一种基于便携式动态心电监护仪的心率计算方法与流程

1.本发明属于心率计算技术领域，具体为一种基于便携式动态心电监护仪的心率计算方法。


背景技术：

2.心脏健康属于人体最重要的几项健康指标之一，根据世界卫生组织统计，目前心血管疾病的死亡率居全球首位。对于心血管疾病高发人群，长时间的持续心脏监测可以帮助提前发现潜在危险，提醒患者及时就医治疗。在心脏的各项指标中，心率可以最直接地反映人体心脏的健康状态，它代表心脏每分钟跳动的次数，心率过快、过慢或心率不齐都可能反映出心脏存在潜在的健康问题。
3.在医院中，最普遍的检查方法是使用动态心电图机进行心脏检查，但是其测量时间较短，无法实现长期监测；且携带起来很不方便，容易影响人们正常的生活状态。便携式动态心电监护仪则可以有效解决此问题，其体积小巧，佩戴方便，能够在不影响人们正常生活状态的情况下持续记录佩戴者的心电数据。
4.数字信号处理可以利用数字方法对信号进行分析、变换、滤波、检测、调制、解调等操作，从而获取到人们所需要的特定属性或知识。借助数字信号处理技术，可以对采集到的心电数据进行分析处理，让用户知晓自己的实时心率，掌握自身心脏健康状态。
5.目前市面上存在多种多样的可穿戴智能设备，可以对用户心率进行监测，如手环、手表等设备。但是这类设备通常是利用光电容积脉搏波描记法(ppg)来计算心率的，通过光源照射皮肤，监测反射光或者折射光信号的周期性来对心率进行计算。
6.在同类型的动态心电监护仪产品中，一般是直接在动态心电监护仪采集信号时由硬件计算心率，并展示原始心电图波形。但这种方法计算出来的心率不稳定，波动幅度较大；其展示的心电图波形由于未经过处理，可读性也较差。


技术实现要素：

7.本发明的目的在于提供一种基于便携式动态心电监护仪的心率计算方法，以解决背景技术中提出的现有技术计算出来的心率不稳定，波动幅度较大，展示的心电图波形可读性较差的问题。
8.为解决上述技术问题，本发明所采用的技术方案是：
9.一种基于便携式动态心电监护仪的心率计算方法，包括以下步骤：
10.步骤s1：将便携式动态心电监护仪贴在人体表面；
11.步骤s2：数据接收；通过移动终端与便携式动态心电监护仪无线连接，接收便携式动态心电监护仪所检测的心电信号数据，将接收到的数据记为s；
12.步骤s3：数据预处理；对步骤s2中的数据s进行预处理，去除其中的异常数据点，得到数据s1；
13.步骤s4：数据滤波处理；通过信号滤波算法对步骤s3中的数据进行滤波处理，去除
其中的噪声干扰，得到滤波后的数据s2；
14.步骤s5：更新缓存，利用缓存数据计算心率；
15.步骤s6：数据正则化；
16.步骤s7：心率及心电图波形展示；
17.步骤s8：重复步骤s2
‑
s7直至测量结束。
18.根据上述技术方案，所述步骤s3中的具体处理为：
19.步骤s31：确定s的取值范围为
‑
1mv到1mv：
20.步骤s32：将s中大于1mv的值置为1mv，小于
‑
1mv的值置为
‑
1mv，得到处理后的数据s1，处理后的s1即为去除掉异常数据点的数据。
21.根据上述技术方案，所述步骤s4中的具体处理为：
22.步骤s41：使用0.5hz
‑
80hz的带通滤波器进行滤波，去除小于0.5hz的低频噪声及大于80hz的高频噪声干扰，得到数据s11；
23.步骤s42：首先对s11使用1hz低通滤波器得到s11wander，再使用s11减去s11wander，得到去除了基线漂移影响的s12；
24.步骤s43：对步骤s42得到的s12使用48hz
‑
52hz的带阻滤波器，去除50hz左右的工频干扰，经过以上滤波处理，得到处理后的数据s2。
25.根据上述技术方案，所述步骤s5中的具体处理为：
26.步骤s51：在接收数据的移动终端建立一个数据缓存区；
27.步骤s52：在数据缓存区建立一个双向队列；双向队列用于记录当前时刻前4秒的所有ecg数据为s
‑
4s；
28.步骤s53：当有新的数据s2到来时，进行入队列操作，更新缓存数据s
‑
4s，并使用数据s
‑
4s计算心率。
29.根据上述技术方案，通过数据s
‑
4s计算心率的方法为：
30.步骤s54：首先使用xqrs检测算法检测缓存数据s
‑
4s中的所有r峰位置[r1,r2,...,r
n
]；
[0031]
步骤s55：根据步骤s54中检测到的所有r峰位置计算所有相邻r峰之间的rr间期，得到rr间期序列rrs＝[r2‑
r1,r3‑
r2,...,r
n
‑
r
n
‑1]；其中，每个rr间期的单位为秒；
[0032]
步骤s56：最后根据rrs计算平均心率hr，计算方法为hr＝60/mean(rrs)，其中mean为取均值函数。
[0033]
根据上述技术方案，所述心率的计算步骤具体为：
[0034]
步骤s57：将缓存数据s
‑
4s通过5hz
‑
20hz的带通滤波器进行过滤，得到滤波后的数据s
‑
4s
‑
f；
[0035]
步骤s58：将数据s
‑
4s
‑
f通过ricker小波变换进行处理，提取qrs波群信息，得到s
‑
4s
‑
i；
[0036]
步骤s59：从s
‑
4s
‑
i中寻找所有局部最大值点组成r峰候选项；
[0037]
步骤s510：设置qrs波群检测阈值相关参数，参数包括：r峰处的幅值应大于0.13mv、该qrs波群的r峰位置距离上一个qrs波群的r峰位置应大于0.2秒；
[0038]
步骤s511：对每一个r峰候选项按时间顺序进行遍历，根据阈值条件判断其是否属于真正的qrs波群，同时根据当前波形中的r峰幅值与位置，更新步骤s510中的r峰幅值与上
一个r峰位置阈值参数；
[0039]
步骤s512：重复步骤s511直到遍历完所有r峰候选项，得到所有真正的r峰位置；
[0040]
步骤s513：根据rr间期计算该段数据的平均心率；
[0041]
步骤s514：输出心率结果。
[0042]
根据上述技术方案，所述步骤s6的具体处理为：
[0043]
步骤s61：首先采用s3＝(s2
‑
μ)/σ的方法对数据s2进行标准化，其中μ为s2的均值μ＝mean(s2)，σ为s2的标准差σ＝std(s2)，mean为取均值函数，std为取标准差的函数；
[0044]
步骤s62：采用s4＝s3/max(abs(s3))的方法将取值范围固定到[
‑
1,1]之间，其中max为取最大值函数，abs为取绝对值函数。
[0045]
根据上述技术方案，所述步骤s7的具体处理为：
[0046]
通过将心率hr和心电图数据s4在app上进行可视化展示，让用户可以观察到自己的心电图波形和实时心率。
[0047]
与现有技术相比，本发明具有以下有益效果：
[0048]
本发明基于便携式动态心电监护仪采集的心电数据设计处理方法，用于用户进行长期自我监测的场景，用户测量时可以实时查看自己的心率及心电图波形。其计算的心率和展示的心电图波形相对稳定，抗干扰能力强，能够从一定程度上正确反映用户的心脏健康状态，帮助用户进行自我监测。
[0049]
本发明针对便携式动态心电监护仪的应用场景，设计了app端实时心率计算方法和心电图展示方法。不同于常见的利用ppg计算心率，本发明使用用户的心电数据计算心率，可信度更高。在同类型的使用心电数据计算心率的方法中，不同于其他方法直接根据设备采集数据进行计算，本发明在计算心率时提前进行了数据预处理与信号滤波，同时利用缓存池的方法来计算心率，使心率计算更加稳定。在进行心电图数据展示时不同于其他的直接展示方法，本发明进行了正则化处理，数据的可读性更好。
附图说明
[0050]
图1为基于便携式动态心电监护仪的心率计算方法整体流程图；
[0051]
图2为基于便携式动态心电监护仪的心率计算方法计算流程流程图；
[0052]
图3为基于便携式动态心电监护仪的心率计算方法计算心率时不同信号的示例图。
具体实施方式
[0053]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术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，都属于本发明保护的范围。
[0054]
实施例一
[0055]
请参阅图1
‑
图2，一种基于便携式动态心电监护仪的心率计算方法，包括以下步骤：
[0056]
步骤s1：将便携式动态心电监护仪贴在人体表面；
[0057]
步骤s2：数据接收；通过移动终端与便携式动态心电监护仪无线连接，接收便携式动态心电监护仪所检测的心电信号数据，将接收到的数据记为s；
[0058]
步骤s3：数据预处理；对步骤s2中的数据s进行预处理，去除其中的异常数据点，得到数据s1；
[0059]
步骤s4：数据滤波处理；通过信号滤波算法对步骤s3中的数据进行滤波处理，去除其中的噪声干扰，得到滤波后的数据s2；
[0060]
步骤s5：更新缓存，利用缓存数据计算心率；
[0061]
步骤s6：数据正则化；
[0062]
步骤s7：心率及心电图波形展示；
[0063]
步骤s8：重复步骤s2
‑
s7直至测量结束。
[0064]
所述步骤s3中的具体处理为：
[0065]
步骤s31：确定s的取值范围为
‑
1mv到1mv：
[0066]
步骤s32：将s中大于1mv的值置为1mv，小于
‑
1mv的值置为
‑
1mv，得到处理后的数据s1，处理后的s1即为去除掉异常数据点的数据。
[0067]
所述步骤s4中的具体处理为：
[0068]
步骤s41：使用0.5hz
‑
80hz的带通滤波器进行滤波，去除小于0.5hz的低频噪声及大于80hz的高频噪声干扰，得到数据s11；
[0069]
步骤s42：首先对s11使用1hz低通滤波器得到s11wander，再使用s11减去s11wander，得到去除了基线漂移影响的s12；
[0070]
步骤s43：对步骤s42得到的s12使用48hz
‑
52hz的带阻滤波器，去除50hz左右的工频干扰，经过以上滤波处理，得到处理后的数据s2。
[0071]
所述步骤s5中的具体处理为：
[0072]
步骤s51：在接收数据的移动终端建立一个数据缓存区；
[0073]
步骤s52：在数据缓存区建立一个双向队列；双向队列用于记录当前时刻前4秒的所有ecg数据为s
‑
4s；
[0074]
步骤s53：当有新的数据s2到来时，进行入队列操作，更新缓存数据s
‑
4s，并使用数据s
‑
4s计算心率。
[0075]
通过数据s
‑
4s计算心率的方法为：
[0076]
步骤s54：首先使用中的xqrs检测算法检测缓存数据s
‑
4s中的所有r峰位置[r1,r2,...,r
n
]；
[0077]
步骤s55：根据步骤s54中检测到的所有r峰位置计算所有相邻r峰之间的rr间期，得到rr间期序列rrs＝[r2‑
r1,r3‑
r2,...,r
n
‑
r
n
‑1]；其中，每个rr间期的单位为秒；
[0078]
步骤s56：最后根据rrs计算平均心率hr，计算方法为hr＝60/mean(rrs)，其中mean为取均值函数。
[0079]
所述心率的计算步骤具体为：
[0080]
步骤s57：将缓存数据s
‑
4s通过5hz
‑
20hz的带通滤波器进行过滤，得到滤波后的数据s
‑
4s
‑
f；
[0081]
步骤s58：将数据s
‑
4s
‑
f通过ricker小波变换进行处理，提取qrs波群信息，得到s
‑
4s
‑
i；
[0082]
步骤s59：从s
‑
4s
‑
i中寻找所有局部最大值点组成r峰候选项；
[0083]
步骤s510：设置qrs波群检测阈值相关参数，参数包括：r峰处的幅值应大于0.13mv、该qrs波群的r峰位置距离上一个qrs波群的r峰位置应大于0.2秒；
[0084]
步骤s511：对每一个r峰候选项按时间顺序进行遍历，根据阈值条件判断其是否属于真正的qrs波群，同时根据当前波形中的r峰幅值与位置，更新步骤s510中的r峰幅值与上一个r峰位置阈值参数；
[0085]
步骤s512：重复步骤s511直到遍历完所有r峰候选项，得到所有真正的r峰位置；
[0086]
步骤s513：根据rr间期计算该段数据的平均心率；
[0087]
步骤s514：输出心率结果。
[0088]
所述步骤s6的具体处理为：
[0089]
步骤s61：首先采用s3＝(s2
‑
μ)/σ的方法对数据s2进行标准化，其中μ为s2的均值μ＝mean(s2)，σ为s2的标准差σ＝std(s2)，mean为取均值函数，std为取标准差的函数；
[0090]
步骤s62：采用s4＝s3/max(abs(s3))的方法将取值范围固定到[
‑
1,1]之间，其中max为取最大值函数，abs为取绝对值函数。
[0091]
所述步骤s7的具体处理为：
[0092]
通过将心率hr和心电图数据s4在app上进行可视化展示，让用户可以观察到自己的心电图波形和实时心率。
[0093]
实施例二
[0094]
本发明主要用于对便携式动态心电监护仪采集的心电信号数据进行处理，在手机app端计算用户的实时心率，并展示实时心电图波形，对用户的心脏健康状态进行反馈。其整体结构如图1所示，其中便携式动态心电监护仪属于数据采集设备，在测量时贴在人体上持续采集用户的心电信号；app端与便携式动态心电监护仪通过蓝牙连接，持续接收用户心电信号，并利用数字信号处理技术实现实时心率计算，并将用户实时心率及实时心电图波形进行展示。
[0095]
原理说明：
[0096]
app端实时心率计算方法如图1所示，其具体流程如下所示：
[0097]
1.数据接收。手机app与便携式动态心电监护仪通过蓝牙连接传输数据，在接收到足够的数据点用于一屏展示时，存储该段数据为s，进入下一步操作。
[0098]
2.数据预处理。对s进行预处理，去除其中的异常数据点。本方法主要针对过大过小异常数据进行处理。根据正常心电信号的取值范围，及相应便携式动态心电监护仪采集信号的先验知识，确定正常取值范围为
‑
1mv到1mv之间。因此将大于1mv的值置为1mv，小于
‑
1mv的值置为
‑
1mv，减小异常点对后续处理的影响，得到处理后的数据s1。
[0099]
3.信号滤波算法。该算法主要采用频率域滤波器对ecg信号进行滤波处理，去除其中的噪声干扰。针对ecg信号中可能存在的低频/高频干扰、基线漂移、国内50hz工频干扰等影响，本步骤使用巴特沃斯滤波器和切比雪夫滤波器两种滤波器来对信号进行处理。主要包括：a)使用0.5hz
‑
80hz的巴特沃斯带通滤波器进行滤波，去除低频噪声及高频噪声干扰；b)使用全通滤波器结果减去巴特沃斯1hz低通滤波器结果，去除基线漂移影响；c)使用切比雪夫48hz
‑
52hz的带阻滤波器，去除50hz左右的工频干扰。经过以上滤波处理，得到处理后的数据s2。
[0100]
4.更新缓存，利用缓存数据计算心率。由于数据段s2的长度通常为1秒左右(s1、s同理)，根据此数据计算的心率很不稳定，因此在缓存区建立一个双向队列，用来记录当前时刻前4秒的所有ecg数据为s
‑
4s，每当由新数据s2到来时，进行入队列操作，更新缓存数据s
‑
4s，之后使用缓存数据s
‑
4s计算心率。
[0101]
心率计算的具体计算流程如附图2所示。首先使用xqrs检测算法检测缓存数据s
‑
4s中的所有r峰位置；之后根据检测到的所有r峰位置计算rr间期序列rrs；最后根据rrs计算平均心率hr，计算方法为hr＝60/mean(rrs)，其中mean为取均值函数。
[0102]
5.数据正则化。主要是对数据s2进行处理用于app展示，包含两个操作：首先采用s3＝(s2
‑
μ)/σ的方法对数据s进行标准化，其中μ为均值，σ为标准差；之后采用s4＝s3/max(abs(s3))的方法将取值范围固定到[
‑
1,1]之间，其中max为取最大值函数，abs为取绝对值函数。
[0103]
6.心率及心电图波形展示。将心率hr和心电图数据s4在app上进行可视化展示，让用户可以观察到自己的心电图波形和实时心率。
[0104]
实施例三
[0105]
本实施例为实施例一的进一步细化。心率计算方面，本发明设置了心电信号缓冲池，用于记录当前时刻前四秒的心电数据，之后利用此段数据计算平均心率，提高心率的稳定性。值得注意的是在该方法中，四秒只是一个可选值，该值的选择是可变的，更大的值意味着心率更稳定，但是实时性更差；更小的值意味着实时性更好，但是波动浮动比较大。与此同时，在进行心电图波形展示时，事先采取了正则化方法，使得图形能够完整地呈现在app界面中，可读性更强。
[0106]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0107]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。