CN112971798B - 心电信号处理方法、装置、终端及存储介质 - Google Patents

心电信号处理方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN112971798B
CN112971798B CN202110185408.0A CN202110185408A CN112971798B CN 112971798 B CN112971798 B CN 112971798B CN 202110185408 A CN202110185408 A CN 202110185408A CN 112971798 B CN112971798 B CN 112971798B
Authority
CN
China
Prior art keywords
qrs wave
heart beat
electrocardiosignal
segment
interval
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
Application number
CN202110185408.0A
Other languages
English (en)
Other versions
CN112971798A (zh
Inventor
董葵
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 Shinall Technology Co ltd
Original Assignee
Wuhan Shinall 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 Shinall Technology Co ltd filed Critical Wuhan Shinall Technology Co ltd
Priority to CN202110185408.0A priority Critical patent/CN112971798B/zh
Publication of CN112971798A publication Critical patent/CN112971798A/zh
Application granted granted Critical
Publication of CN112971798B publication Critical patent/CN112971798B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

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

Abstract

本申请实施例提供一种心电信号处理方法、装置、终端及存储介质。该方法包括:从心电监测仪持续获取心电信号;在心电信号中截取预设时长的心电信号片段;在心电信号片段中确定至少一个候选QRS波;将至少一个候选QRS波中的噪声QRS波去除,得到目标QRS波;基于目标QRS波检测心电信号片段是否发生心律失常事件。本申请实施例提供的技术方案,通过将长时程心电信号截取成较短的心电信号,在短的心电信号片段中确定QRS波,并基于该QRS波来检测是否发生心律失常事件,避免对长时程心电信号进行分析处理,导致心律失常事件不能被及时检测的问题发生,提高心律失常事件的发现效率。

Description

心电信号处理方法、装置、终端及存储介质
技术领域
本申请实施例涉及信号处理技术领域,特别涉及一种心电信号处理方法、装置、终端及存储介质。
背景技术
心电(Electrocardiogram,ECG)信号是指由心电图仪所记录的心脏活动时心肌激动产生的生物电信号。
在相关技术中,患者佩戴长时程心电采集仪器,采集得到长时程心电信号数据,之后由医生根据长程心电数据进行心律失常诊断。
相关技术中,由于从采集心电信号到诊断心律失常中间间隔时间过长,无法及时对心率失常患者进行有效医疗措施。
发明内容
本申请实施例提供一种心电信号处理方法、装置、终端及存储介质,及时检测长时程心电信号中的心律失常事件。该技术方案包括:
一方面,本申请实施例提供一种心电信号处理方法,所述方法包括:
从心电监测仪持续获取心电信号;
在所述心电信号中截取预设时长的心电信号片段;
在所述心电信号片段中确定至少一个候选QRS波;
将所述至少一个候选QRS波中的噪声QRS波去除,得到目标QRS波,所述噪声QRS波包括被误检测的QRS波,和/或,受到的干扰符合第一预设条件的QRS波;
基于所述目标QRS波检测所述心电信号片段是否发生心律失常事件。
另一方面,本申请实施例提供一种心电信号处理装置,所述装置包括:
