CN113712564B - 一种心电信号分类设备和方法 - Google Patents

一种心电信号分类设备和方法 Download PDF

Info

Publication number
CN113712564B
CN113712564B CN202010400991.8A CN202010400991A CN113712564B CN 113712564 B CN113712564 B CN 113712564B CN 202010400991 A CN202010400991 A CN 202010400991A CN 113712564 B CN113712564 B CN 113712564B
Authority
CN
China
Prior art keywords
data
classification
data sequence
δrr
inter
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
CN202010400991.8A
Other languages
English (en)
Other versions
CN113712564A (zh
Inventor
叶志刚
刘畅
刘建斌
顾煜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHENZHEN CREATIVE INDUSTRY CO LTD
Original Assignee
SHENZHEN CREATIVE INDUSTRY CO LTD
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SHENZHEN CREATIVE INDUSTRY CO LTD filed Critical SHENZHEN CREATIVE INDUSTRY CO LTD
Priority to CN202010400991.8A priority Critical patent/CN113712564B/zh
Publication of CN113712564A publication Critical patent/CN113712564A/zh
Application granted granted Critical
Publication of CN113712564B publication Critical patent/CN113712564B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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

本发明实施例涉及一种心电信号分类设备和方法，所述心电信号分类设备包括：ECG信号处理模块、心搏间期数据处理模块、心搏间期差值数据处理模块、分类系数处理模块、分类处理模块和配置参数模块。本发明提供一种心电信号分类设备和方法，对心搏间期数据按多种差分计算模式进行降噪提高了数据准确度，再根据多种降低误差干扰的系数计算模式计算分类系数提高了心电信号分类精度。

Description

一种心电信号分类设备和方法
技术领域
本发明涉及数据处理技术领域，特别涉及一种心电信号分类设备和方法。
背景技术
心电图(electrocardiogram，ECG)信号，是记录心脏活动的电信生理信号。ECG信号中有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作为一个心动周期时间，称之为心搏间期。通过判断心搏间期的阈值范围可以对ECG信号进行分类，但是当ECG信号受到噪声干扰时会降低心搏间期数据的数据准确度和心电信号分类精度。
发明内容
本发明的目的，就是针对现有技术的缺陷，提供一种心电信号分类设备和方法，对心搏间期数据按多种差分计算模式进行降噪提高了数据准确度，再根据多种降低误差干扰的系数计算模式计算分类系数提高了心电信号分类精度。
为实现上述目的，本发明第一方面提供了一种心电信号分类设备，包括：ECG信号处理模块、心搏间期数据处理模块、心搏间期差值数据处理模块、分类系数处理模块、分类处理模块和配置参数模块；
所述ECG信号处理模块与所述心搏间期数据处理模块相连接，用于从上位机获取ECG信号，对所述ECG信号进行R点数据提取处理生成R点数据序列，将所述R点数据序列向所述心搏间期数据处理模块进行发送；
所述心搏间期数据处理模块与所述心搏间期差值数据处理模块相连接，用于对所述R点数据序列进行相邻R点数据绝对差值计算处理生成心搏间期数据序列，将所述心搏间期数据序列向所述心搏间期差值数据处理模块进行发送；
所述心搏间期差值数据处理模块分别与所述配置参数模块和所述分类系数处理模块相连接，用于获取在所述配置参数模块中存储的差分计算模式参数，根据所述差分计算模式参数对所述心搏间期数据序列进行心搏间期数据差分计算处理生成心搏间期差值数据序列，将所述心搏间期差值数据序列向所述分类系数处理模块进行发送；
所述分类系数处理模块分别与所述配置参数模块和所述分类处理模块相连接，用于获取在所述配置参数模块中存储的系数计算模式参数，根据所述系数计算模式参数对所述心搏间期差值数据序列进行分类系数统计计算处理生成分类系数，将所述分类系数向所述分类处理模块进行发送；
所述分类处理模块与所述配置参数模块相连接，用于获取在所述配置参数模块中存储的分类阈值范围，根据所述分类阈值范围对所述分类系数进行心电信号分类处理生成心电分类数据，将所述心电分类数据向所述上位机进行发送。
优选的，所述ECG信号处理模块具体用于从所述上位机获取所述ECG信号，对所述ECG信号进行信号采样处理生成ECG数据序列；对所述ECG数据序列进行QRS波群数据提取处理，生成QRS波群数据序列；对所述QRS波群数据序列进行R点数据提取处理，生成R点数据Ri，由所述R点数据Ri组成所述R点数据序列{R1，R2…Ri…RA}；其中，所述i的取值范围从1到A，所述A为大于0的整数。
优选的，所述心搏间期数据处理模块具体用于对所述R点数据序列{R1，R2…Ri…RA}根据公式RRj＝abs(Ri+1-Ri)，进行相邻R点数据绝对差值计算处理生成心搏间期数据RRj，由所述心搏间期数据RRj组成所述心搏间期数据序列{RR1，RR2…RRj…RRM}；其中，所述abs()为取绝对值函数；所述j的取值范围从1到M；M＝A-1。
优选的，
所述心搏间期差值数据处理模块具体用于获取在所述配置参数模块中存储的所述差分计算模式参数；
当所述差分计算模式参数具体为相邻差分模式时，对所述心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式ΔRRk＝abs(RRj+1-RRj)，进行心搏间期数据计算处理，生成心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}；其中，所述k的取值范围从1到N，N＝M-1；
当所述差分计算模式参数具体为前后差分模式时，对所述心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式ΔRRk＝abs(RRj+2-RRj)，进行心搏间期数据计算处理，生成所述心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}：其中，N＝M-2；
当所述差分计算模式参数具体为相邻差分归一化模式时，对所述心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式进行心搏间期数据计算处理，生成所述心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}：其中，N＝M-1；
当所述差分计算模式参数具体为相邻差分平均归一化模式时，对所述心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式进行心搏间期数据计算处理，生成所述心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}：其中，RR平均值具体为所述心搏间期数据序列{RR1，RR2…RRj…RRM}末端第一个数的所述心搏间期数据的平均值，N＝M-1。
优选的，
所述分类系数处理模块具体用于获取在所述配置参数模块中存储的所述系数计算模式参数；
从所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}末端提取第二个数的所述心搏间期差值数据ΔRRk，组成系数计算因子数据序列{P1，P2…Ps…PB}；其中，所述Ps为系数计算因子数据，Ps＝ΔRR(N-B)+s，所述s的取值范围从1到B，B＝第二个数；
当所述系数计算模式参数具体为累加模式时，对所述系数计算因子数据序列{P1，P2…Ps…PB}根据公式进行分类系数计算处理生成所述分类系数；
当所述系数计算模式参数具体为加权累加模式时，对所述系数计算因子数据序列{P1，P2…Ps…PB}根据公式进行分类系数计算处理生成所述分类系数；其中，所述es为系数计算因子数据加权参数；
当所述系数计算模式参数具体为分段加权累加模式时，将所述系数计算因子数据序列{P1，P2…Ps…PB}进行分段处理得到第三个数的分段序列，对每个所述分度序列中的所有所述系数计算因子数据进行求和处理得到对应的分段总和数据SUMf，由所述分段总和数据SUMf组成分段总和数据序列{SUM1，SUM2…SUMf…SUMC}：对所述分段总和数据序列{SUM1，SUM2…SUMf…SUMC}根据公式进行分类系数计算处理生成所述分类系数；其中，所述hf为分段总和数据加权参数，所述f的取值范围从1到C，C＝第三个数。
本发明第二方面提供了一种心电信号分类方法，所述方法包括：
获取ECG信号；
对所述ECG信号进行R点数据提取处理，生成R点数据，由所述R点数据组成R点数据序列；
对所述R点数据序列的相邻所述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；
根据差分计算模式参数，对所述心搏间期数据序列，进行心搏间期数据差分计算处理，生成心搏间期差值数据序列；
根据系数计算模式参数，对所述心搏间期差值数据序列进行分类系数统计计算处理，生成分类系数；
根据分类阈值范围，对所述分类系数进行心电信号分类处理，生成心电分类数据。
优选的，所述对所述ECG信号进行R点数据提取处理，生成R点数据，由所述R点数据组成R点数据序列，具体包括：
对所述ECG信号进行信号采样处理，生成ECG数据序列；
对所述ECG数据序列，进行QRS波群数据提取处理，生成QRS波群数据序列；
对所述QRS波群数据序列进行R点数据提取处理，生成R点数据Ri，由所述R点数据Ri组成所述R点数据序列{R1，R2…Ri…RA}；其中，所述i的取值范围从1到A，所述A为大于0的整数。
优选的，所述对所述R点数据序列的相邻所述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，具体包括：
对所述R点数据序列{R1，R2…Ri…RA}的相邻所述R点数据按公式RRj＝abs(Ri+1-Ri)，进行绝对差值计算处理，生成所述心搏间期数据RRj，由所述心搏间期数据RRj组成所述心搏间期数据序列{RR1，RR2…RRj…RRM}；其中，所述abs()为取绝对值函数；所述j的取值范围从1到M；M＝A-1。
优选的，所述根据差分计算模式参数，对所述心搏间期数据序列，进行心搏间期数据差分计算处理，生成心搏间期差值数据序列，具体包括：
当所述差分计算模式参数具体为相邻差分模式时，对所述心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式ΔRRk＝abs(RRj+1-RRj)，进行心搏间期数据计算处理，生成心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}；其中，所述k的取值范围从1到N；N＝M-1；
当所述差分计算模式参数具体为前后差分模式时，对所述心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式ΔRRk＝abs(RRj+2-RRj)，进行心搏间期数据计算处理，生成所述心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}：其中，N＝M-2；
当所述差分计算模式参数具体为相邻差分归一化模式时，对所述心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式进行心搏间期数据计算处理，生成所述心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}：其中，N＝M-1；
当所述差分计算模式参数具体为相邻差分平均归一化模式时，对所述心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式进行心搏间期数据计算处理，生成所述心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}：其中，RR平均值具体为所述心搏间期数据序列{RR1，RR2…RRj…RRM}末端第一个数的所述心搏间期数据的平均值；N＝M-1。
优选的，所述根据系数计算模式参数，对所述心搏间期差值数据序列进行分类系数统计计算处理，生成分类系数，具体包括：
从所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}末端提取第二个数的所述心搏间期差值数据ΔRRk，组成系数计算因子数据序列{P1，P2…Ps…PB}；其中，所述Ps为系数计算因子数据，Ps＝ΔRR(N-B)+s，所述s的取值范围从1到B，B＝第二个数；
当所述系数计算模式参数具体为累加模式时，对所述系数计算因子数据序列{P1，P2…Ps…PB}根据公式进行分类系数计算处理生成所述分类系数；
当所述系数计算模式参数具体为加权累加模式时，对所述系数计算因子数据序列{P1，P2…Ps…PB}根据公式进行分类系数计算处理生成所述分类系数；其中，所述es为系数计算因子数据加权参数；
当所述系数计算模式参数具体为分段加权累加模式时，将所述系数计算因子数据序列{P1，P2…Ps…PB}进行分段处理得到第三个数的分段序列，对每个所述分度序列中的所有所述系数计算因子数据进行求和处理得到对应的分段总和数据SUMf，由所述分段总和数据SUMf组成分段总和数据序列{SUM1，SUM2…SUMf…SUMC}：对所述分段总和数据序列{SUM1，SUM2…SUMf…SUMC}根据公式进行分类系数计算处理生成所述分类系数；其中，所述hf为分段总和数据加权参数，所述f的取值范围从1到C，C＝第三个数。
优选的，所述根据分类阈值范围，对所述分类系数进行心电信号分类处理，生成心电分类数据，具体包括：
对所述分类阈值范围的所有子分类阈值范围进行轮询，当所述分类系数包括在所述子分类阈值范围中时，获取与所述子分类阈值范围对应的分类信息，生成所述心电分类数据；所述分类阈值范围包括多个所述子分类阈值范围。
本发明实施例第三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，以实现上述第二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。
本发明实施例第四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二方面所述的方法。
本发明实施例第五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二方面所述的方法的指令。
本发明提供的提供一种心电信号分类设备和方法，对心搏间期数据按多种差分计算模式进行降噪提高了数据准确度，再根据多种降低误差干扰的系数计算模式计算分类系数提高了心电信号分类精度。
附图说明
图1为本发明实施例一提供的一种心电信号分类设备示意图；
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心电信号分类方法示意图；
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。
本发明实施例一提供的一种心电信号分类设备，在从上位机获得ECG信号之后，使用ECG信号处理模块11对ECG信号进行采样得到ECG数据序列；使用心搏间期数据处理模块12从ECG数据序列中提取出R点数据序列，并对序列中的相邻R点数据求绝对差值得到心搏间期数据序列；使用心搏间期差值数据处理模块13对心搏间期数据序列按多种差分计算模式进行降噪得到心搏间期差值数据序列，提高了数据准确度；使用分类系数处理模块14根据多种降低误差干扰的系数计算模式对心搏间期差值数据序列进行统计计算得到分类系数，提高了心电信号分类精度；最后使用分类处理模块15得到与分类系数对应的心电分类数据之后，将心电分类数据回发给上位机。这里的上位机为与心电信号分类设备连接的终端设备或服务器。
如图1为本发明实施例一提供的一种心电信号分类设备示意图所示，本发明实施例提供的心电信号分类设备100包括：ECG信号处理模块11、心搏间期数据处理模块12、心搏间期差值数据处理模块13、分类系数处理模块14、分类处理模块15和配置参数模块16。
ECG信号处理模块11与心搏间期数据处理模块12相连接，用于从上位机获取ECG信号，对ECG信号进行R点数据提取处理生成R点数据序列，将R点数据序列向心搏间期数据处理模块12进行发送。
在本实施例提供的一个具体实现方式中，ECG信号处理模块11具体用于从上位机获取ECG信号；对ECG信号进行信号采样处理生成ECG数据序列；对ECG数据序列进行QRS波群数据提取处理，生成QRS波群数据序列；对QRS波群数据序列进行R点数据提取处理，生成R点数据Ri，由R点数据Ri组成R点数据序列{R1，R2…Ri…RA}；其中，i的取值范围从1到A，A为大于0的整数。
此处，如图2为本发明实施例一提供的ECG信号示意图所示，ECG信号中包括了P波信号、QRS波群信号和T波信号，其中QRS波群是ECG信号中最具特征性的波形信号(包括Q点信号、R点信号和S点信号)，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波群信号中的R点信号作为参考点；相邻R点的间值即为心搏间期数据。
例如，ECG信号处理模块11获取的ECG信号是一段包含了100次心跳的ECG信号，则ECG数据序列中应可以提取出100个QRS波群数据，每一个QRS波群数据包括1个R点数据，最后获得的R点数据序列应为R点数据序列{R1，R2…Ri…R100}，这里i的取值范围从1到100，A＝100。
心搏间期数据处理模块12与心搏间期差值数据处理模块13相连接，用于对R点数据序列进行相邻R点数据绝对差值计算处理生成心搏间期数据序列，将心搏间期数据序列向心搏间期差值数据处理模块13进行发送。
在本实施例提供的又一个具体实现方式中，心搏间期数据处理模块12具体用于对R点数据序列{R1，R2…Ri…RA}根据公式RRj＝abs(Ri+1-Ri)，进行相邻R点数据绝对差值计算处理生成心搏间期数据RRj，由心搏间期数据RRj组成心搏间期数据序列{RR1，RR2…RRj…RRM}；其中，abs()为取绝对值函数；j的取值范围从1到M；M＝A-1。
例如，R点数据序列为R点数据序列{R1，R2…Ri…R100}，A＝100，则，得到心搏间期数据序列{RR1，RR2…RRj…RR99}，M＝99，j的取值范围从1到99，99个心搏间期数据具体为：
当j＝1时，RR1＝abs(R2-R1)，
当j＝2时，RR2＝abs(R3-R2)，
依次类推，RRj＝abs(Ri+1-Ri)，
当j＝99时，RR99＝abs(R100-R99)。
心搏间期差值数据处理模块13分别与配置参数模块16和分类系数处理模块14相连接，用于获取在配置参数模块16中存储的差分计算模式参数，根据差分计算模式参数对心搏间期数据序列进行心搏间期数据差分计算处理生成心搏间期差值数据序列，将心搏间期差值数据序列向分类系数处理模块14进行发送。
在本实施例提供的又一个具体实现方式中，心搏间期差值数据处理模块13具体用于获取在配置参数模块16中存储的差分计算模式参数；
当差分计算模式参数具体为相邻差分模式时，对心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式ΔRRk＝abs(RRj+1-RRj)，进行心搏间期数据计算处理，生成心搏间期差值数据ΔRRk，由心搏间期差值数据ΔRRk组成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}；其中，k的取值范围从1到N，N＝M-1；
当差分计算模式参数具体为前后差分模式时，对心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式ΔRRk＝abs(RRj+2-RRj)，进行心搏间期数据计算处理，生成心搏间期差值数据ΔRRk，由心搏间期差值数据ΔRRk组成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}：其中，N＝M-2；
当差分计算模式参数具体为相邻差分归一化模式时，对心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式进行心搏间期数据计算处理，生成心搏间期差值数据ΔRRk，由心搏间期差值数据ΔRRk组成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}：其中，N＝M-1；
当差分计算模式参数具体为相邻差分平均归一化模式时，对心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式进行心搏间期数据计算处理，生成心搏间期差值数据ΔRRk，由心搏间期差值数据ΔRRk组成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}：其中，RR平均值具体为心搏间期数据序列{RR1，RR2…RRj…RRM}末端第一个数的心搏间期数据的平均值，N＝M-1。
例如，心搏间期数据序列{RR1，RR2…RRj…RR99}，M＝99；
当差分计算模式参数具体为相邻差分模式时，得到的心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRR98}，k的取值范围从1到98，N＝98，98个心搏间期差值数据为：
当k＝1时，ΔRR1＝abs(RR2-RR1)，
当k＝2时，ΔRR2＝abs(RR3-RR2)，
依次类推，ΔRRk＝abs(RRj+1-RRj)，
当k＝98时，ΔRR98＝abs(RR99-RR98)；
当差分计算模式参数具体为前后差分模式时，得到的心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRR97}，k的取值范围从1到97，N＝97，97个心搏间期差值数据为：
当k＝1时，ΔRR1＝abs(RR3-RR1)，
当k＝2时，ΔRR2＝abs(RR4-RR2)，
依次类推，ΔRRk＝abs(RRj+2-RRj)，
当k＝98时，ΔRR97＝abs(RR99-RR97)；
当差分计算模式参数具体为相邻差分归一化模式时，得到的心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRR98}，k的取值范围从1到98，N＝98，98个心搏间期差值数据为：
当k＝1时，
当k＝2时，
依次类推，
当k＝98时，
当差分计算模式参数具体为相邻差分平均归一化模式时，得到的心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRR98}，k的取值范围从1到98，N＝98，98个心搏间期差值数据为：
当k＝1时，
当k＝2时，
依次类推，
当k＝98时，
这里，RR平均值，为心搏间期数据序列{RR1，RR2…RRj…RR99}末端第一个数的心搏间期数据的平均值，第一个数为30，则
分类系数处理模块14分别与配置参数模块16和分类处理模块15相连接，用于获取在配置参数模块16中存储的系数计算模式参数，根据系数计算模式参数对心搏间期差值数据序列进行分类系数统计计算处理生成分类系数，将分类系数向分类处理模块15进行发送。
在本实施例提供的又一个具体实现方式中，分类系数处理模块14具体用于获取在配置参数模块16中存储的系数计算模式参数；
从心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}末端提取第二个数的心搏间期差值数据ΔRRk，组成系数计算因子数据序列{P1，P2…Ps…PB}；其中，Ps为系数计算因子数据，Ps＝ΔRR(N-B)+s，s的取值范围从1到B，B＝第二个数；
当系数计算模式参数具体为累加模式时，对系数计算因子数据序列{P1，P2…Ps…PB}根据公式进行分类系数计算处理生成分类系数；
当系数计算模式参数具体为加权累加模式时，对系数计算因子数据序列{P1，P2…Ps…PB}根据公式进行分类系数计算处理生成分类系数；其中，es为系数计算因子数据加权参数；
当系数计算模式参数具体为分段加权累加模式时，将系数计算因子数据序列{P1，P2…Ps…PB}进行分段处理得到第三个数的分段序列，对每个分度序列中的所有系数计算因子数据进行求和处理得到对应的分段总和数据SUMf，由分段总和数据SUMf组成分段总和数据序列{SUM1，SUM2…SUMf…SUMC}：对分段总和数据序列{SUM1，SUM2…SUMf…SUMC}根据公式 进行分类系数计算处理生成分类系数；其中，hf为分段总和数据加权参数，f的取值范围从1到C，C＝第三个数。
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…ΔRRk…ΔRR98}，N＝98，第二个数＝60，
则，得到系数计算因子数据序列应为系数计算因子数据序列{P1，P2…Ps…P60}，s的取值范围从1到60，B＝60；
当s＝1时，P1＝ΔRR39，
当s＝2时，P2＝ΔRR40
依次类推，Ps＝ΔRR(98-60)+s，
当s＝60时，P60＝ΔRR98；
当系数计算模式参数具体为累加模式时，得到的分类系数应为：
当系数计算模式参数具体为加权累加模式时，得到的分类系数应为：其中，es为系数计算因子数据加权参数，且e1到e60为依次递增关系；
