CN112842354A - 一种心电数据危急值分析方法、装置及系统 - Google Patents

一种心电数据危急值分析方法、装置及系统 Download PDF

Info

Publication number
CN112842354A
CN112842354A CN202011623196.1A CN202011623196A CN112842354A CN 112842354 A CN112842354 A CN 112842354A CN 202011623196 A CN202011623196 A CN 202011623196A CN 112842354 A CN112842354 A CN 112842354A
Authority
CN
China
Prior art keywords
data
critical
critical value
electrocardiogram
electrocardio
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011623196.1A
Other languages
English (en)
Inventor
王涛
周昱
陈义峰
王萌亚
陈绪辉
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.)
Wuhan United Imaging Zhirong Medical Technology Co Ltd
Original Assignee
Wuhan United Imaging Zhirong Medical Technology 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 Wuhan United Imaging Zhirong Medical Technology Co Ltd filed Critical Wuhan United Imaging Zhirong Medical Technology Co Ltd
Priority to CN202011623196.1A priority Critical patent/CN112842354A/zh
Publication of CN112842354A publication Critical patent/CN112842354A/zh
Pending legal-status Critical Current

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
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device

Landscapes

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

Abstract

本发明涉及一种心电数据危急值分析方法、装置及系统，其中，该方法包括以下步骤：S1：采集心电数据；S2：对采集的所述心电数据进行危急段初筛，得到危急段数据；S3：根据所述危急段数据进行危急值评估。本发明提供的心电数据危急值分析方法能够实现心电数据危急值的及时评估。

