CN116807490A - 心电图的处理方法、装置、医疗设备及存储介质 - Google Patents
心电图的处理方法、装置、医疗设备及存储介质 Download PDFInfo
- Publication number
- CN116807490A CN116807490A CN202210263641.0A CN202210263641A CN116807490A CN 116807490 A CN116807490 A CN 116807490A CN 202210263641 A CN202210263641 A CN 202210263641A CN 116807490 A CN116807490 A CN 116807490A
- Authority
- CN
- China
- Prior art keywords
- template
- heart beat
- electrocardiogram
- waveform
- heart
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 32
- 238000003672 processing method Methods 0.000 title abstract description 16
- 238000010586 diagram Methods 0.000 claims abstract description 77
- 238000000034 method Methods 0.000 claims abstract description 69
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 230000011218 segmentation Effects 0.000 claims description 47
- 230000000747 cardiac effect Effects 0.000 claims description 18
- 230000009467 reduction Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000012800 visualization Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 208000000418 Premature Cardiac Complexes Diseases 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001746 atrial effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000306 qrs interval Methods 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 230000036279 refractory period Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 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]
- 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
- A61B5/352—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
- A61B5/24—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
- A61B5/358—Detecting ST segments
-
- 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
- A61B5/7203—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Engineering & Computer Science (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)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请提供一种心电图的处理方法、装置、医疗设备以及存储介质。其中,方法包括:根据目标心电图绘制心电散点图;根据所述心电散点图对目标心电图上的心拍进行心电波形分析,得到所述心拍的波形参数;将所述波形参数叠加到所述心拍上,以显示在目标心电图上。本申请中,能够准确对心电图进行心电波形分析,医生在分析动态心电图时,无需手动进行心电波形参数测量操作,缩短了医生的分析时间,因此,通过上述方法能够减轻医生的工作量。
Description
技术领域
