CN110693483A - 一种动态心电图自动分析的方法 - Google Patents
一种动态心电图自动分析的方法 Download PDFInfo
- Publication number
- CN110693483A CN110693483A CN201910823819.0A CN201910823819A CN110693483A CN 110693483 A CN110693483 A CN 110693483A CN 201910823819 A CN201910823819 A CN 201910823819A CN 110693483 A CN110693483 A CN 110693483A
- Authority
- CN
- China
- Prior art keywords
- heart beat
- electrocardiogram
- data
- dynamic
- heart
- 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
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
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/35—Detecting specific parameters of the electrocardiograph cycle by template 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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/251—Means for maintaining electrode contact with the body
- A61B5/257—Means for maintaining electrode contact with the body using adhesive means, e.g. adhesive pads or tapes
- A61B5/259—Means for maintaining electrode contact with the body using adhesive means, e.g. adhesive pads or tapes using conductive adhesive means, e.g. gels
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Power Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种动态心电图自动分析的方法,包括读取动态心电记录仪输出的动态心电图数据;对所述动态心电图数据进行预处理;对于经过预处理的心电数据进行噪声检测,获得噪声区间片段;将动态心电图数据进行心搏检测处理,识别心电图数据中的多个心搏数据,剔除噪声区间片段,并按时间顺序生成分析心搏序列;计算心搏特征,生成动态模板进行心搏分类,修正获得最终分类;对心电图事件进行分析计算,生成心电图事件数据;对心电图事件数据统计分析汇总,输出心电图报告。本发明能够对动态心电记录仪记录的心电数据进行自动分析并得出最后的心电报告,解决了医生阅读分析心电图耗时久、易误判、分析不准确不全面的问题。
Description
技术领域
本发明涉及心电信号分析技术领域,具体涉及一种动态心电图自动分析的方法。
背景技术
动态心电图是美国理学博士Norman J.Holter于1957年发明的,它能够连续记录体表心电图,所以又称Holter记录仪。动态心电图较普通心电图相比,能够记录更长的时程,对于不易发现的短暂性的尤其是一过性的心律失常,能够很好的提高阳性检出率。其应用范围广泛,包括医院、家庭、体检中心和社区等等。
针对采集到的心电信号,需要由专业医师进行阅读分析诊断,以确定病人的情况。由于Holter通常是连续记录24小时以上,如果直接由医生自行阅读,工作量非常大,也非常耗时,同时由于异常心律情况常隐匿在大量正常的心搏之中,不易发现,这就使得心电图的阅读容易因人为的疏忽造成误判、漏判,使得一些重要的心律失常事件没有及时发现和处理,这就会对病人病情造成延误。
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,但由于心电图信号本身的复杂与变异性,很容易受到戴机过程中各种干扰,目前自动分析软件的准确率远远不够,容易漏检、误检,无法帮助求医生在比较短的时间内正确分析心电图数据并且给出正确的分析报告。
发明内容
有鉴于此,本发明要解决的问题是提供了一种动态心电图自动分析的方法,能够对动态心电记录仪记录的心电数据进行自动分析并得出最后的心电报告,解决了医生阅读分析心电图耗时久、容易误判造成分析不准确不全面的问题。
为解决上述技术问题,本发明采用的技术方案是:一种动态心电图自动分析的方法,所述方法包括:
步骤1:读取动态心电记录仪输出的动态心电图数据;
步骤2:对所述动态心电图数据进行预处理;
步骤3:对于经过预处理的心电数据进行噪声检测,获得噪声区间片段;
步骤4:将动态心电图数据进行心搏检测处理,识别心电图数据中的多个心搏数据,根据所述步骤2中噪声检测的结果确定心搏的有效性,剔除噪声区间片段,并按时间顺序生成分析心搏序列;
步骤5:针对分析心搏序列计算心搏特征,根据心搏特征生成动态模板进行心搏分类,修正心搏分类的结果并获得最终分类;
步骤6:根据预设的心电图事件参考数据以及所述心搏序列和心搏分类的信息对心电图事件进行分析计算,生成心电图事件数据;
步骤7:对心电图事件数据进行统计分析,生成心电图报告的各项统计值并汇总结论信息,输出心电图报告。
