CN117462141B - 心电信号检测方法、装置、计算机设备和存储介质 - Google Patents
心电信号检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117462141B CN117462141B CN202311789682.4A CN202311789682A CN117462141B CN 117462141 B CN117462141 B CN 117462141B CN 202311789682 A CN202311789682 A CN 202311789682A CN 117462141 B CN117462141 B CN 117462141B
- Authority
- CN
- China
- Prior art keywords
- signal
- electrocardiosignal
- detected
- target
- detection threshold
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 464
- 238000012795 verification Methods 0.000 claims abstract description 137
- 230000008859 change Effects 0.000 claims abstract description 132
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000004364 calculation method Methods 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 24
- 230000000737 periodic effect Effects 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 2
- 230000001276 controlling effect Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000033764 rhythmic process Effects 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 210000001765 aortic valve Anatomy 0.000 description 4
- 230000002861 ventricular Effects 0.000 description 4
- 208000000418 Premature Cardiac Complexes Diseases 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 206010003119 arrhythmia Diseases 0.000 description 3
- 230000006793 arrhythmia Effects 0.000 description 3
- 230000008602 contraction Effects 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000000718 qrs complex Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010060874 Aortic rupture Diseases 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 206010015856 Extrasystoles Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 210000005242 cardiac chamber Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000034225 regulation of ventricular cardiomyocyte membrane depolarization Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 210000005077 saccule Anatomy 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
-
- 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]
- A61B5/33—Heart-related electrical modalities, e.g. electrocardiography [ECG] specially adapted for cooperation with other devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/10—Location thereof with respect to the patient's body
- A61M60/122—Implantable pumps or pumping devices, i.e. the blood being pumped inside the patient's body
- A61M60/126—Implantable pumps or pumping devices, i.e. the blood being pumped inside the patient's body implantable via, into, inside, in line, branching on, or around a blood vessel
