CN116616790B - 心脏风险评估方法、装置、计算机设备与存储介质 - Google Patents
心脏风险评估方法、装置、计算机设备与存储介质 Download PDFInfo
- Publication number
- CN116616790B CN116616790B CN202310907009.XA CN202310907009A CN116616790B CN 116616790 B CN116616790 B CN 116616790B CN 202310907009 A CN202310907009 A CN 202310907009A CN 116616790 B CN116616790 B CN 116616790B
- Authority
- CN
- China
- Prior art keywords
- resting
- leads
- target
- risk assessment
- reference feature
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 283
- 230000000747 cardiac effect Effects 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000000284 resting effect Effects 0.000 claims abstract description 280
- 230000033001 locomotion Effects 0.000 claims abstract description 164
- 238000001514 detection method Methods 0.000 claims abstract description 160
- 238000000718 qrs complex Methods 0.000 claims abstract description 58
- 230000009467 reduction Effects 0.000 claims description 31
- 230000007423 decrease Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 14
- 230000001174 ascending effect Effects 0.000 claims description 6
- 230000005189 cardiac health Effects 0.000 abstract description 16
- 208000009525 Myocarditis Diseases 0.000 description 18
- 238000003745 diagnosis Methods 0.000 description 18
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 17
- 230000006870 function Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 16
- 201000000057 Coronary Stenosis Diseases 0.000 description 14
- 208000024891 symptom Diseases 0.000 description 14
- 230000014509 gene expression Effects 0.000 description 12
- 230000000877 morphologic effect Effects 0.000 description 10
- 238000012216 screening Methods 0.000 description 10
- 208000031225 myocardial ischemia Diseases 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- 230000003680 myocardial damage Effects 0.000 description 5
- 238000004451 qualitative analysis Methods 0.000 description 5
- 206010003119 arrhythmia Diseases 0.000 description 4
- 230000006793 arrhythmia Effects 0.000 description 4
- 208000037891 myocardial injury Diseases 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 4
- 206010019280 Heart failures Diseases 0.000 description 3
- 208000001871 Tachycardia Diseases 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000013467 fragmentation Methods 0.000 description 3
- 238000006062 fragmentation reaction Methods 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000006794 tachycardia Effects 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 208000001953 Hypotension Diseases 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036543 hypotension Effects 0.000 description 2
- 208000010125 myocardial infarction Diseases 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000013016 Hypoglycemia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 201000005180 acute myocarditis Diseases 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002218 hypoglycaemic effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002336 repolarization Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 206010047302 ventricular tachycardia Diseases 0.000 description 1
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]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/358—Detecting ST segments
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biophysics (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
本申请涉及一种心脏风险评估方法、装置、计算机设备与存储介质,所述方法包括:获取与临床适应症相匹配的目标心电检测所对应的心电数据;所述临床适应症用于指示能否进行负荷运动心电检测;所述目标心电检测至少包括静息心电检测;按照所述目标心电检测对所述心电数据中QRS波群的高频成分进行分析得到相应参考特征;根据所述参考特征确定心脏风险评估等级与心脏风险类型;所述心脏风险评估等级作为对受测者进行分流的参考指标;所述心脏风险类型作为评估所述受测者的心脏可能存在的风险类型的参考指标。采用本方法能够通过无创方式提高心脏健康状况识别准确性。
Description
技术领域
本申请涉及心电数据处理技术领域,特别是涉及一种心脏风险评估方法、装置、计算机设备与存储介质。
背景技术
目前,通常基于心电图(ECG)中表征心脏复极阶段的ST-T段数据来分析心脏活性相关信息,从而实现对心脏的风险评估,但是很多心脏潜在问题在ST-T段数据表现并无异常,由此存在心脏风险评估准确性低的问题,若需要更加准确地评估心脏风险从而更有效地识别心脏健康状况,则需要基于冠脉造影、心肌活检等有创方式来实现,而有创评估方式会对受测者的身体健康产生或多或少的影响。
发明内容
基于此,有必要针对上述技术问题,提供一种能够通过无创方式提高心脏健康状况识别准确性的心脏风险评估方法、装置、计算机设备与存储介质。
一种心脏风险评估方法,所述方法包括:
获取与临床适应症相匹配的目标心电检测所对应的心电数据;所述临床适应症用于指示能否进行负荷运动心电检测;所述目标心电检测至少包括静息心电检测;
按照所述目标心电检测对所述心电数据中QRS波群的高频成分进行分析得到相应参考特征;
根据所述参考特征确定心脏风险评估等级与心脏风险类型;所述心脏风险评估等级作为对受测者进行分流的参考指标;所述心脏风险类型作为评估所述受测者的心脏可能存在的风险类型的参考指标。
在其中一个实施例中,若所述目标心电检测仅包括静息心电检测,则所述心电数据包括所述受测者的年龄与静息心电信号,所述参考特征包括第一静息参考特征;所述按照所述目标心电检测对所述心电数据中QRS波群的高频成分进行分析得到相应参考特征,包括:
分析所述静息心电信号中QRS波群的高频成分得到高频QRS包络曲线;
