CN113712568B - 一种心电信号数据的分类方法和装置 - Google Patents

一种心电信号数据的分类方法和装置 Download PDF

Info

Publication number
CN113712568B
CN113712568B CN202010400994.1A CN202010400994A CN113712568B CN 113712568 B CN113712568 B CN 113712568B CN 202010400994 A CN202010400994 A CN 202010400994A CN 113712568 B CN113712568 B CN 113712568B
Authority
CN
China
Prior art keywords
data
heart beat
beat interval
classification
noise
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
CN202010400994.1A
Other languages
English (en)
Other versions
CN113712568A (zh
Inventor
叶志刚
顾煜
刘建斌
潘海洋
尹小红
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 CN202010400994.1A priority Critical patent/CN113712568B/zh
Publication of CN113712568A publication Critical patent/CN113712568A/zh
Application granted granted Critical
Publication of CN113712568B publication Critical patent/CN113712568B/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
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Psychiatry (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (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数据的分类方法，所述方法包括：从心电信号数据序列中得到R点数据序列；对R点数据序列进行二阶差分计算得到心搏间期差值数据序列；将被识别为噪声的心电信号数据对应的R点数据记为噪声R点数据；将噪声R点数据对应的心搏间期差值数据记为噪声差值数据；提取非噪声差值数据组成降噪心搏间期差值数据序列；根据分类系数计算模式、降噪心搏间期差值数据序列，计算生成分类系数；根据分类系数查询分类列表获得心电信号分类数据。本发明提供一种心电信号数据的分类方法和装置，使用降噪心搏间期差值数据序列进行心电信号数据分类处理，提高了心电信号分类精度。

