CN113647903B - 一种报警切换方法 - Google Patents
一种报警切换方法 Download PDFInfo
- Publication number
- CN113647903B CN113647903B CN202010401582.XA CN202010401582A CN113647903B CN 113647903 B CN113647903 B CN 113647903B CN 202010401582 A CN202010401582 A CN 202010401582A CN 113647903 B CN113647903 B CN 113647903B
- Authority
- CN
- China
- Prior art keywords
- data
- coefficient
- alarm
- ecg
- 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
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
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明实施例涉及一种报警切换方法,所述方法包括:获取第一ECG数据;根据第一数量阈值和第一ECG数据,进行心搏间期差值数据序列系数计算处理,生成第一系数;当第一系数超出一级报警系数阈值时,进行一级报警处理;获取第二ECG数据;根据第一数量阈值和第二ECG数据,进行心搏间期差值数据序列系数计算处理,生成第二系数;当第二系数超出一级报警系数阈值时,根据第二数量阈值和第二ECG数据,进行心搏间期差值数据序列系数计算处理,生成第三系数;当第三系数超出二级报警系数阈值时,进行二级报警处理。本发明解决了常规心电监护设备不能自动切换报警级别的问题,增强了心电监护设备的自适应报警能力。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种报警切换方法。
背景技术
心电监护设备是一种能识别心电图(electrocardiogram,ECG)信号异常并报警的设备。ECG信号,有3部分典型波形:P波、QRS波群(由Q波、R波和S波组成)和T波。其中,QRS波群是最具特征性的波形,其较高的幅值(最大幅值点为R波峰值点,称为R点)使得QRS波群相较于P波和T波来说显得更容易识别。在ECG信号中,相邻R点的时间间隔被具体视为一个心动周期时间,称之为心搏间期。连续多个心搏间期数据组成的序列称之为心搏间期数据序列,它的差分序列为心搏间期差值数据序列。
心电监护设备使用心搏间期差值数据序列计算一个对应的心搏间期差值数据序列系数,在心搏间期差值数据序列系数超过设定级别的报警系数阈值时,心电监护设备认为ECG信号发生异常并根据级别报警。常规的心电监护设备可以自动报警,但各个报警之间是独立的,如果需要对报警级别进行升降切换就得依靠人工手动操作。
发明内容
本发明的目的,就是针对现有技术的缺陷,提供一种报警切换方法、电子设备及可读存储介质,解决了常规心电监护设备不能自动切换报警级别的问题,增强了心电监护设备的自适应报警能力。
为实现上述目的,本发明实施例第一方面提供了一种报警切换方法,所述方法包括:
获取第一ECG数据;
根据第一数量阈值和所述第一ECG数据,进行心搏间期差值数据序列系数计算处理,生成第一系数;
当所述第一系数大于或等于一级报警系数阈值时,进行一级报警处理;
获取第二ECG数据;
根据所述第一数量阈值和所述第二ECG数据,进行心搏间期差值数据序列系数计算处理,生成第二系数;
当所述第二系数大于或等于所述一级报警系数阈值时,根据第二数量阈值和所述第二ECG数据,进行心搏间期差值数据序列系数计算处理,生成第三系数;所述第二数量阈值大于所述第一数量阈值;
当所述第三系数大于或等于二级报警系数阈值时,进行二级报警处理;所述二级报警系数阈值大于所述一级报警系数阈值。
优选的,所述根据第一数量阈值和所述第一ECG数据,进行心搏间期差值数据序列系数计算处理,生成第一系数,具体包括:
从所述第一ECG数据中,依次提取QRS波群数据,生成QRS波群数据序列;所述第一ECG数据包括多个所述QRS波群数据;所述QRS波群数据包括Q点数据、R点数据和S点数据;
从所述QRS波群数据序列中,依次提取所述QRS波群数据的所述R点数据,生成R点数据序列;
对所述R点数据序列中相邻的所述R点数据,进行绝对差值计算处理,生成心搏间期数据,由所述心搏间期数据组成心搏间期数据序列;
对所述心搏间期数据序列中相邻的所述心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,由所述心搏间期差值数据组成所述心搏间期差值数据序列;
对所述心搏间期差值数据序列末尾的所述第一数量阈值个所述心搏间期差值数据,进行求和处理,生成所述第一系数。
优选的,所述方法还包括:
所述第二系数小于所述一级报警系数阈值时,如果一级报警处理仍在执行中,则停止执行一级报警处理。
优选的,所述方法还包括:
所述第三系数小于所述二级报警系数阈值时,进行一级报警处理。
优选的,所述方法还包括:
所述第三系数大于或等于所述二级报警系数阈值时,在进行二级报警处理之前,如果一级报警处理仍在执行中应停止执行一级报警处理。
本发明实施例第二方面提供了一种电子设备,包括:存储器、处理器和收发器;
所述处理器用于与所述存储器耦合,读取并执行所述存储器中的指令,以实现上述第一方面所述的方法步骤;
所述收发器与所述处理器耦合,由所述处理器控制所述收发器进行消息收发。
本发明实施例第三方面提供了一种计算机程序产品,所述计算机程序产品包括计算机程序代码,当所述计算机程序代码被计算机执行时,使得所述计算机执行上述第一方面所述的方法。
本发明实施例第四方面提供了一种计算机可读存储介质,所述计算机存储介质存储有计算机指令,当所述计算机指令被计算机执行时,使得所述计算机执行上述第一方面所述的方法的指令。
本发明实施例提供的一种报警切换方法、电子设备及可读存储介质,解决了常规心电监护设备不能自动切换报警级别的问题,增强了心电监护设备的自适应报警能力。
附图说明
图1为本发明实施例一提供的一种报警切换方法示意图;
