CN108577832A - 一种房颤判别方法 - Google Patents
一种房颤判别方法 Download PDFInfo
- Publication number
- CN108577832A CN108577832A CN201810139471.9A CN201810139471A CN108577832A CN 108577832 A CN108577832 A CN 108577832A CN 201810139471 A CN201810139471 A CN 201810139471A CN 108577832 A CN108577832 A CN 108577832A
- Authority
- CN
- China
- Prior art keywords
- atrial fibrillation
- supraventricular
- low
- point
- diagonal
- 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
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
- A61B5/361—Detecting fibrillation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种房颤判别方法,包括如下步骤:对原始心电数据进行波形特征点定位,给出R波位置和QRS复合波的形态分类,对连续50个及以上的室上性搏动的RR间期信息进行判别;从洛伦兹散点图的几何分布特性方面,生成聚集性度量、对角线区域占优性度量、非对角线区域线性相关性度量三种特征数据;综合特征数据,根据阈值法给出是否发生房颤的判决。此种方法基于室性RR间期的洛伦兹散点图的几何分布特性进行房颤识别,可有效辅助医生进行判别。
Description
技术领域
本发明涉及一种房颤判别方法,特别涉及一种用于实现对心电图数据房颤是否发生进行辨别的心电图ECG数据房颤的自动识别方法,属于数据处理技术领域。
背景技术
由于快速房颤可诱发室速和室颤,引起血流动力紊乱,慢性房颤可引起心动过速,导致心脏器质性,伴随并发症导致血栓等严重的危害性后果,需要对房颤进行无创简单易行的判定方法。从生成的生理机制来看,房颤心电图信号是由一个或多个激动波沿多变的传导路径而引起持续多子波构成的多变的心律失常信号。临床上心电图表现分为两方面:各导联P波消失,代之以形态和振幅不一致、间距不规则的f波;QRS波幅度变化较大但其形态大致相同,RR间距不等。判断P波消失和不规律的f波出现需要对心电数据进行大量复杂的计算且容易受到噪声的干扰。考虑到应用的局限性,故现行的房颤检测技术通常是仅利用RR间期的不规则性来判断房颤。
现有基于RR间期的房颤检测方法,虽对窦性心律具有较高的区分度,但由于不同个体的差异性以及多种疾病都可能导致RR间期不同程度上的不规则,导致房颤在心率失常数据中的区分度较差。现有方法对不规则性多采用统计分布及熵信息来度量,计算特征从理论往往需要长程数据,不利于实时性诊断要求。
发明内容
本发明所要解决的技术问题是提供一种房颤判别方法,是一种基于室上性RR间期的房颤判别算法,利用短程室上性RR间期的洛伦兹散点图在几何分布上的不规则性度量,对50个及以上室上性RR间期判断房颤是否发生,可有效辅助医生进行判别。
本发明为解决上述技术问题采用以下技术方案:
本发明提供一种房颤判别方法,包括如下步骤:
步骤1,根据原始多导联心电数据进行波形特征点定位,给出R波位置和QRS复合波的形态分类,判断出室性搏动和室上性搏动,产生带室性搏动和室上性搏动标识的R波位置信息数据;
步骤2,对以室上性搏动为主的R波位置信息数据生成室上性RR间期;
步骤3,对室上性RR间期的洛伦兹散点图进行几何分布特性度量,生成三种特征数据:聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标;
步骤4,综合室上性RR间期的聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标,根据阈值法给出是否发生房颤的判决。
作为本发明的进一步技术方案,所述步骤1中,在进行波形特征点定位前,先将原始多导联心电数据滤除工频噪声、高频噪声及基线漂移干扰。
作为本发明的进一步技术方案,所述步骤2具体为:
2.1,对带室性搏动和室上性搏动标识的R波位置信息数据,计算室上性搏动的占比;
2.2,当室上性搏动占比大于k%时,执行步骤2.3;否则室性搏动频繁,不能判别;
2.3,统计满足相邻的两个心拍都为室上性搏动的RR间期数据,得到RR间期序列(RR1,…,RRN+1);当室上性RR间期的个数N大于等于50时,得到洛伦兹散点图上的点集{P1,…,PN},否则不能判别,其中,Pi的坐标为(RRi,RRi+1)。
作为本发明的进一步技术方案,所述步骤3中:
聚集性度量指标其中,NumofPoint(Pi,ΔR)为第i个点在给定半径ΔR的邻域内所包含的点的个数;
对角线区域占优性度量指标NumofDiag为主对角线区域内部包含的点占点集总点数的比值;
非对角线区域线性相关性度量指标LinearNoDiag为非对角区域点的相关系数。
作为本发明的进一步技术方案,步骤4具体为:
