CN111772617A - Ecg显示滤波方法、装置及存储介质 - Google Patents
Ecg显示滤波方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111772617A CN111772617A CN201910274818.5A CN201910274818A CN111772617A CN 111772617 A CN111772617 A CN 111772617A CN 201910274818 A CN201910274818 A CN 201910274818A CN 111772617 A CN111772617 A CN 111772617A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- filtering
- wavelet coefficients
- threshold
- ecg
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000005070 sampling Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000003672 processing method Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 abstract description 4
- 230000002401 inhibitory effect Effects 0.000 abstract description 4
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000003183 myoelectrical effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000028161 membrane depolarization Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000002147 killing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient; User input means
- A61B5/742—Details of notification to user or communication with user or patient; User input means using visual displays
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了ECG显示滤波方法、装置及存储介质。其中ECG显示滤波方法，包括如下步骤:将采样率为Fs的原始ECG信号进行多尺度平稳小波分解，得到各尺度上的小波系数，其中各尺度上的小波系数包括1Hz以下频带信号分解出的小波系数；对上述步骤分解出来的各尺度小波系数进行处理；将处理后的多尺度平稳小波系数重构为新的ECG信号输出并显示。本发明采用上述原理，对ECG原始信号进行小波分解，然后将处理后的多尺度平稳小波系数重构为新的ECG信号，在没有损失有用信号的前提下，大大增强了ECG显示波形的质量，更好的凸显了P波，改善了R波和T波，抑制了运动伪迹。
Description
技术领域
本发明涉及滤波领域，具体涉及ECG显示滤波方法、装置及存储介质。
背景技术
实采的ECG信号中包含多种干扰，如低频干扰、高频干扰，且在不同频带宽度中造成的干扰各不相同，任何频带宽度中的干扰滤波不干净都会导致最终滤波后的ECG波形质量差，无法很好的凸显P波、T波，而现有技术中对实采ECG信号采用的滤波方式并没有达到分频带精确滤波，导致ECG滤波后的波形质量较差，无法很好的凸显P波、R波、T波。比如实采的ECG信号中的低频干扰包括呼吸等因素造成的基线干扰和MA运动伪迹干扰，通常MA运动伪迹干扰和基线干扰是混在一起的，难以区分，任何一个干扰滤除不干净都会导致ECG滤波后的波形质量较差，无法很好的凸显P波、R波、T波。而MA运动伪迹(Motion Artifacts)是ECG中常见的一种低频干扰，一般在信号采集时，由于被测者的非受迫运动产生，属于幅度较大的低频干扰，而现有技术中对实采ECG信号进行高通滤波，由于对阻带内信号衰减幅度不够，对于波动较大的低频信号(MA运动伪迹干扰)，滤波效果并不是非常理想，导致最终的ECG滤波后的波形质量较差，无法很好的凸显P波、R波、T波。
发明内容
本发明所要解决的技术问题是提高ECG滤波后的波形质量，更好的凸显P波，目的在于提供ECG显示滤波方法、装置及存储介质，对ECG原始信号进行小波分解，然后将处理后的多尺度平稳小波系数重构为新的ECG信号，在没有损失有用信号的前提下，大大增强了ECG显示波形的质量，更好的凸显了P波，改善了R波和T波，抑制了运动伪迹。
本发明通过下述技术方案实现：
一方面，本发明公开了一种ECG显示滤波方法，包括如下步骤:
