心电信号识别方法、系统和心电监测设备技术方案

本发明专利技术提供了一种心电信号识别方法、系统和心电监测设备，涉及心电的技术领域，包括：获取一个采集周期采集的心电信号；根据心电信号，计算心电信号的标准差、子段标准差数组；根据标准差和子段标准差数组，识别心电信号是否存在大幅干扰；如果心电信号不存在大幅干扰，则根据标准差和子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组；根据平均波峰孤立度和所述波峰孤立度数组，识别心电信号是否存在小幅干扰。可以对心电信号进行更加细致的判断，从而可以为后期信号处理提供了更加精确的数据，同时本发明专利技术的判断建立在一个采集周期采集的心电信号，可以达到实时分析的需求，适用于实时心电监测。

ECG Signal Recognition Method, System and ECG Monitoring Equipment

The invention provides a ECG signal identification method, a system and a ECG monitoring device, which involves the technical field of ECG, including obtaining a ECG signal collected by a collection cycle, calculating the standard deviation of the ECG signal and the array of subsection standard deviation according to the ECG signal, and identifying the heart according to the standard deviation and the subsection standard difference array. If there is no significant interference in the electrical signal, if there is no significant interference in the ECG signal, the average wave peak isolation and the wave peak isolation array are calculated according to the standard deviation and the array of subsection standard difference, and the small amplitude interference is found in the signal of the ECG signal according to the average wave peak isolation and the wave peak isolation array. The ECG signal can be more carefully judged, which can provide more accurate data for the later signal processing. At the same time, the judgment of the invention is based on the ECG signal collected in a collection cycle, which can meet the needs of real-time analysis and can be applied to real-time ECG monitoring.

