CN109953753A - 房颤检测装置、可穿戴设备及存储介质 - Google Patents
房颤检测装置、可穿戴设备及存储介质 Download PDFInfo
- Publication number
- CN109953753A CN109953753A CN201711402002.3A CN201711402002A CN109953753A CN 109953753 A CN109953753 A CN 109953753A CN 201711402002 A CN201711402002 A CN 201711402002A CN 109953753 A CN109953753 A CN 109953753A
- Authority
- CN
- China
- Prior art keywords
- atrial fibrillation
- score
- variation value
- interphase
- module
- 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
- 206010003658 Atrial Fibrillation Diseases 0.000 title claims abstract description 112
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 230000016507 interphase Effects 0.000 claims abstract description 36
- 238000013507 mapping Methods 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000036541 health Effects 0.000 description 5
- 239000000203 mixture Substances 0.000 description 4
- 102100028043 Fibroblast growth factor 3 Human genes 0.000 description 3
- 102100024061 Integrator complex subunit 1 Human genes 0.000 description 3
- 101710092857 Integrator complex subunit 1 Proteins 0.000 description 3
- 108050002021 Integrator complex subunit 2 Proteins 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000000819 phase cycle Methods 0.000 description 2
- 208000005189 Embolism Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 1
- 208000001435 Thromboembolism Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- 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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- 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
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/361—Detecting fibrillation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
Abstract
本发明提供一种房颤检测装置、可穿戴设备及存储介质。房颤检测装置包括心搏间期提取模块、间期变异值计算模块、房颤得分确定模块以及比较判断模块;其中,房颤得分确定模块用于根据预设的变异值‑得分映射表计算一系列心搏间期变异值的累计房颤得分,比较判断模块用于将所述累计房颤得分与预设得分与之比较,根据比较结果判断被检测心搏信号片段是否存在房颤。本发明的房颤检测装置能够提高房颤发现率,降低房颤的误诊率和误判率,便于人们在非医疗条件下自行操作使用。
Description
技术领域
本申请涉及房颤检测技术领域,特别涉及基于心搏间期变异分析的房颤检测装置、可穿戴设备及计算机可读存储介质。
背景技术
心房颤动简称房颤,是最常见的心律失常之一,且随着年龄增长房颤的发生率不断增加。房颤时,心跳频率不仅比正常心跳快得多,而且绝对不整齐,心房失去有效的收缩功能。房颤容易引起脑梗塞、血栓栓塞、心功能不全、心脏性猝死等并发症。因此,如果及时发现并治疗房颤,能大大降低并发症的发生率。
目前,房颤的诊断主要依靠心电图,心电图主要通过分析ECG信号检测房颤。然而,对于普通人来说,如果不是身体健康情况已出现明显的问题或具备健康意识而定时进行健康检查的人,都不会主动到医疗机构进行心电图检查,这不利于房颤的发现。
需要寻找一种更为方便,能够提高房颤发现率,降低房颤的误诊率和误判率,便于人们在非医疗条件下自行操作的房颤检测装置或房颤检测软件。
发明内容
本申请公开一种房颤检测装置、可穿戴设备及存储介质,能够提高房颤发现率,便于人们在非医疗条件下自行操作使用。
为实现上述目的,本申请公开技术方案如下:
一方面,本公开提出了一种房颤检测装置,包括:心搏间期提取模块,用于从被检测心搏信号片段中提取得到心搏间期序列;间期变异值计算模块,用于基于所述心搏间期序列计算得到心搏间期变异值序列;房颤得分确定模块,用于根据一预设的变异值-得分映射表计算所述心搏间期变异值序列的累计房颤得分;以及比较判断模块,用于将所述累计房颤得分与一预设得分阈值比较,根据比较结果判断所述被检测心搏信号片段是否存在房颤。。
其中,所述被检测心搏信号片段为PPG心搏信号片段或者ECG心搏信号片段。
优选的,所述的变异值-得分映射表被配置为包括若干房颤分值及与所述若干房颤分值映射的若干间期变异值区间段。
在一种实施方式中,所述间期变异值计算模块被配置为根据公式dINT(n)=ABS(INT(n)/((INT(n)+INT(n-1)+INT(n-2))-1/3)计算每个间期的变异值,其中,INT(n)表示第n个间期的时间间隔,INT(n-1)和INT(n-2)表示紧邻第n个间期的前两个间期的时间间隔,n≥3。
其中,所述变异值-得分映射表被配置为包括8个间期变异值区间段,所述间期变异值在[0,0.025)区间段和[0.175,0.2)区间段对应映射的房颤分值为负,在[0.025,0.175)区间段对应映射的房颤分值为正。
其中,所述心搏间期序列包括60个心搏间期。
其中,所述的变异值-得分映射表来自一经验统计过程的输出。
优选的,上述房颤检测装置还包括数据采集模块,用于采集心搏信号以提供所述被检测心搏信号片段。
另一方面,本公开提出了一种可穿戴设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的房颤检测装置的模块功能。
再一方面,本公开提出了一种计算机存储介质,用于存储上述房颤检测装置所用的计算机程序指令。
通过提供对片段信号的房颤得分进行评估的房颤检测装置,能够提高房颤发现率,降低房颤的误诊率和误判率,便于人们在非医疗条件下自行操作使用。。
附图说明
图1A示出了一示例的ECG心搏信号片段的示意图;
图1B示出了一示例的PPG心搏信号片段的示意图;
图2示出了一示例性实施例的房颤检测装置的模块组成的示意图;
图3示出了一示例性实施例的房颤检测装置的模块组成的示意图;
图4示出了一示例性实施例的包含房颤检测程序的装置的程序单元组成的示意图;
图5示出了一示例性实施例的包含房颤检测程序的装置的程序单元组成的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本公开提出一种房颤检测装置,用于对被检测心搏信号片段进行心搏间期的提取、处理和分析,以判断被检测心搏信号是否存在房颤。本领域技术人员可以理解的,由于ECG(Electrocardiograph,心电图)信号和PPG(Photoplethysmography,光电体积描记图)信号均能反映心脏搏动的规律性(参考图1A和图1B),因此,本公开所述的心搏间期既可以是ECG信号中的RR间期,亦可以是PPG信号中的脉峰间期。
示例的,参考图2,一种房颤检测装置200,包括心搏间期提取模块204、间期变异值计算模块206、房颤得分确定模块208以及比较判断模块210。
其中,心搏间期提取模块204被配置为从被检测心搏信号片段中提取得到心搏间期序列。其中,所述被检测心搏信号片段可以是在线(实时采集)获得的心搏信号片段或离线(采集转存)获得的心搏信号片段;所述被检测心搏信号片段可以是PPG信号片段或者ECG信号片段,通过提取PPG信号片段中的脉峰间期或者ECG信号片段中的RR间期,得到心搏间期序列INT(n),n=1,2,3,……。为了获得较准确的检测结果,被检测心搏信号片段的长度应至少包括30个连续的心搏间期。
间期变异值计算模块206被配置为基于心搏间期序列INT(n),计算心搏间期的变异值。其中心搏间期变异值计算公式为:
dINT(n)=ABS(INT(n)/(INT(n)+INT(n-1)+INT(n-2))-1/3) (公式1)
其中,当n=1或2时,取dINT(n)=0。
房颤得分确定模块208被配置为根据一预设的变异值-得分映射表,查找dINT(n)(n=1,2,3……)对应映射的房颤分值w(n)(n=1,2,3……),将各w(n)(n=1,2,3……)累加,得到心搏间期变异值序列dINT(n)(n=1,2,3……)所得的累计房颤得分Sw。
进一步地,由于根据公式1计算得到的dINT的值可能有无限种结果,为了精简所述变异值-得分映射表,较佳地,将所述变异值分为若干段,每段变异值与一个房颤分值相映射。根据本公开示例的统计优化,将所述变异值分为8段。
由于大多数情况下,心跳节律是规律性的,因此心搏间隔是相近的,因此可知正常情况下dINT的值位于0值附近,即靠近0值的dINT对应的房颤分值较小。根据经验统计,与房颤相关的dINT的值集中在区间[0.025,0.15),因此区间[0.025,0.15)内的dINT对应的房颤分值较大;而区间[0.175,0.2)主要是类似于室性早博引起的干扰,因此区间[0.175,0.2)内对应的dINT对应的房颤分值为负。所述的预设的变异值-得分映射表如表1所示。
表1
间期变异值dINT | 房颤分值w | 间期变异值dINT | 房颤分值w |
[0,0.025) | -1.55 | [0.1,0.125) | 8.52 |
[0.025,0.05) | 3.33 | [0.125,0.15) | 10.19 |
[0.05,0.075) | 5.08 | [0.15,0.175) | 1.47 |
[0.075,0.1) | 6.47 | [0.175,0.2) | -18.42 |
比较判断模块210被配置为对所述累计房颤得分Sw与一预设得分阈值δ比较,当Sw≥δ时,判断所述被检测心搏信号存在房颤,当Sw<δ时,判断所述被检测心搏信号不存在房颤。示例地,阈值δ与选取的心博间期个数相等。
在一段示例的30秒的被检测心搏信号中,提取的心搏间期序列INT1(n)、对应的心搏间期变异值序列dINT1(n)以及对应于表1的房颤分值w1(n)如表2所示,其中预先设置的得分阈值δ=60分。根据表2计算dINT1(n)(n=1~60)的累计房颤得分S1w为97.06,S1w大于δ,因此判断该段被检测的心搏信号包括房颤。
表2
n | INT1(n) | dINT1(n) | w1(n) | n | INT1(n) | dINT1(n) | w1(n) |
1 | 0.656 | 0.000 | -1.55 | 31 | 0.464 | 0.058 | 5.08 |
2 | 0.460 | 0.000 | -1.55 | 32 | 0.404 | 0.034 | 3.33 |
3 | 0.556 | 0.001 | -1.55 | 33 | 0.412 | 0.011 | -1.55 |
4 | 0.428 | 0.037 | 3.33 | 34 | 0.468 | 0.031 | 3.33 |
5 | 0.380 | 0.055 | 5.08 | 35 | 0.472 | 0.016 | -1.55 |
6 | 0.712 | 0.135 | 10.19 | 36 | 0.476 | 0.003 | -1.55 |
7 | 0.496 | 0.021 | -1.55 | 37 | 0.396 | 0.039 | 3.33 |
8 | 0.644 | 0.014 | -1.55 | 38 | 0.712 | 0.116 | 8.52 |
9 | 0.420 | 0.064 | 5.08 | 39 | 0.548 | 0.002 | -1.55 |
10 | 0.588 | 0.023 | -1.55 | 40 | 0.472 | 0.061 | 5.08 |
11 | 0.408 | 0.045 | 3.33 | 41 | 0.520 | 0.004 | -1.55 |
12 | 0.596 | 0.041 | 3.33 | 42 | 0.536 | 0.017 | -1.55 |
13 | 0.544 | 0.018 | -1.55 | 43 | 0.572 | 0.018 | -1.55 |
14 | 0.504 | 0.027 | 3.33 | 44 | 0.496 | 0.024 | -1.55 |
15 | 0.560 | 0.015 | -1.55 | 45 | 0.532 | 0.001 | -1.55 |
16 | 0.468 | 0.028 | 3.33 | 46 | 0.536 | 0.009 | -1.55 |
17 | 0.532 | 0.008 | -1.55 | 47 | 0.480 | 0.023 | -1.55 |
18 | 0.380 | 0.058 | 5.08 | 48 | 0.516 | 0.003 | -1.55 |
19 | 0.744 | 0.116 | 8.52 | 49 | 0.444 | 0.025 | -1.55 |
20 | 0.576 | 0.005 | -1.55 | 50 | 0.396 | 0.041 | 3.33 |
21 | 0.540 | 0.043 | 3.33 | 51 | 0.392 | 0.015 | -1.55 |
22 | 0.412 | 0.064 | 5.08 | 52 | 0.540 | 0.073 | 5.08 |
23 | 0.388 | 0.044 | 3.33 | 53 | 0.480 | 0.007 | -1.55 |
24 | 0.384 | 0.009 | -1.55 | 54 | 0.460 | 0.023 | -1.55 |
25 | 0.688 | 0.138 | 10.19 | 55 | 0.440 | 0.014 | -1.55 |
26 | 0.408 | 0.058 | 5.08 | 56 | 0.712 | 0.108 | 8.52 |
27 | 0.704 | 0.058 | 5.08 | 57 | 0.520 | 0.022 | -1.55 |
28 | 0.412 | 0.063 | 5.08 | 58 | 0.540 | 0.029 | 3.33 |
29 | 0.744 | 0.067 | 5.08 | 59 | 0.540 | 0.004 | -1.55 |
30 | 0.480 | 0.040 | 3.33 | 60 | 0.496 | 0.019 | -1.55 |
在又一段示例的44秒的被检测心搏信号中,提取的心搏间期序列INT2(n)、对应的心搏间期变异值序列dINT2(n)以及对应于表1的房颤分值w2(n)如表3所示,其中预先设置的得分阈值δ=60分。根据表3计算dINT2(n)(n=1~60)的累计房颤得分S2w为-3.26,S2w小于δ,因此判断该段被检测的心搏信号不包括房颤。
表3
n | INT2(n) | dINT2(n) | w2(n) | n | INT2(n) | dINT2(n) | w2(n) |
1 | 0.768 | 0.000 | -1.55 | 31 | 0.752 | 0.000 | -1.55 |
2 | 0.496 | 0.000 | -1.55 | 32 | 0.744 | 0.003 | -1.55 |
3 | 0.576 | 0.020 | -1.55 | 33 | 0.748 | 0.000 | -1.55 |
4 | 0.868 | 0.114 | 8.52 | 34 | 0.752 | 0.002 | -1.55 |
5 | 0.772 | 0.015 | -1.55 | 35 | 0.724 | 0.008 | -1.55 |
6 | 0.488 | 0.104 | 8.52 | 36 | 0.744 | 0.002 | -1.55 |
7 | 0.748 | 0.039 | 3.33 | 37 | 0.776 | 0.012 | -1.55 |
8 | 0.504 | 0.044 | 3.33 | 38 | 0.748 | 0.004 | -1.55 |
9 | 0.864 | 0.075 | 5.08 | 39 | 0.740 | 0.006 | -1.55 |
10 | 0.532 | 0.053 | 5.08 | 40 | 0.744 | 0.000 | -1.55 |
11 | 0.500 | 0.070 | 5.08 | 41 | 0.744 | 0.001 | -1.55 |
12 | 0.912 | 0.136 | 10.19 | 42 | 0.724 | 0.006 | -1.55 |
13 | 0.524 | 0.063 | 5.08 | 43 | 0.764 | 0.009 | -1.55 |
14 | 0.548 | 0.057 | 5.08 | 44 | 0.744 | 0.000 | -1.55 |
15 | 0.868 | 0.114 | 8.52 | 45 | 0.736 | 0.005 | -1.55 |
16 | 0.816 | 0.032 | 3.33 | 46 | 0.744 | 0.001 | -1.55 |
17 | 0.768 | 0.020 | -1.55 | 47 | 0.748 | 0.002 | -1.55 |
18 | 0.764 | 0.008 | -1.55 | 48 | 0.744 | 0.001 | -1.55 |
19 | 0.792 | 0.007 | -1.55 | 49 | 0.744 | 0.001 | -1.55 |
20 | 0.736 | 0.012 | -1.55 | 50 | 0.740 | 0.001 | -1.55 |
21 | 0.800 | 0.010 | -1.55 | 51 | 0.740 | 0.001 | -1.55 |
22 | 0.756 | 0.003 | -1.55 | 52 | 0.744 | 0.001 | -1.55 |
23 | 0.748 | 0.009 | -1.55 | 53 | 0.748 | 0.002 | -1.55 |
24 | 0.756 | 0.001 | -1.55 | 54 | 0.732 | 0.004 | -1.55 |
25 | 0.724 | 0.008 | -1.55 | 55 | 0.740 | 0.000 | -1.55 |
26 | 0.780 | 0.012 | -1.55 | 56 | 0.740 | 0.001 | -1.55 |
27 | 0.764 | 0.004 | -1.55 | 57 | 0.740 | 0.000 | -1.55 |
28 | 0.748 | 0.007 | -1.55 | 58 | 0.744 | 0.001 | -1.55 |
29 | 0.748 | 0.002 | -1.55 | 59 | 0.756 | 0.004 | -1.55 |
30 | 0.756 | 0.002 | -1.55 | 60 | 0.732 | 0.005 | -1.55 |
综上,本公开提出的房颤检测装置,通过在一段心搏信号片段内计算得到心搏间期变异值dINT,根据表1映射得到若干房颤分值,对此段时间的房颤分值进行累加赋予该段心搏信号片段的房颤得分,将房颤得分与对应的预设得分阈值δ进行比较以判断是否存在房颤。可知,所述的房颤检测装置可自动分析判断是否存在房颤,无须专业医生参与,便于人们在非医疗条件下自行操作使用,提高房颤的发现率。
示例地,参考图3,又一种房颤检测装置300,装置300在许多方面和前述实施例的装置200相似,相似的模块通过相似的标号予以标示,只是附图标号增加302。
房颤检测装置300还包括数据采集模块302,数据采集模块302用于采集心搏信号以提供所述的被检测心搏信号片段,例如,数据采集模块302可以被配置为包括PPG传感器及其信号处理逻辑单元、和/或ECG电极传感器及其信号处理逻辑单元,以采集得到PPG心搏信号片段、和/或者ECG心搏信号片段。其中所述数据采集模块302对所采集的心搏信号的处理可以包括信号滤波处理、信号放大处理以及去运动干扰处理等。
本发明提出的上述房颤检测装置300,通过配置数据采集模块302,可实时采集处理心搏信号片段,并对实时采集的心搏信号片段进行房颤识别,为用户提供更及时的房颤事件通知。
根据本公开的示例,房颤检测装置200可以是可穿戴设备、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。房颤检测装置300可以是配置有PPG光电传感器或ECG电极传感器的可穿戴健康设备(例如腕部可穿戴设备、指部可穿戴设备、颈部可穿戴设备等)或其它便携式的ECG/PPG健康监测设备。
所述的房颤检测装置200和房颤检测装置300可以包括但不仅限于处理器、存储器、显示器、语音单元、通信单元以及人机交互单元,上述的预设的变异值-得分映射表可固存于所述存储器中。本领域技术人员可以理解,本公开的示意图仅仅是所述房颤检测装置的示例,并不构成对装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述房颤检测装置还可以包括输入输出设备、网络接入设备、总线等。
综上,本发明提出的房颤检测装置可适用于多种便携式的PPG房颤检测设备或者ECG房颤检测设备进行在线检测,特别适用于可穿戴式的PPG房颤检测设备或ECG房颤检测设备进行在线检测,还可适用于桌上型计算机或者云端服务器等设备进行离线房颤检测。
参考图4所示的用于实现检测装置200的功能的计算机程序400所包括的程序单元示意图以及图5所示的用于实现检测装置300的功能的计算机程序500所包括的程序单元示意图,其中检测装置200、检测装置300、计算机程序400以及计算机程序500所实现的功能具有相似性,相似的功能模块/单元用相似的编号标识。
其中,数据采集单元502,用于提供采集处理指令,所述采集处理指令用于采集PPG心搏信号和/或ECG心搏信号,并对所采集的心搏信号进行滤波、放大、去运动干扰等信号预处理,以提供被检测的心搏信号片段。
心搏间期提取单元404/504,用于提供间期提取指令,所述间期提取指令用于从被检测的心搏信号片段中提取得到心搏间期序列INT(n),n=1,2,3,……,例如PPG间期序列或者ECG的RR间期序列。
间期变异值计算单元406/506,用于提供间期变异值计算指令,所述间期变异值计算指令用于根据公式1计算间期变异值,得到间期变异值序列dINT(n),n=1,2,3,……。
房颤得分确定单元408/508,用于提供房颤得分确定指令,所述房颤得分确定指令用于根据如表1所示的变异值-得分映射表查找dINT(n)(n=1,2,3……)对应映射的房颤分值w(n)(n=1,2,3……),将各w(n)(n=1,2,3……)累加,得到心搏间期变异值序列dINT(n)(n=1,2,3……)所得的累计房颤得分Sw。
以及比较判断单元410/510,用于提供比较判断指令,所述比较判断指令用于对所述累计房颤得分Sw与一预设得分阈值δ比较,当Sw≥δ时,判断所述被检测心搏信号存在房颤,当Sw<δ时,判断所述被检测心搏信号不存在房颤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可用于存储所述模块和/或单元,所述处理器通过运行或执行存储在所述存储器内的模块/单元对应的计算机程序,以及调用存储在存储器内的数据,实现所述装置/设备的各种功能。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述房颤检测装置集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例房颤检测装置200中的全部或部分模块的功能时,也可以通过计算机程序400来指令相关的硬件来完成,所述的计算机程序400可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个模块/单元的功能。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)以及软件分发介质等。
本领域普通技术人员可以理解,实现上述实施例的全部或部分模块的功能可以通过硬件来完成,也可以通过程序来指令相关的硬件完成。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内所做的任何修改、等同替换或改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种房颤检测装置,其特征在于,包括:
心搏间期提取模块,用于从被检测心搏信号片段中提取得到心搏间期序列;
间期变异值计算模块,用于基于所述心搏间期序列计算得到心搏间期变异值序列;
房颤得分确定模块,用于根据一预设的变异值-得分映射表计算所述心搏间期变异值序列的累计房颤得分;以及
比较判断模块,用于将所述累计房颤得分与一预设得分阈值比较,根据比较结果判断所述被检测心搏信号片段是否存在房颤。
2.根据权利要求1所述的装置,其特征在于,所述被检测心搏信号片段为PPG心搏信号片段或者ECG心搏信号片段。
3.根据权利要求2所述的装置,其特征在于,所述的变异值-得分映射表被配置为包括若干房颤分值及与所述若干房颤分值映射的若干间期变异值区间段。
4.根据权利要求3所述的装置,其特征在于,所述间期变异值计算模块被配置为根据公式dINT(n)=ABS(INT(n)/((INT(n)+INT(n-1)+INT(n-2))-1/3)计算每个间期的变异值,其中,INT(n)表示第n个间期的时间间隔,INT(n-1)和INT(n-2)表示紧邻第n个间期的前两个间期的时间间隔,n≥3。
5.根据权利要求4所述的装置,其特征在于,所述变异值-得分映射表被配置为包括8个间期变异值区间段,所述间期变异值在[0,0.025)区间段和[0.175,0.2)区间段对应映射的房颤分值为负,在[0.025,0.175)区间段对应映射的房颤分值为正。
6.根据权利要求5所述的装置,其特征在于,所述心搏间期序列包括60个心搏间期。
7.根据权利要求5所述的装置,其特征在于,所述的变异值-得分映射表来自一经验统计过程的输出。
8.根据权利要求1~7任一项所述的装置,其特征在于,还包括:
数据采集模块,用于采集心搏信号以提供所述被检测心搏信号片段。
9.一种可穿戴设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求8所述的房颤检测装置的模块功能。
10.一种计算机存储介质,其特征在于,用于存储权利要求1~7任一项所述装置所用的计算机程序指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711402002.3A CN109953753A (zh) | 2017-12-22 | 2017-12-22 | 房颤检测装置、可穿戴设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711402002.3A CN109953753A (zh) | 2017-12-22 | 2017-12-22 | 房颤检测装置、可穿戴设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109953753A true CN109953753A (zh) | 2019-07-02 |
Family
ID=67019091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711402002.3A Pending CN109953753A (zh) | 2017-12-22 | 2017-12-22 | 房颤检测装置、可穿戴设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109953753A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113491508A (zh) * | 2020-04-03 | 2021-10-12 | 华为技术有限公司 | 电子设备及其房颤预警方法和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060276716A1 (en) * | 2005-06-07 | 2006-12-07 | Jennifer Healey | Atrial fibrillation detection method and apparatus |
CN201282481Y (zh) * | 2007-11-22 | 2009-07-29 | 中国人民解放军第三军医大学野战外科研究所 | 一种远程健康监护服务装置 |
CN103997955A (zh) * | 2011-08-11 | 2014-08-20 | 应用生物医学系统有限公司 | 检测心电图中的心房纤颤的方法 |
CN104367318A (zh) * | 2014-11-07 | 2015-02-25 | 北京海思敏医疗技术有限公司 | 房颤检测方法和装置 |
CN107296604A (zh) * | 2017-08-29 | 2017-10-27 | 心云(北京)医疗器械有限公司 | 一种房颤判断方法 |
-
2017
- 2017-12-22 CN CN201711402002.3A patent/CN109953753A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060276716A1 (en) * | 2005-06-07 | 2006-12-07 | Jennifer Healey | Atrial fibrillation detection method and apparatus |
CN201282481Y (zh) * | 2007-11-22 | 2009-07-29 | 中国人民解放军第三军医大学野战外科研究所 | 一种远程健康监护服务装置 |
CN103997955A (zh) * | 2011-08-11 | 2014-08-20 | 应用生物医学系统有限公司 | 检测心电图中的心房纤颤的方法 |
CN104367318A (zh) * | 2014-11-07 | 2015-02-25 | 北京海思敏医疗技术有限公司 | 房颤检测方法和装置 |
CN107296604A (zh) * | 2017-08-29 | 2017-10-27 | 心云(北京)医疗器械有限公司 | 一种房颤判断方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113491508A (zh) * | 2020-04-03 | 2021-10-12 | 华为技术有限公司 | 电子设备及其房颤预警方法和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10123741B2 (en) | Cardiac condition detection | |
US11517212B2 (en) | Electrocardiogram information dynamic monitoring method and dynamic monitoring system | |
Oweis et al. | QRS detection and heart rate variability analysis: A survey | |
US9314181B2 (en) | Method and apparatus for detection of heartbeat characteristics | |
EP2931120B1 (en) | A system and method to detect significant arrhythmic events through a photoplethysmogram (ppg) and accelerometer | |
US20160135702A1 (en) | Techniques for Predicting Cardiac Arrhythmias Based on Signals from Leads of Electrocardiography | |
Shao et al. | Detection of atrial fibrillation from ECG recordings using decision tree ensemble with multi-level features | |
JP2011509706A (ja) | 心房細動監視 | |
CN109077720B (zh) | 信号处理方法、装置、设备和存储介质 | |
CN109222964B (zh) | 房颤检测装置及存储介质 | |
CN106419907B (zh) | 定位心电图信号中的j点 | |
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 | |
CN111358459A (zh) | 一种心律失常识别方法、装置、设备和存储介质 | |
De Chazal | Detection of supraventricular and ventricular ectopic beats using a single lead ECG | |
CN110301911A (zh) | 基于光电血管容积图的被动心律失常检测装置和方法 | |
Sadr et al. | Reducing false arrhythmia alarms in the ICU using multimodal signals and robust QRS detection | |
CN106974637A (zh) | 心率实时计算方法及装置 | |
Jun et al. | GPU based cloud system for high-performance arrhythmia detection with parallel k-NN algorithm | |
Lee et al. | A real-time abnormal beat detection method using a template cluster for the ECG diagnosis of IoT devices | |
Mykoliuk et al. | Machine learning methods in ECG classification | |
US10617356B2 (en) | Garment and cardiac data processing | |
CN109953753A (zh) | 房颤检测装置、可穿戴设备及存储介质 | |
CN111419219A (zh) | Ppg心搏信号的预处理方法、装置及房颤检测设备 | |
Butt et al. | Classifying normal sinus rhythm and cardiac arrhythmias in ECG signals using statistical features in temporal domain | |
CN109953756A (zh) | 房颤监测系统及可穿戴设备 |
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 |