CN113080995B - 心动过速属性的识别方法、装置、设备和介质 - Google Patents
心动过速属性的识别方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN113080995B CN113080995B CN202110284471.XA CN202110284471A CN113080995B CN 113080995 B CN113080995 B CN 113080995B CN 202110284471 A CN202110284471 A CN 202110284471A CN 113080995 B CN113080995 B CN 113080995B
- Authority
- CN
- China
- Prior art keywords
- tachycardia
- segment
- interval
- qrs complex
- time threshold
- 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
- 208000001871 Tachycardia Diseases 0.000 title claims abstract description 350
- 230000006794 tachycardia Effects 0.000 title claims abstract description 349
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000000718 qrs complex Methods 0.000 claims abstract description 193
- 238000001816 cooling Methods 0.000 claims abstract description 37
- 239000012634 fragment Substances 0.000 claims abstract description 36
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000009432 framing Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 21
- 238000004458 analytical method Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 208000008510 paroxysmal tachycardia Diseases 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001746 atrial effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003183 myoelectrical effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 230000002763 arrhythmic effect Effects 0.000 description 1
- 208000006218 bradycardia Diseases 0.000 description 1
- 230000036471 bradycardia Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明实施例公开了一种心动过速属性的识别方法,该方法包括:通过对心电图数据中的QRS波群进行识别检测,以确定各个QRS波群的波峰点。再基于这些波峰点计算得到RR间期值,从而判断其中的心动过速片段。在心动过速片段中可分别根据盒计数法对其中的宽QRS波群或窄QRS波群进行判断,及判断心动过速片段存在折返性心动过速片段或自律性心动过速片段,以及判断所述自律性心动过速片段中是否存在温醒现象和/或冷却现象。因此,本方案可实现对这些重要的心动过速属性进行识别,可为后续治疗提供有效的信息。此外,还提出了心动过速属性识别装置、设备和存储介质。
Description
技术领域
本发明涉及医学技术领域,尤其是涉及心动过速属性的识别方法、装置、设备和介质。
背景技术
阵发性心动过速是一类心律失常性心脏病,临床多见。不同于持续性心律失常,阵发性心动过速临床事件不易捕捉,发作、终止突然,没有预见性。发作的持续时间长短不一,多反复发作。临床背景复杂。
阵发性心动过速的病理机理多样,临床必需区别对待,在诊断准确的基础上,采取不同的救治措施,准确掌握心动过速的属性对有效治疗至关重要。
然而机制完全不同的心动过速,心电图表现非常接近,鉴别困难。由于存在上述缺陷,使得临床误诊误判和延误救治事件经常发生。特别是对于广大基层医院、非心血管病或急救专业的医生来说尤其如此。但若诊断不正确,导致嗣后治疗处理方法的错误,常常会引起严重后果。因此如何准确的对阵发性心动过速的属性进行识别就显得十分重要。
发明内容
基于此,有必要针对上述问题,提供可自动、准确识别心动过速属性的方法、装置、设备和介质。
一种心动过速属性的识别方法,其特征在于,所述方法包括:
获取监测的心电图数据,检测所述心电图数据中的QRS波群,识别每个所述QRS波群的波峰点;
将所述QRS波群中相邻波峰点的时间差作为RR间期值,根据所述RR间期值确定所述心电图数据中的心动过速片段;
根据盒计数法依次识别所述心动过速片段中的QRS波群为宽QRS波群或窄QRS波群;
将所述心动过速片段内相邻的两个RR间期值的差值作为RR间期差,当所述RR间期差满足至少一个折返性心动过速条件时,确定所述心动过速片段为折返性心动过速片段,当所述RR间期差满足至少一个自律性心动过速条件时,确定所述心动过速片段为自律性心动过速片段;
当所述心动过速片段为自律性心动过速片段时,根据所述RR间期差判断所述自律性心动过速片段中是否存在温醒现象和/或冷却现象。
在其中一个实施例中,所述根据盒计数法依次识别所述心动过速片段中的QRS波群为宽QRS波群或窄QRS波群,包括:
依次将所述心动过速片段内的每个所述QRS波群用外接矩形框进行框定,在所述外接矩形框内划分预设数量个统计方格,统计所述外接矩形方框内被所述QRS波群占用的占用方格,及未被所述QRS波群占用的未占用方格;
计算所述外接矩形方框内所述占用方格和所述未占用方格的方格比值,根据所述方格比值确定每个所述QRS波群为所述宽QRS波群或窄所述QRS波群。
在其中一个实施例中,所述当所述RR间期差满足至少一个折返性心动过速条件时,确定所述心动过速片段为折返性心动过速片段,包括:
当所述RR间期差均小于或等于第一时间阈值时;和/或,
当连续的大于第一时间阈值的RR间期差的数量小于或等于第一预设数量,且所述RR间期差小于所述第一时间阈值的比例大于第一预设比例时;和/或,
当所述RR间期差中的最大RR间期差小于第二时间阈值时,确定所述心动过速片段为所述折返性心动过速片段;
所述当所述RR间期差满足至少一个自律性心动过速条件时,确定所述心动过速片段为自律性心动过速片段,包括:
当存在至少一个所述RR间期差大于第三时间阈值时;和/或,