本申请涉及医疗技术领域,具体涉及一种心电图的处理方法及装置、一种医疗设备以及一种计算机可读存储介质。
背景技术
心电信号可以有效的反映出心脏的电活动和健康状态,从心电图中可以容易的获得心电信号,医生通过对心电图的波形进行观察。对心电波形的特征点进行精确定位,计算出心电波形的相关参数可以帮助医生进行疾病分析和病理研究,减轻医生的工作量,帮助医生进行辅助诊断。
现有的动态心电诊断方式为:通过对心拍进行分类,得到不同类别的心拍,再对每个类别的心拍分为多个不同的模板,医生根据心拍类别和模板进行诊断分析。其中,心拍的模板分类是指在某条动态心电图中,将形态相似的心拍归为同一类心拍,该类心拍即为一个心拍模板,而不同形态的心拍则归类为不同的模板。
上述分析模式对心拍分类的准确性要求很高,如果心拍分类的准确性较低,医生只能手动逐个去进行分类,耗时费力,效率低下。此外,目前心拍分类算法的整体准确性不高,在诊断过程中医生需要耗费大量时间在读图上。而且目前的辅助诊断工具通常只输出心拍类别,其它辅助分析参数需要医生手动进行测量操作,进一步的降低了医生的工作效率。
发明内容
本申请的目的是提供一种心电图的处理方法、装置、医疗设备及计算机可读存储介质,能够准确对心电图进行心电波形分析,减轻医生的工作量。
本申请第一方面提供一种心电图的处理方法,包括:
根据目标心电图绘制心电散点图;
根据所述心电散点图对目标心电图上的心拍进行心电波形分析,得到所述心拍的波形参数;
将所述波形参数叠加到所述心拍上,以显示在目标心电图上。
在一种可能的实现方式中,在本申请提供的上述方法中,所述根据目标心电图绘制心电散点图,包括:
对目标心电图进行信号降噪;
对信号降噪后的目标心电图进行R波定位,生成RR间期序列;
根据所述RR间期序列绘制出心电散点图。
在一种可能的实现方式中,在本申请提供的上述方法中,所述对目标心电图进行信号降噪,包括:
去除目标心电图中的基线漂移和工频干扰,并对目标心电图进行带通滤波,得到信号降噪后的目标心电图。
在一种可能的实现方式中,在本申请提供的上述方法中,所述根据所述心电散点图对目标心电图上的心拍进行心电波形分析,得到所述心拍的波形参数,包括:
根据所述心电散点图将目标心电图上的所有心拍归类为模板类或非模板类;
从每一类模板中确定一个心拍作为该类模板的心拍模板,并根据所述心拍模板对该类模板中每一个心拍进行心电波形分割;
对非模板类中的每一个心拍进行伪差识别,得到非伪差心拍和伪差心拍,并对每一个所述非伪差心拍进行心电波形分割;
根据每个心拍的心电波形分割结果确定心拍的心电波形特征点;
根据所述心电波形特征点得到所述心拍的波形参数。
在一种可能的实现方式中,在本申请提供的上述方法中,所述根据所述心电散点图将目标心电图上的所有心拍归类为模板类或非模板类,包括:
对所述心电散点图进行分割,得到对应的多个分割区域;
针对每个分割区域,将所述分割区域中的散点对应的心拍叠加,生成叠加波形图;
对所述叠加波形图进行分解,根据形态相似度将N个心拍归类为一个模板,得到M个模板类,N大于预设阈值K;
对所述心电散点图上每个分割区域对应的心拍进行归类,将所有的心拍归类为模板类或非模板类。
在一种可能的实现方式中,在本申请提供的上述方法中,所述根据所述心拍模板对该类模板中每一个心拍进行心电波形分割,包括:
对所述心拍模板进行心电波形分割,得到模板分割结果;
确定所述心拍模板对应的模板中每一个心拍与所述心拍模板的偏移量;
根据心拍的坐标和所述偏移量以及所述模板分割结果,确定所述模板中每一个心拍的心电波形分割结果。
在一种可能的实现方式中,在本申请提供的上述方法中,所述方法还包括:
存储用户对所述心电散点图或者所述波形参数的修正标注。
本申请第二方面提供一种心电图的处理装置,包括:
绘制模块,用于根据目标心电图绘制心电散点图;
分析模块,用于根据所述心电散点图对目标心电图上的心拍进行心电波形分析,得到所述心拍的波形参数;
可视化模块,用于将所述波形参数叠加到所述心拍上,以显示在目标心电图上。
在一种可能的实现方式中,在本申请提供的上述装置中,所述绘制模块,具体用于:
对目标心电图进行信号降噪;
对信号降噪后的目标心电图进行R波定位,生成RR间期序列;
根据所述RR间期序列绘制出心电散点图。
在一种可能的实现方式中,在本申请提供的上述装置中,所述绘制模块,具体用于:去除目标心电图中的基线漂移和工频干扰,并对目标心电图进行带通滤波,得到信号降噪后的目标心电图。
在一种可能的实现方式中,在本申请提供的上述装置中,所述分析模块,具体用于:
根据所述心电散点图将目标心电图上的所有心拍归类为模板类或非模板类;
从每一类模板中确定一个心拍作为该类模板的心拍模板,并根据所述心拍模板对该类模板中每一个心拍进行心电波形分割;
对非模板类中的每一个心拍进行伪差识别,得到非伪差心拍和伪差心拍,并对每一个所述非伪差心拍进行心电波形分割;
根据每个心拍的心电波形分割结果确定心拍的心电波形特征点;
根据所述心电波形特征点得到所述心拍的波形参数。
在一种可能的实现方式中,在本申请提供的上述装置中,所述分析模块,具体用于:
对所述心电散点图进行分割,得到对应的多个分割区域;
针对每个分割区域,将所述分割区域中的散点对应的心拍叠加,生成叠加波形图;
对所述叠加波形图进行分解,根据形态相似度将N个心拍归类为一个模板,得到M个模板类,N大于预设阈值K;
对所述心电散点图上每个分割区域对应的心拍进行归类,将所有的心拍归类为模板类或非模板类。
在一种可能的实现方式中,在本申请提供的上述装置中,所述分析模块,具体用于:
对所述心拍模板进行心电波形分割,得到模板分割结果;
确定所述心拍模板对应的模板中每一个心拍与所述心拍模板的偏移量;
根据心拍的坐标和所述偏移量以及所述模板分割结果,确定所述模板中每一个心拍的心电波形分割结果。
在一种可能的实现方式中,在本申请提供的上述装置中,所述可视化模块,还用于:
存储用户对所述心电散点图或者所述波形参数的修正标注。
本申请第三方面提供一种医疗设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行以实现本申请第一方面所述的方法。
本申请第四方面提供一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现本申请第一方面所述的方法。
相较于现有技术,本申请提供的心电图的处理方法、装置、医疗设备及存储介质,根据目标心电图绘制心电散点图;根据所述心电散点图对目标心电图上的心拍进行心电波形分析,得到所述心拍的波形参数;将所述波形参数叠加到所述心拍上,以显示在目标心电图上。本申请中,能够准确对心电图进行心电波形分析,医生在分析动态心电图时,无需手动进行心电波形参数测量操作,缩短了医生的分析时间,因此,通过上述方法能够减轻医生的工作量。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本申请提供的一种心电图的处理方法的流程图;
图2示出了本申请提供的步骤S101的流程图;
图3示出了本申请提供的步骤S102的流程图;
图4示出了本申请提供的心电波形的分割结果示意图;
图5示出了本申请提供的心电波形特征点检测结果示意图;
图6示出了本申请提供的心拍的波形参数示意图之一;
图7示出了本申请提供的心拍的波形参数示意图之二;
图8示出了本申请提供的一种具体的心电图的处理方法的流程图;
图9示出了本申请提供的一种心电图的处理装置的示意图;
图10示出了本申请提供的一种医疗设备的示意图;
图11示出了本申请提供的一种计算机可读存储介质的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。
另外,术语“第一”和“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例提供一种心电图的处理方法及装置、一种医疗设备以及计算机可读介质,下面结合附图进行说明。
心电图是记录心拍的载体,心拍的特征波形包括P波、QRS波群、T波和不应期的较为平坦的波形。对应的特征点包括P波的起点、终点和峰值点;QRS波群的起点、终点和Q、R、S波的峰值点;T波的起点、终点和峰值点。
心拍类型包括正常、房性早搏、室性早搏、起搏等,可以根据心拍的特征波形来判断心拍类型。
动态心电图是在患者日常生活状态下连续记录的体表心电图,其包含的信息量远远大于常规心电图,从而增加了心电图分析的工作量,这就使得心电图的自动检测与分析技术成为必要。
请参考图1,其示出了本申请的一些实施方式所提供的一种心电图的处理方法的流程图,如图所示,所述心电图的处理方法,可以包括以下步骤S101至S103:
S101、根据目标心电图绘制心电散点图;
其中,目标心电图为待处理的心电图,可以是动态心电图,也可以是常规心电图。目标心电图可以是设备实时采集的,也可以是预先存储在数据库中的心电数据。
心电散点图又称Lorenz图,通过心电波形的RR间期序列绘制而成,采用非线性混沌的方法学,对RR间期序列进行诠释,RR间期就是联系两个QRS波的R波时长。连续RR间期所代表的心脏节律是人体时间序列动态变化的重要表现形式,包含了重要的心电生理信息。同时心电散点图可以用于心电图的快速分析,缩短分析长时程的动态心电图的时间,提升医生的工作效率。
具体的,如图2所示,步骤S101包括如下步骤:
S201、对目标心电图进行信号降噪;
其中,所述信号降噪包括:去除基线漂移和工频干扰、进行带通滤波等。
具体的,可以先去除目标心电图中的基线漂移和工频干扰,然后进行带通滤波,得到信号降噪后的目标心电图。
S202、对信号降噪后的目标心电图进行R波定位,生成RR间期序列;
其中,R波是心电图上QRS波群中的一部分,R波定位可以采用Pan-Tompkins算法,具体过程在此不做赘述。
S203、根据所述RR间期序列绘制出心电散点图。
绘制的心电散点图可以包括分时散点图、24小时散点图和差值散点图。其中,分时散点图包括按照设定的时间长度生成的散点图,如1小时绘制一次散点图,图中还记录有采集时间和心拍数。
S102、根据所述心电散点图对目标心电图上的心拍进行心电波形分析,得到所述心拍的波形参数;
其中,心拍的波形参数包括PR间期、PR段、QRS间期、QT间期、ST段等。
具体的,如图3所示,步骤S102可以实现如下:
S301、根据所述心电散点图将目标心电图上的所有心拍归类为模板类或非模板类;
将所有心拍归类为模板类或非模板类是指,在目标心电图中,将形态相似的心拍归为同一类心拍,该类心拍即为一个模板类,不同形态的心拍则归类为不同的模板类,将不能归为某一个模板类的心拍归入非模板类中。
模板类可以对应于心拍类型,例如正常、房性早搏、室性早搏、起搏等。
具体的,首先对所述心电散点图进行分割,得到对应的多个分割区域;针对每个分割区域,将所述分割区域中的散点对应的心拍叠加,生成叠加波形图;对所述叠加波形图进行分解,根据形态相似度将形态相似的N个心拍归类为一个模板,得到M个模板类,N大于预设阈值K,防止模板的类别数量过多;对所述心电散点图上每个分割区域对应的心拍进行归类,将所有的心拍归类为模板类或非模板类。
例如,对于分时散点图,按小时生成散点图,可以得到24张散点图,首先将1小时散点图上每个分割区域上对应的心拍进行归类,重复24次以对24小时数据进行处理,最终将所有的心拍归类为模板类和非模板类。
其中,形态相似度的计算可以基于心拍的特征参数,心拍的特征参数可以包括心拍归一化面积、心拍归一化宽度、心拍归一化高度,例如可以将相似度大于0.99的心拍合并为一个模板。
其中,对生成的散点图进行分割、生成叠加波形图以及对叠加波形图进行分解均可以采用传统算法,也可以采用预先训练的深度学习算法,本申请在此不再赘述。
S302、从每一类模板中确定一个心拍作为该类模板的心拍模板,并根据所述心拍模板对该类模板中每一个心拍进行心电波形分割;
具体的,从每一类模板中确定一个心拍作为该类模板的心拍模板,可以得到M个心拍模板。
进一步的,针对每一个心拍模板,对所述心拍模板进行心电波形分割,得到模板分割结果,确定所述心拍模板对应的模板中每一个心拍与所述心拍模板的偏移量,根据心拍的坐标和所述偏移量以及所述模板分割结果,确定所述模板中每一个心拍的心电波形分割结果。
例如,对M个心拍模板进行心电波形分割,可以得到M个心拍模板的P波、QRS波群和T波的分割结果,如图4所示为心电波形的分割结果示意图。针对每一个模板,根据心拍模板的分割结果,确定该模板类中每一个心拍与模板的偏移量,该偏移量可以包括横向偏移量、纵向偏移量。心拍的坐标是指心拍在心电图中的位置。根据心拍的坐标和偏移量可以快速确定同一模板中每一个心拍的心电波形分割结果。
S303、对非模板类中的每一个心拍进行伪差识别,得到非伪差心拍和伪差心拍,并对每一个所述非伪差心拍进行心电波形分割;
其中,凡不是由于心脏激动而发生于心电图上的改变均称为伪差。
非模板类心拍中,对每一个心拍进行伪差识别,如果是伪差,则不进行处理,如果是非伪差心拍,则对每一个非伪差心拍进行心电波形分割,得到非模板类中每一个非伪差心拍的心电波形分割结果。
上述步骤S302和S303中的心电波形分割可以采用传统分析方法,也可以采用基于深度学习的方式。
S304、根据每个心拍的心电波形分割结果确定心拍的心电波形特征点;
具体的,确定心拍中P波、QRS波群和T波的起止点和峰值点。确定心电波形特征点的算法可以为:通过搜索局部极值和最值的算法进行处理,同时结合R波定位的结果、P波、QRS波群和T波的空间位置等先验信息进行计算,心电波形特征点的检测可以采用传统算法,也可以采用深度学习算法。如图5所示为心电波形特征点检测结果示意图。
心电波形参数的计算,关键在于心电波形的特征点检测,其方法可以分为:
一、使用心电波形的形态学特点进行特征点检测;二、使用基底展开方法进行特征点检测;三、使用心电信号波形模型(比如高斯模型)对心电信号进行拟合,根据拟合结果得出P波、T波以及QRS波的位置。
将心电波形特征点进行定位以后,可以进一步等计算出心电波形参数。
S305、根据所述心电波形特征点得到所述心拍的波形参数。
其中,心拍的波形参数可以包括PR段、ST段、PR间期、QRS间期、QT间期,还可以包括P波宽度、T波宽度、PP间期、RR间期、P波幅值、QRS波幅值、T波幅值等。如图6所示为心拍的波形参数示意图之一,如图7所示为心拍的波形参数示意图之二。
本申请中,将所有的心拍分为了模板类和非模板类心拍,对于模板类心拍,医生只需要对模板进行查看,即可完成该类模板的所有心拍的判别,解决了医生绝大多数重复的操作。医生主要的诊断工作是对于非模板类心拍,这通常是医生重点关注的一些疑难心拍,通过这种分析模式可以有效的提升医生的分析效率。
S103、将所述波形参数叠加到所述心拍上,以显示在目标心电图上。
具体的,得到心拍的波形参数之后,将波形参数叠加到对应的原始心拍上,在终端界面进行显示,辅助医生进行诊断。
实际应用中,可以将模板类的心拍片段按照模板显示于M个小窗口,便于医生查看。非模板类的心拍片段显示在单独的小窗口,便于区分。
心拍的波形参数可以由医生在终端界面上选择性显示。选择显示的波形参数包括:P、QRS、T波的峰值点和间期参数,其余参数由医生在进行诊断过程中手动调整选项进行显示,以便于辅助医生进行心电图诊断。显示效果如图6和图7所示。
本申请实施例提供的心电图的处理方法,能够快速准确对心电图进行心电波形分析,医生在分析动态心电图时,无需手动进行心电波形参数测量操作,缩短了医生的分析时间,因此,通过上述方法能够减轻医生的工作量。
在一种可能的实现方式中,在本申请提供的上述心电图的处理方法中,还可以包括步骤:存储用户对所述心电散点图或者所述波形参数的修正标注。
实际应用中,医生根据终端界面上显示的心电散点图、心电波形、标记的P波、QRS波群、T波的特征点以及心电波形参数进行临床诊断。
终端界面上显示的心电散点图、心电波形、标记的P波、QRS波群、T波的特征点以及心电波形参数都可以由医生选择是否显示,以便于医生进行诊断。医生在诊断过程中,对显示的数据进行再次确认,对心电散点图分割不准或者心电波形特征点检测不准的情况,可以手动进行的修正,添加修正标注。记录医生的修正标注,并进行保存。后续可以利用医生修正标注的数据对上述心电波形分析中用到的分析算法进行迭代。因此本申请通过上述修正反馈机制,可以进一步提升心电波形分析的准确性,更好的辅助医生进行临床诊断。
为了便于理解,如图8所示,本申请还提供了一种具体的心电图的处理方法的流程图。
在上述的实施例中,提供了一种心电图的处理方法,与之相对应的,本申请还提供一种心电图的处理装置。本申请实施例提供的心电图的处理装置可以实施上述心电图的处理方法,该心电图的处理装置可以通过软件、硬件或软硬结合的方式来实现。例如,该心电图的处理装置可以包括集成的或分开的功能模块或单元来执行上述各方法中的对应步骤。请参考图9,其示出了本申请的一些实施方式所提供的一种心电图的处理装置的示意图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
如图9所示,所述心电图的处理装置10可以包括:
绘制模块101,用于根据目标心电图绘制心电散点图;
分析模块102,用于根据所述心电散点图对目标心电图上的心拍进行心电波形分析,得到所述心拍的波形参数;
可视化模块103,用于将所述波形参数叠加到所述心拍上,以显示在目标心电图上。
在一种可能的实现方式中,在本申请提供的上述装置中,所述绘制模块101,具体用于:
对目标心电图进行信号降噪;
对信号降噪后的目标心电图进行R波定位,生成RR间期序列;
根据所述RR间期序列绘制出心电散点图。
在一种可能的实现方式中,在本申请提供的上述装置中,所述绘制模块101,具体用于:去除目标心电图中的基线漂移和工频干扰,并对目标心电图进行带通滤波,得到信号降噪后的目标心电图。
在一种可能的实现方式中,在本申请提供的上述装置中,所述分析模块102,具体用于:
根据所述心电散点图将目标心电图上的所有心拍归类为模板类或非模板类;
从每一类模板中确定一个心拍作为该类模板的心拍模板,并根据所述心拍模板对该类模板中每一个心拍进行心电波形分割;
对非模板类中的每一个心拍进行伪差识别,得到非伪差心拍和伪差心拍,并对每一个所述非伪差心拍进行心电波形分割;
根据每个心拍的心电波形分割结果确定心拍的心电波形特征点;
根据所述心电波形特征点得到所述心拍的波形参数。
在一种可能的实现方式中,在本申请提供的上述装置中,所述分析模块102,具体用于:
对所述心电散点图进行分割,得到对应的多个分割区域;
针对每个分割区域,将所述分割区域中的散点对应的心拍叠加,生成叠加波形图;
对所述叠加波形图进行分解,根据形态相似度将N个心拍归类为一个模板,得到M个模板类,N大于预设阈值K;
对所述心电散点图上每个分割区域对应的心拍进行归类,将所有的心拍归类为模板类或非模板类。
在一种可能的实现方式中,在本申请提供的上述装置中,所述分析模块102,具体用于:
对所述心拍模板进行心电波形分割,得到模板分割结果;
确定所述心拍模板对应的模板中每一个心拍与所述心拍模板的偏移量;
根据心拍的坐标和所述偏移量以及所述模板分割结果,确定所述模板中每一个心拍的心电波形分割结果。
在一种可能的实现方式中,在本申请提供的上述装置中,所述可视化模块103,还用于:
存储用户对所述心电散点图或者所述波形参数的修正标注。
本申请实施例提供的心电图的处理装置10,与本申请前述实施例提供的心电图的处理方法出于相同的发明构思,具有相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的心电图的处理方法对应的医疗设备,例如用于医疗的辅助分析设备,以执行上述心电图的处理方法。
请参考图10,其示出了本申请的一些实施方式所提供的一种医疗设备的示意图。如图10所示,所述医疗设备20包括:处理器200,存储器201,总线202和通信接口203,所述处理器200、通信接口203和存储器201通过总线202连接;所述存储器201中存储有可在所述处理器200上运行的计算机程序,所述处理器200运行所述计算机程序时执行本申请前述任一实施方式所提供的心电图的处理方法。
其中,存储器201可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口203(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中,存储器201用于存储程序,所述处理器200在接收到执行指令后,执行所述程序,前述本申请实施例任一实施方式揭示的所述心电图的处理方法可以应用于处理器200中,或者由处理器200实现。
处理器200可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201,处理器200读取存储器201中的信息,结合其硬件完成上述方法的步骤。
本申请实施例提供的医疗设备与本申请实施例提供的心电图的处理方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的心电图的处理方法对应的计算机可读介质,请参考图11,其示出的计算机可读存储介质为光盘30,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会执行前述任意实施方式所提供的心电图的处理方法。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的心电图的处理方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
需要说明的是,附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,其均应涵盖在本申请的权利要求和说明书的范围当中。
Claims (10)
1.一种心电图的处理方法,其特征在于,包括:
根据目标心电图绘制心电散点图;
根据所述心电散点图对目标心电图上的心拍进行心电波形分析,得到所述心拍的波形参数;
将所述波形参数叠加到所述心拍上,以显示在目标心电图上。
2.根据权利要求1所述的方法,其特征在于,所述根据目标心电图绘制心电散点图,包括:
对目标心电图进行信号降噪;
对信号降噪后的目标心电图进行R波定位,生成RR间期序列;
根据所述RR间期序列绘制出心电散点图。
3.根据权利要求2所述的方法,其特征在于,所述对目标心电图进行信号降噪,包括:
去除目标心电图中的基线漂移和工频干扰,并对目标心电图进行带通滤波,得到信号降噪后的目标心电图。
4.根据权利要求1所述的方法,其特征在于,所述根据所述心电散点图对目标心电图上的心拍进行心电波形分析,得到所述心拍的波形参数,包括:
根据所述心电散点图将目标心电图上的所有心拍归类为模板类或非模板类;
从每一类模板中确定一个心拍作为该类模板的心拍模板,并根据所述心拍模板对该类模板中每一个心拍进行心电波形分割;
对非模板类中的每一个心拍进行伪差识别,得到非伪差心拍和伪差心拍,并对每一个所述非伪差心拍进行心电波形分割;
根据每个心拍的心电波形分割结果确定心拍的心电波形特征点;
根据所述心电波形特征点得到所述心拍的波形参数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述心电散点图将目标心电图上的所有心拍归类为模板类或非模板类,包括:
对所述心电散点图进行分割,得到对应的多个分割区域;
针对每个分割区域,将所述分割区域中的散点对应的心拍叠加,生成叠加波形图;
对所述叠加波形图进行分解,根据形态相似度将N个心拍归类为一个模板,得到M个模板类,N大于预设阈值K;
对所述心电散点图上每个分割区域对应的心拍进行归类,将所有的心拍归类为模板类或非模板类。
6.根据权利要求4所述的方法,其特征在于,所述根据所述心拍模板对该类模板中每一个心拍进行心电波形分割,包括:
对所述心拍模板进行心电波形分割,得到模板分割结果;
确定所述心拍模板对应的模板中每一个心拍与所述心拍模板的偏移量;
根据心拍的坐标和所述偏移量以及所述模板分割结果,确定所述模板中每一个心拍的心电波形分割结果。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
存储用户对所述心电散点图或者所述波形参数的修正标注。
8.一种心电图的处理装置,其特征在于,包括:
绘制模块,用于根据目标心电图绘制心电散点图;
分析模块,用于根据所述心电散点图对目标心电图上的心拍进行心电波形分析,得到所述心拍的波形参数;
可视化模块,用于将所述波形参数叠加到所述心拍上,以显示在目标心电图上。
9.一种医疗设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序时执行以实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读介质,其特征在于,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210263641.0A CN116807490A (zh) | 2022-03-17 | 2022-03-17 | 心电图的处理方法、装置、医疗设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210263641.0A CN116807490A (zh) | 2022-03-17 | 2022-03-17 | 心电图的处理方法、装置、医疗设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116807490A true CN116807490A (zh) | 2023-09-29 |
Family
ID=88114998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210263641.0A Pending CN116807490A (zh) | 2022-03-17 | 2022-03-17 | 心电图的处理方法、装置、医疗设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116807490A (zh) |
-
2022
- 2022-03-17 CN CN202210263641.0A patent/CN116807490A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11147500B2 (en) | Electrocardiogram processing system for delineation and classification | |
CN111433860B (zh) | 用于分析心电图的用户界面 | |
ES2395039T3 (es) | Monitorizar actividad fisiológica usando reconstrucción parcial de espacio de estado | |
US11272887B2 (en) | Electroanatomical mapping tools facilitated by activation waveforms | |
US8543194B2 (en) | System and method of detecting abnormal movement of a physical object | |
CN109998529B (zh) | 一种基于高斯函数拟合的ecg信号中p波、t波检测方法 | |
EP2656784B1 (en) | Cardiac activation time detection | |
CN104586383A (zh) | 一种心电波形分类方法及装置 | |
CN110464333B (zh) | 一种心电图数据的存储方法及装置 | |
WO2018129822A1 (zh) | 一种血压测量方法及设备 | |
CN115337018A (zh) | 基于整体动态特征的心电信号分类方法及系统 | |
US11672464B2 (en) | Electrocardiogram processing system for delineation and classification | |
US8880352B2 (en) | System and method for analyzing an electrophysiological signal | |
CN114176602B (zh) | 一种基于深度学习多目标检测同时定位心电p波、qrs波、t波位置的方法 | |
CN116807490A (zh) | 心电图的处理方法、装置、医疗设备及存储介质 | |
CN111803061B (zh) | 一种基于目标检测的r波识别方法及装置 | |
Agrawal et al. | FPGA-based peak detection of ECG signal using histogram approach | |
CN109567794B (zh) | 一种基于p波叠加的异常p波反混淆方法以及装置 | |
CN116350199B (zh) | 一种动态心电图心搏模板生成方法及系统 | |
CN114668401B (zh) | 一种ai心电训练数据标注方法、装置、电子设备及介质 | |
CN112438731B (zh) | 心电信号分析方法、装置及存储介质 | |
CN111685754B (zh) | 针对可穿戴ecg采集设备的心率计算方法及系统 | |
US20230277107A1 (en) | Systems and methods for visual tracing of abnormality in diagnostic and monitoring clinical applications | |
CN116831589A (zh) | 一种长时程可穿戴心电信号的最优导联信号选取方法 | |
US10758141B2 (en) | Cardiac activation time detection |
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 |