信号获取模块,用于从心电监测仪持续获取心电信号;
信号截取模块,用于在所述心电信号中截取预设时长的心电信号片段;
QRS波确定模块,用于在所述心电信号片段中确定至少一个候选QRS波;
QRS波筛选模块,用于将所述至少一个候选QRS波中的噪声QRS波去除,得到目标QRS波,所述噪声QRS波包括被误检测的QRS波,和/或,受到的干扰符合第一预设条件的QRS波;
事件检测模块,用于基于所述QRS波检测所述心电信号片段是否发生心律失常事件。
又一方面,本申请实施例提供了一种终端,所述终端包括处理器和存储器,所述存储器存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现如一方面所述的心电信号处理方法。
又一方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序由处理器加载并执行以实现如一方面所述的心电信号处理方法。
又一方面,本申请实施例提供了一种计算机程序产品,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述心电信号处理方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
通过将长时程心电信号截取成较短的心电信号,在短的心电信号片段中确定QRS波,并基于该QRS波来检测是否发生心律失常事件,避免对长时程心电信号进行分析处理,导致心律失常事件不能被及时检测的问题发生,提高心律失常事件的发现效率。
附图说明
图1是本申请一个实施例提供的心电信号的示意图;
图2是本申请一个实施例提供的心电信号处理方法的整体框架图;
图3是本申请一个实施例提供的心电信号处理方法的流程图;
图4是本申请一个实施例提供的去除噪声心搏的示意图;
图5是本申请一个实施例提供的心电信号处理方法的流程图;
图6是本申请一个实施例提供的心电信号处理方法的流程图;
图7是本申请一个实施例提供的心电信号处理装置的框图;
图8是本申请一个实施例提供的终端的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在介绍本申请实施例之前,先对本申请涉及的相关名词进行介绍。
心电信号:由心电图仪所记录的心脏活动时心肌激动产生的生物电信号。参见图1,心电信号通常包括P波、QRS波群、T波。
P波:反映心房激动过程中的电位变化,前半部代表右心房激动,后半部代表左心房的激动。正常心脏的电激动从窦房结开始,由于窦房结位于右心房与上腔静脉的交界处,因此窦房结的激动首先传导到右心房,通过房间束传到左心房,形成心电信号中的P波。
QRS波群:反映左、右心室的电激动过程,QRS波群的宽度称为QRS时限,标识全部心室肌激动过程所需的时间。
T波:反映心室肌复极化过程中的电位变化。
RR间期:是指心电图上两个R波之间的时限。正常的RR间期时限应该在0.6-1.0秒之间,RR间期时限小于0.6秒说明出现了心动过速,RR间期时限大于1.0秒说明出现了心动过缓。
本申请实施例提供的技术方案,通过将长时程心电信号截取成较短的心电信号,在短的心电信号片段中确定QRS波,并基于该QRS波来检测是否发生心律失常事件,避免对长时程心电信号进行分析处理,导致心律失常事件不能被及时检测的问题发生,提高心律失常事件的发现效率。
本申请实施例提供的技术方案,各步骤的执行主体为终端。可选地,该计算机设备具有心电信号处理功能,以及心电信号展示功能。终端可以是智能手机、平板电脑,个人计算机等。可选地,终端中安装有心律失常事件检测装置,通过该心律失常事件检测装置来执行本方案。
图2是本申请一个实施例示出整体流程图。心电监测仪21从人体采集心电信号,并将心电信号发送至移动端,由移动端进行心律失常检测,若检测出心律失常事件,则发出警告,并展示发生心律失常事件的心电信号片段。
请参考图3,其示出了本申请实施例提供的心电信号处理方法的流程图。该方法包括:
步骤301,从心电监测仪获取心电信号。
心电信号是指人体心脏的心脏细胞的细胞膜产生的电势差,正常的心电信号在0.05Hz--100Hz频率范围内。
心电监测仪以人体心脏为中心,以人体体表为2D肢体导联平面,以人体额面(切面)为2D胸导联平面,进行心电信号采集。在本申请实施例中,心电监测仪持续监测心电信号,得到长时程心电信号,之后向终端实时上报采集到的心电信号,以便终端对心电信号进行分析处理。
步骤302,在心电信号中截取预设时长的心电信号片段。
预设时长根据分析需求实际设定。示例性地,预设时长为30秒。由于心电监测仪采集的是长时程心电信号,为了及时发现是否发生心律失常事件,终端并非对完整的长时程心电信号进行处理,而是从实时获取的心电信号中截取心电信号片段来分析。
