CN108209904A - 一种获得成年中华田园犬心电图标准参数范围的方法 - Google Patents

一种获得成年中华田园犬心电图标准参数范围的方法 Download PDF

Info

Publication number
CN108209904A
CN108209904A CN201711426623.5A CN201711426623A CN108209904A CN 108209904 A CN108209904 A CN 108209904A CN 201711426623 A CN201711426623 A CN 201711426623A CN 108209904 A CN108209904 A CN 108209904A
Authority
CN
China
Prior art keywords
phase
wave
waves
amplitude
lead
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.)
Pending
Application number
CN201711426623.5A
Other languages
English (en)
Inventor
刘建柱
史梦科
刘永夏
赵晓娜
陆建伟
耿娜
刘康平
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.)
Shandong Agricultural University
Original Assignee
Shandong Agricultural University
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 Shandong Agricultural University filed Critical Shandong Agricultural University
Priority to CN201711426623.5A priority Critical patent/CN108209904A/zh
Publication of CN108209904A publication Critical patent/CN108209904A/zh
Pending legal-status Critical Current

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
    • 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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • 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
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/40—Animals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/42—Evaluating a particular growth phase or type of persons or animals for laboratory research

Landscapes

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

Abstract

本发明公开了一种获得成年中华田园犬心电图标准参数范围的方法，包括以下步骤：(1)采集各导联的心电信号；(2)进行滤波处理，获得处理信号；(3)对处理信号进行分析，得到各导联的P波间期、P波振幅、QRS波间期、QRS波振幅、T波间期、T波振幅、PR间期和QT间期的参数值；(4)对步骤(3)的参数值进行散点图分析，舍掉离散度大的参数值；(5)计算各参数数据的平均值和标准差；(6)采用QT校正公式对QT间期参数值进行校正；(7)对T波数据进行修正；即得成年中华田园犬心电图标准参数范围。本发明首次建立了中华田园犬心电图基本数据，填补了这一技术领域的空白。

Description

一种获得成年中华田园犬心电图标准参数范围的方法
技术领域
本发明涉及生物医学信号处理技术领域，具体涉及一种获得成年中华田园犬心电图标准参数范围的方法。
背景技术
心电图(ECG)是利用心电图检测设备从体表记录心脏每一心动周期所产生的电活动变化图形。心电图记录的是电压随时间变化的曲线，反映的是心脏兴奋的电活动过程。目前，心电图被广泛作为中间处理数据应用于心脏的基本功能及其病理研究。
随着养犬业的兴起，对于犬的生理指标监测也越来越标准化。有关犬的心电图近些年有过一些报道，但由于种系、性别、年龄、饲养环境的不同，因此心电图描记数据的种间差异很大，研究不同品种犬的基础心电图数据是非常必要和亟需的。中华田园犬属于食肉目、犬科、犬亚科的一种哺乳动物，主要分布于长城以南，青藏高原以东，以中原为中心的低海拔汉族集聚地，是中国汉族几千年农耕社会背景下的产物。而关于中华田园犬的基础心电图数据至今仍未见报道。由于缺少中华田园犬心电图基本数据，在对中华田园犬的心电图分析过程中，对各个波形的标准定制不一，无法给临床医生提供有效的参考。
发明内容
针对上述现有技术的不足，本发明的目的是提供一种获得成年中华田园犬心电图标准参数范围的方法。
为实现上述目的，本发明采用如下技术方案：
一种获得成年中华田园犬心电图标准参数范围的方法，包括以下步骤：
(1)连接导联组中的导联，由信号采集设备采集导联组中各导联的心电信号；
(2)对采集的心电信号进行滤波处理，获得处理信号；
(3)采用Digimizer医学图像分析软件对处理信号进行分析，得到各导联的P波间期、P波振幅、QRS波间期、QRS波振幅、T波间期、T波振幅、PR间期和QT间期的参数值；
(4)对步骤(3)的参数值进行散点图分析，舍掉离散度大的参数值；
(5)计算经步骤(4)处理后的各参数数据的平均值和标准差；
(6)采用QT校正公式对QT间期参数值进行校正；
(7)建立基于RR间期数据和T波函数型数据的函数线性回归模型，即：
yi(t)＝c(t)+β(t)xi+εi(t)，对T波间期参数值进行校正；
其中，yi(t)代表受试对象第i个心跳中T波的函数型数据；c(t)是一个常数型函数；β(t)是函数型回归系数；xi表示受试对象第i个心跳中RR间期的函数型数据；εi(t)是随机误差函数(i＝1,2,···，n)；
(8)以步骤(5)得到的各导联的P波间期、P波振幅、QRS波间期、QRS波振幅、T波振幅、PR间期参数值，以及步骤(6)校正后的QT间期参数值、步骤(7)校正后的T波间期参数值作为成年中华田园犬心电图标准参数范围。
优选的，步骤(1)中，所述导联组采用6导联，包括：3个标准肢导联和3个单极加压导联。
优选的，步骤(5)中，所采用的QT校正公式为：QTc＝QT+0.105(1-RR)/RR。
由上述方法获得的中华田园犬心电图标准参数范围，具体如下：
Lead I：P波间期0.043±0.009s，P波振幅0.103±0.042mV，QRS波间期0.039±0.007s，QRS波振幅0.771±0.207mV，T波间期0.041±0.011s，T波振幅0.102±0.059mV，PR间期0.107±0.012s，QT间期0.212±0.026s；
Lead II：P波间期0.046±0.009s，P波振幅0.162±0.051mV，QRS波间期0.041±0.008s，QRS波振幅1.539±0.153mV，T波间期0.048±0.011s，T波振幅0.161±0.070mV，PR间期0.107±0.010s，QT间期0.218±0.029s；
Lead III：P波间期0.037±0.008s，P波振幅0.089±0.041mV，QRS波间期0.041±0.009s，QRS波振幅0.980±0.307mV，T波间期0.044±0.011s，T波振幅0.102±0.049mV，PR间期0.101±0.009s，QT间期0.208±0.031s；
Lead aVR：P波间期0.047±0.008s，P波振幅0.137±0.033mV，QRS波间期0.039±0.009s，QRS波振幅1.186±0.159mV，T波间期0.043±0.012s，T波振幅0.128±0.065mV，PR间期0.108±0.009s，QT间期0.220±0.028s；
Lead aVL：P波间期0.034±0.008s，P波振幅0.064±0.018mV，QRS波间期0.036±0.007s，QRS波振幅0.558±0.138mV，T波间期0.038±0.009s，T波振幅0.071±0.027mV，PR间期0.107±0.009s，QT间期0.218±0.020s；
Lead aVF：P波间期0.042±0.008s，P波振幅0.120±0.047mV，QRS波间期0.041±0.009s，QRS波振幅1.228±0.201mV，T波间期0.049±0.010s，T波振幅0.133±0.059mV，PR间期0.106±0.009s，QT间期0.217±0.027s。
本发明的有益效果：
(1)本发明首次建立了针对成年中华田园犬的心电图标准参数范围，填补了这一技术领域的空白，为研究比较心电图学和从事心血管研究的人员提供了精确的、较新的参考数据。
(2)QT间期是指QRS波群的起点至T波终点的间距，代表心室肌除极和复极全过程所需的时间。QT间期的长短与心率的快慢密切相关。在QT间期的测量过程中，由于犬心率不齐带来的RR间期不等的干扰，需要对QT间期进行校正。虽然目前已发展几种不同的校正公式，但主要的是针对人，还未有针对中华田园犬的校正公式，应用于临床的校正公式，目前也没有达成广泛的共识。本发明对各校正公式进行了优选，最终得到了临床上适用于成年中华田园犬的QT校正公式，有效消除了由于犬心率不齐所带来的测定误差。
(3)T波异常改变在常规心电图中是较为常见、较为普遍的现象之一，在心脏病变的诊断与鉴别诊断中具有重要的临床意义。目前对于T波间期的测量方法受时间的依赖性比较强，在不同时间点测量的T波间期的误差较大。函数型数据分析方法表示一个指标连续变化的过程，随着时间连续变化的过程产生的数据，要消除不同时间带来的误差，并找出规律。本发明将观测数据视作无穷维函数空间中的元素来进行处理和分析，消除T波的时间依赖性。
附图说明
图1：数据的散点图分析结果；
图2：测试一分钟心电图的部分图像；
图3：RR间期的数据；
图4：将所有T波对齐后的T波平面堆叠图；
图5：将所有T波对齐后的T波三维堆叠图；
图6：滤波前后T波平面堆叠图比较。
图7：将RR间期数据及T波的函数型数据代入函数型线性回归模型后得到的图像。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
为了使得本领域技术人员能够更加清楚地了解本申请的技术方案，以下将结合具体的实施例详细说明本申请的技术方案。
实施例1：
以400只成年中华田园犬(雌雄各半，6-10kg)为实验对象，实验在犬饲养场中进行，饲养场采用全封闭的饲养方式，笼养，全部饲喂混合膨化饲料。
心电图的测量方法为：
犬取自然站立位，在进食前非麻醉状态下放入保定架中，将心电图机的针式电极顺序插入四肢皮下，待动物稳定后，依次采集I、II、III、aVR、aVL和aVF6个导联的心电信号。
对采集的心电信号进行滤波处理，获得处理信号。
采用Digimizer医学图像分析软件对处理信号进行分析，得到6个导联的2400条心电图数据，每条数据包括：P波间期、P波振幅、QRS波间期、QRS波振幅、T波间期、T波振幅、PR间期和QT间期8个参数值。
用SPSS 21做离散度分析，得到的散点图如图1所示，舍弃离散度高的点，得到离散性保持在一定范围内的各参数数据。然后计算各参数数据的平均值和标准差。
为了排除测量过程中由于犬心率不齐带来的RR间期不等的干扰，本发明采用QT校正公式(QTc)对QT间期参数值进行修正。所采用的QT校正公式为：
QTc＝QT+0.105(1-RR)/RR；
其中，QT和RR间期的单位是秒，QTc表示心跳中QT间期的修正值；
RR间期是指一个QRS波群R波波峰到下一个QRS波群R波波峰的之间的时间度量。本发明统计的中华田园犬的RR间期的平均值为0.679s。
为消除T波间期参数对时间的依赖性，消除不同时间测试所带来的误差，取连续心跳的心电图中获得相关的T波与RR间期数据。取狗的15秒心电图的部分图像，横坐标表示采样时间(单位为毫秒)，纵坐标表示心电图的采样值，这里面包含我们需要用到的T波和RR间期数据。RR间期数据为一个向量X＝(x1,…,xI)；采样的T波数据为一个矩阵Y＝(y1,…,yI),yi＝(yit1,…yitj)，(i＝1,2,…,I)。yit1表示第i个心跳中的第tj个时间点的T波采样值(j＝1,2,…,J)。例如，测试一分钟心电图的部分图像如图2所示。
从中得到它的RR间期和T波数据，其中RR间期的数据如图3所示，图中横坐标表示第i个心跳(i＝1,2···,n)，纵坐标表示对应的RR间期值。
为了充分利用心电图数据的信息去表示T波随着条件的变化程度，我们想到将不同心跳的T波的整个波形从心电图记录中提取出来，我们以R波波峰为参考点，将所有的T波对齐，以II导联为例，T波平面堆叠图和三维堆叠图如图4和图5示。
我们对每个心跳的数据使用中值滤波器进行了平滑处理，如图6所示，使其转换成函数型数据，经过处理T波的函数型数据可以表示为y＝(y1(t),y2(t),···yn(t),)。
我们建立基于RR间期数据和T波函数型数据的函数线性回归模型，即：
yi(t)＝c(t)+β(t)xi+εi(t)
其中，yi(t)代表受试对象第i个心跳中T波的函数型数据；c(t)是类似于现行回归分析中的回归常数β0，是一个常数型函数；β(t)是函数型回归系数；xi表示受试对象第i个心跳中RR间期的函数型数据；εi(t)是随机误差函数(i＝1,2,···，n)。
将RR间期数据及T波的函数型数据代入函数型线性回归模型yi(t)＝c(t)+β(t)xi+εi(t)后，通过Matlab程序求解可得到其回归系数，其图像如图7所示：
我们发现用函数型数据分析方法对中华田园犬T波间期与RR间期关系进行分析是可行的，有函数型关系范围。将观测数据视作无穷维函数空间中的元素来进行处理和分析，消除T波的时间依赖性。
以修正后的QT间期、T波间期，以及经离散性分析后得到的P波间期、P波振幅、QRS波间期、QRS波振幅、T波振幅、PR间期参数数据的平均值作为成年中华田园犬的心电图标准参数范围，以平均值±标准差的形式表示，具体结果见表1。
表1：本发明获得的成年中华田园犬的心电图标准参数范围
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (4)

1.一种获得成年中华田园犬心电图标准参数范围的方法，其特征在于，包括以下步骤：
(1)连接导联组中的导联，由信号采集设备采集导联组中各导联的心电信号；
(2)对采集的心电信号进行滤波处理，获得处理信号；
(3)采用Digimizer医学图像分析软件对处理信号进行分析，得到各导联的P波间期、P波振幅、QRS波间期、QRS波振幅、T波间期、T波振幅、PR间期和QT间期的参数值；
(4)对步骤(3)的参数值进行散点图分析，舍掉离散度大的参数值；
(5)计算经步骤(4)处理后的各参数数据的平均值和标准差；
(6)采用QT校正公式对QT间期参数值进行校正；
(7)建立基于RR间期数据和T波函数型数据的函数线性回归模型，即：
yi(t)＝c(t)+β(t)xi+εi(t)，对T波间期参数值进行校正；
其中，yi(t)代表受试对象第i个心跳中T波的函数型数据；c(t)是一个常数型函数；β(t)是函数型回归系数；xi表示受试对象第i个心跳中RR间期的函数型数据；εi(t)是随机误差函数(i＝1,2,···，n)；
(8)以步骤(5)得到的各导联的P波间期、P波振幅、QRS波间期、QRS波振幅、T波振幅、PR间期参数值，以及步骤(6)校正后的QT间期参数值、步骤(7)校正后的T波间期参数值作为成年中华田园犬心电图标准参数范围。
2.根据权利要求1所述的方法，其特征在于，步骤(1)中，所述导联组采用6导联，包括：3个标准肢导联和3个单极加压导联。
3.根据权利要求1所述的方法，其特征在于，步骤(5)中，所采用的QT校正公式为：QTc＝QT+0.105(1-RR)/RR。
4.根据权利要求1-3任一项所述的方法获得的成年中华田园犬的心电图标准参数范围，其特征在于，具体如下：
Lead I：P波间期0.043±0.009s，P波振幅0.103±0.042mV，QRS波间期0.039±0.007s，QRS波振幅0.771±0.207mV，T波间期0.041±0.011s，T波振幅0.102±0.059mV，PR间期0.107±0.012s，QT间期0.212±0.026s；
Lead II：P波间期0.046±0.009s，P波振幅0.162±0.051mV，QRS波间期0.041±0.008s，QRS波振幅1.539±0.153mV，T波间期0.048±0.011s，T波振幅0.161±0.070mV，PR间期0.107±0.010s，QT间期0.218±0.029s；
Lead III：P波间期0.037±0.008s，P波振幅0.089±0.041mV，QRS波间期0.041±0.009s，QRS波振幅0.980±0.307mV，T波间期0.044±0.011s，T波振幅0.102±0.049mV，PR间期0.101±0.009s，QT间期0.208±0.031s；
Lead aVR：P波间期0.047±0.008s，P波振幅0.137±0.033mV，QRS波间期0.039±0.009s，QRS波振幅1.186±0.159mV，T波间期0.043±0.012s，T波振幅0.128±0.065mV，PR间期0.108±0.009s，QT间期0.220±0.028s；
Lead aVL：P波间期0.034±0.008s，P波振幅0.064±0.018mV，QRS波间期0.036±0.007s，QRS波振幅0.558±0.138mV，T波间期0.038±0.009s，T波振幅0.071±0.027mV，PR间期0.107±0.009s，QT间期0.218±0.020s；
Lead aVF：P波间期0.042±0.008s，P波振幅0.120±0.047mV，QRS波间期0.041±0.009s，QRS波振幅1.228±0.201mV，T波间期0.049±0.010s，T波振幅0.133±0.059mV，PR间期0.106±0.009s，QT间期0.217±0.027s。
CN201711426623.5A 2017-12-26 2017-12-26 一种获得成年中华田园犬心电图标准参数范围的方法 Pending CN108209904A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711426623.5A CN108209904A (zh) 2017-12-26 2017-12-26 一种获得成年中华田园犬心电图标准参数范围的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711426623.5A CN108209904A (zh) 2017-12-26 2017-12-26 一种获得成年中华田园犬心电图标准参数范围的方法

Publications (1)

Publication Number Publication Date
CN108209904A true CN108209904A (zh) 2018-06-29

Family

ID=62648882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711426623.5A Pending CN108209904A (zh) 2017-12-26 2017-12-26 一种获得成年中华田园犬心电图标准参数范围的方法

Country Status (1)

Country Link
CN (1) CN108209904A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114027822A (zh) * 2021-04-19 2022-02-11 北京超思电子技术有限责任公司 一种基于ppg信号的呼吸率测量方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103976729A (zh) * 2014-05-22 2014-08-13 侯月梅 一种犬心电信号长程记录装置
CN107106066A (zh) * 2014-11-17 2017-08-29 美多尼克监测公司 Qt间期确定方法和相关设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103976729A (zh) * 2014-05-22 2014-08-13 侯月梅 一种犬心电信号长程记录装置
CN107106066A (zh) * 2014-11-17 2017-08-29 美多尼克监测公司 Qt间期确定方法和相关设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ANDREW J. BATEY等: "A method for QT correction based on beat-to-beat analysis of the QT/RR interval relationship in conscious telemetred beagle dogs", 《JOURNAL OF PHARMACOLOGICAL AND TOXICOLOGICAL METHODS》 *
ROBERT L. HAMLIN等: "How many cardiac cycles must be measured to permit accurate RR, QT, and QTc estimates in conscious dogs?", 《JOURNAL OF PHARMACOLOGICAL AND TOXICOLOGICAL METHODS》 *
刘昌官等: "犬的心电图研究", 《上海实验动物学》 *
利凯等: "正常犬心电图", 《中国兽医杂志》 *
杨恋波等: "基于函数型数据分析方法对心电图中T波与RR间期的研究", 《淮阴师范学院学报(自然科学版)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114027822A (zh) * 2021-04-19 2022-02-11 北京超思电子技术有限责任公司 一种基于ppg信号的呼吸率测量方法及装置
CN114027822B (zh) * 2021-04-19 2022-11-25 北京超思电子技术有限责任公司 一种基于ppg信号的呼吸率测量方法及装置

Similar Documents

Publication Publication Date Title
CN106214145B (zh) 一种基于深度学习算法的心电图分类方法
Rashkovska et al. Medical-grade ECG sensor for long-term monitoring
Giordano et al. A novel method for measuring the timing of heart sound components through digital phonocardiography
Moody The physionet/computers in cardiology challenge 2008: T-wave alternans
DE102008002933A1 (de) Datenaufzeichnung zur Patientenstatusanalyse
US10085663B2 (en) Automated ECG analysis and diagnosis system
CN108836314A (zh) 一种基于网络和人工智能的动态心电图分析方法及系统
CN109152529A (zh) 多疾病患者管理
CN102129509B (zh) 心电监护与反向传播神经网络的冠心病自诊断系统
Gierałtowski et al. RS slope detection algorithm for extraction of heart rate from noisy, multimodal recordings
EP3518757A1 (de) Überwachung von biosignalen, insbesondere elektrokardiogrammen
Nandagopal et al. Newly constructed real time ECG monitoring system using labview
US10729351B1 (en) Artificial intelligence (AI) electrocardiogram (ECG)
US10631750B2 (en) Using aiECG to automatically track, navigate and measure ECG waveform data and parameters data
US10646130B2 (en) Method for recognizing point quantification standard elevation or depression near the equipotential line of each heartbeat
US20100317983A1 (en) Method for quantitative assessment of cardiac electrical events
CN108209904A (zh) 一种获得成年中华田园犬心电图标准参数范围的方法
EP2440126A1 (en) Systems and methods for quantitative assessment of cardiac electrical events
Liu et al. Automatic Arrhythmia Detection Based on Convolutional Neural Networks.
Steijns et al. Ambulatory electrocardiographic monitoring and ectopic beat detection in conscious mice
Hegde et al. A review on ECG signal processing and HRV analysis
CN113288156B (zh) 一种任意导联视角的心电数据的生成方法
Sappat et al. Real-time identification of electromyographic signals from hand movement
Plesinger et al. The VED meter—A new tool to measure the ventricular conduction abnormalities in heart failure patients
WO2015038572A1 (en) Diagnostic digital data mining of biological waves

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180629

RJ01 Rejection of invention patent application after publication