Description

一种心电信号数据的分类方法和装置
技术领域
本发明涉及信号处理技术领域，特别涉及一种心电信号数据的分类方法和装置。
背景技术
心电图(electrocardiogram，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。在心电信号中，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；可以使用心搏间期数据序列的差分数据序列(心搏间期差值数据序列)对心电信号数据进行分类。ECG信号受到噪声干扰会降低心电信号分类精度。
发明内容
本发明的目的，就是针对现有技术的缺陷，提供一种心电信号数据的分类方法、装置、电子设备及可读存储介质，在常规的心电信号数据分类处理中加入对心搏间期差值数据序列的降噪处理流程，使用降噪心搏间期差值数据序列进行心电信号数据分类处理，提高了心电信号分类精度。
为实现上述目的，本发明实施例第一方面提供了一种心电信号数据的分类方法，所述方法包括：
获取ECG信号，并对所述ECG信号进行心电信号数据采样处理，生成心电信号数据，由所述心电信号数据组成心电信号数据序列；
对所述心电信号数据序列，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；
对所述R点数据序列，进行二阶差分计算处理，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；
对降噪列表的所有降噪记录进行轮询，当所述降噪记录的激活状态标识为激活时，调用所述降噪记录的噪声识别标识对应的噪声识别处理过程，对所述心电信号数据序列中的所述心电信号数据进行对应的噪声识别处理，将被识别为噪声的所述心电信号数据标记为噪声信号数据；所述降噪列表包括多个所述降噪记录；所述降噪记录包括所述激活状态标识和所述噪声识别标识；
根据每个被标记为所述噪声信号数据的所述心电信号数据，将所述R点数据序列中对应的所述R点数据标记为噪声R点数据；
根据每个被标记为所述噪声R点数据的所述R点数据，将所述心搏间期差值数据序列中对应的所述心搏间期差值数据标记为噪声差值数据；
对所述心搏间期差值数据序列中未被标记为所述噪声差值数据的所述心搏间期差值数据，进行数据提取处理，生成降噪心搏间期差值数据，由所述降噪心搏间期差值数据组成降噪心搏间期差值数据序列；
根据分类系数计算模式，对所述降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数；
对分类列表的所有分类记录进行轮询，当所述分类记录的系数阈值范围包括所述分类系数时，根据所述分类记录的分类标识生成心电信号分类数据；所述分类列表包括多个所述分类记录；所述分类记录包括所述分类标识和所述系数阈值范围。
优选的，所述心电信号数据具体包括信号幅值信息和信号时间信息。
优选的，所述对所述心电信号数据序列，进行R点数据提取处理，生成R点数据序列，具体包括：
对所述心电信号数据序列，进行QRS波群信号识别处理，生成QRS波群信号数据，由所述QRS波群信号数据组成QRS波群信号数据序列；所述心电信号数据序列包括多个P波信号数据、多个所述QRS波群信号数据和多个T波信号数据；所述P波信号数据、所述QRS波群信号数据和所述T波信号数据分别包括多个所述心电信号数据；
对所述QRS波群信号数据序列中的所述QRS波群信号数据，提取所述信号幅值信息为最大值的所述心电信号数据生成R点信号数据，从所述R点信号数据中提取所述信号时间信息生成所述R点数据，由所述R点数据组成所述R点数据序列。
优选的，所述对所述R点数据序列，进行二阶差分计算处理，生成心搏间期差值数据序列，具体包括：
根据第一差分模式，对所述R点数据序列中的所述R点数据，进行第一差分计算处理，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；
根据第二差分模式，对所述心搏间期数据序列中的所述心搏间期数据，进行第二差分计算处理，生成所述心搏间期差值数据，并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。
进一步的，当所述第一差分模式具体为相邻差分模式时；
所述对所述R点数据序列中的所述R点数据，进行第一差分计算处理，生成心搏间期数据，具体包括：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，生成所述心搏间期数据。
进一步的，当所述第二差分模式具体为相邻差分模式时；
所述对所述心搏间期数据序列中的所述心搏间期数据，进行第二差分计算处理，生成所述心搏间期差值数据，具体包括：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，生成所述心搏间期差值数据。
进一步的，当所述第二差分模式具体为前后差分模式时；
所述对所述心搏间期数据序列中的所述心搏间期数据，进行第二差分计算处理，生成所述心搏间期差值数据，具体包括：对所述心搏间期数据序列中每个所述心搏间期数据，选择每个所述心搏间期数据的前一个和后一个所述心搏间期数据，进行绝对差值计算处理，生成所述心搏间期差值数据。
进一步的，当所述第二差分模式具体为相邻差分归一化模式时；
所述对所述心搏间期数据序列中的所述心搏间期数据，进行第二差分计算处理，生成所述心搏间期差值数据，具体包括：对所述心搏间期数据序列中，每个所述心搏间期数据和每个所述心搏间期数据的后一个所述心搏间期数据，进行绝对差值计算处理，生成第一绝对差值数据；再根据所述第一绝对差值数据除以每个所述心搏间期数据的商，生成所述心搏间期差值数据。
进一步的，当所述第二差分模式具体为相邻差分平均归一化模式时；
所述对所述心搏间期数据序列中的所述心搏间期数据，进行第二差分计算处理，生成所述心搏间期差值数据，具体包括：对所述心搏间期数据序列中，每个所述心搏间期数据和每个所述心搏间期数据的后一个所述心搏间期数据，进行绝对差值计算处理，生成第二绝对差值数据；从所述心搏间期数据序列的末尾提取指定数目的所述心搏间期数据，进行均值计算，生成平均心搏间期数据；根据所述第二绝对差值数据除以所述平均心搏间期数据的商，生成所述心搏间期差值数据。
优选的，所述根据每个被标记为所述噪声信号数据的所述心电信号数据，将所述R点数据序列中对应的所述R点数据标记为噪声R点数据，具体包括：提取每个被标记为所述噪声信号数据的所述心电信号数据的所述信号时间信息生成第一时间信息，将所述R点数据序列中与所述第一时间信息相等的所述R点数据，标记为所述噪声R点数据。
优选的，所述根据每个被标记为所述噪声R点数据的所述R点数据，将所述心搏间期差值数据序列中对应的所述心搏间期差值数据标记为噪声差值数据，具体包括：根据每个被标记为所述噪声R点数据的所述R点数据生成第一R点数据，对所述心搏间期差值数据序列中，由所述第一R点数据参与计算生成的所述心搏间期差值数据，标记为所述噪声差值数据。
优选的，当所述分类系数计算模式具体为累加计算模式时；
所述对所述降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数，具体包括：对所述降噪心搏间期差值数据序列末端的第一个数的所述降噪心搏间期差值数据，进行总和计算处理，生成所述分类系数。
优选的，当所述分类系数计算模式具体为加权累加计算模式时；
所述对所述降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数，具体包括：对所述降噪心搏间期差值数据序列末端的第二个数的所述降噪心搏间期差值数据，分别进行加权处理，得到所述第二个数的加权差值数据，对所述第二个数的所述加权差值数据，进行总和计算处理，生成所述分类系数。
优选的，当所述分类系数计算模式具体为分段加权累加计算模式时；
所述对所述降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数，具体包括：从所述降噪心搏间期差值数据序列的末端，提取第三个数的所述降噪心搏间期差值数据，生成过程差值数据序列；对所述过程差值数据序列，进行分段处理，得到第四个数的分段序列；对每个所述分段序列的所有所述降噪心搏间期差值数据，进行总和计算处理，生成分段总和数据；对每个所述分段总和数据，进行加权处理，生成加权分段总和数据；对所述第四个数的所述加权分段总和数据，进行总和计算处理，生成所述分类系数。
本发明实施例第二方面提供了一种心电信号数据的分类装置，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信号进行心电信号数据采样处理，生成心电信号数据，由所述心电信号数据组成心电信号数据序列；对所述心电信号数据序列，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；
差分模块用于对所述R点数据序列，进行二阶差分计算处理，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；
降噪模块用于对降噪列表的所有降噪记录进行轮询，当所述降噪记录的激活状态标识为激活时，调用所述降噪记录的噪声识别标识对应的噪声识别处理过程，对所述心电信号数据序列中的所述心电信号数据进行对应的噪声识别处理，将被识别为噪声的所述心电信号数据标记为噪声信号数据；所述降噪列表包括多个所述降噪记录；所述降噪记录包括所述激活状态标识和所述噪声识别标识；
所述降噪模块还用于根据每个被标记为所述噪声信号数据的所述心电信号数据，将所述R点数据序列中对应的所述R点数据标记为噪声R点数据；根据每个被标记为所述噪声R点数据的所述R点数据，将所述心搏间期差值数据序列中对应的所述心搏间期差值数据标记为噪声差值数据；
分类模块用于对所述心搏间期差值数据序列中未被标记为所述噪声差值数据的所述心搏间期差值数据，进行数据提取处理，生成降噪心搏间期差值数据，由所述降噪心搏间期差值数据组成降噪心搏间期差值数据序列；根据分类系数计算模式，对所述降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数；
所述分类模块还用于对分类列表的所有分类记录进行轮询，当所述分类记录的系数阈值范围包括所述分类系数时，根据所述分类记录的分类标识生成心电信号分类数据；所述分类列表包括多个所述分类记录；所述分类记录包括所述分类标识和所述系数阈值范围。
本发明实施例第三方面提供了一种电子设备，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，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，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心电信号数据的分类方法、装置、电子设备及可读存储介质，在常规的心电信号数据分类处理中加入对心搏间期差值数据序列的降噪处理流程，使用降噪心搏间期差值数据序列进行心电信号数据分类处理，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数据的分类方法示意图；
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电信号数据的分类装置的模块结构图；
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心电信号数据的分类方法，对ECG信号连续进行采样处理、R点数据提取处理和二阶差分计算处理，得到心搏间期差值数据序列；本发明实施例在计算分类系数之前，增加了对心搏间期差值数据序列降噪的处理步骤，在对心搏间期差值数据序列完成降噪之后使用准确度更高的降噪心搏间期差值数据序列计算分类系数和分类，提高了分类系数精度、提高了分类精度。
如图1为本发明实施例一提供的一种心电信号数据的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，并对ECG信号进行心电信号数据采样处理，生成心电信号数据，由心电信号数据组成心电信号数据序列；
其中，心电信号数据包括信号幅值信息和信号时间信息。
具体的：心电监护设备通过对患者进行直接采集获得患者的ECG信号，还可以通过连接其他ECG采集设备获得患者的ECG信号，还可以通过连接数据库获得数据库中存储的ECG信号；心电监护设备按照指定的采样频率对ECG信号进行心电信号数据采样处理，得到心电信号数据组成心电信号数据序列。
此处，心电监护设备是一种监测心脏电活动的终端设备或者服务器，在获取到患者实时的ECG信号之后，对其进行心电信号数据分类，如果分类结果表明患者心律处于非正常状态，则心电监护设备会进一步激活对应的报警操作、提示医护人员对患者状态进行及时干预或治疗。另外，心电信号数据包括了心电信号幅值数据采样处理得到的信号幅值信息，和心电信号时间数据采样处理得到的信号时间信息。
步骤2，对心电信号数据序列，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：步骤21，对心电信号数据序列，进行QRS波群信号识别处理，生成QRS波群信号数据，由QRS波群信号数据组成QRS波群信号数据序列；
其中，心电信号数据序列包括多个P波信号数据、多个QRS波群信号数据和多个T波信号数据；P波信号数据、QRS波群信号数据和T波信号数据分别包括多个心电信号数据；
此处，如图2为本发明实施例一提供的ECG信号示意图所示，ECG信号中包括了P波信号、QRS波群信号和T波信号；这里是将QRS波群信号从ECG信号中提取出来，其中每个QRS波群信号数据包括了多个由采样生成的心电信号数据；
步骤22，对QRS波群信号数据序列中的QRS波群信号数据，提取信号幅值信息为最大值的心电信号数据生成R点信号数据，从R点信号数据中提取信号时间信息生成R点数据，由R点数据组成R点数据序列。
此处，如图2所示，每个QRS波群信号中包括1个Q点信号、1个R点信号和1个S点信号，且R点信号的幅值是QRS波群信号中所有信号幅值中最大的，这里先从QRS波群信号数据的所有心电信号数据中提取幅值最大的心电信号数据做为R点信号数据，再从R点信号数据中提取信号时间信息得到R点数据。
步骤3，对R点数据序列，进行二阶差分计算处理，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。
此处，心搏间期差值数据序列是后续计算分类系数的必须参数，从R点数据序列到心搏间期差值数据序列需要进行两次差分计算处理(二阶差分计算处理)：由第一差分计算处理得到心搏间期数据序列，心搏间期数据是相邻R点数据之间的差分值(本发明实施例至少支持一种差分模式)；由第二差分计算处理得到心搏间期差值数据序列，心搏间期差值数据是相邻心搏间期数据之间的差分值(本发明实施例支持四种差分模式)；
具体包括：步骤31，根据第一差分模式，对R点数据序列中的R点数据，进行第一差分计算处理，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；第一差分模式至少包括相邻差分模式：
当第一差分模式具体为相邻差分模式时，对R点数据序列中的R点数据，进行第一差分计算处理，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，具体的：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；并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…R100}，其中R1，R2，依次类推R100分别为第1、2、依次类推第100个R点数据，则当第一差分模式具体为相邻差分模式时，心搏间期数据序列应为心搏间期数据序列{RR1，RR2…RR99}，其中RR1＝abs(R2-R1)、RR2＝abs(R3-R2)、依次类推RR99＝abs(R100-R99)分别为第1、2、依次类推第99个心搏间期数据；这里abs()为取绝对值函数；
步骤32，根据第二差分模式，对心搏间期数据序列中的心搏间期数据，进行第二差分计算处理，生成心搏间期差值数据，并由心搏间期差值数据组成心搏间期差值数据序列；
其中，第二差分模式包括相邻差分模式、前后差分模式、相邻差分归一化模式和相邻差分平均归一化模式四种模式：
模式一，当第二差分模式具体为相邻差分模式时，
对心搏间期数据序列中的心搏间期数据，进行第二差分计算处理，生成心搏间期差值数据，并由心搏间期差值数据组成心搏间期差值数据序列，具体包括：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，并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…RR99}，则当第二差分模式具体为相邻差分模式时，心搏间期差值数据序列应为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRR98}，其中ΔRR1＝abs(RR2-RR1)、ΔRR2＝abs(RR3-RR2)，依次类推ΔRR98＝abs(RR99-RR98)分别为第1、2、依次类推第98个心搏间期差值数据；
模式二，当第二差分模式具体为前后差分模式时，
对心搏间期数据序列中的心搏间期数据，进行第二差分计算处理，生成心搏间期差值数据，并由心搏间期差值数据组成心搏间期差值数据序列，具体包括：对心搏间期数据序列中每个心搏间期数据，选择每个心搏间期数据的前一个和后一个心搏间期数据，进行绝对差值计算处理，生成心搏间期差值数据，并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…RR99}，则当第二差分模式具体为前后差分模式时，因为第1个心搏间期数据没有前一个心搏间期数据、最后1个心搏间期数据没有后一个心搏间期数据，所以在差分计算时实际是以第2个心搏间期数据作为起始计算参考点、以倒数第2个心搏间期数据作为结束计算参考点，最后得到的心搏间期差值数据序列应为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRR97}，其中ΔRR1＝abs(RR3-RR1)、ΔRR2＝abs(RR4-RR2)、依次类推ΔRR97＝abs(RR99-RR97)分别为第1、2、依次类推第97个心搏间期差值数据；
模式三，当第二差分模式具体为相邻差分归一化模式时，
对心搏间期数据序列中的心搏间期数据，进行第二差分计算处理，生成心搏间期差值数据，并由心搏间期差值数据组成心搏间期差值数据序列，具体包括：对心搏间期数据序列中，每个心搏间期数据和每个心搏间期数据的后一个心搏间期数据，进行绝对差值计算处理，生成第一绝对差值数据；再根据第一绝对差值数据除以每个心搏间期数据的商，生成心搏间期差值数据，并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…RR99}，则当第二差分模式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应为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRR98}，其中 依次类推/>分别为第1、2、依次类推第98个心搏间期差值数据；
模式四，当第二差分模式具体为相邻差分平均归一化模式时，
对心搏间期数据序列中的心搏间期数据，进行第二差分计算处理，生成心搏间期差值数据，并由心搏间期差值数据组成心搏间期差值数据序列，具体包括：对心搏间期数据序列中，每个心搏间期数据和每个心搏间期数据的后一个心搏间期数据，进行绝对差值计算处理，生成第二绝对差值数据；从心搏间期数据序列的末尾提取指定数目的心搏间期数据，进行均值计算，生成平均心搏间期数据；根据第二绝对差值数据除以平均心搏间期数据的商，生成心搏间期差值数据，并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…RR99}，指定数目为30，则当第二差分模式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应为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRR98}，其中 依次类推/>分别为第1、2、依次类推第98个心搏间期差值数据；RR平均值为心搏间期数据序列{RR1，RR2…RR99}中最后30个心搏间期数据的平均值；这里之所以从心搏间期数据序列的末端提取，是因为末端数据实际就是最新的数据，使用最新的数据进行分析更与现实情况相符。
步骤4，对降噪列表的所有降噪记录进行轮询，当降噪记录的激活状态标识为激活时，调用降噪记录的噪声识别标识对应的噪声识别处理过程，对心电信号数据序列中的心电信号数据进行对应的噪声识别处理，将被识别为噪声的心电信号数据标记为噪声信号数据；
其中，降噪列表包括多个降噪记录；降噪记录包括激活状态标识和噪声识别标识。
此处，降噪列表是一个可配置列表，其数据结构如表一所示，其中N为大于0的整数：
降噪记录索引 激活状态标识 噪声识别标识
第1降噪记录 第1激活状态标识 第1噪声识别标识
第2降噪记录 第2激活状态标识 第2噪声识别标识
第N降噪记录 第N激活状态标识 第N噪声识别标识
表一
当需要增加/减少噪声识别处理过程时，只需要对该列表进行降噪记录添加/删除即可；另外，还可通过对降噪记录的激活状态标识进行激活/失活设置，启用/关闭已经存在的噪声识别处理过程。心电监护设备使用处于激活状态的噪声识别处理过程，对心电信号数据序列中的心电信号数据进行对应的噪声识别处理，并在心电信号数据序列中将受噪声影响的QRS波群信号数据中的所有心电信号数据都标记为噪声信号数据。这里，心电监护设备是在对心电信号数据序列进行降噪处理。
例如，心电信号数据序列包括100个QRS波群信号数据，降噪列表具体如二所示，
降噪记录索引 激活状态标识 噪声识别标识
第1降噪记录 激活 第1噪声识别标识
第2降噪记录 失活 第2噪声识别标识
第3降噪记录 激活 第3噪声识别标识
第4降噪记录 激活 第4噪声识别标识
表二
说明心电监护设备可以进行四种降噪处理过程、但当前只有三种可被使用：第1、3和4噪声识别处理过程；心电监护设备进行第1噪声识别处理发现第3个QRS波群信号为噪声，进行第3噪声识别处理发现第3个和第5个QRS波群信号为噪声，进行第4噪声识别处理发现第9个QRS波群信号为噪声；因而，心电信号数据序列中，所有属于第3、5和9个QRS波群信号数据的心电信号数据都被标记为噪声信号数据。
步骤5，根据每个被标记为噪声信号数据的心电信号数据，将R点数据序列中对应的R点数据标记为噪声R点数据；
具体包括：提取每个被标记为噪声信号数据的心电信号数据的信号时间信息生成第一时间信息，将R点数据序列中与第一时间信息相等的R点数据，标记为噪声R点数据。
