CN103637795A - 心电图机自动诊断功能检测方法 - Google Patents

心电图机自动诊断功能检测方法 Download PDF

Info

Publication number
CN103637795A
CN103637795A CN201310746401.7A CN201310746401A CN103637795A CN 103637795 A CN103637795 A CN 103637795A CN 201310746401 A CN201310746401 A CN 201310746401A CN 103637795 A CN103637795 A CN 103637795A
Authority
CN
China
Prior art keywords
detection sample
information
sample set
sample
electrocardiograph
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201310746401.7A
Other languages
English (en)
Other versions
CN103637795B (zh
Inventor
陈韵岱
石亚君
王晋丽
郜玲
赵立朝
高小峰
郭军
郭艳
吴英森
陈海滨
马一鸣
赵成辉
文冬凌
郭亚涛
王小鹏
李腾京
苟静凤
董颖
马景林
赵海生
卢喜烈
周军荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Medex Tech-Trade Corp
Chinese PLA General Hospital
Original Assignee
Medex Tech-Trade Corp
Chinese PLA General Hospital
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Medex Tech-Trade Corp, Chinese PLA General Hospital filed Critical Medex Tech-Trade Corp
Priority to CN201310746401.7A priority Critical patent/CN103637795B/zh
Publication of CN103637795A publication Critical patent/CN103637795A/zh
Application granted granted Critical
Publication of CN103637795B publication Critical patent/CN103637795B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明涉及一种心电图机自动诊断功能检测方法,包括:从检测样本集中筛选检测样本子集,检测样本集中的每个检测样本包括心电图形数据以及与心电图形数据相关联的标准诊断结果和患者信息;对检测样本子集中每个检测样本的心电图形数据进行数模转换,并将转换后得到的模拟信号发送给待测的心电图机;接收心电图机基于模拟信号产生的自动诊断结果;将检测样本子集中每个检测样本的标准诊断结果与相应的自动诊断结果进行比较,并根据检测样本子集中所有检测样本的比较结果来分析心电图机的自动诊断功能的准确度。由于从检测样本集中筛选出的检测样本,可以给待测心电图机创造最真实的工作环境,对心电图机的自动诊断功能的检测更准确。

Description

心电图机自动诊断功能检测方法
技术领域
本发明涉及医疗器械检测领域,尤其涉及一种心电图机自动诊断功能检测方法。
背景技术
心电图机可以记录心脏活动时所产生的生理电信号。按照一次可记录的信号导数来分,心电图机可以分为单导式及多导式,多导式如三导、六导、十二导等。随着十二导联心电图机的发展和装备成本的降低,十二导联心电图机在基层医院的应用率逐渐增加。但是,目前市场十二导联心电图机种类繁多,自动诊断功能的性能参差不齐,不能满足临床的需要。
发明内容
技术问题
有鉴于此,本发明要解决的技术问题是,如何检测心电图机的自动诊断结果的准确度。
解决方案
为了解决上述技术问题,根据本发明的一实施例,提供了一种心电图机自动诊断功能检测方法,其特征在于,包括:
从检测样本集中筛选检测样本子集,所述检测样本集中的每个检测样本包括心电图形数据以及与所述心电图形数据相关联的标准诊断结果和患者信息;
对所述检测样本子集中每个检测样本的心电图形数据进行数模转换,并将转换后得到的模拟信号发送给待测的心电图机;
接收所述心电图机基于所述模拟信号产生的自动诊断结果;
将所述检测样本子集中每个检测样本的标准诊断结果与相应的自动诊断结果进行比较,并根据所述检测样本子集中所有检测样本的比较结果来分析所述心电图机的自动诊断功能的准确度。
对于上述方法,在一种可能的实现方式中,所述从检测样本集中筛选检测样本子集,包括:
根据所述心电图机的应用环境确定筛选参数,所述筛选参数包括医院级别信息、医院规模信息、地域信息、时间跨度信息、科室分类信息、人群特征信息、病种信息中的任意一种或者多种;
从所述检测样本集中筛选出满足所述筛选参数的检测样本,以组成所述检测样本子集。
对于上述方法,在一种可能的实现方式中,从所述检测样本集中筛选出满足所述筛选参数的检测样本,包括:
将所述筛选参数作为索引查找样本统计数据库,以确定所述检测样本子集中检测样本的类型以及每类检测样本的比例,其中所述样本统计数据库按筛选参数记录有与所述检测样本集中的检测样本的特征、数量及占比有关的信息;
针对所确定的每类检测样本,将该类检测样本的比例与预定的所述检测样本子集的样本总数相乘,从而计算出所述检测样本子集中的该类检测样本数N,并从所述检测样本集中查找出特征信息与该类检测样本的类型相匹配的N个检测样本;
将针对每类检测样本所查找出的检测样本组合成所述检测样本子集。
对于上述方法,在一种可能的实现方式中,所述检测样本的类型包括病种信息;从所述检测样本集中查找出特征信息与该类检测样本的类型相匹配的N个检测样本,包括:
将所述检测样本集中检测样本的所述标准诊断结果内的诊断名称与所述病种信息进行匹配。
对于上述方法,在一种可能的实现方式中,所述检测样本的类型还包括性别信息、年龄信息和基础疾病信息中任意一种或者多种;从所述检测样本集中查找出特征信息与该类检测样本的类型相匹配的N个检测样本,还包括以下操作中的任意一项或者多项:
将所述检测样本集中检测样本的所述患者信息内的性别与所述性别信息进行匹配;
将所述检测样本集中检测样本的所述患者信息内的年龄与所述年龄信息进行匹配;
将所述检测样本集中检测样本的所述标准诊断结果内的基础疾病与所述基础疾病信息进行匹配。
对于上述方法,在一种可能的实现方式中,将所述检测样本子集中每个检测样本的标准诊断结果与相应的自动诊断结果进行比较,包括:
将所述自动诊断结果和所述标准诊断结果分别转换为诊断术语编码;
将所述自动诊断结果的诊断术语编码与所述标准诊断结果的诊断术语编码进行比较,以确定两者的差异度。
对于上述方法,在一种可能的实现方式中,对所述检测样本子集中每个检测样本的心电图形数据进行数模转换,将转换后得到的模拟信号发送给待测的心电图机,包括:
利用信号发生器对所述检测样本子集中每个检测样本进行数模转换;
通过所述信号发生器的多个电极端子将转换后得到的模拟信号发送给所述心电图机。
有益效果
本发明实施例心电图机自动诊断功能检测方法中,检测样本集的心电图形数据可以是从病例中提取的真实数据,从检测样本集中筛选出的检测样本,可以给待测心电图机创造最真实的工作环境,对心电图机的自动诊断功能的检测更准确。
根据下面参考附图对示例性实施例的详细说明,本发明的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本发明的示例性实施例、特征和方面,并且用于解释本发明的原理。
图1为本发明实施例一的心电图机自动诊断功能检测方法的流程示意图;
图2为本发明实施例一的心电图机自动诊断功能检测方法中性别统计的示意图;
图3为本发明实施例一的心电图机自动诊断功能检测方法中年龄统计的示意图;
图4为本发明实施例二的心电图机自动诊断功能检测方法的流程示意图。
具体实施方式
以下将参考附图详细说明本发明的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本发明,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本发明同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本发明的主旨。
图1为本发明实施例一的心电图机自动诊断功能检测方法的流程示意图。如图1所示,该心电图机自动诊断功能检测方法主要可以包括:
步骤101、从检测样本集中筛选检测样本子集,所述检测样本子集中的每个检测样本包括心电图形数据以及与所述心电图形数据相关联的标准诊断结果和患者信息;
步骤102、对所述检测样本子集中每个检测样本的心电图形数据进行数模转换,并将转换后得到的模拟信号发送给待测的心电图机;具体地,可以利用信号发生器对所述检测样本子集中每个检测样本进行数模转换;通过所述信号发生器的多个电极端子将转换后得到的模拟信号发送给所述心电图机。
步骤103、接收所述心电图机基于所述模拟信号产生的自动诊断结果;
步骤104、将所述检测样本子集中每个检测样本的标准诊断结果与相应的自动诊断结果进行比较,并根据所述检测样本子集中所有检测样本的比较结果来分析所述心电图机的自动诊断功能的准确度。
具体地,可以预先保存心电图原始数据库。心电图原始数据库中的数据可以从一定范围内如某些医院的实际病例的心电图原始数据中选择。本发明实施例中不限定心电图原始数据库的数据选择范围,可以在国家范围内选择,也可以在区域范围内选择,可以根据实际能够得到的数据情况确定。其中,心电图原始数据可以包括患者信息、病史信息、临床诊断信息、心电图形数据等。其中,患者信息可以包括疾病危险因素、家族史、影像检查、血液检查等;心电图形数据可以包括至少10秒钟的12导联同步心电图形数据(包括心电图波形及特征值等)。心电图原始数据经过人工测量(如经至少两位专家独立测量)、专家会诊并结合临床可以形成标准诊断结果,录入心电图原始数据库。其中,可以采用高采样频率和采样精度获得心电图原始数据,滤波范围宽(如0.1~100Hz),从而保证数据被重采样后能够保持原有的精度。其中,心电图原始数据库中的心电图形数据可以由国际标准12导联心电图(威尔逊导联体系)对病人检测生成;采样频率可以采用每秒每导联500点;数字化精度可以为16位。
其中,可以对心电图原始数据库中的数据进行统计学处理,得到用于对心电图机的自动诊断功能进行评价的检测样本集。其中,检测样本集可以包括各种心律失常类型的心电图形数据及其标准诊断结果和患者信息。检测样本集的建立方式有多种。其中,可以为各种心律失常类型都选择足够的病例作为检测样本集,也可以按照某区域(或某医院、某科室)内建立一个适用于该区域的检测样本集。
在需要对某一待测的心电图机进行检测时,可以根据所述心电图机的应用环境确定筛选参数,所述筛选参数包括医院级别信息、医院规模信息、地域信息、时间跨度信息、科室分类信息、人群特征信息、病种信息中的任意一种或者多种;从所述检测样本集中筛选出满足所述筛选参数的检测样本,以组成所述检测样本子集。例如,医院级别信息可以包括三甲、三乙、二甲、社区等各种的医院级别。医院规模信息可以包括专科、综合等各种医院规模。科室分类信息可以包括门诊、病房、急诊、专科等各种科室分类。人群特征信息可以包括性别、职业、生活环境等各种影响人群身体因素的特征。
进一步地,从所述检测样本集中筛选出满足所述筛选参数的检测样本的过程具体可以包括:
将所述筛选参数作为索引查找样本统计数据库,以确定所述检测样本子集中检测样本的类型以及每类检测样本的比例,其中所述样本统计数据库按筛选参数记录有与所述检测样本集中的检测样本的特征、数量及占比有关的信息;
针对所确定的每类检测样本,将该类检测样本的比例与预定的所述检测样本子集的样本总数相乘,从而计算出所述检测样本子集中的该类检测样本数N,并从所述检测样本集中查找出特征信息与该类检测样本的类型相匹配的N个检测样本;
将针对每类检测样本所查找出的检测样本组合成所述检测样本子集。
一种情况下,所述检测样本的类型包括病种信息;从所述检测样本集中查找出特征信息与该类检测样本的类型相匹配的N个检测样本,具体可以包括将所述检测样本集中检测样本的所述标准诊断结果内的诊断名称与所述病种信息进行匹配。
另一种情况下,所述检测样本的类型还可以包括性别信息、年龄信息和基础疾病信息中的任意一种或者多种;从所述检测样本集中查找出特征信息与该类检测样本的类型相匹配的N个检测样本,还可以包括以下操作中的任意一项或者多项:
将所述检测样本集中检测样本的所述患者信息内的性别与所述性别信息进行匹配;
将所述检测样本集中检测样本的所述患者信息内的年龄与所述年龄信息进行匹配;
将所述检测样本集中检测样本的所述标准诊断结果内的基础疾病与所述基础疾病信息进行匹配。
其中,检测样本统计数据库中内置的各个筛选参数对应的病种的比例和数目,可以采用图、表等形式表示。例如:预先对某医院的病例进行统计,该医院的医院级别信息为大型三甲以上级别,医院规模信息为大型综合医院,地域信息为北京,科室分类信息为门诊,时间跨度信息为从2009年到2012年共三年。如果该医院的510038份病例中,有效数据为503042份;这些有效数据中,男性病例为261881份,女性病例为241161份;正常心电图病例为163539份;不正常心电图病例为339503份。表1为该医院的心律失常发生几率统计表,根据表1可以从心电图原始数据库中提取约5000份(1%)病例,形成用于对该医院的心电图机进行评价的检测样本集。
表1各种心律失常发生几率统计表
Figure BDA0000449988330000081
可以在检测样本统计数据库中内置与表1类似的统计表。如果在检测样本统计数据库中输入的筛选参数为:医院的医院级别信息为大型三甲以上级别,医院规模信息为大型综合医院,地域信息为北京,科室分类信息为门诊,时间跨度信息为从2009年到2012年共三年。则可以查找到表1,根据表1可以从检测样本集筛选出病例5057例。可以将该5057例作为检测样本子集。
此外,更改筛选参数可以得到不同的筛选结果。例如:接着上一示例,如果在检测样本统计数据库中还在病种类型这一筛选参数中输入了“心房颤动”,则参见表1可知,需要提取65例“心房颤动”的病例。并且,图2为本发明实施例一的心电图机自动诊断功能检测方法中性别统计的示意图,参见图2中对于“心房颤动”的性别统计,这65例病例中男性要占到52%;此外,图3为本发明实施例一的心电图机自动诊断功能检测方法中年龄统计的示意图,这65例病例的年龄段分布可以与图3中的分布情况相近,如:38到47岁的占16%。
检测样本集中的每个病例可以预先提取出特征信息,每个病例的特征信息可以包括该病例的诊断名称、性别信息、年龄信息和基础疾病信息等,在根据筛选参数确定本次检测所需的检测样本的类型,如病种信息为“心房颤动”、性别信息为“男”、年龄信息为“38到47岁”,可以从检测样本集中筛选出满足“心房颤动”、“男”、“38到47岁”的34(65*52%的近似值)个病例,筛选出的病例需要逐个编辑确认,从而保证诊断的准确性、全面性和严谨性,及诊断术语的标准化。其中,图3可能表示“心房颤动”这一种心律失常类型的年龄段分布,也可能表示心电图原始数据库的统计范围的年龄段分布,或者表示检测样本集的选择范围的年龄段分布等。
筛选出检测样本子集后,步骤102可以包括:信号发生器对所述检测样本子集中每个检测样本进行数模转换后,通过多个电极端子将转换后得到的模拟信号发送给所述心电图机。
具体地,信号发生器可以按筛选出的检测样本的编号顺序,将不同导联(采样导联)的波形数据经过数模(D/A)转换变为-10mv~+10mv的模拟信号,通过10个电极端子发放给被测的心电图机,原始数据未采样的导联按照Einthoven法则计算并发放模拟信号。通过信号发生器对检测样本进行数模转换后,可以将转换后得到的模拟信号发送给心电图机。信号发生器可以将心电图波形数据转换为模拟的电压信号,以供被测心电图机采集和诊断。心电图机基于收到的检测样本的模拟信号,可以产生对应的自动诊断结果。自动诊断结果可以从心电图机中读出,然后可以保存到存储器中。然后可以根据每个检测样本的标准诊断结果对其自动诊断结果进行检测,确定对待测的心电图机的自动诊断功能是否准确。
本实施例心电图机自动诊断功能检测方法中,检测样本集的心电图形数据可以由心电图原始数据库的病例的真实的心电图原始数据得到,心电图原始数据中含有最真实的各种干扰,伪差,非人为故意添加,与人造的心电图相比,从检测样本集中筛选出的检测样本,可以给待测心电图机创造最真实的工作环境,能够更真实准确的判断心电图机的自动诊断功能。
图4为本发明实施例二的心电图机自动诊断功能检测方法的流程示意图。图4中标号与图1相同的步骤具有相同的功能,为简明起见,省略对这些组件的详细说明。如图4所示,该心电图机自动诊断功能检测方法中步骤104具体可以包括:
步骤201、将所述自动诊断结果和所述标准诊断结果分别转换为诊断术语编码;
步骤202、将所述自动诊断结果的诊断术语编码与所述标准诊断结果的诊断术语编码进行比较,以确定两者的差异度。
具体地,可以预先保存医学临床应用实践术语库。医学临床应用实践术语库可以采用医学临床应用实践指南如美国心脏病学会(American Collegeof Cardiology,简称:ACC)/美国心脏病协会(American Heart Association,简称:AHA)/美国心律协会(Heart Rhythm Society,简称:HRS)等指南的建议建立。搜集并订正所有词条的英文、英文缩写、英文简写、中文、中文简写、中文缩写、别称等诊断语句。制定国内认可的诊断条目标注形式。针对同义词条进行编码,如,A11201=完左=完全性左束支阻滞=完全性左束支传导阻滞=CLBBB。
检测样本集中的所有病例的标准诊断结果,都可以按照医学临床应用实践术语库转换为对应的诊断术语编码。待测的心电图机生成基于各个检测样本的模拟信号生成的自动诊断结果,也可以按照医学临床应用实践术语库转换为对应的诊断术语编码。具体地,检测样本子集中的检测样本可以按一定顺序(这个顺序可以记录保存)传输给信号发生器进行数模转换,供待测的心电图机采集。心电图机按检测样本的顺序,可以将生成的自动诊断结果存储为规定格式的文件如“a.txt”。并且可以按照相同的顺序从检测样本集中将检测样本子集中的每个检测样本的标准诊断结果输出为规定格式的文件如“b.txt”。然后将“a.txt”和“b.txt”输入比较器,比较器可以将“a.txt”和“b.txt”转换为医学临床应用实践术语,并且进行代码转换,然后对转换后代码进行相似度比较。不同的相似度可以分别设置给分标准,根据给分标准对心电图机的自动诊断结果给出得分,以得分高低来评价该心电图机在该筛选参数所对应的环境中的自动诊断水平。
例如,表2为按照顺序排列的检测样本的标准诊断结果的诊断术语编码,表2的内容可以存储为“b.txt”。表3为按照顺序排列的检测样本的自动诊断结果的诊断术语编码,表3的内容可以存储为“a.txt”。
表2
病例编号 诊断术语编码
00001 A11201,A11208,A11311
00003 A11207
00004 A11201,A11213
00006 A11205,A11308,A11311
表3
病例编号 诊断术语编码
00001 A11201,A11207,A11311
00003 A22207,A55831
00004 A11201,A11213
00006 A11205,A11308,A11311
一种比较策略的示例为:将心电图机的准确性计数起始设置为零。参见表2和表3,病例00001,在表2和在表3中的诊断术语编码完全相同,准确性计数加1。病例00003在两个表中的诊断术语编码不同,准确性计数不增加。比较所有病例,最后得分记为X。被本次测试最后可以通过X/N*100%计算出该心电图机的准确性得分。还可以预先设置一个合格分数阈值,如果该心电图机的检测分数达到合格分数阈值以上,属于合格。
本实施例心电图机自动诊断功能检测方法中,检测样本集的心电图形数据可以由心电图原始数据库的病例的真实的心电图原始数据得到,心电图原始数据中含有最真实的各种干扰,伪差,非人为故意添加,与人造的心电图相比,从检测样本集中筛选出的检测样本,可以给待测心电图机创造最真实的工作环境,能够更真实准确的判断心电图机的自动诊断功能。
通过各种筛选参数,可以为处于不同使用环境的心电图机选出合适的检测样本子集。如,为社区医院筛选出的检测样本子集,更适用于评测社区医院的心电图机,可能社区医院的心电图机对于某种罕见心律失常不能正确评估,但由于该心律失常发生率极低,在社区医院碰到的可能性小,而其判定正常或常见的诊断要优于其他环境的心电图机,其更适用于社区医院使用。
因此,该心电图机自动诊断功能检测方法适用于不同厂家、不同型号的12导联同步心电图机,能够为医院或国家测试机构服务。评价结果可以有多种形式,为提高心电图机的自动诊断功能提供依据,从而督促生产商改进心电图机自动诊断功能,提高心电图机的诊断准确率,减少医生工作强度。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种心电图机自动诊断功能检测方法,其特征在于,包括:
从检测样本集中筛选检测样本子集,所述检测样本集中的每个检测样本包括心电图形数据以及与所述心电图形数据相关联的标准诊断结果和患者信息;
对所述检测样本子集中每个检测样本的心电图形数据进行数模转换,并将转换后得到的模拟信号发送给待测的心电图机;
接收所述心电图机基于所述模拟信号产生的自动诊断结果;
将所述检测样本子集中每个检测样本的标准诊断结果与相应的自动诊断结果进行比较,并根据所述检测样本子集中所有检测样本的比较结果来分析所述心电图机的自动诊断功能的准确度。
2.根据权利要求1所述的方法,其特征在于,所述从检测样本集中筛选检测样本子集,包括:
根据所述心电图机的应用环境确定筛选参数,所述筛选参数包括医院级别信息、医院规模信息、地域信息、时间跨度信息、科室分类信息、人群特征信息、病种信息中的任意一种或者多种;
从所述检测样本集中筛选出满足所述筛选参数的检测样本,以组成所述检测样本子集。
3.根据权利要求2所述的方法,其特征在于,从所述检测样本集中筛选出满足所述筛选参数的检测样本,包括:
将所述筛选参数作为索引查找样本统计数据库,以确定所述检测样本子集中检测样本的类型以及每类检测样本的比例,其中所述样本统计数据库按筛选参数记录有与所述检测样本集中的检测样本的特征、数量及占比有关的信息;
针对所确定的每类检测样本,将该类检测样本的比例与预定的所述检测样本子集的样本总数相乘,从而计算出所述检测样本子集中的该类检测样本数N,并从所述检测样本集中查找出特征信息与该类检测样本的类型相匹配的N个检测样本;
将针对每类检测样本所查找出的检测样本组合成所述检测样本子集。
4.根据权利要求3所述的方法,其特征在于,所述检测样本的类型包括病种信息;从所述检测样本集中查找出特征信息与该类检测样本的类型相匹配的N个检测样本,包括:
将所述检测样本集中检测样本的所述标准诊断结果内的诊断名称与所述病种信息进行匹配。
5.根据权利要求4所述的方法,其特征在于,所述检测样本的类型还包括性别信息、年龄信息和基础疾病信息中任意一种或者多种;从所述检测样本集中查找出特征信息与该类检测样本的类型相匹配的N个检测样本,还包括以下操作中的任意一项或者多项:
将所述检测样本集中检测样本的所述患者信息内的性别与所述性别信息进行匹配;
将所述检测样本集中检测样本的所述患者信息内的年龄与所述年龄信息进行匹配;
将所述检测样本集中检测样本的所述标准诊断结果内的基础疾病与所述基础疾病信息进行匹配。
6.根据权利要求1-5中任一项所述的方法,其特征在于,将所述检测样本子集中每个检测样本的标准诊断结果与相应的自动诊断结果进行比较,包括:
将所述自动诊断结果和所述标准诊断结果分别转换为诊断术语编码;
将所述自动诊断结果的诊断术语编码与所述标准诊断结果的诊断术语编码进行比较,以确定两者的差异度。
7.根据权利要求1-5中任一项所述的方法,其特征在于,对所述检测样本子集中每个检测样本的心电图形数据进行数模转换,将转换后得到的模拟信号发送给待测的心电图机,包括:
利用信号发生器对所述检测样本子集中每个检测样本进行数模转换;
通过所述信号发生器的多个电极端子将转换后得到的模拟信号发送给所述心电图机。
CN201310746401.7A 2013-12-30 2013-12-30 心电图机自动诊断功能检测方法 Expired - Fee Related CN103637795B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310746401.7A CN103637795B (zh) 2013-12-30 2013-12-30 心电图机自动诊断功能检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310746401.7A CN103637795B (zh) 2013-12-30 2013-12-30 心电图机自动诊断功能检测方法

Publications (2)

Publication Number Publication Date
CN103637795A true CN103637795A (zh) 2014-03-19
CN103637795B CN103637795B (zh) 2015-04-01

Family

ID=50243190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310746401.7A Expired - Fee Related CN103637795B (zh) 2013-12-30 2013-12-30 心电图机自动诊断功能检测方法

Country Status (1)

Country Link
CN (1) CN103637795B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296762A (zh) * 2015-06-29 2017-01-04 通用电气公司 医学检查报告生成方法
CN107693008A (zh) * 2017-11-03 2018-02-16 北京工业大学 一种胎儿心电发生器
CN110495872A (zh) * 2019-08-27 2019-11-26 中科麦迪人工智能研究院(苏州)有限公司 基于图片及心搏信息的心电分析方法、装置、设备及介质
CN110507311A (zh) * 2019-08-27 2019-11-29 中科麦迪人工智能研究院(苏州)有限公司 一种基于图像信息的心电分析方法、装置、设备及介质
CN111297350A (zh) * 2020-02-27 2020-06-19 福州大学 融合源端影响的三心拍多模型综合决策心电特征分类方法
CN111402979A (zh) * 2020-03-24 2020-07-10 清华大学 病情描述与诊断一致性检测方法及装置
CN112022140A (zh) * 2020-07-03 2020-12-04 上海数创医疗科技有限公司 一种心电图的诊断结论自动诊断方法及系统
CN112489740A (zh) * 2020-12-17 2021-03-12 北京惠及智医科技有限公司 病历检测方法及相关模型的训练方法和相关设备、装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1486670A (zh) * 2002-08-01 2004-04-07 GEҽ��ϵͳ��Ϣ������˾ 用于实时显示滤波的心电图数据的方法和设备
CN101152080A (zh) * 2006-09-30 2008-04-02 苏州新电医用电子仪器厂 多功能家用心电监测仪
WO2008055382A1 (fr) * 2006-11-08 2008-05-15 Medex Tech-Trade Corporation Électrocardiographe du type à broche
CN101416876A (zh) * 2007-10-24 2009-04-29 方识钦 利用心电图进行辨识的辨识装置以及辨识方法
CN202654121U (zh) * 2012-05-26 2013-01-09 陈晓容 一种心电监护装置
CN203059690U (zh) * 2013-01-21 2013-07-17 詹淑辉 一种带过电流保护装置的心电监护记录分析仪
WO2013155196A2 (en) * 2012-04-11 2013-10-17 Impak Health, Llc Ecard ecg monitor
JP2013212311A (ja) * 2012-04-03 2013-10-17 Denso Corp 車両用心電計測装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1486670A (zh) * 2002-08-01 2004-04-07 GEҽ��ϵͳ��Ϣ������˾ 用于实时显示滤波的心电图数据的方法和设备
CN101152080A (zh) * 2006-09-30 2008-04-02 苏州新电医用电子仪器厂 多功能家用心电监测仪
WO2008055382A1 (fr) * 2006-11-08 2008-05-15 Medex Tech-Trade Corporation Électrocardiographe du type à broche
CN101416876A (zh) * 2007-10-24 2009-04-29 方识钦 利用心电图进行辨识的辨识装置以及辨识方法
JP2013212311A (ja) * 2012-04-03 2013-10-17 Denso Corp 車両用心電計測装置
WO2013155196A2 (en) * 2012-04-11 2013-10-17 Impak Health, Llc Ecard ecg monitor
CN202654121U (zh) * 2012-05-26 2013-01-09 陈晓容 一种心电监护装置
CN203059690U (zh) * 2013-01-21 2013-07-17 詹淑辉 一种带过电流保护装置的心电监护记录分析仪

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296762A (zh) * 2015-06-29 2017-01-04 通用电气公司 医学检查报告生成方法
CN107693008A (zh) * 2017-11-03 2018-02-16 北京工业大学 一种胎儿心电发生器
CN107693008B (zh) * 2017-11-03 2020-08-28 北京工业大学 一种胎儿心电发生器
CN110495872A (zh) * 2019-08-27 2019-11-26 中科麦迪人工智能研究院(苏州)有限公司 基于图片及心搏信息的心电分析方法、装置、设备及介质
CN110507311A (zh) * 2019-08-27 2019-11-29 中科麦迪人工智能研究院(苏州)有限公司 一种基于图像信息的心电分析方法、装置、设备及介质
CN111297350A (zh) * 2020-02-27 2020-06-19 福州大学 融合源端影响的三心拍多模型综合决策心电特征分类方法
CN111402979A (zh) * 2020-03-24 2020-07-10 清华大学 病情描述与诊断一致性检测方法及装置
CN112022140A (zh) * 2020-07-03 2020-12-04 上海数创医疗科技有限公司 一种心电图的诊断结论自动诊断方法及系统
CN112022140B (zh) * 2020-07-03 2023-02-17 上海数创医疗科技有限公司 一种心电图的诊断结论自动诊断方法及系统
CN112489740A (zh) * 2020-12-17 2021-03-12 北京惠及智医科技有限公司 病历检测方法及相关模型的训练方法和相关设备、装置

Also Published As

Publication number Publication date
CN103637795B (zh) 2015-04-01

Similar Documents

Publication Publication Date Title
CN103637795B (zh) 心电图机自动诊断功能检测方法
CN107951485B (zh) 基于人工智能自学习的动态心电图分析方法和装置
US11344243B2 (en) Artificial intelligence self-learning-based static electrocardiography analysis method and apparatus
US11529103B2 (en) Artificial intelligence self-learning-based automatic electrocardiography analysis method and apparatus
CN108186011B (zh) 房颤检测方法、装置及可读存储介质
US11783924B2 (en) ECG information processing method and ECG workstation
US20210007618A1 (en) Electrocardiogram information processing method and electrocardiogram workstation system
Jane et al. Evaluation of an automatic threshold based detector of waveform limits in Holter ECG with the QT database
CN104473629B (zh) 基于核函数分类算法的心电电极错误放置自动检测方法
CN109846472A (zh) 基于BiLSTM-Attention深度神经网络的心搏分类方法
CN111476754B (zh) 一种骨髓细胞影像人工智能辅助分级诊断系统及方法
CN110495872A (zh) 基于图片及心搏信息的心电分析方法、装置、设备及介质
CN111557659B (zh) 基于多特征融合与Stacking-DWKNN算法的心律失常分类方法
CN112932498B (zh) 一种基于深度学习的强泛化能力的t波形态分类系统
CN101877035A (zh) 基于金标准数据库的心电图分析系统
Jones et al. Improving ECG classification interpretability using saliency maps
KR102387703B1 (ko) 심전도 판독을 수정하기 위한 방법 및 장치
JP2011514200A (ja) 生理学データの形態フィーチャ解析のシステム及び方法
CN110070013A (zh) 一种ecg信号噪声污染程度与类别智能评估方法
Srinivas et al. Adaptive learning based heartbeat classification
WO2018176718A1 (zh) 乳腺筛查影像智能识别系统及方法
Yu et al. Fusion of detected multi-channel maternal electrocardiogram (ECG) R-wave peak locations
CN203898295U (zh) 心电图机自动诊断功能检测系统
Donnelly et al. Lead selection: old and new methods for locating the most electrocardiogram information
CN115392296A (zh) 一种异常脑电波类型识别方法、系统、存储介质及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150401

Termination date: 20201230