CN114403889A - Nn间期信号获取装置、***及存储介质 - Google Patents

Nn间期信号获取装置、***及存储介质 Download PDF

Info

Publication number
CN114403889A
CN114403889A CN202210249257.5A CN202210249257A CN114403889A CN 114403889 A CN114403889 A CN 114403889A CN 202210249257 A CN202210249257 A CN 202210249257A CN 114403889 A CN114403889 A CN 114403889A
Authority
CN
China
Prior art keywords
sinus
wave sequence
wave
determining
interval signal
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
Application number
CN202210249257.5A
Other languages
English (en)
Other versions
CN114403889B (zh
Inventor
朱佳兵
方全
吕恒
何金蝉
李毅
刘彩彩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Zoncare Bio Medical Electronics Co ltd
Original Assignee
Wuhan Zoncare Bio Medical Electronics Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Zoncare Bio Medical Electronics Co ltd filed Critical Wuhan Zoncare Bio Medical Electronics Co ltd
Priority to CN202210249257.5A priority Critical patent/CN114403889B/zh
Publication of CN114403889A publication Critical patent/CN114403889A/zh
Application granted granted Critical
Publication of CN114403889B publication Critical patent/CN114403889B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/24—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
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/363—Detecting tachycardia or bradycardia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种NN间期信号获取装置、***及存储介质。本发明获取受试者的心电信号；确定所述心电信号对应的窦性R波序列和非窦性R波序列；确定所述非窦性R波序列的稀疏度和离散度；根据所述稀疏度和所述离散度判断所述非窦性R波序列是否满足预设条件；在所述非窦性R波序列不满足所述预设条件时，根据所述非窦性R波序列剔除所述窦性R波序列中的目标R波，获得NN间期信号。相对于现有的通过时域分析和频域分析确定NN间期信号的方式，本发明上述方式实现了对NN间期的端对端的检测，避免了错误率的向后累加传递，使得能够获取到更少错误率的NN间期信号，提高后续HRV分析的准确性。