此处，因为心电监护设备会在心电信号数据序列中将受噪声影响的QRS波群信号数据的所有心电信号数据都标记为噪声信号数据，且QRS波群信号数据中包括了R点信号数据，所以被标记为噪声信号数据的心电信号数据中一定有R点信号数据，将所有标记为噪声信号数据的心电信号数据的信号时间信息与R点数据序列中所有R点数据(R点信号数据的信号时间信息)进行比对，找到对应的R点数据后将其标记为受噪声影响的噪声R点数据。这里，心电监护设备是使用降噪后的心电信号数据序列，对R点数据序列进行降噪处理。
例如，心电信号数据序列包括100个QRS波群信号数据，对应的R点数据序列为R点数据序列{R1，R2…R100}，且第5个QRS波群信号数据的心电信号数据都被标记为噪声信号数据，那么，R点数据序列{R1，R2…R100}中R5会被标记为噪声R点数据。
步骤6，根据每个被标记为噪声R点数据的R点数据，将心搏间期差值数据序列中对应的心搏间期差值数据标记为噪声差值数据；
具体包括：根据每个被标记为噪声R点数据的R点数据生成第一R点数据，对心搏间期差值数据序列中，由第一R点数据参与计算生成的心搏间期差值数据，标记为噪声差值数据。
此处，由步骤3可知，心搏间期差值数据序列中的每个心搏间期差值数据都是由R点数据差分而来，为消除受步骤5得到的噪声R点数据的影响，这里需要将步骤5得到的噪声R点数据参与计算的所有心搏间期差值数据都标记为噪声差值数据。这里，心电监护设备是使用降噪后的R点数据序列，对心搏间期差值数据序列进行降噪处理。
例如，R点数据序列为R点数据序列{R1，R2…R100}；第一差分模式为相邻差分模式，心搏间期数据序列为心搏间期数据序列{RR1，RR2…RR99}，其中RR1＝abs(R2-R1)、RR2＝abs(R3-R2)、依次类推RR99＝abs(R100-R99)分别为第1、2、依次类推第99个心搏间期数据；第二差分模式为相邻差分模式，心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1，ΔRR2…ΔRR98}，其中ΔRR1＝abs(RR2-RR1)、ΔRR2＝abs(RR3-RR2)，依次类推ΔRR98＝abs(RR99-RR98)分别为第1、2、依次类推第98个心搏间期差值数据；且噪声R点数据为R5；则第一R点数据为R5，受第一R点数据影响的心搏间期数据应为RR4＝abs(R5-R4)和RR5＝abs(R6-R5)，受RR4和RR5影响的心搏间期差值数据应为ΔRR3＝abs(RR4-RR3)、ΔRR4＝abs(RR5-RR4)、ΔRR5＝abs(RR6-RR5)，那么，心搏间期差值数据序列中的噪声差值数据应为ΔRR3、ΔRR4和ΔRR5。
步骤7，对心搏间期差值数据序列中未被标记为噪声差值数据的心搏间期差值数据，进行数据提取处理，生成降噪心搏间期差值数据，由降噪心搏间期差值数据组成降噪心搏间期差值数据序列。
此处，心电监护设备去除受噪声影响的心搏间期差值数据，从而获得降噪心搏间期差值数据序列；相比于未经过降噪处理的心搏间期差值数据序列，降噪心搏间期差值数据序列的数据准确度提高了，使用降噪心搏间期差值数据序列进行后续的分类系数计算也会提高分类系数的精度。
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…ΔRR98}，心搏间期差值数据序列包括的心搏间期差值数据总数为98，当ΔRR3、ΔRR4和ΔRR5为噪声差值数据时，降噪心搏间期差值数据序列为{ΔRR1，ΔRR2，ΔRR6，ΔRR7…ΔRR98}，降噪心搏间期差值数据序列包含的降噪心搏间期差值数据总数为98-3＝95。
步骤8，根据分类系数计算模式，对降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数；
其中，分类系数计算模式包括累加计算模式、加权累加计算模式、和分段加权累加计算模式三种模式：
模式一，当分类系数计算模式具体为累加计算模式时，
对降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数，具体包括：对降噪心搏间期差值数据序列末端的第一个数的降噪心搏间期差值数据，进行总和计算处理，生成分类系数。
此处，之所以从降噪心搏间期差值数据序列末端进行提取是因为末端数据为最新数据，用最新的数据进行分析更与现实情况相符；第一个数为从降噪心搏间期差值数据序列末端提取降噪心搏间期差值数据的总数，常规会被设为30或60，表示最近30/60次心搏间期差值，也可以被设为其他具体值。
例如，降噪心搏间期差值数据序列为{ΔRR1，ΔRR2，ΔRR6，ΔRR7…ΔRR98}，第一个数为30，则，其中i的取值范围从1到30。
模式二，当分类系数计算模式具体为加权累加计算模式时，
对降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数，具体包括：对降噪心搏间期差值数据序列末端的第二个数的降噪心搏间期差值数据，分别进行加权处理，得到第二个数的加权差值数据，对第二个数的加权差值数据，进行总和计算处理，生成分类系数。
此处，第二个数为从降噪心搏间期差值数据序列末端提取降噪心搏间期差值数据的总数，常规会被设为30或60，表示最近30/60次心搏间期差值，也可以被设为其他具体值。
例如，降噪心搏间期差值数据序列为{ΔRR1，ΔRR2，ΔRR6，ΔRR7…ΔRR98}，第二个数为30，则，其中，j的取值范围从1到30，(ej×ΔRR(98-30)+j)为加权差值数据，ej为加权参数，这里，一共有30个加权参数(从e1、e2……到e30)，且这30个加权参数是从e1到e30取值依次增大(e1＜e2……＜e30)。
模式三，当分类系数计算模式具体为分段加权累加计算模式时，
对降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数，具体包括：从降噪心搏间期差值数据序列的末端，提取第三个数的降噪心搏间期差值数据，生成过程差值数据序列；对过程差值数据序列，进行分段处理，得到第四个数的分段序列；对每个分段序列的所有降噪心搏间期差值数据，进行总和计算处理，生成分段总和数据；对每个分段总和数据，进行加权处理，生成加权分段总和数据；对第四个数的加权分段总和数据，进行总和计算处理，生成分类系数。
此处，第三个数为从降噪心搏间期差值数据序列末端提取降噪心搏间期差值数据的总数，常规会被设为30或60，表示最近30/60次心搏间期差值，也可以被设为其他具体值；第四个数为降噪心搏间期差值数据序列的分段总数，常规情况下是将降噪心搏间期差值数据序列进行均分得到第四个数的分段序列。
例如，降噪心搏间期差值数据序列为{ΔRR1，ΔRR2，ΔRR6，ΔRR7…ΔRR98}，第三个数为30，第四个数为3，则过程差值数据序列应为过程差值数据序列{ΔRR69，ΔRR70…ΔRR98}；
对过程差值数据序列{ΔRR69，ΔRR70…ΔRR98}按第四个数进行均分，得到3个分段序列：第1分段序列{ΔRR69，…ΔRR78}、第2分段序列{ΔRR79，…ΔRR88}和第3分段序列{ΔRR89，…ΔRR98}；
对3个分段序列分别进行总和计算处理，得到3个分段总和数据： 和其中，s1的取值范围从1到10，s2的取值范围从11到20，s3的取值范围从21到30；
对3个分段总和数据进行加权处理，得到3个加权分段总和数据：第1加权分段总和数据＝h1×第1分段总和数据，第2加权分段总和数据＝h2×第2分段总和数据，和第3加权分段总和数据＝h3×第3分段总和数据，其中h1、h2和h3为加权参数，且这3个加权参数是从h1到h3取值依次增大(h1＜h2＜h3)；
对3个加权分段总和数据进行总和计算，得到分类系数＝第1加权分段总和数据+第2加权分段总和数据+第3加权分段总和数据。
步骤9，对分类列表的所有分类记录进行轮询，当分类记录的系数阈值范围包括分类系数时，根据分类记录的分类标识生成心电信号分类数据；
其中，分类列表包括多个分类记录；分类记录包括分类标识和系数阈值范围。
此处，分类列表是一个可配置列表，其数据结构如表三所示，其中M为大于0的整数：
分类记录索引 分类标识 系数阈值范围
第1分类记录 第1分类标识 第1系数阈值范围
第2分类记录 第2分类标识 第2系数阈值范围
第M分类记录 第M分类标识 第M系数阈值范围
表三
当需要增加/减少分类时，只需要对该列表进行分类记录添加/删除即可。当分类系数的取值包括在某个系数阈值范围内，电监护设备会将这个系数阈值范围所在分类记录中的分类标识作为心电信号分类数据。这里分类系数是使用降噪心搏间期差值数据序列进行计算得来的，分类系数精度提高了，对应的心电信号分类的精度也得到了提高。
例如，分类系数包括在第2分类记录的第2系数阈值范围中，则心电信号分类数据为第2分类标识。
图3为本发明实施例二提供的一种心电信号数据的分类装置的模块结构图，该装置可以为前述实施例所描述的终端设备或者服务器，也可以为能够使得前述终端设备或者服务器实现本发明实施例提供的方法的装置，例如该装置可以是前述终端设备或者服务器的装置或芯片系统。如图3所示，该装置包括：
获取模块301用于获取心电图ECG信号。
识别模块302用于对ECG信号进行心电信号数据采样处理，生成心电信号数据，由心电信号数据组成心电信号数据序列；对心电信号数据序列，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。
差分模块303用于对R点数据序列，进行二阶差分计算处理，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。
降噪模块304用于对降噪列表的所有降噪记录进行轮询，当降噪记录的激活状态标识为激活时，调用降噪记录的噪声识别标识对应的噪声识别处理过程，对心电信号数据序列中的心电信号数据进行对应的噪声识别处理，将被识别为噪声的心电信号数据标记为噪声信号数据；其中，降噪列表包括多个降噪记录；降噪记录包括激活状态标识和噪声识别标识。
降噪模块304还用于根据每个被标记为噪声信号数据的心电信号数据，将R点数据序列中对应的R点数据标记为噪声R点数据；根据每个被标记为噪声R点数据的R点数据，将心搏间期差值数据序列中对应的心搏间期差值数据标记为噪声差值数据。
分类模块305用于对心搏间期差值数据序列中未被标记为噪声差值数据的心搏间期差值数据，进行数据提取处理，生成降噪心搏间期差值数据，由降噪心搏间期差值数据组成降噪心搏间期差值数据序列；根据分类系数计算模式，对降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数。
分类模块305还用于对分类列表的所有分类记录进行轮询，当分类记录的系数阈值范围包括分类系数时，根据分类记录的分类标识生成心电信号分类数据；其中，分类列表包括多个分类记录；分类记录包括分类标识和系数阈值范围。
在本实施例提供的又一个具体实现方式中，差分模块303具体用于：
根据第一差分模式，对R点数据序列中的R点数据，进行第一差分计算处理，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；
根据第二差分模式，对心搏间期数据序列中的心搏间期数据，进行第二差分计算处理，生成心搏间期差值数据，并由心搏间期差值数据组成心搏间期差值数据序列。
在本实施例提供的又一个具体实现方式中，差分模块303具体用于：
当第一差分模式具体为相邻差分模式时，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。
在本实施例提供的又一个具体实现方式中，差分模块303具体用于：
当第二差分模式具体为相邻差分模式时，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。
在本实施例提供的又一个具体实现方式中，差分模块303具体用于：
当第二差分模式具体为前后差分模式时，对心搏间期数据序列中每个心搏间期数据，选择每个心搏间期数据的前一个和后一个心搏间期数据，进行绝对差值计算处理，生成心搏间期差值数据。
在本实施例提供的又一个具体实现方式中，差分模块303具体用于：
当第二差分模式具体为相邻差分归一化模式时，对心搏间期数据序列中，每个心搏间期数据和每个心搏间期数据的后一个心搏间期数据，进行绝对差值计算处理，生成第一绝对差值数据；再根据第一绝对差值数据除以每个心搏间期数据的商，生成心搏间期差值数据。
在本实施例提供的又一个具体实现方式中，差分模块303具体用于：
当第二差分模式具体为相邻差分平均归一化模式时，对心搏间期数据序列中，每个心搏间期数据和每个心搏间期数据的后一个心搏间期数据，进行绝对差值计算处理，生成第二绝对差值数据；从心搏间期数据序列的末尾提取指定数目的心搏间期数据，进行均值计算，生成平均心搏间期数据；根据第二绝对差值数据除以平均心搏间期数据的商，生成心搏间期差值数据。
在本实施例提供的又一个具体实现方式中，降噪模块304具体用于：
提取每个被标记为噪声信号数据的心电信号数据的信号时间信息生成第一时间信息，将R点数据序列中与第一时间信息相等的R点数据，标记为噪声R点数据。
在本实施例提供的又一个具体实现方式中，降噪模块304具体用于：
根据每个被标记为噪声R点数据的R点数据生成第一R点数据，对心搏间期差值数据序列中，由第一R点数据参与计算生成的心搏间期差值数据，标记为噪声差值数据。
在本实施例提供的又一个具体实现方式中，分类模块305具体用于：
当分类系数计算模式具体为累加计算模式时，对降噪心搏间期差值数据序列末端的第一个数的降噪心搏间期差值数据，进行总和计算处理，生成分类系数。
在本实施例提供的又一个具体实现方式中，分类模块305具体用于：
当分类系数计算模式具体为加权累加计算模式时，对降噪心搏间期差值数据序列末端的第二个数的降噪心搏间期差值数据，分别进行加权处理，得到第二个数的加权差值数据，对第二个数的加权差值数据，进行总和计算处理，生成分类系数。
在本实施例提供的又一个具体实现方式中，分类模块305具体用于：
当分类系数计算模式具体为分段加权累加计算模式时，从降噪心搏间期差值数据序列的末端，提取第三个数的降噪心搏间期差值数据，生成过程差值数据序列；对过程差值数据序列，进行分段处理，得到第四个数的分段序列；对每个分段序列的所有降噪心搏间期差值数据，进行总和计算处理，生成分段总和数据；对每个分段总和数据，进行加权处理，生成加权分段总和数据；对第四个数的加权分段总和数据，进行总和计算处理，生成分类系数。
本发明实施例提供的一种心电信号数据的分类装置，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，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
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终端设备或者服务器，也可以为与前述终端设备或者服务器连接的实现本发明实施例方法的终端设备或者服务器。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。
本发明实施例提供一种心电信号数据的分类方法、装置、电子设备及可读存储介质，在常规的心电信号数据分类处理中加入对心搏间期差值数据序列的降噪处理流程，使用降噪心搏间期差值数据序列进行心电信号数据分类处理，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 (18)

1.一种心电信号数据的分类方法，其特征在于，所述方法包括：
获取心电图ECG信号，并对所述ECG信号进行心电信号数据采样处理，生成心电信号数据，由所述心电信号数据组成心电信号数据序列；
对所述心电信号数据序列，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；
对所述R点数据序列，进行二阶差分计算处理，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；
对降噪列表的所有降噪记录进行轮询，当所述降噪记录的激活状态标识为激活时，调用所述降噪记录的噪声识别标识对应的噪声识别处理过程，对所述心电信号数据序列中的所述心电信号数据进行对应的噪声识别处理，将被识别为噪声的所述心电信号数据标记为噪声信号数据；所述降噪列表包括多个所述降噪记录；所述降噪记录包括所述激活状态标识和所述噪声识别标识；
根据每个被标记为所述噪声信号数据的所述心电信号数据，将所述R点数据序列中对应的所述R点数据标记为噪声R点数据；
根据每个被标记为所述噪声R点数据的所述R点数据，将所述心搏间期差值数据序列中对应的所述心搏间期差值数据标记为噪声差值数据；
对所述心搏间期差值数据序列中未被标记为所述噪声差值数据的所述心搏间期差值数据，进行数据提取处理，生成降噪心搏间期差值数据，由所述降噪心搏间期差值数据组成降噪心搏间期差值数据序列；
根据分类系数计算模式，对所述降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数；
对分类列表的所有分类记录进行轮询，当所述分类记录的系数阈值范围包括所述分类系数时，根据所述分类记录的分类标识生成心电信号分类数据；所述分类列表包括多个所述分类记录；所述分类记录包括所述分类标识和所述系数阈值范围。
2.根据权利要求1所述的心电信号数据的分类方法，其特征在于，
所述心电信号数据具体包括信号幅值信息和信号时间信息。
3.根据权利要求2所述的心电信号数据的分类方法，其特征在于，所述对所述心电信号数据序列，进行R点数据提取处理，生成R点数据序列，具体包括：
对所述心电信号数据序列，进行QRS波群信号识别处理，生成QRS波群信号数据，由所述QRS波群信号数据组成QRS波群信号数据序列；所述心电信号数据序列包括多个P波信号数据、多个所述QRS波群信号数据和多个T波信号数据；所述P波信号数据、所述QRS波群信号数据和所述T波信号数据分别包括多个所述心电信号数据；
对所述QRS波群信号数据序列中的所述QRS波群信号数据，提取所述信号幅值信息为最大值的所述心电信号数据生成R点信号数据，从所述R点信号数据中提取所述信号时间信息生成所述R点数据，由所述R点数据组成所述R点数据序列。
4.根据权利要求1所述的心电信号数据的分类方法，其特征在于，所述对所述R点数据序列，进行二阶差分计算处理，生成心搏间期差值数据序列，具体包括：
根据第一差分模式，对所述R点数据序列中的所述R点数据，进行第一差分计算处理，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；
根据第二差分模式，对所述心搏间期数据序列中的所述心搏间期数据，进行第二差分计算处理，生成所述心搏间期差值数据，并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。
5.根据权利要求4所述的心电信号数据的分类方法，其特征在于，当所述第一差分模式具体为相邻差分模式时；
所述对所述R点数据序列中的所述R点数据，进行第一差分计算处理，生成心搏间期数据，具体包括：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，生成所述心搏间期数据。
6.根据权利要求4所述的心电信号数据的分类方法，其特征在于，当所述第二差分模式具体为相邻差分模式时；
所述对所述心搏间期数据序列中的所述心搏间期数据，进行第二差分计算处理，生成所述心搏间期差值数据，具体包括：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，生成所述心搏间期差值数据。
7.根据权利要求4所述的心电信号数据的分类方法，其特征在于，当所述第二差分模式具体为前后差分模式时；
所述对所述心搏间期数据序列中的所述心搏间期数据，进行第二差分计算处理，生成所述心搏间期差值数据，具体包括：对所述心搏间期数据序列中每个所述心搏间期数据，选择每个所述心搏间期数据的前一个和后一个所述心搏间期数据，进行绝对差值计算处理，生成所述心搏间期差值数据。
8.根据权利要求4所述的心电信号数据的分类方法，其特征在于，当所述第二差分模式具体为相邻差分归一化模式时；
所述对所述心搏间期数据序列中的所述心搏间期数据，进行第二差分计算处理，生成所述心搏间期差值数据，具体包括：对所述心搏间期数据序列中，每个所述心搏间期数据和每个所述心搏间期数据的后一个所述心搏间期数据，进行绝对差值计算处理，生成第一绝对差值数据；再根据所述第一绝对差值数据除以每个所述心搏间期数据的商，生成所述心搏间期差值数据。
9.根据权利要求4所述的心电信号数据的分类方法，其特征在于，当所述第二差分模式具体为相邻差分平均归一化模式时；
所述对所述心搏间期数据序列中的所述心搏间期数据，进行第二差分计算处理，生成所述心搏间期差值数据，具体包括：
对所述心搏间期数据序列中，每个所述心搏间期数据和每个所述心搏间期数据的后一个所述心搏间期数据，进行绝对差值计算处理，生成第二绝对差值数据；
从所述心搏间期数据序列的末尾提取指定数目的所述心搏间期数据，进行均值计算，生成平均心搏间期数据；
根据所述第二绝对差值数据除以所述平均心搏间期数据的商，生成所述心搏间期差值数据。
10.根据权利要求2所述的心电信号数据的分类方法，其特征在于，所述根据每个被标记为所述噪声信号数据的所述心电信号数据，将所述R点数据序列中对应的所述R点数据标记为噪声R点数据，具体包括：
提取每个被标记为所述噪声信号数据的所述心电信号数据的所述信号时间信息生成第一时间信息，将所述R点数据序列中与所述第一时间信息相等的所述R点数据，标记为所述噪声R点数据。
11.根据权利要求1所述的心电信号数据的分类方法，其特征在于，所述根据每个被标记为所述噪声R点数据的所述R点数据，将所述心搏间期差值数据序列中对应的所述心搏间期差值数据标记为噪声差值数据，具体包括：
根据每个被标记为所述噪声R点数据的所述R点数据生成第一R点数据，对所述心搏间期差值数据序列中，由所述第一R点数据参与计算生成的所述心搏间期差值数据，标记为所述噪声差值数据。
12.根据权利要求1所述的心电信号数据的分类方法，其特征在于，当所述分类系数计算模式具体为累加计算模式时；
所述对所述降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数，具体包括：对所述降噪心搏间期差值数据序列末端的第一个数的所述降噪心搏间期差值数据，进行总和计算处理，生成所述分类系数。
13.根据权利要求1所述的心电信号数据的分类方法，其特征在于，当所述分类系数计算模式具体为加权累加计算模式时；
所述对所述降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数，具体包括：对所述降噪心搏间期差值数据序列末端的第二个数的所述降噪心搏间期差值数据，分别进行加权处理，得到所述第二个数的加权差值数据，对所述第二个数的所述加权差值数据，进行总和计算处理，生成所述分类系数。
14.根据权利要求1所述的心电信号数据的分类方法，其特征在于，当所述分类系数计算模式具体为分段加权累加计算模式时；
所述对所述降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数，具体包括：
从所述降噪心搏间期差值数据序列的末端，提取第三个数的所述降噪心搏间期差值数据，生成过程差值数据序列；
对所述过程差值数据序列，进行分段处理，得到第四个数的分段序列；
对每个所述分段序列的所有所述降噪心搏间期差值数据，进行总和计算处理，生成分段总和数据；
对每个所述分段总和数据，进行加权处理，生成加权分段总和数据；
对所述第四个数的所述加权分段总和数据，进行总和计算处理，生成所述分类系数。
15.一种心电信号数据的分类装置，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信号进行心电信号数据采样处理，生成心电信号数据，由所述心电信号数据组成心电信号数据序列；对所述心电信号数据序列，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；
差分模块用于对所述R点数据序列，进行二阶差分计算处理，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；
降噪模块用于对降噪列表的所有降噪记录进行轮询，当所述降噪记录的激活状态标识为激活时，调用所述降噪记录的噪声识别标识对应的噪声识别处理过程，对所述心电信号数据序列中的所述心电信号数据进行对应的噪声识别处理，将被识别为噪声的所述心电信号数据标记为噪声信号数据；所述降噪列表包括多个所述降噪记录；所述降噪记录包括所述激活状态标识和所述噪声识别标识；
所述降噪模块还用于根据每个被标记为所述噪声信号数据的所述心电信号数据，将所述R点数据序列中对应的所述R点数据标记为噪声R点数据；根据每个被标记为所述噪声R点数据的所述R点数据，将所述心搏间期差值数据序列中对应的所述心搏间期差值数据标记为噪声差值数据；
分类模块用于对所述心搏间期差值数据序列中未被标记为所述噪声差值数据的所述心搏间期差值数据，进行数据提取处理，生成降噪心搏间期差值数据，由所述降噪心搏间期差值数据组成降噪心搏间期差值数据序列；根据分类系数计算模式，对所述降噪心搏间期差值数据序列，进行累加计算处理，生成分类系数；
所述分类模块还用于对分类列表的所有分类记录进行轮询，当所述分类记录的系数阈值范围包括所述分类系数时，根据所述分类记录的分类标识生成心电信号分类数据；所述分类列表包括多个所述分类记录；所述分类记录包括所述分类标识和所述系数阈值范围。
16.一种电子设备，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1-14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。
17.一种计算机程序产品，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1-14任一项所述的方法。
18.一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1-14任一项所述的方法的指令。
CN202010400994.1A 2020-05-12 2020-05-12 一种心电信号数据的分类方法和装置 Active CN113712568B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010400994.1A CN113712568B (zh) 2020-05-12 2020-05-12 一种心电信号数据的分类方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010400994.1A CN113712568B (zh) 2020-05-12 2020-05-12 一种心电信号数据的分类方法和装置

Publications (2)

Publication Number Publication Date
CN113712568A CN113712568A (zh) 2021-11-30
CN113712568B true CN113712568B (zh) 2024-02-09

Family

ID=78671167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010400994.1A Active CN113712568B (zh) 2020-05-12 2020-05-12 一种心电信号数据的分类方法和装置

Country Status (1)

Country Link
CN (1) CN113712568B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010000009A1 (en) * 2008-07-02 2010-01-07 Cardanal Pty Ltd Improved detection of cardiac dysfunction
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
CN109960968A (zh) * 2017-12-22 2019-07-02 成都心吉康科技有限公司 分类器的生成方法、房颤检测装置及存储介质
CN110693483A (zh) * 2019-09-02 2020-01-17 乐普智芯(天津)医疗器械有限公司 一种动态心电图自动分析的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010000009A1 (en) * 2008-07-02 2010-01-07 Cardanal Pty Ltd Improved detection of cardiac dysfunction
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
CN109960968A (zh) * 2017-12-22 2019-07-02 成都心吉康科技有限公司 分类器的生成方法、房颤检测装置及存储介质
CN110693483A (zh) * 2019-09-02 2020-01-17 乐普智芯(天津)医疗器械有限公司 一种动态心电图自动分析的方法

Also Published As

Publication number Publication date
CN113712568A (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN108647565B (zh) 一种基于深度学习模型对心电信号分类的数据预处理方法
CN111107785A (zh) 使用短的单导联ecg记录来检测心房颤动
CN109394205B (zh) 一种基于深度神经网络的心电信号分析方法
CN109009073B (zh) 房颤检测装置及存储介质
Fotiadou et al. Enhancement of low-quality fetal electrocardiogram based on time-sequenced adaptive filtering
CN110717416B (zh) 基于特征选取的st段分类识别用神经网络训练方法
CN111956203B (zh) 心电信号参数化方法、模型训练方法、装置、设备及介质
Chatterjee et al. Sparsity-based modified wavelet de-noising autoencoder for ECG signals
CN115905969A (zh) 一种基于深度学习的心电信号波形分段方法及系统
CN110420022B (zh) 一种基于双密度小波变换的p波检测方法
CN113712568B (zh) 一种心电信号数据的分类方法和装置
CN116135147B (zh) 心电信号的处理方法及装置、电子设备及存储介质
CN114403826B (zh) 一种血压测量方法和装置
CN113712566B (zh) 一种生成心搏间期差值数据序列的方法和装置
Varghees et al. Two-channel heart sound segmentation framework using phonocardiogram and pulsatile signals
CN114533080B (zh) 一种对心电信号数据进行颤动波识别的方法和装置
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
CN110025308B (zh) 一种心电特征提取方法、心拍识别方法及装置
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
Tripathi et al. Statistical analysis of HRV parameters for the detection of Arrhythmia
Gupta et al. ECG signal analysis using emerging tools in current scenario of health informatics
Bhardwaj et al. Analysis of ECG signal denoising algorithms in DWT and EEMD domains
CN111803062A (zh) 一种基于深度学习的房颤事件检测方法
CN114533082B (zh) 一种基于心搏间期数据对qrs波类型进行标记的方法

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