我正在尝试读取心电图图像并检测其中的每个主波（P 波、QRS 波群和 T 波）。我可以读取图像并获得向量（例如(4.2; 4.4; 4.9; 4.7; ...)）。我需要一种算法来遍历这个向量并检测每个波何时开始和结束。一个例子：
如果它们总是具有相同的大小，或者如果我提前知道心电图有多少波，那就很容易了。鉴于波浪：
我提取向量：
[0; 0; 20; 20; 20; 19; 18; 17; 17; 17; 17; 17; 16; 16; 16; 16; 16; 16; 16; 17; 17; 18; 19; 20; 21; 22; 23; 23; 23; 25; 25; 23; 22; 20; 19; 17; 16; 16; 14; 13; 14; 13; 13; 12; 12; 12; 12; 12; 11; 11; 10; 12; 16; 22; 31; 38; 45; 51; 47; 41; 33; 26; 21; 17; 17; 16; 16; 15; 16; 17; 17; 18; 18; 17; 18; 18; 18; 18; 18; 18; 18; 17; 17; 18; 19; 18; 18; 19; 19; 19; 19; 20; 20; 19; 20; 22; 24; 24; 25; 26; 27; 28; 29; 30; 31; 31; 31; 32; 32; 32; 31; 29; 28; 26; 24; 22; 20; 20; 19; 18; 18; 17; 17; 16; 16; 15; 15; 16; 15; 15; 15; 15; 15; 15; 15; 15; 15; 14; 15; 16; 16; 16; 16; 16; 16; 16; 16; 16; 15; 16; 15; 15; 15; 16; 16; 16; 16; 16; 16; 16; 16; 15; 16; 16; 16; 16; 16; 15; 15; 15; 15; 15; 16; 16; 17; 18; 18; 19; 19; 19; 20; 21; 22; 22; 22; 22; 21; 20; 18; 17; 17; 15; 15; 14; 14; 13; 13; 14; 13; 13; 13; 12; 12; 12; 12; 13; 18; 23; 30; 38; 47; 51; 44; 39; 31; 24; 18; 16; 15; 15; 15; 15; 15; 15; 16; 16; 16; 17; 16; 16; 17; 17; 16; 17; 17; 17; 17; 18; 18; 18; 18; 19; 19; 20; 20; 20; 20; 21; 22; 22; 24; 25; 26; 27; 28; 29; 30; 31; 32; 33; 32; 33; 33; 33; 32; 30; 28; 26; 24; 23; 23; 22; 20; 19; 19; 18; 17; 17; 18; 17; 18; 18; 17; 18; 17; 18; 18; 17; 17; 17; 17; 16; 17; 17; 17; 18; 18; 17; 17; 18; 18; 18; 19; 18; 18; 17; 18; 18; 17; 17; 17; 17; 17; 18; 17; 17; 18; 17; 17; 17; 17; 17; 17; 17; 18; 17; 17; 18; 18; 18; 20; 20; 21; 21; 22; 23; 24; 23; 23; 21; 21; 20; 18; 18; 17; 16; 14; 13; 13; 13; 13; 13; 13; 13; 13; 13; 12; 12; 12; 16; 19; 28; 36; 47; 51; 46; 40; 32; 24; 20; 18; 16; 16; 16; 16; 15; 16; 16; 16; 17; 17; 17; 18; 17; 17; 18; 18; 18; 18; 19; 18; 18; 19; 20; 20; 20; 20; 20; 21; 21; 22; 22; 23; 25; 26; 27; 29; 29; 30; 31; 32; 33; 33; 33; 34; 35; 35; 35; 0; 0; 0; 0;]
我想检测，例如：
- P波在
[19 - 37].
- QRS波群在
[51 - 64].
- etc.
第一件事就是I会做的是看看那里已经有什么。事实上，这个具体问题已经得到了深入研究。以下是一些非常简单的方法的简要概述：link http://www.physik.uni-freiburg.de/%7Eseverin/A_comparison_of_the_noise_sensitivity_of_nine_QRS_detection_Algorithms.pdf.
我也必须回应另一个答案。我的研究方向是信号处理和音乐信息检索。从表面上看，这个问题确实与起始检测类似，但问题上下文并不相同。这种类型的生物信号处理，即 P、QRS 和 T 相的检测，可以利用以下知识：特定时域特性这些波形中的每一个。 MIR 中的起始检测实际上并非如此。 （至少不可靠。）
一种适用于 QRS 检测（但不一定适用于音符开始检测）的方法是动态时间扭曲。当时域特性保持不变时，DTW 可以很好地工作。这是一篇简短的 IEEE 论文，它使用 DTW 来解决这个问题：.
这是一篇不错的 IEEE 杂志文章，比较了多种方法：link http://www.sm.luth.se/csee/courses/sms/046/2004/QRS_tutorial.pdf。您将看到已经尝试了许多常见的信号处理模型。浏览一下这篇论文，然后尝试一篇你能基本理解的文章。
编辑：浏览这些文章后，基于小波的方法对我来说似乎是最直观的。 DTW 也能很好地工作，并且存在 DTW 模块，但小波方法对我来说似乎最好。其他人通过利用信号的导数来回答。我的第一个链接检查了 1990 年之前的方法，但我怀疑它们不如更现代的方法那么强大。
编辑：当我有机会时，我会尝试给出一个简单的解决方案，但原因why我认为小波适合这里是因为它们在参数化各种形状时很有用，无论时间或幅度缩放。换句话说，如果您有一个具有相同重复时间形状但时间尺度和幅度不同的信号，小波分析仍然可以将这些形状识别为相似（粗略地说）。另请注意，我将滤波器组归入这一类别。类似的事情。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
