CN113499082A - Qrs波群检测方法、心电检测装置及可读存储介质 - Google Patents

Qrs波群检测方法、心电检测装置及可读存储介质 Download PDF

Info

Publication number
CN113499082A
CN113499082A CN202010209047.4A CN202010209047A CN113499082A CN 113499082 A CN113499082 A CN 113499082A CN 202010209047 A CN202010209047 A CN 202010209047A CN 113499082 A CN113499082 A CN 113499082A
Authority
CN
China
Prior art keywords
sampling point
peak
signal sampling
electrocardiosignals
signal
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
Application number
CN202010209047.4A
Other languages
English (en)
Other versions
CN113499082B (zh
Inventor
徐志兵
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.)
Territory Health Innovation Medical Technology Chengdu Co Ltd
Original Assignee
Territory Health Innovation Medical Technology Chengdu 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 Territory Health Innovation Medical Technology Chengdu Co Ltd filed Critical Territory Health Innovation Medical Technology Chengdu Co Ltd
Priority to CN202010209047.4A priority Critical patent/CN113499082B/zh
Priority to TW109111859A priority patent/TWI810447B/zh
Priority to US16/855,198 priority patent/US11213243B2/en
Publication of CN113499082A publication Critical patent/CN113499082A/zh
Application granted granted Critical
Publication of CN113499082B publication Critical patent/CN113499082B/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
    • A61B5/24—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
    • A61B5/24—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
    • 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
    • A61B5/366—Detecting abnormal QRS complex, e.g. widening
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (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)
  • Holo Graphy (AREA)
  • Optical Recording Or Reproduction (AREA)

Abstract

本发明提供一种QRS波群检测方法，包括：采集心电信号；利用预设的滤波器对所采集的心电信号进行滤波处理，获得经过滤波处理的心电信号；采用双斜率法处理所述经过滤波处理的心电信号，获得经过双斜率法处理的心电信号；从经过双斜率法处理的心电信号中检测R波峰；及基于所检测的R波峰输出QRS波群的位置。本发明还提供实现所述QRS波群检测方法的心电检测装置和可读存储介质。本发明能实现对QRS波群的有效检测。

Description

QRS波群检测方法、心电检测装置及可读存储介质
技术领域
本发明涉及一种医疗电子领域，尤其涉及一种QRS波群检测方法、心电检测装置及可读存储介质。
背景技术
心电图(ECG:Electrocardiograph)指心脏在每个心动周期中，由起搏点、心房、心室相继兴奋，伴随着生物电的变化，通过心电描记器从体表引出多种形式的电位变化的图形。通常使用多个电极片采集身体多个部位的电势差，再通过AD转换芯片生成连续信号。心电图是反映心脏兴奋的电活动过程，它对心脏基本功能及其病理研究方面，具有重要的参考价值。参阅图1所示，一个典型的ECG信号包括一个P波，一个QRS波群和一个T波，精确测量中可能还存在一个U波。因为R波普遍较为突出，所以在心电信号分析中，QRS波群的检测常作为关键节点，通常是后续各种生理分析的基石。
由于工频噪声、肌电信号、芯片底噪等基本都是全频段干扰信号，传统滤波方法如低通、高通、带通滤波器等均难以完全滤除。此外，心电信号中T波幅值也较大，在部分人群中甚至可能高于R波，容易造成误检。一些新兴的研究方法如神经网络算法、模版匹配算法、TROIKA算法、隐马尔科夫模型和希尔伯特-黄变换等，由于需要整段信号同时处理，且计算量巨大，通常用于服务器端后台脱机处理，不适用于嵌入式等常用简易设备的实时分析。
发明内容
鉴于以上内容，有必要提供一种QRS波群检测方法、心电检测装置及可读存储介质，可有效防止漏检及误检QRS波群，提高检测的灵敏度和准确性。
所述QRS波群检测方法包括：采集心电信号；利用预设的滤波器对所采集的心电信号进行滤波处理，获得经过滤波处理的心电信号；采用双斜率法处理所述经过滤波处理的心电信号，获得经过双斜率法处理的心电信号；从经过双斜率法处理的心电信号中检测R波峰；及基于所检测的R波峰输出QRS波群的位置。
优选地，所述预设的滤波器包括工频陷波器和二阶IIR高通滤波器。
优选地，所述采用双斜率法处理所述经过滤波处理的心电信号包括：计算所述经过滤波处理的心电信号的任意一个信号采样点的左侧的最大平均斜率以及该任意一个信号采样点的右侧的最大平均斜率；将所述任意一个信号采样点的左侧的最大平均斜率和该任意一个信号采样点的右侧的最大平均斜率中的较大者作为该任意一个信号采样点的最大平均斜率。
优选地，所述任意一个信号采样点的左侧的最大平均斜率为SL,max，该任意一个信号采样点的右侧的最大平均斜率为SR,max；其中，
Figure BDA0002422179440000021
Figure BDA0002422179440000022
其中，n、m、k为预设的正整数，zi代表信号采样点i的电压值，zi-k代表自该信号采样点i向左的第k个信号采样点的电压值，zi+k代表自该信号采样点i向右的第k个信号采样点的电压值。
优选地，所述从经过双斜率法处理的心电信号中检测R波峰包括：对每个信号采样点是否为波峰进行确认；及根据相邻两个波峰之间的间距确定该相邻两个波峰中的每个波峰是否为R波峰。
优选地，所述对每个信号采样点是否为波峰进行确认包括：当任意一个信号采样点的电压值大于第一阈值THR1且该任意一个信号采样点的电压值为极大值时，确定该任意一个信号采样点为波峰；所述根据相邻两个波峰之间的间距确定该相邻两个波峰中的每个波峰是否为R波峰包括：当相邻两个波峰之间的信号采样点的总数小于或者等于预设值时，确定该相邻两个波峰中对应更大的电压值的波峰为R波峰；及当相邻两个波峰之间的信号采样点的总数大于所述预设值时，确定该相邻两个波峰均为R波峰。
优选地，该方法还包括：基于下述公式根据当前所确定的所有R波峰的峰值中的最大峰值peak调整所述第一阈值THR1，以及调整第二阈值THR2，所述第二阈值THR2用于确定该第一阈值THR1；其中，
Figure BDA0002422179440000031
Figure BDA0002422179440000032
所述可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现所述QRS波群检测方法。
所述心电检测装置包括：存储器；至少一个处理器；所述存储器中存储有多个模块，所述多个模块由所述至少一个处理器执行，该多个模块包括：采集模块，用于采集心电信号；执行模块，用于利用预设的滤波器对所采集的心电信号进行滤波处理，获得经过滤波处理的心电信号；所述执行模块，还用于采用双斜率法处理所述经过滤波处理的心电信号，获得经过双斜率法处理的心电信号；所述执行模块，还用于从经过双斜率法处理的心电信号中检测R波峰；及所述执行模块，还用于基于所检测的R波峰输出QRS波群的位置。
相较于现有技术，所述QRS波群检测方法、心电检测装置及可读存储介质，计算复杂度较低，计算量较小，可有效防止漏检及误检QRS波群，提高检测的灵敏度和准确性。
附图说明
图1示意了一个ECG信号。
图2是本发明较佳实施例的心电检测装置的架构图。
图3是本发明较佳实施例的检测***的功能模块图。
图4是本发明较佳实施例的QRS波群检测方法的流程图。
图5A为利用滤波器处理过的心电信号的示意图。
图5B为利用双斜率法对经过滤波处理的心电信号作了进一步的处理后的示意图。
主要元件符号说明
心电检测装置 3
处理器 32
存储器 31
检测*** 30
采集模块 301
执行模块 302
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅仅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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
参阅图2所示，为本发明较佳实施例提供的心电检测装置的架构图。
本实施例中，所述心电检测装置3包括互相之间电气连接的存储器31、至少一个处理器32、至少一条通信总线33。
本领域技术人员应该了解，图2示出的心电检测装置3的结构并不构成本发明实施例的限定，所述心电检测装置3还可以包括比图2更多或更少的其他硬件或者软件，或者不同的部件布置。
需要说明的是，所述心电检测装置3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
在一些实施例中，所述存储器31可以用于存储计算机程序的程序代码和各种数据。例如，所述存储器31可以用于存储安装在所述心电检测装置3中的检测***30，并在心电检测装置3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31可以是包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-OnlyMemory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者任何其他能够用于携带或存储数据的非易失性的计算机可读的存储介质。
在一些实施例中，所述至少一个处理器32可以由集成电路组成。例如，可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述心电检测装置3的控制核心(Control Unit)，利用各种接口和线路连接整个心电检测装置3的各个部件，通过执行存储在所述存储器31内的程序或者模块或者指令，以及调用存储在所述存储器31内的数据，以执行心电检测装置3的各种功能和处理数据，例如，对心电信号的QRS波群进行检测的功能(具体细节参后面对图4的介绍)。
在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31与所述至少一个处理器32以及其他元件之间的连接通信。
在本实施例中，检测***30可以包括一个或多个模块，所述一个或多个模块存储在所述存储器31中，并由至少一个或多个处理器(本实施例为处理器32)执行，以实现对心电信号的QRS波群进行检测的功能(具体细节参后面对图4的介绍)。
在本实施例中，参阅图3所示，所述检测***30根据其所执行的功能，可以被划分为多个功能模块。所述多个功能模块包括采集模块301和执行模块302。本发明所称的模块是指一种能够被至少一个处理器(例如处理器32)所执行并且能够完成固定功能的一系列计算机可读的指令段，其存储在存储器(例如心电检测装置3的存储器31)中。在本实施例中，关于各模块的功能将在后续结合图4中详述。
本实施例中，以软件功能模块的形式实现的集成的单元，可以存储在一个非易失性可读取存储介质中。上述软件功能模块包括若干计算机可读指令用以使得一台心电检测装置3或处理器(processor)执行本发明各个实施例的方法的部分，例如图4所示的对心电信号的QRS波群进行检测的方法。
在进一步的实施例中，结合图3，所述至少一个处理器32可执行所述心电检测装置3的操作装置以及安装的各类应用程序(如所述的检测***30)、程序代码等，例如，上述的各个模块。
所述存储器31中存储有程序代码，且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如，图3中所述检测***30的各个模块是存储在所述存储器31中的程序代码，并由所述至少一个处理器32所执行，从而实现所述各个模块的功能以达到对心电信号的QRS波群进行检测的目的(详见下文中对图4的描述)。
在本发明的一个实施例中，所述存储器31存储多个计算机可读指令，所述多个计算机可读指令被所述至少一个处理器32所执行以实现对心电信号的QRS波群进行检测的目的。具体地，所述至少一个处理器32对上述计算机可读指令的具体实现方法详见下文中对图4的描述。
需要说明的是，在其他实施例中，所述检测***30也可以与存储器、处理器及其他必要的硬件或软件实现为一个嵌入式***。
图4是本发明较佳实施例提供的检测方法的流程图。
在本实施例中，所述检测方法可以应用于心电检测装置3中，对于需要进行心电信号的QRS波群进行检测的心电检测装置3，可以直接在心电检测装置3上集成本发明的方法所提供的用于检测的功能，或者以软件开发工具包(Software Development Kit，SDK)的形式运行在心电检测装置3上。
如图4所示，所述检测方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
步骤S1、采集模块301采集心电信号。
具体地，采集模块301可利用粘着在人体皮肤上的在心外部的区域中的电极来采集心电信号。
步骤S2、执行模块302利用预设的滤波器对所采集的心电信号进行滤波处理，获得经过滤波处理的心电信号。
本实施例中，所述预设的滤波器包括工频陷波器和二阶IIR高通滤波器。
在一个实施例中，所述工频陷波器的频率可以为50Hz。所述执行模块302利用所述工频陷波器可以从所述心电信号中去除工频噪声干扰。在一个实施例中，所述二阶IIR高通滤波器的截止频率可以为0.4Hz，所述执行模块302利用所述二阶IIR高通滤波器可以从所述心电信号中去除基线漂移。
在其他实施例中，所述预设的滤波器也可以为其他型号的滤波器。
步骤S3、执行模块302采用双斜率法处理所述经过滤波处理的心电信号，获得经过双斜率法处理的心电信号。
在一个实施例中，所述采用双斜率法处理所述经过滤波处理的心电信号包括(a1)-(a2)：
(a1)计算所述经过滤波处理的心电信号的任意一个信号采样点的左侧的最大平均斜率以及该任意一个信号采样点的右侧的最大平均斜率。
在一个实施例中，所述任意一个信号采样点的左侧的最大平均斜率为SL,max，该任意一个信号采样点的右侧的最大平均斜率为SR,max。
其中，
Figure BDA0002422179440000091
Figure BDA0002422179440000092
其中，n、m、k为预设的正整数，zi代表信号采样点i的电压值，zi-k代表自该信号采样点i向左的第k个信号采样点的电压值，zi+k代表自该信号采样点i向右的第k个信号采样点的电压值。
在一个实施例中，n和m的值根据所述心电信号的采样频率以及QRS波群的通常宽度来设置。
举例而言，假设所述心电信号的采样频率为250Hz，QRS波群的宽度为0.06-0.1s，那么n可以等于6，m可以等于15。
(a2)将所述任意一个信号采样点的左侧的最大平均斜率和该任意一个信号采样点的右侧的最大平均斜率中的较大者作为该任意一个信号采样点的最大平均斜率。
需要说明的是，在其他实施例中，当所述任意一个信号采样点的左侧的最大平均斜率等于该任意一个信号采样点的右侧的最大平均斜率时，则将所述任意一个信号采样点的左侧的最大平均斜率或者该任意一个信号采样点的右侧的最大平均斜率作为该任意一个信号采样点的最大平均斜率。
采用本发明中的上述双斜率法对所述心电信号处理后，R波峰明显突出，更易于后续QRS波群峰的检测。效果可参图5A-图5B所示。
具体地，图5A为利用所述预设的滤波器处理过的心电信号的示意图。从图5A中可以看出，经过滤波处理后心电信号的R波峰水平约为6800，噪声水平约为4300，噪声幅值比例约为63.24％。图5B为利用所述双斜率法对所述经过滤波处理的心电信号作进一步的处理后的示意图。从图5B可以看出，经过双斜率法处理后的心电信号的R波峰水平约为1400，噪声水平约为400，噪声幅值比例约为28.57％。很明显，经过所述双斜率法处理后，心电信号中的T波及噪声干扰明显降低。此外，从图5A中可以看出横坐标8000-8500点处有较强干扰，从图5B中可以看出，经过双斜率法处理后横坐标8000-8500点处的干扰得到了完美滤除。
步骤S4、执行模块302从经过双斜率法处理的心电信号中检测R波峰。
本实施例中，所述从经过双斜率法处理的心电信号中检测R波峰包括(b1)-(b2)：
(b1)对每个信号采样点是否为波峰进行确认。
本实施例中，所述对每个信号采样点是否为波峰进行确认包括：当任意一个信号采样点的电压值大于第一阈值THR1且该任意一个信号采样点的电压值为极大值时，确定该任意一个信号采样点为波峰；及当任意一个信号采样点的电压值小于或者等于所述第一阈值THR1，及/或该任意一个信号采样点的电压值不为极大值时，确定该任意一个信号采样点不为波峰。
本实施例中，任意一个信号采样点的电压值为极大值是指该任意一个信号采样点的电压值大于自该任意一个信号采样点向左的第一个信号采样点的电压值，且该任意一个信号采样点的电压值大于自该任意一个信号采样点向右的第一个信号采样点的电压值。
(b2)根据相邻两个波峰之间的间距确定该相邻两个波峰中的每个波峰是否为R波峰。
本实施例中，所述根据相邻两个波峰之间的间距确定该相邻两个波峰中的每个波峰是否为R波峰包括：
当相邻两个波峰之间的信号采样点的总数小于或者等于预设值(例如60)时，确定该相邻两个波峰中对应更大的电压值的波峰为R波峰；及
当相邻两个波峰之间的信号采样点的总数大于所述预设值时，确定该相邻两个波峰均为R波峰。
步骤S5、执行模块302基于所检测的R波峰输出QRS波群的位置。
具体地，QRS波群的位置可以用R波峰的位置来表示。R波峰的位置则是用对应R波峰的信号采样点所对应的时间来表示。
在一个实施例中，执行模块302输出QRS波群的位置时还可以考虑滤波延时，即将R波峰的位置往后移动预设时间点后的位置作为QRS波群的位置。
具体地，所述预设时间点可以根据所述预设的滤波器的阶数来确定。
在其他实施例中，所述执行模块302于输出所述QRS波群的位置之前，还可以基于下述公式根据当前所确定的所有R波峰的峰值中的最大峰值peak调整所述第一阈值THR1，以及调整第二阈值THR2，所述第二阈值THR2用于确定该第一阈值THR1。具体地，
Figure BDA0002422179440000111
Figure BDA0002422179440000112
需要说明的是，所述执行模块302根据当前所确定的所有R波峰的峰值中的最大峰值peak实时调整所述第一阈值THR1和第二阈值THR2，使得本发明可以实时适应不断变化的信号水平，进而可有效地防止漏检及误检R波峰，提高检测的灵敏度和准确性。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照以上较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (9)

1.一种QRS波群检测方法，其特征在于，该方法包括：
采集心电信号；
利用预设的滤波器对所采集的心电信号进行滤波处理，获得经过滤波处理的心电信号；
采用双斜率法处理所述经过滤波处理的心电信号，获得经过双斜率法处理的心电信号；
从经过双斜率法处理的心电信号中检测R波峰；及
基于所检测的R波峰输出QRS波群的位置。
2.如权利要求1所述的QRS波群检测方法，其特征在于，所述预设的滤波器包括工频陷波器和二阶IIR高通滤波器。
3.如权利要求1所述的QRS波群检测方法，其特征在于，所述采用双斜率法处理所述经过滤波处理的心电信号包括：
计算所述经过滤波处理的心电信号的任意一个信号采样点的左侧的最大平均斜率以及该任意一个信号采样点的右侧的最大平均斜率；
将所述任意一个信号采样点的左侧的最大平均斜率和该任意一个信号采样点的右侧的最大平均斜率中的较大者作为该任意一个信号采样点的最大平均斜率。
4.如权利要求3所述的QRS波群检测方法，其特征在于，所述任意一个信号采样点的左侧的最大平均斜率为SL，max，该任意一个信号采样点的右侧的最大平均斜率为SR，max；
其中，
Figure FDA0002422179430000011
Figure FDA0002422179430000021
其中，n、m、k为预设的正整数，zi代表信号采样点i的电压值，zi-k代表自该信号采样点i向左的第k个信号采样点的电压值，zi+k代表自该信号采样点i向右的第k个信号采样点的电压值。
5.如权利要求4所述的QRS波群检测方法，其特征在于，所述从经过双斜率法处理的心电信号中检测R波峰包括：
对每个信号采样点是否为波峰进行确认；及
根据相邻两个波峰之间的间距确定该相邻两个波峰中的每个波峰是否为R波峰。
6.如权利要求5所述的QRS波群检测方法，其特征在于，所述对每个信号采样点是否为波峰进行确认包括：
当任意一个信号采样点的电压值大于第一阈值THR1且该任意一个信号采样点的电压值为极大值时，确定该任意一个信号采样点为波峰；
所述根据相邻两个波峰之间的间距确定该相邻两个波峰中的每个波峰是否为R波峰包括：
当相邻两个波峰之间的信号采样点的总数小于或者等于预设值时，确定该相邻两个波峰中对应更大的电压值的波峰为R波峰；及
当相邻两个波峰之间的信号采样点的总数大于所述预设值时，确定该相邻两个波峰均为R波峰。
7.如权利要求6所述的QRS波群检测方法，其特征在于，该方法还包括：
基于下述公式根据当前所确定的所有R波峰的峰值中的最大峰值peak调整所述第一阈值THR1，以及调整第二阈值THR2，所述第二阈值THR2用于确定该第一阈值THR1；其中，
Figure FDA0002422179430000031
Figure FDA0002422179430000032
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至7中任意一项的所述QRS波群检测方法。
9.一种心电检测装置，其特征在于，该心电检测装置包括：
存储器；
至少一个处理器；
所述存储器中存储有多个模块，所述多个模块由所述至少一个处理器执行，该多个模块包括：
采集模块，用于采集心电信号；
执行模块，用于利用预设的滤波器对所采集的心电信号进行滤波处理，获得经过滤波处理的心电信号；
所述执行模块，还用于采用双斜率法处理所述经过滤波处理的心电信号，获得经过双斜率法处理的心电信号；
所述执行模块，还用于从经过双斜率法处理的心电信号中检测R波峰；及
所述执行模块，还用于基于所检测的R波峰输出QRS波群的位置。
CN202010209047.4A 2020-03-23 2020-03-23 Qrs波群检测方法、心电检测装置及可读存储介质 Active CN113499082B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010209047.4A CN113499082B (zh) 2020-03-23 2020-03-23 Qrs波群检测方法、心电检测装置及可读存储介质
TW109111859A TWI810447B (zh) 2020-03-23 2020-04-08 波群檢測方法、心電檢測裝置及可讀儲存介質
US16/855,198 US11213243B2 (en) 2020-03-23 2020-04-22 Method for detecting QRS complex, electrocardiogram detection device and readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010209047.4A CN113499082B (zh) 2020-03-23 2020-03-23 Qrs波群检测方法、心电检测装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN113499082A true CN113499082A (zh) 2021-10-15
CN113499082B CN113499082B (zh) 2023-12-19

Family

ID=77746443

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010209047.4A Active CN113499082B (zh) 2020-03-23 2020-03-23 Qrs波群检测方法、心电检测装置及可读存储介质

Country Status (3)

Country Link
US (1) US11213243B2 (zh)
CN (1) CN113499082B (zh)
TW (1) TWI810447B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114343642A (zh) * 2021-10-22 2022-04-15 厦门大学 一种基于心率变异性指标的疲劳驾驶检测方法、***

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114521901B (zh) * 2021-12-28 2024-03-19 宁波慈溪生物医学工程研究所 一种心电特征提取方法、装置及存储介质
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 (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110184297A1 (en) * 2010-01-26 2011-07-28 Stmicroelectronics S.R.L. Method and device for estimating morphological features of heart beats
CN105030228A (zh) * 2015-06-29 2015-11-11 深圳市理邦精密仪器股份有限公司 在心电信号中确定其p波位置的方法及装置
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
CN107997759A (zh) * 2017-10-27 2018-05-08 北京康博众联电子科技有限公司 心电信号中qrs波群的检测方法、存储介质和计算机设备
CN108056773A (zh) * 2017-12-11 2018-05-22 重庆邮电大学 基于改进变分模态分解的心电信号qrs波群检测算法
CN110327032A (zh) * 2019-03-27 2019-10-15 苏州平稳芯跳医疗科技有限公司 一种单导心电信号pqrst波联合精准识别算法
CN110507317A (zh) * 2019-09-03 2019-11-29 西安邮电大学 一种心电信号r波的自适应ca-cfar定位方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090216144A1 (en) * 2008-02-25 2009-08-27 Bruce Hopenfeld Hopping methods for the detection of QRS onset and offset
US10314542B2 (en) * 2016-01-14 2019-06-11 Biosense Webster (Israel) Ltd. Identification of fractionated signals
CN106963368A (zh) * 2017-02-07 2017-07-21 深圳中科汇康技术有限公司 Qrs复合波检测方法及装置
CN110432895B (zh) * 2019-08-09 2022-02-11 上海鹰瞳医疗科技有限公司 训练数据处理、心电波形检测方法及电子设备
CN110840443B (zh) * 2019-11-29 2022-06-10 京东方科技集团股份有限公司 心电信号处理方法、心电信号处理装置和电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110184297A1 (en) * 2010-01-26 2011-07-28 Stmicroelectronics S.R.L. Method and device for estimating morphological features of heart beats
CN105030228A (zh) * 2015-06-29 2015-11-11 深圳市理邦精密仪器股份有限公司 在心电信号中确定其p波位置的方法及装置
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
CN107997759A (zh) * 2017-10-27 2018-05-08 北京康博众联电子科技有限公司 心电信号中qrs波群的检测方法、存储介质和计算机设备
CN108056773A (zh) * 2017-12-11 2018-05-22 重庆邮电大学 基于改进变分模态分解的心电信号qrs波群检测算法
CN110327032A (zh) * 2019-03-27 2019-10-15 苏州平稳芯跳医疗科技有限公司 一种单导心电信号pqrst波联合精准识别算法
CN110507317A (zh) * 2019-09-03 2019-11-29 西安邮电大学 一种心电信号r波的自适应ca-cfar定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Y. WANG ET AL, A COMPUTATIONALLY EFFICIENT QRS DETECTION ALGORITHM FOR WEARABLE ECG SENSORS, pages 5641 - 5644 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114343642A (zh) * 2021-10-22 2022-04-15 厦门大学 一种基于心率变异性指标的疲劳驾驶检测方法、***

Also Published As

Publication number Publication date
US11213243B2 (en) 2022-01-04
CN113499082B (zh) 2023-12-19
TWI810447B (zh) 2023-08-01
US20210290095A1 (en) 2021-09-23
TW202142174A (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
US10194821B2 (en) Medical device having automated ECG feature extraction
CN113499082B (zh) Qrs波群检测方法、心电检测装置及可读存储介质
CN111134659B (zh) 一种用于心电信号中p波和t波的检测方法和装置
CN109820501B (zh) 一种心电信号r波的识别方法、装置、计算机设备
WO2006081340A2 (en) Algorithms for detecting cardiac arrhythmia and methods and apparatuses utilizing the algorithms
CN111419212A (zh) 心电图数据处理的方法、装置、存储介质及计算机设备
CN110367968B (zh) 一种右束支阻滞检测方法、装置、设备及存储介质
Vijaya et al. Arrhythmia detection through ECG feature extraction using wavelet analysis
Salsekar et al. Filtering of ECG signal using butterworth filter and its feature extraction
CN114916940A (zh) 基于专家知识的心律失常信号检测方法、***及终端
CN111166325B (zh) 基于ipcmm算法的心电信号qrs复合波检测方法及***
CN116849669A (zh) 一种心电信号信号处理***及除颤器
CN115969398B (zh) 眨眼检测方法及装置
CN109259750B (zh) 心率计算方法、装置、计算机设备和存储介质
JP7163058B2 (ja) 特徴検出用のフィルタを含むｅｃｇ機械
Bayasi et al. A 65-nm low power ECG feature extraction system
Illanes-Manriquez An automatic multi-lead electrocardiogram segmentation algorithm based on abrupt change detection
CN113288169B (zh) 一种心电波形信号的波形识别方法、装置及设备
Jindal et al. MATLAB based GUI for ECG arrhythmia detection using Pan-Tompkin algorithm
Oktivasari et al. A simple real-time system for detection of normal and myocardial ischemia in the ST segment and t wave ECG signal
Kim et al. A biomedical signal segmentation algorithm for event detection based on slope tracing
El B'Charri et al. An efficient wavelet-based feature extraction scheme for electrocardiogram signals
Bharadwaj et al. Early diagnosis and automated analysis of Myocardial Infarction (STEMI) by detection of ST segment elevation using wavelet transform and feature extraction
CN115886834B (zh) Ecg的心电数据波峰检测方法、装置及计算机设备
Bachi et al. Knowledge-based QRS detection performed by a cascade of moving average filters

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