The present invention relates to an electrocardiogram T wave terminal detection method and device, including the following steps: obtaining the T wave terminal detection model; the T wave end point detection model is based on the learning and training of the historical T wave discrete data based on the MLP neural network model; and the historical T wave discrete data is the historical ECG signal from the QT database. The T wave is extracted and the dimension reduction process is obtained. The ECG signal to be detected is input to the T wave terminal detection model, and the T wave terminal coordinates of the ECG signal to be detected are obtained. When the T wave end point detection mode is obtained in the above T wave end detection method, the image reduction method is effectively combined with the MPL neural network model, which makes the obtained T wave detection model with a small calculation amount. The calculation amount is small when the T wave detection model is used to identify the end point of the T wave, and the efficiency of the calculation is greatly improved.
【技术实现步骤摘要】
心电图T波终点检测方法和装置
本专利技术涉及医学信号处理
,特别是涉及一种心电图T波终点检测方法和装置。
技术介绍
心电图(electrocardiogram,简称ECG或EKG)是利用心电图机从体表记录心脏每一心动周期所产生的电活动变化图形,其反映着心肌收缩与时间之间的关系。心电图中的QT间期反映了心室除复极的全过程,QT间期的延长是临床中评估室性心律失常的重要标志。因此,对QT波提取就显得尤为重要。在临床上,对T波终点定位是QT波提取中非常关键的步骤;然而由于T波终点附近信号低频成分丰富,易混入噪声,且T波形态容易发生变化,因此对T波终点定位就非常困难。例如研究表明,当发生缺血类心肌病时一般会引起T波形态的变化,如T波倒置、双向等,从而对T波终点的检测造成影响。目前,T波终点的检测算法主要包括依靠面积、模板匹配、小波变换、曲率、统计模式识别以及神经网络等方法,这些方法都不单纯依赖阈值进行处理。其中,依靠模板匹配、统计模式识别以及神经网络等方法的计算量较大,效率差。
技术实现思路
基于此,有必要针对目前的T波终点定位算法在对心电图T波终点检测时计算量较大,效率差的问题,提供一种心电图T波终点检测方法和装置。一种心电图T波终点检测方法,包括以下步骤:获取T波终点检测模型;所述T波终点检测模型为基于MLP神经网络模型对历史T波离散数据进行学习训练而得到的;其中,所述历史T波离散数据是对从QT数据库中历史心电信号提取出的T波、进行降维处理得到的;将待检测的心电信号输入所述T波终点检测模型,得到所述待检测的心电信号的T波终点坐标。一种心电图T波终点检测装置,包 ...
【技术保护点】
1.一种心电图T波终点检测方法,其特征在于,包括以下步骤:获取T波终点检测模型;所述T波终点检测模型为基于MLP神经网络模型对历史T波离散数据进行学习训练而得到的;其中,所述历史T波离散数据是对从QT数据库中历史心电信号提取出的T波、进行降维处理得到的;将待检测的心电信号输入所述T波终点检测模型,得到所述待检测的心电信号的T波终点坐标。
【技术特征摘要】
1.一种心电图T波终点检测方法,其特征在于,包括以下步骤:获取T波终点检测模型;所述T波终点检测模型为基于MLP神经网络模型对历史T波离散数据进行学习训练而得到的;其中,所述历史T波离散数据是对从QT数据库中历史心电信号提取出的T波、进行降维处理得到的;将待检测的心电信号输入所述T波终点检测模型,得到所述待检测的心电信号的T波终点坐标。2.根据权利要求1所述的心电图T波终点检测方法,其特征在于,所述T波离散数据包括离散采样时间和与所述离散采样时间对应的目标输出值;所述T波终点检测模型通过以下步骤得到:从所述QT数据库中获取所述历史心电信号;利用第一预设的窗函数对所述历史心电信号进行信号分段处理,得到各T波心电信号;对各所述T波心电信号进行降维处理,得到各离散采样时间以及与各所述离散采样时间对应的目标输出值;采用所述MLP神经网络模型,对各所述离散采样时间以及各所述离散采样时间对应的目标输出值进行学习训练,得到所述T波终点检测模型。3.根据权利要求2所述的心电图T波终点检测方法,其特征在于,对所述历史心电信号进行信号分段的步骤之前,还包括对所述历史心电信号进行滤波处理。4.根据权利要求3所述的心电图T波终点检测方法,其特征在于,在对所述历史心电信号进行滤波处理的步骤包括:采用切比雪夫带通滤波器对所述历史心电信号进行带通滤波处理。5.根据权利要求2-4任一项所述的心电图T波终点检测方法,其特征在于,在对所述T波心电信号进行降维处理的步骤中,包括:采用离散余弦变换对所述T波心电信号进行降维处理。6.根据权利要求2-4任一项所述的...
【专利技术属性】
技术研发人员:胡静,赵巍,
申请(专利权)人:广州视源电子科技股份有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。