【技术实现步骤摘要】
心电信号识别方法、系统和心电监测设备
本专利技术涉及心电
，尤其是涉及一种心电信号识别方法、系统和心电监测设备。
技术介绍
当下心电监测技术的发展十分迅速，产生了很多面向非专业人员使用的动态心电监测设备，然而，在做心电图的过程中，存在如肌肉颤抖、仪器受到电磁干扰等情况会产生误差，使得计算机自动分析算法发生错误判断，给出错误的心电分析结果，对用户形成误导。所以，准确识别心电波形伪差，是动态心电监测设备亟需解决的问题之一。关于心电图中伪差的识别方法，主要是为实时心电分析的方法。实时心电分析指，用户采集信号的过程中每采集一小段信号分析一次，从而给用户一种即时分析的感觉。然而，现有的实时伪差识别方法，对于伪差的类别判断不全，判断粗略，在实时心电分析时的应用有限。若不依赖于识别算法，由人工识别伪差波形，则需要用户需要一定的心电专业知识，这也降低了应用的实用性。
技术实现思路
有鉴于此，本专利技术的目的在于提供心电信号识别方法、系统和心电监测设备，可以对心电信号进行更加细致的判断，从而可以为后期信号处理提供了精确的数据，同时本专利技术的判断建立在一个采集周期采集的心电信号，可以达到实时分析的需求，适用于实时心电监测。第一方面，本专利技术实施例提供了一种心电信号识别方法，包括：获取一个采集周期采集的心电信号；根据所述心电信号，计算心电信号的标准差、子段标准差数组；根据所述标准差和所述子段标准差数组，识别所述心电信号是否存在大幅干扰；如果所述心电信号不存在大幅干扰，则根据所述标准差和子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组；根据所述平均波峰孤立度和所述波峰孤立度数组，识别所述心电信号是否存在小幅干扰。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，所述根据所述心电信号，计算心电信号的标准差、子段标准差数组，包括：根据心电信号，计算心电信号的标准差；将所述心电信号按周期等分为多个心电波形片段；根据所述多个心电波形片段，获得每个心电波形片段的信号幅值；根据所述每个心电波形片段的信号幅值，计算每个心电波形片段的子段标准差，组成子段标准差数组。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，所述根据所述标准差和所述子段标准差数组，识别所述心电信号是否存在大幅干扰，包括：判断所述标准差是否大于第一阈值；如果大于，则判定所述心电信号幅值序列的伪差类型为大幅干扰；如果不大于，则判断所有子段标准差是否存在大于所述第一阈值的子段标准差；如果是，则获取存在大于所述第一阈值的子段标准差的个数；判断所述大于所述第一阈值的子段标准差的个数是否大于第二阈值；如果是，则判定所述心电信号幅值序列的伪差类型为部分大幅干扰。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，所述根据所述标准差和所述子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组，包括：计算每个所述心电波形片段的信号幅值的欧式距离之和；从多个心电波形片段的信号幅值的欧式距离之和中选取最小值，并确定与所述最小值对应的基准信号幅值；从多个心电波形片段的信号幅值中，选取大于所述基准信号幅值的信号幅值；计算所有大于所述基准信号幅值的信号幅值的波峰孤立度；根据所述波峰孤立度，组建波峰孤立度数组；根据所述波峰孤立度数组，得到平均波峰孤立度。结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，所述根据所述平均波峰孤立度和所述波峰孤立度数组，识别所述心电信号是否存在小幅干扰，包括：判断所述平均波峰孤立度是否大于第三阈值；如果大于，则判定所述心电信号幅值序列的伪差类型为小幅干扰；如果不大于，再判断所述波峰孤立度数组中的元素个数是否大于第四阈值；如果是，则判断所述心电信号幅值序列的伪差类型为部分小幅干扰。第二方面，本专利技术实施例还提供一种心电信号识别系统，包括：获取模块，用于获取一个采集周期采集的心电信号；计算模块，用于根据所述心电信号，计算心电信号的标准差、子段标准差数组，如果所述心电信号不存在大幅干扰，则根据所述标准差和子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组；第一识别模块，用于根据所述标准差和所述子段标准差数组，识别所述心电信号是否存在大幅干扰；第二识别模块，用于根据所述平均波峰孤立度和所述波峰孤立度数组，识别所述心电信号是否存在小幅干扰。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，其中，所述计算模块，用于：根据所述心电信号，计算心电信号的标准差，将所述心电信号按周期等分为多个心电波形片段，根据所述多个心电波形片段，获得每个心电波形片段的信号幅值，根据所述每个心电波形片段的信号幅值，计算每个心电波形片段的子段标准差，组成子段标准差数组。结合第二方面，本专利技术实施例提供了第二方面的第二种可能的实施方式，其中，所述第一识别模块，用于：判断所述标准差是否大于第一阈值，如果大于，则判定所述心电信号幅值序列的伪差类型为大幅干扰，如果不大于，则判断所有子段标准差是否存在大于所述第一阈值的子段标准差，如果是，则获取存在大于所述第一阈值的子段标准差的个数，判断所述大于所述第一阈值的子段标准差的个数是否大于第二阈值，如果是，则判定所述心电信号幅值序列的伪差类型为部分大幅干扰。结合第二方面，本专利技术实施例提供了第二方面的第三种可能的实施方式，其中，所述计算模块，用于：计算每个所述心电波形片段的信号幅值的欧式距离之和；从多个心电波形片段的信号幅值的欧式距离之和中选取最小值，并确定与所述最小值对应的基准信号幅值；从多个心电波形片段的信号幅值中，选取大于所述基准信号幅值的信号幅值；计算所有大于所述基准信号幅值的信号幅值的波峰孤立度；根据所述波峰孤立度，组建波峰孤立度数组；根据所述波峰孤立度数据数组，得到平均波峰孤立度。结合第二方面，本专利技术实施例提供了第二方面的第四种可能的实施方式，其中，所述第二识别模块，包括：判断所述平均波峰孤立度是否大于第三阈值；如果大于，则判定所述心电信号幅值序列的伪差类型为小幅干扰，如果不大于，再判断所述波峰孤立度数组中的元素个数是否大于第四阈值，如果是，则判定所述心电信号幅值序列的伪差类型为部分小幅干扰。第三方面，本专利技术实施例还提供一种心电监测设备，包括处理器，与所述处理器连接的存储器；其中，所述存储器用于存储一条或多条计算机指令，所述处理器被配置成执行所述存储器中的计算机指令，以通过上述实施例中任一项所述的方法识别采集的心电信号是否存在干扰。本专利技术实施例带来了以下有益效果：可以通过心电信号的标准差、子段标准差数组判断采集到的心电信号是否存在大幅干扰，如果不存在，则再根据平均波峰孤立度和波峰孤立度数组，判断采集到的心电信号是否存在小幅干扰，本专利技术可以对心电信号进行更加细致的判断，从而可以为后期信号处理提供了精确的数据，同时本专利技术的判断建立在一个采集周期采集的心电信号，可以达到实时分析的需求，适用于实时心电监测。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实本文档来自技高网...

