CN105411567A - 一种心电图数据分析方法及系统 - Google Patents

一种心电图数据分析方法及系统 Download PDF

Info

Publication number
CN105411567A
CN105411567A CN201510932660.8A CN201510932660A CN105411567A CN 105411567 A CN105411567 A CN 105411567A CN 201510932660 A CN201510932660 A CN 201510932660A CN 105411567 A CN105411567 A CN 105411567A
Authority
CN
China
Prior art keywords
analysis
wave form
ecg
electrocardiogram
ecg wave
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
CN201510932660.8A
Other languages
English (en)
Other versions
CN105411567B (zh
Inventor
程贤德
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.)
Beijing Shiji Jinco Medical Equipment Co ltd
Original Assignee
BEIJING SHIJI JINCO MEDICAL EQUIPMENT Co Ltd
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 BEIJING SHIJI JINCO MEDICAL EQUIPMENT Co Ltd filed Critical BEIJING SHIJI JINCO MEDICAL EQUIPMENT Co Ltd
Priority to CN201510932660.8A priority Critical patent/CN105411567B/zh
Publication of CN105411567A publication Critical patent/CN105411567A/zh
Application granted granted Critical
Publication of CN105411567B publication Critical patent/CN105411567B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Cardiology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种心电图数据分析方法及系统，涉及医疗设备领域，所述方法包括：通过用多个导联采集人体心电图数据，得到并保存多个导联采集的N小时的心电图数据；从所述多个导联中选择干扰最小的一个导联作为分析导联，并对所述分析导联采集的心电图数据进行分析，得到N小时的心电波形及心电图形态报告；对所述分析导联采集的心电图数据分析而得到的心电波形进行检查，找到波形质量不符合要求的心电波形及对应的时间段；用其它导联采集的心电图数据在所述时间段的相应心电图形态报告替换所述波形质量不符合要求的心电图形态报告，从而得到分析精度得到提高的心电图形态报告。本发明能够提高动态心电图分析结果的精度。

Description

一种心电图数据分析方法及系统
技术领域
本发明涉及医疗设备领域，特别涉及一种心电图数据分析方法及系统。
背景技术
在心电图检测设备中，连续记录心电图数据时间达到24小时的多通道称为多导联，例如，3导联或12导联，用于分析心电图数据的专用软件称为动态心电图记录与分析系统，简称为HOLTER系统。图1是现有技术提供的装备示意图，如图1所示，首先利用心电信号记录设备1记录患者的24小时心电信号，然后用数据线2将心电信号记录设备连接至计算机3的USB接口，将心电信号记录设备内的24小时数字心电信号传送至计算机的硬盘上，再利用在计算机上安装的分析心电图数据的专用软件，对24小时的数字心电信号分析处理。
心脏一次完整的跳动所被标记出来的心电图，医学上以P/QRS/T这一串字母来进行描述，图2是现有技术提供的一次正常心搏对应的心电波形示意图，如图2所示，P波代表心房的除极与复极，P波结束后一段平稳的直线称为“PR段”，“PR段”之后第一个向下的尖波称为Q波，回到直线位置后第二个向上的尖波称为R波，紧接着第三个回到直线以下的波称为S波，其中，将Q/R/S三个波统称为QRS波群，因为QRS波群代表心脏中两个心室的除极。S波回到直线位置会有一段平缓的线段，称为ST段，最后一个弓形波称为T波。
利用专用软件分析心电图数据期间，需要将心电图数据中的每一次心脏搏动(以下简称心搏)的心电波形都准确标识出来，简称为QRS标记，一个完成的心搏包括P、Q、R、S、T波，但心搏分类只识别QRS波。然后根据所标识出来的QRS标记，将波形分类为N类(即正常窦性心搏)，S类(即室上性心律失常心搏)，V类(即室性心律失常心搏)，X类(即干扰类心搏)。
现有Holter软件根据每个QRS波形的形态面积大小，与前后QRS波形的数据比例关系来判定该QRS波形是属于N类、S类、V类，还是X类。而实际应用中，很多V类心搏会由于数据比例关系并无明显提前而认作N类心搏,无法分类为V类，或者很多F类心搏(由于记录者剧烈运动造成的肌电干扰波形,其形态与室性心律或室上性心律很类似，而实际并无任何心脏活动的信号)被识别成N类，S类或V类里面去，造成计算机自动分析的结果与实际情况有很大误差，造成操作者必须手工将每个软件分类出的N类，V类及S类模板再次手工查看一遍，将其中误认的心搏重新归类到其正确的属性模板里。可见，软件分类准确率低，导致操作者工作量增大，效率降低等问题。例如，判别出所有可能的的QRS波形后，再将形态类似、节律规整的波形判别为N类，如图3a所示。如果波形形态类似，而距前一波形的时间与之前两个正常的N类心搏的相邻时间有提前，并且提前的幅度达到正常时间(即之前两个正常N类波形之间的时间)的20％以上，则算法将其判别为S类，如图3b所示，它的提前幅度达到了(722-502)＝220，再除以702，得出结果提前0.313即31.3％提前，故判别为S类。如果波形形态与正常的N类心搏有明显区别，QRS波形态变得比正常N类的QRS波形宽大及畸形，或矮小及畸形，并且与前一心搏的距离也提前达到10％以上，则将该类心搏判别为V类，如图3c所示。计算完毕后，由算法添加标识的12导联心电图如图3d所示。在图3d中能够看到大部分心搏都标识上了“N”这一标签，两个N类标签中间的两组数字，上方的“64”是心率数值，下方的是这两个N类心搏的相隔时间，其中有两个心搏被标识为“V”标签。在实际情况中,会出现由于病人肢体活动引起的肌电干扰，由于波形形态类似N类、S类或V类心搏，也被标识上了相应的标签，而这种错误的标识会引起算法对后续心搏属性判断的进一步错误。将原本的N类心搏错误地标识为S或V类心搏,图4a所示S类误判和图4b所示V类误判即为由肌电干扰引起的错误标识及之后受到其影响再出现的判定错误。图4a的第五个心搏标识S类,实际为肌电干扰所引起，算法将其识别为S类，同时将第六个正常的N类波形按照规则也判断为了S类，而正确的判定应该如图4c所示。图4b的第六个心搏标识V类,实际为肌电干扰所引起，算法将其识别为V类，同时R波识别算法又将其后的一个由肌电干扰产生的波形判别为V类，而正确的判定应该如图4d所示。为解决上述问题，通常心搏按模板进行分类，在心搏模板的归类中，采用以波形形态相似程度来进行聚类、分类，选择信号质量相对较好的导联作为分析导联，一次性分析完全部24小时的心电图数据形成一份分析报告，然后再用人工编辑的方法，修改结果中的误判及漏判现象。
由于动态心电图记录的是人体24小时的心电图信号，由于QRS波形的大小会随着人体体位的改变而发生变化，随之而来的就是QRS波形电压高低的变化。此外，当受试者所处的环境、体位及状态发生改变时，心电图中的各种干扰信号的强度、频率也会随时发生改变，导致心电图信号的一致性降低、且波形质量下降，从而影响软件分析结果的精度，致使操作者后续编辑、修改误报、漏报现象的工作量增大，工作效率降低。
发明内容
本发明的目的在于提供一种心电图数据分析方法及系统，能较好地解决N小时内心电波形质量不稳定而导致的分析精度不准确的问题。
根据本发明的一个方面，提供了一种心电图数据分析方法，包括：
通过用多个导联采集人体心电图数据，得到并保存多个导联采集的N小时的心电图数据；
从所述多个导联中选择干扰最小的一个导联作为分析导联，并对所述分析导联采集的心电图数据进行分析，得到N小时的心电波形及心电图形态报告；
对所述分析导联采集的心电图数据分析而得到的心电波形进行检查，找到波形质量不符合要求的心电波形及对应的时间段；
用其它导联采集的心电图数据在所述时间段的相应心电图形态报告替换所述波形质量不符合要求的心电图形态报告，从而得到分析精度得到提高的心电图形态报告。
优选地，所述对所述分析导联采集的心电图数据进行分析，得到N小时的心电图形态报告的步骤包括：
利用R波识别算法，分析所述N小时的心电图数据，得到N小时内每次心搏对应的心电波形；
对所得到的心电波形进行聚类处理，得到聚类形态波形；
根据所述聚类形态波形的波形形态，对心电波形进行分类，并确定心电波形类别；
对N小时内的不同类别心电波形和心搏数量进行统计，形成N小时的心电图形态报告。
优选地，在所述聚类形态波形中，将波形形态的相似度大于或等于预设第一相似度阈值的心电波形分为同一类别。
优选地，所述对所述分析导联采集的心电图数据分析而得到的心电波形进行检查，找到波形质量不符合要求的心电波形及对应的时间段的步骤包括：
将每个心电波形的波形形态与预设心电波形的波形形态进行比较；
若相似度小于预设第二相似度阈值，则确定该心电波形为波形质量不符合要求的心电波形；
对预定时间段内的波形质量不符合要求的心电波形进行统计；
若得到的统计值大于预设质量统计阈值，则将该时间段作为波形质量不符合要求的心电波形对应的时间段。
优选地，所述用其它导联采集的心电图数据在所述时间段的相应心电图形态报告替换所述波形质量不符合要求的心电图形态报告的步骤包括：
从所述多个导联中选择在所述时间段的干扰最小的一个导联作为二次分析导联；
对所述二次分析导联在所述时间段采集的心电图数据进行二次分析，得到所述时间段的心电波形，及相应心电图形态报告作为二次分析心电图形态报告；
用所得到的二次分析心电图形态报告替换所述波形质量不符合要求的时间段的心电图形态报告。
根据本发明的另一方面，提供了一种心电图数据分析系统，包括：
获取模块，用于通过用多个导联采集人体心电图数据，得到并保存多个导联采集的N小时的心电图数据；
分析模块，用于从所述多个导联中选择干扰最小的一个导联作为分析导联，并对所述分析导联采集的心电图数据进行分析，得到N小时的心电波形及心电图形态报告；
检查模块，用于对所述分析导联采集的心电图数据分析而得到的心电波形进行检查，找到波形质量不符合要求的心电波形及对应的时间段；
替换模块，用于用其它导联采集的心电图数据在所述时间段的相应心电图形态报告替换所述波形质量不符合要求的心电图形态报告，从而得到分析精度得到提高的心电图形态报告。
优选地，所述分析模块利用R波识别算法，分析所述N小时的心电图数据，得到N小时内每次心搏对应的心电波形，对所得到的心电波形进行聚类处理，得到聚类形态波形，并根据所述聚类形态波形的波形形态，对心电波形进行分类，确定心电波形类别，对N小时内的不同类别心电波形和心搏数量进行统计，形成N小时的心电图形态报告。
优选地，在所述聚类形态波形中，所述分析模块将波形形态的相似度大于或等于预设第一相似度阈值的心电波形分为同一类别。
优选地，所述检查模块将每个心电波形的波形形态与预设心电波形的波形形态进行比较，若相似度小于预设第二相似度阈值，则确定该心电波形为波形质量不符合要求的心电波形，对预定时间段内的波形质量不符合要求的心电波形进行统计，若得到的统计值大于预设质量统计阈值，则将该时间段作为波形质量不符合要求的心电波形对应的时间段。
优选地，所述分析模块从所述多个导联中选择在所述时间段的干扰最小的一个导联作为二次分析导联，并对所述二次分析导联在所述时间段采集的心电图数据进行二次分析，得到所述时间段的心电波形，及相应心电图形态报告作为二次分析心电图形态报告，以供所述替换模块用所得到的二次分析心电图形态报告替换所述波形质量不符合要求的时间段的心电图形态报告。
与现有技术相比较，本发明的有益效果在于：
本发明能够准确地对质量不稳定的心电波形进行二次分析，可分时段提高分析精度，降低操作者的工作量，同时提高了操作者的工作效率。
附图说明
图1是现有技术提供的装备示意图；
图2是现有技术提供的一次正常心搏对应的心电波形示意图；
图3a是现有技术提供的N类心电波形示意图；
图3b是现有技术提供的S类心电波形示意图；
图3c是现有技术提供的V类心电波形示意图；
图3d是现有技术提供的已添加标识的12导联心电图；
图4a是现有技术提供的S类误判示意图；
图4b是现有技术提供的V类误判示意图；
图4c是现有技术提供的图4a对应的正确心电波形分类示意图；
图4d是现有技术提供的图4b对应的正确心电波形分类示意图；
图5是本发明实施例提供的心电图数据分析方法原理框图；
图6是本发明实施例提供的心电图数据分析装置框图；
图7是本发明实施例提供的分时段二次心电波形分析的第一原理框图；
图8是本发明实施例提供的分时段二次心电波形分析的第二原理框图；
图9是本发明实施例提供的未开始分析前的分析导联对应的心电图示意图；
图10是本发明使用的R波检测算法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行详细说明，应当理解，以下所说明的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
图5是本发明实施例提供的心电图数据分析方法原理框图，如图5所示，步骤包括：
步骤S10：通过用多个导联采集人体心电图数据，得到并保存多个导联采集的N小时的心电图数据。
步骤S20：从多个导联中选择干扰最小的一个导联作为分析导联，并对分析导联采集的心电图数据进行分析，得到N小时的心电波形及心电图形态报告。
具体地说，利用R波识别算法，分析N小时的心电图数据，得到N小时内每次心搏对应的心电波形，并对所得到的心电波形进行聚类处理，得到聚类形态波形。然后根据聚类形态波形的波形形态，对心电波形进行分类处理，并确定心电波形类别，对N小时内的不同类别心电波形和心搏数量进行统计，形成N小时的心电图形态报告。
需要说明的是，聚类处理的步骤包括：对每个心电波形中的幅值最大的点进行定位，得到已定位心电波形，对每个已定位心电波形进行采样，得到由采样点组成的点状心电波形并缓存；将每个点状心电波形移动至预设的纵向基准轴，直至点状心电波形中的幅值最大的点移动至纵向基准轴，以纵向基准轴为基准进行叠加，形成聚类形态波形，后续可根据叠加图中心电图的形态差异，进行聚类、归类并分类；从而得到不同类别的心电波形及心搏数量等结果。其中，预设的纵向基准轴是所有心电波形中幅值最大的点所在的纵轴。
需要说明的是，分类处理的步骤包括：在聚类形态波形中，将波形形态的相似度大于或等于预设第一相似度阈值的心电波形分为同一类别。
需要说明的是，N小时的心电图形态报告包括：N小时内每次心搏对应的心电波形、在对N小时所划分的M个时间段中每个时间段的不同类别心电波形统计值和心搏数量统计值等。
步骤S30：对分析导联采集的心电图数据分析而得到的心电波形进行检查，找到波形质量不符合要求的心电波形及对应的时间段。
具体地说，心电波形质量是否符合要求可以通过人工方式检查，也可以通过设备自动检查，例如，将每个心电波形的波形形态与预设心电波形的波形形态进行比较，若相似度小于预设第二相似度阈值，则确定该心电波形为波形质量不符合要求的心电波形，对预定时间段内的波形质量不符合要求的心电波形进行统计，若得到的统计值大于预设质量统计阈值，则将该时间段作为波形质量不符合要求的心电波形对应的时间段。
步骤S40：用其它导联采集的心电图数据在时间段的相应心电图形态报告替换波形质量不符合要求的心电图形态报告，从而得到分析精度得到提高的心电图形态报告。
具体地说，从多个导联中选择在时间段的干扰最小的一个导联作为二次分析导联，并对二次分析导联所采集的心电图数据进行二次分析，得到时间段的心电波形，及相应心电图形态报告作为二次分析心电图形态报告，从而利用所得到的二次分析心电图形态报告替换波形质量不符合要求的时间段的心电图形态报告。
图6是本发明实施例提供的心电图数据分析装置框图，如图6所示，包括获取模块10、分析模块20、检查模块30和替换模块40。
获取模块10用于通过用多个导联采集人体心电图数据，得到并保存多个导联采集的N小时的心电图数据。也就是说，获取模块10用于对人体24小时的心电图数据进行采集和存储，获取模块10可以是心电记录设备，此时需要将采集并存储的心电图数据传送至分析模块20。
分析模块20用于从多个导联中选择干扰最小的一个导联作为分析导联，并对分析导联采集的心电图数据进行分析，得到N小时的心电波形及心电图形态报告，实现首次全程分析。进一步地，分析模块20对获取模块采集和存储的心电图数据进行波形分析，得到首次分析结果之后，分时段查看分析结果的精度，对分析精度较差的时间段重新选择分析导联，并进行二次分析，以便替换模块40替换首次分析结果中同一时间段的分析结果，形成新的分析报告。也就是说，分析模块20在进行首次波形分析期间，从多个导联中选取干扰最小的一个导联作为分析导联，并对分析导联采集的人体24小时的心电图数据进行分析，然后再对分析结果的精度分时段进行评估，对精度不满意的时间段可进行二次分析，在二次分析期间，可以重新选择分析导联，即选择信号质量相对较好的导联进行二次分析。
检查模块30用于对分析导联采集的心电图数据分析而得到的心电波形进行检查，找到波形质量不符合要求的心电波形及对应的时间段。
替换模块40用于用其它导联采集的心电图数据在时间段的相应心电图形态报告替换波形质量不符合要求的心电图形态报告，从而得到分析精度得到提高的心电图形态报告。也就是说，替换模块40使用指定时间段的分析结果替换首次全程分析中同一时间段的分析结果，从而形成新的分析报告。
获取模块10采集并保存N小时的心电图数据，并将该心电图数据传送至分析模块20。分析模块20利用R波识别算法，分析N小时的心电图数据，得到N小时内每次心搏对应的心电波形，并对所得到的心电波形进行聚类、分类处理，确定心电波形类别，然后对N小时内的不同类别心电波形和心搏数量进行统计，形成N小时的心电图形态报告。在初次形成心电图形态报告之后，检查模块30将每个心电波形的波形形态与预设心电波形的波形形态进行比较，若相似度小于预设第二相似度阈值，则确定该心电波形为波形质量不符合要求的心电波形，并对预定时间段内的波形质量不符合要求的心电波形进行统计，若得到的统计值大于预设质量统计阈值，说明该时间段心电波形质量不稳定，需要将该时间段作为波形质量不符合要求的心电波形对应的时间段，从而进行二次分析。分析模块20从多个导联中重新选择在时间段的干扰最小的一个导联作为二次分析导联，并对二次分析导联在时间段采集的心电图数据进行二次分析，得到时间段的心电波形，及相应心电图形态报告作为二次分析心电图形态报告，以供替换模块40用所得到的二次分析心电图形态报告替换波形质量不符合要求的时间段的心电图形态报告。
本发明实现了对N小时心电图数据的分时段二次分析，具体地说，对人体N小时的心电图数据进行采集和存储；将这些数据上传到计算机中，用专门的软件对心电图数据形态进行识别、分析并分类，得到24小时内每次心搏对应的心电图形态报告。在此基础上，对分析结果精度按时间段进行分时段观察；对分析精度不满意的时间段，选择心电图波形质量较好的导联进行重新分析，然后再用分时段的分析结果替换首次分析结果中同一时段内的结果；从而得到精度较高的分析报告。本发明能够加快长程心电图数据的处理速度、并提高分析软件对心电图波形的识别精度。
上述N可以为24、36、48等，以N取24为例，心电图数据记录设备对人体24小时的心电图数据进行采集和存储，并通过数据线将所存储的心电图数据传输至用于运行心电图数据处理算法及程序(即软件)的计算机，软件对心电图数据进行首次波形分析，得到24小时内每次心搏对应的心电波形，并形成首次分析的心电图形态报告，然后对心电波形进行评估，若发现有分析精度不满意的时间段，则选择该时间段内信号质量相对较好的导联作为二次分析导联，并利用二次分析导联采集的数据进行二次分析，然后用二次分析的分析结果替换首次分析结果中同一时间段内的分析结果，从而得到精度更高的分析结果。
以下结合图7至图10对本发明进行进一步说明。
图7是本发明实施例提供的分时段二次心电波形分析的第一原理框图，如图7所示，包括：
步骤S101：对人体24小时的心电图数据进行采集和存储。
具体地说，利用心电记录设备记录患者的24小时心电图数据，记录结束后，通过将记录设备连接至计算机，将记录设备内的24小时的心电图数据传送至计算机的硬盘上，以供安装在计算机上的心电图数据分析软件进行后续的分析及分类。
步骤S102：将心电记录设备中的心电图数据传输到计算机硬盘中。
步骤S103：对心电图数据进行波形分析，得到心电图形态报告。
具体地说，利用R波识别算法，分析人体24小时的心电图数据，得到24小时内每次心搏对应的心电波形，并将波形形态与预设波形形态的相似度达到预设相似度阈值的心电波形分为同一类别，以便统计相应数据，并形成心电图形态报告。
步骤S104：对分析结果进行人工编辑，并通过二次分析修改误判及漏判现象。
步骤S105：重新统计分析结果，形成新的分析报告。
图8是本发明实施例提供的分时段二次心电波形分析的第二原理框图，如图8所示，步骤包括：
步骤S201：对人体24小时的心电图数据进行采集和存储。
具体地说，记录设备按照一定的采样率采集和记录患者的24小时心电图数据，并在记录结束后，将24小时的心电图数据发送至与其连接的计算机。
步骤S202：选取分析导联。
如果干扰波形与正常心电波形混杂在一起，将无法找到正常心搏的形态群，使心电波形分类变得十分困难。因此，本发明在多个导联中选取干扰最小的一个导联，并将所选取的干扰最小的导联作为分析导联，以供后续对分析导联采集的人体24小时的心电图数据进行处理，以利于心电波形识别和分类。
步骤S203：波形分析。
利用R波识别算法，分析人体24小时的心电图数据，得到24小时内每次心搏对应的心电波形。
对24小时内的心电波形进行聚类、分类，得到各个心电波形的类别。
将24小时划分为M个时间段，例如M取24，对每1个小时所形成的时间段内的不同类别的心电波形的数量以及心搏次数进行统计，初步形成心电图形态报告，完成首次全程分析。
步骤S204：找出分析精度不满意的时间段。
在得到初步形成的心电图形态报告，对各个时间段内的心电波形的质量进行检查，并找到心电波形质量下降或不稳定的时间段，并准备对该时间段的心电图数据进行二次分析。
步骤S205：针对准备进行二次分析的时间段的心电图数据，重选分析导联，即选取该时间的干扰最小的另一个导联作为二次分析导联。
步骤S206：重新分析指定时间段的心电图数据。
对二次分析导联采集的心电图数据进行分析，得到该时间段的心电波形及相应心电图形态报告，完成分时段分析。
步骤S207：用分时段分析结果替换首次全程分析报告中同一时间段的结果，形成新的分析报告。
通过图7和图8可知，本发明能够对24小时心电波形分时段进行二次波形分类分析，特别是能够对动态心电图分析技术中复杂心律失常的心电图波形(即QRS波形)数字信号进行分时段重新分类，其通过对心脏电信号进行数字化图形处理，实现对心电波形快速分时段再次分类及修改。具体地说，对已传入计算机的24小时心电图数据，根据预览中各导联心电图的波形质量，选定分析导联，进行首次全程分析，然后根据分析结果，找出分析精度不满意的时间段；在找出并选定一个分析精度不满意的时间段后，针对这个时间段，重选分析导联并进行二次分析，然后使用这个分时段的分析结果替换首次全程分析中同一时间段的分析结果，形成一份新的分析精度更高的分析报告。
图10是本发明使用的R波检测算法流程图，如图10所示，步骤如下：
步骤1：记录设备记录心电图数据，并将心电图数据文件传送到计算机硬盘上。
步骤2：计算机使用分析软件读取计算机硬盘上的心电图数据文件中的24小时心电图数据。
步骤3：对24小时心电图数据进行QRS识别。
步骤4：从患者的十二导联心电图中挑选一个R波信号电压最高，干扰最少的导联作为分析导联，利用这个分析导联，计算最可能的QRS波形，如图9所示，是当前已设置一个分析导联，且还未开始分析之前的心电图。
步骤5：由R波识别算法将24小时心电图数据计算完毕后，对所有R波识别算法认为是QRS波形的位置正上方添加对应的属性标签。
其中，R波识别算法能够识别的心搏属性分为：用来标识正常窦性心律的N类标签，用来标识室上性心律失常的S类标签，用来标识室性心律失常的V类红色标签，用来标识干扰伪差类心律的X类标签。
其中，每一个被识别并标识的心搏会有3类信息：
1.心搏属性标识(N,S,V,X)；
2.距离前一个心搏的时间(单位为毫秒)；
3.心率(由距前一个心搏的时间换算为每分钟的心脏跳动速率，如距前一心搏时间为600毫秒(即为0.6秒)，得出心跳速率为100bpm(次/分)。
为了保证在进行心搏分类时心电波形有足够多的采样点进行叠加波形的描记，所以采集器所采集的心电信号频率为500赫兹，即每秒采集500个心电信号的特征点。而在动态心电信号中，记录有大量的噪声，包括了常见的市电工频干扰、基线漂移以及肌肉电活动产生的噪声，这里涉及了四点平均滤波器，其解析式如公式1所示
y ( n ) = 1 4 [ x ( n ) + x ( n + 1 ) + x ( n + 2 ) + x ( n + 3 ) ] - - - ( 1 )
其中，x(n)为原始心电信号第n时刻所采样信号，y(n)为经滤波后第n时刻的数据。
其中，通过R波识别算法进行波形检测和识别的具体流程可以看出，算法主要包括：对心电图信号二阶差分最小值，最小值的化简，R波的精确定位以及检查门限的跟新等几大部分。具体地说，设原始心电信号经过四点滤波后为y(n),n＝1,2…L,其中L为信号长度，对y(n)分别求一阶差分，二阶差分得出d(n),e(n),再对d(n),e(n)分别用公式1再做四点平滑移动处理，得到d1(n)和e1(n)。以(fs为采样率)的长度对e1(n)进行划分，求出每个区间的极小值，再求各极小值的平均值，以该值的一半作为e1(n)的极小值的门限，即：
Th 1 = 0.5 1 k Σ i = 1 k min [ e 1 ( i ) ] - - - ( 2 )
同理，以(fs为采样率)的长度对y(n)进行划分，求出每个区间的极大值和极小值之差，再求各区间差值的平均值，以该值作为滤波信号的QRS幅度的门限值。即：
Th 2 = 1 k Σ i = 1 k { max [ y ( i ) ] - min [ y ( i ) ] } - - - ( 3 )
找出e1(n)<Th1的各个区间的极小值min(e1),设其数据点位置为Ime(i),i＝1,2…M(M为局部最小值的个数)，每个极小值在滤波信号y(n)中所对应的极大值为R’(i)。
步骤6：R波识别算法判别出所有可能的QRS波形后，在进行波形分类。
由于肌电干扰等干扰的存在，R波识别算法在波形分类过程中，存在误判的可能，因此需要进行二次分析，以提高分类的准确性和效率。
对于操作者来说，可以利用分时段二次分析功能，快速修改多个时间段的心电图数据，并形成一份精度较高的完整心电图分析报告。
综上，本发明具有以下技术效果：
本发明实现了快速、高效的分时段二次分析心电图数据的功能，对部分心电图信号异常的数据提供了一种高效快捷的分析技术，极大的提高了操作者的工作效率。
尽管上文对本发明进行了详细说明，但是本发明不限于此，本技术领域技术人员可以根据本发明的原理进行各种修改。因此，凡按照本发明原理所作的修改，都应当理解为落入本发明的保护范围。

Claims (10)

1.一种心电图数据分析方法，其特征在于，包括：
通过用多个导联采集人体心电图数据，得到并保存多个导联采集的N小时的心电图数据；
从所述多个导联中选择干扰最小的一个导联作为分析导联，并对所述分析导联采集的心电图数据进行分析，得到N小时的心电波形及心电图形态报告；
对所述分析导联采集的心电图数据分析而得到的心电波形进行检查，找到波形质量不符合要求的心电波形及对应的时间段；
用其它导联采集的心电图数据在所述时间段的相应心电图形态报告替换所述波形质量不符合要求的心电图形态报告，从而得到分析精度得到提高的心电图形态报告。
2.根据权利要求1所述的方法，其特征在于，所述对所述分析导联采集的心电图数据进行分析，得到N小时的心电图形态报告的步骤包括：
利用R波识别算法，分析所述N小时的心电图数据，得到N小时内每次心搏对应的心电波形；
对所得到的心电波形进行聚类处理，得到聚类形态波形；
根据所述聚类形态波形的波形形态，对心电波形进行分类，并确定心电波形类别；
对N小时内的不同类别心电波形和心搏数量进行统计，形成N小时的心电图形态报告。
3.根据权利要求2所述的方法，其特征在于，在所述聚类形态波形中，将波形形态的相似度大于或等于预设第一相似度阈值的心电波形分为同一类别。
4.根据权利要求3所述的方法，其特征在于，所述对所述分析导联采集的心电图数据分析而得到的心电波形进行检查，找到波形质量不符合要求的心电波形及对应的时间段的步骤包括：
将每个心电波形的波形形态与预设心电波形的波形形态进行比较；
若相似度小于预设第二相似度阈值，则确定该心电波形为波形质量不符合要求的心电波形；
对预定时间段内的波形质量不符合要求的心电波形进行统计；
若得到的统计值大于预设质量统计阈值，则将该时间段作为波形质量不符合要求的心电波形对应的时间段。
5.根据权利要求4所述的方法，其特征在于，所述用其它导联采集的心电图数据在所述时间段的相应心电图形态报告替换所述波形质量不符合要求的心电图形态报告的步骤包括：
从所述多个导联中选择在所述时间段的干扰最小的一个导联作为二次分析导联；
对所述二次分析导联在所述时间段采集的心电图数据进行二次分析，得到所述时间段的心电波形，及相应心电图形态报告作为二次分析心电图形态报告；
用所得到的二次分析心电图形态报告替换所述波形质量不符合要求的时间段的心电图形态报告。
6.一种心电图数据分析系统，其特征在于，包括：
获取模块，用于通过用多个导联采集人体心电图数据，得到并保存多个导联采集的N小时的心电图数据；
分析模块，用于从所述多个导联中选择干扰最小的一个导联作为分析导联，并对所述分析导联采集的心电图数据进行分析，得到N小时的心电波形及心电图形态报告；
检查模块，用于对所述分析导联采集的心电图数据分析而得到的心电波形进行检查，找到波形质量不符合要求的心电波形及对应的时间段；
替换模块，用于用其它导联采集的心电图数据在所述时间段的相应心电图形态报告替换所述波形质量不符合要求的心电图形态报告，从而得到分析精度得到提高的心电图形态报告。
7.根据权利要求6所述的系统，其特征在于，所述分析模块利用R波识别算法，分析所述N小时的心电图数据，得到N小时内每次心搏对应的心电波形，对所得到的心电波形进行聚类处理，得到聚类形态波形，并根据所述聚类形态波形的波形形态，对心电波形进行分类，确定心电波形类别，对N小时内的不同类别心电波形和心搏数量进行统计，形成N小时的心电图形态报告。
8.根据权利要求7所述的系统，其特征在于，在所述聚类形态波形中，所述分析模块将波形形态的相似度大于或等于预设第一相似度阈值的心电波形分为同一类别。
9.根据权利要求8所述的系统，其特征在于，所述检查模块将每个心电波形的波形形态与预设心电波形的波形形态进行比较，若相似度小于预设第二相似度阈值，则确定该心电波形为波形质量不符合要求的心电波形，对预定时间段内的波形质量不符合要求的心电波形进行统计，若得到的统计值大于预设质量统计阈值，则将该时间段作为波形质量不符合要求的心电波形对应的时间段。
10.根据权利要求9所述的系统，其特征在于，所述分析模块从所述多个导联中选择在所述时间段的干扰最小的一个导联作为二次分析导联，并对所述二次分析导联在所述时间段采集的心电图数据进行二次分析，得到所述时间段的心电波形，及相应心电图形态报告作为二次分析心电图形态报告，以供所述替换模块用所得到的二次分析心电图形态报告替换所述波形质量不符合要求的时间段的心电图形态报告。
CN201510932660.8A 2015-12-15 2015-12-15 一种心电图数据分析方法及系统 Expired - Fee Related CN105411567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510932660.8A CN105411567B (zh) 2015-12-15 2015-12-15 一种心电图数据分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510932660.8A CN105411567B (zh) 2015-12-15 2015-12-15 一种心电图数据分析方法及系统

Publications (2)

Publication Number Publication Date
CN105411567A true CN105411567A (zh) 2016-03-23
CN105411567B CN105411567B (zh) 2018-04-24

Family

ID=55490457

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510932660.8A Expired - Fee Related CN105411567B (zh) 2015-12-15 2015-12-15 一种心电图数据分析方法及系统

Country Status (1)

Country Link
CN (1) CN105411567B (zh)

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106667479A (zh) * 2016-12-12 2017-05-17 厦门纳龙科技有限公司 一种分析含伪差心电图的方法和装置
CN107103191A (zh) * 2017-04-18 2017-08-29 成都琅瑞医疗技术股份有限公司 可用于心电数据分析的模版系统
CN107157475A (zh) * 2017-05-11 2017-09-15 陈昕 心电图数据的显示方法和终端设备
CN107456227A (zh) * 2017-08-16 2017-12-12 北京蓬阳丰业医疗设备有限公司 全导联心电图聚类模板系统及方法
CN107714023A (zh) * 2017-11-27 2018-02-23 乐普（北京）医疗器械股份有限公司 基于人工智能自学习的静态心电图分析方法和装置
CN107837082A (zh) * 2017-11-27 2018-03-27 乐普（北京）医疗器械股份有限公司 基于人工智能自学习的心电图自动分析方法和装置
CN107945844A (zh) * 2017-11-27 2018-04-20 乐普（北京）医疗器械股份有限公司 检测报告数据生成方法
CN108577823A (zh) * 2018-04-27 2018-09-28 京东方科技集团股份有限公司 一种心律失常检测装置和心律失常检测系统
CN108685561A (zh) * 2017-04-10 2018-10-23 中国科学院微电子研究所 一种信号分析方法及装置
CN108836310A (zh) * 2018-07-13 2018-11-20 希蓝科技（北京）有限公司 一种基于人工智能的自动判断用户心电状态的方法及系统
CN109431487A (zh) * 2018-09-28 2019-03-08 上海优加利健康管理有限公司 心电图动态实时分析数据中室性心搏典型数据的识别方法
CN109480826A (zh) * 2018-12-14 2019-03-19 东软集团股份有限公司 一种心电信号处理方法、装置及设备
CN109770889A (zh) * 2017-11-15 2019-05-21 深圳市理邦精密仪器股份有限公司 心电数据选段方法和装置
CN109948396A (zh) * 2017-12-20 2019-06-28 深圳市理邦精密仪器股份有限公司 一种心拍分类方法、心拍分类装置及电子设备
CN110085108A (zh) * 2019-03-08 2019-08-02 台州学院 一种心电信号仿真系统
CN110403582A (zh) * 2019-07-23 2019-11-05 宏人仁医医疗器械设备(东莞)有限公司 一种用于分析脉波波形品质的方法
CN111491557A (zh) * 2017-12-15 2020-08-04 深圳迈瑞生物医疗电子股份有限公司 导联电极识别装置、方法、存储介质及医疗监护设备
CN112244859A (zh) * 2020-11-03 2021-01-22 北京嘉和美康信息技术有限公司 一种心电图波形显示的方法和相关装置
CN112700833A (zh) * 2021-01-14 2021-04-23 四川大学华西医院 医疗检查报告集中审核方法、系统、存储介质和电子装置
CN113786200A (zh) * 2020-05-28 2021-12-14 深圳邦健生物医疗设备股份有限公司 心电信号处理方法、装置、设备及可读介质
WO2021253709A1 (zh) * 2020-06-17 2021-12-23 深圳邦健生物医疗设备股份有限公司 心电图心搏分类方法、装置、电子设备和介质
CN114120586A (zh) * 2020-08-25 2022-03-01 深圳迈瑞生物医疗电子股份有限公司 报警方法、监护设备、监护系统及可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1393204A (zh) * 2001-06-26 2003-01-29 陈士良 心电频谱图测量仪
CN1447668A (zh) * 2000-08-03 2003-10-08 美国西门子医疗解决公司 用于合成导联和提供精确性量度的心电图系统
CN101568806A (zh) * 2006-12-21 2009-10-28 Ric投资有限责任公司 信号质量确定和信号校正系统和方法
US20100022903A1 (en) * 2008-07-28 2010-01-28 Sitzman David A System and method for signal quality indication and false alarm reduction in ecg monitoring systems
CN103251405A (zh) * 2013-04-18 2013-08-21 深圳市科曼医疗设备有限公司 心律失常分析方法和系统
US20130338519A1 (en) * 2011-03-24 2013-12-19 Yu Chen Apparatus and Method for Measuring Physiological Signal Quality
CN104434312A (zh) * 2013-09-13 2015-03-25 深圳迈瑞生物医疗电子股份有限公司 监护设备及其生理参数处理方法与系统
CN104434311A (zh) * 2013-09-13 2015-03-25 深圳迈瑞生物医疗电子股份有限公司 生理参数处理方法、系统及监护设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1447668A (zh) * 2000-08-03 2003-10-08 美国西门子医疗解决公司 用于合成导联和提供精确性量度的心电图系统
CN1393204A (zh) * 2001-06-26 2003-01-29 陈士良 心电频谱图测量仪
CN101568806A (zh) * 2006-12-21 2009-10-28 Ric投资有限责任公司 信号质量确定和信号校正系统和方法
US20100022903A1 (en) * 2008-07-28 2010-01-28 Sitzman David A System and method for signal quality indication and false alarm reduction in ecg monitoring systems
US20130338519A1 (en) * 2011-03-24 2013-12-19 Yu Chen Apparatus and Method for Measuring Physiological Signal Quality
CN103251405A (zh) * 2013-04-18 2013-08-21 深圳市科曼医疗设备有限公司 心律失常分析方法和系统
CN104434312A (zh) * 2013-09-13 2015-03-25 深圳迈瑞生物医疗电子股份有限公司 监护设备及其生理参数处理方法与系统
CN104434311A (zh) * 2013-09-13 2015-03-25 深圳迈瑞生物医疗电子股份有限公司 生理参数处理方法、系统及监护设备

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106667479A (zh) * 2016-12-12 2017-05-17 厦门纳龙科技有限公司 一种分析含伪差心电图的方法和装置
CN106667479B (zh) * 2016-12-12 2018-02-16 厦门纳龙科技有限公司 一种分析含伪差心电图的方法和装置
CN108685561A (zh) * 2017-04-10 2018-10-23 中国科学院微电子研究所 一种信号分析方法及装置
CN107103191A (zh) * 2017-04-18 2017-08-29 成都琅瑞医疗技术股份有限公司 可用于心电数据分析的模版系统
CN107157475A (zh) * 2017-05-11 2017-09-15 陈昕 心电图数据的显示方法和终端设备
CN107456227A (zh) * 2017-08-16 2017-12-12 北京蓬阳丰业医疗设备有限公司 全导联心电图聚类模板系统及方法
CN107456227B (zh) * 2017-08-16 2021-03-30 北京蓬阳丰业医疗设备有限公司 全导联心电图聚类模板系统及方法
CN109770889A (zh) * 2017-11-15 2019-05-21 深圳市理邦精密仪器股份有限公司 心电数据选段方法和装置
CN107837082A (zh) * 2017-11-27 2018-03-27 乐普（北京）医疗器械股份有限公司 基于人工智能自学习的心电图自动分析方法和装置
CN107945844A (zh) * 2017-11-27 2018-04-20 乐普（北京）医疗器械股份有限公司 检测报告数据生成方法
US11344243B2 (en) 2017-11-27 2022-05-31 Shanghai Lepu CloudMed Co., LTD Artificial intelligence self-learning-based static electrocardiography analysis method and apparatus
CN107714023A (zh) * 2017-11-27 2018-02-23 乐普（北京）医疗器械股份有限公司 基于人工智能自学习的静态心电图分析方法和装置
CN107945844B (zh) * 2017-11-27 2021-07-16 上海乐普云智科技股份有限公司 检测报告数据生成方法
CN107714023B (zh) * 2017-11-27 2020-09-01 上海优加利健康管理有限公司 基于人工智能自学习的静态心电图分析方法和装置
WO2019100566A1 (zh) * 2017-11-27 2019-05-31 乐普（北京）医疗器械股份有限公司 基于人工智能自学习的静态心电图分析方法和装置
CN111491557A (zh) * 2017-12-15 2020-08-04 深圳迈瑞生物医疗电子股份有限公司 导联电极识别装置、方法、存储介质及医疗监护设备
CN111491557B (zh) * 2017-12-15 2024-04-05 深圳迈瑞生物医疗电子股份有限公司 导联电极识别装置、方法、存储介质及医疗监护设备
CN109948396A (zh) * 2017-12-20 2019-06-28 深圳市理邦精密仪器股份有限公司 一种心拍分类方法、心拍分类装置及电子设备
CN108577823A (zh) * 2018-04-27 2018-09-28 京东方科技集团股份有限公司 一种心律失常检测装置和心律失常检测系统
CN108577823B (zh) * 2018-04-27 2021-02-02 京东方科技集团股份有限公司 一种心律失常检测装置和心律失常检测系统
CN108836310A (zh) * 2018-07-13 2018-11-20 希蓝科技（北京）有限公司 一种基于人工智能的自动判断用户心电状态的方法及系统
CN109431487A (zh) * 2018-09-28 2019-03-08 上海优加利健康管理有限公司 心电图动态实时分析数据中室性心搏典型数据的识别方法
CN109431487B (zh) * 2018-09-28 2021-11-16 上海乐普云智科技股份有限公司 心电图动态实时分析数据中室性心搏典型数据的识别方法
CN109480826A (zh) * 2018-12-14 2019-03-19 东软集团股份有限公司 一种心电信号处理方法、装置及设备
CN109480826B (zh) * 2018-12-14 2021-07-13 东软集团股份有限公司 一种心电信号处理方法、装置及设备
CN110085108B (zh) * 2019-03-08 2021-10-29 台州学院 一种心电信号仿真系统
CN110085108A (zh) * 2019-03-08 2019-08-02 台州学院 一种心电信号仿真系统
CN110403582B (zh) * 2019-07-23 2021-12-03 宏人仁医医疗器械设备(东莞)有限公司 一种用于分析脉波波形品质的方法
CN110403582A (zh) * 2019-07-23 2019-11-05 宏人仁医医疗器械设备(东莞)有限公司 一种用于分析脉波波形品质的方法
CN113786200A (zh) * 2020-05-28 2021-12-14 深圳邦健生物医疗设备股份有限公司 心电信号处理方法、装置、设备及可读介质
WO2021253709A1 (zh) * 2020-06-17 2021-12-23 深圳邦健生物医疗设备股份有限公司 心电图心搏分类方法、装置、电子设备和介质
CN113876335A (zh) * 2020-06-17 2022-01-04 深圳邦健生物医疗设备股份有限公司 心电图心搏分类方法、装置、电子设备和介质
CN113876335B (zh) * 2020-06-17 2023-05-02 深圳邦健生物医疗设备股份有限公司 心电图心搏分类方法、装置、电子设备和介质
CN114120586A (zh) * 2020-08-25 2022-03-01 深圳迈瑞生物医疗电子股份有限公司 报警方法、监护设备、监护系统及可读存储介质
CN112244859A (zh) * 2020-11-03 2021-01-22 北京嘉和美康信息技术有限公司 一种心电图波形显示的方法和相关装置
CN112700833A (zh) * 2021-01-14 2021-04-23 四川大学华西医院 医疗检查报告集中审核方法、系统、存储介质和电子装置

Also Published As

Publication number Publication date
CN105411567B (zh) 2018-04-24

Similar Documents

Publication Publication Date Title
CN105411567A (zh) 一种心电图数据分析方法及系统
CN104586383B (zh) 一种心电波形分类方法及装置
US11147500B2 (en) Electrocardiogram processing system for delineation and classification
JP7091451B2 (ja) 人工知能自己学習に基づく心電図自動解析方法、その解析方法の実行に用いられる装置、コンピュータプログラム製品及びコンピュータ読み取り可能な記憶媒体
CN108294745B (zh) 多导联心电图信号中p波、t波起止点检测方法及系统
WO2021037102A1 (zh) 基于图片及心搏信息的心电分析方法、装置、设备及介质
CN104783782A (zh) 心电信号自动检测方法及装置
EP2537464A1 (en) Method and system for automated detection and analysis in pediatric electrocardiography
CN106108880B (zh) 一种心拍自动识别方法及系统
CN107622259B (zh) 一种t波检测方法、心电数据分析方法及装置
CN113057648A (zh) 一种基于复合lstm结构的ecg信号分类方法
CN101773392B (zh) 动态心电数据自适应高效存储方法
CN116322479A (zh) 用于检测和/或预测心脏事件的心电图处理系统
KR101977745B1 (ko) 심장 부정맥을 분류하기 위한 방법 및 장치
CN110090016B (zh) 定位r波位置的方法及系统、使用lstm神经网络的r波自动检测方法
US11672464B2 (en) Electrocardiogram processing system for delineation and classification
KR102387703B1 (ko) 심전도 판독을 수정하기 위한 방법 및 장치
Ji et al. Heartbeat classification based on multifeature combination and stacking-DWKNN algorithm
CN110811608A (zh) 一种基于ecg信号的房颤监测方法
Nagel et al. Quantification of interpatient 12-lead ECG variabilities within a healthy cohort
CN110811597B (zh) 心电图记录方法、心电图记录仪、装置及存储介质
CN111685754B (zh) 针对可穿戴ecg采集设备的心率计算方法及系统
RU2767157C2 (ru) Способ и система автоматического анализа экг
US20210298626A1 (en) Method and system for processing ecg data
Konstantin et al. Noise-resilient Automatic Interpretation of Holter ECG Recordings

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20181213

Address after: 100094 Building 319, No. 538, Yongfeng Tun, Haidian District, Beijing

Patentee after: Beijing Jinke Medical Technology Co.,Ltd.

Address before: 100085 No. 1 Shangdi Information Road, Haidian District, Beijing (No. 1-2, Beijing Shichuang High-Tech Development Corporation)

Patentee before: BEIJING SHIJI JINCO MEDICAL EQUIPMENT Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200108

Address after: 100085 west side of 2F, building B, No.1, Shangdi Information Road, Haidian District, Beijing (No.1-2, Beijing Shichuang hi tech Development Corporation)

Patentee after: BEIJING SHIJI JINCO MEDICAL EQUIPMENT Co.,Ltd.

Address before: 100094 Building 319, No. 538, Yongfeng Tun, Haidian District, Beijing

Patentee before: Beijing Jinke Medical Technology Co.,Ltd.

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: 20180424