一种基于差分过零检测法的QRS波群识别方法

本发明涉及的
技术领域：
，尤其涉及一种基于差分过零检测法的qrs波群识别方法。
背景技术：
：24小时心电图检测是诊断心血管疾病的常用手段，由于一些心血管疾病的短暂性和阵发性，心电图仪必须长时间记录患者的心电数据以供诊断，因而其采集数据量十分庞大，难以通过肉眼诊断与分析。医学上将心电图的分为p波、pr间期、qrs波、st段及t波，其中qrs波代表心室除极时的情况，通过对qrs波的检测可以检测室性早搏、房颤、房扑、冠心病等疾病，因此对于qrs波的自动化检测具有一定的意义。目前，针对qrs波形检测有小波变换、神经网路、模板匹配、teager能量算子等方法，小波变换虽然具有误检率较小的优势，但其由于庞大的计算量难以在性能较弱的便携心电监护仪中做到实时检测，神经网络的方法由于训练周期长、难以判别与训练集相差较大的心电波形而难以广泛应用，模板匹配较易实现，但也存在难以判别与模板相关性较小的波形的问题，teager能量算子通过跟踪信号的瞬间能量变化的跟踪进行判别，其可以有效检测r峰，但对于q点和s点的判别略显挣扎。技术实现要素：本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。鉴于上述现有存在的问题，提出了本发明。因此，本发明解决的技术问题是：现有技术庞大的计算量难以在性能较弱的便携心电监护仪中做到实时检测，基于神经网络的方法由于训练周期长、难以判别与训练集相差较大的心电波形而难以广泛应用。为解决上述技术问题，本发明提供如下技术方案：利用自适应基线漂移滤波器过滤采集到的原始心电信号，去除所述原始心电信号的直流偏置，得到在0值附近上下波动的心电信号；利用15hz巴特沃斯低通滤波器过滤所述心电信号，滤除工频干扰、抑制肌电干扰；对过滤处理后的心电信号进行一阶和二阶差分，分析一阶差分后数值的概率分布，获取用于检测r峰的阈值；通过二阶差分依次找到s谷和q谷，根据采样频率算出心率和q、r、s波的波长，提取波形特征，完成qrs波群的识别。作为本发明所述的基于差分过零检测法的qrs波群识别方法的一种优选方案，其中：所述自适应基线漂移滤波器的时域包括，y[n]＝x[n]-b[n]其中，x[n]表示滤波器输入值，y[n]表示滤波器输出值，b[n]表示修补的基线漂移量。作为本发明所述的基于差分过零检测法的qrs波群识别方法的一种优选方案，其中：所述修补的基线漂移量包括，其中，w表示窗口宽度。作为本发明所述的基于差分过零检测法的qrs波群识别方法的一种优选方案，其中：利用所述一阶差分分割qrs波群和其他波群包括，y[n]＝x[n]-x[n-1](n≥1)作为本发明所述的基于差分过零检测法的qrs波群识别方法的一种优选方案，其中：采用幂函数作为映射函数对所述一阶差分结果即差分值进行放大，区分所述qrs波群与其他波群，其映射函数包括，y[n]＝(x[n])3作为本发明所述的基于差分过零检测法的qrs波群识别方法的一种优选方案，其中：所述r峰、所述s谷包括，波峰与波谷的时间间隔之间所述差分值过零处即为所述心电信号中r峰出现的时刻，所述差分值下一个过零处即为所述心电信号中s谷出现的时刻。作为本发明所述的基于差分过零检测法的qrs波群识别方法的一种优选方案，其中：利用过零检测算法检测获取所述q、r、s三个点包括，设置合适阈值和窗口大小，若所述差分值由正变负，根据所述阈值判断是否为r点，若所述差分值由负变正，则判断为s点，将所述r峰出现前由负变正的点判断为q点。作为本发明所述的基于差分过零检测法的qrs波群识别方法的一种优选方案，其中：所述自适应基线漂移滤波器还包括，定义所述窗口宽度为采样频率数值的十分之一。本发明的有益效果：本发明能够实时检测心电图仪采集的数据并进行qrs波的检测和波长的测量，可以大大缩短医师在大量心电波形中找到异常波形的时间，提高其工作效率；本发明运算量小，实时性高，且对主控芯片的算力要求极低，进而可以广泛应用于价格较低的家用便携式心电监护仪和远程医疗。附图说明为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：图1为本发明一个实施例提供的基于差分过零检测法的qrs波群识别方法的基本流程示意图；图2为本发明一个实施例提供的基于差分过零检测法的qrs波群识别方法的另一基本流程示意图；图3为本发明一个实施例提供的基于差分过零检测法的qrs波群识别方法的过零检测qrs方法的流程示意图；图4为本发明一个实施例提供的基于差分过零检测法的qrs波群识别方法的滤波器幅频、相频响应曲线示意图；图5为本发明一个实施例提供的基于差分过零检测法的qrs波群识别方法的实验结果示意图。