CN1189320A - 快速确定心电图波形形态的方法和系统 - Google Patents

快速确定心电图波形形态的方法和系统 Download PDF

Info

Publication number
CN1189320A
CN1189320A CN97122655A CN97122655A CN1189320A CN 1189320 A CN1189320 A CN 1189320A CN 97122655 A CN97122655 A CN 97122655A CN 97122655 A CN97122655 A CN 97122655A CN 1189320 A CN1189320 A CN 1189320A
Authority
CN
China
Prior art keywords
electrocardiographic wave
template
data
collected
patient
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
Application number
CN97122655A
Other languages
English (en)
Inventor
文力邝
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.)
Koninklijke Philips NV
Original Assignee
Hewlett Packard Co
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 Hewlett Packard Co filed Critical Hewlett Packard Co
Priority to CN97122655A priority Critical patent/CN1189320A/zh
Publication of CN1189320A publication Critical patent/CN1189320A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

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

Abstract

本发明涉及一种用于提供改进的基于心电图数据的心脏功能自动诊断的方法和系统,该方法包括步骤:收集(42;52)一个或多个已知的表示所关心心脏工况的心电图波形模板;选取(42,43,53,54,56,57,59,61,63)部分所说的所收集到的一个或多个心电图波形模板,从所说的所选选取的部分所收集的一个或多个心电图波形模板中通过从中只抽取预定的点来产生(48,50,51)一个或多个简化数据的心电图波形模板,以及通过对所产生的一个或多个简化数据的心电图波形模板和患者的心电图波形数据进行相关来诊断(52,53,54,56)患者的心脏功能。

Description

快速确定心电图波形 形态的方法和系统
本发明总的涉及一种改进的提供心脏功能自动诊断的方法和系统,具体而言,本发明涉及一种改进的提供心脏功能自动诊断的方法和系统,它能够以计算强度比以前小得多的方式进行这种诊断。更具体而言,本发明涉及一种改进的提供心脏功能自动诊断的方法和系统,它能够以计算强度比以前小得多的方式进行这种诊断,通过从诊断的心电图波形模板中只提取进行准确诊断所需的数据,并用所得到的简化数据的心电图波形模板来进行诊断。
本发明对根据患者心电图波形数据自动诊断心脏功能的现有技术的方法和系统作出了改进。这种改进体现在以计算上有效得多的方式进行自动诊断的方法和系统中。在现有技术的已有的方法和系统中,自动诊断是通过使患者心电图数据和完全保真的波形模板互相关来进行的。本发明在现有技术上的改进之处在于它提出了一种创新的产生和应用简化数据的波形模板的方法,从而使自动诊断能够以计算上有效得多的方式进行,所述的方式可以使这种自动诊断在速度上提高了一个数量级。
现有技术和本发明都利用了来自用于监测心脏功能的,称之为心电图机的装置的一些特殊的电信号。为了理解如何利用这些特殊的电信号,有助于对心电图机以及这些特殊的电信号代表什么有一个基本的了解。因此,为了有助于了解心电图机,以下讨论就几个方面作简要地说明:(1)心脏的电化学和机械运行,(2)心脏的电化学运行如何转换成电能,然后通过心电图把所述的电能用于以图像地表示心脏的机械运行,(3)如何从心电图机引出一些特定的电信号(或“导联”)。
心脏的电化学激活先于引起心脏的机械作用(即激活电势的传播)。有一种装置可把心脏的电化学的激活转换成一种人眼可视的形式:心电图机,它产生心脏电化学激活的可视表示。这种可视表示称作心电图(EKG)。
在EKG使用过程中,电极附着到人体表面。电极经过特别处理,使电极中的电荷载流子(电子)经过电化学交换和人体中的电荷载流子(离子)相互联系。附着到人体表面上的电极使人体内的电压变化在适当的放大信号后能记录。EKG机中的电流计用作记录仪器。电流计记录两个电极间的电势差。EKG只不过是记录人体表面上两个电极之间作为时间函数的电势差,并通常记录在条带纸带上。当心脏处于静止,扩张状态时,心脏细胞被极化,没有电荷移动发生。因而EKG的电流计没有记录到任何偏转。不过,当心脏开始传播激活电势时,电流计将偏转,因为下面有退极化发生的电极将记录心脏还没有被退极化的人体区域的电势差。
一个完整的心脏循环称作一次心搏。在EKG上,正常的心搏具有一个可区分的信号。首先,电流计记下一较短持续期的拱圆形正偏移(称作P波),这被认为是由心房退极化引起的。接下来有一个小但尖锐的负偏移(称作Q波)。接着是一个非常大且尖锐的正偏移(称作R波),这之后是一个大且尖锐的负偏移(称作S波)。这些波结合在一起称作QRS复合波。QRS复合波被认为是由心室退极化引起的。在QRS复合波之后是一个持续期较长的拱圆形正偏移(移作T波),这被认为是由心室再次极化引起的。
实际上EKG使用多套电极,不过这些电极在人体表面上是如此安排的使所接收到的信号具有和刚才描述的相似的形状。众所周知,双极的电极对一般位于患者的右臂(RA),左臂(LA)、右腿(RL)(通常作为参照标准)和左腿(LL)。正确定位的单极电极表示为V导联,并按规定惯例从解剖学角度置于患者胸部。在心脏监视和诊断时,出现在两个这样的电极之间或者在一个电极和其它电极组的平均值之间的电压差代表心脏的电激活的一个特定方面,一般称为EKG。电极的特定组合称为导联。例如,在标准十二导联心电图系统中可能采用的引线有:
导联I=(LA-RA)
导联II=(LL-RA)
导联III=(LL-LA)
导联V1=V1-(LA+RA+LL)/3
导联V2=V2-(LA+RA+LL)/3
导联V3=V3-(LA+RA+LL)/3
导联V4=V4-(LA+RA+LL)/3
导联V5=V5-(LA+RA+LL)/3
导联V6=V6-(LA+RA+LL)/3
导联aVF=LL-(LA+RA)/2
导联aVR=RA-(LA+LL)/2
导联aVL=LA-(RA+LL)/2因此,尽管术语“导联”看起来似乎是指物理导线,实际上在心电图学中该术语的含义是从某一如上所示的电极配置中取得的电信号。
多年以来,保健专家建立了一套人体知识,从中他们弄清了EKG与不同疾病和心脏缺陷配位的变化和数据。这种配位过程称为心电图术。
业已制造出来使许多传统上由心电图专家人工完成的功能自动化的机器。工程师已能够用制造这些机器的最常用的方法之一是通过使用一个或多个波形模板来近似心脏科专家的人工诊断。一个或多个波形模板通常是预先存储的、表示某些所关心的心脏工况的波形模板。
