CN113100778B - 一种心电信号的r峰定位方法 - Google Patents

一种心电信号的r峰定位方法 Download PDF

Info

Publication number
CN113100778B
CN113100778B CN202110398211.5A CN202110398211A CN113100778B CN 113100778 B CN113100778 B CN 113100778B CN 202110398211 A CN202110398211 A CN 202110398211A CN 113100778 B CN113100778 B CN 113100778B
Authority
CN
China
Prior art keywords
peak
loc
lead
threshold
detected
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
Application number
CN202110398211.5A
Other languages
English (en)
Other versions
CN113100778A (zh
Inventor
李玉榕
苏志超
***
杜民
郑楠
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.)
Fuzhou University
Original Assignee
Fuzhou University
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 Fuzhou University filed Critical Fuzhou University
Priority to CN202110398211.5A priority Critical patent/CN113100778B/zh
Publication of CN113100778A publication Critical patent/CN113100778A/zh
Application granted granted Critical
Publication of CN113100778B publication Critical patent/CN113100778B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/72—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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7217—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise originating from a therapeutic or surgical apparatus, e.g. from a pacemaker
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms

Landscapes

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

Abstract

本发明涉及一种心电信号的R峰定位方法，包括以下步骤：步骤S1:对待测心电信号进行预处理；步骤S2：对预处理后的心电信号使用差分计算，得到复合导联；步骤S3:分别在复合导联和预处理后的心电信号上搜索疑似R峰；步骤S4:计算组合阈值；步骤S5:基于组合阈值和斜率法对疑似R峰进行检测；步骤S6:若在预设时间内没有检测到R峰时，采用回溯搜索遗漏的R峰，得到最终的R峰定位。本发明有效提高识别率。

Description

一种心电信号的R峰定位方法
技术领域
本发明涉及一种心电信号处理领域，具体涉及一种心电信号的R峰定位方法。
背景技术
心电信号记录了心脏电活动，各成分的形态传递了许多重要的信息，在一定程度上客观的反映了心脏的情况。一个标准周期的心电信号包括P波、QRS波群和T波。其中，R波具有最显著的特征，是确定心电信号其他波、段、以及间期的重要参考。因此，心电信号的自动分析，以R峰定位为基础。准确识别R峰对实现心电信号的自动分析具有重要意义。
发明内容
有鉴于此，本发明的目的在于提供一种心电信号的R峰定位方法，有效避免漏检，提高R峰识别准确率。
为实现上述目的，本发明采用如下技术方案：
一种心电信号的R峰定位方法，包括以下步骤：
步骤S1:对待测心电信号进行预处理；
步骤S2：对预处理后的心电信号使用差分计算，得到复合导联；
步骤S3:分别在复合导联和预处理后的心电信号上搜索疑似R峰；
步骤S4:计算组合阈值；
步骤S5:基于组合阈值和斜率法对疑似R峰进行检测；
步骤S6:若在预设时间内没有检测到R峰时，采用回溯搜索遗漏的R峰，得到最终的R峰定位。
进一步的，所述步骤S1具体为：使用50Hz陷波滤波器消除工频干扰；使用N1阶移动平均滤波器滤除肌电噪声，其中，N1＝Fs/35，Fs为心电信号的采样频率；使用小波变换法滤除基线漂移，小波基设置为‘db6’，分解层数M取值为使第M层近似系数的频率范围在0-0.5Hz内的M，将第M层近似系数置零，然后对剩余的小波系数进行重构。
进一步的，所述步骤S2具体为:对预处理后的心电信号X(n)使用差分计算得到一个复合导联lead(n):
Figure BDA0003019375050000021
其中，L为导联数量，Xi(n)为第i个导联在采样点n的幅值。
进一步的，所述步骤S3具体为:搜索复合导联lead(n)的局部极大值点(j,lead(j))作为待检测R峰位置，需要满足以下条件：
(lead(j)>lead(j-1))与(lead(j)>lead(j+1))与(lead(j)>0.04)
将满足条件的j值存放在数组Loc中。
进一步的，采用下列循环对心电信号X(n)上的待检测疑似R峰位置进行微调，设数组Loc共有k个元素，则循环K次(1)-(4)：
(1)以Loc(p)为中心，对心电信号进行半径为0.03*Fs的加窗处理；
(2)找出X(n)在[Loc(p)-0.03*Fs，Loc(p)-0.03*Fs]上的最大值所对应的位置q；
(3)增加条件判断，其中，心电信号单位为mV：
若X(q)<X(q-1)或X(q)<X(q+1)或X(q)<0.1，则找出取绝对值后的信号|X(n)|在[Loc(p)-0.03*Fs，Loc(p)-0.03*Fs]上的最大值所对应的位置q′；
(4)将q或者q′存放在数组Loc′中。
进一步的，所述组合阈值采用STI，由三个子阈值组成，分别是与R峰幅值有关的S、与R-R间期有关的T和使组合阈值浮动在噪声上的I。
进一步的，所述阈值S具体为；设置与R峰幅值有关的缓存区buffer1＝[S1 S2 S3S4 S5]，初始化buffer1，S1到S5均等于复合导联lead(n)前2秒的最大值的60％，即S1＝S2＝S3＝S4＝S5＝0.6*max(lead(1:2*Fs))；
当数组Loc的第u个元素确定为新的R峰位置时，按照先进先出规则更新buffer1，舍弃S1，加入新的S5——S5′：
Figure BDA0003019375050000031
设当前待检测的疑似R峰与最近定位确定的R峰的时间差为t，缓存区buffer1的五个值的平均值为Sm，则阈值S由以下公式确定：
Figure BDA0003019375050000032
进一步的，所述阈值T具体为；阈值T与R-R间期相关，在检测出两个R峰之前，阈值T等于0；设置与R-R间期有关的缓存区buffer2＝[T1 T2 T3 T4 T5 T6 T7 T8]，在检测到两个R峰之后，初始化buffer2，T1到T8均等于第一个R-R间期；
当数组Loc的第u个元素确定为新的R峰位置时，按照先进先出规则更新buffer2，舍弃T1，加入新的R-R间期作为新的T8
