JP2023508789A - 心電信号検出方法及び装置 - Google Patents
心電信号検出方法及び装置 Download PDFInfo
- Publication number
- JP2023508789A JP2023508789A JP2021527834A JP2021527834A JP2023508789A JP 2023508789 A JP2023508789 A JP 2023508789A JP 2021527834 A JP2021527834 A JP 2021527834A JP 2021527834 A JP2021527834 A JP 2021527834A JP 2023508789 A JP2023508789 A JP 2023508789A
- Authority
- JP
- Japan
- Prior art keywords
- signal
- analysis result
- feature information
- electrocardiographic
- signal analysis
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 265
- 238000012545 processing Methods 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 14
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000015654 memory Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 210000002966 serum Anatomy 0.000 description 2
- 208000002682 Hyperkalemia Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002336 repolarization Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- 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
- A61B5/353—Detecting P-waves
-
- 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
- A61B5/355—Detecting T-waves
-
- 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
- A61B5/357—Detecting U-waves
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Cardiology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
心電信号を取得するステップと、
心電信号が安定状態に達した場合、心電信号に対応するターゲット特徴情報を決定するステップと、
少なくとも1つの予測モデルを呼び出して、前記ターゲット特徴情報に対して信号分析処理を行い、呼び出された予測モデルによって出力された信号分析結果を取得し、呼び出された予測モデルの信号分析結果がファジー区間にある場合、他の予測モデルを呼び出して、前記ターゲット特徴情報に対して信号分析処理を行い、信号分析結果を取得するステップと、
呼び出された予測モデルによって出力された信号分析結果に基づいて、心電信号の分析結果を取得するステップであって、前記分析結果が、少なくとも心電信号が正常信号又は異常信号であることを示すために使用されるステップと、
を含む心電信号検出方法を提供している。
前記少なくとも1つの予測モデルを呼び出して、前記ターゲット特徴情報に対して信号分析処理を行い、呼び出された予測モデルによって出力された信号分析結果を取得し、呼び出された予測モデルの信号分析結果がファジー区間にある場合、他の予測モデルを呼び出して、前記ターゲット特徴情報に対して信号分析処理を行い、信号分析結果を取得する前記ステップは、
前記マスター予測モデルを呼び出して前記ターゲット特徴情報に対して信号分析処理を行い、前記マスター予測モデルによって出力されたマスター信号分析結果を取得するステップと、
前記マスター信号分析結果が前記ファジー区間にない場合、前記スレーブ予測モデルを呼び出して前記ターゲット特徴情報に対して信号分析処理を行うことを禁止するステップと、
前記マスター信号分析結果が前記ファジー区間にある場合、少なくとも1つの前記スレーブ予測モデルを呼び出して前記ターゲット特徴情報に対して信号分析処理を行い、呼び出された前記スレーブ予測モデルによって出力されたスレーブ信号分析結果を取得するステップと、を含む。
