CN113712567A - 一种生成心搏间期差值数据序列系数的方法和装置 - Google Patents
一种生成心搏间期差值数据序列系数的方法和装置 Download PDFInfo
- Publication number
- CN113712567A CN113712567A CN202010400852.5A CN202010400852A CN113712567A CN 113712567 A CN113712567 A CN 113712567A CN 202010400852 A CN202010400852 A CN 202010400852A CN 113712567 A CN113712567 A CN 113712567A
- Authority
- CN
- China
- Prior art keywords
- data
- data sequence
- interval
- sequence
- coefficient
- 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
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/023—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the heart
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明实施例涉及一种生成心搏间期差值数据序列系数的方法和装置,所述方法包括:从ECG信号中提取R点数据,得到R点数据序列;对R点数据序列中相邻的R点数据,进行绝对差值计算处理得到心搏间期数据序列;对心搏间期数据序列中相邻的心搏间期数据,进行绝对差值计算处理得到心搏间期差值数据序列;提取心搏间期差值数据序列末端数据,组成系数计算因子数据序列;根据系数计算模式对系数计算因子数据序列进行累加计算处理,生成心搏间期差值数据序列系数。本发明提供的一种生成心搏间期差值数据序列系数的方法、装置、电子设备及可读存储介质,通过细化心搏间期差值数据序列系数的计算方式,使得生成的数据具备更好的数据精度和应用适配性。
Description
技术领域
本发明涉及信号处理技术领域,特别涉及一种生成心搏间期差值数据序列系数的方法和装置。
背景技术
ECG信号,是心电监护设备获取到的心脏电活动信号。ECG信号中有3部分典型波形:P波、QRS波群(由Q波、R波和S波组成)和T波。其中,QRS波群是最具特征性的波形,其较高的幅值(最大幅值点为R波峰值点,称为R点)使得QRS波群相较于P波和T波来说显得更容易识别。在ECG信号中,相邻R点的时间间隔被具体视作为一个心动周期时间,称之为心搏间期。连续多个心搏间期数据组成的序列称之为心搏间期数据序列,它的差分序列称之为心搏间期差值数据序列。
发明内容
本发明的目的,就是针对现有技术的缺陷,提供一种生成心搏间期差值数据序列系数的方法、装置、电子设备及可读存储介质,通过细化心搏间期差值数据序列系数的计算方式,使得生成的数据具备更好的数据精度和应用适配性。
为实现上述目的,本发明实施例第一方面提供了一种生成心搏间期差值数据序列系数的方法,所述方法包括:
获取ECG信号;
对所述ECG信号进行R点识别处理,提取R点数据,由所述R点数据生成R点数据序列;
对所述R点数据序列中相邻的所述R点数据,进行绝对差值计算处理,生成心搏间期数据,并由所述心搏间期数据组成心搏间期数据序列;
对所述心搏间期数据序列中相邻的所述心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,并由所述心搏间期差值数据组成心搏间期差值数据序列;
从所述心搏间期差值数据序列的末端,提取第一个数的所述心搏间期差值数据,组成系数计算因子数据序列{P1,P2…Pi…PM};所述Pi为系数计算因子数据;所述i的取值范围为从1到所述M;所述M为所述第一个数;
根据系数计算模式对所述系数计算因子数据序列进行累加计算处理,生成心搏间期差值数据序列系数。
优选的,当所述系数计算模式具体为累加模式时;
所述根据系数计算模式对所述系数计算因子数据序列{P1,P2…Pi…PM}进行累加计算处理,生成心搏间期差值数据序列系数,具体包括:
优选的,当所述系数计算模式具体为加权累加模式时;
所述根据系数计算模式对所述系数计算因子数据序列{P1,P2…Pi…PM}进行累加计算处理,生成心搏间期差值数据序列系数,具体包括:
优选的,当所述系数计算模式具体为分段加权累加模式时;
所述根据系数计算模式对所述系数计算因子数据序列{P1,P2…Pi…PM}进行累加计算处理,生成心搏间期差值数据序列系数,具体包括:
对所述系数计算因子数据序列{P1,P2…Pi…PM}进行序列分段处理,得到第二个数的分段序列;所述分段序列包括多个所述系数计算因子数据;
对每个所述分段序列中的所有所述系数计算因子数据进行求和处理得到对应的分段总和数据,由对应的所述分段总和数据组成分段总和数据序列{S1,S2…Sj…SN};所述Sj为所述分段总和数据,所述j的取值范围为从1到所述N,所述N为所述第二个数;
本发明实施例第二方面提供了一种生成心搏间期差值数据序列系数的装置,包括:
获取模块用于获取心电图ECG信号;
识别模块用于对所述ECG信号进行R点识别处理,提取R点数据,由所述R点数据生成R点数据序列;
处理模块用于对所述R点数据序列中相邻的所述R点数据,进行绝对差值计算处理,生成心搏间期数据,并由所述心搏间期数据组成心搏间期数据序列;对所述心搏间期数据序列中相邻的所述心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,并由所述心搏间期差值数据组成心搏间期差值数据序列;从所述心搏间期差值数据序列的末端,提取第一个数的所述心搏间期差值数据,组成系数计算因子数据序列{P1,P2…Pi…PM};根据系数计算模式对所述系数计算因子数据序列{P1,P2…Pi…PM}进行累加计算处理,生成心搏间期差值数据序列系数;所述Pi为系数计算因子数据;所述i的取值范围为从1到所述M;所述M为所述第一个数。
本发明实施例第三方面提供了一种电子设备,包括:存储器、处理器和收发器;
所述处理器用于与所述存储器耦合,读取并执行所述存储器中的指令,以实现上述第一方面所述的方法步骤;
所述收发器与所述处理器耦合,由所述处理器控制所述收发器进行消息收发。
本发明实施例第四方面提供了一种计算机程序产品,所述计算机程序产品包括计算机程序代码,当所述计算机程序代码被计算机执行时,使得所述计算机执行上述第一方面所述的方法。
本发明实施例第五方面提供了一种计算机可读存储介质,所述计算机存储介质存储有计算机指令,当所述计算机指令被计算机执行时,使得所述计算机执行上述第一方面所述的方法的指令。
本发明实施例提供的一种生成心搏间期差值数据序列系数的方法、装置、电子设备及可读存储介质,通过细化心搏间期差值数据序列系数的计算方式,使得生成的数据具备更好的数据精度和应用适配性。
附图说明
图1为本发明实施例一提供的一种生成心搏间期差值数据序列系数的方法示意图;
图2为本发明实施例一提供的ECG信号示意图;
图3为本发明实施例二提供的一种生成心搏间期差值数据序列系数的装置的模块结构图;
图4为本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明实施例一的一种生成心搏间期差值数据序列系数的方法,对心搏间期差值数据序列进行多模式处理(如累加模式、加权累加模式和分段加权累加模式),对于不同情况可以匹配或者适配其中一种或几种模式进行处理,从而实现了更优的数据精度和应用适配性。
如图1为本发明实施例一提供的一种生成心搏间期差值数据序列系数的方法示意图所示,本方法主要包括如下步骤:
步骤1,获取ECG信号。
ECG信号具体为来自于心电图设备(如心电图机、床边心电监护仪、动态心电记录仪等等)采集的心电图信号。心搏间期差值数据序列系数是对心搏间期差值数据序列进行处理得到的,心搏间期差值数据序列又是从ECG信号中获得的,所以在根据心搏间期差值数据序列进行多模式处理得到心搏间期差值数据序列系数之前需要获得ECG信号。
步骤2,对ECG信号进行R点识别处理,提取R点数据,由R点数据生成R点数据序列;
具体包括:步骤21,对ECG信号进行QRS波群识别处理,生成QRS波群数据,并由生成QRS波群数据组成生成QRS波群数据序列;
其中,QRS波群数据包括Q点数据、R点数据和S点数据;
此处,ECG信号如图2为本发明实施例一提供的ECG信号示意图所示,包括P波、QRS波群和T波,QRS波群数据就是ECG信号中每个QRS波群的采样点数据集合;每个QRS波群数据包括Q点数据、R点数据和S点数据,Q点数据就是图中每个Q点对应的时间轴数据,R点数据就是图中每个R点对应的时间轴数据,S点数据就是图中每个S点对应的时间轴数据,这里R点也是每个QRS波群中的最大信号幅值点;
步骤22,依次提取QRS波群数据序列中QRS波群数据的R点数据,由R点数据生成R点数据序列;
此处,就是根据QRS波群中的R点特征,从QRS波群数据中,提取满足R点特征的采样点时间数据生成R点数据,并将所有R点数据按时间先后排序组成R点数据序列;
例如,从ECG信号中识别出了100个QRS波群,那么从100个QRS波群数据中可以提取出100个R点数据,R点数据序列具体为R点数据序列{R1,R2,R3…R100}。
步骤3,对R点数据序列中相邻的R点数据,进行绝对差值计算处理,生成心搏间期数据,并由心搏间期数据组成心搏间期数据序列。
例如,R点数据序列为R点数据序列{R1,R2,R3…R100},则,心搏间期数据序列应为心搏间期数据序列{RR1,RR2…RRx…RR99},其中,RRx为一个具体的心搏间期数据,x的取值范围从1到100-1=99;
99个心搏间期数据RRx具体为:
x=1时,心搏间期数据RR1=abs(R2-R1);
x=2时,心搏间期数据RR2=abs(R3-R2);
依次类推,
心搏间期数据RRx=abs(Rx+1-Rx),
当x=99时,心搏间期数据RR99=abs(R99+1-R99)=abs(R100-R99);
上述公式中的abs()是绝对值计算符。
步骤4,对心搏间期数据序列中相邻的心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,并由心搏间期差值数据组成心搏间期差值数据序列。
例如,心搏间期数据序列为心搏间期数据序列{RR1,RR2…RRx…RR99},则,心搏间期差值数据序列应为心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRy…ΔRR98},其中,ΔRRy为一个具体的心搏间期差值数据,y的取值范围为从1到99-1=98;
98个心搏间期差值数据ΔRRy分别为:
y=1时,x=y=1,
心搏间期差值数据ΔRR1=abs(RR1+1-RR1)=abs(RR2-RR1);
y=2时,x=y=2,
心搏间期差值数据ΔRR2=abs(RR2+1-RR2)=abs(RR3-RR2);
依次类推,
心搏间期差值数据ΔRRy=abs(RRx+1-RRx),x=y;
当y=98时,x=y=98,
心搏间期差值数据ΔRR98=abs(RR98+1-RR98)=abs(RR99-RR98)。
步骤5,从心搏间期差值数据序列的末端,提取第一个数的心搏间期差值数据,组成系数计算因子数据序列{P1,P2…Pi…PM};
其中,Pi为系数计算因子数据;i的取值范围为从1到M;M为第一个数。
此处,在计算心搏间期差值数据序列系数时,指定从心搏间期差值数据序列的末端,提取出固定数量的心搏间期差值数据来进行计算,这样计算出来的心搏间期差值数据序列系数总能反映心搏周期的最新变化;该固定数量一般为30或者60,表示计算的心搏间期差值数据序列系数与最新的31次或61次心搏周期有关,也可以按应用需求被修改;这里,步骤5中的第一个数,即为该固定数量。
例如,心搏间期差值数据序列为心搏间期差值数据序列{ΔRR1,ΔRR2…ΔRRy…ΔRR98},第一个数为30,则,系数计算因子数据序列与心搏间期差值数据序列的对应关系就是{P1,P2…Pi…PM}={ΔRR69,ΔRR70…ΔRR98},其中,M=30,i的取值从1到30,30个系数计算因子数据与具体的心搏间期差值数据的对应关系如下:
i=1时,P1=ΔRR69;
i=2时,P2=ΔRR70;
依次类推,
Pi=ΔRR69+(i-1);
当i=30时,P30=ΔRR98。
步骤6,根据系数计算模式对系数计算因子数据序列{P1,P2…Pi…PM}进行累加计算处理,生成心搏间期差值数据序列系数;
具体包括以下几种模式:
模式一,当系数计算模式具体为累加模式时,
此处,累加计算处理实际就是对系数计算因子数据序列{P1,P2…Pi…PM}中的所有系数计算因子数据进行总和计算。
模式二,当系数计算模式具体为加权累加模式时,
其中,ei为系数计算因子数据加权参数。
此处,加权累加计算处理实际就是对系数计算因子数据序列{P1,P2…Pi…PM}中的所有系数计算因子数据在分别加权之后再进行累加计算。
例如,系数计算因子数据序列{P1,P2…Pi…PM}为系数计算因子数据序列{P1,P2…Pi…P30},M=30;则,生成的心搏间期差值数据序列系数具体为:其中,ei为系数计算因子数据加权参数。这里,一共有30个系数计算因子数据加权参数(从e1、e2……到e30),且这30个系数计算因子数据加权参数是从e1到e30取值依次增大(e1<e2……<e30)。
模式三,当系数计算模式具体为分段加权累加模式时,
对系数计算因子数据序列{P1,P2…Pi…PM}进行序列分段处理,得到第二个数的分段序列;其中,分段序列包括多个系数计算因子数据;
此处,在模式三的加权累积计算之前,先将系数计算因子数据序列{P1,P2…Pi…PM}平均分成若干分段序列,分段总数为第二个数;例如,系数计算因子数据序列{P1,P2…Pi…PM}为系数计算因子数据序列{P1,P2…Pi…P30},第二个数=3,则,系数计算因子数据序列{P1,P2…Pi…P30}被分为3段:第一分段序列{P1,…P10}、第二分段序列{P11,…P20}、第三分段序列{P21,…P30};
对每个分段序列中的所有系数计算因子数据进行求和处理得到对应的分段总和数据,由对应的分段总和数据组成分段总和数据序列{S1,S2…Sj…SN};其中,Sj为分段总和数据,j的取值范围为从1到N,N为第二个数;
此处,在将系数计算因子数据序列{P1,P2…Pi…PM}平均分成第二个数的分段序列之后,对每个分段序列,分别计算内部系数计算因子数据的总和得到每个分段序列的分段总和数据,总计一共会得到第二个数的分段总和数据;例如,3段分段序列为:第一分段序列{P1,…P10}、第二分段序列{P11,…P20}、第三分段序列{P21,…P30};则分段总和数据序列{S1,S2…Sj…SN}为分段总和数据序列{S1,S2,S3},这里N=3,j的取值从1到3;3个分段总和数据分别为:
此处,分段加权累加计算处理实际就是对分段总和数据序列的所有分段总和数据在分别加权之后再进行累加计算;例如,分段总和数据序列为分段总和数据序列{S1,S2,S3}则,分段加权累加计算处理实际就是对3个分段总和数据分别加权后再进行总和计算,生成的心搏间期差值数据序列系数具体为:其中,hj为分段总和数据加权参数。这里,一共有3个分段总和数据加权参数(h1、h2和h3),且这3个分段总和数据加权参数是从h1到h3取值依次增大(h1<h2<h3)。
图3为本发明实施例二提供的一种生成心搏间期差值数据序列系数的装置的模块结构图,该装置可以为前述实施例所描述的心电图设备(如心电图机、床边心电监护仪、动态心电记录仪等等),也可以为能够使得心电图设备实现本发明实施例提供的方法的装置,例如该装置可以是心电图设备中的装置或芯片***。如图3所示,该装置包括:
获取模块301用于获取ECG信号。
识别模块302用于对ECG信号进行R点识别处理,提取R点数据,由R点数据生成R点数据序列。
处理模块303用于对R点数据序列中相邻的R点数据,进行绝对差值计算处理,生成心搏间期数据,并由心搏间期数据组成心搏间期数据序列;对心搏间期数据序列中相邻的心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,并由心搏间期差值数据组成心搏间期差值数据序列;从心搏间期差值数据序列的末端,提取第一个数的心搏间期差值数据,组成系数计算因子数据序列{P1,P2…Pi…PM};根据系数计算模式对系数计算因子数据序列{P1,P2…Pi…PM}进行累加计算处理,生成心搏间期差值数据序列系数;其中,Pi为系数计算因子数据;i的取值范围为从1到M;M为第一个数。
在本实施例提供的一个具体实现方式中,当系数计算模式具体为累加模式时,处理模块303具体用于:
在本实施例提供的另一个具体实现方式中,当系数计算模式具体为加权累加模式时,处理模块303具体用于:
在本实施例提供的另一个具体实现方式中,当系数计算模式具体为分段加权累加模式时,处理模块303具体用于:
对系数计算因子数据序列{P1,P2…Pi…PM}进行序列分段处理,得到第二个数的分段序列;分段序列包括多个系数计算因子数据;
对每个分段序列中的所有系数计算因子数据进行求和处理得到对应的分段总和数据,由对应的分段总和数据组成分段总和数据序列{S1,S2…Sj…SN};其中,Sj为分段总和数据,j的取值范围为从1到N,N为第二个数;
本发明实施例提供的一种生成心搏间期差值数据序列系数的装置,可以执行上述方法实施例中的方法步骤,其实现原理和技术效果类似,在此不再赘述。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,确定模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所描述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,ASIC),或,一个或多个数字信号处理器(Digital Signal Processor,DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上***(System-on-a-chip,SOC)的形式实现。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本发明实施例所描述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线路((Digital Subscriber Line,DSL))或无线(例如红外、无线、蓝牙、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,高密度数字视频光盘(Digital Video Disc,DVD))、或者半导体介质(例如固态硬盘(solidstate disk,SSD))等。
图4为本发明实施例三提供的一种电子设备的结构示意图。该电子设备可以为前述的心电图设备(如心电图机、床边心电监护仪、动态心电记录仪等等),也可以为与前述心电图设备连接的实现本发明实施例方法的设备或服务器。如图4所示,该电子设备400可以包括:处理器41(例如CPU)、存储器42、收发器43;收发器43耦合至处理器41,处理器41控制收发器43的收发动作。存储器42中可以存储各种指令,以用于完成各种处理功能以及实现本发明上述实施例中提供的方法和处理过程。优选的,本发明实施例涉及的电子设备还可以包括:电源44、***总线45以及通信端口46。***总线45用于实现元件之间的通信连接。上述通信端口46用于电子设备与其他外设之间进行连接通信。
在图4中提到的***总线可以是外设部件互连标准(Peripheral Componentlnterconnect,PCI) 总线或扩展工业标准结构(Extended lndustry StandardArchitecture,EISA)总线等。该***总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory,RAM),也可能还包括非易失性存储器(Non-Volatile Memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器CPU、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
需要说明的是,本发明实施例还提供一种计算机可读存储介质,该存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中提供的方法和处理过程。
本发明实施例还提供一种运行指令的芯片,该芯片用于执行上述实施例中提供的方法和处理过程。
本发明实施例还提供一种程序产品,该程序产品包括计算机程序,该计算机程序存储在存储介质中,至少一个处理器可以从上述存储介质读取上述计算机程序,上述至少一个处理器执行上述实施例中提供的方法和处理过程。
本发明实施例提供的一种生成心搏间期差值数据序列系数的方法、装置、电子设备及可读存储介质,通过细化心搏间期差值数据序列系数的计算方式,使得生成的数据具备更好的数据精度和应用适配性。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种生成心搏间期差值数据序列系数的方法,其特征在于,所述方法包括:
获取心电图ECG信号;
对所述ECG信号进行R点识别处理,提取R点数据,由所述R点数据生成R点数据序列;
对所述R点数据序列中相邻的所述R点数据,进行绝对差值计算处理,生成心搏间期数据,并由所述心搏间期数据组成心搏间期数据序列;
对所述心搏间期数据序列中相邻的所述心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,并由所述心搏间期差值数据组成心搏间期差值数据序列;
从所述心搏间期差值数据序列的末端,提取第一个数的所述心搏间期差值数据,组成系数计算因子数据序列{P1,P2…Pi…PM};所述Pi为系数计算因子数据;所述i的取值范围为从1到所述M;所述M为所述第一个数;
根据系数计算模式对所述系数计算因子数据序列{P1,P2…Pi…PM}进行累加计算处理,生成心搏间期差值数据序列系数。
4.根据权利要求1所述的生成心搏间期差值数据序列系数的方法,其特征在于,当所述系数计算模式具体为分段加权累加模式时;
所述根据系数计算模式对所述系数计算因子数据序列{P1,P2…Pi…PM}进行累加计算处理,生成心搏间期差值数据序列系数,具体包括:
对所述系数计算因子数据序列{P1,P2…Pi…PM}进行序列分段处理,得到第二个数的分段序列;所述分段序列包括多个所述系数计算因子数据;
对每个所述分段序列中的所有所述系数计算因子数据进行求和处理得到对应的分段总和数据,由对应的所述分段总和数据组成分段总和数据序列{S1,S2…Sj…SN};所述Sj为所述分段总和数据,所述j的取值范围为从1到所述N,所述N为所述第二个数;
5.一种生成心搏间期差值数据序列系数的装置,其特征在于,包括:
获取模块用于获取心电图ECG信号;
识别模块用于对所述ECG信号进行R点识别处理,提取R点数据,由所述R点数据生成R点数据序列;
处理模块用于对所述R点数据序列中相邻的所述R点数据,进行绝对差值计算处理,生成心搏间期数据,并由所述心搏间期数据组成心搏间期数据序列;对所述心搏间期数据序列中相邻的所述心搏间期数据,进行绝对差值计算处理,生成心搏间期差值数据,并由所述心搏间期差值数据组成心搏间期差值数据序列;从所述心搏间期差值数据序列的末端,提取第一个数的所述心搏间期差值数据,组成系数计算因子数据序列{P1,P2…Pi…PM};根据系数计算模式对所述系数计算因子数据序列{P1,P2…Pi…PM}进行累加计算处理,生成心搏间期差值数据序列系数;所述Pi为系数计算因子数据;所述i的取值范围为从1到所述M;所述M为所述第一个数。
6.一种电子设备,其特征在于,包括:存储器、处理器和收发器;
所述处理器用于与所述存储器耦合,读取并执行所述存储器中的指令,以实现权利要求1-4任一项所述的方法步骤;
所述收发器与所述处理器耦合,由所述处理器控制所述收发器进行消息收发。
7.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序代码,当所述计算机程序代码被计算机执行时,使得所述计算机执行权利要求1-4任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机指令,当所述计算机指令被计算机执行时,使得所述计算机执行权利要求1-4任一项所述的方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010400852.5A CN113712567B (zh) | 2020-05-12 | 2020-05-12 | 一种生成心搏间期差值数据序列系数的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010400852.5A CN113712567B (zh) | 2020-05-12 | 2020-05-12 | 一种生成心搏间期差值数据序列系数的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113712567A true CN113712567A (zh) | 2021-11-30 |
CN113712567B CN113712567B (zh) | 2023-09-01 |
Family
ID=78671159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010400852.5A Active CN113712567B (zh) | 2020-05-12 | 2020-05-12 | 一种生成心搏间期差值数据序列系数的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113712567B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011061606A2 (en) * | 2009-11-20 | 2011-05-26 | Medicalgorithmics Sp. Zo.O | Methods and systems for atrial fibrillation detection |
CN103153177A (zh) * | 2010-10-14 | 2013-06-12 | 株式会社村田制作所 | 搏动周期计算装置及包括该搏动周期计算装置的生物传感器 |
JP2015217143A (ja) * | 2014-05-19 | 2015-12-07 | パナソニックIpマネジメント株式会社 | 心拍計測装置 |
CN107157473A (zh) * | 2017-06-15 | 2017-09-15 | 苏州百慧华业精密仪器有限公司 | 动态心电图中房颤与非房颤rr间期节律的边界检测方法 |
CN107358196A (zh) * | 2017-07-12 | 2017-11-17 | 北京卫嘉高科信息技术有限公司 | 一种心搏类型的分类方法、装置及心电仪 |
CN108460350A (zh) * | 2018-02-25 | 2018-08-28 | 柏塔科技(深圳)有限公司 | 一种自学习ecg qrs波检测装置及其自学习方法 |
CN108852347A (zh) * | 2018-07-13 | 2018-11-23 | 京东方科技集团股份有限公司 | 用于提取心律不齐的特征参数的方法、用于识别心律不齐的装置及计算机可读介质 |
CN109394206A (zh) * | 2018-11-14 | 2019-03-01 | 东南大学 | 基于穿戴式心电信号中早搏信号的实时监测方法及其装置 |
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 |
-
2020
- 2020-05-12 CN CN202010400852.5A patent/CN113712567B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011061606A2 (en) * | 2009-11-20 | 2011-05-26 | Medicalgorithmics Sp. Zo.O | Methods and systems for atrial fibrillation detection |
CN103153177A (zh) * | 2010-10-14 | 2013-06-12 | 株式会社村田制作所 | 搏动周期计算装置及包括该搏动周期计算装置的生物传感器 |
JP2015217143A (ja) * | 2014-05-19 | 2015-12-07 | パナソニックIpマネジメント株式会社 | 心拍計測装置 |
CN107157473A (zh) * | 2017-06-15 | 2017-09-15 | 苏州百慧华业精密仪器有限公司 | 动态心电图中房颤与非房颤rr间期节律的边界检测方法 |
CN107358196A (zh) * | 2017-07-12 | 2017-11-17 | 北京卫嘉高科信息技术有限公司 | 一种心搏类型的分类方法、装置及心电仪 |
CN108460350A (zh) * | 2018-02-25 | 2018-08-28 | 柏塔科技(深圳)有限公司 | 一种自学习ecg qrs波检测装置及其自学习方法 |
CN108852347A (zh) * | 2018-07-13 | 2018-11-23 | 京东方科技集团股份有限公司 | 用于提取心律不齐的特征参数的方法、用于识别心律不齐的装置及计算机可读介质 |
CN109394206A (zh) * | 2018-11-14 | 2019-03-01 | 东南大学 | 基于穿戴式心电信号中早搏信号的实时监测方法及其装置 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN113712567B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717415B (zh) | 基于特征选取的st段分类卷积神经网络及其使用方法 | |
CN109394205B (zh) | 一种基于深度神经网络的心电信号分析方法 | |
CN112528783B (zh) | 心电图心搏数据聚类方法、装置、电子设备和介质 | |
CN110717416B (zh) | 基于特征选取的st段分类识别用神经网络训练方法 | |
CN111956203A (zh) | 心电信号参数化方法、模型训练方法、装置、设备及介质 | |
US11452476B2 (en) | Detection report data generation method | |
CN108937920B (zh) | 一种心室纤颤信号检测方法、***及心室纤颤检测装置 | |
CN113712567A (zh) | 一种生成心搏间期差值数据序列系数的方法和装置 | |
CN113288169B (zh) | 一种心电波形信号的波形识别方法、装置及设备 | |
CN113712564B (zh) | 一种心电信号分类设备和方法 | |
Dliou et al. | Time-frequency analysis of a noised ECG signals using empirical mode decomposition and Choi-Williams techniques | |
CN114533080B (zh) | 一种对心电信号数据进行颤动波识别的方法和装置 | |
CN114403826B (zh) | 一种血压测量方法和装置 | |
CN113712566B (zh) | 一种生成心搏间期差值数据序列的方法和装置 | |
CN116135147A (zh) | 心电信号的处理方法及装置、电子设备及存储介质 | |
CN113616217A (zh) | 基线漂移曲线的生成方法和装置 | |
Vega-Martínez et al. | Wavelet packet based algorithm for QRS region detection and R/S wave identification | |
CN113712568B (zh) | 一种心电信号数据的分类方法和装置 | |
CN111493856B (zh) | 心搏分类的修正方法、装置、心电图检查***及存储介质 | |
CN109394197B (zh) | 一种基于时频分析的心率变异性测量方法、装置及设备 | |
TWM530126U (zh) | 基於擬合曲線之心跳訊號的檢測裝置 | |
CN114533082B (zh) | 一种基于心搏间期数据对qrs波类型进行标记的方法 | |
CN113647903B (zh) | 一种报警切换方法 | |
CN111956205B (zh) | 一种心电图数据处理设备、方法、装置及存储介质 | |
CN111973176B (zh) | 心电信号的处理方法、装置及设备 |
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 |