根据所述高频QRS包络曲线与所述年龄确定第一静息参考特征;所述第一静息参考特征包括静息阳性导联数量、静息临界导联数量、第一目标导联数量与第二目标导联数量;所述第一目标导联数量是指相应高频形态指数大于或等于第一指数阈值的静息导联的数量;所述第二目标导联数量是指相应均方根电压小于或等于第一电压阈值的静息导联的数量。
在其中一个实施例中,所述参考特征还包括第二静息参考特征;所述按照所述目标心电检测对所述心电数据中QRS波群的高频成分进行分析得到相应参考特征,还包括:
根据所述高频QRS包络曲线与所述年龄确定第二静息参考特征;所述第二静息参考特征包括所述静息阳性导联数量、所述静息临界导联数量与所述第一目标导联数量;
所述根据所述参考特征确定心脏风险评估等级与心脏风险类型,包括:
根据所述第一静息参考特征确定第一风险评估等级;
根据所述第二静息参考特征确定第二风险评估等级;
根据所述第一风险评估等级与所述第二风险评估等级确定心脏风险评估等级与心脏风险类型。
在其中一个实施例中,所述第一静息参考特征还包括目标高频形态指数与目标均方根电压;所述第二静息参考特征还包括所述目标高频形态指数;所述目标高频形态指数为各静息导联对应的高频形态指数中的最大值;所述目标均方根电压为各静息导联对应的均方根电压中的最小值。
在其中一个实施例中,若所述目标心电检测还包括负荷运动心电检测,则所述心电数据包括所述受测者的年龄、静息心电信号与运动心电信号,所述参考特征包括第一静息参考特征与第一运动参考特征;所述按照所述目标心电检测对所述心电数据中QRS波群的高频成分进行分析得到相应参考特征,包括:
分析所述静息心电信号中QRS波群的高频成分得到高频QRS包络曲线;
根据所述高频QRS包络曲线与所述年龄确定第一静息参考特征;所述第一静息参考特征包括静息阳性导联数量、静息临界导联数量、第一目标导联数量与第二目标导联数量;所述第一目标导联数量是指相应高频形态指数大于或等于第一指数阈值的静息导联的数量;所述第二目标导联数量是指相应均方根电压小于或等于第一电压阈值的静息导联的数量;
分析所述运动心电信号中QRS波群的高频成分得到高频QRS波形曲线;
根据所述运动心电信号确定所述受测者的最大心率;
根据所述高频QRS波形曲线、所述年龄与所述最大心率确定第一运动参考特征;所述第一运动参考特征包括运动阳性导联数量、运动临界导联数量、第三目标导联数量、第四目标导联数量与第五目标导联数量;所述第三目标导联数量是指相应第一振幅下降相对值大于或等于第一相对值阈值的运动导联的数量;所述第四目标导联数量是指相应高频QRS波形曲线在第一时间段内呈下降与上升反复波动趋势的运动导联的数量;所述第五目标导联数量是指相应第二振幅下降相对值大于或等于第二相对值阈值的运动导联的数量。
在其中一个实施例中,所述参考特征还包括第二静息参考特征与第二运动参考特征;所述按照所述目标心电检测对所述心电数据中QRS波群的高频成分进行分析得到相应参考特征,还包括:
根据所述高频QRS包络曲线与所述年龄确定第二静息参考特征;所述第二静息参考特征包括所述静息阳性导联数量、所述静息临界导联数量与所述第一目标导联数量;
根据所述高频QRS波形曲线、所述年龄与所述最大心率确定第二运动参考特征;所述第二运动参考特征包括所述运动阳性导联数量与所述运动临界导联数量;
所述根据所述参考特征确定心脏风险评估等级与心脏风险类型,包括:
根据所述第一静息参考特征确定第一风险评估等级;
根据所述第二静息参考特征与所述第二运动参考特征确定第二风险评估等级;
根据所述第一运动参考特征确定第三风险评估等级;
根据所述第一风险评估等级、所述第二风险评估等级与所述第三风险评估等级确定心脏风险评估等级与心脏风险类型。
在其中一个实施例中,所述第一静息参考特征还包括目标高频形态指数与目标均方根电压;所述第二静息参考特征还包括所述目标高频形态指数;所述目标高频形态指数为各静息导联对应的高频形态指数中的最大值;所述目标均方根电压为各静息导联对应的均方根电压中的最小值;第一运动参考特征还包括各运动导联对应的第一振幅下降相对值与第二振幅下降相对值;所述第二运动参考特征还包括各运动导联对应的第二振幅下降相对值。
在其中一个实施例中,所述方法还包括:
根据所述心电数据按照所述心脏风险类型确定相应风险评估特征;
根据所述风险评估特征确定相应心脏风险类型的关注级别。
一种心脏风险评估装置,所述装置包括:
获取模块,用于获取与临床适应症相匹配的目标心电检测所对应的心电数据;所述临床适应症用于指示能否进行负荷运动心电检测;所述目标心电检测至少包括静息心电检测;
特征确定模块,用于按照所述目标心电检测对所述心电数据中QRS波群的高频成分进行分析得到相应参考特征;
风险评估模块,用于根据所述参考特征确定心脏风险评估等级与心脏风险类型;所述心脏风险评估等级作为对受测者进行分流的参考指标;所述心脏风险类型作为评估所述受测者的心脏可能存在的风险类型的参考指标。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现各方法实施例中的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现各方法实施例中的步骤。
上述心脏风险评估方法、装置、计算机设备和存储介质,通过获取与临床适应症相匹配的目标心电检测所对应的心电数据,以及按照目标心电检测对相应心电数据中QRS波群的高频成分进行分析得到相应参考特征,并对参考特征进行评估分析,高效而准确地得到表征受测者心脏出现问题的风险大小的心脏风险评估等级,以及表征心脏可能存在的风险类型的心脏风险类型,由此,能够通过无创方式高效、准确地评估受测者心脏出现问题的风险大小以及风险类型,以供医生参考,以便于医生结合临床症状高效而准确地识别受测者的心脏健康状况,并给出进一步地诊疗和/或检测参考建议,以实现对受测者的导诊、分流。此外,用于评估受测者心脏风险的心电数据,是在与受测者的临床适应症相匹配的目标心电检测过程中采集到的,以便于在保证受测者安全检测的情况下,尽可能全面的获取能够准确评估受测者心脏风险的心电数据,以进一步提高心脏风险评估的准确性,从而进一步提高心脏健康状况识别准确性。
附图说明
图1为一个实施例中心脏风险评估方法的流程示意图;
图2为一个实施例中高频QRS波形曲线的示意图;
图3为一个实施例中高频QRS包络曲线的示意图;
图4为另一个实施例中心脏风险评估方法的流程示意图;
图5为一个实施例中心脏风险评估装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的心脏风险评估方法,可以应用于终端,也可以应用于服务器,还可以应用于包括终端与服务器的交互***,并通过终端和服务器的交互实现,在此不作具体限定。终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、心电监测设备和便携式可穿戴设备,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图1所示,提供了一种心脏风险评估方法,以该方法应用于服务器为例进行说明,具体包括以下步骤:
S102,获取与临床适应症相匹配的目标心电检测所对应的心电数据;临床适应症用于指示能否进行负荷运动心电检测;目标心电检测至少包括静息心电检测。
其中,临床适应症用于指示相应受测者所适用的心电检测,具体用于指示相应受测者能否进行负荷运动心电检测,具体包括是否低血糖、低血压与心梗急性发作期,以及生命体征是否稳定等临床数据。若生命体征稳定、且排除低血糖、低血压与心梗急性发作期,表明相应受测者能够进行负荷运动心电检测,则该临床适应症相匹配的目标心电检测包括静息心电检测与负荷运动心电检测,否则,表明相应受测者不能够进行负荷运动心电检测,则临床适应症相匹配的目标心电检测包括静息心电检测。受测者在静息心电检测过程中处于静息状态。受测者在负荷运动心电检测过程中处于运动状态,以通过运动增加受测者的心脏负荷。目标心电检测是指受测者所适用的心电检测的类型。可以理解,上述临床适应症的具体内容仅作为示例,并不用于具体限定。
具体地,获取受测者的心电数据,该心电数据是在目标心电检测过程中采集到的心电数据,该目标心电检测与该受测者的临床适应症相匹配,也即是指该目标心电检测由该受测者的临床适应症确定。
在一个实施例中,若目标心电检测包括静息心电检测,则所获取到的心电数据包括受测者的年龄,以及在静息心电检测过程中采集到的静息心电信号。若目标心电检测包括静息心电检测与负荷运动心电检测,则所获取到的心电数据包括受测者的年龄、在静息心电检测过程中采集到的静息心电信号,以及在负荷运动心电检测过程中采集到的运动心电信号。
S104,按照目标心电检测对心电数据中QRS波群的高频成分进行分析得到相应参考特征。
具体地,心电数据中包括多个反映左、右心室除极电位和时间的变化的QRS波群,每个QRS波群包括高频成分与低频成分。每个目标心电检测对应有相应的参考特征,通过分别对每个目标心电检测对应的心电数据中QRS波群的高频成分进行分析,能够确定该目标心电检测所对应的参考特征。
在一个实施例中,若目标心电检测包括静息心电检测,则对静息心电信号中QRS波群的高频成分进行分析得到相应参考特征。若目标心电检测包括静息心电检测与负荷运动心电检测,则对静息心电信号中QRS波群的高频成分进行分析得到相应参考特征,以及对运动心电信号中QRS波群的高频成分进行分析得到相应参考特征。其中,基于静息心电信号确定的参考特征可理解为静息参考特征,静息参考特征至少包括第一静息参考特征,还可包括第二静息参考特征,基于运动心电信号确定的参考特征可理解为运动参考特征,运动参考特征至少包括第一运动参考特征,还可包括第二运动参考特征。
S106,根据参考特征确定心脏风险评估等级与心脏风险类型;心脏风险评估等级作为对受测者进行分流的参考指标;心脏风险类型作为评估受测者的心脏可能存在的风险类型的参考指标。
