TWI696191B - 降低雜訊影響之qrs波偵測演算法 - Google Patents
降低雜訊影響之qrs波偵測演算法 Download PDFInfo
- Publication number
- TWI696191B TWI696191B TW107143823A TW107143823A TWI696191B TW I696191 B TWI696191 B TW I696191B TW 107143823 A TW107143823 A TW 107143823A TW 107143823 A TW107143823 A TW 107143823A TW I696191 B TWI696191 B TW I696191B
- Authority
- TW
- Taiwan
- Prior art keywords
- value
- noise
- positive
- frequency signal
- reducing
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 230000000694 effects Effects 0.000 title abstract description 5
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 17
- 230000007717 exclusion Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000013213 extrapolation Methods 0.000 claims 2
- 201000010099 disease Diseases 0.000 abstract description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 9
- 230000003313 weakening effect Effects 0.000 abstract 1
- 238000002565 electrocardiography Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 208000019622 heart disease Diseases 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本發明降低雜訊影響之QRS波偵測演算法，其包含有調整、讀取、前處理、轉換、計算及選擇等步驟；於該調整步驟中調整窗格後，並於該讀取步驟中載入原始訊號，以便透過該窗格擷取該原始訊號，接著於該前處理步驟中消除基線飄移，然後於該轉換步驟中做小波轉換得到所有尺度的高、低頻訊號，再於該計算步驟中計算正、負門檻值，最後於該選擇步驟中判斷訊號雜訊多寡來選用分析的尺度，如此即可有效判斷訊號中的雜訊多寡，並藉由選擇雜訊較少的尺度進行分析，以便降低雜訊對於QRS波偵測的影響，同時大幅提升判斷準確度及提升分析速度，以達到病症的快速評估及診斷，並有效減少人力資源的消耗。
Description
本發明是有關於一種演算方式，特別是一種降低雜訊影響之QRS波偵測演算法。
查，隨著國人平均壽命逐年延長，同時疾病的型態也由急性轉為慢性居多，例如癌症、心臟疾病、腦性血管疾病等的提早發現都能提供更多不同的方法作為治療的選擇，以利控制病情及提升治癒率，而心電圖的使用已廣為大眾所知，其用於量測與監控人體的心電訊號，以提供良好的訊息，使得醫療人員或研究人員得以藉由心電訊號所呈現的心臟整體的電位變化，進而清楚地瞭解患者的心臟狀況，以及檢測出有潛在危險的患者，亦或是幫助監測心臟有缺陷的患者，以便降低患者心臟疾病發作的風險，而在進行心電訊號的判斷及分類之前，醫療人員或研究人員必須要在大量的心電訊號中找出QRS波型，進而藉由P、Q、R、S、T波的位置、大小及形狀，來做為診斷心臟疾病的依據。