对于待判定的数据,首先判断聚集性度量指标Aggregation_max是否大于阈值Th_AM,若是则判别为不存在房颤,否则进一步判断对角线区域占优性度量指标NumofDiag是否大于阈值Th_D,若是则判别为不存在房颤,否则进一步判断非对角区域线性相关性指标LinearNoDiag是否大于阈值Th_L,若是则判别为不存在房颤,否则判别为存在房颤。
作为本发明的进一步技术方案,主对角线区域为到对角线距离小于ΔR的区域。
作为本发明的进一步技术方案,非对角线区域线性相关性度量指标LinearNoDiag的计算方法为:
(1)分别取出对角线区域外上方的点和下方的点,得到点集{Up1,…,Ups}和{Low1,…,Lowr},其中,s、r分别为对角线区域外上方的点和下方的点的数目;
(2)分别计算点集{Up1,…,Ups}和{Low1,…,Lowr}的相关系数ρUp、ρLow,
其中,cov(XUp,YUp)、cov(XLow,YLow)分别为{Up1,…,Ups}和{Low1,…,Lowr}中点的坐标的协方差,DXUp、DYUp分别为{Up1,…,Ups}中点的横坐标、纵坐标的方差,DXLow、DYLow分别为{Low1,…,Lowr}中点的横坐标、纵坐标的方差;
(3)非对角线区域线性相关性度量指标LinearNoDiag=max(ρUp,ρLow)。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:本发明的技术关键是对室上性的RR间期从洛伦兹散点图的几何分布特性方面,提炼不规则性的度量;综合室上性RR间期的聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标,给出房颤发生的可能性。本发明能够辅助医生进行判别。
附图说明
图1是本发明的原理图;
图2是本发明的详细流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
如图1所示,本发明提供一种房颤判别方法,包括以下步骤:
步骤1,根据原始多导联心电数据进行波形特征点定位,给出R波位置和QRS复合波的形态分类,判断出室性搏动和室上性搏动,产生带室性搏动和室上性搏动标识的R波位置信息数据;
步骤2,对以室上性搏动为主的R波位置信息数据生成室上性RR间期;
步骤3,对室上性RR间期的洛伦兹散点图进行几何分布特性度量,生成三种特征数据:聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标;
步骤4,综合室上性RR间期的聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标,根据阈值法给出是否发生房颤的判决。
配合图2所示,本发明的详细步骤是:
步骤1,R波定位和QRS复合波的形态分类
原始多导联心电数据滤除工频噪声、高频噪声及基线漂移干扰后,进行波形特征点定位,给出R波位置和QRS复合波的形态分类,判断出室性搏动和室上性搏动。
步骤2,以室上性搏动为主的数据生成室上性RR间期(RR1,…,RRN+1)
对带室性搏动和室上性搏动标识的R波信息数据,首先计算室上性搏动的占比。当室上性搏动占比大于等于k%时,统计满足相邻的两个心拍都为室上性搏动的RR间期数据,得到RR间期序列(RR1,…,RRN+1);当室上性RR间期的个数N大于等于50时,得到洛伦兹散点图上的点集{P1,…,PN},其中Pi的坐标为(RRi,RRi+1)。当室上性搏动占比小于等于k%时,说明以室性搏动频繁;当室上性RR间期的个数小于50个时,信息太少不足以判断。
步骤3,对室上性RR间期信息,从洛伦兹散点图的几何分布特性方面,生成三种特征数据:聚集性度量、对角线区域占优性度量、非对角线区域线性相关性度量。
为了体现对心率过速和心率过缓情况下距离的矫正,计算中采用两点间的加权距离:权重为:
其中,Pi、Pj分别为洛伦兹散点图上的第i、j个点。
1)聚集性度量指标
Aggregation_max为点集中所有点在给定半径ΔR的邻域内部包含点的最多的个数占点集总点数的比值:
其中,NumofPoint(Pi,ΔR)为第i个点在给定半径ΔR的邻域内所包含的点的个数。
2)对角线区域占优性度量(NumofDiag)为主对角线区域内部包含的点占点集总点数的比值。其中,主对角线区域为到对角线距离小于ΔR的区域,这里同样采用加权的距离。
3)通过计算非对角区域点的相关系数来得到非对角区域的线性相关性(LinearNoDiag)
(1)分别取出对角线区域外上方的点和下方的点,得到点集{Up1,…,Ups}和{Low1,…,Lowr},其中,s、r分别为对角线区域外上方的点和下方的点的数目;
(2)分别计算点集{Up1,…,Ups}和{Low1,…,Lowr}的相关系数ρUp、ρLow,
其中,cov(XUp,YUp)、cov(XLow,YLow)分别为{Up1,…,Ups}和{Low1,…,Lowr}中点的坐标的协方差,DXUp、DYUp分别为{Up1,…,Ups}中点的横坐标、纵坐标的方差,DXLow、DYLow分别为{Low1,…,Lowr}中点的横坐标、纵坐标的方差;
(3)非对角线区域线性相关性度量指标LinearNoDiag=max(ρUp,ρLow)。
步骤4,房颤发生的阈值判断