具体实施方式为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。实施例1参照图1～4，为本发明的一个实施例，提供了一种基于差分过零检测法的qrs波群识别方法，包括：s1：利用自适应基线漂移滤波器过滤采集到的原始心电信号，去除原始心电信号的直流偏置，得到在0值附近上下波动的心电信号；需要说明的是，定义自适应基线漂移滤波器的时域包括：y[n]＝x[n]-b[n]其中，x[n]表示滤波器输入值，y[n]表示滤波器输出值，b[n]表示修补的基线漂移量。其中，修补的基线漂移量包括，其中，w表示窗口宽度。自适应基线漂移滤波器还包括：定义窗口宽度为采样频率数值的十分之一。具体的，由于高精度模拟前端芯片直接采集得到的心电信号十分微弱，幅值通常在0.1mv至3mv之间，且伴随着基线漂移、工频干扰和肌电干扰三类噪声，必须经过预处理才能进行qrs波的检测。其中，工频干扰属于低频干扰，在测量过程中，模拟前端电路、测量电极以及体表组成了一个分压网络，四肢动作、呼吸节奏、体表的汗液等都可能影响体表与电极间接触电阻阻值发生改变，进而造成基线漂移。此类噪声会致使心电波形变得扭曲，严重影响了qrs波群的检测，因此滤除基线漂移是十分必要的预处理环节。自适应基线漂移滤波器的本质是一个数字低通滤波器，其需要设定合适滤波器的窗口宽度，若窗口宽度过窄，则难以滤除变化缓慢的基线漂移，若窗口宽度过宽，则难以滤除突变的基线漂移，实验中发现，窗口宽度设置为采样频率数值的十分之一左右效果较好。此外，考虑到输出的稳定性，该滤波器在输出之前需预采样一个窗口宽度的数据，若采样频率为500hz，则窗口宽度可以设置为50，其预采样时间为0.1s。若设窗口宽度为"w"，则滤波器时域输出方程为：y[n]＝x[n]-b[n]其中，x[n]表示滤波器输入值，y[n]表示滤波器输出值，b[n]表示修补的基线漂移量。s2：利用15hz巴特沃斯低通滤波器过滤心电信号，滤除工频干扰、抑制肌电干扰对信号的影响；需要说明的是，定义iirbutterworth(15hz巴特沃斯低通滤波器)数字低通滤波器的参数如表1所示。表1：滤波器参数表。具体的，高精度模拟前端芯片采集到的信号频谱主要集中在0-60hz之间，而自适应基线漂移滤波器仅仅滤除了原始信号的基线，此时信号仍受工频干扰和肌电干扰影响，其中工频干扰是在采集阶段造成的，国内一般是指50hz的电源线干扰和各次谐波干扰，幅值大约在0-0.4mv，根据不同的情况，一般相当于r波幅值的5％-40％，这是一种一般采样到的信号都会碰到的较为常见的干扰，使得ecg信号的snr下降，甚至淹没原始信号。而肌电干扰频谱范围较广泛，约集中于1-1000hz，因而信号从时域上看并不平滑，而夹杂着尖峰与毛刺。为了抑制这两类噪声，本实施例采用iirbutterworth数字低通滤波器，滤除15hz以上的频率成分，其输出信号中工频干扰被完全滤除，仅剩肌电干扰的低频成分，对于qrs波群的检测影响较小。s3：对过滤处理后的心电信号进行一阶和二阶差分，分析一阶差分后数值的概率分布，获取用于检测r峰的阈值；需要说明的是，在心电信号中，qrs波群斜率的模值大于其他波群，因此信号的一阶差分能有效分割qrs波群和其他波群，则利用一阶差分分割qrs波群和其他波群，其中，一阶差分表达式为：y[n]＝x[n]-x[n-1](n≥1)采用幂函数作为映射函数对一阶差分结果即差分值进行放大，区分qrs波群与其他波群，其映射函数包括：y[n]＝(x[n])3具体的，对滤波后信号进行一阶差分之后，qrs波间期对应的差分波形呈现一个正波峰与一个负波谷，且峰谷模值大于其他波群，但模值差别仍较小，对r峰的检测有一定影响，因此使用幂函数作为映射函数，对差分值进行放大，从而将qrs波群与其他波群进行有效区分。willisj.jiaputompkins曾提出pan-tompkins方法，其通过平方函数，对差分后的输出进行放大，再分段积分进行检测，能粗略地检测出qrs波群是否存在，但是无法做到对qrs点的精确定位，其主要原因是平方函数将所有负值映射为正值，从波形上看将原有的一个正波峰和一个负波谷映射为两个正波峰，损失了原有波形中包含的信息，因此本实施例中使用三次方函数进行非线性映射，保留差分波形的正负性，便于后期的处理和检测。