从多个心电波形片段的信号幅值的欧式距离之和中选取最小值，并确定与所述最小值对应的基准信号幅值；
从多个心电波形片段的信号幅值中，选取大于所述基准信号幅值的信号幅值；
计算所有大于所述基准信号幅值的信号幅值的波峰孤立度；
根据所述波峰孤立度，组建波峰孤立度数组；
根据所述波峰孤立度数组，得到平均波峰孤立度。
5.根据权利要求4所述的心电信号识别方法，其特征在于，所述根据所述平均波峰孤立度和所述波峰孤立度数组，识别所述心电信号是否存在小幅干扰，包括：
判断所述平均波峰孤立度是否大于第三阈值；
如果大于，则判定所述心电信号幅值序列的伪差类型为小幅干扰；
如果不大于，再判断所述波峰孤立度数组中的元素个数是否大于第四阈值；
如果是，则判断所述心电信号幅值序列的伪差类型为部分小幅干扰。
6.一种心电信号识别***，其特征在于，包括：
获取模块，用于获取一个采集周期采集的心电信号；
计算模块，用于根据所述心电信号，计算心电信号的标准差、子段标准差数组，如果所述心电信号不存在大幅干扰，则根据所述标准差和子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组；
第一识别模块，用于根据所述标准差和所述子段标准差数组，识别所述心电信号是否存在大幅干扰；
第二识别模块，用于根据所述平均波峰孤立度和所述波峰孤立度数组，识别所述心电信号是否存在小幅干扰。
7.根据权利要求6所述的心电信号识别***，其特征在于，所述计算模块，用于：根据所述心电信号，计算心电信号的标准差，将所述心电信号按周期等分为多个心电波形片段，根据所述多个心电波形片段，获得每个心电波形片段的信号幅值，根据所述每个心电波形片段的信号幅值，计算每个心电波形片段的子段标准差，组成子段标准差数组。
8.根据权利要求7所述的心电信号识别***，其特征在于，所述第一识别模块，用于：判断所述标准差是否大于第一阈值，如果大于，则判定所述心电信号幅值序列的伪差类型为大幅干扰，如果不大于，则判断所有子段标准差是否存在大于所述第一阈值的子段标准差，如果是，则获取存在大于所述第一阈值的子段标准差的个数，判断所述大于所述第一阈值的子段标准差的个数是否大于第二阈值，如果是，则判定所述心电信号幅值序列的伪差类型为部分大幅干扰。
9.根据权利要求7所述的心电信号识别***，其特征在于，所述计算模块，用于：计算每个所述心电波形片段的信号幅值的欧式距离之和；从多个心电波形片段的信号幅值的欧式距离之和中选取最小值，并确定与所述最小值对应的基准信号幅值；从多个心电波形片段的信号幅值中，选取大于所述基准信号幅值的信号幅值；计算所有大于所述基准信号幅值的信号幅值的波峰孤立度；根据所述波峰孤立度，组建波峰孤立度数组；根据所述波峰孤立度数据数组，得到平均波峰孤立度。
10.根据权利要求9所述的心电信号识别***，其特征在于，所述第二识别模块，包括：判断所述平均波峰孤立度是否大于第三阈值；如果大于，则判定所述心电信号幅值序列的伪差类型为小幅干扰，如果不大于，再判断所述波峰孤立度数组中的元素个数是否大于第四阈值，如果是，则判定所述心电信号幅值序列的伪差类型为部分小幅干扰。
11.一种心电监测设备，其特征在于，包括处理器，与所述处理器连接的存储器；其中，所述存储器用于存储一条或多条计算机指令，所述处理器被配置成执行所述存储器中的计算机指令，以通过权利要求1至5中任一项所述的方法识别采集的心电信号是否存在干扰。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711429249.4A CN108324271B (zh) | 2017-12-25 | 2017-12-25 | 心电信号识别方法、***和心电监测设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711429249.4A CN108324271B (zh) | 2017-12-25 | 2017-12-25 | 心电信号识别方法、***和心电监测设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108324271A true CN108324271A (zh) | 2018-07-27 |
| CN108324271B CN108324271B (zh) | 2020-12-01 |
Family
ID=62923436
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711429249.4A Active CN108324271B (zh) | 2017-12-25 | 2017-12-25 | 心电信号识别方法、***和心电监测设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108324271B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108937905A (zh) * | 2018-08-06 | 2018-12-07 | 合肥工业大学 | 一种基于信号拟合的非接触式心率检测方法 |
| CN110236524A (zh) * | 2019-06-17 | 2019-09-17 | 深圳市善行医疗科技有限公司 | 一种女性生理周期的监测方法、装置及终端 |
| CN110236532A (zh) * | 2019-04-30 | 2019-09-17 | 深圳和而泰家居在线网络科技有限公司 | 生物电信号处理方法、装置、计算机设备和存储介质 |
| CN110750770A (zh) * | 2019-08-18 | 2020-02-04 | 浙江好络维医疗技术有限公司 | 一种基于心电图的对电子设备进行解锁的方法 |
| CN111345808A (zh) * | 2018-12-24 | 2020-06-30 | Zoll医疗公司 | 处理心电信号的方法、心电信号监测设备和存储介质 |
| CN113449264A (zh) * | 2020-03-27 | 2021-09-28 | ***通信集团设计院有限公司 | 波形边缘的监测方法及装置 |
| CN116028914A (zh) * | 2023-03-27 | 2023-04-28 | 深圳市魔样科技有限公司 | 一种智能戒指身份认证方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004004286A (ja) * | 2002-05-31 | 2004-01-08 | Meiji Univ | 雑音除去システムおよびプログラム |
| US20130289424A1 (en) * | 2009-11-03 | 2013-10-31 | Vivaquant Llc | System for processing physiological data |
| US20140121543A1 (en) * | 2012-10-30 | 2014-05-01 | Vital Connect, Inc. | Measuring psychological stress from cardiovascular and activity signals |
| CN104161505A (zh) * | 2014-08-13 | 2014-11-26 | 北京邮电大学 | 一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法 |
| CN106108850A (zh) * | 2016-06-30 | 2016-11-16 | 深圳邦健生物医疗设备股份有限公司 | 心电数据库的干扰数据的识别方法和装置 |
-
2017
- 2017-12-25 CN CN201711429249.4A patent/CN108324271B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004004286A (ja) * | 2002-05-31 | 2004-01-08 | Meiji Univ | 雑音除去システムおよびプログラム |