这些模板典型地按下述方式使用。首先,多导联心电图描记器机附着在一个特定的患者身上,并开始记录心电图。其次,从一个或多个导联获得EKG波形。接着。一个或多个表示某些所关心的心脏工况的波形模板和患者的存储波形互相关。波形模板通过使波形模板在收到的波形上“扫描”,并保持如何良好的与患者的EKG波形相交的波形模板的跟踪,使之与患者的EKG波形互相关。如果确定基模板和所收到的患者数据互相关性很好,然后确定患者具有和模板有关的心脏工况。
这种用于自动诊断的相关技术效果很好,但是计算量很大。也就是说,为了保证最突出的数据不被无意间排除开,模板和波形一般都以尽可能高的速率采样(即,因为模板中什么数据真正表示所关心的心脏工况不是很明显,所以标准技术要保留尽可能多的数据,这样进行诊断所需要的无论什么样的数据都仍然包含在波形中)。不幸的是,尽管这可能产生准确的诊断,但也包含了大量多余的数据,这大大增加了额外计算量。
因此,对本发明的需要性很明显:一种能够从波形模板中抽取进行准确诊断所需的数据,并放弃那些准确诊断不需要的数据,从而能够以小得多的计算强度以及快得多的速度进行准确诊断的方法和系统。
因此,本发明的一个目的是提供一种改进的提供心脏功能自动诊断的方法和系统。
本发明的另一个目的是提供一种改进的能提供心脏功能自动诊断的方法和系统,它能够以计算强度比以前小得多的方式进行这种诊断。
本发明还有一个目的是提供一种改进的提供心脏功能自动诊断的方法和系统,通过从诊断的心电图波形模板中只提取进行准确诊断所需的数据,并用所得到的简化数据的心电图波形模板进行诊断,它能够以计算强度比以前小得多的方式进行这种诊断。
现在描述实现上述目的。一种用于提供改进的心脏功能自动诊断的方法和系统现已以计算强度比以前小得多的方式完成。该方法和系统的目的通过以下步骤实现,首先,收集已知表示所关心的心脏工况的波形模板。第二,用一种数据压缩算法从收集到的波形中只提取那些实际上对模板有关的状况进行准确诊断很关键的数据;所得到的数据用来构成表示为简化数据心电图波形模板的波形。第三,然后把简化数据的心电图波形模板和患者的心电图波形互相关,并根据互相关的结果作出诊断。
本发明的上述目的及其他目的、特性和优点在以下详细描述中会变得更清楚。
本发明的新特性确认的特征示于所附权利要求书中。不过,本发明本身,以及优选的使用模式的进一步的目的及其优点,通过参照下面结合附图与所示的实施例的详细说明将得到最好的理解,其中:
图1是描述本发明的方法和流程的高水平逻辑流程图;
图2是相对于完全保真的心电图波形如何查看简化数据的心电图波形模板的概念性示例图;
图2A-E示出当沿着患者的心电图波形数据时移时如何查看简化数据的心电图波形模板;
图3是描述用于产生数据点被抽取的过程的方法和流程的高水平逻辑流程图;
图4图示出实现本发明的系统的高水平示意图。
下面的说明描述了一种利用在患者心电图数据中出现的波形并据其工作的方法和系统。完成所有这些讨论基于这样的事实:当做心电图时,一般有十二个导联(电信号),在这些导联中将出现一些类型的表示患者心脏功能的电子信号。而且,在连续心搏中,连续的心搏波形将出现在每个导联内。
为了避免混乱,下面的讨论对于一个导联来说明本发明的方法和系统。必须理解,在优选实施方案中,本发明的方法和系统可同时应用于一个或多个心电图导联。另外,下面的讨论是基于一个波形来说明如何诊断,但是,必须理解,诊断当然可以对在每个导联内以连续方式出现的一些或所有心电图波形重复进行。
现在参照附图,特别是参照图1,可以看到图1是描述本发明的方法和处理的高水平逻辑示意图。方法步骤40说明处理开始。方法步骤42示出了收集的一个或多个表示所关心的心脏工况的心电图波形模板。在优选实施方案中,实际上所收集到的是按时间以离散状态的心电图波形数据值,不过时间采样如此之快,以致于在更概念性场合中,按时间采样的波形可看作“似乎”是模拟形式的波形并以此讨论。因此,以下大多数讨论把离散采样的波形作为“似乎”是模拟的处理,但应该理解,这样做只是为了使概念清楚,因为实际上要处理的不是模拟波形,而是其离散地按时间采样的形式。
然后,所收集到的一个或多个波形被指定为所收集到的表示一种或多种所关心的心脏工况的心电图波形模板。在优选实施方案中,所关心的工况通过把所收集到的波形与预先存储的表示这些工况的参照模板比较确定患者的心搏是否变得不规律,但也可想到,这些波形能被扫描以检测其他工况,比如急性心肌梗塞。
方法步骤44说明在每个所收集的表示一种或多种所关心的心脏工况的心电图波形模板中选取一个或多个所关心部分的处理过程。在优选实施方案中,选取的所关心部分是构成QRST复合波的那些部分。
方法步骤48表示在每个所收集的心电图波形模板中所选取的一个或多个所关心部分内抽取一个或多个点。在优选实施方案中,这些点是从时间上连续的QRST复合波的独立的时间近似值中提取的,但也可以想到,这些点能够从在每个所收集的心电图波形模板中另外选取的一个或多个所关心部分的时间采样形式中抽取。方法步骤48的抽取由用于抽取的处理过程来进行,在优选实施方案中,抽取是一种改进的FAN数据压缩算法。FAN数据压缩算法对本领域技术人员是熟知的。FAN数据压缩算法从完全保真的波形中抽取一组离散的数据点,然后这些点用于产生原始的完全保真波形的复制波形。在优选实施方案中使用的抽取过程是改进的FAN数据压缩算法,从而由FAN数据压缩算法抽取的离散的数据点可被保留下来。