其中,心脏风险评估等级用于表征心脏出现问题的风险大小,如心脏风险评估等级越高,表征心脏出现问题的风险越大,以便于医生结合受测者的临床症状对该受测者进行导诊、分流。心脏风险类型用于表征受测者心脏可能存在的风险类型,也即是用于表征受测者可能存在的心脏问题的类型,具体包括心肌损伤风险、心脏性猝死风险、冠脉狭窄风险与其他中的至少一种,心肌损伤风险表征存在心肌损伤的可能性,心脏性猝死风险表征存在心脏性猝死的可能性,冠脉狭窄风险表征存在冠脉狭窄的可能性,其他表征不存在心肌损伤、心脏性猝死与冠脉狭窄中的任意一种风险的可能性。可以理解,医生还可结合心脏风险评估等级、心脏风险类型与临床症状对受测者进行分流。
具体地,对所得到的参考特征进行评估分析得到相应心脏风险评估分数,根据心脏风险评估分数确定相应心脏风险评估等级与心脏风险类型,以供医生参考,以便于医生准确了解受测者心脏出现问题的风险大小,以及可能存在的风险类型,从而准确识别受测者的心脏健康状况。若目标心电检测包括静息心电检测,则根据静息参考指标确定心脏风险评估分数,若目标心电检测包括静息心电检测与负荷运动心电检测,则根据静息参考指标与负荷运动参考指标确定心脏风险评估分数,进而确定受测者的心脏风险评估等级与心脏风险类型。
在一个实施例中,按照目标心电检测将所得到的参考特征输入相应预设的风险评估函数或预先训练好的风险评估模型,得到相应心脏风险评估分数。可以理解,将参考特征输入预先训练好的风险评估模型,该风险评估模型也可直接输出相应心脏风险评估等级,还可同步输出相应心脏风险类型,具体由用于训练该风险评估模型的训练数据集(包括输入特征与相应输出特征)确定。
在一个实施例中,将心脏风险评估分数与各预设分数区间进行比较,以确定相应心脏风险评估等级,进而确定心脏风险类型。以心脏风险评估等级包括依次升高的第一等级至第六等级共六个等级为例,针对每个心脏风险评估等级预配置有相应的预设分数区间,分别为[0,10]、[11,30]、[31,50]、[51,60]、[61,70]、[71,100],若心脏风险评估分数处于[0,10],则将心脏风险评估等级确定为第一等级,将心脏风险类型确定为其他。
在一个实施例中,若输出的心脏风险评估等级与心脏风险类型供导诊医生参考,则对受测者进行分流包括建议受测者去住院部就诊、建议受测者去门诊就诊、建议受测者回家(无需就诊)。可以理解,若建议受测者去门诊或住院部就诊,还可根据心脏风险类型将受测者分流至相应科室或医生。其中,导诊医生比如体检机构或体检科室的医生,还比如医院中针对心血管疾病科室设置的、用于对准备前往心血管疾病科室就诊的受测者进行导诊、分流的医生,在此不做具体限制。举例说明,以心脏风险评估等级包括六个等级为例,若针对受测者输出的心脏风险评估等级为第一等级,导诊医生可建议受测者回家,若心脏风险评估等级为第二等级或第三等级,可建议受测者去门诊就诊,否则,则建议受测者去住院部就诊。值得说明的是,导诊医生还需结合受测者的临床症状对受测者进行导诊、分流。
在一个实施例中,若输出的心脏风险评估等级与心脏风险类型供门诊医生参考,则对受测者进行分流包括建议受测者住院、建议受测者定期复查、建议受测者若出现不适症状再就诊。举例说明,以心脏风险评估等级包括六个等级为例,若针对受测者输出的心脏风险评估等级为第一等级,门诊医生可建议受测者若出现不适症状再就诊,若心脏风险评估等级为第二等级或第三等级,可建议受测者定期复查,否则,则建议受测者住院。值得说明的是,门诊医生还需结合受测者的临床症状提供进一步的诊疗和/或检测参考建议。
上述心脏风险评估方法,通过获取与临床适应症相匹配的目标心电检测所对应的心电数据,以及按照目标心电检测对相应心电数据中QRS波群的高频成分进行分析得到相应参考特征,并对参考特征进行评估分析,高效而准确地得到表征受测者心脏出现问题的风险大小的心脏风险评估等级,以及表征心脏可能存在的风险类型的心脏风险类型,由此,能够通过无创方式高效、准确地评估受测者心脏出现问题的风险大小以及风险类型,以供医生参考,以便于医生结合临床症状高效而准确地识别受测者的心脏健康状况,并给出进一步地诊疗和/或检测参考建议,以实现对受测者的导诊、分流。此外,用于评估受测者心脏风险的心电数据,是在与受测者的临床适应症相匹配的目标心电检测过程中采集到的,以便于在保证受测者安全检测的情况下,尽可能全面的获取能够准确评估受测者心脏风险的心电数据,从而进一步提高心脏风险评估的准确性,从而进一步提高心脏健康状况识别准确性。
在一个实施例中,若目标心电检测仅包括静息心电检测,则心电数据包括受测者的年龄与静息心电信号,参考特征包括第一静息参考特征;S104包括:分析静息心电信号中QRS波群的高频成分得到高频QRS包络曲线;根据高频QRS包络曲线与年龄确定第一静息参考特征;第一静息参考特征包括静息阳性导联数量、静息临界导联数量、第一目标导联数量与第二目标导联数量;第一目标导联数量是指相应高频形态指数大于或等于第一指数阈值的静息导联的数量;第二目标导联数量是指相应均方根电压小于或等于第一电压阈值的静息导联的数量。
其中,静息阳性导联数量是指相应导联阳性指标指示为阳性的静息导联的数量,能够用于评估静息状态下的心肌缺血风险,二者成正相关关系。静息临界导联数量是指相应导联阳性指标指示为临界的静息导联的数量,能够用于评估静息状态下心肌缺血的临界风险,结合该参考特征能更准确地识别心肌缺血情况。导联阳性指标指示为阳性,用于表征相应静息导联的高频形态指数大于或等于第二指数阈值、且受测者的年龄大于或等于预设年龄,或者,用于表征相应静息导联的高频形态指数大于或等于第三指数阈值、且受测者的年龄小于预设年龄。导联阳性指标指示为临界,用于表征相应静息导联的高频形态指数大于第二指数阈值且小于第三指数阈值、且受测者的年龄小于预设年龄。第一指数阈值、第二指数阈值与第三指数阈值具体可自定义,比如第一指数阈值为20%,第二指数阈值为8%,第三指数阈值为15%。第一电压阈值具体可根据实际情况自定义,比如4uV(微伏)。预设年龄可自定义,比如50岁。
具体地,对静息心电信号中的各QRS波群依次进行对齐、求均值、高频滤波处理得到高频QRS波群数据(QRS波群的高频波段数据),或者,对静息心电信号中的QRS波群依次进行高频滤波、对齐、求均值处理得到高频QRS波群数据,或者,通过分析静息心电信号从中提取出高频心电信号,再对高频心电信号中的QRS波群依次进行对齐与求均值处理得到高频QRS波群数据,在此不作具体限定。基于高频QRS波群数据能够形成高频QRS包络曲线,由此,对静息心电信号进行上述数据处理能够得到高频QRS包络曲线。分析每条静息导联对应的高频QRS包络曲线,得到该高频QRS包络曲线上各振幅减小区域的总面积作为第一总面积,以及该高频QRS包络曲线下方总面积作为第二总面积,将第一总面积与第二总面积的比值作为该静息导联对应的高频形态指数。根据受测者的年龄与各静息导联对应的高频形态指数分别确定相应导联阳性指标,筛选并统计相应导联阳性指标指示为阳性的静息导联得到静息阳性导联数量,筛选并统计相应导联阳性指标指示为临界的静息导联得到静息临界导联数量,以及筛选并统计相应高频形态指数大于或等于第一指数阈值的静息导联得到第一目标导联数量。对各条静息导联对应的高频QRS包络曲线(也即是高频QRS波群数据)求均方根,得到相应静息导联的均方根电压,筛选并统计相应均方根电压小于或等于第一电压阈值的静息导联得到第二目标导联数量。
在一个实施例中,若参考特征包括第一静息参考特征,则心脏风险评估分数包括第一风险评估分数。将基于受测者的年龄与静息心电信号确定的第一静息参考特征,输入针对静息心电检测预配置的第一风险评估函数或预先训练好的第一风险评估模型中,得到相应第一风险评估分数,将第一风险评估分数与各预设分数区间进行比较,得到第一风险评估等级,根据第一风险评估等级确定第一风险类型,并将第一风险评估等级确定为心脏风险评估等级,以及将第一风险类型确定为心脏风险类型。举例说明,若第一风险评估等级为第一等级,则第一风险类型为其他,否则,第一风险类型为心肌炎风险。
在一个实施例中,针对静息心电检测预配置的第一风险评估函数的表达式如下:
其中,为第一风险评估分数,/>为静息临界导联数量,/>为静息阳性导联数量,为第一目标导联数量,/>为第二目标导联数量。
在一个实施例中,第一静息参考特征还包括目标高频形态指数与目标均方根电压,其中,目标高频形态指数为各静息导联对应的高频形态指数中的最大值,目标均方根电压为各静息导联对应的均方根电压的最小值。在本实施例中,针对静息心电检测预配置的第一风险评估函数的表达式,还可表示如下:
其中,为基于目标高频形态指数确定的附加分数,/>为基于目标均方根电压确定的附加分数,分别基于以下表达式得到:
其中,为目标高频形态指数,/>为目标均方根电压,单位为uV(微伏)。
上述实施例中,若临床适应症指示受测者不能进行负荷运动心电检测,则根据在静息心电检测过程中采集到的静息心电信号与受测者的年龄确定第一静息参考特征,以便于根据第一静息参考特征准确评估心脏风险评估等级与心脏风险类型。
在一个实施例中,参考特征还包括第二静息参考特征;S104还包括:根据高频QRS包络曲线与年龄确定第二静息参考特征;第二静息参考特征包括静息阳性导联数量、静息临界导联数量与第一目标导联数量;S106包括:根据第一静息参考特征确定第一风险评估等级;根据第二静息参考特征确定第二风险评估等级;根据第一风险评估等级与第二风险评估等级确定心脏风险评估等级与心脏风险类型。
其中,第二静息参考特征为第一静息参考特征的子集,由此,在确定第一静息参考特征时,也可同步确定第二静息参考特征。第一静息参考特征用于评估出现心肌炎的可能性,第二静息参考特征用于评估出现心脏性猝死的可能性。
在一个实施例中,若参考特征包括第一静息参考特征与第二静息参考特征,则心脏风险评估分数包括第一风险评估分数与第二风险评估分数。将第一静息参考特征输入针对静息心电检测预配置的第一风险评估函数或预先训练好的第一风险评估模型中,得到相应第一风险评估分数,将第一风险评估分数与各预设分数区间进行比较,得到第一风险评估等级。将第二静息参考特征输入针对静息心电检测预配置的第二风险评估函数或第二风险评估模型中,得到相应第二风险评估分数,将第二风险评估分数与各预设分数区间进行比较,得到第二风险评估等级。将第一风险评估等级与第二风险评估等级中的最大值(最高等级)确定为心脏风险评估等级。根据第一风险评估等级确定第一风险类型,以及根据第二风险评估等级确定第二风险类型,并根据第一风险类型与第二风险类型确定心脏风险类型。