Description

一种心电数据危急值分析方法、装置及系统
技术领域
本发明涉及医疗技术领域，尤其涉及一种心电数据危急值分析方法、装置及系统。
背景技术
传统心电图危急值报告一般都应用于检验科室，随着医院等级评审的逐步推进，危急值报告的范围也扩大到各辅助科室。心电图危急值报告也同样被认为是一项重要的工作。心电图危急值是指危及生命的心电图表现，可导致严重的血流动力学异常甚至威胁患者生命。实际临床中从患者开始采集心电数据到给出心电危急值报告要花费时间周期较长，而真实的心电图危急值病例，其心电图的表现均要早于临床症状，且在4h之内对出现心电图危急值的患者进行针对性的治疗和处理，患者的病情可得到更好的控制。
目前，动态心电采集设备要获取一个患者的心电图数据一般需要以下步骤：1、给患者佩戴心电采集设备；2、让患者佩戴并完成24h数据采集；3、采集完成后患者把采集设备归还医院；4、医生拆卸设备并把采集和存储的数据导入到对应的分析软件中；5、医生对采集到的数据进行相关分析；6、通过分析的结果人为对此例心电图进行危急值的判断，最终给出危急值报告。
上述方法获得患者的危急值需要的时间较长，且在实际临床应用中，由于患者数量大，完成上述步骤4的导入数据后，因为数据的分析量较大，有些数据并不会在第一时间就被医生拿来分析，这就造成了实际临床中，当患者出现危急情况、符合危急值判断标准时，并不能保证在第一时间给出危急值判断结果并及时采取相应措施。
而且，目前市面上的动态心电采集盒均无危机值判断功能，现有的心电分析的危急值在只有当数据完成采集后，进行人为的评估和判断，然后才能确定此患者是否属于危急情况。
发明内容
有鉴于此，有必要提供一种心电数据危急值分析方法、装置及系统，用以解决危急程度较高的数据得不到及时的分析处理，危急报告不及时的问题。
本发明提供一种心电数据危急值分析方法，包括以下步骤：
S1：采集心电数据；
S2：对采集的所述心电数据进行危急段初筛，得到危急段数据；
S3：根据所述危急段数据进行危急值评估。
本发明另一实施例中，所述对采集的所述心电数据进行危急段初筛，得到危急段数据，包括：提取所述心电数据的特征参数，根据所述特征参数从所述心电数据中筛选出与危急值相关的数据段，得到危急段数据。
本发明另一实施例中，所述提取所述心电数据的特征参数，包括：对心电数据进行心拍检测，提取QRS波，计算所述QRS波的特征参数，得到所述心电数据的特征参数。
本发明另一实施例中所述根据所述危急段数据进行危急值评估，包括：根据危急段数据的特征参数判断是否发生心电异常事件，根据心电异常事件的判断结果进行危急值评估。
本发明另一实施例中，所述步骤S1和步骤S2在心电数据采集端进行。
本发明另一实施例中，所述步骤S3在服务器端进行。
本发明另一实施例中，所述心电数据危急值分析方法还包括：将采集的心电数据和特征参数输入服务器端，服务器端根据心电数据和特征参数对心电数据危急程度进行分级处理。
本发明另一实施例中，所述心电数据危急值分析方法还包括：显示所述分级处理的结果。
本发明还提供一种心电数据危急值分析装置，所述装置包括：
数据采集模块，所述数据采集模块用于采集心电数据；
数据初筛模块，所述数据初筛模块用于对采集的所述心电数据进行危急段初筛，得到危急段数据；
危急值评估模块，所述危急值评估模块用于根据所述危急段数据进行危急值评估。
本发明还提供一种心电数据危急值分析系统，包括心电数据采集端和服务器端；
所述心电数据采集端用于采集心电数据，并对采集的所述心电数据进行危急段初筛，得到危急段数据；
所述服务器端用于根据所述危急段数据进行危急值评估。
本发明另一实施例中，所述系统还包括显示端，所述显示端用于显示所述危急值评估的结果。
有益效果：本发明在心电数据采集的同时对心电数据进行初筛，由于在采集时已经完成了初筛，因此在心电数据进行导入分析时，医生就可以根据危急初筛结果的严重程度进行有选择的分析，优选分析那些初筛结果较为危急的患者数据，这样就可以保证那些危急值较高的患者更为及时的得到进一步确认和救治。
附图说明
图1为本发明提供的动态心电图危急程度分析方法一个实施例的方法流程图；
图2为本发明提供的动态心电图危急程度分析方法另一实施例的方法流程图；
图3a为本发明提供的动态心电图危急程度分级系统一个实施例的QRS波特征提取示意图；
图3b为本发明提供的动态心电图危急程度分级系统一个实施例的RR间期及提前量提取示意图。
图4为本发明提供的动态心电图危急程度分析装置一个实施例的模块结构图；
图5为本发明提供的动态心电图危急程度分析系统一个实施例的系统架构图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
如图1所示，本发明一个实施例提供了一种心电数据危急值分析方法，包括以下步骤：
S1：采集心电数据；
S2：对采集的所述心电数据进行危急段初筛，得到危急段数据；
S3：根据所述危急段数据进行危急值评估。
本实施例提供的分析方法，是基于对心电数据进行初筛之后实现的，其可以代替医生进行自动的筛选，加快危急值报告效率、减轻医生的工作量。具体的，患者佩戴好采集盒(即心电数据采集端)后，采集盒会开启对心电数据的采集，同时，采集盒会对采集到的数据进行存储、初筛。当采集到设定时间，例如24h以后，患者会将该采集盒归还到医院，医生执行导入数据指令时，本实施例提供的分析方法会从采集盒获取原始的心电数据、特征参数以及危急段数据，完成快速的危急值初筛，并在导入筛选完成后，快速将危急值的评估结果推送给医生，供医生参考分析，进一步确保正确的分析优先级和效率。