| US20130289424A1 (en) * | 2009-11-03 | 2013-10-31 | Vivaquant Llc | System for processing physiological data |
| US20140121543A1 (en) * | 2012-10-30 | 2014-05-01 | Vital Connect, Inc. | Measuring psychological stress from cardiovascular and activity signals |
| CN104161505A (zh) * | 2014-08-13 | 2014-11-26 | 北京邮电大学 | 一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法 |
| CN106108850A (zh) * | 2016-06-30 | 2016-11-16 | 深圳邦健生物医疗设备股份有限公司 | 心电数据库的干扰数据的识别方法和装置 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108937905A (zh) * | 2018-08-06 | 2018-12-07 | 合肥工业大学 | 一种基于信号拟合的非接触式心率检测方法 |
| CN111345808A (zh) * | 2018-12-24 | 2020-06-30 | Zoll医疗公司 | 处理心电信号的方法、心电信号监测设备和存储介质 |
| CN111345808B (zh) * | 2018-12-24 | 2023-10-17 | Zoll医疗公司 | 处理心电信号的方法、心电信号监测设备和存储介质 |
| CN110236532A (zh) * | 2019-04-30 | 2019-09-17 | 深圳和而泰家居在线网络科技有限公司 | 生物电信号处理方法、装置、计算机设备和存储介质 |
| CN110236524A (zh) * | 2019-06-17 | 2019-09-17 | 深圳市善行医疗科技有限公司 | 一种女性生理周期的监测方法、装置及终端 |
| CN110750770A (zh) * | 2019-08-18 | 2020-02-04 | 浙江好络维医疗技术有限公司 | 一种基于心电图的对电子设备进行解锁的方法 |
| CN110750770B (zh) * | 2019-08-18 | 2023-10-03 | 浙江好络维医疗技术有限公司 | 一种基于心电图的对电子设备进行解锁的方法 |
| CN113449264A (zh) * | 2020-03-27 | 2021-09-28 | ***通信集团设计院有限公司 | 波形边缘的监测方法及装置 |
| CN113449264B (zh) * | 2020-03-27 | 2023-08-15 | ***通信集团设计院有限公司 | 波形边缘的监测方法及装置 |
| CN116028914A (zh) * | 2023-03-27 | 2023-04-28 | 深圳市魔样科技有限公司 | 一种智能戒指身份认证方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108324271B (zh) | 2020-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108324271A (zh) | 心电信号识别方法、***和心电监测设备 | |
| CN105004349B (zh) | 一种计步方法 | |
| CN108814590B (zh) | 一种心电qrs波群的检测方法及其心电分析方法 | |
| CN105302383B (zh) | 一种电容触摸传感器抗干扰的方法和设备 | |
| CN110432895B (zh) | 训练数据处理、心电波形检测方法及电子设备 | |
| Smrdel et al. | Automated detection of transient ST-segment episodes in 24h electrocardiograms | |
| CN103713170B (zh) | 测试与测量仪器中罕见异常的触发 | |
| CN104161510A (zh) | 一种多级导联心电信号qrs波形识别方法 | |
| CN108814591B (zh) | 一种心电qrs波群宽度的检测方法及其心电分析方法 | |
| Wróbel et al. | Improving fetal heart rate signal interpretation by application of myriad filtering | |
| AU2019101756A4 (en) | Method for analyzing heart rate variability signal based on extremum energy decomposition method | |
| CN108802535B (zh) | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 | |
| CN100589754C (zh) | 心电图计算机辅助诊断*** | |
| CN108814618B (zh) | 一种运动状态的识别方法、装置及终端设备 | |
| WO2015171804A1 (en) | Detecting artifacts in a signal | |
| CN107622259B (zh) | 一种t波检测方法、心电数据分析方法及装置 | |
| CN104095627A (zh) | 一种心电图数字化信号质量软判决方法和装置 | |
| CN109758140A (zh) | 一种心率检测方法和装置 | |
| CN104834921A (zh) | 心电正/异常大数据处理方法及装置 | |
| CN109893119A (zh) | 一种基于多导联聚类分析的p波识别定位方法 | |
| Bayasi et al. | 65-nm ASIC implementation of QRS detector based on Pan and Tompkins algorithm | |
| CN106909086A (zh) | 一种异常数据的检测方法及其装置 | |
| CN107890347A (zh) | 滤除工频干扰信号的控制方法及*** | |
| CN112665857A (zh) | 滚动轴承故障诊断方法、装置、设备及存储介质 | |
| CN101866423A (zh) | 一种动脉压信号逐拍分割方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240301 Address after: 519085 101, Building 5, Longyuan Smart Industrial Park, No. 2, Hagongda Road, Tangjiawan Town, High-tech Zone, Zhuhai City, Guangdong Province Patentee after: ZHUHAI INSTITUTE OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES Co.,Ltd. Country or region after: China Address before: 518000 No. 1068, Xue Yuan Avenue, Shenzhen University Town, Nanshan District, Shenzhen, Guangdong. Patentee before: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES Country or region before: China |
|
| TR01 | Transfer of patent right |