基于LabVIEW的虚拟心电分析仪中的R波检测算法研究

介绍了在LabVIEW平台上实现的实时虚拟心电信号分析仪的R波检测算法.该算法利用二阶差分极小值来定位R波,它具有实现简单、速度快、定位准确等优点,为心电信号的HRV进一步研究工作提供了基础.     

一种从母体腹部电极心电信号中检测胎心R波的算法

母体腹部电极心电法通过放置在孕妇腹部的电极片无创检测胎儿心电信号.但腹部无创检测采集的是包含胎儿心电、母体心电及噪声的混合信号,且母体心电信号的幅值远大于胎心信号.基于此问题,提出从母体腹部心电信号中检测胎儿R波的高效算法.该算法避免对腹部信号建立复杂的模型,通过最小化误差函数,自适应地滤除母亲心电信号的波形,以获得较清晰的胎儿心电波形.再经过基于聚类的胎儿R波尖峰检测以及精筛选的步骤,获得正确的胎儿R波尖峰.该算法使用PhysioNet Challenge 2013的腹部心电数据集Set-a进行测试.测试结果中,胎儿R波尖峰提取的平均灵敏度为88%,平均阳性检测率为88%.由于不涉及复杂的计算,该算法运行时间短,效率高,处理持续时长为60s的腹部信号平均用时2.64s,很适合用于可穿戴设备中心电信号的实时检测.     

基于心电信号提取呼吸信号的算法

为了通过心电监护完成对多种生理信号的检测, 降低监护设备的复杂性, 根据呼吸运动对心电信号的影响, 提出一种由心电信号提取呼吸信息(EDR: ECG-Derived Respiratory Signal) 的算法。首先, 根据Pan&Tompkins 算法从心电信号中提取R 波; 然后使用自然三次样条插值算法对心电信号的基线进行估计, 去除基线漂移, 得到干净的心电信号; 最后获取干净的心电信号R 波, 利用自然样条插值算法得到R 波幅值调制信号, 提取出呼吸信息。通过Matlab 软件对该算法进行验证, 并进行相关的分析比较。仿真结果表明, 该算法能从心电信号里提取呼吸信息。通过与数据库中同时记录的呼吸数据进行比对, 证实了算法的有效性。     

基于短时心电信号的疲劳驾驶检测算法

心率变异性分析是最常用的一种基于心电信号的疲劳驾驶检测方法.然而,该方法需要被检测信号时间足够长,且准确率较低.因此提出一种基于短时心电信号的疲劳驾驶检测算法.首先,按照30s的时长截取短时心电信号序列,利用差分阈值法确定R波位置,根据R-R间期差值大小剔除不合格的噪声样本;然后,计算R-R间期序列的时域/频域特征并与利用ImageNet数据集预训练的深度卷积神经网络模型提取的特征相结合;最后,设计了一种随机森林分类器并基于这些特征进行分类.结果表明,该算法在疲劳驾驶检测上具有良好的分类效果,平均准确率达到91%.因此,相较于心率变异性分析方法,本算法检测所需心电信号更短,且在准确率上具备显著优势.     

模糊C-均值聚类算法在心率变异诊断中的应用研究

对健康和心律异常的心电信号进行分析,经小波分解之后的心电信号实现R波的准确定位,提取心率变异性这一特征参数的5项指标.根据心率正常和异常体现在特征参数上的差异,用模糊C均值聚类算法得到心率变异的病症模式,并与正常心电数据进行比较.结果表明,心率变异特性具有明显的可分性,基于模糊C均值聚类算法可以得到较好的结果.     

基于斜率突变的 QRS 波检测

在心电信号的分析中,QRS波群快速准确地检测是计算其他相关参数的前提.在正确识别R波的前提下,对心电信号进行频域变换后,以R渡点为基点,通过逐次计算R波左侧或右侧相邻两点的斜率并比较斜率是否发生突变,当相邻两点斜率突然发生变化时,可判断为Q波或S波.采用实时采集数据对以上算法进行验证,实验表明,该算法原理简单,计算量小,能够快速准确地检测心电信号数据中Q,S波的特征值.     

QRS波群检测中的二次B样条小波变换算法

针对目前心电信号检测中准确度不高以及适应性不强的问题,提出了一种基于二次B样条小波,结合二分搜索算法和圆弧逼近曲线算法的QRS波群检测算法。首先对心电信号用二次B样条小波经Mallat算法分解,在二分搜索法调整阈值和模极大值检测R波的基础上,再用基于最小二乘圆弧逼近曲线算法检测T波与P波。最后用MIT-BIH数据库的数据验证了该改进算法增强了R波检测的适应能力,提高了T波与P波的检测准确度。仿真实验表明该改进算法可以有效地提高心电信号自动检测能力。     

心电信号QRS波群的小波精确识别法

利用M arr小波特有的时频特性,采用离散小波变换的直接算法,对心电信号QRS波群进行识别,经M IT/B IH心电数据库的检测验证,即使有严重的噪声信号干扰,也能精确定位R波,其正确率为99.7%,能准确地识别QRS时限,实时地识别R波和QRS时限。可用于心电信号实时处理。     