综合室上性RR间期的聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标,根据阈值法给出是否发生房颤的判决。对于待判定的数据,首先判断聚集性度量指标Aggregation_max是否大于阈值Th_AM,若是则判别为不存在房颤,否则进一步判断对角线区域占优性度量指标NumofDiag是否大于阈值Th_D,若是则判别为不存在房颤,否则进一步判断非对角区域线性相关性指标LinearNoDiag是否大于阈值Th_L,若是则判别为不存在房颤,否则认为几何分布特征是不规则的,若出现这种规律则判定为存在房颤。实施中取Th_AM=10%,Th_D=60%,Th_L=0.8。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (7)
1.一种房颤判别方法,其特征在于,包括如下步骤:
步骤1,根据原始多导联心电数据进行波形特征点定位,给出R波位置和QRS复合波
的形态分类,判断出室性搏动和室上性搏动,产生带室性搏动和室上性搏动标识的R波位置信息数据;
步骤2,对以室上性搏动为主的R波位置信息数据生成室上性RR间期;
步骤3,对室上性RR间期的洛伦兹散点图进行几何分布特性度量,生成三种特征数据:聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标;
步骤4,综合室上性RR间期的聚集性度量指标、对角线区域占优性度量指标、非对角线区域线性相关性度量指标,根据阈值法给出是否发生房颤的判决。
2.根据权利要求1所述的一种房颤判别方法,其特征在于,所述步骤1中,在进行波形特征点定位前,先将原始多导联心电数据滤除工频噪声、高频噪声及基线漂移干扰。
3.根据权利要求1所述的一种房颤判别方法,其特征在于,所述步骤2具体为:
2.1,对带室性搏动和室上性搏动标识的R波位置信息数据,计算室上性搏动的占比;
2.2,当室上性搏动占比大于k%时,执行步骤2.3;否则室性搏动频繁,不能判别;
2.3,统计满足相邻的两个心拍都为室上性搏动的RR间期数据,得到RR间期序列(RR1,…,RRN+1);当室上性RR间期的个数N大于等于50时,得到洛伦兹散点图上的点集{P1,…,PN},否则不能判别,其中,Pi的坐标为(RRi,RRi+1)。
4.根据权利要求3所述的一种房颤判别方法,其特征在于,所述步骤3中:
聚集性度量指标其中,NumofPoint(Pi,ΔR)为第i个点在给定半径ΔR的邻域内所包含的点的个数;
对角线区域占优性度量指标NumofDiag为主对角线区域内部包含的点占点集总点数的比值;
非对角线区域线性相关性度量指标LinearNoDiag为非对角区域点的相关系数。
5.根据权利要求4所述的一种房颤判别方法,其特征在于,步骤4具体为:
对于待判定的数据,首先判断聚集性度量指标Aggregation_max是否大于阈值Th_AM,若是则判别为不存在房颤,否则进一步判断对角线区域占优性度量指标NumofDiag是否大于阈值Th_D,若是则判别为不存在房颤,否则进一步判断非对角区域线性相关性指标LinearNoDiag是否大于阈值Th_L,若是则判别为不存在房颤,否则判别为存在房颤。
6.根据权利要求4所述的一种房颤判别方法,其特征在于,主对角线区域为到对角线距离小于ΔR的区域。
7.根据权利要求4所述的一种房颤判别方法,其特征在于,非对角线区域线性相关性度量指标LinearNoDiag的计算方法为:
(1)分别取出对角线区域外上方的点和下方的点,得到点集{Up1,…,Ups}和{Low1,…,Lowr},其中,s、r分别为对角线区域外上方的点和下方的点的数目;
(2)分别计算点集{Up1,…,Ups}和{Low1,…,Lowr}的相关系数ρUp、ρLow,
其中,cov(XUp,YUp)、cov(XLow,YLow)分别为{Up1,…,Ups}和{Low1,…,Lowr}中点的坐标的协方差,DXUp、DYUp分别为{Up1,…,Ups}中点的横坐标、纵坐标的方差,DXLow、DYLow分别为{Low1,…,Lowr}中点的横坐标、纵坐标的方差;
(3)非对角线区域线性相关性度量指标LinearNoDiag=max(ρUp,ρLow)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810139471.9A CN108577832B (zh) | 2018-02-11 | 2018-02-11 | 一种用于房颤信号识别的计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810139471.9A CN108577832B (zh) | 2018-02-11 | 2018-02-11 | 一种用于房颤信号识别的计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108577832A true CN108577832A (zh) | 2018-09-28 |
CN108577832B CN108577832B (zh) | 2021-04-20 |
Family
ID=63608724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810139471.9A Active CN108577832B (zh) | 2018-02-11 | 2018-02-11 | 一种用于房颤信号识别的计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108577832B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109770893A (zh) * | 2019-03-08 | 2019-05-21 | 东南大学 | 一种Holter分析***中快速定位房颤位置的方法以及装置 |
CN109953754A (zh) * | 2019-03-08 | 2019-07-02 | 东南大学 | 一种室性并行心律快速识别的方法以及装置 |
CN112826514A (zh) * | 2019-11-22 | 2021-05-25 | 华为技术有限公司 | 一种房颤信号的分类方法、装置、终端以及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314684A (zh) * | 2011-07-18 | 2012-01-11 | 复旦大学 | 评价Lorenz散点图离散程度的量化方法 |
WO2012057851A2 (en) * | 2010-10-26 | 2012-05-03 | Medtronic, Inc. | Diagnosis and therapy of bigeminy and frequent premature contractions |
CN103006207A (zh) * | 2013-01-11 | 2013-04-03 | 山东师范大学 | 基于形态学的t波交替散点图法的心电信号分析方法 |
CN103271737A (zh) * | 2013-05-23 | 2013-09-04 | 山东师范大学 | 基于云模型和散点图的窦性心率震荡趋势提取方法 |
US20150051452A1 (en) * | 2011-04-26 | 2015-02-19 | The Trustees Of Columbia University In The City Of New York | Apparatus, method and computer-accessible medium for transform analysis of biomedical data |
EP2937038A1 (en) * | 2012-12-27 | 2015-10-28 | Medical Corporation Ushiroda Internal Medicine Clinic | Atrial fibrillation based on thoracic impedance and method for creating and analyzing cardiac function graph of sinus arrhythmia |
US20160022164A1 (en) * | 2009-11-03 | 2016-01-28 | Vivaquant Llc | Detecting fiducial points in physiological signals |
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 |
CN105960200A (zh) * | 2014-02-25 | 2016-09-21 | 圣犹达医疗用品心脏病学部门有限公司 | 用于使用电生理性质来对心律失常源进行分类的***和方法 |
CN106037701A (zh) * | 2015-04-17 | 2016-10-26 | 精工爱普生株式会社 | 生物体信息处理***和装置、及解析结果信息的生成方法 |
CN106066933A (zh) * | 2016-05-27 | 2016-11-02 | 成都信汇聚源科技有限公司 | 获取房颤识别人工神经网络权重值矩阵的方法 |
CN106073755A (zh) * | 2016-05-27 | 2016-11-09 | 成都信汇聚源科技有限公司 | 一种微型动态心电监测设备上房颤自动识别的实现方法 |
CN106344005A (zh) * | 2016-10-28 | 2017-01-25 | 张珈绮 | 一种可移动心电图监测***及监测方法 |
-
2018
- 2018-02-11 CN CN201810139471.9A patent/CN108577832B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160022164A1 (en) * | 2009-11-03 | 2016-01-28 | Vivaquant Llc | Detecting fiducial points in physiological signals |
WO2012057851A2 (en) * | 2010-10-26 | 2012-05-03 | Medtronic, Inc. | Diagnosis and therapy of bigeminy and frequent premature contractions |
US20150051452A1 (en) * | 2011-04-26 | 2015-02-19 | The Trustees Of Columbia University In The City Of New York | Apparatus, method and computer-accessible medium for transform analysis of biomedical data |
CN102314684A (zh) * | 2011-07-18 | 2012-01-11 | 复旦大学 | 评价Lorenz散点图离散程度的量化方法 |
EP2937038A1 (en) * | 2012-12-27 | 2015-10-28 | Medical Corporation Ushiroda Internal Medicine Clinic | Atrial fibrillation based on thoracic impedance and method for creating and analyzing cardiac function graph of sinus arrhythmia |
CN103006207A (zh) * | 2013-01-11 | 2013-04-03 | 山东师范大学 | 基于形态学的t波交替散点图法的心电信号分析方法 |
CN103271737A (zh) * | 2013-05-23 | 2013-09-04 | 山东师范大学 | 基于云模型和散点图的窦性心率震荡趋势提取方法 |
CN105960200A (zh) * | 2014-02-25 | 2016-09-21 | 圣犹达医疗用品心脏病学部门有限公司 | 用于使用电生理性质来对心律失常源进行分类的***和方法 |
CN106037701A (zh) * | 2015-04-17 | 2016-10-26 | 精工爱普生株式会社 | 生物体信息处理***和装置、及解析结果信息的生成方法 |
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 |
CN106066933A (zh) * | 2016-05-27 | 2016-11-02 | 成都信汇聚源科技有限公司 | 获取房颤识别人工神经网络权重值矩阵的方法 |
CN106073755A (zh) * | 2016-05-27 | 2016-11-09 | 成都信汇聚源科技有限公司 | 一种微型动态心电监测设备上房颤自动识别的实现方法 |
CN106344005A (zh) * | 2016-10-28 | 2017-01-25 | 张珈绮 | 一种可移动心电图监测***及监测方法 |
Non-Patent Citations (4)
Title |
---|
JINHO PARK, SANGWOOK LEE AND MOONGU JEON: "Atrial fibrillation detection by heart rate variability in poincare plot", 《BIOMEDICAL ENGINEERING ONLINE》 * |
孟群,等: "《国家疾病分类与代码(ICD-10)应用指导手册》", 31 January 2017, 中国协和医科大学出版社 * |
景永明,向晋涛: "游走心律的Lorenz-RR散点图特征及分析方法探讨", 《中国心脏起搏与心电生理杂志》 * |
辛怡,赵一璋,母远慧: "基于Poincare散点图和符号动力学的心电分析方法", 《北京理工大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109770893A (zh) * | 2019-03-08 | 2019-05-21 | 东南大学 | 一种Holter分析***中快速定位房颤位置的方法以及装置 |
CN109953754A (zh) * | 2019-03-08 | 2019-07-02 | 东南大学 | 一种室性并行心律快速识别的方法以及装置 |
CN109953754B (zh) * | 2019-03-08 | 2022-02-08 | 东南大学 | 一种室性并行心律快速识别的方法以及装置 |
CN109770893B (zh) * | 2019-03-08 | 2022-11-18 | 东南大学 | 一种Holter分析***中快速定位房颤位置的方法以及装置 |
CN112826514A (zh) * | 2019-11-22 | 2021-05-25 | 华为技术有限公司 | 一种房颤信号的分类方法、装置、终端以及存储介质 |
CN112826514B (zh) * | 2019-11-22 | 2022-07-22 | 华为技术有限公司 | 一种房颤信号的分类方法、装置、终端以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108577832B (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hammad et al. | Detection of abnormal heart conditions based on characteristics of ECG signals | |
Kelen et al. | Spectral turbulence analysis of the signal-averaged electrocardiogram and its predictive accuracy for inducible sustained monomorphic ventricular tachycardia | |
Nilsson et al. | Predicting spontaneous termination of atrial fibrillation using the surface ECG | |
CN108577832A (zh) | 一种房颤判别方法 | |
Houben et al. | Analysis of fractionated atrial fibrillation electrograms by wavelet decomposition | |
CN107693000A (zh) | 基于心电和脉搏信号融合的心率估计方法、装置和*** | |
Malek et al. | Automated detection of premature ventricular contraction in ECG signals using enhanced template matching algorithm | |
CN109009073A (zh) | 房颤检测装置及存储介质 | |
CN109044348A (zh) | 房颤检测装置及存储介质 | |
Billeci et al. | Detection of AF and other rhythms using RR variability and ECG spectral measures | |
CN109222964A (zh) | 房颤检测装置及存储介质 | |
Sinha et al. | Identification and localization of myocardial infarction based on analysis of ECG signal in cross spectral domain using boosted SVM classifier | |
Chin et al. | Bayesian real-time QRS complex detector for healthcare system | |
Hejč et al. | A wavelet-based ECG delineation method: adaptation to an experimental electrograms with manifested global ischemia | |
Xu et al. | An effective premature ventricular contraction detection algorithm based on adaptive template matching and characteristic recognition | |
CN103054572A (zh) | 基于单导联心室晚电位信号的盲源分离方法 | |
Yeh et al. | The critical role of respiratory sinus arrhythmia on temporal cardiac dynamics | |
US20010021814A1 (en) | Apparatus for processing body signals | |
CN108403106A (zh) | 一种室性并行心律的自动识别方法 | |
Parsi et al. | Heart rate variability analysis to predict onset of ventricular tachyarrhythmias in implantable cardioverter defibrillators | |
Oesterlein et al. | Automatic identification of reentry mechanisms and critical sites during atrial tachycardia by analyzing areas of activity | |
Saktheeswari et al. | Survey on signal processing techniques for diagnoising cardiovascular diseases | |
Lenis et al. | Post extrasystolic T wave change in subjectswith structural healthy ventricles-measurement and simulation | |
Kim | Arrhythmia detection using rhythm features of ECG signal | |
Lin et al. | Nonlinear interpolation fractal classifier for multiple cardiac arrhythmias recognition |
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 |