举例说明,若第一风险评估等级为第二等级,第二风险评估等级为第一等级,则将心脏风险评估等级确定为第二等级,将第一风险类型确定为心肌炎风险,将第二风险类型确定为其他,进而将心脏风险类型确定为心肌炎风险。若第一风险评估等级为第三等级,第二风险评估等级为第二等级,则将心脏风险评估等级确定为第三等级,将第一风险类型确定为心肌炎风险,将第二风险类型确定为心脏性猝死风险,进而将心脏风险类型确定为心肌炎风险与心脏性猝死风险。
在一个实施例中,针对静息心电检测预配置的第二风险评估函数的表达式如下:
其中,为基于第二静息参考特征确定的第二风险评估分数,/>为静息临界导联数量,/>为静息阳性导联数量,/>为第一目标导联数量。
上述实施例中,若临床适应症指示受测者不能进行负荷运动心电检测,则根据静息心电信号与受测者的年龄确定第一静息参考特征与第二静息参考特征,以便于结合第一静息参考特征与第二静息参考特征更准确地评估心脏风险评估等级与心脏风险类型。
在一个实施例中,第一静息参考特征还包括目标高频形态指数与目标均方根电压;第二静息参考特征还包括目标高频形态指数;目标高频形态指数为各静息导联对应的高频形态指数中的最大值;目标均方根电压为各静息导联对应的均方根电压中的最小值。
在一个实施例中,针对静息心电检测预配置的第二风险评估函数的表达式,还可表示如下:
其中,为基于目标高频形态指数确定的附加分数,基于以下表达式得到:
其中,为目标高频形态指数。
上述实施例中,基于包括附加参考特征的第一静息参考特征与第二静息参考特征,能够更准确地识别、区分心脏可能存在的风险类型,以及更准确地评估心脏出现问题的风险大小,以便于医生结合临床症状更准确地识别受测者的心脏健康状况,从而给出进一步诊疗、检测等参考建议,以实现更准确地导诊、分流。
在一个实施例中,若目标心电检测还包括负荷运动心电检测,则心电数据包括受测者的年龄、静息心电信号与运动心电信号,参考特征包括第一静息参考特征与第一运动参考特征;S104包括:分析静息心电信号中QRS波群的高频成分得到高频QRS包络曲线;根据高频QRS包络曲线与年龄确定第一静息参考特征;第一静息参考特征包括静息阳性导联数量、静息临界导联数量、第一目标导联数量与第二目标导联数量;第一目标导联数量是指相应高频形态指数大于或等于第一指数阈值的静息导联的数量;第二目标导联数量是指相应均方根电压小于或等于第一电压阈值的静息导联的数量;分析运动心电信号中QRS波群的高频成分得到高频QRS波形曲线;根据运动心电信号确定受测者的最大心率;根据高频QRS波形曲线、年龄与最大心率确定第一运动参考特征;第一运动参考特征包括运动阳性导联数量、运动临界导联数量、第三目标导联数量、第四目标导联数量与第五目标导联数量;第三目标导联数量是指相应第一振幅下降相对值大于或等于第一相对值阈值的运动导联的数量;第四目标导联数量是指相应高频QRS波形曲线在第一时间段内呈下降与上升反复波动趋势的运动导联的数量;第五目标导联数量是指相应第二振幅下降相对值大于或等于第二相对值阈值的运动导联的数量。
其中,运动心电信号是在负荷运动心电检测过程中采集到的心电信号。负荷运动心电检测过程包括多个阶段,具体可依次包括静息阶段、运动阶段和恢复阶段等三个阶段,运动心电信号包括各阶段的心电信号,阶段的划分不限于此,具体可根据实际情况进行划分。最大心率是指受测者在整个负荷运动心电检测过程中的心率的最大值。运动阳性导联数量是指相应导联阳性指标指示为阳性的运动导联的数量,能够用于评估负荷运动状态下的心肌缺血风险,二者成正相关关系。运动临界导联数量是指相应导联阳性指标指示为临界的运动导联的数量,能够用于评估负荷运动状态下心肌缺血的临界风险,结合该参考特征能够更准确地评估负荷运动状态下的心肌缺血情况。
导联阳性指标指示为阳性,用于表征相应运动导联的第一振幅下降相对值大于第三相对值阈值、振幅下降绝对值大于预设绝对值阈值、受测者的年龄小于预设年龄、且受测者的最大心率大于目标心率的80%,或者,用于表征相应运动导联的第一振幅下降相对值大于第四相对值阈值、振幅下降绝对值大于预设绝对值阈值、受测者的年龄小于预设年龄、且受测者的最大心率小于或等于目标心率的80%,或者,用于表征相应运动导联的第一振幅下降相对值大于第四相对值阈值、振幅下降绝对值大于预设绝对值阈值、受测者的年龄大于或等于预设年龄、且受测者的最大心率大于目标心率的80%,或者,用于表征相应运动导联的第一振幅下降相对值大于第五相对值阈值、振幅下降绝对值大于预设绝对值阈值、受测者的年龄大于或等于预设年龄、且受测者的最大心率小于或等于目标心率的80%。第一相对值阈值、第二相对值阈值、第三相对值阈值、第四相对值阈值、第五相对值阈值、预设绝对值阈值、预设年龄根据实际情况自定义,比如分别为55%、40%、60%、50%、40%、1uV(微伏)、50岁。目标心率根据受测者的年龄确定,如目标心率=(220-受测者年龄)×85%。
导联阳性指标指示为临界,用于表征相应运动导联的第一振幅下降相对值大于第三相对值阈值的90%且小于或等于第三相对值阈值、振幅下降绝对值大于预设绝对值阈值、受测者的年龄小于预设年龄、且受测者的最大心率大于目标心率的80%,或者,用于表征相应运动导联的第一振幅下降相对值大于第四相对值阈值的90%且小于或等于第四相对值阈值、振幅下降绝对值大于预设绝对值阈值、受测者的年龄小于预设年龄、且受测者的最大心率小于或等于目标心率的80%,或者,用于表征相应运动导联的第一振幅下降相对值大于第四相对值阈值的90%且小于或等于第四相对值阈值、振幅下降绝对值大于预设绝对值阈值、受测者的年龄大于或等于预设年龄、且受测者的最大心率大于目标心率的80%,或者,用于表征相应运动导联的第一振幅下降相对值大于第五相对值阈值的90%且小于或等于第五相对值阈值、振幅下降绝对值大于预设绝对值阈值、受测者的年龄大于或等于预设年龄、且受测者的最大心率小于或等于目标心率的80%。
第一时间段包括运动前一段时间、运动中和运动后一段时间,运动前一段时间位于静息阶段,运动中包括整个运动阶段,运动后一段时间位于恢复阶段,运动前一段时间、运动中和运动后一段时间是连续的时间段。第二时间段包括运动前一段时间与运动中的一段时间,或者,第二时间段包括运动中的一段时间,运动前一段时间与运动中的一段时间为连续的时间段,运动中的一段时间可根据实际情况自定义,比如运动中的前3分钟。第一时间段具体可包括第二时间段,也即是指第二时间段为第一时间段的子区间。第二振幅下降相对值用于表征高频QRS波形曲线在第二时间段内的下降坡度或陡降程度,若第二振幅下降相对值超过第二相对值阈值,表明该下降坡度或陡降程度足够大,则表征存在冠脉狭窄的可能性。第一振幅下降相对值可理解为高频QRS波形曲线在第一时间段内的振幅下降相对值,第二振幅下降相对值可理解为高频QRS波形曲线在第二时间段内的振幅下降相对值。
具体地,按照本申请的一个或多个实施例中公开的第一静息参考特征确定方式,根据静息心电信号与受测者的年龄确定相应第一静息参考特征,在此不再赘述。运动心电信号包括受测者在整个负荷运动心电检测过程中各次心跳对应的QRS波群。通过窗口函数按照时序与预设移动步长将运动心电信号划分为多个心电信号子集,每个心电信号子集包括多次心跳对应的QRS波群。对于每个心电信号子集,对其所包括的多次心跳对应的QRS波群,依次进行对齐、求均值与高频滤波处理得到相应高频QRS波群数据(QRS波群的高频波段数据),对该高频QRS波群数据求均方根得到相应均方根电压,作为该心电信号子集对应的均方根电压/强度/振幅。按照时序对各心电信号子集对应的均方根电压/强度/振幅进行曲线平滑处理,得到运动心电信号对应的高频QRS波形曲线,由此,高频QRS波形曲线又可理解为高频QRS时间-强度曲线。其中,窗口函数的窗口长度与预设移动步长均可根据实际需求自定义,比如,窗口长度设置为10秒,预设移动步长设置为10秒或一次心跳周期,一次心跳周期是指相邻两次心跳之间的时间间隔,在此不作具体限定。按照时序是指按照信号的采集时间/负荷运动心电检测过程推进的检测时间的先后顺序。按照现有技术公开的从心电信号中提取心率序列的方式,从运动心电数据中提取受测者的心率序列,并从心率序列中筛选最大值作为受测者的最大心率。
进一步地,从第一时间段内的高频QRS波形曲线上选取均方根电压最大的点作为第一参考点,从第一时间段内的高频QRS波形曲线上选取时间晚于第一参考点、且均方根电压最小的点作为第二参考点,将第一参考点的均方根电压与第二参考点的均方根电压作差得到第一振幅下降绝对值,将第一振幅下降绝对值与第一参考点的均方根电压的比值确定为第一振幅下降相对值。筛选并统计相应第一振幅下降相对值大于或等于第一相对值阈值的运动导联得到第三目标导联数量。根据第一振幅下降相对值、第一振幅下降绝对值、受测者的年龄与最大心率确定相应高频QRS波形曲线的导联阳性指标,作为相应运动导联所对应的导联阳性指标。筛选并统计相应导联阳性指标指示为阳性的运动导联得到运动阳性导联数量,以及筛选并统计相应导联阳性指标指示为临界的运动导联得到运动临界导联数量。分析各运动导联对应的高频QRS波形曲线在第一时间段内的变化趋势,以筛选并统计相应高频QRS波形曲线在第一时间段内呈下降与上升反复波动趋势的运动导联,得到第四目标导联数量。
从第二时间段内的高频QRS波形曲线上选取均方根电压最小的点作为第三参考点,从第二时间段内高频QRS波形曲线上选取时间早于第三参考点、且均方根电压最大的点作为第四参考点,将第四参考点的均方根电压与第三参考点的均方根电压作差得到第二时间段内的第二振幅下降绝对值,将第二振幅下降绝对值与第四参考点的均方根电压的比值作为第二振幅下降相对值。筛选并统计相应第二振幅下降相对值大于或等于第二相对值阈值的运动导联得到第五目标导联数量。
在一个实施例中,高频QRS波形曲线在第一时间段内呈下降与上升反复波动趋势,是指高频QRS曲线在第一时间段内呈下降趋势的总次数大于或等于两次,且上升趋势与下降趋势交替出现。比如高频QRS波形曲线在第一时间段内呈“W”型或“倒N”型波形。
