CN113712566A - 一种生成心搏间期差值数据序列的方法和装置 - Google Patents

一种生成心搏间期差值数据序列的方法和装置 Download PDF

Info

Publication number
CN113712566A
CN113712566A CN202010399845.8A CN202010399845A CN113712566A CN 113712566 A CN113712566 A CN 113712566A CN 202010399845 A CN202010399845 A CN 202010399845A CN 113712566 A CN113712566 A CN 113712566A
Authority
CN
China
Prior art keywords
data
sequence
interval
difference
beat
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.)
Granted
Application number
CN202010399845.8A
Other languages
English (en)
Other versions
CN113712566B (zh
Inventor
叶志刚
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 CN202010399845.8A priority Critical patent/CN113712566B/zh
Publication of CN113712566A publication Critical patent/CN113712566A/zh
Application granted granted Critical
Publication of CN113712566B publication Critical patent/CN113712566B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes

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生成心搏间期差值数据序列的方法和装置，所述方法包括：获取心电图ECG信号；对ECG信号进行QRS波群识别处理生成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点数据序列；根据R点数据序列，对相邻的R点数据进行心搏间期数据计算，生成心搏间期数据序列；根据差分序列模式对心搏间期数据序列进行处理，生成心搏间期差值数据序列。本发明提供一种生成心搏间期差值数据序列的方法、装置、电子设备及可读存储介质，通过细化心搏间期差值数据序列的计算方式，使得生成的数据具备更好的数据精度和应用适配性。

