一种心电图特征信号提取方法及终端技术

本发明专利技术涉及一种心电图特征信号提取方法及终端，获取输入的心电图信号；对心电图信号进行滤波预处理；使用平方函数放大心电图信号，并使用移动窗口积分算法来处理心电图信号；使用特征点检测算法依次对心电图信号进行检测，特征点检测算法的种类包括R波峰值点检测算法、P波峰值点检测算法、T波峰值点检测算法、S波谷值点检测算法和Q波谷值点检测算法；在检测心电图信号过程中根据特征点检测算法的种类使用阈值自适应算法得到与种类对应的自适应阈值，判断心电图信号是否满足特征点检测算法的预设检测条件，将满足预设检测条件的心电图信号作为特征点峰值/特征点谷值并保存。因此，本发明专利技术能够准确、完整地检测出心电图信号的特征数据。信号的特征数据。信号的特征数据。

【技术实现步骤摘要】
一种心电图特征信号提取方法及终端


[0001]本专利技术涉及心电图信号
，尤其涉及一种心电图特征信号提取方法及终端。

技术介绍

[0002]心律失常指心跳频率或节律的异常，包括先天性和后天性两种。轻度患者会感到头晕、胸闷、心悸，重度患者可能危及生命，需要立即就医。心律失常最常见的医学测试是心电图。由于患者个体差异的存在，医生通过主观判断并进行治疗，这需要医生具备一定的经验。因此对心电图进行自动化分析是非常必要的。心电图信号反映了人体心脏在运动过程中的电信号，研究心电图信号特征是掌握心脏跳动规律和健康情况的重要途径。
[0003]心电图信号通常会遇到肌肉噪音、运动伪影、基线漂移及电磁场干扰的影响。如果R波未能检测出来或者检测失败会导致心电图信号的结果不可靠。振幅阈值法在进行QRS波检测时，不能使信号噪声得到适当的消除；Pan
‑
Tompkins法有助于减少运动伪影和基线漂移，但不能消除高频噪声。将数字滤波器用于QRS波增强时，虽然可以提高信噪比，但是这种方法过于依赖数字滤波器的顺序和性质。神经网络也可以用于心电信号的提取，但是这种方法难于处理噪声。带通滤波器和隐马尔可夫模型结合，可以用于心电信号的提取，但是隐马尔可夫模型容易受到噪声和基线漂移的影响。将奇异法用于QRS波检测虽然可行，但是这种方法也难于处理噪声。
[0004]心电图信号是人体心脏周期性运动中电流变化情况的记录，心脏收缩之前先有电信号的传导刺激，然后才有物理的形变运动。如图1所示，一次正常的心脏跳动周期包括心房的电活动产生的正常的心电图波形其特征信号包括P波、PR间期、PR段、QRS波群、ST段、T波、QT间期等，其具体特征如下：
[0005](1)P波，反映两个心房去极化过程中心脏电位变化情况。从心脏的运动周期来看，P波时间阶段处于心脏跳动的收缩，但是还未开始收缩的阶段。
[0006](2)PR间期，指从P波起点到QRS波群起点之间的波形时间。表示由窦房结产生的电流兴奋，经过心房、房室交界、房室结点及其分支传递到心室，并引起心室兴奋所需的时间。PR间期也处于心脏跳动的收缩阶段。
[0007](3)QRS波群，该波群反映了两个心室去极化过程中的电位运动的变化情况。QRS波群在心电图信号波形中具有较为明显的特征，其包含三个紧密相连的电位波动：第一个是向下的波称为Q波；第二个是向上的高并且尖峭的R波；最后一个是向下的S波。在心脏跳动过程中，QRS波对应心脏发生较大形变的收缩阶段。
[0008](4)ST段，指QRS波群终点与T波起点之间的波形部分。这个阶段，由于心室各部分进入去极化状态，但是尚未开始复极化，故心室各部分之间没有电位变化，波形恢复到平缓，一般与基线平齐。对应到心脏跳动的形变状态，在该阶段心脏开始恢复，即心脏开始发生舒张形变。
[0009](5)T波，反映两个心室复极化过程中电流的变化情况。T波方向与QRS波群的R波方
向一致，R波一般认为是QRS波群的主波。在心脏跳动周期中，T波对应心脏舒张阶段，在该阶段心脏恢复到原来的形状。
[0010](6)QT间期，指从QRS波群终点到T波终点之间的波形。它表示心室开始去极化到全部复极化所需的总时间。心率增快时，QT间期的时间缩短，心率减慢时，QT间期延长。
[0011]目前，心电图信号是一种易于获取的生物电信号，可提供有关心脏异常的重要信息。在心电图信号处理领域，前人已经有大量的研究，并提出了许多比较成熟的特征提取技术。快速傅里叶变换(FFT)是一种典型的信号处理方法，短数据记录带来的大空间使得该方法很难记录短时间段内心室颤动主要频率的变化。其次，在分析数据中产生频率分量的数据中存在有限历元，这些频率分量不与离散频谱的频率分量相对应，这导致频谱峰值数量增加，这些缺点降低了解决两个近距离时间频率的FFT能力。尽管应用窗口函数可以减少这种缺陷，但是也降低了FFT分辨能力。连续小波变换(CWT)已经被开发为获得信号同步和高分辨率时间频率信息的方法，在心电图信号处理领域，利用小波变换的多级分解，能够精确地定义QRS波群的数量和位置，尽管小波变换方法有很大的优越性，但也有一些条件可能无法正确执行。心律失常的存在可能会限制小波变换的效率，其中心律失常的存在可能导致QRS波群检测不准确，应用3导联实际的心电图信号采集系统可能会造成信号重要信息丢失。因此，如何准确、完整地检测出心电图信号的特征数据成为了一个亟需解决的问题。

技术实现思路

[0012](一)要解决的技术问题
[0013]为了解决现有技术的上述问题，本专利技术提供一种心电图特征信号提取方法及终端，能够准确、完整地检测出心电图信号的特征数据。
[0014](二)技术方案
[0015]为了达到上述目的，本专利技术采用的一种技术方案为：一种心电图特征信号提取方法，包括：
[0016]S1、获取输入的心电图信号；
[0017]S2、对所述心电图信号进行滤波预处理；
[0018]S3、使用平方函数放大所述心电图信号，并使用移动窗口积分算法来处理所述心电图信号；
[0019]S4、使用特征点检测算法依次对所述心电图信号进行检测，所述特征点检测算法的种类包括R波峰值点检测算法、P波峰值点检测算法、T波峰值点检测算法、S波谷值点检测算法和Q波谷值点检测算法；
[0020]在检测心电图信号过程中根据所述特征点检测算法的种类使用阈值自适应算法得到与所述种类对应的自适应阈值，判断所述心电图信号是否满足特征点检测算法的预设检测条件，所述预设检测条件包括对特征点是否满足自适应阈值的检测条件，将满足预设检测条件的心电图信号作为特征点峰值/特征点谷值并保存。
[0021]本专利技术采用的另一种技术方案为：一种心电图特征信号提取终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种心电图特征信号提取方法。
[0022](三)有益效果
[0023]本专利技术的有益效果是：对心电图信号的滤波和放大后，能够基于自适应阈值算法及特征点检测算法判断该心电图信号是否满足预设检测条件，从而能够将确定的心电图信号作为特征点峰值/谷值并保存。因此，本专利技术能够准确、完整地检测出心电图信号的特征数据，为进一步分析研究心脏跳动与心电图之间的关系提供了依据，为特征数据驱动心脏跳动的仿真提供数据基础。
附图说明
[0024]图1为
技术介绍
中介绍的示意图；
[0025]图2为本专利技术的一种心电图特征信号提取方法的流程图；
[0026]图3为本专利技术的一种心电图特征信号提取方法的整体方案的流程图；
[0027]图4为本专利技术的一种心电图特征信号提取方法的特征点检测算法的流程图；
[0028]图5为实施例一种的R波峰值点检测算法的流程图；
[0029]图6为本专利技术的一种心电图特征信号提取终端的结构框图；
[0030]【附图标记说明】
[0031]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种心电图特征信号提取方法，其特征在于，包括：S1、获取输入的心电图信号；S2、对所述心电图信号进行滤波预处理；S3、使用平方函数放大所述心电图信号，并使用移动窗口积分算法来处理所述心电图信号；S4、使用特征点检测算法依次对所述心电图信号进行检测，所述特征点检测算法的种类包括R波峰值点检测算法、P波峰值点检测算法、T波峰值点检测算法、S波谷值点检测算法和Q波谷值点检测算法；在检测心电图信号过程中根据所述特征点检测算法的种类使用阈值自适应算法得到与所述种类对应的自适应阈值，判断所述心电图信号是否满足特征点检测算法的预设检测条件，所述预设检测条件包括对特征点是否满足自适应阈值的检测条件，将满足预设检测条件的心电图信号作为特征点峰值/特征点谷值并保存。2.根据权利要求1所述的心电图特征信号提取方法，其特征在于，所述S2包括：通过带通滤波器对所述心电图信号进行处理，之后对所述心电图信号进行微分滤波处理，得到所述心电图信号在各个波形阶段的变化情况，所述微分滤波处理的公式如下：其中，x为原始心电图信号，n为原始心电图信号x的序列号，y(n)表示原始心电图信号经过滤波后得到的心电图信号。3.根据权利要求2所述的心电图特征信号提取方法，其特征在于，所述S3中使用平方函数放大所述心电图信号包括：对滤波后得到的心电图信号使用平方函数进行逐点平方处理，所述平方函数公式如下：y(n)＝[x(n)]2其中，x为滤波后得到的心电图信号，n为滤波后得到的心电图信号的序列号，y(n)表示放大后的心电图信号；所述S3中使用移动窗口积分算法来处理所述心电图信号采用如下公式计算：其中，N为积分窗口的样本数，x表示放大后的心电图信号，y(n)表示处理后的心电图信号。4.根据权利要求3所述的心电图特征信号提取方法，其特征在于，所述S4包括：S41、R波峰值点检测：所述阈值自适应算法包括R波阈值算法，经过所述R波阈值算法得到的R波阈值为：心电图中各个积分窗口最大波峰值的平均值的一半，所述R波阈值算法的公式如下：其中，x(k)为处理后的心电图信号样本，i为m个窗口样本中的当前窗口，k表示心电图
信号的采样实例，th为计算得到的R波阈值；那么逐一将大于所述R波阈值的心电图信号样本，且同时满足大于前一个心电图信号样本和后一个心电图信号的心电图信号样本确定为R波峰值点，具体计算公式如下：。5.根据权利要求4所述的心电图特征信号提取方法，其特征在于，所述S41后还包括：S42、得到R波峰值...

【专利技术属性】
技术研发人员：王娜，
申请(专利权)人：福建技术师范学院，
类型：发明
国别省市：