将采样率为Fs的原始ECG信号进行多尺度平稳小波分解，得到各尺度上的小波系数，其中各尺度上的小波系数包括1Hz以下频带信号分解出来的小波系数，采样率Fs≥128Hz；对上述步骤分解出来的各尺度小波系数进行如下处理：对上述步骤分解出来的各尺度小波系数进行如下处理：对1Hz以下的低频信号采用第一阈值滤波的方式滤除基线干扰和MA运动伪迹干扰；对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理；对带有高频噪声和肌电干扰的高频信号分解产生的各层小波系数全部置零；将处理后的多尺度平稳小波系数重构为新的ECG信号输出并显示。
优选的，对1Hz以下的低频信号采用第一阈值滤波的方法为：对1Hz以下的低频信号分解产生的小波系数确定一个阈值Th＝mean(x)±mse(x)，绝对值大于该阈值的小波系数置零，其中mean(x)为第x层小波的均值，mse为x的均方误差。
优选的，对原始ECG信号进行多尺度平稳小波分解。
优选的，原始ECG信号进行多尺度平稳小波分解，所用小波滤波函数为sym4小波函数。
进一步优选的，对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理方法：利用阈值为f1的改进阈值法进行滤波，改进阈值法是指将绝对值小于等于阈值的小波系数置零，绝对值大于阈值的小波系数不做处理，然后在波形的截断处增加平滑过渡带。
另一优选方案，对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理方法，包括如下步骤：检测ECG信号内的全部R波位置；设定最大PR间期，在PR时段内采用阈值为f2的改进阈值法进行滤波；其它时段采用阈值为f1的改进阈值法进行滤波，其中f2＜f1，改进阈值法是指将小于等于阈值的小波系数置零，大于阈值的小波系数不做处理，然后在波形的截断处增加平滑过渡带。
第二方面，本发明公开了一种ECG显示滤波装置，包括
小波分解模块：用于将采样率为Fs的原始ECG信号进行多尺度平稳小波分解，得到各尺度上的小波系数，其中各尺度上的小波系数包括1Hz以下频带信号分解出来的小波系数，采样率Fs≥128Hz；小波分层处理模块：用于将小波分解模块分解出来的各尺度小波系数进行如下处理：对1Hz以下的低频信号采用第一阈值滤波的方式滤除基线干扰和MA运动伪迹干扰；对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理；对带有高频噪声和肌电干扰的高频信号分解产生的各层小波系数全部置零；输出显示模块：用于将处理后的多尺度平稳小波系数重构为新的ECG信号输出并显示。
对应于第二方面，对1Hz以下的低频信号采用第一阈值滤波的方法为：对带有肌电干扰的1Hz以下的低频信号采用第一阈值滤波的方法为：对1Hz以下的低频信号分解产生的小波系数确定一个阈值Th＝mean(x)±mse(x)，绝对值大于该阈值的小波系数置零，其中mean(x)为第x层小波的均值，mse为x的均方误差。
对应于第二方面，对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理方法，包括如下步骤：检测ECG信号内的全部R波位置；设定最大PR间期，在PR时段内采用阈值为f2的改进阈值法进行滤波；其它时段采用阈值为f1的改进阈值法进行滤波；其中f2＜f1，改进阈值法是指将绝对值小于等于阈值的小波系数置零，绝对值大于阈值的小波系数不做处理，然后在波形的截断处增加平滑过渡带。
第三方面，本发明公开了一种计算机存储介质，用于存储上述任意ECG显示滤波装置所用的计算机程序指令，所述计算机程序指令被处理器执行以实现所述ECG显示滤波装置所具有的模块功能。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明对ECG原始信号进行多尺度平稳小波分解，然后将处理后的多尺度平稳小波系数重构为新的ECG信号，在没有损失有用信号的前提下，大大增强了ECG显示波形的质量，更好的凸显了P波，改善了R波和T波，抑制了运动伪迹。
2、本发明对带有肌电干扰的1Hz以下的低频信号分解产生的小波系数进行第一阈值滤波的方法中，滤除了低频信号中的基线干扰和MA运动伪迹干扰；在带有有效信号的中频信号分解产生的小波系数进行第二阈值滤波的方法中，只滤除工频干扰和肌电干扰，而不会对与PVC波形相似度极高的高频MA运动伪迹处理，在没有损失有用信号的前提下，大大增强了ECG显示波形的质量，更好的凸显了P波，改善了R波和T波，抑制了运动伪迹。
3.Sym4可以更好的移植伪吉布斯效应。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明流程图；
图2为第二阈值滤波处理方法流程图；
图3为本发明结构框图；
图4为本算法处理ECG信号前后对比图；
图5为另一本算法处理ECG信号前后对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
在本发明的描述中，术语“第一”、“第二”等仅用于区分描述的目的，而不能理解为指示或暗示相对重要性。在本发明的描述中，术语SWT(Stationary WaveletTransformation)为平稳小波变换，或者静态小波变换；术语DWT(Discrete WaveletTransformation)为离散小波变换。SWT和DWT均是用于将原始波形进行小波分解的方法。本发明描述中的术语运动伪迹(Motion Artifacts)，是ECG信号中常见的一种宽频噪声干扰，本发明中低频干扰对滤波结果干扰较大，因此本方案重点关注低频运动伪迹MA的处理，一般在信号采集时，由于被测者的非受迫运动产生。本发明中的P-R间期：指在心电图中代表心房开始除极到心室开始除极的时间。
心电图(ECG)是一种强大的非侵入性工具这允许诊断各种心脏病。如今有多种便携式心电记录设备均能够采集ECG信号，并配备发射器，通过无线通信方式，提供远程健康相关信息监控，并在发生危及生命的情况下触发警报。然而，对于采集记录的ECG信号，患者的简单移动都会产生明显的伪影，而这些便携式心电记录设备容易遭受运动引起的伪影影响，虽然已经进行了大量研究以消除时间不变的噪声，但仍然保留了运动引起的伪影即“运动伪迹MA(Motion Artifacts)”，导致心电记录设备采集发送的ECG波形质量较差，远程监控根据质量较差的ECG波形进行判断，容易判断错误，从而导致触发报警错误。另外，ECG波形上倾斜的基线也可能会对P波显示造成影响。
为了解决运动伪迹MA和倾斜基线造成的ECG波形质量差，而导致P波显示不明显的问题，如图1-5所示，本发明公开了一种ECG显示滤波方法，包括如下步骤:
步骤S1：将采样率为Fs的原始ECG信号进行多尺度平稳小波分解，得到各尺度上的小波系数，其中各尺度上的小波系数包括1Hz以下频带信号分解出的小波系数，Fs≥128Hz；
例如当采样率Fs取511Hz，原始ECG信号可采用SWT、DWT或者其他方法进行多尺度平稳小波分解，分解出9层小波系数，即可得到包括1Hz以下频带信号分解出的小波系数，即0-1Hz频带信号以及每层小波的小波系数，将第9层小波系数全部的近似小波系数a9(0-0.5Hz)和部分的细节小波系数d9(0.5-1Hz)，作为是低频基线和运动伪迹干扰；当采样率Fs取256Hz，原始ECG信号可采用SWT、DWT或者其他方法进行多尺度平稳小波分解，分解出8层小波即可得到包括1Hz以下频带信号分解出的小波系数，即0-1Hz频带信号以及每层小波的小波系数，并将第8层小波系数分为全部的近似小波系数a8(0-0.5Hz)和部分的细节小波系数d8(0.5-1Hz)，作为是低频基线和运动伪迹干扰，然后在下面步骤中对该部分干扰进行有针对性的去除。其中采样率Fs还可以取其它任意值，当取值不同时，所分解的小波层数以及得到的包含1Hz以下频带信号分解出的小波系数的频带范围也就各不相同，需要根据实际得到的频带按照本发明思路进行相应的处理。
步骤S2：对上述步骤分解出来的各尺度小波系数进行如下处理：对1Hz以下的低频信号采用第一阈值滤波的方式滤除基线干扰和MA运动伪迹干扰；对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理；对带有高频噪声和肌电干扰的高频信号分解产生的各层小波系数全部置零；
例如当采样率Fs取512Hz，原始ECG信号分解的各尺度上的小波系数包括1Hz以下频带信号分解出的小波系数，则需要分解为9层，其中对低频信号1Hz以下频带信号分解出的小波系数，即0-1Hz频带信号分解产生的小波系数进行第一阈值滤波的方式，滤除0-1Hz频带信号内的基线干扰和MA运动伪迹干扰；对带有有效信号的1-64Hz的中频信号分解产生的各层小波系数进行第二阈值滤波处理；对64Hz以上的高频信号分解产生的各层小波系数全部置零；采样率Fs还可以取其它值，若取值不同，则低频信号、中频信号和高频信号的区间会有所不同，但是低频信号区间为最小的一个1Hz以下频带信号分解出的小波系数，带有有效信号的中频信号的区间通过本领域技术人员根据需要保留采集数据确定，剩下区间即为高频信号区间。
其中，对1Hz以下的低频信号采用第一阈值滤波的方法为：对1Hz以下的低频信号分解产生的小波系数确定一个阈值Th＝mean(x)±mse(x)，绝对值大于该阈值的小波系数置零，其中mean(x)为第x层小波的均值，mse为x的均方误差。
通过该方法即可在没有损失有用信号的前提下，滤除低频信号的肌电干扰、MA运动伪迹干扰。
其中，对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理的方法可以与第一阈值滤波方法相同或者不同，本发明对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理方法：利用阈值为f1的改进阈值法进行滤波，改进阈值法是指将小于等于阈值的小波系数置零，大于阈值的小波系数不做处理，然后在波形的截断处增加平滑过渡带。
下面以Fs为512Hz为例进行说明，对带有肌电干扰的0-1Hz频带的低频信号，采用第一阈值滤波思想去除幅度较大的MA运动伪迹干扰和基线干扰，对分解产生的小波系数，确定一个阈值Th,认为绝对值大于该阈值的小波系数是由MA和低频基线分解产生，对该部分小波系数进行置零操作，以达到完全去除宽频运动伪迹的效果，拉平倾斜的基线，去除基线干扰，得到滤波后的信号较原来信号更加平稳，受低频噪声的干扰影响大大降低，滤波后呈现给用户的显示波形质量得到提升，在没有损失有用信号的前提下，大大增强了ECG显示波形的质量，更好的凸显了P波，改善了R波和T波，抑制了运动伪迹。
对于带有有效信号的1-64Hz中频ECG信号，混杂有有效PVC波形、高频MA运动伪迹和工频干扰，而ECG信号中的PVC波形和高频MA运动伪迹几乎很难区分，为了避免误杀疾病的正常波形，本方案选择只对该频带的工频干扰和肌电干扰，进行处理，而不会对与PVC波形相似度极高的高频MA运动伪迹处理。
