CN113712569A - 高频qrs波群数据分析方法及装置 - Google Patents

高频qrs波群数据分析方法及装置 Download PDF

Info

Publication number
CN113712569A
CN113712569A CN202111281766.8A CN202111281766A CN113712569A CN 113712569 A CN113712569 A CN 113712569A CN 202111281766 A CN202111281766 A CN 202111281766A CN 113712569 A CN113712569 A CN 113712569A
Authority
CN
China
Prior art keywords
positive
waveform
frequency qrs
data
shape
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
CN202111281766.8A
Other languages
English (en)
Other versions
CN113712569B (zh
Inventor
李小钦
陈运华
黄庆玺
黄庆红
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.)
Biosorp Biotechnology Co Ltd
Original Assignee
Biosorp Biotechnology 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 Biosorp Biotechnology Co Ltd filed Critical Biosorp Biotechnology Co Ltd
Priority to CN202111281766.8A priority Critical patent/CN113712569B/zh
Publication of CN113712569A publication Critical patent/CN113712569A/zh
Application granted granted Critical
Publication of CN113712569B publication Critical patent/CN113712569B/zh
Priority to EP22885173.9A priority patent/EP4403108A1/en
Priority to PCT/CN2022/102597 priority patent/WO2023071268A1/zh
Priority to JP2024523115A priority patent/JP2024536544A/ja
Priority to US18/701,780 priority patent/US20240324937A1/en
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
    • A61B5/24—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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • 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]
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本申请涉及一种高频QRS波群数据分析方法及装置。所述方法包括：获取通过至少一条心电图导联输出的高频QRS波形数据；根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标；根据高频QRS波形数据通过第二函数计算波形变化形状指标，所述波形变化形状指标用于指示波形变化所属形状类别；根据导联阳性指标和波形变化形状指标，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。采用本方法可对高频QRS波形进行简单量化，减少医生的心电图阅片时间。

