CN108403106B - 一种室性并行心律的自动识别方法 - Google Patents
一种室性并行心律的自动识别方法 Download PDFInfo
- Publication number
- CN108403106B CN108403106B CN201810007416.4A CN201810007416A CN108403106B CN 108403106 B CN108403106 B CN 108403106B CN 201810007416 A CN201810007416 A CN 201810007416A CN 108403106 B CN108403106 B CN 108403106B
- Authority
- CN
- China
- Prior art keywords
- ventricular
- interval
- beat
- ectopic
- parallel
- 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
- 230000033764 rhythmic process Effects 0.000 title claims abstract description 51
- 230000002861 ventricular Effects 0.000 title claims abstract description 51
- 230000000747 cardiac effect Effects 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 13
- 206010047289 Ventricular extrasystoles Diseases 0.000 claims abstract description 35
- 208000000418 Premature Cardiac Complexes Diseases 0.000 claims abstract description 22
- 208000009729 Ventricular Premature Complexes Diseases 0.000 claims abstract description 19
- 230000010349 pulsation Effects 0.000 claims abstract description 18
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000000718 qrs complex Methods 0.000 claims abstract description 6
- 206010015856 Extrasystoles Diseases 0.000 claims description 4
- 230000001788 irregular Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 2
- 206010003119 arrhythmia Diseases 0.000 description 2
- 230000006793 arrhythmia Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000008288 physiological mechanism Effects 0.000 description 2
- 210000001013 sinoatrial node Anatomy 0.000 description 2
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 1
- 206010047281 Ventricular arrhythmia Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开一种室性并行心律的自动识别方法，包括如下步骤：对原始多导联心电数据进行波形特征点定位，给出R波位置和QRS复合波的形态分类，判断出窦性搏动和室性搏动，生成带窦性搏动和室性搏动标识的RR间期信息；利用带窦性搏动和室性搏动标识的RR间期信息计算早搏联律间期不规则性度量；对每个子段内的室性搏动RR间期进行分类；根据分类后的类内信息，给出子段室性异位间期规则性的度量；综合早搏联律间期的不规则性度量指标，室性异位间期的规则性度量指标，室性异位间期的出现率，根据阈值法给出每个子段是否发生室性并行心律的判决。此种方法基于室性异位搏动分类进行并行心律识别，可有效辅助医生进行判别。
Description
技术领域
本发明属于数据处理技术领域，特别涉及心电图ECG数据并行心律的自动识别，用以实现对心电图数据并行心律是否发生的辨别。
背景技术
并行心律是指异位激发灶与主导窦房结激发搏动互不重整，二者竞争控制心脏的搏动而引起的一种主动性心律失常。尤其是室性并行心律多见于器质性心脏病，伴随并发症导致心源性猝死等严重的危害性后果。常规心电图检查中只有0.1％一0.15％被诊断为室性并行心律，并行心律的检出率远远小于实际发病率的原因分为两种：并行心律形成的生理机制决定了室性异位搏动表现形式多样，心电图数据有可能不足以判断室性并行心律的发生率；极易误判成其他类型的室性早搏。为了减少漏诊和误诊，需要对室性并行心律进行计算机自动识别辅助医生判别。
典型室性并行心律的特征有：早搏的联律间期不规则性；室性异位间期规则性；可能伴有室性融合波。人工判断容易漏诊的原因有：人工对早搏的联律间期不规则性只能给出定性的判断；由于观测到的ECG信号是调制后的并行波，形成的生理机制决定了室性异位搏动表现形式多样，导致人工对室性异位间期存在规则性的判断容易漏判和误判。现有研究基于心电散电图特征方法利用散电图的形状对并行心律进行人工判别，需要对多种形状进行人工识别，对心拍数量要求高，对经验要求高。综上，目前还没有有效的并行心律的自动识别方法，本案由此产生。
发明内容
本发明的目的，在于提供一种室性并行心律的自动识别方法，其基于室性异位搏动分类进行并行心律识别，可有效辅助医生进行判别。
为了达成上述目的，本发明的解决方案是：
一种室性并行心律的自动识别方法，包括如下步骤：
步骤1，原始多导联心电数据进行波形特征点定位，给出R波位置和QRS复合波的形态分类，判断出窦性搏动和室性搏动，生成带窦性搏动和室性搏动标识的RR间期信息；
步骤2，利用带窦性搏动和室性搏动标识的RR间期信息计算早搏联律间期不规则性度量；
步骤3，对每个子段内的室性搏动RR间期进行分类；
步骤4，根据分类后的类内信息，给出子段室性异位间期规则性的度量；
步骤5，综合早搏联律间期的不规则性度量指标，室性异位间期的规则性度量指标，室性异位间期的出现率，根据阈值法给出每个子段是否发生室性并行心律的判决。
上述步骤1中，在进行波形特征点定位前，首先将原始多导联心电数据滤除工频噪声、高频噪声及基线漂移干扰。
上述步骤2的详细内容是：对带窦性搏动和室性搏动标识的RR间期信息，将相邻两个室性搏动的RR间期间隔大于给定NIB_max的分成RR间期的子段；对每一个子段，统计满足前一个心拍为窦性搏动，后一个心拍为室性异位搏动的相邻两个心拍的RR间期的标准差Sigma_NV，作为早搏联律间期不规则性度量，其中，窦性搏动记为N，室性异位搏动记为V。
上述步骤2中，若子段的时间长度大于Interavl_max，则进一步分成小段。
上述早搏联律间期不规则性度量采用子段内所出现的所有NV心拍的RR间期的标准差。
上述步骤3中，分类的目标是：每个子类中的点，到自身类的中心距离最小；不同类中心的间距大于阈值Class_distance；每个子类内部点的标准差尽可能地小。
上述步骤3的具体内容是：首先，按照相邻两个心拍为室性异位搏动的间隔心拍个数作为分类初值，具有相同间隔心拍个数的V分为一类，计算子类中心Vclass_mean和子类标准差Vclass_sigma；然后，对预分类进行修正，类中心距离小于阈值Class_distance的进行合并，标准差大于阈值Class_distance的子类进一步细分，修正错误分类的点，从而得到分类的类别个数；最后利用K-mean算法更新类中心，使类内点距自身类距离达到最小。
上述步骤4中，室性异位间期的规则性度量是通过对RR间期子段内每个类别统计室性异位搏动RR间期的子类中心和子类标准差Vclass_sigma，子类中点的个数Vclass_in_num，来计算加权标准差weight_sigma，计算公式如下：
上述步骤5的详细内容是：对于待判定的子段，首先看室性异位搏动占比是否大于阈值k％，对大于阈值k％的数据进一步处理，当weight_sigma小于阈值max_Vclass_sigma则认为室性异位间期规则，进一步判断是否小于Sigma_NV，此时认为早搏的联律间期相比于室性异位间期不规则，若出现这种规律则判定为存在并行心率。
采用上述方案后，本发明的技术关键是对室性搏动的RR间期分类，基于不同子类信息给出的室性异位间期的规则性度量；综合早搏联律间期的不规则性度量指标，室性异位间期的规则性度量指标，室性异位间期的出现率使室性心律发生的可能性。本发明能够辅助医生进行判别。
附图说明
图1是本发明的原理图；
图2是本发明的详细流程图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
如图1所示，本发明提供一种室性并行心律的自动识别方法，首先根据QRS复合波的形态，判断出窦性搏动和室性搏动，计算早搏联律间期的不规则性，然后对室性搏动的RR间期进行分类处理，结合每个子类的出现频次、中心间距、类内的聚集性信息给出室性异位间期的规则性度量，最后结合室性异位搏动出现率给出室性并行心律发生的可能性，当可能性大于给定阈值时，给出并行心律出现的判决。
配合图2所示，本发明的详细步骤是：
步骤1，R波定位和QRS复合波的形态分类
原始多导联心电数据滤除工频噪声、高频噪声及基线漂移干扰后，进行波形特征点定位，给出R波位置和QRS复合波的形态分类，判断出窦性搏动和室性搏动，生成带窦性搏动和室性搏动标识的RR间期信息；
步骤2，早搏联律间期不规则性度量
对带窦性搏动和室性搏动标识的RR间期信息，将相邻两个室性搏动的RR间期间隔大于给定NIB_max的分成RR间期的子段，进一步将子段的时间长度大于Interavl_max，则分成小段。实施中取NIB_max＝20，Interval_max＝10min。对每一个子段，统计满足前一个心拍为窦性搏动(记为N)，后一个心拍为室性异位搏动(记为V)的相邻两个心拍的RR间期的标准差Sigma_NV，作为早搏联律间期不规则性度量。所述早搏联律间期不规则性度量采用子段内所出现的所有NV心拍的RR间期的标准差。
步骤3，室性搏动RR间期的分类
步骤4，室性异位间期的规则性度量
根据分类后的类内信息，给出子段室性异位间期规则性的度量，其中，对RR间期子段内每个类别统计室性异位搏动RR间期的子类中心和子类标准差Vclass_sigma，子类中点的个数Vclass_in_num，来计算加权标准差weight_sigma作为室性异位间期的规则性度量，计算公式如下：
步骤5，室性并行心律发生的阈值判断
结合早搏联律间期不规则性度量、室性异位间期规则性的度量、室性异位搏动(V波)占比，利用阈值法给出每个子段是否发生并行心律的判决。
对于待判定的子段，首先看室性异位搏动(V波)占比是否大于阈值k％，对于占比小于k％的子段，由于V波较少，不能进行判断。实施中取k＝10。故仅对大于阈值k％的数据进一步处理，当weight_sigma小于阈值max_Vclass_sigma则认为室性异位间期规则，进一步判断是否小于Sigma_NV，此时认为早搏的联律间期相比于室性异位间期不规则，若出现这种规律则可判定为存在并行心率。实施中取max_Vclass_sigma＝50ms。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
Claims (9)
1.一种用于室性并行心律识别的计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如下步骤：
步骤1，原始多导联心电数据进行波形特征点定位，给出R波位置和QRS复合波的形态分类，判断出窦性搏动和室性搏动，生成带窦性搏动和室性搏动标识的RR间期信息；
步骤2，利用带窦性搏动和室性搏动标识的RR间期信息计算早搏联律间期不规则性度量；
步骤3，对每个子段内的室性搏动RR间期进行分类；
步骤4，根据分类后的类内信息，给出子段室性异位间期规则性的度量；
步骤5，综合早搏联律间期的不规则性度量指标，室性异位间期的规则性度量指标，室性异位间期的出现率，根据阈值法给出每个子段是否发生室性并行心律的判决。
2.如权利要求1所述的用于室性并行心律识别的计算机可读存储介质，其特征在于：所述步骤1中，在进行波形特征点定位前，首先将原始多导联心电数据滤除工频噪声、高频噪声及基线漂移干扰。
3.如权利要求1所述的用于室性并行心律识别的计算机可读存储介质，其特征在于：所述步骤2的详细内容是：对带窦性搏动和室性搏动标识的RR间期信息，将相邻两个室性搏动的RR间期间隔大于给定NIB_max的分成RR间期的子段；对每一个子段，统计满足前一个心拍为窦性搏动，后一个心拍为室性异位搏动的相邻两个心拍的RR间期的标准差Sigma_NV，作为早搏联律间期不规则性度量，其中，窦性搏动记为N，室性异位搏动记为V。
4.如权利要求3所述的用于室性并行心律识别的计算机可读存储介质，其特征在于：所述步骤2中，若子段的时间长度大于Interavl_max，则进一步分成小段。
5.如权利要求3所述的用于室性并行心律识别的计算机可读存储介质，其特征在于：所述早搏联律间期不规则性度量采用子段内所出现的所有NV心拍的RR间期的标准差。
6.如权利要求1所述的用于室性并行心律识别的计算机可读存储介质，其特征在于：所述步骤3中，分类的目标是：每个子类中的点，到自身类的中心距离最小；不同类中心的间距大于阈值Class_distance；每个子类内部点的标准差尽可能地小。
7.如权利要求6所述的用于室性并行心律识别的计算机可读存储介质，其特征在于：所述步骤3的具体内容是：首先，按照相邻两个心拍为室性异位搏动的间隔心拍个数作为分类初值，具有相同间隔心拍个数的V分为一类，计算子类中心Vclass_mean和子类标准差Vclass_sigma；然后，对预分类进行修正，类中心距离小于阈值Class_distance的进行合并，标准差大于阈值Class_distance的子类进一步细分，修正错误分类的点，从而得到分类的类别个数；最后利用K-mean算法更新类中心，使类内点距自身类距离达到最小。
8.如权利要求1所述的用于室性并行心律识别的计算机可读存储介质，其特征在于：所述步骤4中，室性异位间期的规则性度量是通过对RR间期子段内每个类别统计室性异位搏动RR间期的子类中心和子类标准差Vclass_sigma，子类中点的个数Vclass_in_num，来计算加权标准差weight_sigma，计算公式如下：
9.如权利要求1所述的用于室性并行心律识别的计算机可读存储介质，其特征在于：所述步骤5的详细内容是：对于待判定的子段，首先看室性异位搏动占比是否大于阈值k％，对大于阈值k％的数据进一步处理，当weight_sigma小于阈值max_Vclass_sigma则认为室性异位间期规则，进一步判断是否小于Sigma_NV，此时认为早搏的联律间期相比于室性异位间期不规则，若出现这种规律则判定为存在并行心律 。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810007416.4A CN108403106B (zh) | 2018-01-04 | 2018-01-04 | 一种室性并行心律的自动识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810007416.4A CN108403106B (zh) | 2018-01-04 | 2018-01-04 | 一种室性并行心律的自动识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108403106A CN108403106A (zh) | 2018-08-17 |
| CN108403106B true CN108403106B (zh) | 2021-03-16 |
Family
ID=63125691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810007416.4A Active CN108403106B (zh) | 2018-01-04 | 2018-01-04 | 一种室性并行心律的自动识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108403106B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109394206B (zh) * | 2018-11-14 | 2021-08-27 | 东南大学 | 基于穿戴式心电信号中早搏信号的实时监测方法及其装置 |
| CN109770893B (zh) * | 2019-03-08 | 2022-11-18 | 东南大学 | 一种Holter分析系统中快速定位房颤位置的方法以及装置 |
| CN109953754B (zh) * | 2019-03-08 | 2022-02-08 | 东南大学 | 一种室性并行心律快速识别的方法以及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN205683081U (zh) * | 2016-01-19 | 2016-11-16 | 张芳芳 | 一种心电散点图分析及教学装置 |
| CN106725420A (zh) * | 2015-11-18 | 2017-05-31 | 中国科学院苏州纳米技术与纳米仿生研究所 | 室性早搏识别方法及室性早搏识别系统 |
-
2018
- 2018-01-04 CN CN201810007416.4A patent/CN108403106B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106725420A (zh) * | 2015-11-18 | 2017-05-31 | 中国科学院苏州纳米技术与纳米仿生研究所 | 室性早搏识别方法及室性早搏识别系统 |
| CN205683081U (zh) * | 2016-01-19 | 2016-11-16 | 张芳芳 | 一种心电散点图分析及教学装置 |
Non-Patent Citations (1)
| Title |
|---|
| 利用时间RR间期散点图及逆向技术分析和诊断房性并行心律;汪学东;《中国心脏起搏与心电生理杂志》;20130207;第79-82页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108403106A (zh) | 2018-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7412282B2 (en) | Algorithms for detecting cardiac arrhythmia and methods and apparatuses utilizing the algorithms | |
| US8774908B2 (en) | Systems for detecting cardiac arrhythmias | |
| EP3157417B1 (en) | System and method for improved cardiac rhythm classification from time between heart beat intervals using non-linear dynamics | |
| JP4008662B2 (ja) | 頻拍事象の分類のためのシステム | |
| CN108403106B (zh) | 一种室性并行心律的自动识别方法 | |
| Eerikäinen et al. | Detecting atrial fibrillation and atrial flutter in daily life using photoplethysmography data | |
| de Chazal et al. | Automatic classification of ECG beats using waveform shape and heart beat interval features | |
| Sopic et al. | Real-time classification technique for early detection and prevention of myocardial infarction on wearable devices | |
| WO2012125225A1 (en) | Methods for ectopy rejection for atrial fibrillation detection based on ventricular cycle lengths | |
| Velic et al. | Computer aided ECG analysis—State of the art and upcoming challenges | |
| CN107693000A (zh) | 基于心电和脉搏信号融合的心率估计方法、装置和系统 | |
| Christov et al. | Multi-parametric analysis for atrial fibrillation classification in ECG | |
| Christov et al. | Ranking of the most reliable beat morphology and heart rate variability features for the detection of atrial fibrillation in short single-lead ECG | |
| Yang et al. | Heartbeat classification using discrete wavelet transform and kernel principal component analysis | |
| CN109893119A (zh) | 一种基于多导联聚类分析的p波识别定位方法 | |
| CN113499079A (zh) | 一种心电图中的房颤检测方法 | |
| de Lannoy et al. | Supervised ECG delineation using the wavelet transform and hidden Markov models | |
| CN108577832B (zh) | 一种用于房颤信号识别的计算机可读存储介质 | |
| Senapati et al. | Cardiac arrhythmia classification of ECG signal using morphology and heart beat rate | |
| Shukri et al. | Investigation on Elman neural network for detection of cardiomyopathy | |
| Mohamad et al. | Principal component analysis and arrhythmia recognition using elman neural network | |
| CN111528833B (zh) | 一种心电信号的快速识别与处理方法及系统 | |
| Castro et al. | Data quality assessment of capacitively-coupled ECG signals | |
| Gliner et al. | Identification of features for machine learning analysis for automatic arrhythmogenic event classification | |
| Ruiz et al. | Thorough assessment of a p-wave delineation algorithm through the use of diverse electrocardiographic databases |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 210096, No. four archway, Xuanwu District, Jiangsu, Nanjing 2 Patentee after: SOUTHEAST University Patentee after: Xiamen Nalong Health Technology Co.,Ltd. Address before: 210096, No. four archway, Xuanwu District, Jiangsu, Nanjing 2 Patentee before: SOUTHEAST University Patentee before: XIAMEN NALONG SCIENCE & TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 210096 No. 2, Four Brand Building, Xinjiekou Street, Xuanwu District, Nanjing City, Jiangsu Province Patentee after: SOUTHEAST University Patentee after: Nalong Health Technology Co.,Ltd. Address before: 210096, No. four archway, Xuanwu District, Jiangsu, Nanjing 2 Patentee before: SOUTHEAST University Patentee before: Xiamen Nalong Health Technology Co.,Ltd. |