图2为本发明实施例一提供的ECG信号示意图;
图3为本发明实施例二提供的一种报警切换方法示意图;
图4为本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例一的一种报警切换方法,首先获取ECG数据,该ECG数据的心搏间期差值数据序列系数超过一级报警系数阈值则激活一级报警;在执行了一级报警之后,继续获取ECG数据并对新获取的ECG数据的心搏间期差值数据序列系数继续判断,如果心搏间期差值数据序列系数低于一级报警系数阈值时停止报警,如果心搏间期差值数据序列系数在一级报警系数阈值与二级报警系数阈值之间则保持一级报警,如果心搏间期差值数据序列系数超过一级报警系数阈值则激活二级报警。使用本发明,在持续的心电监护过程中如果ECG数据出现异常可以自动报警,如果ECG数据异常消除可以自动消除报警,如果ECG数据异常加剧可以自动升级报警,解决了常规心电监护设备不能自动切换报警级别的问题,增强了心电监护设备的自适应报警能力。
如图1为本发明实施例一提供的一种报警切换方法示意图所示,本方法主要包括如下步骤:
步骤1,获取第一EGG数据。
具体的:心电监护设备每隔第一间隔时间,从本地缓存区保存的ECG持续采集数据中,提取第一时间长度的最新ECG数据,做为第一ECG数据。
此处,心电监护设备具体为满足本发明实施例功能的终端设备或服务器;第一间隔时间为心电监护设备获取ECG数据的间隔时间,第一时间长度为提取的ECG数据的时间长度,具体取值由心电监护设备进行设置;ECG持续采集数据可以为心电监护设备自行采集的ECG数据,也可以是心电监护设备通过连接其他采集设备或服务器获得的ECG数据。
例如,第一间隔时间为3秒,第一时间长度为30秒,则:心电监护设备每隔3秒,从本地缓存区保存的ECG持续采集数据中,提取出一段最新的长度为30秒的ECG数据,做为第一ECG数据。
步骤2,根据第一数量阈值和第一ECG数据,进行心搏间期差值数据序列系数计算处理,生成第一系数;
具体包括:步骤21,从第一ECG数据中,依次提取QRS波群数据,生成QRS波群数据序列;
其中,第一ECG数据包括多个QRS波群数据;QRS波群数据包括Q点数据、R点数据和S点数据;
此处,如图2为本发明实施例一提供的ECG信号示意图所示,QRS波群是ECG信号中最具特征性的波形,其较高的幅值(最大幅值点为R波峰值点,称为R点)使得QRS波群相较于P波和T波来说显得更容易识别,所以在识别心动周期的时候,一般都以QRS波群的R点为参考点;这里,心电监护设备就是在具体提取R点之前,先将QRS波群从ECG数据中提取出来;
例如,第一ECG数据为一段30秒ECG数据,其中包括了M个QRS波群,这里M为大于0的整数,则QRS波群数据序列包括M个QRS波群数据;
步骤22,从QRS波群数据序列中,依次提取QRS波群数据的R点数据,生成R点数据序列;
此处,在QRS波群中R点是幅值最大点,从QRS波群数据序列中选择幅值最大的做为R点,并提取对应的时间数据就可以得到R点数据;
例如,QRS波群数据序列包括了M个QRS波群数据,则可以提取出M个R点数据,R点数据序列应为R点数据序列{R1,R2…RM};其中,R1、R2,依次类推,RM分别为具体的一个R点数据;
步骤23,对R点数据序列中相邻的R点数据,进行绝对差值计算处理,生成心搏间期数据,由心搏间期数据组成心搏间期数据序列;
例如,R点数据序列{R1,R2…RM},则心搏间期数据序列应为心搏间期数据序列{RR1,RR2…RRM-1},其中RR1=abs(R2-R1),RR2=abs(R3-R2),依次类推,RRM-1=abs(RM-RM-1)分别为具体的一个心搏间期数据,这里abs()为取绝对值的函数;
步骤24,对心搏间期数据序列中相邻的心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,由心搏间期差值数据组成心搏间期差值数据序列;
例如,心搏间期数据序列{RR1,RR2…RRM-1},则心搏间期差值数据序列应为心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRM-2},其中ΔRR1=abs(RR2-RR1),ΔRR2=abs(RR3-RR2),依次类推,ΔRRM-2=abs(RRM-1-RRM-2)分别为具体的一个心搏间期差值数据;
步骤25,对心搏间期差值数据序列末尾的第一数量阈值个心搏间期差值数据,进行求和处理,生成第一系数。
此处,在计算心搏间期差值数据序列系数时,指定从心搏间期差值数据序列的末端,提取出固定数量的心搏间期差值数据来进行计算,这样计算出来的心搏间期差值数据序列系数总能反映心搏周期的最新变化;该固定数量一般为30或者60,表示计算的心搏间期差值数据序列系数与最新的31次或61次心搏周期有关,也可以按应用需求被修改;这里的第一数量阈值,即为该固定数量;
例如,心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRM-2},第一数量阈值为i,则第一系数=ΔRR(M-2)-i+1+ΔRR(M-2)-i+2+…+ΔRR(M-2)-i+i,这里i为大于0的整数。
步骤3,判断第一系数是否大于或等于一级报警系数阈值,如果第一系数小于一级报警系数阈值转至步骤1,如果第一系数大于或等于一级报警系数阈值转至步骤4。
此处,在人们处于健康状态时,心搏间期数据不会出现过大差异,针对心搏间期差值数据有一个默认的异常阈值,如果连续多个心搏间期差值数据都超过这个异常阈值就需要进行报警;这里第一系数为第一数量阈值个心搏间期差值数据的总和,一级报警系数阈值默认为第一数量阈值*异常阈值,如果第一系数大于或等于一级报警系数阈值,就说明第一ECG数据中大多数心搏间期差值数据都超出了异常阈值,需要立即转至步骤4进行一级报警处理;如果第一系数小于一级报警系数阈值,心电监护设备认为还没有超过一级报警底限,不启动报警,继续返回步骤1获取下一段第一ECG数据。
例如,第一数量阈值i=30,异常阈值为100ms,则一级报警系数阈值=30*100=3000ms,如果第一系数≥3000则转至步骤4进行一级报警处理,如果第一系数<3000则转至步骤1获取下一段第一ECG数据。
步骤4,进行一级报警处理。