前記マスター信号分析結果が前記ファジー区間にない場合、前記マスター信号分析結果を前記分析結果として決定するステップと、
前記マスター信号分析結果が前記ファジー区間にある場合、前記マスター信号分析結果と前記スレーブ信号分析結果に対する加重処理により、前記分析結果を取得するステップと、を含む。
N個のサイクルにおける同一タイプのウェーブレットの各波山の間の波山変動値及び各波谷の間の波谷変動値の少なくとも1つを心電信号から取得し、Nは正の整数であり、
現在取得されている変動値が所定の条件を満たす場合、心電信号が安定状態に達したと決定し、
現在取得されている変動値が前記所定の条件を満たしていない場合、心電信号が安定状態に達していないと決定する。
心電信号からV2リード心電信号乃至V5リード心電信号を抽出するステップと、
前記V2リード心電信号乃至前記V5リード心電信号から、前記ターゲット特徴情報を抽出するステップと、を含む。
前記V2リード心電信号乃至前記V5リード心電信号に含まれる特徴情報を取得するステップと、
前記特徴情報に対応する熱値を取得するステップと、
前記熱値に応じて、前記特徴情報から前記ターゲット特徴情報を選別するステップと、を含み、
前記特徴情報は、各ウェーブレットの振幅、振幅変化パラメータ、スペクトルエネルギー、及び最大振幅に対応する時点を含む。
心電信号を取得するための取得モジュールと、
心電信号が安定状態に達した場合、心電信号に対応するターゲット特徴情報を決定するための決定モジュールと、
少なくとも1つの予測モデルを呼び出して、前記ターゲット特徴情報に対して信号分析処理を行い、呼び出された予測モデルによって出力された信号分析結果を取得し、呼び出された予測モデルの信号分析結果がファジー区間にある場合、他の予測モデルを呼び出して、前記ターゲット特徴情報に対して信号分析処理を行い信号分析結果を取得するための呼び出しモジュールと、
呼び出された予測モデルによって出力された信号分析結果に基づいて、心電信号の分析結果を取得するための分析モジュールであって、前記分析結果が、少なくとも前記心電信号が正常信号又は異常信号であることを示すために使用される分析モジュールと、
を含む心電信号検出装置をさらに提供する。
前記呼び出しモジュールは、
前記マスター予測モデルを呼び出して前記ターゲット特徴情報に対して信号分析処理を行い、前記マスター予測モデルによって出力されたマスター信号分析結果を取得するための呼び出しユニットと、
前記マスター信号分析結果が前記ファジー区間にない場合、前記呼び出しユニットによって前記スレーブ予測モデルを呼び出して前記ターゲット特徴情報に対して信号分析処理を行うことを禁止し、前記マスター信号分析結果が前記ファジー区間にある場合、前記呼び出しユニットをトリガーして、少なくとも1つの前記スレーブ予測モデルを呼び出して前記ターゲット特徴情報に対して信号分析処理を行い、呼び出された前記スレーブ予測モデルによって出力されたスレーブ信号分析結果を取得するための制御ユニットと、を含む。
前記マスター信号分析結果が前記ファジー区間にない場合、前記マスター信号分析結果を前記分析結果として決定するための第1の分析ユニットと、
前記マスター信号分析結果が前記ファジー区間にある場合、前記マスター信号分析結果と前記スレーブ信号分析結果に対する加重処理により、前記分析結果を取得するための第2の分析ユニットと、を含む。
N個のサイクルにおける同一タイプのウェーブレットの各波山の間の波山変動値及び各波谷の間の波谷変動値の少なくとも1つを心電信号から取得し、Nは正の整数であり、現在取得されている変動値が所定の条件を満たす場合、心電信号が安定状態に達したと決定し、現在取得されている変動値が前記所定の条件を満たしていない場合、心電信号が安定状態に達していないと決定するための安定判定モジュール、をさらに含む。
心電信号からV2リード心電信号乃至V5リード心電信号を抽出するための第1の抽出ユニットと、
前記V2リード心電信号乃至前記V5リード心電信号から、前記ターゲット特徴情報を抽出するための第2の抽出ユニットと、を含む。
前記V2リード心電信号乃至前記V5リード心電信号に含まれる特徴情報を取得するための第1の取得サブユニットと、
前記特徴情報に対応する熱値を取得するための第2の取得サブユニットと、
前記熱値に応じて、前記特徴情報から前記ターゲット特徴情報を選別するための選別サブユニットと、を含み、
前記特徴情報は、各ウェーブレットの振幅、振幅変化パラメータ、スペクトルエネルギー、及び最大振幅に対応する時点を含む。
コンピュータプログラムを記憶するためのメモリと、
前記コンピュータプログラムを実行するときに、上記の心電信号検出方法のステップを実現するためのプロセッサーと、
