CN111797816A - 心电图的分析方法及分析装置 - Google Patents
心电图的分析方法及分析装置 Download PDFInfo
- Publication number
- CN111797816A CN111797816A CN202010714470.XA CN202010714470A CN111797816A CN 111797816 A CN111797816 A CN 111797816A CN 202010714470 A CN202010714470 A CN 202010714470A CN 111797816 A CN111797816 A CN 111797816A
- Authority
- CN
- China
- Prior art keywords
- heart beat
- attribute
- heartbeat
- electrocardiogram
- point set
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 46
- 238000010586 diagram Methods 0.000 claims abstract description 51
- 238000005516 engineering process Methods 0.000 claims abstract description 19
- 230000000747 cardiac effect Effects 0.000 claims abstract description 7
- 230000002028 premature Effects 0.000 claims description 52
- 230000002861 ventricular Effects 0.000 claims description 52
- 238000012163 sequencing technique Methods 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000003491 array Methods 0.000 claims description 5
- 230000000877 morphologic effect Effects 0.000 abstract description 11
- 238000003909 pattern recognition Methods 0.000 abstract 1
- 230000001746 atrial effect Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 5
- 208000000418 Premature Cardiac Complexes Diseases 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 206010003119 arrhythmia Diseases 0.000 description 2
- 230000006793 arrhythmia Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010015856 Extrasystoles Diseases 0.000 description 1
- 206010042602 Supraventricular extrasystoles Diseases 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种心电图的分析方法及分析装置。其中，该分析方法包括：采集用户的多个动态心电信号，其中，动态心电信号用于绘制心电散点图；接收点集选取信号，其中，点集选取信号是在心电散点图上选取心搏点集后确定的信号；基于心搏点集的属性信息，构建心搏属性板块，其中，每个心搏属性板块中至少包括：心搏点之间形态的相似度大于预设相似度的所有心搏点；基于心搏属性板块，提取心电散点图中的目标心搏点。本发明解决了相关技术中分析心电图时，由于散点图中多种形态波形重叠，影响图形识别率，导致目标心搏提取困难的技术问题。
Description
技术领域
本发明涉及影像分析技术领域，具体而言，涉及一种心电图的分析方法及分析装置。
背景技术
相关技术中，动态心电图是一种可以长时间连续记录人体心脏在活动和安静状态下心电图变化的方式，由于动态心电图监测人体1小时、1天至30天或更长时间时，会产生海量心电数据，当前在分析动态心电图，包括两种方式：第一种，通过人工对每张心电图依次分析，但是这样会会消耗大量的时间；第二种，采用2RR间期制作的二维Lorenz散点图分析动态心电图，使用散点图加反混淆技术编辑心搏属性，但是常用的散点图加反混淆技术进行心搏属性编辑时，在部分心律失常及伪差发生时，由于多种不同形态的波形重叠，从而影响反混淆的图形准确识别，同时增加反混淆心搏切割(分离)提取难度，导致编辑的时间增加。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种心电图的分析方法及分析装置，以至少解决相关技术中分析心电图时，由于散点图中多种形态波形重叠，影响图形识别率，导致目标心搏提取困难的技术问题。
根据本发明实施例的一个方面，提供了一种心电图的分析方法，包括：采集用户的多个动态心电信号，其中，所述动态心电信号用于绘制心电散点图；接收点集选取信号，其中，所述点集选取信号是在所述心电散点图上选取心搏点集后确定的信号；基于所述心搏点集的属性信息，构建心搏属性板块，其中，每个所述心搏属性板块中至少包括：心搏点之间形态的相似度大于预设相似度的所有心搏点；基于所述心搏属性板块，提取所述心电散点图中的目标心搏点。
可选地，采集用户的多个动态心电信号的步骤，包括：采集所述用户在预设时间段内的动态心电数据；对所述动态心电数据进行预处理，得到所述多个动态心电信号，其中，所述预处理至少包括：去除干扰数据。
可选地，在采集用户的多个动态心电信号之后，所述分析方法还包括：分析所述多个动态心电信号中的R波信号；基于所述R波信号，计算与所述R波信号相邻的RR间期，其中，所述RR间期用于绘制所述心电散点图。
可选地，在接收点集选取信号之后，所述分析方法还包括：基于所述点集选取信号，确定被选取的所有心搏点，得到心搏点集；将所述心搏点集中每个心搏点进行逆向运算，得到与每个所述心搏点对应的心电数据；计算每个所述心电数据中的心搏R点，得到心搏R点点集，其中，所述心搏R点用于确定所述心搏点的心搏属性。
可选地，基于所述心搏点集的属性信息，构建心搏属性板块的步骤，包括：确定所述心搏点集中每个所述心搏点的心搏属性，其中，所述心搏属性包括下述至少之一：室早属性、房早属性、正常属性；基于所述心搏属性，将所述心搏点集中各个心搏点划分至对应的心搏属性板块。
可选地，确定所述心搏点集中每个所述心搏点的心搏属性的步骤，包括：采用预设累计差值算法计算所述心搏点集中各个心搏点之间的相似度；基于所述相似度，确定所述心搏点集中每个所述心搏点的心搏属性。
可选地，在基于所述心搏点集的属性信息，构建心搏属性板块之后，所述分析方法还包括：在所述心搏属性板块下，以每个心搏R点为中心，截取第一预设时长的心电数据，得到截取心电数据；基于所述截取心电数据，构建多个心搏形态数组；将尚未划分的所有心搏点归类为待分类板块下；将每个心搏形态数组对应的所述心搏属性板块和所述待分类板块展示在第一预设页面上。
可选地，基于所述心搏属性板块，提取所述心电散点图中的目标心搏点的步骤，包括：选取所述心搏属性板块中预设数量的室早属性板块；采用预设反混淆技术绘制所述室早属性板块的心搏图，得到多个室早心搏图；基于每个所述室早心搏图的面积或提早率，对绘制的多个所述室早心搏图进行排序，得到排序结果；基于所述排序结果，提取所述心电散点图中的目标心搏点。
可选地，采用预设反混淆技术绘制所述室早属性板块的心搏图，得到多个室早心搏图的步骤，包括：对所述心搏属性板块中的所有心搏点，以R点为中心提取第二预设时长的心电数据，得到第一提取心电集；将所述第一提取心电集中的所有心电数据在预设坐标系上进行叠加，其中，所述预设坐标系的横坐标为采样点，纵坐标为心电幅值；采用预设标识颜色显示叠加后的心电数据的密度值，得到心电显示结果；采用所述预设反混淆技术提取将所述心电显示结果中室早属性板块的所有心搏图，并将提取出的所有心搏图显示在第二预设页面上；确定在所述第二预设页面上的多个室早心搏图。
根据本发明实施例的另一方面，还提供了一种心电图的分析装置，包括：采集单元，用于采集用户的多个动态心电信号，其中，所述动态心电信号用于绘制心电散点图；接收单元，用于接收点集选取信号，其中，所述点集选取信号是在所述心电散点图上选取心搏点集后确定的信号；构建单元，用于基于所述心搏点集的属性信息，构建心搏属性板块，其中，每个所述心搏属性板块中至少包括：心搏点之间形态的相似度大于预设相似度的所有心搏点；提取单元，用于基于所述心搏属性板块，提取所述心电散点图中的目标心搏点。
可选地，所述采集单元包括：第一采集模块，用于采集所述用户在预设时间段内的动态心电数据；预处理模块，用于对所述动态心电数据进行预处理，得到所述多个动态心电信号，其中，所述预处理至少包括：去除干扰数据。
可选地，所述分析装置还包括：分析单元，用于在采集用户的多个动态心电信号之后，分析所述多个动态心电信号中的R波信号；第一计算单元，用于基于所述R波信号，计算与所述R波信号相邻的RR间期，其中，所述RR间期用于绘制所述心电散点图。
可选地，所述分析装置还包括：第一确定单元，用于在接收点集选取信号之后，基于所述点集选取信号，确定被选取的所有心搏点，得到心搏点集；运算单元，用于将所述心搏点集中每个心搏点进行逆向运算，得到与每个所述心搏点对应的心电数据；第二计算单元，用于计算每个所述心电数据中的心搏R点，得到心搏R点点集，其中，所述心搏R点用于确定所述心搏点的心搏属性。
可选地，所述构建单元包括：第一确定模块，用于确定所述心搏点集中每个所述心搏点的心搏属性，其中，所述心搏属性包括下述至少之一：室早属性、房早属性、正常属性；划分模块，用于基于所述心搏属性，将所述心搏点集中各个心搏点划分至对应的心搏属性板块。
可选地，确定所述心搏点集中每个所述心搏点的心搏属性的步骤，包括：采用预设累计差值算法计算所述心搏点集中各个心搏点之间的相似度；基于所述相似度，确定所述心搏点集中每个所述心搏点的心搏属性。
可选地，所述分析装置还包括：截取单元，用于在基于所述心搏点集的属性信息，构建心搏属性板块之后，在所述心搏属性板块下，以每个心搏R点为中心，截取第一预设时长的心电数据，得到截取心电数据；构建模块，用于基于所述截取心电数据，构建多个心搏形态数组；归类模块，用于将尚未划分的所有心搏点归类为待分类板块下；第一展示模块，用于将每个心搏形态数组对应的所述心搏属性板块和所述待分类板块展示在第一预设页面上。
可选地，所述提取单元包括：选取模块，用于选取所述心搏属性板块中预设数量的室早属性板块；第一绘制模块，用于采用预设反混淆技术绘制所述室早属性板块的心搏图，得到多个室早心搏图；第一排序模块，用于基于每个所述室早心搏图的面积或提早率，对绘制的多个所述室早心搏图进行排序，得到排序结果；第一提取模块，用于基于所述排序结果，提取所述心电散点图中的目标心搏点。
可选地，所述第一绘制模块包括：第一提取子模块，用于对所述心搏属性板块中的所有心搏点，以R点为中心提取第二预设时长的心电数据，得到第一提取心电集；叠加子模块，用于将所述第一提取心电集中的所有心电数据在预设坐标系上进行叠加，其中，所述预设坐标系的横坐标为采样点，纵坐标为心电幅值；标识子模块，用于采用预设标识颜色显示叠加后的心电数据的密度值，得到心电显示结果；显示子模块，用于采用所述预设反混淆技术提取将所述心电显示结果中室早属性板块的所有心搏图，并将提取出的所有心搏图显示在第二预设页面上；确定子模块，用于确定在所述第二预设页面上的多个室早心搏图。
本发明实施例中，在分析心电散点图时，先采集用户的多个动态心电信号，其中，动态心电信号用于绘制心电散点图，然后接收点集选取信号，其中，点集选取信号是在心电散点图上选取心搏点集后确定的信号，基于心搏点集的属性信息，构建心搏属性板块，其中，每个心搏属性板块中至少包括：心搏点之间形态的相似度大于预设相似度的所有心搏点，基于心搏属性板块，提取心电散点图中的目标心搏点。在该实施例中，可以根据心电散点图上的点集选取信号，逆向回放后进行多属性形态相似性归类，并基于归类后的各个属性板块，准确提取目标心搏点，可以快速、准确的进行批量修改及编辑，从而解决相关技术中分析心电图时，由于散点图中多种形态波形重叠，影响图形识别率，导致目标心搏提取困难的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种可选的心电图的分析方法的流程图；
图2是根据本发明实施例的一种可选的点集选取信号的生成示意图；
图3是根据本发明实施例的一种可选的构建心搏属性板块的示意图；
图4是根据本发明实施例的一种可选的采用预设反混淆技术绘制室早属性板块的心搏图的示意图；
图5是根据本发明实施例的一种可选的展示心搏密度的示意图；
图6是根据本发明实施例的一种可选的对室早属性心搏的七个相似性形态板块的面积进行排序的示意图；
图7是根据本发明实施例的一种可选的心电图的分析装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明下述各实施例，可以应用于各种心电图分析系统、心电图分析软件中，所分析的动态心电图的数量较多(如一万张动态心电图、10万张动态心电图)，在对动态心电图编辑时，根据心电散点图上的点集圈选信号，逆向回放后进行多属性形态相似性归类，对归类后的不同属性板块下的多个相似性形态进行反混淆及排序运算，通过该种方式，避免了现有技术中在进行散点图编辑时，所选点集逆向回放后直接进行反混淆，导致多种属性及不同形态心搏混合造成的目标心搏提取困难的现状，同时，本申请还可避免多种形态波形混合，为了更好的找出室上性早搏及室性早搏，对归类后的心搏进行提早率排序或面积排序，达到加速编辑的效果，从而可以快速、准确的进行批量修改及编辑，实现心律失常的快速分析。下面结合各个实施例来详细说明本发明。
实施例一
根据本发明实施例，提供了一种心电图的分析方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种可选的心电图的分析方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，采集用户的多个动态心电信号，其中，动态心电信号用于绘制心电散点图；
步骤S104，接收点集选取信号，其中，点集选取信号是在心电散点图上选取心搏点集后确定的信号；
步骤S106，基于心搏点集的属性信息，构建心搏属性板块，其中，每个心搏属性板块中至少包括：心搏点之间形态的相似度大于预设相似度的所有心搏点；
步骤S108，基于心搏属性板块，提取心电散点图中的目标心搏点。
通过上述步骤，可以在分析心电散点图时，先采集用户的多个动态心电信号，其中，动态心电信号用于绘制心电散点图，然后接收点集选取信号，其中，点集选取信号是在心电散点图上选取心搏点集后确定的信号，基于心搏点集的属性信息，构建心搏属性板块，其中，每个心搏属性板块中至少包括：心搏点之间形态的相似度大于预设相似度的所有心搏点，基于心搏属性板块，提取心电散点图中的目标心搏点。在该实施例中，可以根据心电散点图上的点集选取信号，逆向回放后进行多属性形态相似性归类，并基于归类后的各个属性板块，准确提取目标心搏点，可以快速、准确的进行批量修改及编辑，从而解决相关技术中分析心电图时，由于散点图中多种形态波形重叠，影响图形识别率，导致目标心搏提取困难的技术问题。
下面结合上述各实施步骤来详细说明本发明。
步骤S102，采集用户的多个动态心电信号，其中，动态心电信号用于绘制心电散点图。
可选的，采集用户的多个动态心电信号的步骤，包括：采集用户在预设时间段内的动态心电数据；对动态心电数据进行预处理，得到多个动态心电信号，其中，预处理至少包括：去除干扰数据。
采集用户的动态心电数据时，预设时间段可以不限定，例如，1小时、1天或者30天，在采集时，注意仪器的放置位置，保证采集的动态心电数据干扰较小。在采集得到动态心电数据后，可以对采集的心电数据去除干扰，然后再进行自动分析R波信号。
另一种可选的，在采集用户的多个动态心电信号之后，分析方法还包括：分析多个动态心电信号中的R波信号；基于R波信号，计算与R波信号相邻的RR间期，其中，RR间期用于绘制心电散点图。
对采集到动态心电信号进行自动分析，识别R波位置，计算相邻RR间期，将得到的RR间期数值制作成二维或三维心电散点图。
步骤S104，接收点集选取信号，其中，点集选取信号是在心电散点图上选取心搏点集后确定的信号。
点集选取信号可以是指系统或者软件接收到用户通过虚拟选取部件(如鼠标)选取圈选心电散点图上某一块的区域，生成的点集选取信号。图2是根据本发明实施例的一种可选的点集选取信号的生成示意图，如图2所示，中间部分示意了数量庞大的心电散点图，用户可以通过鼠标圈选左侧不规则的圆形状散点集，在图2中通过黑色线条示意圈选范围，在圈选后，即可生成点集选取信号，根据点集选取信号，对所选的散点图点集区域进行逆向运算，计算出所选的所有心搏R点点集。
本发明实施例中，在接收点集选取信号之后，分析方法还包括：基于点集选取信号，确定被选取的所有心搏点，得到心搏点集；将心搏点集中每个心搏点进行逆向运算，得到与每个心搏点对应的心电数据；计算每个心电数据中的心搏R点，得到心搏R点点集，其中，心搏R点用于确定心搏点的心搏属性。
系统根据点集选取信号，确定所选的散点图点集区域，然后对该区域的所有心搏点进行逆向运算，计算出所选的所有心搏R点(可以是指心电图中每一次心跳的峰值)点集。该逆向运算是指相对于得到心电散点图时是通过动态心电数据得到的散点图，逆向将该选取的散点图中选取的所有心搏点逆向运算出初始的动态心电数据。
步骤S106，基于心搏点集的属性信息，构建心搏属性板块，其中，每个心搏属性板块中至少包括：心搏点之间形态的相似度大于预设相似度的所有心搏点。
可选的，基于心搏点集的属性信息，构建心搏属性板块的步骤，包括：确定心搏点集中每个心搏点的心搏属性，其中，心搏属性包括下述至少之一：室早属性、房早属性、正常属性；基于心搏属性，将心搏点集中各个心搏点划分至对应的心搏属性板块。
在将心搏点集中各个心搏点划分至对应的心搏属性板块后，可采用对应的属性色彩标记。
根据计算出来心搏点集的不同的心搏属性构建属性板块，除了上述示意说明的室早、房早、正常属性，还可以包括：交界早、室性逸搏、房性逸搏、交界性逸搏、伪差、房性起搏、室性起搏、房室顺序起搏、融合波、起搏失败、感知失败等板块。
本发明实施例，在基于心搏点集的属性信息，构建心搏属性板块之后，分析方法还包括：在心搏属性板块下，以每个心搏R点为中心，截取第一预设时长的心电数据，得到截取心电数据；基于截取心电数据，构建多个心搏形态数组；将尚未划分的所有心搏点归类为待分类板块下；将每个心搏形态数组对应的心搏属性板块和待分类板块展示在第一预设页面上。
第一预设时长，可以是指以R点为中心，向左侧取值时长加上向右侧取值时长；例如，以向左取200毫秒，向右取400毫秒的心电数据构建心搏形态数组(该心搏形态数组可以为一维数组)。
图3是根据本发明实施例的一种可选的构建心搏属性板块的示意图，如图3所示，其包括了：左侧4个已分类板块，包括：334个待分类板块(即不属于室早、房早、正常类型的板块)、1793个室早板块、4730个房早板块、5968个正常属性板块。
另一种可选的，确定心搏点集中每个心搏点的心搏属性的步骤，包括：采用预设累计差值算法计算心搏点集中各个心搏点之间的相似度；基于相似度，确定心搏点集中每个心搏点的心搏属性。
对每个心搏点集逐点计算形态相似性，将形态相似的心搏点按照各自的心搏属性分别归为多个相似性板块，每个属性板块下设立待分类板块作为此板块下形态相似度较低的心搏集合，其他板块为相似性较高的心搏集合。
累计差值算法为：
其中，S为目标心电波形一维数组，长度
为N+1，数值对应的是心电波形的振幅值，S(n)表示第n点的波形振幅值。X为当前处理的心电波形一维数组，长度为N+1，数值对应的是心电波形的振幅值，X(n)表示第n点的波形振幅值。将当前处理数组X的第n点的值X(n)与目标数组S的第n点的值S(n)进行减法运算，并取绝对值，对此结果进行从0到N的求和计算，最终得出累计差值。X与S的累计差值小与阈值认为与S相似，否则为不相似，对所有X与S进行计算，从而得到与S相似的集合。
步骤S108，基于心搏属性板块，提取心电散点图中的目标心搏点。
在得到多个心搏属性板块后，可以接收板块属性选取信号(例如，鼠标点击上述图3所示的某一个板块，一次可选择单一或多个板块)，基于板块属性选取信号，确定选取的心搏属性板块。下面以选取室早属性板块为例进行示意说明。
可选的，基于心搏属性板块，提取心电散点图中的目标心搏点的步骤，包括：选取心搏属性板块中预设数量的室早属性板块；采用预设反混淆技术绘制室早属性板块的心搏图，得到多个室早心搏图；基于每个室早心搏图的面积或提早率，对绘制的多个室早心搏图进行排序，得到排序结果；基于排序结果，提取心电散点图中的目标心搏点。
另一种可选的，采用预设反混淆技术绘制室早属性板块的心搏图，得到多个室早心搏图的步骤，包括：对心搏属性板块中的所有心搏点，以R点为中心提取第二预设时长的心电数据，得到第一提取心电集；将第一提取心电集中的所有心电数据在预设坐标系上进行叠加，其中，预设坐标系的横坐标为采样点，纵坐标为心电幅值；采用预设标识颜色显示叠加后的心电数据的密度值，得到心电显示结果；采用预设反混淆技术提取将心电显示结果中室早属性板块的所有心搏图，并将提取出的所有心搏图显示在第二预设页面上；确定在第二预设页面上的多个室早心搏图。
在选取室早属性板块后，对板块内的所有心搏以R点为中心第二预设时长的心电数据，该第二预设时长也可以自行设定的，例如，设定R点前后2秒为第二预设时长。将第二预设时长的心电数据在直角坐标系上进行叠加，横坐标为采样点，纵坐标采样的幅值，并用不同的标识信息(如不同颜色)显示波形重叠的密度值。
图4是根据本发明实施例的一种可选的采用预设反混淆技术绘制室早属性板块的心搏图的示意图，如图4所示，左侧最上侧示意分类后的各属性板块，在点选其中一个属性板块后，可以将所选区域中包含的心搏提取出来，图4中分离出三个反混淆子板块，即白色箭头指向的三个板块(包括：(F1)-1948、(F2)-25、(F3)-4这三个板块)。
图5是根据本发明实施例的一种可选的展示心搏密度的示意图，如图5所示，在(F1)-6844指示的板块界面上，提取所有心搏图后，通过不同的粗细线条和密度展示不同的心电波形。在实际设计时，可以通过多种颜色进行密度标识，例如，用红色表示高密度点集，用黄色表示中密度点，用绿色表示低密度点。
在得到所有的室早心搏图后，可以自动对心搏图进行排序和修改。基于每个室早心搏图的面积或提早率，对绘制的多个室早心搏图进行排序，得到排序结果；基于排序结果，提取心电散点图中的目标心搏点。
在反混淆图上根据形态将典型的宽大畸形室早进行分离，确认心搏属性后从反混淆图及相似性板块上删除，进一步减少心搏编辑的数量，在剩余的相似性板块上的选中二个房早板块再次绘制反混淆图。
图6是根据本发明实施例的一种可选的对室早属性心搏的七个相似性形态板块的面积进行排序的示意图，如图6所示，取第三预设时长(如以所选板块内每个心搏R点为中心，向左取200毫秒，向右取400毫秒)的心电数据A(n)，根据A(n)的值从大到小进行面积排序，用以更好地暴露室性早搏。
在对室早心搏进行排序后，可以基于排序结果，提取心电散点图中的目标心搏点，例如，对排序后的心搏结合反混淆技术进行批量添加、删除及属性编辑，其提取方法包括：选择反混淆图，如图6，显示反混淆图子模板下的所有心博；根据面积从大到小的排序结果，将排序尾部的伪差进行删除；根据面积从大到小的排序结果，将排序尾部的正常形态且提早率小于预设提早率(如20％)的心博批量修改为正常，将正常形态且提早率大于等于预设提早率的心博批量修改为房早。
可以进行自动化属性修改，如正常、室早、房早、交界早、房性逸搏、交界性逸搏、室性逸搏、房早未下传等属性，结合提早率排序结果，按照排序结果和提早率数值，快速编辑房早心搏，结合面积排序结果，按照排序结果快速编辑室早心搏。
上述实施例，相对于现有技术中不同心搏形态或不同心搏属性波形的QRS波重叠于同一异常散点图团块中，再进行反混淆时由于多种混合杂乱波形同时存在，增加反混淆图识别和提取难度的缺陷，本发明实施例，可以在对心电散点图中的心搏点集进行逆向回放后，对所选的心搏进行多属性形态相似性归类，在归类后，对不同心搏属性板块下的不同相似性板块中各个板块进行反混淆，避免多种形态波形混合，同时为了更好的找出室上性早搏及室性早搏，对归类后的心搏进行提早率排序或面积排序，从而达到加速编辑的效果。
实施例二
下面通过心电图的分析装置来说明本发明，分析装置包括的多个实施单元对应于上述实施例一中的各个实施步骤。
图7是根据本发明实施例的一种可选的心电图的分析装置的示意图，如图7所示，该分析装置可以包括：采集单元71、接收单元73、构建单元75、提取单元77，其中，
采集单元71，用于采集用户的多个动态心电信号，其中，动态心电信号用于绘制心电散点图；
接收单元73，用于接收点集选取信号，其中，点集选取信号是在心电散点图上选取心搏点集后确定的信号；
构建单元75，用于基于心搏点集的属性信息，构建心搏属性板块，其中，每个心搏属性板块中至少包括：心搏点之间形态的相似度大于预设相似度的所有心搏点；
提取单元77，用于基于心搏属性板块，提取心电散点图中的目标心搏点。
上述心电图的分析装置，可以在分析心电散点图时，先通过采集单元71采集用户的多个动态心电信号，其中，动态心电信号用于绘制心电散点图，然后通过接收单元73接收点集选取信号，其中，点集选取信号是在心电散点图上选取心搏点集后确定的信号，通过构建单元75基于心搏点集的属性信息，构建心搏属性板块，其中，每个心搏属性板块中至少包括：心搏点之间形态的相似度大于预设相似度的所有心搏点，通过提取单元77基于心搏属性板块，提取心电散点图中的目标心搏点。在该实施例中，可以根据心电散点图上的点集选取信号，逆向回放后进行多属性形态相似性归类，并基于归类后的各个属性板块，准确提取目标心搏点，可以快速、准确的进行批量修改及编辑，从而解决相关技术中分析心电图时，由于散点图中多种形态波形重叠，影响图形识别率，导致目标心搏提取困难的技术问题。
可选的，采集单元包括：第一采集模块，用于采集用户在预设时间段内的动态心电数据；预处理模块，用于对动态心电数据进行预处理，得到多个动态心电信号，其中，预处理至少包括：去除干扰数据。
另一种可选的，分析装置还包括：分析单元，用于在采集用户的多个动态心电信号之后，分析多个动态心电信号中的R波信号；第一计算单元，用于基于R波信号，计算与R波信号相邻的RR间期，其中，RR间期用于绘制心电散点图。
本发明实施例，分析装置还包括：第一确定单元，用于在接收点集选取信号之后，基于点集选取信号，确定被选取的所有心搏点，得到心搏点集；运算单元，用于将心搏点集中每个心搏点进行逆向运算，得到与每个心搏点对应的心电数据；第二计算单元，用于计算每个心电数据中的心搏R点，得到心搏R点点集，其中，心搏R点用于确定心搏点的心搏属性。
可选的，构建单元包括：第一确定模块，用于确定心搏点集中每个心搏点的心搏属性，其中，心搏属性包括下述至少之一：室早属性、房早属性、正常属性；划分模块，用于基于心搏属性，将心搏点集中各个心搏点划分至对应的心搏属性板块。
另一种可选的，确定心搏点集中每个心搏点的心搏属性的步骤，包括：采用预设累计差值算法计算心搏点集中各个心搏点之间的相似度；基于相似度，确定心搏点集中每个心搏点的心搏属性。
在本发明实施例，分析装置还包括：截取单元，用于在基于心搏点集的属性信息，构建心搏属性板块之后，在心搏属性板块下，以每个心搏R点为中心，截取第一预设时长的心电数据，得到截取心电数据；构建模块，用于基于截取心电数据，构建多个心搏形态数组；归类模块，用于将尚未划分的所有心搏点归类为待分类板块下；第一展示模块，用于将每个心搏形态数组对应的心搏属性板块和待分类板块展示在第一预设页面上。
可选的，提取单元包括：选取模块，用于选取心搏属性板块中预设数量的室早属性板块；第一绘制模块，用于采用预设反混淆技术绘制室早属性板块的心搏图，得到多个室早心搏图；第一排序模块，用于基于每个室早心搏图的面积或提早率，对绘制的多个室早心搏图进行排序，得到排序结果；第一提取模块，用于基于排序结果，提取心电散点图中的目标心搏点。
另一种可选的，第一绘制模块包括：第一提取子模块，用于对心搏属性板块中的所有心搏点，以R点为中心提取第二预设时长的心电数据，得到第一提取心电集；叠加子模块，用于将第一提取心电集中的所有心电数据在预设坐标系上进行叠加，其中，预设坐标系的横坐标为采样点，纵坐标为心电幅值；标识子模块，用于采用预设标识颜色显示叠加后的心电数据的密度值，得到心电显示结果；显示子模块，用于采用预设反混淆技术提取将心电显示结果中室早属性板块的所有心搏图，并将提取出的所有心搏图显示在第二预设页面上；确定子模块，用于确定在第二预设页面上的多个室早心搏图。
上述的心电图的分析装置还可以包括处理器和存储器，上述采集单元71、接收单元73、构建单元75、提取单元77等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
上述处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来分析心电散点图，确定多个异常心搏点。
上述存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述任意一项的空调设备的参数调整方法。
根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一项的心电图的分析方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：采集用户的多个动态心电信号，其中，动态心电信号用于绘制心电散点图；接收点集选取信号，其中，点集选取信号是在心电散点图上选取心搏点集后确定的信号；基于心搏点集的属性信息，构建心搏属性板块，其中，每个心搏属性板块中至少包括：心搏点之间形态的相似度大于预设相似度的所有心搏点；基于心搏属性板块，提取心电散点图中的目标心搏点。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：采集用户的多个动态心电信号，其中，动态心电信号用于绘制心电散点图；接收点集选取信号，其中，点集选取信号是在心电散点图上选取心搏点集后确定的信号；基于心搏点集的属性信息，构建心搏属性板块，其中，每个心搏属性板块中至少包括：心搏点之间形态的相似度大于预设相似度的所有心搏点；基于心搏属性板块，提取心电散点图中的目标心搏点。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种心电图的分析方法，其特征在于，包括：
采集用户的多个动态心电信号，其中，所述动态心电信号用于绘制心电散点图；
接收点集选取信号，其中，所述点集选取信号是在所述心电散点图上选取心搏点集后确定的信号；
基于所述心搏点集的属性信息，构建心搏属性板块，其中，每个所述心搏属性板块中至少包括：心搏点之间形态的相似度大于预设相似度的所有心搏点；
基于所述心搏属性板块，提取所述心电散点图中的目标心搏点。
2.根据权利要求1所述的分析方法，其特征在于，采集用户的多个动态心电信号的步骤，包括：
采集所述用户在预设时间段内的动态心电数据；
对所述动态心电数据进行预处理，得到所述多个动态心电信号，其中，所述预处理至少包括：去除干扰数据。
3.根据权利要求2所述的分析方法，其特征在于，在采集用户的多个动态心电信号之后，所述分析方法还包括：
分析所述多个动态心电信号中的R波信号；
基于所述R波信号，计算与所述R波信号相邻的RR间期，其中，所述RR间期用于绘制所述心电散点图。
4.根据权利要求1所述的分析方法，其特征在于，在接收点集选取信号之后，所述分析方法还包括：
基于所述点集选取信号，确定被选取的所有心搏点，得到心搏点集；
将所述心搏点集中每个心搏点进行逆向运算，得到与每个所述心搏点对应的心电数据；
计算每个所述心电数据中的心搏R点，得到心搏R点点集，其中，所述心搏R点用于确定所述心搏点的心搏属性。
5.根据权利要求1所述的分析方法，其特征在于，基于所述心搏点集的属性信息，构建心搏属性板块的步骤，包括：
确定所述心搏点集中每个所述心搏点的心搏属性，其中，所述心搏属性包括下述至少之一：室早属性、房早属性、正常属性；
基于所述心搏属性，将所述心搏点集中各个心搏点划分至对应的心搏属性板块。
6.根据权利要求5所述的分析方法，其特征在于，确定所述心搏点集中每个所述心搏点的心搏属性的步骤，包括：
采用预设累计差值算法计算所述心搏点集中各个心搏点之间的相似度；
基于所述相似度，确定所述心搏点集中每个所述心搏点的心搏属性。
7.根据权利要求5所述的分析方法，其特征在于，在基于所述心搏点集的属性信息，构建心搏属性板块之后，所述分析方法还包括：
在所述心搏属性板块下，以每个心搏R点为中心，截取第一预设时长的心电数据，得到截取心电数据；
基于所述截取心电数据，构建多个心搏形态数组；
将尚未划分的所有心搏点归类为待分类板块下；
将每个心搏形态数组对应的所述心搏属性板块和所述待分类板块展示在第一预设页面上。
8.根据权利要求1所述的分析方法，其特征在于，基于所述心搏属性板块，提取所述心电散点图中的目标心搏点的步骤，包括：
选取所述心搏属性板块中预设数量的室早属性板块；
采用预设反混淆技术绘制所述室早属性板块的心搏图，得到多个室早心搏图；
基于每个所述室早心搏图的面积或提早率，对绘制的多个所述室早心搏图进行排序，得到排序结果；
基于所述排序结果，提取所述心电散点图中的目标心搏点。
9.根据权利要求8所述的分析方法，其特征在于，采用预设反混淆技术绘制所述室早属性板块的心搏图，得到多个室早心搏图的步骤，包括：
对所述心搏属性板块中的所有心搏点，以R点为中心提取第二预设时长的心电数据，得到第一提取心电集；
将所述第一提取心电集中的所有心电数据在预设坐标系上进行叠加，其中，所述预设坐标系的横坐标为采样点，纵坐标为心电幅值；
采用预设标识颜色显示叠加后的心电数据的密度值，得到心电显示结果；
采用所述预设反混淆技术提取将所述心电显示结果中室早属性板块的所有心搏图，并将提取出的所有心搏图显示在第二预设页面上；
确定在所述第二预设页面上的多个室早心搏图。
10.一种心电图的分析装置，其特征在于，包括：
采集单元，用于采集用户的多个动态心电信号，其中，所述动态心电信号用于绘制心电散点图；
接收单元，用于接收点集选取信号，其中，所述点集选取信号是在所述心电散点图上选取心搏点集后确定的信号；
构建单元，用于基于所述心搏点集的属性信息，构建心搏属性板块，其中，每个所述心搏属性板块中至少包括：心搏点之间形态的相似度大于预设相似度的所有心搏点；
提取单元，用于基于所述心搏属性板块，提取所述心电散点图中的目标心搏点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010714470.XA CN111797816B (zh) | 2020-07-21 | 2020-07-21 | 心电图的分析方法及分析装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010714470.XA CN111797816B (zh) | 2020-07-21 | 2020-07-21 | 心电图的分析方法及分析装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111797816A true CN111797816A (zh) | 2020-10-20 |
| CN111797816B CN111797816B (zh) | 2024-05-14 |
Family
ID=72827182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010714470.XA Active CN111797816B (zh) | 2020-07-21 | 2020-07-21 | 心电图的分析方法及分析装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111797816B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112971798A (zh) * | 2021-02-10 | 2021-06-18 | 武汉心络科技有限公司 | 心电信号处理方法、装置、终端及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006116207A (ja) * | 2004-10-25 | 2006-05-11 | Fukuda Denshi Co Ltd | 心電図の分類装置 |
| US20140221860A1 (en) * | 2013-02-05 | 2014-08-07 | Nihon Kohden Corporation | Electrocardiogram analyzer |
| CN104102915A (zh) * | 2014-07-01 | 2014-10-15 | 清华大学深圳研究生院 | 一种心电异常状态下基于ecg多模板匹配的身份识别方法 |
| 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 |
| CN110009711A (zh) * | 2019-05-20 | 2019-07-12 | 厦门纳龙科技有限公司 | 一种心搏组合特征散点图生成方法、终端设备及存储介质 |
| CN110403598A (zh) * | 2019-08-05 | 2019-11-05 | 迪姆软件(北京)有限公司 | 三维心电散点图的处理方法及装置 |
-
2020
- 2020-07-21 CN CN202010714470.XA patent/CN111797816B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006116207A (ja) * | 2004-10-25 | 2006-05-11 | Fukuda Denshi Co Ltd | 心電図の分類装置 |
| US20140221860A1 (en) * | 2013-02-05 | 2014-08-07 | Nihon Kohden Corporation | Electrocardiogram analyzer |
| CN104102915A (zh) * | 2014-07-01 | 2014-10-15 | 清华大学深圳研究生院 | 一种心电异常状态下基于ecg多模板匹配的身份识别方法 |
| 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 |
| CN110009711A (zh) * | 2019-05-20 | 2019-07-12 | 厦门纳龙科技有限公司 | 一种心搏组合特征散点图生成方法、终端设备及存储介质 |
| CN110403598A (zh) * | 2019-08-05 | 2019-11-05 | 迪姆软件(北京)有限公司 | 三维心电散点图的处理方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| SEAN SHENSHENG XU 等: "I-Vector-Based Patient Adaptation of Deep Neural Networks for Automatic Heartbeat Classification", 《IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS》, 29 May 2019 (2019-05-29) * |
| 张泱: "基于压电薄膜传感器的心冲击图信号应用性研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑 (月刊)》, 15 January 2020 (2020-01-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112971798A (zh) * | 2021-02-10 | 2021-06-18 | 武汉心络科技有限公司 | 心电信号处理方法、装置、终端及存储介质 |
| CN112971798B (zh) * | 2021-02-10 | 2023-05-30 | 武汉心络科技有限公司 | 心电信号处理方法、装置、终端及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111797816B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Delorme et al. | Automatic artifact rejection for EEG data using high-order statistics and independent component analysis | |
| CN110811609B (zh) | 基于自适应模板匹配与机器学习算法融合的癫痫棘波智能检测装置 | |
| US7239988B2 (en) | Apparatus and method for efficient representation of periodic and nearly periodic signals for analysis | |
| CN111772585B (zh) | 间期颅内脑电信号中癫痫异常群体活动的数据提取方法 | |
| CN110393520B (zh) | 一种心电数据分析方法及装置、心电分析仪、存储介质 | |
| US20070225932A1 (en) | Methods, systems and computer program products for extracting paroxysmal events from signal data using multitaper blind signal source separation analysis | |
| US20030105408A1 (en) | Artifact detection in encephalogram data using an event model | |
| DE19638738B4 (de) | Verfahren zur Gewinnung einer diagnostischen Aussage aus Signalen und Daten medizinischer Sensorsysteme | |
| CN106108880B (zh) | 一种心拍自动识别方法及系统 | |
| CN110226919B (zh) | 心电信号类型检测方法、装置、计算机设备及存储介质 | |
| JPH11312234A (ja) | 多次元画像のセグメンテ―ション処理を含む画像処理方法及び医用映像装置 | |
| CN109124620A (zh) | 一种房颤检测方法、装置及设备 | |
| CN109044348A (zh) | 房颤检测装置及存储介质 | |
| CN111920399A (zh) | 心率变异性的分析方法及装置 | |
| CN111053551A (zh) | Rr间期心电数据分布显示方法、装置、计算机设备和介质 | |
| CN113876335A (zh) | 心电图心搏分类方法、装置、电子设备和介质 | |
| CN112971800A (zh) | 基于深度学习的心电早搏信号处理方法、模块和装置 | |
| CN111150386A (zh) | 一种心电分析的方法、装置及存储介质 | |
| CN111797816A (zh) | 心电图的分析方法及分析装置 | |
| CN109431487B (zh) | 心电图动态实时分析数据中室性心搏典型数据的识别方法 | |
| CN110897635B (zh) | 真实场景下心电图信号提取和识别的方法 | |
| CN114176602B (zh) | 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 | |
| JP2002306438A (ja) | 心電図情報処理装置及び心電図情報処理方法 | |
| CN113647959B (zh) | 一种心电波形信号的波形识别方法、装置及设备 | |
| US11694117B2 (en) | Waveform generation identification method and computer-readable medium |
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 |