此处,心电监护设备会激活一级报警处理流程,实现了对异常ECG数据进行自动报警的功能。
步骤5,获取第二ECG数据。
具体的:心电监护设备每隔第二间隔时间,从本地缓存区保存的ECG持续采集数据中,提取第二时间长度的最新ECG数据,做为第二ECG数据。
此处,第二间隔时间为心电监护设备获取ECG数据的间隔时间,第二时间长度为提取的ECG数据的时间长度,具体取值由心电监护设备进行设置。相较于步骤1,心电监护设备可能会将指定时间缩短来加快报警识别节奏或者将提取数据的长度增长提高报警识别精度,所以,第二间隔时间小于第一时间间隔、第二时间长度大于第一时间长度。
例如,心电监护设备在步骤1时每隔3秒从缓存的ECG数据中提取出一段长度为30秒的最新ECG数据做为第一ECG数据,这里则可能变为每隔2秒从缓存的ECG数据中提取出一段长度为60秒的最新ECG数据做为第二ECG数据;在第二ECG数据中包括了N个QRS波群,这里N为大于0的整数。
步骤6,根据第一数量阈值和第二ECG数据,进行心搏间期差值数据序列系数计算处理,生成第二系数;
具体包括:步骤61,从第二ECG数据中,依次提取QRS波群数据,生成QRS波群数据序列;
其中,第二ECG数据包括多个QRS波群数据;QRS波群数据包括Q点数据、R点数据和S点数据;
此处,心电监护设备将QRS波群从ECG数据中提取出来;
例如,第二ECG数据为一段60秒ECG数据,其中包括了N个QRS波群;
步骤62,从QRS波群数据序列中,依次提取QRS波群数据的R点数据,生成R点数据序列;
此处,因为在QRS波群中R点是幅值最大点,心电监护设备从QRS波群数据序列中选择幅值最大的做为R点,并提取对应的时间数据得到R点数据;
例如,第二ECG数据为一段60秒ECG数据,包括了N个QRS波群,则可以提取出N个R点数据,R点数据序列应为R点数据序列{R1,R2…RN};其中,R1、R2,依次类推,RN分别为具体的一个R点数据;
步骤63,对R点数据序列中相邻的R点数据,进行绝对差值计算处理,生成心搏间期数据,由心搏间期数据组成心搏间期数据序列;
例如,R点数据序列为R点数据序列{R1,R2…RN},则心搏间期数据序列应为心搏间期数据序列{RR1,RR2…RRN-1},其中RR1=abs(R2-R1),RR2=abs(R3-R2),依次类推,RRN-1=abs(RN-RN-1)分别为具体的一个心搏间期数据;
步骤64,对心搏间期数据序列中相邻的心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,由心搏间期差值数据组成心搏间期差值数据序列;
例如,心搏间期数据序列为心搏间期数据序列{RR1,RR2…RRN-1},则心搏间期差值数据序列应为心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRN-2},其中ΔRR1=abs(RR2-RR1),ΔRR2=abs(RR3-RR2),依次类推,ΔRRN-2=abs(RRN-1-RRN-2)分别为具体的一个心搏间期差值数据;
步骤65,对心搏间期差值数据序列末尾的第一数量阈值个心搏间期差值数据,进行求和处理,生成第二系数。
此处,计算第二系数与计算第一系数的过程中,都是从心搏间期差值数据序列末尾提取第一数量阈值个心搏间期差值数据进行计算,差别是计算第一系数的心搏间期差值数据序列是由第一ECG数据转化而来、计算第二系数的心搏间期差值数据序列是由第二ECG数据转化而来;因为后续步骤要先对第二ECG数据进行一级报警判断,一级报警系数阈值对应的是第一数量阈值*异常阈值,所以计算对应的第二系数也要采用第一数量阈值来计算。
例如,心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRN-2},第一数量阈值为i,则第二系数=ΔRR(N-2)-i+1+ΔRR(N-2)-i+2+…+ΔRR(N-2)-i+i,这里i为大于0的整数。
步骤7,判断第二系数是否大于或等于一级报警系数阈值,如果第二系数小于一级报警系数阈值转至步骤1,如果第二系数大于或等于一级报警系数阈值转至步骤8。
此处,如果第二系数小于一级报警系数阈值,说明第二ECG数据中还没有超过一级报警底限,说明患者的ECG异常有所改善且已经降到了一级报警系数阈值以下,那么心电监护设备就会返回步骤1接收下一个第一ECG数据,并且停止正在进行的一级报警处理;反之,如果第二系数大于或等于一级报警系数阈值,说明患者的ECG异常并没有得到改善,下一步就要转到步骤8对ECG异常是否恶化、报警是否要升级进行进一步处理。这里,当心电监护设备返回步骤1时,实际是完成了一次自动报警降级处理过程。
例如,第一数量阈值i=30,异常阈值为100ms,则一级报警系数阈值=30*100=3000ms,如果第二系数<3000则转至步骤1获取下一段第一ECG数据,如果第二系数≥3000则转至步骤8进行第三系数计算。
步骤8,根据第二数量阈值和第二ECG数据,进行心搏间期差值数据序列系数计算处理,生成第三系数;
其中,第二数量阈值大于第一数量阈值;
具体包括:步骤81,从第二ECG数据中,依次提取QRS波群数据,生成QRS波群数据序列;
其中,第二ECG数据包括多个QRS波群数据;QRS波群数据包括Q点数据、R点数据和S点数据;
此处,心电监护设备将QRS波群从ECG数据中提取出来;
例如,第二ECG数据为一段60秒ECG数据,其中包括了N个QRS波群,则心电监护设备会从ECG数据中提取出N个QRS波群数据组成QRS波群数据序列;
步骤82,从QRS波群数据序列中,依次提取QRS波群数据的R点数据,生成R点数据序列;
此处,因为在QRS波群中R点是幅值最大点,心电监护设备从QRS波群数据序列中选择幅值最大的做为R点,并提取对应的时间数据得到R点数据;
例如,第二ECG数据为一段60秒ECG数据,包括了N个QRS波群,则可以提取出N个R点数据,R点数据序列应为R点数据序列{R1,R2…RN};其中,R1、R2,依次类推,RN分别为具体的一个R点数据;
步骤83,对R点数据序列中相邻的R点数据,进行绝对差值计算处理,生成心搏间期数据,由心搏间期数据组成心搏间期数据序列;
例如,R点数据序列为R点数据序列{R1,R2…RN},则心搏间期数据序列应为心搏间期数据序列{RR1,RR2…RRN-1},其中RR1=abs(R2-R1),RR2=abs(R3-R2),依次类推,RRN-1=abs(RN-RN-1)分别为具体的一个心搏间期数据;
步骤84,对心搏间期数据序列中相邻的心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,由心搏间期差值数据组成心搏间期差值数据序列;
例如,心搏间期数据序列为心搏间期数据序列{RR1,RR2…RRN-1},则心搏间期差值数据序列应为心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRN-2},其中ΔRR1=abs(RR2-RR1),ΔRR2=abs(RR3-RR2),依次类推,ΔRRN-2=abs(RRN-1-RRN-2)分别为具体的一个心搏间期差值数据;
步骤85,对心搏间期差值数据序列末尾的第二数量阈值个心搏间期差值数据,进行求和处理,生成第三系数。
此处,计算第三系数与计算第二系数相比,都是使用从第二ECG数据中提取的心搏间期差值数据序列来进行计算,区别是第二系数是从心搏间期差值数据序列末尾提取第一数量阈值个心搏间期差值数据进行计算,第三系数是从心搏间期差值数据序列末尾提取第二数量阈值个心搏间期差值数据进行计算,这里,第二数量阈值大于第一数量阈值。
例如,心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRN-2},第二数量阈值为j,则第三系数=ΔRR(N-2)-j+1+ΔRR(N-2)-j+2+…+ΔRR(N-2)-j+j,这里j为大于i的整数。
步骤9,判断第三系数是否大于或等于二级报警系数阈值,如果第三系数小于二级报警系数阈值转至步骤4,如果第三系数大于或等于二级报警系数阈值转至步骤10。
此处,在处于一级报警时,如果患者的ECG信号异常持续恶化,那么心搏间期差值数据序列中的异常心搏间期数据也会增加,增加到一定数量之后,视为恶化程度加深,需要提高报警级别;这里二级报警系数阈值默认为第二数量阈值*异常阈值,第二数量阈值是大于第一数量阈值的,自然二级报警系数阈值也是大于一级报警系数阈值;第三系数为第二数量阈值个心搏间期差值数据的总和;如果第三系数大于或等于二级报警系数阈值,就说明第二ECG数据中更多心搏间期差值数据都超出了异常阈值,需要立即转至步骤10进行二级报警;如果第三系数小于二级报警系数阈值,监护设备认为还没有超过二级报警底限,则返回步骤4继续保持一级报警。这里,当转至步骤10进行二级报警时,心电监护设备完成了一次自动报警升级处理过程。
例如,第二数量阈值j=60,异常阈值为100ms,则二级报警系数阈值=60*100=6000ms,如果第三系数≥6000则转至步骤10进行二级报警处理,如果第三系数<6000则转至步骤4持续进行一级报警处理。
步骤10,进行二级报警处理。
此处,心电监护设备将当前的报警级别从一级提升到二级。在执行二级报警处理之后,还可以循环使用本发明方法继续处理三级、四级、五级,依次类推,等多级自动升降的情况。
本发明实施例二的一种报警切换方法,与实施例一的差别在于,对第二系数和第三系没有分开步骤计算获得。
如图3为本发明实施例二提供的一种报警切换方法示意图所示,本方法主要包括如下步骤:
步骤101,获取第一ECG数据。
具体的:心电监护设备每隔第一间隔时间,从本地缓存区保存的ECG持续采集数据中,提取第一时间长度的最新ECG数据,做为第一ECG数据。
此处,第一间隔时间为心电监护设备获取ECG数据的间隔时间,第一时间长度为提取的ECG数据的时间长度,具体取值由心电监护设备进行设置。
例如,第一间隔时间为3秒,第一时间长度为30秒,则:心电监护设备每隔3秒,从本地缓存区保存的ECG持续采集数据中,提取出一段最新的长度为30秒的ECG数据,做为第一ECG数据。
步骤102,根据第一数量阈值和第一ECG数据,进行心搏间期差值数据序列系数计算处理,生成第一系数;
具体包括:步骤1021,从第一ECG数据中,依次提取QRS波群数据,生成QRS波群数据序列;
其中,第一ECG数据包括多个QRS波群数据;QRS波群数据包括Q点数据、R点数据和S点数据;
此处,如图2所示,QRS波群是ECG信号中最具特征性的波形,其较高的幅值(最大幅值点为R波峰值点,称为R点)使得QRS波群相较于P波和T波来说显得更容易识别,所以在识别心动周期的时候,一般都以QRS波群的R点为参考点;这里,心电监护设备就是在具体提取R点之前,先将QRS波群从ECG数据中提取出来;
例如,第一ECG数据为一段30秒ECG数据,其中包括了M个QRS波群,这里M为大于0的整数,则QRS波群数据序列包括M个QRS波群数据;
步骤1022,从QRS波群数据序列中,依次提取QRS波群数据的R点数据,生成R点数据序列;
此处,在QRS波群中R点是幅值最大点,从QRS波群数据序列中选择幅值最大的做为R点,并提取对应的时间数据就可以得到R点数据;
例如,QRS波群数据序列包括了M个QRS波群数据,则可以提取出M个R点数据,R点数据序列应为R点数据序列{R1,R2…RM};其中,R1、R2,依次类推,RM分别为具体的一个R点数据;
步骤1023,对R点数据序列中相邻的R点数据,进行绝对差值计算处理,生成心搏间期数据,由心搏间期数据组成心搏间期数据序列;
例如,R点数据序列{R1,R2…RM},则心搏间期数据序列应为心搏间期数据序列{RR1,RR2…RRM-1},其中RR1=abs(R2-R1),RR2=abs(R3-R2),依次类推,RRM-1=abs(RM-RM-1)分别为具体的一个心搏间期数据,这里abs()为取绝对值的函数;
步骤1024,对心搏间期数据序列中相邻的心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,由心搏间期差值数据组成心搏间期差值数据序列;
例如,心搏间期数据序列{RR1,RR2…RRM-1},则心搏间期差值数据序列应为心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRM-2},其中ΔRR1=abs(RR2-RR1),ΔRR2=abs(RR3-RR2),依次类推,ΔRRM-2=abs(RRM-1-RRM-2)分别为具体的一个心搏间期差值数据;
步骤1025,对心搏间期差值数据序列末尾的第一数量阈值个心搏间期差值数据,进行求和处理,生成第一系数。
此处,在计算心搏间期差值数据序列系数时,指定从心搏间期差值数据序列的末端,提取出固定数量的心搏间期差值数据来进行计算,这样计算出来的心搏间期差值数据序列系数总能反映心搏周期的最新变化;该固定数量一般为30或者60,表示计算的心搏间期差值数据序列系数与最新的31次或61次心搏周期有关,也可以按应用需求被修改;这里的第一数量阈值,即为该固定数量;
例如,心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRM-2},第一数量阈值为i,则第一系数=ΔRR(M-2)-i+1+ΔRR(M-2)-i+2+…+ΔRR(M-2)-i+i,这里i为大于0的整数。
步骤103,判断第一系数是否大于或等于一级报警系数阈值,如果第一系数小于一级报警系数阈值转至步骤101,如果第一系数大于或等于一级报警系数阈值转至步骤104。
此处,在人们处于健康状态时,心搏间期数据不会出现过大差异,针对心搏间期差值数据有一个默认的异常阈值,如果连续多个心搏间期差值数据都超过这个异常阈值就需要进行报警;这里第一系数为第一数量阈值个心搏间期差值数据的总和,一级报警系数阈值默认为第一数量阈值*异常阈值,如果第一系数大于或等于一级报警系数阈值,就说明第一ECG数据中大多数心搏间期差值数据都超出了异常阈值,需要立即转至步骤104进行一级报警处理;如果第一系数小于一级报警系数阈值,监护设备认为还没有超过一级报警底限,不启动报警,继续返回步骤101获取下一段第一ECG数据。
例如,第一数量阈值i=30,异常阈值为100ms,则一级报警系数阈值=30*100=3000ms,如果第一系数≥3000则转至步骤104进行一级报警处理,如果第一系数<3000则转至步骤101获取下一段第一ECG数据。
步骤104,进行一级报警处理。
此处,心电监护设备会激活一级报警处理流程,实现了对异常ECG数据进行自动报警的功能。
步骤105,获取第二ECG数据。
具体的:心电监护设备每隔第二间隔时间,从本地缓存区保存的ECG持续采集数据中,提取第二时间长度的最新ECG数据,做为第二ECG数据。
此处,第二间隔时间为心电监护设备获取ECG数据的间隔时间,第二时间长度为提取的ECG数据的时间长度,具体取值由心电监护设备进行设置。相较于步骤101,心电监护设备可能会将指定时间缩短来加快报警识别节奏或者将提取数据的长度增长提高报警识别精度,所以,第二间隔时间小于第一时间间隔、第二时间长度大于第一时间长度。
例如,心电监设备在步骤1时每隔3秒从缓存的ECG数据中提取出一段长度为30秒的最新ECG数据做为第一ECG数据,这里则可能变为每隔2秒从缓存的ECG数据中提取出一段长度为60秒的最新ECG数据做为第二ECG数据;在第二ECG数据中包括了N个QRS波群,这里N为大于0的整数。
步骤106,根据第一数量阈值、第二数量阈值和第二ECG数据,进行心搏间期差值数据序列系数计算处理,生成第二系数和第三系数;
其中,第二数量阈值大于第一数量阈值;
具体包括:步骤1061,从第二ECG数据中,依次提取QRS波群数据,生成QRS波群数据序列;
其中,第二ECG数据包括多个QRS波群数据;QRS波群数据包括Q点数据、R点数据和S点数据;
此处,心电监护设备将QRS波群从ECG数据中提取出来;
例如,第二ECG数据为一段60秒ECG数据,其中包括了N个QRS波群,则心电监护设备会从ECG数据中提取出N个QRS波群数据组成QRS波群数据序列;
步骤1062,从QRS波群数据序列中,依次提取QRS波群数据的R点数据,生成R点数据序列;
此处,因为在QRS波群中R点是幅值最大点,心电监护设备从QRS波群数据序列中选择幅值最大的做为R点,并提取对应的时间数据得到R点数据;
例如,第二ECG数据为一段60秒ECG数据,包括了N个QRS波群,则可以提取出N个R点数据,R点数据序列应为R点数据序列{R1,R2…RN};其中,R1、R2,依次类推,RN分别为具体的一个R点数据;
步骤1063,对R点数据序列中相邻的R点数据,进行绝对差值计算处理,生成心搏间期数据,由心搏间期数据组成心搏间期数据序列;
例如,R点数据序列为R点数据序列{R1,R2…RN},则心搏间期数据序列应为心搏间期数据序列{RR1,RR2…RRN-1},其中RR1=abs(R2-R1),RR2=abs(R3-R2),依次类推,RRN-1=abs(RN-RN-1)分别为具体的一个心搏间期数据;
步骤1064,对心搏间期数据序列中相邻的心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,由心搏间期差值数据组成心搏间期差值数据序列;
例如,心搏间期数据序列为心搏间期数据序列{RR1,RR2…RRN-1},则心搏间期差值数据序列应为心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRN-2},其中ΔRR1=abs(RR2-RR1),ΔRR2=abs(RR3-RR2),依次类推,ΔRRN-2=abs(RRN-1-RRN-2)分别为具体的一个心搏间期差值数据;
步骤1065,对心搏间期差值数据序列末尾的第一数量阈值个心搏间期差值数据,进行求和处理,生成第二系数;
此处,计算第二系数与计算第一系数的过程中,都是从心搏间期差值数据序列末尾提取第一数量阈值个心搏间期差值数据进行计算,差别是计算第一系数的心搏间期差值数据序列是由第一ECG数据转化而来、计算第二系数的心搏间期差值数据序列是由第二ECG数据转化而来;因为后续步骤要先对第二ECG数据进行一级报警判断,一级报警系数阈值对应的是第一数量阈值*异常阈值,所以计算对应的第二系数也要采用第一数量阈值来计算;
例如,心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRN-2},第一数量阈值为i,则第二系数=ΔRR(N-2)-i+1+ΔRR(N-2)-i+2+…+ΔRR(N-2)-i+i,这里i为大于0的整数;
步骤1066,对心搏间期差值数据序列末尾的第二数量阈值个心搏间期差值数据,进行求和处理,生成第三系数。
此处,计算第三系数与计算第二系数相比,都是使用从第二ECG数据中提取的心搏间期差值数据序列来进行计算,区别是第二系数是从心搏间期差值数据序列末尾提取第一数量阈值个心搏间期差值数据进行计算,第三系数是从心搏间期差值数据序列末尾提取第二数量阈值个心搏间期差值数据进行计算,这里,第二数量阈值大于第一数量阈值。
例如,心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRP-2},第二数量阈值为j,则第三系数=ΔRR(N-2)-j+1+ΔRR(N-2)-j+2+…+ΔRR(N-2)-j+j,这里j为大于i的整数。
步骤107,判断第二系数是否大于或等于一级报警系数阈值,如果第二系数小于一级报警系数阈值转至步骤101,如果第二系数大于或等于一级报警系数阈值转至步骤108。
此处,如果第二系数小于一级报警系数阈值,说明第二ECG数据中还没有超过一级报警底限,说明患者的ECG异常有所改善且已经降到了一级报警系数阈值以下,那么心电监护设备就会返回步骤101接收下一个第一ECG数据,并且停止正在进行的一级报警处理;反之,如果第二系数大于或等于一级报警系数阈值,说明患者的ECG异常并没有得到改善,下一步就要转到步骤108对ECG异常是否恶化、报警是否要升级进行进一步处理。这里,当心电监护设备就会返回步骤101时,实际是完成了一次自动报警降级处理过程。
例如,第一数量阈值i=30,异常阈值为100ms,则一级报警系数阈值=30*100=3000ms,如果第二系数<3000则转至步骤101获取下一段第一ECG数据,如果第二系数≥3000则转至步骤108进行第三系数判断。
步骤108,判断第三系数是否大于或等于二级报警系数阈值,如果第三系数小于二级报警系数阈值转至步骤104,如果第三系数大于或等于二级报警系数阈值转至步骤109。
此处,在处于一级报警时,如果患者的ECG信号异常持续恶化,那么心搏间期差值数据序列中的异常心搏间期数据也会增加,增加到一定数量之后,视为恶化程度加深,需要提高报警级别;这里二级报警系数阈值默认为第二数量阈值*异常阈值,第二数量阈值是大于第一数量阈值的,自然二级报警系数阈值也是大于一级报警系数阈值;第三系数为第二数量阈值个心搏间期差值数据的总和;如果第三系数大于或等于二级报警系数阈值,就说明第二ECG数据中更多心搏间期差值数据都超出了异常阈值,需要立即转至步骤109进行二级报警;如果第三系数小于二级报警系数阈值,监护设备认为还没有超过二级报警底限,则返回步骤104继续保持一级报警。这里,当转至步骤109进行二级报警时,心电监护设备完成了一次自动报警升级处理过程。
例如,第二数量阈值j=60,异常阈值为100ms,则二级报警系数阈值=60*100=6000ms,如果第三系数≥6000则转至步骤109进行二级报警处理,如果第三系数<6000则转至步骤104持续进行一级报警处理。
步骤109,进行二级报警处理。
此处,心电监护设备将当前的报警级别从一级提升到二级。在执行二级报警处理之后,还可以循环使用本发明方法继续处理三级、四级、五级,依次类推,等多级自动升降的情况。
图4为本发明实施例三提供的一种电子设备的结构示意图。该电子设备可以为前述的心电监护设备,也可以为与前述心电监护设备连接的实现本发明实施例方法的设备或服务器。如图4所示,该电子设备400可以包括:处理器41(例如CPU)、存储器42、收发器43;收发器43耦合至处理器41,处理器41控制收发器43的收发动作。存储器42中可以存储各种指令,以用于完成各种处理功能以及实现本发明上述实施例中提供的方法和处理过程。优选的,本发明实施例涉及的电子设备还可以包括:电源44、系统总线45以及通信端口46。系统总线45用于实现元件之间的通信连接。上述通信端口46用于电子设备与其他外设之间进行连接通信。
在图4中提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory,RAM),也可能还包括非易失性存储器(Non-Volatile Memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器CPU、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
需要说明的是,本发明实施例还提供一种计算机可读存储介质,该存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中提供的方法和处理过程。
本发明实施例还提供一种运行指令的芯片,该芯片用于执行上述实施例中提供的方法和处理过程。
本发明实施例还提供一种程序产品,该程序产品包括计算机程序,该计算机程序存储在存储介质中,至少一个处理器可以从上述存储介质读取上述计算机程序,上述至少一个处理器执行上述实施例中提供的方法和处理过程。
本发明实施例提供的一种报警切换方法、电子设备及可读存储介质,首先通过判断心搏间期差值数据序列系数是否超过一级报警系数阈值来激活一级报警;在执行了一级报警之后,继续对心搏间期差值数据序列系数继续判断,如果心搏间期差值数据序列系数低于一级报警系数阈值时停止报警,如果心搏间期差值数据序列系数在一级报警系数阈值与二级报警系数阈值之间则保持一级报警,如果心搏间期差值数据序列系数超过一级报警系数阈值则激活二级报警。使用本发明,解决了常规心电监护设备不能自动切换报警级别的问题,增强了心电监护设备的自适应报警能力。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于实现报警切换的电子设备,其特征在于,包括:存储器、处理器和收发器;
所述处理器用于与所述存储器耦合,读取并执行所述存储器中的指令,以获取第一ECG数据;并根据第一数量阈值和所述第一ECG数据,进行心搏间期差值数据序列系数计算处理,生成第一系数;并当所述第一系数大于或等于一级报警系数阈值时,进行一级报警处理;并获取第二ECG数据;并根据所述第一数量阈值和所述第二ECG数据,进行心搏间期差值数据序列系数计算处理,生成第二系数;并当所述第二系数大于或等于所述一级报警系数阈值时,根据第二数量阈值和所述第二ECG数据,进行心搏间期差值数据序列系数计算处理,生成第三系数;并当所述第三系数大于或等于二级报警系数阈值时,进行二级报警处理;所述第二数量阈值大于所述第一数量阈值;所述二级报警系数阈值大于所述一级报警系数阈值;
所述收发器与所述处理器耦合,由所述处理器控制所述收发器进行消息收发。
2.根据权利要求1所述的电子设备,其特征在于,所述根据第一数量阈值和所述第一ECG数据,进行心搏间期差值数据序列系数计算处理,生成第一系数,具体包括:
从所述第一ECG数据中,依次提取QRS波群数据,生成QRS波群数据序列;所述第一ECG数据包括多个所述QRS波群数据;所述QRS波群数据包括Q点数据、R点数据和S点数据;
从所述QRS波群数据序列中,依次提取所述QRS波群数据的所述R点数据,生成R点数据序列;
对所述R点数据序列中相邻的所述R点数据,进行绝对差值计算处理,生成心搏间期数据,由所述心搏间期数据组成心搏间期数据序列;
对所述心搏间期数据序列中相邻的所述心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,由所述心搏间期差值数据组成所述心搏间期差值数据序列;
对所述心搏间期差值数据序列末尾的所述第一数量阈值个所述心搏间期差值数据,进行求和处理,生成所述第一系数。
3.根据权利要求1所述的电子设备,其特征在于,
所述第二系数小于所述一级报警系数阈值时,如果一级报警处理仍在执行中,则停止执行一级报警处理。
4.根据权利要求1所述的电子设备,其特征在于,
所述第三系数小于所述二级报警系数阈值时,进行一级报警处理。
5.根据权利要求1所述的电子设备,其特征在于,
所述第三系数大于或等于所述二级报警系数阈值时,在进行二级报警处理之前,如果一级报警处理仍在执行中应停止执行一级报警处理。
6.一种用于实现报警切换的计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,当所述计算机指令被计算机执行时,使得所述计算机执行:
获取第一ECG数据;
根据第一数量阈值和所述第一ECG数据,进行心搏间期差值数据序列系数计算处理,生成第一系数;
当所述第一系数大于或等于一级报警系数阈值时,进行一级报警处理;
获取第二ECG数据;
根据所述第一数量阈值和所述第二ECG数据,进行心搏间期差值数据序列系数计算处理,生成第二系数;
当所述第二系数大于或等于所述一级报警系数阈值时,根据第二数量阈值和所述第二ECG数据,进行心搏间期差值数据序列系数计算处理,生成第三系数;所述第二数量阈值大于所述第一数量阈值;
当所述第三系数大于或等于二级报警系数阈值时,进行二级报警处理;所述二级报警系数阈值大于所述一级报警系数阈值。
7.根据权利要求6所述的计算机可读存储介质,其特征在于,所述根据第一数量阈值和所述第一ECG数据,进行心搏间期差值数据序列系数计算处理,生成第一系数,具体包括:
从所述第一ECG数据中,依次提取QRS波群数据,生成QRS波群数据序列;所述第一ECG数据包括多个所述QRS波群数据;所述QRS波群数据包括Q点数据、R点数据和S点数据;
从所述QRS波群数据序列中,依次提取所述QRS波群数据的所述R点数据,生成R点数据序列;
对所述R点数据序列中相邻的所述R点数据,进行绝对差值计算处理,生成心搏间期数据,由所述心搏间期数据组成心搏间期数据序列;
对所述心搏间期数据序列中相邻的所述心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,由所述心搏间期差值数据组成所述心搏间期差值数据序列;
对所述心搏间期差值数据序列末尾的所述第一数量阈值个所述心搏间期差值数据,进行求和处理,生成所述第一系数。
8.根据权利要求6所述的计算机可读存储介质,其特征在于,
所述第二系数小于所述一级报警系数阈值时,如果一级报警处理仍在执行中,则停止执行一级报警处理。
9.根据权利要求6所述的计算机可读存储介质,其特征在于,
所述第三系数小于所述二级报警系数阈值时,进行一级报警处理。
10.根据权利要求6所述的计算机可读存储介质,其特征在于,
所述第三系数大于或等于所述二级报警系数阈值时,在进行二级报警处理之前,如果一级报警处理仍在执行中应停止执行一级报警处理。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010401582.XA CN113647903B (zh) | 2020-05-12 | 2020-05-12 | 一种报警切换方法 |
PCT/CN2020/134751 WO2021227472A1 (zh) | 2020-05-12 | 2020-12-09 | 一种报警切换方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010401582.XA CN113647903B (zh) | 2020-05-12 | 2020-05-12 | 一种报警切换方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113647903A CN113647903A (zh) | 2021-11-16 |
CN113647903B true CN113647903B (zh) | 2022-08-26 |
Family
ID=78476751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010401582.XA Active CN113647903B (zh) | 2020-05-12 | 2020-05-12 | 一种报警切换方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113647903B (zh) |
WO (1) | WO2021227472A1 (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869356A (zh) * | 2016-06-15 | 2016-08-17 | 上海帝仪科技有限公司 | 一种铁路司机工作状态的评估干预系统及方法 |
