CN109922725A - 计算机实现的心电图数据处理方法 - Google Patents

计算机实现的心电图数据处理方法 Download PDF

Info

Publication number
CN109922725A
CN109922725A CN201780068050.5A CN201780068050A CN109922725A CN 109922725 A CN109922725 A CN 109922725A CN 201780068050 A CN201780068050 A CN 201780068050A CN 109922725 A CN109922725 A CN 109922725A
Authority
CN
China
Prior art keywords
ecg data
time
heartbeat
peak
coordinate
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
CN201780068050.5A
Other languages
English (en)
Other versions
CN109922725B (zh
Inventor
皮埃尔·费克图
日尔曼·埃蒂尔
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.)
Eisentia Co Ltd
Original Assignee
Eisentia 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 Eisentia Co Ltd filed Critical Eisentia Co Ltd
Priority to CN202210249427.XA priority Critical patent/CN114626416A/zh
Publication of CN109922725A publication Critical patent/CN109922725A/zh
Application granted granted Critical
Publication of CN109922725B publication Critical patent/CN109922725B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • 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]
    • A61B5/333—Recording apparatus specially adapted therefor
    • A61B5/335—Recording apparatus specially adapted therefor using integrated circuit memory devices
    • 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]
    • A61B5/339—Displays specially adapted therefor
    • 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
    • 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
    • A61B5/24—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
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • 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
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • 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
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A61B5/748—Selection of a region of interest, e.g. using a graphics tablet
    • A61B5/7485—Automatic selection of region of interest
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/1032—Determining colour 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
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor

Abstract

本说明书描述了一种在显示屏幕上以压缩方式可视化地显示心电图数据的方法，其中节律信息是可见的，以及一种对心电图数据的区间进行分类的方法。

Description

计算机实现的心电图数据处理方法
背景技术
心电图(Electrocardiography，ECG)是记录心脏在一段时间内的电活动的过程，其通常是通过将电极施用在患者的皮肤上来完成的。计算机化的心电描记法产生心电图数据，该心电图数据具有随时间变化的被记录的电活动的幅值。心电图数据可以包括与每个幅值相关联的绝对时间值。可选的，时间参考可以是隐式的。例如，如果连续的多个幅值之间所经历的时间是恒定的，并且是已知的，则可能没有必要为了能够重建和显示心电图而为每个幅值均存储绝对时间值。
几十年来，心电图一直以二维图形的形式直接打印在纸张上，该二维图形具有沿Y轴绘制的幅度和沿X轴绘制的时间。图1A展示了用这种方法呈现的心电图的给定时间段，其中包括第一心跳10，和第二心跳10'的起始。正常心跳的连续序列被称为正常窦性心律，其具有可识别的参考特征。这些可识别特征的准确表达可能因心跳的不同而有很大的差异，也可能因人的不同而不同，还可能取决于记录方法，但它们通常都会以一种或另一种形式出现。这些可识别的特征包括本领域中称为P峰、Q峰、R峰、S峰和T峰的“峰”。
在正常静息心率通常在每分钟60到100次之间的情况下，从图1A中可以理解，跨越任何大量时间的心电图都可能需要耗费大量的纸张。
近年来，将心电图数据存储在计算机的可读存储介质中，并将心电图数据显示在计算机显示屏幕上而不是打印在纸上已变得越来越普遍。通常，在任何给定时间只显示心电图数据的相对较小的一部分，且用户可以通过提供输入来导航心电图数据，这些输入可用作改变心电图数据的显示部分的命令。
存在着在显示屏幕上同时显示更长时间段的心电图数据的需求，例如几分钟的心电图数据。近年来发表的一种显示心电图数据的新方法在一定程度上满足了这一需求。这种新方法涉及通过使用颜色尺度而不是使用二维图形的Y轴来绘制幅值以压缩所显示的数据。从而心电图数据的显示可以压缩到单轴。此外，自动识别心电图数据中的单次心跳的算法已被开发出来。因此，可以显示相应心跳的单轴图形。通过横向定位单轴图形并将它们并排显示，可以在显示屏幕上同时显示大量的心跳。
虽然之前的技术在一定程度上是令人满意的，但是在显示、导航、标注以及使用计算机处理心电图数据方面仍有改进的空间。
发明内容
在一个方面，提供了一种在计算机显示屏幕上显示心电图数据的方法，所述心电图数据具有随着时间变化的幅值集合，且表示连续心跳，所述方法包括：计算机在显示屏幕上的细长的矩形部分内显示心电图数据，其中多个单轴图形相对于矩形部分的长度横向延伸，并沿着所述矩形部分的长度彼此紧邻地定位，序列中的每个图形表示相应的、连续的、一段时间的心电图数据，所述心电图数据的幅值作为颜色幅度尺度和/或色调幅度尺度的函数以相应的颜色或色调显示，相应时间值沿单轴绘制，其中，多个图形中的相应图形表示的各次心跳具有以所述矩形部分的共同横向参考坐标横向地对齐的共同对齐参考特征，并在共同节律参考特征处结束，各个所述图形的末端的横向位置作为心跳节律的函数而因图形相异；以及计算机以与所述图形的颜色尺度和/或色调尺度形成对比的方式，进一步显示在所述图形的末端和所述矩形部分的相应边缘之间横向延伸的剩余区域。
在另一方面相应地，提供了一种计算机实现的心电图数据处理方法，所述方法包括：计算机在显示屏幕上显示心电图数据，所显示的心电图数据具有多个随着时间变化的幅值，且表示连续心跳；计算机对心电图数据的区间进行分类，包括：接收第一用户输入，并根据所述第一用户输入识别心电图数据的第一时间坐标；接收第二用户输入，并根据第二用户输入识别心电图数据的第二时间坐标；将心电图数据的区间定义为在第一时间坐标与第二时间坐标之间延伸；接收第三用户输入，并基于所述第三用户输入将类别关联至已定义的区间。
在阅读本发明之后，对于本领域技术人员而言关于本发明改进的许多进一步的特征及其组合将会是显而易见的。
可以理解，此处使用的“计算机”一词不应以限制性的方式进行解释。在广义上，它通常是指某种形式的一个或多个处理单元与某种形式的处理单元可访问的内存系统的组合。计算机可以是个人电脑、智能手机、平板电脑、家用电脑等。
可以理解，计算机的各种功能，或者更具体地说，处理单元或内存控制器的各种功能，可以由硬件、软件或两者的组合来执行。例如，硬件可以包括作为处理器硅芯片的一部分的逻辑门。软件可以是数据的形式，例如存储在内存系统中的计算机可读指令。对于计算机、处理单元、内存控制器或处理器芯片，“配置为”一词涉及硬件、软件的存在，或可运行以执行相关功能的硬件和软件的组合。
附图说明
在这些图中：
图1A为表示心电图数据的二维图形的一部分，该心电图数据的时间坐标绘制在X轴上，相应的幅度坐标绘制在Y轴上；
图1B为表示心电图数据的一维(单轴)图形的示例，该图形用颜色尺度和/或色调尺度代替图1B的Y轴，该单轴图形的宽度被放大以便说明；
图2为根据一实施例的显示屏幕的矩形部分，其中如图1A所示的多个单轴图形连续地并排放置；
图3示出了应用于显示屏幕的若干叠加行上的图2的图形表示的示例；
图4示出了应用于显示屏幕的上部的图2的图形表示的示例；
图5示出了作为心房颤动的区间分类的示例；以及
图6示出了被自动分类为噪声的几个区间，其中一个噪声区间被选中。
具体实施方式
参照图2，示出了在显示屏幕的矩形部分12上的图形表示的心电图数据的示例。在本实施例中，各个单轴图形14沿着矩形部分12的长度16彼此相邻地显示。各个单轴图形14横向于矩形部分12的长度16地对齐，每个图形用颜色尺度和/或色调尺度表示多个幅值，以及作为沿单轴的空间坐标的相关时间值。显示屏幕的矩形部分12通常超过单个图形的持续时间，并且剩余区域18以与图形14中使用的颜色尺度和/或色调尺度在视觉上形成对比的方式，在图形14的末端20与矩形部分12的相应边缘22之间横向延伸。如下面将详细介绍的，该剩余区域18，结合以图形表示心电图数据的各个心跳的方法，允许向技术人员在显示给定心跳的幅值之余还显示节律(心跳频率)信息。准确的颜色尺度和/或色调尺度可以根据特定应用进行选择，也可以替代性地由用户进行调整。研究发现，至少在某些实施例中，颜色尺度和/或色调尺度在T波的厚度区间24具有差异是有利的。显示的心电图数据可以通过任何合适的方式预先获得，包括使用固定的心电描记法记录设备，以及可穿戴的心电描记法记录设备，例如传统的Holter监测器以及更近期的技术例如Icentia公司生产的设备。在显示心电图数据之前可以对心电图数据进行预处理，例如心跳的自动识别。当可穿戴式监测器例如设备被设计用于记录较长时间(例如超过几分钟、通常超过几个小时、最好是几天或更长时间)的心电图数据时，可能会带来特别的挑战。如此大量的结果数据不能用传统的方式处理。如下面将看到的，利用计算机可以提供软件以允许处理如此大量的数据，并允许用户以相对较大的时间增量(比如几分钟甚至几小时)在数据之间快速导航。
在阐述的实施例中，心跳自动识别是基于一篇由P.Kathirvel等于2011年10月12日在线发表于《Cardiovascular Engineering and Technology》第2卷，第4号，2011年12月，第408-425页，名为“An Efficient R-Peak Detection Based on New NonlinearTransformation and First-Order Gaussian Differentiator”的QRS波群检测算法实现的。该QRS波群检测算法一般包括如下步骤：
·对ECG信号进行带通滤波，介于0.5～40Hz之间；
·非线性变换，包括将每个样本取2的幂，同时保留其符号；
·使用回归低通滤波器估计幅值；
·增加由幅值估计缩放的高频分量；
·确定过零事件数量；以及
·通过对过零事件应用阈值来检测R峰。
参照图1B，示出了表示具有正常窦性心律的心电图数据中部分的单个单轴图形26。图1B所示的单个单轴图形26的宽度28被放大以便说明。在实践中，有尽可能缩减其宽度28的动机，理想情况为缩减至单个像素，并将各个图形彼此紧邻地定位为如图2所示的图形表示，如此可以允许将更多的数据压缩进显示屏幕的矩形部分12的区域内。在实践中，仍然可能需要使用多于一个像素来表示各个图形的宽度28。在另一方面，可以跳过一些图形来进一步压缩数据，而不显示所有的心跳。例如，对于每组给定数量的相邻心跳只显示一个图形，例如每三次显示一个，或每五次显示一个。在本实施例中，跨越单轴的时间坐标从图形26的上部30延伸到图形26的下部32。在本实施例中可以看出，图形26不仅包括对应于相应心跳10(从图形的上部延伸至图形的下部的第一P峰、Q峰、R峰、S峰和T峰)的心电图数据，还进一步延伸至共同节律参考特征34。
节律参考特征34可以因不同实施例而各异，但对于如图2所示的彼此相邻地同时显示的多个图形14的给定实例来说，这些图形14的节律参考特征34一般是相同(共同)的，以直观的方式向用户显示节律信息。例如，共同节律参考特征34可以与下一次心跳的Q峰、R峰或S峰相关联。共同节律参考特征34可以通过算法由计算机自动识别，如下面将阐述的。在图1B所示的实施例中，选择共同节律参考特征34作为下一次心跳10'的R峰的起始。相应地，可以将图形26看作沿着下一次心跳10′的P峰和Q峰进一步延伸，进而将对应的心跳10的T峰与下一次心跳10′的P峰之间的停顿36的持续时间包括进来。相应地，单轴图形26在共同节律参考特征34处结束，图形26的长度38可以例如根据心跳速率和停顿36的持续时间而变化。
为了构建图2所示的图形表示，各个心跳的另一个共同参考特征被检测到，并被用于将图形14彼此横向对齐。该后一种共同参考特征将被称为共同对齐参考特征40。共同对齐参考特征40可以因不同实施例而各异，但对于彼此相邻地同时显示的多个图形14的给定实例来说，这些图形14的共同对齐参考特征40一般是相同(共同)的，且可以选择与共同节律参考特征34相同的参考特征，以直观的方式为用户显示节律信息。通过将其检测到的共同对齐参考特征40定位于矩形部分12的共同横向对齐坐标42处，可以将显示屏幕的矩形部分12中的每一个图形14与其它图形14进行横向对齐。
在如图2所示的实施例中，共同对齐参考特征40是相应心跳的R峰的起始，相应心跳的R峰的起始与下一次心跳的R峰的起始之间的时间段表征了心跳频率；沿矩形部分12的相应边缘22，该时间段被图形化地以单轴图形的一部分的长度的形式显示，从矩形部分12的共同横向对齐坐标42延伸至图形的末端20(该末端20与共同节律参考特征34相关联)。相应地，图形14中的一个给定图形14的末端的横向坐标可以与相应心跳和下一次心跳之间的瞬时心跳速率相关联，或者相反地，与相应心跳和下一次心跳之间的时间量相关联。通过以与图形14的颜色尺度和/或色调尺度(更具体地，与共同节律参考特征34的典型颜色尺度和/或色调尺度)形成鲜明对比的颜色和/或色调来显示矩形部分12中紧随着末端20的部分，能够使得图形14的末端20的横向坐标容易被用户看见。例如，在图2中，R峰的起始通常具有在颜色尺度和/或色调尺度上以白色表示的幅度，而矩形部分12中超出图形14的末端20的剩余区域18全部为黑色。更通常地来说，剩余区域18可以用与图形14中用来显示心电图数据的幅度的颜色尺度和/或色调尺度形成对比的颜色和/或色调来表示。在所阐述的一个特定实施例中，使用经黄色和红色导向白色的“暖”色表示递增的正幅度，而通往深蓝色的“冷”色则用于表示负幅值。
仍然参考图2，本实施例中的图形14沿着矩形部分12的长度16彼此紧邻地定位。序列中的每个图形14代表相应的、连续的、一段时间的心电图数据，其中幅值以相应的颜色或色调显示，该颜色或色调根据颜色和/或色调幅度尺度确定。与幅值相关联的时间值则沿单轴绘制。图形14中的相应图形所代表的心跳各个具有共同对齐参考特征40，该共同对齐参考特征40与矩形部分12的共同横向参考坐标42横向地对齐。图形14在共同节律参考特征34处结束。各个图形14的末端20的横向位置根据心跳节律从一个图形14到另一个而各异，其与矩形部分12的形成对比的剩余区域18相结合，形成沿着矩形部分12的相应边缘延伸的边沿44。该边沿44的沿矩形部分的长度16的厚度根据心跳节律而变化。
与边沿44的边缘相对应的矩形部分12的边缘22的横向坐标可以与自共同对齐参考特征40起的给定时间间隔46相关联，从而能够具有到共同横向对齐坐标42的给定的、不变的空间距离。该时间间隔46可以与显示屏幕的矩形部分12的尺寸和显示配置所a允许的最大时间间隔相关联。通常以足以包含心跳之间常规能预期到的最大可能时间间隔的方式来选择这个时间间隔46。在本实施例中，根据R峰的起始，即共同节律参考特征34，将时间间隔46选择为2秒。在其它实施例中，例如，时间间隔46可以大于1.4秒，或大于1.8秒。在其它实施例中，例如，时间间隔46还可以根据用户输入进行调整。时间间隔46的尺度可以与矩形部分12相邻显示，以便于用户进行分析，如图4所示，例如，以显示屏幕右手侧上的具有毫秒单位的时间尺度48a来呈现时间间隔46。反之，时间间隔46也可以表示心率，心率尺度48b可以与矩形部分12相邻地显示。例如，在图4中，每分钟节拍(BPM)的心率尺度48b被呈现在显示屏幕的左手侧。
在如图3所示的显示配置中，可以存在缩减矩形部分12的横向宽度50的动机，因为如此可以允许包括更多行的心电图数据，从而在给定时间内在给定的屏幕上同时显示更多的心电图数据。为此，在一个替代实施例中，可以优选地使用较短的时间间隔46，或者使用对数尺度而不是如阐述的附图中使用的线性尺度。在一个使用对数尺度的实施例中，例如，可以与显示内容相邻地显示与对数尺度相关的数值。
在心电图数据中，可能存在第一心跳10和第二心跳10’之间的停顿超过时间间隔46的事件。这可以用多种方式来处理。在阐述的实施例中，如果该停顿超过时间间隔46，则第一心跳10的图形会一直持续直至矩形部分12的边缘，这形成完全穿过矩形部分12地延伸的横向线，使得该事件很容易由查询所显示的心电图数据的受训的技术人员所察觉到。此外，如果停顿持续了更多单位的时间间隔46，则可以以跟随第一心跳10的对应于不同的时间间隔单位的停顿相应的心电图数据显示后续图形。如此可以拓宽在矩形部分12的长度16的方向上完全穿过矩形部分12地延伸的横向线的厚度，且可以为查询所显示的心电图数据的熟练技术人员或医生提供非常直观的关于停顿长度的指示。当第二(随后的)心跳10’到来时，它就可以被正常地显示出来，且它的共同对其参考特征40与共同横向对齐坐标42对齐。
也就是说，可以根据以下条件显示心电图数据：
·如果心跳10与对应于给定图形的时间段相关联，则在该给定图形中显示相关联心跳的跨P峰、Q峰、R峰、S峰和T峰的幅值；
·如果心跳10与对应于给定图形的时间段相关联，且下一次心跳10’进一步与心电图数据的下一个时间段相关联，则在给定图形中显示从相关联心跳的T峰跨至下一次心跳10’的共同节律参考特征34的幅值，包括下一次心跳10’的至少一个P峰；
·如果心跳10与对应于给定图形的时间段相关联，且下一次心跳10’与心电图数据的下一个时间段不关联，则在给定图形中显示从相关联心跳的T峰跨至给定图形的最大持续时间的幅值(给定图形的最大持续时间对应于矩形部分12的相应边缘22的空间坐标)；以及
·如果心跳10与给定图形的相应的时间段不关联，则在给定图形中显示跨时间段的整个持续时间的幅值，导向最大持续时间。
在如图3所示的显示配置52中，心电图数据的时间坐标可以从左向右推进，然后在较低的一个矩形部分12的左侧上继续，以此类推。此外，负责显示心电图数据的应用程序可以在其用户界面中包括使用户方便地导航心电图数据的手段(沿着心电图数据移动，连续显示心电图数据中新的部分，同时隐藏心电图数据中之前显示的部分)。在本实施例中，使用键盘上的向下键可以允许用户通过一次“向下”移动一行，来导航形成显示内容的行的矩形部分12，例如，按键例如向下翻页和向上翻页键可以允许一次导航整个数量的显示行(本示例中为5行)。如图3所示，在本实施例中，图形界面的“前往”区域54显示在屏幕的左上角。通过激活图形界面的“前往”区域54，用户可以访问日历，并在日历中选择与用户希望看到显示的心电图数据的部分对应的特定日期。例如，可以使用其它键，例如home键或end键，作为用户输入，以允许用户直接导航至心电图数据的起始时间段或最终时间段。
图4显示了另一个实施例的显示配置52'。在图4中，压缩的心电图数据如上方所示地被显示在显示屏幕的第一矩形部分12a中，而显示在该第一矩形部分12a中的心电图数据的一部分是使用“经典的”二维表示被显示在显示屏幕的第二矩形部分12b中的。在本实施例中，显示心电图数据的应用程序可以进一步被配置为能够接收用户输入，该输入表示在第一矩形部分12a中显示的至少一个单轴图形所对应的空间坐标，并在第二矩形部分12b中显示通过用户输入而选中的心电图数据的一部分的二维表示。可以通过用户左键单击例如第一矩形部分12a的对应部分或屏幕上的对应部分来接收用户输入。在第一矩形部分12a上可以显示有可视化指示器56，以指示在显示屏幕的第二矩形部分12b中显示的是心电图数据的哪部分。在本实施例中，可视化指示器是阴影或高亮显示的垂直列。如果使用两个屏幕，则图4的显示内容可以显示在第一显示屏幕上，图3的显示内容可以显示在第二显示屏幕上。这两个显示屏幕可以以这样的方式链接在一起：使得导航到任何一个矩形部分的新位置都可以自动触发对另一个图形表示上的标记的位置的调整。例如，还可以在第二显示屏幕的相应区域呈现可视化指示器。在本实施例中，横向线用作光标，其可以通过用户输入而沿二维图形的长度移动。在本实施例中，与光标对应的精确时间坐标显示在第一矩形部分12a中的矩形框58中，并且如图3还显示在屏幕的左上部分。沿着二维图形的长度移动光标也可用于导航第一矩形部分12a中显示的数据。
现在参照图5，进一步探讨对心电图数据中的区间60进行分类的功能。将考虑两种变形，第一种变形是区间的手动分类，第二种变形是区间的自动分类。
如图5所示，计算机可以用来对所显示的心电图数据中的区间60进行分类。该方法可用于对以一系列单轴图形显示的心电图数据的区间60进行分类，例如用于如图5所示的显示屏幕的上方矩形部分12a。替代性地，该方法也可用于对以二维图形显示的心电图数据的区间60进行分类，例如如图5的显示屏幕的底部矩形部分12b所示的。
该方法可包括计算机接收第一用户输入，并根据第一用户输入来识别心电图数据的第一时间坐标62a。例如，可以通过用户右键单击或触摸屏幕的给定部分以指示与图形表示和给定时间坐标相关联的空间坐标，来接收第一用户输入。如上述示例所示的，图形反馈可以以可视化指示器的形式显示。该方法继而包括计算机接收第二用户输入，并根据第二用户输入来识别心电图数据的第二时间坐标62b。计算机继而可以定义与心电图数据的特定时间间隔相对应的区间60，该区间60从第一时间坐标62a延伸到第二时间坐标62b。区间60的定义可以由计算机存储在计算机可读存储介质中。计算机继而可以接收第三用户输入，以将类别关联至所定义区间60。更具体地说，第三用户输入用于将类别分配至定义的区间60。例如，用户可以在这两个可视化指示器之间右键单击，以触发窗口64，在该窗口64中用户可以在多个可能的类别66中选择给定的类别。在阐述的本实施例中，有四种可能的类别66：噪声、正常窦性心律、心房颤动(阵发性(PAF)或慢性(CAF))和心房扑动，用户选择了心房颤动。该类别可以存储为与区间60的定义相关联的数据。
在这个特定实施例中，用户可通过指示显示的心电图数据中区间60之外的相应侧，来自动调整所选择的区间60或“从”(“From”)区域的起始。例如，可以通过单击先前选择的“从”区域的左手侧而使“从”区域自动移动，且对于“到”(“To”)区域也是同理的。如果要将“从”区域或“到”区域调整到所选区间60内的位置，则如图5所示地，可以从弹出窗口64中选择相应的“更新选择开始”或“更新选择结束”功能。
在另一种变形中，应用程序可用于自动检测心电图数据的类别，自动定义区间60，并自动将相应的类别66分配至相应的区间60。例如，在所阐述的实施例中，在显示心电图数据之前，还对心电图数据执行自动噪声识别算法。
替代性地，自动区间识别可以基于深度学习和/或心率变异性算法。例如，深度学习算法可以使用以前手动标注的ECG记录数据集进行训练。这种深度学习算法可用于自动识别心房颤动、心房扑动、异位搏动、房室传导阻滞、束支阻滞和/或任何其它合适形式的心律失常。对于心房颤动和心房扑动，可以使用更经典的心率变异性算法对深度学习识别进行精细化，以更准确地识别每个区间或片段的起始和末端。所提出的二维彩色尺度方法不仅可以为技术人员在他们的分析任务中提供一个高度压缩和富有表现力的ECG表示，且还可以比传统的二维图形数据表示更适合用于深度学习算法。
在QRS波群检测算法之后执行的噪声识别算法的一个示例，可以总结如下：
·对产生的信号进行高通滤波，以去除正常P波和T波中典型的低频成分；
·对于每个检测到的R峰，定义掩蔽窗口来包含QRS波群(即从R峰前的50ms到R峰后的100ms)；
·对于每个R-R间期，该算法计算信噪比，和将结果与阈值进行比较来确定给定的R-R间期是否被鉴定为噪声，其中该阈值被设定为一个值：在该值下R-R间期的伪影内容将变得过高而导致技术人员在查询所显示的心电图数据时不能直观地识别PQRST波群。
心电图数据中的区间60对应于特定时间间隔，在该特定时间间隔中被分类为噪声的信号可以由计算机自动定义，与这些区间相对应的类别可以与这些区间的定义相关联地自动存储在内存中。
在图5所示的实施例中，以沿着上方矩形部分12a的边缘22延伸的水平条形式表示的可视化指示器68，用于表示给定区间60已经被分类。例如，可以通过将相应的颜色归属至水平条来将类别可视化地表示给用户。图3中显示的所有心电图数据都已经被分类，且类别被以这种方式可视化地表示。
图6展示了心电图数据中被软件自动分类为噪声的区间60’。在阐述的实施例中，应用程序提供了自动区间选择的功能：例如，当用户指示显示屏幕中对应于已分类区间60的给定部分时，区间60可以被自动选择，可视化指示器70可用于标示区间的起始和末端，且弹出窗口64可以被触发，以允许用户移除区间60的分类，或改变区间60的分类。例如，可以通过单击相应的水平条72来触发对区间60的自动选择。
在所阐述的实施例中，对所有已分类的心电图数据(包括显示和未显示的部分)的百分比进行追踪。此外，在图3的显示中，在屏幕的上方矩形部分使用进度条74，以可视化地表示所有已分类的心电图数据的百分比。相应的，在图3中，整个心电图数据的41％已经被分类，这即提示用户心电图数据中目前尚未显示的部分是未分类的。
在阐述的实施例中，应用程序指导熟练的技术人员执行分类的一般工作流包括，指导熟练的技术人员将类别归属至整个心电图数据的每个部分，从而在进度条74上达到100％。然后，应用程序会生成报告(未图示)，该报告总结了给定的心电图数据集的主要特征，并以二维图形的形式呈现心电图数据中的一些节选，这些节选为给定的心电图数据集中的典型代表。在阐述的实施例中，只有当达到100％进度时，才允许用户使用报告生成功能，由此，只要心电图数据的某些部分未分类，就不能最终确定报告。报告的生成取决于心电图数据的完全分类。
用户可以以使用例如图4所示的详细视图评估前24小时作为开始，然后使用如图3所示的主视图快速查看剩余的天数。
在这个特定实施例中，心电图数据可以用患者事件(PEV)来编码。例如，患者事件标记可以与心电图数据的时间坐标相关联。例如，在记录心电图数据期间，可通过可穿戴监视器接收用户输入来触发患者事件标记的添加。设备具有按钮来实现这一目的。应用程序可以为每个患者事件在显示的心电图数据上提供可视标记，也可以调整为通过另一种方式提供关于患者事件的信息。例如，可以指示用户检查是否存在患者事件，同时将其与患者日志中的笔记和/或记录上的异常链接起来。
应用软件提供了一个可加扣的特性，以避免小间隙无意地留在心电图数据中的已分类区间之间的情况。下面将描述这个可加扣的特性。
可加扣的特性采用了预定时间间隔76。当在预定时间间隔76内从相邻区间中识别出“从”或“到”区域的区间时，该“从”或“到”区域被自动调整以与相邻区间60的对应端完全重合。预定时间间隔76可以例如以时间为单位或者以心跳为单位来定义。在本实施例中，预定时间间隔76是以心跳为单位定义的。当“从”或“到”的选择是通过选择压缩图形中的坐标来作出的时，例如图5所示的上方矩形部分12a，预定时间间隔76可以设定为给定次数的心跳，例如8次心跳、10次心跳或20次心跳。当“从”或“到”的选择是通过选择二维图形中的坐标来作出的时，例如如图5所示的下方矩形部分12b，该软件可以推断出用户期望额外的精度，则预定时间间隔76可以更小，例如单次心跳。相应地，如果用户点击压缩图形中对应于预定时间间隔76内的区域时，例如，相邻区间60的10次心跳，则相邻区间60的相应端可以被自动选择，而不是由用户指示的实际坐标。此功能可以帮助避免区间60之间的小间隙的出现，否则这些小间隙在如图3所示的主视图上很难被检测出来。
相应地，当在对一个给定区间60分类的步骤之前对另一区间分类时，如果给定区间60中的第一时间坐标62a和第二时间坐标62b中的一者或两者在缓冲时间间隔内与另一区间的第一时间坐标和第二时间坐标相邻，则将该第一时间坐标和第二时间坐标中相应的一者或两者识别为另一区间的相应的时间坐标。
还可以提供元区间(meta zone)分类的特性。元区间可以定义为在“从”(开始)和“到”(结束)之间延伸的区间，其跨越至少两个子区间，这些子区间要么具有不同的类别，要么具有至少一个类别和心电图数据的一个未分类部分。例如，当确定元区间已被定义时，可以使用附加功能向用户呈现不同的弹出菜单。举几个例子来说，该菜单能够允许用户将给定类别归属至所有未分类的部分，移除具有给定类别的所有区间的分类，或者将元区间内的所有分类整体全部移除。
软件可具有上述功能之外的附加功能。例如，可以提供额外的自动类别识别功能，例如房性早搏(Premature Atrial Contraction，PAC)检测、室性早搏(PrematureVentricular Contraction，PVC)检测和室性早搏形态学分类。在阐述的实施例中，这些附加算法并不是用于自动将一个类别归属至心电图数据的相应区间，而是作为目的是引起软件的熟练用户注意的指示器而显示。
在阐述的实施例中，当技术人员将新的ECG区间标注为正常区间时，房性早搏(PAC)检测算法将被执行。房性早搏在生理上不适用于心房颤动或扑动区间，而基于上述噪声识别过程，被标记为噪声的区间也将被排除。技术人员能够启用自动房性早搏检测，并通过图形用户界面使用滑块小部件来定义房性早搏检测的灵敏度。一个可以启用的房性早搏检测算法的示例可以总结如下：
·基于用户分类的正常区间，首先定义检测到的QRS波群列表；
·从正常区间中的第一个QRS波群到最后一个QRS波群应用滑动窗口作为导向每个QRS波群的R-R历史；
·如果滑动历史窗口的最后一个QRS波群的R-R间期小于基于导向该QRS波群的R-R历史所确定的阈值，则该滑动历史窗口的最后一个QRS波群将被标记为PAC；
·阈值被参数化，以使得用户可以使用滑块小部件调整该阈值；
·检测到的PAC可以在二维图形视图的上方区域用蓝色字母S标注，压缩的图形表示的底部也可以添加短的垂直红线，如图4所示。
在阐述的实施例中，当技术人员将一个新的ECG区间分类为正常窦性心律、心房颤动或扑动时，执行室性早搏(premature ventricular contraction,PVC)检测算法。基于上述噪声识别过程，只有标记为噪声的区间会被排除。技术人员能够启用自动PVC检测，并使用图形用户界面中的两个独立的滑块小部件来定义复杂早搏的重要性和PVC检测的灵敏度。当启用后，PVC检测算法可以总结如下：
·基于用户划定的(一个或多个)区间，首先定义检测到的QRS波群列表；
·对于列表中的每一个QRS波群，计算出以下5个因子，其中每个因子量化了PVC的一个特定特征：
以与PAC算法相似的方式量化的复杂早搏；
QRS波群宽度(Q-S间期)，其根据QRS波群形态进行估计，并归一化为落入所选的(一个或多个)区间内的所有QRS波的中值宽度，PVC通常具有较大的QRS波群持续
时间；
QRS波群幅值，其利用QRS波检测算法本身的子集进行估计，也使用落入所选的(一
个或多个)区间内的所有QRS波的中值幅度进行归一化；
QRS波群最大值(通常为正R峰的幅值)，其也使用落入所选的(一个或多个)区间
内的所有QRS波的中值最大值进行归一化；
QRS波群最小值(通常为负S峰的幅度)，其也使用落入所选的(一个或多个)区间
内所有QRS波的中值最小值进行归一化；
如果QRS波群的早搏超出与用户定义的早搏滑块小部件的值成比例的阈值，且其它
4个因素的加权和高于用户定义的PVC灵敏度滑块小部件的值，则将该QRS波群标记为
PVC；以及
可以在二维图形视图的上方区域用棕色字母V对检测到的PVC进行标注，压缩图形
的底部也可以添加短的垂直红线，该垂直红线刚好在为PVC标注预留的空间的下方。
在阐述的实施例中，在检测到新的PVC后，即执行PVC形态分类算法。技术人员能够使用图形用户界面中的滑块小部件定义分类的敏感度。PVC形态分类算法可以总结如下：
·将每一种检测到但未分类的PVC形态与所有之前已分类的PVC形态进行比较；该比较通过计算两个PVC之间的距离进行；如果一个PVC与另一个PVC之间的距离测量值高于由形态学分类灵敏度滑动小部件的值所定义的可调阈值，则认为这两个PVC是相似的，因而它们属于同一形态学族；
·当未分类的PVC不符合任何先前已分类的PVC形态的分类标准时，则以该PVC为第一且唯一的形态，创建新的形态族；以及
·可以用族ID(例如，介于1和32之间的数值)在二维图形视图上字母V之后来标注PVC形态。
从上述内容可以理解，本文所提供的技术工具可以让用户可视化大量的QRS波群——数以万计——代表一个静态视图中几个小时的ECG记录。可以显示在单个的屏幕视图中的QRS波的数量和ECG持续时间随着记录的心率和屏幕分辨率的不同而不同。
从上述内容可以理解，经典的ECG记录信号可以首先被划分为心跳片段，其中一个片段表示一个拍至拍的间期。在本实施例中，片段在给定心跳之前400毫秒处开始，并在下一心跳的检测点处结束。例如，在颜色尺度和/或色调尺度中，等电参考(0mv)可以用黄绿色表示，其中正值从黄绿色到红色再到白色(暖色)，负值从黄绿色到蓝色再到黑色(冷色)，当然这只是一个可能的示例。图4示出了一个详细视图的示例，在该详细视图中，上方矩形部分的压缩彩色编码图形对应于大约25分钟的连续ECG数据，而下方二维图形表示12秒的ECG波段。在该视图中，用户可以通过在三个视图中的任意一个视图中单击鼠标左键移动黄色垂直光标来导航心电图数据记录。光标位置将被更新为新的单击位置，且另外两个视图将围绕选定的时间点重新居中。每个视图显示导航光标，其位置标示了ECG记录中的同一时间点。在详细视图的底部，导航工具栏允许用户快速将三个ECG视图同步到特定的ECG事件或心律失常上。
上述各种功能可以以存储在计算机可读存储介质中的一个或多个计算机程序产品(应用程序)的形式提供。
可以理解，以上描述和说明的实施例仅作为示例。例如，在可选的实施例中，细长的矩形部分可以是垂直方向的而不是水平方向的，对比边沿可以显示在图形的上方而不是下方。本申请的保护范围应以所附权利要求为准。

Claims (33)

1.一种在计算机的显示屏幕上显示心电图数据的方法，所述心电图数据具有随时间变化的幅值集合，且表示连续心跳，所述方法包括：
计算机在显示屏幕的细长的矩形部分内显示心电图数据，其中多个单轴图形相对于矩形部分的长度横向延伸，并沿着所述矩形部分的长度彼此紧邻地定位，序列中的每个图形表示相应的、连续的、一段时间的心电图数据，其中所述幅值作为颜色幅度尺度和/或色调幅度尺度的函数以相应颜色或色调显示，且相应时间值沿单轴绘制，其中由多个图形中的相应图形表示的各次心跳具有与所述矩形部分的共同横向参考坐标横向地对齐的共同对齐参考特征，并在共同节律参考特征处结束，所述图形的末端的横向位置作为心跳节律的函数而从一个图形到另一个图形相异；以及
计算机以与所述图形的颜色尺度和/或色调尺度形成对比的方式，进一步显示剩余区域，该剩余区域在所述图形的末端与所述矩形部分的相应边缘之间横向延伸。
2.根据权利要求1所述的方法，其特征在于，所述颜色尺度和/或色调尺度为颜色尺度，所述剩余区域为黑色。
3.根据权利要求1所述的方法，其特征在于，所述显示心电图数据的步骤包括：
如果i)一次心跳与对应于给定图形的一个时间段相关联，以及ii)下一次心跳进一步与心电图数据的下一个时间段相关联，则在所述给定图形中显示跨相关联心跳的P峰、Q峰、R峰、S峰和T峰的幅值，且所述幅值从所述相关联心跳的T峰跨至下一次心跳的共同节律参考特征，并穿过下一次心跳的至少一个P峰；以及
如果i)一次心跳与对应于给定图形的一个时间段相关联，以及ii)下一次心跳与所述心电图数据的下一个时间段不关联，则在给定图形中显示跨相关联心跳的P峰、Q峰、R峰、S峰和T峰的幅值，且所述幅值从所述相关联心跳的T峰跨至所述给定图形的最大持续时间，所述给定图形的所述最大持续时间对应于与所述矩形部分的相应边缘的空间坐标。
4.根据权利要求3所述的方法，其特征在于，所述显示心电图数据的步骤包括：
如果一次心跳与对应于给定图形的时间段不关联，则在所述给定图形中显示跨所述时间段的整个持续时间的幅值，导向所述最大持续时间。
5.根据权利要求1所述的方法，其特征在于，所述共同对齐参考特征为R峰。
6.根据权利要求1所述的方法，其特征在于，所述共同节律参考特征与下一心跳的Q峰、R峰和S峰之一相关联。
7.根据权利要求6所述的方法，其特征在于，所述共同节律参考特征为下一心跳的R峰的起始。
8.根据权利要求1所述的方法，其特征在于，所述共同对齐参考特征和所述共同节律参考特征为相同的参考特征。
9.根据权利要求1所述的方法，其特征在于，所述矩形部分的所述相应边缘具有与所述空间坐标中的至少1.4秒、优选至少1.8秒相对应的横向位置。
10.根据权利要求9所述的方法，其特征在于，所述矩形部分的所述相应边缘具有与所述空间坐标中的2秒相对应的横向位置。
11.根据权利要求1所述的方法，其特征在于，所述空间坐标为线性的。
12.根据权利要求1所述的方法，其特征在于，所述空间坐标为对数的。
13.根据权利要求1所述的方法，其特征在于，所述显示屏幕具有多个像素，且所述显示心电图数据的步骤包括将每个图形显示在相应的像素列中。
14.根据权利要求1所述的方法，其特征在于，所述矩形区域的长度水平地延伸，且所述图形的单轴垂直地延伸。
15.根据权利要求14所述的方法，其特征在于，所述显示心电图数据的步骤包括在所述矩形区域中的多个垂直叠加的矩形区域中显示心电图数据，其中多个图形的时间尺度从相应的矩形区域的左手侧延伸至右手侧，并且从上方矩形区域延伸至下方矩形区域。
16.根据权利要求14所述的方法，其特征在于，还包括：所述计算机在所述显示屏幕的另一个矩形部分中显示针对单轴图形中的多个相邻单轴图形的二维图形，该二维图形在纵向尺度上描绘幅值，且在横向尺度上描绘时间。
17.根据权利要求16所述的方法，其特征在于，还包括：所述计算机显示可视标记，所述可视标记指示与所述二维图形中显示的心电图数据的相应部分相对应的图形中的多个相邻单轴图形。
18.根据权利要求16所述的方法，其特征在于，还包括：接收与所述矩形部分中显示的所述单轴图形中的至少一个单轴图形的空间坐标相对应的用户输入，并在二维图形中显示与由所述用户输入指示的所述单轴图形中的至少一个单轴图形相对应的心电图数据的一部分。
19.根据权利要求1所述的方法，其特征在于，还包括在矩形区域的至少一侧上显示指示与所述单轴的尺度相关联的时间坐标的多个数值。
20.根据权利要求1所述的方法，其特征在于，还包括在矩形区域的至少一侧上显示指示心率的多个数值。
21.根据权利要求1所述的方法，其特征在于，所述显示心电图数据的步骤包括为每组给定次数的相邻心跳显示仅一个图形。
22.一种计算机程序产品，存储于计算机存储器中，且可被所述计算机读取以执行如权利要求1至15中的任意一项所述的方法。
23.一种处理心电图数据的计算机实现的方法，所述方法包括：
计算机在显示屏幕上显示心电图数据，所显示的心电图数据具有随时间变化的多个幅值，且代表连续心跳；
计算机对心电图数据的区间进行分类，包括：
接收第一用户输入，并基于所述第一用户输入识别心电图数据的第一时间坐标；
接收第二用户输入，并基于第二用户输入识别心电图数据的第二时间坐标；
将心电图数据的所述区间定义为在第一时间坐标与第二时间坐标之间延伸；以及
接收第三用户输入，并根据所述第三用户输入将类别分配至所定义的区间。
24.根据权利要求23所述的方法，其特征在于，所述第一用户输入和第二用户输入为显示的心电图数据的空间坐标。
25.根据权利要求24所述的方法，其特征在于，在所述分类的步骤之前另一区间被分类，其中在缓冲时间间隔内所述第一用户输入和所述第二用户输入中的至少一个与所述另一区间的第一时间坐标和第二时间坐标中对应的一者相邻，其中第一时间坐标和第二时间坐标中相应的至少一者被识别为另一区间的相应时间坐标。
26.根据权利要求25所述的方法，其特征在于，所述缓冲时间间隔是根据心跳量来定义的。
27.根据权利要求23所述的方法，其特征在于，还包括重复进行从对心电图数据的一个区间进行分类到对心电图数据的其它区间进行分类的步骤，每个不同的区间被归属以选自一组类别的相应类别。
28.根据权利要求27所述的方法，其特征在于，还包括生成报告，所述报告提供关于类别归属的数据，其中所述生成报告取决于心电图数据的所有部分都具有归属类别的条件。
29.根据权利要求27所述的方法，其特征在于，还包括跟踪已被归属以类别的心电图数据的百分比，并在显示屏幕上显示所述百分比的可视标记。
30.根据权利要求23所述的方法，其特征在于，所述显示心电图数据的步骤包括在显示屏幕的至少一个细长矩形部分内显示心电图数据，其中多个单轴图形相对于所述至少一个矩形部分的长度横向延伸，并沿着所述至少一个矩形部分的长度彼此并排地紧邻地定位，序列中的每个图形代表相应的、连续的、一段时间的心电图数据，其中幅值以作为颜色幅度尺度和/或色调幅度尺度的相应颜色或色调显示，相应时间值沿单轴绘制。
31.根据权利要求23所述的方法，其特征在于，还包括基于用户输入更改心电图数据的显示部分以导航至心电图数据的其它部分。
32.根据权利要求23所述的方法，其特征在于，还包括在显示屏幕上显示标记第一时间坐标的第一可视化指示器，以及在显示屏幕上显示标记第二时间坐标的第二可视化指示器。
33.一种计算机程序产品，存储于计算机存储器中且可被所述计算机读取，以执行如权利要求23至33中的任意一项所述的方法。
CN201780068050.5A 2016-11-04 2017-11-03 计算机实现的心电图数据处理方法 Active CN109922725B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210249427.XA CN114626416A (zh) 2016-11-04 2017-11-03 计算机实现的心电图数据处理方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662417712P 2016-11-04 2016-11-04
US62/417,712 2016-11-04
PCT/CA2017/051310 WO2018081907A1 (en) 2016-11-04 2017-11-03 Computer-implemented method of handling electrocardiogram data

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210249427.XA Division CN114626416A (zh) 2016-11-04 2017-11-03 计算机实现的心电图数据处理方法

Publications (2)

Publication Number Publication Date
CN109922725A true CN109922725A (zh) 2019-06-21
CN109922725B CN109922725B (zh) 2022-04-01

Family

ID=62076473

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201780068050.5A Active CN109922725B (zh) 2016-11-04 2017-11-03 计算机实现的心电图数据处理方法
CN202210249427.XA Pending CN114626416A (zh) 2016-11-04 2017-11-03 计算机实现的心电图数据处理方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202210249427.XA Pending CN114626416A (zh) 2016-11-04 2017-11-03 计算机实现的心电图数据处理方法

Country Status (9)

Country Link
US (2) US11006884B2 (zh)
EP (1) EP3534789A4 (zh)
JP (1) JP2019534092A (zh)
KR (2) KR102469358B1 (zh)
CN (2) CN109922725B (zh)
AU (2) AU2017354968B2 (zh)
BR (1) BR112019007557A8 (zh)
CA (2) CA3000943C (zh)
WO (1) WO2018081907A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114424944A (zh) * 2021-12-31 2022-05-03 厦门纳龙健康科技股份有限公司 一种房室传导阻滞快速识别方法、终端设备及存储介质

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7297464B2 (ja) * 2019-02-22 2023-06-26 フクダ電子株式会社 生体信号処理装置および自動解析用データ生成方法
US11285313B2 (en) * 2019-05-02 2022-03-29 Nupulsecv, Inc. Predictive QRS detection and R-to-R timing systems and methods
KR20230025958A (ko) 2021-08-17 2023-02-24 주식회사 메디컬에이아이 2개 유도의 비동시적 심전도를 기반으로 하는 동시적 심전도 생성 방법
KR102467211B1 (ko) * 2021-12-02 2022-11-16 (주)씨어스테크놀로지 머신 러닝을 이용하여 심전도 파형 분류 방법 및 장치
KR102460058B1 (ko) * 2021-12-02 2022-10-28 (주)씨어스테크놀로지 딥 러닝을 이용하여 심방세동을 감지하는 방법 및 장치
US20230346290A1 (en) * 2022-04-27 2023-11-02 Preventice Solutions, Inc. Overriding longest rr intervals

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5782773A (en) * 1997-05-05 1998-07-21 Chih-Wei Chen Three-dimensional electrocardiogram display method
CN1552285A (zh) * 2003-05-26 2004-12-08 中国科学院物理研究所 一种心磁波组图及其分析方法
US20050234362A1 (en) * 2004-04-15 2005-10-20 Ge Medical Systems Information Technologies, Inc. Method and apparatus for displaying alternans data
US20050288599A1 (en) * 2004-05-17 2005-12-29 C.R. Bard, Inc. High density atrial fibrillation cycle length (AFCL) detection and mapping system
CN101014283A (zh) * 2004-05-01 2007-08-08 Bsp生物信号处理有限公司 用于分析高频qrs波群的装置和方法
US20100114195A1 (en) * 2008-10-31 2010-05-06 Medtronic, Inc. Implantable medical device including extravascular cardiac stimulation and neurostimulation capabilities
CN102068250A (zh) * 2011-02-28 2011-05-25 东南大学 便携式胎儿心电采集器
CN102551703A (zh) * 2012-01-13 2012-07-11 澳门镜湖护理学院 辅解心电图尺
US20130109988A1 (en) * 2011-11-02 2013-05-02 Samsung Electronics Co., Ltd. Method and user interface device for displaying electrocardiograms
CN103429144A (zh) * 2011-01-05 2013-12-04 皇家飞利浦电子股份有限公司 用于从特征信号提取信息的装置和方法
US20140288551A1 (en) * 2013-03-15 2014-09-25 Pacesetter, Inc. Erythropoeitin production by electrical stimulation
CN104173046A (zh) * 2014-09-01 2014-12-03 清华大学 一种色彩标记振幅整合脑电图的提取方法
CN104769596A (zh) * 2012-12-07 2015-07-08 英特尔公司 生理线索处理
CN105451645A (zh) * 2013-08-13 2016-03-30 皇家飞利浦有限公司 用于长期生理信号质量指示的方法和显示
WO2016134473A1 (en) * 2015-02-27 2016-09-01 Icentia Inc. Wearable physiological data acquirer and methods of using same

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04150832A (ja) * 1990-10-15 1992-05-25 Sony Corp 心電図表示装置
JP3154425B2 (ja) * 1992-01-07 2001-04-09 フクダ電子株式会社 心電図情報記録方法及び装置
US6409659B1 (en) 1998-11-04 2002-06-25 Ge Medical Systems Information Technologies, Inc. Method and apparatus for displaying physiological patient data
US6741887B1 (en) * 2000-12-01 2004-05-25 Ge Medical Systems Information Technologies, Inc. Apparatus and method for presenting periodic data
JP3664400B2 (ja) 2002-11-20 2005-06-22 フクダ電子株式会社 心電図表示装置
US7174204B2 (en) * 2004-03-30 2007-02-06 Cardiac Science Corporation Methods for quantifying the morphology and amplitude of cardiac action potential alternans
WO2015038572A1 (en) * 2013-09-10 2015-03-19 Guerrero Juan R Diagnostic digital data mining of biological waves
US10085690B2 (en) * 2014-06-16 2018-10-02 Rochester Institute Of Technology System and method for feedback of dynamically weighted values
US9918651B2 (en) 2014-09-02 2018-03-20 The Regents Of The University Of Michigan Electrocardiogram data analysis method for rapid diagnosis

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5782773A (en) * 1997-05-05 1998-07-21 Chih-Wei Chen Three-dimensional electrocardiogram display method
CN1552285A (zh) * 2003-05-26 2004-12-08 中国科学院物理研究所 一种心磁波组图及其分析方法
US20050234362A1 (en) * 2004-04-15 2005-10-20 Ge Medical Systems Information Technologies, Inc. Method and apparatus for displaying alternans data
CN101014283A (zh) * 2004-05-01 2007-08-08 Bsp生物信号处理有限公司 用于分析高频qrs波群的装置和方法
US20050288599A1 (en) * 2004-05-17 2005-12-29 C.R. Bard, Inc. High density atrial fibrillation cycle length (AFCL) detection and mapping system
US20100114195A1 (en) * 2008-10-31 2010-05-06 Medtronic, Inc. Implantable medical device including extravascular cardiac stimulation and neurostimulation capabilities
CN103429144A (zh) * 2011-01-05 2013-12-04 皇家飞利浦电子股份有限公司 用于从特征信号提取信息的装置和方法
CN102068250A (zh) * 2011-02-28 2011-05-25 东南大学 便携式胎儿心电采集器
US20130109988A1 (en) * 2011-11-02 2013-05-02 Samsung Electronics Co., Ltd. Method and user interface device for displaying electrocardiograms
CN102551703A (zh) * 2012-01-13 2012-07-11 澳门镜湖护理学院 辅解心电图尺
CN104769596A (zh) * 2012-12-07 2015-07-08 英特尔公司 生理线索处理
US20140288551A1 (en) * 2013-03-15 2014-09-25 Pacesetter, Inc. Erythropoeitin production by electrical stimulation
CN105451645A (zh) * 2013-08-13 2016-03-30 皇家飞利浦有限公司 用于长期生理信号质量指示的方法和显示
US20160192850A1 (en) * 2013-08-13 2016-07-07 Koninklijke Philips N.V. Method and display for long term physiological signal quality indication
CN104173046A (zh) * 2014-09-01 2014-12-03 清华大学 一种色彩标记振幅整合脑电图的提取方法
WO2016134473A1 (en) * 2015-02-27 2016-09-01 Icentia Inc. Wearable physiological data acquirer and methods of using same

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SHORTEN GAVIN P: "A precision ECG signal generator providing full Lead II QRS amplitude variability and an accurate timing profile", 《ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY》 *
SOUALHI KAWTHER: "ECG image representation of normal sinus rythm", 《2014 1ST INTERNATIONAL CONFERENCE ON ADVANCED TECHNOLOGIES FOR SIGNAL AND IMAGE PROCESSING (ATSIP)》 *
张嘉伟: "心电图形态特征的识别及其在分类中的作用研究", 《中国博士学位论文全文数据库》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114424944A (zh) * 2021-12-31 2022-05-03 厦门纳龙健康科技股份有限公司 一种房室传导阻滞快速识别方法、终端设备及存储介质

Also Published As

Publication number Publication date
CA3057230A1 (en) 2018-05-04
BR112019007557A8 (pt) 2023-03-21
US11006884B2 (en) 2021-05-18
WO2018081907A1 (en) 2018-05-11
KR20190071815A (ko) 2019-06-24
US20210236040A1 (en) 2021-08-05
AU2017354968A1 (en) 2019-05-02
US20190246925A1 (en) 2019-08-15
JP2019534092A (ja) 2019-11-28
EP3534789A4 (en) 2020-03-18
AU2021250923A1 (en) 2021-11-11
CN109922725B (zh) 2022-04-01
BR112019007557A2 (pt) 2019-07-02
AU2021250923B2 (en) 2023-09-28
KR102563044B1 (ko) 2023-08-02
AU2017354968B2 (en) 2022-01-20
CA3000943C (en) 2023-01-03
CA3000943A1 (en) 2018-05-04
EP3534789A1 (en) 2019-09-11
CN114626416A (zh) 2022-06-14
KR102469358B1 (ko) 2022-11-18
KR20220156675A (ko) 2022-11-25

Similar Documents

Publication Publication Date Title
CN109922725A (zh) 计算机实现的心电图数据处理方法
US11147500B2 (en) Electrocardiogram processing system for delineation and classification
EP3673493B1 (en) User interface for analysis of electrocardiograms
DE102016204397A1 (de) Klassifikation eines zeitreihensignals als ventrikuläre extrasystole
JP2020151082A (ja) 情報処理装置、情報処理方法、プログラムおよび生体信号計測システム
JP7135845B2 (ja) 情報処理装置、情報処理方法、プログラムおよび生体信号計測システム
CN116327114A (zh) 监护仪的回顾方法、监护仪以及计算机可读存储介质
US20220218257A1 (en) Method and device for the technical support of the analysis of signals acquired by measurement, the signals having a time- and space-dependent signal characteristic
Cornforth et al. Visualization methods for assisting detection of cardiovascular neuropathy
JP2023068218A (ja) 心電図解析装置およびその制御方法
EP3920789A1 (en) Electrocardiogram processing system for delineation and classification

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