工频干扰的产生是由于便携式心电记录设备上的传感器采集到的心电信号本身叠加了工频干扰，工频干扰是人体肌电干扰，呼吸干扰以及热噪声等，若不去除，则会影响最终的波形质量，而在肌电干扰较强时，P波的小波系数幅度接近或小于肌电干扰的小波系数，单一阈值并不能有效区分，为了避免误杀疾病的正常波形且增强了ECG显示波形的质量，因此对于1-64Hz频带中频信号采用第二阈值滤波处理的方式。对于64Hz以上频带的信号对疾病的参考价值已经不高，因此可以直接滤除掉。
步骤S3：将处理后的多尺度平稳小波系数重构为新的ECG信号输出并显示。
本方案对ECG原始信号进行小波分解，得到每层小波的小波系数，然后将处理后的多尺度平稳小波系数重构为新的ECG信号，在没有损失有用信号的前提下，大大增强了ECG显示波形的质量，更好的凸显了P波，改善了R波和T波，抑制了运动伪迹。
如图4所示，图中K1为原始ECG波形，K2为采用本方案处理ECG信号后的波形，K3为现有方法处理ECG信号后的波形，图中画圈的部分即为R波、P波、T波以及PVC等疾病保护的波形，比较K2和K3的波形可知，K2波形能更好的凸显R波、P波和T波，还能保护PVC等疾病相关的特殊波形。如图5所示，图中K1为一段典型的夹杂运动伪迹的原始ECG信号波形，K2为采用本方案处理ECG信号后的波形，K3为现有方法处理ECG信号后的波形，由图可知，处理后的K2波形相比K3波形基线更平稳，K2在处理运动伪迹等低频干扰时，相较于现有算法效果显著，受基线干扰更小，波形质量更高。
在另一实施例中，如图2所示，对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理方法，包括如下步骤：
步骤S101：检测ECG信号内的全部R波位置；由于P波只会出现在P-R间期，且R波前面的一段时间内，p波出现的概率大大高于肌电信号低频出现的概率，在R波前面的一定时间内，采用较小的阈值f1以最大限度保留P波，其它地方采用较大的阈值f2以最大限度去掉肌电噪声。即在P-R间期内，可以针对性的降低阈值以最大限度保留P波信号，避免误杀有用波形，然后在非P-R间期内，针对性的提高阈值以最大化的滤除机电干扰，在没有误杀有用波形的前提下，进一步增强了ECG显示波形的质量，更好的凸显了P波，同时也改善了R波和T波的凸显问题。
步骤S102：设定最大PR间期，在PR时段内采用阈值为f1的改进阈值法进行滤波；其它时段采用阈值为f2的改进阈值法进行滤波，阈值f1和f2的计算方法与上述第一阈值滤波处理中的阈值计算方法相同，根据中值方差估计噪声的阈值f1＝f2＝sqrt(2*log(length))*sigma，sigma表示噪声方差，Sqrt表示开根号，length表示小波系数长度；sigma＝median(abs(b))/k，abs表示取绝对值，b代表第几层系数，median代表取中值，对于阈值还设置调整系数k来调整滤波范围，k的取值在0.5-1之间，且f1＜f2，改进阈值法是指将小于等于阈值的小波系数置零，大于阈值的小波系数不做处理，然后在波形的截断处增加平滑过渡带。
在另一实施例中，优选对原始ECG信号进行SWT多尺度平稳小波分解。也可以选择其它方式进行小波分解，只是没有该方法好。首先，由于SWT是对时域中信号的移位不变，这对于检测指定的信号分量(运动诱导伪影MA、异常值以及QRS波群)至关重要，非常适合于ECG信号去躁。其次，SWT进行小波分解过程中，每个级别系数中抽取转换算法的省略，使得更多的样本系数序列可用，可以更好的执行异常值检测。这些优势，使得对同一信号进行相同层数的小波分解，SWT计算效率相比其它算法更高。
在另一实施例中，原始ECG信号进行多尺度平稳小波分解(SWT)，所用小波滤波函数为sym4小波函数。通过该函数得到的小波系数对于吉布斯效应有较好的抑制作用，提高显示ECG波形的质量。
在另一实施例中，如图3所示，本发明还公开了一种ECG显示滤波装置，包括控制器、同时与控制器连接的存储器、小波分解模块、小波分层处理模块和输出显示模块；
所述小波分解模块：用于将采样率为Fs的原始ECG信号进行多尺度平稳小波分解，得到各尺度上的小波系数，其中各尺度上的小波系数包括1Hz以下频带信号分解出来的小波系数，采样率Fs≥128Hz；
小波分层处理模块：用于将小波分解模块分解出来的各尺度小波系数进行如下处理：对1Hz以下的低频信号采用第一阈值滤波的方式滤除基线干扰和MA运动伪迹干扰；对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理；对带有高频噪声和肌电干扰的高频信号分解产生的各层小波系数全部置零；
输出显示模块：用于将处理后的多尺度平稳小波系数重构为新的ECG信号输出并显示。
其中，对1Hz以下的低频信号采用第一阈值滤波的方法为：对带有肌电干扰的1Hz以下的低频信号采用第一阈值滤波的方法为：对1Hz以下的低频信号分解产生的小波系数确定一个阈值Th＝mean(x)±mse(x)，绝对值大于该阈值的小波系数置零，其中mean(x)为第x层小波的均值，mse为x的均方误差。
其中，对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理方法，包括如下步骤：
检测ECG信号内的全部R波位置；
设定最大PR间期，在PR时段内采用阈值为f2的改进阈值法进行滤波；其它时段采用阈值为f1的改进阈值法进行滤波；
其中f2＜f1，改进阈值法是指将绝对值小于等于阈值的小波系数置零，绝对值大于阈值的小波系数不做处理，然后在波形的截断处增加平滑过渡带。
在另一实施例中，本发明还公开了一种计算机存储介质，用于存储上述任意所述ECG显示滤波装置所用的计算机程序指令，所述计算机程序指令被处理器执行以实现所述ECG显示滤波装置所具有的模块功能。
综上所述，本发明公开了一种ECG显示滤波方法、装置及存储介质，对ECG原始信号进行多尺度平稳小波分解，然后对每层小波系数进行不同处理后再把波形反变换回去，在没有损失有用信号的前提下，大大增强了ECG显示波形的质量，更好的凸显了P波，改善了R波和T波，抑制了运动伪迹。如图4-5所示，根据现有装置、本方案、装置、存储介质或方法，得到如图4-5所示的ECG信号前后对比图，根据该图可以非常直观的得到本方案在没有损失有用信号的前提下，大大增强了ECG显示波形的质量，更好的凸显了P波，改善了R波和T波，抑制了运动伪迹。
本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于计算机可读存储介质中，该程序在执行时，可以包括如上述各方法的实施例的流程。其中，所述的存储介质可以是只读存储记忆体、随机存储记忆体、磁盘或光盘等。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.ECG显示滤波方法，其特征在于，包括如下步骤:
将采样率为Fs的原始ECG信号进行多尺度平稳小波分解，得到各尺度上的小波系数，其中各尺度上的小波系数包括1Hz以下频带信号分解出来的小波系数，采样率Fs≥128Hz；
对上述步骤分解出来的各尺度小波系数进行如下处理：对1Hz以下的低频信号采用第一阈值滤波的方式滤除基线干扰和MA运动伪迹干扰；对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理；对带有高频噪声和肌电干扰的高频信号分解产生的各层小波系数全部置零；
将处理后的多尺度平稳小波系数重构为新的ECG信号输出并显示。
2.根据权利要求1所述的ECG显示滤波方法，其特征在于，对1Hz以下的低频信号采用第一阈值滤波的方法为：对1Hz以下的低频信号分解产生的小波系数确定一个阈值Th＝mean(x)±mse(x)，绝对值大于该阈值的小波系数置零，其中mean(x)为第x层小波的均值，mse为x的均方误差。
3.根据权利要求1所述的ECG显示滤波方法，其特征在于，对原始ECG信号进行多尺度平稳小波分解。
4.根据权利要求3所述的ECG显示滤波方法，其特征在于，原始ECG信号进行多尺度平稳小波分解，所用小波滤波函数为sym4小波函数。
5.根据权利要求1所述的ECG显示滤波方法，其特征在于，对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理方法：利用阈值为f1的改进阈值法进行滤波，改进阈值法是指将绝对值小于等于阈值的小波系数置零，绝对值大于阈值的小波系数不做处理，然后在波形的截断处增加平滑过渡带。
6.根据权利要求1所述的ECG显示滤波方法，其特征在于，对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理，包括如下步骤：
检测ECG信号内的全部R波位置；
设定最大PR间期，在PR时段内采用阈值为f2的改进阈值法进行滤波；其它时段采用阈值为f1的改进阈值法进行滤波，其中f2<f1，改进阈值法是指将绝对值小于等于阈值的小波系数置零，绝对值大于阈值的小波系数不做处理，然后在波形的截断处增加平滑过渡带。
7.ECG显示滤波装置，其特征在于，包括
小波分解模块：用于将采样率为Fs的原始ECG信号进行多尺度平稳小波分解，得到各尺度上的小波系数，其中各尺度上的小波系数包括1Hz以下频带信号分解出来的小波系数，采样率Fs≥128Hz；
小波分层处理模块：用于将小波分解模块分解出来的各尺度小波系数进行如下处理：对1Hz以下的低频信号采用第一阈值滤波的方式滤除基线干扰和MA运动伪迹干扰；对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理；对带有高频噪声和肌电干扰的高频信号分解产生的各层小波系数全部置零；
输出显示模块：用于将处理后的多尺度平稳小波系数重构为新的ECG信号输出并显示。
8.根据权利要求7所述的ECG显示滤波装置，其特征在于，对带有肌电干扰的1Hz以下的低频信号采用第一阈值滤波的方法为：对带有肌电干扰的1Hz以下的低频信号采用第一阈值滤波的方法为：对1Hz以下的低频信号分解产生的小波系数确定一个阈值Th＝mean(x)±mse(x)，绝对值大于该阈值的小波系数置零，其中mean(x)为第x层小波的均值，mse为x的均方误差。
9.根据权利要求7所述的ECG显示滤波装置，其特征在于，对带有有效信号的中频信号分解产生的各层小波系数进行第二阈值滤波处理，包括如下步骤：
检测ECG信号内的全部R波位置；
设定最大PR间期，在PR时段内采用阈值为f2的改进阈值法进行滤波；其它时段采用阈值为f1的改进阈值法进行滤波；
其中f2＜f1，改进阈值法是指将绝对值小于等于阈值的小波系数置零，绝对值大于阈值的小波系数不做处理，然后在波形的截断处增加平滑过渡带。
10.一种计算机存储介质，其特征在于，用于存储权利要求7-9任意一项所述ECG显示滤波装置所用的计算机程序指令，所述计算机程序指令被处理器执行以实现所述ECG显示滤波装置所具有的模块功能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910274818.5A CN111772617B (zh) | 2019-04-04 | 2019-04-04 | Ecg显示滤波方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910274818.5A CN111772617B (zh) | 2019-04-04 | 2019-04-04 | Ecg显示滤波方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111772617A true CN111772617A (zh) | 2020-10-16 |
| CN111772617B CN111772617B (zh) | 2023-08-04 |
Family
ID=72755099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910274818.5A Active CN111772617B (zh) | 2019-04-04 | 2019-04-04 | Ecg显示滤波方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111772617B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118806299A (zh) * | 2024-09-18 | 2024-10-22 | 博睿康医疗科技(上海)有限公司 | 信号伪迹的检测方法及其检测系统、信号伪迹去除方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060200035A1 (en) * | 2005-02-23 | 2006-09-07 | Digital Intelligence, Llc | System and method for signal decomposition, analysis and reconstruction |
| CN101828917A (zh) * | 2010-05-07 | 2010-09-15 | 深圳大学 | 心电信号特征提取的方法和系统 |
| EP2369981A1 (en) * | 2008-12-31 | 2011-10-05 | St. Jude Medical, Atrial Fibrillation Division, Inc. | System and method for filtering electrophysiological signals |
| US20120014575A1 (en) * | 2010-07-13 | 2012-01-19 | Empire Technology Development Llc | Hybrid 2-D ECG Data Compression Based on Wavelet Transforms |
| CN105030228A (zh) * | 2015-06-29 | 2015-11-11 | 深圳市理邦精密仪器股份有限公司 | 在心电信号中确定其p波位置的方法及装置 |
| US9392952B1 (en) * | 2015-03-10 | 2016-07-19 | Nuvo Group Ltd. | Systems, apparatus and methods for sensing fetal activity |
| CN106096579A (zh) * | 2016-06-22 | 2016-11-09 | 天津理工大学 | 一种心电信号预处理的方法 |
| CN106236075A (zh) * | 2016-08-30 | 2016-12-21 | 任勇 | 一种应用于便携式心电仪所测心电图的降噪方法 |
| CN106419898A (zh) * | 2016-08-12 | 2017-02-22 | 武汉中旗生物医疗电子有限公司 | 一种去除心电信号基线漂移的方法 |
| US20170242974A1 (en) * | 2015-11-17 | 2017-08-24 | Anhui Huami Information Technology Co.,Ltd. | Determining User-Interested Information Based on Wearable Device |
| CN107260163A (zh) * | 2017-07-31 | 2017-10-20 | 广东南方电信规划咨询设计院有限公司 | 无线远程心电监测系统及方法 |
| CN109107041A (zh) * | 2018-07-13 | 2019-01-01 | 成都心吉康科技有限公司 | 起搏信号检测方法、装置及可穿戴健康设备 |
-
2019
- 2019-04-04 CN CN201910274818.5A patent/CN111772617B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060200035A1 (en) * | 2005-02-23 | 2006-09-07 | Digital Intelligence, Llc | System and method for signal decomposition, analysis and reconstruction |
| EP2369981A1 (en) * | 2008-12-31 | 2011-10-05 | St. Jude Medical, Atrial Fibrillation Division, Inc. | System and method for filtering electrophysiological signals |
| CN101828917A (zh) * | 2010-05-07 | 2010-09-15 | 深圳大学 | 心电信号特征提取的方法和系统 |
| US20120014575A1 (en) * | 2010-07-13 | 2012-01-19 | Empire Technology Development Llc | Hybrid 2-D ECG Data Compression Based on Wavelet Transforms |
| US9392952B1 (en) * | 2015-03-10 | 2016-07-19 | Nuvo Group Ltd. | Systems, apparatus and methods for sensing fetal activity |
| CN105030228A (zh) * | 2015-06-29 | 2015-11-11 | 深圳市理邦精密仪器股份有限公司 | 在心电信号中确定其p波位置的方法及装置 |
| US20170242974A1 (en) * | 2015-11-17 | 2017-08-24 | Anhui Huami Information Technology Co.,Ltd. | Determining User-Interested Information Based on Wearable Device |
| CN106096579A (zh) * | 2016-06-22 | 2016-11-09 | 天津理工大学 | 一种心电信号预处理的方法 |
| CN106419898A (zh) * | 2016-08-12 | 2017-02-22 | 武汉中旗生物医疗电子有限公司 | 一种去除心电信号基线漂移的方法 |
| CN106236075A (zh) * | 2016-08-30 | 2016-12-21 | 任勇 | 一种应用于便携式心电仪所测心电图的降噪方法 |
| CN107260163A (zh) * | 2017-07-31 | 2017-10-20 | 广东南方电信规划咨询设计院有限公司 | 无线远程心电监测系统及方法 |
| CN109107041A (zh) * | 2018-07-13 | 2019-01-01 | 成都心吉康科技有限公司 | 起搏信号检测方法、装置及可穿戴健康设备 |
Non-Patent Citations (2)
| Title |
|---|
| XIE YAN-JIANG: "Application of Wavelet to the Cancellation of ECG Interference in Diaphragmatic EMG", 《ACTA ELECTRONICA SINICA》, pages 366 - 370 * |
| 王超: "ECG去噪和R波检测的算法研究", 《中国优秀硕士学位论文全文数据库》, pages 1 - 60 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118806299A (zh) * | 2024-09-18 | 2024-10-22 | 博睿康医疗科技(上海)有限公司 | 信号伪迹的检测方法及其检测系统、信号伪迹去除方法 |
| CN118806299B (zh) * | 2024-09-18 | 2024-12-06 | 博睿康医疗科技(上海)有限公司 | 信号伪迹的检测方法及其检测系统、信号伪迹去除方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111772617B (zh) | 2023-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7672717B1 (en) | Method and system for the denoising of large-amplitude artifacts in electrograms using time-frequency transforms | |
| US7809433B2 (en) | Method and system for limiting interference in electroencephalographic signals | |