当系数计算模式参数具体为分段加权累加模式时，第三个数为3，则得到3个分段序列：第1分段序列{P1…P20}、第2分段序列{P21…P40}和第3分段序列{P41…P60}，得到3个分段总和数据：和分类系数为其中，hf为分段总和数据加权参数，且h1到h3为依次递增关系。
分类处理模块15与配置参数模块16相连接，用于获取在配置参数模块16中存储的分类阈值范围，根据分类阈值范围对分类系数进行心电信号分类处理生成心电分类数据，将心电分类数据向上位机进行发送。
在本实施例提供的又一个具体实现方式中，分类处理模块15具体用于获取在配置参数模块16中存储的分类阈值范围，对分类阈值范围的所有子分类阈值范围进行轮询，当分类系数包括在子分类阈值范围中时，获取与子分类阈值范围对应的分类信息，生成心电分类数据；其中，分类阈值范围包括多个子分类阈值范围。
例如，分类阈值范围包括2个子分类阈值范围：第一子分类阈值范围和第二子分类阈值范围，分类处理模块15从分类系数处理模块14获取的分类系数的具体取值在第二子分类阈值范围内，那么，得到的心电分类数据为与第二子分类阈值范围对应的分类信息，第二子分类阈值范围对应的分类信息具体为房颤分类信息，那么心电分类数据就应为房颤心电分类数据。
配置参数模块16用于存储差分计算模式参数、系数计算模式参数和分类阈值范围。
需要说明的是，应理解以上设备的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，确定模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述设备的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific lntegrated Circuit，ASIC)，或，一个或多个数字信号处理器(Digital Signal Processor，DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessing Unit，CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(System-on-a-chip，SOC)的形式实现。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本发明实施例所描述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线路((Digital Subscriber Line，DSL))或无线(例如红外、无线、蓝牙、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，高密度数字视频光盘(Digital Video Disc，DVD))、或者半导体介质(例如固态硬盘(solidstate disk，SSD))等。
本发明实施例二提供的一种心电信号分类方法，心电信号分类设备获得ECG信号之后，对ECG信号进行采样得到ECG数据序列；从ECG数据序列中提取出R点数据序列，并对序列中的相邻R点数据求绝对差值得到心搏间期数据序列；对心搏间期数据序列按多种差分计算模式进行降噪得到心搏间期差值数据序列，提高了数据准确度；根据多种降低误差干扰的系数计算模式对心搏间期差值数据序列进行统计计算得到分类系数，提高了心电信号分类精度；最后使根于分类阈值范围对分类系数进行心电信号分类处理得到心电分类数据。这里的心电信号分类设备为能够对ECG信号进行处理的终端设备或服务器。
如图3为本发明实施例二提供的一种心电信号分类方法示意图所示，本方法主要包括如下步骤：
步骤1，获取ECG信号。
具体的，心电信号分类设备可以通过本地信号采集获得ECG信号，可以通过连接心电信号采集设备获得ECG信号，还也可以通过连接ECG信号数据库获得保存与数据库中的ECG信号。
步骤2，对ECG信号进行R点数据提取处理，生成R点数据，由R点数据组成R点数据序列；
具体包括：对ECG信号进行信号采样处理，生成ECG数据序列；对ECG数据序列，进行QRS波群数据提取处理，生成QRS波群数据序列；对QRS波群数据序列进行R点数据提取处理，生成R点数据Ri，由R点数据Ri组成R点数据序列{R1，R2…Ri…RA}；其中，i的取值范围从1到A，A为大于0的整数。
此处，如图2所示，ECG信号中包括了P波信号、QRS波群信号和T波信号，其中QRS波群是ECG信号中最具特征性的波形信号(包括Q点信号、R点信号和S点信号)，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波群信号中的R点信号作为参考点；相邻R点的间值即为心搏间期数据。
例如，心电信号分类设备获取的ECG信号是一段包含了100次心跳的ECG信号，则ECG数据序列中应可以提取出100个QRS波群数据，每一个QRS波群数据包括1个R点数据，最后获得的R点数据序列应为R点数据序列{R1，R2…Ri…R100}，这里i的取值范围从1到100，A＝100。
步骤3，对R点数据序列的相邻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；
具体包括：对R点数据序列{R1，R2…Ri…RA}的相邻R点数据按公式RRj＝abs(Ri+1-Ri)，进行绝对差值计算处理，生成心搏间期数据RRj，由心搏间期数据RRj组成心搏间期数据序列{RR1，RR2…RRj…RRM}；其中，abs()为取绝对值函数；j的取值范围从1到M；M＝A-1。
例如，R点数据序列为R点数据序列{R1，R2…Ri…R100}，A＝100，则，得到心搏间期数据序列{RR1，RR2…RRj…RR99}，M＝99，j的取值范围从1到99，99个心搏间期数据具体为：
当j＝1时，RR1＝abs(R2-R1)，
当j＝2时，RR2＝abs(R3-R2)，
依次类推，RRj＝abs(Ri+1-Ri)，
当j＝99时，RR99＝abs(R100-R99)。
步骤4，根据差分计算模式参数，对心搏间期数据序列，进行心搏间期数据差分计算处理，生成心搏间期差值数据序列。
差分计算模式参数的四种模式包括：
模式一，当差分计算模式参数具体为相邻差分模式时，对心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式ΔRRk＝abs(RRj+1-RRj)，进行心搏间期数据计算处理，生成心搏间期差值数据ΔRRk，由心搏间期差值数据ΔRRk组成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}；其中，k的取值范围从1到N；N＝M-1。
例如，心搏间期数据序列{RR1，RR2…RRj…RR99}，M＝99；则得到的心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRR98}，k的取值范围从1到98，N＝98，98个心搏间期差值数据为：
当k＝1时，ΔRR1＝abs(RR2-RR1)，
当k＝2时，ΔRR2＝abs(RR3-RR2)，
依次类推，ΔRRk＝abs(RRj+1-RRj)，
当k＝98时，ΔRR98＝abs(RR99-RR98)。
模式二，当差分计算模式参数具体为前后差分模式时，对心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式ΔRRk＝abs(RRj+2-RRj)，进行心搏间期数据计算处理，生成心搏间期差值数据ΔRRk，由心搏间期差值数据ΔRRk组成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}：其中，N＝M-2；
例如，心搏间期数据序列{RR1，RR2…RRj…RR99}，M＝99；则得到的心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRR97}，k的取值范围从1到97，N＝97，97个心搏间期差值数据为：
当k＝1时，ΔRR1＝abs(RR3-RR1)，
当k＝2时，ΔRR2＝abs(RR4-RR2)，
依次类推，ΔRRk＝abs(RRj+2-RRj)，
当k＝98时，ΔRR97＝abs(RR99-RR97)；
模式三，当差分计算模式参数具体为相邻差分归一化模式时，对心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式进行心搏间期数据计算处理，生成心搏间期差值数据ΔRRk，由心搏间期差值数据ΔRRk组成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}：其中，N＝M-1；
例如，心搏间期数据序列{RR1，RR2…RRj…RR99}，M＝99；则得到的心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRR98}，k的取值范围从1到98，N＝98，98个心搏间期差值数据为：
当k＝1时，
当k＝2时，
依次类推，
当k＝98时，
模式四，当差分计算模式参数具体为相邻差分平均归一化模式时，对心搏间期数据序列{RR1，RR2…RRj…RRM}根据公式进行心搏间期数据计算处理，生成心搏间期差值数据ΔRRk，由心搏间期差值数据ΔRRk组成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}：其中，RR平均值具体为心搏间期数据序列{RR1，RR2…RRj…RRM}末端第一个数的心搏间期数据的平均值；N＝M-1。
此处，计算RR平均值时的第一个数常规情况下是一个默认值，常被设置为30或60，对应的RR平均值即为最近30次或最近60次的心搏间期数据平均值，第一个数也可在实际应用中根据具体需求被修改；
例如，心搏间期数据序列{RR1，RR2…RRj…RR99}，M＝99；则得到的心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRR98}，k的取值范围从1到98，N＝98，98个心搏间期差值数据为：
当k＝1时，
当k＝2时，
依次类推，
当k＝98时，
这里，RR平均值，为心搏间期数据序列{RR1，RR2…RRj…RR99}末端第一个数的心搏间期数据的平均值，第一个数为30，则x的取值范围从1到30。
步骤5，根据系数计算模式参数，对心搏间期差值数据序列进行分类系数统计计算处理，生成分类系数；
具体包括：从心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRk…ΔRRN}末端提取第二个数的心搏间期差值数据ΔRRk，组成系数计算因子数据序列{P1，P2…Ps…PB}；其中，Ps为系数计算因子数据，Ps＝ΔRR(N-B)+s，s的取值范围从1到B，B＝第二个数。
此处，因为分类系数是根据固定数量的心搏间期差值数据计算得出的，所以在根据系数计算模式参数具体进行分类系数统计计算之前，准备出一个固定长度的系数计算因子数据序列，这个系数计算因子数据序列具体为从心搏间期差值数据序列末尾提取出的一段长度为第二个数的子序列；这里的第二个数，常规情况下是一个默认值，常被设置为30或60，对应的系数计算因子数据序列就是最近30次或最近60次的心搏间期数据序列。
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…ΔRRk…ΔRR98}，N＝98，第二个数＝60，则，得到系数计算因子数据序列应为系数计算因子数据序列{P1，P2…Ps…P60}，s的取值范围从1到60，B＝60；
当s＝1时，P1＝ΔRR39，
当s＝2时，P2＝ΔRR40
依次类推，Ps＝ΔRR(98-60)+s，
当s＝60时，P60＝ΔRR98。
在准备好系数计算因子数据序列之后，心电信号分类设备会根据系数计算模式参数进行分类系数统计计算处理。
系数计算模式的三种模式具体包括：
模式一，当系数计算模式参数具体为累加模式时，对系数计算因子数据序列{P1，P2…Ps…PB}根据公式进行分类系数计算处理生成分类系数。
例如，系数计算因子数据序列{P1，P2…Ps…P60}，则得到的分类系数应为：
模式二，当系数计算模式参数具体为加权累加模式时，对系数计算因子数据序列{P1，P2…Ps…PB}根据公式进行分类系数计算处理生成分类系数；其中，es为系数计算因子数据加权参数。
例如，系数计算因子数据序列{P1，P2…Ps…P60}，则得到的分类系数应为：其中，es为系数计算因子数据加权参数，且e1到e60为依次递增关系。
模式三，当系数计算模式参数具体为分段加权累加模式时，将系数计算因子数据序列{P1，P2…Ps…PB}进行分段处理得到第三个数的分段序列，对每个分度序列中的所有系数计算因子数据进行求和处理得到对应的分段总和数据SUMf，由分段总和数据SUMf组成分段总和数据序列{SUM1，SUM2…SUMf…SUMC}：对分段总和数据序列{SUM1，SUM2…SUMf…SUMC}根据公式进行分类系数计算处理生成分类系数；其中，hf为分段总和数据加权参数，f的取值范围从1到C，C＝第三个数。
此处，对系数计算因子数据序列进行分段，常规情况下是按一个默认的分段步长进行均分，第三个数则是对B/分段步长进行取整。
例如，系数计算因子数据序列{P1，P2…Ps…P60}，第三个数为3，系数计算因子数据序列平均分成3个分段序列：第1分段序列{P1…P20}、第2分段序列{P21…P40}和第3分段序列{P41…P60}，对3个分段序列分别进行总和计算得到3个分段总和数据：和对3个分段总和数据分别加权之后进行总和计算，得到分类系数具体为其中，hf为分段总和数据加权参数，且h1到h3为依次递增关系。
步骤6，根据分类阈值范围，对分类系数进行心电信号分类处理，生成心电分类数据；
具体包括：对分类阈值范围的所有子分类阈值范围进行轮询，当分类系数包括在子分类阈值范围中时，获取与子分类阈值范围对应的分类信息，生成心电分类数据；分类阈值范围包括多个子分类阈值范围。
例如，分类阈值范围包括2个子分类阈值范围：第一子分类阈值范围和第二子分类阈值范围，分类系数在第二子分类阈值范围内，则得到的心电分类数据为与第二子分类阈值范围对应的分类信息，第二子分类阈值范围对应的分类信息具体为房颤分类信息，则心电分类数据就应为房颤心电分类数据。
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信号分类设备，也可以为与前述心电信号分类设备连接的实现本发明实施例方法的终端设备或服务器。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 Componentlnterconnect，PCI)总线或扩展工业标准结构(Extended lndustry 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。
本发明提供的一种心电信号分类设备和方法，对心搏间期数据按多种差分计算模式进行降噪提高了数据准确度，再根据多种降低误差干扰的系数计算模式计算分类系数提高了心电信号分类精度。
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例如单元及算法步骤，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例如组成及步骤。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 (5)

1.一种心电信号分类设备，其特征在于，所述心电信号分类设备包括：心电图ECG信号处理模块、心搏间期数据处理模块、心搏间期差值数据处理模块、分类系数处理模块、分类处理模块和配置参数模块；
所述ECG信号处理模块与所述心搏间期数据处理模块相连接，用于从上位机获取ECG信号，对所述ECG信号进行R点数据提取处理生成R点数据序列，将所述R点数据序列向所述心搏间期数据处理模块进行发送；
所述心搏间期数据处理模块与所述心搏间期差值数据处理模块相连接，用于对所述R点数据序列进行相邻R点数据绝对差值计算处理生成心搏间期数据序列，将所述心搏间期数据序列向所述心搏间期差值数据处理模块进行发送；
所述心搏间期差值数据处理模块分别与所述配置参数模块和所述分类系数处理模块相连接，用于获取在所述配置参数模块中存储的差分计算模式参数，根据所述差分计算模式参数对所述心搏间期数据序列进行心搏间期数据差分计算处理生成心搏间期差值数据序列，将所述心搏间期差值数据序列向所述分类系数处理模块进行发送；
所述分类系数处理模块分别与所述配置参数模块和所述分类处理模块相连接，用于获取在所述配置参数模块中存储的系数计算模式参数，根据所述系数计算模式参数对所述心搏间期差值数据序列进行分类系数统计计算处理生成分类系数，将所述分类系数向所述分类处理模块进行发送；
所述分类处理模块与所述配置参数模块相连接，用于获取在所述配置参数模块中存储的分类阈值范围，根据所述分类阈值范围对所述分类系数进行心电信号分类处理生成心电分类数据，将所述心电分类数据向所述上位机进行发送；
其中，所述ECG信号处理模块具体用于从所述上位机获取所述ECG信号，对所述ECG信号进行信号采样处理生成ECG数据序列；对所述ECG数据序列进行QRS波群数据提取处理，生成QRS波群数据序列；对所述QRS波群数据序列进行R点数据提取处理，生成R点数据Ri，由所述R点数据Ri组成所述R点数据序列{R1,R2…Ri…RA}；其中，所述i的取值范围从1到A，所述A为大于0的整数；
所述心搏间期数据处理模块具体用于对所述R点数据序列{R1,R2…Ri…RA}根据公式RRj＝abs(Ri+1-Ri)，进行相邻R点数据绝对差值计算处理生成心搏间期数据RRj，由所述心搏间期数据RRj组成所述心搏间期数据序列{RR1,RR2…RRj…RRM}；其中，所述abs()为取绝对值函数；所述j的取值范围从1到M；M＝A-1；
所述心搏间期差值数据处理模块具体用于获取在所述配置参数模块中存储的所述差分计算模式参数；
当所述差分计算模式参数具体为相邻差分模式时，对所述心搏间期数据序列{RR1,RR2…RRj…RRM}根据公式ΔRRk＝abs(RRj+1-RRj)，进行心搏间期数据计算处理，生成心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRk…ΔRRN}；其中，所述k的取值范围从1到N，N＝M-1；
当所述差分计算模式参数具体为前后差分模式时，对所述心搏间期数据序列{RR1,RR2…RRj…RRM}根据公式ΔRRk＝abs(RRj+2-RRj)，进行心搏间期数据计算处理，生成所述心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRk…ΔRRN}：其中，N＝M-2；
当所述差分计算模式参数具体为相邻差分归一化模式时，对所述心搏间期数据序列{RR1,RR2…RRj…RRM}根据公式进行心搏间期数据计算处理，生成所述心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRk…ΔRRN}：其中，N＝M-1；
当所述差分计算模式参数具体为相邻差分平均归一化模式时，对所述心搏间期数据序列{RR1,RR2…RRj…RRM}根据公式进行心搏间期数据计算处理，生成所述心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRk…ΔRRN}：其中，RR平均值具体为所述心搏间期数据序列{RR1,RR2…RRj…RRM}末端第一个数的所述心搏间期数据的平均值，N＝M-1；
所述分类系数处理模块具体用于获取在所述配置参数模块中存储的所述系数计算模式参数；
从所述心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRk…ΔRRN}末端提取第二个数的所述心搏间期差值数据ΔRRk，组成系数计算因子数据序列{P1,P2…Ps…PB}；其中，所述Ps为系数计算因子数据，Ps＝ΔRR(N-B)+s，所述s的取值范围从1到B，B＝第二个数；
当所述系数计算模式参数具体为累加模式时，对所述系数计算因子数据序列{P1,P2…Ps…PB}根据公式进行分类系数计算处理生成所述分类系数；
当所述系数计算模式参数具体为加权累加模式时，对所述系数计算因子数据序列{P1,P2…Ps…PB}根据公式进行分类系数计算处理生成所述分类系数；其中，所述es为系数计算因子数据加权参数；
当所述系数计算模式参数具体为分段加权累加模式时，将所述系数计算因子数据序列{P1,P2…Ps…PB}进行分段处理得到第三个数的分段序列，对每个所述分段序列中的所有所述系数计算因子数据进行求和处理得到对应的分段总和数据SUMf，由所述分段总和数据SUMf组成分段总和数据序列{SUM1,SUM2…SUMf…SUMC}：对所述分段总和数据序列{SUM1,SUM2…SUMf…SUMC}根据公式进行分类系数计算处理生成所述分类系数；其中，所述hf为分段总和数据加权参数，所述f的取值范围从1到C，C＝第三个数。
2.一种心电信号分类方法，其特征在于，所述方法包括：
获取心电图ECG信号；
对所述ECG信号进行R点数据提取处理，生成R点数据，由所述R点数据组成R点数据序列；
对所述R点数据序列的相邻所述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；
根据差分计算模式参数，对所述心搏间期数据序列，进行心搏间期数据差分计算处理，生成心搏间期差值数据序列；
根据系数计算模式参数，对所述心搏间期差值数据序列进行分类系数统计计算处理，生成分类系数；
根据分类阈值范围，对所述分类系数进行心电信号分类处理，生成心电分类数据；
其中，所述对所述ECG信号进行R点数据提取处理，生成R点数据，由所述R点数据组成R点数据序列，具体包括：
对所述ECG信号进行信号采样处理，生成ECG数据序列；
对所述ECG数据序列，进行QRS波群数据提取处理，生成QRS波群数据序列；
对所述QRS波群数据序列进行R点数据提取处理，生成R点数据Ri，由所述R点数据Ri组成所述R点数据序列{R1,R2…Ri…RA}；其中，所述i的取值范围从1到A，所述A为大于0的整数；
所述对所述R点数据序列的相邻所述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，具体包括：
对所述R点数据序列{R1,R2…Ri…RA}的相邻所述R点数据按公式RRj＝abs(Ri+1-Ri)，进行绝对差值计算处理，生成所述心搏间期数据RRj，由所述心搏间期数据RRj组成所述心搏间期数据序列{RR1,RR2…RRj…RRM}；其中，所述abs()为取绝对值函数；所述j的取值范围从1到M；M＝A-1；
所述根据差分计算模式参数，对所述心搏间期数据序列，进行心搏间期数据差分计算处理，生成心搏间期差值数据序列，具体包括：
当所述差分计算模式参数具体为相邻差分模式时，对所述心搏间期数据序列{RR1,RR2…RRj…RRM}根据公式ΔRRk＝abs(RRj+1-RRj)，进行心搏间期数据计算处理，生成心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRk…ΔRRN}；其中，所述k的取值范围从1到N；N＝M-1；
当所述差分计算模式参数具体为前后差分模式时，对所述心搏间期数据序列{RR1,RR2…RRj…RRM}根据公式ΔRRk＝abs(RRj+2-RRj)，进行心搏间期数据计算处理，生成所述心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRk…ΔRRN}：其中，N＝M-2；
当所述差分计算模式参数具体为相邻差分归一化模式时，对所述心搏间期数据序列{RR1,RR2…RRj…RRM}根据公式进行心搏间期数据计算处理，生成所述心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRk…ΔRRN}：其中，N＝M-1；
当所述差分计算模式参数具体为相邻差分平均归一化模式时，对所述心搏间期数据序列{RR1,RR2…RRj…RRM}根据公式进行心搏间期数据计算处理，生成所述心搏间期差值数据ΔRRk，由所述心搏间期差值数据ΔRRk组成所述心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRk…ΔRRN}：其中，RR平均值具体为所述心搏间期数据序列{RR1,RR2…RRj…RRM}末端第一个数的所述心搏间期数据的平均值；N＝M-1；
所述根据系数计算模式参数，对所述心搏间期差值数据序列进行分类系数统计计算处理，生成分类系数，具体包括：
从所述心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRk…ΔRRN}末端提取第二个数的所述心搏间期差值数据ΔRRk，组成系数计算因子数据序列{P1,P2…Ps…PB}；其中，所述Ps为系数计算因子数据，Ps＝ΔRR(N-B)+s，所述s的取值范围从1到B，B＝第二个数；
当所述系数计算模式参数具体为累加模式时，对所述系数计算因子数据序列{P1,P2…Ps…PB}根据公式进行分类系数计算处理生成所述分类系数；
当所述系数计算模式参数具体为加权累加模式时，对所述系数计算因子数据序列{P1,P2…Ps…PB}根据公式进行分类系数计算处理生成所述分类系数；其中，所述es为系数计算因子数据加权参数；
当所述系数计算模式参数具体为分段加权累加模式时，将所述系数计算因子数据序列{P1,P2…Ps…PB}进行分段处理得到第三个数的分段序列，对每个所述分段序列中的所有所述系数计算因子数据进行求和处理得到对应的分段总和数据SUMf，由所述分段总和数据SUMf组成分段总和数据序列{SUM1,SUM2…SUMf…SUMC}：对所述分段总和数据序列{SUM1,SUM2…SUMf…SUMC}根据公式进行分类系数计算处理生成所述分类系数；其中，所述hf为分段总和数据加权参数，所述f的取值范围从1到C，C＝第三个数。
3.根据权利要求2所述的心电信号分类方法，其特征在于，所述根据分类阈值范围，对所述分类系数进行心电信号分类处理，生成心电分类数据，具体包括：
对所述分类阈值范围的所有子分类阈值范围进行轮询，当所述分类系数包括在所述子分类阈值范围中时，获取与所述子分类阈值范围对应的分类信息，生成所述心电分类数据；所述分类阈值范围包括多个所述子分类阈值范围。
4.一种电子设备，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，以实现权利要求2-3任一项所述的方法步骤；
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。
5.一种计算机可读存储介质，其特征在于，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权利要求2-3任一项所述的方法的指令。
CN202010400991.8A 2020-05-12 2020-05-12 一种心电信号分类设备和方法 Active CN113712564B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010400991.8A CN113712564B (zh) 2020-05-12 2020-05-12 一种心电信号分类设备和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010400991.8A CN113712564B (zh) 2020-05-12 2020-05-12 一种心电信号分类设备和方法

Publications (2)

Publication Number Publication Date
CN113712564A CN113712564A (zh) 2021-11-30
CN113712564B true CN113712564B (zh) 2023-09-01

Family

ID=78671169

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010400991.8A Active CN113712564B (zh) 2020-05-12 2020-05-12 一种心电信号分类设备和方法

Country Status (1)

Country Link
CN (1) CN113712564B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101176660A (zh) * 2007-12-06 2008-05-14 山东大学 一种心血管系统联合变异性指标的检测方法和装置
CN103006208A (zh) * 2012-12-29 2013-04-03 重庆邮电大学 心电信号r波校准方法和装置
CN103110417A (zh) * 2013-02-28 2013-05-22 华东师范大学 一种心电图自动识别系统
CN104127194A (zh) * 2014-07-14 2014-11-05 华南理工大学 一种基于心率变异性分析方法的抑郁症的评估系统及方法
CN104367318A (zh) * 2014-11-07 2015-02-25 北京海思敏医疗技术有限公司 房颤检测方法和装置
WO2019241444A1 (en) * 2018-06-12 2019-12-19 The Regents Of The University Of California Risk prediction of in-hospital cardiac arrests using continuous electrocardiographic telemetry monitoring data
CN110693488A (zh) * 2019-10-22 2020-01-17 清华大学 心电信号处理系统、方法、电子设备及可读存储介质
CN110693489A (zh) * 2019-10-28 2020-01-17 杭州电子科技大学 一种基于多分类器强化学习的心肌梗塞检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101176660A (zh) * 2007-12-06 2008-05-14 山东大学 一种心血管系统联合变异性指标的检测方法和装置
CN103006208A (zh) * 2012-12-29 2013-04-03 重庆邮电大学 心电信号r波校准方法和装置
CN103110417A (zh) * 2013-02-28 2013-05-22 华东师范大学 一种心电图自动识别系统
CN104127194A (zh) * 2014-07-14 2014-11-05 华南理工大学 一种基于心率变异性分析方法的抑郁症的评估系统及方法
CN104367318A (zh) * 2014-11-07 2015-02-25 北京海思敏医疗技术有限公司 房颤检测方法和装置
WO2019241444A1 (en) * 2018-06-12 2019-12-19 The Regents Of The University Of California Risk prediction of in-hospital cardiac arrests using continuous electrocardiographic telemetry monitoring data
CN110693488A (zh) * 2019-10-22 2020-01-17 清华大学 心电信号处理系统、方法、电子设备及可读存储介质
CN110693489A (zh) * 2019-10-28 2020-01-17 杭州电子科技大学 一种基于多分类器强化学习的心肌梗塞检测方法

Also Published As

Publication number Publication date
CN113712564A (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN109394205B (zh) 一种基于深度神经网络的心电信号分析方法
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
WO2022110524A1 (zh) 心电图心搏数据聚类方法、装置、电子设备和介质
CN110717416B (zh) 基于特征选取的st段分类识别用神经网络训练方法
CN110367936B (zh) 心电信号检测方法及装置
CN115905969A (zh) 一种基于深度学习的心电信号波形分段方法及系统
CN111956203A (zh) 心电信号参数化方法、模型训练方法、装置、设备及介质
CN113712564B (zh) 一种心电信号分类设备和方法
US11452476B2 (en) Detection report data generation method
CN113712567B (zh) 一种生成心搏间期差值数据序列系数的方法和装置
CN113712566B (zh) 一种生成心搏间期差值数据序列的方法和装置
Atanasoski et al. A morphology-preserving algorithm for denoising of EMG-contaminated ECG signals
CN113288169B (zh) 一种心电波形信号的波形识别方法、装置及设备
CN116135147B (zh) 心电信号的处理方法及装置、电子设备及存储介质
CN113712568B (zh) 一种心电信号数据的分类方法和装置
Vega-Martínez et al. Wavelet packet based algorithm for QRS region detection and R/S wave identification
CN114403826B (zh) 一种血压测量方法和装置
CN114533080A (zh) 一种对心电信号数据进行颤动波识别的方法和装置
CN111493856B (zh) 心搏分类的修正方法、装置、心电图检查系统及存储介质
CN114159068A (zh) 一种心电信号心房扑动的检测方法及检测装置
KR19980030894A (ko) 심전도 신호의 에스.티 세그먼트와 티 파에 대한 특성 표시 방법
CN114533082B (zh) 一种基于心搏间期数据对qrs波类型进行标记的方法
Chowdhury et al. Improvement In ECG R-Peak Detection Compared To Conventional Methods Using LSTM
CN114533013B (zh) 一种对连续获取的心搏数据进行处理的方法
CN113712570A (zh) 一种长间歇心电信号数据预警方法

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