本实施例提供的分析方法能够帮助医生有依据地、更为及时地处理危急值较高的危急段数据，保证危急患者得到更为及时的救治。相对于传统危急值判断需要医生根据心电数据分析后的结果再进行人为判断，本实施例在心电数据采集端筛选出危急段数据，方便医生在大量未分析数据中有针对性的进行处理，降低因为传统危急值报告的方式带来的延误治疗。
本发明一个实施例中，所述步骤S1和步骤S2在心电数据采集端进行。心电数据采集端可以为便携式采集盒。
本发明一个实施例中，所述步骤S3在服务器端进行。服务器端为分析终端，可以为本地计算机设备、远程的服务器。服务器端与心电数据采集端为分离的两个独立设备，两者之间通过有线或者无线进行数据传输，当然，也可以通过其它介质进行数据拷贝等。
本发明另一实施例中，所述对采集的所述心电数据进行危急段初筛，得到危急段数据，包括：提取所述心电数据的特征参数，根据所述特征参数从所述心电数据中筛选出与危急值相关的数据段，得到危急段数据。
本发明另一实施例中，所述提取所述心电数据的特征参数，包括：对心电数据进行心拍检测，提取QRS波，计算所述QRS波的特征参数，得到所述心电数据的特征参数。
如图2所示，图2为本发明提供的动态心电图危急程度分析方法另一实施例的方法流程图。在本实施例中，首先在心电数据采集端进行采集初筛过程，包括：S101、设置好采集参数，开始采集心电数据；S102、对心电数据进行心拍检测得到心拍数据，利用计算出的RR间期对心拍数据进行存储；同时根据心拍检测结果提取QRS波，进行特征参数的提取；S103、提取QRS波不同的特征参数，组成特征参数集合，将特征参数集合输入心拍分类器，完成对心拍类型(包括正常和非正常两种类型)的判断，判定为非正常的心拍数据即为危急段数据。心电数据采集端完成采集初筛过程后，用户归还采集盒，服务器端进行数据分析过程，其包括：S201、将采集盒内数据导入服务器端；S202、导入过程中利用心电数据的相应特征参数对危急段数据进行危急值评估；S203、将危急值评估结果进行显示，供评估者参考分析时的优先级。
具体的，图3a中为检测得到的QRS波，图中Amp即幅度，width即宽度，t1即上升时间，t2即下降时间；图3b中示出了多个QRS波及其R峰，RR1和RR2分别代表两个RR间期值，RR提前量＝(RR1-RR2)/RR1。
在本实施例中，对于QRS波的提取方式不进行限定，可以为传统的差分法、带通滤波法、小波变换法、形态学运算等。当然也可以采用新兴的人工神经网络、遗传算法等或者多种方式交叉融合实现。在本发明一个实施例中，优选采用以上列举的传统的算法。传统算法程序占用空间小，有利于心电数据采集端在采集心电数据的同时顺利、快速地进行心拍检测、QRS波提取以及特征参数的计算。
在本实施例中，特征参数计算完成后，根据所述特征参数从所述心电数据中筛选出与危急值相关的数据段，得到危急段数据，包括：
将特征参数集合输入心拍分类器得到心拍数据的心拍类型；
根据所述心拍类型筛选出所述心电数据中的危急段数据。
本实施例采用心拍分类器进行筛选，心拍分类器可以忽略时序关系，不需要将心拍数据与心拍模板逐一按时序进行比对，也不用存储心拍模板信息，仅利用心拍数据的特征参数，就能对心拍类型进行初步判断，分类耗时较短，可以满足心电数据采集端处理存储性能要求。
本实施例根据心拍类型去筛选出非正常的心拍数据段(即危急段数据)，再对这些心拍数据段进行危急值的分析评估，由于事先已经实现了初筛，因此分析时只用针对于危急段数据进行再确认，不需要对所有心电数据进行分析，在数据导入服务器端的时候用非常短的时间就可以完成分析，效率较高。
心拍类型确认后，统计所述心电数据中各心拍数据的心拍类型，得到心拍数据的异常类型比例；筛选出持续时间最长的异常类型的心拍数据的起点位置作为异常起点位置。
在对心拍类型进行判断后，对其进行简单的统计，统计出异常类型比例、持续时间最长的异常起点位置以及停搏次数，进一步方便医生对于危急程度的快速判断。具体的，在筛选持续时间最长的异常起点位置时，异常心拍之间正常心拍个数小于设定个数，例如3个即被认为是连续异常心拍数据；停博则是指RR间期值大于设定值，例如1.5s的心拍数据。
在本发明一个实施例中，还包括：收集心拍样本数据建立心拍数据集；以心拍样本数据的特征参数为输入，以心拍样本数据的心拍类型为输出，训练心拍分类器。
本实施例通过训练得到心拍分类器，采集过程中心拍分类过程利用心拍分类器完成，避免的危急值初筛算法对心电数据采集端的数据处理、分析、存储能力造成过大负担。
具体的，心拍分类器的训练时选取的特征参数包括：QRS波的幅度、宽度、上升时间及下降时间，波形的形态信息、RR提前量及RR间期值。首先，提取心拍样本数据的特征参数Feature作为输入，然后利用人工标注的方式，确定每个心拍数据的心拍类型Label，获得心拍数据集，如下表所示：
表1：心拍数据集
数据 Feature1 Feature2 Feature3 …… Label
1 N
2 非N
3 N
4 非N
5 非N
…… N
N N
表1中，N表示normal，即正常心拍，非N表示非正常心拍，即异常心拍。
训练过程为：将心拍数据集随机分为训练集、测试集和验证集；将心拍数据集随机分成大致相当的k份：s1、s2、s3、s4…、sk，训练和测试重复进行k次。在第i次的测试中，选择si作为测试集，其它的作为训练集，最终分类器的分类精度取k次测试分类精度的平均值；根据测试结果调节心拍分类器的训练参数，保证分类精度能够达到最大值；输出精度最大值的模型为最终的心拍分类器。
具体的，考虑到心拍分类器的实现平台为心电数据采集端，其主频及运算能力有限，心拍分类器训练采用的模型优选支持向量机、决策树、线性模型、Boosting等。
本发明另一实施例中，所述根据所述危急段数据进行危急值评估，包括：根据危急段数据的特征参数判断是否发生心电异常事件，根据心电异常事件的判断结果进行危急值评估。
