CN112528783A - 心电图心搏数据聚类方法、装置、电子设备和介质 - Google Patents

心电图心搏数据聚类方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN112528783A
CN112528783A CN202011375952.3A CN202011375952A CN112528783A CN 112528783 A CN112528783 A CN 112528783A CN 202011375952 A CN202011375952 A CN 202011375952A CN 112528783 A CN112528783 A CN 112528783A
Authority
CN
China
Prior art keywords
template
data
processed
templates
heartbeat
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
Application number
CN202011375952.3A
Other languages
English (en)
Other versions
CN112528783B (zh
Inventor
刘盛捷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Biocare Bio Medical Equipment Co ltd
Original Assignee
Shenzhen Biocare Bio Medical Equipment Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Biocare Bio Medical Equipment Co ltd filed Critical Shenzhen Biocare Bio Medical Equipment Co ltd
Priority to CN202011375952.3A priority Critical patent/CN112528783B/zh
Priority to PCT/CN2021/072841 priority patent/WO2022110524A1/zh
Publication of CN112528783A publication Critical patent/CN112528783A/zh
Application granted granted Critical
Publication of CN112528783B publication Critical patent/CN112528783B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F2218/02—Preprocessing
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biomedical Technology (AREA)
  • Psychiatry (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Veterinary Medicine (AREA)
  • Evolutionary Computation (AREA)

Abstract

本申请公开了一种心电图心搏数据聚类方法、装置、电子设备和介质。其中方法包括：将待处理心搏数据与多个数据模板进行比对；若存在匹配的目标数据模板，使用待处理心搏数据的信息更新目标数据模板的信息；若不存在，根据待处理心搏数据建立新增数据模板对应新增模板标识；将新增数据模板确定为与待处理心搏数据匹配的目标数据模板；输出待处理心搏数据的模板匹配结果，所述模板匹配结果包括目标数据模板的模板标识；每当处理的待处理心搏数据的数量达到预设数量阈值的情况下，对数据模板执行整理操作，包括模板合并操作、模板排序操作和/或模板删除操作，获得模板整理结果；根据模板匹配结果和模板整理结果，获得待处理心搏数据的聚类结果。

Description

心电图心搏数据聚类方法、装置、电子设备和介质
技术领域
本发明涉及心电图数据处理技术领域，尤其是涉及一种心电图心搏数据聚类方法、装置、电子设备和介质。
背景技术
为了更快捷清楚地对采集的心电图数据进行分析，开发了越来越多的计算机辅助诊断心电图软件。心搏聚类(或称模板匹配)技术可将ECG信号按照QRS波的不同形态特征分为若干个模板，每个模板存放具有相似QRS波形态的心搏索引，因此便将大量心搏的检查工作集中到若干个模板上，大大节省了医生的检查时间，提高诊断效率。
目前心电图心搏数据聚类可以使用特征参数法。具体是采用快速傅里叶变换、小波变换、希尔伯特变换等信号变换方法将心电信号从时域转换成特征更易于区分的变换域后，再利用经典聚类方法对心电信号进行自动模板匹配。而采用信号变换方法会显著增加计算量，且许多经典聚类方法需要事先设置待匹配的模板个数。当采用该方法对信噪比低、多源室早病例进行模板匹配时，同样会出现不同心搏混合在同一模板的情况，心电图心搏数据聚类不够准确，处理效率不高。
发明内容
本申请提供了一种心电图心搏数据聚类方法、装置、电子设备和介质。
第一方面，提供了一种心电图心搏数据聚类方法，包括：
获取待处理心搏数据，将所述待处理心搏数据与多个数据模板进行比对；
若存在与所述待处理心搏数据匹配的目标数据模板，使用所述待处理心搏数据的信息更新所述目标数据模板的信息；
若不存在与所述待处理心搏数据匹配的目标数据模板，根据所述待处理心搏数据建立新增数据模板，所述新增数据模板对应新增模板标识；将所述新增数据模板确定为与所述待处理心搏数据匹配的所述目标数据模板；
输出所述待处理心搏数据的模板匹配结果，所述模板匹配结果包括所述目标数据模板的模板标识；
每当处理的所述待处理心搏数据的数量达到预设数量阈值的情况下，对所述数据模板执行整理操作，所述整理操作包括模板合并操作、模板排序操作和/或模板删除操作，获得模板整理结果；
根据所述模板匹配结果和所述模板整理结果，获得所述待处理心搏数据的聚类结果。
在一种可选的实施方式中，所述将所述待处理心搏数据与模板库中的多个数据模板进行比对，包括：
分别获取所述待处理心搏数据的波形与所述多个数据模板的代表波形的多个相对误差；
获取所述多个相对误差中的最小误差，若所述最小误差小于预设误差阈值，确定所述最小误差所对应的目标数据模板与所述待处理心搏数据匹配。
在一种可选的实施方式中，所述整理操作包括模板合并操作的情况下，所述对所述数据模板执行整理操作包括：
计算处理模板与参考模板的相对误差，将所述相对误差与预设匹配阈值进行比较，所述参考模板为未整理模板中的一个模板，所述处理模板为所述未整理模板中除所述参考模板以外的模板；
获取所述相对误差小于所述预设匹配阈值的处理模板，将所述相对误差小于所述预设匹配阈值的处理模板与对应的参考模板进行合并，获得的模板记为已整理模板；
重复以上步骤直到所述未整理模板的数量为零。
在一种可选的实施方式中，在所述整理操作包括模板排序操作的情况下，所述对所述数据模板执行整理操作包括：
根据多个模板中各个模板的模板成员数量由大到小的顺序，对所述多个模板进行排序。
在一种可选的实施方式中，在所述整理操作包括模板删除操作的情况下，所述对所述数据模板执行整理操作包括：
当模板数量M超过第一数量阈值T1的情况下，计算各个所述模板的年龄值，所述年龄值为所述模板集合中的最新加入模板与获取到所述待处理心搏数据的时间间隔数据；
根据所述各个模板的年龄值和第一时长参数，计算所述各个模板对应的年龄参数；
获取所述年龄值大于所述年龄值对应的年龄参数的模板；从所述年龄值大于所述年龄参数的模板中确定前N个年龄值最大的模板为待删除模板，从所述模板集合中删除所述待删除模板；N＝M-T1。
在一种可选的实施方式中，在所述整理操作为模板删除操作的情况下，所述对所述数据模板执行整理操作还包括：
当所述模板数量M超过第二数量阈值T2的情况下，从所述模板中获取待搜索模板，所述待搜索模板的模板成员个数小于预设成员个数阈值；所述第二数量阈值T2大于所述第一数量阈值T1；
计算各个所述待搜索模板的年龄值；根据所述待搜索模板的数量和第二时长参数，计算年龄参考值；
获取所述年龄值大于所述年龄参考值的模板，从所述年龄值大于所述年龄参考值的模板中确定前N个年龄值最大的模板为待删除模板，从所述模板集合中删除所述待删除模板。
在一种可选的实施方式中，所述获取待处理心搏数据之前，所述方法还包括：
获取心电图数据，对所述心电图数据进行划分，获得心搏片段；
所述获取待处理心搏数据包括：
从所述心搏片段中获取预设信号长度的所述待处理心搏数据。
在一种可选的实施方式中，所述获取心电图数据之前，所述方法还包括：
获取采集的多导联心电图数据；根据所述多导联心电图数据中的主分析导联编号和次分析导联编号构建双导联心电图数据；
对所述双导联心电图数据进行带通滤波，获得所述心电图数据；
所述对所述心电图数据进行划分，获得多个心搏片段包括：
根据检测获得的R波位置信息对所述心电图数据进行划分，获得多个以所述R波位置为中心的等长度的心搏片段。
在一种可选的实施方式中，在所述将所述待处理心搏数据与模板库中的多个数据模板进行比对之前，所述方法还包括：
计算所述待处理心搏数据的信噪比；
根据所述待处理心搏数据的信噪比，确定所述待处理心搏数据的信号质量参数；
所述根据所述待处理心搏数据建立新增数据模板包括：
在所述待处理心搏数据的信号质量参数为第一质量阈值的情况下，根据所述待处理心搏数据建立新增数据模板。
第二方面，提供了一种心电图心搏数据聚类装置，包括模板匹配模块、模板整理模块和聚类模块，其中：
所述模板匹配模块，用于：
获取待处理心搏数据，将所述待处理心搏数据与多个数据模板进行比对；
若存在与所述待处理心搏数据匹配的目标数据模板，使用所述待处理心搏数据的信息更新所述目标数据模板的信息；
若不存在与所述待处理心搏数据匹配的目标数据模板，根据所述待处理心搏数据建立新增数据模板，所述新增数据模板对应新增模板标识；将所述新增数据模板确定为与所述待处理心搏数据匹配的所述目标数据模板；
输出所述待处理心搏数据的模板匹配结果，所述模板匹配结果包括所述目标数据模板的模板标识；
所述模板整理模块，用于每当处理的所述待处理心搏数据的数量达到预设数量阈值的情况下，对所述数据模板执行整理操作，所述整理操作包括模板合并操作、模板排序操作和/或模板删除操作，获得模板整理结果；
所述聚类模块，用于根据所述模板匹配结果和所述模板整理结果，获得所述待处理心搏数据的聚类结果。
第三方面，提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如第一方面及其任一种可能的实现方式的步骤。
第四方面，提供了一种计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行如上述第一方面及其任一种可能的实现方式的步骤。
