CN111345808B - 处理心电信号的方法、心电信号监测设备和存储介质 - Google Patents
处理心电信号的方法、心电信号监测设备和存储介质 Download PDFInfo
- Publication number
- CN111345808B CN111345808B CN201811580489.9A CN201811580489A CN111345808B CN 111345808 B CN111345808 B CN 111345808B CN 201811580489 A CN201811580489 A CN 201811580489A CN 111345808 B CN111345808 B CN 111345808B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- window period
- parameter
- array
- 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
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本公开涉及处理心电信号的方法、心电信号监测设备和存储介质。该方法包括:获取心电导联数据并滤波;在滤波后的数据中取第一窗口期数据,将所述第一窗口期数据分为前后两个数组,所述两个数组各自对应的窗口时间长度相同,其中前一个数组的时间起点为所述第一窗口期数据的时间起点,后一个数组对应的时间起点相对于所述第一窗口期数据的时间起点偏移;获得所述两个数组各自中的数据最大值与最小值之差,并将所述两个数组中的该差进行A等分以得到数据间隔,其中A为自然数;按照A等分后的数据间隔,将所述两个数组的各数组中的数据值按照数据间隔进行计数,计数结果是得到A*A的计数矩阵;对所述A*A的矩阵进行数理统计量计算,得到STD参数。
Description
技术领域
本公开涉及信号处理领域,尤其涉及心电信号的处理和监测。
背景技术
引证文件列表
非专利文献
A.Amann,et al.,Detecting Ventricular Fibrillation by Time-DelayMethods,IEEE Trans Biomed Eng.2007Jan;54(1):174-7.
心室纤颤(VF)心律被认为是非常严重的心功能障碍表现。因此,有必要在患者正经历VF时向医疗人员告警。诸如Amann等的论文提出了通过时移方式来检测VF的方法,其中通过偏移时间分段来把握ECG信号的变动程度。
但是,利用包含大量患者心电信号和VF诊断结果的数据库进行验证,本发明人发现,现有技术的医疗设备对VF检测的准确率有待提高。本领域曾经尝试过对VF判断的阈值进行实时反馈调整的一些方法,但发现VF检测准确率无法得到实质提升。
发明内容
有鉴于此,本公开提出了一种处理心电信号的方法、心电信号监测设备和介质。
根据本公开的一方面,提供了一种处理心电信号的方法,包括:获取心电导联数据,并对所述数据进行滤波;在滤波后的数据中取第一窗口期数据,将所述第一窗口期数据分为前后两个数组,所述两个数组各自对应的窗口时间长度相同,其中前一个数组的时间起点为所述第一窗口期数据的时间起点,后一个数组对应的时间起点相对于所述第一窗口期数据的时间起点偏移;获得所述两个数组各自中的数据最大值与最小值之差,并将所述两个数组中的该差进行A等分以得到数据间隔,其中A为自然数;按照A等分后的数据间隔,将所述两个数组的各数组中的数据值按照数据间隔进行计数,计数结果是得到A*A的计数矩阵;对所述A*A的矩阵进行数理统计量计算,得到STD参数。
根据本公开的另一方面,提供了一种心电信号监测设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为在执行所述处理器可执行指令时实现以下:对所述心电信号监测设备获取到的心电导联数据进行滤波;在滤波后的数据中取第一窗口期数据,将所述第一窗口期数据分为前后两个数组,所述两个数组各自对应的窗口时间长度相同,其中前一个数组的时间起点为所述第一窗口期数据的时间起点,后一个数组对应的时间起点相对于所述第一窗口期数据的时间起点偏移;获得所述两个数组各自中数据最大值与最小值之差,并将该差进行A等分以得到数据间隔,其中A为自然数;按照A等分后的数据间隔,将各数组中的数据值按照数据间隔进行计数,计数结果是得到A*A的矩阵;对所述A*A的矩阵进行数理统计量计算,得到STD参数。
根据本公开的另一方面,提供了一种心电信号监测设备,包括:数据获取和滤波模块,被配置为获取心电导联数据,并对所述数据进行滤波;数组划分模块,被配置为在滤波后的数据中取第一窗口期数据,将所述第一窗口期数据分为前后两个数组,所述两个数组各自对应的窗口时间长度相同,其中前一个数组的时间起点为所述第一窗口期数据的时间起点,后一个数组对应的时间起点相对于所述第一窗口期数据的时间起点偏移;间隔确定模块,被配置为获得所述两个数组各自中的数据最大值与最小值之差,并将该差进行A等分以得到数据间隔,其中A为自然数;计数模块,被配置为按照A等分后的数据间隔,将各数组中的数据值按照数据间隔进行计数,计数结果是得到A*A的矩阵;统计量计算模块,被配置为对所述A*A的矩阵进行数理统计量计算,得到STD参数。
根据本公开的另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其中,所述计算机程序指令被处理器执行时实现上述的任一方法。
通过利用心电信号的特定数理统计量表征,根据本公开的各方面的心电信号监测设备和介质能够更准确地将VF与室性心动过速等其它常见心功能障碍区分开,从而提高VF检测的准确率。根据本公开各方面的处理心电信号的方法以与现有技术不同的思路获得了对心电导联信号的中间处理结果,但上述方法本身不能够直接得出VF判断结果。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出心电图十二导联中各导联的说明。
图2示出根据本公开一实施例的处理心电信号的方法200的流程图。
图3示出了根据本公开另一实施例的心电信号监测设备300的框图。
图4示出了根据本公开又一实施例的心电信号监测设备400的框图。
图5是根据一示例性实施例示出的心电信号监测设备800的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
如本领域所周知的,可以通过心电导联来获得心电数据。如图1所示,常见的心电十二导联包括6胸导联(V1-V6)和6肢体导联(单极导联avR,avL,avF和双极导联I,II,III)。
实施例1
图2示出根据本公开一实施例的处理心电信号的方法200的流程图。如图1所示,心电信号处理方法200包括以下步骤。在步骤202中,获取心电导联数据,并对所述数据进行滤波。在步骤204中,在滤波后的数据中取第一窗口期数据,将所述第一窗口期数据分为前后两个数组,所述两个数组各自对应的窗口时间长度相同,其中前一个数组的时间起点为所述第一窗口期数据的时间起点,后一个数组对应的时间起点相对于所述第一窗口期数据的时间起点偏移。在步骤206中,获得所述两个数组各自中的数据最大值与最小值之差,并将所述两个数组中的该差进行A等分以得到数据间隔,其中A为自然数。在步骤208中,按照A等分后的数据间隔,将所述两个数组的各数组中的数据值按照数据间隔进行计数,计数结果是得到A*A的矩阵。在步骤210中,对所述A*A的矩阵进行数理统计量计算,得到STD参数。
在步骤S202的一个具体实现中,可以获取图1所示的心电十二导联中的任一个或多个心电导联数据。例如,可以利用心电采样芯片对数据进行采集以得到导联信号I/II/III/V1/V2/V3/V4/V5/V6。然后,可以通过计算得到所有导联信号I/II/III/avF/avR/avL/V1/V2/V3/V4/V5/V6,以供后续使用。
在心电导联数据滤波的一个具体实现中,可以依次进行高通滤波、低通滤波和陷波滤波,从而获得更易于处理和统计的信号。滤波可以通过处理器的程序来实现,实现该功能的程序模块可称为滤波器。例如,陷波滤波器的截止频率可以设置为50Hz和60Hz。
在步骤S204的一个具体实现中,在滤波后的数据中取的第一窗口期数据可以是持续时间为例如4s的数据。作为举例,第一窗口期数据所分成的前后两个数组可以分别代表0-3.5s的数据和0.5s-4s的数据,但是,前后两个数组的划分并不以此为限。在此示例中,如果假设采样率为250Hz,则前后两个数组各自将具有3.5*250=875个数据。
在步骤206中,作为举例,在对两个数组的数据进行处理时,可以将各数组中最大值与最小值之差进行40等分,即A=40。但本领域技术人员完全可以根据实际需要选择其它数量的等分。
关于步骤208,以下给出关于A等分数据间隔的具体计算的一个示例。例如,设前一个数组为X。X数组可以代表0~3.5s的数据,采样率为250Hz,那么X数组为875(=3.5*250)的长度,从875个数据中找到最大值maxX和最小值minX。以A等分为40等分为例,每个等分的长度为diffVal=(maxX-minX)/40。得到的等分数据为如下:第一个等分区间为minX~minX+diffVal,后续以此类推。可以设后一个数组为Y,并对Y数组进行同样的A等分数据间隔操作。在一个示例中,针对A等分数据间隔之后的X、Y数组,可以得到初始化为0的A*A矩阵CntMatrix。在一个示例中,可以将X、Y数组各自所具有的例如875个数据映射到X、Y数组各自所对应的A等分数据间隔中,以通过A*A矩阵中的各元素值反映出数据大小的分布结果。
关于A等分间隔后的计数计算,在一个具体实现中,可以首先拿到第一组数据(x(1),y(1))(即在X和Y这两个数组中确定这两个信号数据值),判断x(1)的信号值在例如40等分间隔中的位置(即处于哪个间隔内)。例如,如果x(1)的信号值的大小满足minx+4*diffVal>=x(1)>minx+5*diffVal,则x(1)的信号值所处的间隔的位置是xpos=4。同理可以得到y(1)的信号值处于哪个间隔内。例如,可以假设得到ypos=6。于是,使得例如40*40的CntMatrix矩阵中与坐标(4,6)相对应的位置的对应值递增1。即,CntMatrix(4,6)=CntMatrix(4,6)+1。注意,CntMatrix矩阵起初全部初始化为0。
通过上述对所有组数据(x(n),y(n))(例如为875组)的计算后,得到CntMatrix(40,40)的矩阵,有些矩阵点上面有计数,有些可能为0。更多细节可以参考背景技术部分所述的Amann论文,此处不再赘述。
关于步骤210,在数理统计量的一个具体实现中,可以计算数据的标准差。但是,其它本领域周知的数理统计量也可以适用,只要其能够表征信号的变动剧烈程度即可。在计算标准差的一个示例中,可以将CntMatrix矩阵化成一维数组得到1600长度(以40等分间隔为例)的数组,然后求取其STD值(在一个具体示例中,STD值可以是例如1600长度的数组的标准差值,但其它数理统计量也可以适用):
其中xi就是CntMatrix矩阵被展开成的一维数组的每个值。
应当注意,以上对于方法200的各步骤的举例说明仅为例示性的,本公开并不以此为限。
在心电信号处理方法的具体实现中,在STD参数以外,可以额外获得心电信号的频域统计参数、时域统计参数、斜率统计参数中的至少一个,以对心电信号进行更全面的表征。
例如,在心电信号处理方法的一个具体实现中,可以在STD参数外额外获得心电信号的时域统计参数。例如,在所述滤波后的心电导联数据中取第二窗口期数据,将所述第二窗口期数据中的最大值与最小值之差进行B等分以得到B等分后的数据间隔,其中B为自然数。按照B等分后的间隔,可以得到每个间隔中所包含的数据的计数值。随后,对B个上述计数值进行数理统计量计算,可以得到所述心电信号的时域统计量STDTime参数。在一个具体实现中,第二窗口期的长度可以为4s。在一个示例中,B等分可以为15等分。但应注意,本领域技术人员可以根据实际需要选择其它合适的长度和等分数量。在一个具体示例中,STDTime参数可以是例如15等分数据间隔所得到的15个计数值的标准差,但其它数理统计量也可以适用。
在心电信号处理方法的另一具体实现中,可以在STD参数外额外获得心电信号的斜率统计参数。在一个具体实现中,在所述滤波后的心电导联数据中取第三窗口期数据,对该数据进行差分计算,并对差分计算的结果进行数理统计量计算,以得到所述心电信号的斜率统计量STDSlope参数。第三窗口期的长度可以为例如3s。如果假设采样率为250Hz,则数据长度可以用例如x(750)来表示。在一个示例中,将数据进行差分计算可以得到xDiff(749)。对该xDiff结果进行的数理统计量计算可以是例如标准差计算。也就是说,在一个具体示例中,STDSlope参数可以是例如xDiff结果的标准差,但其它数理统计量也可以适用。
在心电信号处理方法的一个具体实现中,可以在STD参数外额外获得心电信号的频域统计参数。
在一个具体实现中,在所述滤波后的心电导联数据中取第四窗口期数据,对该数据进行FFT变换,并对FFT变换的结果进行数理统计量计算,以得到所述心电信号的频域统计量STDFFT参数。在一个示例中,第四窗口期的长度可以为4s。应注意,本公开中所提到的窗口期长度不以给出的具体示例长度为限,本领域技术人员可以根据实际需要选择其它合适的长度。在一个具体示例中,STDFFT参数可以是例如FFT变换结果的标准差,但其它数理统计量也可以适用。
实施例2
图3示出了根据本公开实施例的心电信号检测设备300的框图。
心电信号监测设备300包括:处理器302和用于存储处理器可执行指令的存储器304。处理器302被配置为对心电信号监测设备300获取到的心电导联数据进行滤波;在滤波后的数据中取第一窗口期数据,将所述第一窗口期数据分为前后两个数组,所述两个数组各自对应的窗口时间长度相同,其中前一个数组的时间起点为所述第一窗口期数据的时间起点,后一个数组对应的时间起点相对于所述第一窗口期数据的时间起点偏移;获得所述两个数组各自中数据最大值与最小值之差,并将该差进行A等分以得到数据间隔,其中A为自然数;按照A等分后的数据间隔,将各数组中的数据值按照数据间隔进行计数,计数结果是得到A*A的矩阵;对所述A*A的矩阵进行数理统计量计算,得到STD参数。
在一个具体实现中,心电信号监测设备可以利用权重算法来综合考虑上述的STD参数、以下将要详细说明的STDTime参数、STDSlope参数和STDFFT参数中的一个或多个,以辅助得出更准确的VF判断。
在心电信号监测设备300的一个具体实现中,处理器302可以进一步地被配置为在所述滤波后的心电导联数据中取第三窗口期数据,对该数据进行差分计算,并对差分计算的结果进行数理统计量计算,以得到所述心电信号的斜率统计量STDSlope参数。
应当注意,在本公开的背景下,在心电信号监测设备中采用斜率表征并非本领域技术人员所容易想到的。本领域技术人员了解,如果利用斜率来表征心电信号,则利用心电信号监测设备进行的分析结果中通常会将VF与VT(室性心动过速)混杂,而无法准确判断出VF的存在。因此,本领域长期以来的观点是,在心电信号监测设备中采用斜率表征无助于VF判断。
在心电信号监测设备300的另一具体实现中,处理器302可以进一步地被配置为在所述滤波后的心电导联数据中取第四窗口期数据,对该数据进行FFT变换,并对FFT变换的结果进行数理统计量计算,以得到所述心电信号的频域统计量STDFFT参数。
上述第一窗口期~第四窗口期可以是同样的时间段,也可以是彼此有重叠的时间段或是完全不同的时间段,均可实现本公开的目的。
与现有技术仅考量信号时域外观的方式相比,本公开中心电信号监测设备的上述具体实现方式可以进一步考虑信号的频域表现,从而可以得到更准确的VF判断值表征。应当注意,在本公开的背景下利用频率表现是非显而易见的。心电信号的频带集中在7-11Hz,频带矮而广,在利用心电监测设备进行分析时,难以将VF与VT(室性心动过速)及其它常见心功能障碍进行区分。因此,本领域技术人员通常认为心电信号监测设备中使用频域分析无助于VF判断,因而不会轻易想到利用频域表征。此外,在本公开提交日之前,本领域通常应用MCU对心电信号进行处理。然而,MCU有限的计算能力无法承担进行FFT变换所需要的计算量。因此,本领域技术人员不容易想到在心电信号监测设备的领域采用FFT变换。
在一个具体实现中,心电信号监测设备的处理器还可以被配置为:根据所述STD参数来调整心室纤颤判断值、即VF判断值的大小,所述VF判断值的初始值为0;其中,所述STD参数越大,则在VF判断值上相加的加权系数的数值越大;在所述VF判断值大于VF判断阈值的情况下,判断为VF。
在一个具体实现中,心电信号监测设备的VF判断值VFCntVal被初始化为0。在一个具体示例中,与VF判断值相关联的第一数值范围可以是300~600范围内的一个半开半闭区间,第二数值范围可以是450~700范围内的一个半开半闭区间,第三数值范围可以是下限为550~700的数值范围。本领域技术人员可以根据需要选择第一~第三数值范围,只要所述第一数值范围、所述第二数值范围和所述第三数值范围这三个范围彼此连续,且第二数值范围比第一数值范围中的数值更大、第三数值范围比第二数值范围中的数值更大即可。在一个具体实现中,所述第一数值范围、所述第二数值范围和所述第三数值范围是通过神经网络算法采用训练集的方式来确定的。
当STD参数落入第一数值范围时,VF判断值VFCntVal=VFCntVal+1;
当STD参数落入第二数值范围时,VFCntVal=VFCntVal+2;
当STD参数落入第三数值范围时,VFCntVal=VFCntVal+3。
在另一具体实现中,心电信号监测设备所用的STDTime参数的阈值可以是30~50的范围内的一个值。
当STDTime大于其阈值时,VFCntVal=VFCntVal+1。
在又一具体实现中,心电信号监测设备所用的STDFFT参数的阈值可以是100~150的范围内的一个值,
当STDFFT大于其阈值时,VFCntVal=VFCntVal+1。
在再一具体实现中,心电信号监测设备所用的STDSlope参数的阈值可以是80~150的范围内的一个值。
当STDSlope大于其阈值时,VFCntVal=VFCntVal+1。
最终,如果VF判断值VFCntVal大于2,则心电信号监测设备300可以判断为VF;否则判断为不是VF。
在一个具体实现中,可以通过神经网络算法、例如BP神经网络算法对上述四个参数中的一个或多个进行阈值计算。可以通过神经网络算法利用训练集来得到VF判断阈值。
进一步,在一个具体实现中,根据某些必须进行VF告警的心电信号测试用数据和某些必须不能进行VF告警的心电信号测试用数据,可以对利用神经网络计算得到的第一-第三数值范围和上述各参数对应的阈值进行调整。
实施例3
图4示出了根据本公开又一实施例的心电信号监测设备400的框图。心电信号监测设备400包括数据获取和滤波模块402,被配置为获取心电导联数据,并对所述数据进行滤波;数组划分模块404,被配置为在滤波后的数据中取第一窗口期数据,将所述第一窗口期数据分为前后两个数组,所述两个数组各自对应的窗口时间长度相同,其中前一个数组的时间起点为所述第一窗口期数据的时间起点,后一个数组对应的时间起点相对于所述第一窗口期数据的时间起点偏移;间隔确定模块406,被配置为获得所述两个数组各自中的数据最大值与最小值之差,并将该差进行A等分以得到数据间隔,其中A为自然数;计数模块408,被配置为按照A等分后的数据间隔,将各数组中的数据值按照数据间隔进行计数,计数结果是得到A*A的矩阵;统计量计算模块410,被配置为对所述A*A的矩阵进行数理统计量计算,得到STD参数。
实施例4
图5是根据一示例性实施例示出的心电信号监测设备800的框图。心电信号监测设备800是心电信号监测设备300的其中一种具体实现方式。例如,设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图5,设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为设备800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800的打开/关闭状态,组件的相对定位,例如所述组件为设备800的显示器和小键盘,传感器组件814还可以检测设备800或设备800一个组件的位置改变,用户与设备800接触的存在或不存在,设备800方位或加速/减速和设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于设备800和其他设备之间有线或无线方式的通信。设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器,上述计算机程序指令可由处理器执行以完成上述处理心电信号的方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (16)
1.一种处理心电信号的方法,包括:
获取心电导联数据,并对所述数据进行滤波;
在滤波后的数据中取第一窗口期数据,将所述第一窗口期数据分为前后两个数组,所述两个数组各自对应的窗口时间长度相同,其中前一个数组的时间起点为所述第一窗口期数据的时间起点,后一个数组对应的时间起点相对于所述第一窗口期数据的时间起点偏移;
获得所述两个数组各自中的数据最大值与最小值之差,并将所述两个数组中的该差进行A等分以得到数据间隔,其中A为自然数;
按照A等分后的数据间隔,将所述两个数组的各数组中的数据值按照数据间隔进行计数,计数结果是得到A*A的矩阵;
对所述A*A的矩阵进行数理统计量计算,得到STD参数。
2.根据权利要求1所述的方法,还包括:
在所述滤波后的数据中取第二窗口期数据,将所述第二窗口期数据中的最大值与最小值之差进行B等分以得到B等分后的数据间隔,其中B为自然数;
按照B等分后的间隔,得到每个间隔中所包含的数据的计数值;
对B个所述计数值进行数理统计量计算,得到所述心电信号的时域统计量STDTime参数。
3.根据权利要求1所述的方法,还包括:
在所述滤波后的数据中取第三窗口期数据,对该数据进行差分计算,并对差分计算的结果进行数理统计量计算,以得到所述心电信号的斜率统计量STDSlope参数。
4.根据权利要求1所述的方法,还包括:
在所述滤波后的数据中取第四窗口期数据,对该数据进行FFT变换,并对FFT变换的结果进行数理统计量计算,以得到所述心电信号的频域统计量STDFFT参数。
5.一种心电信号监测设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为在执行所述处理器可执行指令时实现以下:
对所述心电信号监测设备获取到的心电导联数据进行滤波;
在滤波后的数据中取第一窗口期数据,将所述第一窗口期数据分为前后两个数组,所述两个数组各自对应的窗口时间长度相同,其中前一个数组的时间起点为所述第一窗口期数据的时间起点,后一个数组对应的时间起点相对于所述第一窗口期数据的时间起点偏移;
获得所述两个数组各自中数据最大值与最小值之差,并将该差进行A等分以得到数据间隔,其中A为自然数;
按照A等分后的数据间隔,将各数组中的数据值按照数据间隔进行计数,计数结果是得到A*A的矩阵;
对所述A*A的矩阵进行数理统计量计算,得到STD参数。
6.根据权利要求5所述的心电信号监测设备,所述处理器还被配置为:
在所述滤波后的数据中取第二窗口期数据,将所述第二窗口期数据中的最大值与最小值之差进行B等分以得到B等分后的数据间隔,其中B为自然数;
按照B等分后的间隔,得到每个间隔中所包含的数据的计数值;
对B个所述计数值进行数理统计量计算,得到所述心电信号的时域统计量STDTime参数。
7.根据权利要求5所述的心电信号监测设备,所述处理器还被配置为:
在所述滤波后的数据中取第三窗口期数据,对该数据进行差分计算,并对差分计算的结果进行数理统计量计算,以得到所述心电信号的斜率统计量STDSlope参数。
8.根据权利要求5所述的心电信号监测设备,所述处理器还被配置为:
在所述滤波后的数据中取第四窗口期数据,对该数据进行FFT变换,并对FFT变换的结果进行数理统计量计算,以得到所述心电信号的频域统计量STDFFT参数。
9.根据权利要求5所述的心电信号监测设备,所述处理器还被配置为:
根据所述STD参数来调整心室纤颤判断值、即VF判断值的大小,所述VF判断值的初始值为0;
其中,所述STD参数越大,则在VF判断值上相加的加权系数的数值越大;
在所述VF判断值大于VF判断阈值的情况下,判断为VF。
10.根据权利要求9所述的心电信号监测设备,所述处理器还被配置为:
在所述STD参数落入第一数值范围的情况下,使得VF判断值加1;
在所述STD参数落入数值比第一数值范围中的数值更大的第二数值范围的情况下,使得所述VF判断值加2;
在所述STD参数落入数值比第二数值范围中的数值更大的第三数值范围的情况下,使得所述VF判断值加3;
其中,所述第一数值范围、所述第二数值范围和所述第三数值范围连续,所述VF判断值的初始值为0,所述VF判断阈值为2。
11.根据权利要求6所述的心电信号监测设备,所述处理器还被配置为:
根据所述STDTime参数来调整心室纤颤判断值、即VF判断值的大小;
在所述STDTime参数大于其阈值的情况下,使得所述VF判断值加1;
所述STDTime参数的阈值是通过神经网络算法采用训练集的方式来确定的。
12.根据权利要求7所述的心电信号监测设备,所述处理器还被配置为:
根据所述STDSlope参数来调整心室纤颤判断值、即VF判断值的大小;
在所述STDSlope参数大于其阈值的情况下,使得所述VF判断值加1;
所述STDSlope参数的阈值是通过神经网络算法采用训练集的方式来确定的。
13.根据权利要求8所述的心电信号监测设备,所述处理器还被配置为:
根据所述STDFFT参数来调整心室纤颤判断值、即VF判断值的大小;
在所述STDFFT参数大于其阈值的情况下,使得所述VF判断值加1;
所述STDFFT参数的阈值是通过神经网络算法采用训练集的方式来确定的。
14.根据权利要求10所述的心电信号监测设备,其中,
所述第一数值范围、所述第二数值范围和所述第三数值范围是通过神经网络算法采用训练集的方式来确定的。
15.一种心电信号监测设备,包括:
数据获取和滤波模块,被配置为获取心电导联数据,并对所述数据进行滤波;
数组划分模块,被配置为在滤波后的数据中取第一窗口期数据,将所述第一窗口期数据分为前后两个数组,所述两个数组各自对应的窗口时间长度相同,其中前一个数组的时间起点为所述第一窗口期数据的时间起点,后一个数组对应的时间起点相对于所述第一窗口期数据的时间起点偏移;
间隔确定模块,被配置为获得所述两个数组各自中的数据最大值与最小值之差,并将该差进行A等分以得到数据间隔,其中A为自然数;
计数模块,被配置为按照A等分后的数据间隔,将各数组中的数据值按照数据间隔进行计数,计数结果是得到A*A的矩阵;
统计量计算模块,被配置为对所述A*A的矩阵进行数理统计量计算,得到STD参数。
16.一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至4中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811580489.9A CN111345808B (zh) | 2018-12-24 | 2018-12-24 | 处理心电信号的方法、心电信号监测设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811580489.9A CN111345808B (zh) | 2018-12-24 | 2018-12-24 | 处理心电信号的方法、心电信号监测设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111345808A CN111345808A (zh) | 2020-06-30 |
CN111345808B true CN111345808B (zh) | 2023-10-17 |
Family
ID=71188534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811580489.9A Active CN111345808B (zh) | 2018-12-24 | 2018-12-24 | 处理心电信号的方法、心电信号监测设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111345808B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114176602B (zh) * | 2021-12-30 | 2024-04-26 | 重庆康如来科技有限公司 | 一种基于深度学习多目标检测同时定位心电p波、qrs波、t波位置的方法 |
CN115137316A (zh) * | 2022-06-10 | 2022-10-04 | 佳禾智能科技股份有限公司 | 一种多生理参数监测手表及其监测方法 |
CN117617984A (zh) * | 2022-08-09 | 2024-03-01 | 荣耀终端有限公司 | 心电信号的处理方法和电子设备 |
CN116015951B (zh) * | 2022-12-31 | 2023-08-29 | 北京天融信网络安全技术有限公司 | 时间对象匹配方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1109313A (zh) * | 1994-03-28 | 1995-10-04 | 贺守正 | 测定心脏电信号稳定性的方法和装置 |
CA2253760A1 (en) * | 1996-05-06 | 1997-11-13 | Eric K. Y. Chan | Predicting cardiac arrhythmia by detection of micropotentials |
CA2209761A1 (en) * | 1997-08-07 | 1999-02-07 | Ronald Seegobin | A noninvasive method for identifying coronary dysfunction utilizing electrocardiography derived data |
CN103892827A (zh) * | 2012-12-29 | 2014-07-02 | 深圳先进技术研究院 | 基于fpga的室上性心动过速检测方法及系统 |
RU2013110181A (ru) * | 2013-03-06 | 2014-09-20 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Калининградский государственный технический университет" | Способ определения параметров вариабельности сердечного ритма |
CN108324271A (zh) * | 2017-12-25 | 2018-07-27 | 中国科学院深圳先进技术研究院 | 心电信号识别方法、系统和心电监测设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4470063B2 (ja) * | 2004-08-27 | 2010-06-02 | 大名 魏 | 導出12誘導心電図の構築方法およびモニタリング装置 |
US10271777B2 (en) * | 2015-08-26 | 2019-04-30 | Medicomp, Inc. | System and method for biometric ECG verification of patient identity |
US10426364B2 (en) * | 2015-10-27 | 2019-10-01 | Cardiologs Technologies Sas | Automatic method to delineate or categorize an electrocardiogram |
-
2018
- 2018-12-24 CN CN201811580489.9A patent/CN111345808B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1109313A (zh) * | 1994-03-28 | 1995-10-04 | 贺守正 | 测定心脏电信号稳定性的方法和装置 |
CA2253760A1 (en) * | 1996-05-06 | 1997-11-13 | Eric K. Y. Chan | Predicting cardiac arrhythmia by detection of micropotentials |
CA2209761A1 (en) * | 1997-08-07 | 1999-02-07 | Ronald Seegobin | A noninvasive method for identifying coronary dysfunction utilizing electrocardiography derived data |
CN103892827A (zh) * | 2012-12-29 | 2014-07-02 | 深圳先进技术研究院 | 基于fpga的室上性心动过速检测方法及系统 |
RU2013110181A (ru) * | 2013-03-06 | 2014-09-20 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Калининградский государственный технический университет" | Способ определения параметров вариабельности сердечного ритма |
CN108324271A (zh) * | 2017-12-25 | 2018-07-27 | 中国科学院深圳先进技术研究院 | 心电信号识别方法、系统和心电监测设备 |
Non-Patent Citations (2)
Title |
---|
Detecting Ventricular Fibrillation by Time-Delay Methods;Anton Amann 等;《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》;第54卷(第1期);174-177 * |
Structured Prediction for Differentiating between Normal Rhythms, Ventricular Tachycardia, and Ventricular Fibrillation in the ECG;Yaqub Alwan 等;《2015 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC)》;310-314 * |
Also Published As
Publication number | Publication date |
---|---|
CN111345808A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111345808B (zh) | 处理心电信号的方法、心电信号监测设备和存储介质 | |
US20210326587A1 (en) | Human face and hand association detecting method and a device, and storage medium | |
TWI717865B (zh) | 影像處理方法及裝置、電子設備、電腦可讀取的記錄媒體和電腦程式產品 | |
JP2022529300A (ja) | 違反イベント検出方法及び装置、電子デバイス並びに記憶媒体 | |
CN109951476B (zh) | 基于时序的攻击预测方法、装置及存储介质 | |
CN110890083B (zh) | 音频数据的处理方法、装置、电子设备及存储介质 | |
JP2021514499A (ja) | ターゲットオブジェクト処理方法、装置、電子機器及び記憶媒体 | |
WO2021036382A1 (zh) | 图像处理方法及装置、电子设备和存储介质 | |
JP2021529398A (ja) | ビデオ処理方法及び装置、電子機器並びに記憶媒体 | |
CN113887474B (zh) | 呼吸率检测方法及装置、电子设备和存储介质 | |
CN110992979B (zh) | 一种检测方法、装置和电子设备 | |
CN111947903B (zh) | 振动异常定位方法及装置 | |
CN111883164B (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN110033784B (zh) | 一种音频质量的检测方法、装置、电子设备及存储介质 | |
JP2021509963A (ja) | マルチビーム選定方法及び装置 | |
CN114140616A (zh) | 心率检测方法及装置、电子设备和存储介质 | |
WO2017088250A1 (zh) | 特征提取方法及装置 | |
CN109101542B (zh) | 图像识别结果输出方法及装置、电子设备和存储介质 | |
CN112133423A (zh) | 基于边缘计算的医疗数据处理方法、装置及网络设备 | |
RU2644516C2 (ru) | Способ и устройство для выделения признаков | |
CN113576451A (zh) | 呼吸率检测方法、装置、存储介质及电子设备 | |
CN107423757B (zh) | 聚类处理方法及装置 | |
CN105551047A (zh) | 图片内容的检测方法和装置 | |
CN110148424B (zh) | 语音处理方法、装置、电子设备及存储介质 | |
CN111651627A (zh) | 数据处理方法及装置、电子设备和存储介质 |
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 |