基于特征模板匹配的QRS波群检测方法、装置、介质及设备制造方法及图纸

本发明专利技术公开了一种基于特征模板匹配的QRS波群检测方法、装置、介质及设备，属于心电学技术领域。首先对心电信号进行预处理，然后使用预处理后的信号进行特征转换；再选择可靠的经典检测算法对QRS波群进行严格地阈值筛选，使得QRS波群的误报率极低；之后使用筛选出的QRS波群制作多类特征模板；进而再用降低阈值的经典检测算法筛选待匹配的QRS波群，保持极低的漏报率；最后使用多类特征模板对候选QRS波群进行相似度匹配计算，并进行阈值划分，再将结果中的QRS波群重采样至原始频率即可。本发明专利技术采用多类QRS波群模板和多种波形特征相结合的方法，相对于现有技术，在保持较高检测准确率的同时有效地提高检测速度。的同时有效地提高检测速度。的同时有效地提高检测速度。

【技术实现步骤摘要】
基于特征模板匹配的QRS波群检测方法、装置、介质及设备


[0001]本专利技术属于心电学
，具体涉及一种基于特征模板匹配的QRS波群检测方法、装置、介质及设备。

技术介绍

[0002]在医疗健康领域，心血管疾病作为一类常见的慢性、易突发性病症一直困扰着广大患者和医学工作者，而对于大多数心血管类慢性病，目前尚没有能完全治愈的医疗技术。由于心血管疾病多为慢性病，且具有较高的突发概率，因此，理想的办法是对患者进行全天候的医疗监护，但是通常的患者无法承担在医院接受长期监护的高额费用，而且这类疾病属于慢性病，患者在不发病时的体征完全和健康人一样，如果采取长期住院监护其实也是对医疗资源的浪费。因此，一个简单、易操作的方法来对患者的心脏状况进行实时动态监测是十分必要的手段。心电图检查技术是目前诊断心脏病应用广泛的无创伤性检查手段，是评价和判断心脏健康状况的主要依据。
[0003]在工业自动化的背景下，自动分析和诊断系统的基础是心电信号的特征参数检测以及波形识别。而心电信号自动分析的基础是对心电信号中QRS波的准确识别，然后经过对QRS波群中的R波识别后，才能保证正确计算心率、分析心率变异性、检测ST段参数及正确区分正常和异常心律。
[0004]目前，主要方法有差分阈值法、模板匹配法、神经网络法以及小波变换法等。其中，差分阈值法原理相对比较简单，计算速度快，可有效地检测正常的心电信号，但对于含有噪声干扰的信号检测效果不理想；模板匹配法是一种基于统计识别的检测算法，比较稳定，但是重复执行率高，耗费时间比较长；神经网络法是根据不同特点的心电图波形输入反向传播神经网络进行识别，检测效果明显，但对数据的处理需要大量时间；小波变换法是根据心电信号R波有很强奇异特性，并利用小波变换对心电信号进行相关分析，然后将输入信号的形状与小波模板函数对比，小波变换法对处理非平稳信号非常适用，但检测算法过于复杂，并且计算时间长，不利于对心电信号进行实时检测处理。
[0005]为了提高QRS波检测的准确性，现有技术中提出以差分阈值法为基础的模板匹配检测方法。但是该方案仍然存在一些缺陷：一是其对于模板的选取过于单一，无法兼顾正常和异常形态的QRS波；二是选取的模板特征单一，无法有效表征信号的特征；三是选取模板后，需要对全部信号进行滑窗比对，计算量较高。

技术实现思路

[0006]技术问题：针对现有技术中存在的上述问题，本专利技术提供一种基于特征模板匹配的QRS波群检测方法、装置、介质及设备，本专利技术采用多类QRS波群模板和多种波形特征相结合的方法，在保持较高检测准确率的同时有效地提高检测速度。
[0007]技术方案：第一方面，本专利技术提供一种基于特征模板匹配的QRS波群检测方法，包括：
[0008]接收心电信号；
[0009]对所述心电信号进行预处理，包括：将心电信号重采样至固定频率，并进行滤波；
[0010]对预处理后的信号进行特征转换；
[0011]利用至少一种第一检测器，通过调整第一检测器的阈值，获取严格的模板QRS波群位置；其中，所述第一检测器的阈值大于或等于第一设定值；
[0012]以所述模板QRS波群位置为中心对预处理后的数据和特征转换后的数据进行心跳特征片段切割，将不同特征片段使用相似度函数分为若干组，形成若干组特征模板；
[0013]通过至少一种第二检测器筛选出候选QRS波群位置；其中，所述第二检测器的阈值小于或等于第二设定值；
[0014]计算候选QRS波群与各组特征模板的相似度，其中，同组内选择相似度最大值作为结果，不同组间选择不同参数策略；
[0015]根据设定阈值选出最终结果，并重采样至原始频率。
[0016]进一步地，所述对预处理后的信号进行特征转换包括：
[0017]采用导数、差分、傅里叶变换、小波变换、希尔伯特变换、信息熵中任意一种或任意多种组合进行特征转换。
[0018]进一步地，所述第一检测器为pantompkins1985、hamilton2002、martinez2003、christov2004、gamboa2008、elgendi2010、engzeemod2012、kalidas2017、rodrigues2021、promac、wqrs、gqrs、xqrs开源检测算法中任意一种或任意多种组合。
[0019]进一步地，利用至少一种检测器，通过调整第一检测器的阈值，获取严格的模板QRS波群位置包括：
[0020]分别赋予每种第一检测器权重，根据第一检测器是否检测到某点以及所述第一检测器对应的权重，计算该点的第一检测概率；
[0021]根据所述第一检测概率与第一检测器的阈值进行比较，根据比较结果，确定模板QRS波群位置。
[0022]进一步地，所述将不同特征片段使用相似度函数分为若干组，形成若干组特征模板包括：
[0023]计算整体特征片段在每个维度上的平均值，作为标准模板；
[0024]分别计算每个特征数据片段与标准模板的相似度；
[0025]剔除与标准模板相识度差别较大的特征数据片段，并对剩余的相似度进行排序，以相似度变化率较快的地方作为分组的边界，将特征数据片段分为若干组；
[0026]分别计算每组特征数据片段在每个维度上的平均值，得到特征数据模板。进一步地，所述第二检测器为pantompkins1985、hamilton2002、martinez2003、christov2004、gamboa2008、elgendi2010、engzeemod2012、kalidas2017、rodrigues2021、promac、wqrs、gqrs、xqrs开源检测算法中任意一种或任意多种组合。
[0027]进一步地，所述通过第二检测器筛选出候选QRS波群位置的方法包括：
[0028]分别赋予每种第二检测器权重，根据第二检测器是否检测到某点点以及所述第二检测器对应的权重，计算该点的第二检测概率；
[0029]根据所述第二检测概率与基础检测器的阈值进行比较，根据比较结果，确定候选QRS波群位置。
[0030]第二方面，本专利技术提供一种基于特征模板匹配的QRS波群检测装置，根据本专利技术提出的任一所述的基于特征模板匹配的QRS波群检测方法对QRS波群进行检测，其特征在于，包括：
[0031]信号接收单元，其配置为接收心电信号；
[0032]预处理单元，其配置为对所述心电信号进行预处理，包括：将心电信号重采样至固定频率，并进行滤波；
[0033]特征转换单元，其配置为对预处理后的信号进行特征转换；
[0034]第一筛选单元，利用至少一种第一检测器，通过调整第一检测器的阈值，获取严格的模板QRS波群位置；其中，所述基础检测器的阈值大于或等于第一设定值；
[0035]模板生成单元，其配置为以所述模板QRS波群位置为中心对预处理后的数据和特征转换后的数据进行心跳特征片段切割，将不同特征片段使用相似度函数分为若干组，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征模板匹配的QRS波群检测方法，其特征在于，包括：接收心电信号；对所述心电信号进行预处理，包括：将心电信号重采样至固定频率，并进行滤波；对预处理后的信号进行特征转换；利用至少一种第一检测器，通过调整第一检测器的阈值，获取严格的模板QRS波群位置；其中，所述第一检测器的阈值大于或等于第一设定值；以所述模板QRS波群位置为中心对预处理后的数据和特征转换后的数据进行心跳特征片段切割，将不同特征片段使用相似度函数分为若干组，形成若干组特征模板；通过至少一种第二检测器筛选出候选QRS波群位置；其中，所述第二检测器的阈值小于或等于第二设定值；计算候选QRS波群与各组特征模板的相似度，其中，同组内选择相似度最大值作为结果，不同组间选择不同参数策略；根据设定阈值选出最终结果，并重采样至原始频率。2.根据权利要求1所述的方法，其特征在于，所述对预处理后的信号进行特征转换包括：采用导数、差分、傅里叶变换、小波变换、希尔伯特变换、信息熵中任意一种或任意多种组合进行特征转换。3.根据权利要求2所述的方法，其特征在于，所述第一检测器为pantompkins1985、hamilton2002、martinez2003、christov2004、gamboa2008、elgendi2010、engzeemod2012、kalidas2017、rodrigues2021、promac、wqrs、gqrs、xqrs开源检测算法中任意一种或任意多种组合。4.根据权利要求3所述的方法，其特征在于，利用至少一种检测器，通过调整第一检测器的阈值，获取严格的模板QRS波群位置包括：分别赋予每种第一检测器权重，根据第一检测器是否检测到某点以及所述第一检测器对应的权重，计算该点的第一检测概率；根据所述第一检测概率与第一检测器的阈值进行比较，根据比较结果，确定模板QRS波群位置。5.根据权利要求4所述的方法，其特征在于，所述将不同特征片段使用相似度函数分为若干组，形成若干组特征模板包括：通过对全部片段的每个维度上进行加权计算得到标准模板；分别计算每个特征数据片段与标准模板的相似度；剔除与标准模板相识度差别较大的特征数据片段，并对剩余的相似度进行排序，以相似度变化率较快的地方作为分组的边界，将特征数据片段分为若干组；分别计算每组特征数据片段在每个维度上的加权值，得到特征数据模板。6.根据权利要求1<...

【专利技术属性】
技术研发人员：王凯，洪申达，耿世佳，魏国栋，章德云，俞杰，傅兆吉，
申请(专利权)人：安徽心之声医疗科技有限公司，
类型：发明
国别省市：