CN117958835A - 用于患者术后康复的心电图分析方法 - Google Patents

Abstract

本发明涉及心电检测技术领域，具体涉及用于患者术后康复的心电图分析方法，该方法包括：采集患者术前的心电数据，利用心电数据获取心电散点图，获取心电散点图的分布调节因数，根据分布调节因数得到心电散点图的散点分布系数，从而得到患者心电数据的分散度系数，获取聚类算法的自适应邻域半径，重新采集患者术后的心电数据，结合聚类算法计算患者康复时期的状态得分。本发明旨在提高患者术后康复状态检测的准确率，实现患者术后康复状态的智能检测。

Description

用于患者术后康复的心电图分析方法

技术领域

本发明涉及心电检测技术领域，具体涉及用于患者术后康复的心电图分析方法。

背景技术

近些年随着医疗技术的发展，对于妇科手术也从开放手术到腹腔镜手术，再到更加微创、精确和安全的模式。通过检测妇科患者术后康复状态，可以及时了解妇科患者的恢复情况。检测结果可以反映出妇科患者术后身体状况的好坏，从而及时发现和处理术后并发症或康复不良的情况。根据检测结果，医生可以为妇科患者制定更为科学和个性化的康复计划，可以减少妇科患者的医疗费用和住院时间。

心电图是一种常用的医学检查方法，它可以通过记录心脏电活动评估妇科患者的心脏健康。术后妇科患者的心电图监测作为一种辅助手段，可以帮助医生结合患者的实际身体状况，及时发现任何可能出现的并发症或异常情况，为妇科患者的治疗和恢复提供重要参考。现有的基于心电图进行患者术后康复状态检测的方式为：通过数据处理手段对患者的心电图数据进行数据处理和分析，得到患者的状态得分，然后医生根据由心电图得到患者的状态得分，再结合患者术后的实际身体状态以及身体其他检测指标，对患者的康复状态进行综合评判。但是，现有的对患者的心电图数据进行数据处理的方式为对心电图中PQRST五种波形形状进行分析，根据PQRST五种波形形状的实际情况得到患者的状态得分，但是在康复时期，妇科患者的心脏健康状况可能已经得到改善，心电图的PQRST波形变化不大，相应地，通过对心电图中PQRST五种波形形状进行分析得到的状态得分就与实际情况不相符，无法得到准确的患者状态得分。

发明内容

为了解决上述技术问题，本发明提供用于患者术后康复的心电图分析方法，以解决现有的问题。

本发明的用于患者术后康复的心电图分析方法采用如下技术方案：

本发明一个实施例提供了用于患者术后康复的心电图分析方法，该方法包括以下步骤：

采集患者术前、术后的心电图数据；

根据患者术前的心电图数据获取患者的心电散点图，根据心电散点图中数据点的分布获取各投影点及各投影点集合；

根据投影点及投影点集合的分布得到心电散点图的分布调节因数，根据心电散点图的分布调节因数得到心电散点图的散点分布系数；

结合聚类算法及心电散点图的散点分布系数得到患者术前心电图数据的分散度系数，根据分散度系数获取聚类算法中邻域半径的调节因子；

根据邻域半径的调节因子得到聚类算法的自适应邻域半径，结合患者术后的心电图数据与利用自适应邻域半径得到的聚类结果得到患者康复时期的状态得分。

优选的，所述根据患者术前的心电图数据获取患者的心电散点图，包括：

对患者术前的心电图数据进行R波检测，计算相邻两个R波之间的时间间隔，根据相邻R波间的时间间隔构建洛伦兹散点图，将洛伦兹散点图作为患者的心电散点图。

优选的，所述根据心电散点图中数据点的分布获取各投影点及各投影点集合，包括：

针对患者的心电散点图，将位于所述心电散点图对应二维坐标中直线上的散点作为投影点，计算各投影点到所述二维坐标的原点的距离，标记到所述二维坐标的原点的距离的最大值与最小值，将所述直线/>上的所述最大值与最小值之间等分为多个区间，将各区间内包含的所有投影点作为各投影点集合，并按投影点集合所在位置与原点的距离将各投影点集合进行排序，得到各投影点集合的序号。

优选的，所述根据投影点及投影点集合的分布得到心电散点图的分布调节因数，表达式为：

预设第一常数调节因子和第二常数调节因子，统计投影点集合中包含散点数量的最大值与最小值，记为第一最大值与第一最小值，计算第一常数调节因子与所述第一最大值对应的投影点集合的序号的差值，将所述差值作为以自然常数为底数的指数函数的指数，计算所述指数函数的计算结果与所述第一最大值的乘积，记为第一乘积，计算所述第一最小值对应的投影点集合的序号与第二常数调节因子的差值，记为第一差值，将所述第一差值作为以自然常数为底数的指数函数的指数，记为第一指数函数，计算所述第一指数函数的计算结果与所述第一最小值的乘积，记为第二乘积，将第一乘积与第二乘积的差值作为心电散点图的分布调节因数。

优选的，所述根据心电散点图的分布调节因数得到心电散点图的散点分布系数，包括：

针对患者的心电散点图，计算各散点到所述心电散点图对应二维坐标中直线上的投影距离，将所有散点的投影距离作为投影距离集合；

将各投影点集合中的投影点数量按投影点集合的序号进行排列得到投影点数量序列，计算投影点数量序列的一阶差分序列，心电散点图的散点分布系数的表达式为：

式中，表示心电散点图的散点分布系数，/>表示取最大值函数，/>表示心电散点图中所有散点的投影距离集合，/>表示心电散点图的分布调节因数，/>表示第三常数调节因子，/>表示心电散点图中投影点集合的数量，/>表示一阶差分序列中的第/>个元素，表示一阶差分序列中所有元素的均值，/>表示求绝对值函数。

优选的，所述结合聚类算法及心电散点图的散点分布系数得到患者术前心电图数据的分散度系数，包括：

利用密度峰值聚类算法获取心电散点图中聚类簇的个数，将聚类簇的个数与散点分布系数的乘积作为患者术前心电图数据的分散度系数。

优选的，所述根据分散度系数获取聚类算法中邻域半径的调节因子，包括：

预设患者术前心电图数据的采集次数，获取分散度系数序列，计算分散度系数序列的一阶差分序列，记为分散度一阶差分序列，计算分散度一阶差分序列的中位数与最小值的差值，记为第二差值，计算分散度一阶差分序列的最大值与中位数的差值，记为第三差值，将第二差值与第三差值的比值作为聚类算法中邻域半径的调节因子。

优选的，所述获取分散度系数序列，包括：

将各次采集的心电图数据的分散度系数按采集时间的先后进行排序作为分散度系数序列。

优选的，所述根据邻域半径的调节因子得到聚类算法的自适应邻域半径，表达式为：

式中，表示聚类算法的自适应邻域半径，/>表示患者术前心电图数据的采集次数，表示分散度一阶差分序列中的第/>个元素，/>表示聚类算法中邻域半径的调节因子。

优选的，所述结合患者术后的心电数据与利用自适应邻域半径得到的聚类结果得到患者康复时期的状态得分，包括：

利用自适应领域半径进行聚类，聚类算法的输入为分散度系数序列，输出为各聚类簇，患者康复时期的状态得分的表达式为：

式中，表示患者康复时期的状态得分，/>表示以自然常数为底数的指数函数，表示求绝对值函数，/>表示患者术后采集的心电图数据的分散度系数，/>表示聚类结果中最大聚类簇内所有分散度系数的均值，/>表示聚类结果中最大聚类簇内所有分散度系数的标准差。

本发明至少具有如下有益效果：

本发明将获取的心电图数据转为心电散点图，通过对心电散点图中散点的分布与散点最大投影距离计算心电散点图的散点分布系数，散点分布系数可以表现出心电散点图中散点的分布情况，当散点分布系数越大，证明散点的分布越不符合正常规律；根据散点分布系数计算妇科患者心电数据的分散度系数，分散度系数可以评估妇科患者心电图数据的得分；通过妇科患者心电数据的分散度系数计算出自适应邻域半径，通过自适应邻域半径对DBSCAN聚类算进行改进，利用改进的DBSCAN聚类算法对术前妇科患者心电数据的分散度系数进行聚类，进而获取妇科患者康复时期的状态得分，解决了传统妇科患者术后康复状态检测存在主观性、不一致性及缺乏客观指标的问题，本发明具有患者术后康复状态检测准确率高、可靠性强的有益效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例提供的用于患者术后康复的心电图分析方法的步骤流程图；

图2为康复状态检测指标获取流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的用于患者术后康复的心电图分析方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的用于患者术后康复的心电图分析方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的用于患者术后康复的心电图分析方法的步骤流程图，该方法包括以下步骤：

步骤S001，采集妇科患者的术前心电图数据，并进行预处理。

利用十二导联方法采集妇科患者术前的心电图数据。本实施例中每一次采集时间为5分钟，时间间隔为30分钟，总共采集的次数为20次，其中采集时间、时间间隔、采集次数实施者可根据实际情况自行设定，本实施例对此不做限制。

利用低通滤波器对每次采集的心电图数据进行去噪，其中实施者可自行选择其他去噪方法，本实施例对此不做限制。

步骤S002，将心电图数据转为心电散点图，根据心电散点图中散点的分布计算心电散点图的散点分布系数；计算患者术前心电图数据的分散度系数；获取自适应邻域半径。

具体的，本实施例将采集患者术前的心电数据，利用心电数据获取心电散点图，获取心电散点图的分布调节因数，根据分布调节因数得到心电散点图的散点分布系数，从而得到患者心电数据的分散度系数，获取聚类算法的自适应邻域半径，重新采集患者术后的心电数据，结合聚类算法计算患者康复时期的状态得分，康复状态检测指标获取流程图如图2所示。患者康复时期的状态得分的构建过程具体为：

针对每一次采集的心电图数据，计算相邻两个R波之间的时间间隔，构建洛伦兹散点图，将洛伦兹散点图作为患者的心电散点图，其中洛伦兹散点图的获取过程为现有公知技术，本实施例在此不做详细赘述。

正常的情况下心电散点图的分布应该是所有散点集中分布在直线的两侧，然后按照与原点距离的远近先少量后大量，呈现出锥状的形状，如果患者出现心率不齐、心率过快或过慢等情况，心电散点图中的散点会呈现出不规则的分布模式。因此分析患者的心电散点图能够对患者的健康状况提供参考。

计算心电散点图中每一个散点到直线的投影距离，记为/>，将所有散点的投影距离记为投影距离集合/>，将分布在直线/>上的散点作为投影点，计算每一个投影点到原点的距离/>，选择所有/>数据中的最大值与最小值，将最大值与最小值之间的距离平均分成A个区间，本实施例中/>，实施者可根据实际情况自行设定，本实施例对此不做限制。统计每个区间中投影点的数量，将各区间内包含的所有投影点作为各投影点集合，并按投影点集合所在位置与原点的距离将各投影点集合进行排序，得到各投影点集合的序号，将排序后各投影点集合包含的投影点数量记为/>，投影点数量序列表示为，计算投影点数量序列/>的一阶差分序列，记为/>。将投影点数量序列中的最大值记为第一最大值，将投影点数量序列中的最小值记为第一最小值。

根据上述分析构建心电散点图的散点分布系数，具体表达式为：

式中，表示心电散点图的分布调节因数，/>为第一常数调节因子，/>为第二常数调节因子，/>表示第三常数调节因子，本实施例中/>，/>，实施者可根据实际情况自行设定，本实施例对此不做限制；/>表示取最大值函数，/>表示取最小值函数，/>表示包含最多投影点的投影点集合的序号，/>表示包含最少投影点的投影点集合的序号；表示以自然常数为底数的指数函数；将/>记为第一乘积，记为第二乘积，/>记为第一差值，/>记为第一指数函数；

表示心电散点图的散点分布系数，/>表示心电散点图中所有散点的投影距离集合，/>表示心电散点图的分布调节因数，/>表示心电散点图中投影点集合的数量，/>表示一阶差分序列中的第/>个元素，/>表示一阶差分序列中所有元素的均值，/>表示求绝对值函数。

正常情况下，患者心电散点图的投影点集合中投影点的数量，最大的应该在最后一个区间，最小的应该在第一个区间，即与/>的值等于0。表示心电散点图的分布符合先细后粗的形状。因此当心电散点图的分布调节因数/>越大，证明各区间数据分布的越分散。当区间数据分布的越分散，一阶差分序列/>中任一元素与所有元素的均值相差越大，即/>越大，最大的散点投影距离/>的值越大，使得心电散点图的散点分布系数/>的值越大，证明心电散点图分布越分散，心电散点图越可能出现问题。

正常患者的心电散点图中散点集中分布在一个区域，而非正常的患者可能存在两个或者两个以上的散点分布区域，因此患者的心电散点图中散点的分布区域也是评判患者心电数据的重要指标，因此对于心电散点图，获取每一个散点的第K邻近距离，即与每一个散点第K近的散点之间的欧式距离，本实施例中，实施者可根据实际情况自行设定，本实施例对此不做限制。通过对所有散点的第K邻近距离求均值，记为L。采用密度峰值聚类算法，将心电散点图中的散点作为输入，密度峰值聚类算法的截断距离为L，输出为各个聚类簇。将得到的聚类簇的数量记为k。其中，密度峰值聚类算法为现有公知技术，本实施例在此不做详细赘述，实施者可根据实际情况选择其他聚类算法，本实施例对此不做限制。

通过上述步骤计算患者术前心电图数据的分散度系数，表达式为：

式中，表示患者术前心电图数据的分散度系数；/>表示患者心电散点图中聚类簇的个数；/>表示心电散点图的散点分布系数。

当患者的心电散点图中散点分布的越分散，心电散点图的散点分布系数越大，使得患者术前心电图数据的分散度系数/>越大；散点分布的区域数量越多，密度峰值聚类的聚类簇数量k越大，患者术前心电图数据的分散度系数/>越大。

采用DBSCAN聚类算法对心电图数据的分散度系数进行聚类，利用聚类结果剔除异常数据，由于患者术前、术后的心电图数据会存在差异，因此若采用相同的邻域半径将使得DBSCAN算法的聚类结果有较大误差。

本实施例中针对患者术前总共采集了20次心电图数据，每次采集的心电图数据均能够计算得到一个分散度系数，因此，将各次采集的心电图数据的分散度系数按采集时间的先后进行排序，得到分散度系数序列，计算分散度系数序列的一阶差分序列，记为分散度一阶差分序列，根据上述分析，构建DBSCAN聚类算法的自适应邻域半径，表达式为：

式中，表示邻域半径的调节因子，/>表示分散度一阶差分序列，/>表示取中位数函数，/>表示取最大值函数，/>表示取最小值函数；将记为第二差值，/>记为第三差值；

表示聚类算法的自适应邻域半径，/>表示患者术前心电图数据的采集次数，/>表示分散度一阶差分序列中的第/>个元素，/>表示聚类算法中邻域半径的调节因子。

当患者术前心电图数据的分散度系数分布越分散，计算分散度一阶差分序列中所有元素的均值/>越大，使得计算的自适应邻域半径/>的值越大。

通过使用自适应邻域半径对DBSCAN算法的邻域半径进行改进，利用自适应领域半径进行聚类，DBSCAN聚类算法的输入为分散度系数序列，输出为各聚类簇。

步骤S003，计算妇科患者康复时期的状态得分。

针对DBSCAN聚类算法的输出结果，选取包含元素个数最多的聚类簇，同样通过十二导联方法进行采集妇科患者术后的心电图数据，采用和患者术前心电图数据的分散度系数同样的计算方法计算患者术后心电图数据的分散度系数，构建患者康复时期的状态得分，具体表达式为：

式中，表示患者康复时期的状态得分，/>表示以自然常数为底数的指数函数，表示求绝对值函数，/>表示患者术后采集的心电图数据的分散度系数，/>表示聚类结果中最大聚类簇内所有分散度系数的均值，/>表示聚类结果中最大聚类簇内所有分散度系数的标准差。

得到患者康复时期的状态得分后，提供给医生专家，作为医生专家对患者康复状态检测的参考依据。至此，根据本实施例上述方法可实现对患者术后康复状态检测的心电图数据处理，提高了患者的心电图数据的准确性与全面性。

综上所述，本发明实施例解决了传统妇科患者术后康复状态检测存在主观性、不一致性及缺乏客观指标的问题，通过分析妇科患者术前、术后心电图数据的特征，得到妇科患者康复时期的状态得分，提高了妇科患者术后康复状态检测的准确率。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.用于患者术后康复的心电图分析方法，其特征在于，该方法包括以下步骤：

采集患者术前、术后的心电图数据；

根据患者术前的心电图数据获取患者的心电散点图，根据心电散点图中数据点的分布获取各投影点及各投影点集合；

根据投影点及投影点集合的分布得到心电散点图的分布调节因数，根据心电散点图的分布调节因数得到心电散点图的散点分布系数；

结合聚类算法及心电散点图的散点分布系数得到患者术前心电图数据的分散度系数，根据分散度系数获取聚类算法中邻域半径的调节因子；

根据邻域半径的调节因子得到聚类算法的自适应邻域半径，结合患者术后的心电图数据与利用自适应邻域半径得到的聚类结果得到患者康复时期的状态得分。

2.根据权利要求1所述的用于患者术后康复的心电图分析方法，其特征在于，所述根据患者术前的心电图数据获取患者的心电散点图，包括：

对患者术前的心电图数据进行R波检测，计算相邻两个R波之间的时间间隔，根据相邻R波间的时间间隔构建洛伦兹散点图，将洛伦兹散点图作为患者的心电散点图。

3.根据权利要求1所述的用于患者术后康复的心电图分析方法，其特征在于，所述根据心电散点图中数据点的分布获取各投影点及各投影点集合，包括：

针对患者的心电散点图，将位于所述心电散点图对应二维坐标中直线上的散点作为投影点，计算各投影点到所述二维坐标的原点的距离，标记到所述二维坐标的原点的距离的最大值与最小值，将所述直线/>上的所述最大值与最小值之间等分为多个区间，将各区间内包含的所有投影点作为各投影点集合，并按投影点集合所在位置与原点的距离将各投影点集合进行排序，得到各投影点集合的序号。

4.根据权利要求3所述的用于患者术后康复的心电图分析方法，其特征在于，所述根据投影点及投影点集合的分布得到心电散点图的分布调节因数，包括：

预设第一常数调节因子和第二常数调节因子，统计投影点集合中包含散点数量的最大值与最小值，记为第一最大值与第一最小值，计算第一常数调节因子与所述第一最大值对应的投影点集合的序号的差值，将所述差值作为以自然常数为底数的指数函数的指数，计算所述指数函数的计算结果与所述第一最大值的乘积，记为第一乘积，计算所述第一最小值对应的投影点集合的序号与第二常数调节因子的差值，记为第一差值，将所述第一差值作为以自然常数为底数的指数函数的指数，记为第一指数函数，计算所述第一指数函数的计算结果与所述第一最小值的乘积，记为第二乘积，将第一乘积与第二乘积的差值作为心电散点图的分布调节因数。

5.根据权利要求3所述的用于患者术后康复的心电图分析方法，其特征在于，所述根据心电散点图的分布调节因数得到心电散点图的散点分布系数，包括：

针对患者的心电散点图，计算各散点到所述心电散点图对应二维坐标中直线上的投影距离，将所有散点的投影距离作为投影距离集合；

将各投影点集合中的投影点数量按投影点集合的序号进行排列得到投影点数量序列，计算投影点数量序列的一阶差分序列，心电散点图的散点分布系数的表达式为：

式中，表示心电散点图的散点分布系数，/>表示取最大值函数，/>表示心电散点图中所有散点的投影距离集合，/>表示心电散点图的分布调节因数，/>表示第三常数调节因子，/>表示心电散点图中投影点集合的数量，/>表示一阶差分序列中的第/>个元素，/>表示一阶差分序列中所有元素的均值，/>表示求绝对值函数。

6.根据权利要求1所述的用于患者术后康复的心电图分析方法，其特征在于，所述结合聚类算法及心电散点图的散点分布系数得到患者术前心电图数据的分散度系数，包括：

利用密度峰值聚类算法获取心电散点图中聚类簇的个数，将聚类簇的个数与散点分布系数的乘积作为患者术前心电图数据的分散度系数。

7.根据权利要求1所述的用于患者术后康复的心电图分析方法，其特征在于，所述根据分散度系数获取聚类算法中邻域半径的调节因子，包括：

预设患者术前心电图数据的采集次数，获取分散度系数序列，计算分散度系数序列的一阶差分序列，记为分散度一阶差分序列，计算分散度一阶差分序列的中位数与最小值的差值，记为第二差值，计算分散度一阶差分序列的最大值与中位数的差值，记为第三差值，将第二差值与第三差值的比值作为聚类算法中邻域半径的调节因子。

8.根据权利要求7所述的用于患者术后康复的心电图分析方法，其特征在于，所述获取分散度系数序列，包括：

将各次采集的心电图数据的分散度系数按采集时间的先后进行排序作为分散度系数序列。

9.根据权利要求7所述的用于患者术后康复的心电图分析方法，其特征在于，所述根据邻域半径的调节因子得到聚类算法的自适应邻域半径，表达式为：

式中，表示聚类算法的自适应邻域半径，/>表示患者术前心电图数据的采集次数，/>表示分散度一阶差分序列中的第/>个元素，/>表示聚类算法中邻域半径的调节因子。

10.根据权利要求7所述的用于患者术后康复的心电图分析方法，其特征在于，所述结合患者术后的心电数据与利用自适应邻域半径得到的聚类结果得到患者康复时期的状态得分，包括：

利用自适应领域半径进行聚类，聚类算法的输入为分散度系数序列，输出为各聚类簇，患者康复时期的状态得分的表达式为：

式中，表示患者康复时期的状态得分，/>表示以自然常数为底数的指数函数，/>表示求绝对值函数，/>表示患者术后采集的心电图数据的分散度系数，/>表示聚类结果中最大聚类簇内所有分散度系数的均值，/>表示聚类结果中最大聚类簇内所有分散度系数的标准差。/>