其映射函数为：y[n]＝(x[n])3经此步骤后，qrs波群对应的波峰波谷能被明显放大。s4：通过二阶差分依次找到s谷和q谷，根据采样频率算出心率和q、r、s波的波长，提取波形特征，完成qrs波群的识别，需要说明的是，r峰、s谷包括，波峰与波谷的时间间隔之间差分值过零处即为心电信号中r峰出现的时刻，差分值下一个过零处即为心电信号中s谷出现的时刻。进一步的，利用过零检测算法检测获取q、r、s三个点包括：设置合适阈值和窗口大小，若差分值由正变负，根据阈值判断是否为r点，若差分值由负变正，则判断为s点，将r峰出现前由负变正的点判断为q点。具体的，在非线性映射后的差分波形中，可以明显地观察到，在一个心跳周期内，存在一个波峰与一个波谷，波峰与波谷的时间间隔之间差分值过零处即为心电信号中r峰出现的时刻，而差分值下一个过零处即为心电信号中s谷出现的时刻。由于在非线性映射后的差分波形具有明显的特征，可通过设置阈值的方法检测到r峰、s谷出现的时刻，而r峰时刻之前最近的过零处即为q点，其流程如图3所示。在一次qrs识别中，r、s点先后被识别到，最后确定q的位置，因此本发明能在一个qrs波群的s点时刻确定此波群的特征和信息，后期可根据qrs波群的特征(如qrs三点之间的时间间隔)进行辅助诊断。本发明提出的基于差分过零检测法的qrs波群识别方法具有很好的实时性特点且运算量小，可用于算力不高的mcu中。实施例2参照图5为本发明另一个实施例，为对本方法中采用的技术效果加以验证说明，本实施例采用模拟测试以及传统技术方案与本发明方法的对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。首先，基于本发明方法进行模拟测试以验证本发明方法的具有的真实效果：测试中选用德州仪器ads1292r芯片作为前端模数转换芯片，在实际测试中使用500hz的频率进行采样。实验分为静态测试与动态测试两部分，静态测试中，被测试者处于站立静止状态；动态测试中，被测试者在房间内进行走动。经实验验证，如图5所示，本发明方法在动态与静态测试中均能有效抑制基线漂移和高频噪声，获得较好的波形，同时能检测出qrs点的位置。接着，采用传统技术方案与本发明方法进行对比测试，传统的技术方案：目前，针对qrs波形检测有小波变换、神经网络、模板匹配、teager能量算子等方法，小波变换虽然具有误检率较小的优势，但其由于庞大的计算量难以在性能较弱的便携心电监护仪中做到实时检测，神经网络的方法由于训练周期长、难以判别与训练集相差较大的心电波形而难以广泛应用，模板匹配较易实现，但也存在难以判别与模板相关性较小的波形的问题，teager能量算子通过跟踪信号的瞬间能量变化的跟踪进行判别，其可以有效检测r峰，但对于q点和s点的判别略显挣扎。与以上几种方法相比较，本文提出的基于差分过零检测的qrs波群检测方法，拥有计算量小、实时性好、易于集成的优点，在实际应用中可以被采用。为验证本方法相对传统方法在实时性高、运算量少的同时还具有较高检测准确率，本实施例中将采用传统基于差分法及形态学运算检测腕带式心电信号qrs波群的方法和本方法分别对心电信号进行实时测量对比。测试环境：选用德州仪器ads1292r芯片作为前端模数转换芯片，在实际测试中使用500hz的频率进行采样，使用电极贴片连接被测者测试样本，分别利用传统的基于差分法及形态学运算检测qrs波群的方法和本发明方法进行测试并获得结果数据；开启自动化测试设备并运用matlb软件编程实现两种方法的仿真测试，根据实验结果得到仿真数据。每种方法各测试7组数据，结果如下表所示。表2：基于差分法及形态学运算检测qrs波群的方法测试数据表。表3：本发明方法实验数据表。测试组数据心拍个数误检个数漏检个数误检率(％)11774000.0000％22589210.0772％31985200.1008％42019300.1486％51855110.0539％61798400.2225％72330320.1288％从上表可以看出，本发明方法相对传统方法在实时性高、运算量少的同时还具有较高检测准确率。应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。当前第1页12