CN116649985A - 心电数据处理方法、装置、计算机设备与存储介质 - Google Patents
心电数据处理方法、装置、计算机设备与存储介质 Download PDFInfo
- Publication number
- CN116649985A CN116649985A CN202310604599.9A CN202310604599A CN116649985A CN 116649985 A CN116649985 A CN 116649985A CN 202310604599 A CN202310604599 A CN 202310604599A CN 116649985 A CN116649985 A CN 116649985A
- Authority
- CN
- China
- Prior art keywords
- frequency
- qrs
- sudden cardiac
- cardiac death
- index
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 12
- 206010049418 Sudden Cardiac Death Diseases 0.000 claims abstract description 140
- 238000012502 risk assessment Methods 0.000 claims abstract description 99
- 206010003119 arrhythmia Diseases 0.000 claims abstract description 71
- 230000000284 resting effect Effects 0.000 claims abstract description 71
- 230000006793 arrhythmia Effects 0.000 claims abstract description 70
- 230000004217 heart function Effects 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 39
- 230000000877 morphologic effect Effects 0.000 claims abstract description 23
- 230000008878 coupling Effects 0.000 claims abstract description 11
- 238000010168 coupling process Methods 0.000 claims abstract description 11
- 238000005859 coupling reaction Methods 0.000 claims abstract description 11
- 230000033001 locomotion Effects 0.000 claims description 70
- 238000011156 evaluation Methods 0.000 claims description 50
- 201000000057 Coronary Stenosis Diseases 0.000 claims description 36
- 238000013467 fragmentation Methods 0.000 claims description 33
- 238000006062 fragmentation reaction Methods 0.000 claims description 33
- 208000001871 Tachycardia Diseases 0.000 claims description 26
- 230000006794 tachycardia Effects 0.000 claims description 26
- 206010047302 ventricular tachycardia Diseases 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 230000000875 corresponding effect Effects 0.000 description 82
- 238000000718 qrs complex Methods 0.000 description 24
- 238000001514 detection method Methods 0.000 description 20
- 230000007423 decrease Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 206010003671 Atrioventricular Block Diseases 0.000 description 13
- 206010011089 Coronary artery stenosis Diseases 0.000 description 12
- 208000031225 myocardial ischemia Diseases 0.000 description 10
- 230000005189 cardiac health Effects 0.000 description 8
- 208000000418 Premature Cardiac Complexes Diseases 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000002107 myocardial effect Effects 0.000 description 3
- 206010049993 Cardiac death Diseases 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 208000001528 Coronaviridae Infections Diseases 0.000 description 2
- 206010011906 Death Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000711573 Coronaviridae Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 230000003833 cell viability Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 230000035899 viability 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
-
- 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
- A61B5/363—Detecting tachycardia or bradycardia
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及一种心电数据处理方法、装置、计算机设备和存储介质。所述方法包括：获取静息心电数据；对所述静息心电数据进行处理得到高频QRS包络曲线与低频心电图；根据所述高频QRS包络曲线确定多峰波导联数量、QRS时限与各导联对应的高频形态指数；所述多峰波导联数量为相应波峰数大于或等于第一阈值的导联的数量；根据所述QRS时限与所述各导联对应的高频形态指数确定心功能等级；分析所述低频心电图得到心律失常评估指标；若所述多峰波导联数量大于或等于第二阈值，根据心脏性猝死风险评估指标确定心脏性猝死风险等级；所述心脏性猝死风险评估指标包括所述心功能等级与所述心律失常评估指标。采用本方法能够提高新冠诱发的心脏性猝死风险评估准确性。
Description
技术领域
本申请涉及心电数据处理技术领域，特别是涉及一种心电数据处理方法、装置、计算机设备与存储介质。
背景技术
近年来，心血管疾病已成为居民死亡的首要原因，其中心脏性猝死（又称心源性猝死）是最常见的死亡原因之一，心脏性猝死会对公众健康和经济发展产生较大影响。而研究表明，感染新冠病毒后出现心脏性猝死的风险会明显提高，由此，如何对新冠诱发的心脏性猝死进行风险评估是值得关注的问题。
目前，尚不存在针对新冠诱发的心脏性猝死得风险评估方案，而采用现有的心脏性猝死风险评估方式评估新冠诱发的心脏性猝死风险，存在准确性较低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高新冠诱发的心脏性猝死风险评估准确性的心电数据处理方法、装置、计算机设备与存储介质。
一种心电数据处理方法，所述方法包括：
获取静息心电数据；
对所述静息心电数据进行处理得到高频QRS包络曲线与低频心电图；
根据所述高频QRS包络曲线确定多峰波导联数量、QRS时限与各导联对应的高频形态指数；所述多峰波导联数量为相应波峰数大于或等于第一阈值的导联的数量；
根据所述QRS时限与所述各导联对应的高频形态指数确定心功能等级；
分析所述低频心电图得到心律失常评估指标；
若所述多峰波导联数量大于或等于第二阈值，根据心脏性猝死风险评估指标确定心脏性猝死风险等级；所述心脏性猝死风险评估指标包括所述心功能等级与所述心律失常评估指标。
在其中一个实施例中，所述心脏性猝死风险评估指标还包括静息阳性导联数量与目标峰值电压中的至少一种；所述静息阳性导联数量与所述目标峰值电压基于所述高频QRS包络曲线确定。
在其中一个实施例中，所述心脏性猝死风险评估指标还包括心动过速评估指标；所述心动过速评估指标的确定步骤，包括：
根据所述低频心电图确定心动过速评估指标；所述心动过速评估指标用于指示是否存在室性心动过速的可能性。
在其中一个实施例中，所述心脏性猝死风险评估指标还包括运动评估指标；所述方法还包括：
获取运动心电数据；
对所述运动心电数据进行处理得到高频QRS波形曲线；
分析所述高频QRS波形曲线得到运动评估指标。
在其中一个实施例中，所述运动评估指标包括运动阳性导联数量与冠脉狭窄评估指标中的至少一种；所述冠脉狭窄评估指标用于指示是否存在冠脉狭窄的可能性。
在其中一个实施例中，所述方法还包括：
根据所述低频心电图确定QRS碎裂波指标；所述QRS碎裂波指标用于指示所述低频心电图是否存在QRS碎裂波；
所述若所述多峰波导联数量大于或等于第二阈值，根据心脏性猝死风险评估指标确定心脏性猝死风险等级，包括：
若所述多峰波导联数量大于或等于第二阈值、且所述QRS碎裂波指标指示所述低频心电图存在QRS碎裂波，根据心脏性猝死风险评估指标确定心脏性猝死风险等级。
一种心电数据处理装置，所述装置包括：
获取模块，用于获取静息心电数据；
处理模块，用于对所述静息心电数据进行处理得到高频QRS包络曲线与低频心电图；
指标确定模块，用于根据所述高频QRS包络曲线确定多峰波导联数量、QRS时限与各导联对应的高频形态指数；所述多峰波导联数量为相应波峰数大于或等于第一阈值的导联的数量；
所述指标确定模块，还用于根据所述QRS时限与所述各导联对应的高频形态指数确定心功能等级；
所述指标确定模块，还用于分析所述低频心电图得到心律失常评估指标；
风险评估模块，用于若所述多峰波导联数量大于或等于第二阈值，根据心脏性猝死风险评估指标确定心脏性猝死风险等级；所述心脏性猝死风险评估指标包括所述心功能等级与所述心律失常评估指标。
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各方法实施例中的步骤。
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各方法实施例中的步骤。
上述心电数据处理方法、装置、计算机设备和存储介质，通过处理静息心电数据得到高频QRS包络曲线与低频心电图，通过分析高频QRS包络曲线，得到用于评估是否存在心脏性猝死可能性的多峰波导联数量，用于确定心功能等级的QRS时限与各导联的高频形态指数，基于QRS时限与各导联的高频形态指数能够得到准确性较高的心功能等级，通过分析低频心电图得到心律失常评估指标，若多峰波导联数量大于或等于第二阈值，表征存在心脏性猝死的可能性，则根据准确性较高的心功能等级与心律失常评估指标，准确而高效地评估心脏性猝死风险，得到用于表征新冠诱发的心脏性猝死风险大小的心脏性猝死风险等级，以供医生参考，以便于医生结合临床症状高效而准确地识别受测者的心脏健康状况。
附图说明
图1为一个实施例中心电数据处理方法的流程示意图；
图2为一个实施例中高频QRS波形曲线的示意图；
图3为一个实施例中高频QRS包络曲线的示意图；
图4为一个实施例中低频心电图的示意图；
图5为另一个实施例中心电数据处理方法的流程示意图；
图6为一个实施例中心电数据处理装置的结构框图；
图7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。
本申请提供的心电数据处理方法，可以应用于终端，也可以应用于服务器，还可以应用于包括终端与服务器的交互系统，并通过终端和服务器的交互实现，在此不作具体限定。其中，终端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、心电监测设备和便携式可穿戴设备，服务器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。
在一个实施例中，如图1所示，提供了一种心电数据处理方法，以应用于服务器为例，该方法具体包括以下步骤：
S102，获取静息心电数据。
静息心电数据是在静息心电检测过程中采集到的心电数据。受测者在静息心电检测过程中处于静息状态。
S104，对静息心电数据进行处理得到高频QRS包络曲线与低频心电图。
具体地，静息心电数据包括多个QRS波群。对静息心电数据中的QRS波群依次进行对齐、求均值、高频滤波处理得到高频QRS波群数据，或者，对静息心电数据中的QRS波群依次进行高频滤波、对齐、求均值处理得到高频QRS波群数据，或者，通过分析静息心电数据从中提取出高频心电数据，再对高频心电数据中的QRS波群依次进行对齐与求均值处理得到高频QRS波群数据，在此不作具体限定。高频QRS波群数据与高频QRS包络曲线对应，基于高频QRS波群数据能够形成相应高频QRS包络曲线，由此可见，通过对静息心电数据进行数据处理能够得到相应高频QRS包络曲线。静息心电数据包括高频心电数据与低频心电数据，通过分析静息心电数据从中提取出低频心电数据，基于低频心电数据形成相应低频心电图。可以理解，也可按照现有技术公开的低频心电图形成方式，基于静息心电数据形成相应低频心电图，具体不做限定。
S106，根据高频QRS包络曲线确定多峰波导联数量、QRS时限与各导联对应的高频形态指数；多峰波导联数量为相应波峰数大于或等于第一阈值的导联的数量。
其中，波峰数是指高频QRS包络曲线上波峰的总数量。高频QRS包络曲线上的波峰数与相应导联所对应的心肌细胞活力相关联，波峰数大于或等于第一阈值，表征相应心肌细胞活力下降。第一阈值可根据实际需求自定义，比如4。若高频QRS包络曲线上的波峰数大于或等于第一阈值，表明该高频QRS包络曲线呈多峰波。QRS时限是自QRS波群起点至QRS波群终点的持续时长，QRS时限的延长与传导阻滞有关，研究表明，QRS时限延长是心脏性猝死的重要预测因子，QRS时限越长，心脏性猝死风险越高。
具体地，在对各导联的静息心电数据分别进行处理得到相应高频QRS包络曲线后，对各导联对应的高频QRS包络曲线进行分析得到QRS时限、各导联对应的高频形态指数与波峰数，筛选并统计相应波峰数大于或等于第一阈值的导联得到多峰波导联数量。可以理解，高频QRS包络曲线上的波峰数具体可采用现有技术公开的方式来确定，比如将高频QRS包络曲线上的极大值数量确定为波峰数，在此不作具体限定。
在一个实施例中，分析每条导联的高频QRS包络曲线，得到该高频QRS包络曲线上各振幅减小区域的总面积作为第一总面积，以及该高频QRS包络曲线下方总面积作为第二总面积，将第一总面积与第二总面积的比值作为该导联对应的高频形态指数。
在一个实施例中，可根据任一导联的高频QRS包络曲线确定QRS时限，也可将各导联对应的QRS时限的均值作为用于确定心功能等级的QRS时限，还可根据静息心电数据中的低频心电数据确定QRS时限，在此不做限定。
S108，根据QRS时限与各导联对应的高频形态指数确定心功能等级。
具体地，根据每条导联的高频形态指数确定该导联的分值，根据QRS时限确定权重，将各导联的分值的和值与该权重相乘得到心功能评估分数，并根据心功能评估分数确定心功能等级。
在一个实施例中，将每条导联的高频形态指数与各预设指数区间进行匹配，以确定相应导联的分值，将QRS时限与各预设时限区间进行匹配，以确定权重，将各导联分值的和值与权重的乘积作为心功能评估分数，并将心功能评估分数与各预设分数区间进行匹配得到心功能评估等级。其中，各预设指数区间与分值相关联，各预设时限区间与权重相关联，各预设分数区间与心功能等级相关联。心功能评估分数与心功能等级相关，心功能评估分数越高，心功能等级越高，表征心脏的功能下降越多。
研究表明，新冠病毒感染可累及全身各个系统，尤其是心血管系统，由此，新冠病毒感染会影响心脏整体功能，而心功能等级是基于心脏整体功能的下降程度进行划分所得到的、能够用于表征受测者的心脏功能水平/心脏健康水平的指标，心功能等级与心脏性猝死风险相关联，心功能等级越高，表征心脏性猝死风险越高。进一步地，QRS时限与心脏整体功能相关联，且QRS时限具有个体差异性，通过将由QRS时限确定的权重与各导联分值的和值相乘，能够得到准确性更高的心功能评估分数，进而得到与新冠诱发的心脏性猝死风险匹配度更高的心功能等级。
举例说明，预设指数区间包括[10%，19.9%]、[20%，29.9%]、[30%，39.9%]、[40%，49.9%]与[50%，100%]，该五个区间各自对应的分值分别为1、2、3、4与5，若高频形态指数处于[10%，19.9%]，则相应导联的分值为1，依此类推。在该示例中，若高频形态指数小于10%，则相应导联的分值为0。预设时限区间包括[0，119]、[120，149]，以及大于或等于150，单位为ms（毫秒），该三个预设时限区间各自对应的权重分别为1、1.25与1.5。预设分数区间包括[0，15]、[16，30]、[31，40]与[41，100]，若心功能评估分数处于[0，15]，则将心功能等级确定为第一等级，依此类推。
S110，分析低频心电图得到心律失常评估指标。
其中，心律失常评估指标用于指示是否存在心律失常的可能性，或者，用于指示心律失常的类型。若心律失常评估指标用于指示心律失常的类型，则包括频发性心律失常与偶发性心律失常，具体可用于表征受测者存在心律失常风险的大小。频发性心律失常与偶发性心律失常的界定，具体可基于现有技术公开的方式根据低频心电图实现，比如，若低频心电图中每分钟出现心律失常的次数大于或等于5次，则判定为频发性心律失常，否则，判定为偶发性心律失常，在此不作具体限定。
具体地，通过分析低频心电图识别该低频心电图中是否出现心律失常，也即是基于该低频心电图识别受测者是否存在心律失常的可能性，并根据该低频心电图中是否出现心律失常确定心律失常评估指标，或者，进一步分析低频心电图中出现心律失常的频次得到心律失常评估指标。
S112，若多峰波导联数量大于或等于第二阈值，根据心脏性猝死风险评估指标确定心脏性猝死风险等级；心脏性猝死风险评估指标包括心功能等级与心律失常评估指标。
其中，第二阈值可根据实际情况自定义，比如2，在此不作具体限定。具体地，多峰波导联数量能够用于评估发生心脏性猝死的可能性，若多峰波导联数量大于或等于第二阈值，表征相应受测者存在发生心脏性猝死的可能性，则根据心功能等级与心律失常评估指标等心脏性猝死风险评估指标确定心脏性猝死风险等级。心脏性猝死风险等级与心功能等级成正相关关系，如心功能等级越高，则相应心脏性猝死风险等级越高。在心功能等级相同的情况下，若心律失常评估指标用于指示是否存在心律失常的可能性，则心律失常评估指标指示存在心律失常可能性时对应的心脏性猝死风险等级，高于心律失常评估指标指示不存在心律失常可能性时对应的心脏性猝死风险等级，若心律失常评估指标用于指示心律失常的类型，则心律失常评估指标指示频发性心律失常时对应的心脏性猝死风险等级，高于心律失常评估指标指示偶发性心律失常时对应的心脏性猝死风险等级。心脏性猝死风险等级用于表征发生心脏性猝死的风险大小，如心脏性猝死风险等级越高，表征心脏性猝死风险越大，以便于医生结合临床症状高效而准确地识别受测者的心脏健康状况，从而给出进一步的诊疗、干预或检测参考建议。
在一个实施例中，根据心律失常评估指标确定第一风险评估等级，并根据第一风险评估等级与心功能等级确定心脏性猝死风险等级。若心律失常评估指标用于指示是否存在心律失常的可能性，则心律失常评估指标指示存在心律失常可能性时，将第一风险评估等级确定为第二等级，心律失常评估指标指示不存在心律失常可能性时，将第一风险评估等级确定为第一等级。若心律失常评估指标用于指示心律失常的类型，则心律失常评估指标指示频发性心律失常时，将第一风险评估等级确定为第二等级，心律失常评估指标指示偶发性心律失常时，将第一风险评估等级确定为第一风险等级。在确定心脏性猝死风险等级时，可以心功能等级为主要参考指标，心律失常评估指标为辅助参考指标，以心功能等级包括四个等级为例，若心功能等级与第一风险评估等级均为第一等级，则将心脏性猝死风险等级确定为第一等级，若心功能等级为第一等级，且第一风险评估等级为第二等级，则将心脏性猝死风险等级确定为第二等级，若心功能等级为第二等级，且第一风险评估等级为第一等级，将心脏性猝死风险等级确定为第三等级，以此类推。
上述心电数据处理方法，通过处理静息心电数据得到高频QRS包络曲线与低频心电图，通过分析高频QRS包络曲线，得到用于评估是否存在心脏性猝死可能性的多峰波导联数量，用于确定心功能等级的QRS时限与各导联的高频形态指数，基于QRS时限与各导联的高频形态指数能够得到准确性较高的心功能等级，通过分析低频心电图得到心律失常评估指标，若多峰波导联数量大于或等于第二阈值，表征存在心脏性猝死的可能性，则根据准确性较高的心功能等级与心律失常评估指标，准确而高效地评估心脏性猝死风险，得到用于表征新冠诱发的心脏性猝死风险大小的心脏性猝死风险等级，以供医生参考，以便于医生结合临床症状高效而准确地识别受测者的心脏健康状况。
在一个实施例中，心脏性猝死风险评估指标还包括静息阳性导联数量与目标峰值电压中的至少一种；静息阳性导联数量与目标峰值电压基于高频QRS包络曲线确定。
其中，若导联对应的高频形态指数大于或等于第三阈值，表征存在心肌缺血的可能性，则将该导联对应的静息导联阳性指标确定为阳性，否则，将相应静息导联阳性指标确定为阴性。静息阳性导联数量是指相应高频形态指数大于或等于第三阈值的导联的数量，也即是指相应静息导联阳性指标指示为阳性的导联的数量。第三阈值可以根据实际情况自定义，比如8%，也可根据受测者年龄或者多个受测者的高频形态指数动态确定，比如若受测者年龄大于50岁，第三阈值可以但不限于是8%，若受测者年龄小于或等于50岁，第三阈值可以但不限于是15%，在此不做具体限定。静息阳性导联数量能够用于评估房室传导阻滞情况，静息阳性导联数量与静息状态下的心肌缺血程度成正相关关系，如静息阳性导联数量越多，表征静息状态下的心肌缺血风险越大或心肌缺血程度越高。目标峰值电压与心肌能力相关，具体成正相关关系，目标峰值电压能够用于评估期前收缩风险。
具体地，根据各导联的高频QRS包络曲线确定相应高频形态指数，筛选并统计相应高频形态指数大于或等于第三阈值的导联得到静息阳性导联数量，和/或，根据各导联的高频QRS包络曲线确定相应峰值电压，并根据各导联的峰值电压确定目标峰值电压，以便于结合静息阳性导联数量与目标峰值电压中的至少一种评估心脏性猝死风险。
在一个实施例中，将各导联的峰值电压进行比较，以筛选出各峰值电压中的最小值作为目标峰值电压，或者，对各导联的峰值电压求均值得到目标峰值电压。
在一个实施例中，根据静息阳性导联数量确定第二风险评估等级，并根据心功能等级、第一风险评估等级与第二风险评估等级确定心脏性猝死风险等级。具体地，可根据第一风险评估指标与第二风险评估指标得到房室传导阻滞风险等级，再根据房室传导阻滞风险等级与心功能等级确定心脏性猝死风险等级。其中，用于确定房室传导阻滞风险等级的各指标组成房室传导阻滞评估指标，在本实施例中，房室传导阻滞评估指标包括静息阳性导联数量与心律失常评估指标。可以理解，在确定心脏性猝死风险等级时，可以心功能等级为主要参考指标，以静息阳性导联数量与心律失常评估指标为辅助参考指标，其中，静息阳性导联数量的参考优先级可高于或低于心律失常评估指标的参考优先级，二者的参考优先级也可相同，在此不作具体限定。
举例说明，假设第二风险评估等级包括依次增高的第一等级、第二等级、第三等级与第四等级，该四个等级各自对应的第一预设数量区间依次为[3,4]、[5,6]、[7,8]与[9,导联总数量]，导联总数量是指在静息心电检测过程中用于采集心电数据的导联的总数量，具体可根据实际需求动态确定。若静息阳性导联数量处于[3，4]，则将第二风险评估等级确定为第一等级，依此类推。
在一个实施例中，根据目标峰值电压确定第三风险评估等级，并根据第三风险评估等级、房室传导阻滞风险等级与心功能等级确定心脏性猝死风险等级。其中，心功能等级的参考优先级高于房室传导阻滞评估指标的参考优先级，房室传导阻滞评估指标的参考优先级高于目标峰值电压的参考优先级。在本实施例中，若心脏性猝死风险评估指标还包括静息阳性导联数量，则房室传导阻滞评估指标包括静息阳性导联数量与心律失常评估指标，房室传导阻滞风险等级由第一风险评估等级与第二风险评估等级确定，否则，房室传导阻滞评估指标包括心律失常评估指标，将第一风险评估等级确定为房室传导阻滞风险等级。
目标峰值电压与第三风险评估等级成负相关关系，如目标峰值电压越小，第三风险评估等级越高。通过将目标峰值电压与各预设电压区间进行匹配，以确定第三风险评估等级。举例说明，假设第三风险评估等级包括依次增高的第一等级、第二等级与第三等级，该三个等级各自对应的预设电压区间依次为[3.1，4]、[2.1，3]与[0，2]，单位为uV（微伏），若目标峰值电压处于[3.1，4]，则将第三风险评估等级确定为第一等级，依此类推。
上述实施例中，在心功能等级与心律失常评估指标基础上，还结合静息阳性导联数量与目标峰值电压中的至少一种评估心脏性猝死风险，得到准确性更高的心脏性猝死风险等级供医生参考，以便于医生结合临床症状更准确地评估受测者的心脏健康状况。
在一个实施例中，心脏性猝死风险评估指标还包括心动过速评估指标；心动过速评估指标的确定步骤，包括：根据低频心电图确定心动过速评估指标；心动过速评估指标用于指示是否存在室性心动过速的可能性。
具体地，通过分析低频心电图判断该低频心电图中是否出现室性心动过速(ventricular tachycardia，VT)，也即是判断受测者是否存在室性心动过速的可能性，并得到表征是否存在室性心动过速可能性的心动过速评估指标，以便于结合心动过速评估指标评估心脏性猝死风险。可以理解，在本申请中确定心脏性猝死风险等级的一个或多个实施例中，对于相同的其他参考指标，心动过速评估指标指示存在室性心动过速可能性时的心脏性猝死风险等级，高于心动过速评估指标指示不存在室性心动过速可能性时的心脏性猝死风险等级。
在一个实施例中，根据目标峰值电压与心动过速评估指标评估期前收缩风险，具体可根据由目标峰值电压确定的第三风险评估等级与心动过速评估指标确定期前收缩风险等级，并根据期前收缩风险等级、房室传导阻滞风险等级与心功能等级确定心脏性猝死风险等级。对于相同的目标峰值电压，心动过速评估指标指示存在室性心动过速可能性时的期前收缩风险等级，高于心动过速评估指标指示不存在室性心动过速可能性时的期前收缩风险等级。
上述实施例中，基于低频心电图评估受测者是否存在室性心动过速的可能性，并结合用于指示是否存在室性心动过速可能性的心动过速评估指标评估心脏性猝死风险，得到准确性更高的心脏性猝死风险评估等级供医生参考。
在一个实施例中，心脏性猝死风险评估指标还包括运动评估指标；上述心电数据处理还包括：获取运动心电数据；对运动心电数据进行处理得到高频QRS波形曲线；分析高频QRS波形曲线得到运动评估指标。
其中，运动心电数据是指在负荷运动心电检测过程中采集到的心电数据。负荷运动心电检测是通过运动增加心脏负荷，以采集受测者的心电数据，并基于所采集到的心电数据分析分析受测者的心脏健康状况的心电检测方式，其被广泛应用于心脏疾病与心血管疾病的检测。负荷运动心电检测过程包括多个阶段，具体可依次包括静息阶段、运动阶段和恢复阶段等三个阶段，运动心电数据包括各阶段的心电数据，阶段的划分不限于此，具体可根据实际情况进行划分。基于运动心电数据中的QRS波群能够分析得到相应高频QRS波形曲线。
具体地，获取受测者在整个负荷运动心电检测过程中对应的运动心电数据，分析运动心电数据中QRS波群的高频成分得到相应高频QRS波形曲线，并对高频QRS波形曲线进行分析得到相应运动评估指标，以便于结合运动评估指标更准确地评估心脏性猝死风险。运动心电数据包括受测者在整个负荷运动心电检测过程中各次心跳对应的QRS波群。通过窗口函数按照时序与预设移动步长将运动心电数据划分为多个心电数据子集，每个心电数据子集包括多次心跳对应的QRS波群。对于每个心电数据子集，对其所包括的多次心跳对应的QRS波群，依次进行对齐、求均值与高频滤波处理得到相应高频QRS波群数据（QRS波群的高频波段数据），对该高频QRS波群数据求均方根得到相应均方根电压，作为该心电数据子集对应的均方根电压/强度/振幅。按照时序对各心电数据子集对应的均方根电压/强度/振幅进行曲线平滑处理，得到运动心电数据对应的高频QRS波形曲线，由此，高频QRS波形曲线又可理解为高频QRS时间-强度曲线。其中，窗口函数的窗口长度与预设移动步长均可根据实际需求自定义，比如，窗口长度设置为10秒，预设移动步长设置为10秒或一次心跳周期，一次心跳周期是指相邻两次心跳之间的时间间隔，在此不作具体限定。按照时序是指按照信号的采集时间/负荷运动心电检测过程推进的检测时间的先后顺序。
在一个实施例中，对各导联的运动心电数据分别进行处理得到相应导联的高频QRS波形曲线。在本申请的一个或多个实施例中，静息心电检测过程中用于采集静息心电数据的导联，与负荷运动心电检测过程中用于采集运动心电数据的导联，在类型、数量及位置等方面可以相同也可以不同，在此不作具体限定。可以理解，若二者不同，为了便于区分，可将静息心电检测过程中采用的导联理解为静息导联，将负荷运动心电检测过程中采用的导联理解为运动导联。
在一个实施中，如图2所示，提供了高频QRS波形曲线的示意图。高频QRS波形曲线用于表征在整个负荷运动心电检测过程中，受测者的QRS波群高频成分的均方根电压随时间的变化趋势，也即是用于体现整个负荷运动心电检测过程中的能量变化趋势。图2示例了肢体导联Ⅱ对应的高频QRS波形曲线，横坐标是时间，对应负荷运动心电检测过程的检测时间，单位是min（分钟），纵坐标是均方根电压（RMS电压），均方根电压也可以理解为强度或振幅，单位是uV（微伏）。其中，用于确定相应导联阳性指标的振幅下降相对值与振幅下降绝对值分别为59%与3.5uV。
在一个实施中，如图3所示，提供了高频QRS包络曲线的示意图。高频QRS包络曲线体现的是对静息心电数据中的所有高频QRS波群（QRS波群的高频成分）平均化处理得到的形状图，具体以单个高频QRS波群包络曲线呈现。图3示例了肢体导联aVR对应的高频QRS包络曲线，横坐标是时间，对应QRS波群的持续时间，单位是ms（毫秒），纵坐标是电压，单位是uV（微伏）。其中，相应导联的高频形态指数为38.8%。
在一个实施中，如图4所示，提供了低频心电图的示意图。图4示例了单条导联对应的低频心电图，横坐标是时间，能够用于测量波宽，例如QRS时限，单位是s（秒），纵坐标是电压，用于体现波的振幅，单位为mV（毫伏）。其中，图4仅示例了基于静息心电数据分析得到的低频心电图的部分示意图。
上述实施例中，结合静息心电数据与运动心电数据更全面而准确地评估心脏性猝死风险，能够得到准确性更高的心脏性猝死风险等级供医生参考。
在一个实施例中，运动评估指标包括运动阳性导联数量与冠脉狭窄评估指标中的至少一种；冠脉狭窄评估指标用于指示是否存在冠脉狭窄的可能性。
其中，运动阳性导联数量能够用于评估负荷运动状态下的心肌缺血情况，运动阳性导联数量与运动状态下的心肌缺血程度成正相关关系，如运动阳性导联数量越多，表征运动状态下的心肌缺血风险越大或心肌缺血程度越高。可以理解，运动状态下的心肌缺血情况更能反映受测者的心肌缺血情况，也即是更能体现受测者的心脏健康状况。基于冠脉狭窄评估指标能够评估受测者存在冠脉狭窄的可能性。
具体地，根据高频QRS波形曲线确定相应导联的运动导联阳性指标，筛选并统计相应运动导联阳性指标指示为阳性的导联得到运动阳性导联数量。进一步地，分析各导联的高频QRS波形曲线得到冠脉狭窄评估指标。从高频QRS波形曲线上截取处于第一时间段内的曲线作为候选波形曲线，将候选波形曲线或高频QRS波形曲线上均方根电压最大的点选作为第一参考点，将候选波形曲线或高频QRS波形曲线上在第一参考点之后的均方根电压最小的点选作为第二参考点，将第一参考点的均方根电压与第二参考点的均方根电压作差得到振幅下降绝对值，将振幅下降绝对值与第一参考点的均方根电压的比值确定为振幅下降相对值，根据振幅下降相对值与振幅下降绝对值确定相应高频QRS波形曲线的运动导联阳性指标，作为相应导联所对应的运动导联阳性指标。第一时间段包括运动前一段时间、运动中和运动后一段时间，运动前一段时间位于静息阶段，运动中包括整个运动阶段，运动后一段时间位于恢复阶段，运动前一段时间、运动中和运动后一段时间是连续的时间段。
在一个实施例中，高频QRS波形曲线的振幅下降绝对值与振幅下降相对值均符合预设导联阳性条件，则运动导联阳性指标指示相应导联为阳性。预设导联阳性条件可根据实际检测情况自定义，可根据受测者的年龄、性别、身高、体重等因素进行适应性调整，比如，振幅下降绝对值大于1uV且振幅下降相对值大于50%，在此不作具体限定。
在一个实施例中，通过分析各导联的高频QRS波形曲线，得到相应高频QRS波形曲线在第二时间段内的振幅下降幅度，根据各高频QRS波形曲线对应的振幅下降幅度确定冠脉狭窄评估指标。若存在振幅下降幅度大于或等于第四阈值的高频QRS波形曲线，则得到用于指示存在冠脉狭窄可能性的冠脉狭窄评估指标，否则，将冠脉狭窄评估指标确定为用于指示不存在冠脉狭窄可能性。第二时间段包括运动前一段时间与运动中的一段时间，或者，第二时间段包括运动中的一段时间，运动前一段时间与运动中的一段时间为连续的时间段，运动中的一段时间可根据实际情况自定义，比如运动中的前3分钟。振幅下降幅度用于表征高频QRS波形曲线在第二时间段内的下降坡度或陡降程度，若振幅下降幅度超过第四阈值，表明该下降坡度或陡降程度足够大，则表征存在冠脉狭窄的可能性。振幅下降幅度为振幅下降相对值或振幅下降绝对值，具体可以是指第二时间段内振幅下降相对值或振幅下降绝对值的最大值，振幅下降幅度具体可采用现有技术公开的方式确定，在此不作具体限定。第四阈值可根据实际情况自定义，比如40%。
在一个实施例中，通过分析各导联的高频QRS波形曲线得到相应高频QRS波形曲线的波形类别，根据各高频QRS波形曲线的波形类别确定冠脉狭窄评估指标。若存在波形类别为预设类别的高频QRS波形曲线，则得到用于指示存在冠脉狭窄可能性的冠脉狭窄评估指标，否则，将冠脉狭窄评估指标确定为用于指示不存在冠脉狭窄可能性。预设类别包括U波、L波与V波中的至少一种。若高频QRS波形曲线的波形类别为预设类别，表征存在冠脉狭窄的可能性。在一个实施例中，若高频QRS波形曲线的波形类别为预设类别，则该高频QRS波形曲线在第二时间段内的振幅下降幅度超过第四阈值，由此，预设类别具体可包括前置U波、前置L波与小V波中的至少一种。具体可参照现有技术公开的方式识别高频QRS波形曲线的波形类别，在此不作具体限定。
在结合冠脉狭窄评估指标评估心脏性猝死风险的一个或多个实施例中，对于相同的其他心脏性猝死风险评估指标，冠脉狭窄评估指标指示存在冠脉狭窄可能性时的心脏性猝死风险等级，高于冠脉狭窄评估指标指示不存在冠脉狭窄可能性时的心脏性猝死风险等级。
在一个实施例中，筛选并统计振幅下降幅度大于或等于第四阈值的高频QRS波形曲线得到预设波形导联数量，或者，筛选并统计波形类别为预设类别的高频QRS波形曲线得到预设波形导联数量。根据运动阳性导联数量确定第四风险评估等级，根据预设波形导联数量确定第五风险评估等级。在本申请的一个或多个实施例中，还结合冠脉狭窄评估指标、第四风险评估等级与第五风险评估等级中的至少一种评估心脏性猝死风险。其中，运动阳性导联数量与预设波形导联数量各自的参考优先级具体不作限定，二者的参考优先级均低于期前收缩评估指标、房室传导阻滞评估指标与心功能等级的参考优先级。
其中，运动阳性导联数量与第四风险评估等级成正相关关系，如运动阳性导联数量越多，第四风险评估等级越高。举例说明，假设第四风险评估等级包括依次增高的第一等级、第二等级、第三等级与第四等级，该四个等级各自对应的第二预设数量区间依次为[1,2]、[3,4]、[5,6]与[7,导联总数量]，导联总数量是指在负荷运动心电检测过程中用于采集心电数据的导联的总数量，具体可根据实际需求动态确定。若运动阳性导联数量处于[1，2]，则将第四风险评估等级确定为第一等级，依此类推。
预设波形导联数量与第五风险评估等级成正相关关系，如预设波形导联数量越多，第五风险评估等级越高。举例说明，假设第五风险评估等级包括依次增高的第一等级、第二等级、第三等级与第四等级，该四个等级各自对应的第三预设数量区间依次为[1,2]、[3,4]、[5,6]与[7,导联总数量]，导联总数量是指在负荷运动心电检测过程中用于采集心电数据的导联的总数量，具体可根据实际需求动态确定。若预设波形导联数量处于[1，2]，则将第五风险评估等级确定为第一等级，依此类推。
上述实施例中，还结合运动阳性导联数量与冠脉狭窄评估指标中的至少一种评估心脏性猝死风险，以得到准确性更高的心脏处猝死风险等级供医生参考。
在一个实施例中，上述心电数据处理方法还包括：根据低频心电图确定QRS碎裂波指标；QRS碎裂波指标用于指示低频心电图是否存在QRS碎裂波；S112包括：若多峰波导联数量大于或等于第二阈值、且QRS碎裂波指标指示低频心电图存在QRS碎裂波，根据心脏性猝死风险评估指标确定心脏性猝死风险等级。
具体地，通过分析低频心电图中是否存在QRS碎裂波得到QRS碎裂波指标，具体可采用现有技术公开的方式分析低频心电图中是否存在QRS碎裂波，在此不再赘述。研究表明，QRS碎裂波是评估心脏性猝死风险的特异性指标之一，由此，在多峰波导联数量基础上，结合QRS碎裂波指标能够更准确地对心脏性猝死定性，也即是综合考虑多峰波导联数量与QRS碎裂波指标，能够更准确地判断是否存在心脏处猝死的可能性。进一步地，若多峰波导联数量大于或等于第二阈值、且QRS碎裂波指标指示低频心电图中存在QRS碎裂波，表面存在心脏性猝死的可能性较大，则根据本申请的一个或多个实施例中的心脏性猝死风险评估指标评估心脏性猝死风险，得到准确性更高的心脏性猝死风险等级。
上述实施例中，结合低频心电图中的QRS碎裂波情况更准确地评估存在心脏性猝死的可能性，以避免因误判而执行不必要的心脏性猝死风险等级评估流程，且能够提高心脏性猝死风险评估准确性，由此，能够在减少不必要的数据处理的情况下，提高心脏性猝死风险的评估准确性。
如图5所示，在一个实施例中，提供了一种心电数据处理方法，该方法具体包括以下步骤：
S502，获取静息心电数据。
S504，对静息心电数据进行处理得到高频QRS包络曲线与低频心电图。
S506，根据高频QRS包络曲线确定多峰波导联数量、QRS时限与各导联对应的高频形态指数；多峰波导联数量为相应波峰数大于或等于第一阈值的导联的数量。
S508，根据QRS时限与各导联对应的高频形态指数确定心功能等级。
S510，分析低频心电图得到心律失常评估指标。
S512，根据低频心电图确定心动过速评估指标；心动过速评估指标用于指示是否存在室性心动过速的可能性。
S514，根据低频心电图确定QRS碎裂波指标；QRS碎裂波指标用于指示低频心电图是否存在QRS碎裂波。
S516，获取运动心电数据。
S518，对运动心电数据进行处理得到高频QRS波形曲线。
S520，分析高频QRS波形曲线得到运动评估指标；运动评估指标包括运动阳性导联数量与冠脉狭窄评估指标中的至少一种；冠脉狭窄评估指标用于指示是否存在冠脉狭窄的可能性。
S522，若多峰波导联数量大于或等于第二阈值、且QRS碎裂波指标指示低频心电图存在QRS碎裂波，根据心脏性猝死风险评估指标确定心脏性猝死风险等级；心脏性猝死风险评估指标包括心动过速评估指标、心功能等级、心律失常评估指标与运动评估指标，还包括静息阳性导联数量与目标峰值电压中的至少一种；静息阳性导联数量与目标峰值电压基于高频QRS包络曲线确定。
上述实施例中，综合考虑静息心电数据中QRS波群的高频成分、运动心电数据中QRS波群的高频成分，以及低频心电图评估新冠诱发的心脏性猝死风险，能够得到准确性更高的心脏性猝死风险等级。而且，在进行心脏性猝死风险评估时，首先通过定性分析判断是否存在心脏性猝死的可能性，再在判定存在心脏性猝死风险的情况下进行定量分析，以在避免执行不必要处理流程的情况下，得到准确性较高的、用于表征发生新冠诱发的心脏性猝死风险大小的心脏性猝死风险等级，以供医生参考，以便于医生结合临床症状准确识别受测者的心脏健康状况。
在一个实施例中，将本申请的一个或多个实施例中的心脏性猝死风险评估指标，和/或，由心脏性猝死风险评估指标对应确定的风险评估等级，输入预先训练好的风险评估模型，通过该风险评估模型评估心脏性猝死风险，并输出相应的心脏性猝死风险等级。
在一个实施例中，导联包括肢体导联与胸导联，根据各肢体导联对应的高频QRS包络曲线得到相应峰值电压，对各肢体导联对应的峰值电压求均值得到肢体导联平均峰值电压。心脏性猝死风险评估指标还包括肢体导联平均峰值电压。在本申请的一个或多个实施例中，还结合肢体导联平均峰值电压评估心脏性猝死风险，具体可根据肢体导联平均峰值电压确定第六风险评估等级，再结合第六风险评估等级确定心脏性猝死风险等级。其中，肢体导联平均峰值电压的参考优先级可不作具体限定，例如，其参考优先级介于运动评估指标与期前收缩评估指标中间。
肢体导联平均峰值电压与第六风险评估等级成负相关关系，如肢体导联平均峰值电压越小，第六风险评估等级越高。第六风险评估等级与预设电压区间相对应，通过将肢体导联平均峰值电压与各目标电压区间进行匹配，以确定第六风险评估等级。举例说明，假设第六风险评估等级包括依次增高的第一等级、第二等级、第三等级与第四等级，该四个等级各自对应的目标电压区间依次为大于或等于5.1、[4.1，5]、[3.1，4]与[0，3]，单位为uv（微伏），若肢体导联平均峰值电压大于或等于5.1，则将第六风险评估等级确定为第一等级，以此类推。
应该理解的是，虽然图1和图5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1和图5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，提供了一种心电数据处理装置600，包括：获取模块601、处理模块602、指标确定模块603与风险评估模块604，其中：
获取模块601，用于获取静息心电数据；
处理模块602，用于对静息心电数据进行处理得到高频QRS包络曲线与低频心电图；
指标确定模块603，用于根据高频QRS包络曲线确定多峰波导联数量、QRS时限与各导联对应的高频形态指数；多峰波导联数量为相应波峰数大于或等于第一阈值的导联的数量；
指标确定模块603，还用于根据QRS时限与各导联对应的高频形态指数确定心功能等级；
指标确定模块603，还用于分析低频心电图得到心律失常评估指标；
风险评估模块604，用于若多峰波导联数量大于或等于第二阈值，根据心脏性猝死风险评估指标确定心脏性猝死风险等级；心脏性猝死风险评估指标包括心功能等级与心律失常评估指标。
在一个实施例中，心脏性猝死风险评估指标还包括静息阳性导联数量与目标峰值电压中的至少一种；指标确定模块603，还用于基于高频QRS包络曲线确定静息阳性导联数量与目标峰值电压。
在一个实施例中，心脏性猝死风险评估指标还包括心动过速评估指标；指标确定模块603，还用于根据低频心电图确定心动过速评估指标；心动过速评估指标用于指示是否存在室性心动过速的可能性。
在一个实施例中，心脏性猝死风险评估指标还包括运动评估指标；获取模块601，还用于获取运动心电数据；处理模块602，还用于对运动心电数据进行处理得到高频QRS波形曲线；指标确定模块603，还用于分析高频QRS波形曲线得到运动评估指标。
在一个实施例中，运动评估指标包括运动阳性导联数量与冠脉狭窄评估指标中的至少一种；冠脉狭窄评估指标用于指示是否存在冠脉狭窄的可能性。
在一个实施例中，指标确定模块603，还用于根据低频心电图确定QRS碎裂波指标；QRS碎裂波指标用于指示低频心电图是否存在QRS碎裂波；风险评估模块604，还用于若多峰波导联数量大于或等于第二阈值、且QRS碎裂波指标指示低频心电图存在QRS碎裂波，根据心脏性猝死风险评估指标确定心脏性猝死风险等级。
关于心电数据处理装置的具体限定可以参见上文中对于心电数据处理方法的限定，在此不再赘述。上述心电数据处理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7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静息心电数据，还可用于存储运动心电数据。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心电数据处理方法。
本领域技术人员可以理解，图7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，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-OnlyMemory，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 (10)
1.一种心电数据处理方法，其特征在于，所述方法包括：
获取静息心电数据；
对所述静息心电数据进行处理得到高频QRS包络曲线与低频心电图；
根据所述高频QRS包络曲线确定多峰波导联数量、QRS时限与各导联对应的高频形态指数；所述多峰波导联数量为相应波峰数大于或等于第一阈值的导联的数量；
根据所述QRS时限与所述各导联对应的高频形态指数确定心功能等级；
分析所述低频心电图得到心律失常评估指标；
若所述多峰波导联数量大于或等于第二阈值，根据心脏性猝死风险评估指标确定心脏性猝死风险等级；所述心脏性猝死风险评估指标包括所述心功能等级与所述心律失常评估指标。
2.根据权利要求1所述的方法，其特征在于，所述心脏性猝死风险评估指标还包括静息阳性导联数量与目标峰值电压中的至少一种；所述静息阳性导联数量与所述目标峰值电压基于所述高频QRS包络曲线确定。
3.根据权利要求2所述的方法，其特征在于，所述心脏性猝死风险评估指标还包括心动过速评估指标；所述心动过速评估指标的确定步骤，包括：
根据所述低频心电图确定心动过速评估指标；所述心动过速评估指标用于指示是否存在室性心动过速的可能性。
4.根据权利要求1所述的方法，其特征在于，所述心脏性猝死风险评估指标还包括运动评估指标；所述方法还包括：
获取运动心电数据；
对所述运动心电数据进行处理得到高频QRS波形曲线；
分析所述高频QRS波形曲线得到运动评估指标。
5.根据权利要求4所述的方法，其特征在于，所述运动评估指标包括运动阳性导联数量与冠脉狭窄评估指标中的至少一种；所述冠脉狭窄评估指标用于指示是否存在冠脉狭窄的可能性。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：
根据所述低频心电图确定QRS碎裂波指标；所述QRS碎裂波指标用于指示所述低频心电图是否存在QRS碎裂波；
所述若所述多峰波导联数量大于或等于第二阈值，根据心脏性猝死风险评估指标确定心脏性猝死风险等级，包括：
若所述多峰波导联数量大于或等于第二阈值、且所述QRS碎裂波指标指示所述低频心电图存在QRS碎裂波，根据心脏性猝死风险评估指标确定心脏性猝死风险等级。
7.一种心电数据处理装置，其特征在于，所述装置包括：
获取模块，用于获取静息心电数据；
处理模块，用于对所述静息心电数据进行处理得到高频QRS包络曲线与低频心电图；
指标确定模块，用于根据所述高频QRS包络曲线确定多峰波导联数量、QRS时限与各导联对应的高频形态指数；所述多峰波导联数量为相应波峰数大于或等于第一阈值的导联的数量；
所述指标确定模块，还用于根据所述QRS时限与所述各导联对应的高频形态指数确定心功能等级；
所述指标确定模块，还用于分析所述低频心电图得到心律失常评估指标；
风险评估模块，用于若所述多峰波导联数量大于或等于第二阈值，根据心脏性猝死风险评估指标确定心脏性猝死风险等级；所述心脏性猝死风险评估指标包括所述心功能等级与所述心律失常评估指标。
8.根据权利要求7所述的装置，其特征在于，所述心脏性猝死风险评估指标还包括运动评估指标；所述获取模块，还用于获取运动心电数据；所述处理模块，还用于对所述运动心电数据进行处理得到高频QRS波形曲线；所述指标确定模块，还用于分析所述高频QRS波形曲线得到运动评估指标。
9.一种计算机设备，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6中任一项所述的心电数据处理方法的步骤。
10.一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6中任一项所述的心电数据处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310604599.9A CN116649985A (zh) | 2023-05-26 | 2023-05-26 | 心电数据处理方法、装置、计算机设备与存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310604599.9A CN116649985A (zh) | 2023-05-26 | 2023-05-26 | 心电数据处理方法、装置、计算机设备与存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116649985A true CN116649985A (zh) | 2023-08-29 |
Family
ID=87713030
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310604599.9A Pending CN116649985A (zh) | 2023-05-26 | 2023-05-26 | 心电数据处理方法、装置、计算机设备与存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116649985A (zh) |
-
2023
- 2023-05-26 CN CN202310604599.9A patent/CN116649985A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109171712B (zh) | 心房颤动识别方法、装置、设备及计算机可读存储介质 | |
| Acharya et al. | Automated detection and localization of myocardial infarction using electrocardiogram: a comparative study of different leads | |
| Sopic et al. | Real-time event-driven classification technique for early detection and prevention of myocardial infarction on wearable systems | |
| CN113712569B (zh) | 高频qrs波群数据分析方法及装置 | |
| Acharya et al. | Comprehensive analysis of cardiac health using heart rate signals | |
| Altan et al. | A new approach to early diagnosis of congestive heart failure disease by using Hilbert–Huang transform | |
| CN116196013B (zh) | 心电数据处理方法、装置、计算机设备与存储介质 | |
| 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 | |
| CN114732419B (zh) | 运动心电数据分析方法、装置、计算机设备与存储介质 | |
| 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 | |
| US20230352180A1 (en) | Atrial fibrillation risk prediction system based on heartbeat rhythm signals and application thereof | |
| 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 | |
| CN115581465A (zh) | 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 | |
| Bruun et al. | Automatic atrial fibrillation detection: A novel approach using discrete wavelet transform and heart rate variability | |
| Bhoi et al. | QRS Complex Detection and Analysis of Cardiovascular Abnormalities: A Review. | |
| CN114742113B (zh) | 高频qrs波形曲线分析方法、装置、计算机设备与存储介质 | |
| Pang et al. | Real time heart ischemia detection in the smart home care system | |
| CN116649985A (zh) | 心电数据处理方法、装置、计算机设备与存储介质 | |
| CN115770054A (zh) | 心电信号处理方法、便携式心电采集设备和存储介质 | |
| CN116725549B (zh) | 心电数据分析方法、装置、计算机设备与存储介质 | |
| CN116616790B (zh) | 心脏风险评估方法、装置、计算机设备与存储介质 | |
| TWM530126U (zh) | 基於擬合曲線之心跳訊號的檢測裝置 | |
| CN116807493A (zh) | 心电数据处理方法、装置、计算机设备与存储介质 | |
| KR101515725B1 (ko) | 심장 질환 진단 장치 및 방법 | |
| Zhang et al. | Evaluation of single-lead ECG signal quality with different states of motion |
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 |