CN114533080B - 一种对心电信号数据进行颤动波识别的方法和装置 - Google Patents
一种对心电信号数据进行颤动波识别的方法和装置 Download PDFInfo
- Publication number
- CN114533080B CN114533080B CN202011348733.6A CN202011348733A CN114533080B CN 114533080 B CN114533080 B CN 114533080B CN 202011348733 A CN202011348733 A CN 202011348733A CN 114533080 B CN114533080 B CN 114533080B
- Authority
- CN
- China
- Prior art keywords
- data
- segment
- slope
- electrocardio
- overrun
- 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
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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Power Engineering (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对心电信号数据进行颤动波识别的方法和装置,所述方法包括:获取第一心电信号数据;对第一心电信号数据,进行心电数据片段划分处理,生成多个第一片段数据;根据所有第一片段数据,进行最大斜率统计处理,生成第一心电斜率数据;对每个第一片段数据,进行采样点幅值超限次数统计处理,生成第一片段超限次数数据;对所有第一片段超限次数数据,进行总和计算处理,生成第一心电超限次数数据;根据第一心电斜率数据和第一心电超限次数数据,查询反映心电斜率范围、心电超限次数范围和颤动波概率对应关系的第一对应关系表,生成第一颤动波概率数据。本发明实施例可以提高心电监护设备的信号识别精度,改善错判、漏判的情况。
Description
技术领域
本发明涉及信号处理技术领域,特别涉及一种对心电信号数据进行颤动波识别的方法和装置。
背景技术
当心脏收缩不协调产生颤动时,采集到的心电信号中会出现颤动波。心电监护设备通过对患者心电信号中的颤动波进行持续识别,可以对患者的心脏健康状态进行跟踪监测。然而我们在实际应用中发现,颤动波的波形变形严重且频率较快,常被误认为是噪声从而对其产生错判和漏判。
发明内容
本发明的目的,就是针对现有技术的缺陷,提供一种对心电信号数据进行颤动波识别的方法、装置、电子设备、计算机程序产品及计算机可读存储介质,通过心电信号斜率、心电信号幅值超限次数与颤动波概率的对应关系,对当前获取的心电信号数据是否为颤动波进行主动识别;由此,能提高心电监护设备的信号识别精度,改善错判、漏判的情况。
为实现上述目的,本发明实施例第一方面提供了一种对心电信号数据进行颤动波识别的方法,所述方法包括:
获取第一心电信号数据;
对所述第一心电信号数据,进行心电数据片段划分处理,生成多个第一片段数据;
根据所有所述第一片段数据,进行最大斜率统计处理,生成第一心电斜率数据;
对每个所述第一片段数据,进行采样点幅值超限次数统计处理,生成第一片段超限次数数据;
对所有所述第一片段超限次数数据,进行总和计算处理,生成第一心电超限次数数据;
当所述第一心电斜率数据与所述第一心电超限次数数据均不为空时,根据所述第一心电斜率数据和所述第一心电超限次数数据,查询反映心电斜率范围、心电超限次数范围和颤动波概率对应关系的第一对应关系表,生成第一颤动波概率数据。
优选的,
所述第一心电信号数据包括多个第一采样点数据;
所述第一对应关系表包括多个第一对应关系记录;所述第一对应关系记录包括第一心电斜率范围、第一心电超限次数范围和第一颤动波概率信息。
优选的,所述对所述第一心电信号数据,进行心电数据片段划分处理,生成多个第一片段数据,具体包括:
根据预设的心电片段长度,对所述第一心电信号数据,进行心电数据顺序片段划分处理,生成多个所述第一片段数据。
优选的,所述根据所有所述第一片段数据,进行最大斜率统计处理,生成第一心电斜率数据,具体包括:
从第1个所述第一片段数据起,计算第1个所述第一片段数据的最大斜率,生成第1个片段斜率数据;
然后,计算第2个所述第一片段数据的最大斜率,生成第2个片段斜率数据;并当所述第2个片段斜率数据高于所述第1个片段斜率数据与预设的第一倍数的乘积、或低于所述第1个片段斜率数据与预设的第二倍数的乘积时,将所述第2个片段斜率数据修改为空;
直到最后1个所述第一片段数据为止,计算最后1个所述第一片段数据的最大斜率,生成最后1个片段斜率数据;并当所述最后1个片段斜率数据高于倒数第2个片段斜率数据与所述第一倍数的乘积、或低于所述倒数第2个片段斜率数据与所述第二倍数的乘积时,将所述最后1个片段斜率数据修改为空;
最后,当所有片段斜率数据均不为空时,提取所述第1个片段斜率数据到所述最后1个片段斜率数据中的最大值,做为所述第一心电斜率数据。
优选的,所述对每个所述第一片段数据,进行采样点幅值超限次数统计处理,生成第一片段超限次数数据,具体包括:
在每个所述第一片段数据中,将数值最大的所述第一采样点数据,做为第一数据,并将数值最小的所述第一采样点数据,做为第二数据;并将所述第一数据和所述第二数据中绝对值偏大的,做为第三数据;并根据所述第三数据的绝对值除以预设的第三倍数的商,生成采样点上限阈值数据;并当所述采样点上限阈值数据大于预设的第一正向参考阈值时,将所述采样点上限阈值数据修改为所述第一正向参考阈值;当所述采样点上限阈值数据小于预设的第二正向参考阈值时,将所述采样点上限阈值数据修改为所述第二正向参考阈值;再对所述采样点上限阈值数据,进行数据取反处理,生成采样点下限阈值数据;其中,所述第一正向参考阈值大于所述第二正向参考阈值;
再在每个所述第一片段数据中,统计数值大于所述采样点上限阈值数据的所述第一采样点数据的数量,生成第一上限次数数据,统计数值小于所述采样点下限阈值数据的所述第一采样点数据的数量,生成第一下限次数数据;并在所述第一上限次数数据和所述第一下限次数数据中,将其中数值偏大的做为第四数据,将其中数值偏小的做为第五数据,并在所述第四数据与所述第五数据的比值大于预设的第四倍数时,将所述第一上限次数数据和所述第一下限次数数据均修改为空;
当所述第一上限次数数据和所述第一下限次数数据均不为空时,根据所述第一上限次数数据与所述第一下限次数数据的和,生成与每个所述第一片段数据对应的所述第一片段超限次数数据;并在所述第一片段超限次数数据大于预设的超限次数阈值时,将所述第一片段超限次数数据修改为空。
优选的,所述当所述第一心电斜率数据与所述第一心电超限次数数据均不为空时,根据所述第一心电斜率数据和所述第一心电超限次数数据,查询反映心电斜率范围、心电超限次数范围和颤动波概率对应关系的第一对应关系表,生成第一颤动波概率数据,具体包括:
当所述第一心电斜率数据与所述第一心电超限次数数据均不为空时,根据所述第一心电斜率数据和所述第一心电超限次数数据,查询所述第一对应关系表的所有所述第一对应关系记录;当所述第一心电斜率数据满足所述第一对应关系记录的所述第一心电斜率范围、且所述第一心电超限次数数据满足所述第一对应关系记录的所述第一心电超限次数范围时,提取所述第一对应关系记录的所述第一颤动波概率信息,生成所述第一颤动波概率数据。
本发明实施例第二方面提供了一种对心电信号数据进行颤动波识别的装置,包括:
获取模块用于获取第一心电信号数据;
数据预处理模块用于对所述第一心电信号数据,进行心电数据片段划分处理,生成多个第一片段数据;并根据所有所述第一片段数据,进行最大斜率统计处理,生成第一心电斜率数据;并对每个所述第一片段数据,进行采样点幅值超限次数统计处理,生成第一片段超限次数数据;并对所有所述第一片段超限次数数据,进行总和计算处理,生成第一心电超限次数数据;
颤动波识别模块用于当所述第一心电斜率数据与所述第一心电超限次数数据均不为空时,根据所述第一心电斜率数据和所述第一心电超限次数数据,查询反映心电斜率范围、心电超限次数范围和颤动波概率对应关系的第一对应关系表,生成第一颤动波概率数据。
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对心电信号数据进行颤动波识别的方法、装置、电子设备、计算机程序产品及计算机可读存储介质,通过心电信号斜率、心电信号幅值超限次数与颤动波概率的对应关系,对当前获取的心电信号数据是否为颤动波进行主动识别;提高了心电监护设备的信号识别精度,改善了错判、漏判的情况。
附图说明
图1为本发明实施例一提供的一种对心电信号数据进行颤动波识别的方法示意图;
图2为本发明实施例二提供的一种对心电信号数据进行颤动波识别的装置的模块结构图;
图3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。
心电监护设备在对患者进行心电信号采集和信号采样、滤波处理之后生成心电信号采样数据,然后通过本发明实施例一提供的一种对心电信号数据进行颤动波识别的方法,先对当前的心电信号采样数据进行斜率计算和采样数据幅值超限次数计算,得到对应的第一心电斜率数据和第一心电超限次数数据;再根据心电信号斜率、采样数据幅值超限次数与颤动波概率的对应关系,得到对应的第一颤动波概率数据。这里,因为心脏颤动时心搏速度增快,导致不规则信号数量增多,在设置了采样点上、下限阈值之后,会发现采样点数据幅值超出采样点上、下限阈值的次数较多,而且随着心脏颤动程度加深,超出采样点上、下限阈值的次数会增多;又因为心脏颤动时心搏力度微弱,以采用分段多点差分斜率计算方式计算得到心搏信号斜率做为观察对象,会发现心脏颤动时的心搏信号斜率会较正常心搏信号的心搏信号斜率低,而且随着心脏颤动的程度加深,心搏信号斜率还会进一步降低。由此可知,心电信号斜率、采样数据幅值超限次数与颤动波概率的对应关系的特点就是,超限次数越大、斜率越低,当前心电信号数据为颤动波的概率就越高。在本发明实施例中,提供一个反映心电斜率范围、心电超限次数范围和颤动波概率对应关系的第一对应关系表,心电监护设备通过查询该表的对应记录就能得到具体的颤动波概率数据。
图1为本发明实施例一提供的一种对心电信号数据进行颤动波识别的方法示意图,如图1所示,本方法主要包括如下步骤:
步骤1,获取第一心电信号数据;
其中,第一心电信号数据包括多个第一采样点数据。
具体的,心电监护设备通过对患者进行心电信号采集和信号采样、滤波之后,获得第一心电信号数据;心电监护设备还可以通过连接具备心电信号采集、信号采样和滤波的设备,获得第一心电信号数据;心电监护设备还可以通过从存储了心电采样数据的存储介质中读取数据,获得第一心电信号数据。
此处,心电监护设备具体为能够实现本发明实施例监护设备功能的终端设备或服务器。
这里,第一心电信号数据是完成了信号采样之后的数据序列,其中包括的每个第一采样点数据就是一个具体的信号采样数据,相邻的第一采样点数据之间的时间间隔就是采样间隔时间=1/采样频率。
步骤2,对第一心电信号数据,进行心电数据片段划分处理,生成多个第一片段数据;
具体包括:根据预设的心电片段长度,对第一心电信号数据,进行心电数据顺序片段划分处理,生成多个第一片段数据。
此处,心电片段长度为预先设定的参数,默认为1秒。
这里,与识别常规心电信号数据的预处理类似,先将心电信号数据进行片段划分,用于后续的计算。
例如,第一心电信号数据的长度为6秒,心电片段长度为1秒,采样率为125赫兹,则第一心电信号数据会被划分为6个第一片段数据,每个第一片段数据中包括了125个第一采样点数据。
步骤3,根据所有第一片段数据,进行最大斜率统计处理,生成第一心电斜率数据;
这里,先行计算每个第一片段数据的最大斜率,再提取其中的最大值做为整个第一心电信号数据的斜率也就是第一心电斜率数据;
具体包括:从第1个第一片段数据起,计算第1个第一片段数据的最大斜率,生成第1个片段斜率数据;
然后,计算第2个第一片段数据的最大斜率,生成第2个片段斜率数据;并当第2个片段斜率数据高于第1个片段斜率数据与预设的第一倍数的乘积、或低于第1个片段斜率数据与预设的第二倍数的乘积时,将第2个片段斜率数据修改为空;
直到最后1个第一片段数据为止,计算最后1个第一片段数据的最大斜率,生成最后1个片段斜率数据;并当最后1个片段斜率数据高于倒数第2个片段斜率数据与第一倍数的乘积、或低于倒数第2个片段斜率数据与第二倍数的乘积时,将最后1个片段斜率数据修改为空;
最后,当所有片段斜率数据均不为空时,提取第1个片段斜率数据到最后1个片段斜率数据中的最大值,做为第一心电斜率数据。
这里,计算每个片段内的最大斜率时,常规采用多点差分斜率计算的方法;例如,每个第一片段数据中有125个第一采样点数据,采用5点差分斜率件法,将片段等分为5个子片段,则对每个子片段的25个第一采样点数据,使用差分斜率法计算出每个子片段的最大斜率,再对5个子片段的最大斜率取平均值得到当前第一片段数据的最大斜率;
这里,从第2个第一片段数据到最后1个第一片段数据,在计算出每个当前第一片段数据的最大斜率之后,都需要参考前1个第一片段数据的最大斜率对当次计算结果进行校对,第一倍数与第二倍数就是预先设定的校对系数,第一倍数默认被设定为2倍用于确认非颤动波、第二倍数默认被设定为0.5倍用于区分噪声;若当前第一片段数据的最大斜率>前1个第一片段数据的最大斜率的2倍,本发明实施例认为当前第一片段数据的波形变形状况在改善,为非颤动波的可能性更大;若当前第一片段数据的最大斜率<前1个第一片段数据的最大斜率的0.5倍,本发明实施例认为当前第一片段数据的波形变形状况突然加剧,为噪声的可能性更大;所以若当前第一片段数据的最大斜率>前1个第一片段数据的最大斜率的2倍,又或者当前第一片段数据的最大斜率<前1个第一片段数据的最大斜率的0.5倍,本发明实施例会认为当前第一片段数据的波形不属于颤动波,对应的片段斜率数据会被置为空;
这里,当所有第一片段数据的最大斜率都不为空时,说明所有第一片段数据的波形都属于颤动波的可能性较高,也就是整个第一心电信号数据的波形都属于颤动波的可能性较高;接着,计算第一心电斜率数据,计算方式就是选择数值最大的片段斜率值做为第一心电信号数据的第一心电斜率数据;例如,第一心电信号数据被划分为6个第一片段数据,对应的得到6个片段斜率数据:这6个片段斜率数据都不为空,且6个片段斜率数据中第3个片段斜率数据的值最大,那么就以第3个片段斜率数据做为第一心电斜率数据。
步骤4,对每个第一片段数据,进行采样点幅值超限次数统计处理,生成第一片段超限次数数据;
具体包括:步骤41,在每个第一片段数据中,将数值最大的第一采样点数据,做为第一数据,并将数值最小的第一采样点数据,做为第二数据;并将第一数据和第二数据中绝对值偏大的,做为第三数据;并根据第三数据的绝对值除以预设的第三倍数的商,生成采样点上限阈值数据;并当采样点上限阈值数据大于预设的第一正向参考阈值时,将采样点上限阈值数据修改为第一正向参考阈值;当采样点上限阈值数据小于预设的第二正向参考阈值时,将采样点上限阈值数据修改为第二正向参考阈值;再对采样点上限阈值数据,进行数据取反处理,生成采样点下限阈值数据;
其中,所述第一正向参考阈值大于所述第二正向参考阈值;
这里,本步骤是在统计每个第一片段数据的采样点幅值超限次数之前,对超限的采样点上、下限阈值数据进行设置;因为每个患者的心搏力度不尽相同,所以会根据每个患者的最大绝对心搏幅值也就是第三数据进行采样点上限阈值数据计算;然后还会对计算出的结果再使用一个修正心搏幅值区间也就是由第一正向参考阈值、第二正向参考阈值构成的区间对其进行修正:采样点上限阈值数据若超出修正心搏幅值区间的上限也就是第一正向参考阈值、就将采样点上限阈值数据修正为第一正向参考阈值,采样点上限阈值数据若低于修正心搏幅值区间的下限也就是第二正向参考阈值、就将采样点上限阈值数据修正为第二正向参考阈值,采样点上限阈值数据若处于修正心搏幅值区间内、则不对其做修正;本发明实施例根据正、负波形阈值对称的原则对采样点下限阈值数据进行设置,所以采样点下限阈值数据就等于采样点上限阈值数据的负数;
这里,第一数据和第二数据实际是每个第一片段数据的最大幅值和最小幅值,最大幅值为正数、最小幅值为负数;第三数据为最大幅值、最小幅值中绝对值最大的那个数值,例如最大幅值=2毫伏、最小幅值=-4毫伏,则第三数据=-4毫伏;采样点上限阈值数据=|第三数据|/第三倍数,这里||为取绝对值符号;这里第三倍数默认被设定为4,第一正向参考阈值默认被设定为2毫伏,第二正向参考阈值默认被设定为0.5毫伏;当采样点上限阈值数据要是超过了2毫伏,则被强制修改为2毫伏;当采样点上限阈值数据要是低于了0.5毫伏,则被强制修改为0.5毫伏;当采样点上限阈值数据在0.5毫伏-2毫伏之间,则采样点上限阈值数据仍旧为|第三数据|/4;在确定了采样点上限阈值数据之后,采样点下限阈值数据=-采样点上限阈值数据;
步骤42,再在每个第一片段数据中,统计数值大于采样点上限阈值数据的第一采样点数据的数量,生成第一上限次数数据,统计数值小于采样点下限阈值数据的第一采样点数据的数量,生成第一下限次数数据;并在第一上限次数数据和第一下限次数数据中,将其中数值偏大的做为第四数据,将其中数值偏小的做为第五数据,并在第四数据与第五数据的比值大于预设的第四倍数时,将第一上限次数数据和第一下限次数数据均修改为空;
这里,本步骤是在根据之前步骤得到的采样点上、下限阈值数据,对每个第一片段数据的采样点幅值超限次数进行统计和分析;第一上限次数数据是统计出的大于采样点上限阈值数据的第一采样点数据的数量,第一下限次数数据是统计出的小于采样点下限阈值数据的第一采样点数据的数量;第一上限次数数据越大说明对应的第一片段数据中正波形数量越多,第一下限次数数据越大说明对应的第一片段数据中负波形数量越多;另外,因为QRS波群和非颤动波的特点是正、负波形数量差较大,颤动波的特点是正、负波形数量差较小,所以在计算出第一上、下限次数数据之后,还需要使用一个正负波形数量倍数也就是第四倍数来做一次排查,若当前第一片段数据的正、负波形数量比值大于第四倍数则当前第一片段数据的波形为QRS波群或者其他非颤动波的可能性更大,若当前第一片段数据的正、负波形数量比值低于第四倍数则当前第一片段数据的波形为颤动波的可能性更大;
这里,第四数据与第五数据的比值就是当前第一片段数据的正、负波形数量比值,若第一上限次数数据高于第一下限次数数据、则第四数据与第五数据的比值就是正波形数量/负波形数量,若第一上限次数数据低于第一下限次数数据、则第四数据与第五数据的比值就是负波形数量/正波形数量;第四倍数默认被设定为3;在第四数据与第五数据的比值超过了3倍时,本发明实施例认为当前第一片段数据的波形为QRS波群或者其他非颤动波的可能性更大,所以会在正负波形的数量比值超过第四倍数的时候,将第一上限次数数据和第一下限次数数据都修改为空;
步骤43,当第一上限次数数据和第一下限次数数据均不为空时,根据第一上限次数数据与第一下限次数数据的和,生成与每个第一片段数据对应的第一片段超限次数数据;并在第一片段超限次数数据大于预设的超限次数阈值时,将第一片段超限次数数据修改为空。
这里,本步骤是在根据之前步骤得到的第一上限次数数据与第一下限次数数据,对每个第一片段数据的第一片段超限次数数据进行计算和分析;首先,当第一上限次数数据和第一下限次数数据均不为空时,说明当前第一片段数据的波形属于颤动波的可能性较高,那么可以由此计算第一片段超限次数数据,第一片段超限次数数据=第一上限次数数据+第一下限次数数据;其次,因为第一片段超限次数数据越大,说明第一片段数据中连续的波形数量越多,但如果波形数量过多则当前第一片段数据的波形是噪声的可能性又会增大,所以本发明实施还会使用一个预先设定的超限次数阈值来对第一片段超限次数数据做甄别,若第一片段超限次数数据超过超限次数阈值,则当前第一片段数据就会被认定为噪声,所以会将当前第一片段数据的第一片段超限次数数据置为空。
步骤5,对所有第一片段超限次数数据,进行总和计算处理,生成第一心电超限次数数据。
例如,第一心电信号数据被划分为6个第一片段数据,对应的得到6个第一片段超限次数数据,第一心电超限次数数据=第1个第一片段超限次数数据+第2个第一片段超限次数数据+…+第6个第一片段超限次数数据。
步骤6,当第一心电斜率数据与第一心电超限次数数据均不为空时,根据第一心电斜率数据和第一心电超限次数数据,查询反映心电斜率范围、心电超限次数范围和颤动波概率对应关系的第一对应关系表,生成第一颤动波概率数据;
其中,第一对应关系表包括多个第一对应关系记录;第一对应关系记录包括第一心电斜率范围、第一心电超限次数范围和第一颤动波概率信息;
这里,由前文可知,心电信号斜率、采样数据幅值超限次数与颤动波概率的对应关系的特点是:超限次数越大、斜率越低,当前心电信号数据为颤动波的概率就越高;
具体包括:当第一心电斜率数据与第一心电超限次数数据均不为空时,根据第一心电斜率数据和第一心电超限次数数据,查询第一对应关系表的所有第一对应关系记录;当第一心电斜率数据满足第一对应关系记录的第一心电斜率范围、且第一心电超限次数数据满足第一对应关系记录的第一心电超限次数范围时,提取第一对应关系记录的第一颤动波概率信息,生成第一颤动波概率数据。
这里,第一对应关系表是预先保存在心电监护设备的本地的,第一对应关系表的具体存储方式可以是一个数据文件、也可以是数据库中的一个表项、还可以是直接存储在系统存储区的一组数据;第一对应关系表中的每条第一对应关系记录里的第一心电斜率范围、第一心电超限次数范围都是一个数据范围,只要第一心电斜率数据在当前记录的第一心电斜率范围内、第一心电超限次数数据在当前记录的第一心电超限次数范围内,那么本发明实施例就会认定当前记录的第一颤动波概率信息为第一颤动波概率数据,也即是第一心电信号数据是颤动波的概率。
心电监护设备通过本发明实施例获取到第一颤动波概率数据之后,可以基于一个预先设定的确认概率阈值对其进行判断,当第一颤动波概率数据高于这个确认概率阈值时,心电监护设备确认第一心电信号数据是颤动波;心电监护设备还可以在确认了第一心电信号数据是颤动波之后,生成对应的预警事件和预警级别,并按照预警级别进行对应的颤动波预警处理,提请医护人员注意。
图2为本发明实施例二提供的一种对心电信号数据进行颤动波识别的装置的模块结构图,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201用于获取第一心电信号数据。
数据预处理模块202用于对第一心电信号数据,进行心电数据片段划分处理,生成多个第一片段数据;并根据所有第一片段数据,进行最大斜率统计处理,生成第一心电斜率数据;并对每个第一片段数据,进行采样点幅值超限次数统计处理,生成第一片段超限次数数据;并对所有第一片段超限次数数据,进行总和计算处理,生成第一心电超限次数数据。
颤动波识别模块203用于当第一心电斜率数据与第一心电超限次数数据均不为空时,根据第一心电斜率数据和第一心电超限次数数据,查询反映心电斜率范围、心电超限次数范围和颤动波概率对应关系的第一对应关系表,生成第一颤动波概率数据。
本发明实施例提供的一种对心电信号数据进行颤动波识别的装置,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,获取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 Integrated 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3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服务器。如图3所示,该电子设备可以包括:处理器31(例如CPU)、存储器32、收发器33;收发器33耦合至处理器31,处理器31控制收发器33的收发动作。存储器32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包括:电源34、系统总线35以及通信端口36。系统总线35用于实现元件之间的通信连接。上述通信端口36用于电子设备与其他外设之间进行连接通信。
在图3中提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect,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。
本发明实施例提供一种对心电信号数据进行颤动波识别的方法、装置、电子设备、计算机程序产品及计算机可读存储介质,通过心电信号斜率、心电信号幅值超限次数与颤动波概率的对应关系,对当前获取的心电信号数据是否为颤动波进行主动识别;提高了心电监护设备的信号识别精度,改善了错判、漏判的情况。
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 (5)
1.一种对心电信号数据进行颤动波识别的方法,其特征在于,所述方法包括:
获取第一心电信号数据;
对所述第一心电信号数据,进行心电数据片段划分处理,生成多个第一片段数据;
根据所有所述第一片段数据,进行最大斜率统计处理,生成第一心电斜率数据;
对每个所述第一片段数据,进行采样点幅值超限次数统计处理,生成第一片段超限次数数据;
对所有所述第一片段超限次数数据,进行总和计算处理,生成第一心电超限次数数据;
当所述第一心电斜率数据与所述第一心电超限次数数据均不为空时,根据所述第一心电斜率数据和所述第一心电超限次数数据,查询反映心电斜率范围、心电超限次数范围和颤动波概率对应关系的第一对应关系表,生成第一颤动波概率数据;
其中,所述第一心电信号数据包括多个第一采样点数据;
所述第一对应关系表包括多个第一对应关系记录;所述第一对应关系记录包括第一心电斜率范围、第一心电超限次数范围和第一颤动波概率信息;所述第一对应关系表中,心电信号斜率、超限次数与颤动波概率的对应关系为:超限次数越大、斜率越低,则颤动波概率越高;
所述根据所有所述第一片段数据,进行最大斜率统计处理,生成第一心电斜率数据,具体包括:
从第1个所述第一片段数据起,计算第1个所述第一片段数据的最大斜率,生成第1个片段斜率数据;
然后,计算第2个所述第一片段数据的最大斜率,生成第2个片段斜率数据;并当所述第2个片段斜率数据高于所述第1个片段斜率数据与预设的第一倍数的乘积、或低于所述第1个片段斜率数据与预设的第二倍数的乘积时,将所述第2个片段斜率数据修改为空;
直到最后1个所述第一片段数据为止,计算最后1个所述第一片段数据的最大斜率,生成最后1个片段斜率数据;并当所述最后1个片段斜率数据高于倒数第2个片段斜率数据与所述第一倍数的乘积、或低于所述倒数第2个片段斜率数据与所述第二倍数的乘积时,将所述最后1个片段斜率数据修改为空;
最后,当所有片段斜率数据均不为空时,提取所述第1个片段斜率数据到所述最后1个片段斜率数据中的最大值,做为所述第一心电斜率数据;
所述对每个所述第一片段数据,进行采样点幅值超限次数统计处理,生成第一片段超限次数数据,具体包括:
在每个所述第一片段数据中,将数值最大的所述第一采样点数据,做为第一数据,并将数值最小的所述第一采样点数据,做为第二数据;并将所述第一数据和所述第二数据中绝对值偏大的,做为第三数据;并根据所述第三数据的绝对值除以预设的第三倍数的商,生成采样点上限阈值数据;并当所述采样点上限阈值数据大于预设的第一正向参考阈值时,将所述采样点上限阈值数据修改为所述第一正向参考阈值;当所述采样点上限阈值数据小于预设的第二正向参考阈值时,将所述采样点上限阈值数据修改为所述第二正向参考阈值;再对所述采样点上限阈值数据,进行数据取反处理,生成采样点下限阈值数据;其中,所述第一正向参考阈值大于所述第二正向参考阈值;
再在每个所述第一片段数据中,统计数值大于所述采样点上限阈值数据的所述第一采样点数据的数量,生成第一上限次数数据,统计数值小于所述采样点下限阈值数据的所述第一采样点数据的数量,生成第一下限次数数据;并在所述第一上限次数数据和所述第一下限次数数据中,将其中数值偏大的做为第四数据,将其中数值偏小的做为第五数据,并在所述第四数据与所述第五数据的比值大于预设的第四倍数时,将所述第一上限次数数据和所述第一下限次数数据均修改为空;
当所述第一上限次数数据和所述第一下限次数数据均不为空时,根据所述第一上限次数数据与所述第一下限次数数据的和,生成与每个所述第一片段数据对应的所述第一片段超限次数数据;并在所述第一片段超限次数数据大于预设的超限次数阈值时,将所述第一片段超限次数数据修改为空;
所述当所述第一心电斜率数据与所述第一心电超限次数数据均不为空时,根据所述第一心电斜率数据和所述第一心电超限次数数据,查询反映心电斜率范围、心电超限次数范围和颤动波概率对应关系的第一对应关系表,生成第一颤动波概率数据,具体包括:
当所述第一心电斜率数据与所述第一心电超限次数数据均不为空时,根据所述第一心电斜率数据和所述第一心电超限次数数据,查询所述第一对应关系表的所有所述第一对应关系记录;当所述第一心电斜率数据满足所述第一对应关系记录的所述第一心电斜率范围、且所述第一心电超限次数数据满足所述第一对应关系记录的所述第一心电超限次数范围时,提取所述第一对应关系记录的所述第一颤动波概率信息,生成所述第一颤动波概率数据。
2.根据权利要求1所述的对心电信号数据进行颤动波识别的方法,其特征在于,所述对所述第一心电信号数据,进行心电数据片段划分处理,生成多个第一片段数据,具体包括:
根据预设的心电片段长度,对所述第一心电信号数据,进行心电数据顺序片段划分处理,生成多个所述第一片段数据。
3.一种用于实现权利要求1-2任一项所述的对心电信号数据进行颤动波识别的方法的装置,其特征在于,包括:
获取模块用于获取第一心电信号数据;
数据预处理模块用于对所述第一心电信号数据,进行心电数据片段划分处理,生成多个第一片段数据;并根据所有所述第一片段数据,进行最大斜率统计处理,生成第一心电斜率数据;并对每个所述第一片段数据,进行采样点幅值超限次数统计处理,生成第一片段超限次数数据;并对所有所述第一片段超限次数数据,进行总和计算处理,生成第一心电超限次数数据;
颤动波识别模块用于当所述第一心电斜率数据与所述第一心电超限次数数据均不为空时,根据所述第一心电斜率数据和所述第一心电超限次数数据,查询反映心电斜率范围、心电超限次数范围和颤动波概率对应关系的第一对应关系表,生成第一颤动波概率数据。
4.一种电子设备,其特征在于,包括:存储器、处理器和收发器;
所述处理器用于与所述存储器耦合,读取并执行所述存储器中的指令,以实现权利要求1-2任一项所述的方法;
所述收发器与所述处理器耦合,由所述处理器控制所述收发器进行消息收发。
5.一种计算机可读存储介质,其特征在于,所述计算机可读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1-2任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011348733.6A CN114533080B (zh) | 2020-11-26 | 2020-11-26 | 一种对心电信号数据进行颤动波识别的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011348733.6A CN114533080B (zh) | 2020-11-26 | 2020-11-26 | 一种对心电信号数据进行颤动波识别的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114533080A CN114533080A (zh) | 2022-05-27 |
CN114533080B true CN114533080B (zh) | 2023-10-13 |
Family
ID=81668342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011348733.6A Active CN114533080B (zh) | 2020-11-26 | 2020-11-26 | 一种对心电信号数据进行颤动波识别的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114533080B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116028914B (zh) * | 2023-03-27 | 2023-06-16 | 深圳市魔样科技有限公司 | 一种智能戒指身份认证方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5423863A (en) * | 1990-12-13 | 1995-06-13 | Odam, S.A. | Method of recognizing a ventricular cardiac pathological condition for automatic defibrillation purposes, and monitor-defibrillator for implementing said method |
CN104623810A (zh) * | 2015-02-02 | 2015-05-20 | 深圳市科曼医疗设备有限公司 | 除颤监护仪同步除颤系统及方法 |
CN105232027A (zh) * | 2014-06-09 | 2016-01-13 | 李坚强 | 一种便携式心电信号处理方法和心电信号处理装置 |
CN109171697A (zh) * | 2018-07-25 | 2019-01-11 | 乐普医学电子仪器股份有限公司 | 一种基于双重判断标准的可电击复律心律识别方法 |
CN109770862A (zh) * | 2019-03-29 | 2019-05-21 | 广州视源电子科技股份有限公司 | 心电信号分类方法、装置、电子设备和存储介质 |
CN111265210A (zh) * | 2020-03-24 | 2020-06-12 | 华中科技大学 | 一种基于深度学习的房颤预测装置和设备 |
CN111803054A (zh) * | 2020-06-12 | 2020-10-23 | 中国人民解放军陆军军医大学 | 一种实时评估室颤信号质量和除颤成功率的方法与仪器 |
-
2020
- 2020-11-26 CN CN202011348733.6A patent/CN114533080B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5423863A (en) * | 1990-12-13 | 1995-06-13 | Odam, S.A. | Method of recognizing a ventricular cardiac pathological condition for automatic defibrillation purposes, and monitor-defibrillator for implementing said method |
CN105232027A (zh) * | 2014-06-09 | 2016-01-13 | 李坚强 | 一种便携式心电信号处理方法和心电信号处理装置 |
CN104623810A (zh) * | 2015-02-02 | 2015-05-20 | 深圳市科曼医疗设备有限公司 | 除颤监护仪同步除颤系统及方法 |
CN109171697A (zh) * | 2018-07-25 | 2019-01-11 | 乐普医学电子仪器股份有限公司 | 一种基于双重判断标准的可电击复律心律识别方法 |
CN109770862A (zh) * | 2019-03-29 | 2019-05-21 | 广州视源电子科技股份有限公司 | 心电信号分类方法、装置、电子设备和存储介质 |
CN111265210A (zh) * | 2020-03-24 | 2020-06-12 | 华中科技大学 | 一种基于深度学习的房颤预测装置和设备 |
CN111803054A (zh) * | 2020-06-12 | 2020-10-23 | 中国人民解放军陆军军医大学 | 一种实时评估室颤信号质量和除颤成功率的方法与仪器 |
Also Published As
Publication number | Publication date |
---|---|
CN114533080A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11564612B2 (en) | Automatic recognition and classification method for electrocardiogram heartbeat based on artificial intelligence | |
US11538588B2 (en) | Atrial fibrillation signal recognition method, apparatus and device | |
CN109902703B (zh) | 一种时间序列异常检测方法及装置 | |
CN108324271B (zh) | 心电信号识别方法、系统和心电监测设备 | |
CN108968941B (zh) | 一种心律失常检测方法、装置及终端 | |
CN114533080B (zh) | 一种对心电信号数据进行颤动波识别的方法和装置 | |
CN114419500A (zh) | 基于心脏超声视频筛选舒张期和收缩期图像的方法和装置 | |
CN109044340B (zh) | 心电数据分类方法、装置、电子设备以及存储介质 | |
CN111626360B (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
CN111400129B (zh) | 一种分布式应用性能监控及瓶颈定位系统、方法及设备 | |
JP6706996B2 (ja) | 生体信号処理装置、異常判別方法およびプログラム | |
CN115414049A (zh) | 一种基于深度神经网络的可穿戴心电图实时诊断系统 | |
CN114419499B (zh) | 一种基于心脏超声视频的射血分数数据处理方法和装置 | |
CN114403825A (zh) | 一种脉搏波信号识别方法和装置 | |
CN114617562A (zh) | 心拍信号的分类方法、装置、设备及存储介质 | |
CN112472120B (zh) | 心率统计方法、装置、电子设备和存储介质 | |
CN114533013B (zh) | 一种对连续获取的心搏数据进行处理的方法 | |
CN108836312B (zh) | 一种基于人工智能的进行杂波剔除的方法及系统 | |
CN113229826A (zh) | 一种qrs波检测方法、装置及电子设备 | |
CN113712568B (zh) | 一种心电信号数据的分类方法和装置 | |
CN113712567B (zh) | 一种生成心搏间期差值数据序列系数的方法和装置 | |
CN114533014A (zh) | 一种根据不同心律类型的心率范围进行预警的方法 | |
CN114550411B (zh) | 一种对异常心搏类型数据进行预警的方法 | |
CN112826460B (zh) | 生理信号频率提取方法、装置、生理信号采集设备和介质 | |
CN114403826A (zh) | 一种血压测量方法和装置 |
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 |