[1]崔焘,周亚同,张若男,等.应用目标检测网络自动检测ECG信号所含噪声[J].中国医学物理学杂志,2020,37(8):1053-1061.[doi:DOI:10.3969/j.issn.1005-202X.2020.08.022]
　CUI Tao,ZHOU Yatong,ZHANG Ruonan,et al.Automatic detection of noises in ECG signals by target detection network[J].Chinese Journal of Medical Physics,2020,37(8):1053-1061.[doi:DOI:10.3969/j.issn.1005-202X.2020.08.022]
点击复制

应用目标检测网络自动检测ECG信号所含噪声()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
37
期数:
2020年第8期
页码:
1053-1061
栏目:
医学信号处理与医学仪器
出版日期:
2020-08-27

文章信息/Info

Title:
Automatic detection of noises in ECG signals by target detection network
文章编号:
1005-202X（2020）08-1053-09
作者:
崔焘1; 周亚同1; 张若男1; 王浩2; 李书华1
1.河北工业大学电子信息工程学院， 天津 300000； 2.中国科学院计算技术研究所天津分所， 天津 300000
Author(s):
CUI Tao1;  ZHOU Yatong1;  ZHANG Ruonan1;  WANG Hao2;  LI Shuhua1
1. School of Electronics and Information Engineering, Hebei University of Technology, Tianjin 300000, China 2. Tianjin Branch of Institute of Computing Technology, Chinese Academy of Sciences, Tianjin 300000, China
关键词:
心电信号; 噪声检测; YOLOv3; 目标检测网络
Keywords:
Keywords: electrocardiogram signal noise detection YOLOv3 target detection network
分类号:
R318；TN911.7
DOI:
DOI:10.3969/j.issn.1005-202X.2020.08.022
文献标志码:
A
摘要:
现阶段的心电（ECG）信号去噪网络多通过滤波器滤除噪声，但是通常噪声滤除不彻底，从而造成ECG信号失真。基于此，本研究将目标检测网络用于ECG信号中的噪声检测，首先从MIT-BIT心律不齐数据库中筛选无噪声ECG记录，加入两种来自于MIT-BIH噪声压力测试数据库中的真实噪声，生成4个不同信噪比的含噪信号并构成训练及测试数据集。然后针对ECG信号的特殊性，对YOLOv3网络结构进行修改，设计YOLO-ECG目标检测网络，使用迁移学习策略训练目标检测网络。实验结果表明，本研究提出的网络在ECG信号中噪声检测时的F1值达0.955 8，具有良好的检测效果。
Abstract:
Abstract: At present, denoising network removes the noises in electrocardiogram (ECG) signals through the filter, but usually the noise filtering is not complete, which causes ECG signals to be distorted. Herein target detection network is used for the detection of noise in ECG signals. Firstly, two kinds of real noises from MIT-BIH noise stress test database are added in the noise-free ECG records which are screened from MIT-BIT arrhythmia database, thereby generating noisy signals of 4 different signal-to-noise ratios and forming a training set and a test set. Secondly, according to the particularity of ECG signals, the YOLOv3 network structure is modified for developing a YOLO-ECG target detection network, and the migration learning strategy is used to train the network. The experimental results show that the F1 value of the proposed network in the detection of noises in ECG signals is up to 0.955 8, indicating that the proposed method has good performance in detecting noises in ECG signals.

相似文献/References:

[1]杨杰,张胜,余顺,等.一种基于二次样条母小波函数的心电QRS复合波检测算法[J].中国医学物理学杂志,2013,30(02):4036.[doi:10.3969/j.issn.1005-202X.2013.02.018]
[2]余顺,张胜,杨杰,等.静息状态下不同姿势心电的RR间隔研究[J].中国医学物理学杂志,2013,30(04):4285.[doi:10.3969/j.issn.1005-202X.2013.04.016]
[3]刘雄飞,周惠勇.基于提升小波变换和多种策略的QRS波检测算法[J].中国医学物理学杂志,2013,30(06):4557.[doi:10.3969/j.issn.1005-202X.2013.06.021]
[4]黄碧莹,唐桦明,钟能枝,等.基于多模板匹配的室性心动过速与室上性心动过速自动识别算法[J].中国医学物理学杂志,2016,33(3):280.[doi:DOI:10.3969/j.issn.1005-202X.2016.03.012]
　[J].Chinese Journal of Medical Physics,2016,33(8):280.[doi:DOI:10.3969/j.issn.1005-202X.2016.03.012]
[5]袁野,王夏天,张子辰,等.基于小波变换和改进的瞬态独立成分分析融合算法的心电信号降噪方法[J].中国医学物理学杂志,2016,33(4):415.[doi:10.3969/j.issn.1005-202X.2016.04.019]
　[J].Chinese Journal of Medical Physics,2016,33(8):415.[doi:10.3969/j.issn.1005-202X.2016.04.019]
[6]李朝兰,方滨,李慧杰,等.应用自相关和独立分量分析的胎儿心电信号提取[J].中国医学物理学杂志,2016,33(8):838.[doi:10.3969/j.issn.1005-202X.2016.08.017]
　[J].Chinese Journal of Medical Physics,2016,33(8):838.[doi:10.3969/j.issn.1005-202X.2016.08.017]
[7]吴敏,谢云,邬洋. 便携式心电监测系统的硬件设计与实现[J].中国医学物理学杂志,2018,35(2):210.[doi:DOI:10.3969/j.issn.1005-202X.2018.02.018]
　WU Min,XIE Yun,WU Yang. Hardware design and implementation of portable electrocardiogram monitoring system[J].Chinese Journal of Medical Physics,2018,35(8):210.[doi:DOI:10.3969/j.issn.1005-202X.2018.02.018]
[8]吴义满.一种基于经验小波变换的心电信号室性早搏检测算法[J].中国医学物理学杂志,2018,35(9):1063.[doi:DOI:10.3969/j.issn.1005-202X.2018.09.013]
　WU Yiman.Detecting premature ventricular contractions in ECG signals with empirical wavelet transformbased algorithm[J].Chinese Journal of Medical Physics,2018,35(8):1063.[doi:DOI:10.3969/j.issn.1005-202X.2018.09.013]
[9]曾俊,吕红艳,李承红,等. 基于Android手机的生理参数移动监测系统[J].中国医学物理学杂志,2018,35(10):1187.[doi:DOI:10.3969/j.issn.1005-202X.2018.10.015]
　ZENG Jun,LÜ,Hongyan,et al. Physiology parameter monitoring system based on Android mobile phone[J].Chinese Journal of Medical Physics,2018,35(8):1187.[doi:DOI:10.3969/j.issn.1005-202X.2018.10.015]
[10]蒋莲,陈兆学. 基于心电信号提取呼吸信号的算法研究[J].中国医学物理学杂志,2019,36(4):462.[doi:DOI:10.3969/j.issn.1005-202X.2019.04.018]
　JIANG Lian,CHEN Zhaoxue. Algorithm for extracting respiratory signals based on electrocardiogram signals[J].Chinese Journal of Medical Physics,2019,36(8):462.[doi:DOI:10.3969/j.issn.1005-202X.2019.04.018]

备注/Memo

备注/Memo:
【收稿日期】2020-03-11 【基金项目】国家自然科学基金（61801164）；河北省自然科学基金（F2019202364）；河北省在读研究生创新能力培养资助项目（CXZZSS2019031） 【作者简介】崔焘，硕士研究生，研究方向：智能信息处理，E-mail: 645111012@qq.com 【通信作者】周亚同，E-mail: zyt@hebut.edu.cn
更新日期/Last Update: 2020-08-27