CN108478209A (zh) * | 2018-02-24 | 2018-09-04 | 乐普(北京)医疗器械股份有限公司 | 心电信息动态监护方法和动态监护系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8862214B2 (en) * | 2008-04-04 | 2014-10-14 | Draeger Medical Systems, Inc. | Cardiac condition detection system |
US20190142343A1 (en) * | 2017-11-10 | 2019-05-16 | Welch Allyn, Inc. | Reducing False Alarms in Patient Monitoring |
CN108309263A (zh) * | 2018-02-24 | 2018-07-24 | 乐普(北京)医疗器械股份有限公司 | 多参数监护数据分析方法和多参数监护系统 |
CN108309262A (zh) * | 2018-02-24 | 2018-07-24 | 乐普(北京)医疗器械股份有限公司 | 多参数监护数据分析方法和多参数监护仪 |
US10729350B2 (en) * | 2018-03-19 | 2020-08-04 | General Electric Company | System and method for monitoring cardiac arrhythmias |
CN110974172A (zh) * | 2019-12-13 | 2020-04-10 | 北京理工大学 | 一种实时生理参数的测量系统 |
-
2020
- 2020-05-12 CN CN202010401582.XA patent/CN113647903B/zh active Active
- 2020-12-09 WO PCT/CN2020/134751 patent/WO2021227472A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869356A (zh) * | 2016-06-15 | 2016-08-17 | 上海帝仪科技有限公司 | 一种铁路司机工作状态的评估干预系统及方法 |
CN108478209A (zh) * | 2018-02-24 | 2018-09-04 | 乐普(北京)医疗器械股份有限公司 | 心电信息动态监护方法和动态监护系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113647903A (zh) | 2021-11-16 |
WO2021227472A1 (zh) | 2021-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6487033B2 (ja) | 植え込み型の医療用デバイスにおける心拍数自己相関分析のためのピーク選択 | |
US9351652B2 (en) | Systems for safe and remote outpatient ECG monitoring | |
CN109770860B (zh) | 一种心电信号处理装置和心电设备 | |
CN110236520B (zh) | 基于双卷积神经网络的心电图类型识别装置 | |
CN110717415B (zh) | 基于特征选取的st段分类卷积神经网络及其使用方法 | |
CN108403107B (zh) | 一种心律失常判别方法及系统 | |
CN110367968B (zh) | 一种右束支阻滞检测方法、装置、设备及存储介质 | |
AU2019101756A4 (en) | Method for analyzing heart rate variability signal based on extremum energy decomposition method | |
CN110717416A (zh) | 基于特征选取的st段分类识别用神经网络训练方法 | |
CN111839494A (zh) | 一种心率监测方法及系统 | |
CN113647903B (zh) | 一种报警切换方法 | |
KR20080060754A (ko) | 적응형 피크 심장박동 검출 시스템 및 그 방법 | |
Sadr et al. | Reducing false arrhythmia alarms in the ICU by Hilbert QRS detection | |
KR102428260B1 (ko) | 비침습 데이터를 활용한 수술 중 환자의 저혈압 예측 장치, 방법 및 프로그램 | |
CN114533080A (zh) | 一种对心电信号数据进行颤动波识别的方法和装置 | |
JP2665161B2 (ja) | 心電図解析方法 | |
Jiang et al. | An SPC-based forward-backward algorithm for arrhythmic beat detection and classification | |
CN113288169B (zh) | 一种心电波形信号的波形识别方法、装置及设备 | |
JPWO2021250218A5 (zh) | ||
CN114533082B (zh) | 一种基于心搏间期数据对qrs波类型进行标记的方法 | |
CN113712567A (zh) | 一种生成心搏间期差值数据序列系数的方法和装置 | |
CN117297622A (zh) | 一种心电信号心搏分类方法、装置、设备及存储介质 | |
Nguyen et al. | Heart rhythm intelligent monitoring algorithm for the atrial fibrillation episodes detection in the telemedicine system | |
CN114073533B (zh) | 一种对心电信号st段进行预警的方法 | |
CN116849677A (zh) | 心律失常的检测方法及装置、设备及介质 |
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 |