CN108652613B - 信号时频图生成的方法及装置 - Google Patents
信号时频图生成的方法及装置 Download PDFInfo
- Publication number
- CN108652613B CN108652613B CN201710204372.XA CN201710204372A CN108652613B CN 108652613 B CN108652613 B CN 108652613B CN 201710204372 A CN201710204372 A CN 201710204372A CN 108652613 B CN108652613 B CN 108652613B
- Authority
- CN
- China
- Prior art keywords
- interval
- normal
- sequence
- power spectrum
- time
- 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.)
- Active
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]
-
- 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
- A61B5/24—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
-
- 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
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明适用于生物医学信号处理领域,提供了一种信号时频图生成的方法及装置。所述方法包括:获取原始心电数据,根据所述原始心电数据确定RR间期信号;去除所述RR间期信号中的异常间期序列,得到正常间期序列;计算所述正常间期序列的功率谱,以及,对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱;显示所述正常间期序列的功率谱以及对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱。通过上述方法,使得用户在同一时间内能够获取更多的信息,极大提高了用户的操作便利性。
Description
技术领域
本发明实施例属于生物医学信号处理领域,尤其涉及一种信号时频图生成的方法及装置。
背景技术
正常人的心率不是恒定不变的,而是会受到自主神经***等因素的影响,通过交感和副交感神经***调节其变化,同时还具有一定的昼夜节律。这种窦性心率随时间的变化就称为心率变异性(Heart Rate Variability,HRV)。
HRV是用来表征窦性心律不齐程度的一个指标,可由瞬时心率或者逐次心跳心率的变化(RR间期)获得。众多研究表明,吸气时心率增加,呼气时心率减慢;使用迷走神经阻断剂会使心率增加,而迷走神经活性增强会使心率减慢。可用HRV来间接评价自主神经***对心脏的支配作用。通过功率谱估计可以得到HRV的频谱成分,其中低频分量目前普遍认为是交感神经和迷走神经共同作用的结果,而高频成分主要反映迷走神经的活性。临床上HRV分析具有无创性、简便性,可分为短时变异和长时变异,对高血压、心肌梗死等多种疾病的临床诊断以及预后评估具有重要意义。
一般来讲,RR间期是指心电图波形中两个QRS波峰之间的时间间隔。RR间期在一些常见的心律异常等疾病的诊断过程中,是个非常重要的参考参数。对RR间期处理后绘制的时频图能够在一定程度上反应HRV的情况,但是目前时频图的呈现方式比较单一,一般要么只显示长时分析的信息,要么只显示有限的短时分析的信息,不能为使用者在一个界面同时提供两者的综合信息,从而不利于操作者同时获取两种不同的信息。
目前,时频图常用的线性分析方法有时域分析法、频域分析法以及时频分析方法。时域分析方法简单,但特异性和灵敏度不高;频域分析法描述的是一段时间内的信号能量随其频率变化的情况,不能反映实时能量的变化;这两种方法虽然生理意义比较明确,但都不能动态的描述自主神经变化的过程。时频分析方法可同时在时间频率域对信号进行分析,具有前两种方法没有的优势,但其呈现方式比较单一,一般要么只显示长时分析的信息,要么只显示有限的短时分析的信息,不能为使用者在一个界面同时提供两者的综合信息。
故,需要提供一种新的技术方案,以解决上述问题。
发明内容
本发明实施例提供了一种信号时频图生成的方法及装置,旨在解决现有的时频图不能同时显示长时分析和短时分析的问题。
本发明实施例的第一方面,提供了一种信号时频图生成的方法,所述方法包括:
获取原始心电数据,根据所述原始心电数据确定RR间期信号;
去除所述RR间期信号中的异常间期序列,得到正常间期序列;
计算所述正常间期序列的功率谱,以及,对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱;
显示所述正常间期序列的功率谱以及对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱。
本发明实施例的第二方面,提供了一种信号时频图生成的装置,所述装置包括:
原始心电数据获取单元,用于获取原始心电数据,根据所述原始心电数据确定RR间期信号;
正常间期序列获取单元,用于去除所述RR间期信号中的异常间期序列,得到正常间期序列;
功率谱计算单元,用于计算所述正常间期序列的功率谱,以及,对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱;
时频图显示单元,用于显示所述正常间期序列的功率谱以及对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱。
在本发明实施例中,由于长时程功率谱主要反映整段时间内的大体趋势,而短时程功率谱对信号的质量要求高一些,主要用于反映某一局部的信息,因此,同一个界面显示以上信息,使得用户在同一时间内能够获取更多的信息,极大提高了用户的操作便利性。
附图说明
图1是本发明第一实施例提供的一种信号时频图生成的方法的流程图;
图2是本发明第一实施例提供的步骤S12的一种详细流程图;
图3是本发明第一实施例提供的心电信号波形显示和编辑界面示意图;
图4是本发明第一实施例提供的步骤S12的另一种详细流程图;
图5是本发明第一实施例提供的一种随机选取的原始RR间期序列与去除异常RR间期的结果对比图;
图6是本发明第一实施例提供的一种时频图像示意图;
图7是本发明第二实施例提供的一种信号时频图生成的装置的结构图。
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。
本发明实施例中,获取原始心电数据,根据所述原始心电数据确定RR间期信号,去除所述RR间期信号中的异常间期序列,得到正常间期序列,计算所述正常间期序列的功率谱,以及,对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱,显示所述正常间期序列的功率谱以及对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一:
图1示出了本发明第一实施例提供的一种信号时频图生成的方法的流程图,详述如下:
步骤S11,获取原始心电数据,根据所述原始心电数据确定RR间期信号。
可选地,所述步骤S11具体包括:
A1、连续采集预设时长的原始心电数据。由于涉及到长时程时频分析,而长时程时频分析以24小时为宜,因此需要连续采集较长时间(大于或等于24小时)的心电数据作为分析的原始心电数据。
A2、检测所述原始心电数据的特征点,提取R波峰位置并在对应R波峰位置的上方标记其所属的心拍类型,根据正常的心拍类型确定RR间期信号。
对原始心电数据进行QRS波检测,提取R波峰位置并在对应的R波峰位置的上方标记其所属的心拍类型,一般正常的标记为N,异位搏动或伪差标记为其它类型的字母,这里为了方便描述,把异常的心拍统称为非N标记的心拍。用后一个心拍位置减去前一个心拍位置得到RR间期序列RR1,RR2,…,RRk,…,RRn;R峰值检测的准确性会影响后续的分析,所以在选择心电信号(或心电数据)时尽量选择信号质量比较好的那一导联记录的心电信号作为输入。目前,R波检测的方法种类繁多,技术比较成熟,这里QRS波检测方法不限,例如,也可以利用小波模极大值法等进行检测。
步骤S12,去除所述RR间期信号中的异常间期序列,得到正常间期序列。
在采集心电数据时,被采集者需要较长时间的佩戴采集仪器,采集过程中心电信号也就不可避免的会受到一些噪声和伪迹的影响,某些被试可能由于个体行为或者本身身体的原因产生异位搏动,因此在做功率谱分析之前需要对RR间期序列进行预处理,以去除所述RR间期信号中的异常间期序列。目前很多去除异常RR间期的算法比较简单,处理效果并不理想。虽然单纯的手动识别异位搏动和人工伪迹,并去除异常点以得到正常NN间期的方法,能够使得后续分析结果可靠性较高,但对于长时程的数据而言,手动处理比较繁琐,因此需要耗费较多的时间,并且,在异常点发生频率较高的情况下,手动识别也极可能会漏掉某些点的删除。
可选地,如图2所示,为了得到更准确的正常间期序列,所述步骤S12具体包括:
B1、显示心电图信号以及标记的心拍类型。
B2、接收用户输入的心拍类型修改指令,根据所述心拍类型修改指令修改误检的心拍类型。在读取心电图(electrocardiogram,ECG)信号后,允许用户对经过QRS波检测后的心拍类型进行修改,用户可以大致浏览心电信号,手动修改明显误检的心拍,将其修改为合适的心拍标记,之后再进行下一步骤,这样会提高去除异常RR间期的准确性。在本发明实施例中,允许用户对心拍类型进行编辑,比如是否显示每个RR间期的长度(ms)和心拍类型,以及可以修改误检心拍类型为正确的心拍类型等,具体的心电信号波形显示和编辑界面如图3所示。
B3、对修改心拍类型后得到的RR间期信号进行等间隔插值处理、去趋势处理以及滤波处理,得到正常间期序列。由于经过异常点删除后的RR间期序列是一个非均匀的抽样序列,因此需要对其进行等间隔插值处理。具体方法采用样条插值法。
对经过等间隔插值后的RR间期信号进行去趋势处理,目的是消除一些由于非平稳波动造成的干扰,提高HRV功率谱计算的准确性。通常是采用3次多项式来对插值后的间期序列消除趋势项。
而上述的滤波处理主要是使用小波变换的方法滤除某一频率,如0.5Hz以上的频率信息。具体地,根据插值后序列的频率将信号进行n层小波分解,将大于0.5Hz的高频分量系数置0然后利用系数重构序列即可得到新的序列。
可选地,如图4所示,为了得到更准确的正常间期序列,所述步骤S12具体包括:
B1’、删除非正常的心拍类型对应的RR间期信号。将RR间期和心拍类型作为输入,在QRS波检测和部分手动修改的基础上删除非N标记的心拍对应的前一个和后一个RR间期,可以将大部分异常心拍删除,但这样只能删除检出的异位起搏心拍,还可能存在由于R波漏检以及R波多检的异常点。
B2’、将删除非正常的心拍类型后的RR间期信号进行不交叠分段,计算各段的RR间期值的中位数。这里的不交叠分段是指两个相邻分段之间不存在重叠的部分。将RR间期序列进行不交叠分段,每一段长度为N,假设每一段数据包含m(一般取3~14)个点,如果RR间期序列长度不是m的整数倍,则最后一段数据长度为总长除以m的余数,共划分为n段,n大于1。
B3’、分别判断各段内的每一个RR间期值与对应段的中位数的差值是否在预设的差值范围内(如在预设的百分比范围内)。
B4’、在各段内的每一个RR间期值与对应段的中位数的差值在预设的差值范围内时,保留所述RR间期值,否则,删除所述RR间期值,以得到正常间期序列。
假设将第k(k小于或等于n)段的数据作为输入,计算得到该段数据的中位数MedRR;循环判断该段内的每一个RR间期值,如果RR间期值与MedRR的差值在一定的差值范围内(当该差值范围为百分比范围时,该百分比范围通常可设为20%~30%),则保留该点的RR间期值,否则,删除该RR间期。重复该步骤,直至每一段RR间期数据处理完毕,从而得到正常的RR间期序列。
图5示出了从MIT-BIH数据库中随机选取的原始RR间期序列以及采用本发明实施例提供的去除异常RR间期算法中的二次判别步骤去除异常RR间期的结果对比图,从图5可知,经过二次判别,得到的RR正常间期序列更准确。
步骤S13,计算所述正常间期序列的功率谱,以及,对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱。
功率谱的计算主要包含两部分的内容。第一部分是对整条RR间期数据应用时频分析的方法计算功率谱,第二部分是对RR间期分段,并计算每一段数据的功率谱数据,本发明实施例中这两部分内容选用的计算方式不一样,但并不限定功率谱的计算方式,也可以选用同样的计算方法,只要保证最后的显示方式上是一样即可。
第一部分常用的时频分析方法有短时傅里叶变换、小波变换以及非线性时频分析方法等,本发明实施例不限定时频分析法方法,可依据方法的优缺点选择一种合适方法的进行功率谱计算,计算完成后,把结果存放于一时频矩阵中。
第二部分中将经过预处理过程后的RR间期序列进行不交叠分段,也即每一段数据与前面的段之间没有重叠,且段与段之间是连续的;整条RR间期被分s段,每一段长优选为5分钟(当然也可以选大于5分钟)记为第一时长,对s段中的每一段数据分别做功率谱计算,并将每一段的功率谱数据保存在一结果矩阵中,共s段。
步骤S14,显示所述正常间期序列的功率谱以及对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱。
该步骤中,当功率谱为正常间期序列的功率谱时,得到的时频图为长时程功率谱对应的时频图;当功率谱为对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱时,得到的为短时程功率谱对应的频谱图。
可选地,所述步骤S14具体包括:确定不同的功率谱对应的颜色,并根据确定的颜色在显示的时频图中标记对应的功率谱。具体地,将步骤S13中得到的时频矩阵按功率谱值大小与一预设的颜色矩阵进行映射,时频矩阵中是已经计算出来的功率谱值,用不同的颜色表示功率谱值的大小,即可生成RR间期信号的时频图。
可选地,在步骤S14包括:
C1、显示所述正常间期序列的功率谱对应的时频图。
C2、接收时频图点击指令。
C3、根据发出所述时频图点击指令的触发点对应的时刻,查找所述时刻对应的RR间期分段数。
C4、生成所述分段数对应的频谱图和RR间期趋势图,所述频谱图为对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱。
具体地,当用户点击时频图后,根据点击的触发点对应的时刻,显示所述第一时长对应的频谱图和RR间期趋势图,频谱图和RR间期趋势图与时频图分布在同一界面。可选地,在首次显示时,可只显示分段(如5分钟)的间期序列的功率谱和RR间期趋势图,在获得正常间期序列的功率谱后,再显示该正常间期序列的功率谱(此时,暂不显示频谱图和RR间期趋势图)。
可选地,为了使得用户获取更详细的信息,在所述C3之前或之后,包括:
显示从所述时刻起的心电波形信息。具体地,与时频图、频谱图、RR间期趋势图同一界面显示的还有采集的心电心搏数据,点击时频图,根据点击的触发点对应的时刻,在心电图区域也能定位到特定的时刻,方便操作者进行查看。
如图6所示,图6中最上方的图像即是生成的时频图,横坐标x表示为时间,纵坐标y表示为频率,在相应的(x,y)位置上用颜色表示功率谱值的大小。在绘制出的功率谱曲线上,能够通过颜色深浅的不同,直观的反应当前时频图功率的大小,在图6的中间,包括显示的频谱图和RR间期趋势图这两个图。在图6的最下方,显示的是心电波形信息(或信号)。
当然,若当前已显示某一时刻的时频图、频谱图、RR间期趋势图、心电波形信息,则当再次触发或者点击时频图上其他时刻时,首先会找到该其他时刻对应的RR间期分段数,然后生成该分段数对应的频谱图和RR间期趋势图,将上一段的图形覆盖掉;该其他时刻对应的HRV频谱图和RR间期趋势图将会显示在时频图的下方,同时从该时刻起的被试的心电波形信息显示在界面的最下方。
功率谱有短时程分析对应的频谱图和长时程分析之分的时频图,长时程分析主要反映整段时间内的大体趋势,而短时程分析对信号的质量要求高一些,主要用于反映某一局部的信息,两者的侧重点不同;而心电波形是采集到的被试心电信号最基本的信息,把以上信息与被试的基本信息在同一个界面显示,一是可以方便使用者或者医生阅读和分析,二是可以为临床提供一定的依据。
本发明第一实施例中,获取原始心电数据,根据所述原始心电数据确定RR间期信号,去除所述RR间期信号中的异常间期序列,得到正常间期序列,计算所述正常间期序列的功率谱,以及,对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱,显示所述正常间期序列的功率谱以及对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱,即包括长时程功率谱的时频图和短时程功率谱对应的频谱图。由于长时程功率谱主要反映整段时间内的大体趋势,而短时程功率谱对信号的质量要求高一些,主要用于反映某一局部的信息,因此,同一个界面显示以上信息,使得用户在同一时间内能够获取更多的信息,极大提高了用户的操作便利性。
应理解,在本发明实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例二:
图7示出了本发明第二实施例提供的一种信号时频图生成的装置的结构图,为了便于说明,仅示出了与本发明实施例相关的部分。
该信号时频图生成的装置包括:原始心电数据获取单元71、正常间期序列获取单元72、功率谱计算单元73、时频图显示单元74。其中:
原始心电数据获取单元71,用于获取原始心电数据,根据所述原始心电数据确定RR间期信号。
可选地,所述原始心电数据获取单元71包括:
原始心电数据连续采集模块,用于连续采集预设时长的原始心电数据。连续采集的时长应大于或等于24小时。
特征点检测模块,用于检测所述原始心电数据的特征点,提取R波峰位置并在对应R波峰位置的上方标记其所属的心拍类型,根据正常的心拍类型确定RR间期信号。具体地,将正常的心拍类型标记为N,异位搏动或伪差标记为其它类型的字母,这里为了方便描述,把异常的心拍统称为非N标记的心拍。
正常间期序列获取单元72,用于去除所述RR间期信号中的异常间期序列,得到正常间期序列。
可选地,所述正常间期序列获取单元72包括:
心拍类型标记模块,用于显示心电图信号以及标记的心拍类型。
心拍类型修改指令接收模块,用于接收用户输入的心拍类型修改指令,根据所述心拍类型修改指令修改误检的心拍类型。
RR间期序列预处理模块,用于对修改心拍类型后得到的RR间期信号进行等间隔插值处理、去趋势处理以及滤波处理,得到正常间期序列。其中,等间隔插值处理可采用样条插值法;去趋势处理通常是采用3次多项式来对插值后的间期序列消除趋势项;而上述的滤波处理主要是使用小波变换的方法滤除某一频率,如0.5Hz以上的频率信息。具体地,根据插值后序列的频率将信号进行n层小波分解,将大于0.5Hz的高频分量系数置0然后利用系数重构序列即可得到新的序列。
可选地,所述正常间期序列获取单元72包括:
非正常RR间期删除模块,用于删除非正常的心拍类型对应的RR间期信号。
RR间期值的中位数计算模块,用于将删除非正常的心拍类型后的RR间期信号进行不交叠分段,计算各段的RR间期值的中位数。将RR间期序列进行不交叠分段,每一段长度为N,假设每一段数据包含m(一般取3~14)个点,如果RR间期序列长度不是m的整数倍,则最后一段数据长度为总长除以m的余数,共划分为n段,n大于1。
RR间期值的中位数比较模块,用于分别判断各段内的每一个RR间期值与对应段的中位数的差值是否在预设的差值范围内。其中,当预设的差值范围为预设的百分比范围时,该预设的百分比可设为20%~30%。
RR间期值保留选择模块,用于在各段内的每一个RR间期值与对应段的中位数的差值在预设的差值范围内时,保留所述RR间期值,否则,删除所述RR间期值,以得到正常间期序列。
功率谱计算单元73,用于计算所述正常间期序列的功率谱,以及,对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱。
功率谱的计算主要包含两部分的内容。第一部分是对整条RR间期数据应用时频分析的方法计算功率谱,第二部分是对RR间期分段,并计算每一段数据的功率谱数据。
第一部分常用的时频分析方法有短时傅里叶变换、小波变换以及非线性时频分析方法等,本发明实施例不限定时频分析法方法,可依据方法的优缺点选择一种合适方法的进行功率谱计算,计算完成后,把结果存放于一时频矩阵中。
第二部分中将经过预处理过程后的RR间期序列进行不交叠分段,也即每一段数据与前面的段之间没有重叠,且段与段之间是连续的;整条RR间期被分s段,每一段长优选为5分钟(当然也可以选大于5分钟)记为第一时长,对s段中的每一段数据分别做功率谱计算,并将每一段的功率谱数据保存在一结果矩阵中,共s段。
时频图显示单元74,用于显示所述正常间期序列的功率谱以及对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱。
可选地,所述时频图显示单元74包括:
功率谱对应的颜色确定模块,用于确定不同的功率谱对应的颜色;
功率谱标记模块,用于根据确定的颜色在显示的时频图中标记对应的功率谱。
可选地,所述时频图显示单元74包括:
时频图显示模块,用于显示所述正常间期序列的功率谱对应的时频图。
时频图点击指令接收模块,用于接收时频图点击指令。
RR间期分段数查找模块,用于根据发出所述时频图点击指令的触发点对应的时刻,查找所述时刻对应的RR间期分段数。
频谱图生成模块,用于生成所述分段数对应的频谱图和RR间期趋势图,所述频谱图为对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱。
具体地,当用户点击时频图后,根据点击的触发点对应的时刻,显示所述第一时长对应的频谱图和RR间期趋势图,频谱图和RR间期趋势图与时频图分布在同一界面。
可选地,该信号时频图生成的装置包括:
心电波信息显示单元,用于显示从所述时刻起的心电波形信息。具体地,与时频图、频谱图、RR间期趋势图同一界面显示的还有采集的心电心搏数据,点击时频图,根据点击的触发点对应的时刻,在心电图区域也能定位到特定的时刻,方便操作者进行查看。
本发明第二实施例中,由于长时程功率谱主要反映整段时间内的大体趋势,而短时程功率谱对信号的质量要求高一些,主要用于反映某一局部的信息,因此,同一个界面显示以上信息,使得用户在同一时间内能够获取更多的信息,极大提高了用户的操作便利性。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置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,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接口,装置或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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,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 (10)
1.一种信号时频图生成的方法,其特征在于,所述方法包括:
获取原始心电数据,根据所述原始心电数据确定RR间期信号;
去除所述RR间期信号中的异常间期序列,得到正常间期序列;
计算所述正常间期序列的功率谱,以及,对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱;
显示所述正常间期序列的功率谱以及对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱;
所述显示所述正常间期序列的功率谱以及对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱,包括:
显示所述正常间期序列的功率谱对应的时频图;
接收时频图点击指令;
根据发出所述时频图点击指令的触发点对应的时刻,查找所述时刻对应的RR间期分段数;
生成所述分段数对应的频谱图和RR间期趋势图,所述频谱图为对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱。
2.根据权利要求1所述的方法,其特征在于,所述获取原始心电数据,根据所述原始心电数据确定RR间期信号,具体包括:
连续采集预设时长的原始心电数据;
检测所述原始心电数据的特征点,提取R波峰位置并在对应R波峰位置的上方标记其所属的心拍类型,根据正常的心拍类型确定RR间期信号。
3.根据权利要求2所述的方法,其特征在于,所述去除所述RR间期信号中的异常间期序列,得到正常间期序列,具体包括:
显示心电图信号以及标记的心拍类型;
接收用户输入的心拍类型修改指令,根据所述心拍类型修改指令修改误检的心拍类型;
对修改心拍类型后得到的RR间期信号进行等间隔插值处理、去趋势处理以及滤波处理,得到正常间期序列。
4.根据权利要求2所述的方法,其特征在于,所述去除所述RR间期信号中的异常间期序列,得到正常间期序列,具体包括:
删除非正常的心拍类型对应的RR间期信号;
将删除非正常的心拍类型后的RR间期信号进行不交叠分段,计算各段的RR间期值的中位数;
分别判断各段内的每一个RR间期值与对应段的中位数的差值是否在预设的差值范围内;
在各段内的每一个RR间期值与对应段的中位数的差值在预设的差值范围内时,保留所述RR间期值,否则,删除所述RR间期值,以得到正常间期序列。
5.根据权利要求1所述的方法,其特征在于,在所述生成所述分段数对应的频谱图和RR间期趋势图之前或之后,包括:
显示从所述时刻起的心电波形信息。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述显示所述功率谱对应的时频图,包括:
确定不同的功率谱对应的颜色;
根据确定的颜色在显示的时频图中标记对应的功率谱。
7.一种信号时频图生成的装置,其特征在于,所述装置包括:
原始心电数据获取单元,用于获取原始心电数据,根据所述原始心电数据确定RR间期信号;
正常间期序列获取单元,用于去除所述RR间期信号中的异常间期序列,得到正常间期序列;
功率谱计算单元,用于计算所述正常间期序列的功率谱,以及,对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱;
时频图显示单元,用于显示所述正常间期序列的功率谱以及对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱;
所述时频图显示单元包括:
时频图显示模块,用于显示所述正常间期序列的功率谱对应的时频图;
时频图点击指令接收模块,用于接收时频图点击指令;
RR间期分段数查找模块,用于根据发出所述时频图点击指令的触发点对应的时刻,查找所述时刻对应的RR间期分段数;
频谱图生成模块,用于生成所述分段数对应的频谱图和RR间期趋势图,所述频谱图为对所述正常间期序列进行分段后,再分别计算分段后的正常间期序列的功率谱。
8.根据权利要求7所述的装置,其特征在于,所述原始心电数据获取单元包括:
原始心电数据连续采集模块,用于连续采集预设时长的原始心电数据;
特征点检测模块,用于检测所述原始心电数据的特征点,提取R波峰位置并在对应R波峰位置的上方标记其所属的心拍类型,根据正常的心拍类型确定RR间期信号。
9.根据权利要求8所述的装置,其特征在于,所述正常间期序列获取单元包括:
心拍类型标记模块,用于显示心电图信号以及标记的心拍类型;
心拍类型修改指令接收模块,用于接收用户输入的心拍类型修改指令,根据所述心拍类型修改指令修改误检的心拍类型;
RR间期序列预处理模块,用于对修改心拍类型后得到的RR间期信号进行等间隔插值处理、去趋势处理以及滤波处理,得到正常间期序列。
10.根据权利要求8所述的装置,其特征在于,所述正常间期序列获取单元包括:
非正常RR间期删除模块,用于删除非正常的心拍类型对应的RR间期信号;
RR间期值的中位数计算模块,用于将删除非正常的心拍类型后的RR间期信号进行不交叠分段,计算各段的RR间期值的中位数;
RR间期值的中位数比较模块,用于分别判断各段内的每一个RR间期值与对应段的中位数的差值是否在预设的百分比内;
RR间期值保留选择模块,用于在各段内的每一个RR间期值与对应段的中位数的差值在预设的百分比内时,保留所述RR间期值,否则,删除所述RR间期值,以得到正常间期序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710204372.XA CN108652613B (zh) | 2017-03-30 | 2017-03-30 | 信号时频图生成的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710204372.XA CN108652613B (zh) | 2017-03-30 | 2017-03-30 | 信号时频图生成的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108652613A CN108652613A (zh) | 2018-10-16 |
CN108652613B true CN108652613B (zh) | 2020-11-03 |
Family
ID=63786446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710204372.XA Active CN108652613B (zh) | 2017-03-30 | 2017-03-30 | 信号时频图生成的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108652613B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109953752A (zh) * | 2019-03-05 | 2019-07-02 | 上海朗朗信息科技有限公司 | 心律失常情况下hrv分析方法、装置、设备和存储介质 |
CN111685754B (zh) * | 2020-06-19 | 2022-05-10 | 苏州大学 | 针对可穿戴ecg采集设备的心率计算方法及*** |
CN114098756A (zh) * | 2021-11-08 | 2022-03-01 | 杭州菲诗奥医疗科技有限公司 | 一种基于单通道ecg信号的心肺耦合分析方法 |
CN114431843A (zh) * | 2022-01-25 | 2022-05-06 | 华中科技大学 | 一种便携式智能医疗测量设备 |
WO2024113234A1 (zh) * | 2022-11-30 | 2024-06-06 | 北京太阳电子科技有限公司 | 一种脑电图的显示方法、装置及存储介质 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1113739A (zh) * | 1994-06-23 | 1995-12-27 | 王湘生 | 植物神经***功能测试***及其方法 |
US5718235A (en) * | 1992-10-06 | 1998-02-17 | Gw Scientific, Inc. | Detection of abnormal and induction of normal heart rate variability |
CN1162195C (zh) * | 1998-02-26 | 2004-08-18 | 欧姆龙株式会社 | 运动器械 |
US20050251056A1 (en) * | 2004-05-10 | 2005-11-10 | Medpond, Llc | Method and apparatus for processing respiration data and assessing autonomic function |
CN101953682A (zh) * | 2010-10-15 | 2011-01-26 | 张辉 | 基于袖带装置的心率检测方法 |
CN101969841A (zh) * | 2008-03-14 | 2011-02-09 | 皇家飞利浦电子股份有限公司 | 修改对象的心理生理状态 |
CN102693546A (zh) * | 2011-03-23 | 2012-09-26 | 苏州大学 | 一种信号时频特征图像生成方法及装置 |
CN102088904B (zh) * | 2008-07-11 | 2013-03-20 | 皇家飞利浦电子股份有限公司 | 心冲击描记图分析设备 |
CN103006210A (zh) * | 2013-01-11 | 2013-04-03 | 山东师范大学 | 基于分段线性化的窦性心率震荡趋势检测方法 |
CN103110417A (zh) * | 2013-02-28 | 2013-05-22 | 华东师范大学 | 一种心电图自动识别*** |
CN103479349A (zh) * | 2013-09-25 | 2014-01-01 | 深圳市理邦精密仪器股份有限公司 | 心电信号数据获取及处理方法和*** |
CN103792502A (zh) * | 2012-10-26 | 2014-05-14 | 美国西门子医疗解决公司 | 用于成像中时序的自动*** |
CN103961089A (zh) * | 2014-05-27 | 2014-08-06 | 山东师范大学 | 基于分段直线拟合的窦性心率震荡趋势检测方法 |
CN104127194A (zh) * | 2014-07-14 | 2014-11-05 | 华南理工大学 | 一种基于心率变异性分析方法的抑郁症的评估***及方法 |
CN104161509A (zh) * | 2014-08-08 | 2014-11-26 | 申岱 | 一种基于幅值谱的心率变异性分析方法及仪器 |
CN104545887A (zh) * | 2014-12-24 | 2015-04-29 | 深圳先进技术研究院 | 伪差心电波形识别方法和装置 |
WO2015136567A1 (en) * | 2014-03-12 | 2015-09-17 | Universita' Politecnica Delle Marche | Method for the filtering of electrocardiographic signals or the like, usable in particular for the monitoring of fetal heart function |
CN105686801A (zh) * | 2015-12-25 | 2016-06-22 | 四川大学 | 基于固有时间尺度分解的房颤自发终止预测方法 |
CN105796096A (zh) * | 2014-12-31 | 2016-07-27 | 深圳先进技术研究院 | 一种心率变异性分析方法、***及终端 |
CN105979863A (zh) * | 2013-10-30 | 2016-09-28 | Apn健康有限责任公司 | 心跳检测和分类 |
-
2017
- 2017-03-30 CN CN201710204372.XA patent/CN108652613B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5718235A (en) * | 1992-10-06 | 1998-02-17 | Gw Scientific, Inc. | Detection of abnormal and induction of normal heart rate variability |
CN1113739A (zh) * | 1994-06-23 | 1995-12-27 | 王湘生 | 植物神经***功能测试***及其方法 |
CN1162195C (zh) * | 1998-02-26 | 2004-08-18 | 欧姆龙株式会社 | 运动器械 |
US20050251056A1 (en) * | 2004-05-10 | 2005-11-10 | Medpond, Llc | Method and apparatus for processing respiration data and assessing autonomic function |
CN101969841A (zh) * | 2008-03-14 | 2011-02-09 | 皇家飞利浦电子股份有限公司 | 修改对象的心理生理状态 |
CN102088904B (zh) * | 2008-07-11 | 2013-03-20 | 皇家飞利浦电子股份有限公司 | 心冲击描记图分析设备 |
CN101953682A (zh) * | 2010-10-15 | 2011-01-26 | 张辉 | 基于袖带装置的心率检测方法 |
CN102693546A (zh) * | 2011-03-23 | 2012-09-26 | 苏州大学 | 一种信号时频特征图像生成方法及装置 |
CN103792502A (zh) * | 2012-10-26 | 2014-05-14 | 美国西门子医疗解决公司 | 用于成像中时序的自动*** |
CN103006210A (zh) * | 2013-01-11 | 2013-04-03 | 山东师范大学 | 基于分段线性化的窦性心率震荡趋势检测方法 |
CN103110417A (zh) * | 2013-02-28 | 2013-05-22 | 华东师范大学 | 一种心电图自动识别*** |
CN103479349A (zh) * | 2013-09-25 | 2014-01-01 | 深圳市理邦精密仪器股份有限公司 | 心电信号数据获取及处理方法和*** |
CN105979863A (zh) * | 2013-10-30 | 2016-09-28 | Apn健康有限责任公司 | 心跳检测和分类 |
WO2015136567A1 (en) * | 2014-03-12 | 2015-09-17 | Universita' Politecnica Delle Marche | Method for the filtering of electrocardiographic signals or the like, usable in particular for the monitoring of fetal heart function |
CN103961089A (zh) * | 2014-05-27 | 2014-08-06 | 山东师范大学 | 基于分段直线拟合的窦性心率震荡趋势检测方法 |
CN104127194A (zh) * | 2014-07-14 | 2014-11-05 | 华南理工大学 | 一种基于心率变异性分析方法的抑郁症的评估***及方法 |
CN104161509A (zh) * | 2014-08-08 | 2014-11-26 | 申岱 | 一种基于幅值谱的心率变异性分析方法及仪器 |
CN104545887A (zh) * | 2014-12-24 | 2015-04-29 | 深圳先进技术研究院 | 伪差心电波形识别方法和装置 |
CN105796096A (zh) * | 2014-12-31 | 2016-07-27 | 深圳先进技术研究院 | 一种心率变异性分析方法、***及终端 |
CN105686801A (zh) * | 2015-12-25 | 2016-06-22 | 四川大学 | 基于固有时间尺度分解的房颤自发终止预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108652613A (zh) | 2018-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108652613B (zh) | 信号时频图生成的方法及装置 | |
CN109171712B (zh) | 心房颤动识别方法、装置、设备及计算机可读存储介质 | |
US8666483B2 (en) | System for cardiac medical condition detection and characterization | |
CN107072545B (zh) | 用于快速诊断的心电图数据分析方法和*** | |
AU2015216724B2 (en) | Delay coordinate analysis of periodic data | |
KR20180058823A (ko) | 수량적 심장 테스팅 | |
Alcaraz et al. | A novel application of sample entropy to the electrocardiogram of atrial fibrillation | |
CN108403107B (zh) | 一种心律失常判别方法及*** | |
US20100016747A1 (en) | Method for processing cardioelectric signals and corresponding device | |
Ng et al. | Iterative method to detect atrial activations and measure cycle length from electrograms during atrial fibrillation | |
US20190076044A1 (en) | Time-frequency analysis of electrocardiograms | |
US11399727B2 (en) | Non-invasive analysis of sinoatrial node and autonomic nervous input to heart function | |
CN109938719B (zh) | 一种基于生理参数的驾驶员疲劳检测方法 | |
US20130158422A1 (en) | System for Cardiac Arrhythmia Detection and Characterization | |
Gospodinov et al. | Mathematical methods of ECG data analysis | |
EP3107447B1 (en) | Method and system for evaluating a noise level of a biosignal | |
Hegde et al. | A review on ECG signal processing and HRV analysis | |
WO2010000009A1 (en) | Improved detection of cardiac dysfunction | |
Sharanya et al. | Fractal dimension techniques for analysis of cardiac autonomic neuropathy (CAN) | |
Jelinek et al. | Multiscale renyi entropy and cardiac autonomic neuropathy | |
Kudryński et al. | Computer Software tool for heart rate variability (HRV), T-wave alternans (TWA) and heart rate turbulence (HRT) analysis from ECGs | |
KR20130087940A (ko) | 심박변이도 계측방법 및 그를 위한 계측장치 | |
Timothy et al. | Data preparation step for automated diagnosis based on HRV analysis and machine learning | |
Fahruzi et al. | An Investigation of Dynamic Features Influence in ECG-Apnea Using Detrended Fluctuation Analysis | |
RU2791006C1 (ru) | Система и способ автоматизированного анализа и интерпретации электрокардиограммы |
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 |