具体的，获取心电采集端所采集的心电数据以及心电数据采集端对心电数据进行初筛得到的危急段数据；再次判断所述危急段数据是否发生心电异常事件；将心电异常事件的判断结果输入评分分类器，得到危急评分值；根据所述危急评分值对所述危急段数据进行危急程度分级。
判断所述危急段数据是否发生心电异常事件，具体为：
根据所述危急段数据的RR间期判断是否发生房颤事件；
利用机器学习训练得到的分类模型对持续时间大于设定值的危急段数据进行分类，得到心拍类型，根据心拍类型判断是否发生心率失常事件。
本实施例基于心电数据采集端得到的初筛结果进行快速的分级，在心电数据导入时利用深度学习对危急段数据进行再次确认。具体的，当医生对采集盒采集的心电数据进行导入时，首先读取RR间期的存储结果，并利用该结果作为房颤分类器的输入，快速完成房颤检测。同时读取到对应的异常心拍数据最长时间的异常起点。然后在导入数据过程中，提取该段数据，利用机器学习训练得到的分类模型快速对该段数据的心拍类型进行更为准确的判断，再结合心拍类型确认心拍是否有传导阻滞、ST段的抬高和压低。根据心拍类型完成心律失常事件的判断，最后根据异常类型比例、房颤检测结果以及心律失常结果，利用评分分类器判断给出危急值的最终评分。导入完成时，会将危急值的结果显示在界面上，供医生参考分析该数据的优先级。评分分类器的训练方式可以参考心拍分类器实现。
本发明另一实施例中，所述心电数据危急值分析方法还包括：将采集的心电数据和特征参数输入服务器端，服务器端根据心电数据和特征参数对心电数据危急程度进行分级处理。将采集的所有心电数据和特征参数一起导入服务器端，对所有数据进行详细分析，确保不遗漏。服务器端根据心电数据和特征参数对所有心电数据的危急程度进行分级处理。
本发明另一实施例中，所述心电数据危急值分析方法还包括：显示所述分级处理的结果。将危急值的分级处理的结果显示在界面上，供医生参考该结果确定分析的优先级。
在本发明一个实施例中，还包括设定报警条件，在危急段数据筛选完成后，判断所述危急段数据是否满足所述报警条件，如果是，则获取被测者的位置信息，并将所述位置信息以及报警信息上传至远程服务器，实现报警。
本实施例进行危急段初筛的同时，设置报警功能，当初筛结果出现危急级别特别高的情况时，需要及时进行报警。具体的，报警条件的设置可根据需求具体设置，例如异常心拍比例大于阈值、停搏次数大于阈值或是异常心拍最长持续时间大于阈值。报警条件满足时，采用GPRS定位技术获取患者当前的位置信息，将位置信息以及相应的心拍数据、初筛结果，上传至远程的服务器端，远程的服务器端即可根据报警信息进行及时有效的处理。例如，远程的服务器端采用更精确的危急值筛选算法对初筛结果进行核实，医生经过确认后，如果核实无误，则启动紧急机制，通过电话与佩戴者或其紧急联系人进行联系，进行情况确认及入院沟通，以便采取下一步措施。
本发明一个实施例中，还包括对心拍分类器进行更新。在危急段数据筛选完成后，将危急段数据对应的心电数据推送至服务器端进行复核；
将服务器端核实为初筛结果判断错误的心电数据录入错误库；
利用所述错误库对所述心电数据集进行更新；
利用更新后的心电数据库对所述分类模型进行重新训练。
本实施例在初筛之前训练好了心拍分类器，但是该心拍分类器并不是一成不变的。当服务器端接收到心电数据采集端上传的数据后，会利用该段数据进行危急值的判断，当判断此段数据情况比较严重时，通过界面反馈给医生，医生确认初筛结果错误时，远程服务端会将该数据列入错误库，定期利用错误库对心拍分类器进行更新。
本发明一个实施例中，还包括利用错误库更新心拍分类器的方法：利用分析错误的数据库更新表1中的心拍数据集：随机抽样进行训练时加大错误库中错误样本数据的比例，进行心拍分类器的重新训练，并调整训练参数，输出精度最大值下的心拍分类器，从而实现心拍分类器的更新。
如图4所示，本发明另一实施例提供心电数据危急值分析装置，所述装置包括：
数据采集模块101，所述数据采集模块101用于采集心电数据；
数据初筛模块102，所述数据初筛模块102用于对采集的所述心电数据进行危急段初筛，得到危急段数据；
危急值评估模块201，所述危急值评估模块201用于根据所述危急段数据进行危急值评估。
如图5所示，本发明另一实施例提供心电数据危急值分析系统，所述心电数据危急值分析系统包括心电数据采集端1和服务器端2；
所述心电数据采集端1用于采集心电数据，并对采集的所述心电数据进行危急段初筛，得到危急段数据；
所述服务器端2用于根据所述危急段数据进行危急值评估。
本发明另一实施例中，所述系统还包括显示端3，所述显示端3用于显示所述危急值评估的结果。
本系统在心电数据采集端1中集成了危急段初筛方法，心电数据采集端1只用初步筛选出危急值概率较大的数据段，计算量及所需空间较小，能保证心电数据采集端1功耗基本维持不变。心电数据采集端1识别出危急情况后可以上传危急数据到远程的服务器端2，经过服务器端2的再判断后，将初筛结果显示在显示端3上，推送给医生，医生完成判断后，及时给出相应应对方案，保证患者更加及时的救治。服务器端2的分析软件只用分析处理心电数据采集端1初步筛选出的危急段数据即可给出危急值评估结果，整个过程在数据导入的同时即可完成，同步将其显示在界面上，帮助医生有依据的更为及时的处理危急值较高的心电数据，保证患者能得到更为及时的救治。本系统中心电数据采集端1只是进行一个初筛，更为复杂的计算放在服务器端2的分析软件实现，能够利用更为复杂的算法，保证了危急值判断的准确性。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (11)

1.一种心电数据危急值分析方法，其特征在于，包括以下步骤：
S1：采集心电数据；
S2：对采集的所述心电数据进行危急段初筛，得到危急段数据；
S3：根据所述危急段数据进行危急值评估。
2.根据权利要求1所述的心电数据危急值分析方法，其特征在于，所述对采集的所述心电数据进行危急段初筛，得到危急段数据，包括：提取所述心电数据的特征参数，根据所述特征参数从所述心电数据中筛选出与危急值相关的数据段，得到危急段数据。
3.根据权利要求2所述的心电数据危急值分析方法，其特征在于，所述提取所述心电数据的特征参数，包括：对心电数据进行心拍检测，提取QRS波，计算所述QRS波的特征参数，得到所述心电数据的特征参数。
4.根据权利要求3所述的心电数据危急值分析方法，其特征在于，所述根据所述危急段数据进行危急值评估，包括：根据危急段数据的特征参数判断是否发生心电异常事件，根据心电异常事件的判断结果进行危急值评估。
5.根据权利要求1-4任一项所述的心电数据危急值分析方法，其特征在于，所述步骤S1和步骤S2在心电数据采集端进行。
6.根据权利要求1-4任一项所述的心电数据危急值分析方法，其特征在于，所述步骤S3在服务器端进行。
7.根据权利要求3所述的心电数据危急值分析方法，其特征在于，所述心电数据危急值分析方法还包括：将采集的心电数据和特征参数输入服务器端，服务器端根据心电数据和特征参数对心电数据危急程度进行分级处理。
8.根据权利要求7所述的心电数据危急值分析方法，其特征在于，所述心电数据危急值分析方法还包括：显示所述分级处理的结果。
9.一种心电数据危急值分析装置，其特征在于，所述装置包括：
数据采集模块，所述数据采集模块用于采集心电数据；
数据初筛模块，所述数据初筛模块用于对采集的所述心电数据进行危急段初筛，得到危急段数据；
危急值评估模块，所述危急值评估模块用于根据所述危急段数据进行危急值评估。
10.一种心电数据危急值分析系统，其特征在于，包括心电数据采集端和服务器端；
所述心电数据采集端用于采集心电数据，并对采集的所述心电数据进行危急段初筛，得到危急段数据；
所述服务器端用于根据所述危急段数据进行危急值评估。
11.根据权利要求10所述的心电数据危急值分析系统，其特征在于，所述系统还包括显示端，所述显示端用于显示所述危急值评估的结果。
CN202011623196.1A 2020-12-30 2020-12-30 一种心电数据危急值分析方法、装置及系统 Pending CN112842354A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011623196.1A CN112842354A (zh) 2020-12-30 2020-12-30 一种心电数据危急值分析方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011623196.1A CN112842354A (zh) 2020-12-30 2020-12-30 一种心电数据危急值分析方法、装置及系统

Publications (1)

Publication Number Publication Date
CN112842354A true CN112842354A (zh) 2021-05-28

Family

ID=75999229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011623196.1A Pending CN112842354A (zh) 2020-12-30 2020-12-30 一种心电数据危急值分析方法、装置及系统

Country Status (1)

Country Link
CN (1) CN112842354A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115607166A (zh) * 2022-10-08 2023-01-17 中国医学科学院阜外医院 一种心电信号智能分析方法及系统、智能心电辅助系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105228508A (zh) * 2013-03-08 2016-01-06 新加坡健康服务有限公司 一种测定用于分类的危险评分的系统和方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105228508A (zh) * 2013-03-08 2016-01-06 新加坡健康服务有限公司 一种测定用于分类的危险评分的系统和方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115607166A (zh) * 2022-10-08 2023-01-17 中国医学科学院阜外医院 一种心电信号智能分析方法及系统、智能心电辅助系统
CN115607166B (zh) * 2022-10-08 2023-08-22 中国医学科学院阜外医院 一种心电信号智能分析方法及系统、智能心电辅助系统

Similar Documents

Publication Publication Date Title
CN109171712B (zh) 心房颤动识别方法、装置、设备及计算机可读存储介质
US10869610B2 (en) System and method for identifying cardiac arrhythmias with deep neural networks
JP7018133B2 (ja) 人工知能に基づく心電図心拍自動識別分類方法
US11529103B2 (en) Artificial intelligence self-learning-based automatic electrocardiography analysis method and apparatus
US10602942B2 (en) Method of detecting abnormalities in ECG signals
US11617528B2 (en) Systems and methods for reduced lead electrocardiogram diagnosis using deep neural networks and rule-based systems
US8543194B2 (en) System and method of detecting abnormal movement of a physical object
US20220093215A1 (en) Discovering genomes to use in machine learning techniques
CN106815570B (zh) 一种基于动态模式识别的心电信号st-t段识别方法
CN113128585B (zh) 一种基于多尺寸卷积核的深度神经网络实现心电异常检测分类方法
CN113995419A (zh) 一种基于心跳节律信号的房颤发生风险预测系统及其应用
CN111345814B (zh) 一种心电信号中心拍的分析方法、装置、设备和存储介质
CN114926396B (zh) 一种精神障碍类磁共振图像初步筛查模型构建方法
CN117982114A (zh) 基于心肌缺血特征参数提取的心脏数据监测方法
Huang et al. Detecting paroxysmal atrial fibrillation from normal sinus rhythm in equine athletes using Symmetric Projection Attractor Reconstruction and machine learning
CN112842354A (zh) 一种心电数据危急值分析方法、装置及系统
CN112057068A (zh) 一种癫痫病理数据分类方法、装置及存储介质
Madona et al. Classification of ECG signals using the Naïve Bayes classification method and its implementation in android-based smart health care
CN115429284A (zh) 心电信号分类方法、系统、计算机设备以及可读存储介质
CN111345815B (zh) 一种心电信号中qrs波的检测方法、装置、设备和存储介质
Shrestha et al. Ecg data analysis with mse and machine learning
JP2023520944A (ja) 心電図解析
EP4434462A1 (en) Method and system for determining cardiac abnormalities using chaos-based classification model from multi-lead ecg
Siekierski et al. Heart beats classification method using a multi-signal ECG spectrogram and convolutional neural network with residual blocks
Nikonov et al. Cardiac arrhythmia diagnosis based on electrocardiosignal data mining

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210528