CN115813404A - 一种快速筛选具有临床诊断价值的心电图的方法与装置 - Google Patents
一种快速筛选具有临床诊断价值的心电图的方法与装置 Download PDFInfo
- Publication number
- CN115813404A CN115813404A CN202310113219.1A CN202310113219A CN115813404A CN 115813404 A CN115813404 A CN 115813404A CN 202310113219 A CN202310113219 A CN 202310113219A CN 115813404 A CN115813404 A CN 115813404A
- Authority
- CN
- China
- Prior art keywords
- interval
- electrocardiogram
- value
- threshold
- load
- 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
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种快速筛选具有临床诊断价值的心电图的方法与装置,该方法包括:提取心电图,并对所述心电图的QT间期进行计算,得到QT间期;根据设定好的第一阈值,对所述QT间期进行筛选,基于QT间期和第一阈值,选取得到最大截取心电图;在所述最大截取心电图的所在时间的基础上扩展第一时间阈值的心电图波形得到输出心电图,从而更好的实现了对最具有诊断价值的心电图的筛选。
Description
技术领域
本发明属图像检测技术领域,尤其涉及一种快速筛选具有临床诊断价值的心电图的方法与装置。
背景技术
QT间期是指心电图中QRS波形的起点到T波终点的间距,其在临床上代表心室肌除极和复极化全过程所需要的时间。QT间期的正常范围在0.32秒-0.44秒,男性QT间期>0.45秒,女性QT间期>0.46秒,可判断为QT间期延长。QT间期延长根据其发生频率及时长的不同,对临床诊断具有不同的意义。
在授权发明专利公开号CN107951485B《一种基于人工智能自学习的动态心电图分析方法和装置》中公开了一种基于人工智能自学习的动态心电图分析方法和装置,包括数据的预处理,心搏特征检测,基于深度学习方法的干扰信号检测和心搏分类,信号质量评估与导联合并,心搏的审核,心电图事件和参数的分析计算,最终自动输出报告数据,实现了一个完整快速流程的动态心电图的自动化分析方法,但上述方法需要对整个心电图进行分析,而不能根据对心电图的QT期间的波形特征进行分析,来选取最有临床诊断意义的一段时间内的心电图,会导致分析效率和准确度都有明显的降低。
针对上述技术问题,本发明提供了一种快速筛选具有临床诊断价值的心电图的方法与装置。
发明内容
为实现本发明目的,本发明采用如下技术方案:
根据本发明的一个方面,提供了一种快速筛选具有临床诊断价值的心电图的方法,包括:
提取心电图,并对所述心电图的QT间期进行计算,得到QT间期;
根据设定好的第一阈值,对所述QT间期进行筛选,基于QT间期和第一阈值,选取得到最大截取心电图;
在所述最大截取心电图的所在时间的基础上扩展第一时间阈值的心电图波形得到输出心电图。
进一步的,所述基于QT间期和第一阈值,选取得到最大截取心电图,包括:
对所述QT间期大于第一阈值的时间所产生的总负荷进行计算,并基于所述总负荷得到单位时间负荷,并根据所述单位时间负荷,选取得到最大单位时间负荷所对应的所述心电图中的最大截取心电图。
进一步的,所述对所述心电图的QT间期进行计算,得到QT间期,包括:
采用小波变换法,来计算QT间期,保存每个计算的QT间期。
进一步的,所述采用小波变换法,来计算QT间期,保存每个计算的QT间期,包括:
选择双正交样条小波滤波器对心电信号进行分解,以R峰为参考位置,向前回溯进行Q点定位;
基于T波分类,并利用面积积分法,检测T波终点;
基于所述Q点定位和T波终点,确定QT间期。
进一步的,所述选取得到最大单位时间负荷所对应的所述心电图中的最大截取心电图,包括:
如果单位时间负荷对应多个不同的心电波形,则二次筛选心电波形中QT间期的偏差值的最大值,其中,
所述二次筛选心电波形中QT间期的偏差值的最大值,包括:
对超过第一阈值的QT间期进行标准差计算,其中,标准差计算公式为:
基于标准差,计算QT间期的偏差值,比较偏差值,找出偏差值的最大值,其中,计算QT间期的偏差值的公式为:
其中,θ表示QT间期的偏差值。
进一步的,所述输出心电图采用前面扩展第一时间阈值的波形或者前后各扩展第一时间阈值的波形或者后面扩展第一时间阈值的波形中的任意一种方式进行心电图的扩展,所述输出心电图为所述方式中单位负荷最大的一种方式扩展得到的心电图。
本申请能够达到以下有益效果:
本发明并不是简单对QT长度进行分析,其分析的是所有超过第一阈值的QT间期所对应心搏,对人体所造成的负荷;对这部分负荷进行按照单位时间进行分析,就可以评估在单位时间内QT间期发生所可能产生的症状,提前进行必要的预警。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显。
图1是根据实施例中一种快速筛选具有临床诊断价值的心电图的方法的流程图;
图2是根据实施例中一种快速筛选具有临床诊断价值的心电图的装置的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式;相反,提供这些实施方式使得本发明将全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构,因而将省略它们的详细描述。
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等;用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
实施例1
为了解决上述技术问题,本发明提供了一种快速筛选具有临床诊断价值的心电图的方法,具体包括:
步骤S1:提取心电图,并对所述心电图的QT间期进行计算,得到QT间期;其中,QT表示心电波形Q波到T波的距离。
步骤S2:根据设定好的第一阈值,对所述QT间期进行筛选,并对所述QT间期大于第一阈值的时间所产生的总负荷进行计算,并基于所述总负荷得到单位时间负荷,并根据所述单位时间负荷,选取得到最大单位时间负荷所对应的所述心电图中的最大截取心电图;
步骤S3:在所述最大截取心电图的所在时间的基础上扩展第一时间阈值的心电图波形得到输出心电图。
通过对心电图进行提取,并将提取得到的心电图进行心电图的QT间期的计算,在此基础上,按照设定好的第一阈值,当QT间期大于第一阈值的时间所产生的总负荷进行计算,并基于所述总负荷得到单位时间负荷,并根据所述单位时间负荷,选取得到最大单位时间负荷所对应的所述心电图中的最大截取心电图,通过设定好的时间阈值,对最大截取心电图的所在时间在设定好的时间阈值进行扩展,从而得到输出心电图,从而解决了不能根据对心电图的QT期间的波形特征进行分析,来选取最有临床诊断意义的一段时间内的心电图,会导致分析效率和准确度都有明显的降低的技术问题,使得运算的心电图的时间长度大大减小,提取得到最有临床价值的一段时间的心电图,进一步提升了预算的效率。
通过筛选最大截取心电图,并在此基础上扩展第一时间阈值的心电图波形,从而可以获取得到最具有诊断价值的心电图波形,使得对于病患的心电图处理和诊断的效率进一步得到提高,也使得诊断的有效性也得到了一定程度的改善。
在另外一种可能的实施例中,采用小波变换法,来计算QT间期,保存每个计算的QT间期,其具体步骤为:
具体举个例子,分析信号奇异点与小波变换正极大值-付极小值对的关系,并利用小波变换极值时间过零点,辅以一定的时移来检测心电信号的奇异点。同时采用淋滤250Hz的ECG信号,高频噪声主要落在21和22尺度上,低频分量和噪声等(入P、T波和基线等)主要落在24和25的较大尺度上,而在23的尺度上,QRS波具有最大的小波变换幅度,高频噪声、低频分量和噪声都较弱。
步骤S11:选择双正交样条小波滤波器对心电信号进行分解,以R峰为参考位置,向前回溯进行Q点定位;
具体举个例子,首先在23尺度上,根据可变预置条件筛选出可以与R峰对应的极大值和极小值对,R峰对应与一堆负极小值和正极大值之间的过零点,根据此原则,辅以一定的不应期和补偿原则,完成R峰的检测并记录。然后在24尺度上,从检测出的心电信号R峰位置开始,像前一段范围内,搜索第一个模极大值,即为Q波所在。
步骤S12:基于T波分类,并利用面积积分法,检测T波终点;
具体的举个例子,在判别参数设置上,会加以改进。具体算法如下:
a、假设心电信号为时间t的函数s(t),t1,t2分别为T波的起点和终点,区域[ta,tb]为t2的搜索范围。
c、T波形态复杂多变,大体可以分为4类:正向,倒置,正负双向和负正双向。采用的判别便准如下:首先在[ta,tb]范围内,计算面积函数的极大值A(t)max和极小值A(t)min,当0.8≤|A(t)max|/|A(t)min|≤1.2的时候,判定T波为正负双向或者负正双向,此时t2=max[arg(A(t)ma),arg(A(t)min)];当|A(t)max|/|A(t)min|≤0.8,或者|A(t)max|/|A(t)min|≥1.2的时候,为单向T波,此时t2=max[|arg(A(t)ma)|,|arg(A(t)min)|]。
d、在计算过程中,首先要将ECG数据进行预处理,利用数据滤波滤除基线漂移、工频干扰和肌电干扰,然后通过小波变换的发算法,检测R点和Q点,再通过面积积分的方法检测T点,最后逐拍计算Q点与T点之间的时间差,行程QT间期数值。
步骤S13:基于所述Q点定位和T波终点,确定QT间期。
小波变换法是一种用于对信号进行处理的数据模型,其在时域和频域两方面都具有调整信号局部特征的能力,因此有利于检测信号的瞬态或其一点。
在另外一种可能的实施例中,还需要对所述心电波形长度进行计算,所述心电波形长度的计算公式为:
其中,RR1为心电波形与前一个心电波形之间的RR间期,RR2为心电波形与后一个心电波形之间的RR间期。
通过依据所在地区的海拔情况以及病人年纪、性别对阈值进行确定,从而使得阈值的设定变得更加科学严谨,也使得阈值变得更加的可信,能够根据每个人的不同情况针对性的给出阈值。
其中norm为第一阈值;QT为QT间期;QTex为超过第一阈值的QT间期,nex为QT间期超过第一阈值的个数;λ为心电波形时长。
在另外一种可能的实施例中,所述单位时间产生的负荷的计算公式为:
其中,λn为每个超过第一阈值QT对应心电波形的长度。
在另外一种可能的实施例中,当所述单位时间产生的负荷存在多个相同的情况时,对多数心电波形进行二次筛选的具体步骤为:
步骤S1:若所述最大单位时间负荷所对应的所述心电图中的最大截取心电图存在多个相同的心电图时,此时对所述多个相同的心电图进行标准差的计算;
步骤S2:基于所述标准差的计算结果,在所述多个相同的心电图中选取标准差最大的心电图作为筛选心电图;
步骤S3:将所述筛选心电图输出至所述结果输出模块进行输出心电图的构建。
具体的举个例子,单位时间load,在心电图的采集过程中会随超过norm的QT间期的出现,而不断变化,其变化趋势会类似正弦波,因此,有可能出现,相同的单位时间load,对应到多个心电波形的情况。对于这种情况,会按照上述方法进行二次筛选。
具体的举个例子,选图算法并不是简单对QT长度进行分析,其分析的是所有超过第一阈值的QT间期所对应心搏,对人体所造成的负荷。对这部分负荷进行按照单位时间进行分析,就可以评估在单位时间内QT间期发生所可能产生的症状,提前进行必要的预警。
在另外一种可能的实施例中,所述标准差的计算公式为:
其中,μ是所有QT间期的加权平均差。
在另外一种可能的实施例中,所述QT间期的偏差值的计算公式为:
在另外一种可能的实施例中,所述输出心电图采用前面扩展第一时间阈值的波形或者前后各扩展第一时间阈值的波形或者后面扩展第一时间阈值的波形中的任意一种方式进行心电图的扩展。
具体的举个例子,由于在测试过程中,心电图会不断获取,因此,总负荷load,单位时间load,还有标准差SQT都是实时变化的数据,在获取心电图时,算法会按照获取时刻,来计算单位时间load最大值,找到其所对应的心电图,如果单位时间load最大值对应到了多个心电波形,则判断这些心电波形的QT间期的偏差值最大值。在确定最大值所对应的心电波形后,根据需要获取该心电波形前后心电波形,或以该心电图为起点获取心电波形,在或者以该心电图为终点获取心电波形进行打印。
具体的举个例子,所述时间阈值为5s,选取大于10秒的最有诊断意义的心电图,10秒心电图算法会以改心电波形为中心,获取其前后5秒的心电波形作为10秒心电图进行保存或打印;或者以该心电波形为起点,获取之后7.5秒的心电图进行保存或打印;还可以以该心电波形为终点,获取之前7.5秒的心电图进行保存或打印。
在另外一种可能的实施例中,所述输出心电图为所述方式中单位负荷最大的一种方式扩展得到的心电图。
本发明中,还提供了一种快速筛选具有临床诊断价值的心电图的装置,采用上述的一种快速筛选具有临床诊断价值的心电图的方法,具体包括:
心电图解析模块,QT周期筛选模块,计算模块,结果输出模块;
其中所述心电图解析模块负责提取心电图,并将心电图传输至QT周期筛选模块;
所述QT周期筛选模块对所述心电图的QT间期进行计算,得到QT间期;
所述计算模块根据设定好的第一阈值,对所述QT间期进行筛选,并对所述QT间期大于第一阈值的时间所产生的总负荷进行计算,并基于所述总负荷得到单位时间负荷,并根据所述单位时间负荷,选取得到最大单位时间负荷所对应的所述心电图中的最大截取心电图,并将所述最大截取心电图传输至结果输出模块;
所述结果输出模块在所述最大截取心电图的所在时间的基础上扩展第一时间阈值的心电图波形得到输出心电图。
通过筛选得到单位负荷情况最大的一种方式对心电图进行扩展,从而不仅使得筛选得到的心电图最具有医疗价值,也使得从单位负荷最大,使其特征变得更加明显,更加有利于进行疾病的诊断和确定。
采用小波变换法,来计算QT间期,保存每个计算的QT间期,其具体步骤为:
选择双正交样条小波滤波器对心电信号进行分解,以R峰为参考位置,向前回溯进行Q点定位;
基于T波分类,并利用面积积分法,检测T波终点;
基于所述Q点定位和T波终点,确定QT间期。
其中norm为第一阈值;QT为QT间期;QTex为超过第一阈值的QT间期,nex为QT间期超过第一阈值的个数;λ为心电波形时长。
在本发明的一些实施例中,所述单位时间产生的负荷的计算公式为:
其中,λn为每个超过第一阈值QT对应心电波形的长度。
当所述单位时间产生的负荷存在多个相同的情况时,对多数心电波形进行二次筛选的具体步骤为:
若所述最大单位时间负荷所对应的所述心电图中的最大截取心电图存在多个相同的心电图时,此时对所述多个相同的心电图进行标准差的计算;
基于所述标准差的计算结果,在所述多个相同的心电图中选取标准差最大的心电图作为筛选心电图;
将所述筛选心电图输出至所述结果输出模块进行输出心电图的构建。
在本发明的一些实施例中,所述标准差的计算公式为:
其中,μ是所有QT间期的加权平均差。
在本发明的一些实施例中,所述QT间期的偏差值的计算公式为:
在本发明的一些实施例中,所述输出心电图采用前面扩展第一时间阈值的波形或者前后各扩展第一时间阈值的波形或者后面扩展第一时间阈值的波形中的任意一种方式进行心电图的扩展,所述输出心电图为所述方式中单位负荷最大的一种方式扩展得到的心电图。
实施例2
如图1所示,本发明提供了一种快速筛选具有临床诊断价值的心电图的方法,该方法包括:
提取心电图,并对所述心电图的QT间期进行计算,得到QT间期;
根据设定好的第一阈值,对所述QT间期进行筛选,基于QT间期和第一阈值,选取得到最大截取心电图;
在所述最大截取心电图的所在时间的基础上扩展第一时间阈值的心电图波形得到输出心电图。
在本发明的一些实施例中,所述基于QT间期和第一阈值,选取得到最大截取心电图,包括:
对所述QT间期大于第一阈值的时间所产生的总负荷进行计算,并基于所述总负荷得到单位时间负荷,并根据所述单位时间负荷,选取得到最大单位时间负荷所对应的所述心电图中的最大截取心电图。
在本发明的一些实施例中,所述对所述心电图的QT间期进行计算,得到QT间期,包括:
采用小波变换法,来计算QT间期,保存每个计算的QT间期。
在本发明的一些实施例中,所述采用小波变换法,来计算QT间期,保存每个计算的QT间期,包括:
选择双正交样条小波滤波器对心电信号进行分解,以R峰为参考位置,向前回溯进行Q点定位;
基于T波分类,并利用面积积分法,检测T波终点;
基于所述Q点定位和T波终点,确定QT间期。
在本发明的一些实施例中,所述选取得到最大单位时间负荷所对应的所述心电图中的最大截取心电图,包括:
如果单位时间负荷对应多个不同的心电波形,则二次筛选心电波形中QT间期的偏差值的最大值,其中,
所述二次筛选心电波形中QT间期的偏差值的最大值,包括:
对超过第一阈值的QT间期进行标准差计算,其中,标准差计算公式为:
基于标准差,计算QT间期的偏差值,比较偏差值,找出偏差值的最大值,其中,计算QT间期的偏差值的公式为:
其中,θ表示QT间期的偏差值。
在本发明的一些实施例中,所述输出心电图采用前面扩展第一时间阈值的波形或者前后各扩展第一时间阈值的波形或者后面扩展第一时间阈值的波形中的任意一种方式进行心电图的扩展,所述输出心电图为所述方式中单位负荷最大的一种方式扩展得到的心电图。
如图2所示,另一方面本发明提供了一种快速筛选具有临床诊断价值的心电图的装置,该装置包括:
计算模块,用于提取心电图,并对所述心电图的QT间期进行计算,得到QT间期;
选取模块,用于根据设定好的第一阈值,对所述QT间期进行筛选,基于QT间期和第一阈值,选取得到最大截取心电图;
扩展模块,用于在所述最大截取心电图的所在时间的基础上扩展第一时间阈值的心电图波形得到输出心电图。
在本发明的一些实施例中,所述基于QT间期和第一阈值,选取得到最大截取心电图,包括:
对所述QT间期大于第一阈值的时间所产生的总负荷进行计算,并基于所述总负荷得到单位时间负荷,并根据所述单位时间负荷,选取得到最大单位时间负荷所对应的所述心电图中的最大截取心电图。
在本发明的一些实施例中,所述对所述心电图的QT间期进行计算,得到QT间期,包括:
采用小波变换法,来计算QT间期,保存每个计算的QT间期。
在本发明的一些实施例中,所述采用小波变换法,来计算QT间期,保存每个计算的QT间期,包括:
选择双正交样条小波滤波器对心电信号进行分解,以R峰为参考位置,向前回溯进行Q点定位;
基于T波分类,并利用面积积分法,检测T波终点;
基于所述Q点定位和T波终点,确定QT间期。
在本发明的一些实施例中,所述选取得到最大单位时间负荷所对应的所述心电图中的最大截取心电图,包括:
如果单位时间负荷对应多个不同的心电波形,则二次筛选心电波形中QT间期的偏差值的最大值,其中,
所述二次筛选心电波形中QT间期的偏差值的最大值,包括:
对超过第一阈值的QT间期进行标准差计算,其中,标准差计算公式为:
基于标准差,计算QT间期的偏差值,比较偏差值,找出偏差值的最大值,其中,计算QT间期的偏差值的公式为:
其中,θ表示QT间期的偏差值。
在本发明的一些实施例中,所述输出心电图采用前面扩展第一时间阈值的波形或者前后各扩展第一时间阈值的波形或者后面扩展第一时间阈值的波形中的任意一种方式进行心电图的扩展,所述输出心电图为所述方式中单位负荷最大的一种方式扩展得到的心电图。
本发明中,对心电图的分析分为以下几个步骤:
①QT间期的获取
使用小波变换法,来计算QT间期。保存每个计算的QT间期,用于后续的计算。下面对小波变换法计算QT间期的算法进行描述。
(1)小波变换法是一种用于对信号进行处理的数据模型,其在时域和频域两方面都具有调整信号局部特征的能力,因此有利于检测信号的瞬态或其一点。分析信号奇异点与小波变换正极大值-付极小值对的关系,并利用小波变换极值时间过零点,辅以一定的时移来检测心电信号的奇异点。同时采用淋滤250Hz的ECG信号,高频噪声主要落在21和22尺度上,低频分量和噪声等(入P、T波和基线等)主要落在24和25的较大尺度上,而在23的尺度上,QRS波具有最大的小波变换幅度,高频噪声、低频分量和噪声都较弱。
(2)选择双正交样条小波滤波器对心电信号进行分解,以R峰为参考位置,向前回溯进行Q点定位。首先在23尺度上,根据可变预置条件筛选出可以与R峰对应的极大值和极小值对,R峰对应与一堆负极小值和正极大值之间的过零点,根据此原则,辅以一定的不应期和补偿原则,完成R峰的检测并记录。然后在24尺度上,从检测出的心电信号R峰位置开始,像前一段范围内,搜索第一个模极大值,即为Q波所在。
(3)T波终点的提取,需要基于T波分类,并利用面积积分法,检测T波终点,在判别参数设置上,会加以改进。具体算法如下:
a.假设心电信号为时间t的函数s(t),t1,t2分别为T波的起点和终点,区域[ta,tb]为t2的搜索范围。
c.T波形态复杂多变,大体可以分为4类:正向,倒置,正负双向和负正双向。采用的判别便准如下:首先在[ta,tb]范围内,计算面积函数的极大值A(t)max和驾校之A(t)min,当0.8≤|A(t)max|/|A(t)min|≤1.2的时候,判定T波为正负双向或者负正双向,此时t2=max[arg(A(t)ma),arg(A(t)min)];当|A(t)max|/|A(t)min|≤0.8,或者|A(t)max|/|A(t)min|≥1.2的时候,为单向T波,此时t2=max[|arg(A(t)ma)|,|arg(A(t)min)|]。
d.在计算过程中,首先要将ECG数据进行预处理,利用数据滤波滤除基线漂移、工频干扰和肌电干扰,然后通过小波变换的发算法,检测R点和Q点,再通过面积积分的方法检测T点,最后逐拍计算Q点与T点之间的时间差,行程QT间期数值。
②QT间期的筛选
对所获取的所有QT数据中,超过第一阈值norm(男性QT间期>0.45秒,女性QT间期>0.46秒)的QT间期进行筛选。
③心电波形长度的计算
对超过第一阈值QT所对应的心电波形长度进行计算,获取参数λ。
心电波形长度计算通过前后心电波形的RR周期进行计算。
其中,RR1为心电波形与前一个心电波形之间的RR间期,RR2为心电波形与后一个心电波形之间的RR间期。
④心电图选图会计算当前心电图中QT间期延长部分心电图所产生的总负荷。
其中,norm为第一阈值;QT为QT间期;QTex为超过第一阈值的QT间期; nex为QT间期超过第一阈值的个数;λ为心电波形时长。
⑤心电图选图会计算超过第一阈值部分的QT在单位时间所产生的负荷,
其中,λn为每个超过第一阈值QT对应心电波形的长度。
单位时间load,在心电图的采集过程中会随超过norm的QT间期的出现,而不断变化,其变化趋势会类似正弦波,因此,有可能出现,相同的单位时间load,对应到多个心电波形的情况。对于这种情况,会按照下面方法进行二次筛选。
⑥标准差计算
心电图选图会对超过第一阈值norm的QT间期进行标准差计算,
其中,μ是所有QT间期的加权平均差。
然后计算QT间期的偏差值
如果单位时间load对应到多个不同的心电波形,则再次判断这些心电波形中QT间期的偏差值的最大值。
由于在测试过程中,心电图会不断获取,因此,总负荷load,单位时间load,还有标准差SQT都是实时变化的数据,在获取心电图时,算法会按照获取时刻,来计算单位时间load最大值,找到其所对应的心电图,如果单位时间load最大值对应到了多个心电波形,则判断这些心电波形的QT间期的偏差值最大值。在确定最大值所对应的心电波形后,10秒心电图算法会以改心电波形为中心,获取其前后5秒的心电波形作为10秒心电图进行保存或打印,或者以该心电波形为起点,获取之后7.5秒的心电图进行保存或打印,还可以以该心电波形为终点,获取之前7.5秒的心电图进行保存或打印。
通过本发明达到了:本发明并不是简单对QT长度进行分析,其分析的是所有超过第一阈值的QT间期所对应心搏,对人体所造成的负荷;对这部分负荷进行按照单位时间进行分析,就可以评估在单位时间内QT间期发生所可能产生的症状,提前进行必要的预警。
在本发明实施例中,术语“多个”则指两个或两个以上,除非另有明确的限定。术语“安装”、“连接”、“固定”等术语均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明实施例中的具体含义。
本发明实施例的描述中,需要理解的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明实施例和简化描述,而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作,因此,不能理解为对本发明实施例的限制。
在本说明书的描述中,术语“一个实施例”、“一个优选实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明实施例的优选实施例而已,并不用于限制本发明实施例,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。
Claims (7)
1.一种快速筛选具有临床诊断价值的心电图的方法,其特征在于,包括:
提取心电图,并对所述心电图的QT间期进行计算,得到QT间期;
根据设定好的第一阈值,对所述QT间期进行筛选,基于QT间期和第一阈值,选取得到最大截取心电图;
在所述最大截取心电图的所在时间的基础上扩展第一时间阈值的心电图波形得到输出心电图。
2.如权利要求1所述的一种快速筛选具有临床诊断价值的心电图的方法,其特征在于,所述基于QT间期和第一阈值,选取得到最大截取心电图,包括:
对所述QT间期大于第一阈值的时间所产生的总负荷进行计算,并基于所述总负荷得到单位时间负荷,并根据所述单位时间负荷,选取得到最大单位时间负荷所对应的所述心电图中的最大截取心电图。
3.如权利要求2所述的一种快速筛选具有临床诊断价值的心电图的方法,其特征在于,所述对所述心电图的QT间期进行计算,得到QT间期,包括:
采用小波变换法,来计算QT间期,保存每个计算的QT间期。
4.如权利要求3所述的一种快速筛选具有临床诊断价值的心电图的方法,其特征在于,所述采用小波变换法,来计算QT间期,保存每个计算的QT间期,包括:
选择双正交样条小波滤波器对心电信号进行分解,以R峰为参考位置,向前回溯进行Q点定位;
基于T波分类,并利用面积积分法,检测T波终点;
基于所述Q点定位和T波终点,确定QT间期。
5.如权利要求2所述的一种快速筛选具有临床诊断价值的心电图的方法,其特征在于,所述选取得到最大单位时间负荷所对应的所述心电图中的最大截取心电图,包括:
如果单位时间负荷对应多个不同的心电波形,则二次筛选心电波形中QT间期的偏差值的最大值,其中,
所述二次筛选心电波形中QT间期的偏差值的最大值,包括:
对超过第一阈值的QT间期进行标准差计算,其中,标准差计算公式为:
基于标准差,计算QT间期的偏差值,比较偏差值,找出偏差值的最大值,其中,计算QT间期的偏差值的公式为:
其中,θ表示QT间期的偏差值。
6.如权利要求1所述的一种快速筛选具有临床诊断价值的心电图的方法,其特征在于,所述输出心电图采用前面扩展第一时间阈值的波形或者前后各扩展第一时间阈值的波形或者后面扩展第一时间阈值的波形中的任意一种方式进行心电图的扩展,所述输出心电图为所述方式中单位负荷最大的一种方式扩展得到的心电图。
7.一种快速筛选具有临床诊断价值的心电图的装置,其特征在于,该装置用于实现权利要求1-6任意一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310113219.1A CN115813404B (zh) | 2023-02-15 | 2023-02-15 | 一种快速筛选具有临床诊断价值的心电图的方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310113219.1A CN115813404B (zh) | 2023-02-15 | 2023-02-15 | 一种快速筛选具有临床诊断价值的心电图的方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115813404A true CN115813404A (zh) | 2023-03-21 |
CN115813404B CN115813404B (zh) | 2023-09-05 |
Family
ID=85521380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310113219.1A Active CN115813404B (zh) | 2023-02-15 | 2023-02-15 | 一种快速筛选具有临床诊断价值的心电图的方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115813404B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102397067A (zh) * | 2011-12-07 | 2012-04-04 | 秦皇岛市康泰医学系统有限公司 | 一种运动负荷心电波形叠加分析方法及其系统 |
CN107106066A (zh) * | 2014-11-17 | 2017-08-29 | 美多尼克监测公司 | Qt间期确定方法和相关设备 |
WO2020114068A1 (zh) * | 2018-12-07 | 2020-06-11 | 上海数创医疗科技有限公司 | 基于人工智能技术的心电信号st段自动判断方法及装置 |
CN113180688A (zh) * | 2020-12-14 | 2021-07-30 | 上海交通大学 | 基于残差神经网络的冠心病心电图筛查系统及方法 |
CN113221595A (zh) * | 2020-01-20 | 2021-08-06 | 深圳市理邦精密仪器股份有限公司 | 心电图的分析方法、分析装置、心电图机及存储装置 |
-
2023
- 2023-02-15 CN CN202310113219.1A patent/CN115813404B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102397067A (zh) * | 2011-12-07 | 2012-04-04 | 秦皇岛市康泰医学系统有限公司 | 一种运动负荷心电波形叠加分析方法及其系统 |
CN107106066A (zh) * | 2014-11-17 | 2017-08-29 | 美多尼克监测公司 | Qt间期确定方法和相关设备 |
WO2020114068A1 (zh) * | 2018-12-07 | 2020-06-11 | 上海数创医疗科技有限公司 | 基于人工智能技术的心电信号st段自动判断方法及装置 |
CN113221595A (zh) * | 2020-01-20 | 2021-08-06 | 深圳市理邦精密仪器股份有限公司 | 心电图的分析方法、分析装置、心电图机及存储装置 |
CN113180688A (zh) * | 2020-12-14 | 2021-07-30 | 上海交通大学 | 基于残差神经网络的冠心病心电图筛查系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115813404B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104173043B (zh) | 一种适合于移动平台的心电数据分析方法 | |
CN109480787B (zh) | 一种基于超宽带雷达的非接触式睡眠监测设备及睡眠分期方法 | |
US8024030B2 (en) | System and method for analyzing an electrocardiogram signal | |
US9259154B2 (en) | Monitoring method and apparatus | |
US7025729B2 (en) | Apparatus for detecting sleep apnea using electrocardiogram signals | |
CN103110416A (zh) | 远程心电智能监护系统 | |
CA2861500A1 (en) | Methods and systems for atrial fibrillation detection | |
CN104586381A (zh) | 一种基于物联网的心电监护系统 | |
CN108294745A (zh) | 多导联心电图信号中p波、t波起止点检测方法及系统 | |
CN110226919B (zh) | 心电信号类型检测方法、装置、计算机设备及存储介质 | |
CN110123304B (zh) | 基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法 | |
CN109288515B (zh) | 基于穿戴式心电信号中早搏信号的周期性监测方法及装置 | |
CN109998527A (zh) | 一种基于多尺度熵的心脏疾病检测方法 | |
CN114532993B (zh) | 一种癫痫患者脑电高频振荡信号的自动检测方法 | |
WO2021249493A1 (zh) | T波起点的确定方法、装置、存储介质及计算机程序产品 | |
CN103970975A (zh) | 心电数据处理方法和系统 | |
CN110558970A (zh) | 一种用于穿戴式智能内衣的心电信号分析方法 | |
CN111297340A (zh) | 基于gps与心率结合的运动状态监测方法 | |
Zhang et al. | Method of diagnosing heart disease based on deep learning ECG signal | |
CN115813404A (zh) | 一种快速筛选具有临床诊断价值的心电图的方法与装置 | |
Solosenko et al. | Automatic extrasystole detection using photoplethysmographic signals | |
EP3782540A1 (en) | Method for determining r peaks of electrocardiogram | |
Ali et al. | Detection of cardiomyopathy using multilayered perceptron network | |
CN115770054A (zh) | 心电信号处理方法、便携式心电采集设备和存储介质 | |
CN114762611A (zh) | 肌体多动态参数的处理方法及在射血分数上的应用 |
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 |