CN113749665A - 异常指标的捕捉方法、装置、设备和介质 - Google Patents
异常指标的捕捉方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN113749665A CN113749665A CN202110956398.6A CN202110956398A CN113749665A CN 113749665 A CN113749665 A CN 113749665A CN 202110956398 A CN202110956398 A CN 202110956398A CN 113749665 A CN113749665 A CN 113749665A
- Authority
- CN
- China
- Prior art keywords
- wave
- analysis unit
- point
- value
- target
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000005856 abnormality Effects 0.000 claims abstract description 43
- 239000003550 marker Substances 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims description 24
- 238000000718 qrs complex Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 238000012935 Averaging Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 230000000977 initiatory effect Effects 0.000 claims description 8
- 230000033764 rhythmic process Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 6
- 201000010099 disease Diseases 0.000 abstract description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 abstract description 5
- 230000016507 interphase Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 206010003658 Atrial Fibrillation Diseases 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 208000000418 Premature Cardiac Complexes Diseases 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 235000013929 Psidium pyriferum Nutrition 0.000 description 1
- 244000236580 Psidium pyriferum Species 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 230000001746 atrial effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007674 radiofrequency ablation Methods 0.000 description 1
- 230000004213 regulation of atrial cardiomyocyte membrane depolarization Effects 0.000 description 1
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- HOWHQWFXSLOJEF-MGZLOUMQSA-N systemin Chemical compound NCCCC[C@H](N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(O)=O)C(=O)OC(=O)[C@@H]1CCCN1C(=O)[C@H]1N(C(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H]2N(CCC2)C(=O)[C@H]2N(CCC2)C(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](C)N)C(C)C)CCC1 HOWHQWFXSLOJEF-MGZLOUMQSA-N 0.000 description 1
- 108010050014 systemin Proteins 0.000 description 1
- 230000002861 ventricular Effects 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
- A61B5/24—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
- 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
- A61B5/24—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
- A61B5/366—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
-
- 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
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种异常指标的捕捉方法，该方法包括：获取心电图数据中多个预设时间段内的数据，以得到多个分析单元。接着对目标分析单元进行分解，在分解后的目标分析单元内确定P波所在的P波搜索域。再对第一预设数量个P波搜索域进行进一步分解，确定P波的标志点，这样就能根据标志点对P波进行准确的定位及识别。然后根据标志点计算目标分析单元的P波指标，根据P波指标来确定目标分析单元是否存在异常，从而实现对异常指标的捕捉。并将存在异常的分析单元用异常标识进行标记，这样能方便临床医生快速地进行查看并及时作出应诊断和病情评估，从而有效开展后续治疗。此外，还提出了异常指标捕捉装置、设备和存储介质。
Description
技术领域
本发明涉及心电数据检测技术领域，尤其是涉及异常指标的捕捉方法、装置、设备和介质。
背景技术
在房颤发作前或射频消融术后，早期获取有效的异常预警指标，对尽早实施有效的临床干预，对风险的防范是十分至关重要的。大量的临床实践证实，心电图P波时间间期(duration of P wave，PW)和P波时间的变异度(P wave variation，PV)，是预警房颤发作和术后复发的非常有意义的心电图指标。
24h动态心电图(Holter)监护仪虽然能捕捉诸多异常的心律失常事件，但对于这项重要的异常预警指标却无能为力。这是因为，现有的Holter监护心电图数据主要识别并分析波幅较大的QRS波群，而无针对海量数据的P波识别技术，在房颤预警指标表现时，QRS波群是正常的，心房除极的P波是异常的，P波却不易被识别。
可见，虽然异常预警指标的预警价值高，且临床意义重大，但限于方法学技术有限，难以成功捕捉P波并获取有效的异常预警指标。因此，研究一套精度高、分析诊断迅速的自动分析算法，来把异常预警指标清晰准确地表达给临床医生，以方便医生对疑似患者正确地进行诊断和病情评估，并及时采取临床救治处理措施，具有重大的意义。
发明内容
基于此，有必要针对上述问题，提供一种异常指标捕捉方法、装置、设备和介质，来迅速、准确的识别异常指标。
一种异常指标的捕捉方法，其特征在于，方法包括：
获取监测的心电图数据，识别心电图数据中QRS波群的R波峰值点；
将心电图数据中第一预设时间段内的数据作为一个分析单元，以得到多个分析单元；
对一个目标分析单元小波变换，得到分解后的目标分析单元，根据R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域，目标分析单元为任一分析单元，一个P波搜索域包括T波终止点与Q波起始点之间的心电图数据；
对第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点，标志点包括P波峰值点、P波起始点、P波终止点；
根据标志点计算目标分析单元的P波指标，P波指标为表征P波变化程度的指标，根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记。
在其中一个实施例中，对一个目标分析单元小波变换，得到分解后的目标分析单元，根据R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域，包括：
对目标分析单元进行第一层小波分解，在分解后的第一尺度小波系数中确定第二预设时间段内的第一模极值对，第二预设时间段包括目标R波峰值点，目标R波峰值点为任一R波峰值点，第一模极值对包括第二预设时间段内的极大值和极小值，将第一模极值对中绝对值的较大值作为第一模极值max；
在第一尺度小波系数中，从目标R波峰值点开始向时间减少的方向寻找第一个满足第一条件的第一目标点作为Q波起始点，第一条件为幅值绝对值小于
且幅值与目标R波峰值点的幅值的差值绝对值小于
n1为第一预设系数、n2为第二预设系数；
从目标R波峰值点开始向时间增加的方向寻找第一个满足第一条件的第二目标点作为S波终止点；
从S波终止点开始向时间增加的方向寻找T波终止点，将从一个心搏的T波终止点向时间增加的下一个相邻心搏的Q波起始点之间的心电图数据作为一个P波搜索域，以得到第一预设数量个P波搜索域。
在其中一个实施例中，从S波终止点开始向时间增加的方向寻找T波终止点，包括：
将RR间期与预设比值的乘积值作为T波搜索域的时长，RR间期为相邻的R波峰值点的时间间期，T波搜索域的起点为S波终止点；
确定在T波搜索域内的第二模极值对，第二模极值包括T波搜索域内的极大值和极小值，以第二模极值对中时间靠后的数据的绝对值的
作为阈值，n3为第三预设系数，从第二模极值对中时间靠后的数据开始向时间增加的方向寻找第一个小于阈值的点作为T波终止点。
在其中一个实施例中，对第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点，包括：
对P波搜索域进行第四层小波分解，在分解后的第四尺度小波系数中确定第三模极值对，第三模极值包括P波搜索域内的极大值和极小值，将第三模极值对中时间靠前的数据的绝对值作为第二模极值，将第三模极值对中时间靠后的数据的绝对值作为第三模极值，将第二模极值与第三模极值中的过零点作为波峰值点；
从第二模极值开始向时间减少的方向寻找第一个满足第二条件的第三目标点作为P波起始点，第二条件为幅值绝对值小于第二模极值的
n4为第四预设系数；
从第三模极值开始向时间增加的方向寻找第一个满足第三条件的第四目标点作为P波终止点，第三条件为幅值绝对值小于第三模极值的
n5为第五预设系数。
在其中一个实施例中，P波指标包括P波时间间期变异度；
根据标志点计算目标分析单元的P波指标，包括：
将同一个心搏的P波起始点与P波终止点的时间差值作为一个P波的P波时间间期，获取目标分析单元内的最大P波时间间期和最小P波时间间期；
计算最大P波时间间期和最小P波时间间期的第一差值，将第一差值作为目标分析单元的P波时间间期变异度；
根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记，包括：
若P波时间间期变异度大于第一预设时长，则确定目标分析单元存在异常，将述目标分析单元用异常标识进行标记。
在其中一个实施例中，P波指标包括单元间P波变异度；
根据标志点计算目标分析单元的P波指标，包括：
将同一个心搏的P波起始点与P波终止点的时间差值作为一个P波的P波时间间期，将与目标分析单元在时间上相邻的分析单元作为相邻分析单元，对目标分析单元内第一预设数量个P波的P波时间间期取均值，得到第一P波时间间期均值，对一个相邻分析单元内第一预设数量个P波的P波时间间期取均值，得到第二P波时间间期均值；
计算第二P波时间间期均值与第一P波时间间期均值的第二差值，将第二差值的绝对值作为在目标分析单元处的单元间P波变异度；
根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记，包括：
若单元间P波变异度大于第二预设时长，则确定第一P波时间间期均值和第二P波时间间期均值中较大值对应的分析单元存在异常，将存在异常的分析单元用异常标识进行标记。
在其中一个实施例中，在识别心电图数据中QRS波群的R波峰值点之后，还包括：
基于波形和节律对QRS波群进行聚类分析，将归为同一类的QRS波群标记为同一个初始心搏属性；
获取输入的修正指令，根据修正指令对初始心搏属性进行修正，以得到QRS波群修正后的目标心搏属性，目标心搏属性包括窦性心博N；
在将心电图数据中第一预设时间段内的数据作为一个分析单元之后，还包括：
获取预设的筛选规则，筛选规则包括窦性心博N的数量大于或等于第二预设数量个、无基线漂移、无成型的大伪差和无工频干扰，删除不满足筛选条件的分析单元。
一种异常指标捕捉装置，装置包括：
心电图数据获取模块，用于获取监测的心电图数据，识别心电图数据中QRS波群的R波峰值点；
分析单元获取模块，用于将心电图数据中第一预设时间段内的数据作为一个分析单元，以得到多个分析单元；
P波确定模块，用于对一个目标分析单元小波变换，得到分解后的目标分析单元，根据R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域，目标分析单元为任一分析单元，一个P波搜索域包括T波终止点与Q波起始点之间的心电图数据；对第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点，标志点包括P波峰值点、P波起始点、P波终止点；
异常指标捕捉模块，用于根据标志点计算目标分析单元的P波指标，P波指标为表征P波变化程度的指标，根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记。
一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行下述步骤：获取监测的心电图数据，识别心电图数据中QRS波群的R波峰值点；
将心电图数据中第一预设时间段内的数据作为一个分析单元，以得到多个分析单元；
对一个目标分析单元小波变换，得到分解后的目标分析单元，根据R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域，目标分析单元为任一分析单元，一个P波搜索域包括T波终止点与Q波起始点之间的心电图数据；
对第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点，标志点包括P波峰值点、P波起始点、P波终止点；
根据标志点计算目标分析单元的P波指标，P波指标为表征P波变化程度的指标，根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记。
一种异常指标捕捉设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行下述步骤：获取监测的心电图数据，识别心电图数据中QRS波群的R波峰值点；
将心电图数据中第一预设时间段内的数据作为一个分析单元，以得到多个分析单元；
对一个目标分析单元小波变换，得到分解后的目标分析单元，根据R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域，目标分析单元为任一分析单元，一个P波搜索域包括T波终止点与Q波起始点之间的心电图数据；
对第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点，标志点包括P波峰值点、P波起始点、P波终止点；
根据标志点计算目标分析单元的P波指标，P波指标为表征P波变化程度的指标，根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记。
本发明提供了异常指标的捕捉方法、装置、设备和介质，首先获取心电图数据，识别心电图数据中的R波峰值点，并筛选其中多个预设时间段内的数据，以得到多个分析单元，仅对分析单元内得到心电图数据进行分析评估，这样就能极大的减轻数据处理的压力，提高异常指标捕捉的效率。接着对目标分析单元进行分解，在分解后的目标分析单元内确定P波所在的P波搜索域，该P波搜索域是不包括QRS波群的，且P波搜索域内主要的心搏信息仅包括P波，因此可排除绝大部分无用数据对异常指标捕捉的干扰。再对第一预设数量个P波搜索域进行进一步分解，在一个分解后的P波搜索域中确定一个P波的标志点，这样就能根据标志点对P波进行准确的定位及识别。然后根据标志点计算目标分析单元的P波指标，该P波指标即表征P波变化程度的指标，根据P波指标来确定目标分析单元是否存在异常，从而实现对异常指标的捕捉，并将存在异常的分析单元用异常标识进行标记，这样能方便临床医生快速地进行查看并及时作出应诊断和病情评估，从而有效开展后续治疗。
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为一个实施例中异常指标的捕捉方法的流程示意图；
图2为一个实施例中可穿戴式12导联动态(Holter)心电图仪的结构框图；
图3为一个实施例中心电图数据的示意图；
图4为一个实施例中异常指标捕捉装置的结构示意图；
图5为一个实施例中异常指标捕捉设备的结构框图。
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。
如图1所示，图1为一个实施例中异常指标的捕捉方法的流程示意图，本实施例中异常指标的捕捉方法提供的步骤包括：
步骤102，获取监测的心电图数据，识别心电图数据中QRS波群的R波峰值点。
参见图2，图2为一个实施例中可穿戴式12导联动态(Holter)心电图仪的结构框图。该可穿戴式12导联动态心电图仪包括含Nehb导联体系的心电衣、心电信号采集携带器、心电信号回放和Holter心电分析仪。其中，人体表面不断变化的心电信号，由嵌入在心电衣内的传感器(电极)和导联线引入携带器，经过Nehb导联体系电路的分配后，接驳至下壁(I)、前壁(A)和侧壁(D)3个心电放大器的输入端。信号放大后在输出端联有模数转换器(A/D)，模数转换器将信号量化、数字处理并重建整合形成3个导联通道心电图数据组，存入存储器。在全部心电监护结束后，当主分析***接收到控制指令时，携带器中的心电数据组经回放连接线被导入主分析***中，在显示器或打印机等设备上完成报告的输出后，便可得到如图3所示的心电图数据，该心电图数据包括下壁导联(I)、前壁导联(A)和侧壁导联(D)，这三个导联的心电信号。
进一步的，鉴于心电图数据存在噪声偏大的特点，在优化传感器、硬件电路和抗干扰装置的基础上，还可以利用一整套数字滤波器对心电信号进行预处理，预处理对象包括工频、肌电干扰和因呼吸和人体活动导致的基线漂移等干扰因素，从而得到高质量、大信噪比的心电信号。
QRS波群反映的是左、右心室除极电位和时间的变化，心电图数据中一般包含多个连续的QRS波群。QRS波群包括Q波、R波和S波，每个QRS波群中第一个向下的波为Q波，接着向上的波为R波，最后向下的波是S波，自QRS波群起点至QRS波群终点的时间为QRS时限。根据该QRS波群的基本特征检测心电图数据中的QRS波群。进一步的，QRS波群的R波峰值点是每个QRS波群中幅值最大的点，根据该特征识别每个QRS波群中的R波峰值点并进行标示。
进一步的，还可以对每一个心搏的心搏属性进行标记，其主要用于后续筛选有效的分析单元，筛选的规则在后文再详述。在标记的过程中，首先基于波形和节律这两个维度来对QRS波群进行聚类分析，波形可以理解为波的形状，节律可以理解为心脏搏动的节奏和规律，将归为同一类的QRS波群标记为同一个初始心搏属性，包括窦性心博N、室性早搏V、房性早搏S等。标记初始心搏属性的过程由程序自助完成，准确率可达七至八成左右。然后由医生逐一进行阅判，对于错误标记的初始心搏属性，医生会输入修正指令，根据这些修正指令可将初始心搏属性中错误的部分修正为正确的，从而得到修正后的目标心搏属性。
进一步的，还可以由医生确定下壁导联(1)、前壁导联(A)和侧壁导联(D)中的一个作为主分析导联，以作为后续步骤104-110的分析数据。由医生根据P波的清晰程度来认为选择，指标为P波的波峰高度，当P波的波峰更高时认定P波更清楚。默认情况下，选择下壁导联(1)作为主分析导联。
步骤104，将心电图数据中第一预设时间段内的数据作为一个分析单元，以得到多个分析单元。
首先基于RR间期确定心搏是否规律，该RR间期为相邻的R波峰值点的时间间期，当多个心搏间的RR间期基本相同时，确定心搏规律。从规律的心搏开始，在心电图数据中取多个第一预设时间段内的数据作为分析单元，具体方式为每隔一个等间隔时长设定一个时间标志点，再在一个时间标志点处取前n秒的片段作为一个分析单元。示例性的，每隔5min设定一个时间标志点，再在每个标志点处取前20s的片段作为一个分析单元。这样就能对大数据量的心电图数据进行一个初步的筛选，并且确保筛选后的分析单元是均匀覆盖整个心电图数据的，确保了分析单元是有代表性的。
在这些分析单元内，再基于预设的筛选规则进行筛选，该筛选规则包括窦性心博N的数量大于或等于第二预设数量个(例如6个，6个窦性心博N已足以确定异常指标)、无基线漂移、无成型的大伪差和无工频干扰，删除其中不满足筛选条件的分析单元，从而仅保留有效的分析单元，提高对异常指标分析的准确性。
步骤106，对一个目标分析单元进行小波变换，得到分解后的目标分析单元，根据目标分析单元内的R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域。
其中，目标分析单元为心电图数据中任一有效的分析单元，一个P波搜索域包括T波终止点与Q波起始点之间的心电图数据，P波搜索域即P波所在的区域，T波终止点即T波时间结束的点，Q波起始点即Q波时间开始的点。
在一个具体实施例中，首先对目标分析单元进行第一层分解，表示为：
其中，WT(a，τ)为尺度小波系数，f(t)为目标分析单元的心电信号，ψ(t)为基小波，本实施例中可选用haar小波，a为尺度，控制小波函数的伸缩；τ为平移量，控制小波函数的平移；
为基小波增加缩放和平移后的小波函数。
由于设备实际采集的信号是离散的，因此采用二进小波变化，将连续小波变换半离散化的，基小波ψ(t)变换为
其中s＝2j(j∈z)，s表示不同层，j为尺度。数字信号f(n)的二进小波变换使用Mallat算法表示为：
其中S2j为平滑算子。S2jf(n)＝aj，aj为原始信号的低频系数，反映整体信息；w2jf(n)＝d1，d1为原始信号的高频系数，反映细节信息。
在s＝21层上对目标分析单元进行分解，在分解后的第一尺度小波系数中确定第二预设时间段内的第一模极值对，该第二预设时间段的时长接近于一个RR间期，且包括目标R波峰值点，目标R波峰值点为任一R波峰值点，从而仅在一个心搏内确定一个第一模极值对。该第二预设时间段该第一模极值对包括第二预设时间段内的极大值a1和极小值b1，可以表示为[a1，b1]，将第一模极值对中绝对值的较大值作为第一模极值max。例如若abs(a1)＞abs(b1)，则将abs(a1)作为max，反之若abs(a1)＜abs(b1)，则将abs(b1)作为max。
然后在第一尺度小波系数中，从目标R波峰值点开始向时间减少的方向寻找(图3中左边的时间更早，也即从目标R波峰值点开始向左寻找)第一个满足第一条件的第一目标点作为Q波起始点。该第一条件为幅值绝对值小于
且幅值与目标R波峰值点的幅值的差值绝对值小于
。也即若第一目标点的幅值为A1，目标R波峰值点的幅值为AR，满足
且满足
其中n1为第一预设系数、n2为第二预设系数，示例性的，n1的取值为8，n2的取值为5。
再从目标R波峰值点开始向时间增加的方向寻找(图3中右边的时间更晚，也即从目标R波峰值点开始向右寻找)第一个满足上述第一条件的第二目标点作为S波终止点。该S波终止点是S波时间结束的点。也即若第二目标点的幅值为A2，满足
且满足
进一步的，再从S波终止点开始向时间增加的方向寻找(同理从S波终止点开始向右寻找)T波终止点，具体的来说，将RR间期与预设比值的乘积值作为T波搜索域的时长，T波搜索域即T波所在的区域，该T波搜索域的起点为S波终止点。示例性的，将0.6倍的RR间期作为T波搜索域的时长。确定在T波搜索域内的第二模极值对，第二模极值包括T波搜索域内的极大值a2和极小值b2，表示为[a2，b2]，以第二模极值对中时间靠后的数据的绝对值的
作为阈值，n3为第三预设系数，从第二模极值对中时间靠后的数据开始向时间增加的方向寻找第一个小于阈值的点作为T波终止点。例如，当极大值a2的时间更靠后时，将
作为阈值，从极大值a2开始向时间增加的方向寻找第一个小于
的点作为T波终止点。反之，当极大值b2的时间更靠后时，将
作为阈值，从极大值b2开始向时间增加的方向寻找第一个小于
的点作为T波终止点。
最后将从一个心搏的T波终止点向时间增加的下一个相邻心搏的Q波起始点之间的心电图数据作为一个P波搜索域，以得到第一预设数量个P波搜索域。该P波搜索域是不包括QRS波群的，且P波搜索域内主要的心搏信息仅包括P波，因此可排除绝大部分无用数据对异常指标捕捉的干扰。
步骤108，对第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点。
其中，标志点包括P波峰值点、P波起始点、P波终止点。P波峰值点为P波幅值最大的点；P波起始点为P波时间开始的点；P波终止点为P波时间结束的点。
在s＝24层上对P波搜索域进行分解，在分解后的第四尺度小波系数中确定第三模极值对，第三模极值包括P波搜索域内的极大值和极小值，将第三模极值对中时间靠前的数据的绝对值作为第二模极值max_left，将第三模极值对中时间靠后的数据的绝对值作为第三模极值max_right，首先将第二模极值与第三模极值中的过零点作为P波峰值点。
然后从第二模极值max_left开始向时间减少的方向寻找第一个满足第二条件的第三目标点作为P波起始点，该第二条件为幅值绝对值小于第二模极值的
也即若第三目标点的幅值为A3，满足
其中n4为第四预设系数。示例性的，n4的取值为8。
同时从第三模极值max_right开始向时间增加的方向寻找第一个满足第三条件的第四目标点作为P波终止点，第三条件为幅值绝对值小于第三模极值的
也即也即若第二目标点的幅值为A4，满足
其中n5为第五预设系数。示例性的，n5的取值为8。
这样就能根据上述P波标志点对P波进行准确的定位及识别，然后根据标志点计算目标分析单元的P波指标。
步骤110，根据标志点计算目标分析单元的P波指标，根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记。
其中，P波指标为表征P波变化程度的指标，用于确定目标分析单元是否存在异常。
在其中一个具体实施例中，P波指标包括P波时间间期变异度，P波时间间期变异度是指一个分析单元内P波时间间期的变化程度。首先将同一个心搏的P波起始点与P波终止点的时间差值作为一个P波的P波时间间期PW，获取目标分析单元内的最大P波时间间期PWmax和最小P波时间间期PWmin，然后计算最大P波时间间期PWmax和最小P波时间间期PWmin的第一差值PWmax-PWmin，将第一差值PWmax-PWmin作为目标分析单元的P波时间间期变异度PWV。若P波时间间期变异度大于第一预设时长，则确定目标分析单元存在异常，将目标分析单元用异常标识进行标记。示例性的，若单元PWV＞30ms，则对目标分析单元用“※”进行标记。
在另一个实施例中，P波指标包括单元间P波变异度，单元间P波变异度是指相邻的分析单元之间P波时间间期的变化程度。将与目标分析单元在时间上相邻的分析单元作为相邻分析单元，可以是时间靠前的一个相邻分析单元，也可以是时间靠后的一个相邻分析单元。对目标分析单元内第一预设数量个P波的P波时间间期PW1取均值，得到第一P波时间间期均值PWa1，对一个相邻分析单元内第一预设数量个P波的P波时间间期PW2取均值，得到第二P波时间间期均值PWa2。计算第二P波时间间期均值与第一P波时间间期均值的第二差值PWa1-PWa2，将第二差值的绝对值abs(PWa1-PWa2)作为在目标分析单元处的单元间P波变异度。若单元间P波变异度大于第二预设时长，则确定第一P波时间间期均值和第二P波时间间期均值中较大值对应的分析单元存在异常，将存在异常的分析单元用异常标识进行标记。示例性的，若abs(PWa1-PWa2)＞20ms，则认定PWa1和PWa2中较大值对应的分析单元存在异常，对存在异常的分析单元用“※”进行标记。
医生在查看心电图数据时，就能仅查看标记了“※”的部分，这样能方便临床医生快速地完成查看，并及时作出应诊断和病情评估，从而有效开展后续治疗。
上述异常指标的捕捉方法，首先获取心电图数据，识别心电图数据中的R波峰值点，并筛选其中多个预设时间段内的数据，以得到多个分析单元，仅对分析单元内得到心电图数据进行分析评估，这样就能极大的减轻数据处理的压力，提高异常指标捕捉的效率。接着对目标分析单元进行分解，在分解后的目标分析单元内确定P波所在的P波搜索域，该P波搜索域是不包括QRS波群的，且P波搜索域内主要的心搏信息仅包括P波，因此可排除绝大部分无用数据对异常指标捕捉的干扰。再对第一预设数量个P波搜索域进行进一步分解，在一个分解后的P波搜索域中确定一个P波的标志点，这样就能根据标志点对P波进行准确的定位及识别。然后根据标志点计算目标分析单元的P波指标，该P波指标即表征P波变化程度的指标，根据P波指标来确定目标分析单元是否存在异常，从而实现对异常指标的捕捉，并将存在异常的分析单元用异常标识进行标记，这样能方便临床医生快速地进行查看并及时作出应诊断和病情评估，从而有效开展后续治疗。
在一个实施例中，如图4所示，提出了一种异常指标捕捉装置，该装置包括：
心电图数据获取模块402，用于获取监测的心电图数据，识别心电图数据中QRS波群的R波峰值点；
分析单元获取模块404，用于将心电图数据中第一预设时间段内的数据作为一个分析单元，以得到多个分析单元；
P波确定模块406，用于对一个目标分析单元小波变换，得到分解后的目标分析单元，根据R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域，目标分析单元为任一分析单元，一个P波搜索域包括T波终止点与Q波起始点之间的心电图数据；对第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点，标志点包括P波峰值点、P波起始点、P波终止点；
异常指标捕捉模块408，用于根据标志点计算目标分析单元的P波指标，P波指标为表征P波变化程度的指标，根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记。
上述异常指标捕捉装置，首先获取心电图数据，识别心电图数据中的R波峰值点，并筛选其中多个预设时间段内的数据，以得到多个分析单元，仅对分析单元内得到心电图数据进行分析评估，这样就能极大的减轻数据处理的压力，提高异常指标捕捉的效率。接着对目标分析单元进行分解，在分解后的目标分析单元内确定P波所在的P波搜索域，该P波搜索域是不包括QRS波群的，且P波搜索域内主要的心搏信息仅包括P波，因此可排除绝大部分无用数据对异常指标捕捉的干扰。再对第一预设数量个P波搜索域进行进一步分解，在一个分解后的P波搜索域中确定一个P波的标志点，这样就能根据标志点对P波进行准确的定位及识别。然后根据标志点计算目标分析单元的P波指标，该P波指标即表征P波变化程度的指标，根据P波指标来确定目标分析单元是否存在异常，从而实现对异常指标的捕捉，并将存在异常的分析单元用异常标识进行标记，这样能方便临床医生快速地进行查看并及时作出应诊断和病情评估，从而有效开展后续治疗。
在一个实施例中，P波确定模块406，具体用于：对目标分析单元进行第一层小波分解，在分解后的第一尺度小波系数中确定第二预设时间段内的第一模极值对，第二预设时间段包括目标R波峰值点，目标R波峰值点为任一R波峰值点，第一模极值对包括第二预设时间段内的极大值和极小值，将第一模极值对中绝对值的较大值作为第一模极值max；在第一尺度小波系数中，从目标R波峰值点开始向时间减少的方向寻找第一个满足第一条件的第一目标点作为Q波起始点，第一条件为幅值绝对值小于
且幅值与目标R波峰值点的幅值的差值绝对值小于
n1为第一预设系数、n2为第二预设系数；从目标R波峰值点开始向时间增加的方向寻找第一个满足第一条件的第二目标点作为S波终止点；从S波终止点开始向时间增加的方向寻找T波终止点，将从一个心搏的T波终止点向时间增加的下一个相邻心搏的Q波起始点之间的心电图数据作为一个P波搜索域，以得到第一预设数量个P波搜索域。
在一个实施例中，P波确定模块406，具体用于：将RR间期与预设比值的乘积值作为T波搜索域的时长，RR间期为相邻的R波峰值点的时间间期，T波搜索域的起点为S波终止点；确定在T波搜索域内的第二模极值对，第二模极值包括T波搜索域内的极大值和极小值，以第二模极值对中时间靠后的数据的绝对值的
作为阈值，n3为第三预设系数，从第二模极值对中时间靠后的数据开始向时间增加的方向寻找第一个小于阈值的点作为T波终止点。
在一个实施例中，P波确定模块406，具体用于：对P波搜索域进行第四层小波分解，在分解后的第四尺度小波系数中确定第三模极值对，第三模极值包括P波搜索域内的极大值和极小值，将第三模极值对中时间靠前的数据的绝对值作为第二模极值，将第三模极值对中时间靠后的数据的绝对值作为第三模极值，将第二模极值与第三模极值中的过零点作为P波峰值点；从第二模极值开始向时间减少的方向寻找第一个满足第二条件的第三目标点作为P波起始点，第二条件为幅值绝对值小于第二模极值的
n4为第四预设系数；从第三模极值开始向时间增加的方向寻找第一个满足第三条件的第四目标点作为P波终止点，第三条件为幅值绝对值小于第三模极值的
n5为第五预设系数。
在一个实施例中，异常指标捕捉模块408，具体用于：将同一个心搏的P波起始点与P波终止点的时间差值作为一个P波的P波时间间期，获取目标分析单元内的最大P波时间间期和最小P波时间间期；计算最大P波时间间期和最小P波时间间期的第一差值，将第一差值作为目标分析单元的P波时间间期变异度；若P波时间间期变异度大于第一预设时长，则确定目标分析单元存在异常，将述目标分析单元用异常标识进行标记。
在一个实施例中，异常指标捕捉模块408，具体用于：将同一个心搏的P波起始点与P波终止点的时间差值作为一个P波的P波时间间期，将与目标分析单元在时间上相邻的分析单元作为相邻分析单元，对目标分析单元内第一预设数量个P波的P波时间间期取均值，得到第一P波时间间期均值，对一个相邻分析单元内第一预设数量个P波的P波时间间期取均值，得到第二P波时间间期均值；计算第二P波时间间期均值与第一P波时间间期均值的第二差值，将第二差值的绝对值作为在目标分析单元处的单元间P波变异度：若单元间P波变异度大于第二预设时长，则确定第一P波时间间期均值和第二P波时间间期均值中较大值对应的分析单元存在异常，将存在异常的分析单元用异常标识进行标记。
在一个实施例中，异常指标捕捉装置还包括：筛选模块，用于基于波形和节律对QRS波群进行聚类分析，将归为同一类的QRS波群标记为同一个初始心搏属性；获取输入的修正指令，根据修正指令对初始心搏属性进行修正，以得到QRS波群修正后的目标心搏属性，目标心搏属性包括窦性心博N；获取预设的筛选规则，筛选规则包括窦性心博N的数量大于或等于第二预设数量个、无基线漂移、无成型的大伪差和无工频干扰，删除不满足筛选条件的分析单元。
图5示出了一个实施例中异常指标捕捉设备的内部结构图。如图5所示，该异常指标捕捉设备包括通过***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。该异常指标捕捉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，可使得处理器实现异常指标的捕捉方法。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，可使得处理器执行异常指标的捕捉方法。本领域技术人员可以理解，图5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异常指标捕捉设备的限定，具体的异常指标捕捉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。
一种异常指标捕捉设备，包括存储器、处理器以及存储在该存储器中并可在该处理器上执行的计算机程序，该处理器执行该计算机程序时实现如下步骤：获取监测的心电图数据，识别心电图数据中QRS波群的R波峰值点；将心电图数据中第一预设时间段内的数据作为一个分析单元，以得到多个分析单元；对一个目标分析单元小波变换，得到分解后的目标分析单元，根据R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域，目标分析单元为任一分析单元，一个P波搜索域包括T波终止点与Q波起始点之间的心电图数据；对第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点，标志点包括P波峰值点、P波起始点、P波终止点；根据标志点计算目标分析单元的P波指标，P波指标为表征P波变化程度的指标，根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记。
在一个实施例中，对一个目标分析单元小波变换，得到分解后的目标分析单元，根据R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域，包括：对目标分析单元进行第一层小波分解，在分解后的第一尺度小波系数中确定第二预设时间段内的第一模极值对，第二预设时间段包括目标R波峰值点，目标R波峰值点为任一R波峰值点，第一模极值对包括第二预设时间段内的极大值和极小值，将第一模极值对中绝对值的较大值作为第一模极值max；在第一尺度小波系数中，从目标R波峰值点开始向时间减少的方向寻找第一个满足第一条件的第一目标点作为Q波起始点，第一条件为幅值绝对值小于
且幅值与目标R波峰值点的幅值的差值绝对值小于
n1为第一预设系数、n2为第二预设系数；从目标R波峰值点开始向时间增加的方向寻找第一个满足第一条件的第二目标点作为S波终止点；从S波终止点开始向时间增加的方向寻找T波终止点，将从一个心搏的T波终止点向时间增加的下一个相邻心搏的Q波起始点之间的心电图数据作为一个P波搜索域，以得到第一预设数量个P波搜索域。
在一个实施例中，从S波终止点开始向时间增加的方向寻找T波终止点，包括：将RR间期与预设比值的乘积值作为T波搜索域的时长，RR间期为相邻的R波峰值点的时间间期，T波搜索域的起点为S波终止点；确定在T波搜索域内的第二模极值对，第二模极值包括T波搜索域内的极大值和极小值，以第二模极值对中时间靠后的数据的绝对值的
作为阈值，n3为第三预设系数，从第二模极值对中时间靠后的数据开始向时间增加的方向寻找第一个小于阈值的点作为T波终止点。
在一个实施例中，对第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点，包括：对P波搜索域进行第四层小波分解，在分解后的第四尺度小波系数中确定第三模极值对，第三模极值包括P波搜索域内的极大值和极小值，将第三模极值对中时间靠前的数据的绝对值作为第二模极值，将第三模极值对中时间靠后的数据的绝对值作为第三模极值，将第二模极值与第三模极值中的过零点作为P波峰值点；从第二模极值开始向时间减少的方向寻找第一个满足第二条件的第三目标点作为P波起始点，第二条件为幅值绝对值小于第二模极值的
n4为第四预设系数；从第三模极值开始向时间增加的方向寻找第一个满足第三条件的第四目标点作为P波终止点，第三条件为幅值绝对值小于第三模极值的
n5为第五预设系数。
在一个实施例中，P波指标包括P波时间间期变异度；根据标志点计算目标分析单元的P波指标，包括：将同一个心搏的P波起始点与P波终止点的时间差值作为一个P波的P波时间间期，获取目标分析单元内的最大P波时间间期和最小P波时间间期；计算最大P波时间间期和最小P波时间间期的第一差值，将第一差值作为目标分析单元的P波时间间期变异度；根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记，包括：若P波时间间期变异度大于第一预设时长，则确定目标分析单元存在异常，将述目标分析单元用异常标识进行标记。
在一个实施例中，P波指标包括单元间P波变异度；根据标志点计算目标分析单元的P波指标，包括：将同一个心搏的P波起始点与P波终止点的时间差值作为一个P波的P波时间间期，将与目标分析单元在时间上相邻的分析单元作为相邻分析单元，对目标分析单元内第一预设数量个P波的P波时间间期取均值，得到第一P波时间间期均值，对一个相邻分析单元内第一预设数量个P波的P波时间间期取均值，得到第二P波时间间期均值；计算第二P波时间间期均值与第一P波时间间期均值的第二差值，将第二差值的绝对值作为在目标分析单元处的单元间P波变异度；根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记，包括：若单元间P波变异度大于第二预设时长，则确定第一P波时间间期均值和第二P波时间间期均值中较大值对应的分析单元存在异常，将存在异常的分析单元用异常标识进行标记。
在一个实施例中，在识别心电图数据中QRS波群的R波峰值点之后，还包括：基于波形和节律对QRS波群进行聚类分析，将归为同一类的QRS波群标记为同一个初始心搏属性；获取输入的修正指令，根据修正指令对初始心搏属性进行修正，以得到QRS波群修正后的目标心搏属性，目标心搏属性包括窦性心博N；在将心电图数据中第一预设时间段内的数据作为一个分析单元之后，还包括：获取预设的筛选规则，筛选规则包括窦性心博N的数量大于或等于第二预设数量个、无基线漂移、无成型的大伪差和无工频干扰，删除不满足筛选条件的分析单元。
一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现如下步骤：获取监测的心电图数据，识别心电图数据中QRS波群的R波峰值点；将心电图数据中第一预设时间段内的数据作为一个分析单元，以得到多个分析单元；对一个目标分析单元小波变换，得到分解后的目标分析单元，根据R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域，目标分析单元为任一分析单元，一个P波搜索域包括T波终止点与Q波起始点之间的心电图数据；对第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点，标志点包括P波峰值点、P波起始点、P波终止点；根据标志点计算目标分析单元的P波指标，P波指标为表征P波变化程度的指标，根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记。
在一个实施例中，对一个目标分析单元小波变换，得到分解后的目标分析单元，根据R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域，包括：对目标分析单元进行第一层小波分解，在分解后的第一尺度小波系数中确定第二预设时间段内的第一模极值对，第二预设时间段包括目标R波峰值点，目标R波峰值点为任一R波峰值点，第一模极值对包括第二预设时间段内的极大值和极小值，将第一模极值对中绝对值的较大值作为第一模极值max；在第一尺度小波系数中，从目标R波峰值点开始向时间减少的方向寻找第一个满足第一条件的第一目标点作为Q波起始点，第一条件为幅值绝对值小于
且幅值与目标R波峰值点的幅值的差值绝对值小于
n1为第一预设系数、n2为第二预设系数；从目标R波峰值点开始向时间增加的方向寻找第一个满足第一条件的第二目标点作为S波终止点；从S波终止点开始向时间增加的方向寻找T波终止点，将从一个心搏的T波终止点向时间增加的下一个相邻心搏的Q波起始点之间的心电图数据作为一个P波搜索域，以得到第一预设数量个P波搜索域。
在一个实施例中，从S波终止点开始向时间增加的方向寻找T波终止点，包括：将RR间期与预设比值的乘积值作为T波搜索域的时长，RR间期为相邻的R波峰值点的时间间期，T波搜索域的起点为S波终止点；确定在T波搜索域内的第二模极值对，第二模极值包括T波搜索域内的极大值和极小值，以第二模极值对中时间靠后的数据的绝对值的
作为阈值，n3为第三预设系数，从第二模极值对中时间靠后的数据开始向时间增加的方向寻找第一个小于阈值的点作为T波终止点。
在一个实施例中，对第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点，包括：对P波搜索域进行第四层小波分解，在分解后的第四尺度小波系数中确定第三模极值对，第三模极值包括P波搜索域内的极大值和极小值，将第三模极值对中时间靠前的数据的绝对值作为第二模极值，将第三模极值对中时间靠后的数据的绝对值作为第三模极值，将第二模极值与第三模极值中的过零点作为P波峰值点；从第二模极值开始向时间减少的方向寻找第一个满足第二条件的第三目标点作为P波起始点，第二条件为幅值绝对值小于第二模极值的
n4为第四预设系数；从第三模极值开始向时间增加的方向寻找第一个满足第三条件的第四目标点作为P波终止点，第三条件为幅值绝对值小于第三模极值的
n5为第五预设系数。
在一个实施例中，P波指标包括P波时间间期变异度；根据标志点计算目标分析单元的P波指标，包括：将同一个心搏的P波起始点与P波终止点的时间差值作为一个P波的P波时间间期，获取目标分析单元内的最大P波时间间期和最小P波时间间期；计算最大P波时间间期和最小P波时间间期的第一差值，将第一差值作为目标分析单元的P波时间间期变异度；根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记，包括：若P波时间间期变异度大于第一预设时长，则确定目标分析单元存在异常，将述目标分析单元用异常标识进行标记。
在一个实施例中，P波指标包括单元间P波变异度；根据标志点计算目标分析单元的P波指标，包括：将同一个心搏的P波起始点与P波终止点的时间差值作为一个P波的P波时间间期，将与目标分析单元在时间上相邻的分析单元作为相邻分析单元，对目标分析单元内第一预设数量个P波的P波时间间期取均值，得到第一P波时间间期均值，对一个相邻分析单元内第一预设数量个P波的P波时间间期取均值，得到第二P波时间间期均值；计算第二P波时间间期均值与第一P波时间间期均值的第二差值，将第二差值的绝对值作为在目标分析单元处的单元间P波变异度；根据P波指标确定目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记，包括：若单元间P波变异度大于第二预设时长，则确定第一P波时间间期均值和第二P波时间间期均值中较大值对应的分析单元存在异常，将存在异常的分析单元用异常标识进行标记。
在一个实施例中，在识别心电图数据中QRS波群的R波峰值点之后，还包括：基于波形和节律对QRS波群进行聚类分析，将归为同一类的QRS波群标记为同一个初始心搏属性；获取输入的修正指令，根据修正指令对初始心搏属性进行修正，以得到QRS波群修正后的目标心搏属性，目标心搏属性包括窦性心博N；在将心电图数据中第一预设时间段内的数据作为一个分析单元之后，还包括：获取预设的筛选规则，筛选规则包括窦性心博N的数量大于或等于第二预设数量个、无基线漂移、无成型的大伪差和无工频干扰，删除不满足筛选条件的分析单元。
需要说明的是，上述异常指标的捕捉方法、装置、设备及计算机可读存储介质属于一个总的发明构思，异常指标的捕捉方法、装置、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，该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 (10)
1.一种异常指标的捕捉方法，其特征在于，所述方法包括：
获取监测的心电图数据，识别所述心电图数据中QRS波群的R波峰值点；
将所述心电图数据中第一预设时间段内的数据作为一个分析单元，以得到多个分析单元；
对一个目标分析单元小波变换，得到分解后的目标分析单元，根据所述R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域，所述目标分析单元为任一分析单元，一个P波搜索域包括T波终止点与Q波起始点之间的心电图数据；
对所述第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点，所述标志点包括P波峰值点、P波起始点、P波终止点；
根据所述标志点计算所述目标分析单元的P波指标，所述P波指标为表征P波变化程度的指标，根据所述P波指标确定所述目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记。
2.根据权利要求1所述的方法，其特征在于，所述对一个目标分析单元小波变换，得到分解后的目标分析单元，根据所述R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域，包括：
对所述目标分析单元进行第一层小波分解，在分解后的第一尺度小波系数中确定第二预设时间段内的第一模极值对，所述第二预设时间段包括目标R波峰值点，所述目标R波峰值点为任一R波峰值点，所述第一模极值对包括第二预设时间段内的极大值和极小值，将所述第一模极值对中绝对值的较大值作为第一模极值max；
在第一尺度小波系数中，从所述目标R波峰值点开始向时间减少的方向寻找第一个满足第一条件的第一目标点作为所述Q波起始点，所述第一条件为幅值绝对值小于
且幅值与所述目标R波峰值点的幅值的差值绝对值小于
n1为第一预设系数、n2为第二预设系数；
从所述目标R波峰值点开始向时间增加的方向寻找第一个满足所述第一条件的第二目标点作为S波终止点；
从所述S波终止点开始向时间增加的方向寻找所述T波终止点，将从一个心搏的T波终止点向时间增加的下一个相邻心搏的Q波起始点之间的心电图数据作为一个P波搜索域，以得到第一预设数量个P波搜索域。
3.根据权利要求2所述的方法，其特征在于，所述从所述S波终止点开始向时间增加的方向寻找所述T波终止点，包括：
将RR间期与预设比值的乘积值作为T波搜索域的时长，所述RR间期为相邻的R波峰值点的时间间期，所述T波搜索域的起点为所述S波终止点；
确定在所述T波搜索域内的第二模极值对，所述第二模极值包括所述T波搜索域内的极大值和极小值，以所述第二模极值对中时间靠后的数据的绝对值的
作为阈值，n3为第三预设系数，从所述第二模极值对中时间靠后的数据开始向时间增加的方向寻找第一个小于所述阈值的点作为所述T波终止点。
4.根据权利要求1所述的方法，其特征在于，所述对所述第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点，包括：
对所述P波搜索域进行第四层小波分解，在分解后的第四尺度小波系数中确定第三模极值对，所述第三模极值包括所述P波搜索域内的极大值和极小值，将所述第三模极值对中时间靠前的数据的绝对值作为第二模极值，将所述第三模极值对中时间靠后的数据的绝对值作为第三模极值，将所述第二模极值与所述第三模极值中的过零点作为所述P波峰值点；
从所述第二模极值开始向时间减少的方向寻找第一个满足第二条件的第三目标点作为所述P波起始点，所述第二条件为幅值绝对值小于所述第二模极值的
n4为第四预设系数；
从所述第三模极值开始向时间增加的方向寻找第一个满足第三条件的第四目标点作为所述P波终止点，所述第三条件为幅值绝对值小于所述第三模极值的
n5为第五预设系数。
5.根据权利要求1所述的方法，其特征在于，所述P波指标包括P波时间间期变异度；
所述根据所述标志点计算所述目标分析单元的P波指标，包括：
将同一个心搏的P波起始点与P波终止点的时间差值作为一个P波的P波时间间期，获取所述目标分析单元内的最大P波时间间期和最小P波时间间期；
计算所述最大P波时间间期和所述最小P波时间间期的第一差值，将所述第一差值作为所述目标分析单元的P波时间间期变异度；
所述根据所述P波指标确定所述目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记，包括：
若所述P波时间间期变异度大于第一预设时长，则确定所述目标分析单元存在异常，将所述述目标分析单元用异常标识进行标记。
6.据权利要求1所述的方法，其特征在于，所述P波指标包括单元间P波变异度；
所述根据所述标志点计算所述目标分析单元的P波指标，包括：
将同一个心搏的P波起始点与P波终止点的时间差值作为一个P波的P波时间间期，将与所述目标分析单元在时间上相邻的分析单元作为相邻分析单元，对所述目标分析单元内第一预设数量个P波的P波时间间期取均值，得到第一P波时间间期均值，对一个相邻分析单元内第一预设数量个P波的P波时间间期取均值，得到第二P波时间间期均值；
计算所述第二P波时间间期均值与所述第一P波时间间期均值的第二差值，将所述第二差值的绝对值作为在所述目标分析单元处的单元间P波变异度；
所述根据所述P波指标确定所述目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记，包括：
若所述单元间P波变异度大于第二预设时长，则确定所述第一P波时间间期均值和所述第二P波时间间期均值中较大值对应的分析单元存在异常，将存在异常的分析单元用异常标识进行标记。
7.根据权利要求1所述的方法，其特征在于，在所述识别所述心电图数据中QRS波群的R波峰值点之后，还包括：
基于波形和节律对所述QRS波群进行聚类分析，将归为同一类的QRS波群标记为同一个初始心搏属性；
获取输入的修正指令，根据所述修正指令对所述初始心搏属性进行修正，以得到所述QRS波群修正后的目标心搏属性，所述目标心搏属性包括窦性心博N；
在所述将所述心电图数据中第一预设时间段内的数据作为一个分析单元之后，还包括：
获取预设的筛选规则，所述筛选规则包括窦性心博N的数量大于或等于第二预设数量个、无基线漂移、无成型的大伪差和无工频干扰，删除不满足所述筛选条件的分析单元。
8.一种异常指标捕捉装置，其特征在于，所述装置包括：
心电图数据获取模块，用于获取监测的心电图数据，识别所述心电图数据中QRS波群的R波峰值点；
分析单元获取模块，用于将所述心电图数据中第一预设时间段内的数据作为一个分析单元，以得到多个分析单元；
P波确定模块，用于对一个目标分析单元小波变换，得到分解后的目标分析单元，根据所述R波峰值点在分解后的目标分析单元内确定第一预设数量个P波搜索域，所述目标分析单元为任一分析单元，一个P波搜索域包括T波终止点与Q波起始点之间的心电图数据；对所述第一预设数量个P波搜索域进行小波变换，得到第一预设数量个分解后的P波搜索域，在一个分解后的P波搜索域中确定一个P波的标志点，所述标志点包括P波峰值点、P波起始点、P波终止点；
异常指标捕捉模块，用于根据所述标志点计算所述目标分析单元的P波指标，所述P波指标为表征P波变化程度的指标，根据所述P波指标确定所述目标分析单元是否存在异常，将存在异常的分析单元用异常标识进行标记。
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机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7中任一项所述方法的步骤。
10.一种异常指标捕捉设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述计算机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7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110956398.6A CN113749665B (zh) | 2021-08-19 | 2021-08-19 | 异常指标的捕捉方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110956398.6A CN113749665B (zh) | 2021-08-19 | 2021-08-19 | 异常指标的捕捉方法、装置、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113749665A true CN113749665A (zh) | 2021-12-07 |
| CN113749665B CN113749665B (zh) | 2024-02-02 |
Family
ID=78790495
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110956398.6A Active CN113749665B (zh) | 2021-08-19 | 2021-08-19 | 异常指标的捕捉方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113749665B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080167567A1 (en) * | 2006-09-19 | 2008-07-10 | The Cleveland Clinic Foundation | Prediction and prevention of postoperative atrial fibrillation in cardiac surgery patients |
| US20090234412A1 (en) * | 2008-03-13 | 2009-09-17 | Sambelashvili Aleksandre T | Methods and apparatus for monitoring p-wave duration and end and qrs duration with an implantable medical device |
| US20160058318A1 (en) * | 2014-09-02 | 2016-03-03 | The Regents Of The University Of Michigan | Electrocardiogram Data Analysis Method for Rapid Diagnosis |
| DE102014217837A1 (de) * | 2014-09-05 | 2016-03-10 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren, Vorrichtung und Computerprogrammprodukt zum Erkennen von Vorhofflimmern in einem Elektrokardiogramm |
| US20160135702A1 (en) * | 2013-06-21 | 2016-05-19 | The Board Of Trustees Of The Leland Stanford Junior University | Techniques for Predicting Cardiac Arrhythmias Based on Signals from Leads of Electrocardiography |
| CN105748066A (zh) * | 2016-03-03 | 2016-07-13 | 深圳竹信科技有限公司 | 一种心电信号波形特征点的提取方法及装置 |
| CN109044348A (zh) * | 2018-08-08 | 2018-12-21 | 广州视源电子科技股份有限公司 | 房颤检测装置及存储介质 |
| CN109222964A (zh) * | 2018-07-20 | 2019-01-18 | 广州视源电子科技股份有限公司 | 房颤检测装置及存储介质 |
| CN110084096A (zh) * | 2019-03-12 | 2019-08-02 | 苏州哈特智能医疗科技有限公司 | 基于小波变换和k平均聚类算法的心电信号p波提取方法 |
| CN110448289A (zh) * | 2019-07-18 | 2019-11-15 | 深圳邦健生物医疗设备股份有限公司 | 一种心率变异性（hrv）分析方法、装置、存储介质及设备 |
| CN112353397A (zh) * | 2020-11-17 | 2021-02-12 | 西安理工大学 | 一种心电图信号身份识别方法 |
| US20210052180A1 (en) * | 2019-08-22 | 2021-02-25 | West Affum Holdings Corp. | Cardiac Monitoring System with Normally Conducted QRS Complex Identification |
| WO2021143401A1 (zh) * | 2020-01-17 | 2021-07-22 | 上海优加利健康管理有限公司 | 一种用于心电信号中p波和t波的检测方法和装置 |
-
2021
- 2021-08-19 CN CN202110956398.6A patent/CN113749665B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080167567A1 (en) * | 2006-09-19 | 2008-07-10 | The Cleveland Clinic Foundation | Prediction and prevention of postoperative atrial fibrillation in cardiac surgery patients |
| US20090234412A1 (en) * | 2008-03-13 | 2009-09-17 | Sambelashvili Aleksandre T | Methods and apparatus for monitoring p-wave duration and end and qrs duration with an implantable medical device |
| US20160135702A1 (en) * | 2013-06-21 | 2016-05-19 | The Board Of Trustees Of The Leland Stanford Junior University | Techniques for Predicting Cardiac Arrhythmias Based on Signals from Leads of Electrocardiography |
| US20160058318A1 (en) * | 2014-09-02 | 2016-03-03 | The Regents Of The University Of Michigan | Electrocardiogram Data Analysis Method for Rapid Diagnosis |
| DE102014217837A1 (de) * | 2014-09-05 | 2016-03-10 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren, Vorrichtung und Computerprogrammprodukt zum Erkennen von Vorhofflimmern in einem Elektrokardiogramm |
| CN105748066A (zh) * | 2016-03-03 | 2016-07-13 | 深圳竹信科技有限公司 | 一种心电信号波形特征点的提取方法及装置 |
| CN109222964A (zh) * | 2018-07-20 | 2019-01-18 | 广州视源电子科技股份有限公司 | 房颤检测装置及存储介质 |
| CN109044348A (zh) * | 2018-08-08 | 2018-12-21 | 广州视源电子科技股份有限公司 | 房颤检测装置及存储介质 |
| CN110084096A (zh) * | 2019-03-12 | 2019-08-02 | 苏州哈特智能医疗科技有限公司 | 基于小波变换和k平均聚类算法的心电信号p波提取方法 |
| CN110448289A (zh) * | 2019-07-18 | 2019-11-15 | 深圳邦健生物医疗设备股份有限公司 | 一种心率变异性（hrv）分析方法、装置、存储介质及设备 |
| US20210052180A1 (en) * | 2019-08-22 | 2021-02-25 | West Affum Holdings Corp. | Cardiac Monitoring System with Normally Conducted QRS Complex Identification |
| WO2021143401A1 (zh) * | 2020-01-17 | 2021-07-22 | 上海优加利健康管理有限公司 | 一种用于心电信号中p波和t波的检测方法和装置 |
| CN112353397A (zh) * | 2020-11-17 | 2021-02-12 | 西安理工大学 | 一种心电图信号身份识别方法 |
Non-Patent Citations (4)
| Title |
|---|
| GEORGE DAKOS ET AL.: "Wavelet-based analysis of P waves identifies patients with lone atrial fibrillation: A cross-sectional pilot study", INTERNATIONAL JOURNAL OF CARDIOLOGY, vol. 174, no. 2, XP029024816, DOI: 10.1016/j.ijcard.2014.03.195 * |
| 周忠军: "基于单导联心电信号的交界性逸博识别与房扑房颤识别算法设计与实现", 中国硕士学位论文全文数据库 医药卫生科技辑, no. 8 * |
| 韦杰英，王迪，孙亚楠，张瑞: "一种新的房颤心电融合特征提取方法", 西北大学学报(自然科学版), vol. 49, no. 1 * |
| 黄超: "动态心电图中房颤自动检测算法研究及其临床应用", 中国博士学位论文全文数据库 医药卫生科技辑, no. 8, pages 23 - 34 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113749665B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107072545B (zh) | 用于快速诊断的心电图数据分析方法和*** | |
| US8396541B2 (en) | Signal analysis of cardiac and other patient medical signals | |
| CN109411041B (zh) | 心电信息处理方法和心电工作站*** | |
| JP5193222B2 (ja) | 改良された自動セグメント分割を含む生物医学信号解析方法 | |
| EP1993439B1 (en) | Automated analysis of a cardiac signal based on dynamical characteristics of the cardiac signal | |
| JP4386235B2 (ja) | 心電図の順次比較のための方法及び装置 | |
| US7142907B2 (en) | Method and apparatus for algorithm fusion of high-resolution electrocardiograms | |
| EP1802230B1 (en) | Monitoring physiological activity using partial state space reconstruction | |
| US7412282B2 (en) | Algorithms for detecting cardiac arrhythmia and methods and apparatuses utilizing the algorithms | |
| CN106815570B (zh) | 一种基于动态模式识别的心电信号st-t段识别方法 | |
| US7509159B2 (en) | Method and apparatus for detecting cardiac repolarization abnormality | |
| RU2517583C2 (ru) | Способ и устройство анализа баллистокардиографических сигналов | |
| CN109998529B (zh) | 一种基于高斯函数拟合的ecg信号中p波、t波检测方法 | |
| CN108294745B (zh) | 多导联心电图信号中p波、t波起止点检测方法及*** | |
| CN109411042B (zh) | 心电信息处理方法和心电工作站 | |
| Friganovic et al. | Optimizing the detection of characteristic waves in ECG based on processing methods combinations | |
| US6607480B1 (en) | Evaluation system for obtaining diagnostic information from the signals and data of medical sensor systems | |
| US6491629B1 (en) | Method for determining at least one diagnostic piece of information from signal patterns of medical sensor systems | |
| CN110448289B (zh) | 一种心率变异性(hrv)分析方法、装置、存储介质及设备 | |
| Agostinelli et al. | Noninvasive fetal electrocardiography part II: Segmented-Beat Modulation Method for signal denoising | |
| US20210007621A1 (en) | Method to analyze cardiac rhythms using beat-to-beat display plots | |
| CN115828056A (zh) | 一种心电图特征信号提取方法及终端 | |
| Illanes-Manriquez et al. | An algorithm for robust detection of QRS onset and offset in ECG signals | |
| KR20140097039A (ko) | 자동 결합 뉴런 네트워크를 이용한 심장부정맥 분류 방법 및 장치 | |
| Vondrak et al. | Selected transformation methods and their comparison for VCG leads deriving |
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 |