ECGdeli-开放源码MATLAB心电图描绘工具箱可可靠检测P波、QRS波群和T波

软件X 13（2021）100639原始软件出版物ECGdeli-一个开放源码的MATLAB心电图描绘工具箱Nicolas PiliaPilli，Claudia Nagel，Gustavo Lenis，Silvia Becker，Olaf Dössel，Axel Loewe卡尔斯鲁厄理工学院（KIT），生物医学工程学院，Fritz-Haber-Weg 1，76131 Karlsruhe，Germanyar t i cl e i nf o文章历史记录：收到2020年2020年11月1日收到修订版2020年11月27日接受MSC：92C5594A12保留字：ECG波形边界检测ECG描绘12导联ECG处理a b st ra ct心电图（ECG）是一种标准的成本效益和非侵入性工具，用于早期检测各种心脏疾病。量化单个ECG波形的不同定时和幅度特征以及单个ECG波形之间的不同定时和幅度特征可以揭示关于心脏的潜在（异常）功能的重要信息。确定这些特征需要检测标记每个ECG波形（P波、QRS波群、T波）的开启和偏移以及峰值的基准点。手动设置这些点是耗时的，并且需要医生的专业知识。因此，开发了高度模块化的ECGdeli工具箱MATLAB，它能够过滤临床记录的12导联ECG信号并检测基准点，也称为描绘。它是为数不多提供P波、T波和QRS波群的ECG描绘的开放工具箱。使用QT数据库对所提供的算法进行了评价，QT数据库是一个ECG数据库，包括105个信号，其中基准点由临床医生注释。由边界检测算法设置的基准点与用作基础事实的临床注释之间的中值差小于4个样本(16ms）的P波和QRS波群标记。检测T波起始、峰值和偏移，中位差分别为5、2和7个样本。将结果与PhysioNet上提供的两种免费算法进行比较。我们的研究结果表明，ECGdeli可以可靠地检测P波，QRS波群和T波。因此，通过分析ECG信号可以有助于诊断特定的心脏疾病。由于ECGdeli是在GNU GPL v3下发布的，并且由于其模块化，它可以用于扩展现有算法或作为新算法的基准©2020作者（S）。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据该软件存储库在Zenodo中列出，DOI为10.5281/zenodo.3977971 [1]。当前代码版本v1.0.2用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-20-00010Code Ocean compute capsule doi10.24433/CO.9115981.v1法律代码许可证GNU GPL v3使用git的代码版本控制系统使用MATLAB的软件代码语言、工具和服务编译要求、操作环境依赖性MATLAB和以下工具箱：信号处理工具箱，图像处理工具箱处理器，统计和机器学习，小波分析如果可用，链接到开发人员文档/手册https://github.com/KIT-IBT/ECGdeli/blob/master/README.md问题支持电子邮件publications@ibt.kit.edu1. 动机和意义随着各领域记录数据量的增加，不可避免地需要自动处理。健康就是这样*通讯作者。电子邮件地址：publications@ibt.kit.edu（Nicolas Pilia）.https://doi.org/10.1016/j.softx.2020.100639数据也是。特别是心电图（ECG）作为一种廉价、可用的标准心脏活动监测设备[2]在世界各地的医学自动ECG处理可以应用于在短时间内批量处理许多ECG以这种方式，可以避免医师的手动注释工作。此外，回顾性分析在临床研究中尤其重要，以揭示新药对2352-7110/©2020作者。 由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxNicolas Pilia，Claudia Nagel，Gustavo Lenis etal.软件X 13（2021）1006392Fig. 1. Q R S 波检测算法流程图。WT：小波变换，SWDN：SWT在级别N处的细节系数FPT：基准点表，t窗口：搜索窗口长度，candQRSx：QRSx候选，n：样本索引，Qj：阈值，Qj，k：自适应阈值。心脏，优化心脏疾病的诊断和治疗策略[3ECG的自动分析通常从确定波类型（P波、T波和QRS波群）开始波的起始和偏移。由此开始，可以导出另外的时间参数，如QT间期、RR间期等。同样，需要这些注释来计算进一步的特征，如幅度、斜率和参数，如心率变异性[9]。在这项工作中，我们提出了一个MATLAB工具箱，包括ECG预处理和ECG波形描绘算法，研 究 用 途 ， 在 github 上 免 费 提 供 。 我 们 称 之 为 开 源 工 具 箱ECGdeli。这项工作的目的不是提出新的方法来进行波描绘，因为算法或稍微修改的版本已经在几项研究中使用[11相反，这项工作应该被视为开放软件资源的附带文档。我们将简要描述算法背后的主要思想，并将其与PhysioNet上的两个现有开放实现进行比较：ecg-kit [16]和ecgpuwave [17]。用于比较的算法，特别是ecg- kit，为评估和数据导入/导出提供了更多的选择Nicolas Pilia，Claudia Nagel，Gustavo Lenis etal.软件X 13（2021）1006393图二. 来自[10]的信号sel 100的T波（A）和P波（B）检测。第3行中WT的极值对应于图10中所示的T波和P波边界和峰值。第4行分别在A和B然而，这是以更复杂的非模块化框架为代价的，或者性能更差。与现有实现相比，ECGdeli的优点是简单的模块化设计，专注于ECG评估所需的基本算法，一个具体的目的：ECG波检测和描绘。文件输入/输出、后处理（如特征计算）和图形用户界面故意不包括在内。因此，用户可以很容易地将单个算法或整个工具箱集成到他们的评估框架中，替换单个算法，所有这些都通过使用几个清晰和标准化的接口。在下文中，我们对工具箱提供的单个算法进行了简短描述，并讨论了ECGdeli的主要优势。2. 软件描述2.1. 心电信号预处理ECG预处理功能如图所示。ECG_Baseline_Removal.m，带通滤波器，Nicolas Pilia，Claudia Nagel，Gustavo Lenis etal.软件X 13（2021）1006394图三. A：T波检测算法的流程图。B：P波检测算法流程图。WT：小波变换，AUC：曲线下面积，min：最小值，max：最大值，AUC：基准。ECG_High_Low_Filter.m和陷波滤波器Notch_Filter.m，以及用于校正电等值线Iso-line_Correction.m的方法。所有的预处理步骤都是一个接一个地进行的。2.2. QRS波检测在QRS检测算法QRS_detection.m中（概述如图11所示），1），首先对输入信号进行带通滤波（5 Hz至100 Hz），以减少高频噪声、基线漂移，衰减P波和T波，并获得具有明显Q波和S波的QRS波群。然后，应用使用Haar小波的无相位平稳小波变换（SWT）[12]。SWT的细节系数SWDN在包括45 Hz附近的频率的水平上计算，45 Hz是可以找到与描绘相关的QRS波群的频谱分量的频率范围[18]。为了检测包含QRS波群的间隔，选择基于阈值的该阈值根据应用于SWDN的变化的时间窗口和信号相关的统计测量来适配。在用不同阈值计算的所有解集合中，投票算法产生最一致的解。R峰在QRS间期范围内具有最高振幅的位置处注释。Q峰和S峰随后分别标记在从QRS起始到R峰和从R峰到QRS偏移的区域中的最小幅度处。QRS波群的起始和偏移随后分别在Q峰之前20 ms和S峰之后20 ms标记最后，所有检测到的峰和边界都存储在第五至第八列的基准点表（FPT）中。结构如表1所示。Nicolas Pilia，Claudia Nagel，Gustavo Lenis etal.软件X 13（2021）1006395−2.3. T波检测所实现的T波检测方法T_Detection.m依赖于QRS检测，并且针对每个导联单独执行图图3A示出了算法的概述。为了检测T波，需要以下预处理步骤：QRS置换、滤波和SWT。首先，每个RR间期的固定部分被S形函数取代，这样QRS波群和P波就被消隐了（见图11）。 2 A，第二行）。随后，委员会注意到，执行4阶的无相位巴特沃斯带通滤波（从0.3Hz该无QRS信号被馈送到具有rbio3.3小波的无相位SWT [12]中，产生在QRS段中几乎不显示活动的小波信号（参见图11）。2A，第三行）。要分析的细节系数的水平N基于T波的中心频率（7 Hz）确定[18]。在准备信号之后，考虑SWT信号中的所有正和负极值来确定T波的极性。在依赖于RR间期和QRS偏移的搜索窗口中，我们确定T波的峰值（T峰值）通过选择最大幅度（对于正极性）或最小幅度（对于负极性）的时刻，在每个RR间期中进行调整。根据极性，在ECG信号（时域）中进行该峰值的校正。然后，确定T波边界在每个RR间期中的每个T峰周围，我们计算在依赖于相应RR间期的搜索窗口内水平N1处的SWT的曲线下面积。通过预先设定的面积分布阈值和峰值位置阈值，我们可以估计T波起始点（Ton）和T波偏移点（Toff）的位置。最后，将所有检测到的峰和边界存储在FPT中（如表1所示的第10至12列）。2.4. P波检测P波检测P_Detection.m还依赖于无相位SWT以及QRS检测和T波检测。 图3B提供了[12]中提出的算法的概述。使用高斯滤波器（通带1 Hz至15 Hz）对单导联输入信号进行带通滤波。QRS波群和T波被S形函数所取代（见图1）。2B，第二行）。SWT是用二次样条小波在对应于P波中心频率为7 Hz [18]（见图2B，第三行）。通过将SWT的绝对最大值标注为搜索窗口中的P波峰，确定每个RR间期中SWT的波峰，该搜索窗口取决于每个RR间期和Q波峰位置。用户还可以选择将滤波后的ECG信号中的附近极值设置为峰值。在峰值检测之后，确定P波边界由于P波的振幅较低，因此在当前P波峰值周围的50个波的窗口中建立SWT的模板Hotelling的T平方方法被应用于获得干净的模板。以子波极值点为波边界，利用模板的初始猜测来找到的峰值和波边界存储在FPT中，如表1所示的第一至第三列。2.5. 多引线处理如前所述，P波、QRS波群和T波检测通常逐个导联执行。为了实现多导联描绘，如果FPT中的可能节拍在大多数情况下不可见，则投票算法（Sync_Beats.m）将丢弃这些节拍所有导联和找到的位置上的平均值，以提供总体描绘结果。一个合理的结果只能可以用两个以上的引线实现见图4。一个可能的管道，用于处理ECG信号与ECGdeli。在预处理后，进行心电波形的峰值和边界检测。指向框内的箭头分别确定输入参数和指向外的箭头确定输出参数。2.6. 软件架构和功能ECG预处理和注释流程的高级视图如图所示。 四、首先，进行基线去除、滤波和等值线校正（见图1）。第五，第一至四行）。之后，可以通过启动脚本Annotate_ECG_Multi.m来注释信号。这里，运行QRS检测、T和P波检测（参见图5，第五行）。之后，在多导联信号的情况下，如果FPT中的可能搏动在大多数导联中不可见，则表决算法（Sync_Beats.mNicolas Pilia，Claudia Nagel，Gustavo Lenis etal.软件X 13（2021）1006396图五. 将滤波和波检测应用于来自[10]的信号sel 100的ECG信号。第1行：估计基线漂移和ECG。第2行：ECG无基线漂移。第3行：带通滤波信号和估计等值线。第4行：带通滤波信号，进行等值线校正。第5行：带注释的on-和offset以及P波和T波以及QRS波群的峰值表1FPT的结构。FPT中的线表示检测到的心跳的数量。第9列保留（res.）为J点，第13列，用于节拍分类。12345678910111213拍子数量P对P峰值PoffQRS开启QRSQRS关闭Res.不在T峰值ToffRes.3. 绩效评价使用QT数据库对工具箱中提供的算法进行了评价，QT数据库是一个ECG数据库，包含105个信号，这些信号要么在正常窦性心律期间记录，要么代表六种选定心脏疾病之一，并由临床医生注释基准点[10]。我们从*.q1c中提取注释，*数据库的.q2c文件为了获得检测误差，我们分别分析了两条线索对于每个注释，我们随后在两个导联中取最佳结果，这意味着选择最接近该注释的注释。为了获得最接近的注释，认为一个心跳中可用的每个注释找到相应的注释心跳。我们对ECGdeli、ecg-kit进行了完全相同的评价[16]可在github（版本1.0，Commit c8 e3 de 4）和PhysioNet中提供的ecg-puwave [17]算法上获得。对于ecg-kit，我们使用wavedet描绘算法，这是ECG描绘的默认选择。计算所有算法的所有类型注释的检测误差，包括中位数误差和四分位数范围，有符号和无符号（绝对）误差的平均误差和标准差。3.1. 结果图图6显示了对于QT数据库中的所有注释搏动，使用ECG deli计算的基准点与临床医生手动注释的点之间的差异。特别是在检测QRS和T波注释时，Nicolas Pilia，Claudia Nagel，Gustavo Lenis etal.软件X 13（2021）1006397表2与样本中的手动专家注释相比，ECGdeli、ecg-kit和ecgpuwave的检测错误以及检测点/可用注释的数量。med：中位数，iqr：四分位距，m：平均值，std：标准差，signed：带符号误差，abs：绝对误差。m±标准绝对ECG deli 3.87±6.14 2.46±5.70 4.17±6.38 4.01±8.50 2.46±8.46 4.39±8.53 8.86±9.98 6.24±12.29中位±iqr心电图套件2.00± 4.00 1.00± 2.00 2.00± 3.00 1.00± 4.00 2.00± 2.00 1.00± 3.00 5.00± 14.00 1.00± 14.00m±标准签名ECG套件0.54± 2.65m±标准绝对心电图波4.52± 6.05 2.96± 4.62 3.89± 4.91 3.46± 3.55 3.54± 4.32见图6。 在QT数据库上应用ECGdeli时获得的绝对误差箱形图。N是检测到的波的数量可见所有三种算法的检测误差见表2。ECGdeli和ecg-kit的性能优于另一个，这取决于性能指标和注释类型。仅就中位数和四分位数范围而言，ecgpuwave始终优于ecg-kit。在检测到的波形的数量上可以看到特定的差异。在ECGdeli的情况 下 ， 该 数 字 最 高 （ 参 见 表 2 中 的 最 后 一 行 ） 。 ECG-Kit 和ECGPuWave丢弃了波，即使它们应该理想地被检测到，这是由于临床医生清楚地发现并注释了信号中的相应波的事实。ECGdeli没有这样做。3.2. 讨论本节将讨论与3.1首先，我们决定分别评估两个电极导线，然后采用每个注释的最低错误，因为注释者在注释期间也有两个电极导线，我们不知道选择了哪个电极导线。因此，我们没有评估使用多导联方法的可能改进，这对于ECGdeli来说几乎是不可能的，因为两个不同注释之间的投票并不具有优势。其次，我们希望参考更多的出版物，比较更多的闭源实现[19，20]。出于两个主要原因，我们没有在此有意重复闭源实现的结果：首先，我们希望将我们的结果与提供P波、T波和QRS检测的ECG描绘的两种最明显的算法进行第二，由于没有标准程序来产生最终评价结果，几乎不可能保证可比性。第三，我们希望强调ECGdeli后处理步骤的可能性和平均检测误差的可能改善。对于当前的实现，并且如已经陈述的，算法被迫在每个RR间期中检测P波和T波。一方面，这意味着每一个波都被检测到。然而，对异常值的充分检测（例如，对于图6中的T波可见）以及对这些异常值的后续校正或丢弃可以降低ECG deli的平均误差。4. 影响心电描记算法在临床和科研实践中具有重要意义.如第1节所述，许多参数取决于波检测的结果。ECGdeli提供了为数不多的开放工具箱来解决这一相关问题。通过将工具箱与两种用于波形描绘的替代实现进行比较，我们表明ECGdeli已经处于其当前状态， 可以提供 与现有开放 方法相当的 结果。 然而， 应强调ECGdeli的几个部分独特功能：简单的输入/输出和模块化结构使工具箱功能易于使用和直观。以这种方式，如果例如仅需要P波检测，则这与以下事实密切相关：通过在GPL v3下免费提供ECGdeli，可以提取单个算法并将其合并到现有项目中以扩展它们。此外，其他人可以很容易地将ECGdeli作为新算法的基准，就像我们对ecg-kit和ecgpuwave所做的那样。通常，使用标准数据库评估算法，T偏移T峰值T发作QRS偏移QRS波峰QRS起点P偏移P峰值P发作中±iqr ECG delim± std签名ECG deli m± stdabs ECG套件2.00±3.00−1.51± 7.103.33±6.66−1.10± 7.361.00±2.000.65±6.182.71±6.57−1.17± 7.013.00±4.002.26±7.273.30±5.64−2.18± 6.152.00±4.00−1.31± 9.301.66±2.141.00±1.00-0.60± 8.793.36±4.37−3.13± 4.543.00±4.002.19±9.341.91±2.40−0.46± 3.045.00±9.00−3.65± 12.849.82±13.43−1.11± 16.602.00±3.00-0.72± 13.764.62±12.24−2.18± 12.903.00±7.007.18±11.24−1.92± 13.203.00±11.006.67±14.38−2.81± 15.60中±iqr心电图波m±标准品 带符号心电波3.00±5.003.33±6.782.00±2.00-0.24± 5.482.00±4.00−1.23± 6.142.00±4.00−1.61± 4.693.00±2.00−1.71± 5.312.00± 3.00 8.00± 14.00 2.00± 14.00 6.00± 11.003.51± 5.48 13.10± 13.98 10.50± 17.66 11.57± 16.56−0.38± 6.49 9.96± 16.37 7.51± 19.12 3.86± 19.84检测点ECG deli319431943194401940194019141439363936心电检测点试剂盒309630963096401940134018133238013812心电图检测点212721272127401840194017131538653864Number 的 临床注释319431943194401940194019141439363936Nicolas Pilia，Claudia Nagel，Gustavo Lenis etal.软件X 13（2021）1006398与QT数据库一样，允许将新工作与现有工作进行比较。然而，这些数据库中的手动注释可能容易出错，并且计算性能参数的不同方法会损害可比性（如第3节所述）。此外，可能存在未在免费可用的数据库中表示的病理，然而这些病理可能与新算法的预期应用相关。将自己的工作与现有算法进行比较的最好方法是使用基准算法。最后，ECGdeli能够检测所有的P波和T波，如果检测到相应的QRS波群，则提供输入ECG信号。因此，例如，P波在任何情况下都在两个连续的R峰之间被检测到。以这种方式，不可能检测到假阴性波，并且假阳性波仍然可以在针对特定问题设计的后处理步骤中被消除。5. 结论在这项工作中，我们提出了ECGdeli MATLAB工具箱的心电图波形描绘。模块化是主要优点，因为可以独立于其他算法使用和调整单个算法（例如，只要使用标准FPT，就使用另一个QRS检测器）。通过在GPL v3下发布ECGdeli，可以自由地用于波检测，作为未来非标准数据集工作的基准方法或作为基础用于扩展的特征提取算法。CRediT作者贡献声明尼古拉斯·皮利亚：方法论，软件，概念化，调查，验证，可视化，写作-原始草稿，写作-审查编辑。克劳迪娅·内格尔：方法论，概念化，验证，可视化，写作-初稿，写作-评论编辑. 古斯塔沃·莱尼斯：方法论，软件，概念化，调查，验证。Silvia Becker：方法学，软件，调查，验证，可视化，写作-原始草稿。Olaf Dössel：资金获取，项目管理，监督，概念化。Axel Loewe：基金收购，项目管理，数据管理，监督，概念化，撰写评论编辑。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作致谢我们感谢我们研究所的几位同事，合作者和学生使用软件，报告错误并提出改进建议。此外，我们感谢德国卡尔斯鲁厄理工学院KIT出版基金的支持。我 们 衷 心 感 谢 德 国 欧 洲 计 量 创 新 和 研 究 计 划 [18HLT 07MedalCare]的财政支持。我们感谢德国卡尔斯鲁厄理工学院KIT出版基金的支持。我们还衷心感谢德国Deutsche Forschungsgemeinschaft（DFG）的支持[项目ID 391128822，LO 2093/1-1]。附录A. 补充数据与本文相关的补充材料可以在https://doi.org/10.1016/j.softx.2020.100639上找到。引用[1]Pilia N，Nagel C. KIT-ibt/ecgdeli：Ecgdeli v1.0.2。Zenodo; 2020，http：//dx. doi.org/10.5281/zenodo.3977971网站。[2]Fye W. 心 电 图 学 的 起 源 、 发 展 和 影 响 的 历 史 。 Amer J Cardiol 1994;73（13）：937-49。http://dx.doi.org/10.1016/0002-9149（94）90135-X。[3]Lyon A，Mincholé A，Martínez JP，Laguna P，Rodriguez B.心电图分析和解 释 的 计 算 技 术 对 医 学 进 步 的 贡 献 。 J R Soc Interface 2018;15 （ 138 ） .http://dx.doi.org/10的网站。1098/rsif.2017.0821。[4]Majumder S，Chen L，Marinov O，Chen C-H，Mondal T，Deen MJ.用于长期监测的非接触式可穿戴无线ECG系统。IEEE Rev Biomed Eng 2018;11：306-21。http://dx.doi.org/10.1109/RBME.2018.2840336网站。[5]Nielsen JB，Kuhl JT，Pietersen A，Graff C，Lind B，Struijk JJ，et al. P波持续时间和房颤风险：哥本哈根ECG研究结果。心律：Off J Heart Rhythm Soc2015;12（9）：1887-95。http://dx.doi.org/10.1016/j.hrthm.2015.04.026网站。[6] Loewe A ， Krueger MW ， Holmqvist F ， Dossel O ， Seemann G ，Platonov PG.最早右心房激动部位及其邻近心房间连接对P波形态的影响。Europace2016;18（Suppl.4）：iv35-43.http://dx.doi.org/10.1093/europace/euw349网站。[7]Andlauer R，Seemann G，Baron L，Dössel O，Kohl P，Platonov P，et al.左心房大小对P波形态的影响：扩张和肥大的差异效应。Europace 2018;20（S3）：iii36-44. http://dx.doi.org/10.1093/europace/euy231。[8]杨文，王文，王文，等.应用心电图信号诊断充血性心力衰竭的临床研究.中华医学杂志，2000，24（1）：117 - 118. Phys Med Off J Ital Asphalt BiomedPhys 2019;62：95-104. http://dx.doi.org/10.1016/j.ejmp.2019.05.004。[9]Clifford GD，Azuaje F，McSharry P.心电图数据分析的先进方法和工具。马萨诸塞州波士顿[美国]：Artech House; 2006.[10]李文辉，李文辉，李文辉.用于评价ECG中QT和其他波形间期测量算法的数据库。在：计算机在心脏病学1997; 1997。p. 673比76[11] Lenis G，Dössel O.慢性心力衰竭患者心率震荡时的T波形态。BiomedTech Biomed Eng 2013;58 （ s1 ） 。 http://dx.doi.org/10.1515/bmt-2013-4171网站。[12][10]李国伟，李国伟.基于无相位平稳小波变换的心电图P波检测与描绘，以心内 心 房 电 图 为 参 考 。 Biomed Tech Biomed Eng 2016;61 （ 1 ） ： 37-56.http://dx.doi.org/10.1515/bmt-2014-0161.[13][10]李国伟，李国伟. 使用心电图特征检测汽车驾驶模拟研究中的微睡眠事件。Curr Direct Biomed Eng2016;2（1）：283-7。[14][10]李国伟，李国伟. 利用Granger因果关系和线性滤波分离呼吸对心率变异性的影响Biomed信号过程控制2017;31：272网址：//dx.doi.org/10.1016/j.bspc.2016.07.014网站。[15][10]李国伟，李国伟.考虑缺血性ECG中ST段变化保留的基线漂移消除技术的比较 ： 一 项 模 拟 研 究 。 计 算 数 学 方 法 医 学 2017;2017 ： 13 。http://dx.doi.org/10.1155/2017/9295029，（文章ID 9295029）。[16] Demski A ， Llamedo Soria M. ECG-Kit是 一个 用 于心 血 管信 号 处理 的Matlab工具箱。J Open Res Softw 2016;4. http://dx.doi.org/10.5334/jors的网站。86岁。[17]Laguna P，Jané R，Caminal P.多导联ECG信号中波边界的自动检测：使用CSE数据库进行验证。Comput BiomedRes1994;27（1）：45-60.[18]Sörnmo L，Laguna P.心脏和神经应用中的生物电信号处理。Amsterdam：Elsevier;2005.[19]Di Marco LY，Chiari L.一种基于小波变换的32位整数在线心电描记算法。生物医学工程在线2011;10：23。网址：//dx.doi.org/10.1186/1475-925X-10-23网站。[20]Spicher N，Kukuk M.使用多尺度参数估计描绘心电图。IEEE J BiomedHealth Inf 2020;24（8）：2216-29. 网址：//dx.doi.org/10.1109/JBHI.2019.2963786网站。