然，心電訊號非常微小，其可能因為導電凝膠的多寡，貼片與皮膚的貼合程度，穿戴者因說話或點頭等動作所產生的肢體抖動，亦或導線被晃動而造成電氣傳導被干擾，或是傳導不完全等現象，進而於心電圖上產生雜訊，同時環境或設備的震動亦會影響心電訊號量測的準確度，因此，為求提升心電訊號分析判斷的精準性，其通常需要花費相當長的時間進行判讀，惟，大量的心電訊號不僅造成分析判讀作業需要耗費很長的時數，且其需經由專業的醫療人員或是研究人員來進行判讀，故在人力資源的消耗是相當龐大的，因此，如何降低雜訊對於判讀心電訊號中QRS波的影響，藉以快速且精準地判斷出QRS波，並讓專業的醫療人員或是研究人員快速評估及診斷病人的病症，進而有效減少人力資源的消耗，以及提升整體分析的速度，實以成為各界無法忽視的重要議題。
因此，本發明之目的，是在提供一種降低雜訊影響之QRS波偵測演算法，其可有效降低雜訊的影響，藉以提升判斷準確度，降低計算量及提升分析速度，以達到病症的快速評估及診斷，同時有效減少人力資源的消耗。
於是，本發明降低雜訊影響之QRS波偵測演算法，其包含有調整、讀取、前處理、轉換、計算及選擇步驟等；其中，於該調整步驟調整擷取窗格，並於該讀取步驟載入欲分析之原始訊號，再於該前處理步驟濾出基線飄移訊號，其進一步於該轉換步驟透過小波轉換得到所有尺度的低頻訊號、高頻訊號及正、負特徵極值點，接著於該計算步驟計算正、負門檻值，最後於該選擇步驟刪去該高頻訊號內大於該正、負門檻值兩倍的正、負特徵極值點，並透過選擇公式帶入第三尺度與第四尺度剩餘之正、負特徵極值點進行計算，當所得數值大於一，則使用第四尺度之高頻訊號進行分析，反之則使用第三尺度之高頻訊號進行分析；是以，利用小波轉換中的多重解析之特性，配合選擇公式判斷尺度中的雜訊多寡，以針對不同的情況選用不同的尺度來做偵測分析，藉以有效降低雜訊對QRS波偵測的影響，進而大幅提升判斷準確度，降低整體計算量及提升分析速度，以達到病症的快速評估及診斷，同時有效減少人力資源的消耗。
有關本發明之前述及其他技術內容、特點與功效，在以下配合參考圖式之較佳實施例的詳細說明中，將可清楚的明白。
參閱圖1及圖2，本發明之第一較佳實施例，一種降低雜訊影響之QRS波偵測演算法3，其包含有一調整步驟31，一讀取步驟32，一前處理步驟33，一轉換步驟34，一計算步驟35及一選擇步驟36等；參閱圖3及圖4，首先於該調整步驟31中，備有一處理器4，並藉由該處理器4透過小波轉換公式進行擷取窗格的調整作業，而該小波轉換公式如下列：
利用母小波Ψ(t-b/a)中的係數a可以讓母小波伸縮，而係數b可以讓母小波平移，透過該係數a、b調整讓母小波按照輸入的參數伸縮與平移即可得到類似可以自由調整的擷取窗格，並使任二擷取窗格間重疊複數個取樣點，不同數量的取樣點重疊亦會影響後續偵測正確性，而本實施例中係以任二擷取窗格間重疊150個取樣點且每個擷取窗格為4096個取樣點為例加以說明，並於該讀取步驟32載入欲分析之原始訊號S，參閱圖4及圖5-1，接著於該前處理步驟33中備有濾波器5，而本實施例中係以該濾波器5為200ms中值濾波器5及600ms中值濾波器5為例加以說明，首先藉由該200ms中值濾波器5針對該原始訊號S進行初步濾波處理，藉以濾除QRS波及P波，接著藉由該600ms中值濾波器5再針對經過該200ms中值濾波器5濾波後之原始訊號S進行濾波處理，藉以濾除T波，並得到不包含QRS波、P波及T波的基線飄移訊號，再將該原始訊號S減去該基線飄移訊號，即得到修正之原始訊號S，即如圖5-2所示，而本實施例中，該前處理步驟32不包含消除高頻雜訊之動作，藉以避免該原始訊號S於消除高頻雜訊的過程中，連同頻率較高的QRS波型一起被影響而降低特徵值。
仍續前述，參閱圖6及圖7，再於該轉換步驟33，採用的雙正交樣條小波的母小波為下列公式：
藉由上述公式得到所有尺度的高頻訊號D與低頻訊號A，轉換尺度的數量可依實際需求與情況進行調整，而本實施例中係以小波轉換得到四個尺度的高頻訊號D1、D2、D3、D4及低頻訊號A1、A2、A3、A4為例加以說明，即如圖8及圖9所示，另亦可透過小波轉換等效的高通濾波器及低通濾波器進行轉換處理，參閱圖10，該等高頻訊號D1、D2、D3、D4中之波型皆轉換為正、負特徵極值點，再將該等高頻訊號D1、D2、D3、D4之擷取窗格前50個取樣點及後50個取樣點予以去除，不納入檢測運算。
仍續前述，於該計算步驟35中，先將於所選尺度之高頻訊號分成四段，並在該四段訊號內分別取正的最大值與負的最小值，然後將四個最大值取平均數得到平均最大值，以及將四個最小值取平均數得到平均最小值，接著取平均最大值的四分之一的數值，以得到正門檻值，另取平均最小值的四分之一的數值，以得到負門檻值。