设当前待检测波峰与最近检测到的R峰的时间差为t，缓存区buffer1的五个值的平均值为Sm，缓存区buffer2的八个值的平均值为Tm，则阈值T由以下公式确定：
Figure BDA0003019375050000041
进一步的，所述阈值I具体为；阈值I的作用是使组合阈值浮动在噪声上，减少与R峰的特征接近的噪声所引起的假阳性数量；
设当前待检测疑似R峰位置为数组Loc的第v个元素，以Loc(v)为中心，对复合导联lead(n)进行半径为0.075*Fs的加窗处理，求取窗口平均值的一半，得到阈值I：
I＝0.5*mean(lead(Loc(v)-0.075*Fs：Loc(v)+0.075*Fs))。
进一步的，所述步骤S5具体为：设当前待检测疑似R峰位置为数组Loc和数组Loc′的第v个元素，最近检测到的R峰位置为数组Loc和数组Loc′的第u个元素，时间差为t，则要确定为R峰，需要满足：
(1)Lead(Loc(v))>STI；
(2)如果t小于0.7*Tm，则需要在信号X(n)增加斜率检测，防止T波或者运动伪迹被误识别为R峰；分别对心电信号Loc′(u)和Loc′(v)之前的40毫秒的每两个点之间做差分运算，取差分运算结果的最大值进行比较，Loc′(v)之前40毫秒差分值的最大值需要大于Loc′(u)之前40毫秒差分值的最大值的一半，即max(|diff(X(Loc′(v)-0.04*Fs)：Loc′(v))|)>0.5*max(|diff(X(Loc′(u)-0.04*Fs)：Loc′(u))|)，其中，diff()为差分函数。
进一步的，本发明还提供一种心电信号的R峰定位***，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述的一个或多个的方法。
本发明与现有技术相比具有以下有益效果：
本发明通过差分计算放大R峰的特征，然后与组合阈值比较，从而检测R峰。组合阈值包括与R峰幅值有关的子阈值，与R-R间期有关的子阈值和与噪声有关的子阈值，还采用了斜率检测和回溯搜索，有效防止漏检提供R峰定位效率。
附图说明
图1是本发明方法流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种心电信号的R峰定位方法，包括以下步骤：
步骤S1:对待测心电信号进行预处理；
步骤S2：对预处理后的心电信号使用差分计算，得到复合导联；
步骤S3:分别在复合导联和预处理后的心电信号上搜索疑似R峰；
步骤S4:计算组合阈值；
步骤S5:基于组合阈值和斜率法对疑似R峰进行检测；
步骤S6:若在预设时间内没有检测到R峰时，采用回溯搜索遗漏的R峰，得到最终的R峰定位。
优选的，在本实施例中，步骤S1具体为：使用50Hz陷波滤波器消除工频干扰；使用N1阶移动平均滤波器滤除肌电噪声，其中，N1＝Fs/35，Fs为心电信号的采样频率；使用小波变换法滤除基线漂移，小波基设置为‘db6’，分解层数M取值为使第M层近似系数的频率范围在0-0.5Hz内的M，将第M层近似系数置零，然后对剩余的小波系数进行重构。
优选的，在本实施例中，步骤S2具体为:对预处理后的心电信号X(n)使用差分计算得到一个复合导联lead(n):
Figure BDA0003019375050000061
其中，L为导联数量，Xi(n)为第i个导联在采样点n的幅值。
优选的，在本实施例中，步骤S3具体为:搜索复合导联lead(n)的局部极大值点(j,lead(j))作为待检测R峰位置，需要满足以下条件：
(lead(j)>lead(j-1))与(lead(j)>lead(j+1))与(lead(j)>0.04)
将满足条件的j值存放在数组Loc中。
优选的，在本实施例中，采用下列循环对心电信号X(n)上的待检测疑似R峰位置进行微调，设数组Loc共有k个元素，则循环K次(1)-(4)：
(1)以Loc(p)为中心，对心电信号进行半径为0.03*Fs的加窗处理；
(2)找出X(n)在[Loc(p)-0.03*Fs，Loc(p)-0.03*Fs]上的最大值所对应的位置q；
(3)增加条件判断，其中，心电信号单位为mV：
若X(q)<X(q-1)或X(q)<X(q+1)或X(q)<0.1，则找出取绝对值后的信号|X(n)|在[Loc(p)-0.03*Fs，Loc(p)-0.03*Fs]上的最大值所对应的位置q′；
(5)将q或者q′存放在数组Loc′中。
优选的，在本实施例中，所述组合阈值采用STI，由三个子阈值组成，分别是与R峰幅值有关的S、与R-R间期有关的T和使组合阈值浮动在噪声上的I。
阈值S具体为；设置与R峰幅值有关的缓存区buffer1＝[S1 S2 S3 S4 S5]，初始化buffer1，S1到S5均等于复合导联lead(n)前2秒的最大值的60％，即S1＝S2＝S3＝S4＝S5＝0.6*max(lead(1:2*Fs))；
当数组Loc的第u个元素确定为新的R峰位置时，按照先进先出规则更新buffer1，舍弃S1，加入新的S5——S5′：
Figure BDA0003019375050000071
设当前待检测的疑似R峰与最近定位确定的R峰的时间差为t，缓存区buffer1的五个值的平均值为Sm，则阈值S由以下公式确定：
Figure BDA0003019375050000081
阈值T具体为；阈值T与R-R间期相关，在检测出两个R峰之前，阈值T等于0；设置与R-R间期有关的缓存区buffer2＝[T1 T2 T3 T4 T5 T6 T7 T8]，在检测到两个R峰之后，初始化buffer2，T1到T8均等于第一个R-R间期；
当数组Loc的第u个元素确定为新的R峰位置时，按照先进先出规则更新buffer2，舍弃T1，加入新的R-R间期作为新的T8
设当前待检测波峰与最近检测到的R峰的时间差为t，缓存区buffer1的五个值的平均值为Sm，缓存区buffer2的八个值的平均值为Tm，则阈值T由以下公式确定：
Figure BDA0003019375050000082
阈值I具体为；阈值I的作用是使组合阈值浮动在噪声上，减少与R峰的特征接近的噪声所引起的假阳性数量；
设当前待检测疑似R峰位置为数组Loc的第v个元素，以Loc(v)为中心，对复合导联lead(n)进行半径为0.075*Fs的加窗处理，求取窗口平均值的一半，得到阈值I：
I＝0.5*mean(lead(Loc(v)-0.075*Fs：Loc(v)+0.075*Fs))。
优选的，在本实施例中，步骤S5具体为：设当前待检测疑似R峰位置为数组Loc和数组Loc′的第v个元素，最近检测到的R峰位置为数组Loc和数组Loc′的第u个元素，时间差为t，则要确定为R峰，需要满足：
(1)Lead(Loc(v))>STI；
(2)如果t小于0.7*Tm，则需要在信号X(n)增加斜率检测，防止T波或者运动伪迹被误识别为R峰；分别对心电信号Loc′(u)和Loc′(v)之前的40毫秒的每两个点之间做差分运算，取差分运算结果的最大值进行比较，Loc′(v)之前40毫秒差分值的最大值需要大于Loc′(u)之前40毫秒差分值的最大值的一半，即max(|diff(X(Loc′(v)-0.04*Fs)：Loc′(v))|)>0.5*max(|diff(X(Loc′(u)-0.04*Fs)：Loc′(u))|)，其中，diff()为差分函数。
优选的，在本实施例中，步骤S6具体为：
设当前待检测疑似R峰位置为数组Loc和数组Loc′的第v个元素，最近检测到的R峰位置为数组Loc和数组Loc′的第u个元素，时间差为t。如果时间差t大于1.66*Tm或者大于1.5秒，则需要回溯搜索可能遗漏的R峰。
搜索范围：[Loc′(u)+0.2*Fs,Loc′(v)-0.2*Fs]。
对搜索范围内的信号X(n)按幅值从大到小排序，其索引值存放在数组a中，然后按照下列循环对心电信号X(n)进行检测，其中，心电信号单位为mV：
Figure BDA0003019375050000091
Figure BDA0003019375050000101
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (6)

1.一种心电信号的R峰定位方法，其特征在于，包括以下步骤：
步骤S1:对待测心电信号进行预处理；
步骤S2：对预处理后的心电信号使用差分计算，得到复合导联；
步骤S3:分别在复合导联和预处理后的心电信号上搜索疑似R峰；
步骤S4:计算组合阈值；
步骤S5:基于组合阈值和斜率法对疑似R峰进行检测；
步骤S6:若在预设时间内没有检测到R峰时，采用回溯搜索遗漏的R峰，得到最终的R峰定位；
所述组合阈值采用STI，由三个子阈值组成，分别是与R峰幅值有关的S、与R-R间期有关的T和使组合阈值浮动在噪声上的I；
所述阈值S具体为；设置与R峰幅值有关的缓存区buffer1＝[S1 S2S3 S4 S5]，初始化buffer1，S1到S5均等于复合导联lead(n)前2秒的最大值的60％，即S1＝S2＝S3＝S4＝S5＝0.6*max(lead(1:2*Fs))；
当数组Loc的第u个元素确定为新的R峰位置时，按照先进先出规则更新buffer1，舍弃S1，加入新的S5，得到S5′：
Figure FDA0003350454370000011
设当前待检测的疑似R峰与最近定位确定的R峰的时间差为t，缓存区buffer1的五个值的平均值为Sm，则阈值S由以下公式确定：
Figure FDA0003350454370000012
所述阈值T具体为；阈值T与R-R间期相关，在检测出两个R峰之前，阈值T等于0；设置与R-R间期有关的缓存区buffer2＝[T1 T2 T3T4 T5 T6 T7 T8]，在检测到两个R峰之后，初始化buffer2，T1到T8均等于第一个R-R间期；
当数组Loc的第u个元素确定为新的R峰位置时，按照先进先出规则更新buffer2，舍弃T1，加入新的R-R间期作为新的T8；
设当前待检测波峰与最近检测到的R峰的时间差为t，缓存区buffer1的五个值的平均值为Sm，缓存区buffer2的八个值的平均值为Tm，则阈值T由以下公式确定：
Figure FDA0003350454370000021
所述阈值I具体为；阈值I的作用是使组合阈值浮动在噪声上，减少与R峰的特征接近的噪声所引起的假阳性数量；
设当前待检测疑似R峰位置为数组Loc的第v个元素，以Loc(v)为中心，对复合导联lead(n)进行半径为0.075*Fs的加窗处理，求取窗口平均值的一半，得到阈值I：
I＝0.5*mean(lead(Loc(v)-0.075*Fs：Loc(v)+0.075*Fs))。
2.根据权利要求1所述的一种心电信号的R峰定位方法，其特征在于，所述步骤S1具体为：使用50Hz陷波滤波器消除工频干扰；使用N1阶移动平均滤波器滤除肌电噪声，其中，N1＝Fs/35，Fs为心电信号的采样频率；使用小波变换法滤除基线漂移，小波基设置为‘db6’，分解层数M取值为使第M层近似系数的频率范围在0-0.5Hz内的M，将第M层近似系数置零，然后对剩余的小波系数进行重构。
3.根据权利要求1所述的一种心电信号的R峰定位方法，其特征在于，所述步骤S2具体为:对预处理后的心电信号X(n)使用差分计算得到一个复合导联lead(n):
Figure FDA0003350454370000031
其中，L为导联数量，Xi(n)为第i个导联在采样点n的幅值。
4.根据权利要求1所述的一种心电信号的R峰定位方法，其特征在于，所述步骤S3具体为:搜索复合导联lead(n)的局部极大值点(j,lead(j))作为待检测R峰位置，需要满足以下条件：
(lead(j)>lead(j-1))与(lead(j)>lead(j+1))与(lead(j)>0.04)
将满足条件的j值存放在数组Loc中。
5.根据权利要求4所述的一种心电信号的R峰定位方法，其特征在于，采用下列循环对心电信号X(n)上的待检测疑似R峰位置进行微调，设数组Loc共有k个元素，则循环K次(1)-(4)：
(1)以Loc(p)为中心，对心电信号进行半径为0.03*Fs的加窗处理；
(2)找出X(n)在[Loc(p)-0.03*Fs，Loc(p)-0.03*Fs]上的最大值所对应的位置q；
(3)增加条件判断，其中，心电信号单位为mV：
若X(q)<X(q-1)或X(q)<X(q+1)或X(q)<0.1，则找出取绝对值后的信号|X(n)|在[Loc(p)-0.03*Fs，Loc(p)-0.03*Fs]上的最大值所对应的位置q′；
(4)将q或者q′存放在数组Loc′中。
6.根据权利要求1所述的一种心电信号的R峰定位方法，其特征在于，所述步骤S5具体为：设当前待检测疑似R峰位置为数组Loc和数组Loc′的第v个元素，最近检测到的R峰位置为数组Loc和数组Loc′的第u个元素，时间差为t，则要确定为R峰，需要满足：
(1)Lead(Loc(v))>STI；
(2)如果t小于0.7*Tm，则需要在信号X(n)增加斜率检测，防止T波或者运动伪迹被误识别为R峰；分别对心电信号Loc′(u)和Loc′(v)之前的40毫秒的每两个点之间做差分运算，取差分运算结果的最大值进行比较，Loc′(v)之前40毫秒差分值的最大值需要大于Loc′(u)之前40毫秒差分值的最大值的一半，即max(|diff(X(Loc′(v)-0.04*Fs)：Loc′(v))|)>0.5*max(|diff(X(Loc′(u)-0.04*Fs)：Loc′(u))|)，其中，diff()为差分函数。
CN202110398211.5A 2021-04-14 2021-04-14 一种心电信号的r峰定位方法 Active CN113100778B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110398211.5A CN113100778B (zh) 2021-04-14 2021-04-14 一种心电信号的r峰定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110398211.5A CN113100778B (zh) 2021-04-14 2021-04-14 一种心电信号的r峰定位方法

Publications (2)

Publication Number Publication Date
CN113100778A CN113100778A (zh) 2021-07-13
CN113100778B true CN113100778B (zh) 2022-03-08

Family

ID=76716589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110398211.5A Active CN113100778B (zh) 2021-04-14 2021-04-14 一种心电信号的r峰定位方法

Country Status (1)

Country Link
CN (1) CN113100778B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115886834B (zh) * 2022-11-11 2024-06-25 研祥智慧物联科技有限公司 Ecg的心电数据波峰检测方法、装置及计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103565427A (zh) * 2013-11-19 2014-02-12 深圳邦健生物医疗设备股份有限公司 准周期生理信号特征点的检测
CN105078447A (zh) * 2015-07-08 2015-11-25 上海师范大学 一种心电信号r波定位方法
CN109009087A (zh) * 2018-08-07 2018-12-18 四川智琢科技有限责任公司 一种心电信号r波的快速检测方法
CN109009085A (zh) * 2018-07-06 2018-12-18 四川斐讯信息技术有限公司 一种心电信号r波检测方法及***

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2825405A1 (en) * 2011-01-27 2012-08-02 The Board Of Trustees Of The Leland Stanford Junior University Systems and methods for monitoring the circulatory system
US9730593B2 (en) * 2013-09-25 2017-08-15 Bardy Diagnostics, Inc. Extended wear ambulatory electrocardiography and physiological sensor monitor

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103565427A (zh) * 2013-11-19 2014-02-12 深圳邦健生物医疗设备股份有限公司 准周期生理信号特征点的检测
CN105078447A (zh) * 2015-07-08 2015-11-25 上海师范大学 一种心电信号r波定位方法
CN109009085A (zh) * 2018-07-06 2018-12-18 四川斐讯信息技术有限公司 一种心电信号r波检测方法及***
CN109009087A (zh) * 2018-08-07 2018-12-18 四川智琢科技有限责任公司 一种心电信号r波的快速检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于高斯模型的心电特征提取研究;孙树平等;《中国医学物理学杂志》;20201130;第37卷(第11 期);第1441-1447页 *

Also Published As

Publication number Publication date
CN113100778A (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
CN110680302B (zh) 一种心电信号特征波的自动识别方法
Sadhukhan et al. R-peak detection algorithm for ECG using double difference and RR interval processing
Chouhan et al. Detection of QRS complexes in 12-lead ECG using adaptive quantized threshold
Slimane et al. QRS complex detection using empirical mode decomposition
Sabherwal et al. Automatic detection of the R peaks in single-lead ECG signal
Karvounis et al. Fetal heart rate extraction from composite maternal ECG using complex continuous wavelet transform
Andreao et al. ST-segment analysis using hidden Markov Model beat segmentation: application to ischemia detection
Belkadi et al. A robust QRS detection approach using stationary wavelet transform
CN107622259B (zh) 一种t波检测方法、心电数据分析方法及装置
CN104644160A (zh) 心电图伪差信号识别方法及装置
CN110420022B (zh) 一种基于双密度小波变换的p波检测方法
Pangerc et al. Robust detection of heart beats in multimodal records using slope-and peak-sensitive band-pass filters
Plesinger et al. Robust multichannel QRS detection
Lai et al. A real-time QRS complex detection algorithm based on differential threshold method
CN113100778B (zh) 一种心电信号的r峰定位方法
Prakash et al. Noise reduction of ecg using chebyshev filter and classification using machine learning algorithms
CN108814642B (zh) 一种电子听诊器的心音定位及心率计算方法
Domazet et al. Improving the QRS detection for one-channel ECG sensor
Belkadi et al. Swarm Intelligence Approach to QRS Detection.
CN102302373A (zh) 基于复用多分辨率小波变换的心音信号特征点检测方法
Guendouzi et al. QRS complex detection in ECG signals using empirical wavelet transform and flower pollination algorithm
Emrich et al. Accelerated sample-accurate r-peak detectors based on visibility graphs
Wu et al. An improved method for ECG signal feature point detection based on wavelet transform
Zhang et al. An effective QRS detection algorithm for wearable ECG in body area network
Modak et al. Single channel QRS detection using wavelet and median denoising with adaptive multilevel thresholding

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