在一个实施例中,若参考特征包括第一静息参考特征与第一运动参考特征,则心脏风险评估分数包括第一风险评估分数与第三风险评估分数。按照本申请的一个或多个实施例,根据第一静息参考特征确定相应第一风险评估等级与第一风险类型。将第一运动参考特征输入针对负荷运动心电检测预配置的风险评估函数或预先训练好的风险评估模型,得到相应第三风险评估分数,将第三风险评估分数与各预设分数区间进行比较,得到第三风险评估等级,根据第三风险评估等级确定第三风险类型。将第一风险评估等级与第三风险评估等级中的最高等级确定为心脏风险评估等级,并根据第一风险类型与第三风险类型确定心脏风险类型。举例说明,若第一风险评估等级为第一等级,第三风险评估等级为第五等级,则第一风险类型为其他,第三风险类型为冠脉狭窄风险,则将心脏风险评估等级确定为第五等级,并将心脏风险类型确定为冠脉狭窄风险。
在一个实施例中,针对负荷运动心电检测预配置的风险评估函数的表达式如下:
/>
其中,为第三风险评估分数,/>为运动临界导联数量,/>为运动阳性导联数量,为第三目标导联数量,/>为第四目标导联数量,/>为第五目标导联数量。
在一个实施例中,第一运动参考特征还包括各运动导联对应的第一振幅下降相对值与第二振幅下降相对值。在本实施例中,针对负荷运动心电检测预配置的风险评估函数的表达式,还可表示如下:
其中,为基于各运动导联对应的第一振幅下降相对值确定的附加分数,/>为基于各运动导联对应的第二振幅下降相对值确定的附加分数,分别基于以下表达式得到:
上述实施例中,若临床适应症指示受测者能进行负荷运动心电检测,则根据在静息心电检测过程中采集到的静息心电信号与受测者的年龄确定第一静息参考特征,以及根据在负荷运动心电检测过程中采集到的运动心电信号与受测者年龄确定第一运动参考特征,以便于根据第一静息参考特征与第一运动参考特征准确评估心脏风险评估等级与心脏风险类型。
在一个实施例中,参考特征还包括第二静息参考特征与第二运动参考特征;S104还包括:根据高频QRS包络曲线与年龄确定第二静息参考特征;第二静息参考特征包括静息阳性导联数量、静息临界导联数量与第一目标导联数量;根据高频QRS波形曲线、年龄与最大心率确定第二运动参考特征;第二运动参考特征包括运动阳性导联数量与运动临界导联数量;S106包括:根据第一静息参考特征确定第一风险评估等级;根据第二静息参考特征与第二运动参考特征确定第二风险评估等级;根据第一运动参考特征确定第三风险评估等级;根据第一风险评估等级、第二风险评估等级与第三风险评估等级确定心脏风险评估等级与心脏风险类型。
其中,第二静息参考特征为第一静息参考特征的子集,由此,在确定第一静息参考特征时,也可同步确定第二静息参考特征。类似地,第二运动参考特征为第一运动参考特征的子集,由此,在确定第一运动参考特征时,也可同步确定第二运动参考特征。第一静息参考特征用于评估出现心肌炎的可能性,第二静息参考特征与第二运动参考特征用于联合评估出现心脏性猝死的可能性,第一运动参考特征用于评估出现冠脉狭窄的可能性。
在一个实施例中,若参考特征包括第一静息参考特征、第二静息参考特征、第一运动参考特征与第二运动参考特征,则心脏风险评估分数包括第一风险评估分数、第二风险评估分数与第三风险评估分数。按照本申请的一个或多个实施例,根据第一静息参考特征确定第一风险评估分数,进而确定第一风险评估等级与第一风险类型,以及根据第一运动参考特征确定第三风险评估分数,进而确定第三风险评估等级与第三风险类型。将第二静息参考特征与第二运动参考特征,输入针对静息心电检测与负荷运动心电检测联合配置的风险评估函数或风险评估模型,得到第二风险评估分数,将第二风险评估分数与各预设分数区间进行比较得到第二风险评估等级,并根据第二风险评估等级确定第二风险类型。进一步地,将第一风险评估等级、第二风险评估等级与第三风险评估等级中的最高等级确定为心脏风险评估等级,并根据第一风险类型、第二风险类型与第三风险类型确定心脏风险类型。
举例说明,若第一风险评估等级为第二等级,第二风险评估等级为第四等级,第三风险评估等级为第三等级,则第一风险类型为心肌炎风险,第二风险类型为心脏性猝死风险,第三风险类型为冠脉狭窄风险,则将心脏风险评估等级确定为第四等级,将心脏风险类型确定为心肌炎风险、心脏性猝死风险与冠脉狭窄风险。
在一个实施例中,针对静息心电检测与负荷运动心电检测联合配置的风险评估函数的表达式,如下:
其中,为基于第二静息参考特征与第二运动参考特征联合确定的第二风险评估分数,/>为静息临界导联数量,/>为静息阳性导联数量,/>为第一目标导联数量,/>为运动临界导联数量,/>为运动阳性导联数量。
上述实施例中,若临床适应症指示受测者能进行负荷运动心电检测,则根据静息心电信号与受测者的年龄确定第一静息参考特征与第二静息参考特征,以及根据运动心电信号与受测者的年龄确定第一运动参考特征与第二运动参考特征,以便于结合第一静息参考特征、第二静息参考特征、第一运动参考特征与第二运动参考特征更准确地评估心脏风险评估等级与心脏风险类型。
在一个实施例中,第一静息参考特征还包括目标高频形态指数与目标均方根电压;第二静息参考特征还包括目标高频形态指数;目标高频形态指数为各静息导联对应的高频形态指数中的最大值;目标均方根电压为各静息导联对应的均方根电压中的最小值;第一运动参考特征还包括各运动导联对应的第一振幅下降相对值与第二振幅下降相对值;第二运动参考特征还包括各运动导联对应的第二振幅下降相对值。
在一个实施例中,针对静息心电检测与负荷运动心电检测联合配置的风险评估函数的表达式,还可表示如下:
其中,为基于目标高频形态指数确定的附加分数,/>为基于各运动导联对应的第二振幅下降相对值确定的附加分数,分别基于以下表达式得到:
其中,为目标高频形态指数。
上述实施例中,基于包括附加参考特征的第一静息参考特征、第二静息参考特征、第一运动参考特征与第二运动参考特征,能够更准确地识别、区分心脏可能存在的风险类型,以及更准确地评估心脏出现问题的风险大小,以便于医生结合临床症状更准确地识别受测者的心脏健康状况,从而给出进一步诊疗、检测等参考建议,以实现更准确地导诊、分流。
在一个实施例中,上述心脏风险评估方法还包括:根据心电数据按照心脏风险类型确定相应风险评估特征;根据风险评估特征确定相应心脏风险类型的关注级别。
具体地,关注级别表征关注程度的不同,可用于指示受测者出现相应心脏风险类型的可能性大小的不同。在根据心电数据确定心脏风险类型后,根据心电数据按照所确定的每个心脏风险类型确定相应风险评估特征,根据每个心脏风险类型对应的风险评估特征确定相应关注级别,以供医生在诊断过程中参考,以便于医生根据心脏风险类型、关注级别与临床症状能够准确识别受测者的心脏健康状况,从而给出相应的诊疗参考建议。可以理解,还可输出心脏风险评估等级、心脏风险类型对应的风险评估特征中的至少一种,以便于医生还综合考虑该些参考指标识别心脏健康状况。在本实施例中,所输出的心脏风险类型、关注级别等供门诊医生或住院部医生参考,以便于医生结合临床症状准确识别受测者的心脏健康状况,从而给出相应的诊疗或检测参考建议。
在一个实施例中,将每个心脏风险类型对应的风险评估特征输入针对该心脏风险类型预先训练好的风险评估模型,由该风险评估模型输出相应关注级别,或者,将每个心脏风险类型对应的风险评估特征输入针对该心脏风险类型预配置的风险评估函数或预先训练好的风险评估模型,得到该心脏风险类型对应的风险评估分数,进而确定相应关注级别,或者,将每个心脏风险类型对应的各风险评估特征分别与相应预设参考区间进行比较,以确定各风险评估特征对应的参考等级,并综合各参考等级确定相应关注级别。可以理解,若风险评估特征仅包括用于定量分析的特征,则基于风险评估特征按照上述评估方式确实相应关注级别。若风险评估特征包括用于定性分析的特征与用于定量分析的特征,则可在基于用于定性分析的特征判定存在相应心脏风险类型的情况下,再基于用于定量分析的特征按照上述评估方式确定相应关注级别。对于将关注级别作为输出特征的风险评估模型,也可将用于定性分析的特征与用于定量分析的特征作为输入特征,输入相应风险评估模型,以得到相应关注级别。
在一个实施例中,心电数据仅包括静息心电信号,若心脏风险类型包括心肌损伤风险,则根据静息心电信号确定心肌损伤风险对应的风险评估特征,若心脏风险类型还包括心脏性猝死风险,则还根据静息心电信号确定心脏性猝死风险对应的风险评估特征。心肌损伤风险对应的风险评估特征包括用于评估心肌炎风险的第一风险评估特征,以及用于评估心衰风险的第二风险评估特征。第一风险评估特征包括静息阳性导联数量,用于确定心肌炎类型,若心肌炎类型为急性心肌炎,则第一风险评估特征还包括目标高频形态指数,若心肌炎类型为慢性心肌炎,则第一风险评估特征还包括目标高频形态指数与肢体导联平均峰值电压,若心肌炎类型为暴发性心肌炎,则第一风险评估特征还包括QRS时限、目标高频形态指数、肢体导联平均峰值电压与各静息导联对应的高频形态指数。其中,目标高频形态指数为各静息导联对应的高频形态指数中的最大值,肢体导联平均峰值电压为各肢体导联的峰值电压的平均值,静息导联包括肢体导联与胸导联。可以理解,第一风险评估特征还可包括第六目标导联数量,用于对心肌炎情况进行定性分析,第六目标导联数量为相应波峰数超过第一数量阈值、且相应导联阳性指标指示为阳性的静息导联的数量,第一数量阈值比如3。第二风险评估特征包括QRS时限、肢体导联平均峰值电压与各静息导联对应的高频形态指数,还可包括静息阳性导联数量,用于对心衰风险进行定量分析,还可包括第六目标导联数量,用于对心衰情况进行定性分析。
在本实施例中,心脏性猝死风险对应的风险评估特征包括QRS时限与各静息导联对应的高频形态指数,还包括静息阳性导联数量、心律失常评估指标、目标峰值电压与心动过速评估指标中的至少一项,用于对心脏性猝死风险进行定量分析,还可包括第七目标导联数量,用于对心脏性猝死风险进行定性分析,还可包括QRS碎裂波指标,用于结合第七目标导联数量进行更准确的定性分析。心律失常评估指标包括频发性心律失常与偶发性心律失常。目标峰值电压为各静息导联对应的峰值电压中的最小值。心动过速评估指标用于指示是否存在室性心动过速的可能性。第七导联数量为相应波峰数大于或等于第二数量阈值的静息导联的数量。第二数量阈值比如4。心律失常评估指标与心动过速评估指标,基于由静息心电信号得到的低频心电图确定。QRS碎裂波指标用于指示低频心电图是否存在QRS碎裂波。
在一个实施例中,心电数据包括静息心电信号与运动心电信号,若心脏风险类型包括冠脉狭窄风险,则根据运动心电信号确定相应风险评估特征,若心脏风险类型包括心肌损伤风险,则根据静息心电信号确定相应风险评估特征,若心脏风险类型包括心脏性猝死风险,则根据静息心电信号与运动心电信号确定相应风险评估特征。冠脉狭窄风险对应的风险评估特征包括第一振幅下降相对值与第一振幅下降绝对值中的至少一种,用于对冠脉狭窄情况进行定量分析,还可包括运动阳性导联数量,用于对心肌缺血情况进行定量分析,还可包括第二振幅下降相对值,用于对冠脉狭窄情况进行定性分析。心肌损伤风险对应的风险评估特征与上述相应实施例中的一致,在此不再赘述。心脏性猝死风险对应的风险评估特征,包括基于静息心电信号确定的风险评估特征与基于运动心电信号确定的风险评估特征,其中,基于静息心电信号确定的风险评估特征与上述相应实施例中的一致,在此不再赘述,基于运动心电信号确定的风险评估特征包括运动阳性导联数量,还可包括第二振幅下降相对值。
上述实施例中,根据心电数据按照受测者的心脏风险类型确定相应风险评估特征,并基于该风险评估特征进一步确定该心脏风险类型对应的关注级别,以供医生参考,以便于医生结合临床症状更准确地识别受测者的心脏健康状况。
在本申请的一个或多个实施例中,静息心电检测过程中用于采集静息心电信号的静息导联,与负荷运动心电检测过程中用于采集运动心电信号的运动导联,在类型、数量及位置等方面可以相同也可以不同,在此不作具体限定。
在一个实施中,如图2所示,提供了高频QRS波形曲线的示意图。高频QRS波形曲线用于表征在整个负荷运动心电检测过程中,受测者的QRS波群的高频成分的均方根随时间的变化趋势,也即是用于体现整个负荷运动心电检测过程中的能量变化趋势。图2示例了肢体导联aVF对应的高频QRS波形曲线,横坐标是时间,对应负荷运动心电检测过程的检测时间,单位是min(分钟),纵坐标是均方根电压(RMS电压),均方根电压也可以理解为强度或振幅,单位是uV(微伏)。其中,用于确定相应导联阳性指标的第一振幅下降相对值与第一振幅下降绝对值分别为55%与2.9uV。
在一个实施中,如图3所示,提供了高频QRS包络曲线的示意图。高频QRS包络曲线体现的是对静息心电信号中的所有高频QRS波群(QRS波群的高频成分)平均化处理得到的形状图,具体以单个高频QRS波群包络曲线呈现。图3示例了胸导联V5对应的高频QRS包络曲线,横坐标是时间,对应QRS波群的持续时间,单位是ms(毫秒),纵坐标是电压,单位是uV(微伏)。其中,相应导联的高频形态指数为7.1%。
如图4所示,在一个实施例中,提供了一种心脏风险评估方法,该方法具体包括以下步骤:
S402,获取与临床适应症相匹配的目标心电检测所对应的心电数据;临床适应症用于指示能否进行负荷运动心电检测;目标心电检测至少包括静息心电检测。
S404,若目标心电检测仅包括静息心电检测,则心电数据包括受测者的年龄与静息心电信号;分析静息心电信号中QRS波群的高频成分得到高频QRS包络曲线。
S406,根据高频QRS包络曲线与年龄确定第一静息参考特征与第二静息参考特征;第一静息参考特征包括静息阳性导联数量、静息临界导联数量、第一目标导联数量、第二目标导联数量、目标高频形态指数与目标均方根电压;第一目标导联数量是指相应高频形态指数大于或等于第一指数阈值的静息导联的数量;第二目标导联数量是指相应均方根电压小于或等于第一电压阈值的静息导联的数量;目标高频形态指数为各静息导联对应的高频形态指数中的最大值;目标均方根电压为各静息导联对应的均方根电压中的最小值;第二静息参考特征包括静息阳性导联数量、静息临界导联数量、第一目标导联数量与目标高频形态指数。
S408,根据第一静息参考特征确定第一风险评估等级。
S410,根据第二静息参考特征确定第二风险评估等级。
S412,根据第一风险评估等级与第二风险评估等级确定心脏风险评估等级与心脏风险类型;心脏风险评估等级作为对受测者进行分流的参考指标;心脏风险类型作为评估受测者的心脏可能存在的风险类型的参考指标。
S414,若目标心电检测还包括负荷运动心电检测,则心电数据包括受测者的年龄、静息心电信号与运动心电信号;分析静息心电信号中QRS波群的高频成分得到高频QRS包络曲线。
S416,根据高频QRS包络曲线与年龄确定第一静息参考特征与第二静息参考特征;第一静息参考特征包括静息阳性导联数量、静息临界导联数量、第一目标导联数量、第二目标导联数量、目标高频形态指数与目标均方根电压;第一目标导联数量是指相应高频形态指数大于或等于第一指数阈值的静息导联的数量;第二目标导联数量是指相应均方根电压小于或等于第一电压阈值的静息导联的数量;目标高频形态指数为各静息导联对应的高频形态指数中的最大值;目标均方根电压为各静息导联对应的均方根电压中的最小值;第二静息参考特征包括静息阳性导联数量、静息临界导联数量、第一目标导联数量与目标高频形态指数。
S418,分析运动心电信号中QRS波群的高频成分得到高频QRS波形曲线。
S420,根据运动心电信号确定受测者的最大心率。
S422,根据高频QRS波形曲线、年龄与最大心率确定第一运动参考特征与第二运动参考特征;第一运动参考特征包括运动阳性导联数量、运动临界导联数量、第三目标导联数量、第四目标导联数量与第五目标导联数量,以及各运动导联对应的第一振幅下降相对值与第二振幅下降相对值;第三目标导联数量是指相应第一振幅下降相对值大于或等于第一相对值阈值的运动导联的数量;第四目标导联数量是指相应高频QRS波形曲线在第一时间段内呈下降与上升反复波动趋势的运动导联的数量;第五目标导联数量是指相应第二振幅下降相对值大于或等于第二相对值阈值的运动导联的数量;第二运动参考特征包括运动阳性导联数量与运动临界导联数量,以及各运动导联对应的第二振幅下降相对值。
S424,根据第一静息参考特征确定第一风险评估等级。
S426,根据第二静息参考特征与第二运动参考特征确定第二风险评估等级。
S428,根据第一运动参考特征确定第三风险评估等级。
S430,根据第一风险评估等级、第二风险评估等级与第三风险评估等级确定心脏风险评估等级与心脏风险类型。
S432,根据心电数据按照心脏风险类型确定相应风险评估特征。
S434,根据风险评估特征确定相应心脏风险类型的关注级别。
上述实施例中,若临床适应症指示受测者不能进行负荷运动心电检测,则获取并分析受测者年龄与在静息心电检测过程中采集到的静息心电信号,得到第一静息参考特征与第二静息参考特征,进而确定相应心脏风险评估等级与心脏风险类型。若临床适应症指示受测者能够进行负荷运动心电检测,则获取并分析受测者年龄与在静息心电检测过程中采集到的静息心电信号,得到第一静息参考特征与第二静息参考特征,以及获取并分析年龄与在负荷运动心电检测过程中采集到的运动心电信号,得到第一运动参考特征与第二运动参考特征,并综合考虑各参考特征得到相应心脏风险评估等级与心脏风险类型。通过输出表征受测者心脏出现问题的风险大小的心脏风险评估等级,以及表征心脏可能存在的风险类型的心脏风险类型供医生参考,以便于医生结合临床症状高效而准确地识别受测者的心脏健康状况,并给出进一步地诊疗和/或检测参考建议,以实现对受测者的普筛、导诊与分流。而根据心电数据按照受测者的心脏风险类型确定相应风险评估特征,进而确定心脏风险类型对应的关注级别供医生参考,以便于医生结合临床症状更准确地识别受测者的心脏健康状况,并给出进一步地诊疗参考建议。
应该理解的是,虽然图1和图4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1和图4中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种心脏风险评估装置500,包括:获取模块501、特征确定模块502与风险评估模块503,其中:
获取模块501,用于获取与临床适应症相匹配的目标心电检测所对应的心电数据;临床适应症用于指示能否进行负荷运动心电检测;目标心电检测至少包括静息心电检测;
特征确定模块502,用于按照目标心电检测对心电数据中QRS波群的高频成分进行分析得到相应参考特征;
风险评估模块503,用于根据参考特征确定心脏风险评估等级与心脏风险类型;心脏风险评估等级作为对受测者进行分流的参考指标;心脏风险类型作为评估受测者的心脏可能存在的风险类型的参考指标。
在一个实施例中,若目标心电检测仅包括静息心电检测,则心电数据包括受测者的年龄与静息心电信号,参考特征包括第一静息参考特征;特征确定模块502,还用于分析静息心电信号中QRS波群的高频成分得到高频QRS包络曲线;根据高频QRS包络曲线与年龄确定第一静息参考特征;第一静息参考特征包括静息阳性导联数量、静息临界导联数量、第一目标导联数量与第二目标导联数量;第一目标导联数量是指相应高频形态指数大于或等于第一指数阈值的静息导联的数量;第二目标导联数量是指相应均方根电压小于或等于第一电压阈值的静息导联的数量。
在一个实施例中,参考特征还包括第二静息参考特征;特征确定模块502,还用于根据高频QRS包络曲线与年龄确定第二静息参考特征;第二静息参考特征包括静息阳性导联数量、静息临界导联数量与第一目标导联数量;风险评估模块503,还用于根据第一静息参考特征确定第一风险评估等级;根据第二静息参考特征确定第二风险评估等级;根据第一风险评估等级与第二风险评估等级确定心脏风险评估等级与心脏风险类型。
在一个实施例中,第一静息参考特征还包括目标高频形态指数与目标均方根电压;第二静息参考特征还包括目标高频形态指数;目标高频形态指数为各静息导联对应的高频形态指数中的最大值;目标均方根电压为各静息导联对应的均方根电压中的最小值。
在一个实施例中,若目标心电检测还包括负荷运动心电检测,则心电数据包括受测者的年龄、静息心电信号与运动心电信号,参考特征包括第一静息参考特征与第一运动参考特征;特征确定模块502,还用于分析静息心电信号中QRS波群的高频成分得到高频QRS包络曲线;根据高频QRS包络曲线与年龄确定第一静息参考特征;第一静息参考特征包括静息阳性导联数量、静息临界导联数量、第一目标导联数量与第二目标导联数量;第一目标导联数量是指相应高频形态指数大于或等于第一指数阈值的静息导联的数量;第二目标导联数量是指相应均方根电压小于或等于第一电压阈值的静息导联的数量;分析运动心电信号中QRS波群的高频成分得到高频QRS波形曲线;根据运动心电信号确定受测者的最大心率;根据高频QRS波形曲线、年龄与最大心率确定第一运动参考特征;第一运动参考特征包括运动阳性导联数量、运动临界导联数量、第三目标导联数量、第四目标导联数量与第五目标导联数量;第三目标导联数量是指相应第一振幅下降相对值大于或等于第一相对值阈值的运动导联的数量;第四目标导联数量是指相应高频QRS波形曲线在第一时间段内呈下降与上升反复波动趋势的运动导联的数量;第五目标导联数量是指相应第二振幅下降相对值大于或等于第二相对值阈值的运动导联的数量。
在一个实施例中,参考特征还包括第二静息参考特征与第二运动参考特征;特征确定模块502,还用于根据高频QRS包络曲线与年龄确定第二静息参考特征;第二静息参考特征包括静息阳性导联数量、静息临界导联数量与第一目标导联数量;根据高频QRS波形曲线、年龄与最大心率确定第二运动参考特征;第二运动参考特征包括运动阳性导联数量与运动临界导联数量;风险评估模块503,还用于根据第一静息参考特征确定第一风险评估等级;根据第二静息参考特征与第二运动参考特征确定第二风险评估等级;根据第一运动参考特征确定第三风险评估等级;根据第一风险评估等级、第二风险评估等级与第三风险评估等级确定心脏风险评估等级与心脏风险类型。
在一个实施例中,第一静息参考特征还包括目标高频形态指数与目标均方根电压;第二静息参考特征还包括目标高频形态指数;目标高频形态指数为各静息导联对应的高频形态指数中的最大值;目标均方根电压为各静息导联对应的均方根电压中的最小值;第一运动参考特征还包括各运动导联对应的第一振幅下降相对值与第二振幅下降相对值;第二运动参考特征还包括各运动导联对应的第二振幅下降相对值。
在一个实施例中,特征确定模块502,还用于根据心电数据按照心脏风险类型确定相应风险评估特征;风险评估模块503,还用于根据风险评估特征确定相应心脏风险类型的关注级别。
关于心脏风险评估装置的具体限定可以参见上文中对于心脏风险评估方法的限定,在此不再赘述。上述心脏风险评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6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,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储与临床适应症相匹配的目标心电检测所对应的心电数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种心脏风险评估方法。
本领域技术人员可以理解,图6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,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)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发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,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)
1.一种心脏风险评估方法,其特征在于,所述方法包括:
获取与临床适应症相匹配的目标心电检测所对应的心电数据;所述临床适应症用于指示能否进行负荷运动心电检测;所述目标心电检测至少包括静息心电检测;
按照所述目标心电检测对所述心电数据中QRS波群的高频成分进行分析得到相应参考特征;
根据所述参考特征确定心脏风险评估等级与心脏风险类型;所述心脏风险评估等级作为对受测者进行分流的参考指标;所述心脏风险类型作为评估所述受测者的心脏可能存在的风险类型的参考指标;
其中,若所述目标心电检测还包括负荷运动心电检测,则所述心电数据包括所述受测者的年龄、静息心电信号与运动心电信号,所述参考特征包括第一静息参考特征与第一运动参考特征;所述按照所述目标心电检测对所述心电数据中QRS波群的高频成分进行分析得到相应参考特征,包括:
分析所述静息心电信号中QRS波群的高频成分得到高频QRS包络曲线;
根据所述高频QRS包络曲线与所述年龄确定第一静息参考特征;所述第一静息参考特征包括静息阳性导联数量、静息临界导联数量、第一目标导联数量与第二目标导联数量;所述第一目标导联数量是指相应高频形态指数大于或等于第一指数阈值的静息导联的数量;所述第二目标导联数量是指相应均方根电压小于或等于第一电压阈值的静息导联的数量;
分析所述运动心电信号中QRS波群的高频成分得到高频QRS波形曲线;
根据所述运动心电信号确定所述受测者的最大心率;
根据所述高频QRS波形曲线、所述年龄与所述最大心率确定第一运动参考特征;所述第一运动参考特征包括运动阳性导联数量、运动临界导联数量、第三目标导联数量、第四目标导联数量与第五目标导联数量;所述第三目标导联数量是指相应第一振幅下降相对值大于或等于第一相对值阈值的运动导联的数量;所述第四目标导联数量是指相应高频QRS波形曲线在第一时间段内呈下降与上升反复波动趋势的运动导联的数量;所述第五目标导联数量是指相应第二振幅下降相对值大于或等于第二相对值阈值的运动导联的数量。
2.根据权利要求1所述的方法,其特征在于,若所述目标心电检测仅包括静息心电检测,则所述心电数据包括所述受测者的年龄与静息心电信号,所述参考特征包括第一静息参考特征;所述按照所述目标心电检测对所述心电数据中QRS波群的高频成分进行分析得到相应参考特征,包括:
分析所述静息心电信号中QRS波群的高频成分得到高频QRS包络曲线;
根据所述高频QRS包络曲线与所述年龄确定第一静息参考特征;所述第一静息参考特征包括静息阳性导联数量、静息临界导联数量、第一目标导联数量与第二目标导联数量;所述第一目标导联数量是指相应高频形态指数大于或等于第一指数阈值的静息导联的数量;所述第二目标导联数量是指相应均方根电压小于或等于第一电压阈值的静息导联的数量。
3.根据权利要求2所述的方法,其特征在于,所述参考特征还包括第二静息参考特征;所述按照所述目标心电检测对所述心电数据中QRS波群的高频成分进行分析得到相应参考特征,还包括:
根据所述高频QRS包络曲线与所述年龄确定第二静息参考特征;所述第二静息参考特征包括所述静息阳性导联数量、所述静息临界导联数量与所述第一目标导联数量;
所述根据所述参考特征确定心脏风险评估等级与心脏风险类型,包括:
根据所述第一静息参考特征确定第一风险评估等级;
根据所述第二静息参考特征确定第二风险评估等级;
根据所述第一风险评估等级与所述第二风险评估等级确定心脏风险评估等级与心脏风险类型。
4.根据权利要求3所述的方法,其特征在于,所述第一静息参考特征还包括目标高频形态指数与目标均方根电压;所述第二静息参考特征还包括所述目标高频形态指数;所述目标高频形态指数为各静息导联对应的高频形态指数中的最大值;所述目标均方根电压为各静息导联对应的均方根电压中的最小值。
5.根据权利要求1所述的方法,其特征在于,所述参考特征还包括第二静息参考特征与第二运动参考特征;所述按照所述目标心电检测对所述心电数据中QRS波群的高频成分进行分析得到相应参考特征,还包括:
根据所述高频QRS包络曲线与所述年龄确定第二静息参考特征;所述第二静息参考特征包括所述静息阳性导联数量、所述静息临界导联数量与所述第一目标导联数量;
根据所述高频QRS波形曲线、所述年龄与所述最大心率确定第二运动参考特征;所述第二运动参考特征包括所述运动阳性导联数量与所述运动临界导联数量;
所述根据所述参考特征确定心脏风险评估等级与心脏风险类型,包括:
根据所述第一静息参考特征确定第一风险评估等级;
根据所述第二静息参考特征与所述第二运动参考特征确定第二风险评估等级;
根据所述第一运动参考特征确定第三风险评估等级;
根据所述第一风险评估等级、所述第二风险评估等级与所述第三风险评估等级确定心脏风险评估等级与心脏风险类型。
6.根据权利要求5所述的方法,其特征在于,所述第一静息参考特征还包括目标高频形态指数与目标均方根电压;所述第二静息参考特征还包括所述目标高频形态指数;所述目标高频形态指数为各静息导联对应的高频形态指数中的最大值;所述目标均方根电压为各静息导联对应的均方根电压中的最小值;第一运动参考特征还包括各运动导联对应的第一振幅下降相对值与第二振幅下降相对值;所述第二运动参考特征还包括各运动导联对应的第二振幅下降相对值。
7.根据权利要求1至6中任意一项所述的方法,其特征在于,所述方法还包括:
根据所述心电数据按照所述心脏风险类型确定相应风险评估特征;
根据所述风险评估特征确定相应心脏风险类型的关注级别。
8.一种心脏风险评估装置,其特征在于,所述装置包括:
获取模块,用于获取与临床适应症相匹配的目标心电检测所对应的心电数据;所述临床适应症用于指示能否进行负荷运动心电检测;所述目标心电检测至少包括静息心电检测;
特征确定模块,用于按照所述目标心电检测对所述心电数据中QRS波群的高频成分进行分析得到相应参考特征;
风险评估模块,用于根据所述参考特征确定心脏风险评估等级与心脏风险类型;所述心脏风险评估等级作为对受测者进行分流的参考指标;所述心脏风险类型作为评估所述受测者的心脏可能存在的风险类型的参考指标。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310907009.XA CN116616790B (zh) | 2023-07-24 | 2023-07-24 | 心脏风险评估方法、装置、计算机设备与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310907009.XA CN116616790B (zh) | 2023-07-24 | 2023-07-24 | 心脏风险评估方法、装置、计算机设备与存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116616790A CN116616790A (zh) | 2023-08-22 |
CN116616790B true CN116616790B (zh) | 2023-11-17 |
Family
ID=87597648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310907009.XA Active CN116616790B (zh) | 2023-07-24 | 2023-07-24 | 心脏风险评估方法、装置、计算机设备与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116616790B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114732418A (zh) * | 2022-06-09 | 2022-07-12 | 毕胜普生物科技有限公司 | 高频qrs波形曲线分析方法、装置、计算机设备与存储介质 |
CN114742114A (zh) * | 2022-06-09 | 2022-07-12 | 毕胜普生物科技有限公司 | 高频qrs波形曲线分析方法、装置、计算机设备与存储介质 |
CN114732419A (zh) * | 2022-06-09 | 2022-07-12 | 毕胜普生物科技有限公司 | 运动心电数据分析方法、装置、计算机设备与存储介质 |
CN114831650A (zh) * | 2022-06-08 | 2022-08-02 | 深圳哈特智能科技有限公司 | 心电图s点提取方法、装置、存储介质及电子设备 |
CN115581465A (zh) * | 2022-11-21 | 2023-01-10 | 毕胜普生物科技有限公司 | 冠心病风险评估方法和装置、心脏性猝死风险评估方法和*** |
CN116196013A (zh) * | 2023-04-25 | 2023-06-02 | 毕胜普生物科技有限公司 | 心电数据处理方法、装置、计算机设备与存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100217144A1 (en) * | 2007-06-28 | 2010-08-26 | Arenare Brian | Diagnostic and predictive system and methodology using multiple parameter electrocardiography superscores |
JP6099358B2 (ja) * | 2012-10-30 | 2017-03-22 | オリンパス株式会社 | 細動検出器および除細動装置 |
WO2016183683A1 (en) * | 2015-05-20 | 2016-11-24 | University Health Network | Method and system for assessing qrs components and the risk of ventricular arrhythmias |
US11529084B2 (en) * | 2015-09-08 | 2022-12-20 | Dan Qun Fang | Cardiovascular detection system and method |
-
2023
- 2023-07-24 CN CN202310907009.XA patent/CN116616790B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114831650A (zh) * | 2022-06-08 | 2022-08-02 | 深圳哈特智能科技有限公司 | 心电图s点提取方法、装置、存储介质及电子设备 |
CN114732418A (zh) * | 2022-06-09 | 2022-07-12 | 毕胜普生物科技有限公司 | 高频qrs波形曲线分析方法、装置、计算机设备与存储介质 |
CN114742114A (zh) * | 2022-06-09 | 2022-07-12 | 毕胜普生物科技有限公司 | 高频qrs波形曲线分析方法、装置、计算机设备与存储介质 |
CN114732419A (zh) * | 2022-06-09 | 2022-07-12 | 毕胜普生物科技有限公司 | 运动心电数据分析方法、装置、计算机设备与存储介质 |
CN115581465A (zh) * | 2022-11-21 | 2023-01-10 | 毕胜普生物科技有限公司 | 冠心病风险评估方法和装置、心脏性猝死风险评估方法和*** |
CN116196013A (zh) * | 2023-04-25 | 2023-06-02 | 毕胜普生物科技有限公司 | 心电数据处理方法、装置、计算机设备与存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116616790A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Isler et al. | Multi-stage classification of congestive heart failure based on short-term heart rate variability | |
CN109171712B (zh) | 心房颤动识别方法、装置、设备及计算机可读存储介质 | |
EP2964077B1 (en) | System of determining a risk score for triage | |
Hammad et al. | Deep learning models for arrhythmia detection in IoT healthcare applications | |
CN113712569B (zh) | 高频qrs波群数据分析方法及装置 | |
Iftikhar et al. | Multiclass classifier based cardiovascular condition detection using smartphone mechanocardiography | |
US8825148B2 (en) | System for monitoring and diagnosis of cardiac electrogram signals using multi-dimensional analysis | |
US8504142B2 (en) | Apparatus, method, and computer program for predicting risk for cardiac death | |
CN114732419B (zh) | 运动心电数据分析方法、装置、计算机设备与存储介质 | |
Poddar et al. | Automated classification of hypertension and coronary artery disease patients by PNN, KNN, and SVM classifiers using HRV analysis | |
CN114742114B (zh) | 高频qrs波形曲线分析方法、装置、计算机设备与存储介质 | |
US20020138012A1 (en) | Multiple parameter electrocardiograph system | |
CN114052746A (zh) | 运动心电数据处理方法、装置、计算机设备和存储介质 | |
CN114788703B (zh) | 高频qrs波形数据分析方法、装置、计算机设备与存储介质 | |
CN114732418A (zh) | 高频qrs波形曲线分析方法、装置、计算机设备与存储介质 | |
Papageorgiou et al. | Analysis of digitalized ECG signals based on artificial intelligence and spectral analysis methods specialized in ARVC | |
Khatun et al. | Detection of myocardial infarction and arrhythmia from single-lead ECG data using bagging trees classifier | |
US20160135704A1 (en) | Matrix-Based Patient Signal Analysis | |
Kanna et al. | Automated defective ECG signal detection using MATLAB applications | |
CN116616790B (zh) | 心脏风险评估方法、装置、计算机设备与存储介质 | |
Zhi et al. | Wavelet based machine learning techniques for electrocardiogram signal analysis | |
CN116725549B (zh) | 心电数据分析方法、装置、计算机设备与存储介质 | |
US20240108270A1 (en) | Method and system for estimating the extent of ischemia in an individual | |
KR20200055582A (ko) | 심전도 신호 진단 파라미터 추출 디바이스 및 추출 방법 | |
George et al. | Heart disease diagnostic graphical user interface using fractal dimension |
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 |