方法步骤50描述了由方法步骤48的抽取点产生一个或多个简化数据的心电图波形模板。这种简化数据的心电图波形模板通常看起来象点到点轨迹线,如图2中的星号101所示。这种点到点轨迹线仍可产生准确诊断的原因是在方法步骤48中所用的抽取点的过程被精心设计,使得抽取的点或保留数据正是进行准确诊断所需要的。方法步骤51示出把所产生的一个或多个简化数据心电图波形模板和选取的所关心部分两者以联合的方式存储在存储器中,其中产生所产生的一个或多个简化数据心电图波形模板。换句话说,这一步骤使人们能在存储的简化数据的模板和存储的所选择的心电图波形的部分之间保持逻辑联系,这被用来产生每个所存储的简化数据模板。
在所产生的一个或多个简化数据的心电图波形模板和所选取的在每个波形中的所关心的部分存储后,从中产生简化数据的模板并存储,(即在方法步骤51完成后),方法步骤51A显示进入等待状态。
在方法步骤40~51A进行的同时,处理开始并接着方法步骤58继续。方法步骤58描述了处理的第二分支的开始。方法步骤52描述了从患者的心电图波形数据中获得至少一个心电图波形代表。方法步骤53示出从内存中调用在方法步骤50中形成并在方法步骤51中存储在内存中的简化数据的心电图波形模板。方法步骤54示出接下来使患者的心电图波形数据中的至少一个心电图波形代表和在方法步骤53中调用的一个或多个简化数据的心电图波形模板相关。
在优选的实施方案中,方法步骤54中一个或多个简化数据的心电图波形模板和患者波形的相关操作是通过使用称作“差分面积”(areaof difference)的技术来进行的。在所用的“差分面积”技术中进行的是在方法步骤53调用的一个或多个简化数据的心电图波形模板沿着波形被分离时移。在每一次时移后,对应于一些时间点的患者的数据波形的值(其中,在所述的这些时间点上,数据在相关的简化数据的心电图波形模板中存在)从在这些相同的时间点上的简化数据的心电图波形模板的数值中减去,将这些相减的结果求和,然后将所得的和除以参与减法的数据点的总数。由此,如果模板和所截取的波形完全相符,其和应为零(因为在完全相符时每次相减都得到零)。当模板沿着患者数据波形时移时,连续的差分面积计算结果的记录将作为模板沿患者数据波形的时移保留,且所保持的最小差分面积结果是表示得到了最好的拟合(因为差分面积结果越小,拟合就越好)。对在方法步骤53中从内存调用的一个或多个简化数据的心电图波形模板的每一个都进行这种相关操作,而且对一个或多个简化数据的心电图波形模板的每一个进行这些相关操作的结果送到方法步骤56。
方法步骤56表示根据患者波形数据和一个或多个简化数据的心电图波形模板的相关性如何来诊断患者的心脏功能。该诊断基于一个或多个简化数据的心电图波形模板和患者的波形数据的相关性如何。产生诊断所需的相关程度是可由编程者设置的可变参数(在优选实施方案中,其值等于或好于0.35被认为是“好”的相关性)。
在对所研究的心搏进行诊断以后(即在方法步骤56完成以后),处理的一个分支回到方法步骤58,以重复方式继续进行。
在刚提到的重复进程的同时,在对所研究的心搏进行诊断以后(即在方法步骤56完成以后),处理的第二个分支接着有一个判断框,如方法步骤57所示。方法步骤57询问从患者得到的至少一个波形和调用的一个或多个简化数据的心电图波形模板的相关性是否很好。
如果对方法步骤57中询问的问题回答是,那么方法步骤52所得到的患者波形被用来计算一个新的平均波形,由此产生一个新的简化数据的心电图波形模板。方法步骤59示出从所得到的患者波形中选取所关心的部分,在优选实施方案中,它是QRST复合波。方法步骤61示出调用以前存储的(方法步骤51)、在每个心电图波形模板中选取的所关心部分,这用来产生和所得到的患者波形相关性最好的简化数据模板,在优选实施方案中调用的是在方法步骤51中存储的所选QRST复合波。方法步骤63描述了利用调用的所选取部分和从所得到的患者波形中所选取的所关心部分来计算平均波形。在优选实施方案中,在这一步骤中计算的是利用所调用的QRST复合波以及从所得到的患者波形中新选取的QRST复合波而得到的平均波形。在产生这一平均波形后就转到方法步骤48,在此它(方法步骤63新计算的平均波形)用于在方法步骤50中产生新的简化数据的心电图波形模板。然后处理继续正常进行,除了当到达方法步骤51时,新产生的简化数据的心电图波形模板覆盖并取代先前产生的,在方法步骤61中调用的这些选取部分的简化数据的心电图波形模板,而且新选取的波形部分(方法步骤59)以及调用的以前存储的选取部分(方法步骤61)与新产生的简化数据的心电图波形模板结合存储。
