一種心電圖波形邊界檢測的方法
【技術領域】
[0001]本發明涉及圖像處理技術，尤其涉及一種心電圖波形邊界檢測的方法。
【背景技術】
[0002]心電圖檢查是診斷心律失常、心肌缺血的一種有效的方法，該方法具有無創傷、低成本的優勢，在醫院有較大的業務量。尤其在體檢中心、遠程會診中心等機構，專職心電圖醫生每天的需要判讀大量的心電圖的，為減輕醫生的工作負擔，近年來計算機輔助的心電圖自動分類識別系統越來越受到重視。
[0003]心電圖中的P-QRS-T波群的常規特征以及間接推導的間期特征是醫生診斷的依據。針對各種波的峰值點是重要的特征，但邊界點也是很重要的信息，因此，如何通過醫療設備的輔助來進行心電圖的波形邊界檢測成為了研究的趨勢之一。
【發明內容】
[0004]有鑒于此，我們提供一種心電圖波形邊界檢測的方法，能夠快速準確的定位、以及輔助檢測峰值點。
[0005]本發明的心電圖波形邊界檢測的方法，包括如下步驟:(1)使用帶通濾波器對心電圖進行正反序濾波預處理；(2)通過雨流模型對濾波后的心電圖進行變換，得到波峰、波谷的邊界點；(3)對所述邊界點檢測；(4)對干擾或波形多樣性引起的偏差進行校正。
[0006]優選地，步驟(I)中，所述帶通濾波器的帶通頻段為I?20Hz，帶通紋波為0.5dB。
[0007]優選地，步驟(2)中，所述雨流模型，是一幅正弦序列的點陣圖，是模擬山坡上下雨后雨水流動的狀況的模型，雨水落在山坡上會沿著山坡向低處流動，然后再某一低洼處匯聚累積，形成波谷邊界點。
[0008]優選地，步驟(2)中，通過倒置取反后，求得心電圖的波峰邊界點。
[0009]優選地，步驟(4)中，校正的步驟包括，判斷所述邊界點的位置是否與真實邊界點有偏離。
[0010]優選地，步驟(4)中，具體步驟包括:選取下一點的幅值與本邊界點差為參考，假設為diff ;向后繼續移動，直至某個點的幅值與本邊界點的幅值差大于3*diff ;調整到該點位置作為校正后的邊界點。
[0011]本發明通過對心電圖進行正反序濾波，強化吉布斯效應，并通過雨流模型進行變換，來輔助檢測心電圖的邊界。
【附圖說明】
[0012]圖1是本發明心電圖波形邊界檢測的方法流程圖。
[0013]圖2是吉布斯效應的示例圖。
[0014]圖3是雨流模型示例圖。
[0015]圖4至圖6是本發明中的實施例驗證的示意圖。
【具體實施方式】
[0016]為了使本發明的目的、技術方案及優點更加清晰，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。
[0017]請參閱圖1，所示為本發明心電圖波形邊界檢測的方法流程圖。
[0018]在步驟SlOl中，使用帶通濾波器對心電圖進行正反序濾波預處理。
[0019]帶通濾波器的帶通頻段選取I?20Hz，通帶紋波0.5dB。此處，帶通濾波器的作用，一是濾去掉基線漂移和高頻噪聲，二是要利用帶通濾波后的吉布斯效應。因QRS波頻率較高約為3?40Hz，P、T波約為0.7?1Hz，故本帶通濾波器可以對P波、QRS波和T波邊界產生吉布斯效應，并且設定了 0.5dB通帶紋波，使得吉布斯效應在邊界處明顯而又對原波形影響最小。并且，帶通濾波采用正反序兩次濾波，不僅可以抵消濾波產生的相移，且正序濾波的波形結束點吉布斯效應明顯，反序后，波形的開始點的吉布斯效應也明顯了。最后把正反序兩次濾波的數據調整到正常順序。
[0020]請參閱圖2，所示為吉布斯效應的示例圖。吉布斯效應，是將具有不連續點的周期函數(如矩形脈沖)進行傅立葉級數展開后，選取有限項進行合成。當選取的項數越多，在所合成的波形中出現的峰起越靠近原信號的不連續點。當選取的項數很大時，該峰起值趨于一個常數，大約等于總跳變值的9%。這種現象稱為吉布斯現象。
[0021]而吉布斯效應在使用帶通濾波器后比較明顯。由于心電圖波形的邊界處相對于峰值點來說是一個跳變點，因而在吉布斯效應下會出現一個小的波動，而這正放大了邊界的位置所在，產生了一個小的極值點(波峰或波谷)，從而利于下面模型對邊界的定位。
[0022]在步驟S102中，通過雨流模型對濾波后的心電圖進行變換，得到波峰、波谷的邊界點。
[0023]所述雨流模型，是指模擬山坡上下雨后雨水流動的狀況的模型，前提包括雨水是均勻分布的，且雨水在流動中不會損失，在水往低處流的規律下，雨水落在山坡上會沿著山坡向低處流動，然后在某一低洼處匯聚累積，形成波谷；并倒置取反后，求得波峰。
[0024]請參閱圖3，所示為雨流模型示例圖。雨流模型，是一幅正弦序列的點陣圖，假設此點陣圖是一座山，而A點是峰值點，B點是谷底點。假設天上即將下雨，如圖中的‘O’，且雨點是均勻的，即下面正弦序列的每個點都會相同數量的雨。當雨落在這座上上時，假設山坡不會吸收掉雨，那么就會向下流去，并不斷匯聚，例如當達到谷底時，例如B點，則雨量會匯聚于此。另外，當在峰頂和谷底的某個點有突起時，會考慮雨流的慣性，如果這個突起的寬度小于某個閾值TH(由于濾波的平滑作用，一般的毛刺型突起都會被濾掉，所以，在有明顯波形的山坡上一般不會出現突起了，故這個閾值TH = 2即可)，就可以繼續往下流，否則，上面的累積的雨點就匯聚到該處。
[0025]對濾波后的數據使用上面的雨流模型進行處理，將發現雨點匯聚在一系列的谷底處。而這一系列的谷底的所對應的點又會累積一定的雨量(雨點數目)，我們設定為Srain。該波谷雨點數序列對于識別正向波峰的邊界比較有效。例如，假設QRS波群的形態為Rs型，則因為R波是正向的波峰，那么，從R波位置向前的第一個Srain的非零點(雨量匯聚點)，即是R波的起始點。
[0026]為了方便定位倒置波形的邊界點，同時將濾波后的數據進行取反，并也進行雨流模型的處理，得到波谷雨點數序列SrainR。同正向波形邊界定位一樣，倒置的波形像S波等的邊界就可以通過SrainR進行定位。
[0027]當然，對于峰值點的檢測也有一定的效果，因為雨量匯聚點本身就是某個波形的極值點。
[0028]在步驟S103中，進行邊界點檢測。
[0029]如，假設QRS波群的形態為Rs型，則因為R波是正向的波峰，那么，從R波位置向前的第一個Srain的非零點(雨量匯聚點)，即是R波的起始點。再如正向的T波，在其邊界點一般也會產生一個匯聚點。
[0030]為了方便定位倒置波形的邊界點，同時將濾波后的數據進行取反，并也進行雨流模型的