| CN101500480B (zh) | 处理心电信号的方法 | |
| Arunachalam et al. | Real-time estimation of the ECG-derived respiration (EDR) signal using a new algorithm for baseline wander noise removal | |
| Patro et al. | De-noising of ECG raw signal by cascaded window based digital filters configuration | |
| Dora et al. | Robust ECG artifact removal from EEG using continuous wavelet transformation and linear regression | |
| Almalchy et al. | Noise removal from ECG signal based on filtering techniques | |
| Talatov et al. | Algorithmic and software analysis and processing of ECG signals | |
| EP4555932A1 (en) | Surface electrophysiological signal processing method for eliminating signal phase shift and system | |
| Hegde et al. | A review on ECG signal processing and HRV analysis | |
| Chieng et al. | The study and comparison between various digital filters for ECG de-noising | |
| KR101048763B1 (ko) | 신호 검출 장치 및 방법 | |
| Cornelia et al. | ECG signals processing using Wavelets | |
| CN111772617B (zh) | Ecg显示滤波方法、装置及存储介质 | |
| Roy et al. | A new method for denoising ECG signal using sharp cut-off FIR filter | |
| Suchetha et al. | Empirical mode decomposition-based subtraction techniques for 50 Hz interference reduction from electrocardiogram | |
| Muppalla et al. | Performance evaluation of different denoising techniques for physiological signals | |
| Chaitanya et al. | A simple and robust QRS detection algorithm for wireless medical body area network | |
| Aparna et al. | Design of Wi-Fi based ECG system | |
| Muhumed et al. | Noise reduction techniques in ECG signal | |
| Chukka et al. | A novel architecture for the realisation of iot-enabled ECG signal quality assessment using wavelet decomposition for baseline wander removal | |
| Rizzi et al. | Fast parallelized algorithm for ECG analysis | |
| Perpiñan et al. | Denoising Performance of Discrete Wavelet Transform and Empirical Mode Decomposition Based Techniques on Monitoring Cardiac Electrograms From the Left-Arm | |
| Saini et al. | A novel approach for denoising the physiological signals using spectral methods | |
| Ansari et al. | Automatic removal of ocular and cardiac artifacts and retention of embedded EEG information via adaptive noise cancellation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |