CN114190951B - Ecg信号处理方法、系统、装置及介质 - Google Patents
Ecg信号处理方法、系统、装置及介质 Download PDFInfo
- Publication number
- CN114190951B CN114190951B CN202111675558.6A CN202111675558A CN114190951B CN 114190951 B CN114190951 B CN 114190951B CN 202111675558 A CN202111675558 A CN 202111675558A CN 114190951 B CN114190951 B CN 114190951B
- Authority
- CN
- China
- Prior art keywords
- ecg signal
- path
- timestamp
- signal
- hardware
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims description 102
- 230000004044 response Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 18
- 230000000747 cardiac effect Effects 0.000 description 13
- 230000008859 change Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000001186 cumulative effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
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]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—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)
- Cardiology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本说明书一个或多个实施例涉及一种ECG信号处理方法、系统、装置及介质,该方法包括:基于预设算法获取ECG信号中的软件特征信息;基于ECG设备获取所述ECG信号中的硬件特征信息;确定所述软件特征信息以及所述硬件特征信息之间的差异。
Description
技术领域
本说明书涉及医疗检查技术领域,尤其涉及一种ECG信号处理方法、系统、装置及介质。
背景技术
利用ECG设备(即心电图机)记录受检对象的心脏活动变化的电信号并生成相应的心电图是常用的心脏检查、诊断方式。
本说明书提供一种ECG信号处理方法,旨在确定通过ECG设备获取的ECG信号的特征信息与通过其他算法获取ECG信号的特征信息之间的差异。此外,还可以进一步提高确定的ECG信号的R峰值对应的时间戳的准确率。
发明内容
本说明书的实施例之一提供一种ECG信号处理方法,所述方法包括:基于预设算法获取ECG信号中的软件特征信息;基于ECG设备获取所述ECG信号中的硬件特征信息;确定所述软件特征信息与所述硬件特征信息之间的差异。
本说明书的实施例之一提供一种ECG信号处理系统,所述系统包括:软件特征信息获取模块,用于基于预设算法获取ECG信号中的软件特征信息;硬件特征信息获取模块,用于基于ECG设备获取所述ECG信号中的硬件特征信息;差异确定模块,用于确定所述软件特征信息与所述硬件特征信息之间的差异。
本说明书的实施例之一提供一种ECG信号处理装置,包括至少一个处理器,所述至少一个处理器用于执行如前述实施例所述的ECG信号处理方法。
本说明书的实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如前述实施例所述的ECG信号处理方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的ECG信号处理系统的应用场景示意图;
图2是根据本说明书一些实施例所示的ECG信号处理方法的示例性流程图;
图3是根据本说明书另一些实施例所示的ECG信号处理方法的示例性流程图;
图4是根据本说明书一些实施例所示的对包括两路导联信号的ECG信号进行处理的示例性流程图;
图5是根据本说明书另一些实施例所示的对包括两路导联信号的ECG信号进行处理的示例性流程图;
图6是根据本说明书一些实施例所示的ECG信号处理系统的模块示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
在本说明书中,“用户”、“技师”、“医护人员”、“医生”和“操作人员”可互换地用于指代操作、控制或使用ECG设备的个人。此外,“受检对象”“受检者”和“患者”可互换使用指代接受或将要接受ECG设备扫描的对象。
在一些实施例中,ECG信号可以用于确定受检对象的心脏活动变化情况,辅助技师对受检对象的心脏进行检查、诊断。在一些应用场景中,在进行心脏扫查之前需要确定受检对象的ECG信号的R峰值对应的时间戳以避免在R峰值时对心脏进行放射扫描(这一举动是由于当心电图像达到R峰值时,表明受检对象的心脏产生起伏,如果此时进行放射扫描,会导致扫描得到的图像产生伪影,最终获得的扫描图像质量较低)。在一些实施例中,可以通过ECG设备获取ECG信号,并基于ECG设备获取ECG信号的一个或多个R峰值以及R峰值对应的时间戳。然而,基于ECG设备获取的ECG信号准确率较低。在一些情况下,可能出现漏检(即没有获取到已出现的R峰值)、误检(即获取的R峰值对应的时间戳与实际时间戳具有误差)情况,与受检对象的心脏活动变化情况偏差较大,可能会影响诸如扫描得到的图像质量。
基于上述情况,本说明书一些实施例中提供一种ECG信号处理方法,该方法可以通过ECG设备基于其获取的ECG信号来获取ECG信号的特征信息(即硬件特征信息)以及通过其他算法来获取ECG信号的特征信息(即软件特征信息)。并确定两种特征信息之间的差异。在一些实施例中,该方法可以基于两种特征信息之间的差异确定最合适的目标ECG信号。
在一些实施例中,该方法不仅可以通过ECG设备获取ECG信号的一个或多个R峰值以及R峰值对应的时间戳,还可以通过其他算法获取同一ECG信号的一个或多个R峰值出现的时刻(即时间戳)。基于其他算法获取同一ECG信号的一个或多个R峰值以及R峰值对应的时间戳相较于基于ECG设备直接获取的一个或多个R峰值以及R峰值对应的时间戳而言,准确性更高,更加贴合受检对象的心脏的实际活动变化情况。在一些实施例中,通过将对应于同一R峰值的获取的两个时间戳(基于ECG设备获取的时间戳以及基于其他算法获取的时间戳)进行求差来获取两个时间戳之间的误差,并以该方式获取所有R峰值对应的时间戳的误差然后求和得到累计误差。相较于单独通过ECG设备获取ECG信号中的R峰值以及R峰值对应的时间戳而言,本说明书提供的ECG信号处理方法可以确定当前ECG设备提供的ECG信号的R峰值对应的时间戳与受检对象的心脏的实际活动变化情况之间的误差,从而确定当前ECG信号的准确性。在一些实施例中,在获取累计误差后,本说明书提供的ECG信号处理方法可以将累计误差推送给技师以便于技师了解当前ECG信号的准确性并进一步选择合适的ECG信号。在另一些实施例中,在得到累计误差后,本说明书提供的ECG信号处理方法可以进一步基于累计误差将更贴合受检对象的心脏的实际活动变化情况的ECG信号推荐给技师,以节省技师更换ECG信号的时间,提高效率。在又一些实施例中,本说明书提供的ECG信号处理方法可以对ECG信号进行调整,从而获取更贴合受检对象的心脏的实际活动变化情况的ECG信号。
在本说明书的一个或多个实施例中,ECG(electrocardiogram)信号可以是指与受检对象的心脏活动变化相关联的电信号。在一些实施例中,可以基于ECG信号生成(例如,通过ECG设备)包括有心电图波形的图像,即心电图。心电图可以更加直观地体现受检对象的心脏活动变化。心电图的横坐标可以表示经历的时间(单位为s),心电图的纵坐标可以表示电压值(单位为mv)。在一些实施例中,心电图波形可能包括一个或多个心动周期,每个心动周期心脏会发生起伏跳动(收缩和舒张),当心脏发生起伏跳动时,心电图波形会对应产生峰值(即在一个心动周期内,纵坐标最大值的位置)。这些峰值在本说明书的实施例中可以称为R峰值。
在一些实施例中,ECG信号可以通过ECG设备获取。在一些实施例中,可以将ECG设备的正、负电极片放置于受检对象的不同部位,并通过导联线连接ECG设备,以使正、负电极片之间形成导联,ECG设备可以获取该导联的导联信号。在一些实施例中,由于可以放置多组正、负电极片在受检对象的不同部位,因此可以具有多路导联,从而产生多路导联信号。因此,ECG设备获取的ECG信号可以包括一路或多路导联信号。在一些实施例中,不同导联信号可以反映受检对象的心脏在不同观察角度下的活动变化。
图1是根据本说明书一些实施例所示的ECG信号处理系统的应用场景示意图。如图1所示,在一些实施例中,ECG信号处理系统可以包括ECG设备110、服务器120、网络130、用户终端140以及存储设备150。
在一些实施例中,服务器120可以用于处理与ECG信号相关的信息和/或数据。服务器120可以是独立的服务器或者服务器组。服务器组可以是集中式的或者分布式的(如:服务器120可以是分布系统)。在一些实施例中,服务器120可以是区域的或者远程的。例如,服务器120可通过网络130访问存储于用户终端140、存储设备150中的信息和/或资料。在一些实施例中,服务器120可直接与用户终端140、存储设备150连接以访问存储于其中的信息和/或资料。在一些实施例中,服务器120可在云平台上执行。
在一些实施例中,服务器120可包含处理设备122。在一些实施例中,处理设备122可以处理与ECG信号有关的数据和/或信息,以执行实施例中描述的功能。例如,处理设备122可以接收ECG设备110发送的信息和/或数据,并对其进行分析、判断。
网络130可促进数据和/或信息的交换。在一些实施例中,ECG信号处理系统100中的一个或多个组件(如:ECG设备110、服务器120、用户终端140、存储设备150)可通过网络130发送数据和/或信息给ECG信号处理系统100中的其他组件。在一些实施例中,网络130可是任意类型的有线或无线网络。在一些实施例中,至少一个用户终端140可以与ECG设备110、处理设备122和/或存储设备150通信和/或连接。例如,处理设备122获取的患者的ECG信号可以存储在存储设备150中。
在一些实施例中,用户终端140可以包括显示界面。显示界面是指用户终端140显示屏幕上显示的页面。显示界面可以用于显示图像、文字或者可以供用户操作的按钮/选项等。用户通过对显示界面中内容进行操作可以实现相应的功能。例如,技师可以在计算机屏幕上点击某一路导联信号,将该导联信号作为目标ECG信号。
图2是根据本说明书一些实施例所示的ECG信号处理方法的示例性流程图。在一些实施例中,ECG信号处理方法200可以由ECG信号处理系统100(如处理设备122)执行。例如,ECG信号处理方法200可以以程序或指令的形式存储在存储装置(如存储设备150)中,当ECG信号处理系统100(如服务器120)执行该程序或指令时,可以实现ECG信号处理方法200。
步骤210、基于预设算法获取ECG信号中的软件特征信息。在一些实施例中,步骤210可以由软件特征信息获取模块610执行。
软件特征信息可以是指通过其他算法基于ECG信号获取的特征信息。特征信息可以是指与受检对象的心脏活动相关联的信息。例如,特征信息可以包括受检对象的心率(例如,实时心率、平均心率等)、心率是否正常、R峰值对应的时间戳以及心电图波形等。在一些实施例中,处理设备122可以通过其他算法获取ECG信号对应的心电图波形。基于心电图波形获取受检对象的心率,例如,受检对象在当前时刻的心率(即实时心率)、受检对象在一段时间内的平均心率。在一些实施例中,处理设备122可以基于受检对象的心率确定受检对象是否存在心律不齐的情况。
在一些实施例中,处理设备122可以通过其他算法获取ECG信号中R峰值对应的时间戳(即软件时间戳),关于此,在本说明书的图3至图5及其实施例中可以找到更详细的描述,此处不再赘述。
步骤220、基于ECG设备获取ECG信号中的硬件特征信息。在一些实施例中,步骤220可以由硬件特征信息获取模块620执行。
硬件特征信息可以是指通过ECG设备110基于ECG信号获取的特征信息。在一些实施例中,ECG设备110在获取ECG信号之后,可以基于ECG信号获取对应的心电图波形。在一些实施例中,ECG设备110可以基于心电图波形获取受检对象的心率等信息。
在一些实施例中,处理设备122可以获取ECG信号中R峰值对应的时间戳(即硬件时间戳),关于此,在本说明书的图3至图5及其实施例中可以找到更详细的描述,此处不再赘述。
步骤230、确定软件特征信息与硬件特征信息之间的差异。在一些实施例中,步骤220可以由差异确定模块630执行。
在一些实施例中,处理设备122可以将软件特征信息与硬件特征信息进行比较,以确定两者的差异。这里所说的差异可以包括心电图波形之间的差异、R峰值对应的时间戳(例如,软件时间戳与硬件时间戳)之间的差异、心率之间的差异等。示例性的,处理设备122可以将通过其他算法获取的ECG信号对应的心电图波形与通过ECG设备110获取的ECG信号对应的心电图波形进行比较,确定出两者的差异。在另一示例中,处理设备122可以将ECG信号中R峰值对应的软件时间戳与硬件时间戳进行比较以确定累计误差。在一些实施例中,处理设备122可以基于软件特征信息与硬件特征信息之间的差异确定目标ECG信号。示例性的,处理设备122可以基于R峰值对应的硬件时间戳与软件时间戳确定两者之间的累计误差,并基于累计误差确定目标ECG信号。关于此,在本说明书的图3至图5及其实施例中可以找到更详细的描述,此处不再赘述。
图3是根据本说明书另一些实施例所示的ECG信号处理方法的示例性流程图。在一些实施例中,ECG信号处理方法300可以由ECG信号处理系统100(如处理设备122)执行。例如,ECG信号处理方法300可以以程序或指令的形式存储在存储装置(如存储设备150)中,当ECG信号处理系统100(如服务器120)执行该程序或指令时,可以实现ECG信号处理方法300。
步骤310、获取ECG信号中R峰值对应的软件时间戳。在一些实施例中,步骤310可以由软件特征信息获取模块610执行。
软件时间戳可以是指基于其他算法对ECG信号进行分析处理获得的与R峰值对应的时间戳。R峰值对应的时间戳可以是指R峰值出现的时刻。在一些实施例中,ECG信号可能包括多个R峰值,例如,基于ECG信号生成的心电图波形具有多个R峰值,时间戳可以包括依次出现R峰值的多个时刻。
在一些实施例中,处理设备122可以通过对基于ECG信号生成的心电图波形进行分析处理来获取ECG信号的R峰值对应的时间戳。在一些实施例中,一定时间段内的心电图波形可以是由若干个轨迹点组成。处理设备122可以判断轨迹点是否为R峰值。响应于轨迹点为R峰值,处理设备122可以将该轨迹点的横坐标值作为该R峰值的软件时间戳。在一些实施例中,处理设备122对基于ECG信号生成的心电图波形进行分析处理来获取ECG信号的R峰值对应的时间戳可以包括:获取临界电压阈值。将若干轨迹点中电压值大于临界电压阈值的轨迹点作为候选轨迹点。判断某一候选轨迹点相邻的两个轨迹点是否为候选轨迹点。若不是,则确定该候选轨迹点为R峰值对应的轨迹点。若是,则判断某一候选轨迹点的电压值是否大于与其相邻的两个轨迹点的电压值。响应于该候选轨迹点的电压值大于与其相邻的两个候选轨迹点的电压值,处理设备122可以将该候选轨迹点确定为R峰值对应的轨迹点。在一些实施例中,临界电压阈值可以基于若干轨迹点的最大电压值确定。例如,临界电压阈值可以为最大电压值的90%、95%等。
在一些实施例中,处理设备122还可以基于软件时间戳确定模型确定ECG信号的R峰值对应的软件时间戳。处理设备122可以将ECG信号或者基于ECG信号生成的心电图波形输入至软件时间戳确定模型。软件时间戳确定模型的输出可以包括R峰值对应的轨迹点以及R峰值对应的时间戳。在一些实施例中,软件时间戳确定模型可以是机器学习模型。软件时间戳确定模型可以是训练后的机器学习模型。该机器学习模型可以包括各种模型和结构,例如,深度神经网络模型、循环神经网络模型、自定义的模型结构等。
在一些实施例中,训练软件时间戳确定模型时,可以使用多个带有标签(或称为标识)的ECG信号或基于ECG信号生成的心电图波形作为训练数据,通过常见的方式如梯度下降等进行训练,从而可以学习到模型的参数。在一些实施例中,软件时间戳确定模型可以在另外的设备或模块中被训练。
步骤320、获取ECG信号中R峰值对应的硬件时间戳。在一些实施例中,步骤320可以由硬件特征信息获取模块620执行。
硬件时间戳可以是指由ECG设备110获取的ECG信号的R峰值对应的时间戳。在一些实施例中,ECG设备110可以直接对获取的ECG信号处理,获取ECG信号的一个或多个R峰值对应的时间戳。处理设备122可以从ECG设备110获取上述时间戳。
在一些实施例中,处理设备122可以在当ECG设备110获取ECG信号的同时,从ECG设备110处获取该ECG信号。处理设备122获取到该ECG信号后,可以参照步骤310相同或相似的方式获取ECG信号的R峰值对应的软件时间戳。
在另一些实施例中,当ECG设备110获取ECG信号之后,处理设备122可以在预设时间间隔(例如,0s~1s)后从ECG设备110获取该ECG信号。例如,处理设备122可以在ECG设备110获取ECG信号并间隔1s后从ECG设备110处获取该ECG信号。
在一些实施例中,处理设备122基于ECG设备110获取的硬件时间戳所对应的与基于预设算法获取的软件时间戳是同一心动周期中的R峰值所对应的时间戳。
需要说明的是,本说明书中的硬件时间戳和软件时间戳仅用于区分两者的获取途径,并不旨在限定两者。在一些实施例中,基于预设算法获取的R峰值对应的时间戳也可以称为第一时间戳,由ECG设备110获取的R峰值对应的时间戳也可以称为第二时间戳。
需要说明的是,本说明书中提供的步骤310和步骤320仅出于说明目的,并不旨在限制两个步骤之间的顺序关系。在另一些实施例中,步骤310和步骤320的顺序可以互换。例如,处理设备122可以首先获取ECG信号中R峰值对应的硬件时间戳。再获取ECG信号中R峰值对应的软件时间戳。在一些替代性实施例中,步骤310和步骤320的顺序可以同时进行。例如,处理设备122获取ECG信号中R峰值对应的硬件时间戳的同时从ECG设备110获取ECG信号并获取ECG信号中R峰值对应的软件时间戳。诸如此类的变形均在本说明书的保护范围内。
步骤330、基于软件时间戳以及硬件时间戳计算累计误差。在一些实施例中,步骤330可以由差异确定模块630执行。
在一些实施例中,处理设备122可以基于前述步骤中确定的软件时间戳和硬件时间戳确定累计误差。其中,累计误差可以是指ECG信号的所有R峰值对应的软件时间戳与硬件时间戳之间的误差的总和。在一些实施例中,累计误差可以反映ECG设备110基于该ECG信号获取的R峰值以及R峰值对应的时间戳的准确性。累计误差的值越小,可以表明ECG设备110基于该ECG信号获取的R峰值以及R峰值对应的时间戳更准确。在一些实施例中,获取的R峰值以及R峰值对应的时间戳越准确,表明该ECG信号越贴合受检对象的心脏的实际活动变化情况。
在一些实施例中,当ECG信号中的R峰值数量为一个时,该R峰值对应的软件时间戳与硬件时间戳之间的差值即为累计误差。
在另一些实施例中,当ECG信号包括多个R峰值时,处理设备可以依次求得每个R峰值对应的硬件时间戳与软件时间戳之间的差值,然后对所有差值进行求和,求和的结果即为累计误差。示例性的,处理设备122通过预设算法确定ECG信号中出现三个R峰值,三个R峰值对应的时刻(即软件时间戳)分别为1s、3s、5s。处理设备122通过ECG设备110确定ECG信号中出现三个R峰值,三个R峰值对应的时刻(即硬件时间戳)分别为1.5s、3.5s、5.5s。处理设备122可以求出三个R峰值对应的软件时间戳之和为|1s-1.5s|+|3s-3.5s|+|5s-5.5s|=1.5s。
在一些实施例中,当ECG信号包括多个R峰值时,处理设备122可以对所有R峰值对应的软件时间戳和所有硬件时间戳分别进行求和,再对软件时间戳求和的结果与硬件时间戳求和的结果进行求差,得到的结果即为累计误差。
在一些实施例中,当处理设备122基于ECG设备110获取的R峰值的数量与基于预设算法获取的R峰值的数量不同(即ECG设备110漏检)时,处理设备122可以在累计误差的基础上增加若干心动周期所对应的时间T,其中,一个心动周期对应的时间约为0.8s,心动周期的数量与相差的R峰值的数量相同。例如,处理设备122基于预设算法获取的R峰值的数量为三个,对应的软件时间戳分别为1s、3s和5s。基于ECG设备110获取的R峰值的数量为两个,对应的硬件时间戳分别为1.5s和3.5s。则最终硬件时间戳与软件时戳的累计误差可以为每个R峰值对应的硬件时间戳与软件时间戳之间的差值之和,再加上心动周期对应的时间(在本实施例中,漏检的R峰值的数量为1)的总和,即|1s-1.5s|+|3s-3.5s|+0.8s=1.8s。
如本说明书其他实施例所述,ECG信号可能包括多路导联信号。在一些实施例中,当ECG信号包括多路导联信号时,处理设备122可以分别对每一路导联信号进行处理,以得到每路导联信号的R峰值对应的硬件时间戳与软件时间戳的累计误差。以下,本说明书将以ECG信号包括两路导联信号为例进行说明。
图4是根据本说明书一些实施例所示的对包括两路导联信号的ECG信号进行处理的示例性流程图。在一些实施例中,ECG信号包括第一路导联信号和第二路导联信号。第一路导联信号和第二路导联信号可以反映受检对象的心脏在相同时间段内的心脏活动变化。关于导联信号的更多描述可以参见本说明书其他实施例的描述。如图4所示,对包括两路导联信号的ECG信号处理方法400可以包括:
步骤410、基于第一路导联信号获取第一路软件时间戳,基于第二路导联信号获取第二路软件时间戳。在一些实施例中,步骤410可以由软件特征信息获取模块610执行。
第一路软件时间戳是指处理设备122基于预设算法获取的第一路导联信号的一个或多个R峰值对应的时间戳。第二路软件时间戳是指基于预设算法获取的第二路导联信号的一个或多个R峰值对应的时间戳。在一些实施例中,处理设备122可以基于步骤310描述的方法获取第一路导联信号的一个或多个R峰值对应的时间戳作为第一路软件时间戳。获取第二路导联信号的一个或多个R峰值对应的时间戳作为第二路软件时间戳。
步骤420、基于第一路导联信号获取第一路硬件时间戳,基于第二路导联信号获取第二路硬件时间戳。在一些实施例中,步骤420可以由硬件特征信息获取模块620执行。
第一路硬件时间戳是指通过ECG设备110获取的第一路导联信号的一个或多个R峰值对应的时间戳。第二路硬件时间戳是指通过ECG设备110获取的第二路导联信号的一个或多个R峰值对应的时间戳。在一些实施例中,处理设备122可以基于步骤320描述的方法获取第一路导联信号的一个或多个R峰值对应的时间戳作为第一路硬件时间戳。获取第二路导联信号的一个或多个R峰值对应的时间戳作为第二路硬件时间戳。
步骤430、基于第一路软件时间戳和第一路硬件时间戳计算第一路累计误差,基于第二路软件时间戳和第二路硬件时间戳计算第二路累计误差。在一些实施例中,步骤430可以由差异确定模块630执行。
在一些实施例中,处理设备122可以采用步骤330描述的获取ECG信号的R峰值对应的软件时间戳与硬件时间戳的累计误差相同或相似的方法分别获取第一路导联信号的第一路累计误差,以及第二路导联信号的第二路累计误差。
需要说明的是,本说明书关于第一路导联信号和第二路导联信号的相关实施例仅出于说明目的,并不旨在限制ECG信号所包含的导联信号的数量。在另一些实施例中,ECG信号还可以包括第三路导联信号、第四路导联信号或更多导联信号。
在一些实施例中,处理设备122可以基于第一路累计误差和第二路累计误差的值来确定目标ECG信号。目标ECG信号可以是指最符合受检对象的实际心脏活动变化的导联信号。在一些实施例中,处理设备122可以将第一路累计误差和第二路累计误差中相对最小值的对应的那一路导联信号作为目标ECG信号,以省去技师切换导联信号花费的时间,提高检查效率。
在一些实施例中,处理设备122可以将目标ECG信号进行展示,以便于技师或受检对象进行查看,而其他非目标ECG信号则不进行展示。例如,处理设备122可以在ECG设备110的显示装置上显示目标ECG信号。又例如,处理设备122可以将目标ECG信号推送到用户终端140的显示界面上。
在一些实施例中,目标ECG信号确定的步骤不仅可以通过处理设备122执行,也可以由人工执行。示例性的,处理设备122可以将所有导联信号以及导联信号对应的累计误差进行展示,以便技师快速了解每个信号与受检对象的心脏的实际活动变化情况之间的贴合程度。此后,技师可以自行选择合适的导联信号作为目标ECG信号。在一些具体实施例中,处理设备122可以将第一路累计误差和第二路累计误差以及第一路累计误差对应的第一路导联信号和第二路累计误差对应的第二路导联信号均推送到用户界面(例如,ECG设备110的显示装置的界面或用户终端140的显示界面)进行展示。在一些实施例中,技师可以在用户界面根据需要从第一路导联信号和第二路导联信号中选择合适的导联信号作为目标ECG信号。
图5是根据本说明书另一些实施例所示的对包括两路导联信号的ECG信号进行处理的示例性流程图。在一些实施例中,处理设备122可以选择性地将一路或多路导联信号进行展示。在一些实施例中,处理设备122可以判断每一路导联信号是否满足预设条件,当某一路导联信号满足预设条件时,处理设备122可以将该路导联信号推送到用户界面。在一些实施例中,可以通过判断该路导联信号的累计误差是否在时间戳误差阈值范围内来判断该路导联信号是否达到预设条件。如图5所示,对包括两路导联信号的ECG信号处理方法500包括:
步骤510、将第一路累计误差和第二路累计误差分别与时间戳误差阈值范围进行比较。在一些实施例中,步骤510可以由比较模块执行。
在一些实施例中,时间戳误差阈值范围可以是由技师自行设定。在一些实施例中,时间戳误差阈值范围可以由处理设备122预先设定。例如,处理设备122可以根据存储在存储设备150中的与受检对象所对应的ECG信号的累计误差来确定。
步骤520、响应于累计误差在时间戳误差阈值范围内,将累计误差对应的导联信号推送到用户界面。在一些实施例中,步骤520可以由推送模块执行。
在一些实施例中,处理设备122可以将满足预设条件的导联信号对应的累计误差与导联信号一同推送到用户界面,以便技师能够基于累计误差选择合适的导联信号。
在一些实施例中,当只有一路导联信号满足预设条件时,处理设备122可以直接将该导联信号确定为目标ECG信号。示例性的,若第一路累计误差在时间戳误差阈值范围内,而第二路累计误差不在时间戳误差阈值范围内时,处理设备122可以直接将第一导联信号确定为目标ECG信号。
在一些实施例中,当有多路导联信号的累计误差均在时间戳误差阈值范围内时,可以对这些累计误差进行进一步处理,以确定出最合适的导联信息,并将其作为目标ECG信号。示例性的,当第一路累计误差和第二路累计误差均在时间戳误差阈值范围内时,可以将相对最小值的累计误差对应的导联信号作为目标ECG信号。
在一些实施例中,ECG信号可以包括单路导联信号。处理设备122可以获取单路导联信号对应的累计误差。在一些具体实施例中,处理设备122可以基于单路导联信号获取对应的软件时间戳和硬件时间戳。基于软件时间戳和硬件时间戳确定单路导联信号的累计误差。在一些实施例中,处理设备122可以采用与步骤310中获取ECG信号的R峰值对应的软件时间戳和步骤320中获取ECG信号的R峰值对应的硬件时间戳相同或相似的方式来获取单路导联信号获取对应的软件时间戳和硬件时间戳。在一些实施例中,处理设备122可以采用与步骤330中获取累计误差相同或相似的方式确定单路导联信号的累计误差。
在一些实施例中,处理设备122可以判断单路导联信号是否满足预设条件,当单路导联信号满足预设条件时,处理设备122可以将单路导联信号确定为目标ECG信号。在一些具体实施例中,处理设备122可以判断单路导联信号的累计误差是否在时间戳误差阈值范围内。当累计误差在时间戳误差阈值范围内时,处理设备122可以将该单路导联信号作为目标ECG信号。
在一些实施例中,处理设备122可以将单路导联信号以及单路导联信号对应的累计误差推送到用户界面。在一些实施例中,技师可以在用户界面根据单路导联信号对应的累计误差判断是否将单路导联信号作为目标ECG信号。
在一些实施例中,当单路导联信号的累计误差不在时间戳误差阈值范围内时,可以对单路导联信号进行调整,并将调整后的单路导联信号作为目标ECG信号。示例性的,可以在单路导联信号的基础上增加至少一个心动周期。在本实施例中,当累计误差不在时间戳误差阈值范围内时,表明出现了漏检的情况。因此可以增加心动周期使导联信号更符合受检对象的心脏活动的实际情况。在另一示例中,技师还可以调整ECG设备110的电极片的位置来重新获取新的导联信号并再次计算其累计误差,直到新的导联信号的累计误差在时间戳误差阈值范围内。
本说明书实施例的ECG信号处理方法可能带来的有益效果包括但不限于:(1)通过计算基于预设算法获取的ECG信号的一个或多个R峰值对应的软件时间戳与硬件时间戳之间的累计误差,可以确定基于ECG设备110获取的ECG信号的准确性;(2)在获取累计误差之后,通过将累计误差相对最小值的ECG信号作为目标ECG信号推送到用户界面,可以节省技师更换ECG信号(或导联信号)的时间,提高效率;(3)在获取累计误差之后,将累计误差以及对应的ECG信号(或导联信号)推送到用户界面,以便于技师快速了解每个信号与受检对象的心脏的实际活动变化情况之间的贴合程度,方便技师选择合适的信号。
图6是根据本说明书一些实施例所示的ECG信号处理系统的示例性模块图。如图6所示,该ECG信号处理系统600可以包括软件特征信息获取模块610、硬件特征信息获取模块620和差异确定模块630。在一些实施例中,该ECG信号处理系统600还可以包括目标信号确定模块640。在一些实施例中,该ECG信号处理系统600可以由图1中所示的ECG信号处理系统100(如处理设备122)实现。
在一些实施例中,软件特征信息获取模块610可以用于基于预设算法获取ECG信号中的软件特征信息。在一些实施例中,软件特征信息获取模块610可以用于获取ECG信号中R峰值对应的软件时间戳。在一些实施例中,软件特征信息获取模块610可以用于基于第一路导联信号获取第一路软件时间戳,基于第二路导联信号获取第二路软件时间戳。
在一些实施例中,硬件特征信息获取模块620可以用于基于ECG设备110获取ECG信号中的硬件特征信息。在一些实施例中,硬件特征信息获取模块620可以用于获取ECG信号中R峰值对应的硬件时间戳。在一些实施例中,硬件特征信息获取模块620可以用于基于第一路导联信号获取第一路硬件时间戳,基于第二路导联信号获取第二路硬件时间戳。
在一些实施例中,差异确定模块630可以用于确定软件特征信息与硬件特征信息之间的差异。在一些实施例中,差异确定模块630可以用于基于软件时间戳以及硬件时间戳计算累计误差。在一些实施例中,差异确定模块630可以用于基于第一路软件时间戳和第一路硬件时间戳计算第一路累计误差;基于第二路硬件时间戳和第二路硬件时间戳计算第二路累计误差。在一些实施例中,在一些实施例中,差异确定模块630可以用于根据基于单路导联信号获取的软件时间戳和基于单路导联信号获取的硬件时间戳确定累计误差。
在一些实施例中,目标信号确定模块640可以用于基于软件特征信息与硬件特征信息之间的差异,确定目标ECG信号。在一些实施例中,目标信号确定模块640可以用于基于累计误差,确定目标ECG信号。在一些实施例中,目标信号确定模块640可以用于基于第一路累计误差和第二路累计误差中的相对最小值对应的导联信号确定目标ECG信号。在一些实施例中,目标信号确定模块640可以用于获取时间戳误差阈值范围;当累计误差在时间戳误差阈值范围内时,将单路导联信号作为目标ECG信号。在一些实施例中,目标信号确定模块640可以用于对单路导联信号进行调整,并将调整后的单路导联信号作为目标ECG信号。
在一些实施例中,目标信号确定模块640可以包括比较模块。在一些实施例中,比较模块可以用于将第一路累计误差和第二路累计误差分别与时间戳误差阈值范围进行比较。
在一些实施例中,ECG信号处理系统600还可以包括推送模块。在一些实施例中,推送模块可以用于将第一路累计误差和第二路累计误差以及第一路累计误差对应的第一路导联信号和第二路累计误差对应的第二路导联信号推送到用户界面。在一些实施例中,推送模块可以用于响应于累计误差在时间戳误差阈值范围内,将累计误差对应的导联信号推送到用户界面。
需要注意的是,以上对于ECG信号处理系统600及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,图6所示的软件特征信息获取模块610和硬件特征信息获取模块620可以是一个装置(例如,处理设备122)中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。又例如,各个模块可以分别具有各自的存储模块。再例如,各个模块可以共用一个存储模块。诸如此类的变形,均在本说明书的保护范围之内。
本说明书还提供一种ECG信号处理装置,包括至少一个处理器,至少一个处理器可以用于执行如本说明书一个或多个实施例所述的ECG信号处理方法。
本说明书还提供一种计算机可读存储介质,存储介质可以用于存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机可以执行如本说明书一个或多个实施例所述的ECG信号处理方法。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本说明书的保护范围之内。
Claims (10)
1.一种ECG信号处理方法,其特征在于,所述方法包括:
基于预设算法获取ECG信号中的软件特征信息,所述软件特征信息包括R峰值对应的软件时间戳;
基于ECG设备获取所述ECG信号中的硬件特征信息,所述硬件特征信息包括R峰值对应的硬件时间戳;
确定所述软件特征信息与所述硬件特征信息之间的差异,基于所述差异确定目标ECG信号,其中包括:
基于所述软件时间戳以及所述硬件时间戳计算累计误差;
基于所述累计误差,确定所述目标ECG信号。
2.根据权利要求1所述的方法,其特征在于,所述ECG信号至少包括第一路导联信号和第二路导联信号;
基于所述第一路导联信号获取第一路软件时间戳,基于所述第二路导联信号获取第二路软件时间戳;
基于所述第一路导联信号获取第一路硬件时间戳,基于所述第二路导联信号获取第二路硬件时间戳;
基于所述第一路软件时间戳和所述第一路硬件时间戳计算第一路累计误差;基于所述第二路硬件时间戳和所述第二路硬件时间戳计算第二路累计误差。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:将所述第一路累计误差和所述第二路累计误差以及所述第一路累计误差对应的所述第一路导联信号和所述第二路累计误差对应的所述第二路导联信号推送到用户界面。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取时间戳误差阈值范围;
确定所述第一路累计误差和所述第二路累计误差是否在所述时间戳误差阈值范围内;
响应于所述累计误差在所述时间戳误差阈值范围内,将所述累计误差对应的所述导联信号推送到用户界面。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
基于所述第一路累计误差和所述第二路累计误差中的相对最小值对应的导联信号确定目标ECG信号。
6.根据权利要求1所述的方法,其特征在于,所述ECG信号包括单路导联信号;
所述基于所述软件时间戳以及所述硬件时间戳计算累计误差包括:根据基于所述单路导联信号获取的所述软件时间戳和基于所述单路导联信号获取的所述硬件时间戳确定所述累计误差;
所述基于所述累计误差,确定所述目标ECG信号还包括:
获取时间戳误差阈值范围;
当所述累计误差在所述时间戳误差阈值范围内时,将所述单路导联信号作为目标ECG信号。
7.根据权利要求6所述的方法,其特征在于,当所述累计误差不在所述时间戳误差阈值范围内时,所述方法还包括:
对所述单路导联信号进行调整,并将调整后的所述单路导联信号作为目标ECG信号。
8.一种ECG信号处理系统,其特征在于,所述系统包括:
软件时间戳获取模块,用于基于预设算法获取ECG信号中的软件特征信息,所述软件特征信息包括R峰值对应的软件时间戳;
硬件时间戳获取模块,用于基于ECG设备获取所述ECG信号中的硬件特征信息,所述硬件特征信息包括R峰值对应的硬件时间戳;
差异确定模块,用于确定所述软件特征信息与所述硬件特征信息之间的差异,基于所述差异确定目标ECG信号;其中,所述差异确定模块进一步用于:
基于所述软件时间戳以及所述硬件时间戳计算累计误差;
基于所述累计误差,确定所述目标ECG信号。
9.一种ECG信号处理装置,其特征在于,包括至少一个处理器,所述至少一个处理器用于执行如权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111675558.6A CN114190951B (zh) | 2021-12-31 | 2021-12-31 | Ecg信号处理方法、系统、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111675558.6A CN114190951B (zh) | 2021-12-31 | 2021-12-31 | Ecg信号处理方法、系统、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114190951A CN114190951A (zh) | 2022-03-18 |
CN114190951B true CN114190951B (zh) | 2023-11-03 |
Family
ID=80657870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111675558.6A Active CN114190951B (zh) | 2021-12-31 | 2021-12-31 | Ecg信号处理方法、系统、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114190951B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05184548A (ja) * | 1992-01-08 | 1993-07-27 | Nippon Colin Co Ltd | 脈拍数測定装置 |
JP2015116368A (ja) * | 2013-12-19 | 2015-06-25 | 富士通株式会社 | 脈拍計測装置、脈拍計測方法及び脈拍計測プログラム |
CN105590011A (zh) * | 2014-10-20 | 2016-05-18 | 深圳市迈迪加科技发展有限公司 | 一种基于脉搏回归模型的心电信号数据修正方法及系统 |
CN106388824A (zh) * | 2016-10-14 | 2017-02-15 | 广州视源电子科技股份有限公司 | 一种呼吸率提取方法及装置 |
CN106580307A (zh) * | 2015-10-13 | 2017-04-26 | 中国科学院苏州纳米技术与纳米仿生研究所 | 心电图的质量判断方法及质量判断系统 |
CN108498091A (zh) * | 2018-05-08 | 2018-09-07 | 复旦大学附属中山医院 | 一种两电极心电图导联智能定位系统 |
CN108601543A (zh) * | 2016-11-03 | 2018-09-28 | 华为技术有限公司 | 一种ecg信号处理方法及装置 |
CN109381181A (zh) * | 2017-08-14 | 2019-02-26 | 深圳大学 | 心电信号特征波形的端点检测方法 |
CN110334202A (zh) * | 2019-03-28 | 2019-10-15 | 平安科技(深圳)有限公司 | 基于新闻应用软件的用户兴趣标签构建方法及相关设备 |
CN111401304A (zh) * | 2020-04-07 | 2020-07-10 | 符智博 | 脑电应用系统的校准方法、系统、终端设备及存储介质 |
CN113440145A (zh) * | 2021-06-28 | 2021-09-28 | 西北大学 | 一种心电信号t波及其终点自动检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DK2603138T3 (en) * | 2010-08-13 | 2018-02-05 | Respiratory Motion Inc | DEVICES AND METHODS FOR MONITORING RESPIRATION VARIATION IN MEASURING RESPIRATION VOLUMES, MOVEMENT AND VARIABILITY |
KR102490960B1 (ko) * | 2015-09-30 | 2023-01-19 | 허트 테스트 레버러토리스, 인크. | 수량적 심장 테스팅 |
JP7003654B2 (ja) * | 2017-12-27 | 2022-02-10 | オムロンヘルスケア株式会社 | 生体情報処理装置、処理方法、及び処理プログラム |
-
2021
- 2021-12-31 CN CN202111675558.6A patent/CN114190951B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05184548A (ja) * | 1992-01-08 | 1993-07-27 | Nippon Colin Co Ltd | 脈拍数測定装置 |
JP2015116368A (ja) * | 2013-12-19 | 2015-06-25 | 富士通株式会社 | 脈拍計測装置、脈拍計測方法及び脈拍計測プログラム |
CN105590011A (zh) * | 2014-10-20 | 2016-05-18 | 深圳市迈迪加科技发展有限公司 | 一种基于脉搏回归模型的心电信号数据修正方法及系统 |
CN106580307A (zh) * | 2015-10-13 | 2017-04-26 | 中国科学院苏州纳米技术与纳米仿生研究所 | 心电图的质量判断方法及质量判断系统 |
CN106388824A (zh) * | 2016-10-14 | 2017-02-15 | 广州视源电子科技股份有限公司 | 一种呼吸率提取方法及装置 |
CN108601543A (zh) * | 2016-11-03 | 2018-09-28 | 华为技术有限公司 | 一种ecg信号处理方法及装置 |
CN109381181A (zh) * | 2017-08-14 | 2019-02-26 | 深圳大学 | 心电信号特征波形的端点检测方法 |
CN108498091A (zh) * | 2018-05-08 | 2018-09-07 | 复旦大学附属中山医院 | 一种两电极心电图导联智能定位系统 |
CN110334202A (zh) * | 2019-03-28 | 2019-10-15 | 平安科技(深圳)有限公司 | 基于新闻应用软件的用户兴趣标签构建方法及相关设备 |
CN111401304A (zh) * | 2020-04-07 | 2020-07-10 | 符智博 | 脑电应用系统的校准方法、系统、终端设备及存储介质 |
CN113440145A (zh) * | 2021-06-28 | 2021-09-28 | 西北大学 | 一种心电信号t波及其终点自动检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114190951A (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11517212B2 (en) | Electrocardiogram information dynamic monitoring method and dynamic monitoring system | |
US20230131876A1 (en) | Systems and methods of identity analysis of electrocardiograms | |
CN107981858B (zh) | 基于人工智能的心电图心搏自动识别分类方法 | |
US8005531B2 (en) | Method and apparatus with reduced electrode system specific ECG interpretation | |
CN109411041B (zh) | 心电信息处理方法和心电工作站系统 | |
CN101059793B (zh) | 用于心脏病学和病人监护数据分析的多层系统 | |
US8929975B2 (en) | System for heart monitoring, characterization and abnormality detection | |
CN109091138B (zh) | 心律失常起源点的判断装置及标测系统 | |
CN110495872B (zh) | 基于图片及心搏信息的心电分析方法、装置、设备及介质 | |
Xue et al. | Minimum number of sensors to ensure observability of physiological systems: A case study | |
US20220130548A1 (en) | Electrocardiogram display apparatus, method for displaying electrocardiogram, and storage medium storing program | |
CN109411042A (zh) | 心电信息处理方法和心电工作站 | |
CN105142503A (zh) | 用于放射成像中的前瞻性运动门控的神经生理监测 | |
CN114901143A (zh) | 使用深度神经网络和基于规则的系统进行缩减导联心电图诊断的系统和方法 | |
CN109846474B (zh) | 心电图的处理方法及装置、心电图的远程处理方法及系统 | |
JP2022031148A (ja) | 心電図信号の分類データを提供する方法及びその電子装置 | |
CN114190951B (zh) | Ecg信号处理方法、系统、装置及介质 | |
KR102150057B1 (ko) | 실시간 부정맥 종류 판단 방법 및 판단 장치 | |
US20190027246A1 (en) | Method and apparatus for detecting and analyzing a workflow performed with an imaging apparatus | |
CN105726016B (zh) | 一种心电输出方法及装置 | |
JP2019517839A (ja) | Ecgトレーニング及びスキル向上 | |
CN104981207B (zh) | 用于心脏获取的同步生理学测量 | |
CN108542381B (zh) | 一种数据处理方法和装置 | |
CN110570949A (zh) | 智慧社区内老人的健康监测方法、设备及可读存储介质 | |
KR20220166812A (ko) | 심전도 분석 |
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 |