Description

高频QRS波群数据分析方法及装置
技术领域
本申请涉及医疗仪器技术领域，特别是涉及一种高频QRS波群数据分析方法及装置。
背景技术
心电图（ECG）描述了构成心脏不同心室的肌肉群的电活性，心电图（ECG）信号为身体表面电极或者可植入的电极信号数据的记录，电极信号数据的记录表明心脏内扩展的电活动而导致的身体电势变化，心电图（ECG）是矢量，心脏的不同部位分布的位置不同，电流信号穿过身体的不同部位的速率不同，由此能够采集到区分于心脏的不同部位的心电图（ECG）信号，并且根据心脏的不同部位的心电图（ECG）信号进行分析和处理，来获得病人的心脏健康信息。
现有技术中通过心电图（ECG）检测和分析有关心脏活性的信息，这些信息集中在P-QRS-T段，尤其是根据QRS段的数据，判断图形变长或变怪异，来确定心脏活性存在病变。一般现有的心电图（ECG）信号主要频率范围是0.05Hz-100Hz，许多常见的心脏活性存在病变能够在此频率范围内获得相关的信息，但是心电图（ECG）信号处于高频范围大于100Hz能够找到关于心脏活性病变更有价值的信息。
然而，现有的高频的QRS段的数据的分析处理仅在部分领域具有研究（如论文High-Frequency Electrocardiogram Analysis of the EntireQRS in the Diagnosisand Assessment of Coronary Artery Disease.Abbound 等，Progress inCardiovascularDiseases journal,Vol.XXXV,No.5,1993年3月/4月），而无法普适化以对其进行更广泛的应用。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高医生阅片效率的高频QRS波群数据分析方法及装置。
一种高频QRS波群数据分析方法，所述方法包括：
获取通过至少一条心电图导联输出的高频QRS波形数据；
根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标；
根据高频QRS波形数据通过第二函数计算波形变化形状指标，所述波形变化形状指标用于指示波形变化所属形状类别；
根据导联阳性指标和波形变化形状指标，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。
在其中一个实施例中，在根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标之后，还包括：基于所述导联阳性指标指示为阳性的高频QRS波形数据的种类和数量，根据第一预设规则将阳性位置划分为第一类别或第二类别。所述根据导联阳性指标和波形变化形状指标，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别，包括：根据导联阳性指标、波形变化形状指标和阳性位置划分的类别，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。
在其中一个实施例中，获取通过至少一条心电图导联输出的高频QRS波形数据，包括：获取通过至少一条心电图胸导联和/或肢体导联输出的，至少一个采样周期的高频QRS波形数据，高频QRS波形数据通过向贴覆于人体的电极片所采集的电流信号中，提取位于150HZ-250HZ区间的数据信号处理得到。
在其中一个实施例中，所述根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标，包括：从高频QRS波形数据中截取运动时间段波形数据，选取运动时间段波形数据中RMS电压值最大的数据作为第一参考点，并选取时间在第一参考点之后RMS电压值最小的点作为第二参考点；通过第一函数计算第一参考点的RMS电压值与第二参考点的RMS电压值之差得到振幅的绝对值，并计算振幅的绝对值与第一参考点的RMS电压值的比值得到振幅下降相对值，振幅的绝对值与振幅下降相对值构成导联阳性指标；其中，绝对值与振幅下降相对值符合预设条件，导联阳性指标指示为阳性。
在其中一个实施例中，根据高频QRS波形数据通过第二函数计算波形变化形状指标，所述波形变化形状指标用于指示波形变化所属形状类别，包括：获取高频QRS波形数据位于波峰或波谷的定点数据，所述定点数据包括时间值和RMS电压值；所述定点数据为定点在心电图中坐标，定点处于波峰或波谷位置；将定点数据输入第二函数，第二函数输出波形变化形状指标；所述波形变化形状指标用于指示波形变化所属形状类别。
在其中一个实施例中，所述第二函数根据相邻定点之间的幅值计算波形振幅，选取根据单一高频QRS波形数据中计算的最大的波形振幅，过滤小于根据最大的波形振幅计算的振幅阈值的波形振幅，对保留的波形幅值对应的定点数据按照时间先后顺序连线，得到形状函数，根据形状函数得到波形变化形状指标。
在其中一个实施例中，所述波形变化形状指标包括第一形状类别、第二形状类别和第三形状类别；其中，所述第一形状类别包括U型和L型中至少一种，所述第二形状类别包括W型、V型和M型中至少一种，所述第三形状类别包括平型和倒V型中至少一种。
在其中一个实施例中，根据导联阳性指标、波形变化形状和阳性位置划分的类别，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别，包括：
当导联阳性指标指示为阳性的高频QRS波形数目大于5条，波形变化形状指标为第一形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第一关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于5条，波形变化形状指标为第二形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第二关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第三关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第四关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第五关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第六关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第七关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第八关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第九关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第十关注级别。
在其中一个实施例中，基于所述导联阳性指标指示为阳性的高频QRS波形数据的种类和数量，根据第一预设规则将阳性位置划分为第一类别或第二类别，包括：在所述导联阳性指标指示为阳性的高频QRS波形为胸导联，并且胸导联输出的高频QRS波形数据为V1、V2、V3、V4、V5和V6中多种组合时，根据第一预设规则将阳性位置划分为第一类别；在所述导联阳性指标指示为阳性的高频QRS波形为肢体导联，并且肢体导联输出的高频QRS波形数据为Ⅰ、Ⅱ、Ⅲ、aVL、aVF和aVR中多种组合时，根据第一预设规则将阳性位置划分为第二类别。
一种高频QRS波群数据分析装置，所述装置包括：
数据获取模块，用于获取通过至少一条心电图导联输出的高频QRS波形数据；
导联阳性指标计算模块，用于根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标；
波形变化形状指标计算模块，用于根据高频QRS波形数据通过第二函数计算波形变化形状指标，所述波形变化形状指标用于指示波形变化所属形状类别；
