[发明专利]QRS识别方法及电子设备

说明书

本发明涉及人体检测技术领域，具体涉及一种QRS识别方法及电子设备，本发明包括以下步骤：S1输入心电图，并进行差分处理，得到DECG；S2对DECG的每个数值取绝对值得到ADECG序列；S3对ADECG的数据集合建立混合模型，得到ADECG的每个时刻数值对应的分类序列CECG；S4根据DECG对应时刻的符号，得到带符号的SCECG；S5对SCECG进行分组，并计算最邻近的分组进行联合；S6通过线性拟合函数对分组数据进行拟合，并确认R点位置，进而得到有效的HRV分析结果。本发明致力于使得R点识别又快又准，从而得到有效的HRV分析结果。

技术领域

本发明涉及人体检测技术领域，具体涉及一种QRS识别方法及电子设备。

背景技术

人体的交感神经和迷走神经综合影响人们的神经兴奋状态，如果人体长期处于单一神经的兴奋状态，如长期处于交感神经的兴奋状态，则非常容易引起各种不适，如：心梗、脑梗、猝死、疲劳、晕厥等。

心率变异性(Heart Rate Variability)分析是反应交感神经和迷走神经的兴奋程度的分析工具，利用心率变异性分析，能够有效的反映人体的神经兴奋状态。

然而心率变异性分析中，最关键的是准确而快速的识别R波的位置。

由于分析中用的是ms为单位，目前识别R波的位置偏差容易造成HRV分析的结果不准确，从而导致没有参考意义和利用价值；所以需要一种算法，能够考虑到心电图可能出现的各种情况(各种噪音，基线漂移，肌电干扰等)，准确的识别出R点的位置。

由于目前的应用多采用云计算的方式，数据量太大容易造成数据拥塞，从而导致云计算的平台坍塌；所以需要一种算法，能够快速的识别R点位置。

目前的算法的框架大致为：

1.预处理(滤波降噪等)

2.识别算法：频域方法、差分方法、神经网络方法等获取重要值并选择阈值截断、前向搜索去冗余、后向搜索拾遗

主要存在以下问题：

1.预处理：识别R点的效果直接受到预处理的影响，为了降噪后得到较为干净的心电图，预处理算法越用越复杂，例如有的算法可能选择小波重组，然后重组的方式，造成了时间的消耗；

2.识别算法：

a)获取重要值：采用了频域(小波变换，Hilbert变换或者其它方法)或者其它方法得到重要值，然后再训练得到阈值用于截断，得到待选R点

b)前向去冗余：在200ms内，重复出现的待选R点，则根据复杂的去除规则去除多余的，留下其中一个作为R点

c)后向拾遗：超过1.5RR长度没有出现R点，则降低阈值(如降低为原来的0.5倍)，再确定R点

d)校正：预处理，或者差分等方法造成了时间的偏移，根据运用的方法的特点进行相应的校正

因此，识别算法在阈值的获取上需要多次改变，需要去校正等步骤，也将造成大量的时间消耗，并且校正也将产生一些较大的误差。

当数据非常庞大之后可能会显现出来，数据量小体现不出来

在获取重要值时，如果心电图噪音比较大，非常容易把不是R点划分为R点。

发明内容

针对现有技术的不足，本发明公开了一种QRS识别方法及电子设备，用于解决识别算法在阈值的获取上需要多次改变，需要去校正等步骤，也将造成大量的时间消耗，并且校正也将产生一些较大的误差。当数据非常庞大之后可能会显现出来，数据量小体现不出来在获取重要值时，如果心电图噪音比较大，非常容易把不是R点划分为R点的问题。

本发明通过以下技术方案予以实现：