CN111419215B - 一种除颤决策方法、装置及计算机可读存储介质 - Google Patents
一种除颤决策方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111419215B CN111419215B CN202010274195.4A CN202010274195A CN111419215B CN 111419215 B CN111419215 B CN 111419215B CN 202010274195 A CN202010274195 A CN 202010274195A CN 111419215 B CN111419215 B CN 111419215B
- Authority
- CN
- China
- Prior art keywords
- defibrillation
- domain analysis
- power spectrum
- equal
- less
- 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
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]
-
- 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]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- 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
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Electrotherapy Devices (AREA)
Abstract
根据本发明实施例公开的一种除颤决策方法、装置及计算机可读存储介质,实时采集患者的心电信号;对心电信号进行时域分析,以及对心电信号进行频域分析;结合时域分析结果以及频域分析结果,输出对应的除颤决策。通过本发明的实施,综合心电信号的时域分析结果和频域分析结果来输出除颤决策,可对复杂多变的室颤信号进行准确分析,提高了除颤时机判断的准确性,并保证了除颤的有效性。
Description
技术领域
本发明涉及医疗电子技术领域,尤其涉及一种除颤决策方法、装置及计算机可读存储介质。
背景技术
电击除颤是心肺复苏过程中的一个重要环节,是指使用AED(自动体外除颤器,Automated External Defibrillator)以一定量的电流冲击心脏来使发生心室颤动的患者恢复正常窦性心律。
研究表明,不必要的除颤会对心肌功能产生不利的影响,而未及时除颤则又会错失救治患者生命的机会,因此在实际应用中,需要准确的确定除颤时机。然而,现有技术中目前暂时缺少有效的分析机制对除颤时机进行把握,导致除颤决策较为盲目,除颤的有效性较低。
发明内容
本发明实施例的主要目的在于提供一种除颤决策方法、装置及计算机可读存储介质,至少能够解决现有技术中缺少有效的分析机制对除颤时机进行把握,所导致的除颤决策较为盲目,除颤的有效性较低的问题。
为实现上述目的,本发明实施例第一方面提供了一种除颤决策方法,该方法包括:
实时采集患者的心电信号;
对所述心电信号进行时域分析,以及对所述心电信号进行频域分析;
结合时域分析结果以及频域分析结果,输出对应的除颤决策;其中,所述除颤决策包括需执行除颤或不需执行除颤。
为实现上述目的,本发明实施例第二方面提供了一种除颤决策装置,该装置包括:
采集模块,用于实时采集患者的心电信号;
分析模块,用于对所述心电信号进行时域分析,以及对所述心电信号进行频域分析;
输出模块,用于结合时域分析结果以及频域分析结果,输出对应的除颤决策;其中,所述除颤决策包括需执行除颤或不需执行除颤。
为实现上述目的,本发明实施例第三方面提供了一种电子装置,该电子装置包括:处理器、存储器和通信总线;
所述通信总线用于实现所述处理器和存储器之间的连接通信;
所述处理器用于执行所述存储器中存储的一个或者多个程序,以实现上述任意一种除颤决策方法的步骤。
为实现上述目的,本发明实施例第四方面提供了一种计算机可读存储介质,该计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述任意一种除颤决策方法的步骤。
根据本发明实施例提供的除颤决策方法、装置及计算机可读存储介质,实时采集心电信号;对心电信号进行时域分析,以及对心电信号进行频域分析;结合时域分析结果以及频域分析结果,输出对应的除颤决策。通过本发明的实施,综合心电信号的时域分析结果和频域分析结果来输出除颤决策,可对复杂多变的室颤信号进行准确分析,提高了除颤时机判断的准确性,并保证了除颤的有效性。
本发明其他特征和相应的效果在说明书的后面部分进行阐述说明,且应当理解,至少部分效果从本发明说明书中的记载变的显而易见。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,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为本发明第一实施例提供的除颤决策方法的流程示意图;
图2为本发明第一实施例提供的一种时域分析方法的流程示意图;
图3为本发明第一实施例提供的另一种时域分析方法的流程示意图;
图4为本发明第一实施例提供的又一种时域分析方法的流程示意图;
图5为本发明第一实施例提供的一种频域分析方法的流程示意图;
图6为本发明第一实施例提供的一种具体的除颤决策方法的流程示意图;
图7为本发明第二实施例提供的除颤决策装置的结构示意图;
图8为本发明第三实施例提供的电子装置的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,而非全部实施例。基于本发明中的实施例,本领域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。
第一实施例:
为了解决现有技术中缺少有效的分析机制对除颤时机进行把握,所导致的除颤决策较为盲目,除颤的有效性较低的技术问题,本实施例提出了一种除颤决策方法,可以应用于自动体外除颤器,如图1所示为本实施例提供的除颤决策方法的流程示意图,本实施例提出的除颤决策方法包括以下的步骤:
步骤101、实时采集患者的心电信号。
具体的,在本实施例中,使用自动体外除颤器向患者施加低电流激励信号,并对患者的心电信号进行实时采集。应当说明的是,本实施例还可以对所采集的心电信号通过带通滤波器进行预处理,以滤除心电信号中的低频漂移和高频噪声。
步骤102、对心电信号进行时域分析,以及对心电信号进行频域分析。
具体的,在实际应用中,采用时域分析或频域分析的单一方式对心电信号进行分析时,所考虑的方面均有一定的局限性,本实施例将时域-频域两域联合进行分析,采用一种从多角度、多维度分析的方法,可以同时具备时域分析和频域分析的优点。
步骤103、结合时域分析结果以及频域分析结果,输出对应的除颤决策。
具体的,本实施例的除颤决策包括需执行除颤或不需执行除颤。其中,在基于分析结果确定除颤决策为需执行除颤时,指示控制自动体外除颤器对患者进行除颤,而若除颤决策为不需要执行除颤时,则不建议除颤,继续采集心电信号进行分析。
如图2所示为本实施例提供的一种时域分析方法的流程示意图,在本实施例一种可选的实施方式中,对心电信号进行时域分析具体包括以下步骤:
步骤201、从心电信号中选取预设时长的目标心电信号作为滑动窗口;
步骤202、确定滑动窗口中所有波峰的波峰值,并基于波峰值确定对应的下降曲线,然后将下降曲线与波形曲线的交点的总数量确定为第一节拍数;
步骤203、确定滑动窗口中所有波谷的波谷值,并基于波谷值确定对应的上升曲线,然后将上升曲线与波形曲线的交点的总数量确定为第二节拍数;
步骤204、基于波峰值与距离最近的波谷值的比较结果,从第一节拍数和第二节拍数中选择参考节拍数;
步骤205、根据参考节拍数计算对应于心电信号的心率。
具体的,本实施例采用节拍检测法进行时域分析,例如可以4秒心电信号作为一个滑动窗口,在滑动窗口中找到第一个波峰值peakDat,并将波峰值线性下降到20%、下降时间为3s的下降过程中所对应的下降曲线,与波形曲线的交点确定为一个节拍,在交点后继续找到第二个波峰值,用上述方式继续找到第二交点,即为第二个节拍,以此类推找出窗口中的各个交点,即可得到一个节拍数;同理,在滑动窗口中找到第一个波谷值valleyDat,然后将波谷值线性上升降到20%、上升时间为3s的上升过程中所对应的上升曲线,与波形曲线的交点作为一个节拍,并在交点后继续找到第二个波谷值,用上述方式找到第二交点,即为第二个节拍,以此类推找出窗口中的各个交点,即可得到另一个节拍数。然后,在一个滑动窗口内,判断波峰值与最近的波谷值之差是否小于波谷值与特定系数(例如50%)的乘积,以及次数是否大于等于预设次数阈值(例如8),若是,则利用对应于波谷的节拍数计算心率,若否,则利用对应于波峰的节拍数计算心率Rate。在本实施例中,具体的心率计算公式可以表示为:Rate=(节拍值/4*60)bpm。
应当说明的是,室颤信号的特点是QRS波消失,心率大于250bpm,利用传统的QRS波分析法无法得到心率值,因此本实施例利用节拍检测法能够得到一个相对正确的心率值,特别适用于VT(室性心动过速,Ventricular Tachycardia)信号。应当理解的是,QRS波用于反映左、右心室除极电位和时间的变化,第一个向下的波为Q波,向上的波为R波,接着向下的波是S波。
如图3所示为本实施例提供的另一种时域分析方法的流程示意图,在本实施例一种可选的实施方式中,对心电信号进行时域分析具体包括以下步骤:
步骤301、从心电信号中选取预设时长的目标心电信号作为滑动窗口;
步骤302、对滑动窗口中的数据进行归一化处理,然后获取各预设单位时长内的最大幅度值;
步骤303、求取所有最大幅度值的平均值,并基于平均值设定第一幅度值阈值范围和第二幅度值阈值范围;
步骤304、分别获取处于第一幅度值阈值范围和第二幅度值阈值范围的样本量;
步骤305、基于样本量计算幅度值概率密度。
具体的,本实施例还可以采用概率密度幅值法进行时域分析,例如以4秒心电信号作为一个滑动窗口,并对窗口中数据进行归一化处理,然后求出每单位时长(例如1s)的最大幅度值Amax(m),以及对各单位时长的最大幅度值进行平均,求得平均值Aave,再取一个常数值K(一般取0.3),基于平均值和常数值可以得到Val_1=K*Aave,Val_2=-(K*Aave),其中第一幅度值范围可以基于Val_1确定,例如可以设定为(2~Val_1),而第二幅度值范围可以基于Val_2确定,例如可以设定为(Val_2~-2),求出分别位于第一幅度值范围和第二幅度值范围的样本量Sample1和Sample2,最后则可以按照幅度值概率密度公式PD=(Sample1+Sample2),计算得到幅度值概率密度。应当说明的是,正常窦性信号的幅度基本分布在基线的周围,而室颤信号则大多分布在基线的两侧。
如图4所示为本实施例提供的又一种时域分析方法的流程示意图,在本实施例一种可选的实施方式中,对心电信号进行时域分析具体包括以下步骤:
步骤401、从心电信号中选取预设时长的目标心电信号作为滑动窗口;
步骤402、获取滑动窗口各预设单位时长内的最大幅度值所对应的位置;
步骤403、基于所获取的位置计算各单位时长的峰值斜率;
步骤404、基于所有峰值斜率计算滑动窗口的平均峰值斜率。
具体的,本实施例还可以采用峰值斜率法进行时域分析,例如以4秒心电信号作为一个滑动窗口,并求出各单位时长(例如1s)的最大幅度值对应的位置m,然后求出各单位时长峰值斜率Sdv=ABS(data(m)-data(m-50)),最后再基于峰值斜率求出滑动窗口的平均峰值斜率dv=mean(Sdv(n),n=1,2,3,4)。应该说明的是,正常窦性心律其QRS波变化率较快,它的斜率对于类似正弦波的室颤信号而言,具有明显的不同,一般情况下,正常窦性信号的峰值斜率要大于室颤信号。
还应当说明的是,本实施例的时域分析方法还可以包括扩展时延算法,也即计算每个值在网格出现的次数TD,然后计算TD的标准差STD,该方法能够对随机信号和规则信号进行区分。
如图5所示为本实施例提供的一种频域分析方法的流程示意图,在本实施例一种可选的实施方式中,对心电信号进行频域分析具体包括以下步骤:
步骤501、对心电信号进行快速傅里叶变换,得到信号频谱;
步骤502、计算信号频谱上第一目标频带的总功率谱;
步骤503、确定信号频谱上第二目标频带的峰值对应的主频率,并计算关联于主频率的感兴趣频带的主频功率谱;
步骤504、计算主频功率谱与总功率谱的比值。
具体的,本实施例可以采用主频功率谱法进行频域分析,首先对心电信号进行快速傅里叶变换,得到信号频谱,然后计算检查频带(1.5~24Hz)的功率谱TotalPower,并在(1.5~9Hz)求出波峰值对应的频率为主频率F,进而求取感兴趣频带(0.7F~1.4F)Hz的功率谱BandPower,最后求出A=BandPower/TotalPower。应当说明的是,室颤信号频谱特点为主频上呈现一个窄而高的峰,其能量主要集中在主频带,而正常窦性信号频谱比较分散,能量也较随机分散。
在本实施例一种可选的实施方式中,对心电信号进行频域分析包括:对心电信号进行快速傅里叶变换,得到信号频谱;获取信号频谱中的第一峰值和第二峰值,并计算第一峰值与第二峰值的比值。
具体的,本实施例还可以采用峰值法进行频域分析,首先对心电信号进行快速傅里叶变换,得到信号频谱,然后求出频谱中第一峰值与第二峰值Peak1,Peak2,最后再计算两个峰值之比PE=Peak1/Peak2。应当说明的是,室颤信号频谱的第一主峰值远远大于第二主峰值,而正常窦性信号的第一主峰值与第二主峰值差距不远,甚至可能会基本相同。
还应当说明的是,本实施例的频域分析方法还可以包括谐波功率谱法,通过计算谐波功率phar,来对部分室颤信号进行识别。
在本实施例一种可选的实施方式中,结合时域分析结果以及频域分析结果,输出除颤决策包括:结合时域分析结果以及频域分析结果,对心电信号进行心律识别;在心律为可除颤心律时,输出需执行除颤的除颤决策;在心律为不可除颤心律时,输出不需执行除颤的除颤决策。
具体的,利用时域分析法中的幅度值概率密度PD、时延扩展参数TD、时延扩展标准差STD这个三个参数能够将明显有规则性的心电信号(NSR,AF,PVC,SB等)识别出来,而通过频域分析法中主频功率谱与总功率谱的比值A、谐波功率phar将大部分VF信号识别出,以及通过心率Rate参数将大部分VT与SVT信号识别出来,而利用时域分析的平均峰值斜率dv、时延扩展参数TD、心率Rate以及频域分析的峰值比值PE、主频功率谱与总功率谱的比值A,可以综合对复杂的室颤信号进行识别。
如图6所示为本实施例提供的一种具体的除颤决策方法的流程示意图,具体包括以下步骤:
步骤1,若PD>680,则得出不需除颤,否则执行步骤2;
步骤2,若PD>500&&TD<380&&STD>40,则得出不需除颤,否则执行步骤3;
步骤3,若A>0.35,则得出需要除颤,否则执行步骤4;
步骤4,若A>0.31&&Phar>6.5,则得出需要除颤,否则执行步骤5;
步骤5,若Rate>180,则得出需要除颤,否则执行步骤6;
步骤6,若dv>40&&TD<300&&STD>50,则得出不需除颤,否则执行步骤7;
步骤7,若Rate>150&&PE>4&&A>0.28&&TD>400,则得出需要除颤,否则为不需除颤。
根据本发明实施例提供的除颤决策方法,实时采集心电信号;对心电信号进行时域分析,以及对心电信号进行频域分析;结合时域分析结果以及频域分析结果,输出对应的除颤决策。通过本发明的实施,综合心电信号的时域分析结果和频域分析结果来输出除颤决策,可对复杂多变的室颤信号进行准确分析,提高了除颤时机判断的准确性,并保证了除颤的有效性。
第二实施例:
为了解决现有技术中缺少有效的分析机制对除颤时机进行把握,所导致的除颤决策较为盲目,除颤的有效性较低的技术问题,本实施例示出了一种除颤决策装置,具体请参见图7,本实施例的除颤决策装置包括:
采集模块701,用于实时采集患者的心电信号;
分析模块702,用于对心电信号进行时域分析,以及对心电信号进行频域分析;
输出模块703,用于结合时域分析结果以及频域分析结果,输出对应的除颤决策;其中,除颤决策包括需执行除颤或不需执行除颤。
在本实施例的一些实施方式中,分析模块702在对心电信号进行时域分析时,具体用于:从心电信号中选取预设时长的目标心电信号作为滑动窗口;确定滑动窗口中所有波峰的波峰值,并基于波峰值确定对应的下降曲线,然后将下降曲线与波形曲线的交点的总数量确定为第一节拍数;确定滑动窗口中所有波谷的波谷值,并基于波谷值确定对应的上升曲线,然后将上升曲线与波形曲线的交点的总数量确定为第二节拍数;基于波峰值与距离最近的波谷值的比较结果,从第一节拍数和第二节拍数中选择参考节拍数;根据参考节拍数计算对应于心电信号的心率。
在本实施例的一些实施方式中,分析模块702在对心电信号进行时域分析时,具体用于:从心电信号中选取预设时长的目标心电信号作为滑动窗口;对滑动窗口中的数据进行归一化处理,然后获取各预设单位时长内的最大幅度值;求取所有最大幅度值的平均值,并基于平均值设定第一幅度值阈值范围和第二幅度值阈值范围;分别获取处于第一幅度值阈值范围和第二幅度值阈值范围的样本量;基于样本量计算幅度值概率密度。
在本实施例的一些实施方式中,分析模块702在对心电信号进行时域分析时,具体用于:从心电信号中选取预设时长的目标心电信号作为滑动窗口;获取滑动窗口各预设单位时长内的最大幅度值所对应的位置;基于所获取的位置计算各单位时长的峰值斜率;基于所有峰值斜率计算滑动窗口的平均峰值斜率。
在本实施例的一些实施方式中,分析模块702在对心电信号进行频域分析时,具体用于:对心电信号进行快速傅里叶变换,得到信号频谱;计算信号频谱上第一目标频带的总功率谱;确定信号频谱上第二目标频带的峰值对应的主频率,并计算关联于主频率的感兴趣频带的主频功率谱;计算主频功率谱与总功率谱的比值。
在本实施例的一些实施方式中,分析模块702在对心电信号进行频域分析时,具体用于:对心电信号进行快速傅里叶变换,得到信号频谱;获取信号频谱中的第一峰值和第二峰值,并计算第一峰值与第二峰值的比值。
进一步地,输出模块703具体用于:结合时域分析结果以及频域分析结果,对心电信号进行心律识别;在心律为可除颤心律时,输出需执行除颤的除颤决策;在心律为不可除颤心律时,输出不需执行除颤的除颤决策。
应当说明的是,前述实施例中的除颤决策方法均可基于本实施例提供的除颤决策装置实现,所属领域的普通技术人员可以清楚的了解到,为描述的方便和简洁,本实施例中所描述的除颤决策装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
采用本实施例提供的除颤决策装置,实时采集心电信号;对心电信号进行时域分析,以及对心电信号进行频域分析;结合时域分析结果以及频域分析结果,输出对应的除颤决策。通过本发明的实施,综合心电信号的时域分析结果和频域分析结果来输出除颤决策,可对复杂多变的室颤信号进行准确分析,提高了除颤时机判断的准确性,并保证了除颤的有效性。
第三实施例:
本实施例提供了一种电子装置,参见图8所示,其包括处理器801、存储器802及通信总线803,其中:通信总线803用于实现处理器801和存储器802之间的连接通信;处理器801用于执行存储器802中存储的一个或者多个计算机程序,以实现上述实施例一中的除颤决策方法中的至少一个步骤。
本实施例还提供了一种计算机可读存储介质,该计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于RAM(Random Access Memory,随机存取存储器),ROM(Read-Only Memory,只读存储器),EEPROM(Electrically Erasable Programmable read only memory,带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory,光盘只读存储器),数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。
本实施例中的计算机可读存储介质可用于存储一个或者多个计算机程序,其存储的一个或者多个计算机程序可被处理器执行,以实现上述实施例一中的方法的至少一个步骤。
本实施例还提供了一种计算机程序,该计算机程序可以分布在计算机可读介质上,由可计算装置来执行,以实现上述实施例一中的方法的至少一个步骤;并且在某些情况下,可以采用不同于上述实施例所描述的顺序执行所示出或描述的至少一个步骤。
本实施例还提供了一种计算机程序产品,包括计算机可读装置,该计算机可读装置上存储有如上所示的计算机程序。本实施例中该计算机可读装置可包括如上所示的计算机可读存储介质。
可见,本领域的技术人员应该明白,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件(可以用计算装置可执行的计算机程序代码来实现)、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。
此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、计算机程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。所以,本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明实施例所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (9)
1.一种除颤决策方法,其特征在于,包括:
实时采集患者的心电信号;
对所述心电信号进行时域分析,以及对所述心电信号进行频域分析;其中,时域分析结果包括所述心电信号的幅度值概率密度、平均峰值斜率、心率、时延扩展参数、时延扩展标准差,频域分析结果包括所述心电信号对应的信号频谱的主频功率谱与总功率谱的比值、第一峰值与第二峰值的比值、谐波功率;
若所述幅度值概率密度大于680,则输出不需执行除颤的除颤决策;
若所述幅度值概率密度小于或等于680且所述幅度值概率密度大于500、所述时延扩展参数小于380、所述时延扩展标准差大于40,则输出不需执行除颤的除颤决策;
若所述幅度值概率密度小于或等于500、所述时延扩展参数大于或等于380、所述时延扩展标准差小于或等于40且所述主频功率谱与总功率谱的比值大于0.35,则输出需要执行除颤的除颤决策;
若所述主频功率谱与总功率谱的比值大于0.31且小于或等于0.35、所述谐波功率大于6.5,则输出需要执行除颤的除颤决策;
若所述主频功率谱与总功率谱的比值小于或等于0.31、所述谐波功率小于或等于6.5且所述心率大于180,则输出需要执行除颤的除颤决策;
若所述心率小于或等于180且所述平均峰值斜率大于40、所述时延扩展参数小于300、所述时延扩展标准差大于50,则输出不需执行除颤的除颤决策;
若所述平均峰值斜率小于或等于40、所述时延扩展参数大于或等于300、所述时延扩展标准差小于或等于50且所述心率大于150、所述第一峰值与第二峰值的比值大于4、所述主频功率谱与总功率谱的比值大于0.28、所述时延扩展参数大于400,则输出需要执行除颤的除颤决策,否则输出不需执行除颤的除颤决策。
2.如权利要求1所述的除颤决策方法,其特征在于,所述对所述心电信号进行时域分析包括:
从所述心电信号中选取预设时长的目标心电信号作为滑动窗口;
确定所述滑动窗口中所有波峰的波峰值,并基于所述波峰值确定对应的下降曲线,然后将所述下降曲线与波形曲线的交点的总数量确定为第一节拍数;
确定所述滑动窗口中所有波谷的波谷值,并基于所述波谷值确定对应的上升曲线,然后将所述上升曲线与所述波形曲线的交点的总数量确定为第二节拍数;
基于所述波峰值与距离最近的所述波谷值的比较结果,从所述第一节拍数和所述第二节拍数中选择参考节拍数;
根据所述参考节拍数计算对应于所述心电信号的心率。
3.如权利要求1所述的除颤决策方法,其特征在于,所述对所述心电信号进行时域分析包括:
从所述心电信号中选取预设时长的目标心电信号作为滑动窗口;
对所述滑动窗口中的数据进行归一化处理,然后获取各预设单位时长内的最大幅度值;
求取所有所述最大幅度值的平均值,并基于所述平均值设定第一幅度值阈值范围和第二幅度值阈值范围;
分别获取处于所述第一幅度值阈值范围和所述第二幅度值阈值范围的样本量;
基于所述样本量计算幅度值概率密度。
4.如权利要求1所述的除颤决策方法,其特征在于,所述对所述心电信号进行时域分析包括:
从所述心电信号中选取预设时长的目标心电信号作为滑动窗口;
获取所述滑动窗口各预设单位时长内的最大幅度值所对应的位置;
基于所获取的位置计算各所述单位时长的峰值斜率;
基于所有所述峰值斜率计算所述滑动窗口的平均峰值斜率。
5.如权利要求1所述的除颤决策方法,其特征在于,所述对所述心电信号进行频域分析包括:
对所述心电信号进行快速傅里叶变换,得到信号频谱;
计算所述信号频谱上第一目标频带的总功率谱;
确定所述信号频谱上第二目标频带的峰值对应的主频率,并计算关联于所述主频率的感兴趣频带的主频功率谱;
计算所述主频功率谱与所述总功率谱的比值。
6.如权利要求1所述的除颤决策方法,其特征在于,所述对所述心电信号进行频域分析包括:
对所述心电信号进行快速傅里叶变换,得到信号频谱;
获取所述信号频谱中的第一峰值和第二峰值,并计算所述第一峰值与所述第二峰值的比值。
7.一种除颤决策装置,其特征在于,包括:
采集模块,用于实时采集患者的心电信号;
分析模块,用于对所述心电信号进行时域分析,以及对所述心电信号进行频域分析;其中,时域分析结果包括所述心电信号的幅度值概率密度、平均峰值斜率、心率、时延扩展参数、时延扩展标准差,频域分析结果包括所述心电信号对应的信号频谱的主频功率谱与总功率谱的比值、第一峰值与第二峰值的比值、谐波功率;
输出模块,用于若所述幅度值概率密度大于680,则输出不需执行除颤的除颤决策;若所述幅度值概率密度小于或等于680且所述幅度值概率密度大于500、所述时延扩展参数小于380、所述时延扩展标准差大于40,则输出不需执行除颤的除颤决策;若所述幅度值概率密度小于或等于500、所述时延扩展参数大于或等于380、所述时延扩展标准差小于或等于40且所述主频功率谱与总功率谱的比值大于0.35,则输出需要执行除颤的除颤决策;若所述主频功率谱与总功率谱的比值大于0.31且小于或等于0.35、所述谐波功率大于6.5,则输出需要执行除颤的除颤决策;若所述主频功率谱与总功率谱的比值小于或等于0.31、所述谐波功率小于或等于6.5且所述心率大于180,则输出需要执行除颤的除颤决策;若所述心率小于或等于180且所述平均峰值斜率大于40、所述时延扩展参数小于300、所述时延扩展标准差大于50,则输出不需执行除颤的除颤决策;若所述平均峰值斜率小于或等于40、所述时延扩展参数大于或等于300、所述时延扩展标准差小于或等于50且所述心率大于150、所述第一峰值与第二峰值的比值大于4、所述主频功率谱与总功率谱的比值大于0.28、所述时延扩展参数大于400,则输出需要执行除颤的除颤决策,否则输出不需执行除颤的除颤决策。
8.一种电子装置,其特征在于,包括:处理器、存储器和通信总线;
所述通信总线用于实现所述处理器和存储器之间的连接通信;
所述处理器用于执行所述存储器中存储的一个或者多个程序,以实现如权利要求1至6中任意一项所述的除颤决策方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至6中任意一项所述的除颤决策方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010274195.4A CN111419215B (zh) | 2020-04-09 | 2020-04-09 | 一种除颤决策方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010274195.4A CN111419215B (zh) | 2020-04-09 | 2020-04-09 | 一种除颤决策方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111419215A CN111419215A (zh) | 2020-07-17 |
CN111419215B true CN111419215B (zh) | 2023-04-25 |
Family
ID=71557882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010274195.4A Active CN111419215B (zh) | 2020-04-09 | 2020-04-09 | 一种除颤决策方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111419215B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112545531A (zh) * | 2020-11-27 | 2021-03-26 | 苏州维伟思医疗科技有限公司 | 一种结合时域与频域分析识别可除颤心律的方法 |
CN117137497B (zh) * | 2023-10-27 | 2024-01-26 | 苏州维伟思医疗科技有限公司 | 心律预测方法、除颤控制方法及相应装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4523595A (en) * | 1981-11-25 | 1985-06-18 | Zibell J Scott | Method and apparatus for automatic detection and treatment of ventricular fibrillation |
ES2232228B1 (es) * | 2002-04-26 | 2006-02-16 | Osatu, S.Coop. | Metodo para la deteccion de ritmos cardiacos desfibrilables. |
CN1989897A (zh) * | 2005-12-29 | 2007-07-04 | 深圳迈瑞生物医疗电子股份有限公司 | 基于复杂度的心室纤颤综合检测方法 |
US8229556B2 (en) * | 2007-11-21 | 2012-07-24 | Cardiac Pacemakers, Inc. | Tachycardia hemodynamics detection based on cardiac mechanical sensor signal regularity |
US8694097B2 (en) * | 2010-06-30 | 2014-04-08 | Medtronic, Inc. | Multi-channel sensing methods in implantable cardiovertor defibrillators |
CN104382586A (zh) * | 2014-11-28 | 2015-03-04 | 深圳邦健生物医疗设备股份有限公司 | 一种电击信号检测方法和装置 |
CN104382590B (zh) * | 2014-12-11 | 2017-08-11 | 成都瑞迪康医疗科技有限公司 | 一种结合心电时频域特征分析的可电击复律心律自动识别和归类方法 |
CN110917497B (zh) * | 2016-01-16 | 2024-07-16 | Zoll医疗公司 | 除颤器 |
CN107280661A (zh) * | 2017-06-29 | 2017-10-24 | 中山大学 | 预判除颤时机的方法 |
CN107625627B (zh) * | 2017-09-07 | 2019-08-20 | 中国人民解放军军事医学科学院卫生装备研究所 | 一种心肺复苏辅助系统 |
CN109091757B (zh) * | 2018-07-06 | 2022-05-10 | 中山大学孙逸仙纪念医院 | 一种电除颤时机的判断方法、装置、设备及存储介质 |
-
2020
- 2020-04-09 CN CN202010274195.4A patent/CN111419215B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111419215A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arafat et al. | A simple time domain algorithm for the detection of ventricular fibrillation in electrocardiogram | |
CN106659900B (zh) | 用于估计心率的具有自相关装置并具有分析装置的可植入医疗装置 | |
EP1178855B1 (en) | Monitoring apparatus using wavelet transforms for the analysis of heart rhythms | |
US6490478B1 (en) | System and method for complexity analysis-based cardiac tachyarrhythmia detection | |
US8409107B2 (en) | Tachyarrhythmia detection and discrimination based on curvature parameters | |
CN111419215B (zh) | 一种除颤决策方法、装置及计算机可读存储介质 | |
US8521276B2 (en) | Use of significant point methodology to prevent inappropriate therapy | |
EP2032027A2 (en) | Method and apparatus for detecting lead failure in a medical device based on wavelet decomposition analysis | |
WO2012151498A2 (en) | Signal averaging | |
CN110840443B (zh) | 心电信号处理方法、心电信号处理装置和电子设备 | |
EP2157910B1 (en) | Systems for tachyarrhythmia discrimination | |
US8903480B2 (en) | System for cardiac condition detection using heart waveform area associated analysis | |
Alcaraz et al. | Dynamic time warping applied to estimate atrial fibrillation temporal organization from the surface electrocardiogram | |
Alcaraz et al. | Short-time regularity assessment of fibrillatory waves from the surface ECG in atrial fibrillation | |
US20220095981A1 (en) | Apparatus and method for detecting r peak of ecg signal using adaptive median filter | |
Sumathi et al. | Comparative study of QRS complex detection in ECG based on discrete wavelet transform | |
Sörnmo et al. | Detection of atrial fibrillation | |
CN116849669A (zh) | 一种心电信号信号处理系统及除颤器 | |
EP3395244B1 (en) | Ecg machine and method including filtering by feature detection | |
KR102414869B1 (ko) | 심장제세동기를 위한 트리 구조의 부정맥 검출 신호처리 방법 및 시스템 | |
US11504045B2 (en) | Apparatus and method for detecting QRS of ECG | |
Ghaffari et al. | Detecting and quantifying T-wave alternans using the correlation method and comparison with the FFT-based method | |
Schuckers | Approximate entropy as a measure of morphologic variability for ventricular tachycardia and fibrillation | |
Ismail et al. | Validating the reliability of five ventricular fibrillation detecting algorithms | |
Zhuang et al. | Nonlinear short-term heart rate variability prediction of spontaneous ventricular tachyarrhythmia |
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 |