一种心电信号自适应的R波实时检测方法及系统与流程

一种心电信号自适应的r波实时检测方法及系统
技术领域
1.本发明涉及一种心电信号处理领域，特别是一种心电信号自适应的r波实时检测方法及系统。


背景技术：

2.正常的心电活动始于窦房结，并从此发出冲动，循此特殊传导系统的通道下传，先后兴奋心房和心室，是心脏收缩，执行泵血功能，这种先后有序的电兴奋的传播，将引起一系列的电位改变，形成心电图上相应的波形。目前，在心脏电生理领域对于心脏病的诊断都基于体表心电图及心内心电图，而体表心电图中对于r波检测是一切诊断、判别的基础。
3.现有的r波检测算法，采用差分法、斜率法、小波分解法等，对于标准r波有较好的检测结果，而异常心电图中r波大多无法正确识别。
4.所以如今急需一种能够自动调整r波实时检测参数的方法来解决r波的形态不固定，幅度不固定等问题。


技术实现要素：

5.本发明的目的在于：针对现有技术存在的无法准确识别异常心电图中r波的问题，提供一种心电信号自适应的r波实时检测方法及系统。
6.为了实现上述目的，本发明采用的技术方案为：
7.一种心电信号自适应的r波实时检测方法，包括以下步骤；
8.s1：对采集的体表原始心电波形数据进行预处理，输出高频数据；
9.s2：根据检测阈值以及预设的r波检测步长w2实时检测所述高频数据中的r波；
10.s3：在检测到r波后，对其进行有效性判断，输出当前检测r波的有效判断结果，并继续进行r波检测；
11.在所述有效性判断中，若检测r波有效，更新检测参数并输出所述r波位置以及r波特征数据。本发明通过预处理、实时检测以及有效性判断步骤对r波进行实时检测，并根据实时检测的结果来对检测参数进行更新，使检测r波更加准确有效，也使本发明在实际应用中能够不断地优化检测参数，贴近实时检测的r波的特征，更加准确有效的识别异常异常r波。
12.作为本发明的优选方案，步骤s1包括以下流程：
13.s11：输入原始心电波形数据；
14.s12：将所述原始心电波形数据通过高通滤波器去除基线漂移以及通过低通滤波器去除高频噪声信号，并使用工频滤波算法进行工频滤波处理；
15.s13：将滤波处理后的所述原始心电波形数据通过两个不同尺度的小波函数进行小波分解，输出高频数据。本发明通过对所述原始心电波形数据进行相应的预处理，其中小波变换具有多分辨率特性，以及变换后各个频率成分在时间轴上的位置保持不变的特性，对于短时快速变化非周期信号可以在保留其时域特性的前提下获取频域特性，十分适用于
r波特征提取，与滤波处理结合使用，有效的排除了噪声以及其他干扰，降低了检测难度并使检测数据更加准确。
16.作为本发明的优选方案，所述检测参数包括检测阈值、幅值阈值以及rr间期均值，所述r波特征数据包括高频数据最大值、r波幅值以及rr间期时间。
17.作为本发明的优选方案，步骤s2中所述检测阈值的获取步骤为：
18.s21：通过获取最近一个时间周期所述高频数据的最大值v
max
，并根据公式t
max
＝α*v
max
计算出初始阈值t
max
，输出初始检测阈值β1*t
max
，其中α以及β1均为预设系数；
19.s22：根据所述初始阈值t
max
以预设的阈值检测步长w检测所述高频数据中的r波，获取所述时间周期内的r波个数，并根据检测出的r波位置以及r波个数计算出心率以及rr间期；
20.s23：检测所述心率是否在正常范围内且所述rr间期与所述rr间期均值的差值绝对值是否小于预设值，若条件满足，所述初始阈值t
max
有效，输出初始检测阈值，并进入步骤s2，若条件不满足则重新进行步骤s21。本发明通过阈值计算以及阈值有效性判断，大大的提高了初始阈值的可靠性，也极大的提高了本发明后续检测的准确度。
21.作为本发明的优选方案，所述步骤s3中有效性判断包括以下步骤：
22.s31：幅值检测：获取所述高频数据的幅值，并与预设的幅值阈值进行初步比较，若所述高频数据大于或等于所述幅值阈值，继续执行有效性判断步骤，若所述高频数据小于所述幅值阈值，所述r波无效，重新检测r波；
23.s32：计算所述高频数据中的r波特征数据；
24.s33：将所述r波特征数据与历史均值进行比较，当差异值小于γ1时，输出r波位置以及所述r波特征数据，并对所述历史均值进行更新；其中所述γ1为预设值，所述历史均值为历史数据中最近10个r波的r波特征数据的平均值。本发明通过对检测到的r波进行有效性判断以及录入历史数据的操作，避免了因其他因素干扰而产生的影响，提高了检测到的r波的可靠性，同时不断更新检测数据也大大降低了后续的检测难度并提高了后续检测的准确度，使本发明的方法更加有效可靠。
25.作为本发明的优选方案，所述步骤s2在一个检测周期中未检测到r波时，清除所述检测参数，并执行所述步骤s21，所述检测周期为预设值。
26.作为本发明的优选方案，所述步骤s2在检测到r波后会跳过一个无效周期的r波检测过程，用于跳过不应期，减小处理计算量，所述无效周期根据目标位置的不应期进行预设。
27.作为本发明的优选方案，还包括步骤s4，所述步骤s4与所述步骤s2同步进行，用于以预设的更新周期进行心率稳定性判断，并根据所述心率稳定性判断结果进行检测参数更新，所述心率稳定性判断包括以下步骤：
28.计算更新周期中rr间期的周期方差，若所述周期方差小于预设的周期方差阈值，判定心率稳定，对所述检测阈值、所述rr间期均值以及所述幅值阈值进行更新，所述更新方式为计算现有检测参数与所述更新周期内r波特征数据的平均值。
29.一种心电信号自适应的r波实时检测系统，包括采集模块、预处理模块、小波处理模块、阈值计算模块、实时检测模块以及有效性判断模块；
30.所述采集模块用于采集体表原始心电波形数据；所述预处理模块与所述采集模块
电连接，用于对所述原始心电波形数据进行预处理；所述小波处理模块与所述预处理模块电连接，用于对预处理后的所述原始心电波形数据进行小波分解，并输出突出r波特征的高频数据到所述阈值计算模块；所述阈值计算模块与所述小波处理模块电连接，用于对高频数据进行阈值计算处理；所述实时检测模块与所述阈值计算模块电连接，用于检测r波；所述有效性判断模块用于检测r波是否有效以及输出检测结果。
31.作为本发明的优选方案，还包括周期更新模块和幅值计算模块；所述周期更新模块与所述实时检测模块电连接，用于对检测数据进行更新；所述幅值计算模块设置在所述有效性判断模块内，用于计算输入数据的幅值。
32.综上所述，由于采用了上述技术方案，本发明的有益效果是：
33.1、本发明通过预处理、实时检测以及有效性判断步骤对r波进行实时检测，并根据实时检测的结果来对检测参数进行更新，使检测r波更加准确有效，也使本发明在实际应用中能够不断地优化检测参数，贴近实时检测的r波的特征，更加准确有效的识别异常异常r波。
34.2、本发明通过对所述原始心电波形数据进行相应的预处理，其中小波变换具有多分辨率特性，以及变换后各个频率成分在时间轴上的位置保持不变的特性，对于短时快速变化非周期信号可以在保留其时域特性的前提下获取频域特性，十分适用于r波特征提取，与滤波处理结合使用，有效的排除了噪声以及其他干扰，降低了检测难度并使检测数据更加准确。
35.3、本发明通过阈值计算以及阈值有效性判断，大大的提高了初始阈值的可靠性，也极大的提高了本发明后续检测的准确度。
36.4、本发明通过对检测到的r波进行有效性判断以及录入历史数据的操作，避免了因其他因素干扰而产生的影响，提高了检测到的r波的可靠性，同时不断更新检测数据也大大降低了后续的检测难度并提高了后续检测的准确度，使本发明的方法更加有效可靠。
37.5、本发明通过在检测到r波后跳过11个采集周期，以达到跳过不应期的作用，从而减小了处理计算量。
附图说明
38.图1是本发明实施例1所述的一种心电信号自适应的r波实时检测方法的流程示意图。
39.图2是本发明实施例2所述的一种心电信号自适应的r波实时检测方法的流程示意图。
40.图3是本发明实施例4所述的一种心电信号自适应的r波实时检测系统的结构示意图。
41.图4是本发明实施例4所述的一种心电信号自适应的r波实时检测系统的小波分解模块小波分解流程示意图。
具体实施方式
42.下面结合附图，对本发明作详细的说明。
43.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对
本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
44.实施例1
45.如图1所示，一种心电信号自适应的r波实时检测方法，包括以下步骤；
46.s1：对采集的体表原始心电波形数据进行预处理，输出高频数据；
47.s2：根据检测阈值以及预设的r波检测步长w2实时检测所述高频数据中的r波；
48.s3：在检测到r波后，对其进行有效性判断，输出当前检测r波的有效判断结果，并继续进行r波检测；
49.在所述有效性判断中，若检测r波有效，更新检测参数并输出所述r波位置以及r波特征数据。
50.其中，所述检测参数包括检测阈值、幅值阈值以及rr间期均值，所述r波特征数据包括高频数据最大值、r波幅值以及rr间期时间。
51.实施例2
52.如图2所示，本实施例与实施例1的区别在于，本实施例还包括小波变换、阈值计算以及周期更新流程，包括以下步骤；
53.a)预处理：通过硬件设备采集体表原始心电波形数据，并对所述原始心电波形数据进行预处理。
54.b)小波变换：将步骤a预处理后的所述原始心电波形数据通过两个不同尺度的小波函数进行小波分解，输出突出r波特征的高频数据。
55.c)阈值计算：对所述高频数据进行阈值计算处理得到初始阈值，并输出所述初始阈值以及r波特征数据；所述r波特征数据包括高频数据最大值以及rr间期时间。
56.d)实时检测：根据所述初始阈值以及r波特征数据设置检测参数，实时检测r波；在检测到r波后，对其进行有效性判断，并输出当前检测r波的有效判断结果，若该r波有效则记录r波特征数据并输出所述r波位置以及r波特征数据。
57.e)周期更新：以实时rr间期为存储周期进行数据存储，并进行心率稳定性判断，若心率稳定，则对检测数据进行更新。
58.其中，步骤a包括以下流程：
59.a1)采集原始心电波形数据，输出所述原始心电波形数据。
60.a2)将所述原始心电波形数据通过高通滤波器去除基线漂移以及通过低通滤波器去除高频噪声信号后，使用工频滤波算法进行工频滤波处理，输出预处理后的所述原始心电波形数据。
61.所述步骤c包括以下步骤：
62.c1)获取最近一个时间周期的高频数据，得到所述高频数据最大值v
max
，根据公式t
max
＝α*v
max
计算出初始阈值t
max
，其中所述时间周期为预设参数，α为预设系数，且满足0.5＜α＜0.9；所述时间周期在[4000ms-6000ms]中进行取值。
[0063]
c2)根据所述初始阈值t
max
以预设的阈值检测步长w检测所述高频数据中的r波，获取所述时间周期内的r波个数，并根据检测出的r波位置以及数量计算出rr间期以及心率；
[0064]
则认为初始阈值计算完成，否则继续进行输入数据更新，1s后重新计算，直到成功计算得初始阈值。
[0065]
c3)判断计算值是否满足条件：心率满足[35，300]且rr间期差异小于32ms，若条件满足，输出所述初始阈值t
max
以及r波特征数据并进入步骤d，若条件不满足则进入步骤a。
[0066]
所述步骤e与所述步骤d同步进行，包括以下步骤：
[0067]
e1)以实时rr间期为存储周期，当存储次数达到3时，进入步骤e2。
[0068]
e2)心率稳定性判断：计算存储周期中rr间期的周期方差，若所述周期方差小于预设的周期方差阈值，判定心率稳定，对所述检测阈值、所述rr间期均值以及所述幅值阈值进行更新，清楚所述存储次数并进入步骤e1。
[0069]
实施例3
[0070]
本实施例与实施例2的区别在于，所述步骤d满足以下步骤：
[0071]
d1)根据所述初始阈值t
max
设置检测阈值，并以16ms为采集周期进行数据输入；
[0072]
当输入次数与采集周期16ms的乘积大于3倍的rr间期均值时，进入步骤c；所述rr间期均值为历史数据中最近10次rr间期的平均值；
[0073]
当输入次数大于11次时且输入次数与采集周期16ms的乘积小于3倍的rr间期均值时，输出实时检测数据并进入步骤d2。
[0074]
d2)以r波检测步长w2检测所述实时检测数据的幅值，并与预设的幅值阈值进行比较；
[0075]
在所述幅值大于或等于所述幅值阈值时，进入步骤d3；
[0076]
在所述幅值小于所述幅值阈值时，进入步骤d1。
[0077]
d3)对所述实时检测数据进行小波分解获得高频数据，并将所述输入次数与采集周期16ms的乘积和所述rr间期均值进行比较；
[0078]
若所述乘积大于或等于所述rr间期均值，进入步骤d4；
[0079]
若所述乘积小于所述rr间期均值，进入步骤d5。
[0080]
d4)以预设的有效性检测步长w3查找所述高频数据的最大值，令检测阈值＝90％检测阈值；并将所述最大值与所述检测阈值的75％进行对比；其中，所述步长w3小于所述步长w2；
[0081]
若所述最大值大于或等于所述检测阈值的75％，判定检测到r波，计算所述实时检测数据中的r波特征数据；并将所述r波特征数据与历史均值进行比较，当差异值小于历史均值的30％时，输出r波位置以及所述r波特征数据并将所述r波特征数据录入历史数据，进入步骤d6；所述历史均值为历史数据中最近10个r波的r波特征数据的平均值；
[0082]
若所述最大值小于所述检测阈值的75％，判定未检测到r波，进入步骤d1；
[0083]
所述步骤d1的检测窗口t1与所述步骤d4的检测窗口t2均为预设值，且满足t2＝10t1。
[0084]
d5)获取所述高频数据中最近两个采集周期数据的最大值，并将所述最大值与所述检测阈值的85％进行对比；
[0085]
若所述最大值大于或等于所述检测阈值的85％，判定检测到r波，计算所述实时检测数据中的r波特征数据；并将所述r波特征数据与历史均值进行比较，当差异值小于历史均值的30％时，输出r波位置以及所述r波特征数据并将所述r波特征数据录入历史数据进行更新，进入步骤d6；
[0086]
若所述最大值小于所述检测阈值的85％，判定未检测到r波，进入步骤d1。
[0087]
d6)将所述输入次数置零，进入步骤d1并跳过之后输入的连续11次采集周期，不进行数据输入，仅累计输入次数，用于跳过不应期，减小处理计算量。
[0088]
实施例4
[0089]
如图3所示，一种心电信号自适应的r波实时检测系统，包括采集模块、预处理模块、小波处理模块、阈值计算模块、实时检测模块以及周期更新模块。
[0090]
本发明通过采集模块采集体表心电波形数据，经过放大、滤波后，通过预处理模块对数据进行预处理，去除信号中基线漂移及噪声信号。将处理后的信号输入小波变换模块，提取信号中r波特征信号；将提取r波特征信号输入自动阈值模块进行阈值计算，获取初始阈值。通过所述初始阈值，在实时检测模块进行r波实时检测和并对检测的阈值实时更新，然后进行有效性判断，判断检测结果是否为r波，输出所述r波位置以及r波特征数据，同时将检测结果输入自动周期计算模块，获取信号心电周期及r波幅值。
[0091]
预处理模块：将数据通过一个高通滤波器去除基线漂移，一个低通滤波器去除高频噪声信号，之后使用工频滤波算法进行工频滤波处理，处理后的数据传入小波变换模块。
[0092]
小波变换模块：采用设计的小波函数在两个不同尺度下对待分析信号x(t)做内积为：
[0093]
其中，是小波函数做位移τ和尺度a伸缩后的函数形式，其等效的频域表示是：其中，w
x
(a,τ)是小波系数，x(ω)、分别是x(t)、的傅里叶变换。上述两个公式表明：小波变换可以看作是用基本频率特性的带通滤波器在不同尺度a下对心率滤波，信号x(t)通过对基本小波的二进伸缩(取a＝2
j
,j＝1,2,3
…
和二进平移(指每次移动)构成的奇函数，就可以得到信号的二进离散小波变换，即小波分解。
[0094]
分解流程如图4所示，其中，s为原始心电波形数据，a1、a2、a3为低频部分，保持了原始信号大致波形，即近似信号；d1、d2、d3为高频部分，突出了信号的细节特征，即细节信号。
[0095]
预处理后信号通过两个不同尺度的小波函数进行小波分解，取得到突出r波特征的高频部分，将获得包含r波特征信号输入阈值计算数据缓存及实时检测数据缓存。
[0096]
阈值计算模块：获取输入数据缓存最大值v
max
，阈值计算初始阈值t
max
为：t
max
＝α*v
max
，以一定步长w搜索输入数据缓存中数据，以初始阈值t
max
检查，当检查到第一个r波时，更新阈值并记录位置跳过不应期长度(120-180ms)后，继续搜索，当检测到第二个r波后进行有效性判断，若该r波无效则继续搜索，有效则计算周期、更新阈值、记录r波原始波形特
征及小波分解后特征，输出所述初始阈值t
max
以及r波特征数据。若连续三次计算阈值结果均为无效值，则清除阈值、周期、幅值等信息，重新进行初始阈值计算。
[0097]
实时检测模块：所述实时检测模块还包括幅值计算模块以及有效性判断模块；所述实时检测模块获取初始阈值t
max
后，以r波检测步长w2为时间间隔、β1*t
max
为阈值、t1毫秒为检测窗口大小检测r波，增加不应期及幅值有效性作为检测前筛选，以减小计算量。以rr间期均值为参照标准，判断所述检测的周期与rr间期均值之间的大小关系，小于rr间期均值时，采用β2*t
max
阈值作为检测标准，当大于或等于rr间期均值时采用β3*t
max
阈值作为检测标准，t2毫秒检测窗口大小检测r波，以w3作为步长，减小初始阈值t
max
的10％(最小不得小于前次周期均值的一半)。当连续3个rr间期均值的时间未检测到r波时，清除阈值、周期、幅值等信息，重新进行阈值初始计算。其中，5≥n1≥10，β1、β2、β3满足0.9＞β1＞β1＞β1＞0.5，t2＝10t1，所述步长w3小于所述步长w2。
[0098]
幅值计算模块：当实时检测模块检测到r波时，对于所检测到r波进行原始波形幅值计算，对于两个尺度小波分解所得突出r波特征信号数据进行幅值计算，将所得r波特征数据传递给有效性判断模块。
[0099]
有效性判断模块：采用幅值计算模块所得结果与阈值计算所得r波特征相比较进行判断，特征差异大于预设阈值γ则认为所检测波形并非r波，差异小于预设阈值γ则进行r波相关特征参数及阈值更新，其中γ在[0.6，0.8]中取值。
[0100]
周期更新模块：记录连续n次rr间期，计算所记录周期方差，当方差小于所设定阈值t时，将n个rr间期长度缓存数据输入阈值模块，则更新周期记录缓存、阈值记录缓存、r波特征记录缓存，其中，n在[3,5]中取值。
[0101]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。