小波熵阈值的心电信号去噪及R波检测算法

针对心电信号去噪问题,首先利用小波变换分解心电信号,计算小波分解后信号子带区间的小波熵,将小波熵和小波阈值相结合确定各层高频小波系数阈值门限。用阈值门限以及折中指数自适应阈值函数处理带噪的心电信号,并用bior3.7小波对去噪后的心电信号进行R波峰值定位,最后与原信号R波峰值位置对比。用本方法先对MIT/BIH心率失常心电数据库中117号心电信号去噪,之后与无偏风险阈值、固定阈值、启发式阈值和极大极小阈值去噪算法的性能比较。比较结果表明:当输入信噪比为9.724 7 dB时,小波熵阈值去噪法得到信号的输出信噪比为17.294 1 dB,其输入输出信噪比曲线明显高于其他4种传统阈值去噪法的输入输出信噪比曲线,且其R波检测结果更加精确。     

基于改进小波变换的QRS特征提取算法研究

提出了一种改进小波变换的方法对心电信号进行检测.首先设计不同的方法对心电干扰进行消噪预处理;然后对预处理后的心电信号采用改进小波变换和窗口函数的方法检测QRS波群;最后利用MIT-BIH标准数据库中的数据对此算法的准确度和有效性进行验证.结果表明改进小波变换方法对R波峰值定位的准确度可达到99.89%,为其他波群的检测定位奠定良好的基础,对诊断心肌梗死等心血管疾病具有重要意义.     

心电信号中R波的小波探测法

心电信号中的R波是心室除极时所产生的电位突奕，是典型的峰值奇异信号。笔者研究了小波变换对心电信号R波峰值奇异点的精确检测机理，分析了Mexican hat小波特有的时域特性，该小波具有任意阶连续性、对称性和指数衰减，具有零阶和一阶消失矩。因此Mexican hat小波基对R波具有良好的定位特性和分析精度。通过MIT／BIH（Massachusetts Institute of Technology/Boston's Beth Israel Hopital）心电数据库的测试和应用实例的验证，即使在有严重噪声干扰的情况下，该方法也很容易实现对R波的准确检测和精确定位，具有相当高的定位精度（定位误差不大于1个采样点，约80％能准确定位）和分析精度（不存在累计误差），同时具有较高的实时性，可以实现R波产时检测和分析。     

一种自适应R波检测算法实现

提出了一种检测心电信号中R波的方法.该方法首先采用多通道滤波器和小波变换对ECG信号去除噪声,然后使用自适应的差分阈值法检测ECG信号中的R波.该方法对传统差分阈值算法中存在漏检和多检情况具有自检功能.提供了相关实验结果,实验证明该方法准确率高 ,能实时处理ECG信号.     

基于DCG心电信号的R波检测算法

提出了一种基于动态心电图(DCG)心电信号的R波检测的新算法.该算法以平均双向斜率和相对高度为主要特征,能够快捷准确地检测R波.通过对MIT-BIH Long-Term ECG数据库以及哈尔滨医科大学医院提供的Holter记录进行R波检测,验证了该算法的可行性.针对检测结果分别与最大值双重搜索技术和差分运算方法(DOM)的检测结果进行了比较,发现所提算法的识别正确率(98.3%)高于以上两种算法(95.2%和90.7%).     

心电信号的房颤自动识别算法

为提高房颤识别的准确率和效率,提出基于心电信号的房颤自动识别算法.首先,采用二阶差分阈值法对R波进行初筛;然后,引入指数移动平均的方法动态验证初选出的R波,通过整体上移心电图、结合一阶差分阈值和实时调整窗口时间的方法解决影响R波准确率的问题;最后,基于临床经验,提出3条判别规则,从而筛选出相应的房颤片段.实验结果表明:文中算法的阴性预测率和特异性分别可达99.7%和99.8%,可有效帮助医生减少阅读量,提高工作效率和诊断准确率.     

QRS波相位检测算法

在ECG信号中,QRS波群含有大量的信息,它对ECG信号的分析具有指导意义,因而QRS波群的检测得到了广泛地研究。文章通过对小波处理过程的研究,发现采用快速卷积的小波变换,通过判断小波相位符号的变化,可以准确地定位R波;这种手段本质上依然是过零点的检测,但是由于不依赖于幅度域值,所以更加有效。     

单通道母体腹壁胎儿心率鲁棒估计研究

随着高危妊娠病例近年来的快速增加,家庭在线式胎儿监护成为围产期母婴监护领域研究的重大课题.通过母体腹部体表间接探测的胎儿心电图,完全无创、操作简便,特别适用于胎儿的远程家庭监护.但是母体腹壁胎儿心电图信噪比极低,分离提取胎儿心电信号算法十分复杂.本文从随机系统动态建模与估计理论出发,分析研究腹壁胎儿心电信号的基本特征,充分利用其动态演化规律,建立腹壁胎儿心电信号动态空间模型,提出一种新的低复杂度单通道胎心率鲁棒估计算法.算法对电极配置要求的简便性以及算法本身的递归性,使得在客户端本地实现胎儿心率实时估计成为可能,适用于胎儿心率的家庭动态监护环境.     

基于心冲击信号的心率提取算法

为了提高基于心冲击(ballistocardiogram,BCG)信号心率提取的准确率,提出了一种新算法.首先通过趋势项消除和小波变换对原始BCG信号进行预处理操作;然后通过单极性信号的频谱分析得出先验心率,据此确定局部心动周期的分段间隔;最后通过阈值处理、分段处理、提取局部极值点等操作得出心率.实验中采集了30例BCG信号,由此得到心率值;与同步采集的单通道ECG信号得到的心率值进行对比分析,结果表明,二者的相对误差最大不超过1.78%,这进一步验证了该算法的可行性和准确性.