を含む心電信号検出装置を提供する。
S10:心電信号を取得する。
N個のサイクルにおける同一タイプのウェーブレットの各波山の間の波山変動値及び各波谷の間の波谷変動値の少なくとも1つを心電信号から取得し、Nは正の整数であり、
現在取得されている変動値が所定の条件を満たす場合、心電信号が安定状態に達したと決定し、
現在取得されている変動値が所定の条件を満たしていない場合、心電信号が安定状態に達していないと決定する。
1)現在取得されている変動値が、心電信号から取得された同じタイプのウェーブレットのN個のサイクルにおける各波山の間の波山変動値である場合、所定の条件は、任意の波山変動値が第1のプリセット値よりも小さいことである。
V2リード心電信号乃至V5リード心電信号に含まれる特徴情報を取得するステップと、
特徴情報に対応する熱値を取得するステップと、
熱値に応じて、特徴情報からターゲット特徴情報を選別するステップと、を含む。
心電信号を取得するための取得モジュール10と、
心電信号が安定状態に達した場合、心電信号に対応するターゲット特徴情報を決定するための決定モジュール11と、
少なくとも1つの予測モデルを呼び出して、ターゲット特徴情報に対して信号分析処理を行い、呼び出された予測モデルによって出力された信号分析結果を取得し、呼び出された予測モデルの信号分析結果がファジー区間にある場合、他の予測モデルを呼び出して、ターゲット特徴情報に対して信号分析処理を行い、信号分析結果を取得するための呼び出しモジュール12と、
呼び出された予測モデルによって出力された信号分析結果に基づいて、心電信号の分析結果を取得するための分析モジュール13であって、分析結果は、少なくとも心電信号が正常信号又は異常信号であることを示すために使用される分析モジュール13と、
を含む。
呼び出しモジュール12は、
マスター予測モデルを呼び出してターゲット特徴情報に対して信号分析処理を行い、マスター予測モデルによって出力されたマスター信号分析結果を取得するための呼び出しユニットと、
マスター信号分析結果がファジー区間にない場合、呼び出しユニットによってスレーブ予測モデルを呼び出してターゲット特徴情報に対して信号分析処理を行うことを禁止し、マスター信号分析結果がファジー区間にある場合、呼び出しユニットをトリガーして、少なくとも1つのスレーブ予測モデルを呼び出してターゲット特徴情報に対して信号分析処理を行い、呼び出されたスレーブ予測モデルによって出力されたスレーブ信号分析結果を取得するための制御ユニットと、を含む。
マスター信号分析結果がファジー区間にない場合、マスター信号分析結果を分析結果として決定するための第1の分析ユニットと、
マスター信号分析結果がファジー区間にある場合、マスター信号分析結果とスレーブ信号分析結果に対する加重処理により、分析結果を取得するための第2の分析ユニットと、を含む。
N個のサイクルにおける同一タイプのウェーブレットの各波山の間の波山変動値及び各波谷の間の波谷変動値の少なくとも1つを心電信号から取得し、Nは正の整数であり、現在取得されている変動値が所定の条件を満たす場合、心電信号が安定状態に達したと決定し、現在取得されている変動値が所定の条件を満たしていない場合、心電信号が安定状態に達していないと決定するための安定判定モジュールを、さらに含む。
心電信号からV2リード心電信号乃至V5リード心電信号を抽出するための第1の抽出ユニットと、
V2リード心電信号乃至V5リード心電信号からターゲット特徴情報を抽出するための第2の抽出ユニットと、を含む。
V2リード心電信号乃至V5リード心電信号に含まれる特徴情報を取得するための第1の取得サブユニットと、
特徴情報に対応する熱値を取得するための第2の取得サブユニットと、
熱値に応じて、特徴情報からターゲット特徴情報を選別するための選別サブユニットと、
を含み、
特徴情報は、各ウェーブレットの振幅、振幅変化パラメータ、スペクトルエネルギー、及び最大振幅に対応する時点を含む。
コンピュータプログラムを記憶するためのメモリ20と、
コンピュータプログラムを実行するときに、上記の実施例によって提供される心電信号検出方法のステップを実現するためのプロセッサー21と、を含む。
Claims (12)
- 心電信号検出方法であって、
心電信号を取得するステップと、
心電信号が安定状態に達した場合、心電信号に対応するターゲット特徴情報を決定するステップと、
少なくとも1つの予測モデルを呼び出して、前記ターゲット特徴情報に対して信号分析処理を行い、呼び出された予測モデルによって出力された信号分析結果を取得し、呼び出された予測モデルの信号分析結果がファジー区間にある場合、他の予測モデルを呼び出して、前記ターゲット特徴情報に対して信号分析処理を行い、信号分析結果を取得するステップと、
呼び出された予測モデルによって出力された信号分析結果に基づいて、心電信号の分析結果を取得するステップであって、前記分析結果が、少なくとも心電信号が正常信号又は異常信号であることを示すために使用されるステップと、
を含むことを特徴とする心電信号検出方法。 - 前記予測モデルは、マスター予測モデルと、少なくとも1つのスレーブ予測モデルを含み、前記マスター予測モデルの精度は、前記スレーブ予測モデルの精度よりも高く、
少なくとも1つの予測モデルを呼び出して、前記ターゲット特徴情報に対して信号分析処理を行い、呼び出された予測モデルによって出力された信号分析結果を取得し、呼び出された予測モデルの信号分析結果がファジー区間にある場合、他の予測モデルを呼び出して、前記ターゲット特徴情報に対して信号分析処理を行い、信号分析結果を取得する前記ステップは、
前記マスター予測モデルを呼び出して前記ターゲット特徴情報に対して信号分析処理を行い、前記マスター予測モデルによって出力されたマスター信号分析結果を取得するステップと、
前記マスター信号分析結果が前記ファジー区間にない場合、前記スレーブ予測モデルを呼び出して前記ターゲット特徴情報に対して信号分析処理を行うことを禁止するステップと、
前記マスター信号分析結果が前記ファジー区間にある場合、少なくとも1つの前記スレーブ予測モデルを呼び出して前記ターゲット特徴情報に対して信号分析処理を行い、呼び出された前記スレーブ予測モデルによって出力されたスレーブ信号分析結果を取得するステップと、
を含むことを特徴とする請求項1に記載の方法。 - 呼び出された予測モデルによって出力された信号分析結果に基づいて、心電信号の分析結果を取得する前記ステップは、
前記マスター信号分析結果が前記ファジー区間にない場合、前記マスター信号分析結果を前記分析結果として決定するステップと、
前記マスター信号分析結果が前記ファジー区間にある場合、前記マスター信号分析結果と前記スレーブ信号分析結果に対する加重処理により、前記分析結果を取得するステップと、
を含むことを特徴とする請求項2に記載の方法。 - 心電信号が安定状態に達したことを次のように決定し、即ち、
N個のサイクルにおける同一タイプのウェーブレットの各波山の間の波山変動値及び各波谷の間の波谷変動値の少なくとも1つを心電信号から取得し、Nは正の整数であり、
現在取得されている変動値が所定の条件を満たす場合、心電信号が安定状態に達したと決定し、
現在取得されている変動値が前記所定の条件を満たしていない場合、心電信号が安定状態に達していないと決定することを特徴とする請求項1から3のいずれか1項に記載の方法。 - 心電信号に対応するターゲット特徴情報を決定する前記ステップは、
心電信号からV2リード心電信号乃至V5リード心電信号を抽出するステップと、
前記V2リード心電信号乃至前記V5リード心電信号から、前記ターゲット特徴情報を抽出するステップと、
を含むことを特徴とする請求項1から3のいずれか1項に記載の方法。 - 前記V2リード心電信号乃至前記V5リード心電信号から、前記ターゲット特徴情報を抽出する前記ステップは、
前記V2リード心電信号乃至前記V5リード心電信号に含まれる特徴情報を取得するステップと、
前記特徴情報に対応する熱値を取得するステップと、
前記熱値に応じて、前記特徴情報から前記ターゲット特徴情報を選別するステップと、を含み、
前記特徴情報は、各ウェーブレットの振幅、振幅変化パラメータ、スペクトルエネルギー、及び最大振幅に対応する時点を含むことを特徴とする請求項5に記載の方法。 - 心電信号検出装置であって、
心電信号を取得するための取得モジュールと、
心電信号が安定状態に達した場合、心電信号に対応するターゲット特徴情報を決定するための決定モジュールと、
少なくとも1つの予測モデルを呼び出して、前記ターゲット特徴情報に対して信号分析処理を行い、呼び出された予測モデルによって出力された信号分析結果を取得し、呼び出された予測モデルの信号分析結果がファジー区間にある場合、他の予測モデルを呼び出して、前記ターゲット特徴情報に対して信号分析処理を行い、信号分析結果を取得するための呼び出しモジュールと、
呼び出された予測モデルによって出力された信号分析結果に基づいて、心電信号の分析結果を取得するための分析モジュールであって、前記分析結果が、少なくとも前記心電信号が正常信号又は異常信号であることを示すために使用される分析モジュールと、
を含むことを特徴とする心電信号検出装置。 - 前記予測モデルは、マスター予測モデルと、少なくとも1つのスレーブ予測モデルを含み、前記マスター予測モデルの精度は、前記スレーブ予測モデルの精度よりも高く、
前記呼び出しモジュールは、
前記マスター予測モデルを呼び出して前記ターゲット特徴情報に対して信号分析処理を行い、前記マスター予測モデルによって出力されたマスター信号分析結果を取得するための呼び出しユニットと、
前記マスター信号分析結果が前記ファジー区間にない場合、前記呼び出しユニットによって前記スレーブ予測モデルを呼び出して前記ターゲット特徴情報に対して信号分析処理を行うことを禁止し、前記マスター信号分析結果が前記ファジー区間にある場合、前記呼び出しユニットをトリガーして、少なくとも1つの前記スレーブ予測モデルを呼び出して前記ターゲット特徴情報に対して信号分析処理を行い、呼び出された前記スレーブ予測モデルによって出力されたスレーブ信号分析結果を取得するための制御ユニットと、
を含むことを特徴とする請求項7に記載の装置。 - 前記分析モジュールは、
前記マスター信号分析結果が前記ファジー区間にない場合、前記マスター信号分析結果を前記分析結果として決定するための第1の分析ユニットと、
前記マスター信号分析結果が前記ファジー区間にある場合、前記マスター信号分析結果と前記スレーブ信号分析結果に対する加重処理により、前記分析結果を取得するための第2の分析ユニットと、
を含むことを特徴とする請求項8に記載の装置。 - N個のサイクルにおける同一タイプのウェーブレットの各波山の間の波山変動値及び各波谷の間の波谷変動値の少なくとも1つを心電信号から取得し、Nは正の整数であり、現在取得されている変動値が所定の条件を満たす場合、心電信号が安定状態に達したと決定し、現在取得されている変動値が前記所定の条件を満たしていない場合、心電信号が安定状態に達していないと決定するための安定判定モジュール、
をさらに含むことを特徴とする請求項7から9のいずれか1項に記載の装置。 - 前記決定モジュールは、
心電信号からV2リード心電信号乃至V5リード心電信号を抽出するための第1の抽出ユニットと、
前記V2リード心電信号乃至前記V5リード心電信号から、前記ターゲット特徴情報を抽出するための第2の抽出ユニットと、
を含むことを特徴とする請求項7から9のいずれか1項に記載の装置。 - 前記第2の抽出ユニットは、
前記V2リード心電信号乃至前記V5リード心電信号に含まれる特徴情報を取得するための第1の取得サブユニットと、
前記特徴情報に対応する熱値を取得するための第2の取得サブユニットと、
前記熱値に応じて、前記特徴情報から前記ターゲット特徴情報を選別するための選別サブユニットと、
を含み、
前記特徴情報は、各ウェーブレットの振幅、振幅変化パラメータ、スペクトルエネルギー、及び最大振幅に対応する時点を含むことを特徴とする請求項11に記載の装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011434788.9 | 2020-12-10 | ||
CN202011434788.9A CN112545526A (zh) | 2020-12-10 | 2020-12-10 | 一种心电信号检测方法及装置 |
PCT/CN2021/075375 WO2022121107A1 (zh) | 2020-12-10 | 2021-02-05 | 一种心电信号检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023508789A true JP2023508789A (ja) | 2023-03-06 |
JP7398817B2 JP7398817B2 (ja) | 2023-12-15 |
Family
ID=75060322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021527834A Active JP7398817B2 (ja) | 2020-12-10 | 2021-02-05 | 心電信号検出方法及び装置 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4260797A1 (ja) |
JP (1) | JP7398817B2 (ja) |
CN (1) | CN112545526A (ja) |
WO (1) | WO2022121107A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018519899A (ja) * | 2015-06-22 | 2018-07-26 | ディ ハート ソチエタ レスポンサビリタ リミタータD−Heart S.R.L. | 心電図の取得を制御するための電子システム |
JP2019098183A (ja) * | 2017-12-01 | 2019-06-24 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 生体信号品質評価装置及び方法 |
CN111107785A (zh) * | 2017-09-21 | 2020-05-05 | 皇家飞利浦有限公司 | 使用短的单导联ecg记录来检测心房颤动 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2715082A1 (en) * | 2009-09-22 | 2011-03-22 | Queen's University At Kingston | Method and system of predicting clinical outcome for a patient with congestive heart failure |
CN202110799U (zh) * | 2011-05-14 | 2012-01-11 | 徐岩 | 基于芯片at89s52无线通信系统显示器 |
CN103735401B (zh) * | 2013-10-11 | 2017-02-22 | 中国医学科学院北京协和医院 | 基于脉搏血氧的心肺复苏质量反馈控制系统 |
CN104586387B (zh) * | 2015-01-19 | 2017-02-01 | 秦皇岛市惠斯安普医学系统股份有限公司 | 一种时、频、空域多参数脑电特征提取与融合方法 |
CN104783783B (zh) * | 2015-04-23 | 2017-05-17 | 康泰医学系统(秦皇岛)股份有限公司 | 一种手持式心电检测仪自动开启心电图记录的方法 |
WO2017091736A1 (en) * | 2015-11-23 | 2017-06-01 | Mayo Foundation For Medical Education And Research | Processing physiological electrical data for analyte assessments |
CN106805965A (zh) * | 2016-12-19 | 2017-06-09 | 深圳先进技术研究院 | 一种心电信号分类方法及装置 |
CN107693948B (zh) * | 2017-08-21 | 2019-09-17 | 深圳先进技术研究院 | 红外理疗效果的监测方法、装置、医疗设备及存储介质 |
CN108714026B (zh) * | 2018-03-27 | 2021-09-03 | 杭州电子科技大学 | 基于深度卷积神经网络和在线决策融合的细粒度心电信号分类方法 |
CN109276241B (zh) * | 2018-11-28 | 2022-08-09 | 深圳市元征科技股份有限公司 | 一种压力识别方法及设备 |
CN109691994A (zh) * | 2019-01-31 | 2019-04-30 | 英菲泰克(天津)科技有限公司 | 一种基于心电图的心率监测分析方法 |
CN111603135B (zh) * | 2020-05-11 | 2021-09-28 | 江南大学 | 一种基于主从支持向量机的低功耗癫痫检测电路 |
CN111759304B (zh) * | 2020-07-01 | 2022-09-30 | 杭州脉流科技有限公司 | 心电图异常识别方法、装置、计算机设备和存储介质 |
CN111657921A (zh) * | 2020-07-01 | 2020-09-15 | 杭州脉流科技有限公司 | 心电异常实时监测方法、装置、计算机设备和存储介质 |
-
2020
- 2020-12-10 CN CN202011434788.9A patent/CN112545526A/zh active Pending
-
2021
- 2021-02-05 EP EP21721813.0A patent/EP4260797A1/en active Pending
- 2021-02-05 JP JP2021527834A patent/JP7398817B2/ja active Active
- 2021-02-05 WO PCT/CN2021/075375 patent/WO2022121107A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018519899A (ja) * | 2015-06-22 | 2018-07-26 | ディ ハート ソチエタ レスポンサビリタ リミタータD−Heart S.R.L. | 心電図の取得を制御するための電子システム |
CN111107785A (zh) * | 2017-09-21 | 2020-05-05 | 皇家飞利浦有限公司 | 使用短的单导联ecg记录来检测心房颤动 |
JP2019098183A (ja) * | 2017-12-01 | 2019-06-24 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 生体信号品質評価装置及び方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112545526A (zh) | 2021-03-26 |
JP7398817B2 (ja) | 2023-12-15 |
EP4260797A1 (en) | 2023-10-18 |
WO2022121107A1 (zh) | 2022-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11457853B2 (en) | Methods and systems for automatically detecting events based on ECG signals determined from compressed sensed measurements | |
JP6583892B2 (ja) | Ecg信号の並行解析装置、方法及び移動端末 | |
CN109189207B (zh) | 一种可穿戴设备穿戴状态的检测方法及装置 | |
US11751791B2 (en) | ECG measurement mode switching based on position on body | |
US20240156361A1 (en) | Deep learning-based heart rate detection method and wearable device | |
CN110501947A (zh) | 信号处理方法及设备 | |
CN205758549U (zh) | 一种低功耗便携式心电监护系统 | |
CN108992054A (zh) | 一种脉搏信号峰值点检测方法及装置 | |
CN107440705A (zh) | 一种低功耗便携式心电监护系统 | |
CN111227823B (zh) | 具有时域特性的一维特征信号处理方法、装置以及系统 | |
JP7398817B2 (ja) | 心電信号検出方法及び装置 | |
US20190150778A1 (en) | ECG Signal Parallel Analysis Apparatus, Method and Mobile Terminal | |
CN112190241A (zh) | 心跳呼吸检测方法及装置 | |
CN105326482B (zh) | 记录生理信号的方法和装置 | |
CN110840436B (zh) | 获取心电信号的方法、装置、终端和计算机可读存储介质 | |
Alfarhan et al. | Wireless heart abnormality monitoring kit based on Raspberry Pi | |
CN115857696A (zh) | 一种设备交互方法、可穿戴设备和存储介质 | |
CN112545501A (zh) | 一种血液成分浓度检测方法及装置 | |
Hassanuzzaman et al. | End to end solution for continuous monitoring and real-time analysis of vital signs from ecg signal | |
CN104490389A (zh) | 一种用于侦测胎动的可穿戴装置及侦测胎动的方法 | |
CN113616217A (zh) | 基线漂移曲线的生成方法和装置 | |
CN113892926A (zh) | 基于头部脉搏波的心率信号处理方法、装置和电子装置 | |
CN113208623A (zh) | 一种基于卷积神经网络的睡眠分期方法、系统 | |
Jokić et al. | Autonomic telemedical application for Android based mobile devices | |
CN117752344B (zh) | 一种基于脑电信号实现老人睡眠看护系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210518 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230327 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230626 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230927 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231101 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231128 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7398817 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |