CN110448289B - 一种心率变异性(hrv)分析方法、装置、存储介质及设备 - Google Patents
一种心率变异性(hrv)分析方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN110448289B CN110448289B CN201910648951.2A CN201910648951A CN110448289B CN 110448289 B CN110448289 B CN 110448289B CN 201910648951 A CN201910648951 A CN 201910648951A CN 110448289 B CN110448289 B CN 110448289B
- Authority
- CN
- China
- Prior art keywords
- hrv
- electrocardiogram data
- index
- data
- classification
- 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
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及医学信号处理技术领域,尤其涉及一种心率变异性(HRV)分析方法、装置、存储介质及设备。所述方法包括:获取心电图数据;根据所述心电图数据选择分析区间,得到短程心电图数据;根据所述短程心电图数据进行去噪,得到待分析的心电图数据;根据所述待分析的心电图数据进行计算,得到HRV时域指标、HRV频域指标、HRV三角指数指标;获取与所述心电图数据对应的用户的临床背景数据;根据所述HRV时域指标、所述HRV频域指标、所述HRV三角指数指标进行计算,得到HRV评测积分;根据所述临床背景数据进行计算,得到临床背景积分;根据所述HRV评测积分、所述临床背景积分进行计算,得到HRV评分。因此,本发明操作简便、诊断准确性高、自动分析短程HRV。
Description
技术领域
本发明涉及医学信号处理技术领域,尤其涉及一种心率变异性(HRV)分析方法、装置、存储介质及设备。
背景技术
心率变异性(HRV)是反映心脏病变时功能的指标,反映心脏对自主神经(交感副交感)的受控能力。HRV的分析主要临床应用:心衰的评估、恶性心律失常性心脏猝死。临床上HRV主要有3种形式:24小时长程HRV、短程HRV、分时段HRV,都是在动态心电图或静态心电图检查基础上,通过专有软件对源数据进一步分析计算得出。针对HRV正常值在健康/患者之间存在明显重叠交叉、诊断困难的问题,因此,提供一种操作简便、诊断准确的多因素短程HRV自动分析方法显得尤为重要。
发明内容
基于此,有必要针对上述问题,提出了一种心率变异性(HRV)分析方法、装置、存储介质及设备。
第一方面,本发明提供了一种心率变异性(HRV)分析方法,所述方法包括:
获取心电图数据;
根据所述心电图数据选择分析区间,得到短程心电图数据;
根据所述短程心电图数据进行去噪,得到待分析的心电图数据;
根据所述待分析的心电图数据进行计算,得到HRV时域指标、HRV频域指标、HRV三角指数指标;
获取与所述心电图数据对应的用户的临床背景数据;
根据所述HRV时域指标、所述HRV频域指标、所述HRV三角指数指标进行计算,得到HRV评测积分;
根据所述临床背景数据进行计算,得到临床背景积分;
根据所述HRV评测积分、所述临床背景积分进行计算,得到HRV评分。
第二方面,本发明还提供了一种心率变异性分析装置,所述装置包括:
心电图管理模块,用于记录心电图数据;
选择分析区间模块,用于获取心电图数据,根据所述心电图数据选择分析区间,得到短程心电图数据;
去噪模块,用于根据所述短程心电图数据进行去噪,得到待分析的心电图数据;
临床背景获取模块,用于获取与所述心电图数据对应的用户的临床背景数据;
HRV评分模块,用于根据所述待分析的心电图数据进行计算,得到HRV时域指标、HRV频域指标、HRV三角指数指标,根据所述HRV时域指标、所述HRV频域指标、所述HRV三角指数指标进行计算,得到HRV评测积分,根据所述临床背景数据进行计算,得到临床背景积分,根据所述HRV评测积分、所述临床背景积分进行计算,得到HRV评分。
第三方面,本发明还提供了一种存储介质,存储有计算机指令程序,所述计算机指令程序被处理器执行时,使得所述处理器执行第一方面任一项所述方法的步骤。
第四方面,本发明还提供了一种计算机设备,包括至少一个存储器、至少一个处理器,所述存储器存储有计算机指令程序,所述计算机指令程序被所述处理器执行时,使得所述处理器执行第一方面任一项所述方法的步骤。
综上所述,本发明的一种心率变异性(HRV)分析方法根据所述心电图数据选择分析区间,得到短程心电图数据;对所述短程心电图数据进行去噪后进行计算得到HRV时域指标、HRV频域指标、HRV三角指数指标,根据所述HRV时域指标、所述HRV频域指标、所述HRV三角指数指标、所述临床背景数据进行计算得到HRV评分;通过HRV的指标结合临床背景数据得到HRV评分,提高了HRV评分的准确性,从而提高了诊断的准确性;所述方法通过选择分析区间、去噪、计算HRV指标、计算HRV评分,操作简便,实现了自动分析。因此,本发明操作简便、诊断准确性高、自动分析短程HRV。
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,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地介绍,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他的附图。
其中:
图1为一个实施例中一种心率变异性(HRV)分析方法的流程图;
图2为一个实施例中计算HRV评测积分流程图;
图3为一个实施例中计算HRV评测积分流程图;
图4为一个实施例中计算临床背景积分流程图;
图5为一个实施例中心电图数据去噪流程图;
图6为一个实施例中一种心率变异性(HRV)分析装置的结构框图;
图7为一个实施例中计算机设备的结构框图。
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作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。
心率变异性(HRV)是指逐次心跳周期差异的变化情况,它含有神经体液因素对心血管***调节的信息,从而判断其对心血管等疾病的病情及预防,可能是预测心脏性猝死和心律失常性事件的一个有价值的指标。
如图1所述,在一个实施例中,提高了一种心率变异性(HRV)分析方法,所述方法实现如下步骤:
S102、获取心电图数据;
心电图是指心脏在每个心动周期中,由起搏点、心房、心室相继兴奋,伴随着生物电的变化,通过心电描记器从体表引出多种形式的电位变化的图形,心电测量技术已经发展到十八导联。心电图的检查意义在于:用于对各种心律失常、心室心房肥大、心肌梗死、心肌缺血等病症检查。
S104、根据所述心电图数据选择分析区间,得到短程心电图数据;
具体而言,根据所述心电图数据选择其中一个导联,从该导联中截取部分时长的心电图数据作为短程心电图数据。
所述短程心电图数据是在心电图的一个导联中截取部分时长的心电图数据,部分时长的心电图数据是指时长是不低于5分钟并且不高于4小时的心电图数据,比如,Ⅱ导联其中5分钟、10分钟、30分钟、1小时、2小时、4小时,在此举例不作具体限定。
S106、根据所述短程心电图数据进行去噪,得到待分析的心电图数据;
具体而言,根据所述短程心电图数据去除噪声得到待分析的心电图数据。从而提高了本方法的准确性。
去噪是去掉所述短程心电图数据中非心电发出的波,非心电发出的波是其他一些原因的产生的噪音引起的干扰和伪差,如不去除干扰和伪差无法准确计算HRV评分。
S108、根据所述待分析的心电图数据进行计算,得到HRV时域指标、HRV频域指标、HRV三角指数指标;
所述HRV时域指标的变量包括SDNN(单位:ms,所有NN间期的标准差)、SDANN(单位:ms,全部记录中所有5分钟时段内平均NN间期标准差)、RMSSD(单位:ms,相邻NN间期之差平方和均值的平方根)、SDNN指数(单位:ms,全部记录中所有5分钟时段内NN间期标准差的均值)、SDSD(单位:ms,相邻NN间期之差的标准差)、NN50计数(单位:ms,全部记录中相邻NN间期之差大于50ms的成对数或计数后面NN间期长的成对数)、PNN50(单位:%,NN50计数除以NN间期的总数)。所述HRV时域指标的变量的计算可以从现有技术选择,在此不作赘述。
所述HRV频域指标是将各个RR间期变化度数值进行快速傅里叶变换(FFT),处理后的功率谱依照频率由低到高排列,将0~0.15Hz定义为低频LF,将>0.15Hz的功率定义为高频,计算得到LF/HF比值。所述HRV频域指标的计算可以从现有技术选择,在此不作赘述。
所述HRV三角指数指标是指将RR间期从短到长进行分组,组间距7.8125ms,相同宽度的RR间期同组叠加,三角指数=高度/低宽度。所述HRV三角指数指标的计算可以从现有技术选择,在此不作赘述。
S110、获取与所述心电图数据对应的用户的临床背景数据;
所述临床背景数据包括糖尿病史、慢性心衰、心室肥大、冠心病心肌梗死、心肌病或其它器质性心脏病。
S112、根据所述HRV时域指标、所述HRV频域指标、所述HRV三角指数指标进行计算,得到HRV评测积分;
所述HRV评测积分是根据心电图数据计算得出。
S114、根据所述临床背景数据进行计算,得到临床背景积分;
根据所述临床背景数据的病史进行计算,得到临床背景积分。
所述病史包括糖尿病史、慢性心衰、心室肥大、冠心病心肌梗死、心肌病或其它器质性心脏病。
S116、根据所述HRV评测积分、所述临床背景积分进行计算,得到HRV评分。
具体而言,把所述HRV评测积分与所述临床背景积分进行相加得到HRV评分。
所述HRV评分用于辅助心衰的评估、恶性心律失常性心脏猝死的评估。
所述方法通过HRV的指标结合临床背景数据得到HRV评分,提高了HRV评分的准确性,从而提高了诊断的准确性;所述方法通过选择分析区间、去噪、计算HRV指标、计算HRV评分,操作简便,实现了自动分析。因此,本发明操作简便、诊断准确性高、自动分析短程HRV。
如图2所述,在一个实施例中,所述根据所述HRV时域指标、所述HRV频域指标、所述HRV三角指数指标进行计算,得到HRV评测积分,具体包括:
S202、获取短程心电图数据对应的实际检测总时间;
所述实际检测总时间是用于从心电图中选择的所述短程心电图数据的时间长度。
S204、根据所述短程心电图数据对应的实际检测总时间进行计算,得到检测时间系数;
具体而言,设Kt为检测时间系数,ts为实际检测总时间(单位:分钟)
Kt=1+(1-ts/(5*288))
S206、根据所述HRV时域指标、所述检测时间系数进行计算,得到HRV时域指标评测值;
具体而言,根据所述HRV时域指标、所述检测时间系数计算得到SDNN评测值、SDANN评测值、RMSSD评测值、SDSD指数评测值、SDNN指数评测值、PNN50评测值。
设评测值为A,实际测量值为B,评测值计算方式如下:
A=B*Kt
其中,A为SDNN评测值时,B为SDNN实际测量值;A为SDANN评测值时,B为SDANN实际测量值;A为RMSSD评测值时,B为RMSSD实际测量值;A为SDSD评测值时,B为SDSD实际测量值;A为SDNN指数评测值时,B为SDNN指数实际测量值;A为SDANN评测值时,B为SDANN实际测量值;
PNN50评测值等于PNN50实际测量值;
S208、根据所述HRV频域指标进行计算,得到LF/HF评测值;
具体而言,将各个RR间期变化度数值进行快速傅里叶变换(FFT),处理后的功率谱依照频率由低到高排列,将0~0.15Hz定义为低频LF,将>0.15Hz的功率定义为高频,计算LF/HF比值,所述LF/HF比值即为LF/HF实际测量值,LF/HF评测值等于LF/HF实际测量值。
S210、根据所述HRV三角指数指标进行计算,得到三角指数评测值;
具体而言,将RR间期从短到长进行分组,组间距7.8125ms,相同宽度的RR间期同组叠加,三角指数实际测量值=高度/低宽度,三角指数评测值等于三角指数实际测量值。
S212、根据所述HRV时域指标评测值、所述LF/HF评测值、所述三角指数评测值进行计算,得到所述HRV评测积分。
具体而言,根据SDNN评测值、SDANN评测值、RMSSD评测值、SDSD评测值、SDNN指数评测值、PNN50评测值、所述LF/HF评测值、所述三角指数评测值计算得到所述HRV评测积分。
如图3所述,在一个实施例中,所述根据所述HRV时域指标评测值、所述LF/HF评测值、所述三角指数评测值进行计算,得到所述HRV评测积分,具体包括:
S302、根据所述HRV时域指标评测值进行异常判断,得到HRV时域变量的异常分类;
具体而言,SDNN评测值大于100时异常分类为正常;SDNN评测值大于等于70并且小于等于100时异常分类为可疑;SDNN评测值小于70时异常分类为异常;
SDANN评测值大于100时异常分类为正常;SDANN评测值大于等于70并且小于等于100时异常分类为可疑;SDANN评测值小于70时异常分类为异常;
RMSSD评测值大于30时异常分类为正常;RMSSD评测值大于等于15并且小于等于30时异常分类为可疑;RMSSD评测值小于15时异常分类为异常;
SDSD评测值大于30时异常分类为正常;SDSD评测值大于等于15并且小于等于30时异常分类为可疑;SDSD评测值小于15时异常分类为异常;
SDNN指数评测值大于80时异常分类为正常;SDNN指数评测值大于等于50并且小于等于80时异常分类为可疑;SDNN指数评测值小于50时异常分类为异常;
PNN50评测值大于8%时异常分类为正常;PNN50评测值大于等于2%并且小于等于8%时异常分类为可疑;PNN50评测值小于2%时异常分类为异常;
S304、根据所述LF/HF评测值进行异常判断,得到LF/HF的异常分类;
具体而言,LF/HF评测值大于4时异常分类为正常;LF/HF评测值大于等于2并且小于等于4时异常分类为可疑;LF/HF评测值小于2时异常分类为异常;
S306、根据所述三角指数评测值进行异常判断,得到HRV三角指数的异常分类;
具体而言,三角指数评测值大于30时异常分类为正常;三角指数评测值大于等于15并且小于等于30时异常分类为可疑;三角指数评测值小于15时异常分类为异常;
S308、根据所述HRV时域变量的异常分类、所述LF/HF的异常分类、所述HRV三角指数的异常分类进行计算,得到所述HRV评测积分。
具体而言,把所述HRV时域变量的异常分类、所述LF/HF的异常分类、所述HRV三角指数的异常分类进行分类评分,并且把所有分类评分进行相加得到HRV评测积分。分类评分包括:异常分类为正常则为0分,异常分类为可疑则为0.5分,异常分类为异常则为1分。
在一个实施例中,所述根据所述临床背景数据进行计算,得到临床背景积分,具体包括:根据所述临床背景数据中的患病情况进行计算,得到所述临床背景积分。所述临床背景数据中的糖尿病史、慢性心衰、心室肥大(心超证实解剖结构异常)、冠心病心肌梗死、心肌病或其它器质性心脏病,在此举例不作具体限定。
如图4所述,在一个实施例中,所述根据所述临床背景数据中的患病情况进行计算,得到所述临床背景积分,具体包括:
S402、根据所述临床背景数据中的糖尿病史、慢性心衰、心室肥大、冠心病心肌梗死、心肌病或其它器质性心脏病进行病史异常判断,得到所述糖尿病史的异常分类、所述慢性心衰的异常分类、所述心室肥大的异常分类、所述冠心病心肌梗死的异常分类、所述心肌病或其它器质性心脏病的异常分类;
具体而言,病史的异常分类包括:有、无、背景不明。
S404、根据所述糖尿病史的异常分类、所述慢性心衰的异常分类、所述心室肥大的异常分类、所述冠心病心肌梗死的异常分类、所述心肌病或其它器质性心脏病的异常分类进行计算,得到所述临床背景积分。
具体而言,根据所述糖尿病史的异常分类、所述慢性心衰的异常分类、所述心室肥大的异常分类、所述冠心病心肌梗死的异常分类、所述心肌病或其它器质性心脏病的异常分类进行病史分类评分,并且把所有分类评分进行相加得到临床背景积分。病史分类评分包括:有则为1分、无则为0分、背景不明则为0.5分。
在一个实施例中,短程心电图数据是指从12导联心电图的Ⅱ导联的选择预设时间的数据。在12导联心电图中,Ⅱ导联基线平稳,R/T比值相对其他导联大,选择Ⅱ导联有利于提高本方法的准确性。
在一个实施例中,所述根据所述心电图数据选择分析区间,得到短程心电图数据,具体包括:获取分析时长参数;根据所述分析时长参数、所述心电图数据选择基线平稳及R/T比值大区间作为短程心电图数据,所述短程心电图数据用于心率变异性分析方法的分析基础。
所述分析时长参数是从心电图截取数据的时间长度,所述分析时长参数不低于5分钟并且不高于4小时,比如,5分钟、10分钟、30分钟、1小时、2小时、4小时,在此举例不作具体限定。
所述R/T比值大是指T波相对基线的高度小于R波相对基线的高度的30%。
所述R波是指心电图上的正常有的波形。
所述T波是继QRS波群后的一个波幅较低而波宽较长的电波,反映心室兴奋后再极化过程。心室再极化的顺序与去极化过程相反,它缓慢地从外层向内层进行,在外层已去极化部分的负电位首先恢复到静息时的正电位,使外层为正,内层为负,因此与去极化时向量的方向基本相同。
如图5所述,在一个实施例中,所述根据所述短程心电图数据进行去噪,得到待分析的心电图数据,具体包括:
S502、根据所述短程心电图数据剔除干扰、伪差、非窦性心室下传心搏数据,得到待标注的短程心电图数据;
所述干扰和伪差都不是心电发出的波,是其他一些原因的一些噪音产生,比如,环境中非正常的噪音产生的干扰。伪差是指仪器本身原因造成的心电图静电干扰。干扰和伪差的识别方法可以从现有技术中选择,在此不作赘述。
非窦性心室下传心搏是常见的心脏病,比如异位心博或异味心律或异位搏动,识别方法可以从现有技术中选择,在此不作赘述。
S504、根据所述待标注的短程心电图数据进行识别标注,得到短程心电图数据的心博属性;
具体而言,窦性心搏标注为N,室上性异位心搏标注为S,室性异位心搏标注为V,起搏心搏标注为P,心房颤动心搏标注为Af,心房扑动心搏标注为AF。心博属性标注方法可以从现有技术中选择,在此不作赘述。
S506、根据所述短程心电图数据的心博属性得到心博间期;
具体而言,把心电图上相邻的两个心博属性组成一个心博间期,比如,N-N间期(又可叫NN间期)、N-V间期(又可叫NV间期)、V-V间期(又可叫VV间期)、N-S间期(又可叫NS间期)。
S508、根据所述心博间期得到待分析的心电图数据。
具体而言,N-N间期为有效心博,分析心搏数除以分析区间总心搏数的结果大于等于0.7,则N-N间期的数据作为待分析的心电图数据;分析心搏数除以分析区间总心搏数的结果小于0.7,则放弃对所述短程心电图数据的分析;其它心搏间期为无效心搏,该部分的心电图数据不参加分析,比如,N-V间期、V-V间期、N-S间期。从而使去噪后得到的待分析的心电图数据为有效心博。
所述分析心搏数是指短程心电图数据中所有N-N间期的心博总数。
所述分析区间总心搏数是指短程心电图数据的心博总数。
在一个实施例中,在所述根据所述HRV评测积分、所述临床背景积分进行计算,得到HRV评分之后,还包括:当所述临床背景积分≤0.5时,疾病诊断结果为HRV检测未见异常;当所述HRV评测积分≤0.5时,疾病诊断结果为HRV检测未见异常;当所述临床背景积分>0.5、所述HRV评测积分>0.5、所述HRV评分≥3时,疾病诊断结果为HRV异常;当所述临床背景积分>0.5、所述HRV评测积分>0.5、1<所述HRV评分<3时,疾病诊断结果为HRV可疑异常;当所述临床背景积分>0.5、所述HRV评测积分>0.5、所述HRV评分≤1时,疾病诊断结果为无异常。
如图6所述,在一个实施例中,提供了一种心率变异性分析装置,所述装置包括:
心电图管理模块601,用于记录心电图数据;
选择分析区间模块603,用于获取心电图数据,根据所述心电图数据选择分析区间,得到短程心电图数据;
去噪模块604,用于根据所述短程心电图数据进行去噪,得到待分析的心电图数据;
临床背景获取模块602,用于获取与所述心电图数据对应的用户的临床背景数据;
HRV评分模块605,用于根据所述待分析的心电图数据进行计算得到HRV时域指标、HRV频域指标、HRV三角指数指标,根据所述HRV时域指标、所述HRV频域指标、所述HRV三角指数指标进行计算得到HRV评测积分,根据所述临床背景数据进行计算得到临床背景积分,根据所述HRV评测积分、所述临床背景积分进行计算得到HRV评分。
所述装置通过HRV的指标结合临床背景数据得到HRV评分,提高了HRV评分的准确性,从而提高了诊断的准确性;所述方法通过选择分析区间、去噪、计算HRV指标、计算HRV评分,操作简便,实现了自动分析。因此,本发明操作简便、诊断准确性高、自动分析短程HRV。
图7示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器和终端设备,所述服务器包括但不限于高性能计算机和高性能计算机集群;所述终端设备包括但不限于移动终端设备和台式终端设备,所述移动终端设备包括但不限于手机、平板电脑、智能手表和笔记本电脑,所述台式终端设备包括但不限于台式电脑和车载电脑。如图7所示,该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作***,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现一种心率变异性(HRV)分析方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行一种心率变异性(HRV)分析方法。本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的一种心率变异性(HRV)分析方法可以实现为一种计算机程序的形式,计算机程序可在如图7所示的计算机设备上运行。计算机设备的存储器中可存储组成心率变异性(HRV)分析装置的各个程序模板。比如,选择心电图管理模块601、选择分析区间模块603、去噪模块604、临床背景获取模块602、HRV评分模块605。
在一个实施例中,本发明还提供了一种存储介质,存储有计算机指令程序,所述计算机指令程序被处理器执行时,使得所述处理器执行时实现如下步骤:
获取心电图数据;
根据所述心电图数据选择分析区间,得到短程心电图数据;
根据所述短程心电图数据进行去噪,得到待分析的心电图数据;
根据所述待分析的心电图数据进行计算,得到HRV时域指标、HRV频域指标、HRV三角指数指标;
获取与所述心电图数据对应的用户的临床背景数据;
根据所述HRV时域指标、所述HRV频域指标、所述HRV三角指数指标、所述临床背景数据进行计算,得到HRV评分。
在一个实施例中,本发明还提供了一种计算机设备,包括至少一个存储器、至少一个处理器,所述存储器存储有计算机指令程序,所述计算机指令程序被所述处理器执行时,使得所述处理器执行执行时实现如下步骤:
获取心电图数据;
根据所述心电图数据选择分析区间,得到短程心电图数据;
根据所述短程心电图数据进行去噪,得到待分析的心电图数据;
根据所述待分析的心电图数据进行计算,得到HRV时域指标、HRV频域指标、HRV三角指数指标;
获取与所述心电图数据对应的用户的临床背景数据;
根据所述HRV时域指标、所述HRV频域指标、所述HRV三角指数指标、所述临床背景数据进行计算,得到HRV评分。
需要说明的是,上述心率变异性(HRV)分析方法、心率变异性(HRV)分析装置、计算机设备及计算机可读存储介质属于一个总的发明构思,心率变异性(HRV)分析方法、心率变异性(HRV)分析装置、计算机设备及计算机可读存储介质实施例中的内容可相互适用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种心率变异性(HRV)分析方法,所述方法包括:
获取心电图数据;
根据所述心电图数据选择分析区间,得到短程心电图数据;
根据所述短程心电图数据进行去噪,得到待分析的心电图数据;
根据所述待分析的心电图数据进行计算,得到HRV时域指标、HRV频域指标、HRV三角指数指标;
获取与所述心电图数据对应的用户的临床背景数据;
根据所述HRV时域指标、所述HRV频域指标、所述HRV三角指数指标进行计算,得到HRV评测积分;
根据所述临床背景数据进行计算,得到临床背景积分;
根据所述HRV评测积分、所述临床背景积分进行计算,得到HRV评分;
其中,所述根据所述临床背景数据进行计算,得到临床背景积分,具体包括:
根据所述临床背景数据中的糖尿病史、慢性心衰、心室肥大、冠心病心肌梗死、心肌病或其它器质性心脏病进行病史异常判断,得到所述糖尿病史的异常分类、所述慢性心衰的异常分类、所述心室肥大的异常分类、所述冠心病心肌梗死的异常分类、所述心肌病或其它器质性心脏病的异常分类;
根据所述糖尿病史的异常分类、所述慢性心衰的异常分类、所述心室肥大的异常分类、所述冠心病心肌梗死的异常分类、所述心肌病或其它器质性心脏病的异常分类进行计算,得到所述临床背景积分。
2.根据权利要求1所述的方法,其特征在于,所述根据所述HRV时域指标、所述HRV频域指标、所述HRV三角指数指标进行计算,得到HRV评测积分,具体包括:
获取所述短程心电图数据对应的实际检测总时间;
根据所述短程心电图数据对应的实际检测总时间进行计算,得到检测时间系数;
根据所述HRV时域指标、所述检测时间系数进行计算,得到HRV时域指标评测值;
根据所述HRV频域指标进行计算,得到LF/HF评测值,所述LF为0-0.15HZ的低频,所述HF为大于0.15HZ的高频,所述LF/HF评测值为所述LF与所述HF的比值;
根据所述HRV三角指数指标进行计算,得到三角指数评测值;
根据所述HRV时域指标评测值、所述LF/HF评测值、所述三角指数评测值进行计算,得到所述HRV评测积分。
3.根据权利要求2所述的方法,其特征在于,所述根据所述HRV时域指标评测值、所述LF/HF评测值、所述三角指数评测值进行计算,得到所述HRV评测积分,具体包括:
根据所述HRV时域指标评测值进行异常判断,得到HRV时域变量的异常分类;
根据所述LF/HF评测值进行异常判断,得到LF/HF的异常分类;
根据所述三角指数评测值进行异常判断,得到HRV三角指数的异常分类;
根据所述HRV时域变量的异常分类、所述LF/HF的异常分类、所述HRV三角指数的异常分类进行计算,得到所述HRV评测积分。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述心电图数据选择分析区间,得到短程心电图数据,具体包括:
获取分析时长参数;
根据所述分析时长参数、所述心电图数据选择基线平稳及R/T比值大区间作为短程心电图数据,所述短程心电图数据用于心率变异性分析方法的分析基础,所述R/T比值大是指T波相对基线的高度小于R波相对基线的高度的30%。
5.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述短程心电图数据进行去噪,得到待分析的心电图数据,具体包括:
根据所述短程心电图数据剔除干扰、伪差、非窦性心室下传心搏数据,得到待标注的短程心电图数据;
根据所述待标注的短程心电图数据进行识别标注,得到短程心电图数据的心博属性;
根据所述短程心电图数据的心博属性得到心博间期;
根据所述心博间期得到待分析的心电图数据。
6.一种心率变异性分析装置,其特征在于,所述装置包括:
心电图管理模块,用于记录心电图数据;
选择分析区间模块,用于获取心电图数据,根据所述心电图数据选择分析区间,得到短程心电图数据;
去噪模块,用于根据所述短程心电图数据进行去噪,得到待分析的心电图数据;
临床背景获取模块,用于获取与所述心电图数据对应的用户的临床背景数据;
HRV评分模块,用于根据所述待分析的心电图数据进行计算,得到HRV时域指标、HRV频域指标、HRV三角指数指标,根据所述HRV时域指标、所述HRV频域指标、所述HRV三角指数指标进行计算,得到HRV评测积分,根据所述临床背景数据进行计算,得到临床背景积分,根据所述HRV评测积分、所述临床背景积分进行计算,得到HRV评分;其中,所述HRV评分模块,具体用于,根据所述临床背景数据中的糖尿病史、慢性心衰、心室肥大、冠心病心肌梗死、心肌病或其它器质性心脏病进行病史异常判断,得到所述糖尿病史的异常分类、所述慢性心衰的异常分类、所述心室肥大的异常分类、所述冠心病心肌梗死的异常分类、所述心肌病或其它器质性心脏病的异常分类;根据所述糖尿病史的异常分类、所述慢性心衰的异常分类、所述心室肥大的异常分类、所述冠心病心肌梗死的异常分类、所述心肌病或其它器质性心脏病的异常分类进行计算,得到所述临床背景积分。
7.一种存储介质,存储有计算机指令程序,其特征在于,所述计算机指令程序被处理器执行时,使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
8.一种计算机设备,其特征在于,包括至少一个存储器、至少一个处理器,所述存储器存储有计算机指令程序,所述计算机指令程序被所述处理器执行时,使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910648951.2A CN110448289B (zh) | 2019-07-18 | 2019-07-18 | 一种心率变异性(hrv)分析方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910648951.2A CN110448289B (zh) | 2019-07-18 | 2019-07-18 | 一种心率变异性(hrv)分析方法、装置、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110448289A CN110448289A (zh) | 2019-11-15 |
CN110448289B true CN110448289B (zh) | 2022-02-22 |
Family
ID=68482883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910648951.2A Active CN110448289B (zh) | 2019-07-18 | 2019-07-18 | 一种心率变异性(hrv)分析方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110448289B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113520406B (zh) * | 2021-07-27 | 2024-05-17 | 香港心脑血管健康工程研究中心有限公司 | 用于诊断st段抬高型心肌梗死的频域参数分析方法及装置 |
CN113749665B (zh) * | 2021-08-19 | 2024-02-02 | 深圳邦健生物医疗设备股份有限公司 | 异常指标的捕捉方法、装置、设备和介质 |
CN114451879B (zh) * | 2022-03-15 | 2024-04-09 | 武汉中旗生物医疗电子有限公司 | 一种智能型心率变异性分析*** |
CN114764581B (zh) * | 2022-06-16 | 2022-09-09 | 合肥心之声健康科技有限公司 | 一种基于rr间期空间特征的房颤分类方法、装置及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104127194A (zh) * | 2014-07-14 | 2014-11-05 | 华南理工大学 | 一种基于心率变异性分析方法的抑郁症的评估***及方法 |
CN105228508A (zh) * | 2013-03-08 | 2016-01-06 | 新加坡健康服务有限公司 | 一种测定用于分类的危险评分的***和方法 |
CN108836313A (zh) * | 2018-07-13 | 2018-11-20 | 希蓝科技(北京)有限公司 | 一种智能选取导联的动态心电图分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW581671B (en) * | 2003-03-11 | 2004-04-01 | Leadtek Research Inc | Method and device for detecting ""yin"" and ""yang"" |
-
2019
- 2019-07-18 CN CN201910648951.2A patent/CN110448289B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105228508A (zh) * | 2013-03-08 | 2016-01-06 | 新加坡健康服务有限公司 | 一种测定用于分类的危险评分的***和方法 |
CN104127194A (zh) * | 2014-07-14 | 2014-11-05 | 华南理工大学 | 一种基于心率变异性分析方法的抑郁症的评估***及方法 |
CN108836313A (zh) * | 2018-07-13 | 2018-11-20 | 希蓝科技(北京)有限公司 | 一种智能选取导联的动态心电图分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110448289A (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110448289B (zh) | 一种心率变异性(hrv)分析方法、装置、存储介质及设备 | |
Sharma et al. | Inferior myocardial infarction detection using stationary wavelet transform and machine learning approach | |
Ladavich et al. | Rate-independent detection of atrial fibrillation by statistical modeling of atrial activity | |
Li et al. | A low-complexity data-adaptive approach for premature ventricular contraction recognition | |
Krasteva et al. | QRS template matching for recognition of ventricular ectopic beats | |
CN103961089B (zh) | 基于分段直线拟合的窦性心率震荡趋势检测方法 | |
US10085663B2 (en) | Automated ECG analysis and diagnosis system | |
US10856756B2 (en) | Time-frequency analysis of electrocardiograms | |
US8437839B2 (en) | Electrocardiographic assessment of arrhythmia risk | |
KR101366101B1 (ko) | 개인별 ecg 신호의 정상 신호 분류 시스템 및 방법 | |
CN113786200B (zh) | 心电信号处理方法、装置、设备及可读介质 | |
Smíšek et al. | CSE database: extended annotations and new recommendations for ECG software testing | |
Li et al. | Probability density distribution of delta RR intervals: a novel method for the detection of atrial fibrillation | |
US9955891B2 (en) | Systems and methods for detecting ECG subwaveforms | |
US20200305734A1 (en) | Non-invasive analysis of sinoatrial node and autonomic nervous input to heart function | |
Khatun et al. | Detection of myocardial infarction and arrhythmia from single-lead ECG data using bagging trees classifier | |
Queiroz et al. | Support system for classification of beat-to-beat arrhythmia based on variability and morphology of electrocardiogram | |
De Giovanni et al. | A patient-specific methodology for prediction of paroxysmal atrial fibrillation onset | |
Gusev et al. | Performance evaluation of atrial fibrillation detection | |
Butt et al. | Classifying normal sinus rhythm and cardiac arrhythmias in ECG signals using statistical features in temporal domain | |
Rodriguez et al. | Risk stratification in idiopathic dilated cardiomyopathy patients using cardiovascular coupling analysis | |
Jelinek et al. | Multiscale renyi entropy and cardiac autonomic neuropathy | |
US9538930B2 (en) | Linear multi-domain electrocardiogram | |
CN110464339B (zh) | 一种心电图分析方法及装置 | |
Arenas et al. | Morphological and temporal ecg features for myocardial infarction detection using support vector machines |
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 |