Description

NN间期信号获取装置、***及存储介质
技术领域
本发明涉及QRS波检测技术领域，尤其涉及一种NN间期信号获取装置、***及存储介质。
背景技术
心率变异性是指逐次心动周期之间的细微的时间变化及其规律，常用来评估自主神经***对心脏的调节作用，是评价自主神经活动的重要无创指标。现有技术中在对心电图进行心律变异性时域和频域分析前需要先识别伪差，查找R波，然后对RR间期作校正，以剔除非窦性心搏的RR间期。目前，虽然R波检测算法在标准心电图数据库如MIT-BIH和AHA上的检测灵敏度和阳性预测值均超过99％，但在嘈杂的动态心电图上识别准确率却不足80％。此外在对RR间期进行校正时，需要先识别心搏的起源类型，然后针对不同的心搏类型采用对应的校正方法。现阶段的心搏检测算法，室上性早搏检测的灵敏度普遍低于80％，阳性预测值低于60％，室性早搏的灵敏度和阳性预测值多在80％上下。目前的NN间期处理流程意味着上述两个处理过程的误检率和漏检率是相乘的关系，意味着最终得到的NN间期的正确率可能不足 80％。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种NN间期信号获取装置、***及存储介质，旨在解决通过现有技术确认的NN间期信号准确率较低的技术问题。
为实现上述目的，本发明提供了一种NN间期信号获取装置，所述NN间期信号获取装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的NN间期信号获取程序，所述NN间期信号获取程序配置为实现如下步骤：
获取受试者的心电信号；
确定所述心电信号对应的窦性R波序列和非窦性R波序列；
确定所述非窦性R波序列的稀疏度和离散度；
根据所述稀疏度和所述离散度判断所述非窦性R波序列是否满足预设条件；
在所述非窦性R波序列不满足所述预设条件时，根据所述非窦性R波序列剔除所述窦性R波序列中的目标R波，获得NN间期信号。
可选地，在所述非窦性R波序列不满足所述预设条件时，确定所述窦性 R波序列中与所述非窦性R波序列相邻的R波；
从所述相邻的R波中选取预设数量的R波作为所述目标R波，并剔除所述目标R波；
以所述目标R波的位置为分割点，将所述窦性R波序列分割成若干个NN 分析片段；
根据所述NN分析片段确定NN间期信号。
可选地，确定所述NN分析片段中片段长度小于预设长度的目标片段；
从所述NN分析片段中剔除所述目标片段，获得剔除后的片段；
根据所述剔除后的片段确定所述NN间期信号。
可选地，根据以下公式计算所述非窦性R波序列的稀疏度：
Figure BDA0003545314810000021
其中，Sparse(X)用于表征所述非窦性R波序列的稀疏度，#(X)用于表征非窦性R波序列中非窦性R波的个数，#(Y)用于表征窦性R波序列中窦性R 波的个数。
可选地，根据以下公式计算所述非窦性R波序列的离散度：
Figure BDA0003545314810000022
其中，Dispersion(X)用于表征所述非窦性R波序列的离散度，max(X)用于表征非窦性R波序列中R波位置的最大值，min(X)用于表征非窦性R波序列中的 R波位置的最小值，leb(ecgsig)用于表征所述心电信号的长度，Cv(X)用于表征非窦性R波序列的变异系数。
可选地，对所述心电信号进行预处理，获得标签序列；
将所述心电信号和所述标签序列输入至预设语义分割预测模型，获得输出结果；
根据所述输出结果确定所述心电信号对应的窦性R波序列和非窦性R波序列。
可选地，确定所述心电信号的RR间期；
根据所述RR间期确定心率值序列；
根据所述心率值序列确定窗口大小，并根据所述窗口大小确定目标区间；
对所述目标区间内的R波进行打标签，获得标签序列。
可选地，在所述非窦性R波序列满足所述预设条件时，根据线性差值或三次样条差值对所述窦性R波序列进行差值操作。
此外，为实现上述目的，本发明还提供一种NN间期信号获取***，所述NN间期信号获取***包括：获取模块、R波序列确定模块、稀疏度和离散度确定模块、判断模块以及NN间期信号确定模块；
获取模块，用于获取受试者的心电信号；
R波序列确定模块，用于确定所述心电信号对应的窦性R波序列和非窦性R波序列；
稀疏度和离散度确定模块，用于确定所述非窦性R波序列的稀疏度和离散度；
判断模块，用于根据所述稀疏度和所述离散度判断所述非窦性R波序列是否满足预设条件；
NN间期信号确定模块，用于在所述非窦性R波序列不满足所述预设条件时，根据所述非窦性R波序列剔除所述窦性R波序列中的目标R波，获得 NN间期信号。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有NN间期信号获取程序，所述NN间期信号获取程序被处理器执行时实现如下步骤：
获取受试者的心电信号；
确定所述心电信号对应的窦性R波序列和非窦性R波序列；
确定所述非窦性R波序列的稀疏度和离散度；
根据所述稀疏度和所述离散度判断所述非窦性R波序列是否满足预设条件；
在所述非窦性R波序列不满足所述预设条件时，根据所述非窦性R波序列剔除所述窦性R波序列中的目标R波，获得NN间期信号。
本发明获取受试者的心电信号；确定所述心电信号对应的窦性R波序列和非窦性R波序列；确定所述非窦性R波序列的稀疏度和离散度；根据所述稀疏度和所述离散度判断所述非窦性R波序列是否满足预设条件；在所述非窦性R波序列不满足所述预设条件时，根据所述非窦性R波序列剔除所述窦性R波序列中的目标R波，获得NN间期信号。相对于现有的通过时域分析和频域分析确定NN间期信号的方式，本发明上述方式实现了对NN间期的端对端的检测，避免了错误率的向后累加传递，使得能够获取到更少错误率的 NN间期信号，提高后续HRV分析的准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的NN间期信号获取设备的结构示意图；
图2为本发明NN间期信号获取装置第一实施例的流程示意图；
图3为本发明NN间期信号获取装置第一实施例的模型输出结果示意图；
图4为本发明NN间期信号获取装置第二实施例的流程示意图；
图5为本发明NN间期信号获取***第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的NN间期信号获取设备结构示意图。
如图1所示，该NN间期信号获取设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘 (Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器 (Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对NN间期信号获取设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及NN间期信号获取程序。
在图1所示的NN间期信号获取设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；所述 NN间期信号获取设备通过处理器1001调用存储器1005中存储的NN间期信号获取程序。
参照图2，图2为本发明NN间期信号获取装置第一实施例的流程示意图。
本发明实施例提供了一种NN间期信号获取装置，所述NN间期信号获取装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的NN间期信号获取程序，所述NN间期信号获取程序配置为实现如下步骤：本实施例中，所述NN间期信号获取装置包括以下步骤：
步骤S10：获取受试者的心电信号。
需要说明的是，所述受试者可以是需要检测其NN间期信号的用户。所述心电信号可以是所述受试者的心电信号。
步骤S20：确定所述心电信号对应的窦性R波序列和非窦性R波序列。
需要说明的是，所述确定所述心电信号对应的窦性R波序列和非窦性R 波序列可以是根据预先训练好的语义分割预测模型确定所述心电信号对应的窦性R波序列和非窦性R波序列。
进一步的，为了获得较为准确的窦性R波序列和非窦性R波序列，所述步骤S20，可包括：对所述心电信号进行预处理，获得标签序列；将所述心电信号和所述标签序列输入至预设语义分割预测模型，获得输出结果；根据所述输出结果确定所述心电信号对应的窦性R波序列和非窦性R波序列。
需要说明的是，所述对所述心电信号进行预处理，获得标签序列可以是确定所述心电信号的RR间期；根据所述RR间期确定心率值序列；根据所述心率值序列确定窗口大小，并根据所述窗口大小确定目标区间；对所述目标区间内的R波进行打标签，获得标签序列。
需要说明的是，所述确定所述心电信号的RR间期可以是确定所述心电信号中R波之间的间隔，将所述R波之间的间隔作为所述RR间期。所述根据所述RR间期确定心率值序列可以是根据以下公式确定心率值序列：
Figure BDA0003545314810000061
其中，hr用于表征心率值序列，RR用于表征RR间期序列。
需要说明的是，所述根据所述心率值序列确定窗口大小可以是根据以下公式确定窗口大小：
Figure BDA0003545314810000062
其中，所述window用于表征窗口大小，mean()函数用于求取心率值序列的均值。
需要说明的是，所述根据所述窗口大小确定目标区间可以是将当前R波的位置记作R，将区间[R-0.105*window,R+0.15*window]作为所述目标区间，将处于所述目标区间内的点重新打标签，如果R波为窦性R波，则该范围内的点全部打上标签2，如果R波是非窦性R波，则将该范围内的点打上标签1，如果R波既不是窦性R波也不是非窦性R波，则将该范围内的点打上标签0，经过上述处理后，将得到如下格式的标签序列 (0,...1,...,2,...1,...,0,....,2...)
需要说明的是，所述将所述心电信号和所述标签序列输入至预设语义分割预测模型，获得输出结果可以是将所述心电信号切割成预设长度的信号和所述标签序列输入至预设语义分割预测模型，获得预设语义分割预测模型预测的输出结果。所述预设语义分割预测模型可以是预先训练的能够预测所述心电信号中是否为窦性R波或非窦性R波的模型。所述将所述心电信号切割成预设长度可以是将所述心电信号切割成1分钟一段。
在具体实施中，考虑到类别不平衡以及各类训练难易程度不同，我们采用了如下所示的基于Batch-Weighted损失函数，公式如下：
Figure BDA0003545314810000071
其中，Loss用于标识模型训练时的损失函数，yi用于表征输入至预设语义分割预测模型进行训练的第i个数据，
Figure BDA0003545314810000072
用于表征模型上一次训练时输出的预测概率值，γ用于表征大于等于0的调制系数，用于调节类别学习的难易程度，
Figure BDA0003545314810000073
越接近1越易于学习，
Figure BDA0003545314810000074
能够以指数级的速度降低易学习样本的权重，使得模型能够专注在难学习的类别，λ用于表征权重衰减系数，
Figure BDA0003545314810000075
用于表征L2正则项，
Figure BDA0003545314810000076
其中，
Figure BDA0003545314810000077
用于表征第i 个batch的损失函数权重，M是batch的大小，ε取一个极小值，避免某个batch 中只出现一种类别时权重为0的情况。I为指示函数或示性函数。
在具体实施中，预设语义分割预测模型的输出结果可参照图3所示，图3 为本发明NN间期信号获取装置第一实施例的模型输出结果示意图，其中， 100用于表征原始的心电信号，200为进行预处理后的标签序列，300为预设语义分割预测模型的输出结果。
步骤S30：确定所述非窦性R波序列的稀疏度和离散度。
需要说明的是，所述确定所述非窦性R波序列的稀疏度可以是根据以下公式确定非窦性R波序列的稀疏度：
Figure BDA0003545314810000078
其中，Sparse(X)用于表征所述非窦性R波序列的稀疏度，#(X)用于表征非窦性R波序列中非窦性R波的个数，#(Y)用于表征窦性R波序列中窦性R 波的个数。
需要说明的是，所述非窦性R波序列中非窦性R波的个数可以是属于所述心电信号的非窦性R波序列中的全部非窦性R波的个数。例如，非窦性R 波序列有8个，其中包含的非窦性R波的个数分别为2，1，3，5，4，3，2，2，则所述非窦性R波序列中非窦性R波的个数为22个。窦性R波的个数同理，本实施例在此不再赘述。
需要说明的是，所述确定所述非窦性R波序列的离散度可以是根据以下公式确定非窦性R波序列的离散度：
Figure BDA0003545314810000081
其中，Dispersion(X)用于表征所述非窦性R波序列的离散度，max(X)用于表征非窦性R波序列中R波位置的最大值，min(X)用于表征非窦性R波序列中R 波位置的最小值，len(ecgsig)用于表征所述心电信号的长度，Cv(x)用于表征非窦性R波序列的变异系数。
所述变异系数可以是用户设置的变异系数。
步骤S40：根据所述稀疏度和所述离散度判断所述非窦性R波序列是否满足预设条件。
需要说明的是，所述预设条件可以是获取预先设置的稀疏度阈值和离散度阈值，预设条件可以是非窦性R波序列的稀疏度大于所述稀疏度阈值或离散度小于所述离散度阈值。所述根据所述稀疏度和所述离散度判断所述非窦性R波序列是否满足预设条件可以是判断所述非窦性R波序列的稀疏度是否大于所述稀疏度阈值或离散度是否小于所述离散度阈值。
步骤S50：在所述非窦性R波序列不满足所述预设条件时，根据所述非窦性R波序列剔除所述窦性R波序列中的目标R波，获得NN间期信号。
需要说明的是，所述根据所述非窦性R波序列剔除所述窦性R波序列中的目标R波，获得NN间期信号可以是剔除窦性R波序列中与非窦性R波相邻的前后各两个，共计四个R波，已获得NN间期信号。
进一步的，为了准确的获得NN间期信号。所述步骤S40之后，还包括：在所述非窦性R波序列满足所述预设条件时，根据线性差值或三次样条差值对所述窦性R波序列进行差值操作。
需要说明的是，所述线性差值或三次样条差值可以是现有技术中的差值方式，本实施例在此不再赘述。
本实施例获取受试者的心电信号；确定所述心电信号对应的窦性R波序列和非窦性R波序列；确定所述非窦性R波序列的稀疏度和离散度；根据所述稀疏度和所述离散度判断所述非窦性R波序列是否满足预设条件；在所述非窦性R波序列不满足所述预设条件时，根据所述非窦性R波序列剔除所述窦性R波序列中的目标R波，获得NN间期信号。相对于现有的通过时域分析和频域分析确定NN间期信号的方式，本实施例上述方式实现了对NN间期的端对端的检测，避免了错误率的向后累加传递，使得能够获取到更少错误率的NN间期信号，提高后续HRV分析的准确性。
参考图4，图4为本发明NN间期信号获取装置第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S50，可包括：
步骤S501：在所述非窦性R波序列不满足所述预设条件时，确定所述窦性R波序列中与所述非窦性R波序列相邻的R波。
步骤S502：从所述相邻的R波中选取预设数量的R波作为所述目标R波，并剔除所述目标R波。
需要说明的是，所述预设数量可以是预先设置的需要剔除的数量，例如，剔除窦性R波序列中与非窦性R波相邻的前后各两个R波，共计四个R波，剔除的四个R波即为所述目标R波。也可以是剔除窦性R波序列中与非窦性 R波相邻的前后各一个R波，本实施例在此不加以限制。
步骤S503：以所述目标R波的位置为分割点，将所述窦性R波序列分割成若干个NN分析片段。
需要说明的是，所述将所述窦性R波序列分割成若干个NN分析片段可以是以所述目标R波为分割点，将所述窦性R波序列分割成若干个片段，即为所述NN分析片段。
步骤S504：根据所述NN分析片段确定NN间期信号。
需要说明的是，所述根据所述NN分析片段确定NN间期信号可以是确定所述NN分析片段中片段长度小于预设长度的目标片段；从所述NN分析片段中剔除所述目标片段，获得剔除后的片段；根据所述剔除后的片段确定所述 NN间期信号。
需要说明的是，所述预设长度可以是1分钟的时间对应的采集的片段长度。所述确定所述NN分析片段中片段长度小于预设长度的目标片段可以是将NN分析片段中片段长度小于1分钟的片段长度作为所述目标片段。所述根据所述剔除后的片段确定所述NN间期信号可以是将剔除了目标片段后剩下的NN分析片段作为所述NN间期信号。
本实施例在所述非窦性R波序列不满足所述预设条件时，确定所述窦性 R波序列中与所述非窦性R波序列相邻的R波；从所述相邻的R波中选取预设数量的R波作为所述目标R波，并剔除所述目标R波；以所述目标R波的位置为分割点，将所述窦性R波序列分割成若干个NN分析片段；根据所述 NN分析片段确定NN间期信号。本实施例将原本难度较高的滤波和R波检测，心搏分类任务转换为相对容易的窦性R波、非窦性R波、非R波分类问题。实现了对NN间期的端对端的检测，避免了错误率的向后累加传递，使得能够获取到更少错误率的NN序列，提高后续HRV分析的准确性。
参照图5，图5为本发明NN间期信号获取***第一实施例的结构框图。
如图5所示，本发明实施例提出的NN间期信号获取***包括：获取模块10、R波序列确定模块20、稀疏度和离散度确定模块30、判断模块40以及NN间期信号确定模块50；
获取模块10，用于获取受试者的心电信号；
R波序列确定模块20，用于确定所述心电信号对应的窦性R波序列和非窦性R波序列；
稀疏度和离散度确定模块30，用于确定所述非窦性R波序列的稀疏度和离散度；
判断模块40，用于根据所述稀疏度和所述离散度判断所述非窦性R波序列是否满足预设条件；
NN间期信号确定模块50，用于在所述非窦性R波序列不满足所述预设条件时，根据所述非窦性R波序列剔除所述窦性R波序列中的目标R波，获得NN间期信号。
本实施例获取受试者的心电信号；确定所述心电信号对应的窦性R波序列和非窦性R波序列；确定所述非窦性R波序列的稀疏度和离散度；根据所述稀疏度和所述离散度判断所述非窦性R波序列是否满足预设条件；在所述非窦性R波序列不满足所述预设条件时，根据所述非窦性R波序列剔除所述窦性R波序列中的目标R波，获得NN间期信号。相对于现有的通过时域分析和频域分析确定NN间期信号的方式，本实施例上述方式实现了对NN间期的端对端的检测，避免了错误率的向后累加传递，使得能够获取到更少错误率的NN间期信号，提高后续HRV分析的准确性。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的参数运行方法，此处不再赘述。
基于本发明上述NN间期信号获取***第一实施例，提出本发明NN间期信号获取***的第二实施例。
在本实施例中，所述NN间期信号确定模块50，还用于在所述非窦性R 波序列不满足所述预设条件时，确定所述窦性R波序列中与所述非窦性R波序列相邻的R波；从所述相邻的R波中选取预设数量的R波作为所述目标R 波，并剔除所述目标R波；以所述目标R波的位置为分割点，将所述窦性R 波序列分割成若干个NN分析片段；根据所述NN分析片段确定NN间期信号。
进一步的，所述NN间期信号确定模块50，还用于确定所述NN分析片段中片段长度小于预设长度的目标片段；从所述NN分析片段中剔除所述目标片段，获得剔除后的片段；根据所述剔除后的片段确定所述NN间期信号。
进一步的，所述稀疏度和离散度确定模块30，还用于根据以下公式计算所述非窦性R波序列的稀疏度：
Figure BDA0003545314810000111
其中，Sparse(X)用于表征所述非窦性R波序列的稀疏度，#(X)用于表征非窦性R波序列中非窦性R波的个数，#(Y)用于表征窦性R波序列中窦性R 波的个数。
进一步的，所述稀疏度和离散度确定模块30，还用于根据以下公式计算所述非窦性R波序列的离散度：
Figure BDA0003545314810000121
其中，Dispersion(X)用于表征所述非窦性R波序列的离散度，max(X)用于表征非窦性R波序列中R波位置的最大值，min(X)用于表征非窦性R波序列中R 波位置的最小值，len(ecgsig)用于表征所述心电信号的长度，Cv(X)用于表征非窦性R波序列的变异系数。
进一步的，所述R波序列确定模块20，还用于对所述心电信号进行预处理，获得标签序列；将所述心电信号和所述标签序列输入至预设语义分割预测模型，获得输出结果；根据所述输出结果确定所述心电信号对应的窦性R 波序列和非窦性R波序列。
进一步的，所述R波序列确定模块20，还用于确定所述心电信号的RR 间期；根据所述RR间期确定心率值序列；根据所述心率值序列确定窗口大小，并根据所述窗口大小确定目标区间；对所述目标区间内的R波进行打标签，获得标签序列。
进一步的，所述判断模块40，还用于在所述非窦性R波序列满足所述预设条件时，根据线性差值或三次样条差值对所述窦性R波序列进行差值操作。
本发明NN间期信号获取***的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种NN间期信号获取装置，其特征在于，所述NN间期信号获取装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的NN间期信号获取程序，所述NN间期信号获取程序配置为实现如下步骤：
获取受试者的心电信号；
确定所述心电信号对应的窦性R波序列和非窦性R波序列；
确定所述非窦性R波序列的稀疏度和离散度；
根据所述稀疏度和所述离散度判断所述非窦性R波序列是否满足预设条件；
在所述非窦性R波序列不满足所述预设条件时，根据所述非窦性R波序列剔除所述窦性R波序列中的目标R波，获得NN间期信号。
2.如权利要求1所述的NN间期信号获取装置，其特征在于，所述NN间期信号获取程序配置为实现如下步骤：
在所述非窦性R波序列不满足所述预设条件时，确定所述窦性R波序列中与所述非窦性R波序列相邻的R波；
从所述相邻的R波中选取预设数量的R波作为所述目标R波，并剔除所述目标R波；
以所述目标R波的位置为分割点，将所述窦性R波序列分割成若干个NN分析片段；
根据所述NN分析片段确定NN间期信号。
3.如权利要求2所述的NN间期信号获取装置，其特征在于，所述NN间期信号获取程序配置为实现如下步骤：
确定所述NN分析片段中片段长度小于预设长度的目标片段；
从所述NN分析片段中剔除所述目标片段，获得剔除后的片段；
根据所述剔除后的片段确定所述NN间期信号。
4.如权利要求1所述的NN间期信号获取装置，其特征在于，所述NN间期信号获取程序配置为实现如下步骤：
根据以下公式计算所述非窦性R波序列的稀疏度：
Figure FDA0003545314800000021
其中，Sparse(X)用于表征所述非窦性R波序列的稀疏度，#(X)用于表征非窦性R波序列中非窦性R波的个数，#(Y)用于表征窦性R波序列中窦性R波的个数。
5.如权利要求1所述的NN间期信号获取装置，其特征在于，所述NN间期信号获取程序配置为实现如下步骤：
根据以下公式计算所述非窦性R波序列的离散度：
Figure FDA0003545314800000022
其中，Dispersion(X)用于表征所述非窦性R波序列的离散度，max(X)用于表征非窦性R波序列中R波位置的最大值，min(X)用于表征非窦性R波序列中R波位置的最小值，len(ecgsig)用于表征所述心电信号的长度，Cv(X)用于表征非窦性R波序列的变异系数。
6.如权利要求1-5任一项所述的NN间期信号获取装置，其特征在于，所述NN间期信号获取程序配置为实现如下步骤：
对所述心电信号进行预处理，获得标签序列；
将所述心电信号和所述标签序列输入至预设语义分割预测模型，获得输出结果；
根据所述输出结果确定所述心电信号对应的窦性R波序列和非窦性R波序列。
7.如权利要求6所述的NN间期信号获取装置，其特征在于，所述NN间期信号获取程序配置为实现如下步骤：
确定所述心电信号的RR间期；
根据所述RR间期确定心率值序列；
根据所述心率值序列确定窗口大小，并根据所述窗口大小确定目标区间；
对所述目标区间内的R波打标签，获得标签序列。
8.如权利要求1-6任一项所述的NN间期信号获取装置，其特征在于，所述NN间期信号获取程序配置为实现如下步骤：
在所述非窦性R波序列满足所述预设条件时，根据线性差值或三次样条差值对所述窦性R波序列进行差值操作。
9.一种NN间期信号获取***，其特征在于，所述NN间期信号获取***包括：获取模块、R波序列确定模块、稀疏度和离散度确定模块、判断模块以及NN间期信号确定模块；
获取模块，用于获取受试者的心电信号；
R波序列确定模块，用于确定所述心电信号对应的窦性R波序列和非窦性R波序列；
稀疏度和离散度确定模块，用于确定所述非窦性R波序列的稀疏度和离散度；
判断模块，用于根据所述稀疏度和所述离散度判断所述非窦性R波序列是否满足预设条件；
NN间期信号确定模块，用于在所述非窦性R波序列不满足所述预设条件时，根据所述非窦性R波序列剔除所述窦性R波序列中的目标R波，获得NN间期信号。
10.一种存储介质，其特征在于，所述存储介质上存储有NN间期信号获取程序，所述NN间期信号获取程序被处理器执行时实现如下步骤：
获取受试者的心电信号；
确定所述心电信号对应的窦性R波序列和非窦性R波序列；
确定所述非窦性R波序列的稀疏度和离散度；
根据所述稀疏度和所述离散度判断所述非窦性R波序列是否满足预设条件；
在所述非窦性R波序列不满足所述预设条件时，根据所述非窦性R波序列剔除所述窦性R波序列中的目标R波，获得NN间期信号。
CN202210249257.5A 2022-03-14 2022-03-14 Nn间期信号获取装置、***及存储介质 Active CN114403889B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210249257.5A CN114403889B (zh) 2022-03-14 2022-03-14 Nn间期信号获取装置、***及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210249257.5A CN114403889B (zh) 2022-03-14 2022-03-14 Nn间期信号获取装置、***及存储介质

Publications (2)

Publication Number Publication Date
CN114403889A true CN114403889A (zh) 2022-04-29
CN114403889B CN114403889B (zh) 2024-07-05

Family

ID=81262699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210249257.5A Active CN114403889B (zh) 2022-03-14 2022-03-14 Nn间期信号获取装置、***及存储介质

Country Status (1)

Country Link
CN (1) CN114403889B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
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
CN105902263A (zh) * 2016-04-29 2016-08-31 深圳市理邦精密仪器股份有限公司 评估心电图波形的rr间期不规则程度的方法及装置
CN107205657A (zh) * 2015-01-23 2017-09-26 美敦力公司 心脏医疗设备中的房性心律失常事件检测
CN206792400U (zh) * 2017-01-16 2017-12-26 吉林东华原医疗设备有限责任公司 心率变异性检测装置
CN108491769A (zh) * 2018-03-08 2018-09-04 四川大学 基于rr间期和多特征值的房颤分类方法
CN111110228A (zh) * 2020-01-17 2020-05-08 武汉中旗生物医疗电子有限公司 一种心电信号r波的检测方法及装置
CN111803061A (zh) * 2020-06-28 2020-10-23 武汉中旗生物医疗电子有限公司 一种基于目标检测的r波识别方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
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
CN107205657A (zh) * 2015-01-23 2017-09-26 美敦力公司 心脏医疗设备中的房性心律失常事件检测
CN105902263A (zh) * 2016-04-29 2016-08-31 深圳市理邦精密仪器股份有限公司 评估心电图波形的rr间期不规则程度的方法及装置
CN206792400U (zh) * 2017-01-16 2017-12-26 吉林东华原医疗设备有限责任公司 心率变异性检测装置
CN108491769A (zh) * 2018-03-08 2018-09-04 四川大学 基于rr间期和多特征值的房颤分类方法
CN111110228A (zh) * 2020-01-17 2020-05-08 武汉中旗生物医疗电子有限公司 一种心电信号r波的检测方法及装置
CN111803061A (zh) * 2020-06-28 2020-10-23 武汉中旗生物医疗电子有限公司 一种基于目标检测的r波识别方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LIPPMAN N, STEIN KM, LERMAN BB.: "Comparison of methods for removal of ectopy in measurement of heart rate variability.", 《AM J PHYSIOL》, pages 411 - 8 *

Also Published As

Publication number Publication date
CN114403889B (zh) 2024-07-05

Similar Documents

Publication Publication Date Title
CN108186011B (zh) 房颤检测方法、装置及可读存储介质
US11534097B2 (en) Detection of electrocardiographic signal
US9042973B2 (en) Apparatus and method for measuring physiological signal quality
CN109117730B (zh) 心电图心房颤动实时判断方法、装置、***及存储介质
EP2224346B1 (en) Ecg signal analysis tool
CN110141218B (zh) 一种心电信号分类方法、装置及程序产品、存储介质
EP3730049A1 (en) Apparatus and method for analyzing electrocardiogram
US20200337581A1 (en) Apparatus and method for analyzing electrocardiogram
CN111772619A (zh) 一种心电图心搏识别方法、终端设备及存储介质
CN112426160A (zh) 一种心电信号类型识别方法及装置
CN106923820B (zh) 一种心电信号伪差识别方法及心电信号伪差识别装置
CN113995419B (zh) 一种基于心跳节律信号的房颤发生风险预测***及其应用
CN111832537B (zh) 异常心电信号识别方法及异常心电信号识别装置
CN116473569A (zh) 一种心电图数据处理方法、***及存储介质
WO2021215169A1 (ja) データ処理装置、データ処理方法及びプログラム
CN113647959A (zh) 一种心电波形信号的波形识别方法、装置及设备
JP5688309B2 (ja) 生体情報分析装置、生体情報分析方法及び生体情報分析プログラム
KR101524596B1 (ko) Qrs 패턴을 이용한 pvc 분류 장치 및 방법, pvc 패턴 분류 방법, 그리고 원격 모니터링 장치
Rahuja et al. A deep neural network approach to automatic multi-class classification of electrocardiogram signals
CN114403889B (zh) Nn间期信号获取装置、***及存储介质
CN113288169B (zh) 一种心电波形信号的波形识别方法、装置及设备
CN115115038A (zh) 一种基于单导联心电信号的模型构建方法及性别识别方法
CN115105084A (zh) 基于深度学习的心搏定位分类方法、***、介质及设备
CN111493856B (zh) 心搏分类的修正方法、装置、心电图检查***及存储介质
CN111345815B (zh) 一种心电信号中qrs波的检测方法、装置、设备和存储介质

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