一种基于多级平滑包络的QRS波检测方法及系统

技术领域

本发明属于心电信号采集技术领域，特别涉及一种基于多级平滑包络的QRS波检测方法及系统。

背景技术

随着互联网及便携式心电采集设备的发展，以及心电信号自动分析系统的成熟，极大地降低了心血管患者全天候监护所需成本，推动人类健康事业向前迈进。QRS波群的准确识别作为心电信号自动分析的基础，在整个环节中起着重要作用。

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，差分阈值法原理较简单，计算快，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;为了保持较低时间复杂度，同时提高QRS波检测的准确性，现有技术中多数以差分阈值法为基础实现QRS波群检测，但是这些算法仍然存在一些缺陷：一是在信号的预处理过程中，噪音的处理不够细致，特征曲线损失较多，导致检测准确性降低；二是在评估阈值时，使用统一的参数，而未对不同形态和不同时间的QRS波群分类进行处理，容易漏检畸形QRS波群。

发明内容

针对上述问题，本发明提供一种基于多级平滑包络的QRS波检测方法及系统，能够解决噪音的处理不够细致，特征曲线损失较多，导致检测准确性降低以及在评估阈值时，使用统一的参数，而未对不同形态和不同时间的QRS波群分类进行处理，容易漏检畸形QRS波群的问题。

本发明实施例第一方面提供一种基于多级平滑包络的QRS波检测方法，包括：

根据预处理生成的ECGpre数据构建聚类模型，对所述聚类模型指定簇上的ECG信号进行精细滤波，生成精细滤波后的ECG数据并记为ECG

针对所述ECG

对所述最终检测特征序列ECG

对最终检测特征序列ECG

将所述多级平滑包络线ECG

可选的，所述对所述最终检测特征序列ECG

可选的，所述根据预处理生成的所述ECGpre数据构建聚类模型步骤前还包括：获取ECG数据；对ECG数据进行预处理并生成预处理后的ECG数据,将所述预处理后的ECG数据记为ECGpre数据。