当连续的大于第一时间阈值的RR间期差的数量大于第一预设数量,且所述RR间期差小于所述第一时间阈值的比例大于第二预设比例时;和/或,
当所述RR间期差中的最大RR间期差大于第三时间阈值时,确定所述心动过速片段为所述自律性心动过速片段。
在其中一个实施例中,RR间期为相邻R波间的时期,所述根据所述RR间期差判断所述自律性心动过速片段中是否存在温醒现象和/或冷却现象,包括:
当在所述心动过速片段开始后的前第二预设数量个RR间期内,存在连续的第三预设数量个RR间期差大于第四时间阈值时;和/或,
当所述心动过速片段开始后的前第四预设数量个RR间期值的均值大于第五时间阈值时,确定所述自律性心动过速片段中存在温醒现象;
当在所述心动过速片段结束前的后第二预设数量个RR间期内,存在连续的第三预设数量个RR间期差小于第四时间阈值时;和/或,
当所述心动过速片段结束前的后第四预设数量个RR间期值的均值小于第六时间阈值时,确定所述自律性心动过速片段存在冷却现象。
在其中一个实施例中,在所述根据所述RR间期差判断所述自律性心动过速片段中是否存在温醒现象和/或冷却现象之后,还包括:
建立t-RR线钉图的坐标轴,以RR间期的时间顺序作为所述坐标轴的X轴,以所述RR间期值作为所述坐标轴的Y轴;
将不同RR间期对应的离散点在所述t-RR线钉图中进行标示,依时间顺序将所述离散点进行连接;
将识别到的心动过速属性在所述t-RR线钉图中进行标示。
在其中一个实施例中,在所述检测所述心电图数据中的QRS波群,识别每个所述QRS波群的波峰点之前,还包括:
对所述心电图数据进行高通滤波及提升小波分解,根据分解后不同尺度上的心电图数据和心电图数据对应的噪声选择阈值;
根据所述阈值对所述心电图数据进行重构,以得到去噪后的心电图数据。
在其中一个实施例中,所述识别每个所述QRS波群的波峰点,包括:
获取基准幅值,根据每个所述QRS波群的基准线对所述基准幅值进行修正,获取每个所述QRS波群的修正基准幅值;
计算所述QRS波群中每个采集点的幅值与对应的所述修正基准幅值的差,将其中的最大正向差对应的采集点作为所述QRS波群的波峰点。
一种心动过速属性识别装置,所述装置包括:
波峰点识别模块,用于获取监测的心电图数据,检测所述心电图数据中的QRS波群,识别每个所述QRS波群的波峰点;
心动过速片段确定模块,用于将所述QRS波群中相邻波峰点的时间差作为RR间期值,根据所述RR间期值确定所述心电图数据中的心动过速片段;
第一属性识别模块,用于根据盒计数法依次识别所述心动过速片段中的QRS波群为宽QRS波群或窄QRS波群;
第二属性识别模块,用于将所述心动过速片段内相邻的两个RR间期值的差值作为RR间期差,当所述RR间期差满足至少一个折返性心动过速条件时,确定所述心动过速片段为折返性心动过速片段,当所述RR间期差满足至少一个自律性心动过速条件时,确定所述心动过速片段为自律性心动过速片段;
第三属性识别模块,用于当所述心动过速片段为自律性心动过速片段时,根据所述RR间期差判断所述自律性心动过速片段中是否存在温醒现象和/或冷却现象。
一种计算机可读存储介质,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下步骤:
获取监测的心电图数据,检测所述心电图数据中的QRS波群,识别每个所述QRS波群的波峰点;
将所述QRS波群中相邻波峰点的时间差作为RR间期值,根据所述RR间期值确定所述心电图数据中的心动过速片段;
根据盒计数法依次识别所述心动过速片段中的QRS波群为宽QRS波群或窄QRS波群;
将所述心动过速片段内相邻的两个RR间期值的差值作为RR间期差,当所述RR间期差满足至少一个折返性心动过速条件时,确定所述心动过速片段为折返性心动过速片段,当所述RR间期差满足至少一个自律性心动过速条件时,确定所述心动过速片段为自律性心动过速片段;
当所述心动过速片段为自律性心动过速片段时,根据所述RR间期差判断所述自律性心动过速片段中是否存在温醒现象和/或冷却现象。
一种心动过速属性识别设备,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下步骤:
获取监测的心电图数据,检测所述心电图数据中的QRS波群,识别每个所述QRS波群的波峰点;
将所述QRS波群中相邻波峰点的时间差作为RR间期值,根据所述RR间期值确定所述心电图数据中的心动过速片段;
根据盒计数法依次识别所述心动过速片段中的QRS波群为宽QRS波群或窄QRS波群;
将所述心动过速片段内相邻的两个RR间期值的差值作为RR间期差,当所述RR间期差满足至少一个折返性心动过速条件时,确定所述心动过速片段为折返性心动过速片段,当所述RR间期差满足至少一个自律性心动过速条件时,确定所述心动过速片段为自律性心动过速片段;
当所述心动过速片段为自律性心动过速片段时,根据所述RR间期差判断所述自律性心动过速片段中是否存在温醒现象和/或冷却现象。
本发明提供了心动过速属性的识别方法、装置、设备和介质,通过对心电图数据中的QRS波群进行识别检测,以确定各个QRS波群的波峰点。再基于这些波峰点计算得到RR间期值,从而判断其中的心动过速片段。在心动过速片段中可分别根据盒计数法对其中的宽QRS波群或窄QRS波群进行判断,及判断心动过速片段存在折返性心动过速片段或自律性心动过速片段,以及判断所述自律性心动过速片段中是否存在温醒现象和/或冷却现象。因此,本方案可实现对这些重要的心动过速属性进行识别,可为后续治疗提供有效的信息。
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,对于本领域普通技术人员来讲,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。
其中:
图1为一个实施例中心动过速属性的识别方法的流程示意图;
图2为一个实施例中心电信号采集系统的结构示意图;
图3为一个实施例中心动过速片段内宽QRS波群及窄QRS波群的示意图;
图4为一个实施例中确定RR间期差的示意图;
图5为一个实施例中心电图数据的示意图;
图6为一个实施例中绘制t-RR线钉图的示意图;
图7为一个实施例中t-RR线钉图的示意图;
图8为一个实施例中折返性心动过速的示意图;
图9为一个实施例中自律性心动过速的示意图;
图10为一个实施例中心动过速属性识别装置的结构示意图;
图11为一个实施例中心动过速属性识别设备的结构框图。
具体实施方式
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,都属于本发明保护的范围。
如图1所示,图1为一个实施例中心动过速属性识别方法的流程示意图,该心动过速属性识别方法应用于一心电信号采集系统中,参见图2,图2为一个实施例中心电信号采集系统的结构示意图。如图2所示,该心电信号采集系统包括Holter心电监护携带器和Holter心电分析仪。其中,通过Holter心电监护携带器的传感器(电极)和导联线对人体表面实时变化的心电信号进行采集并将其引入到Holter心电监护携带器中,再经过Mason-Likar导联体系电路的分配后,接驳至8个心电放大器的输入端,经信号放大后经心电放大器的输出端输出模数转换器(A/D),模数转换器将信号量化、数字处理并重建整合形成12个导联通道心电图数据组,存入记录存储器。待24小时监护结束、进行监控数据的分析时,响应于Holter心电分析仪中Holter心电图主分析系统发送的控制指令,Holter心电监护携带器中存储的心电图数据组经心电信号回放连接线被导入到Holter心电图主分析系统中,再经过高通滤波、平滑等数字处理和分析后生成动态心电图报告,最后将报告在显示器或打印机等设备上输出。
本实施例中心动过速属性识别方法提供的步骤包括:
步骤102,获取监测的心电图数据,检测心电图数据中的QRS波群,识别每个QRS波群的波峰点。
具体的,本实施例中通过Holter心电监护携带器监测用户在正常状况下24小时或更长时间的心电信号,再经模数转换器转换为所需的心电图数据并进行存储,在进行心动过速属性识别时从记录存储器中获取所需数据。相较于常规的一次测量心电图,该动态心电图数据的信息更全面,包含的信息量足够多,可在后续识别心动过速属性时提供足够全面的信息特征。
QRS波群反映的是左、右心室除极电位和时间的变化,心电图数据中一般包含多个连续的QRS波群。每个QRS波群中第一个向下的波为Q波,向上的波为R波,接着向下的波是S波,自QRS波群起点至QRS波群终点的时间为QRS时限。根据该QRS波群的基本特征检测心电图数据中的QRS波群。进一步的,QRS波群的波峰点是每个QRS波群中幅值最大的点,根据该特征识别每个QRS波群中的波峰点并进行标示。
在其中一个具体实施例中,先测量QRS波群的振幅,统一采用QRS起始部的水平线作为参考水平线。而如果QRS起始部为一斜段,以QRS波起点作为测量参考点。在测量正向波形的高度时,从参考水平线上缘垂直地测量到波的顶端;在测量负向波形的深度时,从参考水平线下缘垂直地测量到波的底端。然后对QRS波群的振幅做数字处理后将纵坐标电压值换算为便于计算处理的相对幅值。再获取预设的一个基准幅值,在一个QRS波群内,与该基准幅值相差最大的正向值对应的点确定为波峰点,然而基准线可能会出现不同情况的漂移,因此需要根据基准线进行自适应修正。可以以第一个QRS波群起点和第二个QRS波群起点作直线,并计算该直线的斜率。再根据斜率确定不同QRS波群相对基准幅值的漂移值,将每个QRS波群的基准幅值加上相应的漂移值,以得到修正后的修正基准幅值。再计算QRS波群中每个采集点的幅值与对应的修正基准幅值的差,将其中的最大正向差对应的采集点作为QRS波群的波峰点。
在另一个具体实施例中,也可采用活动窗口,使得在一个活动窗口内只包含一个QRS波群,在每一个选定的活动窗口利用斜率变号法确定若干个极值点,然后将窗口内的所有极值点中的最大值点即为R波波峰点。
进一步的,为对用户因呼吸和人体活动所造成的基线漂移、工频干扰和肌电干扰等干扰因子进行降噪处理,从而得到高质量可辨别的心电图数据。在其中一个具体实施例中,还对心电图数据进行高通滤波,以去除相对低频的T波,而保留相对高频的R波。T波的存在会影响R波波峰点的识别,通过进行高通滤波以突出R/T比值(R波幅值与T波幅值的比值),从而使得能更加精确的定位QRS波群的波峰点。
此外,还对心电图数据进行提升小波分解,使得噪声分布在不同的分解子带上,其中,肌电干扰主要分布在第一至第五层小波系数中,工频干扰主要存在于第二层高频系数中,基线漂移主要存在于第八层低频系数中。再根据心电信号和噪声的特点选择合适阈值,用阈值对心电图数据进行重构,以得到去噪后的心电图数据。
步骤104,将QRS波群中相邻波峰点的时间差作为RR间期值,根据RR间期值确定心电图数据中的心动过速片段。
本实施例中的RR间期值是指心电图上两个R波之间的时限。例如波峰点R1的时间点为T1,而前一个波峰点R2的时间点为T2,则波峰点R1与波峰点R2间的RR间期值为T1-T2。同理,若后一个波峰点R3的时间点为T3,则波峰点R1与波峰点R3间的RR间期值为T3-T1。
一般来说,正常的RR间期值应该在0.6-1.0秒之间,小于0.6秒说明出现了心动过速,大于1.0秒说明出现了心动过缓。基于此,将心电图数据中满足持续小于0.6秒的片段作为心动过速片段。
步骤106,根据盒计数法依次识别心动过速片段中的QRS波群为宽QRS波群或窄QRS波群。
其中,宽QRS波群是指QRS波群宽大畸形、时限≥0.12s、频率≥100次/min的波群,以单形性最为常见。由于多形性QRS波群仅限于宽QRS波群,且临床医生易于识别,故不列入讨论范围内。而窄QRS波群是指QRS波形正常、时限<0.12s、频率≥100次/min的波群。示例性的,如图3所示,在虚线aa左侧的为多个宽QRS波群,在虚线aa右侧的为多个窄QRS波群。
在其中一个具体实施例中,盒计数法的实现步骤包括:首先,在心动过速片段内,依次将每个QRS波群用外接矩形框进行框定,该外接矩形框的长为从Q波开始到T波结束,宽由QRS波群的幅值决定。在该外接矩形框内划分预设数量个统计方格,例如80或100个等大的小矩形统计方格。然后统计外接矩形方框内被QRS波群占用的占用方格,即其中存在QRS波群的统计方格。以及统计外接矩形方框内未被QRS波群占用的未占用方格,即其中空白的统计方格。最后计算外接矩形方框内占用方格和未占用方格的方格比值,设定一比值P,当方格比值大于该比值P,确定QRS波群为宽QRS波群,否则确定QRS波群为窄QRS波群。
步骤108,将心动过速片段内相邻的两个RR间期值的差值作为RR间期差,当RR间期差满足至少一个折返性心动过速条件时,确定心动过速片段为折返性心动过速片段,当RR间期差满足至少一个自律性心动过速条件时,确定心动过速片段为自律性心动过速片段。
参见图4,图4为一个实施例中确定RR间期差的示意图。例如计算图4中框选QRS波群的RR间期差,该框选QRS波群的R波峰与其左边QRS波群的RR间期值为891ms,与其右边QRS波群的RR间期值为915ms,则相邻两个RR间期值对应的RR间期差为891-915=-14ms(一般取绝对值为14ms)。
对于折返性心动过速和自律性心动过速来说,两者的区别点主要在于:折返性心动过速发作时的RR间期绝对规整。而与之对应的,自律性心动过速发作时的RR间期不绝对规整。基于此,预先设定多个折返性心动过速条件,当满足其中至少一个折返性心动过速条件时,确定心动过速片段为折返性心动过速片段。同理,预先设定多个自律性心动过速条件,当满足其中至少一个自律性心动过速条件时,确定心动过速片段为自律性心动过速片段。
具体的,折返性心动过速条件包括:当所述RR间期差均小于或等于第一时间阈值时;当连续的大于第一时间阈值的RR间期差的数量小于或等于第一预设数量,且所述RR间期差小于所述第一时间阈值的比例大于第一预设比例时;当所述RR间期差中的最大RR间期差小于第二时间阈值时,确定所述心动过速片段为所述折返性心动过速片段。
经反复大量的心动过速训练样本测试,在其中一个具体应用场景中,折返性心动过速条件包括:(1)整个心动过速片段中的RR间期差均≤15ms;(2)整个心动过速片段中,当连续的在16~29ms内的RR间期差的数量小于或等于2次,且RR间期差<15ms的比例占90%以上;(3)心动过速片段中的最大RR间期差<40ms。当然,对于其中设定的第一时间阈值,第二时间阈值,第一预设数量,第一预设比例等参数可以依据患者的身体差异进行适应性调整。
相对应的,自律性心动过速条件包括:当存在至少一个所述RR间期差大于第三时间阈值时;当连续的大于第一时间阈值的RR间期差的数量大于第一预设数量,且所述RR间期差小于所述第一时间阈值的比例大于第二预设比例时;当所述RR间期差中的最大RR间期差大于第三时间阈值时,确定所述心动过速片段为所述自律性心动过速片段。
在其中一个具体应用场景中,自律性心动过速条件包括:(1)整个心动过速片段中,出现至少1个RR间期差>50ms的情况在;(2)整个心动过速片段中,当连续的在16~29ms内的RR间期差的数量大于2次,且RR间期差<15ms的比例不足40%;(3)心动过速片段中的最大RR间期差>40ms同理,对于其中设定的第三时间阈值,第二预设数量,第二预设比例等参数可以依据患者的身体差异进行适应性调整。
步骤110,当心动过速片段为自律性心动过速片段时,根据RR间期差判断自律性心动过速片段中是否存在温醒现象和/或冷却现象。
进一步的,对于自律性心动过速而言,可能存在“温醒现象”和/或“冷却现象”,而对于折返性心动过速而言,并不存在“温醒现象”和“冷却现象”。例如对于窄QRS心动过速中的自律性房速来说,在自律性心动过速的初始阶段可能存在RR间期逐渐缩短、频率逐渐加快的现象,称之为“温醒现象”;而在心动过速后阶段可能存在终止前RR间期逐渐延长、频率逐渐减慢的现象,称之为“冷却现象”。可见,存在“温醒现象”时RR间期差逐渐减小,存在“冷却现象”时RR间期差逐渐增大。因此当心动过速片段为自律性心动过速片段时,可通过RR间期差对“温醒现象”和“冷却现象”进行进一步识别。
具体的,将相邻R波间的时期作为RR间期,“温醒现象”的判断条件为:当在所述心动过速片段开始后的前第二预设数量个RR间期内,存在连续的第三预设数量个RR间期差大于第四时间阈值时;和/或,当所述心动过速片段开始后的前第四预设数量个RR间期值的均值大于第五时间阈值时,确定所述自律性心动过速片段中存在温醒现象。
在其中一个具体应用场景中,符合下述情况之一的,表明自律性心动过速片段中存在温醒现象:(1)心动过速发作开始后的8个RR间期内,存在连续3个相邻RR间期差>20ms;(2)心动过速发作开始后的5个平均相邻RR间期差值>10ms。同理,对于其中设定的第二预设数量,第三预设数量,第四预设数量,第四时间阈值,第五时间阈值等参数可以依据患者的身体差异进行适应性调整。
相应的,“冷却现象”的判断条件为:当在所述心动过速片段结束前的后第二预设数量个RR间期内,存在连续的第三预设数量个RR间期差小于第四时间阈值时;和/或,当所述心动过速片段结束前的后第四预设数量个RR间期值的均值小于第六时间阈值时,确定所述自律性心动过速片段存在冷却现象。同理,对于其中设定的第六时间阈值可以依据患者的身体差异进行适应性调整。
在一个具体应用场景中国,符合下述情况之一的,表明自律性心动过速片段存在冷却现象:(1)心动过速发作结束前的8个RR间期,存在连续3个相邻RR间期差都<20ms;(2)心动过速发作结束前的5个平均相邻RR间期差的代数和<40ms。
上述心动过速属性的识别方法,通过对心电图数据中的QRS波群进行识别检测,以确定各个QRS波群的波峰点。再基于这些波峰点计算得到RR间期值,从而判断其中的心动过速片段。在心动过速片段中可分别根据盒计数法对其中的宽QRS波群或窄QRS波群进行判断,及判断心动过速片段存在折返性心动过速片段或自律性心动过速片段,以及判断自律性心动过速片段中是否存在温醒现象和/或冷却现象。因此,本方案可实现对这些重要的心动过速属性进行识别,可为后续治疗提供有效的信息。
进一步的,为便于医生查看及分析心电图数据和心动过速属性,基于原始的心电图数据创建t-RR线钉图。参见图5和图6,图5为一个实施例中心电图数据的示意图,图6为一个实施例中绘制t-RR线钉图的示意图。在图5中,在确定波峰点R0,R1,R2,R3……之后,将R0与R1间的RR间期值记作RR1,将R1与R2间的RR间期值记作RR2,同理依次类推。而在图6中,为绘制完整的t-RR线钉图,首先建立t-RR线钉图的坐标轴,其中依照RR间期的时间顺序RR1、RR2、RR3……建立X轴,而依照RR间期值作建立Y轴。然后将不同RR间期对应的离散点在t-RR线钉图中进行标示(实际不包含标示每个离散点向下垂直于X轴的线段,该线段仅用作长度示意说明),再依时间顺序将这些离散点进行连接,以完成对t-RR线钉图的绘制,最后得到的是如图7所示的效果,在图7中也可以以RR间期的时间来标示X轴。
最后,基于步骤104-110中所识别到的心动过速属性,包括心动过速片段中的宽QRS波群和/或窄QRS波群,心动过速片段是自律性心动过速片段还是折返性心动过速片段,是否存在温醒现象和/或冷却现象等,将这些心动过速属性在t-RR线钉图中标示出来,以便医生能更方便的查看及分析。
在其中一个具体实施例中,参见图8,图8为一个实施例中折返性心动过速的示意图。折返机制的宽QRS或窄QRS心动过速,室率快,RR间期短,突发突止,因此在图8中表现为“方坑”形。且发作过程RR间期绝对规整,因此“坑底”齐平。
在另一个具体实施例中,参见图9,图9为一个实施例中自律性心动过速的示意图。自律机制的宽QRS或窄QRS心动过速,虽然也呈现“方坑”形图形,但因发作时RR间期不绝对规整,“坑底”不齐平,抖动程度与RR间期的离散和变异有关。
此外,“温醒现象”和“冷却现象”的自律性房速,会出现“斜下型(温醒现象)”或“斜上型(冷却现象)”的坑底特征。
相较于原始的心电数据图,通过绘制t-RR线钉图并将重要的心动过速属性进行标示,可以更好的便于医生查看及分析心电图数据和心动过速属性。
在一个实施例中,如图10所示,提出了一种心动过速属性识别装置,该装置包括:
波峰点识别模块,用于获取监测的心电图数据,检测心电图数据中的QRS波群,识别每个QRS波群的波峰点;
心动过速片段确定模块,用于将QRS波群中相邻波峰点的时间差作为RR间期值,根据RR间期值确定心电图数据中的心动过速片段;
第一属性识别模块,用于根据盒计数法依次识别心动过速片段中的QRS波群为宽QRS波群或窄QRS波群;
第二属性识别模块,用于将心动过速片段内相邻的两个RR间期值的差值作为RR间期差,当RR间期差满足至少一个折返性心动过速条件时,确定心动过速片段为折返性心动过速片段,当RR间期差满足至少一个自律性心动过速条件时,确定心动过速片段为自律性心动过速片段;
第三属性识别模块,用于当心动过速片段为自律性心动过速片段时,根据RR间期差判断自律性心动过速片段中是否存在温醒现象和/或冷却现象。
上述心动过速属性识别装置,通过对心电图数据中的QRS波群进行识别检测,以确定各个QRS波群的波峰点。再基于这些波峰点计算得到RR间期值,从而判断其中的心动过速片段。在心动过速片段中可分别根据盒计数法对其中的宽QRS波群或窄QRS波群进行判断,及判断心动过速片段存在折返性心动过速片段或自律性心动过速片段,以及判断自律性心动过速片段中是否存在温醒现象和/或冷却现象。因此,本方案可实现对这些重要的心动过速属性进行识别,可为后续治疗提供有效的信息。
在一个实施例中,第一属性识别模块,具体用于:依次将心动过速片段内的每个QRS波群用外接矩形框进行框定,在外接矩形框内划分预设数量个统计方格,统计外接矩形方框内被QRS波群占用的占用方格,及未被QRS波群占用的未占用方格;计算外接矩形方框内占用方格和未占用方格的方格比值,根据方格比值确定每个QRS波群为宽QRS波群或窄QRS波群。
在一个实施例中,第二属性识别模块,具体用于:当RR间期差均小于或等于第一时间阈值时;和/或,当连续的大于第一时间阈值的RR间期差的数量小于或等于第一预设数量,且RR间期差小于第一时间阈值的比例大于第一预设比例时;和/或,当RR间期差中的最大RR间期差小于第二时间阈值时,确定心动过速片段为折返性心动过速片段;当RR间期差满足至少一个自律性心动过速条件时,确定心动过速片段为自律性心动过速片段,包括:当存在至少一个RR间期差大于第三时间阈值时;和/或,当连续的大于第一时间阈值的RR间期差的数量大于第一预设数量,且RR间期差小于第一时间阈值的比例大于第二预设比例时;和/或,当RR间期差中的最大RR间期差大于第三时间阈值时,确定心动过速片段为自律性心动过速片段。
在一个实施例中,第三属性识别模块,具体用于:当在心动过速片段开始后的前第二预设数量个RR间期内,存在连续的第三预设数量个RR间期差大于第四时间阈值时;和/或,当心动过速片段开始后的前第四预设数量个RR间期值的均值大于第五时间阈值时,确定自律性心动过速片段中存在温醒现象;当在心动过速片段结束前的后第二预设数量个RR间期内,存在连续的第三预设数量个RR间期差小于第四时间阈值时;和/或,当心动过速片段结束前的后第四预设数量个RR间期值的均值小于第六时间阈值时,确定自律性心动过速片段存在冷却现象。
在一个实施例中,心动过速属性识别装置还包括:线钉图绘制模块,用于建立t-RR线钉图的坐标轴,以RR间期的时间顺序作为坐标轴的X轴,以RR间期值作为坐标轴的Y轴;将不同RR间期对应的离散点在t-RR线钉图中进行标示,依时间顺序将离散点进行连接;将识别到的心动过速属性在t-RR线钉图中进行标示。
在一个实施例中,波峰点识别模块,具体用于:对心电图数据进行高通滤波及提升小波分解,根据分解后不同尺度上的心电图数据和心电图数据对应的噪声选择阈值;根据阈值对心电图数据进行重构,以得到去噪后的心电图数据。
在一个实施例中,波峰点识别模块,还具体用于:获取基准幅值,根据每个QRS波群的基准线对基准幅值进行修正,获取每个QRS波群的修正基准幅值;计算QRS波群中每个采集点的幅值与对应的修正基准幅值的差,将其中的最大正向差对应的采集点作为QRS波群的波峰点。
图11示出了一个实施例中心动过速属性识别设备的内部结构图。如图11所示,该心动过速属性识别设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该心动过速属性识别设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现心动过速属性的识别方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行心动过速属性的识别方法。本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的心动过速属性识别设备的限定,具体的心动过速属性识别设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
一种心动过速属性识别设备,包括存储器、处理器以及存储在该存储器中并可在该处理器上执行的计算机程序,该处理器执行该计算机程序时实现如下步骤:获取监测的心电图数据,检测心电图数据中的QRS波群,识别每个QRS波群的波峰点;将QRS波群中相邻波峰点的时间差作为RR间期值,根据RR间期值确定心电图数据中的心动过速片段;根据盒计数法依次识别心动过速片段中的QRS波群为宽QRS波群或窄QRS波群;将心动过速片段内相邻的两个RR间期值的差值作为RR间期差,当RR间期差满足至少一个折返性心动过速条件时,确定心动过速片段为折返性心动过速片段,当RR间期差满足至少一个自律性心动过速条件时,确定心动过速片段为自律性心动过速片段;当心动过速片段为自律性心动过速片段时,根据RR间期差判断自律性心动过速片段中是否存在温醒现象和/或冷却现象。
在一个实施例中,根据盒计数法依次识别心动过速片段中的QRS波群为宽QRS波群或窄QRS波群,包括:依次将心动过速片段内的每个QRS波群用外接矩形框进行框定,在外接矩形框内划分预设数量个统计方格,统计外接矩形方框内被QRS波群占用的占用方格,及未被QRS波群占用的未占用方格;计算外接矩形方框内占用方格和未占用方格的方格比值,根据方格比值确定每个QRS波群为宽QRS波群或窄QRS波群。
在一个实施例中,当RR间期差满足至少一个折返性心动过速条件时,确定心动过速片段为折返性心动过速片段,包括:当RR间期差均小于或等于第一时间阈值时;和/或,当连续的大于第一时间阈值的RR间期差的数量小于或等于第一预设数量,且RR间期差小于第一时间阈值的比例大于第一预设比例时;和/或,当RR间期差中的最大RR间期差小于第二时间阈值时,确定心动过速片段为折返性心动过速片段;当RR间期差满足至少一个自律性心动过速条件时,确定心动过速片段为自律性心动过速片段,包括:当存在至少一个RR间期差大于第三时间阈值时;和/或,当连续的大于第一时间阈值的RR间期差的数量大于第一预设数量,且RR间期差小于第一时间阈值的比例大于第二预设比例时;和/或,当RR间期差中的最大RR间期差大于第三时间阈值时,确定心动过速片段为自律性心动过速片段。
在一个实施例中,根据RR间期差判断自律性心动过速片段中是否存在温醒现象和/或冷却现象,包括:当在心动过速片段开始后的前第二预设数量个RR间期内,存在连续的第三预设数量个RR间期差大于第四时间阈值时;和/或,当心动过速片段开始后的前第四预设数量个RR间期值的均值大于第五时间阈值时,确定自律性心动过速片段中存在温醒现象;当在心动过速片段结束前的后第二预设数量个RR间期内,存在连续的第三预设数量个RR间期差小于第四时间阈值时;和/或,当心动过速片段结束前的后第四预设数量个RR间期值的均值小于第六时间阈值时,确定自律性心动过速片段存在冷却现象。
在一个实施例中,在根据RR间期差判断自律性心动过速片段中是否存在温醒现象和/或冷却现象之后,还包括:建立t-RR线钉图的坐标轴,以RR间期的时间顺序作为坐标轴的X轴,以RR间期值作为坐标轴的Y轴;将不同RR间期对应的离散点在t-RR线钉图中进行标示,依时间顺序将离散点进行连接;将识别到的心动过速属性在t-RR线钉图中进行标示。
在一个实施例中,在检测心电图数据中的QRS波群,识别每个QRS波群的波峰点之前,还包括:对心电图数据进行高通滤波及提升小波分解,根据分解后不同尺度上的心电图数据和心电图数据对应的噪声选择阈值;根据阈值对心电图数据进行重构,以得到去噪后的心电图数据。
在一个实施例中,识别每个QRS波群的波峰点,包括:获取基准幅值,根据每个QRS波群的基准线对基准幅值进行修正,获取每个QRS波群的修正基准幅值;计算QRS波群中每个采集点的幅值与对应的修正基准幅值的差,将其中的最大正向差对应的采集点作为QRS波群的波峰点。
一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现如下步骤:获取监测的心电图数据,检测心电图数据中的QRS波群,识别每个QRS波群的波峰点;将QRS波群中相邻波峰点的时间差作为RR间期值,根据RR间期值确定心电图数据中的心动过速片段;根据盒计数法依次识别心动过速片段中的QRS波群为宽QRS波群或窄QRS波群;将心动过速片段内相邻的两个RR间期值的差值作为RR间期差,当RR间期差满足至少一个折返性心动过速条件时,确定心动过速片段为折返性心动过速片段,当RR间期差满足至少一个自律性心动过速条件时,确定心动过速片段为自律性心动过速片段;当心动过速片段为自律性心动过速片段时,根据RR间期差判断自律性心动过速片段中是否存在温醒现象和/或冷却现象。
在一个实施例中,根据盒计数法依次识别心动过速片段中的QRS波群为宽QRS波群或窄QRS波群,包括:依次将心动过速片段内的每个QRS波群用外接矩形框进行框定,在外接矩形框内划分预设数量个统计方格,统计外接矩形方框内被QRS波群占用的占用方格,及未被QRS波群占用的未占用方格;计算外接矩形方框内占用方格和未占用方格的方格比值,根据方格比值确定每个QRS波群为宽QRS波群或窄QRS波群。
在一个实施例中,当RR间期差满足至少一个折返性心动过速条件时,确定心动过速片段为折返性心动过速片段,包括:当RR间期差均小于或等于第一时间阈值时;和/或,当连续的大于第一时间阈值的RR间期差的数量小于或等于第一预设数量,且RR间期差小于第一时间阈值的比例大于第一预设比例时;和/或,当RR间期差中的最大RR间期差小于第二时间阈值时,确定心动过速片段为折返性心动过速片段;当RR间期差满足至少一个自律性心动过速条件时,确定心动过速片段为自律性心动过速片段,包括:当存在至少一个RR间期差大于第三时间阈值时;和/或,当连续的大于第一时间阈值的RR间期差的数量大于第一预设数量,且RR间期差小于第一时间阈值的比例大于第二预设比例时;和/或,当RR间期差中的最大RR间期差大于第三时间阈值时,确定心动过速片段为自律性心动过速片段。
在一个实施例中,根据RR间期差判断自律性心动过速片段中是否存在温醒现象和/或冷却现象,包括:当在心动过速片段开始后的前第二预设数量个RR间期内,存在连续的第三预设数量个RR间期差大于第四时间阈值时;和/或,当心动过速片段开始后的前第四预设数量个RR间期值的均值大于第五时间阈值时,确定自律性心动过速片段中存在温醒现象;当在心动过速片段结束前的后第二预设数量个RR间期内,存在连续的第三预设数量个RR间期差小于第四时间阈值时;和/或,当心动过速片段结束前的后第四预设数量个RR间期值的均值小于第六时间阈值时,确定自律性心动过速片段存在冷却现象。
在一个实施例中,在根据RR间期差判断自律性心动过速片段中是否存在温醒现象和/或冷却现象之后,还包括:建立t-RR线钉图的坐标轴,以RR间期的时间顺序作为坐标轴的X轴,以RR间期值作为坐标轴的Y轴;将不同RR间期对应的离散点在t-RR线钉图中进行标示,依时间顺序将离散点进行连接;将识别到的心动过速属性在t-RR线钉图中进行标示。
在一个实施例中,在检测心电图数据中的QRS波群,识别每个QRS波群的波峰点之前,还包括:对心电图数据进行高通滤波及提升小波分解,根据分解后不同尺度上的心电图数据和心电图数据对应的噪声选择阈值;根据阈值对心电图数据进行重构,以得到去噪后的心电图数据。
在一个实施例中,识别每个QRS波群的波峰点,包括:获取基准幅值,根据每个QRS波群的基准线对基准幅值进行修正,获取每个QRS波群的修正基准幅值;计算QRS波群中每个采集点的幅值与对应的修正基准幅值的差,将其中的最大正向差对应的采集点作为QRS波群的波峰点。
需要说明的是,上述心动过速属性的识别方法、装置、设备及计算机可读存储介质属于一个总的发明构思,心动过速属性的识别方法、装置、设备及计算机可读存储介质实施例中的内容可相互适用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种心动过速属性的识别方法,其特征在于,所述方法包括:
获取监测的心电图数据,检测所述心电图数据中的QRS波群,识别每个所述QRS波群的波峰点;
将所述QRS波群中相邻波峰点的时间差作为RR间期值,根据所述RR间期值确定所述心电图数据中的心动过速片段;
根据盒计数法依次识别所述心动过速片段中的QRS波群为宽QRS波群或窄QRS波群;
将所述心动过速片段内相邻的两个RR间期值的差值作为RR间期差,当所述RR间期差满足至少一个折返性心动过速条件时,确定所述心动过速片段为折返性心动过速片段,当所述RR间期差满足至少一个自律性心动过速条件时,确定所述心动过速片段为自律性心动过速片段;
当所述心动过速片段为自律性心动过速片段时,根据所述RR间期差判断所述自律性心动过速片段中是否存在温醒现象和/或冷却现象;
其中,所述根据盒计数法依次识别所述心动过速片段中的QRS波群为宽QRS波群或窄QRS波群,包括:依次将所述心动过速片段内的每个所述QRS波群用外接矩形框进行框定,在所述外接矩形框内划分预设数量个统计方格,统计所述外接矩形框内被所述QRS波群占用的占用方格,及未被所述QRS波群占用的未占用方格;计算所述外接矩形框内所述占用方格和所述未占用方格的方格比值,根据所述方格比值确定每个所述QRS波群为所述宽QRS波群或窄所述QRS波群;
所述当所述RR间期差满足至少一个折返性心动过速条件时,确定所述心动过速片段为折返性心动过速片段,包括:当所述RR间期差均小于或等于第一时间阈值时;和/或,当连续的大于第一时间阈值的RR间期差的数量小于或等于第一预设数量,且所述RR间期差小于所述第一时间阈值的比例大于第一预设比例时;和/或,当所述RR间期差中的最大RR间期差小于第二时间阈值时,确定所述心动过速片段为所述折返性心动过速片段;
所述当所述RR间期差满足至少一个自律性心动过速条件时,确定所述心动过速片段为自律性心动过速片段,包括:当存在至少一个所述RR间期差大于第三时间阈值时;和/或,当连续的大于第一时间阈值的RR间期差的数量大于第一预设数量,且所述RR间期差小于所述第一时间阈值的比例大于第二预设比例时;和/或,当所述RR间期差中的最大RR间期差大于第三时间阈值时,确定所述心动过速片段为所述自律性心动过速片段。
2.根据权利要求1所述的识别方法,其特征在于,RR间期为相邻R波间的时期,所述根据所述RR间期差判断所述自律性心动过速片段中是否存在温醒现象和/或冷却现象,包括:
当在所述心动过速片段开始后的前第二预设数量个RR间期内,存在连续的第三预设数量个RR间期差大于第四时间阈值时;和/或,
当所述心动过速片段开始后的前第四预设数量个RR间期值的均值大于第五时间阈值时,确定所述自律性心动过速片段中存在温醒现象;
当在所述心动过速片段结束前的后第二预设数量个RR间期内,存在连续的第三预设数量个RR间期差小于第四时间阈值时;和/或,
当所述心动过速片段结束前的后第四预设数量个RR间期值的均值小于第六时间阈值时,确定所述自律性心动过速片段存在冷却现象。
3.根据权利要求1所述的识别方法,其特征在于,在所述根据所述RR间期差判断所述自律性心动过速片段中是否存在温醒现象和/或冷却现象之后,还包括:
建立t-RR线钉图的坐标轴,以RR间期的时间顺序作为所述坐标轴的X轴,以所述RR间期值作为所述坐标轴的Y轴;
将不同RR间期对应的离散点在所述t-RR线钉图中进行标示,依时间顺序将所述离散点进行连接;
将识别到的心动过速属性在所述t-RR线钉图中进行标示。
4.根据权利要求1所述的识别方法,其特征在于,在所述检测所述心电图数据中的QRS波群,识别每个所述QRS波群的波峰点之前,还包括:
对所述心电图数据进行高通滤波及提升小波分解,根据分解后不同尺度上的心电图数据和心电图数据对应的噪声选择阈值;
根据所述阈值对所述心电图数据进行重构,以得到去噪后的心电图数据。
5.根据权利要求1所述的识别方法,其特征在于,所述识别每个所述QRS波群的波峰点,包括:
获取基准幅值,根据每个所述QRS波群的基准线对所述基准幅值进行修正,获取每个所述QRS波群的修正基准幅值;
计算所述QRS波群中每个采集点的幅值与对应的所述修正基准幅值的差,将其中的最大正向差对应的采集点作为所述QRS波群的波峰点。
6.一种心动过速属性识别装置,其特征在于,所述装置包括:
波峰点识别模块,用于获取监测的心电图数据,检测所述心电图数据中的QRS波群,识别每个所述QRS波群的波峰点;
心动过速片段确定模块,用于将所述QRS波群中相邻波峰点的时间差作为RR间期值,根据所述RR间期值确定所述心电图数据中的心动过速片段;
第一属性识别模块,用于根据盒计数法依次识别所述心动过速片段中的QRS波群为宽QRS波群或窄QRS波群;
第二属性识别模块,用于将所述心动过速片段内相邻的两个RR间期值的差值作为RR间期差,当所述RR间期差满足至少一个折返性心动过速条件时,确定所述心动过速片段为折返性心动过速片段,当所述RR间期差满足至少一个自律性心动过速条件时,确定所述心动过速片段为自律性心动过速片段;
第三属性识别模块,用于当所述心动过速片段为自律性心动过速片段时,根据所述RR间期差判断所述自律性心动过速片段中是否存在温醒现象和/或冷却现象;
其中,第一属性识别模块,具体用于:依次将所述心动过速片段内的每个所述QRS波群用外接矩形框进行框定,在所述外接矩形框内划分预设数量个统计方格,统计所述外接矩形框内被所述QRS波群占用的占用方格,及未被所述QRS波群占用的未占用方格;计算所述外接矩形框内所述占用方格和所述未占用方格的方格比值,根据所述方格比值确定每个所述QRS波群为所述宽QRS波群或窄所述QRS波群;
所述第二属性识别模块,具体用于:当所述RR间期差均小于或等于第一时间阈值时;和/或,当连续的大于第一时间阈值的RR间期差的数量小于或等于第一预设数量,且所述RR间期差小于所述第一时间阈值的比例大于第一预设比例时;和/或,当所述RR间期差中的最大RR间期差小于第二时间阈值时,确定所述心动过速片段为所述折返性心动过速片段;及当存在至少一个所述RR间期差大于第三时间阈值时;和/或,当连续的大于第一时间阈值的RR间期差的数量大于第一预设数量,且所述RR间期差小于所述第一时间阈值的比例大于第二预设比例时;和/或,当所述RR间期差中的最大RR间期差大于第三时间阈值时,确定所述心动过速片段为所述自律性心动过速片段。
7.一种计算机可读存储介质,存储有计算机程序,其特征在于,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5中任一项所述方法的步骤。
8.一种心动过速属性识别设备,包括存储器和处理器,其特征在于,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5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110284471.XA CN113080995B (zh) | 2021-03-17 | 2021-03-17 | 心动过速属性的识别方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110284471.XA CN113080995B (zh) | 2021-03-17 | 2021-03-17 | 心动过速属性的识别方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113080995A CN113080995A (zh) | 2021-07-09 |
CN113080995B true CN113080995B (zh) | 2024-02-02 |
Family
ID=76668652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110284471.XA Active CN113080995B (zh) | 2021-03-17 | 2021-03-17 | 心动过速属性的识别方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113080995B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5755737A (en) * | 1996-12-13 | 1998-05-26 | Medtronic, Inc. | Method and apparatus for diagnosis and treatment of arrhythmias |
EP0879621A2 (de) * | 1997-05-07 | 1998-11-25 | BIOTRONIK Mess- und Therapiegeräte GmbH & Co Ingenieurbüro Berlin | Vorrichtung zum Nachweis ventrikulärer Tachykardie |
CN104586383A (zh) * | 2015-01-12 | 2015-05-06 | 北京世纪今科医疗器械有限公司 | 一种心电波形分类方法及装置 |
WO2019100565A1 (zh) * | 2017-11-27 | 2019-05-31 | 乐普(北京)医疗器械股份有限公司 | 基于人工智能自学习的动态心电图分析方法和装置 |
CN110477905A (zh) * | 2019-07-05 | 2019-11-22 | 深圳邦健生物医疗设备股份有限公司 | 宽qrs波群心动过速的识别方法、装置、设备及可读介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040249420A1 (en) * | 1996-05-14 | 2004-12-09 | Medtronic, Inc. | Prioritized rule based method and apparatus for diagnosis and treatment of arrhythmias |
US6748269B2 (en) * | 2001-10-17 | 2004-06-08 | Cardiac Pacemakers, Inc. | Algorithm for discrimination of 1:1 tachycardias |
US7123954B2 (en) * | 2002-09-19 | 2006-10-17 | Sanjiv Mathur Narayan | Method for classifying and localizing heart arrhythmias |
US8019407B2 (en) * | 2008-10-24 | 2011-09-13 | Biotronik Crm Patent Ag | Heart monitoring device and method |
WO2013049156A1 (en) * | 2011-09-26 | 2013-04-04 | President And Fellows Of Harvard College | Quantitative methods and systems for neurological assessment |
US9986932B2 (en) * | 2014-11-17 | 2018-06-05 | Medtronic Monitoring, Inc. | QT interval determination methods and related devices |
WO2016170379A1 (en) * | 2015-04-20 | 2016-10-27 | Medtronic, Inc. | Method and medical device for discriminating between a supraventricular tachycardia and a ventricular tachycardia |
US11771360B2 (en) * | 2019-08-22 | 2023-10-03 | West Affum Holdings Dac | Cardiac monitoring system with normally conducted QRS complex identification |
-
2021
- 2021-03-17 CN CN202110284471.XA patent/CN113080995B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5755737A (en) * | 1996-12-13 | 1998-05-26 | Medtronic, Inc. | Method and apparatus for diagnosis and treatment of arrhythmias |
EP0879621A2 (de) * | 1997-05-07 | 1998-11-25 | BIOTRONIK Mess- und Therapiegeräte GmbH & Co Ingenieurbüro Berlin | Vorrichtung zum Nachweis ventrikulärer Tachykardie |
CN104586383A (zh) * | 2015-01-12 | 2015-05-06 | 北京世纪今科医疗器械有限公司 | 一种心电波形分类方法及装置 |
WO2019100565A1 (zh) * | 2017-11-27 | 2019-05-31 | 乐普(北京)医疗器械股份有限公司 | 基于人工智能自学习的动态心电图分析方法和装置 |
CN110477905A (zh) * | 2019-07-05 | 2019-11-22 | 深圳邦健生物医疗设备股份有限公司 | 宽qrs波群心动过速的识别方法、装置、设备及可读介质 |
Non-Patent Citations (3)
Title |
---|
基于MF-DFA和MF-SSA的心脏病理时间序列分析;谢佳兴;中国优秀硕士学位论文全文数据库 医药卫生科技辑(第4期);全文 * |
基于分形盒维数检测QRS波群定位方法;罗小刚;重庆大学学报;第26卷(第12期);第51-54页 * |
疑似病毒性心肌炎儿童频发房性期前收缩的近期随访;马兰芳;中国优秀硕士学位论文全文数据库 医药卫生科技辑(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113080995A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5193222B2 (ja) | 改良された自動セグメント分割を含む生物医学信号解析方法 | |
JP6072005B2 (ja) | 信号の加算平均 | |
CN108294745B (zh) | 多导联心电图信号中p波、t波起止点检测方法及系统 | |
DE19638738B4 (de) | Verfahren zur Gewinnung einer diagnostischen Aussage aus Signalen und Daten medizinischer Sensorsysteme | |
CN109820501B (zh) | 一种心电信号r波的识别方法、装置、计算机设备 | |
US11253204B2 (en) | Method for assessing electrocardiogram signal quality | |
CN102485172B (zh) | T波的峰值点检测方法和系统 | |
CN113786200B (zh) | 心电信号处理方法、装置、设备及可读介质 | |
Li et al. | Probability density distribution of delta RR intervals: a novel method for the detection of atrial fibrillation | |
CN114732419A (zh) | 运动心电数据分析方法、装置、计算机设备与存储介质 | |
Agostinelli et al. | Statistical baseline assessment in cardiotocography | |
CN109044347B (zh) | 识别心电波图像交界性逸搏方法、装置、系统和电子设备 | |
CN111557662A (zh) | 癫痫间期脑电信号的处理方法、装置、存储介质及设备 | |
CN113080995B (zh) | 心动过速属性的识别方法、装置、设备和介质 | |
WO2019100564A1 (zh) | 检测报告数据生成方法 | |
WO2003015607A2 (en) | A method and system for analyzing an electrocardiographic signal | |
CN109259750B (zh) | 心率计算方法、装置、计算机设备和存储介质 | |
EP3871594A1 (en) | Method and apparatus for analyzing electrocardio signal, and signal recorder and three-dimensional mapping system | |
CN113499080B (zh) | R波检测方法、装置、设备和介质 | |
Vega-Martínez et al. | Wavelet packet based algorithm for QRS region detection and R/S wave identification | |
CN113191249B (zh) | 心电信号的模板匹配方法、装置、设备和介质 | |
CN113749665B (zh) | 异常指标的捕捉方法、装置、设备和介质 | |
CN113812962A (zh) | 心电节律分类神经网络构建方法、系统及存储介质 | |
JP2001504722A (ja) | 哺乳動物の心臓の生理学的状態の統計学的マッピング | |
CN108836312B (zh) | 一种基于人工智能的进行杂波剔除的方法及系统 |
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 |