Description

一种生成心搏间期差值数据序列的方法和装置
技术领域
本发明涉及信号处理技术领域，特别涉及一种生成心搏间期差值数据序列的方法和装置。
背景技术
心电图(electrocardiogram，ECG)信号，是反映心脏活动的电信号。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波的峰值点，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。心搏间期数据是计算心率及心率衍生数据的必要参数，对ECG信号进行数据分析时都需要从中提取出对应的心搏间期数据序列。
发明内容
本发明的目的，就是针对现有技术的缺陷，提供一种生成心搏间期差值数据序列的方法、装置、电子设备及可读存储介质，通过细化心搏间期差值数据序列的计算方式，使得生成的数据具备更好的数据精度和应用适配性。
为实现上述目的，本发明实施例第一方面提供了一种生成心搏间期差值数据序列的方法，所述方法包括：
获取ECG信号；
对所述ECG信号进行QRS波群识别处理生成QRS波群数据序列；所述QRS波群数据序列包括多个QRS波群数据；所述QRS波群数据包括R点数据；
对所述QRS波群数据序列进行R点数据提取处理，生成R点数据序列；所述R点数据序列包括多个R点数据；
根据所述R点数据序列，对相邻的所述R点数据进行心搏间期数据计算，生成心搏间期数据序列；所述心搏间期数据序列包括多个心搏间期数据；所述心搏间期数据序列具体为心搏间期数据序列{RR1，RR2…RRi…RRN}；所述RRi为所述心搏间期数据；所述i的取值范围为从1到所述N；所述N为所述心搏间期数据序列包括的所述心搏间期数据的总数；
根据差分序列模式对所述心搏间期数据序列进行处理，生成心搏间期差值数据序列；所述心搏间期差值数据序列包括多个心搏间期差值数据；所述心搏间期差值数据序列具体为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；所述ΔRRj为所述心搏间期差值数据；所述j的取值范围为从1到所述M；所述M为所述心搏间期差值数据序列包括的所述心搏间期差值数据的总数。
优选的，所述对所述QRS波群数据序列进行R点数据提取处理，生成R点数据序列，具体包括：
依次提取所述QRS波群数据序列中，所述QRS波群数据的所述R点数据，由依次提取的所述R点数据生成所述R点数据序列。
优选的，所述根据所述R点数据序列，对相邻的所述R点数据进行心搏间期数据计算，生成心搏间期数据序列，具体包括：
根据所述R点数据序列，依次计算相邻的所述R点数据的差值，所述差值取绝对值为所述心搏间期数据，由所述心搏间期数据组成所述心搏间期数据序列。
优选的，当所述差分序列模式具体为相邻差分序列时；
所述根据差分序列模式对所述心搏间期数据序列进行处理，生成心搏间期差值数据序列，具体包括：
根据所述心搏间期数据序列{RR1，RR2…RRi…RRN}，按相邻差分公式ΔRRi＝abs(RRi+1-RRi)，进行心搏间期差值数据计算，生成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；其中，i＝j，M＝N-1；所述abs()为取绝对值函数。
优选的，当所述差分序列模式具体为前后差分序列时；
所述根据差分序列模式对所述心搏间期数据序列进行处理，生成心搏间期差值数据序列，具体包括：
根据所述心搏间期数据序列{RR1，RR2…RRi…RRN}，按前后差分公式ΔRRj＝abs(RRi+1-RRi-1)，进行心搏间期差值数据计算，生成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；其中，i＝j+1，M＝N-2；所述abs()为取绝对值函数。
优选的，当所述差分序列模式具体为相邻差分归一化序列时；
所述根据差分序列模式对所述心搏间期数据序列进行处理，生成心搏间期差值数据序列，具体包括：
根据所述心搏间期数据序列{RR1，RR2…RRi…RRN}，按相邻差分归一化公式
Figure BDA0002488496050000031
进行心搏间期差值数据计算，生成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；其中，i＝j，M＝N-1；所述abs()为取绝对值函数。
优选的，当所述差分序列模式具体为相邻差分平均归一化序列时；
所述根据差分序列模式对所述心搏间期数据序列进行处理，生成心搏间期差值数据序列，具体包括：
获取预置的心搏间期均值的计算个数，对所述心搏间期数据序列{RR1，RR2…RRi…RRN}中最后的所述计算个数的所述心搏间期数据进行求和得到总心搏间期数据，所述总心搏间期数据除以所述计算个数为RR平均值；
根据所述心搏间期数据序列{RR1，RR2…RRi…RRN}和所述RR平均值，按相邻差分平均归一化公式
Figure BDA0002488496050000032
进行心搏间期差值数据计算，生成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；其中，i＝j，M＝N-1；所述abs()为取绝对值函数。
本发明实施例第二方面提供了一种生成心搏间期差值数据序列的装置，包括：
获取模块用于获取心电图ECG信号；
识别模块用于对所述ECG信号进行QRS波群识别处理生成QRS波群数据序列；所述QRS波群数据序列包括多个QRS波群数据；所述QRS波群数据包括R点数据；
所述识别模块还用于对所述QRS波群数据序列进行R点数据提取处理，生成R点数据序列；所述R点数据序列包括多个R点数据；
处理模块用于根据所述R点数据序列，对相邻的所述R点数据进行心搏间期数据计算，生成心搏间期数据序列；所述心搏间期数据序列包括多个心搏间期数据；所述心搏间期数据序列具体为心搏间期数据序列{RR1，RR2…RRi…RRN}；所述RRi为所述心搏间期数据；所述i的取值范围为从1到所述N；所述N为所述心搏间期数据序列包括的所述心搏间期数据的总数；
所述处理模块还用于根据差分序列模式对所述心搏间期数据序列进行处理，生成心搏间期差值数据序列；所述心搏间期差值数据序列包括多个心搏间期差值数据；所述心搏间期差值数据序列具体为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；所述ΔRRj为所述心搏间期差值数据；所述j的取值范围为从1到所述M；所述M为所述心搏间期差值数据序列包括的所述心搏间期差值数据的总数。
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一方面所述的方法。
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一方面所述的方法的指令。
本发明实施例提供的一种生成心搏间期差值数据序列的方法、装置、电子设备及可读存储介质，通过细化心搏间期差值数据序列的计算方式，使得生成的数据具备更好的数据精度和应用适配性。
附图说明
图1为本发明实施例一提供的一种生成心搏间期差值数据序列的方法示意图；
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心搏间期差值数据序列分类方法示意图；
图4为本发明实施例三提供的一种生成心搏间期差值数据序列的装置的模块结构图；
图5为本发明实施例四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生成心搏间期差值数据序列的方法，对心搏间期数据序列进行多模式处理(如相邻差分序列、前后差分序列、相邻差分归一化序列和相邻差分平均归一化序列)，对于不同情况可以匹配或者适配其中一种或几种模式进行处理，从而实现了更优的数据精度和应用适配性。