可选的，所述根据预处理生成的所述ECGpre数据构建聚类模型，对所述聚类模型指定簇上的ECG信号进行精细滤波，生成精细滤波后的ECG数据并记为ECG

对所述ECGpre数据建立直方分布图，按比例选取最大值和最小值进行数据归一化得到归一化后的数据，记为ECG

可选的，提取所述ECG

可选的，还包括：

提取测试数据集的精细滤波聚类特征向量，通过Elbow方法确定最佳聚类数量，将聚类矩阵记为ECG

构建聚类模型，获取所述聚类模型中的ECG数据集，在所述ECG数据集中的每个簇上确定Wiener滤波的窗口宽度同时确定Butterworth滤波器的参数；

对ECG数据集指定的簇上数据进行精细滤波，生成ECG

可选的，所述针对所述ECG

计算所述ECG

对ECGfad进行加窗平滑生成加窗平滑后的序列记为ECGfs；

通过Chebyshev-II型滤波器对所述加窗平滑后的序列ECGfs进行滤波，将滤波后的序列记为ECG

对所述滤波后的序列ECG

可选的，所述对所述最终检测特征序列ECG

分别提取序列ECG

训练最终检测特征序列ECG

可选的，所述对最终检测特征序列ECG

确定最终检测特征序列ECG

可选的，所述将所述多级平滑包络线中的元素与最终检测特征序列ECG

将所述多级平滑包络线ECG

记录所述多级平滑包络线ECG

可选的，所述方法还包括：

将所述候选QRS波群位置序列划分成多个连续片段，将不同位置片段中特征曲线中最大值所对应的的位置作为QRS波群位置；

根据RR不应期参数对QRS波群位置进行合并校正，确定QRS波群最终位置。

本发明实施例的另一方面提供一种基于多级平滑包络的QRS波检测系统，包括：

精细滤波模块，用于根据预处理生成的ECGpre数据构建聚类模型，对所述聚类模型指定簇上的ECG信号进行精细滤波，生成精细滤波后的ECG数据并记为ECG

特征转换模块，用于针对所述ECGf数据检测并进行特征转换，生成最终检测特征序列，将所述最终检测特征序列记为ECG

分拣模块，用于对所述最终检测特征序列ECG

包络计算模块，用于对最终检测特征序列ECG

位置确定模块，用于将所述多级平滑包络线ECG

本申请实施例中的上述一个或至少一个技术方案，至少具有如下技术效果：

通过在所述ECG数据集中的每个簇上确定Wiener滤波的窗口宽度同时确定Butterworth滤波器的参数；对ECG数据集指定的簇上数据进行精细滤波，有效地降低了转换特征曲线时的损失，有利于进行QRS波群检测。

通过对特征序列进行更加精细化地分拣，可以分离出不同类型序列，例如：含畸形QRS波的ECG信号，分别对每种类型序列的数据进行包络计算，从而提高QRS波群检测准确率。

通过使用多级平滑包络进行检测，可以充分考虑不同时间宽度内的QRS波群特征变化，进一步提升QRS波群的检测准确率。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。

图1为一种基于多级平滑包络的QRS波检测方法流程图；

图2为一种基于多级平滑包络的QRS波检测系统示意图；

图3为本发明实施例中数据预处理流程示意图；

图4为本发明实施例中精细滤波聚类特征流程示意图；

图5为本发明实施例中精细滤波聚类模型生成流程示意图；

图6为本发明实施例中精细滤波流程示意图；

图7为本发明实施例中检测特征转换流程示意图；

图8为本发明实施例中特征序列分拣流程示意图；

图9为本发明实施例中多级平滑包络计算流程示意图；

图10为本发明实施例中QRS波群提取流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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、完整地说明，显然，所描述的实施例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。

请参考图1，本申请实施例提供一种基于多级平滑包络的QRS波检测方法，所述方法包括：

S101:根据预处理生成的ECGpre数据构建聚类模型，对所述聚类模型指定簇上的ECG信号进行精细滤波，生成精细滤波后的ECG数据并记为ECG

S102:针对所述ECG

S103:对所述最终检测特征序列ECG

S104:对最终检测特征序列ECG

S105:将所述多级平滑包络线ECG

本说明书实施例中的检测方法应用于心电检测设备中，心电检测设备可以是医疗电子设备或是或是运用本检测方法的硬件设备。例如可以是计算机，心电示波器等电子设备。

其中，参见图3，在步骤S101之前还包括：获取ECG数据；对ECG数据进行预处理并生成预处理后的ECG数据,将所述预处理后的ECG数据记为ECGpre数据。

具体来说，获取固定时长的ECG数据，固定时长可以设置10s到15将固定时长的ECG数据重采样至固定频率，可以重采样至125赫兹的固定频率，再将其通过陷波滤波器去除工频干扰。选用0.5至45赫兹通带的带通滤波器对数据进行进一步滤波，可以选用4阶Butterworth滤波器进行滤波，进一步滤波之后生成的数据记作ECGpre数据。

参见图4，对所述ECGpre数据建立直方分布图，按比例选取最大值和最小值进行数据归一化得到归一化后的数据，记为ECG

具体来说，直方归一化是根据数据的直方分布图，然后选取直方图中首尾一定比例处的值作为数据归一化的最小和最大值，然后带入最大最小归一化公式中进行数据归一化的方式。

具体地，首先，使用预处理后的数据生成固定组数（如：100）的直方图，然后获取前后一定比例（如：0.02和0.01）的组所对应的值，作为最小值和最大值，分别记作MIN

进行归一化，其中，ECG

提取所述ECG

其中，Fzcr1、Fzcr2、Fzcr3分别表示ECGpre在阈值为0.05、0.01、0.001时的过零率；Fzcr4、Fzcr5、Fzcr6、分别表示ECG

具体地，参见图5和图6，对数据集的每条数据依次执行数据预处理和精细滤波聚类特征提取操作，得到用于聚类的特征矩阵，提取测试数据集的精细滤波聚类特征向量，通过Elbow方法确定最佳聚类数量，

将聚类矩阵记为ECG

构建聚类模型，获取所述聚类模型中的ECG数据集，在所述ECG数据集中的每个簇上确定Wiener滤波的窗口宽度同时确定Butterworth滤波器的参数；

对ECG数据集指定的簇上数据进行精细滤波，生成ECG

具体来说，首先使用Elbow方法确定最佳聚类数量；然后使用K-Means聚类算法进行聚类，得到用于精细滤波的聚类模型，并保存。分别在精细滤波聚类模型的聚类中心附近挑选一定数量的ECG数据集，为了尽可能在抑制噪音，主要为肌电干扰的同时，降低对QRS波群有效特征的损伤，需要更加精细化地设定，可以在每个聚类中心附近挑选一部分测试数据集中的数据，设定每个簇所对应的Wiener滤波器窗口宽度。

具体地，在每个簇上确定Wiener滤波的窗口宽度，例如：3、5、7、11等宽度，在抑制噪音的同时，降低对ECG信号中的QRS波群特征的损伤；然后在每个簇上确定Butterworth滤波器的参数，确定Butterworth滤波器的参数为4阶和0.5至45赫兹。

在一些可选的实施例中，针对所述ECG

参见图7，计算所述ECG

对ECGfad进行加窗平滑生成加窗平滑后的序列记为ECGfs；

通过Chebyshev-II型滤波器对所述加窗平滑后的序列ECGfs进行滤波，将滤波后的序列记为ECG

具体来说，加窗平滑是使用特定的窗口，对信号进行卷积的一种操作；例如我们选用窗口宽度为12的Boxzen窗口作为卷积核对ECGfad进行卷积操作，得到加窗平滑后的序列，记为ECGfs。加窗平滑完成后，会存在一些高大的T波影响检测结果，选用2至35Hz的带宽Chebyshev-II型滤波器进行噪音抑制，记滤波后的序列为ECG

在一些可选的实施例中，为了提高检测算法的准确性，需要对上一步所得到的加测特征序列进行进一步分拣，在转换得到的特征序列后，当包含畸形QRS波群或者高大的T波时，特征序列中会存在一些较小的突起，若使用统一的检测参数，在该类型数据上会有较大的检测错误率，其中，对所述最终检测特征序列ECG

参见图8，分别提取序列ECG

其中，

具体地，提取数据集的分拣特征序列特征向量，得到用于分拣聚类的特征矩阵，记为：

其中，ECG

训练最终检测特征序列ECG

在一些可选的实施例中，对最终检测特征序列ECG

参见图9，确定最终检测特征序列ECG

具体来说，首先需要确定最终检测特征序列ECG

具体地，例如：设有一维序列

第一步计算每个窗口所对应的平滑曲线，公式如下：

其中，

第二步叠加各平滑曲线，得到多级平滑包络，公式如下：

其中，

在一些可选的实施例中，将所述多级平滑包络线中的元素与最终检测特征序列ECG

参见图10，将所述多级平滑包络线ECG

记录所述多级平滑包络线ECG

具体来说，在得到多级平滑包络线

将所述候选QRS波群位置序列划分成多个连续片段，将不同位置片段中特征曲线中最大值所对应的的位置作为QRS波群位置；

根据RR不应期参数对QRS波群位置进行合并校正，确定QRS波群最终位置。

具体地，将

将

其中，

遍历

对检测到的QRS波群位置的进一步过滤，

本申请实施例的另一方面涉及一种基于多级平滑包络的QRS波检测系统，参见图2，精细滤波模块，用于根据预处理生成的ECGpre数据构建聚类模型，对所述聚类模型指定簇上的ECG信号进行精细滤波，生成精细滤波后的ECG数据并记为ECG

特征转换模块，用于针对所述ECG

分拣模块，用于对所述最终检测特征序列ECG

包络计算模块，用于对最终检测特征序列ECG

位置确定模块，用于将所述多级平滑包络线ECG

尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。