CN104473633B - 异常心电数据的判断方法和装置 - Google Patents
异常心电数据的判断方法和装置 Download PDFInfo
- Publication number
- CN104473633B CN104473633B CN201410857114.8A CN201410857114A CN104473633B CN 104473633 B CN104473633 B CN 104473633B CN 201410857114 A CN201410857114 A CN 201410857114A CN 104473633 B CN104473633 B CN 104473633B
- Authority
- CN
- China
- Prior art keywords
- data
- electrocardiogram
- criterion
- ecg
- dimensional points
- 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.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000005070 sampling Methods 0.000 claims abstract description 28
- 238000013480 data collection Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 208000003663 ventricular fibrillation Diseases 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种异常心电数据的判断方法和装置，其方法包括：读取心电数据采集设备以一定采样时长和采样率采集的心电数据；根据预设的时间间隔的相邻两个心电数据确定其中一个心电数据对应的二维点坐标；根据各心电数据对应的二维点坐标建立二维坐标图，并将所述二维坐标图划分网格，确定每个网格中二维点个数值；根据网格中二维点个数值获得该段心电数据的判据；将所述判据与判断阈值进行比较，当所述判据小于所述判断阈值时，确定该段心电数据为异常数据。本发明提高了异常心电数据判定的准确性和效率。
Description
技术领域
本发明涉及数据处理技术领域，特别是涉及一种异常心电数据的判断方法和装置。
背景技术
心电数据是在医学领域中经常涉及的数据，而对于心电数据采集设备采集的心电数据是否属于非正常状态下的心电数据(异常心电数据)，是对于心电数据后续使用的一个重要影响因素，现有的对于异常心电数据的判断方法，包括时域分析法，频域分析法，非线性分析法，这些数据处理方法，在进行异常心电数据判断时将出现较高的误判率。
发明内容
基于此，有必要针对在异常心电数据误判率高的问题，提供一种异常心电数据的判断方法和装置。
一种异常心电数据的判断方法，包括：
读取心电数据采集设备以一定采样时长和采样率采集的心电数据；
根据预设的时间间隔的相邻两个心电数据确定其中一个心电数据对应的二维点坐标；
根据各心电数据对应的二维点坐标建立二维坐标图，并将所述二维坐标图划分网格，确定每个网格中二维点个数值；
根据网格中二维点个数值获得该段心电数据的判据；将所述判据与判断阈值进行比较，当所述判据小于所述判断阈值时，确定该段心电数据为异常数据。
一种异常心电数据的判断装置，包括：
心电数据读取单元，用于读取心电数据采集设备以一定采样时长和采样率采集的心电数据；
判据计算单元，用于根据预设的时间间隔的相邻两个心电数据确定其中一个心电数据对应的二维点坐标；根据各心电数据对应的二维点坐标建立二维坐标图，并将所述二维坐标图划分网格，确定每个网格中二维点个数值；根据网格中二维点个数值获得该段心电数据的判据；
判断单元，用于将所述判据与判断阈值进行比较，当所述判据小于所述判断阈值时，确定该段心电数据为异常数据。
上述异常心电数据的判断方法和系统，读取心电数据，建立读取的心电数据对应的二维点坐标，从而可以得到二维坐标图，通过将二维坐标图划分网格，可以得到每个网格中二维点个数值，根据二维点个数值的平方和得到异常数据的判据，将所述判据与判断阈值进行比较，当所述判据小于所述判断阈值时，确定该段心电数据为异常数据。从而提高了判断心电数据是否为异常数据的准确率，并且无需大量模板数据即可实现异常数据的判别，提高了判断效率。
附图说明
图1为本发明异常心电数据的判断方法实施例的流程示意图；
图2为其中一个示例中QRS波示意图；
图3为应用实例中其中一段正常心电数据对应的二维点坐标图；
图4为应用实例中其中一段正常心电数据对应的网格灰度图；
图5为应用实例中待测心电数据对应的二维点坐标图；
图6为应用实例中待测心电数据对应的网格灰度图；
图7为本发明异常心电数据的判断装置实施例的结构示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细说明，但本发明的实施方式不限于此。
如图1所示，为本发明异常心电数据的判断方法实施例的流程示意图，包括：
步骤S101：读取心电数据采集设备以一定采样时长和采样率采集的心电数据；
心电数据采集设备是用来采集心电数据的设备。采样时长是采集一段心电数据花费的时间，采样率是单位时间采样的心电数据个数。采样时长和采用率都可以根据需求预先设定，采样时长和采样率的乘积为这一段心电数据的个数。心电数据采集设备采集这样一段心电数据，本步骤则可以从心电数据采集设备中读取这一段数据。
步骤S102：根据预设的时间间隔的相邻两个心电数据确定其中一个心电数据对应的二维点坐标；
时间间隔可以预先设定，比如，在其中一个实施例中，限定时间间隔不等于脉率周期的整数倍。根据预设的时间间隔的相邻两个心电数据确定其中一个心电数据对应的二维点坐标，可以是将预设的时间间隔的相邻的两个心电数据设为横纵坐标，从而确定其中一个心电数据对应的二维点坐标。例如：
采用公式I＝(g(Ti),g(Ti+t))确定各心电数据对应的二维点坐标，其中，g(Ti)表示时间点Ti对应的心电数据，g(Ti+t)表示时间点(Ti+t)对应的心电数据，I表示心电数据g(Ti)对应的二维点坐标，t表示预设的时间间隔，t≠n*T0，T0表示脉率周期，n表示整数；
采用公式I＝(g(Ti),g(Ti+t))定义心电数据对应的二维点坐标，使得每个心电数据都可以有二维点坐标。并且时间间隔不可以是脉率周期的整数倍，目的是为了保证二维点坐标多样性，从而提高后续判断的准确性。
步骤S103：根据各心电数据对应的二维点坐标建立二维坐标图，并将所述二维坐标图划分网格，确定每个网格中二维点个数值；
二维点个数值是二维坐标的个数。如果网格为N*N的网格，则每个网格都有对应的二维点个数值，例如，当个数值为0时，则该网格记录为0，当二维点个数值为3时，则该网格记录为3，则各个网格的数值可以组成N*N的数组。
步骤S104：根据网格中二维点个数值获得该段心电数据的判据；
根据网格中二维点个数值获得该段心电数据的判据的方法有很多种，例如，计算网格中二维点个数值的平方和，获得该段心电数据的判据。即将网格中记录的各个数值先平方，再求和值，得到的值设为该段心电数据的判据。
步骤S105：将所述判据与判断阈值进行比较，当所述判据小于所述判断阈值时，确定该段心电数据为异常数据。
该实施例通过建立读取的心电数据对应的二维点坐标，从而可以得到二维坐标图，通过将二维坐标图划分网格，可以得到每个网格中二维点个数值，根据二维点个数值的平方和得到异常数据的判据，将所述判据与判断阈值进行比较，当所述判据小于所述判断阈值时，确定该段心电数据为异常数据。从而提高了判断心电数据是否为异常数据的准确率，并且无需大量模板数据即可实现异常数据的判别，提高了判断效率。
判断阈值可以是根据经验设置，也可以是根据历史数据计算获得。在其中一个实施例中，介绍一种计算判断阈值的方法。具体的，所述读取心电数据采集设备以一定采样时长和采样率采集的心电数据步骤之前，还包括：
A1：根据所述采样时长和采样率获取历史数据库中多段正常心电数据和多段异常心电数据；
可以从历史数据库中获取多段正常心电数据，以所述采样率采集正常心电数据，每段正常心电数据的时间长度为采样时长。
可以从历史数据库中获取多段异常心电数据，以所述采样率采集异常心电数据，每段异常心电数据的时间长度为采样时长。异常心电数据是非正常状态下的心电数据。
A2：分别将各段正常心电数据和各段异常心电数据作为输入数据，采用相同的计算方式计算正常心电数据对应的判据和异常心电数据对应的判据；
每段正常心电数据对应有一个判据，多段正常心电数据则有多个判据。每段异常心电数据对应有一个判据，多段异常心电数据则有多个判据。
这里提及的相同的计算方式是指步骤S102至步骤S104的计算方式。利用步骤S102至步骤S104的计算判据方法可以计算历史数据库中正常心电数据对应的判据和异常心电数据对应的判据。
例如，采用公式I＝(g(Ti),g(Ti+t))确定正常心电数据对应的二维点坐标，其中，g(Ti)表示时间点Ti对应的正常心电数据，g(Ti+t)表示时间点(Ti+t)对应的正常心电数据，I表示正常心电数据g(Ti)对应的二维点坐标，t表示预设的时间间隔，t≠n*T0，T0表示脉率周期，n表示整数；根据各正常心电数据对应的二维点坐标建立二维坐标图，并将所述二维坐标图划分网格，确定每个网格中二维点个数值；根据网格中二维点个数值获得该段正常心电数据对应的判据。
采用公式I＝(g(Ti),g(Ti+t))确定异常心电数据对应的二维点坐标，其中，g(Ti)表示时间点Ti对应的异常心电数据，g(Ti+t)表示时间点(Ti+t)对应的异常心电数据，I表示异常心电数据g(Ti)对应的二维点坐标，t表示预设的时间间隔，t≠n*T0，T0表示脉率周期，n表示整数；根据各异常心电数据对应的二维点坐标建立二维坐标图，并将所述二维坐标图划分网格，确定每个网格中二维点个数值；根据网格中二维点个数值获得该段异常心电数据对应的判据。
A3：在具体计算判据的过程中，可以将正常心电数据对应的平均判据和异常心电数据对应的平均判据求平均值，从而得到判断阈值。具体的：
计算正常心电数据对应的判据的平均值，获得第一判据平均值，计算异常心电数据对应的判据的平均值，获得第二判据平均值，并计算所述第一判据平均值和第二判据平均值的平均值，获得所述判断阈值。
或，可以将正常心电数据对应的最大判据和异常心电数据对应的最大判据求平均值，从而得到判断阈值。具体的：
筛选出正常心电数据对应的判据中的最大判据，获得第一判据最大值，筛选出异常心电数据对应的判据中的最大判据，获得第二判据最大值，并计算所述第一判据最大值和第二判据最大值的平均值，获得所述判断阈值；
或，可以将正常心电数据对应的判据中间值和异常心电数据对应的判据中间值求平均值，从而得到判断阈值。具体的：
将各正常心电数据对应的判据按大小进行排列，获得第一判据中间值，将各异常心电数据对应的判据按大小进行排列，获得第二判据中间值，计算所述第一判据中间值和第二判据中间值的平均值，获得所述判断阈值。
将心电数据按大小排列后，排在中间的数据称为判据中间值。
在其中一个实施例中，还公开一种确定时间间隔的取值范围的方法，具体的，采用以下步骤确定所述时间间隔的取值范围：
获取最大QRS波宽度和最大脉率值；
根据所述最大脉率值计算一次脉搏耗费时间，将所述一次脉搏耗费时间与所述最大QRS波宽度相减，获得QRS波之间的平稳信号宽度；
所述时间间隔大于最大QRS波宽度，且小于所述平稳信号宽度。
QRS波是心电波形的其中一段，是心室除极过程出现的波形，如图2所示，为其中一个示例中QRS波示意图。QRS波宽度为一个时间范围值，本实施例获取该范围值的最大值。脉率也是一个范围值，本实施例获取该范围值的上限值。根据最大脉率值可以获得一次脉搏耗费的时间，比如最大脉率值为360次每分钟，则一次脉搏耗费时间为(60000/360)ms。
本实施例将时间间隔的范围限定为(最大QRS波宽度，平稳信号宽度)，可以保证心电数据对应的二维点坐标中，横纵坐标数据中至少有一个数据处于QRS波之间的平稳信号区域中，从而可以得到更具特征性的二维坐标图，进而提高判断准确率。
在其中一个实施例中，所述根据各心电数据对应的二维点坐标建立二维坐标图，并将所述二维坐标图划分网格，确定每个网格中二维点个数值步骤后，还包括：
根据每个网格中二维点个数值，确定二维点个数值中的最大二维点个数值和最小二维点个数值；
将所述最大二维点个数值映射到最大灰度值，将最小二维点个数值映射到最小灰度值，其他网格中的二维点个数值按比例映射，获得该段心电数据的网格灰度图；
将所述网格灰度图进行展示。
本实施例用灰度表示每个网格中二维点个数值，提高心电数据的可观性，判断结果易读性好，提高用户体验。
网格灰度图可以在展示设备中进行展示。展示设备可以是显示屏或打印机等。本实施例获取展示设备中的灰度值范围，确定最大灰度值和最小灰度值。
进一步的，可以根据采样时长和采样率获取历史数据库中正常心电数据，采用公式I＝(g(Ti),g(Ti+t))确定正常心电数据对应的二维点坐标，其中，g(Ti)表示时间点Ti对应的正常心电数据，g(Ti+t)表示时间点(Ti+t)对应的正常心电数据，I表示正常心电数据g(Ti)对应的二维点坐标，t表示预设的时间间隔，t≠n*T0，T0表示脉率周期，n表示整数；根据各正常心电数据对应的二维点坐标建立二维坐标图，并将所述二维坐标图划分网格，确定每个网格中二维点个数值；根据每个网格中二维点个数值，确定二维点个数值中的最大二维点个数值和最小二维点个数值；将所述最大二维点个数值映射到最大灰度值，将最小二维点个数值映射到最小灰度值，获得映射比例，将该映射比例进行存储，步骤S103后，可以将二维坐标图按所述映射比例进行绘制网格灰度图。这样可以保证每次检测过程中，映射比例相同，每次结果具有可比性。
在其中一个实施例中，所述网格个数为N*N，J*K/20<N*N<J*K/2，其中，J表示所述采样时长，K表示所述采样率。将网格个数限定在该范围内，不仅能保证判据的准确度，还节约了存储网格数据时耗费的资源。
以上实施方式中的各种技术特征可以任意进行组合，只要特征之间的组合不存在冲突或矛盾，但是限于篇幅，未进行一一描述，因此上述实施方式中的各种技术特征的任意进行组合也属于本说明书公开的范围。
以上为本发明异常心电数据的判断方法实施例的内容，以下阐述一个本发明判断方法在实际应用中的示例。
本示例是要从心电数据中识别出心室纤颤的心电数据。QRS波的宽度为10～80ms。脉律上限为360次每分，即QRS间隔最小为166ms。QRS波宽度最大为80ms，QRS波之间的平稳信号宽度最小为166-80＝86ms。则可知预设的时间间隔范围为80ms～86ms，比如可以为83ms。
预设异常数据的采用时长(判断时长)为J秒，采样率为K Hz，根据所述采样时长和采样率获取历史数据库中多段正常心电数据和多段异常心电数据。即每段心电数据中每次获取J*K个心电数据。
采用公式I＝(g(Ti),g(Ti+t))确定各心电数据对应的二维点坐标。比如，设任意时间点为A，另一时间点为B，其中B＝A+83ms。则A、B两点中，最少有一点处于QRS波之间的平稳信号区域中。设时间点A对应的信号值为G，时间点B对应的信号值为H，对每一时间点A均得到二维点坐标I＝(G,H)。对每个心电数据，均以该方法得到其对应的二维点坐标。
可知，每个二维点至少有一维是平稳信号区域的值。分别将各段心电数据的二维点坐标在二维垂直坐标系上进行绘制，则可以得到多个正常心电数据下的二维坐标图和多个异常心电数据下的二维坐标图。如图3所示，为应用实例中其中一段正常心电数据对应的二维点坐标图。
在二维坐标图中划分出30*30的网格，并计算每个格子中二维点个数值(即二维点坐标的个数)，结果保存在30*30的数组中。
同时，以灰度表示每个网格中每个二维点坐标的个数。如图4所示，为应用实例中其中一段正常心电数据对应的网格灰度图，为了方便描述，将该网格灰度图称为正常网格灰度图。根据二维点个数值与灰度值的比值获得映射比例，将该映射比例和正常网格灰度图进行存储。该步骤是为了计算并存储映射比例。
计算正常心电数据对应的判据的平均值，获得第一判据平均值P，计算异常心电数据对应的判据的平均值，获得第二判据平均值Q，并计算所述第一判据平均值和第二判据平均值的平均值，获得判断阈值R＝(P+Q)/2。
读取心电数据采集设备以一定采样时长和采样率采集的心电数据。即每次读取J*K个待测心电数据进行异常数据的判断。
采用公式I＝(g(Ti),g(Ti+t))确定各心电数据对应的二维点坐标。比如，设任意时间点为T1，另一时间点为T2，其中T2＝T1+83ms。设时间点T1对应的信号值为g(T1)，时间点T2对应的信号值为g(T2)，对每一时间点A均得到二维点坐标I＝(g(T1),g(T2))。对每个心电数据，均以该方法得到其对应的二维点坐标。
可知，每个二维点至少有一维是平稳信号区域的值。根据二维点坐标建立二维坐标图。如图5所示，为应用实例中待测心电数据对应的二维点坐标图。
在图5中划分出30*30的网格，并计算每个格子中二维点的个数，结果保存在30*30的数组L中。以灰度表示每个网格中每个的点数。如图6所示，为应用实例中待测心电数据对应的网格灰度图。
正常信号与异常信号在网格中的分布有明显的差异，正常信号呈十字分布，且在十字交点处(即两个纬度均在平稳信号区域中)非常集中，即该位置网格中的点数很多。而异常信号呈散乱随机分布，不存在一个密集区，即没有点数特别多的网格。
可以将该网格灰度图与存储的正常网格灰度图进行匹配，可知匹配度低，判定该段心电数据为异常数据。或者将该网格灰度图和正常网格灰度图打印输出，方便用户对比匹配。还可以求数组L中所有数据的平方和为M，判断M是否小于R，若是，则判定该段数据为异常数据。若否，则为正常数据。经判断可知，M小于R，则判定该段数据为异常数据。
根据上述方法，本发明还提供一种异常心电数据的判断装置，如图7所示，为本发明异常心电数据的判断装置实施例的结构示意图，包括：
心电数据读取单元710，用于读取心电数据采集设备以一定采样时长和采样率采集的心电数据；
判据计算单元720，用于根据预设的时间间隔的相邻两个心电数据确定其中一个心电数据对应的二维点坐标；根据各心电数据对应的二维点坐标建立二维坐标图，并将所述二维坐标图划分网格，确定每个网格中二维点个数值；根据网格中二维点个数值获得该段心电数据的判据；
判断单元730，用于将所述判据与判断阈值进行比较，当所述判据小于所述判断阈值时，确定该段心电数据为异常数据。
在其中一个实施例中，所述心电数据读取单元，还用于根据所述采样时长和采样率获取历史数据库中多段正常心电数据和多段异常心电数据；
所述判据计算单元，还用于分别将各段正常心电数据和各段异常心电数据作为输入数据，采用相同的计算方式计算正常心电数据对应的判据和异常心电数据对应的判据；
所述异常心电数据的判断装置还包括判断阈值确定单元，用于计算正常心电数据对应的判据的平均值，获得第一判据平均值，计算异常心电数据对应的判据的平均值，获得第二判据平均值，并计算所述第一判据平均值和第二判据平均值的平均值，获得所述判断阈值；
或，筛选出正常心电数据对应的判据中的最大判据，获得第一判据最大值，筛选出异常心电数据对应的判据中的最大判据，获得第二判据最大值，并计算所述第一判据最大值和第二判据最大值的平均值，获得所述判断阈值；
或，将各正常心电数据对应的判据按大小进行排列，获得第一判据中间值，将各异常心电数据对应的判据按大小进行排列，获得第二判据中间值，计算所述第一判据中间值和第二判据中间值的平均值，获得所述判断阈值。
在其中一个实施例中，还包括取值范围确定单元，用于：
获取最大QRS波宽度和最大脉率值；
根据所述最大脉率值计算一次脉搏耗费时间，将所述一次脉搏耗费时间与所述最大QRS波宽度相减，获得QRS波之间的平稳信号宽度；
所述时间间隔大于最大QRS波宽度，且小于所述平稳信号宽度。
在其中一个实施例中，还包括展示单元，用于：
在确定每个网格中二维点个数值后，根据每个网格中二维点个数值，确定二维点个数值中的最大二维点个数值和最小二维点个数值；
将所述最大二维点个数值映射到最大灰度值，将最小二维点个数值映射到最小灰度值，其他网格中的二维点个数值按比例映射，获得该段心电数据的网格灰度图；
将所述网格灰度图进行展示。
在其中一个实施例中，所述网格个数为N*N，J*K/20<N*N<J*K/2，其中，J表示所述采样时长，K表示所述采样率。
本发明的异常心电数据的判断装置与本发明的异常心电数据的判断方法是一一对应的，上述异常心电数据的判断方法实施例中的相关技术特征及其技术效果均适用于异常心电数据的判断装置实施例中，在此不再赘述。
本发明的异常心电数据的判断方法和装置，可以应用于心电数据采集设备上，从采集的心电数据判断出异常心电数据，可以得到判断准确率高、检测效率高、且耗费资源小、易读性好的效果。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种异常心电数据的判断方法，其特征在于，包括：
读取心电数据采集设备以一定采样时长和采样率采集的心电数据；
根据预设的时间间隔的相邻两个心电数据确定其中一个心电数据对应的二维点坐标；其中，所述预设的时间间隔为脉率周期的非整数倍；
根据各心电数据对应的二维点坐标建立二维坐标图，并将所述二维坐标图划分网格，确定每个网格中二维点个数值；
根据网格中二维点个数值获得该段心电数据的判据；将所述判据与判断阈值进行比较，当所述判据小于所述判断阈值时，确定该段心电数据为异常数据。
2.根据权利要求1所述的异常心电数据的判断方法，其特征在于，所述读取心电数据采集设备以一定采样时长和采样率采集的心电数据步骤之前，还包括：
根据所述采样时长和采样率获取历史数据库中多段正常心电数据和多段异常心电数据；
分别将各段正常心电数据和各段异常心电数据作为输入数据，采用相同的计算方式计算正常心电数据对应的判据和异常心电数据对应的判据；
计算正常心电数据对应的判据的平均值，获得第一判据平均值，计算异常心电数据对应的判据的平均值，获得第二判据平均值，并计算所述第一判据平均值和第二判据平均值的平均值，获得所述判断阈值；
或，筛选出正常心电数据对应的判据中的最大判据，获得第一判据最大值，筛选出异常心电数据对应的判据中的最大判据，获得第二判据最大值，并计算所述第一判据最大值和第二判据最大值的平均值，获得所述判断阈值；
或，将各正常心电数据对应的判据按大小进行排列，获得第一判据中间值，将各异常心电数据对应的判据按大小进行排列，获得第二判据中间值，计算所述第一判据中间值和第二判据中间值的平均值，获得所述判断阈值。
3.根据权利要求1所述的异常心电数据的判断方法，其特征在于，采用以下步骤确定所述时间间隔的取值范围：
获取心电数据最大QRS波宽度和最大脉率值；
根据所述最大脉率值计算一次脉搏耗费时间，将所述一次脉搏耗费时间与所述最大QRS波宽度相减，获得QRS波之间的平稳信号宽度；
所述时间间隔大于最大QRS波宽度，且小于所述平稳信号宽度。
4.根据权利要求1至3任意一项所述的异常心电数据的判断方法，其特征在于，所述根据各心电数据对应的二维点坐标建立二维坐标图，并将所述二维坐标图划分网格，确定每个网格中二维点个数值步骤后，还包括：
根据每个网格中二维点个数值，确定二维点个数值中的最大二维点个数值和最小二维点个数值；
将所述最大二维点个数值映射到最大灰度值，将最小二维点个数值映射到最小灰度值，其他网格中的二维点个数值按比例映射，获得该段心电数据的网格灰度图；
将所述网格灰度图进行展示。
5.根据权利要求1至3任意一项所述的异常心电数据的判断方法，其特征在于，所述网格个数为N*N，J*K/20<N*N<J*K/2，其中，J表示所述采样时长，K表示所述采样率。
6.一种异常心电数据的判断装置，其特征在于，包括：
心电数据读取单元，用于读取心电数据采集设备以一定采样时长和采样率采集的心电数据；
判据计算单元，用于根据预设的时间间隔的相邻两个心电数据确定其中一个心电数据对应的二维点坐标；根据各心电数据对应的二维点坐标建立二维坐标图，并将所述二维坐标图划分网格，确定每个网格中二维点个数值；根据网格中二维点个数值获得该段心电数据的判据；其中，所述预设的时间间隔为脉率周期的非整数倍；
判断单元，用于将所述判据与判断阈值进行比较，当所述判据小于所述判断阈值时，确定该段心电数据为异常数据。
7.根据权利要求6所述的异常心电数据的判断装置，其特征在于，
所述心电数据读取单元，还用于根据所述采样时长和采样率获取历史数据库中多段正常心电数据和多段异常心电数据；
所述判据计算单元，还用于分别将各段正常心电数据和各段异常心电数据作为输入数据，采用相同的计算方式计算正常心电数据对应的判据和异常心电数据对应的判据；
所述异常心电数据的判断装置还包括判断阈值确定单元，用于计算正常心电数据对应的判据的平均值，获得第一判据平均值，计算异常心电数据对应的判据的平均值，获得第二判据平均值，并计算所述第一判据平均值和第二判据平均值的平均值，获得所述判断阈值；
或，筛选出正常心电数据对应的判据中的最大判据，获得第一判据最大值，筛选出异常心电数据对应的判据中的最大判据，获得第二判据最大值，并计算所述第一判据最大值和第二判据最大值的平均值，获得所述判断阈值；
或，将各正常心电数据对应的判据按大小进行排列，获得第一判据中间值，将各异常心电数据对应的判据按大小进行排列，获得第二判据中间值，计算所述第一判据中间值和第二判据中间值的平均值，获得所述判断阈值。
8.根据权利要求6所述的异常心电数据的判断装置，其特征在于，还包括取值范围确定单元，用于：
获取最大QRS波宽度和最大脉率值；
根据所述最大脉率值计算一次脉搏耗费时间，将所述一次脉搏耗费时间与所述最大QRS波宽度相减，获得QRS波之间的平稳信号宽度；
所述时间间隔大于最大QRS波宽度，且小于所述平稳信号宽度。
9.根据权利要求6至8任意一项所述的异常心电数据的判断装置，其特征在于，还包括展示单元，用于：
在确定每个网格中二维点个数值后，根据每个网格中二维点个数值，确定二维点个数值中的最大二维点个数值和最小二维点个数值；
将所述最大二维点个数值映射到最大灰度值，将最小二维点个数值映射到最小灰度值，其他网格中的二维点个数值按比例映射，获得该段心电数据的网格灰度图；
将所述网格灰度图进行展示。
10.根据权利要求6至8任意一项所述的异常心电数据的判断装置，其特征在于，所述网格个数为N*N，J*K/20<N*N<J*K/2，其中，J表示所述采样时长，K表示所述采样率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410857114.8A CN104473633B (zh) | 2014-12-31 | 2014-12-31 | 异常心电数据的判断方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410857114.8A CN104473633B (zh) | 2014-12-31 | 2014-12-31 | 异常心电数据的判断方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104473633A CN104473633A (zh) | 2015-04-01 |
| CN104473633B true CN104473633B (zh) | 2017-01-25 |
Family
ID=52748343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410857114.8A Active CN104473633B (zh) | 2014-12-31 | 2014-12-31 | 异常心电数据的判断方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104473633B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104834921B (zh) * | 2015-05-22 | 2018-01-16 | 清华大学深圳研究生院 | 心电正/异常大数据处理方法及装置 |
| CN109117769A (zh) * | 2018-07-31 | 2019-01-01 | 东南大学 | 一种针对穿戴式心电采集的实时质量评估反馈方法 |
| CN110840430B (zh) * | 2018-08-21 | 2022-09-13 | 北京万生人和科技有限公司 | 腹内压数据筛选方法、计算机可读存储介质、腹内压数据筛选装置 |
| CN116152385B (zh) * | 2023-04-21 | 2023-07-07 | 索思（苏州）医疗科技有限公司 | 一种生理信号绘制方法、装置、电子设备及存储介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060161065A1 (en) * | 2005-01-18 | 2006-07-20 | Heartlab, Inc. | Similarity scores for electrocardiography |
| CN1951320A (zh) * | 2006-11-16 | 2007-04-25 | 上海交通大学 | 基于超完备特征的异常心电识别方法 |
| CN102184215B (zh) * | 2011-05-04 | 2012-05-02 | 武汉大学 | 一种基于数据场的自动聚类方法 |
| CN102184216B (zh) * | 2011-05-04 | 2013-01-09 | 武汉大学 | 基于数据场划分网格的自动聚类方法 |
| CN102512158B (zh) * | 2011-12-31 | 2013-09-04 | 济南汇医融工科技有限公司 | 一种基于高维模糊识别的心电信号质量评估方法和装置 |
| CN103948387B (zh) * | 2014-03-17 | 2016-01-20 | 浙江好络维物联网络技术有限公司 | 一种基于大数据实现异常心电模板的多态重构及优化方法 |
-
2014
- 2014-12-31 CN CN201410857114.8A patent/CN104473633B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104473633A (zh) | 2015-04-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104473633B (zh) | 异常心电数据的判断方法和装置 | |
| CN103690156B (zh) | 一种心率获取方法及心电信号的处理方法 | |
| WO2021017307A1 (zh) | 非接触性心率检测方法、系统、设备及存储介质 | |
| CN102525442B (zh) | 一种测量人体脉搏的方法及装置 | |
| CN105260025B (zh) | 基于移动终端的稳态视觉诱发电位脑机接口系统 | |
| JP5437868B2 (ja) | トリガをかける方法及びｒｆ試験測定装置 | |
| JP2019534092A5 (zh) | ||
| CN110236573A (zh) | 心理压力状态的检测方法及相关装置 | |
| CN108403105B (zh) | 一种心电散点的展示方法及展示装置 | |
| CN108652640B (zh) | 一种基于心电信号的无创血糖检测方法及系统 | |
| CN113712526B (zh) | 一种脉搏波提取方法、装置、电子设备及存储介质 | |
| CN107622801A (zh) | 疾病概率的检测方法和装置 | |
| CN109009085A (zh) | 一种心电信号r波检测方法及系统 | |
| CN106780530A (zh) | 一种体型预测方法及设备 | |
| CN110840401B (zh) | 一种心率值测定方法、装置、设备及可读存储介质 | |
| CN104271038A (zh) | 一种基于电流密度变化评估心肌损伤的方法和设备 | |
| CN107767364A (zh) | 基于红外热图像精准提取树木冠层温度的方法 | |
| CN103989463A (zh) | 一种基于指端脉搏波的桡动脉脉搏波检测系统及方法 | |
| CN111242491A (zh) | 医疗大数据可视化分析方法、介质、设备及系统 | |
| Seibert et al. | Disentangling timing and amplitude errors in streamflow simulations | |
| CN114707563A (zh) | 一种基于Wi-Fi信道状态信息的人体动作识别方法 | |
| CN104198811B (zh) | 低频信号频率测量方法和装置 | |
| CN105528524B (zh) | 体表温度四维透视图生成方法及装置与电子设备 | |
| CN108652604A (zh) | 一种基于心电信号的无气囊血压检测方法及系统 | |
| Brunton et al. | A novel approach to mapping and calculating the rate of spread of endemic bovine tuberculosis in England and Wales |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | 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 |