仍續前述，於該選擇步驟36中，分別將該第三尺度之高頻訊號D3及該第四尺度之高頻訊號D4中，大於該正門檻值及該負門檻值兩倍的正、負特徵極值點予以去除，並將該高頻訊號D3剩餘之正、負特徵極值點及該高頻訊號D4剩餘之正、負特徵極值點透過一選擇公式計算，令雜訊比為SNR，比較該第三尺度之高頻訊號D3及該第四尺度之高頻訊號D4的雜訊比SNR(DP3, DP4)，而該選擇公式如下列：
將該第三尺度的極值絕對值總和除以該第四尺度的極值絕對值總和，當SNR(DP3, DP4)小於一，代表雜訊較少則使用該第三尺度之高頻訊號D3進行分析，反之，當SNR(DP3, DP4)大於一，代表雜訊較多則使用該第四尺度之高頻訊號D4進行分析，參閱圖11，該高頻訊號D3相較於該高頻訊號D4雜訊多，因此選用該第四尺度之高頻訊號D4做分析，一般來說，若非雜訊多之情況，較佳為使用該第三尺度之高頻訊號D3來做分析，因該第一尺度及該第二尺度高頻訊號D1、D2的高頻成分較多，還是會有很多雜訊干擾，而該第四尺度的高頻訊號D4則是高頻成分較低，且低頻成分較明顯，會在某些T波或P波較大時的情況被干擾，所以該第三尺度是在大多數情況較適合使用的尺度。
仍續前述，完成前述該等調整31、讀取32、前處理33、轉換34、計算35及選擇36等步驟後，即能過濾掉大部分的雜訊，因此利用小波轉換中的多重解析之特性，並針對不同的情況使用不同的尺度來做QRS波的偵測，進而減少檢測時的干擾，增加檢測的準確度，同時僅針對該原始訊號S做消除基線飄移的處理，而不進行高頻濾波，藉以避免影響該原始訊號S中最明顯的QRS波，不僅有效降低雜訊對於QRS波判讀的影響，同時快速且準確做到QRS波的定位，藉以大大提升判斷準確度，降低整體計算量及有效提升分析速度，以達到病症的快速評估及診斷，並有效減少人力資源的消耗。
參閱圖12及圖13，本發明之第二較佳實施例，其仍包含有前一實施例所述之步驟及作法，而本實施例特別在於：該選擇步驟36後依序另包含有一推算步驟37、一判斷步驟38及一排除步驟39等；參閱圖14，於該推算步驟37中，首先標示出一超過該正門檻值之正特徵極值點，並標示出一與該正特徵極值點極性相反且超過該負門檻值之負特徵極值點，以形成特徵極值對，且該正、負特徵極值點間之距離不超過預設值，而本實施例中該預設值為45個取樣點，當距離超過45個取樣點則表示波型較圓滑，不太符合QRS波型高聳尖銳的特徵，配合參閱圖15，接著將正特徵極值點座標(X2, Y2)、負特徵極值點座標(X1, Y1)，以及該原始訊號S做小波轉換後對時間領域超前或落後的量值𝛽帶入一推算公式，而本實施例中，該𝛽值依不同使用尺度帶入，其於該第二尺度為5，該第三尺度為10，該第四尺度為25，而該推算公式如下列：
藉由上述推算公式推算出該原始訊號S在時間領域對應的座標P(n)。
參閱圖14，接著於該判斷步驟38中，其將前述座標P(n)與前一特徵極值對所推算出之座標P(n-1)間的距離做比較，因年紀、性別、生活習慣等不同因素的影響，該距離的判斷標準值亦會有所不同，不應以此為限，當該距離小於第一數值，而本實施例中該第一數值係為100取樣點，取該座標P(n)與P(n-1)波型較尖銳者，亦即將該P(n)與P(n-1)個別的正特徵極值點座標(X2, Y2)及負特徵極值點座標(X1, Y1)帶入一判斷公式，該判斷公式如下列：
透過該判斷公式計算後取結果值(α)較大者（即為R波波峰）加入紀錄，配合參閱圖16，框起處出現兩對特徵極值對，透過該判斷公式進行計算並取結果值較大者，亦即R波波峰，應加入紀錄；當該距離小於第二數值且大於該第一數值，代表受測者心率較快，亦或該心電圖訊號中含有較陡峭的T波或P波，必須進一步判斷，而本實施例中該第二數值係為130個取樣點，是以，加入第二尺度之高頻訊號D2協助判斷，當該第三尺度之該特徵極值對亦出現在該第二尺度之高頻訊號D2內且位置相同，則將該P(n)座標位置加入紀錄，當座標P(n-1)與P(n)皆出現在該第三尺度與該第二尺度的高頻訊號D3、D2當中，則代表該二座標P(n-1)、P(n)皆為R波波峰，因此該二座標P(n-1)、P(n)皆須加入紀錄，反之，未同時出現在該第三尺度與該第二尺度高頻訊號D3、D2中的座標代表不是R波波峰，則不予以記錄，配合參閱圖17，該第三尺度高頻訊號D3框起處之特徵極值對亦出現在該第二尺度高頻訊號D2中，即加入紀錄，另外參閱圖18，圖18所示之框起處在該第三尺度的高頻訊號D3出現特徵極值對，然而在該第二尺度的高頻訊號D2並沒有該特徵極值對，則不加入紀錄；當該距離大於該第二數值，亦即大於130個取樣點，則直接紀錄座標P(n)位置，最後於該排除步驟39藉由前述判斷公式計算該每一特徵極值對之結果值(α)，當該結果值小於所有結果值之平均值的五分之一，即將該點由紀錄中刪除。
因此，配合該推算37、判斷38及排除39等步驟，進一步增加判讀的準確度，同時交互運用第二、三、四尺度的高頻訊號D2、D3、D4來做分析，進而快速且準確做到QRS波的定位，大大提升判斷準確度，降低整體計算量及有效提升分析速度，以達到病症的快速評估及診斷，更能減少人力資源的消耗。
本發明採用MIT-BIH心律不整資料庫的48筆心電圖紀錄，總共109,488個QRS波，進一步測試本案所提出的演算法3，並採用下列算式計算本案所提之演算法3的靈敏度(Se)、陽性預測值(+P)及錯誤率(Der)等數值：
TP：正確的QRS波總數
FP：非QRS波卻被偵測到的總數
FN：是QRS波卻沒被偵測到的總數
FP+FN：總錯誤數量
參下列表1，實驗結果顯示QRS波的偵測正確性可達到99.84%的靈敏度和99.91%的陽性預測值，錯誤率僅為0.2471%，因此，本案所提出之演算法3具有相當的準確度且也有實際應用的價值。
表1
| 編號 | TP | FP | FN | FP+FN | 編號 | TP | FP | FN | FP+FN |
| 100 | 2,273 | 0 | 0 | 0 | 201 | 1,963 | 6 | 2 | 8 |
| 101 | 1,865 | 0 | 0 | 0 | 202 | 2,136 | 0 | 3 | 3 |
| 102 | 2,187 | 0 | 0 | 0 | 203 | 2,980 | 13 | 33 | 46 |
| 103 | 2,084 | 0 | 0 | 0 | 205 | 2,656 | 0 | 6 | 6 |
| 104 | 2,229 | 1 | 1 | 2 | 207 | 1,860 | 1 | 18 | 19 |
| 105 | 2,572 | 27 | 4 | 31 | 208 | 2,955 | 2 | 16 | 18 |
| 106 | 2,027 | 0 | 5 | 5 | 209 | 3,005 | 0 | 2 | 2 |
| 107 | 2,137 | 0 | 1 | 1 | 210 | 2,650 | 4 | 8 | 12 |
| 108 | 1,763 | 10 | 13 | 23 | 212 | 2,748 | 0 | 0 | 0 |
| 109 | 2,532 | 0 | 0 | 0 | 213 | 3,251 | 0 | 0 | 0 |
| 111 | 2,124 | 0 | 1 | 1 | 214 | 2,262 | 1 | 3 | 4 |
| 112 | 2,539 | 0 | 0 | 0 | 215 | 3,363 | 0 | 1 | 1 |
| 113 | 1,789 | 6 | 0 | 6 | 217 | 2,208 | 3 | 7 | 10 |
| 114 | 1,879 | 1 | 8 | 9 | 219 | 2,154 | 0 | 0 | 0 |
| 115 | 1,953 | 0 | 0 | 0 | 220 | 2,048 | 0 | 0 | 0 |
| 116 | 2,412 | 0 | 20 | 20 | 221 | 2,427 | 0 | 2 | 2 |
| 117 | 1,535 | 0 | 0 | 0 | 222 | 2,483 | 1 | 2 | 3 |
| 118 | 2,278 | 0 | 0 | 0 | 223 | 2,605 | 0 | 3 | 3 |
| 119 | 1,987 | 0 | 0 | 0 | 228 | 2,053 | 8 | 13 | 21 |
| 121 | 1,863 | 0 | 1 | 1 | 230 | 2,256 | 1 | 0 | 1 |
| 122 | 2,476 | 0 | 0 | 0 | 231 | 1,571 | 0 | 0 | 0 |
| 123 | 1,518 | 0 | 0 | 0 | 232 | 1,780 | 4 | 0 | 4 |
| 124 | 1,619 | 0 | 0 | 0 | 233 | 3,079 | 0 | 2 | 2 |
| 200 | 2,601 | 2 | 5 | 7 | 234 | 2,753 | 0 | 0 | 0 |
歸納前述，本發明降低雜訊影響之QRS波偵測演算法，其包含有調整、讀取、前處理、轉換、計算及選擇等步驟；於該調整步驟中藉由該處理器調整擷取窗格，並於該讀取步驟中載入該原始訊號後，進一步於該前處理步驟中透過該濾波器消除基線飄移，以得到修正之原始訊號，接著於該轉換步驟中轉換修正之原始訊號以得到所有尺度的高頻訊號及低頻訊號，再於該計算步驟中計算出正、負門檻值，最後於該選擇步驟中透過該選擇公式選擇合用的分析尺度，因此，利用小波轉換中的多重解析之特性，同時配合選擇公式判斷尺度中的雜訊多寡，以於高頻雜訊準位較大時使用較低頻的尺度成份，而在低頻的P波或T波振幅較大時使用較高頻的尺度成份，藉以降低雜訊以及大振幅的P波與T波所造成的誤判，以及降低雜訊對於QRS波偵測的影響，進而大幅提升判斷準確度及提升分析速度，以達到病症的快速評估及診斷，同時有效減少人力資源的消耗。
惟以上所述者，僅為說明本發明之較佳實施例而已，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明書內容所作之簡單的等效變化與修飾，皆應仍屬本發明專利涵蓋之範圍內。
(本發明)
3:降低雜訊影響之QRS波偵測演算法
31:調整步驟
32:讀取步驟
33:前處理步驟
34:轉換步驟
35:計算步驟
36:選擇步驟
37:推算步驟
38:判斷步驟
39:排除步驟
4:處理器
5:濾波器
S:原始訊號
A1:第一尺度之低頻訊號
A2:第二尺度之低頻訊號
A3:第三尺度之低頻訊號
A4:第四尺度之低頻訊號
D1:第一尺度之高頻訊號
D2:第二尺度之高頻訊號
D3:第三尺度之高頻訊號
D4:第四尺度之高頻訊號
圖1是本發明第一較佳實施例之流程方塊示意圖。 圖2是該第一較佳實施例之另一流程方塊示意圖。 圖3是調整擷取窗格之示意圖 圖4是該第一較佳實施例之局部流程方塊示意圖。 圖5-1是基線飄移之原始訊號。 圖5-2是修正基線飄移之原始訊號。 圖6是小波多重分解示意圖。 圖7是小波一階轉換波型圖。 圖8是原始訊號經四階小波轉換後的低頻訊號。 圖9是原始訊號經四階小波轉換後的高頻訊號。 圖10是高頻訊號呈現正、負特徵極值點。 圖11是去除較大的特徵極值點後剩下的極值點。 圖12是本發明第二較佳實施例之流程方塊示意圖。 圖13是該第二較佳實施例之另一流程方塊示意圖。 圖14是該第二較佳實施例之局部流程方塊示意圖。 圖15是特徵極值對示意圖。 圖16是出現兩對特徵極值對則取波型較尖銳者。 圖17-18是加入第二尺度的高頻成分判斷。
3:降低雜訊影響之QRS波偵測演算法
31:調整步驟
32:讀取步驟
33:前處理步驟
34:轉換步驟
35:計算步驟
36:選擇步驟
Claims (10)
- 一種降低雜訊影響之QRS波偵測演算法，其包含有下列步驟： 一調整步驟，其備具一處理器，該處理器透過小波轉換公式調整擷取窗格，使得任二擷取窗格間重疊數個取樣點，以便透過該擷取窗格擷取欲分析之原始訊號； 一讀取步驟，其針對欲分析之原始訊號進行讀取與載入動作； 一前處理步驟，其備有一濾波器，該濾波器針對該原始訊號進行濾波處理，以得到基線飄移訊號，再將該原始訊號減去該基線飄移訊號，藉以得到修正之原始訊號； 一轉換步驟，該修正之原始訊號通過小波轉換得到所有尺度的高頻訊號與低頻訊號，同時該修正之原始訊號中的波型轉換為正、負特徵極值點； 一計算步驟，其首先將所選尺度的高頻訊號分成四段，並在該四段訊號內分別取正的最大值與負的最小值，然後將四個最大值與四個最小值分別取平均數後，得到平均最大值及平均最小值，接著取平均最大值的四分之一的數值，以得到一正門檻值，另取平均最小值的四分之一的數值，以得到一負門檻值；以及 一選擇步驟，其去除該高頻訊號中，大於該正、負門檻值兩倍的正、負特徵極值點，並將第三尺度高頻訊號剩餘之正、負特徵極值點及第四尺度高頻訊號剩餘之正、負特徵極值點透過一選擇公式進行計算，當所得數值小於一，則使用該第三尺度之高頻訊號進行分析，反之，當所得數值大於一，則使用第四尺度之高頻訊號進行分析。
- 根據申請專利範圍第1項所述之降低雜訊影響之QRS波偵測演算法，其中，該調整步驟中之該二擷取窗格間重疊150個取樣點。
- 根據申請專利範圍第1項所述之降低雜訊影響之QRS波偵測演算法，其中，該前處理步驟中，該濾波器為中值濾波器。
- 根據申請專利範圍第1項所述之降低雜訊影響之QRS波偵測演算法，其中，該轉換步驟中，該修正之原始訊號轉換為四個尺度的高頻訊號與低頻訊號，且轉換完成的高頻訊號之擷取窗格前、後各去除50個取樣點。
- 根據申請專利範圍第1項所述之降低雜訊影響之QRS波偵測演算法，其中，該選擇步驟與該計算步驟中使用第三尺度之高頻訊號進行比對分析。
- 根據申請專利範圍第1項所述之降低雜訊影響之QRS波偵測演算法，其中，該選擇步驟後，另包含有一推算步驟，該推算步驟首先標示出一超過該正門檻值之正特徵極值點，並標示出一超過該負門檻值之負特徵極值點，且該正、負特徵極值點間之距離需小於預設值，以形成一特徵極值對，接著將該正、負特徵極值點之座標予以帶入一推算公式，以推算出該原始訊號在時間領域對應的座標。
- 根據申請專利範圍第6項所述之降低雜訊影響之QRS波偵測演算法，其中，該推算步驟中的預設值為45個取樣點。
- 根據申請專利範圍第6項所述之降低雜訊影響之QRS波偵測演算法，其中，該推算步驟後，另包含有一判斷步驟，該判斷步驟將該修正之原始訊號的座標與前一特徵極值對所推算出的座標間之距離加以比較，當該距離小於第一數值時，則分別將該等座標帶入一判斷公式進行計算，取結果值較大者加入紀錄；當該距離小於第二數值且大於該第一數值時，則加入第二尺度之高頻訊號做判斷，當該特徵極值對亦出現在該第二尺度之高頻訊號內且位置相同，則記錄該特徵極值對；反之，當該距離大於該第二數值，亦需記錄該特徵極值對。
- 根據申請專利範圍第8項所述之降低雜訊影響之QRS波偵測演算法，其中，該第一數值為100個取樣點，而該第二數值為130個取樣點。
- 根據申請專利範圍第8項所述之降低雜訊影響之QRS波偵測演算法，其中，該判斷步驟後，另包含有一排除步驟，該排除步驟經由該判斷公式計算該每一特徵極值對之結果值，當該結果值小於所有結果值之平均值的五分之一，即予以刪除。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW107143823A TWI696191B (zh) | 2018-12-06 | 2018-12-06 | 降低雜訊影響之qrs波偵測演算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW107143823A TWI696191B (zh) | 2018-12-06 | 2018-12-06 | 降低雜訊影響之qrs波偵測演算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI696191B true TWI696191B (zh) | 2020-06-11 |
| TW202022889A TW202022889A (zh) | 2020-06-16 |
Family
ID=72175660
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW107143823A TWI696191B (zh) | 2018-12-06 | 2018-12-06 | 降低雜訊影響之qrs波偵測演算法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI696191B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI742844B (zh) * | 2020-09-10 | 2021-10-11 | 廣達電腦股份有限公司 | 心電雜訊濾除裝置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102247143A (zh) * | 2011-06-03 | 2011-11-23 | 吉林大学珠海学院 | 一种可集成的心电信号去噪和qrs波识别的快速算法 |
| WO2013043157A2 (en) * | 2011-09-20 | 2013-03-28 | Vivaquant Llc | Physiological signal denoising |
| CN103083013A (zh) * | 2013-01-18 | 2013-05-08 | 哈尔滨工业大学深圳研究生院 | 基于形态学与小波变换的心电信号qrs复波检测方法 |
| TWI519276B (zh) * | 2013-08-07 | 2016-02-01 | 國立成功大學 | 心電圖學訊號擷取方法 |
-
2018
- 2018-12-06 TW TW107143823A patent/TWI696191B/zh not_active IP Right Cessation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102247143A (zh) * | 2011-06-03 | 2011-11-23 | 吉林大学珠海学院 | 一种可集成的心电信号去噪和qrs波识别的快速算法 |
| WO2013043157A2 (en) * | 2011-09-20 | 2013-03-28 | Vivaquant Llc | Physiological signal denoising |
| CN103083013A (zh) * | 2013-01-18 | 2013-05-08 | 哈尔滨工业大学深圳研究生院 | 基于形态学与小波变换的心电信号qrs复波检测方法 |
| TWI519276B (zh) * | 2013-08-07 | 2016-02-01 | 國立成功大學 | 心電圖學訊號擷取方法 |
Non-Patent Citations (9)
| Title |
|---|
| http://etd.lib.nsysu.edu.tw/ETD-db/ETD-search-c/getfile?URN=etd-0706104-023754&filename=etd-0706104-023754.pdf 纪震，郑秀玉，罗军，李蓁(2008年4月) * |
| https://journal.szu.edu.cn/Upload/PaperUpLoad/e069076f-d07c-426c-8a9b-70af0cded4df.pdf * |
| 以小波轉換為基礎的QRS波偵測 * |
| 國立中山大學機械與機電工程研究所(碩士論文)，高雄市 * |
| 基于双正交样条小波的QRS波检测 * |
| 楊正榮(2004) * |
| 楊正榮(2004)。以小波轉換為基礎的QRS波偵測。國立中山大學機械與機電工程研究所(碩士論文)，高雄市。http://etd.lib.nsysu.edu.tw/ETD-db/ETD-search-c/getfile?URN=etd-0706104-023754&filename=etd-0706104-023754.pdf |
| 深圳大学学报理工版，第25卷第2期 * |
| 纪震，郑秀玉，罗军，李蓁(2008年4月)。基于双正交样条小波的QRS波检测。深圳大学学报理工版，第25卷第2期。https://journal.szu.edu.cn/Upload/PaperUpLoad/e069076f-d07c-426c-8a9b-70af0cded4df.pdf |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202022889A (zh) | 2020-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2016230825B2 (en) | Systems, apparatus and methods for sensing fetal activity | |
| Chawla | PCA and ICA processing methods for removal of artifacts and noise in electrocardiograms: A survey and comparison | |
| CN110327036B (zh) | 从穿戴式心电中提取呼吸信号和呼吸频率的方法 | |
| Nagendra et al. | Application of wavelet techniques in ECG signal processing: an overview | |
| Alshebly et al. | Isolation of fetal ECG signals from abdominal ECG using wavelet analysis | |
| US10912479B2 (en) | Method for accurately extracting abnormal potential within QRS | |
| TWI519276B (zh) | 心電圖學訊號擷取方法 | |
| WO2019100563A1 (zh) | 心电信号质量评估方法 | |
| Egambaram et al. | FastEMD–CCA algorithm for unsupervised and fast removal of eyeblink artifacts from electroencephalogram | |
| Jaswal et al. | QRS detection using wavelet transform | |
| Kaur et al. | On the detection of cardiac arrhythmia with principal component analysis | |
| KR20220150901A (ko) | 모체 자궁 활동 검출을 위한 융합 신호 처리 | |
| Liu et al. | Systematic methods for fetal electrocardiographic analysis: Determining the fetal heart rate, RR interval and QT interval | |
| Tan et al. | EMD-based electrocardiogram delineation for a wearable low-power ECG monitoring device | |
| TWI696191B (zh) | 降低雜訊影響之qrs波偵測演算法 | |
| Di Maria et al. | An algorithm for the analysis of fetal ECGs from 4-channel non-invasive abdominal recordings | |
| Luengo et al. | Blind analysis of atrial fibrillation electrograms: a sparsity-aware formulation | |
| Dessì et al. | Identification of fetal QRS complexes in low density non-invasive biopotential recordings | |
| Gholinezhadasnefestani et al. | Assessment of quality of ECG for accurate estimation of Heart Rate Variability in newborns | |
| CN108784683B (zh) | 包括用于特征检测的滤波器的ecg机器 | |
| Nitzken et al. | Local wavelet-based filtering of electromyographic signals to eliminate the electrocardiographic-induced artifacts in patients with spinal cord injury | |
| TWM574469U (zh) | Qrs波即時檢測裝置 | |
| Li et al. | A High-Efficiency and Real-Time Method for Quality Evaluation of PPG Signals | |
| TWI672127B (zh) | 基於小波分析之即時qrs波偵測演算法 | |
| CN111685759B (zh) | 一种心电信号的p、t特征波检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |