CN116077785B - 一种基于心电矢量弧的快速心搏识别算法 - Google Patents
一种基于心电矢量弧的快速心搏识别算法 Download PDFInfo
- Publication number
- CN116077785B CN116077785B CN202310083284.4A CN202310083284A CN116077785B CN 116077785 B CN116077785 B CN 116077785B CN 202310083284 A CN202310083284 A CN 202310083284A CN 116077785 B CN116077785 B CN 116077785B
- Authority
- CN
- China
- Prior art keywords
- qrs
- vector
- template
- arc
- similarity
- 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
- 238000013519 translation Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 5
- 238000011897 real-time detection Methods 0.000 claims description 5
- 230000003139 buffering effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000011524 similarity measure Methods 0.000 abstract description 2
- 210000005240 left ventricle Anatomy 0.000 description 6
- 238000005086 pumping Methods 0.000 description 6
- 206010003119 arrhythmia Diseases 0.000 description 4
- 230000006793 arrhythmia Effects 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 210000005077 saccule Anatomy 0.000 description 4
- 230000002861 ventricular Effects 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 3
- 230000002107 myocardial effect Effects 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 230000010412 perfusion Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 206010003658 Atrial Fibrillation Diseases 0.000 description 1
- 201000000057 Coronary Stenosis Diseases 0.000 description 1
- 208000001953 Hypotension Diseases 0.000 description 1
- 208000000418 Premature Cardiac Complexes Diseases 0.000 description 1
- 210000002376 aorta thoracic Anatomy 0.000 description 1
- 210000001765 aortic valve Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 210000001105 femoral artery Anatomy 0.000 description 1
- 230000036543 hypotension Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 208000008510 paroxysmal tachycardia Diseases 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/06—Respiratory or anaesthetic masks
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/06—Respiratory or anaesthetic masks
- A61M2016/0661—Respiratory or anaesthetic masks with customised shape
Landscapes
- Health & Medical Sciences (AREA)
- Emergency Medicine (AREA)
- Pulmonology (AREA)
- Engineering & Computer Science (AREA)
- Anesthesiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Hematology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于心电矢量弧的快速心搏识别算法，包括对主动脉内球囊通电的QRS波进行对位叠加得到QRS模板；对可信QRS模板进行平移叠加对位得到优化后的QRS模板；对优化后模板的导联心电模板的21个配对计算最优向量弧；在最优矢量弧计算其前面的预设数量单心搏的矢量弧；计算每个单心搏矢量弧与最优矢量弧之间的相似度获得相似度的统计值；将统计值乘以接受阈值作为相似度量的接受准则；如果矢量弧与最优矢量弧的相似度在相似度的阈值之上即可认为符合接受规则，进而装置做出快速吸气命令；实时更新最优矢量弧与矢量弧接受准则；若经过超出预设的延迟时间经典算法仍未识别出有效R波，则将吸气阀关闭。
Description
技术领域
本发明涉及医疗器械技术领域，具体涉及一种基于心电矢量弧的快速心搏识别算法。
背景技术
主动脉球囊反搏是通过股动脉在左锁骨动脉以下2～3cm的降主动脉处放置一个条形的内球囊，球囊导管与体外压力泵相连。其工作原理是在心室舒张期开始球囊快速充气，增加冠脉灌注，在心室舒张末期球囊快速放气，降低左室后负荷，从而达到辅助心脏的作用，可以减轻心脏压力负荷，增加心输出量，提高冠脉灌注压和心肌供氧，同时减少心肌氧耗，改善外周脏器和组织灌注。主动脉内球囊反搏是维持体循环血压、保障心脑等重要器官组织灌注的有效的临时机械辅助装置。对于有显著低血压和冠状动脉狭窄的患者，主动脉内球囊反搏可以增加冠状动脉内血流，提高病理状态下的心肌氧供。在收缩期主动脉瓣开放前球囊迅速排气，产生类似泵抽吸的作用，减少了心脏的后负荷，使心脏做功减少，从而减少了心肌对氧的需求。有效的主动脉内球囊反搏治疗可以降低左心室舒张末压、左室收缩压和射血阻力，减轻左心室后负荷，增加心输出量。
现有的主动脉反球囊系统，通常是对于正常病患，采用RR间期预测方法：在左心室泵血结束期充气辅助泵血，提高射血量；在下次左心室泵血前期提前一定时间，吸气造成动脉相对左心室形成负压差，降低左心室泵血负荷。而在针对临床中诸如房颤、早搏、阵发性心动过速等心律失常病患，由于异常心搏会提前搏动，可预测性降低，若是仍采用RR预测法，会出现心脏泵血，而球囊仍鼓胀，令心脏血排量极度降低，并且令心脏藏负荷大幅上升，对病患生理非常不利。且现有的对上述现象的常规处理方法是通过人工或智能算法，识别到上述的异常心律失常，装置切换到实时心搏捕获模式，吸气判断点为基于心搏识别来完成启动。这种模式的劣势在于：从识别到心搏至心室打血期启动大概延迟几十毫秒，而从控制命令泵阀启动至泵阀启动到把球囊吸瘪，也需要一定延时；而在这两个延时之前，还有心搏识别的延迟；因此若能大幅降低心搏识别的启动，在心律失常的临床应用上，会有非常的临床价值。
在RR间期预测方法中，相关延迟时间,心脏从心室收缩产生电信号到主动脉射血，大致90~100ms；吸气阀开关启动时间10~20ms，球囊吸瘪大概60ms，需要控制总延迟70~80ms。同时由于采用的是传统QRS算法，通常最少有40ms延迟，三个延时总体110ms~120ms，会令心脏射血有20~40ms的堵塞负荷期。
技术术语：常规经典QRS检波算法包括：Pantompkin[1985年]、Filter-Bank[1999年]、UNSW[2016]等多个算法。
发明内容
1.所要解决的技术问题：
针对上述技术问题，本发明提供一种基于心电矢量弧的动脉反搏球囊的灵敏度控制方法，通过对心搏识别的延迟识别的改进，有效节省了阀的启动时间，从而优化了总体的延时。
2.技术方案：
一种基于心电矢量弧的快速心搏识别算法，其特征在于：包括以下步骤：
步骤一：检波阶段；主动脉内球囊通电后，采集至少4个的QRS波并缓存；对每个QRS波均采用QRS检波方法，获取每个QRS波的R波的位置；
步骤二：模板阶段；将缓存的多个QRS波，以获取的R波的位置作为标准进行对位叠加，得到叠加后的QRS模板；其中对位叠加为将所有的QRS波的峰值的极值点进行对应相加后求平均值；
步骤三：模板评估：对步骤二得到的 QRS模板与每个QRS波进行相似度的计算，计算出两者之间的生理信号距离；
步骤四：模板优化：如果QRS模板与每个QRS波的相似度在预设相似度范围外的数目多于QRS波数量的一半，则该QRS模板判断为不可信，并重新从步骤一开始延期重新计算QRS模板；反之，继续进行，如果QRS模板与QRS波中的其中的一个QRS波中之间的相似度低于预设的限定值，则将该QRS波删除，对剩余的QRS波进行重新进行平移叠加对位得到优化后的QRS模板；所述平移叠加具体为：选取两个QRS波，获取两者的起始时间，得到每个两个QRS波的R波位置，根据R波的峰值点实现该该两个QRS波峰值点对位；在峰值点前后的QRS时间窗内，将该范围内的数据进行点对位相加后计算平均值，从而或获得平移叠加后的QRS模板；以平移叠加后的QRS模板作为第一个QRS波以及没有进行过平移叠加后的一个QRS波作为第二个QRS波进行上述的步骤，直至剩余的所有的QRS波均进行过平移叠加，从而得到优化后的QRS模板；分别计算出该优化后的QRS模板的I、II、III、AVR、AVF、AVL、V七个导联的心电模板；
步骤五：向量环模板建立：根据步骤四得到的七个导联的心电模板，进行两两配对，得到21个配对；计算每个配对中其中一个导联所在维度、另一个导联所在维度从而形成的二维平面上的向量环模板；
步骤六：最优矢量弧选择： 对步骤五获得的21个向量环模板，计算出最优向量弧：将其中一个向量环模板的起始矢量位置设为X1，该向量环模板在预设的时间内移动到的矢量位置为X2，计算X2-X1的距离作为向量弧距离；依次计算出所有向量环模板的对应的向量弧距离；选出向量弧距离最大的对应的向量环模板作为最优矢量弧；以及将距离最大值乘以预设的固定参数alpha，作为匹配接受距离；
步骤七：制定接受准则；在最优矢量弧所在的两个向量环模板上，计算其前面的预设数量单心搏的矢量弧；计算每个单心搏矢量弧与最优矢量弧之间的相似度；并对得到的相似度的数值集合进行统计计算；所述统计计算包括平均值、中值、四分位数、最小值；将统计值乘以预设的接受阈值得到相似度的阈值，作为相似度量的接受准则；如果矢量弧与最优矢量弧的相似度在相似度的阈值之上即可认为符合接受规则；
步骤八：实时检测：实时计算当前矢量弧与最优矢量弧的相似度，符合接受准则的矢量弧作为QRS的判断，进而装置做出快速吸气命令；
步骤九：实时更新：和步骤八同时计算，更新最新的最优矢量弧与矢量弧接受准则；
步骤十：延迟修正：在进行步骤一至步骤九时，装置的常规经典QRS检波算法同时也在进行运算，用于确定R波位置；若经过超出预设的延迟时间经典算法仍未识别出有效R波，则将吸气阀关闭。
进一步地，步骤三中，匹配算法包括：相关系数法、形态学算法、霍夫曼距离。
进一步地，步骤四中， 时间间隔为15~30ms。
进一步地，步骤七中，预设数量的单心搏的矢量弧中预设的数量为4个及以上。
进一步地，步骤十中的延迟时间为40ms；所述常规经典QRS检波算法包括Pantompki法、Filter-Bank 法、UNSW法。
3.有益效果：
（1）本申请中采用的是对心电向量弧进行分析判断QRS，本方法相比于传统的心电图算法，具有心搏检出的低延迟、快速响应的优势。
（2）本申请中采用心电向量弧的匹配学习过程算法，在对QRS模板建立以及优化时，分别采用对位叠加以及平移叠加两种不同的叠加的方法，有效的提高了QRS模板的准确性，从而在心搏识别中，实现了高灵敏度算法与高特异度算法的结合应用；
（3）本申请中能够将矢量弧的触发延迟20ms，则装置的总体识别到控制延时目标达成90~100ms，就会令心脏射血只有0~10ms的堵塞负荷期，从而能够大幅降低心脏负荷。
（4）本申请中通过延迟修正，识别该心博若不是QRS，则快速将吸气控制阀关闭，而这段时间刚好满足开阀10~20ms，并没有真正打开吸气阀；相当于矢量弧作为快速心脏搏动识别，将阀预启动；再延迟多获得一些心电图数据，通过传统算法二次确认是否是真实心脏搏动，再确认阀的持续开闭，有效节省了阀的启动时间，从而优化了总体的延时。
（5）本申请的灵敏识别心搏并快速控制技术，对针对临床中诸如房颤、早搏、阵发性心动过速等心律失常病患，出现的心室射血，由于技术产生的时延效果，心脏泵血球囊仍鼓胀，令心脏血排量极度降低，令心脏藏负荷大幅上升风险，大幅降低！
综上所述，本方案在现有主动脉反球囊技术基础上，无论正常病患还是心律失常病患，都能很好做到提高射血量、降低左心室泵血负荷，临床适应性大幅提高。
附图说明
图1为本申请的流程图；
图2为具体实施例中的4个QRS波；
图3为具体实施例中的建立的QRS模板；
图4为具体实施例中建立的七个导联的心电模板图。
具体实施方式
下面结合附图对本发明进行具体的说明。
如附图1所示，一种基于心电矢量弧的快速心搏识别算法，其特征在于：包括以下步骤：
步骤一：检波阶段；主动脉内球囊通电后，采集至少4个的QRS波并缓存；对每个QRS波均采用QRS检波方法，获取每个QRS波的R波的位置；
步骤二：模板阶段；将缓存的多个QRS波，以获取的R波的位置作为标准进行对位叠加，得到叠加后的QRS模板；其中对位叠加为将所有的QRS波的峰值的极值点进行对应相加后求平均值；
步骤三：模板评估：对步骤二得到的 QRS模板与每个QRS波进行相似度的计算，计算出两者之间的生理信号距离；
步骤四：模板优化：如果QRS模板与每个QRS波的相似度在预设相似度范围外的数目多于QRS波数量的一半，则该QRS模板判断为不可信，并重新从步骤一开始延期重新计算QRS模板；反之，继续进行，如果QRS模板与QRS波中的其中的一个QRS波中之间的相似度低于预设的限定值，则将该QRS波删除，对剩余的QRS波进行重新进行平移叠加对位得到优化后的QRS模板；所述平移叠加具体为：选取两个QRS波，获取两者的起始时间，得到每个两个QRS波的R波位置，根据R波的峰值点实现该该两个QRS波峰值点对位；在峰值点前后的QRS时间窗内，将该范围内的数据进行点对位相加后计算平均值，从而或获得平移叠加后的QRS模板；以平移叠加后的QRS模板作为第一个QRS波以及没有进行过平移叠加后的一个QRS波作为第二个QRS波进行上述的步骤，直至剩余的所有的QRS波均进行过平移叠加，从而得到优化后的QRS模板；分别计算出该优化后的QRS模板的I、II、III、AVR、AVF、AVL、V七个导联的心电模板；
步骤五：向量环模板建立：根据步骤四得到的七个导联的心电模板，进行两两配对，得到21个配对；计算每个配对中其中一个导联所在维度、另一个导联所在维度从而形成的二维平面上的向量环模板；
步骤六：最优矢量弧选择： 对步骤五获得的21个向量环模板，计算出最优向量弧：将其中一个向量环模板的起始矢量位置设为X1，该向量环模板在预设的时间内移动到的矢量位置为X2，计算X2-X1的距离作为向量弧距离；依次计算出所有向量环模板的对应的向量弧距离；选出向量弧距离最大的对应的向量环模板作为最优矢量弧；以及将距离最大值乘以预设的固定参数alpha，作为匹配接受距离；
步骤七：制定接受准则；在最优矢量弧所在的两个向量环模板上，计算其前面的预设数量单心搏的矢量弧；计算每个单心搏矢量弧与最优矢量弧之间的相似度；并对得到的相似度的数值集合进行统计计算；所述统计计算包括平均值、中值、四分位数、最小值；将统计值乘以预设的接受阈值得到相似度的阈值，作为相似度量的接受准则；如果矢量弧与最优矢量弧的相似度在相似度的阈值之上即可认为符合接受规则；
步骤八：实时检测：实时计算当前矢量弧与最优矢量弧的相似度，符合接受准则的矢量弧作为QRS的判断，进而装置做出快速吸气命令；
步骤九：实时更新：和步骤八同时计算，更新最新的最优矢量弧与矢量弧接受准则；
步骤十：延迟修正：在进行步骤一至步骤九时，装置的常规经典QRS检波算法同时也在进行运算，用于确定R波位置；若经过超出预设的延迟时间经典算法仍未识别出有效R波，则将吸气阀关闭。
进一步地，步骤三中，匹配算法包括：相关系数法、形态学算法、霍夫曼距离。
进一步地，步骤四中， 时间间隔为15~30ms。
进一步地，步骤七中，预设数量的单心搏的矢量弧中预设的数量为4个及以上。
进一步地，步骤十中的延迟时间为40ms；所述常规经典QRS检波算法包括Pantompki法、UNSW法。
具体实施例：
本实施例中，检波阶段采用如附图2所示的4个QRS波进行建立QRS模板，识别该4个中的每个QRS波的R波的位置，以R波的位置作为叠加的对准位置，将该4个波的极值点进行叠加取平均值，从而生成的波形即为QRS模板，建立的QRS模板如附图3所示，
通过计算QRS模板与该4个QRS波中每个波计算相似度，如果这四个相似度有两个或者超出两个在预设的相似度范围内，说明这个QRS模板不可信，从而重新进行检波延期重新计算QRS模板。如果在预设的相似度范围内，剔除出通过平移叠加后实现优化的QRS模板如附图4所示，对每个QRS波与QRS模板之间计算两者的相似度，如果相似度在预设的范围外，则将该QRS波剔除，重新计算QRS模板；此时重新计算QRS模板采用的是平移叠加的方法，比如4个QRS波与QRS模板之间的相似度均在预设的范围内，则依次计算1与2的QRS模板、1与2生成的QRS模板与3的QRS模板、1、2、3生成的QRS模板与4的QRS模板，完成所有的QRS波的平移叠加后生成优化后的QRS模板。
如附图4所示，计算出该优化后的QRS模板的I、II、III、AVR、AVF、AVL、V七个导联的心电模板。
对上面的7个导联心电模板进行两两配对，共配出21个配对，计算每个配对中其中一个导联所在维度、另一个导联所在维度能够形成的平面上的向量环；
对上述获得的21个向量环模板，计算出最优向量弧。将其中一个向量环的起始矢量位置设为X1，该向量环在预设的时间内移动到的矢量位置为X2，计算X2-X1的距离作为向量弧距离；依次计算出所有向量环的对应的向量弧距离；选出向量弧距离最大的对应的向量环作为最优矢量弧；以及将距离最大值乘以固定参数alpha（例如等于2），作为匹配接受距离。
在最优矢量弧所在的两道联联信号上，计算其前几个（例如6个）单心搏的矢量弧；计算每个单心搏矢量弧与最优矢量弧之间的相似度；并对得到的相似度的数值集合进行统计计算；所述统计计算包括平均值、中值、四分位数、最小值；将统计值乘以预设的接受阈值，作为相似度量的接受准则；如果矢量弧的相似度在接受阈值范围内即可认为符合接受规则；
实时检测：实时计算当前矢量弧与最优矢量弧的相似度，符合接受准则的矢量弧作为QRS的判断，进而装置做出快速吸气命令；
实时更新：和实时检测同时计算，更新最新的最优矢量弧与矢量弧接受准则；
延迟修正：同时装置的常规经典QRS检波算法也在运算，确定R波位置，若该R波位置落后上述矢量弧算法中R波位置超出20ms，再将吸气泵阀关闭。
虽然本发明已以较佳实施例公开如上，但它们并不是用来限定本发明的，任何熟习此技艺者，在不脱离本发明之精神和范围内，自当可作各种变化或润饰，因此本发明的保护范围应当以本申请的权利要求保护范围所界定的为准。
Claims (5)
1.一种基于心电矢量弧的快速心搏识别算法，其特征在于：包括以下步骤：
步骤一：检波阶段；主动脉内球囊通电后，采集至少4个的QRS波并缓存；对每个QRS波均采用QRS检波方法，获取每个QRS波的R波的位置；
步骤二：模板阶段；将缓存的多个QRS波，以获取的R波的位置作为标准进行对位叠加，得到叠加后的QRS模板；其中对位叠加为将所有的QRS波的峰值的极值点进行对应相加后求平均值；
步骤三：模板评估：对步骤二得到的 QRS模板与每个QRS波进行相似度的计算，计算出两者之间的生理信号距离；
步骤四：模板优化：如果QRS模板与每个QRS波的相似度在预设相似度范围外的数目多于QRS波数量的一半，则该QRS模板判断为不可信，并重新从步骤一开始延期重新计算QRS模板；反之，继续进行，如果QRS模板与QRS波中的其中的一个QRS波中之间的相似度低于预设的限定值，则将该QRS波删除，对剩余的QRS波进行重新进行平移叠加对位得到优化后的QRS模板；所述平移叠加具体为：选取两个QRS波，获取两者的起始时间，得到每个两个QRS波的R波位置，根据R波的峰值点实现该两个QRS波峰值点对位；在峰值点前后的QRS时间窗内，将该范围内的数据进行点对位相加后计算平均值，从而获得平移叠加后的QRS模板；以平移叠加后的QRS模板作为第一个QRS波以及没有进行过平移叠加后的一个QRS波作为第二个QRS波进行上述的步骤，直至剩余的所有的QRS波均进行过平移叠加，从而得到优化后的QRS模板；分别计算出该优化后的QRS模板的I、II、III、AVR、AVF、AVL、V七个导联的心电模板；
步骤五：向量环模板建立：根据步骤四得到的七个导联的心电模板，进行两两配对，得到21个配对；计算每个配对中其中一个导联所在维度、另一个导联所在维度从而形成的二维平面上的向量环模板；
步骤六：最优矢量弧选择： 对步骤五获得的21个向量环模板，计算出最优向量弧：将其中一个向量环模板的起始矢量位置设为X1，该向量环模板在预设的时间内移动到的矢量位置为X2，计算X2-X1的距离作为向量弧距离；依次计算出所有向量环模板的对应的向量弧距离；选出向量弧距离最大的对应的向量环模板作为最优矢量弧；以及将距离最大值乘以预设的固定参数alpha，作为匹配接受距离；
步骤七：制定接受准则；在最优矢量弧所在的两个向量环模板上，计算其前面的预设数量单心搏的矢量弧；计算每个单心搏矢量弧与最优矢量弧之间的相似度；并对得到的相似度的数值集合进行统计计算；所述统计计算包括平均值、中值、四分位数、最小值；将统计值乘以预设的接受阈值得到相似度的阈值，作为相似度量的接受准则；如果矢量弧与最优矢量弧的相似度在相似度的阈值之上即可认为符合接受规则；
步骤八：实时检测：实时计算当前矢量弧与最优矢量弧的相似度，符合接受准则的矢量弧作为QRS的判断，进而装置做出快速吸气命令；
步骤九：实时更新：和步骤八同时计算，更新最新的最优矢量弧与矢量弧接受准则；
步骤十：延迟修正：在进行步骤一至步骤九时，装置的常规经典QRS检波算法同时也在进行运算，用于确定R波位置；若经过超出预设的延迟时间经典算法仍未识别出有效R波，则将吸气阀关闭。
2.根据权利要求1所述的一种基于心电矢量弧的快速心搏识别算法，其特征在于：步骤三中，匹配算法包括：相关系数法、形态学算法、霍夫曼距离。
3.根据权利要求1所述的一种基于心电矢量弧的快速心搏识别算法，其特征在于：步骤四中， 时间间隔为15~30ms。
4.根据权利要求1所述的一种基于心电矢量弧的快速心搏识别算法，其特征在于：步骤七中，预设数量的单心搏的矢量弧中预设的数量为4个及以上。
5.根据权利要求1所述的一种基于心电矢量弧的快速心搏识别算法，其特征在于：步骤十中的延迟时间为40ms；所述常规经典QRS检波算法包括包括Pantompki法、Filter-Bank法、UNSW法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310083284.4A CN116077785B (zh) | 2023-02-08 | 2023-02-08 | 一种基于心电矢量弧的快速心搏识别算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310083284.4A CN116077785B (zh) | 2023-02-08 | 2023-02-08 | 一种基于心电矢量弧的快速心搏识别算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116077785A CN116077785A (zh) | 2023-05-09 |
| CN116077785B true CN116077785B (zh) | 2024-05-24 |
Family
ID=86204199
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310083284.4A Active CN116077785B (zh) | 2023-02-08 | 2023-02-08 | 一种基于心电矢量弧的快速心搏识别算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116077785B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102793539A (zh) * | 2012-08-31 | 2012-11-28 | 深圳市理邦精密仪器股份有限公司 | 心电向量图检测分析方法及系统 |
| CN107951485A (zh) * | 2017-11-27 | 2018-04-24 | 乐普（北京）医疗器械股份有限公司 | 基于人工智能自学习的动态心电图分析方法和装置 |
| CN110448748A (zh) * | 2019-07-11 | 2019-11-15 | 安徽通灵仿生科技有限公司 | 一种主动脉内球囊反搏系统及其控制方法 |
| CN115486855A (zh) * | 2022-09-15 | 2022-12-20 | 浙江好络维医疗技术有限公司 | 一种基于qrs波群不定次循环叠加的心电图心搏分类方法 |
-
2023
- 2023-02-08 CN CN202310083284.4A patent/CN116077785B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102793539A (zh) * | 2012-08-31 | 2012-11-28 | 深圳市理邦精密仪器股份有限公司 | 心电向量图检测分析方法及系统 |
| CN107951485A (zh) * | 2017-11-27 | 2018-04-24 | 乐普（北京）医疗器械股份有限公司 | 基于人工智能自学习的动态心电图分析方法和装置 |
| CN110448748A (zh) * | 2019-07-11 | 2019-11-15 | 安徽通灵仿生科技有限公司 | 一种主动脉内球囊反搏系统及其控制方法 |
| CN115486855A (zh) * | 2022-09-15 | 2022-12-20 | 浙江好络维医疗技术有限公司 | 一种基于qrs波群不定次循环叠加的心电图心搏分类方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116077785A (zh) | 2023-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111493850A (zh) | 一种基于深度神经网络的血压测量方法及装置 | |
| JP6487033B2 (ja) | 植え込み型の医療用デバイスにおける心拍数自己相関分析のためのピーク選択 | |
| US20030176795A1 (en) | Blood pressure measurement apparatus and method | |
| CN112617850B (zh) | 心电信号的早搏心拍检测系统 | |
| CN110448748B (zh) | 一种主动脉内球囊反搏系统及其控制方法 | |
| US8920328B2 (en) | Blood pressure measurement apparatus | |
| KR102428259B1 (ko) | 수술 중 환자의 저혈압 예측 장치, 방법 및 프로그램 | |
| KR100874168B1 (ko) | 적응형 피크 심장박동 검출 시스템 및 그 방법 | |
| CN108784679B (zh) | 多路心音的心音传感器位置识别纠正方法 | |
| CN116077785B (zh) | 一种基于心电矢量弧的快速心搏识别算法 | |
| CN108523920B (zh) | 基于多路心音的心脏杂音类型的识别方法 | |
| US6923772B2 (en) | Apparatus and method for determining responders to cardiac resynchronization therapy using implantable accelerometers | |
| CN117462141A (zh) | 心电信号检测方法、装置、计算机设备和存储介质 | |
| CN108420454B (zh) | 基于多路心音的心音分裂识别方法 | |
| EP2979629B1 (en) | Biological information measuring apparatus and program | |
| JP2018057880A (ja) | 生体情報測定装置、生体情報測定方法、及びプログラム | |
| WO2013180286A1 (ja) | タイミング検出装置、タイミング検出プログラム、ｉａｂｐ駆動装置及びｉａｂｐ駆動プログラム | |
| CN108378843B (zh) | 基于多路心音的心音传感器位置纠错方法 | |
| KR20230112835A (ko) | 인공 신경망을 이용한 고혈압 분류 방법 | |
| JPH01297073A (ja) | 医療ポンプ駆動装置 | |
| CN118490192A (zh) | 血压特征位置提取方法、系统和存储介质 | |
| CN108420455B (zh) | 基于多路心音的心音强度识别方法 | |
| CN114259394B (zh) | 一种具有综合康复训练策略的预适应训练系统 | |
| Van Dam et al. | The electro-anatomical pathway for normal and abnormal ECGs in COVID patients | |
| CN117563126A (zh) | 信号控制方法、装置、电子设备和存储介质 |
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 |