CN108324265A - 基于心音特征定位分析心电图心音图的方法 - Google Patents
基于心音特征定位分析心电图心音图的方法 Download PDFInfo
- Publication number
- CN108324265A CN108324265A CN201810159298.9A CN201810159298A CN108324265A CN 108324265 A CN108324265 A CN 108324265A CN 201810159298 A CN201810159298 A CN 201810159298A CN 108324265 A CN108324265 A CN 108324265A
- Authority
- CN
- China
- Prior art keywords
- caardiophonogram
- waves
- heart
- heart sound
- electrocardiogram
- 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
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
- A61B5/24—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
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
Abstract
基于心音特征定位分析心电图心音图的方法,包括同步采集并同步记录心电图和心音图,心电图和心音图使用同一个时间轴;识别心音图中的心音特征,心音特征至少包括S1,S2和心动周期,以S1时刻tS1、S2时刻tS2和心动周期标记时间轴;针对心电图,在每个心动周期内进行如下操作:判断S1‑S2间期内寻找心电T波,判断S2到心动周期结束时刻的间期内寻找心电R波和P波;若T波、R波、P波任意一个特征缺失,则输出心脏异常报警。本发明具有能够利用心电特征和心音特征的匹配关系初步识别心脏机能情况,适于家用心脏监测的优点。
Description
技术领域
本发明涉及一种心电图心音图的分析方法。
背景技术
在人体心脏,窦房结自动地、有节律地产生电流,电流按传导组织的顺序传送到心脏的各个部位,从而引起心肌细胞的收缩和舒张。由窦房结发出的兴奋按一定的途径和过程依次向心房和心室传递,引起整个心脏的兴奋。因此,心脏各部分兴奋过程中出现的电变化的方向、途径、次序和时间具有规律。这种生物电变化通过心脏周围的导电阻值和体液反映到体表,使身体各部位在每一个心动周期中都发生有规律的电变化。用引导电机置于肢体或躯体的指定部位记录出来的心脏电变化曲线成为心电图。
心音图显示心音和心脏额外音、杂音图形。心音图对判定心脏杂音的形态和频率组成有很大作用,更能判定心音和杂音的时间,明确区分某些心音发生的顺序,鉴别心动周期中连贯的连续性杂音。右心房和右心室之间有三尖瓣,左心房和左心室之间有二尖瓣,右心室与肺动脉之间有肺动脉瓣,左心室与主动脉之间有主动脉瓣。右心房兴奋,三尖瓣打开,血流进入右心室,三尖瓣关闭,右心室兴奋,血流输入肺动脉。肺循环后的血液进入左心房,二尖瓣打开血液进入左心室,二尖瓣关闭,左心室兴奋,血流输入主动脉。S1的产生于二尖瓣(T1)和三尖瓣(M1)的闭合有关,S2的产生是主动脉瓣(A2)和肺动脉瓣(P2)的闭合引起。
关于心音和心电的联合监测研究,国内外已经有了比较多的尝试,但以往的心功能检测仪,仅限于传统的心脏听诊数字化,未充分利用心音的临床应用价值,也并未将心音和心电由生理学关系关联起来进行心脏功能的分析。
并且现有的心电图和心音图还是停留在人工读图的阶段,必须依赖医生的经验才能够解析心电图或心音图的信息,人们需要到医院进行心电或心音检查,依靠专业人员对心音图和心电图的解读,判断是否具有心脏疾病或疾病隐患;不利于心脏病患者在家的自我监控。
现在出现的便携式心电仪只能监控心电,无法监控心音,并且心电仪只是输出心电图形,而不会发出心脏是否出现异常的提示,依然要依赖专业人员才能解读心电图形。
本申请中关于心音图和心电图的术语解释:
第一心音S1,。M1是S1中第一个可以听到的成分,T1是S1中第二个可以听到的成分。正常情况下,T1紧跟M1,发生于三尖瓣闭合之后。正常情况下M1和T1之间间隔只有0.02s。
第二心音S2,S2的产生是主动脉瓣(A2)和肺动脉瓣(P2)的闭合引起,A2是S2的第一个组成成分,P2是S2的第二个组成成分,P2通常只能在心底部左部才能听到。
第三心音S3,S3产生于S2之后,20岁之前发生的概率为84.4%;25岁以后的发生概率为46.6%,40岁以上很少听到S3。
第四心音S4,S4发生于第一心音之前
从心动周期来看,S1~S2对应心脏的收缩期,S2~下一周期的S1对应心脏的舒张期。
心电图中,一个心动周期包含P波,QRS波和T波,第一心音S1落后于P波,第二心音落后于T波,RT间期指的是Q波来临时刻到T波结束时刻的间期。
发明内容
本发明的目的在于提供一种能够同时监控心电、心音信号,并给出心脏是否异常的初步判断的心电图心音图分析的方法。
一种心电图心音图的分析方法,包括以下步骤:
步骤1:同步采集并同步记录心电图和心音图,心电图和心音图使用同一个时间轴;
步骤2:识别心电图中的心电特征;和/或识别心音图的心音特征;心电特征至少包括R波和T波,心音特征至少包括S1和S2;
步骤3:识别心电特征和心音特征心电特征和心音特征的对应关系,当心电特征和心音特征不匹配时,输出心脏异常提醒。
步骤2中识别心电特征和识别心音特征无先后关系,可以先识别心电特征,以心电特征定位心音图,在心电特征定位的时间区域内搜索心音特征;也可以先心音特征,以心音特征定位心电图,在心音特征定位的时间区域内搜索心电特征;也可以是同步识别心电特征和心音特征,将心电特征和心音特征相互匹配,判断心电特征与心音特征之间的时间间隔是否符合医学规律,不符合医学规律则视为心脏异常。
心电特征的获取方法可以是基于以往的心电图数据,使用支持向量机训练获得P波、R波、T波的模型,对实时获取的心电图进行心电特征的识别;也可以是通过心电波形出现和持续的时间来识别P波、R波、T波,还可以是通过心电图表现的峰值等来识别P波、R波、T波。
作为优选的,心电图采用II导联心电图,心音探头位于T区或P区。
识别心电特征,以心电特征确定心动周期
作为一种确定心电特征的优选的方案:心电特征R波的确定方法为:
1)、获取使用者的心率,计算出每次心脏跳动的平均时间t,以t作为心动周期的时长;
2)、在心电图中获取一段时间长度为t的心电图形作为当前心电图形,对当前心电图形采样,并获得每个采样点的幅值,寻找当前心电图形的最大幅值点,该最大幅值点作为当前R波,记录R波时刻。
作为一种优选的方案:心电特征T波的确定方法为:1)、从当前R波向后截取长度为t的心电图作为当前心电图形,对当前心电图形进行采样,获取每个采样点的幅值,识别当前心电图形中的所有波峰,波峰指的是该点幅值大于其前后相邻的采样点;
2)、寻找幅值最大的波峰,判断该波峰与当前R波的时间间隔TR1是否小于该波峰与当前心电图形结束时刻的时间间隔TR2,若是,则将该幅值最大的波峰作为T波,并标记T波时刻。
作为优选的方案,心电特征还包含P波,P波的确定方法为:从当前R波向后截取长度为t的心电图形,截取从T波之后的图形作为当前分析图形,对当前分析图形进行采样,获取每个采样点的幅值,识别当前心电图形中的所有波峰,波峰指的是该点幅值大于其前后相邻的采样点;
寻找幅值最大的波峰,判断该波峰与当前T波的时间间隔TP1是否大于该波峰与当前心电图形结束时刻的时间间隔TP2,若是,则将该幅值最大的波峰作为P波,以前一个P波到后一个P波作为一个心动周期。
识别心音特征,以心音特征定位心动周期
步骤2,识别心音图的心动周期:
步骤2.1、步骤获取使用者的心率,计算出每次心脏跳动的平均时间t,以t作为心动周期的时长;从心音图起始点开始截取时长为t的图形作为当前心音图形;
步骤2.2、对当前心音图形采样,获得每个采样点的幅值,判断当前心音图中是否能分割成至少两个独立波形,独立波形指的是两个图形之间连续具有多个采样点、这些采样点的幅值只在水平线上下误差允许的范围内振动;若能分割成至少两个独立波形,则分别获取每个独立波形的最大幅值采样点,获取最大幅值采样点和第二大幅值采样点;
步骤2.3、判断当前心音传感器的位置,若心音传感器位于心尖部或胸骨左缘,则将最大幅值采样点对应的独立波形作为S1,最大幅值采样点的时刻为tS1,第二大幅值采样点对应的独立波形作为S2;若心音传感器位于心底部,则将则将最大幅值采样点对应的独立波形作为S2,第二大幅值采样点对应的独立波形作为S1,第二大幅值采样点的时刻为tS1;
步骤2.4、获取S1作为当前S1,在心音图中,从当前S1的起始点向后截取时长为t的心音图形,对心音图形采样并获得每个采样点的幅值;截取当前S1的结束点之后的心音图形作为当前分析图形,结束点是指从该采样点之后,连续有多个这样的采样点、这些采样点的幅值只在水平线上下误差允许的范围内振动;寻找当前分析图形中的最大幅值采样点,判断该最大幅值是否符合S2的振幅,若是以该最大幅值采样点对应的波形作为S2,该最大幅值采样点的时刻作为tS2;若否则输出当前心动周期缺失S2,心脏异常;
步骤2.5、从第一个S1的起始点开始,每t时长作为一个心动周期。
在确定S1及其时刻tS1,并确定S2及其时刻tS2后,识别tS1和tS2之间是否有额外心音及额外心音的类型的方法如下:
步骤1:对于每个心动周期,在心音图的中截取tS1和tS2之间的图形作为当前心音图形,对当前心音图形采样,获取每个采样点的幅值;判断每个采样点相对水平轴是否有明显振动,若是,则输出有收缩期额外心音,并进入杂音类型判断;若每个采样点相对水平轴的振动均在允许的范围内,则输出收缩期无杂音;
步骤2:在心音图中获取当前心动周期内tS2到当前心动周期结束时刻的图形作为当前心音图形,对当前心音图形采样,获取每个采样点的幅值;判断每个采样点相对水平轴是否有明显振动,若是,则继续判断杂音类型;若每个采样点相对水平轴的振动均在允许的范围内,则输出舒张期无杂音。
判断杂音类型的方案为:获得当前心音图形的最大幅值点及其出现的时刻tmax,识别tmax与最大值位于当前心音图形的位置,最大值位于前部时为收缩或舒张早期杂音,最大值位于中部时为收缩或舒张中期杂音,最大值位于后半部时为收缩或舒张晚期杂音;当具有多个采样点、这些采样点的幅值与最大幅值接近时,为全收缩期杂音或全舒张期杂音。采样点的幅值与最大幅值接近指的是两个幅值的差值在给定的偏差范围内;给定的偏差范围根据既往数据统计获得。
识别第三心音S3的方案为:若心音图中,每个心动周期均具有舒张早期杂音时,则依次判断这些舒张早期杂音图形是否均为独立脉冲图形,若是,则比对这些舒张早期杂音图形是否具有相同的特征,若具有相同的特征,则将该舒张早期杂音作为S3;舒张早期杂音图形的特征包括该杂音出现的时刻与tS2之间的时间间隔△t1、杂音持续的时长、和杂音的最大幅值。
识别第四心音的方案:若心音图中,每个心动周期均具有舒张晚期杂音时,则依次判断这些舒张晚期杂音图形是否均为独立脉冲图形,若是,则比对这些舒张晚期杂音图形是否具有相同的特征,若具有相同的特征,则将该舒张晚期杂音作为S4;舒张晚期杂音图形的特征包括该杂音出现的时刻与tS2之间的时间间隔△t2、杂音持续的时长、和杂音的最大幅值。
独立脉冲图形指的是S2与当前舒张期杂音图形之间的采样点幅值只在水平线上下误差允许的范围内振动。
如此,通过心电图的心电波形识别出心动周期,在时间轴上用心电图的心动周期对应出心音图的心电周期,进而识别心音图中的S1,S2,S3,S4以及额外心音和杂音。
以心电特征定位心音图的方案
先识别心电图的心电特征,以心电特征定位心音图的方法如下:
步骤1:同步采集并同步记录心电图和心音图,心电图和心音图使用同一个时间轴;
步骤2:识别心电图中的心电特征,心电特征至少包括R波,T波和心动周期,以R波时刻、T波时刻和心动周期标记时间轴;
步骤3:针对心音图,在每个心动周期内进行如下操作:在R-T间期内搜寻S1,在T波到该心动周期结束时刻之间搜寻S2;若S1,S2任意一个缺失,则输出心脏异常报警。
步骤3中,识别心电特征和心音特征的对应关系的方法为:
步骤3.1、在心电图中识别每个心动周期中的P波、R波和T波,或者是识别每个心动周期中的P波,R波,T波,PR间期,RT间期和ST段,标记P波峰值对应的时刻,R波峰值对应的时刻和T波峰值对应的时刻;以最大值为R波的峰值,且R波峰值明显大于P波、T波峰值,R波前的波峰或波谷作为Q波,R波之后的波谷作为S波,P波在Q波之前,T波在S波之后,下一心动周期的P波之前;
步骤3.2、在每个心动周期中,将心音图的RT间期的图形作为D1图形,对D1图形采样,获得每个波峰值,以最大波峰值作为S1强度,并记录其时刻为tS1;判断是否有其他波峰值与最大波峰值相近,若是,则获取与最大波峰值相近的波峰的数量;若否,则输出时刻tS1和S1强度;其他波峰值与最大波峰值相近指的是两个波峰值相差的幅度符合M1和T1相差的幅度;
在心音图的T波峰值到本心动周期结束的时刻的图形作为D2图形,对D2图形进行采样,获得每个波峰值,以最大波峰值作为S2强度,并记录其时刻为tS2;判断是否有其他波峰值与最大波峰值相近,若是,则获取与最大波峰值相近的波峰的数量;若否,则输出时刻tS2和S2强度;其他波峰值与最大波峰值相近指的是两个波峰值相差的幅度符合A2和P2相差的幅度;
若在每一个心动周期内、心音图中同时存在S1、S2,则认为心电图和心音图正常对应;若在任意一个心动周期内,心音图只有S1或只有S2,则输出心音异常提醒。
进一步,在同一个心动周期内,获取心电图中R波的与心音图中S1的时间差,判断R-S1时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
进一步,在同一个心动周期内,获取心电图中T波与心音图中S2的时间差,判断T-S2时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
以心音特征定位心电图的方案
先识别心音图的心动周期,以心音图的心动周期定位心电图的方法如下:
步骤1:同步采集并同步记录心电图和心音图,心电图和心音图使用同一个时间轴;
步骤2:识别心音图中的心音特征,心音特征至少包括S1,S2和心动周期,以S1时刻tS1、S2时刻tS2和心动周期标记时间轴;
步骤3:针对心电图,在每个心动周期内进行如下操作:在S1-S2间期内寻找心电T波,在S2到心动周期结束时刻的间期内寻找心电R波和P波;若T波、R波、P波任意一个特征缺失,则输出心脏异常报警。
步骤3中以心音图确定的心电周期识别心电特征包含以下步骤:
步骤3.1、以心音图的心动周期标记时间轴,心电图的心动周期与心音图的心动周期标记一致;
步骤3.2、使用tS1和tS2标记时间轴,在每个心动周期内进行如下操作:获得心电图tS1到tS2时间区间内图形作为当前心电图形,对当前心电图形采样,获得当前心电图形的所有波峰及其时刻,波峰指的是该采样点的幅值大于与其相邻采样点的幅值,且该采样点的幅值大于允许的误差范围;
当波峰的数量大于1时,则输出心脏异常提醒;如房颤时,心电的QRS波群缺失,呈P波与T波连续间隔,则在S1和S2对应的时间区域内,心电图将出现多个波峰。
当波峰的数量等于1时,获取该波峰的幅值AT,以当前波峰作为T波的峰值时刻;以S2到当前心动周期结束点之间的心电图形作为当前心电图形,对当前心电图形采样,获得当前心电图形的所有波峰及其时刻,判断最大波峰与S1的时间间隔是否符合R波-S1时间间隔规律,若是,则将最大波峰作为R波,若否,则输出心脏异常提醒。
作为优选的方案,在同一个心动周期内,获取心电图中R波的与心音图中S1的时间差,判断R-S1时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
作为优选的方案,在同一个心动周期内,获取心电图中T波与心音图中S2的时间差,判断T-S2时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
在具有T波和R波的基础上,搜索P波方案如下:
获取同T波到R波的T-R间期的心电波形作为当前分析图形,判断在PR间期内是否具有P波,P波符合以下条件:P波的起始点靠近或与PR间期的起始点重合,且P波具有明显的波峰;若具有P波,则标记P波的起始采样点及其时刻;起始点指的是,该采样点及该采样点之前的多个采样点的振幅在允许误差范围内;若无P波,则输出P波缺失。
在具有P波时,获取P波起始采样点到R波的时间间隔,判断是否正常PR间期,或者是PR间期延长,或者是PR间期缩短。
同步识别心电特征和心音特征,将心电特征和心音特征相互定位的方案
心电心音相互定位分析心电图心音图的方法,包括以下步骤:
步骤1:同步采集并同步记录心电图和心音图,心电图和心音图使用同一个时间轴;
步骤2:识别心音图中的心音特征,心音特征至少包括S1,S2和心动周期,以S1时刻tS1、S2时刻tS2和心动周期标记时间轴;识别心电图中的心电特征,心电特征至少包括R波和T波;心电特征和心音特征同步识别,或心电特征和心音特征按指定顺序识别;
步骤3:判断R波之后是否出现S1,若否,则输出心脏异常报警;判断T波之后是否出现S2,若否,则输出心脏异常报警;或者,判断S1-S2间期是否对应出现T波,若否,则输出心脏异常报警;判断S2-下一个S1间期是否对应出现P波和R波,且P波在R波之前,若否,则输出心脏异常报警。
作为优选的方案,在同一个心动周期内,获取心电图中T波与心音图中S2的时间差,判断T-S2时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
作为优选的方案,在同一个心动周期内,获取心电图中R波与心音图中S1的时间差,判断R-S1时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
先识别心电特征,以心电特征定位心音特征;当心电特征无法识别时,直接识别心音特征的方案
一种心音图心电图的分析方法,包括以下步骤:
步骤1:同步采集并同步记录心电图和心音图,心电图和心音图使用同一个时间轴;
步骤2:判断是否能识别心电图中的P波,R波和T波;
步骤3:若能识别心电图中的P波R波和T波,截取RT间期对应的心音图形,作为第一待筛选波形S1,截取TP间期对应的心音图形作为第二待筛选波形S2;从S1中识别S1,从S2中识别S2;若S1中无脉冲波形,则认为S1缺失,心脏异常,若S2中无脉冲波形,则认为S2缺失,心脏异常;
步骤4:若心电图中无法识别心电图中的P波,R波和T波,则从心音图中识别S1波形和S2波形,判断心音图中是否S1和S2间隔分布,若是,则提取每个S1波形和每个S2波形;若否,则输出心脏异常。
本发明的优点在于:
1、同步采集心电图和心音图,通过将心电图的心动周期和心音图的心动周期匹配,利用心电心音的对应关系实现对心脏情况的初步诊断,降低对专业人员的依赖性,实现自动识别心脏异常并报警,适于家用监控心脏状态。
2、利用心电图的R波定位寻找心音图的S1,心电图的T波对应寻找心音图的S2,以心电对应心音,识别心脏异常情况。
3、以心音图的S1和S2定位时间,以S1对应的时间来搜索心电图的QRS波群,以S2对应的时间来搜索T波,以心音对应心电,识别心脏异常情况。
4、同步识别心电特征和心音特征,用心电特征和心音特征进行匹配,而自动识别心电图、心音图的正常或异常情况。
附图说明
图1是正常心电与正常心音的图谱。
图2是PR间期延长的奔马律的图谱。
图3是心绞痛的收缩期前奔马律的图谱。
图4是心包摩擦音的图谱。
图5是血流速度增快的喷射性杂音的图谱。
图6是收缩晚期杂音的图谱。
图7是舒张期充盈性杂音的图谱。
图8是乐性杂音的图谱。
图9是二尖瓣狭窄的舒张中、晚期杂音的图谱。
图10是二尖瓣狭窄、舒张早期有开瓣音的图谱。
具体实施方式
本发明的原理是:窦房结发出的电信号传递到右心房、左心房,心房兴奋表现为心电图的P波,右心房的兴奋传递到房室结,房室结将兴奋传递到左心室、右心室,心室兴奋表现为心电图的QRS波群,心室复极表现为心电图的T波。心室复极化等待窦房结下一次兴奋。在同一个心动周期内,心电图应具有P波,QRS波群和T波。
S1的产生与二尖瓣(T1)和三尖瓣(M1)的闭合有关,S2的产生是主动脉瓣(A2)和肺动脉瓣(P2)的闭合引起。在一个心动周期内,心音图应具有S1和S2。当心电图的心动周期与心音图的心电周期不对应时,则很可能心脏状态出现异常。
根据心脏血液流向,右心房和右心室之间有三尖瓣,左心房和左心室之间有二尖瓣,右心室与肺动脉之间有肺动脉瓣,左心室与主动脉之间有主动脉瓣。右心房兴奋,三尖瓣打开,血流进入右心室,三尖瓣关闭,右心室兴奋,血流输入肺动脉。肺循环后的血液进入左心房,二尖瓣打开血液进入左心室,二尖瓣关闭,左心室兴奋,血流输入主动脉。心室兴奋必然跟三尖瓣、二尖瓣的闭合相伴随;心室复极化也必然跟肺动脉瓣和主动脉瓣的闭合相伴随。因此,心电的QRS波群与心音的S1具有医学对应关系,心电的T波与心音的S2具有医学对应关系。当心电的QRS波与S1不对应,或T波与S2不对应时,则很可能心脏状态出现异常。将心脏出现异常是进行报警,提醒监控者到专业机构进行全面检查。
一种心电图心音图的分析方法,包括以下步骤:
步骤1:同步采集并同步记录心电图和心音图,心电图和心音图使用同一个时间轴;
步骤2:识别心电图中的心电特征;和/或识别心音图的心音特征;心电特征至少包括R波和T波,心音特征至少包括S1和S2;
步骤3:识别心电特征和心音特征心电特征和心音特征的对应关系,当心电特征和心音特征不匹配时,输出心脏异常提醒。
步骤2中识别心电特征和识别心音特征无先后关系,可以先识别心电特征,以心电特征定位心音图,在心电特征定位的时间区域内搜索心音特征;也可以先心音特征,以心音特征定位心电图,在心音特征定位的时间区域内搜索心电特征;也可以是同步识别心电特征和心音特征,将心电特征和心音特征相互匹配,判断心电特征与心音特征之间的时间间隔是否符合医学规律,不符合医学规律则视为心脏异常。
心电特征的获取方法可以是基于以往的心电图数据,使用支持向量机训练获得P波、R波、T波的模型,对实时获取的心电图进行心电特征的识别;也可以是通过心电波形出现和持续的时间来识别P波、R波、T波,还可以是通过心电图表现的峰值等来识别P波、R波、T波。
作为优选的,心电图采用II导联心电图,心音探头位于T区或P区。
识别心电特征,以心电特征确定心动周期
作为一种确定心电特征的优选的方案:心电特征R波的确定方法为:
1)、获取使用者的心率,计算出每次心脏跳动的平均时间t,以t作为心动周期的时长;
2)、在心电图中获取一段时间长度为t的心电图形作为当前心电图形,对当前心电图形采样,并获得每个采样点的幅值,寻找当前心电图形的最大幅值点,该最大幅值点作为当前R波,记录R波时刻。
作为一种优选的方案:心电特征T波的确定方法为:1)、从当前R波向后截取长度为t的心电图作为当前心电图形,对当前心电图形进行采样,获取每个采样点的幅值,识别当前心电图形中的所有波峰,波峰指的是该点幅值大于其前后相邻的采样点;
2)、寻找幅值最大的波峰,判断该波峰与当前R波的时间间隔TR1是否小于该波峰与当前心电图形结束时刻的时间间隔TR2,若是,则将该幅值最大的波峰作为T波,并标记T波时刻。
作为优选的方案,心电特征还包含P波,P波的确定方法为:从当前R波向后截取长度为t的心电图形,截取从T波之后的图形作为当前分析图形,对当前分析图形进行采样,获取每个采样点的幅值,识别当前心电图形中的所有波峰,波峰指的是该点幅值大于其前后相邻的采样点;
寻找幅值最大的波峰,判断该波峰与当前T波的时间间隔TP1是否大于该波峰与当前心电图形结束时刻的时间间隔TP2,若是,则将该幅值最大的波峰作为P波,以前一个P波到后一个P波作为一个心动周期。识别心音特征,以心音特征定位心动周期
步骤2,识别心音图的心动周期:
步骤2.1、步骤获取使用者的心率,计算出每次心脏跳动的平均时间t,以t作为心动周期的时长;从心音图起始点开始截取时长为t的图形作为当前心音图形;
步骤2.2、对当前心音图形采样,获得每个采样点的幅值,判断当前心音图中是否能分割成至少两个独立波形,独立波形指的是两个图形之间连续具有多个采样点、这些采样点的幅值只在水平线上下误差允许的范围内振动;若能分割成至少两个独立波形,则分别获取每个独立波形的最大幅值采样点,获取最大幅值采样点和第二大幅值采样点;
步骤2.3、判断当前心音传感器的位置,若心音传感器位于心尖部或胸骨左缘,则将最大幅值采样点对应的独立波形作为S1,最大幅值采样点的时刻为tS1,第二大幅值采样点对应的独立波形作为S2;若心音传感器位于心底部,则将则将最大幅值采样点对应的独立波形作为S2,第二大幅值采样点对应的独立波形作为S1,第二大幅值采样点的时刻为tS1;
步骤2.4、获取S1作为当前S1,在心音图中,从当前S1的起始点向后截取时长为t的心音图形,对心音图形采样并获得每个采样点的幅值;截取当前S1的结束点之后的心音图形作为当前分析图形,结束点是指从该采样点之后,连续有多个这样的采样点、这些采样点的幅值只在水平线上下误差允许的范围内振动;寻找当前分析图形中的最大幅值采样点,判断该最大幅值是否符合S2的振幅,若是以该最大幅值采样点对应的波形作为S2,该最大幅值采样点的时刻作为tS2;若否则输出当前心动周期缺失S2,心脏异常;
步骤2.5、从第一个S1的起始点开始,每t时长作为一个心动周期。
在确定S1及其时刻tS1,并确定S2及其时刻tS2后,识别tS1和tS2之间是否有额外心音及额外心音的类型的方法如下:
步骤1:对于每个心动周期,在心音图的中截取tS1和tS2之间的图形作为当前心音图形,对当前心音图形采样,获取每个采样点的幅值;判断每个采样点相对水平轴是否有明显振动,若是,则输出有收缩期额外心音,并进入杂音类型判断;若每个采样点相对水平轴的振动均在允许的范围内,则输出收缩期无杂音;
步骤2:在心音图中获取当前心动周期内tS2到当前心动周期结束时刻的图形作为当前心音图形,对当前心音图形采样,获取每个采样点的幅值;判断每个采样点相对水平轴是否有明显振动,若是,则继续判断杂音类型;若每个采样点相对水平轴的振动均在允许的范围内,则输出舒张期无杂音。
判断杂音类型的方案为:获得当前心音图形的最大幅值点及其出现的时刻tmax,识别tmax与最大值位于当前心音图形的位置,最大值位于前部时为收缩或舒张早期杂音,最大值位于中部时为收缩或舒张中期杂音,最大值位于后半部时为收缩或舒张晚期杂音;当具有多个采样点、这些采样点的幅值与最大幅值接近时,为全收缩期杂音或全舒张期杂音。采样点的幅值与最大幅值接近指的是两个幅值的差值在给定的偏差范围内;给定的偏差范围根据既往数据统计获得。
识别第三心音S3的方案为:若心音图中,每个心动周期均具有舒张早期杂音时,则依次判断这些舒张早期杂音图形是否均为独立脉冲图形,若是,则比对这些舒张早期杂音图形是否具有相同的特征,若具有相同的特征,则将该舒张早期杂音作为S3;舒张早期杂音图形的特征包括该杂音出现的时刻与tS2之间的时间间隔△t1、杂音持续的时长、和杂音的最大幅值。
识别第四心音的方案:若心音图中,每个心动周期均具有舒张晚期杂音时,则依次判断这些舒张晚期杂音图形是否均为独立脉冲图形,若是,则比对这些舒张晚期杂音图形是否具有相同的特征,若具有相同的特征,则将该舒张晚期杂音作为S4;舒张晚期杂音图形的特征包括该杂音出现的时刻与tS2之间的时间间隔△t2、杂音持续的时长、和杂音的最大幅值。
独立脉冲图形指的是S2与当前舒张期杂音图形之间的采样点幅值只在水平线上下误差允许的范围内振动。
如此,通过心电图的心电波形识别出心动周期,在时间轴上用心电图的心动周期对应出心音图的心电周期,进而识别心音图中的S1,S2,S3,S4以及额外心音和杂音。以心电特征定位心音图的方案
先识别心电图的心电特征,以心电特征定位心音图的方法如下:
步骤1:同步采集并同步记录心电图和心音图,心电图和心音图使用同一个时间轴;
步骤2:识别心电图中的心电特征,心电特征至少包括R波,T波和心动周期,以R波时刻、T波时刻和心动周期标记时间轴;
步骤3:针对心音图,在每个心动周期内进行如下操作:在R-T间期内搜寻S1,在T波到该心动周期结束时刻之间搜寻S2;若S1,S2任意一个缺失,则输出心脏异常报警。
步骤3中,识别心电特征和心音特征的对应关系的方法为:
步骤3.1、在心电图中识别每个心动周期中的P波、R波和T波,或者是识别每个心动周期中的P波,R波,T波,PR间期,RT间期和ST段,标记P波峰值对应的时刻,R波峰值对应的时刻和T波峰值对应的时刻;以最大值为R波的峰值,且R波峰值明显大于P波、T波峰值,R波前的波峰或波谷作为Q波,R波之后的波谷作为S波,P波在Q波之前,T波在S波之后,下一心动周期的P波之前;
步骤3.2、在每个心动周期中,将心音图的RT间期的图形作为D1图形,对D1图形采样,获得每个波峰值,以最大波峰值作为S1强度,并记录其时刻为tS1;判断是否有其他波峰值与最大波峰值相近,若是,则获取与最大波峰值相近的波峰的数量;若否,则输出时刻tS1和S1强度;其他波峰值与最大波峰值相近指的是两个波峰值相差的幅度符合M1和T1相差的幅度;
在心音图的T波峰值到本心动周期结束的时刻的图形作为D2图形,对D2图形进行采样,获得每个波峰值,以最大波峰值作为S2强度,并记录其时刻为tS2;判断是否有其他波峰值与最大波峰值相近,若是,则获取与最大波峰值相近的波峰的数量;若否,则输出时刻tS2和S2强度;其他波峰值与最大波峰值相近指的是两个波峰值相差的幅度符合A2和P2相差的幅度;
若在每一个心动周期内、心音图中同时存在S1、S2,则认为心电图和心音图正常对应;若在任意一个心动周期内,心音图只有S1或只有S2,则输出心音异常提醒。
作为优选的方案,在同一个心动周期内,获取心电图中R波的与心音图中S1的时间差,判断R-S1时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
作为优选的方案,在同一个心动周期内,获取心电图中T波与心音图中S2的时间差,判断T-S2时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
如图1所示的正常心脏的心电图中,一个心动周期包含P波、QRS波和T波。正常心脏的心音图中,一个心动周期内包含S1和S2,S1有两个波峰、分别为M1和T1,S2有两个波峰、分别为P2和A2。S1出现的时间在RT间期内,S2出现的时间在TP间期内。
如图2所示的PR间期延长的奔马律图谱,S1出现的时间在RT间期内,但S1有多个波峰,且持续的时长大于正常S1的持续时长,且S1之前有S4波形,S4与S1连在一起,通过心电心音比对,能够识别出心脏异常。
如图3所示的心绞痛的收缩期前奔马律图谱,S1出现的时间在RT间期内,但S1有多个波峰,且持续的时长大于正常S1的持续时长,且S1之前有S4波形S4与S1连在一起。S2出现在TP间期,但S2有多个波峰,且持续的时长大于正常S2的持续时长。通过心电心音比对,能够识别出心脏异常。
如图4所示的心包摩擦音的图谱,S1出现的时间在RT间期,但S1有多个波峰,且持续的时长大于正常S1的持续时长;S2出现在TP间期,但S2有多个波峰,且持续的时长大于正常S2的持续时长。通过心电心音比对,能够识别出心脏异常。
如图5所示的血流速度增快的喷射性杂音图谱,S1出现的时间在RT间期内,但S1有多个波峰,且持续的时长大于正常S1的持续时长,且S1之前有S4波形S4与S1连在一起。S2出现在TP间期,但S2有多个波峰,且持续的时长大于正常S2的持续时长。通过心电心音比对,能够识别出心脏异常。
如图6所示的收缩晚期杂音图谱,t12和t21的间隔时长与心脏规律不符合,能够识别出心脏异常。
如图7所示的舒张期充盈性杂音图谱,心电图有QRS波群和T波,但心电图的图谱有许多极大值和极小值,心电图异常。S1出现的时间在RT间期,但S1有多个波峰,且持续的时长大于正常S1的持续时长,S1前后有S4波形,S1有多个波峰,且持续的时长大于正常S1的持续时长;无法识别明显的S2。通过心电心音比对,能够识别出心脏异常。
如图8所示的乐性杂音图谱,RT间期无明显S1,TP间期无明显S2,通过心电心音比对,能够识别出心脏异常。
如图9所示的二尖瓣狭窄的舒张中、晚期杂音图谱,S1出现的时间在RT间期,但S1有多个波峰,且持续的时长大于正常S1的持续时长;S2出现在TP间期,但S2有多个波峰,且持续的时长大于正常S2的持续时长。通过心电心音比对,能够识别出心脏异常。
如图10所示的二尖瓣狭窄、舒张早期出现开瓣音的图谱,心电图中无法识别去P波,QRS波和T波,能够识别出心脏异常。
以心音特征定位心电图的方案
先识别心音图的心动周期,以心音图的心动周期定位心电图的方法如下:
步骤1:同步采集并同步记录心电图和心音图,心电图和心音图使用同一个时间轴;
步骤2:识别心音图中的心音特征,心音特征至少包括S1,S2和心动周期,以S1时刻tS1、S2时刻tS2和心动周期标记时间轴;
步骤3:针对心电图,在每个心动周期内进行如下操作:在S1-S2间期内寻找心电T波,在S2到心动周期结束时刻的间期内寻找心电R波和P波;若T波、R波、P波任意一个特征缺失,则输出心脏异常报警。
步骤3中以心音图确定的心电周期识别心电特征包含以下步骤:
步骤3.1、以心音图的心动周期标记时间轴,心电图的心动周期与心音图的心动周期标记一致;
步骤3.2、使用tS1和tS2标记时间轴,在每个心动周期内进行如下操作:获得心电图tS1到tS2时间区间内图形作为当前心电图形,对当前心电图形采样,获得当前心电图形的所有波峰及其时刻,波峰指的是该采样点的幅值大于与其相邻采样点的幅值,且该采样点的幅值大于允许的误差范围;
当波峰的数量大于1时,则输出心脏异常提醒;如房颤时,心电的QRS波群缺失,呈P波与T波连续间隔,则在S1和S2对应的时间区域内,心电图将出现多个波峰。
当波峰的数量等于1时,获取该波峰的幅值AT,以当前波峰作为T波的峰值时刻;以S2到当前心动周期结束点之间的心电图形作为当前心电图形,对当前心电图形采样,获得当前心电图形的所有波峰及其时刻,判断最大波峰与S1的时间间隔是否符合R波-S1时间间隔规律,若是,则将最大波峰作为R波,若否,则输出心脏异常提醒。
作为优选的方案,在同一个心动周期内,获取心电图中R波的与心音图中S1的时间差,判断R-S1时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
作为优选的方案,在同一个心动周期内,获取心电图中T波与心音图中S2的时间差,判断T-S2时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
在具有T波和R波的基础上,搜索P波方案如下:
获取同T波到R波的T-R间期的心电波形作为当前分析图形,判断在PR间期内是否具有P波,P波符合以下条件:P波的起始点靠近或与PR间期的起始点重合,且P波具有明显的波峰;若具有P波,则标记P波的起始采样点及其时刻;起始点指的是,该采样点及该采样点之前的多个采样点的振幅在允许误差范围内;若无P波,则输出P波缺失。
在具有P波时,获取P波起始采样点到R波的时间间隔,判断是否正常PR间期,或者是PR间期延长,或者是PR间期缩短。
如图1所示的正常心脏的心电图中,正常心脏的心音图中,一个心动周期内包含S1和S2,S1有两个波峰、分别为M1和T1,S2有两个波峰、分别为P2和A2。一个心动周期包含P波、QRS波和T波。S1对应有QRS波群,S2对应有T波。
如图2所示的PR间期延长的奔马律图谱,S1对应有QRS波群,S2对应有T波。但PR间期的时长小于正常PR间期时长,且S1有多个波峰,且持续的时长大于正常S1的持续时长,且S1之前有S4波形,S4与S1连在一起,通过心电心音比对,能够识别出心脏异常。
如图3所示的心绞痛的收缩期前奔马律图谱,S1对应有QRS波群,S2对应的T波异常。S1有多个波峰,且持续的时长大于正常S1的持续时长,且S1之前有S4波形S4与S1连在一起。S2有多个波峰,且持续的时长大于正常S2的持续时长。通过心电心音比对,能够识别出心脏异常。
如图4所示的心包摩擦音的图谱,S1对应有QRS波群,S2对应有T波。但S1有多个波峰,且持续的时长大于正常S1的持续时长;S2有多个波峰,且持续的时长大于正常S2的持续时长。通过心电心音比对,能够识别出心脏异常。
如图5所示的血流速度增快的喷射性杂音图谱,S1对应有QRS波群,S2对应有T波,但S1有多个波峰,且持续的时长大于正常S1的持续时长,且S1之前有S4波形S4与S1连在一起。S2出现在TP间期,但S2有多个波峰,且持续的时长大于正常S2的持续时长。通过心电心音比对,能够识别出心脏异常。
如图6所示的收缩晚期杂音图谱,t12和t21的间隔时长与心脏规律不符合,能够识别出心脏异常。
如图7所示的舒张期充盈性杂音图谱,S1有对应的QRS波群,但S1有多个波峰,且持续的时长大于正常S1的持续时长,S1前后有S4波形,S1有多个波峰,且持续的时长大于正常S1的持续时长;无法识别明显的S2。心电图有QRS波群和T波,但心电图的图谱有许多极大值和极小值,心电图异常。通过心电心音比对,能够识别出心脏异常。
如图8所示的乐性杂音图谱,无明显S1,无明显S2,通过心电心音比对,能够识别出心脏异常。
如图9所示的二尖瓣狭窄的舒张中、晚期杂音图谱,S1对应有QRS波群,S2对应有T波,但S1有多个波峰,且持续的时长大于正常S1的持续时长,S1之前有S4波形,S1有多个波峰,且持续的时长大于正常S1的持续时长;S2结束的时间超过P波出现时刻,与正常心脏规律不符。通过心电心音比对,能够识别出心脏异常。
如图10所示的二尖瓣狭窄、舒张早期出现开瓣音的图谱,S1无对应的QRS波,S2无对应的T波,能够识别出心脏异常。
同步识别心电特征和心音特征,将心电特征和心音特征相互定位的方案
心电心音相互定位分析心电图心音图的方法,包括以下步骤:
步骤1:同步采集并同步记录心电图和心音图,心电图和心音图使用同一个时间轴;
步骤2:识别心音图中的心音特征,心音特征至少包括S1,S2和心动周期,以S1时刻tS1、S2时刻tS2和心动周期标记时间轴;识别心电图中的心电特征,心电特征至少包括R波和T波;心电特征和心音特征同步识别,或心电特征和心音特征按指定顺序识别;
步骤3:判断R波之后是否出现S1,若否,则输出心脏异常报警;判断T波之后是否出现S2,若否,则输出心脏异常报警;或者,判断S1-S2间期是否对应出现T波,若否,则输出心脏异常报警;判断S2-下一个S1间期是否对应出现P波和R波,且P波在R波之前,若否,则输出心脏异常报警。
作为优选的方案,在同一个心动周期内,获取心电图中T波与心音图中S2的时间差,判断T-S2时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
作为优选的方案,在同一个心动周期内,获取心电图中R波与心音图中S1的时间差,判断R-S1时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
如图1所示的正常心脏的心电图中,正常心脏的心音图中,一个心动周期内包含S1和S2,S1有两个波峰、分别为M1和T1,S2有两个波峰、分别为P2和A2。一个心动周期包含P波、QRS波和T波。S1-S2间期对应RT间期。
如图2所示的PR间期延长的奔马律图谱,S1-S2间期对应RT间期。但PR间期的时长小于正常PR间期时长,且S1有多个波峰,持续的时长大于正常S1的持续时长,S1之前有S4波形,S4与S1连在一起,通过心电心音比对,能够识别出心脏异常。
如图3所示的心绞痛的收缩期前奔马律图谱,S1-S2间期对应RT间期。但PR间期的时长小于正常PR间期时长,且S1有多个波峰,持续的时长大于正常S1的持续时长,S1之前有S4波形,S4与S1连在一起。S2有多个波峰,持续时长大于正常S2的持续时长。通过心电心音比对,能够识别出心脏异常。
如图4所示的心包摩擦音的图谱,S1-S2间期对应RT间期。但S1有多个波峰,持续的时长大于正常S1的持续时长;S2有多个波峰,持续时长大于正常S2的持续时长。通过心电心音比对,能够识别出心脏异常。
如图5所示的血流速度增快的喷射性杂音图谱,S1-S2间期对应RT间期。但S1有多个波峰,持续的时长大于正常S1的持续时长;S2有多个波峰,持续时长大于正常S2的持续时长。通过心电心音比对,能够识别出心脏异常
如图6所示的收缩晚期杂音图谱,S1-S2间期对应RT间期。但S1的t12和S2的t21的间隔时长与心脏规律不符合,能够识别出心脏异常。
如图7所示的舒张期充盈性杂音图谱,S1-S2间期对应RT间期,但S1有多个波峰,且持续的时长大于正常S1的持续时长,S1前后有S4波形,S1有多个波峰,且持续的时长大于正常S1的持续时长;无法识别明显的S2。心电图有QRS波群和T波,但心电图的图谱有许多极大值和极小值,心电图异常。通过心电心音比对,能够识别出心脏异常。
如图8所示的乐性杂音图谱,无明显S1,无明显S2,心音图无法识别出明显的心动周期,通过心电心音比对,能够识别出心脏异常。
如图9所示的二尖瓣狭窄的舒张中、晚期杂音图谱,S1-S2间期对应RT间期,但S1有多个波峰,且持续的时长大于正常S1的持续时长,S1之前有S4波形,S2有多个波峰,且S2结束的时间超过P波出现时刻,与正常心脏规律不符。通过心电心音比对,能够识别出心脏异常。
如图10所示的二尖瓣狭窄、舒张早期出现开瓣音的图谱,心电图无法识别明显的心动周期,能够识别出心脏异常。
先识别心电特征,以心电特征定位心音特征;当心电特征无法识别时,直接识别心音特征的方案
一种心音图心电图的分析方法,包括以下步骤:
步骤1:同步采集并同步记录心电图和心音图,心电图和心音图使用同一个时间轴;
步骤2:判断是否能识别心电图中的P波,R波和T波;
步骤3:若能识别心电图中的P波R波和T波,截取RT间期对应的心音图形,作为第一待筛选波形S1,截取TP间期对应的心音图形作为第二待筛选波形S2;从S1中识别S1,从S2中识别S2;若S1中无脉冲波形,则认为S1缺失,心脏异常,若S2中无脉冲波形,则认为S2缺失,心脏异常;
步骤4:若心电图中无法识别心电图中的P波,R波和T波,则从心音图中识别S1波形和S2波形,判断心音图中是否S1和S2间隔分布,若是,则提取每个S1波形和每个S2波形;若否,则输出心脏异常。
如图1所示的正常心脏的心电图中,正常心脏的心音图中,一个心动周期内包含S1和S2,S1有两个波峰、分别为M1和T1,S2有两个波峰、分别为P2和A2。一个心动周期包含P波、QRS波和T波。S1-S2间期对应RT间期。
如图2所示的PR间期延长的奔马律图谱,S1-S2间期对应RT间期。但PR间期的时长小于正常PR间期时长,且S1有多个波峰,持续的时长大于正常S1的持续时长,S1之前有S4波形,S4与S1连在一起,通过心电心音比对,能够识别出心脏异常。
如图3所示的心绞痛的收缩期前奔马律图谱,S1-S2间期对应RT间期。但PR间期的时长小于正常PR间期时长,且S1有多个波峰,持续的时长大于正常S1的持续时长,S1之前有S4波形,S4与S1连在一起。S2有多个波峰,持续时长大于正常S2的持续时长。通过心电心音比对,能够识别出心脏异常。
如图4所示的心包摩擦音的图谱,S1-S2间期对应RT间期。但S1有多个波峰,持续的时长大于正常S1的持续时长;S2有多个波峰,持续时长大于正常S2的持续时长。通过心电心音比对,能够识别出心脏异常。
如图5所示的血流速度增快的喷射性杂音图谱,S1-S2间期对应RT间期。但S1有多个波峰,持续的时长大于正常S1的持续时长;S2有多个波峰,持续时长大于正常S2的持续时长。通过心电心音比对,能够识别出心脏异常
如图6所示的收缩晚期杂音图谱,S1-S2间期对应RT间期。但S1的t12和S2的t21的间隔时长与心脏规律不符合,能够识别出心脏异常。
如图7所示的舒张期充盈性杂音图谱,S1-S2间期对应RT间期,但S1有多个波峰,且持续的时长大于正常S1的持续时长,S1前后有S4波形,S1有多个波峰,且持续的时长大于正常S1的持续时长;无法识别明显的S2。心电图有QRS波群和T波,但心电图的图谱有许多极大值和极小值,心电图异常。通过心电心音比对,能够识别出心脏异常。
如图8所示的乐性杂音图谱,无明显S1,无明显S2,心音图无法识别出明显的心动周期,通过心电心音比对,能够识别出心脏异常。
如图9所示的二尖瓣狭窄的舒张中、晚期杂音图谱,S1-S2间期对应RT间期,但S1有多个波峰,且持续的时长大于正常S1的持续时长,S1之前有S4波形,S2有多个波峰,且S2结束的时间超过P波出现时刻,与正常心脏规律不符。通过心电心音比对,能够识别出心脏异常。
如图10所示的二尖瓣狭窄、舒张早期出现开瓣音的图谱,心电图无法识别明显的心动周期,心音图有S1和S2,S1有杂音,能够识别出心脏异常。
通常情况下,心电图能够识别出心动周期,但也会出现心电图无法识别P波、QRS波和T波的情况,有可能是因为心脏病变造成心电信号不清楚,也有可能因为心电测量端子未与人体良好接触,因此,当心电图无法识别心动周期时,利用也能心音图识别出心脏情况,降低假病变信号率。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员,在不脱离本发明构思的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明保护范围内。
Claims (9)
1.基于心音特征定位分析心电图心音图的方法,包括以下步骤:
步骤1:同步采集并同步记录心电图和心音图,心电图和心音图使用同一个时间轴;
步骤2:识别心音图中的心音特征,心音特征至少包括S1,S2和心动周期,以S1时刻tS1、S2时刻tS2和心动周期标记时间轴;
步骤3:针对心电图,在每个心动周期内进行如下操作:判断S1-S2间期内寻找心电T波,判断S2到心动周期结束时刻的间期内寻找心电R波和P波;若T波、R波、P波任意一个特征缺失,则输出心脏异常报警。
2.如权利要求1所述的基于心音特征定位分析心电图心音图的方法,其特征判断于:步骤3中以心音图确定的心电周期识别心电特征包含以下步骤:
步骤3.1、以心音图的心动周期标记时间轴,心电图的心动周期与心音图的心动周期标记一致;
步骤3.2、使用tS1和tS2标记时间轴,判断每个心动周期内进行如下操作:获得心电图tS1到tS2时间区间内图形作为当前心电图形,对当前心电图形采样,获得当前心电图形的所有波峰及其时刻,波峰指的是该采样点的幅值大于与其相邻采样点的幅值,且该采样点的幅值大于允许的误差范围;
当波峰的数量大于1时,则输出心脏异常提醒;
当波峰的数量等于1时,获取该波峰的幅值AT,以当前波峰作为T波的峰值时刻;以S2到当前心动周期结束点之间的心电图形作为当前心电图形,对当前心电图形采样,获得当前心电图形的所有波峰及其时刻,判断最大波峰与S1的时间间隔是否符合R波-S1时间间隔规律,若是,则将最大波峰作为R波,若否,则输出心脏异常提醒。
3.如权利要求2所述的基于心音特征特征定位分析心电图心音图的方法,其特征判断于:判断同一个心动周期内,获取心电图中R波的与心音图中S1的时间差,判断R-S1时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
4.如权利要求2所述的基于心音特征定位分析心电图心音图的方法,其特征判断于:判断同一个心动周期内,获取心电图中T波与心音图中S2的时间差,判断T-S2时间差是否符合医学规律,若符合,则认为心电心音对应,若不符合,则输出心电心音异常。
5.如权利要求1所述的基于心音特征定位分析心电图心音图的方法,其特征判断于:步骤2,识别心音图的心动周期:
步骤2.1、步骤获取使用者的心率,计算出每次心脏跳动的平均时间t,以t作为心动周期的时长;从心音图起始点开始截取时长为t的图形作为当前心音图形;
步骤2.2、对当前心音图形采样,获得每个采样点的幅值,判断当前心音图中是否能分割成至少两个独立波形,独立波形指的是两个图形之间连续具有多个采样点、这些采样点的幅值只判断水平线上下误差允许的范围内振动;若能分割成至少两个独立波形,则分别获取每个独立波形的最大幅值采样点,获取最大幅值采样点和第二大幅值采样点;
步骤2.3、判断当前心音传感器的位置,若心音传感器位于心尖部或胸骨左缘,则将最大幅值采样点对应的独立波形作为S1,最大幅值采样点的时刻为tS1,第二大幅值采样点对应的独立波形作为S2;若心音传感器位于心底部,则将则将最大幅值采样点对应的独立波形作为S2,第二大幅值采样点对应的独立波形作为S1,第二大幅值采样点的时刻为tS1;
步骤2.4、获取S1作为当前S1,判断心音图中,从当前S1的起始点向后截取时长为t的心音图形,对心音图形采样并获得每个采样点的幅值;截取当前S1的结束点之后的心音图形作为当前分析图形,结束点是指从该采样点之后,连续有多个这样的采样点、这些采样点的幅值只判断水平线上下误差允许的范围内振动;寻找当前分析图形中的最大幅值采样点,判断该最大幅值是否符合S2的振幅,若是以该最大幅值采样点对应的波形作为S2,该最大幅值采样点的时刻作为tS2;若否则输出当前心动周期缺失S2,心脏异常;
步骤2.5、从第一个S1的起始点开始,每t时长作为一个心动周期。
6.如权利要求1所述的基于心音特征定位分析心电图心音图的方法,其特征判断于:判断确定S1及其时刻tS1,并确定S2及其时刻tS2后,识别tS1和tS2之间是否有额外心音及额外心音的类型的方法如下:
步骤1:对于每个心动周期,判断心音图的中截取tS1和tS2之间的图形作为当前心音图形,对当前心音图形采样,获取每个采样点的幅值;判断每个采样点相对水平轴是否有明显振动,若是,则输出有收缩期额外心音,并进入杂音类型判断;若每个采样点相对水平轴的振动均判断允许的范围内,则输出收缩期无杂音;
步骤2:判断心音图中获取当前心动周期内tS2到当前心动周期结束时刻的图形作为当前心音图形,对当前心音图形采样,获取每个采样点的幅值;判断每个采样点相对水平轴是否有明显振动,若是,则继续判断杂音类型;若每个采样点相对水平轴的振动均判断允许的范围内,则输出舒张期无杂音。
7.如权利要求6所述的基于心音特征定位分析心电图心音图的方法,其特征判断于:判断杂音类型的方案为:获得当前心音图形的最大幅值点及其出现的时刻tmax,识别tmax与最大值位于当前心音图形的位置,最大值位于前部时为收缩或舒张早期杂音,最大值位于中部时为收缩或舒张中期杂音,最大值位于后半部时为收缩或舒张晚期杂音;当具有多个采样点、这些采样点的幅值与最大幅值接近时,为全收缩期杂音或全舒张期杂音。
8.如权利要求7所述的基于心音特征定位分析心电图心音图的方法,其特征判断于:识别第三心音S3的方案为:若心音图中,每个心动周期均具有舒张早期杂音时,则依次判断这些舒张早期杂音图形是否均为独立脉冲图形,若是,则比对这些舒张早期杂音图形是否具有相同的特征,若具有相同的特征,则将该舒张早期杂音作为S3;舒张早期杂音图形的特征包括该杂音出现的时刻与tS2之间的时间间隔△t1、杂音持续的时长、和杂音的最大幅值。
9.如权利要求7所述的基于心音特征定位分析心电图心音图的方法,其特征判断于:识别第四心音的方案:若心音图中,每个心动周期均具有舒张晚期杂音时,则依次判断这些舒张晚期杂音图形是否均为独立脉冲图形,若是,则比对这些舒张晚期杂音图形是否具有相同的特征,若具有相同的特征,则将该舒张晚期杂音作为S4;舒张晚期杂音图形的特征包括该杂音出现的时刻与tS2之间的时间间隔△t2、杂音持续的时长、和杂音的最大幅值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810159298.9A CN108324265A (zh) | 2018-02-26 | 2018-02-26 | 基于心音特征定位分析心电图心音图的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810159298.9A CN108324265A (zh) | 2018-02-26 | 2018-02-26 | 基于心音特征定位分析心电图心音图的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108324265A true CN108324265A (zh) | 2018-07-27 |
Family
ID=62929859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810159298.9A Pending CN108324265A (zh) | 2018-02-26 | 2018-02-26 | 基于心音特征定位分析心电图心音图的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108324265A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109567856A (zh) * | 2018-11-23 | 2019-04-05 | 四川长虹电器股份有限公司 | 一种基于智能平台的听诊位置智能提醒方法 |
CN109793532A (zh) * | 2017-11-17 | 2019-05-24 | 李顺裕 | 讯号同步处理装置及具有讯号同步处理功能的听诊器、听诊信息输出系统与病征诊断系统 |
CN110490176A (zh) * | 2019-09-03 | 2019-11-22 | 南京邮电大学 | 一种基于多时窗心音信号的多元特征提取方法 |
CN110897633A (zh) * | 2019-12-17 | 2020-03-24 | 安徽心之声医疗科技有限公司 | 基于深度神经网络的心电信号分割方法 |
CN111407235A (zh) * | 2020-04-08 | 2020-07-14 | 苏州无双医疗设备有限公司 | 结合心音解决t波过感知的方法及医疗设备 |
CN111407264A (zh) * | 2020-04-08 | 2020-07-14 | 苏州无双医疗设备有限公司 | 一种t波过感知检测方法和植入式医疗设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1850007A (zh) * | 2006-05-16 | 2006-10-25 | 清华大学深圳研究生院 | 基于心音分析的心脏病自动分类系统及其心音分段方法 |
CN102283670A (zh) * | 2011-07-08 | 2011-12-21 | 西华大学 | 一种心音信号量化分析方法及装置 |
CN103479383A (zh) * | 2013-09-25 | 2014-01-01 | 清华大学 | 心音信号分析的方法及装置和具有其的智能心脏听诊器 |
CN104114085A (zh) * | 2011-10-14 | 2014-10-22 | 美敦力公司 | T波过感测 |
CN105640545A (zh) * | 2015-12-31 | 2016-06-08 | 深圳先进技术研究院 | 一种胎儿心电信号提取方法及装置 |
CN105873499A (zh) * | 2013-11-04 | 2016-08-17 | 心脏起搏器股份公司 | 心力衰竭检测和风险分层系统 |
WO2016181087A1 (fr) * | 2015-05-13 | 2016-11-17 | Cardiags | Procede et dispositif de determination de parametres representatifs d'une activite cardiovasculaire |
CN107126206A (zh) * | 2017-06-16 | 2017-09-05 | 重庆睿凡科技发展有限公司 | 一种心音自动分析系统及方法 |
CN107174235A (zh) * | 2017-06-16 | 2017-09-19 | 重庆普施康科技发展股份有限公司 | 一种心脏起搏器病人心电图中qrs波的识别方法 |
CN107280660A (zh) * | 2017-06-13 | 2017-10-24 | 广东工业大学 | 一种心脏信号远程监测系统及方法 |
CN107708570A (zh) * | 2015-07-10 | 2018-02-16 | 深圳迈瑞生物医疗电子股份有限公司 | 一种监护系统、方法及装置 |
-
2018
- 2018-02-26 CN CN201810159298.9A patent/CN108324265A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1850007A (zh) * | 2006-05-16 | 2006-10-25 | 清华大学深圳研究生院 | 基于心音分析的心脏病自动分类系统及其心音分段方法 |
CN102283670A (zh) * | 2011-07-08 | 2011-12-21 | 西华大学 | 一种心音信号量化分析方法及装置 |
CN104114085A (zh) * | 2011-10-14 | 2014-10-22 | 美敦力公司 | T波过感测 |
CN103479383A (zh) * | 2013-09-25 | 2014-01-01 | 清华大学 | 心音信号分析的方法及装置和具有其的智能心脏听诊器 |
CN105873499A (zh) * | 2013-11-04 | 2016-08-17 | 心脏起搏器股份公司 | 心力衰竭检测和风险分层系统 |
WO2016181087A1 (fr) * | 2015-05-13 | 2016-11-17 | Cardiags | Procede et dispositif de determination de parametres representatifs d'une activite cardiovasculaire |
CN107708570A (zh) * | 2015-07-10 | 2018-02-16 | 深圳迈瑞生物医疗电子股份有限公司 | 一种监护系统、方法及装置 |
CN105640545A (zh) * | 2015-12-31 | 2016-06-08 | 深圳先进技术研究院 | 一种胎儿心电信号提取方法及装置 |
CN107280660A (zh) * | 2017-06-13 | 2017-10-24 | 广东工业大学 | 一种心脏信号远程监测系统及方法 |
CN107126206A (zh) * | 2017-06-16 | 2017-09-05 | 重庆睿凡科技发展有限公司 | 一种心音自动分析系统及方法 |
CN107174235A (zh) * | 2017-06-16 | 2017-09-19 | 重庆普施康科技发展股份有限公司 | 一种心脏起搏器病人心电图中qrs波的识别方法 |
Non-Patent Citations (1)
Title |
---|
高润霖: "《中华医学百科全书心血管病学》", 31 July 2017, 中国协和医科大学出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109793532A (zh) * | 2017-11-17 | 2019-05-24 | 李顺裕 | 讯号同步处理装置及具有讯号同步处理功能的听诊器、听诊信息输出系统与病征诊断系统 |
CN109567856A (zh) * | 2018-11-23 | 2019-04-05 | 四川长虹电器股份有限公司 | 一种基于智能平台的听诊位置智能提醒方法 |
CN110490176A (zh) * | 2019-09-03 | 2019-11-22 | 南京邮电大学 | 一种基于多时窗心音信号的多元特征提取方法 |
CN110490176B (zh) * | 2019-09-03 | 2022-08-26 | 南京邮电大学 | 一种基于多时窗心音信号的多元特征提取方法 |
CN110897633A (zh) * | 2019-12-17 | 2020-03-24 | 安徽心之声医疗科技有限公司 | 基于深度神经网络的心电信号分割方法 |
CN111407235A (zh) * | 2020-04-08 | 2020-07-14 | 苏州无双医疗设备有限公司 | 结合心音解决t波过感知的方法及医疗设备 |
CN111407264A (zh) * | 2020-04-08 | 2020-07-14 | 苏州无双医疗设备有限公司 | 一种t波过感知检测方法和植入式医疗设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108324265A (zh) | 基于心音特征定位分析心电图心音图的方法 | |
CN108324267A (zh) | 基于心电特征和心音特征定位的心电图心音图分析方法 | |
CN108324268A (zh) | 一种心电图心音图的分析方法 | |
Choudhary et al. | Automatic detection of aortic valve opening using seismocardiography in healthy individuals | |
US6048319A (en) | Non-invasive acoustic screening device for coronary stenosis | |
US6366804B1 (en) | Method of and apparatus for Identifying a portion of a waveform representing a physiological event | |
US20020188211A1 (en) | Method and apparatus for processing physiological data | |
Myint et al. | An electronic stethoscope with diagnosis capability | |
US20060106322A1 (en) | Method and system relating to monitoring and characterizing heart condition | |
Haghighi-Mood et al. | A sub-band energy tracking algorithm for heart sound segmentation | |
JP2012513858A (ja) | 心音信号を処理する方法及びシステム | |
JPH11313806A (ja) | 心臓機能を表す信号の特性を決定する方法 | |
CN108324266A (zh) | 基于心电心音分析的家用心脏监控系统 | |
CN108784679A (zh) | 多路心音的心音传感器位置识别纠正方法 | |
CN108378842A (zh) | 一种多路心音的分析方法 | |
Oppenheim et al. | An innovative dicrotic notch detection algorithm which combines rule-based logic with digital signal processing techniques | |
CN108771541A (zh) | 基于心电心音分析的候诊系统 | |
CN108523920A (zh) | 基于多路心音的心脏杂音类型的识别方法 | |
CN108420454A (zh) | 基于多路心音的心音分裂识别方法 | |
US20090118629A1 (en) | Rapid method for analyzing bio-signal instantaneously by phase space difference and its device | |
CN108420453A (zh) | 基于多路心音的心脏杂音类型的识别方法 | |
CN108378843B (zh) | 基于多路心音的心音传感器位置纠错方法 | |
Yu et al. | The development of an intelligent electronic stethoscope | |
Singh et al. | Hilbert vibration decomposition of seismocardiogram for hr and hrv estimation | |
Ding et al. | A new measure of pulse rate variability and detection of atrial fibrillation based on improved time synchronous averaging |
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: 20180727 |
|
RJ01 | Rejection of invention patent application after publication |