本申请通过获取待处理心搏数据，将上述待处理心搏数据与多个数据模板进行比对；若存在与上述待处理心搏数据匹配的目标数据模板，使用上述待处理心搏数据的信息更新上述目标数据模板的信息；若不存在与上述待处理心搏数据匹配的目标数据模板，根据上述待处理心搏数据建立新增数据模板，上述新增数据模板对应新增模板标识；将上述新增数据模板确定为与上述待处理心搏数据匹配的上述目标数据模板；输出上述待处理心搏数据的模板匹配结果，上述模板匹配结果包括上述目标数据模板的模板标识；每当处理的上述待处理心搏数据的数量达到预设数量阈值的情况下，对上述数据模板执行整理操作，上述整理操作包括模板合并操作、模板排序操作和/或模板删除操作，获得模板整理结果；根据上述模板匹配结果和上述模板整理结果，获得上述待处理心搏数据的聚类结果，可以通过模板匹配将多个具有相似形态的心搏聚合为一个模板，并且对模板进行及时的整合，使可以实现实时聚类，并且无需复杂的信号变换，数据处理效率更高。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案，下面将对本申请实施例或背景技术中所需要使用的附图进行说明。
图1为本申请实施例提供的一种心电图心搏数据聚类方法的流程示意图；
图2为本申请实施例提供的一种信号质量评价流程示意图；
图3为本申请实施例提供的一种模板匹配流程示意图；
图4为本申请实施例提供的一种经过心搏偏移搜索后的模板匹配结果示意图；
图5为本申请实施例提供的一种经过存在模板偏移时的模板合并后的模板匹配结果示意图；
图6为本申请实施例提供的一种经过模板数量过多时的模板删除后的模板匹配结果示意图；
图7为本申请实施例提供的一种心电图心搏数据聚类装置的结构示意图；
图8为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例中涉及到的ECG信号，可以由心电采集盒通过连接到人体各部位上的电极片接收到的电信号经过信号转换而获得。典型的ECG信号由P波、QRS波群和T波构成，它反映了人体心脏活动的状态。通过观察ECG信号的形态(心搏波形)和节律(心跳频率)，医生可以得知有关患者心脏疾病的多方面信息。
本申请实施例中涉及到的Holter信号是长时间ECG信号，一般长达24小时及以上。由于许多心脏疾病的发作时间和触发条件比较隐秘，一般的静态心电图无法在十几秒内发现其存在，这就需要采集长时间的Holter信号持续记录患者的心脏电信号。然而，Holter信号的记录时间跨度大，时长达24小时的Holter信号大约有10万个心搏，这就使得医生通过目视检查患者情况的诊断方式效率低下，因此许多提高医生诊断效率的心电信号处理技术被相应的开发出来。
心搏聚类(或称模板匹配)技术可将ECG信号按照QRS波的不同形态特征分为若干个模板，每个模板存放具有相似QRS波形态的心搏索引，因此便将大量心搏的检查工作集中到若干个模板上，大大节省了医生的检查时间，提高诊断效率。
下面结合本申请实施例中的附图对本申请实施例进行描述。
请参阅图1，图1是本申请实施例提供的一种心电图心搏数据聚类方法的流程示意图。该方法可包括：
101、获取待处理心搏数据，将上述待处理心搏数据与多个数据模板进行比对。
本申请实施例的执行主体可以为一种心电图心搏数据聚类装置，可以为电子设备，具体实现中，上述电子设备为一种终端，也可称为终端设备，包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，上述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。在一种可选的实施方式中，上述心电图心搏数据聚类方法可以响应于用户的操作指令，由服务器支撑运行。
上述待处理心搏数据可以是采集的心电图数据中裁剪的心搏信号数据。
在一种可选的实施方式中，上述步骤101之前，该方法还包括：
获取心电图数据，对上述心电图数据进行划分，获得心搏片段；
上述获取待处理心搏数据包括：
从上述心搏片段中获取预设信号长度的上述待处理心搏数据。
本申请实施例中的心电图数据可以是心电图采集设备所采集的一段时间内的心电图信号，一般可以根据心电图的特性确定心搏位置，进而将该信号划分为多个反应心搏特征的等长片段。
可选的，上述对上述心电图数据进行划分，获得多个心搏片段，包括：
根据检测获得的R波位置信息对上述心电图数据进行划分，获得多个以上述R波位置为中心的等长度的心搏片段。
一个完整的心电图信号通常由P波、QRS波群和T波构成，其中QRS波群是心电图的主体部分，而R波又在QRS波群中占主导地位，因此心搏的标记位置可以以R波为准。可以获取以R波位置为中心的等长度的ECG片段，以进行模板匹配。
可选的，上述获取心电图数据之前，上述方法还包括：
获取采集的多导联心电图数据；根据上述多导联心电图数据中的主分析导联编号和次分析导联编号构建双导联心电图数据；
对上述双导联心电图数据进行带通滤波，获得上述心电图数据。
本申请实施例中可以使用Holter采集的多导联心电图数据进行处理。Holter是一种心电信号记录系统，它可以通过采用便携心电信号采集和对患者的心脏活动进行长达24小时的持续测量，为医生全面分析患者心脏病情提供了强有力的信息辅助。
具体的，可以首先读取Holter数据，该数据包括由Holter设备采集的24小时多导联Holter数据片段Signals∈RN*M，其中N表示信号导联个数，M表示信号长度；还可以包括相关参数，如：
经过QRS波检测得到的R波位置(RPos，以采样点或时间为单位)；
RR间期(表示当前心搏与相邻前一个心搏的间距，以采样点或时间为单位)；
QRS波宽度(width，以采样点或时间为单位)；
Holter设备采样率fs；
主分析导联编号和次分析导联编号。
其中，上述主分析导联编号和次分析导联编号是在上述多导联Holter数据中分析确定的占主导地位的两个导联数据编号。进一步的，可以进行信号预处理：根据上述主分析导联编号和上述次分析导联编号构建双导联Holter数据，然后经过上述带通滤波，滤除低频的基线漂移干扰和高频噪声。
对于前述ECG划分，具体可以为：根据R波位置RPos，将Holter数据划分为片段中心对应该R波位置，长度为W的ECG数据片段X∈RN*2*W，其中N表示划分好的ECG数据个数，2表示双导联，W表示单导联数据长度。
上述待处理心搏数据可以包括从双导联Holter数据片段裁剪出的预设信号长度的信号，可以作为近期信号RecentSignals∈R2*L，其中L表示预设信号长度(近期信号长度)。
在一种实施方式中，上述步骤101可包括：
分别获取上述待处理心搏数据的波形与上述多个数据模板的代表波形的多个相对误差；
获取上述多个相对误差中的最小误差，若上述最小误差小于预设误差阈值，确定上述最小误差所对应的目标数据模板与上述待处理心搏数据匹配。
本申请实施例中每个数据模板可以对应一个代表波形，可以是模板成员的波形均值或者通过其他方式确定，本申请实施例对此不做限制。具体的，可以通过计算相对误差衡量待处理心搏数据的波形与各个数据模板的代表波形的相似度，来对该待处理心搏数据归类。可选的，同时还可以根据需要选择设置心搏偏移搜索范围，减小模板搜索匹配的数据处理量，提高效率。
具体的，装置中可以存储有上述预设误差阈值REThre1，模板库中的模板代表波形TW∈RT*2*W，其中T为模板个数，心搏偏移搜索范围ShiftLtm1＝[-Smax1,Smax1]，Smax1表示心搏最大偏移搜索范围。将心搏波形与模板库中的模板进行匹配，计算心搏在不同偏移量s∈ShiftLtm1下与不同模板(用t表示模板标识)的相对误差RE(s,t)，该误差计算公式可以如下：
Figure BDA0002808199480000091
其中abs(·)表示取绝对值，ppv(·)表示取峰值，即最大值-最小值。
在获得的相对误差中搜索最小误差REmin，以及最小误差REmin对应的最优偏移量Shiftopt和匹配模板标识MatchId(即与待处理数据波形匹配的模板的模板标识)。
本申请实施例中引入偏移搜索机制，可以避免心搏偏移和模板偏移导致的模板个数过多的问题，减少模板信息存储开销。
在一种实施方式中，在上述将上述待处理心搏数据与模板库中的多个数据模板进行比对之前，上述方法还包括：
计算上述待处理心搏数据的信噪比；
根据上述待处理心搏数据的信噪比，确定上述待处理心搏数据的信号质量参数；
上述根据上述待处理心搏数据建立新增数据模板包括：
在上述待处理心搏数据的信号质量参数为第一质量阈值的情况下，根据上述待处理心搏数据建立新增数据模板。
结合R波位置和双导联Holter数据片段，可以评价所检测待处理心搏数据的信号质量。可参见图2所示的一种信号质量评价流程示意图，如图2所示，该信号质量评价流程包括记录近期信号、记录近期心搏信息、评价信号质量三个步骤。
本申请实施例中可以利用信噪比(SIGNAL-NOISE RATIO，SNR)来衡量信号质量。具体的，如前述所述可以从双导联Holter数据片段裁剪出近期信号RecentSignals∈R2*L，其中L表示近期信号长度；还可以更新近期心搏信息RecentBeatInfo，包括加入新检测到的R波位置、更新历史心搏在近期信号中的位置，并剔除超出近期信号长度L的历史心搏等。
利用近期信号和近期心搏信息评价信号质量SigQuality，可用以下公式表示的信噪比来衡量：
Figure BDA0002808199480000101
其中Vs表示近期心搏QRS波形幅值标准差，Vn表示近期信号中除去近期心搏QRS波区域外的信号幅值标准差。上述信号质量参数可以根据需要设置不同的规则由信噪比计算获得，本申请实施例对此不做限制。在一种实施方式中，可以预先设置信噪比阈值SNRthre，若SNR>SNRthre，输出信号质量参数SigQuality＝1，表示信号质量好，否则输出SigQuality＝0，表示信号质量差。
可以预先设置上述第一质量阈值，对信号质量进行检测，信号质量满足要求才进行模板匹配，否则可以不进行模板匹配。比如1，若SigQuality＝1，信号质量好，以新检测心搏信息新建模板，并输出新建模板标识。
可选的，若REmin<REThre1，模板匹配成功，用新检测心搏信息更新匹配模板信息，并输出匹配模板标识；若REmin≥REThre1。模板匹配失败，可以进一步判断信号质量。
102、若存在与上述待处理心搏数据匹配的目标数据模板，使用上述待处理心搏数据的信息更新上述目标数据模板的信息。
具体的，若匹配到与上述待处理心搏数据匹配的目标数据模板，可以用该待处理心搏数据的信息更新目标数据模板的信息，比如新检测到的R波位置等，也可以是将该待处理心搏数据的心搏片段归类到匹配的模板下，成为该模板的模板成员，并可以输出目标数据模板的模板标识。
103、若不存在与上述待处理心搏数据匹配的目标数据模板，根据上述待处理心搏数据建立新增数据模板，上述新增数据模板对应新增模板标识；将上述新增数据模板确定为与上述待处理心搏数据匹配的上述目标数据模板。
具体的，本申请实施例中可以判断新检测的待处理心搏数据是否是首个心搏类型，即是否有与上述待处理心搏数据匹配的目标数据模板，若没有匹配到与该待处理心搏数据匹配的目标数据模板，可以以该待处理心搏数据建立新增数据模板，该新增数据模板可采用该待处理心搏数据的QRS波形作为该新增数据模板的代表波形，保存该待处理心搏数据的RR间期和宽度值并输出新增模板标识。
104、输出上述待处理心搏数据的模板匹配结果，上述模板匹配结果包括上述目标数据模板的模板标识。
为了更清楚地描述模板匹配过程，可以参考图3所示的一种模板匹配流程示意图，如图3所示，待处理心搏数据作为新检测心搏，具体流程可包括：
判断新检测心搏是否是首个心搏，若是，以新检测心搏信息新建模板，输出新建模板编号，结束匹配流程；否则继续下一步骤；
心搏匹配。若匹配成功，用新检测心搏信息更新匹配模板信息，并输出匹配模板编号；若匹配失败。进一步判断信号质量；
若信号质量达到需求，以新检测心搏信息新建模板，并输出新建模板编号。
若信号质量未达到需求，模板匹配失败，可输出以负数表示的无效模板编号。
其中上述心搏匹配和判断信号质量的具体方法可以参见图1所示实施例中的相关描述，此处不再赘述。
105、每当处理的上述待处理心搏数据的数量达到预设数量阈值的情况下，对上述数据模板执行整理操作，上述整理操作包括模板合并操作、模板排序操作和/或模板删除操作，获得模板整理结果。
本申请实施例中可以在进行聚类的同时对数据模板进行整理操作。比如上述预设数量阈值为100，即每当新检测100个待处理数据时，需要对现有模板库中的模板信息进行整理。
在一种可选的实施方式中，上述整理操作包括模板合并操作的情况下，上述对上述数据模板执行整理操作包括：
计算处理模板与参考模板的相对误差，将上述相对误差与预设匹配阈值进行比较，上述参考模板为未整理模板中的一个模板，上述处理模板为上述未整理模板中除上述参考模板以外的模板；
获取上述相对误差小于上述预设匹配阈值的处理模板，将上述相对误差小于上述预设匹配阈值的处理模板与对应的参考模板进行合并，获得的模板记为已整理模板；
重复以上步骤直到上述未整理模板的数量为零。
具体的，模板合并的功能主要是合并模板库中的相似模板，减少模板个数，具体操作可以如下：
(1)预设匹配阈值REThre2，模板库中的模板的代表波形TW∈RT*2*W，其中T为模板数量，模板偏移搜索范围ShiftLtm2＝[-Smax2,Smax2]，Smax2表示模板最大偏移搜索范围，未整理模板标识列表UnMatchIdx＝{0,1,2,…,T-1}。
(2)设置参考模板标识ReferId为未整理模板标识列表中的第一个参数，待匹配的处理模板标识TargetIdx为未整理模板标识列表中的其余参数。
(3)可以利用前述相同的误差计算公式计算参考模板和各个处理模板的相对误差RE(s,t)，s∈ShiftLtm2，t∈TargetIdx；搜索满足RE(s,t)<REThre2的处理模板标识列表TargetIdx1，这些处理模板与参考模板相似，将利用这些处理模板的信息和对应的偏移量更新参考模板的信息。
(4)从UnMatchIdx中删去ReferId和TargetIdx1。
(5)重复(2)-(4)步骤，直至TargetIdx为空后，模板合并结束。
在一种可选的实施方式中，在上述整理操作包括模板排序操作的情况下，上述对上述数据模板执行整理操作包括：
根据多个模板中各个模板的模板成员数量由大到小的顺序，对上述多个模板进行排序。
在上述整理操作包括模板删除操作的情况下，上述对上述数据模板执行整理操作包括：
当模板数量M超过第一数量阈值T1的情况下，计算各个上述模板的年龄值，上述年龄值为上述模板集合中的最新加入模板与获取到上述待处理心搏数据的时间间隔数据；
根据上述各个模板的年龄值和第一时长参数，计算上述各个模板对应的年龄参数；
获取上述年龄值大于上述年龄值对应的年龄参数的模板；从上述年龄值大于上述年龄参数的模板中确定前N个年龄值最大的模板为待删除模板，从上述模板集合中删除上述待删除模板；N＝M-T1。
本申请实施例中可以实时对模板数量进行管控。可以设置上述第一数量阈值T1，当模板数量M超过第一数量阈值T1时，可以启动第一轮模板删除过程，通过计算模板的年龄值和年龄参数进行比较评估，删除年龄值较大的模板。
在一种具体的实施方式中，第一轮模板删除过程可包括：
确定待搜索模板标识CandidateIdx1∈[0,T-1]，T为模板个数；
计算不同模板的年龄值Life(t)，t∈CandidateIdx1，其中该年龄值具体为模板集合中的最新加入模板与获取到上述待处理心搏数据的时间间隔数据，即模板成员心搏中的最新匹配心搏到新检测心搏的时间间隔(可以样本点表示)；
可以根据不同年龄值计算对应的年龄参数，具体可由以下公式计算：
Figure BDA0002808199480000131
其中第一时长参数包括a1和b1，分别是固定时长和可变时长，可选的，可以根据需要设置上述年龄参数的计算方法，比如修改上述第一时长参数，此处不做限制；
搜索满足Life(t)>LifeThre(t)的所有模板索引OldIdx；
计算待删除模板个数N(DeleteNum)，DeleteNum＝模板个数-T1，找出OldIdx中前DeleteNum个年龄最大的模板，从模板库中删除。
进一步可选的，上述对上述数据模板执行整理操作还包括：
当上述模板数量M超过第二数量阈值T2的情况下，从上述模板中获取待搜索模板，上述待搜索模板的模板成员个数小于预设成员个数阈值；上述第二数量阈值T2大于上述第一数量阈值T1；
计算各个上述待搜索模板的年龄值；根据上述待搜索模板的数量和第二时长参数，计算年龄参考值；
获取上述年龄值大于上述年龄参考值的模板，从上述年龄值大于上述年龄参考值的模板中确定前N个年龄值最大的模板为待删除模板，从上述模板集合中删除上述待删除模板。
具体的，当模板个数超过第二数量阈值T2(>T1)时，可启动第二轮模板删除过程，本申请实施例中可以首先考虑删除模板成员个数较小的模板。比如，以预设成员个数阈值为3举例，第二轮模板删除过程可包括：
确定待搜索模板标识CandidateIdx2∈{模板成员个数小于3的模板标识}。
计算不同模板的年龄值Life(t)，t∈CandidateIdx2，与前述相同，此处不赘述；
与第一轮模板删除不同的是，该阶段计算的年龄参考值是一种固定的年龄参数，具体可以如下：
Figure BDA0002808199480000141
其中第二时长参数包括a2和b2，分别是固定时长和可变时长，可选的，可以根据需要设置上述年龄参考值的计算方法，比如修改上述第二时长参数，此处不做限制；CandidateNum为CandidateIdx2包含的模板个数；
搜索满足Life(t)>LifeThre的所有模板索引OldIdx；
计算待删除模板个数N(DeleteNum)，DeleteNum＝模板个数-T1，找出OldIdx中前DeleteNum个年龄最大的模板索引，从模板库中删除。
还可以根据需要设置并执行其他的模板整理处理，本申请实施例对此不做限制。
106、根据上述模板匹配结果和上述模板整理结果，获得上述待处理心搏数据的聚类结果。
本申请实施例中通过模板匹配可以输出模板匹配结果，同时能够支持对模板库的整理，引入模板合并，能够合并相似模板；引入删除机制，当模板库中的模板个数过多时，可以根据模板年龄值自适应地删除大年龄、小容量的模板，从而避免在干扰大场合下模板个数增加过快的问题，具有抗干扰能力；根据模板匹配结果和模板整理结果，可以及时获得心搏数据的实时聚类结果，模板更标准化。
在前述实施例的基础上，以下通过具体应用场景举例说明本申请实施例中的心电图心搏数据聚类方法。
本申请实施例可以用于远程监控患者心脏活动状态的实时心搏聚类。患者佩戴搭载远程数据传输功能的移动心电采集盒，采集盒采集患者心电信号后上传至服务器端。在服务器端，数据被接收并解析为12导联Holter实时数据。12导联Holter实时数据经过实时R波检测后，获取新的心搏数据信息，然后12导联Holter数据和心搏数据信息传输到心电信号实时聚类模块进行心搏聚类。
实时心搏聚类算法读取数据后，根据主分析导联编号和次分析导联编号从12导联Holter信号中构建双导联Holter信号，然后完成信号预处理和ECG片段划分工作，前者得到滤波Holter信号，后者得到新检测心搏的QRS波形数据。
在信号质量评价环节中，算法将结合保存的近期信号和相应的近期心搏信息，计算出信号质量参数。
举例来讲，以下给出三种情况，说明存在心搏偏移的实时聚类结果、存在模板偏移的模板合并结果和模板数量过多时的模板删除结果，此处仅作示意。
(1)存在心搏偏移的实时聚类结果：
考虑采样率fs＝256Hz，设置匹配阈值REThre1＝0.1，心搏偏移搜索范围ShiftLtm1＝[-30,30]。计算新检测心搏QRS波形与模板库内的所有模板在不同偏移量条件下的相对误差RE(s,t)，找出其中的最小相对误差REmin＝0.07，以及对应的偏移量-15，匹配模板编号10。由于REmin<REThre1，判断匹配成功，将经过偏移校正后的新检测心搏信息更新匹配模板信息。具体可以参见图4所示的一种经过心搏偏移搜索后的模板匹配结果示意图。图4展示了校正前的新检测心搏波形和匹配模板所包含的模板成员心搏波形。
(2)存在模板偏移的模板合并结果：
设匹配阈值REThre2＝0.12，模板数量T＝20，模板偏移搜索范围ShiftLtm2＝[-10,10]，未整理模板标识列表UnMatchIdx＝{0,1,2,…,19}，参考模板编号ReferId＝0，处理模板编号列表TargetIdx＝{1,2,…,19}。经过偏移搜索后，找到满足RE(s,t)<REThre2的相似处理模板编号列表TargetIdx1＝{5,12}，则利用相似处理模板信息以及对应的偏移量更新参考模板，随后更新未整理模板标识列表UnMatchIdx＝{1,…,4,6,…,11,13,…,19}，继续模板合并过程。具体可以参见图5所示的一种经过存在模板偏移时的模板合并后的模板匹配结果示意图。图5展示了此次模板合并后的模板成员波形图，图中三个心搏群体分别代表了未进行偏移校正的参考模板成员波形和编号为5和12的相似目标模板(上述相似处理模板)成员波形。
(3)模板数量过多时的模板删除结果：
设置第一轮模板删除参数：T1＝200，a1＝1500，b1＝1500。设置第二轮模板删除参数：T2＝300，a2＝34800，b2＝23000。在实时聚类过程中，由于零星干扰的引入，模板库中的模板个数将持续增加。当模板个数超过T1时，开始执行第一次模板删除过程。当遇到大片干扰时，模板个数迅速增加，此时在第一次模板删除过程无法及时删除新增的模板，当模板个数超过T2时，开始执行第二次模板删除过程。具体可以参见图6所示的一种经过模板数量过多时的模板删除后的模板匹配结果示意图，图6展示了若干个被删除的模板，其中可以有不同波形的信号。
心电图模板匹配时所采用的方法大体可分为两类，一类是模板匹配法，另一类是特征参数法。模板匹配法是直接将新获取的心电信号与已有模板进行匹配，然后通过计算相关系数确定两者的相似性。若相关系数大于给定阈值，则认为心电信号与特定模板相似，否则建立新模板。一般而言，模板匹配法需要事先确定一个用于比较的已知模板库，当遇到少见特殊病例时可能无法适应。而特征参数法在进行模板匹配前会事先对心电信号进行信号变换，通常采用的是小波变换，变换后的信号在某些频段或区域具有较好的区分度，因此可用于模板匹配。但特征参数法所采用的信号变换方法计算量大，因此算法耗时较长。此外还有一些方法，但仅适用于离线聚类场景，无法应用在实时聚类场合中。
与一般方法相比，本申请实施例中的心电图心搏数据聚类方法，具有以下优点：
(1)无需信号变换，直接在原始滤波后数据的基础上进行模板匹配，计算效率高；
(2)多导联联合匹配，避免采用单一导联匹配时出现模板混合的情况，匹配精度高；
(3)引入偏移搜索机制，避免心搏偏移和模板偏移导致的模板个数过多的问题，减少模板信息存储开销；
(4)引入模板删除机制，当模板库中的模板个数过多时，将根据模板年龄自适应地删除大年龄、小容量的模板，从而避免在干扰大场合下模板个数增加过快的问题，具有抗干扰能力。
基于上述心电图心搏数据聚类方法实施例的描述，本申请实施例还公开了一种心电图心搏数据聚类装置。请参见图7所示的一种心电图心搏数据聚类装置的结构示意图，心电图心搏数据聚类装置700包括模板匹配模块710、模板整理模块720和聚类模块730，其中：
上述模板匹配模块710，用于：
获取待处理心搏数据，将上述待处理心搏数据与多个数据模板进行比对；
若存在与上述待处理心搏数据匹配的目标数据模板，使用上述待处理心搏数据的信息更新上述目标数据模板的信息；
若不存在与上述待处理心搏数据匹配的目标数据模板，根据上述待处理心搏数据建立新增数据模板，上述新增数据模板对应新增模板标识；将上述新增数据模板确定为与上述待处理心搏数据匹配的上述目标数据模板；
输出上述待处理心搏数据的模板匹配结果，上述模板匹配结果包括上述目标数据模板的模板标识；
上述模板整理模块720，用于每当处理的上述待处理心搏数据的数量达到预设数量阈值的情况下，对上述数据模板执行整理操作，上述整理操作包括模板合并操作、模板排序操作和/或模板删除操作，获得模板整理结果；
上述聚类模块730，用于根据上述模板匹配结果和上述模板整理结果，获得上述待处理心搏数据的聚类结果。
根据本申请的一个实施例，图1所示的方法所涉及的各个步骤均可以是由图7所示的心电图心搏数据聚类装置700中的各个模块执行的，此处不再赘述。
本申请实施例中的心电图心搏数据聚类装置700，可以获取待处理心搏数据，将所述待处理心搏数据与多个数据模板进行比对；若存在与所述待处理心搏数据匹配的目标数据模板，使用所述待处理心搏数据的信息更新所述目标数据模板的信息；若不存在与所述待处理心搏数据匹配的目标数据模板，根据所述待处理心搏数据建立新增数据模板，所述新增数据模板对应新增模板标识；将所述新增数据模板确定为与所述待处理心搏数据匹配的所述目标数据模板；输出所述待处理心搏数据的模板匹配结果，所述模板匹配结果包括所述目标数据模板的模板标识；每当处理的所述待处理心搏数据的数量达到预设数量阈值的情况下，对所述数据模板执行整理操作，所述整理操作包括模板合并操作、模板排序操作和/或模板删除操作，获得模板整理结果；根据所述模板匹配结果和所述模板整理结果，获得所述待处理心搏数据的聚类结果，可以通过模板匹配将多个具有相似形态的心搏聚合为一个模板，并且对模板进行及时的整合，使可以实现实时聚类，并且无需复杂的信号变换，数据处理效率更高。
基于上述方法实施例以及装置实施例的描述，本申请实施例还提供一种电子设备。请参见图8，该电子设备800至少包括处理器801、输入设备802、输出设备803以及计算机存储介质804。其中，电子设备800内的处理器801、输入设备802、输出设备803以及计算机存储介质804可通过总线或其他方式连接。
计算机存储介质804可以存储在电子设备800的存储器中，上述计算机存储介质804用于存储计算机程序，上述计算机程序包括程序指令，上述处理器801用于执行上述计算机存储介质804存储的程序指令。处理器801(或称CPU(Central Processing Unit，中央处理器))是电子设备800的计算核心以及控制核心，其适于实现一条或多条指令，具体适于加载并执行一条或多条指令从而实现相应方法流程或相应功能；在一个实施例中，本申请实施例上述的处理器801可以用于进行一系列的处理，包括如图1所示实施例中的部分或全部方法等等。
本申请实施例还提供了一种计算机存储介质(Memory)，上述计算机存储介质是电子设备800中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质既可以包括电子设备800中的内置存储介质，当然也可以包括电子设备800所支持的扩展存储介质。计算机存储介质提供存储空间，该存储空间存储了电子设备800的操作系统。并且，在该存储空间中还存放了适于被处理器801加载并执行的一条或多条的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器；可选的还可以是至少一个位于远离前述处理器的计算机存储介质。
在一个实施例中，可由处理器801加载并执行计算机存储介质中存放的一条或多条指令，以实现上述实施例中的相应步骤；具体实现中，计算机存储介质中的一条或多条指令可以由处理器801加载并执行图1中所示方法的任意步骤，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，该模块的划分，仅仅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，多个模块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。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，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read-onlymemory，ROM)，或随机存储存储器(random access memory，RAM)，或磁性介质，例如，软盘、硬盘、磁带、磁碟、或光介质，例如，数字通用光盘(digital versatile disc，DVD)、或者半导体介质，例如，固态硬盘(solid state disk，SSD)等。

Claims (12)

1.一种心电图心搏数据聚类方法，其特征在于，包括：
获取待处理心搏数据，将所述待处理心搏数据与多个数据模板进行比对；
若存在与所述待处理心搏数据匹配的目标数据模板，使用所述待处理心搏数据的信息更新所述目标数据模板的信息；
若不存在与所述待处理心搏数据匹配的目标数据模板，根据所述待处理心搏数据建立新增数据模板，所述新增数据模板对应新增模板标识；将所述新增数据模板确定为与所述待处理心搏数据匹配的所述目标数据模板；
输出所述待处理心搏数据的模板匹配结果，所述模板匹配结果包括所述目标数据模板的模板标识；
每当处理的所述待处理心搏数据的数量达到预设数量阈值的情况下，对所述数据模板执行整理操作，所述整理操作包括模板合并操作、模板排序操作和/或模板删除操作，获得模板整理结果；
根据所述模板匹配结果和所述模板整理结果，获得所述待处理心搏数据的聚类结果。
2.根据权利要求1所述的心电图心搏数据聚类方法，其特征在于，所述将所述待处理心搏数据与模板库中的多个数据模板进行比对，包括：
分别获取所述待处理心搏数据的波形与所述多个数据模板的代表波形的多个相对误差；
获取所述多个相对误差中的最小误差，若所述最小误差小于预设误差阈值，确定所述最小误差所对应的目标数据模板与所述待处理心搏数据匹配。
3.根据权利要求2所述的心电图心搏数据聚类方法，其特征在于，所述整理操作包括模板合并操作的情况下，所述对所述数据模板执行整理操作包括：
计算处理模板与参考模板的相对误差，将所述相对误差与预设匹配阈值进行比较，所述参考模板为未整理模板中的一个模板，所述处理模板为所述未整理模板中除所述参考模板以外的模板；
获取所述相对误差小于所述预设匹配阈值的处理模板，将所述相对误差小于所述预设匹配阈值的处理模板与对应的参考模板进行合并，获得的模板记为已整理模板；
重复以上步骤直到所述未整理模板的数量为零。
4.根据权利要求3所述的心电图心搏数据聚类方法，其特征在于，在所述整理操作包括模板排序操作的情况下，所述对所述数据模板执行整理操作包括：
根据多个模板中各个模板的模板成员数量由大到小的顺序，对所述多个模板进行排序。
5.根据权利要求2-4任一项所述的心电图心搏数据聚类方法，其特征在于，在所述整理操作包括模板删除操作的情况下，所述对所述数据模板执行整理操作包括：
当模板数量M超过第一数量阈值T1的情况下，计算各个所述模板的年龄值，所述年龄值为所述模板集合中的最新加入模板与获取到所述待处理心搏数据的时间间隔数据；
根据所述各个模板的年龄值和第一时长参数，计算所述各个模板对应的年龄参数；
获取所述年龄值大于所述年龄值对应的年龄参数的模板；从所述年龄值大于所述年龄参数的模板中确定前N个年龄值最大的模板为待删除模板，从所述模板集合中删除所述待删除模板；N＝M-T1。
6.根据权利要求5所述的心电图心搏数据聚类方法，其特征在于，在所述整理操作为模板删除操作的情况下，所述对所述数据模板执行整理操作还包括：
当所述模板数量M超过第二数量阈值T2的情况下，从所述模板中获取待搜索模板，所述待搜索模板的模板成员个数小于预设成员个数阈值；所述第二数量阈值T2大于所述第一数量阈值T1；
计算各个所述待搜索模板的年龄值；根据所述待搜索模板的数量和第二时长参数，计算年龄参考值；
获取所述年龄值大于所述年龄参考值的模板，从所述年龄值大于所述年龄参考值的模板中确定前N个年龄值最大的模板为待删除模板，从所述模板集合中删除所述待删除模板。
7.根据权利要求1或6所述的心电图心搏数据聚类方法，其特征在于，所述获取待处理心搏数据之前，所述方法还包括：
获取心电图数据，对所述心电图数据进行划分，获得心搏片段；
所述获取待处理心搏数据包括：
从所述心搏片段中获取预设信号长度的所述待处理心搏数据。
8.根据权利要求7所述的心电图心搏数据聚类方法，其特征在于，所述获取心电图数据之前，所述方法还包括：
获取采集的多导联心电图数据；根据所述多导联心电图数据中的主分析导联编号和次分析导联编号构建双导联心电图数据；
对所述双导联心电图数据进行带通滤波，获得所述心电图数据；
所述对所述心电图数据进行划分，获得多个心搏片段包括：
根据检测获得的R波位置信息对所述心电图数据进行划分，获得多个以所述R波位置为中心的等长度的心搏片段。
9.根据权利要求1所述的心电图心搏数据聚类方法，其特征在于，在所述将所述待处理心搏数据与模板库中的多个数据模板进行比对之前，所述方法还包括：
计算所述待处理心搏数据的信噪比；
根据所述待处理心搏数据的信噪比，确定所述待处理心搏数据的信号质量参数；
所述根据所述待处理心搏数据建立新增数据模板包括：
在所述待处理心搏数据的信号质量参数为第一质量阈值的情况下，根据所述待处理心搏数据建立新增数据模板。
10.一种心电图心搏数据聚类装置，其特征在于，包括模板匹配模块、模板整理模块和聚类模块，其中：
所述模板匹配模块，用于：
获取待处理心搏数据，将所述待处理心搏数据与多个数据模板进行比对；
若存在与所述待处理心搏数据匹配的目标数据模板，使用所述待处理心搏数据的信息更新所述目标数据模板的信息；
若不存在与所述待处理心搏数据匹配的目标数据模板，根据所述待处理心搏数据建立新增数据模板，所述新增数据模板对应新增模板标识；将所述新增数据模板确定为与所述待处理心搏数据匹配的所述目标数据模板；
输出所述待处理心搏数据的模板匹配结果，所述模板匹配结果包括所述目标数据模板的模板标识；
所述模板整理模块，用于每当处理的所述待处理心搏数据的数量达到预设数量阈值的情况下，对所述数据模板执行整理操作，所述整理操作包括模板合并操作、模板排序操作和/或模板删除操作，获得模板整理结果；
所述聚类模块，用于根据所述模板匹配结果和所述模板整理结果，获得所述待处理心搏数据的聚类结果。
11.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至9中任一项所述的心电图心搏数据聚类方法的步骤。
12.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至9中任一项所述的心电图心搏数据聚类方法的步骤。
CN202011375952.3A 2020-11-30 2020-11-30 心电图心搏数据聚类方法、装置、电子设备和介质 Active CN112528783B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011375952.3A CN112528783B (zh) 2020-11-30 2020-11-30 心电图心搏数据聚类方法、装置、电子设备和介质
PCT/CN2021/072841 WO2022110524A1 (zh) 2020-11-30 2021-01-20 心电图心搏数据聚类方法、装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011375952.3A CN112528783B (zh) 2020-11-30 2020-11-30 心电图心搏数据聚类方法、装置、电子设备和介质

Publications (2)

Publication Number Publication Date
CN112528783A true CN112528783A (zh) 2021-03-19
CN112528783B CN112528783B (zh) 2024-04-16

Family

ID=74995270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011375952.3A Active CN112528783B (zh) 2020-11-30 2020-11-30 心电图心搏数据聚类方法、装置、电子设备和介质

Country Status (2)

Country Link
CN (1) CN112528783B (zh)
WO (1) WO2022110524A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113191249A (zh) * 2021-04-28 2021-07-30 深圳邦健生物医疗设备股份有限公司 心电信号的模板匹配方法、装置、设备和介质
CN113643804A (zh) * 2021-07-21 2021-11-12 深圳市千帆电子有限公司 心功能检测数据分析方法、装置、电子设备和介质
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

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230017546A1 (en) * 2021-07-19 2023-01-19 GE Precision Healthcare LLC Methods and systems for real-time cycle length determination in electrocardiogram signals
CN115778402A (zh) * 2022-12-02 2023-03-14 深圳华清心仪医疗电子有限公司 一种动态心电信号的伪差识别方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102835954A (zh) * 2012-09-07 2012-12-26 深圳市邦健电子有限公司 一种心拍波形模板生成、室性早搏检测处理方法及装置
CN104055522A (zh) * 2014-07-01 2014-09-24 清华大学深圳研究生院 一种心律失常情况下心电信号身份识别方法
CN109480825A (zh) * 2018-12-13 2019-03-19 武汉中旗生物医疗电子有限公司 心电数据的处理方法及装置
CN109620213A (zh) * 2019-02-25 2019-04-16 山东大学 一种基于多尺度差分特征的心电识别方法及装置
CN110141218A (zh) * 2019-06-17 2019-08-20 东软集团股份有限公司 一种心电信号分类方法、装置及程序产品、存储介质
CN110693483A (zh) * 2019-09-02 2020-01-17 乐普智芯(天津)医疗器械有限公司 一种动态心电图自动分析的方法
CN110909757A (zh) * 2019-08-20 2020-03-24 北京北科慧识科技股份有限公司 生物识别系统模板的选取和更新方法
CN111150387A (zh) * 2020-01-15 2020-05-15 深圳市邦健科技有限公司 心电图模板匹配方法、装置、计算机设备及存储介质
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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358196B (zh) * 2017-07-12 2020-11-10 北京卫嘉高科信息技术有限公司 一种心搏类型的分类方法、装置及心电仪
CN107456227B (zh) * 2017-08-16 2021-03-30 北京蓬阳丰业医疗设备有限公司 全导联心电图聚类模板系统及方法
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
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

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102835954A (zh) * 2012-09-07 2012-12-26 深圳市邦健电子有限公司 一种心拍波形模板生成、室性早搏检测处理方法及装置
CN104055522A (zh) * 2014-07-01 2014-09-24 清华大学深圳研究生院 一种心律失常情况下心电信号身份识别方法
CN109480825A (zh) * 2018-12-13 2019-03-19 武汉中旗生物医疗电子有限公司 心电数据的处理方法及装置
CN109620213A (zh) * 2019-02-25 2019-04-16 山东大学 一种基于多尺度差分特征的心电识别方法及装置
CN110141218A (zh) * 2019-06-17 2019-08-20 东软集团股份有限公司 一种心电信号分类方法、装置及程序产品、存储介质
CN110909757A (zh) * 2019-08-20 2020-03-24 北京北科慧识科技股份有限公司 生物识别系统模板的选取和更新方法
CN110693483A (zh) * 2019-09-02 2020-01-17 乐普智芯(天津)医疗器械有限公司 一种动态心电图自动分析的方法
CN111150387A (zh) * 2020-01-15 2020-05-15 深圳市邦健科技有限公司 心电图模板匹配方法、装置、计算机设备及存储介质
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈永波;徐静波;王云峰;张海英;: "基于改进K均值聚类生成匹配模板的心搏分类方法", 传感器与微系统, no. 04, 19 April 2018 (2018-04-19), pages 25 - 28 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113191249A (zh) * 2021-04-28 2021-07-30 深圳邦健生物医疗设备股份有限公司 心电信号的模板匹配方法、装置、设备和介质
CN113191249B (zh) * 2021-04-28 2022-05-24 深圳邦健生物医疗设备股份有限公司 心电信号的模板匹配方法、装置、设备和介质
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
CN113643804A (zh) * 2021-07-21 2021-11-12 深圳市千帆电子有限公司 心功能检测数据分析方法、装置、电子设备和介质

Also Published As

Publication number Publication date
WO2022110524A1 (zh) 2022-06-02
CN112528783B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN112528783B (zh) 心电图心搏数据聚类方法、装置、电子设备和介质
US11134880B2 (en) Automatic method to delineate or categorize an electrocardiogram
CN109411041B (zh) 心电信息处理方法和心电工作站系统
CN107358196B (zh) 一种心搏类型的分类方法、装置及心电仪
Chen et al. An automatic R and T peak detection method based on the combination of hierarchical clustering and discrete wavelet transform
JP4386235B2 (ja) 心電図の順次比較のための方法及び装置
CN103110417B (zh) 一种心电图自动识别系统
CN107072545B (zh) 用于快速诊断的心电图数据分析方法和系统
CN109411042B (zh) 心电信息处理方法和心电工作站
Li et al. A low-complexity data-adaptive approach for premature ventricular contraction recognition
JP6901399B2 (ja) Ｅｃｇデバイス用のｅｃｇコントローラ、該ｅｃｇコントローラの作動の方法
CN113876335B (zh) 心电图心搏分类方法、装置、电子设备和介质
de Chazal et al. Automatic classification of ECG beats using waveform shape and heart beat interval features
CN110464333B (zh) 一种心电图数据的存储方法及装置
WO2009091583A1 (en) Method and apparatus for predicting patient outcomes form a physiological segmentable patient signal
CN110123304B (zh) 基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法
CN109328033B (zh) 用于快速心电图(ecg)采集的系统和方法
CN106923820B (zh) 一种心电信号伪差识别方法及心电信号伪差识别装置
Kruger et al. Bimodal classification algorithm for atrial fibrillation detection from m-health ECG recordings
Tseng et al. Clustering analysis of aging diseases and chronic habits with multivariate time series electrocardiogram and medical records
KR102387703B1 (ko) 심전도 판독을 수정하기 위한 방법 및 장치
CN112971798B (zh) 心电信号处理方法、装置、终端及存储介质
JP2021533938A (ja) 高度心臓波形分析
CN114246569A (zh) 检测早搏类型的方法、装置及介质
CN113191249B (zh) 心电信号的模板匹配方法、装置、设备和介质

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