标注模块，用于根据导联阳性指标和波形变化形状指标，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取通过至少一条心电图导联输出的高频QRS波形数据；
根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标；
根据高频QRS波形数据通过第二函数计算波形变化形状指标，所述波形变化形状指标用于指示波形变化所属形状类别；
根据导联阳性指标和波形变化形状指标，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取通过至少一条心电图导联输出的高频QRS波形数据；
根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标；
根据高频QRS波形数据通过第二函数计算波形变化形状指标，所述波形变化形状指标用于指示波形变化所属形状类别；
根据导联阳性指标和波形变化形状指标，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。
上述高频QRS波群数据分析方法、装置、计算机设备和存储介质，通过对高频QRS波形数据进行第一函数、第二函数处理，得到导联阳性指标和指示波形变化所属形状类别，可以从数量、种类去评估心脏出现问题的严重程度，并且通过数据进行量化，最终设定关注级别供医生参考，能够减少医生读阅心电图的主观性和时间。
附图说明
图1为一个实施例中高频QRS波群数据分析方法的应用环境图；
图2为一个实施例中高频QRS波形示意图；
图3为一个实施例中高频QRS波群数据分析方法的流程示意图；
图4为另一个实施例中高频QRS波群数据分析方法的流程示意图；
图5为一个实施例中波形形状类别示意图；
图6为一个实施例中高频QRS波群数据分析装置的结构框图；
图7为一个实施例中高频QRS波群数据分析装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的高频QRS波群数据分析方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信，终端102获取高频QRS波形数据发送至服务器104。服务器104获取通过至少一条心电图导联输出的高频QRS波形数据；根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标；根据高频QRS波形数据通过第二函数计算波形变化形状指标，所述波形变化形状指标用于指示波形变化所属形状类别；根据导联阳性指标和波形变化形状指标，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
QRS波群为心电图中Q波、R波和S波的集合，QRS波群反映左、右心室除极电位和时间的变化，第一个向下的波为Q波，向上的波为R波，接着向下的波是S波。自QRS波群起点至QRS波群终点的时间为QRS时限。高频指的是频率在100HZ以上，时程＞10ms，幅度≤82uv的电变化。本申请中，QRS波群通过QRS波形输出展示。高频QRS波形是指通过频率在100HZ以上、时程＞10ms、幅度≤82uv的电变化控制输出的QRS波群。高频QRS波形图中，横坐标是信号的采集时间，纵坐标是RMS电压，也称为均方根电压，如图2所示，高频QRS波形数据的种类为V4，RMS电压的单位是uV，时间单位是分钟。
在一个实施例中，如图3所示，提供了一种高频QRS波群数据分析方法，包括以下步骤：
S110，获取通过至少一条心电图导联输出的高频QRS波形数据。
其中，在进行心电图的采集过程中，例如，采用10个电极片进行采集，电极片分布在人体的胸部和四肢，形成12条心电图导联，对应输出12条高频QRS波形数据，高频QRS波形数据种类分别为V1、V2、V3、V4、V5、V6、Ⅰ、Ⅱ、Ⅲ、aVL、aVF和aVR。可以理解的是，电极片的个数还可以设置为其它数目，从而根据不同的需要去进行心电图的采集。
S120，根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标。
其中，第一函数用于对高频QRS波形数据进行处理，以计算运动前一段时间内、运动中和运动后一段时间内，高频QRS波形中RMS电压下降最多最快的两个参考点之间的振幅下降相对值和振幅的绝对值，振幅的绝对值为两个参考点做差处理得到，振幅下降相对值为根据振幅的绝对值与RMS电压最高的参考点的RMS电压值计算百分比。振幅下降相对值和振幅的绝对值主要是评估人体运动中心脏的血流变化指标。
S130，根据高频QRS波形数据通过第二函数计算波形变化形状指标，所述波形变化形状指标用于指示波形变化所属形状类别。
其中，第二函数用于对高频QRS波形数据进行处理，以判断高频QRS波形总体所呈现的形状，通过这种形状可以判断心脏的血流变化频率和幅度。具体的，例如，第二函数可以根据预设的形状逐一与高频QRS波形图像去做匹配，能够判断出高频QRS波形的形状类别，如，预设形状是“U”形，与高频QRS波形图像进行匹配，匹配度达到预设值（百分之八十），则认为二者匹配成功，高频QRS波形数据属于第一形状类别中的U型；或者，第二函数从高频QRS波形数据挑选出表征形状变化的定点，根据定点组成的图形的变化判断高频QRS波形数据对应的形状类别，如，定点组成的图形为L，高频QRS波形数据属于第一形状类别中的L型；再或者，第二函数从高频QRS波形数据挑选出表征形状变化的定点，根据多个定点的RMS电压的依次变化判断高频QRS波形数据对应的形状类别，如，多个定点的RMS电压呈现低-高-低-高-低这种变化，高频QRS波形数据属于第二形状类别中的M型。
S150，根据导联阳性指标和波形变化形状指标，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。
其中，通过导联阳性指标和波形变化形状指标组合判定分析，综合确定心脏健康的等级，从而设定不同的关注级别，以进行下一步的检测和治疗。第二预设规则根据导联阳性指标确定阳性高频QRS波形的条数，并且根据波形变化形状判断出现异常数据的种类，从而进行综合分析，确定可供医生参阅的心电图的指标数据，并且关注级别表示注意程度不同，医生能够根据次关注级别和临床症状做出诊疗参考建议。高频QRS波形数据和关注级别可以一起打印出来，生成检验结果报告单，提高医生的阅片效率。
上述高频QRS波群数据分析方法中，通过对高频QRS波形数据进行第一函数、第二函数处理，得到导联阳性指标和指示波形变化所属形状类别，可以从数量、种类去评估心脏出现问题的严重程度，并且通过数据进行量化，最终设定关注级别供医生参考，能够减少医生读阅心电图的主观性和时间。
在其中一个实施例中，如图4所示，在步骤S130之后，还包括：S140，基于所述导联阳性指标指示为阳性的高频QRS波形数据的种类和数量，根据第一预设规则将阳性位置划分为第一类别或第二类别。步骤S150，包括：根据导联阳性指标、波形变化形状指标和阳性位置划分的类别，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。
其中，阳性的高频QRS波形数据越多，表明心脏存在问题的概率越高，并且能够基于高频QRS波形数据的种类确定心脏的哪个部分（左心房、左心室、右心房、右心室）可能出现问题，第一预设规则基于此原理确定，主要是用于评估出现问题的部位和严重程度，将阳性位置划分成两个类别。
其中，通过导联阳性指标、波形变化形状指标和阳性位置划分的类别组合判定分析，综合确定心脏健康的等级，从而设定不同的关注级别，以进行下一步的检测和治疗。第二预设规则根据阳性的高频QRS波形数据的种类组合，能够判断在心脏的哪些位置可能出现数据异常，并且根据波形变化形状判断出现异常数据的种类，从而进行综合分析，确定可供医生参阅的心电图的指标数据，并且关注级别表示注意程度不同，医生能够根据次关注级别和临床症状做出诊疗参考建议。高频QRS波形数据和关注级别可以一起打印出来，生成检验结果报告单，提高医生的阅片效率。
在其中一个实施例中，获取通过至少一条心电图导联输出的高频QRS波形数据，包括：获取通过至少一条心电图胸导联和/或肢体导联输出的，至少一个采样周期的高频QRS波形数据，高频QRS波形数据通过向贴覆于人体的电极片所采集的电流信号中，提取位于150HZ-250HZ区间的数据信号处理得到。
其中，高频QRS波形数据可以来自一个或者多个心电图导联，包括胸导联和/或肢体导联。
本实施例中，在采集人体的高频QRS波形数据时，分为三个阶段对数据进行采集，包括静息阶段、运动阶段和恢复阶段，通过对人体各个不同状态时的心脏的血流变化所体现出来的电信号的进行采集，能够更加直观的体现人体心脏的健康情况，以便后续通过生成的检验结果报告单，供医生进行参考和诊断。本实施例中运动阶段与前面所述的运动时间段概念并不相同，运动时间段包括运动前一段时间内、运动中和运动后一段时间内，运动前一段时间内位于静息阶段，运动中包括整个运动阶段，运动后一段时间内位于恢复阶段，运动前一段时间内、运动中和运动后一段时间内是连续的时间段。
在其中一个实施例中，所述根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标，包括：从高频QRS波形数据中截取运动时间段波形数据，选取运动时间段波形数据中RMS电压值最大的数据作为第一参考点，并选取时间在第一参考点之后RMS电压值最小的点作为第二参考点；通过第一函数计算第一参考点的RMS电压值与第二参考点的RMS电压值之差得到振幅的绝对值，并计算振幅的绝对值与第一参考点的RMS电压值的比值得到振幅下降相对值，振幅的绝对值与振幅下降相对值构成导联阳性指标；其中，绝对值与振幅下降相对值符合预设条件，导联阳性指标指示为阳性。
其中，运动时间段波形数据包括运动前一段时间内、运动中和运动后一段时间内的波形数据，例如，运动时间段波形数据包括运动前100秒内波形数据、运动中的波形数据和运动后20秒内的波形数据。
其中，第一参考点和第二参考点包括时间值和RMS电压值，第一参考点的时间可在运动前一段时间内、运动中和运动后一段时间内，第二参考点的时间在运动中和运动后一段时间内，同时，第一参考点和第二参考点在选取的过程中会根据患者的年龄、身高、体重等参数进行适当调整。例如，第一参考点的值为（0.5min，2.5uV），第二参考点的值为（0.15min，2uV），振幅的绝对值S=2.5-2=0.5（uV），振幅下降相对值J=（0.5÷2.5）×100%=20%。预设条件可为振幅的绝对值大于0.5uV且振幅下降相对值大于50%。当然，在不同的检测环境下，可以设置不同的预设条件。
在一个可选的实施例中，绝对值与振幅下降相对值符合预设条件，导联阳性指标指示为阳性，则标注该条高频QRS波形在心电图中为警示颜色，例如，可以在心电图中显示该条高频QRS波形为红色。当然，警示颜色不限定为红色，也可为黄色、棕色等，只要能够区别于正常的高频QRS波形即可。
在其中一个实施例中，根据高频QRS波形数据通过第二函数计算波形变化形状指标，所述波形变化形状指标用于指示波形变化所属形状类别，包括：获取高频QRS波形数据位于波峰或波谷的定点数据，所述定点数据包括时间值和RMS电压值；所述定点数据为定点在心电图中坐标，定点处于高频QRS波形的波峰或波谷位置；将定点数据输入第二函数，第二函数输出波形变化形状指标；所述波形变化形状指标用于指示波形变化所属形状类别。
在其中一个实施例中，所述第二函数根据相邻定点之间的幅值计算波形振幅，选取根据单一高频QRS波形数据中计算的最大的波形振幅，过滤小于根据最大的波形振幅计算的振幅阈值的波形振幅，对保留的波形幅值对应的定点数据按照时间先后顺序连线，得到形状函数，根据形状函数得到波形变化形状指标。
其中，通过相邻定点之间的RMS电压值相减取绝对值，得到波形振幅；在计算得到多个两两相邻定点之间的波形振幅后，选取最大的波形振幅，由于某些定点之间的振幅变化较小，认为心脏的血流变化不明显，可以不进行考虑，过滤条件通过振幅阈值确定，振幅阈值根据最大的波形振幅计算，振幅阈值取最大的波形振幅的一定比例，例如，选择最大的波形振幅的百分之二十作为振幅阈值；当然，百分之二十不作为本申请的限定，根据波形的变化情况可用选择其它比例值。最后，对保留的波形幅值找到其对应的定点数据，根据定点数据按照时间先后依次连线，形状函数表示连线后的波形的函数，根据形状函数确定波形变化形状指标。
在其中一个实施例中，所述波形变化形状指标包括第一形状类别、第二形状类别和第三形状类别；其中，所述第一形状类别包括U型和L型中至少一种，所述第二形状类别包括W型、V型和M型中至少一种，所述第三形状类别包括平型和倒V型中至少一种。
如图5所示，图5中（a）的波形变化为第一类别中的U型，图5中（b）的波形变化为第一类别中的L型，图5中（c）的波形变化为第二类别中的W型，图5中（d）的波形变化为第二类别中的V型，图5中（e）的波形变化为第二类别中的M型，图5中（f）的波形变化为第三类别中的平型，图5中（g）的波形变化为第三类别中的倒V型。波形变化为QRS波形整体的变化趋势。
在其中一个实施例中，根据导联阳性指标、波形变化形状和阳性位置划分的类别，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别，包括：当导联阳性指标指示为阳性的高频QRS波形数目大于5条，波形变化形状指标为第一形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第一关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于5条，波形变化形状指标为第二形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第二关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第三关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第四关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第五关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第六关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第七关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第八关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第九关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第十关注级别。
其中，第一关注级别到第十关注级别，可以数据化指示心脏出现问题程度不同，供医生诊断过程中参考。例如，第一关注级别可以指示出现阻塞性冠脉病变可能，必须要临床医院就诊；第二关注级别可以指示出现非阻塞性冠脉病变可能，例如冠脉微循环障碍，必须要临床医院就诊；第三关注级别和第四关注级别可以指示出现阻塞性冠脉病变可能，需要进一步检查确定；第五关注级别和第六关注级别可以指示出现非阻塞性冠脉病变可能，需要进一步检查确定；第七关注级别和第八关注级别，需要进一步检查；第九关注级别和第十关注级别可以将此部分人群分类到亚健康管理状态，只需要定期复测。在不存在导联阳性指标指示为阳性的高频QRS波形，且受测者无不适症状时，说明心脏健康，只需要按期体检即可。
在其中一个实施例中，基于所述导联阳性指标指示为阳性的高频QRS波形数据的种类和数量，根据第一预设规则将阳性位置划分为第一类别或第二类别，包括：在所述导联阳性指标指示为阳性的高频QRS波形为胸导联，并且胸导联输出的高频QRS波形数据为V1、V2、V3、V4、V5和V6中多种组合时，根据第一预设规则将阳性位置划分为第一类别；在所述导联阳性指标指示为阳性的高频QRS波形为肢体导联，并且肢体导联输出的高频QRS波形数据为Ⅰ、Ⅱ、Ⅲ、aVL、aVF和aVR中多种组合时，根据第一预设规则将阳性位置划分为第二类别。
应该理解的是，虽然图3和图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图3和图4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种高频QRS波群数据分析装置，包括：数据获取模块210、导联阳性指标计算模块220、波形变化形状指标计算模块230和标注模块250，其中：
数据获取模块210，用于获取通过至少一条心电图导联输出的高频QRS波形数据。
导联阳性指标计算模块220，用于根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标。
波形变化形状指标计算模块230，用于根据高频QRS波形数据通过第二函数计算波形变化形状指标，所述波形变化形状指标用于指示波形变化所属形状类别。
标注模块250，用于根据导联阳性指标和波形变化形状指标，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。
在其中一个实施例中，如图7所示，所述高频QRS波群数据分析装置，还包括：阳性位置确定模块240，用于基于所述导联阳性指标指示为阳性的高频QRS波形数据的种类和数量，根据第一预设规则将阳性位置划分为第一类别或第二类别。所述标注模块250，还用于根据导联阳性指标、波形变化形状指标和阳性位置划分的类别，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。
在其中一个实施例中，数据获取模块210，还用于获取通过至少一条心电图胸导联和/或肢体导联输出的，至少一个采样周期的高频QRS波形数据，高频QRS波形数据通过向贴覆于人体的电极片所采集的电流信号中，提取位于150HZ-250HZ区间的数据信号处理得到。在其中一个实施例中，所述导联阳性指标计算模块220，包括：参考点选取单元，用于从高频QRS波形数据中截取运动时间段波形数据，选取运动时间段波形数据中RMS电压值最大的数据作为第一参考点，并选取时间在第一参考点之后RMS电压值最小的点作为第二参考点；导联阳性指标计算单元，用于通过第一函数计算第一参考点的RMS电压值与第二参考点的RMS电压值之差得到振幅的绝对值，并计算振幅的绝对值与第一参考点的RMS电压值的比值得到振幅下降相对值，振幅的绝对值与振幅下降相对值构成导联阳性指标；其中，绝对值与振幅下降相对值符合预设条件，导联阳性指标指示为阳性。
在其中一个实施例中，所述波形变化形状指标计算模块230，包括：定点数据获取单元，用于获取高频QRS波形数据位于波峰或波谷的定点数据，所述定点数据包括时间值和RMS电压值；所述定点数据为定点在心电图中坐标，定点处于波峰或波谷位置；函数处理单元，用于将定点数据输入第二函数，第二函数输出波形变化形状指标；所述波形变化形状指标用于指示波形变化所属形状类别。
在其中一个实施例中，所述第二函数根据相邻定点之间的幅值计算波形振幅，选取根据单一高频QRS波形数据中计算的最大的波形振幅，过滤小于根据最大的波形振幅计算的振幅阈值的波形振幅，对保留的波形幅值对应的定点数据按照时间先后顺序连线，得到形状函数，根据形状函数得到波形变化形状指标。
在其中一个实施例中，述波形变化形状指标包括第一形状类别、第二形状类别和第三形状类别；其中，所述第一形状类别包括U型和L型中至少一种，所述第二形状类别包括W型、V型和M型中至少一种，所述第三形状类别包括平型和倒V型中至少一种。
在其中一个实施例中，所述标注模块250，包括：
第一标注单元，用于当导联阳性指标指示为阳性的高频QRS波形数目大于5条，波形变化形状指标为第一形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第一关注级别；
第二标注单元，用于当导联阳性指标指示为阳性的高频QRS波形数目大于5条，波形变化形状指标为第二形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第二关注级别；
第三标注单元，用于当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第三关注级别；
第四标注单元，用于当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第四关注级别；
第五标注单元，用于当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第五关注级别；
第六标注单元，用于当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第六关注级别；
第七标注单元，用于当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第七关注级别；
第八标注单元，用于当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第八关注级别；
第九标注单元，用于当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第九关注级别；
第十标注单元，用于当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第十关注级别。
在其中一个实施例中，所述阳性位置确定模块240，包括：第一划分单元，用于在所述导联阳性指标指示为阳性的高频QRS波形为胸导联，并且胸导联输出的高频QRS波形数据为V1、V2、V3、V4、V5和V6中多种组合时，根据第一预设规则将阳性位置划分为第一类别；第二划分单元，用于在所述导联阳性指标指示为阳性的高频QRS波形为肢体导联，并且肢体导联输出的高频QRS波形数据为Ⅰ、Ⅱ、Ⅲ、aVL、aVF和aVR中多种组合时，根据第一预设规则将阳性位置划分为第二类别。
关于高频QRS波群数据分析装置的具体限定可以参见上文中对于高频QRS波群数据分析方法的限定，在此不再赘述。上述高频QRS波群数据分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储高频QRS波形数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种高频QRS波群数据分析方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种高频QRS波群数据分析方法，其特征在于，所述方法包括：
获取通过至少一条心电图导联输出的高频QRS波形数据；
根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标；
根据高频QRS波形数据通过第二函数计算波形变化形状指标，所述波形变化形状指标用于指示波形变化所属形状类别；
根据导联阳性指标和波形变化形状指标，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。
2.根据权利要求1所述的高频QRS波群数据分析方法，其特征在于，在根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标之后，还包括：
基于所述导联阳性指标指示为阳性的高频QRS波形数据的种类和数量，根据第一预设规则将阳性位置划分为第一类别或第二类别；
所述根据导联阳性指标和波形变化形状指标，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别，包括：
根据导联阳性指标、波形变化形状指标和阳性位置划分的类别，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。
3.根据权利要求1或2所述的高频QRS波群数据分析方法，其特征在于，获取通过至少一条心电图导联输出的高频QRS波形数据，包括：
获取通过至少一条心电图胸导联和/或肢体导联输出的，至少一个采样周期的高频QRS波形数据，高频QRS波形数据通过向贴覆于人体的电极片所采集的电流信号中，提取位于150HZ-250HZ区间的数据信号处理得到。
4.根据权利要求1或2所述的高频QRS波群数据分析方法，其特征在于，所述根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标，包括：
从高频QRS波形数据中截取运动时间段波形数据，选取运动时间段波形数据中RMS电压值最大的数据作为第一参考点，并选取时间在第一参考点之后RMS电压值最小的点作为第二参考点；
通过第一函数计算第一参考点的RMS电压值与第二参考点的RMS电压值之差得到振幅的绝对值，并计算振幅的绝对值与第一参考点的RMS电压值的比值得到振幅下降相对值，振幅的绝对值与振幅下降相对值构成导联阳性指标；其中，绝对值与振幅下降相对值符合预设条件，导联阳性指标指示为阳性。
5.根据权利要求1或2所述的高频QRS波群数据分析方法，其特征在于，根据高频QRS波形数据通过第二函数计算波形变化形状指标，所述波形变化形状指标用于指示波形变化所属形状类别，包括：
获取高频QRS波形数据位于波峰或波谷的定点数据，所述定点数据包括时间值和RMS电压值；所述定点数据为定点在心电图中坐标，定点处于波峰或波谷位置；
将定点数据输入第二函数，第二函数输出波形变化形状指标；所述波形变化形状指标用于指示波形变化所属形状类别。
6.根据权利要求5所述的高频QRS波群数据分析方法，其特征在于，所述第二函数根据相邻定点之间的幅值计算波形振幅，选取根据单一高频QRS波形数据中计算的最大的波形振幅，过滤小于根据最大的波形振幅计算的振幅阈值的波形振幅，对保留的波形幅值对应的定点数据按照时间先后顺序连线，得到形状函数，根据形状函数得到波形变化形状指标。
7.根据权利要求5所述的高频QRS波群数据分析方法，其特征在于，所述波形变化形状指标包括第一形状类别、第二形状类别和第三形状类别；其中，所述第一形状类别包括U型和L型中至少一种，所述第二形状类别包括W型、V型和M型中至少一种，所述第三形状类别包括平型和倒V型中至少一种。
8.根据权利要求7所述的高频QRS波群数据分析方法，其特征在于，根据导联阳性指标、波形变化形状和阳性位置划分的类别，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别，包括：
当导联阳性指标指示为阳性的高频QRS波形数目大于5条，波形变化形状指标为第一形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第一关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于5条，波形变化形状指标为第二形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第二关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第三关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第四关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第五关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目大于或等于3条且不大于5条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第六关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第七关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为是，波形变化形状指标为第一形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第八关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第一类别时，标注所述高频QRS波形数据对应的关注级别为第九关注级别；
当导联阳性指标指示为阳性的高频QRS波形数目为1条或者2条，不适症状数据为否，波形变化形状指标为第二形状类别，且阳性位置为第二类别时，标注所述高频QRS波形数据对应的关注级别为第十关注级别。
9.根据权利要求2所述的高频QRS波群数据分析方法，其特征在于，基于所述导联阳性指标指示为阳性的高频QRS波形数据的种类和数量，根据第一预设规则将阳性位置划分为第一类别或第二类别，包括：
在所述导联阳性指标指示为阳性的高频QRS波形为胸导联，并且胸导联输出的高频QRS波形数据为V1、V2、V3、V4、V5和V6中多种组合时，根据第一预设规则将阳性位置划分为第一类别；
在所述导联阳性指标指示为阳性的高频QRS波形为肢体导联，并且肢体导联输出的高频QRS波形数据为Ⅰ、Ⅱ、Ⅲ、aVL、aVF和aVR中多种组合时，根据第一预设规则将阳性位置划分为第二类别。
10.一种高频QRS波群数据分析装置，其特征在于，所述装置包括：
数据获取模块，用于获取通过至少一条心电图导联输出的高频QRS波形数据；
导联阳性指标计算模块，用于根据高频QRS波形数据通过第一函数计算振幅下降相对值和振幅的绝对值，形成导联阳性指标；
波形变化形状指标计算模块，用于根据高频QRS波形数据通过第二函数计算波形变化形状指标，所述波形变化形状指标用于指示波形变化所属形状类别；
标注模块，用于根据导联阳性指标和波形变化形状指标，通过第二预设规则分析，标注所述高频QRS波形数据对应的关注级别。
11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的高频QRS波群数据分析方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的高频QRS波群数据分析方法的步骤。
CN202111281766.8A 2021-11-01 2021-11-01 高频qrs波群数据分析方法及装置 Active CN113712569B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202111281766.8A CN113712569B (zh) 2021-11-01 2021-11-01 高频qrs波群数据分析方法及装置
EP22885173.9A EP4403108A1 (en) 2021-11-01 2022-06-30 Method and apparatus for analyzing high-frequency qrs-complex data
PCT/CN2022/102597 WO2023071268A1 (zh) 2021-11-01 2022-06-30 高频qrs波群数据分析方法及装置
JP2024523115A JP2024536544A (ja) 2021-11-01 2022-06-30 高周波ｑｒｓ群のデータ分析方法及び装置
US18/701,780 US20240324937A1 (en) 2021-11-01 2022-06-30 Method and apparatus for analyzing high-frequency qrs-complex data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111281766.8A CN113712569B (zh) 2021-11-01 2021-11-01 高频qrs波群数据分析方法及装置

Publications (2)

Publication Number Publication Date
CN113712569A true CN113712569A (zh) 2021-11-30
CN113712569B CN113712569B (zh) 2022-02-08

Family

ID=78686286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111281766.8A Active CN113712569B (zh) 2021-11-01 2021-11-01 高频qrs波群数据分析方法及装置

Country Status (5)

Country Link
US (1) US20240324937A1 (zh)
EP (1) EP4403108A1 (zh)
JP (1) JP2024536544A (zh)
CN (1) CN113712569B (zh)
WO (1) WO2023071268A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114052746A (zh) * 2022-01-05 2022-02-18 毕胜普生物科技有限公司 运动心电数据处理方法、装置、计算机设备和存储介质
CN114732419A (zh) * 2022-06-09 2022-07-12 毕胜普生物科技有限公司 运动心电数据分析方法、装置、计算机设备与存储介质
CN114742113A (zh) * 2022-06-09 2022-07-12 毕胜普生物科技有限公司 高频qrs波形曲线分析方法、装置、计算机设备与存储介质
CN114732418A (zh) * 2022-06-09 2022-07-12 毕胜普生物科技有限公司 高频qrs波形曲线分析方法、装置、计算机设备与存储介质
CN114742114A (zh) * 2022-06-09 2022-07-12 毕胜普生物科技有限公司 高频qrs波形曲线分析方法、装置、计算机设备与存储介质
CN114788703A (zh) * 2022-06-21 2022-07-26 毕胜普生物科技有限公司 高频qrs波形数据分析方法、装置、计算机设备与存储介质
CN115581465A (zh) * 2022-11-21 2023-01-10 毕胜普生物科技有限公司 冠心病风险评估方法和装置、心脏性猝死风险评估方法和系统
CN115602329A (zh) * 2022-11-21 2023-01-13 毕胜普生物科技有限公司（Cn） 心电信号处理方法、装置和相关设备
WO2023071268A1 (zh) * 2021-11-01 2023-05-04 毕胜普生物科技有限公司 高频qrs波群数据分析方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE27679T1 (de) * 1980-11-18 1987-06-15 University Patents Inc Ekg-geraet zur detektion potentieller ventrikularer tachykardien.
CN1084044A (zh) * 1992-09-11 1994-03-23 中日友好医院 三维高频心电信号分析系统及方法
CN1539372A (zh) * 2003-10-24 2004-10-27 �Ϻ���ͨ��ѧ 基于高频心电波形的心脏疾病早期诊断的方法及装置
CN101522099A (zh) * 2006-08-03 2009-09-02 Bsp生物信号处理有限公司 利用高频qrs电位分析识别心肌缺血的装置和方法
US20200100706A1 (en) * 2018-10-01 2020-04-02 Reynolds Delgado High Frequency QRS in Biometric Identification

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7113820B2 (en) * 2001-07-12 2006-09-26 The United States Of America As Represented By The Administration Of The National Aeronautics And Space Administration Real-time, high frequency QRS electrocardiograph
AU2003233437A1 (en) * 2002-03-26 2003-10-13 National Aeronautics And Space Administration System for the diagnosis and monitoring of coronary artery disease, acute coronary syndromes, cardiomyopathy and other cardiac conditions
US8706201B2 (en) * 2004-05-01 2014-04-22 Bsp Biological Signal Processing Ltd. Apparatus and method for analysis of high frequency QRS complexes
CN104586383B (zh) * 2015-01-12 2018-04-24 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
CN110477906B (zh) * 2019-08-26 2021-11-26 电子科技大学 一种心电信号qrs波起止点定位方法
CN111419212A (zh) * 2020-02-27 2020-07-17 平安科技（深圳）有限公司 心电图数据处理的方法、装置、存储介质及计算机设备
CN113712569B (zh) * 2021-11-01 2022-02-08 毕胜普生物科技有限公司 高频qrs波群数据分析方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE27679T1 (de) * 1980-11-18 1987-06-15 University Patents Inc Ekg-geraet zur detektion potentieller ventrikularer tachykardien.
CN1084044A (zh) * 1992-09-11 1994-03-23 中日友好医院 三维高频心电信号分析系统及方法
CN1539372A (zh) * 2003-10-24 2004-10-27 �Ϻ���ͨ��ѧ 基于高频心电波形的心脏疾病早期诊断的方法及装置
CN101522099A (zh) * 2006-08-03 2009-09-02 Bsp生物信号处理有限公司 利用高频qrs电位分析识别心肌缺血的装置和方法
US20200100706A1 (en) * 2018-10-01 2020-04-02 Reynolds Delgado High Frequency QRS in Biometric Identification

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023071268A1 (zh) * 2021-11-01 2023-05-04 毕胜普生物科技有限公司 高频qrs波群数据分析方法及装置
CN114052746A (zh) * 2022-01-05 2022-02-18 毕胜普生物科技有限公司 运动心电数据处理方法、装置、计算机设备和存储介质
CN114732418A (zh) * 2022-06-09 2022-07-12 毕胜普生物科技有限公司 高频qrs波形曲线分析方法、装置、计算机设备与存储介质
CN114742113A (zh) * 2022-06-09 2022-07-12 毕胜普生物科技有限公司 高频qrs波形曲线分析方法、装置、计算机设备与存储介质
CN114742114A (zh) * 2022-06-09 2022-07-12 毕胜普生物科技有限公司 高频qrs波形曲线分析方法、装置、计算机设备与存储介质
CN114732419B (zh) * 2022-06-09 2022-10-21 毕胜普生物科技有限公司 运动心电数据分析方法、装置、计算机设备与存储介质
CN114732419A (zh) * 2022-06-09 2022-07-12 毕胜普生物科技有限公司 运动心电数据分析方法、装置、计算机设备与存储介质
WO2023236689A1 (zh) * 2022-06-09 2023-12-14 毕胜普生物科技有限公司 高频qrs波形曲线分析方法、装置、计算机设备与存储介质
WO2023236724A1 (zh) * 2022-06-09 2023-12-14 毕胜普生物科技有限公司 高频qrs波形曲线分析方法、装置、计算机设备与存储介质
WO2023236687A1 (zh) * 2022-06-09 2023-12-14 毕胜普生物科技有限公司 运动心电数据分析方法、装置、计算机设备与存储介质
CN114788703A (zh) * 2022-06-21 2022-07-26 毕胜普生物科技有限公司 高频qrs波形数据分析方法、装置、计算机设备与存储介质
WO2023246358A1 (zh) * 2022-06-21 2023-12-28 毕胜普生物科技有限公司 高频qrs波形数据分析方法、装置、计算机设备与存储介质
CN115581465A (zh) * 2022-11-21 2023-01-10 毕胜普生物科技有限公司 冠心病风险评估方法和装置、心脏性猝死风险评估方法和系统
CN115602329A (zh) * 2022-11-21 2023-01-13 毕胜普生物科技有限公司（Cn） 心电信号处理方法、装置和相关设备
WO2024108917A1 (zh) * 2022-11-21 2024-05-30 毕胜普生物科技有限公司 心电信号处理方法、装置和相关设备

Also Published As

Publication number Publication date
CN113712569B (zh) 2022-02-08
EP4403108A1 (en) 2024-07-24
JP2024536544A (ja) 2024-10-04
US20240324937A1 (en) 2024-10-03
WO2023071268A1 (zh) 2023-05-04

Similar Documents

Publication Publication Date Title
CN113712569B (zh) 高频qrs波群数据分析方法及装置
US8755875B2 (en) System for heart performance characterization and abnormality detection
US8233972B2 (en) System for cardiac arrhythmia detection and characterization
US8929975B2 (en) System for heart monitoring, characterization and abnormality detection
CN114732419B (zh) 运动心电数据分析方法、装置、计算机设备与存储介质
CN109009084B (zh) 多导联心电信号的qrs波群校验方法、装置及设备、介质
CN114742114B (zh) 高频qrs波形曲线分析方法、装置、计算机设备与存储介质
US8868168B2 (en) System for cardiac condition characterization using electrophysiological signal data
CN114788703B (zh) 高频qrs波形数据分析方法、装置、计算机设备与存储介质
US20150126884A1 (en) System for Heart Performance Characterization and Abnormality Detection
US8626274B2 (en) Methods, systems and devices for detecting and diagnosing heart diseases and disorders
CN116196013B (zh) 心电数据处理方法、装置、计算机设备与存储介质
CN114732418A (zh) 高频qrs波形曲线分析方法、装置、计算机设备与存储介质
Kanna et al. Automated defective ECG signal detection using MATLAB applications
Zhang et al. Deep learning-based signal quality assessment for wearable ECGs
US20080108909A1 (en) Prediction of clinical outcome using large array surface myoelectric potentials
US20100312125A1 (en) System for Cardiac Pathology Detection and Characterization
Hori et al. Arrhythmia detection based on patient-specific normal ECGs using deep learning
CN116504398A (zh) 用于使用基于变换器的神经网络来进行心律失常预测的方法和系统
Manukova et al. An Approach to Evaluation of Clinically Healthy People by Preventive Cardio Control
Zhi et al. Wavelet based machine learning techniques for electrocardiogram signal analysis
CN116616790B (zh) 心脏风险评估方法、装置、计算机设备与存储介质
CN116649985B (zh) 心电数据处理方法、装置、计算机设备与存储介质
CN116725549B (zh) 心电数据分析方法、装置、计算机设备与存储介质
US20240108270A1 (en) Method and system for estimating the extent of ischemia in an individual

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