如图1为本发明实施例一提供的一种生成心搏间期差值数据序列的方法示意图所示，本方法主要包括如下步骤：
步骤1，获取ECG信号。
ECG信号具体为来自于心电图设备(如心电图机、床边心电监护仪、动态心电记录仪等等)采集的心电图信号。心搏间期差值数据序列是对心搏间期数据序列进行处理得到，心搏间期数据序列又是从ECG信号中提取相邻R点的时间间隔得到的，所以在根据心搏间期数据序列进行多模式处理得到心搏间期差值数据序列之前需要获得ECG信号。
步骤2，对ECG信号进行QRS波群识别处理生成QRS波群数据序列；
其中，QRS波群数据序列包括多个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，ECG信号如图2为本发明实施例一提供的ECG信号示意图所示，包括P波、QRS波群和T波，QRS波群数据就是ECG信号中每个QRS波群的采样点数据集合。每个QRS波群数据包括Q点数据、R点数据和S点数据，Q点数据就是图中每个Q点对应的时间轴数据，R点数据就是图中每个R点对应的时间轴数据，S点数据就是图中每个S点对应的时间轴数据，这里R点也是每个QRS波群中的最大信号幅值点。
步骤，3，对QRS波群数据序列进行R点数据提取处理，生成R点数据序列；
其中，R点数据序列包括多个R点数据；
具体包括：依次提取QRS波群数据序列中包括的QRS波群数据的R点数据，生成R点数据序列。
此处，就是根据QRS波群中的R点特征，从QRS波群数据中，提取满足R点特征的采样点时间数据生成R点数据，并将所有R点数据按时间先后排序组成R点数据序列。
例如，从ECG信号中识别出了100个QRS波群，那么从100个QRS波群数据中可以提取出100个R点数据，R点数据序列具体为R点数据序列{R1，R2，R3…R100}。
步骤4，根据R点数据序列，对相邻的R点数据进行心搏间期数据计算，生成心搏间期数据序列；
其中，心搏间期数据序列包括多个心搏间期数据；心搏间期数据序列具体为心搏间期数据序列{RR1，RR2…RRi…RRN}；RRi为心搏间期数据；i的取值范围为从1到N；N为心搏间期数据序列包括的心搏间期数据的总数；
具体包括：根据R点数据序列，依次计算相邻的R点数据的差值，差值取绝对值为心搏间期数据，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，R3…R100}，则，心搏间隔数据总数N＝100-1＝99；心搏间隔数据RRi的索引i取值范围为从1到99；
心搏间期数据序列{RR1，RR2…RRi…RRN}应为心搏间期数据序列{RR1，RR2…RRi…RR99}，其中，99个心搏间期数据RRi分别是：
i＝1时，心搏间期数据RR1＝abs(R2-R1)；
i＝2时，心搏间期数据RR2＝abs(R3-R2)；
依次类推，
心搏间期数据RRi＝abs(Ri+1-Ri)，
当i＝N＝99时，心搏间期数据RR99＝abs(R99+1-R99)＝abs(R100-R99)；
上述公式中的abs()为取绝对值函数。
步骤5，根据差分序列模式对心搏间期数据序列进行处理，生成心搏间期差值数据序列；
其中，差分序列模式具体包括相邻差分序列、前后差分序列、相邻差分归一化序列和相邻差分平均归一化序列；心搏间期差值数据序列包括多个心搏间期差值数据；心搏间期差值数据序列具体为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；ΔRRj为心搏间期差值数据；j的取值范围为从1到M；M为心搏间期差值数据序列包括的心搏间期差值数据的总数。
四种模式具体包括：
模式一，当差分序列模式为相邻差分序列时，
根据心搏间期数据序列{RR1，RR2…RRi…RRN}，按相邻差分公式ΔRRj＝abs(RRi+1-RRi)，进行心搏间期差值数据计算，生成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；
其中，i＝j，M＝N-1；abs()为取绝对值函数。
例如，心搏间期数据序列{RR1，RR2…RRi…RRN}为心搏间期数据序列{RR1，RR2…RRi…RR99}，则，心搏间期差值数据总数M＝心搏间期数据总数N-1＝99-1＝98；心搏间期差值数据ΔRRj的索引j取值范围为从1到98；心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}应为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRR98}，其中，98个心搏间期差值数据ΔRRj分别为：
j＝1时，i＝j＝1，
心搏间期差值数据ΔRR1＝abs(RR1+1-RR1)＝abs(RR2-RR1)；
j＝2时，i＝j＝2，
心搏间期差值数据ΔRR2＝abs(RR2+1-RR2)＝abs(RR3-RR2)；
依次类推，
心搏间期差值数据ΔRRj＝abs(RRi+1-RRi)，i＝j；
当j＝M＝98时，i＝j＝98，
心搏间期差值数据ΔRR98＝abs(RR98+1-RR98)＝abs(RR99-RR98)。
模式二，当差分序列模式为前后差分序列时，
根据心搏间期数据序列{RR1，RR2…RRi…RRN}，按前后差分公式ΔRRj＝abs(RRi+1-RRi-1)，进行心搏间期差值数据计算，生成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；
其中，i＝j+1，M＝N-2；abs()为取绝对值函数。
例如，心搏间期数据序列{RR1，RR2…RRi…RRN}为心搏间期数据序列{RR1，RR2…RRi…RR99}，则，心搏间期差值数据总数M＝心搏间期数据总数N-2＝99-2＝97；心搏间期差值数据ΔRRj的索引j取值范围为从1到97；心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}应为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRR97}，其中，97个心搏间期差值数据ΔRRj分别为：
j＝1时，i＝j+1＝2，
心搏间期差值数据ΔRR1＝abs(RR2+1-RR2-1)＝abs(RR3-RR1)；
j＝2时，i＝j+1＝3，
心搏间期差值数据ΔRR2＝abs(RR3+1-RR3-1)＝abs(RR4-RR2)；
依次类推，
心搏间期差值数据ΔRRj＝abs(RRi+1-RRi-1)，i＝j+1；
当j＝97时，i＝j+1＝98，
心搏间期差值数据ΔRR97＝abs(RR98+1-RR98-1)＝abs(RR99-RR97)。
模式三，当差分序列模式为相邻差分归一化序列时，
根据心搏间期数据序列{RR1，RR2…RRi…RRN}，按相邻差分归一化公式
Figure BDA0002488496050000091
进行心搏间期差值数据计算，生成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；
其中，i＝j，M＝N-1；abs()为取绝对值函数。
例如，心搏间期数据序列{RR1，RR2…RRi…RRN}为心搏间期数据序列{RR1，RR2…RRi…RR99}，则，心搏间期差值数据总数M＝心搏间期数据总数N-1＝99-1＝98；心搏间期差值数据ΔRRj的索引j取值范围为从1到98；心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}应为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRR98}，其中，98个心搏间期差值数据ΔRRj分别为：
j＝1时，i＝j＝1，
心搏间期差值数据
Figure BDA0002488496050000092
j＝2时，i＝j＝2，
心搏间期差值数据
Figure BDA0002488496050000101
依次类推，
心搏间期差值数据
Figure BDA0002488496050000102
当j＝98时，i＝j＝98，
心搏间期差值数据
Figure BDA0002488496050000103
模式四，当差分序列模式为相邻差分平均归一化序列时，
获取预置的心搏间期均值的计算个数，对心搏间期数据序列{RR1，RR2…RRi…RRN}中最后的计算个数的心搏间期数据进行求和得到总心搏间期数据，总心搏间期数据除以计算个数为RR平均值；
根据心搏间期数据序列{RR1，RR2…RRi…RRN}和RR平均值，按相邻差分平均归一化公式
Figure BDA0002488496050000104
进行心搏间期差值数据计算，生成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；
其中，i＝j，M＝N-1；abs()为取绝对值函数。
例如，心搏间期数据序列{RR1，RR2…RRi…RRN}为心搏间期数据序列{RR1，RR2…RRi…RR99}，心搏间期差值数据总数M＝心搏间期数据总数N-1＝99-1＝98，心搏间期差值数据ΔRRj的索引j取值范围为从1到98；假设预置的心搏间期均值的计算个数为30，那么，总心搏间期数据为
Figure BDA0002488496050000105
Figure BDA0002488496050000106
Figure BDA0002488496050000107
心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}应为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRR98}，其中，98个心搏间期差值数据ΔRRj分别为：
j＝1时，i＝j＝1，
心搏间期差值数据
Figure BDA0002488496050000108
j＝2时，i＝j＝2，
心搏间期差值数据
Figure BDA0002488496050000111
依次类推，
心搏间期差值数据
Figure BDA0002488496050000112
当j＝98时，i＝j＝98，
心搏间期差值数据
Figure BDA0002488496050000113
本发明实施例二的一种心搏间期差值数据序列分类方法，对心搏间期差值数据序列进行分类处理，相较于直接使用心搏间期数据序列进行分类的常规处理，降低了误差数据的干扰程度、提高了分类精度。
如图3为本发明实施例二提供的一种心搏间期差值数据序列分类方法示意图所示，本方法主要包括如下步骤：
步骤101，获取ECG信号。
ECG信号具体为来自于心电图设备(如心电图机、床边心电监护仪、动态心电记录仪等等)采集的心电图信号。通过对ECG信号进行分类，可以获知测试者的实际心脏状态。常规情况下，对ECG信号进行分类处理，就是对心搏间期数据序列进行分类处理。这种处理方式的分类精度在ECG信号信噪比降低时也会同步降低；为提高数据准确度和分类精度，本发明实施例对心搏间期数据序列进行差分处理(如相邻差分序列、前后差分序列、相邻差分归一化序列和相邻差分平均归一化序列)完成降噪，之后再进行分类就能保证分类精度的稳定性。
步骤102，对ECG信号进行QRS波群识别处理生成QRS波群数据序列；
其中，QRS波群数据序列包括多个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，ECG信号如图2所示，包括P波、QRS波群和T波，QRS波群数据就是ECG信号中每个QRS波群的采样点数据集合。每个QRS波群数据包括Q点数据、R点数据和S点数据，Q点数据就是图中每个Q点对应的时间轴数据，R点数据就是图中每个R点对应的时间轴数据，S点数据就是图中每个S点对应的时间轴数据，这里R点也是每个QRS波群中的最大信号幅值点。
步骤103，对QRS波群数据序列进行R点数据提取处理，生成R点数据序列；
其中，R点数据序列包括多个R点数据；
具体包括：依次提取QRS波群数据序列中包括的QRS波群数据的R点数据，生成R点数据序列。
此处，就是根据QRS波群中的R点特征，从QRS波群数据中，提取满足R点特征的采样点时间数据生成R点数据，并将所有R点数据按时间先后排序组成R点数据序列。
例如，从ECG信号中识别出了100个QRS波群，那么从100个QRS波群数据中可以提取出100个R点数据，R点数据序列具体为R点数据序列{R1，R2，R3…R100}。
步骤104，根据R点数据序列，对相邻的R点数据进行心搏间期数据计算，生成心搏间期数据序列；
其中，心搏间期数据序列包括多个心搏间期数据；心搏间期数据序列具体为心搏间期数据序列{RR1，RR2…RRi…RRN}；RRi为心搏间期数据；i的取值范围为从1到N；N为心搏间期数据序列包括的心搏间期数据的总数；
具体包括：根据R点数据序列，依次计算相邻的R点数据的差值，差值取绝对值为心搏间期数据，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，R3…R100}，则，心搏间隔数据总数N＝100-1＝99；心搏间隔数据RRi的索引i取值范围为从1到99；
心搏间期数据序列{RR1，RR2…RRi…RRN}应为心搏间期数据序列{RR1，RR2…RRi…RR99}，其中，99个心搏间期数据RRi分别是：
i＝1时，心搏间期数据RR1＝abs(R2-R1)；
i＝2时，心搏间期数据RR2＝abs(R3-R2)；
依此类推，
心搏间期数据RRi＝abs(Ri+1-Ri)，
当i＝N＝99时，心搏间期数据RR99＝abs(R99+1-R99)＝abs(R100-R99)；
上述公式中的abs()为取绝对值函数。
步骤105，根据差分序列模式对心搏间期数据序列进行处理，生成心搏间期差值数据序列；
其中，差分序列模式具体包括相邻差分序列、前后差分序列、相邻差分归一化序列和相邻差分平均归一化序列；心搏间期差值数据序列包括多个心搏间期差值数据；心搏间期差值数据序列具体为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；ΔRRj为心搏间期差值数据；j的取值范围为从1到M；M为心搏间期差值数据序列包括的心搏间期差值数据的总数；
四种模式具体包括：
模式一，当差分序列模式为相邻差分序列时，
根据心搏间期数据序列{RR1，RR2…RRi…RRN}，按相邻差分公式ΔRRj＝abs(RRi+1-RRi)，进行心搏间期差值数据计算，生成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRi…ΔRRM}；
其中，i＝j，M＝N-1；abs()为取绝对值函数。
例如，心搏间期数据序列{RR1，RR2…RRi…RRN}为心搏间期数据序列{RR1，RR2…RRi…RR99}，则，心搏间期差值数据总数M＝心搏间期数据总数N-1＝99-1＝98；心搏间期差值数据ΔRRj的索引j取值范围为从1到98；心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}应为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRR98}，其中，98个心搏间期差值数据ΔRRj分别为：
j＝1时，i＝j＝1，
心搏间期差值数据ΔRR1＝abs(RR1+1-RR1)＝abs(RR2-RR1)；
j＝2时，i＝j＝2，
心搏间期差值数据ΔRR2＝abs(RR2+1-RR2)＝abs(RR3-RR2)；
依此类推，
心搏间期差值数据ΔRRj＝abs(RRi+1-RRi)，i＝j；
当j＝M＝98时，i＝j＝98，
心搏间期差值数据ΔRR98＝abs(RR98+1-RR98)＝abs(RR99-RR98)。
模式二，当差分序列模式为前后差分序列时，
根据心搏间期数据序列{RR1，RR2…RRi…RRN}，按前后差分公式ΔRRj＝abs(RRi+1-RRi-1)，进行心搏间期差值数据计算，生成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；
其中，i＝j+1，M＝N-2；abs()为取绝对值函数。
例如，心搏间期数据序列{RR1，RR2…RRi…RRN}为心搏间期数据序列{RR1，RR2…RRi…RR99}，则，心搏间期差值数据总数M＝心搏间期数据总数N-2＝99-2＝97；心搏间期差值数据ΔRRj的索引j取值范围为从1到97；心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}应为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRR97}，其中，97个心搏间期差值数据ΔRRj分别为：
j＝1时，i＝j+1＝2，
心搏间期差值数据ΔRR1＝abs(RR2+1-RR2-1)＝abs(RR3-RR1)；
j＝2时，i＝j+1＝3，
心搏间期差值数据ΔRR2＝abs(RR3+1-RR3-1)＝abs(RR4-RR2)；
依此类推，
心搏间期差值数据ΔRRj＝abs(RRi+1-RRi-1)，i＝j+1；
当j＝97时，i＝j+1＝98，
心搏间期差值数据ΔRR97＝abs(RR98+1-RR98-1)＝abs(RR99-RR97)。
模式三，当差分序列模式为相邻差分归一化序列时，
根据心搏间期数据序列{RR1，RR2…RRi…RRN}，按相邻差分归一化公式
Figure BDA0002488496050000141
进行心搏间期差值数据计算，生成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；
其中，i＝j，M＝N-1；abs()为取绝对值函数。
例如，心搏间期数据序列{RR1，RR2…RRi…RRN}为心搏间期数据序列{RR1，RR2…RRi…RR99}，则，心搏间期差值数据总数M＝心搏间期数据总数N-1＝99-1＝98；心搏间期差值数据ΔRRj的索引j取值范围为从1到98；心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}应为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRR98}，其中，98个心搏间期差值数据ΔRRj分别为：
j＝1时，i＝j＝1，
心搏间期差值数据
Figure BDA0002488496050000151
j＝2时，i＝j＝2，
心搏间期差值数据
Figure BDA0002488496050000152
依此类推，
心搏间期差值数据
Figure BDA0002488496050000153
当j＝98时，i＝j＝98，
心搏间期差值数据
Figure BDA0002488496050000154
模式四，当差分序列模式为相邻差分平均归一化序列时，
获取预置的心搏间期均值的计算个数，对心搏间期数据序列{RR1，RR2…RRi…RRN}中最后的计算个数的心搏间期数据进行求和得到总心搏间期数据，总心搏间期数据除以计算个数为RR平均值；
根据心搏间期数据序列{RR1，RR2…RRi…RRN}和RR平均值，按相邻差分平均归一化公式
Figure BDA0002488496050000155
进行心搏间期差值数据计算，生成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；
其中，i＝j，M＝N-1；abs()为取绝对值函数。
例如，心搏间期数据序列{RR1，RR2…RRi…RRN}为心搏间期数据序列{RR1，RR2…RRi…RR99}，心搏间期差值数据总数M＝心搏间期数据总数N-1＝99-1＝98，心搏间期差值数据ΔRRj的索引j取值范围为从1到98；预置的心搏间期均值的计算个数为30，那么，总心搏间期数据为
Figure BDA0002488496050000161
Figure BDA0002488496050000162
Figure BDA0002488496050000163
心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}应为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRR98}，其中，98个心搏间期差值数据ΔRRj分别为：
j＝1时，i＝j＝1，
心搏间期差值数据
Figure BDA0002488496050000164
j＝2时，i＝j＝2，
心搏间期差值数据
Figure BDA0002488496050000165
依此类推，
心搏间期差值数据
Figure BDA0002488496050000166
当j＝98时，i＝j＝98，
心搏间期差值数据
Figure BDA0002488496050000167
步骤106，对心搏间期差值数据序列进行分类处理，生成心搏间期差值数据序列分类；
具体包括：步骤1061，从心搏间期差值数据序列的末端提取出指定数目的心搏间期差值数据，组成系数计算因子数据序列；
其中，系数计算因子数据序列包括多个心搏间期差值数据；
例如，心搏间期差值数据序列为{ΔRR1，ΔRR2…ΔRRj…ΔRR98}，指定从心搏间期差值数据序列的末端提取出30个心搏间期差值数据组成系数计算因子数据序列，则系数计算因子数据序列应为{ΔRR69…ΔRR98}；
步骤1062，对系数计算因子数据序列中所有心搏间期差值数据，进行累加计算处理，生成心搏间期差值数据序列系数；
此处，累加计算的处理方式有多种，常见的有普通累加计算处理、加权累加计算处理和分段加权累加计算处理等；
具体的，普通累加计算处理，就是直接对所有心搏间期差值数据进行求和处理，得到心搏间期差值数据序列系数；
例如，系数计算因子数据序列为{ΔRR69…ΔRR98}，直接对所有心搏间期差值数据进行求和处理之后，
Figure BDA0002488496050000171
其中，x的取值范围从1到30；
加权累加计算处理，就是先对每个心搏间期差值数据进行加权处理得到加权差值数据，再对所有加权差值数据进行求和处理，得到心搏间期差值数据序列系数；
例如，系数计算因子数据序列为{ΔRR69…ΔRR98}，先对每个心搏间期差值数据进行加权处理得到加权差值数据，再对所有加权差值数据进行求和处理之后，
Figure BDA0002488496050000172
其中，x的取值范围从1到30，ex为每个心搏间期差值数据对应的加权参数；
分段加权累加计算处理，对系数计算因子数据序列进行分段，对各分段内的心搏间期差值数据进行普通累加计算处理得到分段总和，再对多个分段总和进行加权累加计算处理，得到心搏间期差值数据序列系数；