步骤303,在心电信号片段中确定至少一个候选QRS波。
可选地,终端先在心电信号片段中确定R波端点,之后基于R波端点来确定QRS波。R波端点是指心电信号中R波位置处的端点。R波位置处的端点通常是心电信号图形中的最高点,较容易定位,且不易受到其他端点的干扰。
示例性地,终端先确定心电信号中的极值点,之后以各个极值点为中心,取左右t1秒数据计算最值,若该极值点也为最值点,则将该极值点标记为第一候选端点,之后通过模型来判断第一候选端点是否为R波端点。t1的取值根据实际需求设定,本申请实施例对此不作限定。
极值点是指函数图像上的某段子区间内极大值点或极小值点的横坐标。极值点两侧的单调性不相同。若极值点的左侧单调递增,右侧单调递减,则该极值点为极大值点;若极值点的左侧单调递减,右侧单调递增,则该极值点为极小值点。最值点是指指定区间内的最大值点或最小值点的横坐标。
可选地,终端计算QRS波微分值和平均RR间期,以QRS波微分值中位数作为微分阈值,当第一候选端点的微分值大于微分阈值且与前一个QRS波的间距大于0.7*RR时,则将第一候选端点确定为R波端点,并确定相应的候选QRS波。再更新QRS微分阈值和RR间期重新筛选模型漏检的QRS波。其中,二阶微分计算公式如下:dif=2*(x[i]-x[i-1])+(x[i+1]-x[i-2])。
可选地,终端在心电信号片段中确定候选QRS波后,以R波端点和RR间期为参考,补全心电信号片段中被漏检的QRS波。
步骤304,将至少一个候选QRS波中的噪声QRS波去除,得到目标QRS波。
噪声QRS波包括被误检测的QRS波,和/或,受到的干扰符合第一预设条件的QRS波。第一预设条件是指QRS波受到的干扰超过预定程度。在本申请实施例中,在确定出候选QRS波之后,需要对其进行信号质量检测,将质量不合格的QRS波识别为噪声心搏,以使得后续的检测结果更为精准。
可选地,终端选择RR间期不稳定的QRS波,将选择出的QRS波和前后各一个QRS波组成输入矩阵,用训练好的模型检测选择出的QRS波是否为Q波(也即噪声QRS波)。
在确定出噪声QRS波之后,终端获取至少一个候选QRS波对应的平均RR间期;获取噪声QRS波的前一心搏与后一心搏之间的RR间期,如果噪声QRS波的前一心搏与后一心搏之间的RR间期与平均RR间期之间满足第二预设条件,则将该噪声QRS波删除。示例性地,,终端将平均RR间期记为rr,将噪声QRS波的前一心搏与后一心搏之间的RR间期记为r1,若rr与r1之间满足rr*0.9<r1<1.1*rr,则说明该噪声QRS波造成了RR间期畸变,需要将该噪声QRS波去除。参考图4,终端将平均RR间期与RR间期之间满足第二预设条件的噪声QRS波(也即Q波)去除。
步骤305,基于目标QRS波检测心电信号片段是否发生心律失常事件。
心律失常事件包括房颤事件、室性节律异常事件、房性节律异常事件等等。房颤事件是指规则有序的心房电活动消失,代之以快速无序的颤动波,属于严重心房电活动紊乱。
在本申请实施例中,在采集到长时程心电信号时,从其中截取出心电信号片段,并基于截取出的心电信号片段来判断是否发生心律失常事件,相比于相关技术中对长时程心电信号进行分析处理,可以提高心律失常事件的发现效率。
综上所述,本申请实施例提供的技术方案,通过将长时程心电信号截取成较短的心电信号,在短的心电信号片段中确定QRS波,并基于该QRS波来检测是否发生心律失常事件,避免对长时程心电信号进行分析处理,导致心律失常事件不能被及时检测的问题发生,提高心律失常事件的发现效率。
图5是本申请一个实施例提供的心电信号处理方法的流程图。该方法包括:
步骤501,从心电监测仪获取心电信号。
步骤502,在心电信号中截取预设时长的心电信号片段。
步骤503,在心电信号片段中确定至少一个候选QRS波。
步骤504,检测心电信号片段是否为噪声片段。
可选地,终端先获取噪声QRS波在心电信号片段中的比例,之后基于该比例来检测心电信号片段是否为噪声片段。若第一目标片段在心电信号片段中的比例大于第二阈值,则说明心电信号片段为噪声片段。若第一目标片段在心电信号中的比例小于第二阈值,则说明心电信号片段不为噪声片段。
第二阈值根据实际需求设定,本申请实施例对此不作限定。示例性地,第二阈值为三分之二。
步骤505,若检测出心电信号片段不为噪声片段,则将至少一个候选QRS波中的噪声QRS波去除,得到目标QRS波。
噪声QRS波包括被误检测的QRS波,和/或,受到的干扰符合第一预设条件的QRS波。若检测出心电信号片段为噪声片段,则不执行后续的检测步骤,通过上述方式,避免对心电信号中的噪声片段进行分析处理,节省终端功耗。
步骤506,基于目标QRS波确定RR间期变异性。
终端先基于目标QRS波计算RR间期,之后确定RR间期变异性。
步骤507,基于RR间期变异性,检测心电信号片段是否发生房颤事件。
若RR间期变异性小于第一阈值,则确定心电信号未发生房颤事件;若RR间期变异性大于第一阈值,则通过房颤识别模型检测心电信号片段是否发生房颤事件。第一阈值根据实际需求设定,本申请实施例对此不作限定。示例性地,第一阈值为0.07。
可选地,终端确定发生房颤事件后,还确定房颤事件划分为阵法性房颤何持续性房颤。
步骤508,当心电信号片段发生房颤事件时,基于二分类模型对QRS波进行心搏分类,得到第一检测结果。
可选地,二分类模型为M1模型,当心电信号片段发生房颤事件时,基于M1模型对QRS波进行心搏二分类,确定QRS波是否属于室早。
可选地,若心电信号为房颤,则无房早心搏,此时根据规则对室早心搏进行筛选。首先计算目标室早心搏的提前量dif_RR和目标心搏与最近的非室早心搏的相似性Similarity_val,若目标心搏前一个心搏为非室早心搏,则提前量根据目标心搏的RR间期和前一心搏的RR间期计算得到,当提前量dif_RR>8%、相似性Similarity_val<0.9,则目标心搏为室早;若目标心搏前一个心搏为室早心搏,计算目标心搏的RR间期r1和前一个心搏的RR间期r2,当r2<r1+r2*0.15且Similarity_val<0.9时,目标心搏为室早。
步骤509,当心电信号片段未发生房颤事件时,基于三分类模型对QRS波进行心搏分类,得到第二检测结果。
可选地,三分类模型为M2模型,当心电信号片段未发生房颤事件时,基于M2模型对QRS波进行心搏三分类,确定QRS波属于窦性心搏或者室早或者房早。
可选地,终端根据识别出的窦性心搏计算窦性RR间期,选择稳定的RR间期和心搏作为参考RR间期和参考心搏,并记录心搏位置。选取离目标心搏最近的参考RR间期和参考心搏,计算目标心搏的提前量、目标心搏与参考心搏的相似性。以目标心搏的RR间期和参考RR间期计算目标心搏的提前量dif_RR;取目标心搏端点和参考心搏端点前后0.5s数据计算两心搏的线性相关性作为相似系数Similarity_val。若提前量dif_RR>8%、心搏相似性Similarity_val<0.9,则目标心搏为室早;若提前量dif_RR>8%,而心搏相似性Similarity_val>0.9,则将室早更改为房早,若提前量dif_RR<8%,则该室早为窦性心搏。
可选地,终端确定心搏分类结果后,还将室早划分为单发室早、成对室早、二连律室早、三联律室早、R on T室早、室速室早、室颤室早、室扑室早,将房早分为单发房早、成对房早、二联律房早、三联律房早、房速房早、房扑房早。
可选地,终端还若检测出心电信号片段发生心律失常事件,则确定心律失常事件对应的风险等级;基于风险等级生成提醒消息。
具体地,终端查询心律失常事件对应的风险等级表来确定心律失常事件对应的风险等级。心律失常事件对应的风险等级表参考如下表-1。
Figure BDA0002942870380000081
表-1
终端根据风险等级生成相应的提醒消息并进行示警。可选地,终端还展示对应的发生心律失常事件的心电信号片段,让患者了解自己的病情,及时就医。
综上所述,本申请实施例提供的技术方案,通过将长时程心电信号截取成较短的心电信号,在短的心电信号片段中确定QRS波,并基于该QRS波来检测是否发生心律失常事件,避免对长时程心电信号进行分析处理,导致心律失常事件不能被及时检测的问题发生,提高心律失常事件的发现效率。
图6是本申请一个实施例提供的心电信号处理方法的流程图,该方法包括如下步骤。
步骤601,获取30秒心电数据。
步骤602,对心电数据进行QRS波检测。
步骤603,对心搏数据进行预处理,并进行噪声识别。
步骤604,检测是否发生房颤事件。
若发生房颤事件,则执行步骤605,若未发生房颤事件,则执行步骤606。
步骤605,通过M1模型进行心搏分类。
步骤606,通过M2模型进行心搏分类。
步骤607,选取参考性心搏和RR间期。
步骤608,根据临床规则筛选V、S心搏。
步骤609,更新心搏类型。
请参考图7,其示出了本申请一个示例性实施例提供的心电信号处理装置的框图。该心电信号处理装置可以通过软件、硬件或者两者的组合实现成为终端的全部或一部分。该心电信号处理装置包括:
信号获取模块701,用于从心电监测仪持续获取心电信号。
信号截取模块702,用于在所述心电信号中截取预设时长的心电信号片段。
QRS波确定模块703,用于在所述心电信号片段中确定至少一个候选QRS波。
QRS波筛选模块704,用于将所述至少一个候选QRS波中的噪声QRS波去除,得到目标QRS波,所述噪声QRS波包括被误检测的QRS波,和/或,受到的干扰符合第一预设条件的QRS波。
事件检测模块705,用于基于所述QRS波检测所述心电信号片段是否发生心律失常事件。
综上所述,本申请实施例提供的技术方案,通过将长时程心电信号截取成较短的心电信号,在短的心电信号片段中确定QRS波,并基于该QRS波来检测是否发生心律失常事件,避免对长时程心电信号进行分析处理,导致心律失常事件不能被及时检测的问题发生,提高心律失常事件的发现效率。
在基于图7所示实施例提供的可选实施例中,所述事件检测模块705,用于:
基于所述目标QRS波确定RR间期变异性;
基于所述RR间期变异性,检测所述心电信号片段是否发生房颤事件。
可选地,所述事件检测模块705,用于:
若所述RR间期变异性小于第一阈值,则确定所述心电信号未发生房颤事件;
若所述RR间期变异性大于所述第一阈值,则通过房颤识别模型检测所述心电信号片段是否发生房颤事件。
可选地,所述事件检测模块705,用于:
当所述心电信号片段发生所述房颤事件时,基于二分类模型对所述目标QRS波进行心搏分类,得到第一检测结果;
当所述心电信号片段未发生所述房颤事件时,基于三分类模型对所述QRS波进行心搏分类,得到第二检测结果。
在基于图7所示实施例提供的可选实施例中,所述QRS波筛选模块704,用于:
获取所述至少一个候选QRS波对应的平均RR间期;
获取所述噪声QRS波的前一心搏与后一心搏之间的RR间期;
若所述平均RR间期与所述RR间期之间满足第二预设条件,则将所述噪声QRS波去除。
在基于图7所示实施例提供的可选实施例中,所述装置还包括:噪声片段检测模块(图7未示出)。
噪声片段检测模块,用于:检测所述心电信号片段是否为噪声片段。
所述QRS波筛选模块704,用于若检测出所述心电信号片段不为噪声片段,则执行所述将所述至少一个候选QRS波中的噪声QRS波去除,得到目标QRS波的步骤。
可选地,所述噪声片段检测模块,用于:
获取所述噪声QRS波在所述心电信号片段中的比例;
若所述比例大于第二阈值,则确定所述心电信号片段为所述噪声片段;
若所述比例小于所述第二阈值,则确定所述心电信号片段不为所述噪声片段。
在基于图7所示实施例提供的可选实施例中,所述装置还包括:提醒信息生成模块(图7未示出)。
提醒信息生成模块,用于:
若检测出所述心电信号片段发生所述心律失常事件,则确定所述心律失常事件对应的风险等级;
基于所述风险等级生成提醒消息。
图8示出了本申请一个示例性实施例提供的终端800的结构框图。该终端800可以是:智能手机、平板电脑、MP3播放器、MP4播放器、笔记本电脑或台式电脑。终端800还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端800包括有:处理器801和存储器802。
处理器801可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器801可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器801也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称中央处理器(CentralProcessing Unit,CPU);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器801可以在集成有图像处理器(Graphics Processing Unit,GPU),GPU用于负责显示屏所需要显示的内容的渲染和绘制。
存储器802可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器802还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器802中的非暂态的计算机可读存储介质用于存储计算机程序,该计算机程序用于被处理器801所执行以实现本申请中方法实施例提供的心电信号处理方法。
在一些实施例中,终端800还可选包括有:外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口803相连。具体地,外围设备包括:射频电路804、触摸显示屏805、摄像头组件806、音频电路807、定位组件808和电源809中的至少一种。
本领域技术人员可以理解,图8中示出的结构并不构成对终端800的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在示例性实施例中,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序由终端的处理器加载并执行以实现上述方法实施例中的心电信号处理方法。
可选地,上述计算机可读存储介质可以是只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种计算机程序产品,该计算机程序产品包括计算机指令,该计算机指令存储在计算机可读存储介质中,计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述一方面或者一方面的各种可选实现方式中提供的心电信号处理方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本文中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (5)

1.一种心电信号处理装置,其特征在于,所述装置包括:
信号获取模块,用于从心电监测仪持续获取心电信号;
信号截取模块,用于在所述心电信号中截取预设时长的心电信号片段;
QRS波确定模块,用于在所述心电信号片段中确定至少一个候选QRS波;
QRS波筛选模块,用于将所述至少一个候选QRS波中的噪声QRS波去除,得到目标QRS波,所述噪声QRS波包括被误检测的QRS波,和/或,受到的干扰符合第一预设条件的QRS波,所述第一预设条件是指QRS波受到的干扰超过预定程度;
事件检测模块,用于基于所述目标QRS波确定RR间期变异性;基于所述RR间期变异性,检测所述心电信号片段是否发生房颤事件;
所述事件检测模块,用于当所述心电信号片段发生所述房颤事件时,计算目标室早心搏的提前量和目标心搏与最近的非室早心搏的心搏相似性;
若目标心搏前一个心搏为非室早心搏,则根据目标心搏的RR间期和前一心搏的RR间期计算得到提前量;当所述提前量大于8%且所述心搏相似性小于0.9时,确定所述目标心搏为室早;
若所述目标心搏前一个心搏为室早心搏,计算所述目标心搏的RR间期r1和前一个心搏的RR间期r2,当r2<r1+r2*0.15且所述心搏相似性小于0.9时确定所述目标心搏为房早;
所述事件检测模块,还用于当所述心电信号片段未发生所述房颤事件时,将窦性RR间期中稳定的RR间期和心搏作为参考RR间期和参考心搏;根据所述参考RR间期和所述参考心搏记录心搏位置;选取离所述目标心搏最近的所述参考RR间期和所述参考心搏,计算所述目标心搏的提前量;根据所述目标心搏的端点和所述参考心搏的端点,计算所述目标心搏和所述参考心搏的线性相关性作为所述心搏相似性;
若所述提前量大于8%且所述心搏相似性小于0.9,则所述目标心搏为所述室早;
若所述提前量大于8%且所述心搏相似性大于0.9,则所述目标心搏为所述房早;
若所述提前量小于8%,则所述目标心搏为窦性心搏;
提醒信息生成模块,用于若检测出所述心电信号片段发生心律失常事件,则查询所述心律失常事件对应的风险等级表来确定所述心律失常事件对应的风险等级;基于所述风险等级生成提醒消息。
2.根据权利要求1所述的装置,其特征在于,所述事件检测模块,用于:
若所述RR间期变异性小于第一阈值,则确定所述心电信号未发生房颤事件;
若所述RR间期变异性大于所述第一阈值,则通过房颤识别模型检测所述心电信号片段是否发生房颤事件。
3.根据权利要求1所述的装置,其特征在于,所所述QRS波筛选模块,用于:
获取所述至少一个候选QRS波对应的平均RR间期;
获取所述噪声QRS波的前一心搏与后一心搏之间的RR间期;
若所述平均RR间期与所述RR间期之间满足第二预设条件,则将所述噪声QRS波去除。
4.根据权利要求1所述的装置,其特征在于,所述装置还包括:噪声片段检测模块;所述噪声片段检测模块,用于:
检测所述心电信号片段是否为噪声片段;
若检测出所述心电信号片段不为噪声片段,则执行所述将所述至少一个候选QRS波中的噪声QRS波去除,得到目标QRS波的步骤。
5.根据权利要求4所述的装置,其特征在于,所述噪声片段检测模块,用于:
获取所述噪声QRS波在所述心电信号片段中的比例;
若所述比例大于第二阈值,则确定所述心电信号片段为所述噪声片段;
若所述比例小于所述第二阈值,则确定所述心电信号片段不为所述噪声片段。
CN202110185408.0A 2021-02-10 2021-02-10 心电信号处理方法、装置、终端及存储介质 Active CN112971798B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110185408.0A CN112971798B (zh) 2021-02-10 2021-02-10 心电信号处理方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110185408.0A CN112971798B (zh) 2021-02-10 2021-02-10 心电信号处理方法、装置、终端及存储介质

Publications (2)

Publication Number Publication Date
CN112971798A CN112971798A (zh) 2021-06-18
CN112971798B true CN112971798B (zh) 2023-05-30

Family

ID=76393102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110185408.0A Active CN112971798B (zh) 2021-02-10 2021-02-10 心电信号处理方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN112971798B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113349753A (zh) * 2021-07-19 2021-09-07 成都芯跳医疗科技有限责任公司 一种基于便携式动态心电监护仪的心律失常检测方法
CN115770048A (zh) * 2021-09-08 2023-03-10 上海联影医疗科技股份有限公司 心电信号处理方法、装置、计算机设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105581792A (zh) * 2014-11-12 2016-05-18 优盛医学科技股份有限公司 心律不整的检测设备与检测方法
CN108324264A (zh) * 2018-01-23 2018-07-27 江苏康尚生物医疗科技有限公司 一种房颤的检测方法和系统
CN111797816A (zh) * 2020-07-21 2020-10-20 迪姆软件(北京)有限公司 心电图的分析方法及分析装置
CN212489913U (zh) * 2020-03-02 2021-02-09 武汉心络科技有限公司 心电检测设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8521281B2 (en) * 2011-10-14 2013-08-27 Medtronic, Inc. Electrogram classification algorithm
CN103110417B (zh) * 2013-02-28 2014-07-16 华东师范大学 一种心电图自动识别系统
CN106264518A (zh) * 2016-08-04 2017-01-04 东莞市第三人民医院 一种基于指尖心电图的房颤检测方法和装置
CN110226928B (zh) * 2018-03-06 2022-07-01 深圳市理邦精密仪器股份有限公司 房颤伴室早和房颤伴差传的识别方法和装置
US10849531B2 (en) * 2018-04-17 2020-12-01 Samsung Electronics Co., Ltd. Systematic apparatus for motion sensor and optical sensor based cardiac arrhythmia triage
US11020036B2 (en) * 2018-05-07 2021-06-01 Pacesetter, Inc. Method and system to detect R-waves in cardiac arrhythmic patterns
CN109350037A (zh) * 2018-10-26 2019-02-19 安徽智云医疗科技有限公司 一种从10秒心电图中识别房颤和房性早搏的方法
CN112120691A (zh) * 2020-09-22 2020-12-25 浙江智柔科技有限公司 基于深度学习的信号识别方法、装置和计算机设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105581792A (zh) * 2014-11-12 2016-05-18 优盛医学科技股份有限公司 心律不整的检测设备与检测方法
CN108324264A (zh) * 2018-01-23 2018-07-27 江苏康尚生物医疗科技有限公司 一种房颤的检测方法和系统
CN212489913U (zh) * 2020-03-02 2021-02-09 武汉心络科技有限公司 心电检测设备
CN111797816A (zh) * 2020-07-21 2020-10-20 迪姆软件(北京)有限公司 心电图的分析方法及分析装置

Also Published As

Publication number Publication date
CN112971798A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
US10149625B2 (en) Patient signal analysis based on vector analysis
Sankari et al. HeartSaver: A mobile cardiac monitoring system for auto-detection of atrial fibrillation, myocardial infarction, and atrio-ventricular block
JP2627690B2 (ja) 表面ecg周波数分析装置
US5967994A (en) Method and system for characterizing the quality of signals indicative of heart function
JP4386235B2 (ja) 心電図の順次比較のための方法及び装置
CN112971798B (zh) 心电信号处理方法、装置、终端及存储介质
EP1284645A2 (en) System and device for multi-scale analysis and representation of electrocardiographic data
CN112528783B (zh) 心电图心搏数据聚类方法、装置、电子设备和介质
US20170258406A1 (en) Monitoring Procedure for Early Warning of Cardiac Episodes
Li et al. Probability density distribution of delta RR intervals: a novel method for the detection of atrial fibrillation
US20070010752A1 (en) System and method for analysing the p-wave of an ecg-signal
CN109077721A (zh) 房颤检测装置及存储介质
Myrovali et al. Identifying patients with paroxysmal atrial fibrillation from sinus rhythm ECG using random forests
Cai et al. Rule-based rough-refined two-step-procedure for real-time premature beat detection in single-lead ECG
US9867577B2 (en) Electrocardiogram analysis
US9474460B2 (en) Non-invasive evaluation of cardiac repolarisation instability for risk stratification of sudden cardiac death
Sörnmo et al. Characterization of f Waves
CN114246569A (zh) 检测早搏类型的方法、装置及介质
Badilini et al. Automatic analysis of cardiac repolarization morphology using Gaussian mesa function modeling
CN109044338A (zh) 房颤检测装置及存储介质
Gupta et al. An efficient FrWT and IPCA tools for an automated healthcare CAD system
Tuyen et al. The atrial fibrillation episodes alarm algorithm for a remote monitoring system
Lin et al. Bispectrum and histogram features for the identification of atrial fibrillation based on electrocardiogram
CN117379062B (zh) 单导联干电极心电图p波识别方法、装置、设备及介质
RU2759069C1 (ru) Способ неинвазивной диагностики ишемической болезни сердца

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