方法步骤63示出利用在每个所收集的心电图波形模板中选取的一个或多个所关心部分来产生平均波形。应该明白,方法步骤63存在于优选实施方案中,但这一步骤在本发明中却是可任选的。给出了利用在方法步骤61中调用的每个QRST复合波以及从所得到的患者波形中选取的QRST复合波来产生“平均”QRST复合波的运算。在优选实施方案中有两种方法计算这种平均:直接平均和α配平(alpha trimming)。不过,在两种平均方式中都需要把所有波形放在同一时间基线上以便进行平均。有多种方法可把波形放在同一时间基线上,但在优选实施方案中它对于每个所选波形通过确定P-R段(在P波结束和Q波开始之间比较平的一段),然后通过保证使每个波的P-R段出现在时间基线的同一时间上使所有波形相对于它们的P-R段对准。波形是如此对准,选取一个参照点(如t=0),记录下每个波形沿基线不同时间的数值,(如在t=20ms,40ms,60ms等的波形值)。一旦这些数值已如此确定以后,就可以进行直接平均或者α配平。按直接平均,在每个时间间隔的波形值简单地求和,并除以被平均的波形数,就产生了在每个采样时间的平均值。按α配平,基本上进行相同的工作,除了在每个时间采样点波形值从最低到最高进行排序,和抛弃一些离得远的数值(如上面的20%和下面的20%),然后剩下的波形值被平均。以上描述了获得平均波形的一种方法,但众所周知,在现有技术中的许多其他平均方式也是可行的。一旦已完成了平均,在每个时间采样处都存在平均值,于是可用作连续时间波形的离散时间近似值(即在优选实施方案中,不进行曲线拟合或插值,而是“照原样”使用离散时间近似值)。
在优选实施方案中,所选择的波形的部分是构成QRST复合波的这些部分。因此,平均运算对连续时间的平均QRST复合波产生离散时间近似值。
如果对方法步骤57中询问的问题回答不,那么所得到的患者波形用来计算新的简化数据的心电图波形模板。这是把所得到的患者波形转到方法步骤44完成,其中所得到的患者波形被处理为收集到的心电图波形模板。然后处理从该点照常继续进行。
现在参照图2,该图概念性地说明如何按照与完全保真的心电图波形102查看简化数据的心电图波形模板(图2A-E中的标号100),所述的模板由从完全保真的心电图波形102中提取。在图2中,从完全保真的波形102中抽取以形成简化数据的心电图波形模板的关键点表示为星号101。从图2的图示中可以看出,简化数据的心电图波形模板(图2A-E中的100)将由从完全保真的心电图波形102中抽取的点组成。
现参照图2A-E,该图说明当沿着患者的心电图波形数据产生时移时,如何查看简化数据的心电图波形模板。图2A-E是一系列的说明,表示一个简化数据的心电图波形模板100(包括在图2中所示的星号107的集合,它表示形成简化数据的心电图波形模板的抽取点)如何沿着患者的波形数据102产生时移以获得相关信息;另外,尽管在图中所示的患者波形数据102看起来是模拟波形,但应当理解在优选实施方案中这是模拟波形的离散采样表示点,其离散采样时间间隔和已从离散采样波形获得的一个或多个简化数据的模板相同。图2A显示出在某一时间t1的简化数据的心电图波形模板100和患者的波形数据102,进行如上所讨论的在该时间的差分面积的计算并保存结果。图2B示出在某一时间t2的简化数据的心电图波形模板100和患者的波形数据102,再次进行如以上所讨论的在该时间的差分面积的计算并保存结果。图2C示出在某时间t3的简化数据的心电图波形模板100和患者的波形数据102,再次进行如上面所讨论的在该时间差分面积的计算并保存结果。图2D示出在某一时间t4的简化数据的心电图波形模板100和患者的波形数据102,再次进行如上面所讨论的在该时间的差分面积的计算并保存结果。图2E示出在某一时间t5的简化数据的心电图波形模板100和患者的波形数据102,再次进行如上面所讨论的在该时间的差分面积的计算并保存结果。可以看出,在时间t3简化数据的心电图波形模板100和患者的波形数据102之差实际上为零,因为这两个波形相关性很好。还可以看出,在时间t1,t2,t4以及t5,在简化数据的心电图波形模板100的数值和患者的波形数据102的数值之间存在着相当大的差异,所以差分面积的计算在这些时间产生比较大的数。因此,在这种情况下在方法步骤54中保留并送到方法步骤56的差分面积计算结果应是在t3得到的结果,如以上所讨论的,因为这应是最小的数,从而表示是简化数据的心电图波形模板100在扫过患者的波形数据102时具有最好的相关性。
另外,从图2可以看出,在实际上无限多的可能点中只有少量的点被保存在简化数据的心电图波形模板中。被保存的点是那些对所关心的心脏功能得到准确诊断所需的点。必须保存的点由抽取处理过程确定(在优选实施方案中,如上面讨论的,是改进的FAN数据压缩算法),这由在图3中描述的方法和处理产生。
现参照图3,可以看出图3是高水平的逻辑流程图,说明用于处理产生如在方法步骤48中提取数据的方法和步骤。方法步骤70描述了流程的开始。方法步骤72示出通过使用基于规律的处理从所关心的波形段中抽取一组点。方法步骤74表示出由所抽取点产生的简化数据的心电图波形模板。方法步骤76说明所形成的简化数据的心电图波形模板和已知的表示所关心的不同心脏工况的各种心电图波形相关性。方法步骤78示出确定相关性是否能够从其他工况中区别出某些所关心的心脏工况。如果所确定的相关性能够从其它心脏工况中区别出某些所关心的心脏工况(即具有对临床上有用的足够的灵敏性和选择性),因此,对于在方法步骤72中所使用的抽取的处理认为是可接受的,且这种抽取处理被保存下来以备在本发明中以后应用。但是,如果在方法步骤78中确定了相关性不足以用于区别,那么用于抽取处理所根据的规则应如方法步骤77所示的作出修改,然后重复方法步骤72~78。方法步骤79说明处理结束,它的出现,表明作为抽取的过程产生了足以从其他工况中区别出所关心的心脏工况的简化数据的波形模板。
现参照图4,该图示出实现本发明的系统的高水平的示意图。图4显示的系统为一套在计算机上运行的程序,但本领域的技术人员应该了解在这里作为软件描述的功能也能够用硬件或固件来实现。在图示的患者14身上附着多个心电图电极16,它们经过导电电缆18连接到EKG监视器20上。EKG监视器20产生EKG波形信号,然后传送到EKG前端21。EKG前端21的信号对EKG波形信号进行整理和滤波,然后A/D转换并输出离散采样的EKG波形流,为便于理解,只是简单地表示为EKG波形流23。
来自EKG波形流23的引导波形被传送到微处理器25,它正在运行快速确定EKG波形形态的软件模块27,在软件模块27中包含:用于在波形模板中选取所关心的部分的模块28,用于抽取数据点的模块22,用于产生简化数据的模板的模块29,使患者数据和简化数据的模板相关的模块24,用于诊断的模块26,以及产生新的数据模板的模块33。
来自EKG波形流23的引导波形被传送到用于在波形模板中选取所关心的部分的模块28。用于在波形模板中选取所关心的部分的模块28包含足以实现方法步骤44的程序。
一旦所关心的部分被选取,用于在波形模板中选取所关心部分的模块28把所选取的所关心的部分传到用于抽取数据点的模块22。用于抽取数据点的模块22包含足以实现和方法步骤48相同功能的程序。
一旦用于抽取数据点的模块22抽取出了合适的点,用于抽取数据点的模块22把这些点传到用于产生简化数据的模板的模块29,模块29包含足以从抽取点产生简化数据的模板的程序,然后记录,再存储每个这样的简化数据的波形模板,正如在方法步骤48~51中所产生的那样。
用于对患者数据和简化数据的模板进行相关的模块24接收EKG波形流23。用于对患者数据和简化数据的模板进行相关的模块24包含足以实现方法步骤58、53和54的程序。对于EKG波形流23中的每个连续波形,用于对患者数据和简化数据的模板进行相关的模块24向产生简化数据的模板的模块29查询目前存储在存储器中的简化数据的模板。在响应于这一查询,用于产生简化数据的模板的模块29把存储的简化数据的心电图波形模块传送到用于对患者数据和简化数据的模板进行相关的模块24,模块24包含足以实现方法步骤54的相关性的程序。一旦对每个从用于产生简化数据的模板的模块29接收到的简化数据的模板已经获取这种相关性,用于对患者数据和简化数据的模板进行相关的模块24把每种波形的相关结果传到用于诊断模块26,模块26包含足以实现方法步骤56以及从方法步骤56循环回到方法步骤58的程序。然后用于诊断的模块26把相关结果输出结果到显示现有心脏功能的装置32,该装置通过适当的装置显示现有心脏功能的情况,这种装置比如闪烁灯,蜂窝器或其他任何可能使用的报警装置。
和前面向显示现有心脏功能的装置32输出的同时,诊断模块26还把每个简化数据的心电图波形模板的相关结果传送到用于产生新数据模板的模块33。用于产生新数据模板的模块33包含足以实现方法步骤57、59、61和63的程序,而且根据对应于方法步骤57的判断框的程序步骤的结果,或者把所得到的患者波形输出到在波形模板中选取的所关心的部分的模块28,或者把新计算的所选取的波形部分的平均值输出到用于抽取数据点的模块22。在波形模板中选取的所关心的部分的模块28包含接收所得到的患者波形并执行方法步骤48-51的程序。用于抽取数据点的模块22包含的编程足以接收新计算的所选取的波形部分的平均值并以所述的改进方式执行方法步骤48-51,这时这些方法步骤如参照图1所讨论的接着方法步骤59,61和63执行。
尽管示意性实施方案已特别地示出并作出说明,本领域的技术人员应当理解可在其中进行形式和细节上的各种改动,而这些都没有脱离示意性实施方案的精神和范围。

Claims (10)

1.一种用于提供改进的基于心电图数据的心脏功能自动诊断的方法,该方法包括步骤:
收集(42;52)一个或多个已知的表示所关心心脏工况的心电图波形模板;
选取(42,43,53,54,56,57,59,61,63)部分所说的所收集到的一个或多个心电图波形模板,且所说的所选取的部分特别与所关心的心脏工况一致;
从所说的所选选取的部分所收集的一个或多个心电图波形模板中通过从所收集到的一个或多个心电图波形模板中只抽取预定的点来产生(48,50,51)一个或多个简化数据的心电图波形模板,以及
通过对所产生的一个或多个简化数据的心电图波形模板和患者的心电图波形数据进行相关来诊断(52,53,54,56)患者的心脏功能。
2.按照权利要求1所述的方法,其中所说的收集一个或多个已知的表示所关心心脏工况的心电图波形模板的步骤进一步包括:
从多个患者获得(42)心电图波形数据;
确定(42)在从多个患者所获得的心电图波形数据中的哪些特定的波形表示所关心的心脏工况;以及
收集作为所说的一个或多个已知的表示感兴趣的心脏工况的心电图波形模板的从多个患者的所说的心电图波形数据中被确定是表示所说的感兴趣的心脏工况的这些特定的波形。
3.按照权利要求1所述的方法,其中选取部分所说的所收集到的一个或多个心电图波形模板步骤进一步包括:
在所收集到的一个或多个心电图波形模板中识别(42,44;53,54,56,57)一个或多个关键性数据点,这样,所识别的一个或多个关键性数据点相对于存在的与所收集到的一个或多个心电图波形模板相联系的所说的所关心的心脏工况具有高鉴别能力;以及
响应于所说的识别步骤,选取(44;61,63)所说的所收集到的一个或多个心电图波形模板中包含有确定出的一个或多个关键性数据点的那些部分。
4.按照权利要求1所述的方法,其中从所说的所收集到的一个或多个心电图波形模板中所选取的部分通过所说的收集到的一个或多个心电图波形模板中所选取的部分只抽取预定点来产生一个或多个简化数据的心电图波形模板的步骤进一步包括:
在收集到的一个或多个心电图波形模板中所选取的部分中抽取(48;72,74,76,78)一个或多个点,使得,
所说的所抽取的一个或多个点能够与所说的所收集的一个或多个心电图波形模板中所说的所选取的部分一致地精确诊断所关心的所说的心脏工况;以及
由所说的所抽取的一个或多个点产生(50,51)一个或多个简化数据的心电图波形模板。
5.按照权利要求1所述的方法,其中通过使所产生的一个或多个简化数据的心电图波形模板和患者的心电图波形数据相关来诊断患者的心脏功能的步骤进一步包括:
从患者的心电图波形数据中取得(52)至少一个波形的代表;
使一个或多个简化数据的心电图波形模板和从患者的心电图波形数据中取得的至少一个波形的代表进行相关(53,54);以及
响应于所说的相关步骤的结果,诊断(56)患者的心脏功能。
6.一种用于提供改进的基于心电图数据的心脏功能自动诊断的系统,该系统包括:
用于收集一个或多个已知的表示所关心心脏工况的心电图波形模板的装置(16,18,20);
用于选取部分所说的所收集到的一个或多个心电图波形模板,且所说的所选取部分特别与所关心的心脏工况一致的装置(29);
用于从所说的所收集到的一个或多个心电图波形模板中通过从所说的选取的部分所说的所收集到的一个或多个心电图波形模板中只抽取预定的点产生一个或多个简化数据的心电图波形模板的装置(29);以及
用于通过使所产生的一个或多个简化数据的心电图波形模板和患者的心电图波形数据相关来诊断患者的心脏功能的装置(26)。
7.按照权利要求6所述的系统,其中用于收集一个或多个已知的表示所关心心脏工况的心电图波形模板的装置进一步包括:
用于从多个患者获得心电图波形数据的装置(16,18,20);
用于确定在从多个患者获得的心电图波形数据中的哪些特定的波形是表示所关心的心脏工况的装置(42);以及
用于收集(16,18,20)作为所说的一个或多个已知的表示所关心的心脏工况的心电图模板的、在来自多个病人的心电图波形数据中被确定是表示所说的所关心的心脏工况的这些特定波型的装置。
8.按照权利要求6所述的系统,其中用于选取部分的所说的所收集到的一个或多个心电图波形模板的装置进一步包括:
用于在所说的所收集到的一个或多个心电图波形模板中识别出一个或多个关键数据点的装置(28;16,18,20,21,24,26),这样,所说的所识别的一个或多个关键数据点相对于存在的与所说的所收集到的一个或多个心电图波形模板相联系的所关心心脏工况具有高鉴别能力;以及
响应于用于识别的所说的装置,用于选取(33)所说的所收集的一个或多个心电图波形模板中包含有所说的所识别的一个或多个关键数据点的这些部分的装置。
9.按照权利要求6所述的系统,其中用于从所说的所选取的部分所收集的一个或多个心电图波形模板中通过从所选取的部分所说的所收集的一个或多个心电图波形模板中只抽取预定点来产生一个或多个简化数据的心电图波形模板的装置进一步包括:
用于在所说的所选取的部分所说的所收集的一个或多个心电图波形模板中抽取一个或多个点的装置(22),使得所说的所抽取的一个或多个点能够与所说的所选取的部分所说的所收集的一个或多个心电图波形模板一致地精确诊断所说的所关心心脏工况;以及
用于从所说的所抽取的一个或多个点产生一个或多个简化数据的心电图波形模板的装置(29)。
10.按照权利要求6所述的系统,其中用于通过使所产生的一个或多个简化数据的心电图波形模板和患者的心电图波形数据相关来诊断患者的心脏功能的装置进一步包括:
用于从患者的心电图波形数据中取得至少一个波形的代表的装置(24);
用于使一个或多个简化数据的心电图波形模板和从患者的心电图波形数据中取得的至少一个波形的代表相关的装置(24);以及
响应于所说的用于相关的装置,用于诊断患者心脏功能的装置(26)。
CN97122655A 1997-01-31 1997-11-21 快速确定心电图波形形态的方法和系统 Pending CN1189320A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN97122655A CN1189320A (zh) 1997-01-31 1997-11-21 快速确定心电图波形形态的方法和系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN97122655A CN1189320A (zh) 1997-01-31 1997-11-21 快速确定心电图波形形态的方法和系统
US792604 2001-02-23

Publications (1)

Publication Number Publication Date
CN1189320A true CN1189320A (zh) 1998-08-05

Family

ID=5176870

Family Applications (1)

Application Number Title Priority Date Filing Date
CN97122655A Pending CN1189320A (zh) 1997-01-31 1997-11-21 快速确定心电图波形形态的方法和系统

Country Status (1)

Country Link
CN (1) CN1189320A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100342821C (zh) * 2002-08-01 2007-10-17 Ge医疗系统信息技术公司 用于实时显示滤波的心电图数据的方法和设备
CN101065059B (zh) * 2004-11-29 2010-10-13 卡梅伦保健公司 可植入心脏装置中的信号模板
CN103948387A (zh) * 2014-03-17 2014-07-30 浙江好络维物联网络技术有限公司 一种基于大数据实现异常心电模板的多态重构及优化方法
CN104866724A (zh) * 2015-05-26 2015-08-26 北京海思敏医疗技术有限公司 基于图像的心电分析方法及装置
CN105054925A (zh) * 2015-08-26 2015-11-18 深圳邦健生物医疗设备股份有限公司 特征点的获取及波形绘制
CN107928660A (zh) * 2017-10-25 2018-04-20 厦门传芯健康科技有限公司 一种基于心电图的健康预警系统
CN109843158A (zh) * 2016-07-13 2019-06-04 悦享趋势科技(北京)有限责任公司 判断脉搏波是否有效的方法及装置
CN110420022A (zh) * 2019-07-29 2019-11-08 浙江大学 一种基于双密度小波变换的p波检测方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100342821C (zh) * 2002-08-01 2007-10-17 Ge医疗系统信息技术公司 用于实时显示滤波的心电图数据的方法和设备
CN101065059B (zh) * 2004-11-29 2010-10-13 卡梅伦保健公司 可植入心脏装置中的信号模板
CN103948387A (zh) * 2014-03-17 2014-07-30 浙江好络维物联网络技术有限公司 一种基于大数据实现异常心电模板的多态重构及优化方法
CN103948387B (zh) * 2014-03-17 2016-01-20 浙江好络维物联网络技术有限公司 一种基于大数据实现异常心电模板的多态重构及优化方法
CN104866724A (zh) * 2015-05-26 2015-08-26 北京海思敏医疗技术有限公司 基于图像的心电分析方法及装置
CN105054925A (zh) * 2015-08-26 2015-11-18 深圳邦健生物医疗设备股份有限公司 特征点的获取及波形绘制
CN109843158A (zh) * 2016-07-13 2019-06-04 悦享趋势科技(北京)有限责任公司 判断脉搏波是否有效的方法及装置
CN107928660A (zh) * 2017-10-25 2018-04-20 厦门传芯健康科技有限公司 一种基于心电图的健康预警系统
CN107928660B (zh) * 2017-10-25 2022-07-26 厦门传芯健康科技有限公司 一种基于心电图的健康预警系统
CN110420022A (zh) * 2019-07-29 2019-11-08 浙江大学 一种基于双密度小波变换的p波检测方法

Similar Documents

Publication Publication Date Title
CN110353665B (zh) 基于改进的一维U-net的单导心电图信号特征波形检测方法
CN1191783C (zh) 检测急性心肌梗塞的系统
CN103110417B (zh) 一种心电图自动识别系统
CN109063552B (zh) 一种多导联心电信号分类方法和系统
US5794624A (en) Method and system for the fast determination of EKG waveform morphology
CN108294745B (zh) 多导联心电图信号中p波、t波起止点检测方法及系统
Andreao et al. ST-segment analysis using hidden Markov Model beat segmentation: application to ischemia detection
US20060167364A1 (en) Algorithms for detecting cardiac arrhythmia and methods and apparatuses utilizing the algorithms
CN110226919B (zh) 心电信号类型检测方法、装置、计算机设备及存储介质
CN112971800B (zh) 基于深度学习的心电早搏信号处理方法、模块和装置
CN115486854B (zh) 一种针对干电极采集的单导联心电图室性早搏识别方法
CN1189320A (zh) 快速确定心电图波形形态的方法和系统
CN112603325A (zh) 基于形态学滤波和小波阈值的心电异常判别系统及方法
CN105877739A (zh) 一种心电智能分析系统的临床检验方法
CN110090016A (zh) 定位r波位置的方法及系统、使用lstm神经网络的r波自动检测方法
CN111568410A (zh) 一种基于12导联和卷积神经网络的心电数据分类方法
CN113499082A (zh) Qrs波群检测方法、心电检测装置及可读存储介质
CN110811608A (zh) 一种基于ecg信号的房颤监测方法
US6979297B2 (en) Differentiating acute myocardial infarction from other ECG abnormalities
CN115590524A (zh) 基于卷积神经网络的qt间期延长识别方法及系统
CN115067967A (zh) 心拍信号基准点确定方法、心拍类型识别方法及装置
Bhaskar et al. Probabilistic Neural Network for the Automatic Detection of QRS-complexes in ECG using Slope
CN118044820B (zh) 一种心电信号的处理方法、装置、设备及介质
CN115089192B (zh) 窦性与交界性异位心搏聚类方法、装置、设备和介质
CN113749665B (zh) 异常指标的捕捉方法、装置、设备和介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent for invention or patent application
CB02 Change of applicant information

Applicant after: Agarlent Technologies Inc.

Applicant before: Hewlett-Packard Co.

COR Change of bibliographic data

Free format text: CORRECT: APPLICANT; FROM: HEWLETT-PACKARD DEVELOPMENT COMPANY TO: AGARLENT TECHNOLOGIES INC.

ASS Succession or assignment of patent right

Owner name: KONINKLIJKE PHILIPS ELECTRONICS N.V.

Free format text: FORMER OWNER: AGARLENT TECHNOLOGIES INC.

Effective date: 20040604

C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20040604

Address after: Holland Ian Deho Finn

Applicant after: KONINKLIJKE PHILIPS ELECTRONICS N.V.

Address before: California, USA

Applicant before: Agarlent Technologies Inc.

C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication