[发明专利]一种单导心电信号PQRST波联合精准识别算法

说明书

本发明公开了一种单导心电信号PQRST波联合精准识别算法，其包括：输入单导信号时，利用小波分析方法对信号进行预处理，滤除噪音信号并对心电信号的基线漂移进行调整；预处理后的信号，利用差分方法计算得到心电信号的R波峰值位置；根据R波峰位置和RR间期，智能定位每个心跳周期，并按照心跳周期对心电信号进行分段；针对分段后的心电信号，采用自适应方法计算确定Q波和S波位置；针对分段后的心电信号采用卷积方法，识别确定P波和T波波峰位置。所述PQRST波识别方法包括识别PQRST波波峰，各个波之间的间期，不同心电信号片段之间波波间期。本发明实现单导心电信号的各种波及间期特征的识别，为采用机器学习方法进行心电信号分类算法应用提供可靠特征。

技术领域

本发明涉及生物信息学技术领域，涉及一种基于小波分解和特征点识别的单导心电信号PQRST波联合识别算法，尤其涉及在心电终端实时人体佩戴过程中，心电信号的去噪、去基线漂移和实时PQRST波特征识别的方法。

背景技术

心电信号的临床应用已有一百多年历史，至今仍是临床医学最重要的辅助检查之一。它不仅用于心血管疾病的诊断，也是临床各科观察病情变化必不可少的手段。心电图是诊断心律失常的“金标准”，且无创、经济、方便快捷、重复性好，具有其他检查设备望尘莫及的优点。目前在我国，从农村基层诊所到中心城市超大型医院都有心电图检查项目，因而阅读、识别、解释常见的心电图现象成为几乎所有临床医生必须具备的基本功，随着科技的发展，尤其是人工智能技术的进步，人工智能识别心电图成为发展的必然趋势，在智能判断心脏疾病之前需要对心电信号的特征进行提取，其中心电信号的PQRST波是心电信号的最主要特征，由此可以演化出其他的许多相关特征值，其识别的结果可以作为自动分析诊断系统的关键输入，直接影响到智能诊断的准确性和可靠性，其PQRST波的检测结果是诊断心脏疾病的重要依据。

面对以上挑战，小波分析被认为是解决噪声消除和去除基线漂移的最有前景的方法；利用差分过程来实现R波波峰的检测；根据R波峰位置和RR间期，智能定位每个心跳周期，并按照心跳周期对心电信号进行分段；针对分段后的心电信号，采用自适应方法计算确定Q波和S波位置；针对分段后的心电信号采用卷积方法，识别确定P波和T波波峰位置。小波分析和多种特征点识别算法的联合应用，对于PQRST波的识别精准度有了显著的提高，同时具备了很强的抗噪声和抗基线漂移的能力。

在实现本发明的过程中，本发明人发现现有技术中存在以下问题：现有技术中，QRS波群检测的方法层出不穷，如：差分阈值法、模板匹配法、小波变换法和神经网络法等等。其中，差分阈值法算法简单，运算速度快，工程和技术实现也很简单；模板匹配法原理简单，但对高频噪声和基线漂移敏感程度太高，很容易就受到影响；小波变换法具有良好的时域局地化特性，检测准确度高，但计算量较大，应用于实时处理需要解决计算能力问题；神经网络法能够实现很好的判别效果，但是训练时间长，实际上较难应用。

发明内容

针对上述问题，本发明提供一种基于小波分解和特征点识别的单导心电信号PQRST波联合精准识别算法，用以解决现有技术中，受高频噪声和基线漂移影响较大、检测准确率较低、计算量较大等一系列的问题。

本发明的技术方案是提供一种单导心电信号PQRST波联合精准识别算法，所述方法包括以下步骤：

S1:当输入单导信号时，利用小波分析方法对信号进行预处理，滤除噪音信号并对心电信号的基线漂移进行调整；

S2:预处理后的信号，利用差分方法计算得到心电信号的R波峰值位置；

S3:根据R波峰位置和RR间期，智能定位每个心跳周期，并按照心跳周期对心电信号进行分段；

S4:针对分段后的心电信号，采用自适应方法计算确定Q波和S波位置；

S5:针对分段后的心电信号采用卷积方法，识别确定P波和T波波峰位置。