CN109431491A - 一种用于心电监测的自动报告生成方法和系统 - Google Patents
一种用于心电监测的自动报告生成方法和系统 Download PDFInfo
- Publication number
- CN109431491A CN109431491A CN201811142363.3A CN201811142363A CN109431491A CN 109431491 A CN109431491 A CN 109431491A CN 201811142363 A CN201811142363 A CN 201811142363A CN 109431491 A CN109431491 A CN 109431491A
- Authority
- CN
- China
- Prior art keywords
- data
- report
- module
- heartbeat
- ecg
- 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
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
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)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明实施例涉及一种用于心电监测的自动报告生成方法和系统,所述方法包括：输入模块接收自动报告输出请求指令，确定请求者ID、报告对象ID和报告输出配置参数选择信息；调用处理模块根据报告对象ID从数据存储模块中获取报告对象的心电图数据；人工智能AI心电数据处理模块对报告对象的心电图数据进行AI心电图数据自动分析得到AI报告数据；调用处理模块获取报告对象的AI报告数据和报告对象的用户信息，并根据报告输出配置参数选择信息确定用户信息、AI报告数据和心电图数据的输出配置参数；报告生成模块将用户信息、AI报告数据和心电图数据以相应的输出配置参数加载到报告模板数据中，生成报告对象的报告数据，通过输出模块输出到报告输出设备。
Description
技术领域
本发明涉及人工智能数据分析的技术领域，尤其涉及一种用于心电监测的自动报告生成方法和系统。
背景技术
1908年Einthoven开始应用心电图(Electrocardiography，ECG)监测心脏的电生理活动，目前无创心电图检查已成为临床心血管领域针对心脏疾病诊断和筛查的重要方法之一。心电图检查根据临床使用情况，可以分成：静态心电图，动态心电图，和运动心电图等几大类。静态心电图采用Einthoven-Wilson-Goldberger发明的导联体系(标准导联体系)，记录8-30秒的心电图信号进行分析，对各种心律失常和传导阻滞的诊断分析具有肯定价值，是冠心病诊断中最早、最常用和最基本的诊断方法；动态心电图可连续记录24小时到多天的心电活动全过程，包括休息、活动、进餐、工作、学习和睡眠等不同情况下的心电图信息，能够发现常规心电图检查不易发现的非持续性心律失常，确定患者的心悸、头晕、昏厥等症状是否与心律失常有关，如极度心动过缓、心脏停搏、传导阻滞、室性心动过速等，提高对一过性心律失常及短暂的心肌缺血发作的检出率,是临床分析病情，确立诊断，判断疗效重要的客观依据。Holter于1957把动态心电图检查引进临床后，一般采用简化改进的标准导联体系(Mason-Likar体系)，测量的导联数量可以是12，6或者3导联，甚至单导联心贴片，极大地改进了动态心电图的实用性；运动心电图，是心电图的运动负荷试验，记录分析通过一定量的运动来增加心脏负荷而引起的心电图变化情况，它是目前冠心病临床评估常用的一种辅助手段。
虽然市场上大多数的心电图分析软件都可以对数据进行自动分析，但对于不同用户，比如不同医疗机构，对于自动分析的输出结果要求不同。现有报告数据的通用性很差，无法满足不同用户的定制化报告输出需求。
发明内容
本发明的目的是提供一种用于心电监测的自动报告生成方法和系统，能够采用模块化的设计将属性不同的数据进行模块化存储，在生成报告时，根据需要自定义进行模块化的数据调用，并自定义进行模块拼接得到报告数据。由此实现了数据的通用性，采用模块化的设计便于实现不同用户的定制化需求。
第一方面，本发明实施例提供了一种用于心电监测的自动报告生成方法，包括：
输入模块接收自动报告输出请求指令，根据所述自动报告输出请求指令确定请求者ID、报告对象ID和报告输出配置参数选择信息；
调用处理模块根据所述报告对象ID从数据存储模块中获取报告对象的心电图数据；
人工智能AI心电数据处理模块对所述报告对象的心电图数据进行AI心电图数据自动分析，得到AI报告数据，并将所述AI报告数据存储在所述数据存储模块中；
所述调用处理模块根据所述报告对象ID从所述数据存储模块中获取所述报告对象的AI报告数据，并获取所述报告对象的用户信息；
所述调用处理模块根据所述报告输出配置参数选择信息获取相应的报告模板数据，并根据所述报告输出配置参数选择信息确定所述用户信息、AI报告数据和所述心电图数据的输出配置参数；
报告生成模块将所述用户信息、AI报告数据和所述心电图数据以相应的输出配置参数加载到所述报告模板数据中，生成所述报告对象的报告数据；
输出模块根据所述请求者ID，将所述报告数据输出到所述请求者指定的报告输出设备。
优选的，所述方法还包括：建立报告模板库和报告模块库；
所述报告模板库包括多个报告模板数据；所述报告模板数据包括：报告界面数据和模块布局数据；
所述报告模块库包括对应不同模块属性的多个报告子模块库；每个报告子模块库中包括多个模块数据；所述模块数据包括：模块界面和数据内容。
进一步优选的，所述调用处理模块根据所述报告输出配置参数选择信息获取相应的报告模板数据具体为：
所述调用处理模块根据所述报告输出配置参数选择信息，根据不同模块属性在各报告子模板库中获取相应的模块数据；
根据获取到的不同模块属性的多个模块数据生成并存储为所述请求者自定义的报告模板数据。
优选的，所述人工智能AI心电数据处理模块对所述报告对象的心电图数据进行AI心电图数据自动分析，得到AI报告数据具体包括：
对所述心电图数据进行心搏检测处理，确定所述心电图数据包括的多个心搏数据；每个所述心搏数据对应一个心搏周期，其中包括相应的P波、QRS波群、T波的幅值和起止时间数据；
根据所述心电图数据包括的多个心搏数据提取各心搏的联律间期和代偿间歇的时间；
根据联律周期的时间和代偿间歇的时间为坐标构建时域象限，得到所述心电图数据包括的多个心搏数据在所述时域象限的位置坐标，并生成基于所述时域象限的心搏散点图像数据；
基于AI心搏分类模型对所述心搏散点图像数据进行识别，得到其中心搏类型同为第一心搏类型的第一心搏数据集合；所述第一心搏数据集合包括心搏类型为所述第一心搏类型的多个心搏数据；
确定所述时域象限中的所述第一心搏数据集合的中心数据区域；
在所述中心数据区域选取所需数量的第一心搏类型的心搏数据作为样本数据；
对每个样本数据进行心搏片断截取处理，得到心电图动态实时分析数据中第一心搏类型的AI报告数据。
优选的，所述人工智能AI心电数据处理模块对所述报告对象的心电图数据进行AI心电图数据自动分析，得到AI报告数据具体包括：
接收被监测者的心电图数据；
对所述心电图数据进行心搏检测处理，确定所述心电图数据包括的多个心搏数据；每个所述心搏数据对应一个心搏周期，其中包括相应的P波、QRS波群、T波的幅值和起止时间数据；
基于AI心电图自动分析算法对所述心电图数据进行心搏类型识别，确定出其中心搏类型为第二心搏类型的多个心搏数据；
以第二心搏类型的QRS波群起点为基准点建立基线；
以所述基准点和基线为基准，对所述第二心搏类型的多个心搏数据进行数据叠加处理，得到所述第二心搏类型的第一心搏数据集合；
确定所述第一心搏数据集合中，各心搏数据中特征点所在的中心数据区域；
在所述中心数据区域进行样本数据选取，得到所需数量的心搏数据作为样本数据；
对每个样本数据进行心搏片断截取处理，得到心电图动态实时分析数据中第二心搏类型的AI报告数据。
优选的，所述数据存储模块具体包括：用于结构化数据、半结构化数据和非结构化数据进行数据存储的系统。
优选的，在所述调用处理模块根据所述报告对象ID从数据存储模块中获取报告对象的心电图数据之前，所述方法还包括：
鉴权处理模块根据请求者ID和报告对象ID，对请求者进行鉴权处理，确定所述请求者是否具有查询报告对象的认证信息；
如果有，则调用处理模块根据所述报告对象ID从数据存储模块中获取报告对象的心电图数据；
如果没有，则所述鉴权处理模块获取预设返回信息，根据所述请求者ID发送给所述请求者的用户设备。
第二方面，本发明实施例提供了一种用于心电监测的自动报告生成系统，包括上述第一方面的自动报告生成方法中所述的：输入模块、调用处理模块、数据存储模块、AI心电数据处理模块、报告生成模块和输出模块。
优选的，所述系统还包括：鉴权处理模块。
优选的，所述调用处理模块具体包括：心电数据加载模块、AI报告数据加载模块、用户信息加载模块和报告模板加载模块。
本发明实施例提供一种用于心电监测的自动报告生成方法，能够采用模块化的设计对不同属性的数据进行模块化存储，在生成报告时，根据需要自定义进行模块化的数据调用，并自定义进行模块拼接得到报告数据。由此实现了数据的通用性，采用模块化的设计便于实现不同用户的定制化需求。
附图说明
图1为本发明实施例提供的用于心电监测的自动报告生成方法流程图；
图2为本发明实施例提供的报告样本示意图；
图3为本发明实施例提供的用于心电监测的自动报告生成系统结构图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
本发明实施例提供了一种用于心电监测的自动报告生成方法，采用模块化的设计对不同属性的数据进行模块化存储，在生成报告时，根据需要自定义进行模块化的数据调用，并自定义进行模块拼接即可得到报告数据用于生成报告。
本发明的自动报告生成方法，主要如图1所示的过程，包括如下步骤：
步骤110，输入模块接收自动报告输出请求指令，根据自动报告输出请求指令确定请求者ID、报告对象ID和报告输出配置参数选择信息；
具体的，自动报告生成系统的输入模块可以是指能够与请求者的用户设备等通过有线或无线方式连接的数据接收模块，或者是面向请求者提供人机交互的硬件装置/人机交互界面以及数据接收模块。
请求者在这里是指请求生成报告的用户，在实际应用中，其身份可以是医护人员，或者也可能是被检查者或其监护人等。
自动报告输出请求指令是用于请求输出心电监测报告的指令，其中至少包括有发起请求的请求者ID、被监测者的报告对象ID，以及报告输出配置参数选择信息。
请求者ID可以是在请求者发出自动报告输出请求指令之前进行用户登陆时候输入的，在发出自动报告输出请求指令时自动携带该信息。报告对象ID是请求者输入的，即被查询的心电监测报告的被监测者的ID。报告输出配置参数选择信息是指报告输出的输出要求，比如包括要求哪些数据，以什么样的格式和结构生成报告。在具体的应用中，报告输出配置参数选择信息的输入可以是通过报告模板编号选择、模块化的参数设定输入或可视化的报告模块拖拽操作等方式来实现。
在得到请求者ID和报告对象ID之后，优选的，会根据请求者ID和报告对象ID进行对请求者的查询权限认定。
具体可以由自动报告生成系统的鉴权处理模块根据请求者ID和报告对象ID，对请求者进行鉴权处理，确定请求者是否具有查询报告对象的认证信息；如果有，则按照下述流程处理；如果没有，则鉴权处理模块获取预设返回信息，根据请求者ID发送给请求者的用户设备。
在这里，用户设备是指请求者发出自动报告输出请求指令的设备，具体可以为台式机、笔记本电脑、智能手机或其它专用定制设备。用户通过用户设备发起自动报告输出请求指令，被输入模块接收，然后通过鉴权处理确定用户是否具有相应的查询请求权限，如果有，按照流程执行输出报告，如没有，返回信息告知用户。
步骤120，调用处理模块根据报告对象ID从数据存储模块中获取报告对象的心电图数据；
具体，在每个被监测者的心电监测完成后，其监测过程获得的心电图数据都会存储到数据存储模块中，相应的心电图数据会具有被监测者ID以及监测时间的信息。
调用处理模块根据报告对象ID去匹配数据存储模块中心电图数据的被监测者ID，以获取报告对象的心电图数据。
对于匹配得到的一个或多个该被监测者的心电图数据，可以通过列表方式按照监测时间信息进行输出显示，用以请求者选择其中一个进行自动报告生成。
例如患者A在2018年6月13日进行了一次24小时的动态心电监测，在2018年8月27日进行了另一次24小时的动态心电监测，那么在匹配心电图数据的时候就会获得两个数据，可以选择其中一个。
步骤130，人工智能(AI)心电数据处理模块对报告对象的心电图数据进行AI心电图数据自动分析，得到AI报告数据，并将AI报告数据存储在数据存储模块中；
具体的，这一步骤可以是离线的或者在线的。即离线方式是指在数据存储模块接收到心电图数据的存储之后，就自动触发AI心电数据处理模块进行AI自动分析，得到AI报告数据存入数据存储模块中待用；在线方式是指，在心电图数据被调用的时候，才启动AI自动分析生成AI报告数据。
AI心电数据处理模块以基于卷积神经网络(CNN)和循环神经网络(RNN)等AI技术的深度学习算法来实现，分别对心电图干扰信号、心律失常事件、心脏激动、传导阻滞、心房心室肥大、心肌梗死等不同情况对应的心电图波群数据进行了广泛精准的训练学习，通过将P-QRS-T波作为一个完整波群进行分析，从而能够准确的识别出实时心电图数据中的异常数据，并能进行自动的片段截取、数据统计，并能够对得到的信息/数据/片段/统计数据等自动进行属性标注。例如将动态心电监测的起止时间标注为时间属性，将统计得到的平均心率、总心搏等标注为心率数据属性。
因此通过AI心电图数据自动分析，能够得到AI报告数据。当然，每一个AI报告数据都有对应的报告对象ID。
为了便于理解，下面以生成心电图动态实时分析数据中典型数据的处理过程对AI报告数据的生成进行说明。
一个例子中，针对房性早搏和室性早搏进行典型数据识别，将识别出的数据作为AI报告数据。
通过对心电图数据进行心搏检测处理，确定心电图数据包括的多个心搏数据；每个心搏数据对应一个心搏周期，其中包括相应的P波、QRS波群、T波的幅值和起止时间数据；根据心电图数据包括的多个心搏数据提取各心搏的联律间期和代偿间歇的时间；根据联律周期的时间和代偿间歇的时间为坐标构建时域象限，得到心电图数据包括的多个心搏数据在时域象限的位置坐标，并生成基于时域象限的心搏散点图像数据；基于AI心搏分类模型对心搏散点图像数据进行识别，得到其中心搏类型同为房性早搏或室性早搏的第一心搏数据集合；确定时域象限中的第一心搏数据集合的中心数据区域；在中心数据区域选取所需数量的该类型得心搏数据作为样本数据；对每个样本数据进行心搏片断截取处理，得到心电图动态实时分析数据中第一心搏类型的AI报告数据。
另一个例子中，针对室性心搏进行典型数据识别，将识别出的数据作为AI报告数据。
通过对心电图数据进行心搏检测处理，确定心电图数据包括的多个心搏数据；每个心搏数据对应一个心搏周期，其中包括相应的P波、QRS波群、T波的幅值和起止时间数据；基于AI心电图自动分析算法对心电图数据进行心搏类型识别，确定出其中心搏类型为室性心搏的多个心搏数据；以室性心搏的QRS波群起点为基准点建立基线；以所述基准点和基线为基准，对室性心搏的多个心搏数据进行数据叠加处理，得到室性心搏的第一心搏数据集合；确定第一心搏数据集合中，各心搏数据中特征点所在的中心数据区域；在中心数据区域进行样本数据选取，得到所需数量的心搏数据作为样本数据；对每个样本数据进行心搏片断截取处理，得到心电图动态实时分析数据中室性心搏的AI报告数据。
通过上述例子，可以看到对于不同AI报告数据，生成方式是不同的。但都可以通过AI心电数据处理模块进行AI处理得到。
步骤140，调用处理模块根据报告对象ID从数据存储模块中获取报告对象的AI报告数据，并获取报告对象的用户信息；
具体的，调用处理模块能够根据报告对象ID，获取所需的报告对象的AI报告数据。
数据存储模块中还记录有被监测者的信息，例如包括用户姓名、性别、年龄，还可以包括身高、体重、住院号、病床号、联系方式等，通过报告对象ID进行匹配查询，从而得到相应的被监测者的信息作为报告对象的用户信息。
步骤150，调用处理模块根据报告输出配置参数选择信息获取相应的报告模板数据，并根据报告输出配置参数选择信息确定用户信息、AI报告数据和心电图数据的输出配置参数；
具体的，调用处理模块可以根据之前接收到的报告输出配置参数选择信息获取相应的报告模板数据。
自动报告生成系统中包括有报告模板库和报告模块库，都是预先建立的。
报告模板库包括有多个报告模板数据；报告模板数据包括报告界面数据和模块布局数据；报告界面数据用于确定报告模板的界面样式，模块布局数据用于报告模板所用的报告模块以及各个模块在报告模板中的排布位置。
报告模块库包括对应不同模块属性的多个报告子模块库；这个属性与AI心电图数据自动分析中进行数据属性标注的属性是一致的。也就是说，对于统一属性的数据，由一个报告子模块库管理其模块数据。
每个报告子模块库中包括多个模块数据；模块数据包括模块界面和数据内容。模块界面用于确定模块的界面样式，例如该模块的输出字体、字号、颜色、模块中既定内容的文字/图像信息、边框尺寸等等。其中既定内容的文字/图像信息，例如：在属性标注为时间属性的模块数据中，既定内容的文字信息可以包括：“分析时间自到共小时分钟”。
可以这样理解，报告模板数据是按照模块布局数据选择相应的多个模块数据进行布局并按照报告界面数据进行显示的。用户可以根据自己的需要选取相应的模块数据并设定布局和显示数据用来生成自定义的报告模板。
步骤160，报告生成模块将用户信息、AI报告数据和心电图数据以相应的输出配置参数加载到所述报告模板数据中，生成报告对象的报告数据；
步骤170，输出模块根据请求者ID，将报告数据输出到请求者指定的报告输出设备。
在一个具体的例子中，报告数据的部分数据可以如图2所示的格式输出。
本发明实施例提供一种用于心电监测的自动报告生成方法，能够采用模块化的设计对不同属性的数据进行模块化存储，在生成报告时，根据需要自定义进行模块化的数据调用，并自定义进行模块拼接得到报告数据。由此实现了数据的通用性，采用模块化的设计便于实现不同用户的定制化需求。
相应的，本发明实施例还提供了用以实现上述自动报告生成方法的系统，该系统可以运行于云端服务器或心电监测设备本地连接的服务器以及心电监测设备集成的处理器中。
图3为该系统的系统框图，包括：输入模块1、调用处理模块2、数据存储模块3、AI心电数据处理模块4、报告生成模块5和输出模块6。优选的还包括：鉴权处理模块7。
调用处理模块2可以具体包括：
心电数据加载模块，用于从数据存储模块中加载心电图数据；
AI报告数据加载模块，用于从数据存储模块中加载AI报告数据；
用户信息加载模块，用于从数据存储模块中加载用户信息；
报告模板加载模块，用于从报告模板库中加载报告模板数据。
其中报告模板库和报告模块库可以存储于云端。
以上各个模块间的具体交互过程已经在前述实施例中进行了说明，此处不再赘述。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于心电监测的自动报告生成方法，其特征在于，所述方法包括：
输入模块接收自动报告输出请求指令，根据所述自动报告输出请求指令确定请求者ID、报告对象ID和报告输出配置参数选择信息；
调用处理模块根据所述报告对象ID从数据存储模块中获取报告对象的心电图数据；
人工智能AI心电数据处理模块对所述报告对象的心电图数据进行AI心电图数据自动分析，得到AI报告数据，并将所述AI报告数据存储在所述数据存储模块中；
所述调用处理模块根据所述报告对象ID从所述数据存储模块中获取所述报告对象的AI报告数据，并获取所述报告对象的用户信息；
所述调用处理模块根据所述报告输出配置参数选择信息获取相应的报告模板数据，并根据所述报告输出配置参数选择信息确定所述用户信息、AI报告数据和所述心电图数据的输出配置参数；
报告生成模块将所述用户信息、AI报告数据和所述心电图数据以相应的输出配置参数加载到所述报告模板数据中，生成所述报告对象的报告数据；
输出模块根据所述请求者ID，将所述报告数据输出到所述请求者指定的报告输出设备。
2.根据权利要求1所述的用于心电监测的自动报告生成方法，其特征在于，所述方法还包括：建立报告模板库和报告模块库；
所述报告模板库包括多个报告模板数据；所述报告模板数据包括：报告界面数据和模块布局数据；
所述报告模块库包括对应不同模块属性的多个报告子模块库；每个报告子模块库中包括多个模块数据；所述模块数据包括：模块界面和数据内容。
3.根据权利要求2所述的用于心电监测的自动报告生成方法，其特征在于，所述调用处理模块根据所述报告输出配置参数选择信息获取相应的报告模板数据具体为：
所述调用处理模块根据所述报告输出配置参数选择信息，根据不同模块属性在各报告子模板库中获取相应的模块数据；
根据获取到的不同模块属性的多个模块数据生成并存储为所述请求者自定义的报告模板数据。
4.根据权利要求1所述的用于心电监测的自动报告生成方法，其特征在于，所述人工智能AI心电数据处理模块对所述报告对象的心电图数据进行AI心电图数据自动分析，得到AI报告数据具体包括：
对所述心电图数据进行心搏检测处理，确定所述心电图数据包括的多个心搏数据；每个所述心搏数据对应一个心搏周期，其中包括相应的P波、QRS波群、T波的幅值和起止时间数据；
根据所述心电图数据包括的多个心搏数据提取各心搏的联律间期和代偿间歇的时间；
根据联律周期的时间和代偿间歇的时间为坐标构建时域象限，得到所述心电图数据包括的多个心搏数据在所述时域象限的位置坐标，并生成基于所述时域象限的心搏散点图像数据；
基于AI心搏分类模型对所述心搏散点图像数据进行识别，得到其中心搏类型同为第一心搏类型的第一心搏数据集合；所述第一心搏数据集合包括心搏类型为所述第一心搏类型的多个心搏数据；
确定所述时域象限中的所述第一心搏数据集合的中心数据区域；
在所述中心数据区域选取所需数量的第一心搏类型的心搏数据作为样本数据；
对每个样本数据进行心搏片断截取处理，得到心电图动态实时分析数据中第一心搏类型的AI报告数据。
5.根据权利要求1所述的用于心电监测的自动报告生成方法，其特征在于，所述人工智能AI心电数据处理模块对所述报告对象的心电图数据进行AI心电图数据自动分析，得到AI报告数据具体包括：
接收被监测者的心电图数据；
对所述心电图数据进行心搏检测处理，确定所述心电图数据包括的多个心搏数据；每个所述心搏数据对应一个心搏周期，其中包括相应的P波、QRS波群、T波的幅值和起止时间数据；
基于AI心电图自动分析算法对所述心电图数据进行心搏类型识别，确定出其中心搏类型为第二心搏类型的多个心搏数据；
以第二心搏类型的QRS波群起点为基准点建立基线；
以所述基准点和基线为基准，对所述第二心搏类型的多个心搏数据进行数据叠加处理，得到所述第二心搏类型的第一心搏数据集合；
确定所述第一心搏数据集合中，各心搏数据中特征点所在的中心数据区域；
在所述中心数据区域进行样本数据选取，得到所需数量的心搏数据作为样本数据；
对每个样本数据进行心搏片断截取处理，得到心电图动态实时分析数据中第二心搏类型的AI报告数据。
6.根据权利要求1所述的用于心电监测的自动报告生成方法，其特征在于，所述数据存储模块具体包括：用于结构化数据、半结构化数据和非结构化数据进行数据存储的系统。
7.根据权利要求1所述的用于心电监测的自动报告生成方法，其特征在于，在所述调用处理模块根据所述报告对象ID从数据存储模块中获取报告对象的心电图数据之前，所述方法还包括：
鉴权处理模块根据请求者ID和报告对象ID，对请求者进行鉴权处理，确定所述请求者是否具有查询报告对象的认证信息；
如果有，则调用处理模块根据所述报告对象ID从数据存储模块中获取报告对象的心电图数据；
如果没有，则所述鉴权处理模块获取预设返回信息，根据所述请求者ID发送给所述请求者的用户设备。
8.一种用于心电监测的自动报告生成系统，其特征在于，所述系统包括上述权利要求1-7任一自动报告生成方法中所述的：输入模块、调用处理模块、数据存储模块、AI心电数据处理模块、报告生成模块和输出模块。
9.根据权利要求8所述的用于心电监测的自动报告生成系统，其特征在于，所述系统还包括：鉴权处理模块。
10.根据权利要求8所述的用于心电监测的自动报告生成系统，其特征在于，所述调用处理模块具体包括：心电数据加载模块、AI报告数据加载模块、用户信息加载模块和报告模板加载模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811142363.3A CN109431491A (zh) | 2018-09-28 | 2018-09-28 | 一种用于心电监测的自动报告生成方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811142363.3A CN109431491A (zh) | 2018-09-28 | 2018-09-28 | 一种用于心电监测的自动报告生成方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109431491A true CN109431491A (zh) | 2019-03-08 |
Family
ID=65544745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811142363.3A Pending CN109431491A (zh) | 2018-09-28 | 2018-09-28 | 一种用于心电监测的自动报告生成方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109431491A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110070930A (zh) * | 2019-03-12 | 2019-07-30 | 中山大学中山眼科中心 | 一种人工智能眼病筛查服务方法和系统 |
| CN110448295A (zh) * | 2019-07-05 | 2019-11-15 | 深圳邦健生物医疗设备股份有限公司 | 心电波形编辑显示方法、装置和计算机设备 |
| CN111176589A (zh) * | 2019-12-23 | 2020-05-19 | 乐普（北京）医疗器械股份有限公司 | 一种心电数据打印方法 |
| CN111317464A (zh) * | 2020-02-13 | 2020-06-23 | 中国科学院自动化研究所 | 心电图分析方法和装置 |
| CN112379851A (zh) * | 2020-11-13 | 2021-02-19 | 上海优加利健康管理有限公司 | 一种打印心电检测报告的方法 |
| WO2024001010A1 (zh) * | 2022-07-01 | 2024-01-04 | 上海术木医疗科技有限公司 | 一种机械通气治疗数据管理方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101002207A (zh) * | 2004-06-04 | 2007-07-18 | 爱克发公司 | 进行结构化医学报告的一般方法 |
| CN101057781A (zh) * | 2006-04-17 | 2007-10-24 | 通用电气公司 | 用于分析和编辑ecg形态和时间序列的方法和设备 |
| JP2008279127A (ja) * | 2007-05-11 | 2008-11-20 | Terumo Corp | 拍動ゆらぎ測定装置およびその情報処理方法 |
| US20170055870A1 (en) * | 2015-08-25 | 2017-03-02 | Spaulding Medical, LLC | Simplified ECG Acquisition, Transmission And Sharing System |
| WO2017097858A1 (en) * | 2015-12-07 | 2017-06-15 | Smart Solutions Technologies, S.L. | Atrial fibrillation detection system and methods of use |
| CN107865655A (zh) * | 2017-09-19 | 2018-04-03 | 深圳星康医疗科技有限公司 | 心电波形图显示方法和装置 |
| CN108416277A (zh) * | 2018-02-11 | 2018-08-17 | 广州市碳码科技有限责任公司 | 一种心电监测方法、装置、终端及计算机可读存储介质 |
-
2018
- 2018-09-28 CN CN201811142363.3A patent/CN109431491A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101002207A (zh) * | 2004-06-04 | 2007-07-18 | 爱克发公司 | 进行结构化医学报告的一般方法 |
| CN101057781A (zh) * | 2006-04-17 | 2007-10-24 | 通用电气公司 | 用于分析和编辑ecg形态和时间序列的方法和设备 |
| JP2008279127A (ja) * | 2007-05-11 | 2008-11-20 | Terumo Corp | 拍動ゆらぎ測定装置およびその情報処理方法 |
| US20170055870A1 (en) * | 2015-08-25 | 2017-03-02 | Spaulding Medical, LLC | Simplified ECG Acquisition, Transmission And Sharing System |
| WO2017097858A1 (en) * | 2015-12-07 | 2017-06-15 | Smart Solutions Technologies, S.L. | Atrial fibrillation detection system and methods of use |
| CN107865655A (zh) * | 2017-09-19 | 2018-04-03 | 深圳星康医疗科技有限公司 | 心电波形图显示方法和装置 |
| CN108416277A (zh) * | 2018-02-11 | 2018-08-17 | 广州市碳码科技有限责任公司 | 一种心电监测方法、装置、终端及计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 魏华卓: "同步12导联心电图综合分析软件的设计与实现", 《清华大学硕士学位论文》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110070930A (zh) * | 2019-03-12 | 2019-07-30 | 中山大学中山眼科中心 | 一种人工智能眼病筛查服务方法和系统 |
| CN110448295A (zh) * | 2019-07-05 | 2019-11-15 | 深圳邦健生物医疗设备股份有限公司 | 心电波形编辑显示方法、装置和计算机设备 |
| CN110448295B (zh) * | 2019-07-05 | 2022-05-24 | 深圳邦健生物医疗设备股份有限公司 | 心电波形编辑显示方法、装置和计算机设备 |
| CN111176589A (zh) * | 2019-12-23 | 2020-05-19 | 乐普（北京）医疗器械股份有限公司 | 一种心电数据打印方法 |
| CN111176589B (zh) * | 2019-12-23 | 2023-04-07 | 上海乐普云智科技股份有限公司 | 一种心电数据打印方法 |
| CN111317464A (zh) * | 2020-02-13 | 2020-06-23 | 中国科学院自动化研究所 | 心电图分析方法和装置 |
| CN112379851A (zh) * | 2020-11-13 | 2021-02-19 | 上海优加利健康管理有限公司 | 一种打印心电检测报告的方法 |
| CN112379851B (zh) * | 2020-11-13 | 2022-10-25 | 上海乐普云智科技股份有限公司 | 一种打印心电检测报告的方法 |
| WO2024001010A1 (zh) * | 2022-07-01 | 2024-01-04 | 上海术木医疗科技有限公司 | 一种机械通气治疗数据管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109431491A (zh) | 一种用于心电监测的自动报告生成方法和系统 | |
| US11517212B2 (en) | Electrocardiogram information dynamic monitoring method and dynamic monitoring system | |
| Liu et al. | An open access database for evaluating the algorithms of electrocardiogram rhythm and morphology abnormality detection | |
| CN109411041B (zh) | 心电信息处理方法和心电工作站系统 | |
| CN109411042B (zh) | 心电信息处理方法和心电工作站 | |
| JPS63279823A (ja) | 生物電気信号の検出処理装置と方法 | |
| Stracina et al. | Golden standard or obsolete method? Review of ECG applications in clinical and experimental context | |
| CN110495872A (zh) | 基于图片及心搏信息的心电分析方法、装置、设备及介质 | |
| US10395770B2 (en) | Systems and methods for monitoring a patient | |
| CN108523879A (zh) | 一种心电图检测系统及检测方法 | |
| Vardas et al. | The electrocardiogram endeavour: from the Holter single-lead recordings to multilead wearable devices supported by computational machine learning algorithms | |
| CN106859673A (zh) | 一种基于睡眠脑电的抑郁症风险筛查系统 | |
| Aggoune et al. | ECG data visualization: Combining the power of Grafana and InfluxDB | |
| Hernández et al. | Model-based interpretation of cardiac beats by evolutionary algorithms: signal and model interaction | |
| Dhananjay et al. | Cardiac signals classification based on Extra Trees model | |
| Tomsits et al. | Analyzing long-term electrocardiography recordings to detect arrhythmias in mice | |
| Das et al. | Interpretation of EKG with image recognition and convolutional neural networks | |
| CN109069046A (zh) | Ecg训练和技能提高 | |
| Yao et al. | Arrhythmia classification from single lead ecg by multi-scale convolutional neural networks | |
| BENHAMIDA et al. | Effective ECG data conversion solution to solve ECG data interoperability problems | |
| Stoyanov | Web-Based Software Tool for Electrocardiogram Annotation | |
| Gaigawali et al. | Cloud based ECG monitoring and fibrillation detection for healthcare system | |
| Patel et al. | Development Of Methodology for Precise Diagnosis of Ecg By Artificial Intelligent | |
| Tarnowski et al. | A system for synchronous acquisition of selected physiological signals aimed at emotion recognition | |
| Queiroz et al. | Machine Learning-Based Application for Long-Term Electrocardiogram Analysis |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 201612 16 / F, block a, no.668, Xinzhuan Road, Songjiang District, Shanghai Applicant after: Shanghai Lepu Yunzhi Technology Co.,Ltd. Address before: 201612 16 / F, block a, no.668, Xinzhuan Road, Songjiang District, Shanghai Applicant before: SHANGHAI YOCALY HEALTH MANAGEMENT Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |