CN105902263A - 评估心电图波形的rr间期不规则程度的方法及装置 - Google Patents
评估心电图波形的rr间期不规则程度的方法及装置 Download PDFInfo
- Publication number
- CN105902263A CN105902263A CN201610281156.0A CN201610281156A CN105902263A CN 105902263 A CN105902263 A CN 105902263A CN 201610281156 A CN201610281156 A CN 201610281156A CN 105902263 A CN105902263 A CN 105902263A
- Authority
- CN
- China
- Prior art keywords
- phase
- subsequence
- electrocardiographic wave
- wave
- irregularity
- 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
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]
-
- 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
-
- 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
- A61B5/361—Detecting fibrillation
-
- 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
-
- 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
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种评估心电图波形的RR间期不规则程度的方法,包括如下步骤:得到第一心电图波形;得到所述第一心电图波形中的RR间期序列;对所述第一心电图波形中的RR间期序列进行重采样处理,得到设定数量的RR间期差,并对得到的间期差进行归一化处理;依据所述归一化后的间期差得到其概率分布密度,并依据得到的概率分布密度得到所述心电图波形的RR间期不规则程度。本发明还涉及一种实现上述方法的装置。实施本发明的评估心电图波形的RR间期不规则程度的方法及装置,具有以下有益效果:使得采用该方法得到的RR间期的不规则程度能够较为准确,更接近于真实情况。
Description
技术领域
本发明涉及医疗设备领域,更具体地说,涉及一种评估心电图波形的RR间期不规则程度的方法及装置。
背景技术
心房颤动简称房颤,是临床上最为常见的心律失常之一。房颤一般并不直接危及生命,但房颤发生时心脏同步机械活动丧失、心室反应不规则、心率过快等因素会严重影响血液动力学的正常功能,进而导致各种死亡风险度高的心血管疾病,如脑卒中、冠状动脉疾病、心力衰竭等。因此,房颤的及早发现和辅助诊断研究,对改善病人的治疗对策和提高治疗质量,减少病人危重病症发生率和死亡率等有重要意义,通常是通过心电图设备取得患者的心电图波形,并对其加以判断,来实现房颤的发现和监测。一般来讲,RR间期是指心电图波形中两个QRS波峰之间的时间间隔。RR间期在上述一些常见的心律异常等疾病的诊断过程中,是个非常重要的参考参数。正常心电图的RR间期基本保持稳定不变,相邻RR间期的差异一般不超10%。在某些心律失常情况下,RR间期出现不规则的变化,例如二联律、三联律和某些传导阻滞通常表现为较长RR间期与较短RR间期交替出现;而发生房颤时,RR间期呈现出绝对不整齐、随机性很强的特征。在现有的技术中,RR间期的不规则变化一般用心率变异性来表征。心率变异的分析方法主要有时域分析和频域分析。常用的时域分析指标有标准差、变异系数、三角指数等,频域分析指标有极低频功率、低频功率、高频功率等。现有技术中的这些方法具有较多的局限,由于心率变异一般只能用于反映较长时程的RR间期变化规律,时间较短时很容易受少量的异常心搏或伪差心搏干扰,增大评估的偏差;同时,现有技术中的这些指标计算一段时间内的心率变异,不能反映RR间期不规则程度随时间变化的细节;此外,也不能准确反映不同类型的RR间期变化规律,例如,有些心律失常中RR间期虽然变动剧烈,但呈现出一定规则(如二联律中的长短交替),而现有技术 计会算出很大的心率变异值,不能充分反映RR间期的不规则程度。所以,总体上来讲,现有技术中的对心电图波形中的RR间期不规则程度的判断的误差较大。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述对RR间期不规则程度的判断的误差较大缺陷,提供一种判断误差较小的评估心电图波形的RR间期不规则程度的方法及装置。
本发明解决其技术问题所采用的技术方案是:构造一种评估心电图波形的RR间期不规则程度的方法,包括如下步骤:
A)取得心电图波形,并选择所述心电波形中的一个QRS波,以该QRS波的发生时刻为中心,在其前后分别选择T/2的时间长度,得到时间长度为T的第一心电图波形;
B)取得所述第一心电图波形中所有的RR间期,按照其发生时间顺序排列,得到所述第一心电图波形中的RR间期序列;
C)对所述第一心电图波形中的RR间期序列进行重采样处理,得到设定数量的RR间期差,并对得到的间期差进行归一化处理;其中,所述设定数量的RR间期差包括在所述第一心电图波形中相邻和不相邻的间期之间的差别;
D)依据所述归一化后的间期差得到其概率分布密度,并依据得到的概率分布密度得到所述心电图波形的RR间期不规则程度。
更进一步地,所述步骤C)中进一步包括将所述第一心电图波形中的RR间期序列中连续的偶数个RR间期设置为一个子序列,并将所述子序列的前半部分和后半部分相减得到一个RR间期差;通过设置多个子序列并分别得到多个RR间期差;其中,子序列中的RR间期个数为2K个,第一心电图波形中的RR间期个数为N个;N和K分别为正整数,且N大于K。
更进一步地,所述步骤C)进一步包括:
C1)在所述第一心电图波形中的RR间期序列中选择长度为2K的连续的间期,得到一个子序列,长度为N的所述第一心电图波形中的RR间期序 列分成(N-2K+1)个子序列;
C2)取得服从[0,1]均匀分布的伪随机权值ρ[i,j]和σ[i,j],其中i=1,2,...,K;j=1,2,...,N-2K+1;
C3)将一个子序列中的RR间期按其在子系列中的排序分为前半部分和后半部分;
将前半部分与伪随机权值ρ[i,j]做加权平均运算得到该子序列的第一替代间期RR1(j);
将后半部分与伪随机权值σ[i,j]做加权平均运算得到该子序列的第二替代间期RR1(j);
RR[K+j-i]是该子序列的前半部分;RR[K+j+i-1]是该子序列的后半部分;
C4)分别计算每个子序列得到的两个替代的RR间期之间的差值,得到(N-2K+1)个重采样的RR间期差,并对其进行归一化处理;
C5)重复上述步骤C1)-C4),选择不同的子序列,得到重采样的、归一化处理后的RR间期差,直到得到的RR间期差达到设定数量。
更进一步地,所述步骤C3)中,子序列的前半部分和后半部分分别与所述伪随机权值进行如下运算:
从而得到该子序列的第一替代间期和第二替代间期。
更进一步地,所述步骤C4)中归一化处理包括:计算该子序列的平均RR间期RRmean[j],并用该平均RR间期除以重采样的RR间期差,得到归一化的重采样的RR间期差;所述步骤C2)中的伪随机权值为当时产生或事先产生、存储并取出使用;所述步骤C5)中的设定数量是事先设置的,其取值范围为1000-5000之间。
更进一步地,还包括如下步骤:
E)依据得到的心电图波形的RR间期不规则程度,对所述心电图波 形中的不规则程度超过预设阈值的时刻进行标记。
更进一步地,所述步骤E)进一步包括:
E1)根据所述归一化后的间期差概率密度分布情况得到RR间期的离散度
E2)判断上述离散度是否超过预设阈值,若是,则提示并输出该提示。
本发明还涉及一种实现上述方法的装置,包括:
第一心电图波形取得模块:用于取得心电图波形,并选择所述心电波形中的一个QRS波,以该QRS波的发生时刻为中心,在其前后分别选择T/2的时间长度,得到时间长度为T的第一心电图波形;
RR间期序列取得模块:用于取得所述第一心电图波形中所有的RR间期,按照其发生时间顺序排列,得到所述第一心电图波形中的RR间期序列;
重采样模块:用于对所述第一心电图波形中的RR间期序列进行重采样处理,得到设定数量的RR间期差,并对得到的间期差进行归一化处理;其中,所述设定数量的RR间期差包括在所述第一心电图波形中相邻和不相邻的间期之间的差别;
不规则程度估算模块:用于依据所述归一化后的间期差得到其概率分布密度,并依据得到的概率分布密度得到所述心电图波形的RR间期不规则程度。
更进一步地,所述重采样模块进一步包括:
子序列产生单元:用于在所述第一心电图波形中的RR间期序列中选择长度为2K的连续间期,得到一个子序列,长度为N的所述第一心电图波形中的RR间期序列分成(N-2K+1)个子序列;
伪随机权值取得单元:用于取得服从[0,1]均匀分布的伪随机权值ρ[i,j]和σ[i,j],其中i=1,2,...,K;j=1,2,...,N-2K+1;
替代间期产生单元:用于将一个子序列中的RR间期按其在子系列中的排序分为前半部分和后半部分;
将前半部分与伪随机权值ρ[i,j]做加权平均运算得到该子序列的第一替 代间期RR1(j);
将后半部分与伪随机权值σ[i,j]做加权平均运算得到该子序列的第二替代间期RR1(j);
RR[K+j-i]是该子序列的前半部分;RR[K+j+i-1]是该子序列的后半部分;
间期差取得单元:用于分别计算每个子序列得到的两个替代的RR间期之间的差值,得到(N-2K+1)个重采样的RR间期差,并对其进行归一化处理;
其中,多次依序调用上述单元,选择不同的子序列,得到重采样的、归一化处理后的RR间期差,直到得到的RR间期差达到设定数量。
间期差取得单元:用于计算得到的两个替代的RR间期之间的差值,得到一个重采样的RR间期差,并对其进行归一化处理;
其中,多次依序调用上述单元,选择不同的子序列,得到重采样的、归一化处理后的RR间期差,直到其达到设定数量。
更进一步地,还包括:
标记模块:用于依据得到的心电图波形的RR间期不规则程度,对所述心电图波形中的不规则程度超过预设阈值的时刻进行标记;
所述标记模块进一步包括:
离散度取得单元:用于根据所述归一化后的间期差概率密度分布情况得到RR间期的离散度
标记判断单元:用于判断上述离散度是否超过预设阈值,若是,则提示并输出该提示。
实施本发明的评估心电图波形的RR间期不规则程度的方法及装置,具有以下有益效果:由于在本发明中采用重采样技术对于设定长度的心电信号的RR间期进行处理,使得对于该设定长度的心电信号而言,能够得到足够多的RR间期,从而得到较大数量的RR间期差,有利于提高短时程RR间期不规则程度计算的准确率,并缩短检测延迟;较多的(达到设定数量的)RR间期差能反映出RR间期不规则程度随时间变化的细节,尤其是能发现不规则程度发生突变的具体时间;从而使得采用该方法得到的RR间期的不规则程度能够较为准确,更接近于真实情况。
附图说明
图1是本发明评估心电图波形的RR间期不规则程度的方法及装置实施例中该方法的实施流程图;
图2是所述实施例中重采样的具体流程图;
图3是所述实施例中对心电图波形进行标记的具体流程图;
图4是所述实施例中装置的结构示意图。
具体实施方式
下面将结合附图对本发明实施例作进一步说明。
如图1所示,在本发明的评估心电图波形的RR间期不规则程度的方法及装置实施例中,评估心电图波形的RR间期不规则程度的方法包括如下步骤:
步骤S11取得心电图波形,并在其中确定以QRS波为中点的、长度为T的第一心电图波形:在本步骤中,取得心电图波形,并选择所述心电波形中的一个QRS波,以该QRS波的发生时刻为中心,在其前后分别选择T/2的时间长度,得到时间长度为T的第一心电图波形。在本实施例中,首先通过信号采集设备(通常是心电图设备)获取患者的心电信号(即心电图波形),作为该方法的输入。心电信号的质量很大程度上影响QRS波检测的准确性,进而影响RR间期不规则程度分析的准确率。因此采集心电信号时应尽量避免干扰和伪差,并配置合理的采集参数。根据临床需要,可在实时采集心电信号同时进行不规则程度分析,或者先将心电信号存储,在采集完后再进行离线的不规则程度分析。
在本实施例中,以心搏(即QRS波)为基本单元进行RR间期不规则程度分析,对某一次心搏,设其QRS波的发生时刻为t,则选取该时刻前后一段时间的心电信号进行分析。这段时间以时刻t为中心,长度为T,可以表示为区间[t-T/2,t+T/2];在该时间段上的心电图波形,即为第一心电图波形,是本发明中用于检测的检测单元。现有技术中一般以时间段为检测单元,且各时间段互不交叠,只能对每一时间段给出分析结果,而不能反映RR间期不规则程度随时间变化的细节。而在本发明中,以心搏为检测单元,反映较细微的不规则程度变化,能有效定位不规则程度发生突变的边界。在本实施例,长度(或 分析窗长)T影响RR间期不规则程度分析的准确率及延迟。T长度较长时,可利用的信息量较大,有利于RR间期不规则程度分析,但T过长时准确率一般趋于稳定甚至反而有所下降。T过短时,会因有效信息量不足而严重降低RR间期不规则程度分析准确率。本发明中,T取为60~120s即能同时获得较好的准确率和较短的检测延迟。
步骤S12得到第一心电图波形的RR间期序列:在本步骤中,取得上述第一心电图波形中所有的RR间期,按照其发生时间顺序排列,得到该第一心电图波形中的RR间期序列。众所周知,心电图波形中最显著的成分为QRS波,RR间期就是相邻两个QRS波之间的间隔。QRS波检测是成熟的现有技术,在本实施例可以有较多的选择,例如采用阈值检测法、模板匹配法、小波变换法等进行判断和选择,在此不进行详细描述。相邻两个QRS位置相减即得RR间期。将在第一心电图波形所占据的时间窗口[t-T/2,t+T/2]内的所有RR间期按照时间先后排列,得到RR间期序列,标记为RR[1],RR[2],……,RR[N],其中N为RR间期个数。
步骤S13对第一心电图波形的RR间期序列进行重采样,得到设定数量个RR间期差,并对其进行归一化处理:在本步骤中,对上述第一心电图波形中的RR间期序列进行重采样处理,得到设定数量的RR间期差,并对得到的间期差进行归一化处理;其中,所述设定数量的RR间期差包括在所述第一心电图波形中相邻和不相邻的间期之间的差别。通常来讲,上述通过重采样处理得到的RR间期差的个数(即设定数量),是远远大于上述第一心电图波形未进行重采样之前能够得到的RR间期差的个数的。由于RR间期序列中含有缓慢变化的趋势,在评估RR间期的不规则程度时容易引入干扰。而在本发明中,采用RR间期差,更能反映RR间期短时间内变化的特点。传统的RR间期差是指相邻两个RR间期的差值,即ΔRR[k]=RR[k+1]-RR[k],一个长度为N的RR间期序列可以获得N-1个RR间期差。
在本发明中,使用重采样的方法获取RR间期差的集合,使用重采样技术的目的是增加样本数量。即从现有的样本集中生成大量的替代样本,从而减小估计的偏差。由于区间[t-T,t+T]比较短,传统方法能获得的RR间期差数目 较少,且仅仅用到了相邻两个RR间期之差,不利于后续不规则程度的分析。而使用重采样技术不仅可以增加样本量,同时也利用了不相邻RR间期之间的差异,从而使后续概率分布的估计更平滑和精细。
重采样技术主要有刀切法(Jackknife)和自助法(Bootstrap),其中自助法用随机加权组合的方式生成替代样本,使用灵活,估计偏差小,且能有效解决不光滑参数的问题,特别适合于小样本概率密度分布的估计。因此在本实施例中采用自助法进行重采样,构造RR间期差。为减少运算量,每次重采样只针对连续的2K个RR间期子序列,K为一较小的正整数,如3~5。每个子序列前半部分和后半部分各生成一个替代RR间期,取两者之差作为RR间期差ΔRR。也就是说,在本实施例中,将所述第一心电图波形中的RR间期序列中连续的偶数个RR间期设置为一个子序列,并将所述子序列的前半部分和后半部分相减得到一个RR间期差;通过设置多个子序列并分别得到多个RR间期差;其中,子序列中的RR间期个数为2K个,第一心电图波形中的RR间期个数为N个;N和K分别为正整数,且N大于K。至于具体的情况,将在稍后详述。
步骤S14得到归一化处理后的RR间期差的概率分布密度,并依据该概率分布密度判断RR间期的不规则程度:在本步骤中,依据所述归一化后的间期差得到其概率分布密度,并依据得到的概率分布密度得到所述心电图波形的RR间期不规则程度。在生成足够多的ΔRRn样本之后,可估计RR间期差的概率分布情况,以进行后续不规则度特征的提取。概率分布的方法主要有参数估计和无参数估计两大类,由于在本实施例只需提取不规则度方面的信息,因此可以采用无参数估计中较为简单的直方图技术。直方图技术是一种用于评判观测数据分布情况的统计报告图,一般用横坐标表示数据类型,纵坐标表示分布情况。因而,可用直方图对上述归一化RR间期差的分布情况进行分析评估。
在本实施例中,首先确定直方图横坐标的范围及区间数目H。根据RR间期的范围及变化特点,可将直方图横坐标的范围选定为-1~1,以0.05为步长,即等分为H=40个区间。直方图范围与步长均可调整,上述具体数字仅仅提供参考值,使表述更为方便。统计ΔRRn集合落入第k个区间 [-1+0.02(k-1),-1+0.02k]的个数hist(k),ΔRRn小于-1的归入第一个区间,ΔRRn大于1的归入最后一个区间。即得出归一化RR间期差分布的直方图。
在不同的心律失常情况下,RR间期不规则度表现直方图中的差异。譬如在发生房颤、二联律与窦性心律的情况下,因RR间期离散度不同,直方图表现不同,一般来讲,房颤时ΔRRn分布较为松散,离散程度最大;二联律时ΔRRn分布呈多个峰值的形态,离散程度较小;而窦性心律时ΔRRn分布集中在正中央,离散程度最小。直方图的形态反映了不同RR间期变化的内在规律,比较全面地表征了离散程度的大小。这样,实现了根据RR间期的概率密度定性评估RR间期的不规则变化程度。
图2示出了在本发明中,使用重采样方式得到RR间期的具体步骤。如图2所示,这些步骤具体包括:
步骤S21在第一心电图波形的RR间期序列中生成N-2K+1个子序列:在本步骤中,在上述第一心电图波形中的RR间期序列中选择长度为2K的连续的间期,得到一个子序列,长度为N的所述第一心电图波形中的RR间期序列分成(N-2K+1)个子序列;值得一提的是,每个子序列是原先RR间期序列中连续的一段,只不过其起始位置和结束位置不同而已。
步骤S22取得伪随机权值:在本步骤中,取得服从[0,1]均匀分布的伪随机权值ρ[i,j]和σ[i,j],其中i=1,2,...,K;j=1,2,...,N-2K+1;这些伪随机权值可以是在本步骤中产生的,也可以是事先产生并存储,在执行本步骤时读取出来使用。
步骤S23每个子序列与伪随机权值运算得到两个替代RR间期:在本步骤中,将一个子序列中的RR间期按其在子系列中的排序分为前半部分和后半部分,对于本实施而言,可以是按照RR间期在该子序列中的位置进行等分的,例如,如果一个子序列中有4个RR间期,则按其在该子序列中的排列位置,前面两个(第1个和第2个)是前半部分,第3个和第4个为后半部分。然后,将前半部分与伪随机权值ρ[i,j]做加权平均运算得到该子序列的第一替代间期RR1(j);将后半部分与伪随机权值σ[i,j]做加权平均运算得到该子序列的第二替代间期RR1(j);而RR[K+j-i]是该子序列的前半部分;RR[K+j+i-1]是该子序 列的后半部分;
更具体而言,在本实施例中,时间将一个子序列中的划分后的前部部分间期和后半部分间期分别与不同的伪随机权值进行如下运算:
得到该子序列的两个替代RR间期,即第一替代间期RR1[j]和第二替代间期RR2[j]。
步骤S24分别取得每个子序列的替代间期的RR间期差,并对其进行归一化处理:在本步骤中,分别计算每个子序列得到的两个替代的RR间期之间的差值(即第一替代间期RR1[j]和第二替代间期RR2[j]之间的差值),得到(N-2K+1)个重采样的RR间期差,并对其进行归一化处理;
重复上述步骤S21到S24,每次重复时选择不同的子序列,得到重采样的、归一化处理后的RR间期差,直到得到的RR间期差达到设定数量。在本实施例中,设定数量是事先设置的,其取值范围为1000-5000之间,例如,可以取值为2000,即当得到2000个RR间期差后,停止上述重采样。
对于本实施例中的重采样,具体为具体方法为:将长度为N的RR间期序列RR[k]分成(N-2K+1)个长度为2K子序列,如第j个子序列为SRR{j}={RR[j],RR[j+1],…,RR[j+2K-1]};计算伪随机权值ρ[i,j]和σ[i,j]
生成服从[0,1]均匀分布的伪随机权值ρ[i,j]和σ[i,j],其中i=1,2,...,K;j=1,2,...,N-2K+1,可提前计算出来存储在内存中,或直接从随机数表中读取;然后根据伪随机权值和RR间期子序列生成替代RR间期;根据替代RR间期计算RR间期差;即用RR1[j]和RR2[j]计算RR间期差ΔRR[j]=RR2[j]-RR1[j];最后根据ΔRR[j]计算归一化RR间期差ΔRRn[j]
由于不同个体,以及相同个体在不同状态下基础心率的差异性,RR间期差的分布范围也不同,其标准差大致与平均RR间期成正比。用平均RR间期对ΔRR[j]进行归一化,去除基础心率的影响,有利于提高检测准确率。
计算子序列SRR{j}的平均RR间期RRmean[j],用此对RR间期差进行归一化,得到归一化的RR间期差ΔRRn[j]:
ΔRRn[j]=ΔRR[j]/RRmean[j]
重复上述步骤,获取更多样本;重复一次可生成(N-2K+1)个ΔRR,重复L次,总共可生成M=L(N-2K+1)个RR间期差,即ΔRRn[j],j=1,2,...,M。设置重复次数L,使总数M达到2000左右,可在后续步骤中获得足够平滑的概率分布估计。
在本实施例中,在得到上述RR间期之间的不规则程度之后,还可以包括如下步骤:依据得到的心电图波形的RR间期不规则程度,对所述心电图波形中的不规则程度超过预设阈值的时刻进行标记并输出,请参见图3,该图示出了本实施例中具体的标记、提醒过程。在图3中,具体包括:
步骤S31根据概率密度分布数据计算离散度:在本步骤中,根据所述归一化后的间期差概率密度分布情况得到RR间期的离散度
步骤S32离散度是否大于阈值,如是,执行步骤S33;否则执行步骤S34;其中,阈值是事先设定的。
步骤S33标记并输出:在本步骤中,对于上述超过预设阈值的时间进行标记,同时产生提示并输出该提示
步骤S34继续检测。
在本实施例中,根据RR间期概率密度分布情况,可以进一步对RR间期中异常的点进行标记,一般来说可以用RR间期的标准差、变异系数、三角指数等判断RR间期的不规则程度,作为一种优选实施方式,本实施例通过离散度来对心电信号中异常的点进行标记,并结合其他相关的生理参数进行进一步的判断。在本实施例中,为方便程序的自动检测与分析,根据直方图的形态特点设计一个离散度指标来定量化表示RR间期不规则程度:
其中,d(t)为t时刻的离散度值,hist(k)为归一化RR间期差的直方图分 布,H为直方图区间数目。离散度d(t)的范围是[0,+∞),离散度值越大,表示RR间期分布越分散,RR间期变化越不规则,随机性越大;反之,离散度值越小,表示RR间期集中在少部分区间,RR间期的变化越有规律。
之后,对离散度值高的点进行标记。若上述离散度超过预设阈值,则对心电信号的该时刻进行标记,并输出。其中,该阈值可根据经验确定,或由用户调整。该心电图上的标记能够提醒医护人员及时的查看该标记对应的波形是否出现异常,并结合其他生理参数判断病人的病灶等情况。
一般来说,当RR间期离散度较大时,可能是房颤、房扑或多源性房速等某些比较严重的心律失常引起的,需要医护人员根据该波形的标记点并结合其他的生理参数及特征,进一步的进行判断。例如,如果观察到心电图中P波消失,代之以一系列连续快速、不规则的心房激动波(f波),则提示有可能是房颤。再结合患者的其他生理参数反应以及历史病例的数据,综合判断是否出现房颤现象。
如图4所示,本发明还涉及一种实现上述方法的装置,包括:第一心电图波形取得模块1、RR间期序列取得模2、重采样模3、不规则程度估算模块4和标记模块5;其中,第一心电图波形取得模块1用于取得心电图波形,并选择所述心电波形中的一个QRS波,以该QRS波的发生时刻为中心,在其前后分别选择T/2的时间长度,得到时间长度为T的第一心电图波形;RR间期序列取得模块2用于取得所述第一心电图波形中所有的RR间期,按照其发生时间顺序排列,得到所述第一心电图波形中的RR间期序列;重采样模块3用于对所述第一心电图波形中的RR间期序列进行重采样处理,得到设定数量的RR间期差,并对得到的间期差进行归一化处理;其中,所述设定数量的RR间期差包括在所述第一心电图波形中相邻和不相邻的间期之间的差别;不规则程度估算模块4用于依据所述归一化后的间期差得到其概率分布密度,并依据得到的概率分布密度得到所述心电图波形的RR间期不规则程度;标记模块5用于依据得到的心电图波形的RR间期不规则程度,对所述心电图波形中的不规则程度超过预设阈值的时刻进行标记;
更进一步地,重采样模块3进一步包括子序列产生单元31、伪随机权值 取得单元32、替代间期产生单元33、间期差取得单元34;其中,子序列产生单元31用于在所述第一心电图波形中的RR间期序列中选择长度为2K的连续间期,得到一个子序列,长度为N的所述第一心电图波形中的RR间期序列分成(N-2K+1)个子序列;伪随机权值取得单元32用于取得服从[0,1]均匀分布的伪随机权值ρ[i,j]和σ[i,j],其中i=1,2,...,K;j=1,2,...,N-2K+1;替代间期产生单元33用于将一个子序列中的RR间期按其在子系列中的排序分为前半部分和后半部分;
将前半部分与伪随机权值ρ[i,j]做加权平均运算得到该子序列的第一替代间期RR1(j);
将后半部分与伪随机权值σ[i,j]做加权平均运算得到该子序列的第二替代间期RR1(j);
RR[K+j-i]是该子序列的前半部分;RR[K+j+i-1]是该子序列的后半部分;
在本实施例中,运算的具体公式如下:
这样,得到该子序列的两个替代RR间期,即第一替代间期RR1[j]和第二替代间期RR2[j];
间期差取得单元34用于分别计算每个子序列得到的两个替代的RR间期之间的差值,得到(N-2K+1)个重采样的RR间期差,并对其进行归一化处理。
其中,多次依序调用上述单元,选择不同的子序列,得到重采样的、归一化处理后的RR间期差,直到得到的RR间期差达到设定数量。
此外,所述标记模块5还进一步包括离散度取得单元(图4中未示出)和标记判断单元(图4中未示出);离散度取得单元:用于根据所述归一化后的间期差概率密度分布情况得到RR间期的离散度;标记判断单元:用于判断上述离散度是否超过预设阈值,若是,则提示并输出该提示。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详 细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种评估心电图波形的RR间期不规则程度的方法,其特征在于,包括如下步骤:
A)取得心电图波形,并选择所述心电波形中的一个QRS波,以该QRS波的发生时刻为中心,在其前后分别选择T/2的时间长度,得到时间长度为T的第一心电图波形;
B)取得所述第一心电图波形中所有的RR间期,按照其发生时间顺序排列,得到所述第一心电图波形中的RR间期序列;
C)对所述第一心电图波形中的RR间期序列进行重采样处理,得到设定数量的RR间期差,并对得到的间期差进行归一化处理;其中,所述设定数量的RR间期差包括在所述第一心电图波形中相邻和不相邻的间期之间的差别;
D)依据所述归一化后的间期差得到其概率分布密度,并依据得到的概率分布密度得到所述心电图波形的RR间期不规则程度。
2.根据权利要求1所述的评估心电图波形的RR间期不规则程度的方法,其特征在于,所述步骤C)中进一步包括将所述第一心电图波形中的RR间期序列中连续的偶数个RR间期设置为一个子序列,并将所述子序列的前半部分和后半部分相减得到一个RR间期差;通过设置多个子序列并分别得到多个RR间期差;其中,子序列中的RR间期个数为2K个,第一心电图波形中的RR间期个数为N个;N和K分别为正整数,且N大于K。
3.根据权利要求2所述的评估心电图波形的RR间期不规则程度的方法,其特征在于,所述步骤C)进一步包括:
C1)在所述第一心电图波形中的RR间期序列中选择长度为2K的连续的间期,得到一个子序列,长度为N的所述第一心电图波形中的RR间期序列分成(N-2K+1)个子序列;
C2)取得服从[0,1]均匀分布的伪随机权值ρ[i,j]和σ[i,j],其中i=1,2,...,K;j=1,2,...,N-2K+1;
C3)将一个子序列中的RR间期按其在子系列中的排序分为前半部分和后半部分;
将前半部分与伪随机权值ρ[i,j]做加权平均运算得到该子序列的第一替代间期RR1(j);
将后半部分与伪随机权值σ[i,j]做加权平均运算得到该子序列的第二替代间期RR1(j);
RR[K+j-i]是该子序列的前半部分;RR[K+j+i-1]是该子序列的后半部分;
C4)分别计算每个子序列得到的两个替代的RR间期之间的差值,得到(N-2K+1)个重采样的RR间期差,并对其进行归一化处理;
C5)重复上述步骤C1)-C4),选择不同的子序列,得到重采样的、归一化处理后的RR间期差,直到得到的RR间期差达到设定数量。
4.根据权利要求3所述的评估心电图波形的RR间期不规则程度的方法,其特征在于,所述步骤C3)中,子序列的前半部分和后半部分分别与所述伪随机权值进行如下运算:
从而得到该子序列的第一替代间期和第二替代间期。
5.根据权利要求3所述的评估心电图波形的RR间期不规则程度的方法,其特征在于,所述步骤C4)中归一化处理包括:计算该子序列的平均RR间期RRmean[j],并用该平均RR间期除以重采样的RR间期差,得到归一化的重采样的RR间期差;所述步骤C2)中的伪随机权值为当时产生或事先产生、存储并取出使用;所述步骤C5)中的设定数量是事先设置的,其取值范围为1000-5000之间。
6.根据权利要求1-5任何一项所述的评估心电图波形的RR间期不规则程度的方法,其特征在于,还包括如下步骤:
E)依据得到的心电图波形的RR间期不规则程度,对所述心电图波形中的不规则程度超过预设阈值的时刻进行标记。
7.根据权利要求6所述的评估心电图波形的RR间期不规则程度的方法,其特征在于,所述步骤E)进一步包括:
E1)根据所述归一化后的间期差概率密度分布情况得到RR间期的离散度
E2)判断上述离散度是否超过预设阈值,若是,则提示并输出该提示。
8.一种实现评估心电图波形的RR间期不规则程度方法的装置,其特征在于,包括:
第一心电图波形取得模块:用于取得心电图波形,并选择所述心电波形中的一个QRS波,以该QRS波的发生时刻为中心,在其前后分别选择T/2的时间长度,得到时间长度为T的第一心电图波形;
RR间期序列取得模块:用于取得所述第一心电图波形中所有的RR间期,按照其发生时间顺序排列,得到所述第一心电图波形中的RR间期序列;
重采样模块:用于对所述第一心电图波形中的RR间期序列进行重采样处理,得到设定数量的RR间期差,并对得到的间期差进行归一化处理;其中,所述设定数量的RR间期差包括在所述第一心电图波形中相邻和不相邻的间期之间的差别;
不规则程度估算模块:用于依据所述归一化后的间期差得到其概率分布密度,并依据得到的概率分布密度得到所述心电图波形的RR间期不规则程度。
9.根据权利要求8所述的装置,其特征在于,所述重采样模块进一步包括:
子序列产生单元:用于在所述第一心电图波形中的RR间期序列中选择长度为2K的连续间期,得到一个子序列,长度为N的所述第一心电图波形中的RR间期序列分成(N-2K+1)个子序列;
伪随机权值取得单元:用于取得服从[0,1]均匀分布的伪随机权值ρ[i,j]和σ[i,j],其中i=1,2,...,K;j=1,2,...,N-2K+1;
替代间期产生单元:用于将一个子序列中的RR间期按其在子系列中的排序分为前半部分和后半部分;
将前半部分与伪随机权值ρ[i,j]做加权平均运算得到该子序列的第一替代间期RR1(j);
将后半部分与伪随机权值σ[i,j]做加权平均运算得到该子序列的第二替代间期RR1(j);
RR[K+j-i]是该子序列的前半部分;RR[K+j+i-1]是该子序列的后半部分;
间期差取得单元:用于分别计算每个子序列得到的两个替代的RR间期之间的差值,得到(N-2K+1)个重采样的RR间期差,并对其进行归一化处理;
其中,多次依序调用上述单元,选择不同的子序列,得到重采样的、归一化处理后的RR间期差,直到得到的RR间期差达到设定数量。
10.根据权利要求9所述的装置,其特征在于,还包括:
标记模块:用于依据得到的心电图波形的RR间期不规则程度,对所述心电图波形中的不规则程度超过预设阈值的时刻进行标记;
所述标记模块进一步包括:
离散度取得单元:用于根据所述归一化后的间期差概率密度分布情况得到RR间期的离散度
标记判断单元:用于判断上述离散度是否超过预设阈值,若是,则提示并输出该提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610281156.0A CN105902263B (zh) | 2016-04-29 | 2016-04-29 | 评估心电图波形的rr间期不规则程度的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610281156.0A CN105902263B (zh) | 2016-04-29 | 2016-04-29 | 评估心电图波形的rr间期不规则程度的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105902263A true CN105902263A (zh) | 2016-08-31 |
CN105902263B CN105902263B (zh) | 2019-04-16 |
Family
ID=56753076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610281156.0A Active CN105902263B (zh) | 2016-04-29 | 2016-04-29 | 评估心电图波形的rr间期不规则程度的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105902263B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106859625A (zh) * | 2017-02-13 | 2017-06-20 | 北京心量科技有限公司 | 一种hrv测量方法以及装置 |
CN108937912A (zh) * | 2018-05-12 | 2018-12-07 | 鲁东大学 | 一种基于深度神经网络的自动心律失常分析方法 |
CN109199375A (zh) * | 2018-11-30 | 2019-01-15 | 东南大学 | 一种无创胎儿心电检测装置及心电信号数据处理方法 |
CN109512422A (zh) * | 2018-09-25 | 2019-03-26 | 维灵(杭州)信息技术有限公司 | 一种ecg波形混乱程度计算方法 |
CN109567790A (zh) * | 2018-12-24 | 2019-04-05 | 深圳市瑞康宏业科技开发有限公司 | 一种心电散点图快速局部分析方法、装置和计算机装置 |
WO2019100563A1 (zh) * | 2017-11-27 | 2019-05-31 | 乐普(北京)医疗器械股份有限公司 | 心电信号质量评估方法 |
CN110123304A (zh) * | 2019-01-22 | 2019-08-16 | 东南大学 | 基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法 |
CN111053551A (zh) * | 2019-12-27 | 2020-04-24 | 深圳邦健生物医疗设备股份有限公司 | Rr间期心电数据分布显示方法、装置、计算机设备和介质 |
WO2020125078A1 (zh) * | 2018-12-18 | 2020-06-25 | 安徽华米信息科技有限公司 | 心律监控方法、装置、电子设备及计算机可读存储介质 |
CN112168176A (zh) * | 2019-06-12 | 2021-01-05 | 京东方科技集团股份有限公司 | 一种基于心电信号的身份识别方法、装置和设备 |
CN114403889A (zh) * | 2022-03-14 | 2022-04-29 | 武汉中旗生物医疗电子有限公司 | Nn间期信号获取装置、***及存储介质 |
CN115399784A (zh) * | 2022-09-02 | 2022-11-29 | 厦门纳龙健康科技股份有限公司 | 一种心电无效数据自动屏蔽方法、终端设备及存储介质 |
CN115399784B (zh) * | 2022-09-02 | 2024-07-09 | 厦门纳龙健康科技股份有限公司 | 一种心电无效数据自动屏蔽方法、终端设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202427019U (zh) * | 2011-11-17 | 2012-09-12 | 深圳市科瑞康实业有限公司 | 一种用于身心放松训练的辅助装置 |
CN102805620A (zh) * | 2012-08-16 | 2012-12-05 | 深圳市邦健电子有限公司 | 一种房颤检测方法和装置 |
CN103110417A (zh) * | 2013-02-28 | 2013-05-22 | 华东师范大学 | 一种心电图自动识别*** |
CN104367318A (zh) * | 2014-11-07 | 2015-02-25 | 北京海思敏医疗技术有限公司 | 房颤检测方法和装置 |
US20160113538A1 (en) * | 2014-10-24 | 2016-04-28 | National Tsing Hua University | Relaxation state evaluation system and method and computer program product thereof |
-
2016
- 2016-04-29 CN CN201610281156.0A patent/CN105902263B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202427019U (zh) * | 2011-11-17 | 2012-09-12 | 深圳市科瑞康实业有限公司 | 一种用于身心放松训练的辅助装置 |
CN102805620A (zh) * | 2012-08-16 | 2012-12-05 | 深圳市邦健电子有限公司 | 一种房颤检测方法和装置 |
CN103110417A (zh) * | 2013-02-28 | 2013-05-22 | 华东师范大学 | 一种心电图自动识别*** |
US20160113538A1 (en) * | 2014-10-24 | 2016-04-28 | National Tsing Hua University | Relaxation state evaluation system and method and computer program product thereof |
CN104367318A (zh) * | 2014-11-07 | 2015-02-25 | 北京海思敏医疗技术有限公司 | 房颤检测方法和装置 |
Non-Patent Citations (1)
Title |
---|
张泾周等: "基于神经网络的心电信号波形自动分类算法研究", 《北京生物医学工程》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106859625B (zh) * | 2017-02-13 | 2020-03-10 | 北京心量科技有限公司 | 一种hrv测量方法以及装置 |
CN106859625A (zh) * | 2017-02-13 | 2017-06-20 | 北京心量科技有限公司 | 一种hrv测量方法以及装置 |
US11253204B2 (en) | 2017-11-27 | 2022-02-22 | Shanghai Lepu CloudMed Co., Ltd. | Method for assessing electrocardiogram signal quality |
WO2019100563A1 (zh) * | 2017-11-27 | 2019-05-31 | 乐普(北京)医疗器械股份有限公司 | 心电信号质量评估方法 |
CN108937912A (zh) * | 2018-05-12 | 2018-12-07 | 鲁东大学 | 一种基于深度神经网络的自动心律失常分析方法 |
CN108937912B (zh) * | 2018-05-12 | 2021-05-11 | 鲁东大学 | 一种基于深度神经网络的自动心律失常分析方法 |
CN109512422A (zh) * | 2018-09-25 | 2019-03-26 | 维灵(杭州)信息技术有限公司 | 一种ecg波形混乱程度计算方法 |
CN109199375A (zh) * | 2018-11-30 | 2019-01-15 | 东南大学 | 一种无创胎儿心电检测装置及心电信号数据处理方法 |
CN109199375B (zh) * | 2018-11-30 | 2021-11-02 | 东南大学 | 一种无创胎儿心电检测装置及心电信号数据处理方法 |
WO2020125078A1 (zh) * | 2018-12-18 | 2020-06-25 | 安徽华米信息科技有限公司 | 心律监控方法、装置、电子设备及计算机可读存储介质 |
CN109567790A (zh) * | 2018-12-24 | 2019-04-05 | 深圳市瑞康宏业科技开发有限公司 | 一种心电散点图快速局部分析方法、装置和计算机装置 |
CN110123304B (zh) * | 2019-01-22 | 2021-08-27 | 东南大学 | 基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法 |
CN110123304A (zh) * | 2019-01-22 | 2019-08-16 | 东南大学 | 基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法 |
CN112168176B (zh) * | 2019-06-12 | 2024-03-19 | 京东方科技集团股份有限公司 | 一种基于心电信号的身份识别方法、装置和设备 |
CN112168176A (zh) * | 2019-06-12 | 2021-01-05 | 京东方科技集团股份有限公司 | 一种基于心电信号的身份识别方法、装置和设备 |
CN111053551A (zh) * | 2019-12-27 | 2020-04-24 | 深圳邦健生物医疗设备股份有限公司 | Rr间期心电数据分布显示方法、装置、计算机设备和介质 |
CN111053551B (zh) * | 2019-12-27 | 2021-09-03 | 深圳邦健生物医疗设备股份有限公司 | Rr间期心电数据分布显示方法、装置、计算机设备和介质 |
US12011277B2 (en) | 2019-12-27 | 2024-06-18 | Shenzhen Biocare Bio-Medical Equipment Co., Ltd. | RR interval ECG data distribution display method and device, computer equipment and medium |
CN114403889A (zh) * | 2022-03-14 | 2022-04-29 | 武汉中旗生物医疗电子有限公司 | Nn间期信号获取装置、***及存储介质 |
CN115399784A (zh) * | 2022-09-02 | 2022-11-29 | 厦门纳龙健康科技股份有限公司 | 一种心电无效数据自动屏蔽方法、终端设备及存储介质 |
CN115399784B (zh) * | 2022-09-02 | 2024-07-09 | 厦门纳龙健康科技股份有限公司 | 一种心电无效数据自动屏蔽方法、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105902263B (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105902263A (zh) | 评估心电图波形的rr间期不规则程度的方法及装置 | |
CN103690156B (zh) | 一种心率获取方法及心电信号的处理方法 | |
US11529103B2 (en) | Artificial intelligence self-learning-based automatic electrocardiography analysis method and apparatus | |
US11234629B2 (en) | Method and device for self-learning dynamic electrocardiography analysis employing artificial intelligence | |
US11344243B2 (en) | Artificial intelligence self-learning-based static electrocardiography analysis method and apparatus | |
Sörnmo et al. | Electrocardiogram (ECG) signal processing | |
CN103110417B (zh) | 一种心电图自动识别*** | |
Costin et al. | Atrial fibrillation onset prediction using variability of ECG signals | |
CN112932498B (zh) | 一种基于深度学习的强泛化能力的t波形态分类*** | |
CN108652613A (zh) | 信号时频图生成的方法及装置 | |
Zhang et al. | Method of diagnosing heart disease based on deep learning ECG signal | |
Besrour et al. | ECG beat classifier using support vector machine | |
Zhao et al. | PVC recognition for wearable ECGs using modified frequency slice wavelet transform and convolutional neural network | |
Kar et al. | A technical review on statistical feature extraction of ECG signal | |
Imtiaz et al. | Pan-Tompkins++: A robust approach to detect R-peaks in ECG signals | |
CN115770054A (zh) | 心电信号处理方法、便携式心电采集设备和存储介质 | |
Liu et al. | Automatic arrhythmia detection based on convolutional neural networks | |
CN112438735B (zh) | 一种心电图p波检测方法、分析装置以及存储介质 | |
Jindal et al. | MATLAB based GUI for ECG arrhythmia detection using Pan-Tompkin algorithm | |
Boon et al. | Ventricular tachyarrhythmia prediction based on heart rate variability and genetic algorithm | |
CN109480826B (zh) | 一种心电信号处理方法、装置及设备 | |
Adeluyi et al. | R-READER: A lightweight algorithm for rapid detection of ECG signal R-peaks | |
Mondelo et al. | A channel-dependent algorithm for heart beats detection in ECG recordings | |
Tribhuvanam et al. | ECG abnormality classification with single beat analysis | |
Kumar et al. | Statistical heart rate variability analysis under rest and post-exercise |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |