CN110432894B - 心电图关键点标注方法及电子设备 - Google Patents

心电图关键点标注方法及电子设备 Download PDF

Info

Publication number
CN110432894B
CN110432894B CN201910735531.8A CN201910735531A CN110432894B CN 110432894 B CN110432894 B CN 110432894B CN 201910735531 A CN201910735531 A CN 201910735531A CN 110432894 B CN110432894 B CN 110432894B
Authority
CN
China
Prior art keywords
point
electrocardiogram
preset
marked
vertex
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
Application number
CN201910735531.8A
Other languages
English (en)
Other versions
CN110432894A (zh
Inventor
庞新强
王斌
熊健皓
赵昕
陈羽中
和超
张大磊
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.)
Shanghai Eaglevision Medical Technology Co Ltd
Original Assignee
Shanghai Eaglevision Medical Technology 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 Shanghai Eaglevision Medical Technology Co Ltd filed Critical Shanghai Eaglevision Medical Technology Co Ltd
Priority to CN201910735531.8A priority Critical patent/CN110432894B/zh
Publication of CN110432894A publication Critical patent/CN110432894A/zh
Application granted granted Critical
Publication of CN110432894B publication Critical patent/CN110432894B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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

Abstract

本发明公开了一种心电图关键点标注方法及电子设备，其中，所述方法包括：获取预标注的心电图图像以及所述心电图图像对应的心电信号；识别所述心电图图像上的预标注点；利用所述心电信号对所述预标注点进行校正。通过对心电图图像进行预标注，并识别预标注点，利用与心电图图像对应的心电信号对心电图图像的预标注点进行修正，实时的交互的调整标注结果，可以得到精确的关键点位置，提高标注人员的效率。为人工智能检测心电图波形提供可靠的依据，提高人工智能检测结果准确性。

Description

心电图关键点标注方法及电子设备
技术领域
本发明涉及图像处理技术领域，具体涉及到一种心电图关键点标注方 法及电子设备。
背景技术
心电图主要用于反应心脏的电激动过程，是医生进行心脏检查和诊断 的一个重要的临床手段。心电图本身复杂性强，不同种族、性别、年龄的 人在各种病理情况下的差异性很大。在实际的临床诊断中，通常是以机器 检测结果为辅助，由医生结合自身临床经验对心电图进行判断识别。在这 种情况下，由于医生的知识专业性和经验积累的不足，常常会过于依赖机 器给出的检测结果，对准确率有一定限制，容易导致对异常心电图的误判。
随着人工智能的广泛应用，将人工智能模型用于P波、QRS波、T波 检测可以提高心电图的检测的准确度，但是人工智能例如深度学习需要大 量标注数据，这种标注数据需要在心跳级别上面对每个波段进行标注，需 要标注出每个波段例如P波、QRS波、T波等的起点和终点，对于某些波 段如P、QRS波由于持续时间很短，标注他们的起点和终点比较困难在标 注时可能会产生一些偏移，造成标注数据的误差，进而导致人工智能检测 结果出现偏差。
发明内容
本发明实施例要解决的技术问题为如何提高心电图关键点标注的准确 性。
根据第一方面，本发明实施例提供了一种心电图关键点标注方法，包 括：获取预标注的心电图图像以及心电图图像对应的心电信号；识别心电 图图像上的预标注点；利用心电信号对预标注点进行校正。
可选地，利用心电信号对预标注点进行校正包括：将预标注点与心电 信号关联；在心电信号上查找与预标注点对应的关键点，并利用查找的关 键点对预标注点进行校正。
可选地，关键点包括第一预设波段顶点；在心电信号上查找与预标注 点对应的关键点，并利用查找的关键点对预标注点进行校正包括：在心电 信号上截取第一区间，第一区间包括预标注的第一预设波段顶点；在第一 区间内查找第一极值点作为第一预设波段顶点的最终标注点。
可选地，第一预设波段顶点包括R波顶点、Q波顶点和S波顶点中的 至少之一。
可选地，关键点还包括第二预设波段起点和第二预设波段终点；在第 一区间内查找第一极值点作为第一预设波段顶点的最终标注点之后包括： 利用第一预设波段顶点的最终标注点对第二预设波段起点和第二预设波段 终点进行校正。
可选地，利用第一预设波段顶点的最终标注点对第二预设波段起点和 第二预设波段终点进行校正包括：选取相邻的两个第二预设波段顶点的最 终标注点，其中，两个第二预设波段顶点为同种波段的顶点；在两个第二 预设波段顶点的最终标注点的中心位置截取第二区间；将第二区间内的第 二预设波段作为心电信号的基线；利用第二预设波段与基线的交点和第二 预设波段的起点和第二预设波段终点的预标注点的位置关系对第二预设波 段的起点和第二预设波段终点的预标注点进行校正。
可选地，关键点还包括第二预设波段顶点；在将第二预设波段与基线 的交点作为第二预设波段起点和第二预设波段终点的最终标注点之后还包 括：在同一第二预设波段的起点和终点的最终标注点之间查找第二极值点 作为当前第二预设波段顶点的最终标注点。
可选地，第二预设波段包括T波和/或P波。
根据第二方面，本发明实施例提供了一种心电图检测方法，包括：获 取待检测的心电图图像；将心电图图像输入至神经网络模型得到检测结果， 神经网络模型利用上述第一方面任意一项描述的心电图关键点标注方法标 注后的心电图图像作为训练数据进行训练得到。
根据第三方面，本发明实施例提供了一种电子设备，包括：至少一个 处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有 可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执 行，以使至少一个处理器执行上述第一方面任一项描述的心电图关键点标 注方法和/或上述第二方面描述的心电图检测方法。
通过对心电图图像进行预标注，并识别预标注点，利用与心电图图像 对应的心电信号对心电图图像的预标注点进行修正，实时的交互的调整标 注结果，可以得到精确的关键点位置，提高标注人员的效率。为人工智能 检测心电图波形提供可靠的依据，提高人工智能检测结果准确性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下 面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍， 显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普 通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获 得其他的附图。
图1示出了本实施例的心电图关键点标注方法的示意图；
图2示出了本实施例的预标注后的心电图图像的示意图；
图3示出了本发明实施例的标注校正后的心电图图像的示意图；
图4示出了本发明实施例的电子设备的示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然， 所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发 明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得 的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种心电图关键点标注方法，如图1所示，该标 注方法可以包括如下步骤：
S1.获取预标注的心电图图像以及心电图图像对应的心电信号。所称心 电图图像可以为采集的12导联心电信号生成心电图图像，标注后的心电图 图像可以作为用于心电图检测的人工智能模型的训练数据。在本实施例中， 预标注可以通过人工使用标注工具进行手动标注。具体的，可以将待标注 的心电图图像加载到标注工具中，标注工具具有标注界面，通过人工识别 出心电图图像上各个波段，并进行人工预标注。具体的可以参见图2所示 的预标注后的心电图图像(以R波为例)。所称心电图图像对应的心电信号 可以为生成当前心电图图像的心电信号。
S2.识别心电图图像上的预标注点。所称预标注点为人工标注的标注点。 在本实施例中，预标注点可以为心电图中的R波顶点、P波起点和终点、P 波顶点、Q波顶点、S波顶点、T波终点、T波顶点等各个波段的起点、终 点以及顶点。具体的，可以根据人工在标注时，执行预标注动作的位置坐 标对预标注点进行识别。其中位置坐标用于指示预标注点对应的时间和电 压值。也可以通过图像识别技术对预标注点进行识别。作为示例性的实施 例，预标注点的识别可以预标注点所在心电图图像中的位置，所在心电波 形的具体位置。
S3.利用心电信号对预标注点进行校正。作为示例性的实施例，在识别 预标注点后，将预标注点与心电信号进行关联，具体的，可以通过预标注 点的位置信息即预标注点在心电信号中对应的时间点以及电压值将预标注 点与心电信号关联，在心电信号上查找与预标注点对应的关键点，并利用 查找的关键点对预标注点进行校正。在得到校正后的最终标注点后，将最 终标注点标注在心电图图像上相应的位置。具体的可以参见图3所示的标 注校正后的心电图图像(以R波为例)。
通过对心电图图像进行预标注，并识别预标注点，利用与心电图图像 对应的心电信号对心电图图像的预标注点进行修正，实时的交互的调整标 注结果，可以得到精确的关键点位置，提高标注人员的效率。为人工智能 检测心电图波形提供可靠的依据，提高人工智能检测结果准确性。
在心电图中包括多种不同的波段，例如可以包括P波、Q波、R波、S 波以及T波。作为示例性的实施例，待标注的关键点可以包括第一预设波 段顶点，示例性的，第一预设波段顶点可以包括：Q波顶点、R波顶点、S 波顶点。对于第一预设波段顶点的标注可以采用如下步骤：在心电信号上 截取第一区间，第一区间包括预标注的第一预设波段顶点；即第一区间内 包含第一预设波段顶点的预标注点，具体的截取方法可以在预标注点左右 两侧截取小于0.02s区间作为第一区间，该预标注点可以位于该第一区间中 间点。在第一区间内查找第一极值点作为第一预设波段顶点的最终标注点。 具体的，可以遍历第一区间内所有的心电信号对应的电压值，找到电压值 的极值点，例如，对于R波顶点可以找到第一区间内的极大值点作为R波 顶点的最终标注点，对于Q波顶点和S波顶点可以找到第一区间内的极小值点作为Q波顶点和S波顶点的最终标注点。
作为示例性的实施例，待标注的关键点可以包括第二预设波段起点和 第二预设波段终点，第一预设波段和第二预设波段可以相同，也可以不同， 示例性的，第二预设波段可以包括P波和T波。在对第一预设波段顶点进 行修正后，可以利用第一预设波段顶点的最终标注点对第二预设波段起点 和第二预设波段终点进行校正。由于第一预设波段的顶点在校正完成之后， 可以得到第一预设波段中位置较为准确的顶点的最终标注点。可以利用位 置较为准确的顶点的最终标注点对波段的起点和终点进行校正。具体的可 以利用第一预设波段顶点的最终标注点确定心电图图像(心电信号)的基 线，并通过心电图波形与基线的交点以及波段起点和终点的预标注点的位 置关系对起点和终点的预标注点进行微调，进而对起点和终点的预标注点 进行校正。具体的，在得到基线与波段的交点之后，可以通过在起点和终 点的预标注点位置附近查找基线与波段的交点，示例性的，可以将距离起点和终点的预标注点位置的基线与波段的交点作为起点和终点的最终标注 点。
具体的，选取相邻的两个第二预设波段顶点的最终标注点，其中，两 个第二预设波段顶点为同种波段的顶点；在两个第二预设波段顶点的最终 标注点的中心位置截取第二区间；将第二区间内的第二预设波段作为心电 信号的基线；利用第二预设波段与基线的交点和第二预设波段的起点和第 二预设波段终点的预标注点的位置关系对第二预设波段的起点和第二预设 波段终点的预标注点进行校正。
下面以第一预设波段为R波，第二预设波段为P波为例进行说明。
可以截取R波顶点预标注点左右第一区间，该第一区间小于0.02s，在 这个第一区间中取得最大值，作为矫正后R波的顶点的最终标注点。取P 波左右的两个R波顶点中心，在心电信号上以该中心位置为中心截取第二 区间，第二区间可以大于0s小于0.05s。将该区间作为心电图图像(心电信 号)的基线。具体的可以进行对该第二区间进行虚拟延长。将距离P波起 点和P波终点的预标注点位置最近的基线与波段的交点作为P波起点和P 波终点的最终标注点。
在得到第二预设波段的起点和第二预设波段终点的最终标注点后，可 以利用第二预设波段的起点和第二预设波段终点的最终标注点对第二预设 波段的顶点进行校正，具体的，在同一第二预设波段的起点和终点的最终 标注点之间查找第二极值点作为当前第二预设波段顶点的最终标注点。以P 波为例，可以根据P波起点和P波终点的最终标注点，计算起点和终点区 域内部最大值点作为P波的顶点的最终标注点。其中，T波起点和T波终点以及T波顶点的校正方法可以参照P波起点P波终点以及P波顶点的校 正方法，在此不再赘述。
本发明实施例还提供了一种心电图检测方法，该检测方法利用神经网 络模型对心电图进行检测，具体的，获取待检测的心电图图像；将心电图 图像输入至神经网络模型得到检测结果。在本实施例中，神经网络模型上 述实施例中描述的心电图关键点标注方法标注后的心电图图像作为训练数 据进行训练得到。由于采用了通过心电信号自动校正标注点后的心电图图 像作为训练数据，可以提高模型的识别精度，提高心电图图像的检测结果 准确性。
本发明实施例提供了一种电子设备，如图4所示，该控制器包括一个 或多个处理器41以及存储器42，图4中以一个处理器43为例。
该控制器还可以包括：输入装置43和输出装置44。
处理器41、存储器42、输入装置43和输出装置44可以通过总线或者 其他方式连接，图4中以通过总线连接为例。
处理器41可以为中央处理器(Central Processing Unit，CPU)。处理器 41还可以为其他通用处理器、数字信号处理器(Digital Signal Processor， DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场 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、分立硬件组件等芯片，或者上述各 类芯片的组合。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。
存储器42作为一种非暂态计算机可读存储介质，可用于存储非暂态软 件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的控制方 法对应的程序指令/模块。处理器41通过运行存储在存储器42中的非暂态 软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理， 即实现上述方法实施例的心电图关键点标注方法。
存储器42可以包括存储程序区和存储数据区，其中，存储程序区可存 储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据服 务器操作的处理装置的使用所创建的数据等。此外，存储器42可以包括高 速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器 件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器42 可选包括相对于处理器41远程设置的存储器，这些远程存储器可以通过网络连接至网络连接装置。上述网络的实例包括但不限于互联网、企业内部 网、局域网、移动通信网及其组合。
输入装置43可接收输入的数字或字符信息，以及产生与服务器的处理 装置的用户设置以及功能控制有关的键信号输入。输出装置44可包括显示 屏等显示设备。
一个或者多个模块存储在存储器42中，当被一个或者多个处理器41 执行时，执行如图1所示的方法。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程， 是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一 计算机可读取存储介质中，该程序在执行时，可包括如上述各电机控制方 法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆 体(Read-Only Memory，ROM)、随机存储记忆体(RandomAccess Memory， RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种 类的存储器的组合。
虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在 不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和 变型均落入由所附权利要求所限定的范围之内。

Claims (9)

1.一种心电图关键点标注方法，其特征在于，包括：
获取预标注的心电图图像以及所述心电图图像对应的心电信号；
识别所述心电图图像上的预标注点，所述预标注点为人工标注的标注点；
利用所述心电信号对所述预标注点进行校正，包括：将所述预标注点与所述心电信号关联；在所述心电信号上查找与所述预标注点对应的关键点，并利用查找的所述关键点对所述预标注点进行校正。
2.如权利要求1所述的方法，其特征在于，所述关键点包括第一预设波段顶点；
所述在所述心电信号上查找与所述预标注点对应的关键点，并利用查找的所述关键点对所述预标注点进行校正包括：
在所述心电信号上截取第一区间，所述第一区间包括预标注的所述第一预设波段顶点；
在所述第一区间内查找第一极值点作为所述第一预设波段顶点的最终标注点。
3.如权利要求2所述的方法，其特征在于，所述第一预设波段顶点包括R波顶点、Q波顶点和S波顶点中的至少之一。
4.如权利要求3所述的方法，其特征在于，所述关键点还包括第二预设波段起点和第二预设波段终点；
所述在所述第一区间内查找第一极值点作为所述第一预设波段顶点的最终标注点之后包括：
利用所述第一预设波段顶点的最终标注点对所述第二预设波段起点和第二预设波段终点进行校正。
5.如权利要求4所述的方法，其特征在于，所述利用所述第一预设波段顶点的最终标注点对所述第二预设波段起点和第二预设波段终点进行校正包括：
选取相邻的两个第二预设波段顶点的最终标注点，其中，两个所述第二预设波段顶点为同种波段的顶点；
在两个所述第二预设波段顶点的最终标注点的中心位置截取第二区间；
将所述第二区间内的所述第二预设波段作为心电信号的基线；
利用所述第二预设波段与所述基线的交点和所述第二预设波段的起点和所述第二预设波段终点的预标注点的位置关系对所述第二预设波段的起点和所述第二预设波段终点的预标注点进行校正。
6.如权利要求5所述的方法，其特征在于，所述关键点还包括第二预设波段顶点；
在所述将所述第二预设波段与所述基线的交点作为所述第二预设波段起点和所述第二预设波段终点的最终标注点之后还包括：
在同一所述第二预设波段的起点和终点的最终标注点之间查找第二极值点作为当前所述第二预设波段顶点的最终标注点。
7.如权利要求4-6中任意一项所述的方法，其特征在于，所述第二预设波段包括T波和/或P波。
8.一种心电图检测方法，其特征在于，包括：
获取待检测的心电图图像；
将所述心电图图像输入至神经网络模型得到检测结果，所述神经网络模型利用权利要求1-7中任意一项所述的心电图关键点标注方法标注后的心电图图像作为训练数据进行训练得到。
9.一种电子设备，其特征在于，包括：至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-7任一项所述的心电图关键点标注方法和/或如权利要求8所述的心电图检测方法。
CN201910735531.8A 2019-08-09 2019-08-09 心电图关键点标注方法及电子设备 Active CN110432894B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910735531.8A CN110432894B (zh) 2019-08-09 2019-08-09 心电图关键点标注方法及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910735531.8A CN110432894B (zh) 2019-08-09 2019-08-09 心电图关键点标注方法及电子设备

Publications (2)

Publication Number Publication Date
CN110432894A CN110432894A (zh) 2019-11-12
CN110432894B true CN110432894B (zh) 2022-04-22

Family

ID=68434308

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910735531.8A Active CN110432894B (zh) 2019-08-09 2019-08-09 心电图关键点标注方法及电子设备

Country Status (1)

Country Link
CN (1) CN110432894B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111067511B (zh) * 2019-11-21 2022-08-16 东软集团股份有限公司 一种心电数据中关键点的确定方法、装置及设备
CN110929792A (zh) * 2019-11-27 2020-03-27 深圳市商汤科技有限公司 图像标注方法、装置、电子设备及存储介质
CN111882559B (zh) * 2020-01-20 2023-10-17 深圳数字生命研究院 Ecg信号的获取方法及装置、存储介质、电子装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103006209A (zh) * 2012-12-29 2013-04-03 重庆康如来科技有限公司 心电信号检波方法及检波器
CN107788969A (zh) * 2017-09-29 2018-03-13 成都瑞迪康医疗科技有限公司 一种心电信号中qrs波群的自动检测方法
CN108888259A (zh) * 2018-05-21 2018-11-27 南京大学 一种心电信号实时qrs波检测方法
CN109381181A (zh) * 2017-08-14 2019-02-26 深圳大学 心电信号特征波形的端点检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4617938A (en) * 1984-12-26 1986-10-21 Yair Shimoni Method and system for distinguishing R-wave electrocardiograph signals for synchronizing purposes
AU2003263571A1 (en) * 2002-09-19 2004-04-08 Ramot At Tel Aviv University Ltd. Method, apparatus and system for characterizing sleep

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103006209A (zh) * 2012-12-29 2013-04-03 重庆康如来科技有限公司 心电信号检波方法及检波器
CN109381181A (zh) * 2017-08-14 2019-02-26 深圳大学 心电信号特征波形的端点检测方法
CN107788969A (zh) * 2017-09-29 2018-03-13 成都瑞迪康医疗科技有限公司 一种心电信号中qrs波群的自动检测方法
CN108888259A (zh) * 2018-05-21 2018-11-27 南京大学 一种心电信号实时qrs波检测方法

Also Published As

Publication number Publication date
CN110432894A (zh) 2019-11-12

Similar Documents

Publication Publication Date Title
US20210204860A1 (en) Electrocardiogram processing system for delineation and classification
US11617528B2 (en) Systems and methods for reduced lead electrocardiogram diagnosis using deep neural networks and rule-based systems
CN110432894B (zh) 心电图关键点标注方法及电子设备
CN107530019B (zh) 针对不同ecg导联系统的ecg电缆互换的自动检测/分类
US20180235487A1 (en) Method and system for cuffless blood pressure estimation using photoplethysmogram features and pulse transit time
US8401624B2 (en) ECG signal analysis tool
CN110432895B (zh) 训练数据处理、心电波形检测方法及电子设备
CN110464333B (zh) 一种心电图数据的存储方法及装置
Vullings et al. ECG segmentation using time-warping
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
CN107874752B (zh) 实现多导联心电测量的方法和装置
CN111631704B (zh) 基于心电与脑电信息结合的糖尿病前期检测系统和方法
EP4041073A1 (en) Systems and methods for electrocardiogram diagnosis using deep neural networks and rule-based systems
WO2022202943A1 (ja) 心電図解析支援装置、プログラム、心電図解析支援方法、及び心電図解析支援システム
CN109770891B (zh) 心电信号预处理方法及预处理装置
US11672464B2 (en) Electrocardiogram processing system for delineation and classification
CN110192851B (zh) 一种基于机器学习技术的心律失常分析系统
CN110545713B (zh) 生理信息波形处理方法、程序、计算机可读存储介质和生理信息波形处理装置
CN114494798A (zh) 一种心电图伪差确认方法、终端设备及存储介质
CN110916649B (zh) 一种长程心电散点图的处理装置、处理方法及检测装置
CN113116358B (zh) 心电图的显示方法、装置、终端设备和存储介质
Yao et al. Arrhythmia classification from single lead ecg by multi-scale convolutional neural networks
Arenas et al. Morphological and temporal ecg features for myocardial infarction detection using support vector machines
CN110897626A (zh) 基于深度神经网络的心电图分析方法、装置、计算机设备和系统
CN111317463B (zh) 心搏的插入方法、心搏自动插入装置及存储介质

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