在本发明中,优选地,所述步骤5中的心搏分类具体包括以下步骤:
步骤51:计算自前一心搏t波结束到当前心搏q波起始之间的低频噪声估计值,根据等电位区域选定t波结束位置和q波起始位置;
步骤52:通过高通滤波器计算后综合考虑qrs波的振幅得出当前心搏中所包含的高频噪声估计值,高频噪声估计值为肌电噪声;
步骤53:根据心搏序列计算得到每个心搏特征,所述心搏特征包括节律特征、心搏宽度、心搏振幅和心搏周期;
步骤54:将当前心搏与现有模板进行形态匹配,计算匹配度指标,寻找匹配度指标最高的模板;
步骤55:根据最小匹配度判定心搏是否满足匹配要求,若是,则更新模板信息,然后执行步骤57;否则执行步骤56;
步骤56:对心搏特征进行再分类更新动态模板;
步骤57:综合考虑模板匹配信息和心搏特征获得心搏分类结果;
步骤58:根据间期和形态信息对心搏分类结果进行修正,得到最终心搏分类信息。
在本发明中,优选地,所述步骤56具体包括以下步骤:
步骤561:利用当前心搏的心搏特征进行再分类,确定当前心搏是否为噪声;
步骤562:结合当前心搏的节律特征判断是否满足建立新模板的条件,若满足,则先执行步骤563,再进入步骤57;若不满足,则直接执行步骤57;
步骤563:建立新模板并计算模板特征。
在本发明中,优选地,所述步骤2具体包括以下步骤:
步骤21:将所述动态心电图数据的主波方向调整为向上,使得用户在通过动态心电记录仪采集心电信号时佩戴有误的情况下能够调整到最适合读取和分析的方向;
步骤22:对所述动态心电图数据进行数字滤波处理,数字滤波处理采用中值滤波方法,通过数字滤波处理消除工频干扰和基线漂移的影响;
步骤23:将数字滤波处理后的数据按照预设格式进行存储。
在本发明中,优选地,所述步骤3包括以下步骤:
步骤31:通过傅里叶变换对心电数据进行频谱分析,设定频率阈值用于对噪声区间片段中高频噪声干扰严重的片段进行识别和过滤;
步骤32:根据设定规则对噪声区间片段中由于基线漂移过于严重出现了波形削顶的片段进行识别并记录。
在本发明中,优选地,所述步骤4具体包括以下步骤:
步骤41:采用设定的数字滤波器通过滤波处理获得通带为5Hz-11Hz的心电信号;
步骤42:对所述通带为5Hz-11Hz的心电信号进行求导;
步骤43:对每个样本点计算80ms移动窗口平均值;
步骤44:进行波峰检测,识别出信号中可能包含的qrs波;
步骤45:根据阈值判定检测到的波峰是否为qrs波,即心搏决策过程;
步骤46:得到心搏检测结果。
在本发明中,优选地,所述步骤54中的形态匹配采用逐样本点幅值差异积累的方式进行估计,以r波为参考点,选取固定长度300ms的两个波形与r波进行比较。
在本发明中,优选地,固定长度300ms的两个波形与r波进行比较前先按照待比较模板的最大振幅将待比较心搏进行幅值的等比例缩放,以获得最佳匹配结果,将每个待分类心搏与模板逐个进行比较,找到相近的一组模板,将两个模板进行合并。
在本发明中,优选地,所述步骤6中的心电图事件包括室上性二联律、室上性三联律、室上性单个、室上性成对、房性心动过速、室性二联律、室性三联律、室性单个、室性成对、室性心动过速、窦性心动过速、窦性心动过缓、窦性停搏、最小心率、最大心率、最长RR间期、最短RR间期、长RR间期以及按键事件。
在本发明中,优选地,所述步骤7中的心电图报告包括佩戴总时长、佩戴有效时长、总心搏数、平均心率、最大心率及最大心率发生时间、最小心率及最小心率发生时间、房性心律失常的个数及对应事件数目、室性心律失常的个数及对应事件数目、最长间歇及发生时间以及伪差持续时间和占比。
动态心电图记录仪,用于上述方法,所述动态心电图记录仪设置为一体成型的贴片式动态心电图记录仪,贴片式动态心电图记录仪用于采集单导联长程心电数据,单导联长程心电数据作为输入信号通过蓝牙或数据线传输至所述贴片式动态心电图记录仪的硬件单元进行数据读取,数据按照指定的编码格式、采样率及精度进行读取和解析。
本发明具有的优点和积极效果是:通过分析心搏序列估计每个心搏与前一个心搏之间的低频噪声,每个心搏存在的高频噪声,并计算每个心搏的特征,包括节律特征、心搏宽度、心搏振幅、心搏周期,采用动态模板匹配的方式进行形态匹配,综合考虑模板匹配信息和心搏特征获得心搏初步分类,实现了长程动态心电图的自动分析,准确率高、分析快速,由于综合考虑了心电波形的诸多方面的特征,分类准确,能够很好地帮助医生快速定位异常情况发生位置,效果较佳,保证心搏尽量不漏检、不多检。此外,动态心电图记录仪采用一体成型的贴片式动态心电图记录仪,可独立的采集、传输、记录心电信号,尤其可突破24小时的极限,完整记录和分析72小时、高达30多万次心跳的心电数据,隐匿得再深的病变,都难遁其形。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明的一种动态心电图自动分析的方法的流程图;
图2是本发明的一种动态心电图自动分析的方法的心搏检测的流程图;
图3是本发明的一种动态心电图自动分析的方法的心搏分类的流程图;
图4是本发明的实施例一的心电图报告示意图;
图5是本发明的实施例一的动态心电记录仪输出的动态心电图数据图;
图6是本发明的实施例一的心搏分类前的心搏特征图;
图7是本发明的实施例一的心搏分类后的心搏特征图;
图8是本发明的实施例二的心电图示意图;
图9是本发明的实施例三的Lorenz散点图;
图10是本发明的实施例三的时间散点图;
图11是现有的12导联心电图记录仪的使用状态示意图;
图12是本发明的动态心电图记录仪的使用状态示意图;
图13是本发明的动态心电图记录仪的实物图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
需要说明的是,当组件被称为“固定于”另一个组件,它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件,它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件,它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1至图3所示,本发明提供一种动态心电图自动分析的方法,所述方法包括:
步骤1:读取动态心电记录仪输出的动态心电图数据;
步骤2:对所述动态心电图数据进行预处理;
步骤3:对于经过预处理的心电数据进行噪声检测,获得噪声区间片段;
步骤4:将动态心电图数据进行心搏检测处理,识别心电图数据中的多个心搏数据,根据所述步骤2中噪声检测的结果确定心搏的有效性,剔除噪声区间片段,并按时间顺序生成分析心搏序列;
步骤5:针对分析心搏序列计算心搏特征,根据心搏特征生成动态模板进行心搏分类,修正心搏分类的结果并获得最终分类;
步骤6:根据预设的心电图事件参考数据以及所述心搏序列和心搏分类的信息对心电图事件进行分析计算,生成心电图事件数据;
步骤7:对心电图事件数据进行统计分析,生成心电图报告的各项统计值并汇总结论信息,输出心电图报告。
在本实施例中,进一步地,所述步骤5中的心搏分类具体包括以下步骤:
步骤51:计算自前一心搏t波结束到当前心搏q波起始之间的低频噪声估计值,根据等电位区域选定t波结束位置和q波起始位置;
步骤52:通过高通滤波器计算后综合考虑qrs波的振幅得出当前心搏中所包含的高频噪声估计值,高频噪声估计值为肌电噪声;
步骤53:根据心搏序列计算得到每个心搏特征,所述心搏特征包括节律特征、心搏宽度、心搏振幅和心搏周期;
步骤54:将当前心搏与现有模板进行形态匹配,计算匹配度指标,寻找匹配度指标最高的模板;
步骤55:根据最小匹配度判定心搏是否满足匹配要求,若是,则更新模板信息,然后执行步骤57;否则执行步骤56;
步骤56:对心搏特征进行再分类更新动态模板;
步骤57:综合考虑模板匹配信息和心搏特征获得心搏分类结果;
步骤58:根据间期和形态信息对心搏分类结果进行修正,得到最终心搏分类信息。
修正时参考了心电图的基本规律,比如心肌细胞的相对不应期的概念,对在不应期之间出现的心搏重新进行分类的考虑。
模板在分类过程中动态创建和变更,并维持一个相对恒定的数目。波形的匹配度主要采用逐样本点幅值差异累计的方式进行估计,对任何两个波形都以r波为参考点选取固定长度300ms进行衡量和比较。比较之前先按照待比较模板的最大振幅对待比较心搏进行了幅值的等比例缩放,以得到最佳匹配结果。当检测到两个模板足够接近时,将两个模板进行合并。模板的形态由进入模板的心搏确定,每个新进入的心搏都对模板形态做出一部分贡献。模板类型由模板特征和之前心搏的分类综合考虑后确定。
在本实施例中,进一步地,所述步骤56具体包括以下步骤:
步骤561:利用当前心搏的心搏特征进行再分类,确定当前心搏是否为噪声;
步骤562:结合当前心搏的节律特征判断是否满足建立新模板的条件,若满足,则先执行步骤563,再进入步骤57;若不满足,则直接执行步骤57;
步骤563:建立新模板并计算模板特征。
通常用户佩戴动态心电记录仪采集的数据中都存在着大量的噪声片段,尤其是对于活动强度较大的佩戴者来说,干扰特别多的片段不仅不能给出有效的心电信息,失去了分析的意义和价值,而且还可能会对后续的分析造成影响,步骤2主要就是对这种无效片段的识别和记录。
在本实施例中,进一步地,所述步骤2具体包括以下步骤:
步骤21:将所述动态心电图数据的主波方向调整为向上,使得用户在通过动态心电记录仪采集心电信号时佩戴有误的情况下能够调整到最适合读取和分析的方向;
步骤22:对所述动态心电图数据进行数字滤波处理,数字滤波处理采用中值滤波方法,通过数字滤波处理消除工频干扰和基线漂移的影响;
步骤23:将数字滤波处理后的数据按照预设格式进行存储。
在本实施例中,进一步地,所述步骤3包括以下步骤:
步骤31:通过傅里叶变换对心电数据进行频谱分析,设定频率阈值用于对噪声区间片段中高频噪声干扰严重的片段进行识别和过滤;
步骤32:根据设定规则对噪声区间片段中由于基线漂移过于严重出现了波形削顶的片段进行识别并记录。
在本实施例中,进一步地,所述步骤4具体包括以下步骤:
步骤41:采用设定的数字滤波器通过滤波处理获得通带为5Hz-11Hz的心电信号;
步骤42:对所述通带为5Hz-11Hz的心电信号进行求导;
步骤43:对每个样本点计算80ms移动窗口平均值;
步骤44:进行波峰检测,识别出信号中可能包含的qrs波;
步骤45:根据阈值判定检测到的波峰是否为qrs波,即心搏决策过程;
步骤46:得到心搏检测结果。
由于在实际佩戴过程中,心电图的信号振幅和频率会随着时间不断变化,如果只采用一个固定能很好地适应这种变化而造成检测的误差。因此,该方法对阈值进行了动态调整,根据检测到的qrs的阈值,那么将qrs波信号和噪声情况及时更新阈值,保证心搏尽量不漏检、不多检。
在本实施例中,进一步地,所述步骤54中的形态匹配采用逐样本点幅值差异积累的方式进行估计,以r波为参考点,选取固定长度300ms的两个波形与r波进行比较。
在本实施例中,进一步地,固定长度300ms的两个波形与r波进行比较前先按照待比较模板的最大振幅将待比较心搏进行幅值的等比例缩放。以获得最佳匹配结果,将每个待分类心搏与模板逐个进行比较,找到相近的一组模板,将两个模板进行合并。
在本实施例中,进一步地,所述步骤6中的心电图事件包括室上性二联律、室上性三联律、室上性单个、室上性成对、房性心动过速、室性二联律、室性三联律、室性单个、室性成对、室性心动过速、窦性心动过速、窦性心动过缓、窦性停搏、最小心率、最大心率、最长RR间期、最短RR间期、长RR间期以及按键事件。
在本实施例中,进一步地,所述步骤7中的心电图报告包括佩戴总时长、佩戴有效时长、总心搏数、平均心率、最大心率及最大心率发生时间、最小心率及最小心率发生时间、房性心律失常的个数及对应事件数目、室性心律失常的个数及对应事件数目、最长间歇及发生时间以及伪差持续时间和占比。
动态心电图记录仪,用于上述方法,所述动态心电图记录仪设置为一体成型的贴片式动态心电图记录仪,贴片式动态心电图记录仪用于采集单导联长程心电数据,单导联长程心电数据作为输入信号通过蓝牙或数据线传输至所述贴片式动态心电图记录仪的硬件单元进行数据读取,数据按照指定的编码格式、采样率及精度进行读取和解析。该贴片式动态心电记录仪分为24小时和72小时两种型号,佩戴者在医生的指导下严格按照产品要求进行了规范佩戴,确保录入信号的时长和准确性。佩戴后,佩戴者可正常进行日常活动(除不能洗澡、游泳以外),在达到产品要求的佩戴时长后,佩戴者到医院返还设备,医生可以直接读图、诊断、打印报告,图形和数据还可以直接上传云端。该贴片式动态心电记录仪可独立地采集、传输、记录心电信号,可突破24小时的极限,完整记录和分析72小时、高达30多万次心跳的心电数据,隐匿得再深的病变,都难遁其形。
实施例一:佩戴者王某,佩戴贴片式动态心电图记录仪24小时,有效佩戴时间22小时50分钟,共分析心搏数102832次,最大心率132bpm,最小心率51bpm,平均心率75bpm,伪差持续时间占比2.85%(完美,远小于10%),24小时心率趋势如图4所示,动态心电图记录仪采集的单导联长程心电数据,单导联长程心电数据作为输入信号通过蓝牙或数据线传输至所述贴片式动态心电图记录仪的硬件单元进行数据读取,数据按照指定的编码格式、采样率及精度进行读取和解析,如图5所示,寄存的二进制数据通过十六进制形式便于查看,图6为未经标识的心搏特征,经过步骤5的心搏分类过程对心搏特征进行识别和标注后可参见图7。
实施例二:佩戴者郭某,佩戴72小时动态心电图记录仪,检出房早1150次,出现了室上性二联律5阵,室上性成对27次,短阵房速17阵,是其以前传统到院心电检测中从未检出过的,如图8所示,该实施例的检测数据表明,采用本发明提供的一种动态心电图自动分析的方法的动态心电图记录仪信号质量好,伪差占比2%(完美,远小于10%),波形清晰,振幅超过1.5mV。
实施例三:佩戴者王某,佩戴24小时动态心电图记录仪,检出室性早搏6000余次,其中二联律27阵,三联律35阵,短阵室速20余阵,在室性早搏后曾出现长达1.9秒的代偿间歇。其室早形态多元,至少有三种不同形态的室性早搏,除正常代偿间歇的室早外,还包括了插入性的室早。在通过心电数据读取分析的过程中,如图9代表其RR间期的Lorenz散点图的分布就可以获知时其室早的可能,如图10所示的时间散点图也出现了清晰分层的情况,r波出现的时间作为横坐标,当前r波与前一r波的间隔(即rr间期)作为纵坐标,图中纵坐标值较大的一条(纵坐标数值在1000处波动)反映了正常窦性心率,而纵坐标值较小的一条(纵坐标数值在500处波动)反映了早搏的联律间期。
传统的12导联心电图记录仪通常由三部分组成:心电电极片、心电导联线和存储记录盒,如图11所示,虽然其提高了心律失常的检出率,但也存在一些不可避免的问题:1、电极片是一些一次性的耗材,对它的质量要求比较高,否则,电极片容易脱落,造成信号杂质增多,2、12导联线分布在病人全身,造成病人的不舒适感,特别是在夏天或者佩戴者运动出汗的情况下,不舒适感会加重,使得导联线和电极片接触不良,造成基线飘移,影响诊断,3、导联线由于每天佩戴给不同的病人,存在着消毒灭菌的问题,如果经常用酒精擦拭的话,会造成导联线的表皮脱落,金属线裸露,更换导联线会造成医院的成本增加,4、由于传统的心电记录盒仅能存储病人24小时的心电,虽然会捕捉到部分的异常心电活动,但是,对于一些隐匿的比较深的病变,24小时不足以抓住病变,会造成一些漏诊病例。5、记录盒的成本比较高,病人外出携带,抵押手续比较繁琐,而且,如果病人比较多时,会造成病人排队等盒子的情况,使得病情延误。
而本发明提供的动态心电图记录仪将传统由电极片、心电导联线、心电记录盒等三部分硬件联合完成的功能,集成为一个贴片就能够完成,该贴片能够独立地采集、传输、记录心电信号,并且可以突破24小时的极限,完整记录和分析72小时的心电数据,可参见图12和图13,该贴片在完成上述任务后,可以直接作为一个U盘,直接输入电脑终端,医生可以直接读图、诊断、打印报告,图形和数据还可以直接上传云端,并且送达到指定的地点。本发明提供的动态心电图记录仪具有以下优势:1、一片电极,无导线、方便佩戴,减少交叉感染,病人舒适感提高;2、72小时长程监测,提高了阳性检出率,诊断价值高于传统心电图记录仪;3、减少了电极片、电池导联线的支出,更为环保,也降低了医院成本;4、增加了医院的效益,因为不受传统记录盒数量的限制,有多少病人就可以做多少病人,由于价格合理,门诊病人不再需要办理抵押手续,简化了流程,增加了病人的满意度;5、拓宽了使用范围,不但可以应用于有症状的病人,还可以应用于健康体检和一些特殊职业的健康筛查,例如:飞行员、出租车、公共车辆驾驶员等;6、不但适用于大医院,也适用于社区医疗和基层医院,不同级别的医院可以通过网上传输图形而达到会诊和学习的效果,甚至病人自己也可以在医生的简单指导之下佩戴和检查。
以上对本发明的实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明范围所作的均等变化与改进等,均应仍归属于本专利涵盖范围之内。
Claims (10)
1.一种动态心电图自动分析的方法,其特征在于,所述方法包括:
步骤1:读取动态心电记录仪输出的动态心电图数据;
步骤2:对所述动态心电图数据进行预处理;
步骤3:对于经过预处理的心电数据进行噪声检测,获得噪声区间片段;
步骤4:将动态心电图数据进行心搏检测处理,识别心电图数据中的多个心搏数据,根据所述步骤2中噪声检测的结果确定心搏的有效性,剔除噪声区间片段,并按时间顺序生成分析心搏序列;
步骤5:针对分析心搏序列计算心搏特征,根据心搏特征生成动态模板进行心搏分类,修正心搏分类的结果并获得最终分类;
步骤6:根据预设的心电图事件参考数据以及所述心搏序列和心搏分类的信息对心电图事件进行分析计算,生成心电图事件数据;
步骤7:对心电图事件数据进行统计分析,生成心电图报告的各项统计值并汇总结论信息,输出心电图报告。
2.根据权利要求1所述的一种动态心电图自动分析的方法,其特征在于,所述步骤5中的心搏分类具体包括以下步骤:
步骤51:计算自前一心搏t波结束到当前心搏q波起始之间的低频噪声估计值,根据等电位区域选定t波结束位置和q波起始位置;
步骤52:通过高通滤波器计算后综合考虑qrs波的振幅得出当前心搏中所包含的高频噪声估计值;
步骤53:根据心搏序列计算得到每个心搏特征,所述心搏特征包括节律特征、心搏宽度、心搏振幅和心搏周期;
步骤54:将当前心搏与现有模板进行形态匹配,计算匹配度指标,寻找匹配度指标最高的模板;
步骤55:根据最小匹配度判定心搏是否满足匹配要求,若是,则更新模板信息,然后执行步骤57;否则执行步骤56;
步骤56:对心搏特征进行再分类更新动态模板;
步骤57:综合考虑模板匹配信息和心搏特征获得心搏分类结果;
步骤58:根据间期和形态信息对心搏分类结果进行修正,得到最终心搏分类信息。
3.根据权利要求2所述的一种动态心电图自动分析的方法,其特征在于,所述步骤56具体包括以下步骤:
步骤561:利用当前心搏的心搏特征进行再分类,确定当前心搏是否为噪声;
步骤562:结合当前心搏的节律特征判断是否满足建立新模板的条件,若满足,则先执行步骤563,再进入步骤57;若不满足,则直接执行步骤57;
步骤563:建立新模板并计算模板特征。
4.根据权利要求1所述的一种动态心电图自动分析的方法,其特征在于,所述步骤2具体包括以下步骤:
步骤21:将所述动态心电图数据的主波方向调整为向上,使得用户在通过动态心电记录仪采集心电信号时佩戴有误的情况下能够调整到最适合读取和分析的方向;
步骤22:对所述动态心电图数据进行数字滤波处理,数字滤波处理采用中值滤波方法,通过数字滤波处理消除工频干扰和基线漂移的影响;
步骤23:将数字滤波处理后的数据按照预设格式进行存储。
5.根据权利要求1所述的一种动态心电图自动分析的方法,其特征在于,所述步骤3包括以下步骤:
步骤31:通过傅里叶变换对心电数据进行频谱分析,设定频率阈值用于对噪声区间片段中高频噪声干扰严重的片段进行识别和过滤;
步骤32:根据设定规则对噪声区间片段中由于基线漂移过于严重出现了波形削顶的片段进行识别并记录。
6.根据权利要求1所述的一种动态心电图自动分析的方法,其特征在于,所述步骤4具体包括以下步骤:
步骤41:采用设定的数字滤波器通过滤波处理获得通带为5Hz-11Hz的心电信号;
步骤42:对所述通带为5Hz-11Hz的心电信号进行求导;
步骤43:对每个样本点计算80ms移动窗口平均值;
步骤44:进行波峰检测,识别出信号中可能包含的qrs波;
步骤45:根据阈值判定检测到的波峰是否为qrs波,即心搏决策过程;
步骤46:得到心搏检测结果。
7.根据权利要求2所述的一种动态心电图自动分析的方法,其特征在于,所述步骤54中的形态匹配采用逐样本点幅值差异积累的方式进行估计,以r波为参考点,选取固定长度300ms的两个波形与r波进行比较。
8.根据权利要求7所述的一种动态心电图自动分析的方法,其特征在于,固定长度300ms的两个波形与r波进行比较前先按照待比较模板的最大振幅将待比较心搏进行幅值的等比例缩放。
9.根据权利要求1所述的一种动态心电图自动分析的方法,其特征在于,所述步骤7中的心电图报告包括佩戴总时长、佩戴有效时长、总心搏数、平均心率、最大心率及最大心率发生时间、最小心率及最小心率发生时间、房性心律失常的个数及对应事件数目、室性心律失常的个数及对应事件数目、最长间歇及发生时间以及伪差持续时间和占比。
10.动态心电图记录仪,其特征在于,所述动态心电图记录仪用于如权利要求1至9任一项所述的方法,所述动态心电图记录仪设置为一体成型的贴片式动态心电图记录仪,贴片式动态心电图记录仪用于采集单导联长程心电数据,单导联长程心电数据作为输入信号通过蓝牙或数据线传输至所述贴片式动态心电图记录仪的硬件单元进行数据读取,数据按照指定的编码格式、采样率及精度进行读取和解析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910823819.0A CN110693483A (zh) | 2019-09-02 | 2019-09-02 | 一种动态心电图自动分析的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910823819.0A CN110693483A (zh) | 2019-09-02 | 2019-09-02 | 一种动态心电图自动分析的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110693483A true CN110693483A (zh) | 2020-01-17 |
Family
ID=69193305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910823819.0A Pending CN110693483A (zh) | 2019-09-02 | 2019-09-02 | 一种动态心电图自动分析的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110693483A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111053551A (zh) * | 2019-12-27 | 2020-04-24 | 深圳邦健生物医疗设备股份有限公司 | Rr间期心电数据分布显示方法、装置、计算机设备和介质 |
CN111616696A (zh) * | 2020-05-20 | 2020-09-04 | 联想(北京)有限公司 | 一种心电信号检测方法、装置及存储介质 |
CN112353400A (zh) * | 2020-10-26 | 2021-02-12 | 武汉联影智融医疗科技有限公司 | 心拍分类方法、装置、计算机设备和存储介质 |
CN112528783A (zh) * | 2020-11-30 | 2021-03-19 | 深圳邦健生物医疗设备股份有限公司 | 心电图心搏数据聚类方法、装置、电子设备和介质 |
CN112842349A (zh) * | 2021-02-20 | 2021-05-28 | 无锡市中健科仪有限公司 | 一种基于注意力转换机制的室上性早搏智能分析方法 |
CN113180687A (zh) * | 2021-04-29 | 2021-07-30 | 深圳邦健生物医疗设备股份有限公司 | 多导联动态心搏实时分类方法、装置、设备及存储介质 |
CN113499080A (zh) * | 2021-06-08 | 2021-10-15 | 深圳邦健生物医疗设备股份有限公司 | R波检测方法、装置、设备和介质 |
CN113712525A (zh) * | 2020-05-21 | 2021-11-30 | 深圳市理邦精密仪器股份有限公司 | 一种生理参数处理方法、装置及医疗设备 |
CN113712568A (zh) * | 2020-05-12 | 2021-11-30 | 深圳市科瑞康实业有限公司 | 一种心电信号数据的分类方法和装置 |
CN113768511A (zh) * | 2020-06-04 | 2021-12-10 | 深圳市理邦精密仪器股份有限公司 | 生理参数检测方法及电子设备 |
WO2021253709A1 (zh) * | 2020-06-17 | 2021-12-23 | 深圳邦健生物医疗设备股份有限公司 | 心电图心搏分类方法、装置、电子设备和介质 |
CN114159068A (zh) * | 2020-09-09 | 2022-03-11 | 深圳华清心仪医疗电子有限公司 | 一种心电信号心房扑动的检测方法及检测装置 |
CN116028914A (zh) * | 2023-03-27 | 2023-04-28 | 深圳市魔样科技有限公司 | 一种智能戒指身份认证方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5758654A (en) * | 1996-08-29 | 1998-06-02 | Harley Street Software Ltd. | ECG P QRS T onset and peak detection method |
US20120265086A1 (en) * | 2011-04-12 | 2012-10-18 | University Of Utah Research Foundation | Electrocardiographic assessment of arrhythmia risk |
US20130060154A1 (en) * | 2011-09-07 | 2013-03-07 | Seiko Epson Corporation | Atrial fibrillation decision apparatus, and method and program for deciding presence of atrial fibrillation |
CN107832737A (zh) * | 2017-11-27 | 2018-03-23 | 乐普(北京)医疗器械股份有限公司 | 基于人工智能的心电图干扰识别方法 |
CN107951485A (zh) * | 2017-11-27 | 2018-04-24 | 乐普(北京)医疗器械股份有限公司 | 基于人工智能自学习的动态心电图分析方法和装置 |
CN107981858A (zh) * | 2017-11-27 | 2018-05-04 | 乐普(北京)医疗器械股份有限公司 | 基于人工智能的心电图心搏自动识别分类方法 |
CN108309262A (zh) * | 2018-02-24 | 2018-07-24 | 乐普(北京)医疗器械股份有限公司 | 多参数监护数据分析方法和多参数监护仪 |
CN108836314A (zh) * | 2018-07-13 | 2018-11-20 | 希蓝科技(北京)有限公司 | 一种基于网络和人工智能的动态心电图分析方法及系统 |
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 |
-
2019
- 2019-09-02 CN CN201910823819.0A patent/CN110693483A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5758654A (en) * | 1996-08-29 | 1998-06-02 | Harley Street Software Ltd. | ECG P QRS T onset and peak detection method |
US20120265086A1 (en) * | 2011-04-12 | 2012-10-18 | University Of Utah Research Foundation | Electrocardiographic assessment of arrhythmia risk |
US20130060154A1 (en) * | 2011-09-07 | 2013-03-07 | Seiko Epson Corporation | Atrial fibrillation decision apparatus, and method and program for deciding presence of atrial fibrillation |
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 |
CN107832737A (zh) * | 2017-11-27 | 2018-03-23 | 乐普(北京)医疗器械股份有限公司 | 基于人工智能的心电图干扰识别方法 |
CN107951485A (zh) * | 2017-11-27 | 2018-04-24 | 乐普(北京)医疗器械股份有限公司 | 基于人工智能自学习的动态心电图分析方法和装置 |
CN107981858A (zh) * | 2017-11-27 | 2018-05-04 | 乐普(北京)医疗器械股份有限公司 | 基于人工智能的心电图心搏自动识别分类方法 |
CN108309262A (zh) * | 2018-02-24 | 2018-07-24 | 乐普(北京)医疗器械股份有限公司 | 多参数监护数据分析方法和多参数监护仪 |
CN108836314A (zh) * | 2018-07-13 | 2018-11-20 | 希蓝科技(北京)有限公司 | 一种基于网络和人工智能的动态心电图分析方法及系统 |
Non-Patent Citations (2)
Title |
---|
向晋涛等: "利用单导联24h动态心电图仪间断持续记录证实心源性晕厥一例", 《中国心脏起搏与心电生理杂志》 * |
杨波等: "基于多模板匹配的室性早搏判别算法", 《计算机工程》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12011277B2 (en) | 2019-12-27 | 2024-06-18 | Shenzhen Biocare Bio-Medical Equipment Co., Ltd. | RR interval ECG data distribution display method and device, computer equipment and medium |
CN111053551A (zh) * | 2019-12-27 | 2020-04-24 | 深圳邦健生物医疗设备股份有限公司 | Rr间期心电数据分布显示方法、装置、计算机设备和介质 |
CN111053551B (zh) * | 2019-12-27 | 2021-09-03 | 深圳邦健生物医疗设备股份有限公司 | Rr间期心电数据分布显示方法、装置、计算机设备和介质 |
CN113712568B (zh) * | 2020-05-12 | 2024-02-09 | 深圳市科瑞康实业有限公司 | 一种心电信号数据的分类方法和装置 |
CN113712568A (zh) * | 2020-05-12 | 2021-11-30 | 深圳市科瑞康实业有限公司 | 一种心电信号数据的分类方法和装置 |
CN111616696A (zh) * | 2020-05-20 | 2020-09-04 | 联想(北京)有限公司 | 一种心电信号检测方法、装置及存储介质 |
CN113712525A (zh) * | 2020-05-21 | 2021-11-30 | 深圳市理邦精密仪器股份有限公司 | 一种生理参数处理方法、装置及医疗设备 |
CN113768511B (zh) * | 2020-06-04 | 2023-09-22 | 深圳市理邦精密仪器股份有限公司 | 生理参数检测方法及电子设备 |
CN113768511A (zh) * | 2020-06-04 | 2021-12-10 | 深圳市理邦精密仪器股份有限公司 | 生理参数检测方法及电子设备 |
CN113876335B (zh) * | 2020-06-17 | 2023-05-02 | 深圳邦健生物医疗设备股份有限公司 | 心电图心搏分类方法、装置、电子设备和介质 |
CN113876335A (zh) * | 2020-06-17 | 2022-01-04 | 深圳邦健生物医疗设备股份有限公司 | 心电图心搏分类方法、装置、电子设备和介质 |
WO2021253709A1 (zh) * | 2020-06-17 | 2021-12-23 | 深圳邦健生物医疗设备股份有限公司 | 心电图心搏分类方法、装置、电子设备和介质 |
CN114159068B (zh) * | 2020-09-09 | 2024-01-09 | 深圳华清心仪医疗电子有限公司 | 一种心电信号心房扑动的检测方法及检测装置 |
CN114159068A (zh) * | 2020-09-09 | 2022-03-11 | 深圳华清心仪医疗电子有限公司 | 一种心电信号心房扑动的检测方法及检测装置 |
CN112353400A (zh) * | 2020-10-26 | 2021-02-12 | 武汉联影智融医疗科技有限公司 | 心拍分类方法、装置、计算机设备和存储介质 |
WO2022110524A1 (zh) * | 2020-11-30 | 2022-06-02 | 深圳邦健生物医疗设备股份有限公司 | 心电图心搏数据聚类方法、装置、电子设备和介质 |
CN112528783A (zh) * | 2020-11-30 | 2021-03-19 | 深圳邦健生物医疗设备股份有限公司 | 心电图心搏数据聚类方法、装置、电子设备和介质 |
CN112528783B (zh) * | 2020-11-30 | 2024-04-16 | 深圳邦健生物医疗设备股份有限公司 | 心电图心搏数据聚类方法、装置、电子设备和介质 |
CN112842349A (zh) * | 2021-02-20 | 2021-05-28 | 无锡市中健科仪有限公司 | 一种基于注意力转换机制的室上性早搏智能分析方法 |
CN113180687A (zh) * | 2021-04-29 | 2021-07-30 | 深圳邦健生物医疗设备股份有限公司 | 多导联动态心搏实时分类方法、装置、设备及存储介质 |
CN113180687B (zh) * | 2021-04-29 | 2024-02-09 | 深圳邦健生物医疗设备股份有限公司 | 多导联动态心搏实时分类方法、装置、设备及存储介质 |
CN113499080B (zh) * | 2021-06-08 | 2023-09-19 | 深圳邦健生物医疗设备股份有限公司 | R波检测方法、装置、设备和介质 |
CN113499080A (zh) * | 2021-06-08 | 2021-10-15 | 深圳邦健生物医疗设备股份有限公司 | R波检测方法、装置、设备和介质 |
CN116028914A (zh) * | 2023-03-27 | 2023-04-28 | 深圳市魔样科技有限公司 | 一种智能戒指身份认证方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110693483A (zh) | 一种动态心电图自动分析的方法 | |
Satija et al. | A review of signal processing techniques for electrocardiogram signal quality assessment | |
Lázaro et al. | Wearable armband device for daily life electrocardiogram monitoring | |
CN107358196B (zh) | 一种心搏类型的分类方法、装置及心电仪 | |
US8666483B2 (en) | System for cardiac medical condition detection and characterization | |
US8396541B2 (en) | Signal analysis of cardiac and other patient medical signals | |
CN106214145B (zh) | 一种基于深度学习算法的心电图分类方法 | |
US7862515B2 (en) | Apparatus for detecting sleep apnea using electrocardiogram signals | |
Mak et al. | An automated ECG-artifact removal method for trunk muscle surface EMG recordings | |
CN109411042B (zh) | 心电信息处理方法和心电工作站 | |
CN106815570B (zh) | 一种基于动态模式识别的心电信号st-t段识别方法 | |
CA2584503A1 (en) | Monitoring physiological activity using partial state space reconstruction | |
Tueche et al. | Embedded algorithm for QRS detection based on signal shape | |
KR20220150901A (ko) | 모체 자궁 활동 검출을 위한 융합 신호 처리 | |
Thurner et al. | Complex-Pan-Tompkins-Wavelets: Cross-channel ECG beat detection and delineation | |
Hegde et al. | A review on ECG signal processing and HRV analysis | |
CN114580477B (zh) | 一种基于多时间序列融合的可穿戴动态呼吸率估测系统 | |
Lázaro et al. | Feasibility of long-term daily life electrocardiogram monitoring based on a wearable armband device | |
JP6468986B2 (ja) | ノイズ判定装置、方法、およびプログラム | |
Saadi et al. | Heart rhythm analysis using ECG recorded with a novel sternum based patch technology-A pilot study | |
Mincholé et al. | Discrimination between ischemic and artifactual ST segment events in Holter recordings | |
Yasmeen et al. | Detection of real time QRS complex using wavelet transform | |
Nasim et al. | Dynamic Segmented Beat Modulation Method for Denoising ECG Data from Wearable Sensors | |
CN117338309B (zh) | 一种身份识别方法及存储介质 | |
Agrawal et al. | Morphological Event Based Signal Quality Assessment of Electrocardiogram |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200117 |
|
RJ01 | Rejection of invention patent application after publication |