CN117158991B - 一种两电极心电图智能定位系统 - Google Patents

一种两电极心电图智能定位系统 Download PDF

Info

Publication number
CN117158991B
CN117158991B CN202311200257.7A CN202311200257A CN117158991B CN 117158991 B CN117158991 B CN 117158991B CN 202311200257 A CN202311200257 A CN 202311200257A CN 117158991 B CN117158991 B CN 117158991B
Authority
CN
China
Prior art keywords
waveform
point
points
segment
trend
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
Application number
CN202311200257.7A
Other languages
English (en)
Other versions
CN117158991A (zh
Inventor
殷烨
丁国香
汤萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yixing Peoples Hospital
Original Assignee
Yixing Peoples Hospital
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yixing Peoples Hospital filed Critical Yixing Peoples Hospital
Priority to CN202311200257.7A priority Critical patent/CN117158991B/zh
Publication of CN117158991A publication Critical patent/CN117158991A/zh
Application granted granted Critical
Publication of CN117158991B publication Critical patent/CN117158991B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种两电极心电图智能定位系统,本发明涉及心电图智能定位技术领域,解决了原始点位标记确认的方式并不精准的问题,本发明通过将对应波段内的临界点进行确定,但在确定过程中,为了确保所确定临界点的准确度,一般需要将每个点位之间的爬升状态考虑在内,在进行爬升过程中,爬升至最高的点位,便就是对应的临界点,其判定方式更为精准,数值较为准确,针对于QRS波段,通过确认其内部对应的正波峰,便能从其中锁定对应的心房激动源,而确定对应的爬升极点时,首先需要确认对应的趋势值,随后再确认对应的端点最大值,一一确认对应线段的爬升极点,此种确认方式也较为精准,能将确认误差降低至最低,从而达到最好的确认展示效果。

Description

一种两电极心电图智能定位系统
技术领域
本发明涉及心电图智能定位技术领域,具体为一种两电极心电图智能定位系统。
背景技术
心电图是利用心电图机从体表记录心脏每一心动周期所产生的电活动变化图形的技术。
专利公开号为CN108498091B的申请涉及一种两电极心电图导联智能定位系统,所述的智能定位系统的心电电极位置自动矫正方法包括以下步骤:步骤S1、正常心电图信号特征人工智能学习,建立用户自身的基准;步骤S2、用户记录测量时的波形,对波形进行分析,提取和基准波形同样的参数,基准参数比较,计算综合误差;步骤S3、用户自行记录步骤S2中综合误差的心电图数字信息进行人工智能比对,智能辅助指导电极导联的正确放置。其技术效果是:智能辅助指导电极导联的正确放置,从而实现两电极心电监护仪正确的长时程心电动态监测,及早有效识别心脏缺血性和恶性心律失常等心血管病危险事件,最终达到提高心血管病危险事件抢救成功率和降低其死亡率。
两电极心电图在进行智能定位过程中,一般根据对应的模型一一确认数值的相似度,再与过往的参数进行比对,根据比对结果,对所确认的参数进行一一标记,但此种比对方式,并不精准,其确定方式往往以外部因素的影响,造成误判,并未从心电图内部出发,进行层层分析,从而锁定对应的处理点位。
发明内容
针对现有技术的不足,本发明提供了一种两电极心电图智能定位系统,解决了原始点位标记确认的方式并不精准的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种两电极心电图智能定位系统,包括波形采集端、重复波锁定端、波形界定端、数据库、特征点位定位端以及显示端;
所述波形采集端,对需要进行处理分析的心电图波形进行采集,并将所采集的心电图波形传输至重复波锁定端内;
所述重复波锁定端,对所采集的心电图波形进行波形分析,并根据具体的波形分析参数,从心电图波形内选定重复波形,并将所选定的单组重复波形传输至波形界定端内,具体方式为:
优先确定心电图波形的初始点,将其标定为第一波动点,随后,将此心电图波形内所出现的若干个波动点进行一一标记,其中每个波动点前后两端线段的斜率均不一致,当对应波动点前端线段的斜率为X1时,其后端线段的斜率肯定不属于X1;
按照心电图波形的前后走向,对一一出现的点位进行一一标记,并依次标记为Di,其中i代表不同的波动点;
根据所标记的点位Di锁定前四组点位所构成的波形段,将此波形段与后端连续所出现的波形段进行比对,判定是否重合,若与后续所出现的波形段完全重合,则将此波形段标记为重复波形,反之,则再次选取前四组点位后续的点位,构成五组点位波形,再将所构建的五组点位波形与后续连续出现得波形进行比对,直至出现完全重合的波形时止,并将对应的波形标记为重复波形,并将所确定的重复波形传输至波形界定端内;
所述波形界定端,对所确定的重复波形进行接收,再根据重复波形内部不同点位的趋势特征,将重复波形内三组不同的波段进行区分开,并将区分开的三组不同的波段传输至特征点位定位端内,具体方式为:
根据i值,将重复波形内不同波动点Di进行排序,并依次确定相邻波动点Di之间的斜率,并将进行绝对值处理后的斜率标记为Xt,其中t代表不同相邻波动点之间的线段,且t=1、2、……、m,其中m=n-1,且t为1时,代表第一波动点D1与第一波动点D2之间的线段,t为2时,代表第一波动点D2与第一波动点D3之间的线段;
分析相邻线段之间斜率Xt的差值,当差值>Y1时,其中Y1为预设值,将两个相邻线段的连接波动点标记为断层波动点,当差值≤Y1时,则不进行处理,根据所确认的相邻线段,对后续所出现的断层波动点进行一一确认;
随后,根据此重复波形内所确认的断层波动点,将第一波动点与第一断层波动点之间的波形标定为“P波波段”,将第一断层波动点与第二断层波动点之间的波形标定为“QRS波段”,将后续所出现的波形标定为“ST波段”;
所述特征点位定位端,针对于不同的波段,采用不同的处理方式,确认内部所存在的特征点位并进行标记。
优选的,所述特征点位定位端,针对于P波波段,确定其对应波段内部的波形临界点,随后进行标记,具体方式为:
按照波形走向将P波波段内每个不同的点位进行确认,并标记为Dq,其中q代表P波波段内每个不同的点位,再根据波形走向,将若干个点位Dq进行依次排列;
从若干个点位Dq内,确定相邻点位之间的趋势值,其中趋势值便就是两个点位的斜率,并将其标记为QSp,其中p=1、2、……、n,将若干组趋势值QSp进行均值处理,得到第一待处理均参J1;
采用得到j≥2的标准比对参FC,其中j∈p,且从j为3开始进行计算,得到若干个不同的标准比对参,并按照j值的逐渐增大,将标准比对参进行排序,在排序过程中,确认逐渐增大过程中且处于最大值状态的标准比对参,将此标准比对参所对应相邻点位的最后一组点位标定为波形临界点;
并将波形临界点标记处理后的P波波段通过显示端进行展示;
针对于QRS波段,确定其对应波段内部的爬升极点,并进行标记,具体方式为:
对QRS波段内,连续出现的点位之间的趋势值进行确认,并将所确认的趋势值标记为QSr,其中趋势值就是两个相邻点位之间的斜率;
将存在连续相同趋势值QSr的线段标定为同一趋势段,并确定对应趋势段的最高参数,并将其标记为Cumax,其中u代表不同的趋势段;
采用CLu=QSr×C1+Cumax×C2得到对应趋势段的比对处理值CLu,其中C1以及C2均为预设的固定系数因子;
从若干组比对处理值CLu内,选定数值最大的一组参数,并从中选取对应的趋势段作为标准段,将标准段的最高端点标定为爬升极点,随后,将爬升极点标记后的QRS波段进行展示,传输至显示端内;
针对于ST波段,直接通过显示端进行展示即可。
有益效果
本发明提供了一种两电极心电图智能定位系统。与现有技术相比具备以下有益效果:
本发明通过一一分析处理,将每个点位线段的斜率进行分析,通过分析结果,将心电图划分为若干个不同类型的图形;
随后,再针对于不同类型的图形,采用特征分析的方式,对每个图形内所存在的特征点位进行确认,并在确认过程中,将每个波形的特性考虑在内,针对于P波波段,将对应波段内的临界点进行确定,但在确定过程中,为了确保所确定临界点的准确度,一般需要将每个点位之间的爬升状态考虑在内,在进行爬升过程中,爬升至最高的点位,便就是对应的临界点,其判定方式更为精准,数值较为准确;
针对于QRS波段,通过确认其内部对应的正波峰,便能从其中锁定对应的心房激动源,而确定对应的爬升极点时,首先需要确认对应的趋势值,随后再确认对应的端点最大值,通过进行一一确认,便可锁定对应线段的爬升极点,此种确认方式也较为精准,能将确认误差降低至最低,从而达到最好的确认展示效果。
附图说明
图1为本发明原理框架示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,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他实施例,都属于本发明保护的范围。
请参阅图1,本申请提供了一种两电极心电图智能定位系统,包括波形采集端、重复波锁定端、波形界定端、数据库、特征点位定位端以及显示端;
其中波形采集端与重复波锁定端输入节点电性连接,所述重复波锁定端与波形界定端输入节点电性连接,所述重复波锁定端与波形界定端输入节点电性连接,所述数据库与波形界定端之间双向连接,其中波形界定端与特征点位定位端输入节点电性连接,所述特征点位定位端与显示端输入节点电性连接;
所述波形采集端,对需要进行处理分析的心电图波形进行采集,并将所采集的心电图波形传输至重复波锁定端内,其中,在采集过程中,具有一定的采集周期T,对此采集周期T内所产生的心电图波形进行全部采集,并传输至重复波锁定端内;
所述重复波锁定端,对所采集的心电图波形进行波形分析,并根据具体的波形分析参数,从心电图波形内选定重复波形,并将所选定的单组重复波形传输至波形界定端内,其中,选定重复波形的具体方式为:
优先确定心电图波形的初始点,将其标定为第一波动点,随后,将此心电图波形内所出现的若干个波动点进行一一标记,其中每个波动点前后两端线段的斜率均不一致,当对应波动点前端线段的斜率为X1时,其后端线段的斜率肯定不属于X1,其斜率的确定方式为:点位之间的竖向差值÷点位之间的横向差值;
按照心电图波形的前后走向,对一一出现的点位进行一一标记,并依次标记为Di,其中i代表不同的波动点,i为1时,代表此点位为第一波动点,i为n时,代表此点位对最后一组波动点;
根据所标记的点位Di锁定前四组点位所构成的波形段,将此波形段与后端连续所出现的波形段进行比对,判定是否重合,若与后续所出现的波形段完全重合,则将此波形段标记为重复波形,反之,则再次选取前四组点位后续的点位,构成五组点位波形,再将所构建的五组点位波形与后续连续出现得波形进行比对,直至出现完全重合的波形时止,并将对应的波形标记为重复波形,并将所确定的重复波形传输至波形界定端内。
具体的,所产生心电图内部的波形段在进行正常分析时,因心电图在波动过程中,存在若干个不同的波动段,其中分别包括“P波波段、QRS波段以及ST波段”,针对于所出现的三组波段,必定存在四个不同的点位,那么所存在的点位,便就是从心电图开始时进行确定,通过一一向后进行漫延分析,便能确定出包含三组波段的重复波形,后续,再对重复波形进行分析,便可将对应的三组波段进行区分。
所述波形界定端,对所确定的重复波形进行接收,再根据重复波形内部不同点位的趋势特征,将重复波形内三组不同的波段进行区分开,并将区分开的三组不同的波段传输至特征点位定位端内,其中,对三组不同的波段进行区分的具体方式为:
根据i值,将重复波形内不同波动点Di进行排序,并依次确定相邻波动点Di之间的斜率,并将进行绝对值处理后的斜率标记为Xt,其中t代表不同相邻波动点之间的线段,且t=1、2、……、m,其中m=n-1,且t为1时,代表第一波动点D1与第一波动点D2之间的线段,t为2时,代表第一波动点D2与第一波动点D3之间的线段;
分析相邻线段之间斜率Xt的差值,当差值>Y1时,其中Y1为预设值,其具体取值由操作人员根据经验拟定,将两个相邻线段的连接波动点标记为断层波动点,当差值≤Y1时,则不进行处理,根据所确认的相邻线段,对后续所出现的断层波动点进行一一确认;
随后,根据此重复波形内所确认的断层波动点,将第一波动点与第一断层波动点之间的波形标定为“P波波段”,将第一断层波动点与第二断层波动点之间的波形标定为“QRS波段”,将后续所出现的波形标定为“ST波段”;
具体的,所谓斜率,两个不处于同一水平面的两个点位均具有一定的斜率,其两个点位越倾斜,所产生的斜率数值便越高,反之,两个点位之间越平稳,所产生的斜率数值便越低,同时,在进行波段区分时,每个波段之间的斜率均会发生较大变化,有的波段会存在严重倾斜的情况,有的波段则会存在较为平稳的情况,故需要将斜率不一致的地方进行点位标记,锁定对应的断层波动点;
所述特征点位定位端,针对于P波波段,确定其对应波段内部的波形临界点,随后进行标记;
针对于QRS波段,确定其对应波段内部的爬升极点,并进行标记;
针对于ST波段,直接通过显示端进行展示即可,供外部人员进行查看。
其中,针对于P波波段,确定其对应波段内部的波形临界点的具体方式为:
按照波形走向将P波波段内每个不同的点位进行确认,并标记为Dq,其中q代表P波波段内每个不同的点位,再根据波形走向,将若干个点位Dq进行依次排列;
从若干个点位Dq内,确定相邻点位之间的趋势值,其中趋势值便就是两个点位的斜率,并将其标记为QSp,其中p=1、2、……、n,将若干组趋势值QSp进行均值处理,得到第一待处理均参J1;
采用得到j≥2的标准比对参FC,其中j∈p,且从j为3开始进行计算,得到若干个不同的标准比对参,并按照j值的逐渐增大,将标准比对参进行排序,在排序过程中,确认逐渐增大过程中且处于最大值状态的标准比对参,将此标准比对参所对应相邻点位的最后一组点位标定为波形临界点;
并将波形临界点标记处理后的P波波段通过显示端进行展示。
具体的,在进行波形分析处理过程中,一般需要将对应波段内的临界点进行确定,但在确定过程中,为了确保所确定临界点的准确度,一般需要将每个点位之间的爬升状态考虑在内,在进行爬升过程中,爬升至最高的点位,便就是对应的临界点,但爬升时,应将对应的趋势值进行确认,最高趋势值所产生的点位应该是对应的临界点位,并非波段内最高的点位进行临界点位,此种判定处理方式并不足够精准;
其中针对于P波波段,内部所标记的临界点位,便能表现心室收缩的点位,通过进行选点,便可确认处对应心室激动源的具体位置,再将所确认的具体位置进行展示,便于后期操作人员或医护人员进行分析并查看。
其中,针对于QRS波段,确定其对应波段内部的爬升极点的具体方式为:
对QRS波段内,连续出现的点位之间的趋势值进行确认,并将所确认的趋势值标记为QSr,其中趋势值就是两个相邻点位之间的斜率;
将存在连续相同趋势值QSr的线段标定为同一趋势段,并确定对应趋势段的最高参数,并将其标记为Cumax,其中u代表不同的趋势段;
采用CLu=QSr×C1+Cumax×C2得到对应趋势段的比对处理值CLu,其中C1以及C2均为预设的固定系数因子,其具体取值由操作人员根据经验拟定;
从若干组比对处理值CLu内,选定数值最大的一组参数,并从中选取对应的趋势段作为标准段,将标准段的最高端点标定为爬升极点,随后,将爬升极点标记后的QRS波段进行展示,传输至显示端内。
具体的,在实际处理过程中,因对应的QRS波段内,存在对应的爬升极点,其中爬升极点所对应的为心房收缩情况,通过确认其内部对应的正波峰,便能从其中锁定对应的心房激动源,而确定对应的爬升极点时,首先需要确认对应的趋势值,随后再确认对应的端点最大值,通过进行一一确认,便可锁定对应线段的爬升极点,通过分析,将爬升的最大值以及所产生的最大值进行结合分析,便能确定处对应的爬升极点,便可进行标记。
上述公式中的部分数据均是去其纲量进行数值计算,同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。

Claims (5)

1.一种两电极心电图智能定位系统,其特征在于,包括波形采集端、重复波锁定端、波形界定端、数据库、特征点位定位端以及显示端;
所述波形采集端,对需要进行处理分析的心电图波形进行采集,并将所采集的心电图波形传输至重复波锁定端内;
所述重复波锁定端,对所采集的心电图波形进行波形分析,并根据具体的波形分析参数,从心电图波形内选定重复波形,并将所选定的单组重复波形传输至波形界定端内;
所述波形界定端,对所确定的重复波形进行接收,再根据重复波形内部不同点位的趋势特征,将重复波形内三组不同的波段进行区分开,并将区分开的三组不同的波段传输至特征点位定位端内;
所述特征点位定位端,针对于不同的波段,采用不同的处理方式,确认内部所存在的特征点位并进行标记;
所述重复波锁定端,选定重复波形的具体方式为:
优先确定心电图波形的初始点,将其标定为第一波动点,随后,将此心电图波形内所出现的若干个波动点进行一一标记,其中每个波动点前后两端线段的斜率均不一致,当对应波动点前端线段的斜率为X1时,其后端线段的斜率肯定不属于X1;
按照心电图波形的前后走向,对一一出现的点位进行一一标记,并依次标记为Di,其中i代表不同的波动点;
根据所标记的点位Di锁定前四组点位所构成的波形段,将此波形段与后端连续所出现的波形段进行比对,判定是否重合,若与后续所出现的波形段完全重合,则将此波形段标记为重复波形,反之,则再次选取前四组点位后续的点位,构成五组点位波形,再将所构建的五组点位波形与后续连续出现得波形进行比对,直至出现完全重合的波形时止,并将对应的波形标记为重复波形,并将所确定的重复波形传输至波形界定端内。
2.根据权利要求1所述的一种两电极心电图智能定位系统,其特征在于,所述波形界定端,对三组不同的波段进行区分的具体方式为:
根据i值,将重复波形内不同波动点Di进行排序,并依次确定相邻波动点Di之间的斜率,并将进行绝对值处理后的斜率标记为Xt,其中t代表不同相邻波动点之间的线段,且t=1、2、……、m,其中m=n-1,且t为1时,代表第一波动点D1与第一波动点D2之间的线段,t为2时,代表第一波动点D2与第一波动点D3之间的线段;
分析相邻线段之间斜率Xt的差值,当差值>Y1时,其中Y1为预设值,将两个相邻线段的连接波动点标记为断层波动点,当差值≤Y1时,则不进行处理,根据所确认的相邻线段,对后续所出现的断层波动点进行一一确认;
随后,根据此重复波形内所确认的断层波动点,将第一波动点与第一断层波动点之间的波形标定为“P波波段”,将第一断层波动点与第二断层波动点之间的波形标定为“QRS波段”,将后续所出现的波形标定为“ST波段”。
3.根据权利要求1所述的一种两电极心电图智能定位系统,其特征在于,所述特征点位定位端,针对于P波波段,确定其对应波段内部的波形临界点,随后进行标记;
针对于QRS波段,确定其对应波段内部的爬升极点,并进行标记;
针对于ST波段,直接通过显示端进行展示即可。
4.根据权利要求3所述的一种两电极心电图智能定位系统,其特征在于,所述特征点位定位端,针对于P波波段,确定其对应波段内部的波形临界点的具体方式为:
按照波形走向将P波波段内每个不同的点位进行确认,并标记为Dq,其中q代表P波波段内每个不同的点位,再根据波形走向,将若干个点位Dq进行依次排列;
从若干个点位Dq内,确定相邻点位之间的趋势值,其中趋势值便就是两个点位的斜率,并将其标记为QSp,其中p=1、2、……、n,将若干组趋势值QSp进行均值处理,得到第一待处理均参J1;
采用得到j≥2的标准比对参FC,其中j∈p,且从j为3开始进行计算,得到若干个不同的标准比对参,并按照j值的逐渐增大,将标准比对参进行排序,在排序过程中,确认逐渐增大过程中且处于最大值状态的标准比对参,将此标准比对参所对应相邻点位的最后一组点位标定为波形临界点;
并将波形临界点标记处理后的P波波段通过显示端进行展示。
5.根据权利要求3所述的一种两电极心电图智能定位系统,其特征在于,所述特征点位定位端,针对于QRS波段,确定其对应波段内部的爬升极点的具体方式为:
对QRS波段内,连续出现的点位之间的趋势值进行确认,并将所确认的趋势值标记为QSr,其中趋势值就是两个相邻点位之间的斜率;
将存在连续相同趋势值QSr的线段标定为同一趋势段,并确定对应趋势段的最高参数,并将其标记为Cumax,其中u代表不同的趋势段;
采用CLu=QSr×C1+Cumax×C2得到对应趋势段的比对处理值CLu,其中C1以及C2均为预设的固定系数因子;
从若干组比对处理值CLu内,选定数值最大的一组参数,并从中选取对应的趋势段作为标准段,将标准段的最高端点标定为爬升极点,随后,将爬升极点标记后的QRS波段进行展示,传输至显示端内。
CN202311200257.7A 2023-09-18 2023-09-18 一种两电极心电图智能定位系统 Active CN117158991B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311200257.7A CN117158991B (zh) 2023-09-18 2023-09-18 一种两电极心电图智能定位系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311200257.7A CN117158991B (zh) 2023-09-18 2023-09-18 一种两电极心电图智能定位系统

Publications (2)

Publication Number Publication Date
CN117158991A CN117158991A (zh) 2023-12-05
CN117158991B true CN117158991B (zh) 2024-03-15

Family

ID=88935301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311200257.7A Active CN117158991B (zh) 2023-09-18 2023-09-18 一种两电极心电图智能定位系统

Country Status (1)

Country Link
CN (1) CN117158991B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07284482A (ja) * 1994-04-19 1995-10-31 Isuzu Motors Ltd 心拍変動波形解析方法及び装置
CN113729724A (zh) * 2021-09-28 2021-12-03 宁波市第一医院 心电图测量方法与装置
WO2022052300A1 (zh) * 2020-09-08 2022-03-17 浙江大学山东工业技术研究院 一种基于深度学习的心电参数计算方法
CN116506032A (zh) * 2023-06-30 2023-07-28 湖南省通信建设有限公司 基于imt的宽频带微带缝隙天线系统及带宽拓展方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07284482A (ja) * 1994-04-19 1995-10-31 Isuzu Motors Ltd 心拍変動波形解析方法及び装置
WO2022052300A1 (zh) * 2020-09-08 2022-03-17 浙江大学山东工业技术研究院 一种基于深度学习的心电参数计算方法
CN113729724A (zh) * 2021-09-28 2021-12-03 宁波市第一医院 心电图测量方法与装置
CN116506032A (zh) * 2023-06-30 2023-07-28 湖南省通信建设有限公司 基于imt的宽频带微带缝隙天线系统及带宽拓展方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
非接触家庭健康智能监测的算法研究;张毅恒;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》(第2期);第22-27页 *

Also Published As

Publication number Publication date
CN117158991A (zh) 2023-12-05

Similar Documents

Publication Publication Date Title
US11147500B2 (en) Electrocardiogram processing system for delineation and classification
CN107358196B (zh) 一种心搏类型的分类方法、装置及心电仪
US7769434B2 (en) Method of physiological data analysis and measurement quality check using principal component analysis
EP1227752B1 (en) Myocardial analysis and monitoring method and apparatus
EP0711531B1 (en) Myocardial ischemia and infarction analysis and monitoring system
US8442624B2 (en) System for cardiac medical condition detection
CN109480825B (zh) 心电数据的处理方法及装置
EP1885240B1 (en) Analysis of electrocardiogram signals
IL278372B1 (en) Optimization of EKG signal mapping. Retrospectively by discovering inconsistencies
CN106108889A (zh) 基于深度学习算法的心电图分类方法
CN101065058A (zh) 使用部分状态空间重构监视生理活动
JPH0347094B2 (zh)
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
JPH1170089A (ja) 心臓波形特性表示方法
US20130041276A1 (en) METHOD AND SYSTEM FOR AUTOMATICALLY DETECTING AND ANALYZING PEDIATRIC ECGs
CN109998529A (zh) 一种基于高斯函数拟合的ecg信号中p波、t波检测方法
US20060161066A1 (en) Feature-based editing for electrocardiography
CN111358459A (zh) 一种心律失常识别方法、装置、设备和存储介质
CN103228207B (zh) 在发病冠状动脉中闭塞位置的自动识别
US20120302905A1 (en) Method, apparatus and computer program product for monitoring physiological signals
US20240215901A1 (en) Method and apparatus for correcting electrocardiogram reading
US11672464B2 (en) Electrocardiogram processing system for delineation and classification
CN117158991B (zh) 一种两电极心电图智能定位系统
CN113812962A (zh) 心电节律分类神经网络构建方法、系统及存储介质
CN110811608A (zh) 一种基于ecg信号的房颤监测方法

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