例如，系数计算因子数据序列为{ΔRR69…ΔRR98}，将系数计算因子数据序列分成三段，对各分段内的心搏间期差值数据进行普通累加计算处理得到分段总和之后，得到三个分段总和：
Figure BDA0002488496050000173
Figure BDA0002488496050000174
其中x的取值范围从1到30，sum1、sum2和sum3分别为三个分段总和；对多个分段总和进行加权累加计算处理之后，
Figure BDA0002488496050000175
Figure BDA0002488496050000176
其中，y的取值范围从1到3，hy为每个分段总和对应的加权参数；
步骤1063，从系数分类阈值范围中，选择与心搏间期差值数据序列系数匹配的系数分类子范围所对应的分类信息，生成心搏间期差值数据序列分类；
其中，系数分类阈值范围包括多个系数分类子范围；系数分类子范围包括上限阈值和下限阈值。
此处，系数分类子范围包括的上限阈值和下限阈值与差分序列模式的对应关系为：当上限阈值和下限阈值为具体时间数据时，生成心搏间期差值数据序列的差分序列模式应为相邻差分序列或前后差分序列；当上限阈值和下限阈值为百分比数据时，生成心搏间期差值数据序列的差分序列模式应为相邻差分归一化序列或相邻差分平均归一化序列。
例如，系数分类阈值范围包括3个系数分类子范围，分别是窦性心律系数分类子范围、心动过缓系数分类子范围和心动过速系数分类子范围，每个子范围都有一对上下限阈值；当心搏间期差值数据序列系数处于窦性心律系数分类子范围内时，心搏间期差值数据序列分类具体为窦性心律；当心搏间期差值数据序列系数处于心动过缓系数分类子范围内时，心搏间期差值数据序列分类具体为心动过缓；当心搏间期差值数据序列系数处于心动过速系数分类子范围内时，心搏间期差值数据序列分类具体为心动过速。
图4为本发明实施例三提供的一种生成心搏间期差值数据序列的装置的模块结构图，该装置可以为前述实施例所描述的心电图设备(如心电图机、床边心电监护仪、动态心电记录仪等等)，也可以为能够使得心电图设备实现本发明实施例提供的方法的装置，例如该装置可以是心电图设备中的装置或芯片系统。如图4所示，该装置包括：
获取模块401，用于获取心电图ECG信号。
识别模块402，用于对ECG信号进行QRS波群识别处理生成QRS波群数据序列；其中，QRS波群数据序列包括多个QRS波群数据；QRS波群数据包括R点数据；
识别模块402，还用于对QRS波群数据序列进行R点数据提取处理，生成R点数据序列；其中，R点数据序列包括多个R点数据；
处理模块403，用于根据R点数据序列，对相邻的R点数据进行心搏间期数据计算，生成心搏间期数据序列；其中，心搏间期数据序列包括多个心搏间期数据；心搏间期数据序列具体为心搏间期数据序列{RR1，RR2…RRi…RRN}；RRi为心搏间期数据；i的取值范围为从1到N；N为心搏间期数据序列包括的心搏间期数据的总数；
处理模块403，还用于根据差分序列模式对心搏间期数据序列进行处理，生成心搏间期差值数据序列；其中，心搏间期差值数据序列包括多个心搏间期差值数据；心搏间期差值数据序列具体为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；ΔRRj为心搏间期差值数据；j的取值范围为从1到M；M为心搏间期差值数据序列包括的心搏间期差值数据的总数。
在本实施例提供的一个具体实现方式中，识别模块402具体用于：
依次提取QRS波群数据序列中，QRS波群数据的R点数据，由依次提取的R点数据生成R点数据序列。
在本实施例提供的另一个具体实现方式中，识别模块402具体用于：
根据R点数据序列，依次计算相邻的R点数据的差值，差值取绝对值为心搏间期数据，由心搏间期数据组成心搏间期数据序列。
在本实施例提供的另一个具体实现方式中，当差分序列模式具体为相邻差分序列时，处理模块403具体用于：
根据心搏间期数据序列{RR1，RR2…RRi…RRN}，按相邻差分公式ΔRRj＝abs(RRi+1-RRi)，进行心搏间期差值数据计算，生成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；其中，i＝j，M＝N-1；abs()为取绝对值函数。
在本实施例提供的另一个具体实现方式中，当差分序列模式具体为前后差分序列时，处理模块403具体用于：
根据心搏间期数据序列{RR1，RR2…RRi…RRN}，按前后差分公式ΔRRj＝abs(RRi+1-RRi-1)，进行心搏间期差值数据计算，生成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；其中，i＝j+1，M＝N-2；abs()为取绝对值函数。
在本实施例提供的另一个具体实现方式中，当差分序列模式具体为相邻差分归一化序列时，处理模块403具体用于：
根据心搏间期数据序列{RR1，RR2…RRi…RRN}，按相邻差分归一化公式
Figure BDA0002488496050000201
进行心搏间期差值数据计算，生成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；其中，i＝j，M＝N-1；abs()为取绝对值函数。
在本实施例提供的另一个具体实现方式中，当差分序列模式具体为相邻差分平均归一化序列时，处理模块403具体用于：
获取预置的心搏间期均值的计算个数，对心搏间期数据序列{RR1，RR2…RRi…RRN}中最后的计算个数的心搏间期数据进行求和得到总心搏间期数据，总心搏间期数据除以计算个数为RR平均值；
根据心搏间期数据序列{RR1，RR2…RRi…RRN}和RR平均值，按相邻差分平均归一化公式
Figure BDA0002488496050000202
进行心搏间期差值数据计算，生成心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；其中，i＝j，M＝N-1；abs()为取绝对值函数。
本发明实施例提供的一种生成心搏间期差值数据序列的装置，可以执行上述方法实施例中的方法步骤，其实现原理和技术效果类似，在此不再赘述。
需要说明的是，应理解以上装置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，由上述装置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。
图5为本发明实施例四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图设备(如心电图机、床边心电监护仪、动态心电记录仪等等)。如图5所示，该电子设备500可以包括：处理器51(例如CPU)、存储器52、收发器53；收发器53耦合至处理器51，处理器51控制收发器53的收发动作。存储器52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54、系统总线55以及通信端口56。系统总线55用于实现元件之间的通信连接。上述通信端口56用于电子设备与其他外设之间进行连接通信。
该图5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 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生成心搏间期差值数据序列的方法、装置、电子设备及可读存储介质，通过细化心搏间期差值数据序列的计算方式，使得生成的数据具备更好的数据精度和应用适配性。
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 (11)

1.一种生成心搏间期差值数据序列的方法，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QRS波群识别处理生成QRS波群数据序列；所述QRS波群数据序列包括多个QRS波群数据；所述QRS波群数据包括R点数据；
对所述QRS波群数据序列进行R点数据提取处理，生成R点数据序列；所述R点数据序列包括多个R点数据；
根据所述R点数据序列，对相邻的所述R点数据进行心搏间期数据计算，生成心搏间期数据序列；所述心搏间期数据序列包括多个心搏间期数据；所述心搏间期数据序列具体为心搏间期数据序列{RR1，RR2…RRi…RRN}；所述RRi为所述心搏间期数据；所述i的取值范围为从1到所述N；所述N为所述心搏间期数据序列包括的所述心搏间期数据的总数；
根据差分序列模式对所述心搏间期数据序列进行处理，生成心搏间期差值数据序列；所述心搏间期差值数据序列包括多个心搏间期差值数据；所述心搏间期差值数据序列具体为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；所述ΔRRj为所述心搏间期差值数据；所述j的取值范围为从1到所述M；所述M为所述心搏间期差值数据序列包括的所述心搏间期差值数据的总数。
2.根据权利要求1所述的生成心搏间期差值数据序列的方法，其特征在于，所述对所述QRS波群数据序列进行R点数据提取处理，生成R点数据序列，具体包括：
依次提取所述QRS波群数据序列中，所述QRS波群数据的所述R点数据，由依次提取的所述R点数据生成所述R点数据序列。
3.根据权利要求1所述的生成心搏间期差值数据序列的方法，其特征在于，所述根据所述R点数据序列，对相邻的所述R点数据进行心搏间期数据计算，生成心搏间期数据序列，具体包括：
根据所述R点数据序列，依次计算相邻的所述R点数据的差值，所述差值取绝对值为所述心搏间期数据，由所述心搏间期数据组成所述心搏间期数据序列。
4.根据权利要求1所述的生成心搏间期差值数据序列的方法，其特征在于，当所述差分序列模式具体为相邻差分序列时；
所述根据差分序列模式对所述心搏间期数据序列进行处理，生成心搏间期差值数据序列，具体包括：
根据所述心搏间期数据序列{RR1，RR2…RRi…RRN}，按相邻差分公式ΔRRj＝abs(RRi+1-RRi)，进行心搏间期差值数据计算，生成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；其中，i＝j，M＝N-1；所述abs()为取绝对值函数。
5.根据权利要求1所述的生成心搏间期差值数据序列的方法，其特征在于，当所述差分序列模式具体为前后差分序列时；
所述根据差分序列模式对所述心搏间期数据序列进行处理，生成心搏间期差值数据序列，具体包括：
根据所述心搏间期数据序列{RR1，RR2…RRi…RRN}，按前后差分公式ΔRRj＝abs(RRi+1-RRi-1)，进行心搏间期差值数据计算，生成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；其中，i＝j+1，M＝N-2；所述abs()为取绝对值函数。
6.根据权利要求1所述的生成心搏间期差值数据序列的方法，其特征在于，当所述差分序列模式具体为相邻差分归一化序列时；
所述根据差分序列模式对所述心搏间期数据序列进行处理，生成心搏间期差值数据序列，具体包括：
根据所述心搏间期数据序列{RR1，RR2…RRi…RRN}，按相邻差分归一化公式
Figure FDA0002488496040000021
进行心搏间期差值数据计算，生成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；其中，i＝j，M＝N-1；所述abs()为取绝对值函数。
7.根据权利要求1所述的生成心搏间期差值数据序列的方法，其特征在于，当所述差分序列模式具体为相邻差分平均归一化序列时；
所述根据差分序列模式对所述心搏间期数据序列进行处理，生成心搏间期差值数据序列，具体包括：
获取预置的心搏间期均值的计算个数，对所述心搏间期数据序列{RR1，RR2…RRi…RRN}中最后的所述计算个数的所述心搏间期数据进行求和得到总心搏间期数据，所述总心搏间期数据除以所述计算个数为RR平均值；
根据所述心搏间期数据序列{RR1，RR2…RRi…RRN}和所述RR平均值，按相邻差分平均归一化公式
Figure FDA0002488496040000031
进行心搏间期差值数据计算，生成所述心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；其中，i＝j，M＝N-1；所述abs()为取绝对值函数。
8.一种生成心搏间期差值数据序列的装置，其特征在于，包括：
获取模块用于获取心电图ECG信号；
识别模块用于对所述ECG信号进行QRS波群识别处理生成QRS波群数据序列；所述QRS波群数据序列包括多个QRS波群数据；所述QRS波群数据包括R点数据；
所述识别模块还用于对所述QRS波群数据序列进行R点数据提取处理，生成R点数据序列；所述R点数据序列包括多个R点数据；
处理模块用于根据所述R点数据序列，对相邻的所述R点数据进行心搏间期数据计算，生成心搏间期数据序列；所述心搏间期数据序列包括多个心搏间期数据；所述心搏间期数据序列具体为心搏间期数据序列{RR1，RR2…RRi…RRN}；所述RRi为所述心搏间期数据；所述i的取值范围为从1到所述N；所述N为所述心搏间期数据序列包括的所述心搏间期数据的总数；
所述处理模块还用于根据差分序列模式对所述心搏间期数据序列进行处理，生成心搏间期差值数据序列；所述心搏间期差值数据序列包括多个心搏间期差值数据；所述心搏间期差值数据序列具体为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRRj…ΔRRM}；所述ΔRRj为所述心搏间期差值数据；所述j的取值范围为从1到所述M；所述M为所述心搏间期差值数据序列包括的所述心搏间期差值数据的总数。
9.一种电子设备，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1-7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。
10.一种计算机程序产品，其特征在于，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权利要求1-7任一项所述的方法。
11.一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1-7任一项所述的方法的指令。
CN202010399845.8A 2020-05-12 2020-05-12 一种生成心搏间期差值数据序列的方法和装置 Active CN113712566B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010399845.8A CN113712566B (zh) 2020-05-12 2020-05-12 一种生成心搏间期差值数据序列的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010399845.8A CN113712566B (zh) 2020-05-12 2020-05-12 一种生成心搏间期差值数据序列的方法和装置

Publications (2)

Publication Number Publication Date
CN113712566A true CN113712566A (zh) 2021-11-30
CN113712566B CN113712566B (zh) 2024-02-06

Family

ID=78671128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010399845.8A Active CN113712566B (zh) 2020-05-12 2020-05-12 一种生成心搏间期差值数据序列的方法和装置

Country Status (1)

Country Link
CN (1) CN113712566B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070203418A1 (en) * 2006-02-27 2007-08-30 Cardiosoft L.L.P. Multi-Channel System for Beat to Beat QT Interval Variability
CN200942081Y (zh) * 2006-08-30 2007-09-05 深圳市科瑞康实业有限公司 一种快速测量心电信号装置
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
US8433395B1 (en) * 2009-11-03 2013-04-30 Vivaquant Llc Extraction of cardiac signal data
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
CN103961089A (zh) * 2014-05-27 2014-08-06 山东师范大学 基于分段直线拟合的窦性心率震荡趋势检测方法
CN107495960A (zh) * 2017-01-19 2017-12-22 山东医联万家健康科技有限公司 一种实时心电信号监测处理方法
CN107811631A (zh) * 2017-11-27 2018-03-20 乐普（北京）医疗器械股份有限公司 心电信号质量评估方法
CN107832737A (zh) * 2017-11-27 2018-03-23 乐普（北京）医疗器械股份有限公司 基于人工智能的心电图干扰识别方法
CN107951485A (zh) * 2017-11-27 2018-04-24 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
JP2018130513A (ja) * 2017-02-15 2018-08-23 修 池田 呼吸成分抽出方法
CN109044335A (zh) * 2018-07-17 2018-12-21 西安交通大学 一种基于瞬时声音刺激的心脏功能评价方法
CN109620206A (zh) * 2018-12-26 2019-04-16 上海数创医疗科技有限公司 包含异位心跳判断的房颤人工智能识别方法及装置
CN109864736A (zh) * 2019-03-22 2019-06-11 深圳市理邦精密仪器股份有限公司 心电信号的处理方法、装置、终端设备及介质
CN110141205A (zh) * 2019-05-27 2019-08-20 深圳市是源医学科技有限公司 基于hrv技术的抗压数据、疲劳数据的测试方法和装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070203418A1 (en) * 2006-02-27 2007-08-30 Cardiosoft L.L.P. Multi-Channel System for Beat to Beat QT Interval Variability
CN200942081Y (zh) * 2006-08-30 2007-09-05 深圳市科瑞康实业有限公司 一种快速测量心电信号装置
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
US8433395B1 (en) * 2009-11-03 2013-04-30 Vivaquant Llc Extraction of cardiac signal data
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
CN103961089A (zh) * 2014-05-27 2014-08-06 山东师范大学 基于分段直线拟合的窦性心率震荡趋势检测方法
CN107495960A (zh) * 2017-01-19 2017-12-22 山东医联万家健康科技有限公司 一种实时心电信号监测处理方法
JP2018130513A (ja) * 2017-02-15 2018-08-23 修 池田 呼吸成分抽出方法
CN107811631A (zh) * 2017-11-27 2018-03-20 乐普（北京）医疗器械股份有限公司 心电信号质量评估方法
CN107832737A (zh) * 2017-11-27 2018-03-23 乐普（北京）医疗器械股份有限公司 基于人工智能的心电图干扰识别方法
CN107951485A (zh) * 2017-11-27 2018-04-24 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
CN109044335A (zh) * 2018-07-17 2018-12-21 西安交通大学 一种基于瞬时声音刺激的心脏功能评价方法
CN109620206A (zh) * 2018-12-26 2019-04-16 上海数创医疗科技有限公司 包含异位心跳判断的房颤人工智能识别方法及装置
CN109864736A (zh) * 2019-03-22 2019-06-11 深圳市理邦精密仪器股份有限公司 心电信号的处理方法、装置、终端设备及介质
CN110141205A (zh) * 2019-05-27 2019-08-20 深圳市是源医学科技有限公司 基于hrv技术的抗压数据、疲劳数据的测试方法和装置

Also Published As

Publication number Publication date
CN113712566B (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
CN109171712B (zh) 心房颤动识别方法、装置、设备及计算机可读存储介质
EP3731748B1 (en) Detecting atrial fibrillation using short single-lead ecg recordings
CN109394205B (zh) 一种基于深度神经网络的心电信号分析方法
CN105726018A (zh) 一种与rr间期无关的房颤自动检测方法
WO2022110524A1 (zh) 心电图心搏数据聚类方法、装置、电子设备和介质
CN104834921B (zh) 心电正/异常大数据处理方法及装置
CN109077714B (zh) 信号识别方法、装置、设备和存储介质
US9962103B2 (en) Systems and methods for assessing electrocardiogram reliability
CN111419212A (zh) 心电图数据处理的方法、装置、存储介质及计算机设备
KR101366101B1 (ko) 개인별 ｅｃｇ 신호의 정상 신호 분류 시스템 및 방법
CN110717416B (zh) 基于特征选取的st段分类识别用神经网络训练方法
CN109009073A (zh) 房颤检测装置及存储介质
CN108937920B (zh) 一种心室纤颤信号检测方法、系统及心室纤颤检测装置
Tseng et al. Clustering analysis of aging diseases and chronic habits with multivariate time series electrocardiogram and medical records
CN109077719A (zh) 信号识别方法、装置、设备和存储介质
CN109044338B (zh) 房颤检测装置及存储介质
CN116135147B (zh) 心电信号的处理方法及装置、电子设备及存储介质
CN113712566A (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
Dliou et al. Time-frequency analysis of a noised ECG signals using empirical mode decomposition and Choi-Williams techniques
CN113712564B (zh) 一种心电信号分类设备和方法
CN113712567B (zh) 一种生成心搏间期差值数据序列系数的方法和装置
CN114403826A (zh) 一种血压测量方法和装置
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

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