CN111493852A - 一种基于modwt的动态心电图实时心率估算方法 - Google Patents

一种基于modwt的动态心电图实时心率估算方法 Download PDF

Info

Publication number
CN111493852A
CN111493852A CN202010180921.6A CN202010180921A CN111493852A CN 111493852 A CN111493852 A CN 111493852A CN 202010180921 A CN202010180921 A CN 202010180921A CN 111493852 A CN111493852 A CN 111493852A
Authority
CN
China
Prior art keywords
heart rate
main wave
electrocardiogram
modwt
real
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.)
Pending
Application number
CN202010180921.6A
Other languages
English (en)
Inventor
杨智
顾林跃
孙斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Helowin Medical Technology Co ltd
Original Assignee
Zhejiang Helowin Medical Technology Co ltd
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 Zhejiang Helowin Medical Technology Co ltd filed Critical Zhejiang Helowin Medical Technology Co ltd
Priority to CN202010180921.6A priority Critical patent/CN111493852A/zh
Publication of CN111493852A publication Critical patent/CN111493852A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0245Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • A61B5/366Detecting abnormal QRS complex, e.g. widening
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/725Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Power Engineering (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

一种基于MODWT的动态心电图实时心率估算方法,包括:a)预处理;b)基于MODWT及各特征波形频带特点对动态心电图进行滤波处理;c)基于心电规则,确定动态心电图主波位置及实时心率。本发明基于MODWT及心电规则,对动态心电图实时心率进行了估算,易于理解,容易实现,精度较高。

Description

一种基于MODWT的动态心电图实时心率估算方法
技术领域
本发明提出了一种基于MODWT的动态心电图实时心率估算方法,涉及心电图智能诊断领域。
背景技术
心电图检查是体检的常见项目,如果患者疑似有心律失常症状,通常也会去医院做个心电图,但是,在医院的几分钟或者十几分钟心电图,难以发现问题,这时候医生可能会给患者一个可以穿戴的心电图检测器,佩戴一天、两周或者更长时间,这会产生几十、几百小时的心电图,即所谓的动态心电图,这就会出现两个问题:其一,为了及时发现致命心脏疾患,心电图检测器最好能实时进行分析,给出重要心脏疾患指标;其二:医生要一秒一秒的检查长时间的心电图,非常耗费时间,为此,一条比较好的思路是,首先由心电图检测器实时的给出重要的心脏指标,以便及时预警,其次是由心电图检测器进行智能判断,找出可能的心律失常的时间位置,再由医生针对这些地方进行进一步诊断,显然,对动态心电图信号进行实时检测、给出辅助诊断结果的首要任务是检测心率的变化,即迅速、准确地识别出主波位置,本专利的发明初衷来源于此。
与常规心电图相比较,动态心电图更容易受到外界因素的干扰,信号中存在大量的工频干扰、基线漂移和肌电噪声,目前,对心电信号的噪声抑制一般采用低通滤波方法,其中主要的不足在于固定频带的滤波不能适应心电信号的随机性、非平稳性,小波变换具有良好的时-频局部分析特点,能较好的解决这些问题,但在强噪声背景下,进行小波变换后,不具有平移不变性,且幅度较小的Q、S波处常出现Gibbs振荡现象,造成信号失真,为此,我们提出一种MODWT的心电信号自适应滤波方法,MODWT是一种高度冗余的非正交小波变换,对样本容量没有要求,具有小波系数和尺度系数的平移不变性、无相位扭曲,从而保留了心电信号中有用的特征波形,避免了有用心电信息的损失。
就主波的定位而言,已有不少研究者从多个角度出发对心电图主波的识别和定位进行了研究,比如差分阈值法、小波分析法、模板匹配法、聚类方法、神经网络(深度学习等)等,因动态1秒心率更新的需要,与常规心电图主波定位相比,其要求的运行速度很快,为此,我们在进行MODWT的基础上,结合心电图各特征波频带分布、幅值特点及不应期等相关心电规则,选择了主波所在的主要频带,给出了一种快速的主波定位算法,并估算心率。
该方法基于MODWT及心电规则,对动态心电图实时心率进行了估算,易于理解,容易实现,精度较高。
发明内容
本发明克服现有技术不足,设计一种基于MODWT的动态心电图实时心率估算方法。
为了实现上述目的,本发明所采用的技术方案如下:
一种基于MODWT的动态心电图实时心率估算方法,包括:a)预处理;b)基于MODWT及各特征波形频带特点对动态心电图进行滤波处理;c)基于心电规则,确定动态心电图主波位置及实时心率,所述a)预处理方法为:
步骤1:采集心电图信号,采样频率为128Hz,以5秒、10秒、20、30秒作为分析时长分别进行了分析测试,基于测试结果,确定动态心电图分析实时参数,对心电图信号进行分段处理;
步骤2:去除干扰程度较大的分段心电信号;
作为优选:所述b)基于MODWT及各特征波形频带特点对动态心电图进行滤波处理方法为:
步骤1:基于采样频率及各特征波形频带特点对选定分段信号进行MODWT处理;
步骤2:去除干扰频带及P波、T波所在频带,选定分析频带;
步骤3:对分析频带心电信号进行自适应滤波,所述自适应滤波方法为极值阈值滤波方法:
Figure BDA0002412498580000021
,当N>32
xlim=0 ,当N<=32
其中,xlim为阈值,N为信号长度,σ为均方根,可由中位数绝对偏差(MAD)计算获得:
MAD=median(|X-median(X)|
σ=1.4826×MAD
其中,X即为选定的某分割频带信号;
作为优选:所述c)基于心电规则,确定动态心电图主波位置及实时心率方法为:
步骤1:基于心电规则,确定分析频带主波位置:
(1)找出信号的所有极值点:对信号做一阶差分运算,差分值改变的位置即为信号极值(注:因主波位置可能为可能朝上为R波,也可能朝下为Q波、S波或QS波,所以可能是极大值,也可能是极小值);
(2)基于心室不应期,选择不应期范围内绝对幅值较大的极值点:心室有效不应期约为200-300ms,我们以250ms为界,初步选定其中绝对幅值最大的极值点为预选的的主波位置;
(3)去除绝对幅值过小的主波位置:当某处预选主波对应的幅值小于最大幅值的1/4时,去除该处主波;
(4)比较当前信号及前5秒信号得出的主波位置(注:初始5秒不进行校准),对主波位置进行自校准:基本原则是当某处主波在越多处得到验证时,则越确定为主波位置,反之则相反;
步骤2:估算实时心率:
根据主波位置,计算主波间期,当某间期时长大于2秒时,排除该间期,对剩下间期求平均间期,基于采样频率由下式估算心率:
心率=60×采样频率/平均主波间期;
附图说明
图1为1份截取的60秒动态心电数据心率估算结果;
具体实施方式
下面结合实例,对本发明的技术方案作进一步详细的说明;
一种基于MODWT的动态心电图实时心率估算方法,包括以下步骤:
a)预处理:
步骤1:基于测试结果,确定动态心电图分析实时参数,对心电图信号进行分段处理;
采集心电图信号,采样频率为128Hz,以5秒、10秒、20、30秒作为分析时长分别进行了分析测试,当以10秒作为分析时长时,正常主波个数10-15,有利于后期根据平均主波间期来估算心率,也能兼顾实时分析的要求,决定采用10秒作为分析时长,另考虑心率估算实时更新的要求,以1秒间隔作为更新时长;
步骤2:去除干扰程度较大的分段心电信号;
当某段10秒心电信号幅值特别大(比如大于5mv)时,显然为干扰,此时进行MODWT滤波及定位是没有意义的,反倒容易造成有用特征波形的被掩盖,为此,舍弃该段信号,心率维持为前1秒心率;
b)基于MODWT及各特征波形频带特点对动态心电图进行滤波处理:
步骤1:基于采样频率及各特征波形频带特点对选定分段信号进行MODWT处理。
根据心电规则,正常心电信号频率范围约为0.01-100Hz,其中90%的信号能量集中在0.5-45Hz,QRS波群约为3-45Hz,波峰位置约在8-16Hz,P波、T波约为0.5-10Hz,而就干扰信号而言,工频干扰为50Hz,因为电极移动、人体呼吸等引起的基线漂移约为0.05-2Hz,肌电干扰约为5-2000Hz,显然,就心率估算及相对应的主波定位而言,需要尽可能的保留QRS波群中的主波所在频带,而去掉其他一切杂波;
与普通的离散小波变换类似,MODWT也具有频带二分特点,最高分析频率为采样频率/2,所以,当采样频率已知,可逐次对较低频带(注:第一次分割的频带为0-采样频率/2)进行二分,考虑到后期主要目的是进行主波定位,可将频带分割到某层次较低频带的最高频率达到个位数(即<10Hz),此时,频带分割完毕;
步骤2:去除干扰频带及P波、T波所在频带,选定分析频带;
因最终层次较低频带主要为P波、T波、基线漂移或低频率的肌电干扰,30-40Hz以上较高频带主要为工频干扰及高频率的肌电干扰,直接去除这些频带,此时剩余的分割频带即为待重构频带信号,也是主波主要所在频带;
步骤3:对分析频带心电信号进行自适应滤波;
在剩余频带中,可能还会跟主波频带相似的肌电干扰,但其幅值相对于主波而言会比较小,此时,在此基础上采用自适应滤波方法,为了尽可能的保留有用信号,我们选择较保守的极值阈值滤波方法:
Figure BDA0002412498580000041
,当N>32
xlim=0 ,当N<=32
其中,xlim为阈值,N为信号长度,σ为均方根,可由中位数绝对偏差(MAD)计算获得:
MAD=median(|X-median(X)|
σ=1.4826×MAD
其中,X即为选定的某分割频带信号;
在滤波之后,再进行逆MODWT进行重构即可,从而获得处理过的分析信号。
c)基于心电规则,确定动态心电图主波位置及实时心率:
步骤1:基于心电规则,确定主波位置;
主要分为4步:
(1)找出信号的所有极值点:对信号做一阶差分运算,差分值改变的位置即为信号极值(注:因主波位置可能为可能朝上为R波,也可能朝下为Q波、S波或QS波,所以可能是极大值,也可能是极小值);
(2)基于心室不应期,选择不应期范围内绝对幅值较大的极值点:心室有效不应期约为200-300ms,我们以250ms为界,初步选定其中绝对幅值最大的极值点为预选的的主波位置;
(3)去除绝对幅值过小的主波位置:当某处预选主波对应的幅值小于最大幅值的1/4时,去除该处主波;
(4)比较当前信号及前5秒信号得出的主波位置(注:初始5秒不进行校准),对主波位置进行自校准:基本原则是当某处主波在越多处得到验证时,则越确定为主波位置,反之则相反。
步骤2:估算实时心率;
根据主波位置,计算主波间期,当某间期时长大于2秒时,排除该间期,对剩下间期求平均间期,基于采样频率由下式估算心率:
心率=60×采样频率/平均主波间期
实施例
实施例说明
为了检验方法的有效性,我们截取1份60秒动态心电数据进行了心率估算测试。采样频率:250Hz;
如前所述,我们以10秒作为分析信号,1秒进行1次心率更新。MODWT分到第4层,取D4频带信号作为分析频带,基于极值阈值滤波方法进行信号自适应滤波,并基于心室不应期、心电图特征波形幅值特点等心电规则,估算出实时心率。
计算结果
图1(a)为原始心电信号;
图1(b)为滤波后心电信号及主波位置。其中主波位置以红色“Ο”标出;
图1(c)为心率估算趋势图(注意:从10秒位置开始);
由图1可见,在干扰比较严重的情况下,主波位置定位准确,心率估算结果在55±1次/分之间,符合要求;
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。

Claims (3)

1.一种基于MODWT的动态心电图实时心率估算方法,包括:a)预处理;b)基于MODWT及各特征波形频带特点对动态心电图进行滤波处理;c)基于心电规则,确定动态心电图主波位置及实时心率。其特征在于:所述a)预处理方法为:
步骤1:采集心电图信号,采样频率为128Hz,以5秒、10秒、20、30秒作为分析时长分别进行了分析测试,基于测试结果,确定动态心电图分析实时参数,对心电图信号进行分段处理;
步骤2:去除干扰程度较大的分段心电信号。
2.如权利要求1所述的基于MODWT的动态心电图实时心率估算方法,其特征在于:所述b)基于MODWT及各特征波形频带特点对动态心电图进行滤波处理方法为:
步骤1:基于采样频率及各特征波形频带特点对选定分段信号进行MODWT处理;
步骤2:去除干扰频带及P波、T波所在频带,选定分析频带;
步骤3:对分析频带心电信号进行自适应滤波,所述自适应滤波方法为极值阈值滤波方法:
Figure FDA0002412498570000011
,当N>32
xlim=0 ,当N<=32
其中,xlim为阈值,N为信号长度。σ为均方根,可由中位数绝对偏差(MAD)计算获得:
MAD=median(|X-median(X)|
σ=1.4826×MAD
其中,X即为选定的某分割频带信号。
3.如权利要求1所述的基于MODWT的动态心电图实时心率估算方法,其特征在于:所述c)基于心电规则,确定动态心电图主波位置及实时心率方法为:
步骤1:基于心电规则,确定分析频带主波位置:
(1)找出信号的所有极值点:对信号做一阶差分运算,差分值改变的位置即为信号极值(注:因主波位置可能为可能朝上为R波,也可能朝下为Q波、S波或QS波,所以可能是极大值,也可能是极小值);
(2)基于心室不应期,选择不应期范围内绝对幅值较大的极值点:心室有效不应期约为200-300ms,我们以250ms为界,初步选定其中绝对幅值最大的极值点为预选的的主波位置;
(3)去除绝对幅值过小的主波位置:当某处预选主波对应的幅值小于最大幅值的1/4时,去除该处主波;
(4)比较当前信号及前5秒信号得出的主波位置(注:初始5秒不进行校准),对主波位置进行自校准:基本原则是当某处主波在越多处得到验证时,则越确定为主波位置,反之则相反;
步骤2:估算实时心率:
根据主波位置,计算主波间期,当某间期时长大于2秒时,排除该间期,对剩下间期求平均间期,基于采样频率由下式估算心率:
心率=60×采样频率/平均主波间期。
CN202010180921.6A 2020-03-16 2020-03-16 一种基于modwt的动态心电图实时心率估算方法 Pending CN111493852A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010180921.6A CN111493852A (zh) 2020-03-16 2020-03-16 一种基于modwt的动态心电图实时心率估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010180921.6A CN111493852A (zh) 2020-03-16 2020-03-16 一种基于modwt的动态心电图实时心率估算方法

Publications (1)

Publication Number Publication Date
CN111493852A true CN111493852A (zh) 2020-08-07

Family

ID=71871546

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010180921.6A Pending CN111493852A (zh) 2020-03-16 2020-03-16 一种基于modwt的动态心电图实时心率估算方法

Country Status (1)

Country Link
CN (1) CN111493852A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112674776A (zh) * 2020-11-09 2021-04-20 浙江好络维医疗技术有限公司 一种基于分段多项式拟合ecg信号的平滑滤波方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103549950A (zh) * 2013-11-19 2014-02-05 上海理工大学 移动心电监测差分阈值检测改进算法
CN109875548A (zh) * 2019-03-24 2019-06-14 浙江好络维医疗技术有限公司 一种基于多导联综合分析的心电图特征波形聚类方法
CN109893124A (zh) * 2019-03-24 2019-06-18 浙江好络维医疗技术有限公司 一种基于多导联聚类分析的疑难心电图主波识别定位方法
CN112244860A (zh) * 2020-09-27 2021-01-22 山东平伟医疗技术有限公司 一种动态心电图数据分析方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103549950A (zh) * 2013-11-19 2014-02-05 上海理工大学 移动心电监测差分阈值检测改进算法
CN109875548A (zh) * 2019-03-24 2019-06-14 浙江好络维医疗技术有限公司 一种基于多导联综合分析的心电图特征波形聚类方法
CN109893124A (zh) * 2019-03-24 2019-06-18 浙江好络维医疗技术有限公司 一种基于多导联聚类分析的疑难心电图主波识别定位方法
CN112244860A (zh) * 2020-09-27 2021-01-22 山东平伟医疗技术有限公司 一种动态心电图数据分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SHANTI CHANDRA.ET AL.: "Feature extraction of ECG signal", 《JOURNAL OF MEDICAL ENGINEERING & TECHNOLOGY》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112674776A (zh) * 2020-11-09 2021-04-20 浙江好络维医疗技术有限公司 一种基于分段多项式拟合ecg信号的平滑滤波方法
CN112674776B (zh) * 2020-11-09 2022-06-07 浙江好络维医疗技术有限公司 一种基于分段多项式拟合ecg信号的平滑滤波方法

Similar Documents

Publication Publication Date Title
CN109117730B (zh) 心电图心房颤动实时判断方法、装置、***及存储介质
Agrawal et al. Fractal and EMD based removal of baseline wander and powerline interference from ECG signals
CN109907752B (zh) 一种去除运动伪影干扰与心电特征检测的心电诊断与监护***
Bansal et al. A review of measurement and analysis of heart rate variability
Hossain et al. A robust ECG denoising technique using variable frequency complex demodulation
CN108577834A (zh) 一种用于癫痫间期棘波自动检测的方法
Li et al. ECG denoising method based on an improved VMD algorithm
Malek et al. Automated detection of premature ventricular contraction in ECG signals using enhanced template matching algorithm
KR20220150901A (ko) 모체 자궁 활동 검출을 위한 융합 신호 처리
Wang et al. Wavelet transform based ECG denoising using adaptive thresholding
Turnip et al. An application of modified filter algorithm fetal electrocardiogram signals with various subjects
Hossain et al. Denoising wearable armband ECG data using the variable frequency complex demodulation technique
CN111543981B (zh) 一种基于分段modwt及自适应阈值的动态心电图实时滤波方法
CN117814805A (zh) 一种临床护理设备数据智能处理方法
CN111493852A (zh) 一种基于modwt的动态心电图实时心率估算方法
Ding-Fei et al. Study of feature extraction based on autoregressive modeling in EGG automatic diagnosis
Orozco-Duque et al. Classification of premature ventricular contraction based on discrete wavelet transform for real time applications
Hegde et al. A review on ECG signal processing and HRV analysis
Murthy et al. ECG signal denoising and ischemic event feature extraction using Daubechies wavelets
Ghosal et al. Ecg beat quality assessment using self organizing map
Liu et al. Automatic arrhythmia detection based on convolutional neural networks
CN114587291A (zh) 一种脉率变异性信号提取方法及***
Messaoud et al. Analysis and Parameter Extraction of P Wave Using Correlation Method.
Dembrani et al. Accurate detection of ECG signals in ECG monitoring systems by eliminating the motion artifacts and improving the signal quality using SSG filter with DBE
Kaur et al. Adaptive wavelet thresholding for noise reduction in electrocardiogram (ECG) signals

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 310012 block B, 5 / F, building e, Paradise Software Park, No.3 xidoumen Road, Xihu District, Hangzhou City, Zhejiang Province

Applicant after: ZHEJIANG HELOWIN MEDICAL TECHNOLOGY Co.,Ltd.

Address before: 310012 A building 7D, Paradise Software Park, 3 West Road, Hangzhou, Zhejiang, Xihu District

Applicant before: ZHEJIANG HELOWIN MEDICAL TECHNOLOGY Co.,Ltd.