【技术保护点】
1.一种心电信号识别方法，其特征在于，包括：获取一个采集周期采集的心电信号；根据所述心电信号，计算心电信号的标准差、子段标准差数组；根据所述标准差和所述子段标准差数组，识别所述心电信号是否存在大幅干扰；如果所述心电信号不存在大幅干扰，则根据所述标准差和子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组；根据所述平均波峰孤立度和所述波峰孤立度数组，识别所述心电信号是否存在小幅干扰。

【技术特征摘要】
1.一种心电信号识别方法，其特征在于，包括：获取一个采集周期采集的心电信号；根据所述心电信号，计算心电信号的标准差、子段标准差数组；根据所述标准差和所述子段标准差数组，识别所述心电信号是否存在大幅干扰；如果所述心电信号不存在大幅干扰，则根据所述标准差和子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组；根据所述平均波峰孤立度和所述波峰孤立度数组，识别所述心电信号是否存在小幅干扰。2.根据权利要求1所述的心电信号识别方法，其特征在于，所述根据所述心电信号，计算心电信号的标准差、子段标准差数组，包括：根据心电信号，计算心电信号的标准差；将所述心电信号按周期等分为多个心电波形片段；根据所述多个心电波形片段，获得每个心电波形片段的信号幅值；根据所述每个心电波形片段的信号幅值，计算每个心电波形片段的子段标准差，组成子段标准差数组。3.根据权利要求2所述的心电信号识别方法，其特征在于，所述根据所述标准差和所述子段标准差数组，识别所述心电信号是否存在大幅干扰，包括：判断所述标准差是否大于第一阈值；如果大于，则判定所述心电信号幅值序列的伪差类型为大幅干扰；如果不大于，则判断所有子段标准差是否存在大于所述第一阈值的子段标准差；如果是，则获取存在大于所述第一阈值的子段标准差的个数；判断所述大于所述第一阈值的子段标准差的个数是否大于第二阈值；如果是，则判定所述心电信号幅值序列的伪差类型为部分大幅干扰。4.根据权利要求2所述的心电信号识别方法，其特征在于，所述根据所述标准差和所述子段标准差数组，计算心电信号的平均波峰孤立度和波峰孤立度数组，包括：计算每个所述心电波形片段的信号幅值的欧式距离之和；从多个心电波形片段的信号幅值的欧式距离之和中选取最小值，并确定与所述最小值对应的基准信号幅值；从多个心电波形片段的信号幅值中，选取大于所述基准信号幅值的信号幅值；计算所有大于所述基准信号幅值的信号幅值的波峰孤立度；根据所述波峰孤立度，组建波峰孤立度数组；根据所述波峰孤立度数组，得到平均波峰孤立度。5.根据权利要求4所述的心电信号识别方法，其特征在于，所述根据所述平均波峰孤立度和所述波峰孤立度数组，识别所述心电信号是否存在小幅干扰，包括：判断所述平均波峰孤立度是否大于第三阈值；如果大于，则判定所述心电信号幅值序列的伪差类型为小幅干扰；如果不大于，再判断所述波峰孤立度数组中的元素个数是否大于第四阈值；如果是，则判断所述心电信号幅值序列的伪差类型为部分小幅干扰。6.一种心电信号识别系统，其特征在于...

【专利技术属性】
技术研发人员：仲任，尹丽妍，李烨，王俊，蔡云鹏，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东,44