基于香农能量与自适应阈值的心电QRS复合波检测算法

针对现有心电QRS复合波检测算法对于一些信号异常的情况检测效果仍然不理想的问题,提出了一种基于香农能量与自适应阈值相结合的心电QRS复合波检测算法,以解决QRS复合波检测的低准确率问题。首先,从预处理后的信号提取香农能量包络;然后,结合改进的自适应阈值方法对QRS复合波进行检测;最后,根据QRS复合波增强后的信号定位所检测的QRS复合波的位置。使用MIT-BIH心律失常数据库的数据对所提算法进行性能评估,结果表明,所提算法即使在信号中存在高大的P波、T波、不规则心律以及严重的噪声干扰时依然能准确检测QRS复合波的位置,总体数据检测的敏感性、阳性检测度和准确率分别达到了99.88%、99.85%和99.73%,且该算法能够在保证准确率的情况下快速地完成QRS复合波的检测任务。     

基于小波变换和希尔伯特包络分析的QRS波检测算法

提出一种基于双正交小波变换和Hilbert变换的QRS波检测算法。首先，通过双正交小波变换分解与重构，消除高频噪声，同时突出R峰位置，构造出有利于QRS波检测的检测层。然后，对信号求差分和希尔波特变换，进一步抑制P波、T波以及基线漂移等噪声。最后，在计算得到的包络信号上根据自适应阈值及决策规则进行R峰检测。根据MIT-BIH心率失常数据库有标注的临床数据进行验证，QRS波检测结果准确率达到99.01%，同时算法具有不错的鲁棒性和实时性。     

一种基于特征增强的自适应阈值R波检测算法

为提高心电信号R波检测准确度,提出了一种基于特征增强的R波检测算法。首先经过小波分析去除心电信号的高频噪声和基线漂移,然后对信号进行差分运算,选取各数据点前后连续10个差分的最大和最小值做乘积运算,达到增强R波特征的目的,最后设定两个自适应阈值,对全部数据完成检测。实验结果:经过MIT-BIH Arrhythmia Database数据验证,R波检测准确度Acc可达99.57%,敏感度Se高达99.76%,真阳性率+P高达99.82%。将得到的结果与已有文献中的方法进行比较,本文算法简单,实时性好,检测准确率高,更符合实际临床应用的需求。     

心电信号中R波的自适应检测方法

阐述一种检测心电图中R波的方法,通过小波阈值去噪及小波分解与重构去噪法去除心电信号的噪声,使用差分阈值法对心电信号中的R波进行自适应检测,其中闽值的选取具有自更新的特性。对R波多检与漏检的分析,设计相应的辅助策略检测R波。使用MIT-BIH标准库中的心电数据对本方法进行仿真验证,结果表明：本方法能够准确有效地检测出心电图中的R波。     

基于DSP的心电信号R波检测新算法

根据多导联间心电信号相位的关系,算法选择其中的两个导联信号同时进行小波变换R波检测,最后比较这两个通道的输出得出R波检测结果.算法使用LMS自适应滤波进行消噪预处理,使得检测结果更精确.使用MIT-BIH心电数据库病变信号在DSP上进行测试,平均正确检测率达到了99.7%.     

基于几何形态群组特征的R波检测算法

针对R波检测问题,提出了基于几何形态群组特征的R波检测算法。算法首先用滤波器组对心电信号进行预处理,然后通过整体与局部兼顾的信号处理方式计算几何形态特征值,并使用群组中三个几何形态特征值检测R波,最后采用MIT-BIH标准心律失常数据库验证算法。实验结果表明,算法对R波检测的错检率为1.07%,灵敏度为99.38%,精确率为99.61%,准确率为98.99%。     

小波熵在心电高频噪声处理和R波检测中应用

为了在滤除噪声的同时不丢失信号有用信息,将小波熵理论与小波阈值去噪方法综合起来,提出一种基于小波熵的自适应阈值去噪和R波峰值定位方法,对心电信号高频噪声不同信噪比情况做了去噪处理,并同小波熵最优阈值法做了对比分析,结果表明,本算法可以自适应地确定小波系数阈值,不需要直接处理大量的小波系数,且具有良好的滤波性能,尤其在噪声严重时,去噪和R波检测效果更优。最后对实测和数据库中46例数据都做了应用分析,表明本算法具有快速性、有效性和稳定性的特点。     

基于单心搏活动特征与BiLSTM-Attention模型的心律失常检测

为了更准确地检测心律失常,提出基于单心搏活动特征与BiLSTM-Attention模型的心律失常检测方法。采用MIT-BIH心律失常数据库对算法进行验证,用双正交小波变换去除噪声干扰;通过二进样条小波变换的模极大极小值对检测R波峰值位置,并提取QRS波群数据及RR间期;使用BiLSTM-Attention分类模型进行心搏识别。实验结果表明,N、S、V和F类心搏的灵敏度分别为99.76%、94.74%、97.53%、83.93%,阳性预测值分别为99.76%、94.03%、97.53%、87.04%,F1综合指标达到了99.40%,证明了该算法的有效性。     

带反馈修正的多结构元形态学心电信号QRS波检测算法

本文提出了一种带反馈修正的多结构元形态学心电信号QRS波检测算法。首先，采用形态学滤波消除心电信号中的脉冲噪声；接着，基于两种不同宽度的结构元，对滤波后信号进行形态学峰谷提取，获取QRS波波形陡峭信息和幅度信息；然后，根据形态学峰谷提取结果，采用自适应阈值检测法初步定位QRS波；最后，利用估算出的R-R间期对QRS波检测结果进行评估和修正，并反复此评估修正过程直至获得满意结果。经MIT-BIH心律失常数据库验证，本算法具有很好的QRS波检测效果。     

一种改进的心电图QRS波群检测算法

在利用小波变换检测QRS波群时,最关键的部分就是模极值配对,提出一种区域极值配对算法来检测R波。首先利用二次样条小波基函数和多孔(ATrous)算法对心电(ECG)信号进行小波变换求取模极值,用正极大值来确定搜索区域,以这个正极大值为起点,以这个确定区域为搜索范围,向左搜索负极大值点,将这两个极值配对,他们之间的过零点就是R波的对应点,然后在检测到R波的基础上检测出Q波与S波,再结合距离最大值法检测出QRS波群的起止点。并采用医学相关理论对检测结果进行优化,进一步去除错检点,补偿漏检点。最后利用MIT-BIH心率失常数据库中记录的数据对该算法进行验证,实验结果表明所提算法能准确检测QRS波群,平均检出率达到了99.97%。     

基于小波和自适应滤波的ECG基线漂移校正

为校正ECG信号的基线漂移,提出小波变换和自适应滤波相结合的方法。利用小波变换对原始ECG信号进行分解,将得到的高频分量作为参考信号输入,采用基于幂函数的最小均方算法（P—LMS）进行自适应滤噪处理。通过与传统的归一化最小均方算法（NLMS）进行对比,验证该算法的准确性。仿真实验和MIT-BIH数据库中的实际数据检验结果表明,基于幂函数的最小均方算法和小波变换相结合的方法能够有效校正基线漂移,并较好地保持心电信号的几何特征。     

心电信号去噪的数学形态学滤波器

为探索验证一种基于数学形态滤波器的去除心电基线漂移和工频干扰的高性能滤波器设计方法,借鉴数学形态学一维信号滤波原理,提出自适应阈值ECG去噪算法的思路,讨论了3σ统计准则在ECG自适应阈值滤波中的作用,利用改进的算法对心电图中常见的工频干扰和基线漂移进行校正。通过对MIT-BIH心率变异数据库中多组数据的仿真验证研究,验证了该算法能有效实现心电信号的噪声预处理;数学形态学理论在心电信号处理中具有良好性能,是实时处理一维生物医学信号有潜力的工具。     

改进EEMD算法在心电信号去噪中的应用

集合经验模态分解（Ensemble empirical mode decomposition,EEMD）方法在去除心电信号噪声时,噪声本征模态函数（Intrinsic mode function,IMF）分量难以选择且将噪声分量直接去掉会导致信号失真。针对上述问题,提出了一种基于EEMD的自适应阈值算法。首先对含噪心电图（Electrocardiogram,ECG）数据进行EEMD分解,得到IMF,根据马氏距离进行信号IMF分量和噪声IMF分量的判定,然后通过果蝇优化算法确定噪声IMF的阈值,将经过阈值去噪的新的分量和剩余分量重构得到去噪后的ECG。最后,使用MIT-BIH数据库中的心电数据进行实验,实验结果表明,该方法在去噪同时能够较好地保留信号细节。     

基于小波分析和Hilbert变换的R波检测算法

提出了在心电信号中定位R峰的一种新的鲁捧算法.利用小波工具滤波,然后结合心电信号的一次微分和一次微分后的的Hilbert变换,使得R峰突出,P波和T波减弱.另外,噪音、基线漂移、运动伪迹都最小化,伪迹受到抑制.通过经验的R峰时间间隔,预估和应用幅度阈值可以很容易地将R峰找出来.用MIT_BIH心律失常数据库的纪录测试了该算法,平均检测率达到了99.91%.该算法可靠且实现简单,用于其他生理信号如心音信号分段也有较高的正确率.