- A61M60/135—Implantable pumps or pumping devices, i.e. the blood being pumped inside the patient's body implantable via, into, inside, in line, branching on, or around a blood vessel inside a blood vessel, e.g. using grafting
- A61M60/139—Implantable pumps or pumping devices, i.e. the blood being pumped inside the patient's body implantable via, into, inside, in line, branching on, or around a blood vessel inside a blood vessel, e.g. using grafting inside the aorta, e.g. intra-aortic balloon pumps
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/20—Type thereof
- A61M60/295—Balloon pumps for circulatory assistance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/50—Details relating to control
- A61M60/508—Electronic control means, e.g. for feedback regulation
- A61M60/515—Regulation using real-time patient data
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Cardiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Mechanical Engineering (AREA)
- Hematology (AREA)
- Anesthesiology (AREA)
- Artificial Intelligence (AREA)
- Vascular Medicine (AREA)
- Evolutionary Computation (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Transplantation (AREA)
- Fuzzy Systems (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及一种心电信号检测方法、装置、计算机设备。所述方法包括：按照预设信号检测阈值得到当前心电信号的目标心电类型信号和当前噪声信号；基于目标心电类型信号的信号特征计算信号变化程度；当信号变化程度在预设变化程度范围内时生成信号验证特征，基于目标心电类型信号的幅值特征和当前噪声信号的信号值得到目标信号检测阈值；按照目标信号检测阈值和信号验证特征对待检测心电信号检测；当待检测信号特征与信号验证特征匹配时基于目标信号检测阈值和待检测心电信号的噪声信号计算更新信号检测阈值；当待检测信号特征与信号验证特征未匹配时基于待检测心电信号的幅值特征计算更新信号检测阈值。采用本方法能够提高心电信号检测的准确性。
Description
技术领域
本申请涉及信号处理技术领域，特别是涉及一种心电信号检测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
主动脉球囊反搏泵（Intra-Aortic Balloon Pump，简称IABP）是一种医疗设备，广泛用于协助心脏功能不全的患者。它由控制单元，监测***，连接管道和气囊组成。气囊被置于主动脉内，通常位于胸部的主动脉下降段，控制单元主要控制充气气路和放气气路的电磁阀，并在对ECG（心电信号）的实时监测下，根据心脏的节律分别打开充气和放气气路的电磁阀以控制球囊的膨胀和收缩。其中，ECG中的R波代表心脏的收缩，它标志着心脏起搏的时刻。
然而，因为气体在连接管道和球囊之间的物理运动需要一个最小的充分充气和充分放气的时间，所以当心率过快时，球囊的充放气的速度跟不上患者的心动周期，如果在心室开始收缩时球囊仍处于充气状态，可能会导致主动脉内压力升高，增加心脏负荷，甚至可能引发主动脉破裂等严重问题。因此，为避免上述问题需要准确检测心电信号中的R波信号，实现球囊充放气和心脏同步。目前对于R波的检测算法有模板匹配法等，然而模板匹配法容易受到高频噪声干扰，导致R波信号检测准确性低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够保持R波心电信号的检测准确性的情况下实现R波提前检出的心电信号检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种心电信号检测方法，包括：
采集当前时间段对应的当前心电信号，按照预设信号检测阈值将当前心电信号进行划分，得到当前心电信号对应的目标心电类型信号和当前噪声信号，预设信号检测阈值是当历史心电信号对应的历史信号变化程度未在预设变化程度范围内时，根据历史心电信号的信号类型使用历史心电信号的幅值特征得到的；
提取目标心电类型信号对应的信号特征，基于信号特征进行信号变化计算，得到当前心电信号中目标心电类型信号对应的信号变化程度；
当信号变化程度在预设变化程度范围内时，按照信号特征生成目标心电类型信号对应的信号验证特征，基于目标心电类型信号中的幅值特征和当前噪声信号对应的信号值得到目标心电类型信号对应的目标信号检测阈值；
获取待检测心电信号，按照目标信号检测阈值和信号验证特征对待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果；
当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征匹配时，基于目标信号检测阈值和待检测心电信号的噪声信号计算更新信号检测阈值；
当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征未匹配时，基于待检测心电信号对应的幅值特征计算更新信号检测阈值，更新信号检测阈值用于进行目标心电类型信号检测。
第二方面，本申请还提供了一种心电信号检测装置，包括：
信号采集模块，用于采集当前时间段对应的当前心电信号，按照预设信号检测阈值将当前心电信号进行划分，得到当前心电信号对应的目标心电类型信号和当前噪声信号，预设信号检测阈值是当历史心电信号对应的历史信号变化程度未在预设变化程度范围内时，根据历史心电信号的信号类型使用历史心电信号的幅值特征得到的；
特征提取模块，用于提取目标心电类型信号对应的信号特征，基于信号特征进行信号变化计算，得到当前心电信号中目标心电类型信号对应的信号变化程度；
阈值生成模块，用于当信号变化程度在预设变化程度范围内时，按照信号特征生成目标心电类型信号对应的信号验证特征，基于目标心电类型信号中的幅值特征和当前噪声信号对应的信号值得到目标心电类型信号对应的目标信号检测阈值；
信号检测模块，用于获取待检测心电信号，按照目标信号检测阈值和信号验证特征对待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果；
特征匹配模块，用于当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征匹配时，基于目标信号检测阈值和待检测心电信号的噪声信号计算更新信号检测阈值；
特征未匹配模块，用于当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征未匹配时，基于待检测心电信号对应的幅值特征计算更新信号检测阈值，更新信号检测阈值用于进行目标心电类型信号检测。
第三方面，本申请还提供了一种计算机设备，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以下步骤：
采集当前时间段对应的当前心电信号，按照预设信号检测阈值将当前心电信号进行划分，得到当前心电信号对应的目标心电类型信号和当前噪声信号，预设信号检测阈值是当历史心电信号对应的历史信号变化程度未在预设变化程度范围内时，根据历史心电信号的信号类型使用历史心电信号的幅值特征得到的；
提取目标心电类型信号对应的信号特征，基于信号特征进行信号变化计算，得到当前心电信号中目标心电类型信号对应的信号变化程度；
当信号变化程度在预设变化程度范围内时，按照信号特征生成目标心电类型信号对应的信号验证特征，基于目标心电类型信号中的幅值特征和当前噪声信号对应的信号值得到目标心电类型信号对应的目标信号检测阈值；
获取待检测心电信号，按照目标信号检测阈值和信号验证特征对待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果；
当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征匹配时，基于目标信号检测阈值和待检测心电信号的噪声信号计算更新信号检测阈值；
当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征未匹配时，基于待检测心电信号对应的幅值特征计算更新信号检测阈值，更新信号检测阈值用于进行目标心电类型信号检测。
第四方面，本申请还提供了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以下步骤：
采集当前时间段对应的当前心电信号，按照预设信号检测阈值将当前心电信号进行划分，得到当前心电信号对应的目标心电类型信号和当前噪声信号，预设信号检测阈值是当历史心电信号对应的历史信号变化程度未在预设变化程度范围内时，根据历史心电信号的信号类型使用历史心电信号的幅值特征得到的；
提取目标心电类型信号对应的信号特征，基于信号特征进行信号变化计算，得到当前心电信号中目标心电类型信号对应的信号变化程度；
当信号变化程度在预设变化程度范围内时，按照信号特征生成目标心电类型信号对应的信号验证特征，基于目标心电类型信号中的幅值特征和当前噪声信号对应的信号值得到目标心电类型信号对应的目标信号检测阈值；
获取待检测心电信号，按照目标信号检测阈值和信号验证特征对待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果；
当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征匹配时，基于目标信号检测阈值和待检测心电信号的噪声信号计算更新信号检测阈值；
当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征未匹配时，基于待检测心电信号对应的幅值特征计算更新信号检测阈值，更新信号检测阈值用于进行目标心电类型信号检测。
第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
采集当前时间段对应的当前心电信号，按照预设信号检测阈值将当前心电信号进行划分，得到当前心电信号对应的目标心电类型信号和当前噪声信号，预设信号检测阈值是当历史心电信号对应的历史信号变化程度未在预设变化程度范围内时，根据历史心电信号的信号类型使用历史心电信号的幅值特征得到的；
提取目标心电类型信号对应的信号特征，基于信号特征进行信号变化计算，得到当前心电信号中目标心电类型信号对应的信号变化程度；
当信号变化程度在预设变化程度范围内时，按照信号特征生成目标心电类型信号对应的信号验证特征，基于目标心电类型信号中的幅值特征和当前噪声信号对应的信号值得到目标心电类型信号对应的目标信号检测阈值；
获取待检测心电信号，按照目标信号检测阈值和信号验证特征对待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果；
当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征匹配时，基于目标信号检测阈值和待检测心电信号的噪声信号计算更新信号检测阈值；
当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征未匹配时，基于待检测心电信号对应的幅值特征计算更新信号检测阈值，更新信号检测阈值用于进行目标心电类型信号检测。
上述心电信号检测方法、装置、计算机设备、存储介质和计算机程序产品，通过使用预设信号检测阈值识别当前心电信号中的目标心电类型信号和当前噪声信号，并判断目标前心电信号中目标心电类型信号的变化程度，保证了目标心电类型信号的稳定性。然后根据目标心电类型信号的信号特征生成信号验证特征，信号验证特征可以对待检测心电信号进行信号类型验证，保证了目标心电类信号的检测准确性。并通过目标心电类型信号中的幅值特征和当前噪声信号对应的信号值生成目标信号检测阈值，实现了信号检测阈值的实时更新，并结合信号验证特征对待检测心电信号进行目标心电类型信号检测，提高了心电信号检测的准确性。进一步地，根据心电信号对应的信号变化程度是否在预设变化程度范围内分别对应不同的信号检测阈值的生成方式，实现了信号检测阈值的自适应，以及根据心电信号的信号特征与信号验证特征的匹配结果分别使用不同的数据进行信号检测阈值的更新，保证了信号检测阈值的实时性和准确性，从而提高了心电信号的检测准确性。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关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申请的一些实施例，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。
图1为一个实施例中心电信号检测方法的应用环境图；
图2为一个实施例中心电信号检测方法的流程示意图；
图3为一个实施例中心电信号检测步骤的流程示意图；
图4为一个实施例中反搏设备控制的流程示意图；
图5为另一个实施例中反搏设备控制的流程示意图；
图6为一个实施例中心电信号处理流程示意图；
图7为另一个实施例中心电信号处理的流程示意图；
图8为一个实施例中心电信号预处理的流程示意图；
图9为一个实施例中心电信号检测装置的结构框图；
图10为一个实施例中计算机设备的内部结构图；
图11为另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。
本申请实施例提供的心电信号检测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102通过传感器在人体采集当前时间段对应的当前心电信号，按照预设信号检测阈值将当前心电信号进行划分，得到当前心电信号对应的目标心电类型信号和当前噪声信号，预设信号检测阈值是当历史心电信号对应的历史信号变化程度未在预设变化程度范围内时，根据历史心电信号的信号类型使用历史心电信号的幅值特征得到的；终端102提取目标心电类型信号对应的信号特征，基于信号特征进行信号变化计算，得到当前心电信号中目标心电类型信号对应的信号变化程度；终端102当信号变化程度在预设变化程度范围内时，按照信号特征生成目标心电类型信号对应的信号验证特征，基于目标心电类型信号中的幅值特征和当前噪声信号对应的信号值得到目标心电类型信号对应的目标信号检测阈值；终端102获取待检测心电信号，按照目标信号检测阈值和信号验证特征对待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果；终端102检测到当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征匹配时，基于目标信号检测阈值和待检测心电信号的噪声信号计算更新信号检测阈值；终端102检测到当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征未匹配时，基于待检测心电信号对应的幅值特征计算更新信号检测阈值，终端102使用更新信号检测阈值进行目标心电类型信号检测。然后终端102可以将待检测心电信号和对应的心电信号检测结果发送至服务器104进行存储。其中，终端102可以但不限于是心电信号检测设备，比如心电检测仪等。服务器104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2所示，提供了一种心电信号检测方法，以该方法应用于图1中的终端为例进行说明，该方法包括以下步骤：
步骤202，采集当前时间段对应的当前心电信号，按照预设信号检测阈值将当前心电信号进行划分，得到当前心电信号对应的目标心电类型信号和当前噪声信号，预设信号检测阈值是当历史心电信号对应的历史信号变化程度未在预设变化程度范围内时，根据历史心电信号的信号类型使用历史心电信号的幅值特征得到的。
其中，当前心电信号是指在当前时间段内采集的心电信号段。心电信号是指监测到的心脏工作时产生的电信号。预设信号检测阈值是指预先设置的用于检测目标心电类型信号的检测阈值。目标心电类型是指预先指定需要检测的心电信号的类型，则目标心电类型信号是指目标心电类型对应的心电信号。目标心电类型信号可以是指R波信号。R 波峰值是心电信号中QRS波群中最高的峰值，表示心脏的心室收缩。QRS波群表征左右心室除极而产生的电位变化情况。当前噪声信号是指当前心电信号中除了目标心电类型信号外的信号作为噪声信号。幅值特征是指心电信号中目标心电类型信号的幅值特征，比如是R波的幅值特征。预设变化程度范围是指预先设置的用于判断心电信号是否稳定的判断条件。心电信号是否稳定是指心电信号之间的特征差异是否明显。信号类型是指心电信号的发生状态，包括初始心电信号和非初始心电信号。
具体地，终端采集当前时间段对应的当前心电信号，对当前心电信号进行滤波处理，然后将滤波后的当前心电信号对应的信号值与预设信号检测阈值进行比较，将信号值超过预设信号检测阈值的心电信号作为目标心电类型信号，将信号值未超过预设信号检测阈值的心电信号作为当前噪声信号。预设信号检测阈值可以是预先设置的，也可以是根据历史时间段的历史心电信号的幅值特征确定的。当使用预设信号检测阈值在当前心电信号中未检测出目标心电类型信号时，获取重新设置的预设信号检测阈值，或者延长历史时间段，获取延长的历史时间段的历史心电信号重新确定预设信号检测阈值。
在一个实施例中，预设信号检测阈值是当历史心电信号对应的历史信号变化程度未在预设变化程度范围内时，根据历史心电信号的信号类型使用历史心电信号的幅值特征得到的，包括：
当历史心电信号对应的历史信号变化程度未在预设变化程度范围内，且历史心电信号的信号类型为初始心电信号时，根据初始心电信号的幅值特征计算预设信号检测阈值；
当历史心电信号对应的历史信号变化程度未在预设变化程度范围内，且历史心电信号的信号类型为非初始心电信号时，使用预设信号检测阈值确定非初始心电信号中的目标心电类型信号，根据非初始心电信号中目标心电类型信号的幅值特征计算预设信号检测阈值。
具体来说，终端采集的一段历史心电信号段，历史心电信号段包括信号类型为初始心电信号的历史心电信号和信号类型为非初始心电信号的历史心电信号。终端检测历史心电信号为初始心电信号时，根据初始心电信号的幅值特征计算预设信号检测阈值，比如根据初始心电信号对应的波峰值的倍数值生成预设信号检测阈值。其中，由于未存在信号检测阈值对初始心电信号进行检测，则设定初始心电信号的信号变化程度未在预设变化程度范围内。
然后终端使用基于初始心电信号的幅值特征生成的预设信号检测阈值对下一时刻的历史心电信号进行检测，则下一时刻的历史心电信号为非初始心电信号。终端检测下一时刻的非初始心电信号对应的目标心电类型信号，并计算该非初始心电信号对应的信号变化程度，当该非初始心电信号的信号变化程度未在预设变化程度范围内时，根据该非初始心电信号对应的目标心电类型信号的幅值特征进行阈值计算，比如，终端统计非初始心电信号中信号值超过基于初始心电信号的幅值特征生成的预设信号检测阈值的各个信号点的幅值，并进行平均计算，得到阈值计算结果；终端也可以进行平均计算后再进行倍数计算，得到阈值计算结果。终端将阈值计算结果作为预设信号检测阈值，用于检测下一时刻的历史心电信号。
基于上述执行逻辑，终端对于信号变化程度未在预设变化程度范围内的心电信号，根据该心电信号中目标心电类型信号对应的幅值特征更新预设信号检测阈值，用于对下一时刻的心电信号进行检测。
步骤204，提取目标心电类型信号对应的信号特征，基于信号特征进行信号变化计算，得到目标心电类型信号对应的信号变化程度；
步骤206，当信号变化程度在预设变化程度范围内时，按照信号特征生成目标心电类型信号对应的信号验证特征，基于目标心电类型信号中的幅值特征和当前噪声信号对应的信号值得到目标心电类型信号对应的目标信号检测阈值。
其中，信号特征是指表征目标心电类型信号的特征值。信号变化程度是指信号特征的变化程度。信号验证特征是用于验证心电信号是否为目标心电类型信号的特征信息。
具体地，当前心电信号包括至少两个心电信号周期，终端提取各个心电信号周期中目标心电类型信号对应的信号特征，计算各个心电信号周期中目标心电类型信号对应的信号特征之间的特征差异，得到当前心电信号中目标心电类型信号对应的信号变化程度，信号变化程度可以是指各个心电信号周期中目标心电类型信号对应的信号特征之间的特征值差异。当信号变化程度在预设变化程度范围内时，可以将当前心电信号中目标心电类型信号对应的信号特征的特征值作为信号验证特征；也可以根据当前心电信号中目标心电类型信号对应的信号特征的特征值确定特征值范围，将特征值范围作为信号验证特征。终端也可以预先设置特征值范围，当当前心电信号的信号变化程度在预设变化程度范围内时，根据预设特征值范围生成信号验证特征，同时终端更新预设特征值范围，用于后续使用更新的预设特征值范围对信号验证特征进行更新。在一个实施例中，根据目标心电类型信号对应的信号值生成信号验证信息，具体包括：根据各个心电信号周期分别对应的目标心电类型信号的信号值进行平均计算，得到当前心电信号对应的目标心电类型信号的平均信号值，根据目标心电类型信号的平均信号值生成信号验证信息，比如是目标心电类型信号验证图、心电信号值序列等；还可以根据目标心电类型信号的平均信号值确定目标心电类型信号的信号值范围，根据目标心电类型信号的信号值范围生成信号验证信息。
然后终端获取目标心电类型信号对应的幅值特征，幅值特征比如是目标心电类型信号的波峰值，也可以是当前心电信号中信号值超过预设信号检测阈值的各个信号点对应的信号平均值。终端根据幅值特征计算信号检测阈值上限值，并根据当前噪声信号对应的信号值确定信号检测阈值下限值。终端根据信号检测阈值上限值和信号检测阈值下限值生成信号检测阈值范围，根据信号检测阈值范围确定目标心电类型信号对应的目标信号检测阈值。也可以是将预设信号检测阈值作为信号检测阈值上限值，根据当前噪声信号对应的信号值确定信号检测阈值下限值，终端根据信号检测阈值上限值和信号检测阈值下限值计算目标信号检测阈值。
步骤208，获取待检测心电信号，按照目标信号检测阈值和信号验证特征对待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果。
具体地，终端接收待检测心电信号，当待检测心电信号对应的信号值超过目标信号检测阈值时，采集待检测心电信号中信号值超过目标信号检测阈值的待检测心电类型信号，提取待检测心电类型信号对应的待检测信号特征，将待检测信号特征与信号验证特征进行匹配。当待检测信号特征与信号验证特征匹配一致时，确定待检测心电信号中待检测心电类型信号为目标心电类型信号。
步骤210，当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征匹配时，基于目标信号检测阈值和待检测心电信号的噪声信号计算更新信号检测阈值。
具体地，终端检测到心电信号检测结果中待检测心电信号对应的待检测信号特征匹配时，确定待检测心电信号中待检测的心电类型信号为目标心电类型信号，一般是R波类型信号。然后终端提取待检测心电信号中的噪声信号，使用目标信号检测阈值和待检测心电信号的噪声信号计算更新信号检测阈值，终端使用更新信号检测阈值和信号验证特征对下一段新的心电信号进行目标心电类型信号的检测。依据上述执行逻辑，终端当检测到新的心电信号的信号特征与信号验证特征匹配时，使用当前最新的信号阈值和当前新的心电信号的噪声信号进行信号阈值更新，直到检测到心电信号的信号特征与信号验证特征未匹配。
步骤212，当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征未匹配时，基于待检测心电信号对应的幅值特征计算更新信号检测阈值，更新信号检测阈值用于进行目标心电类型信号检测。
具体地，终端检测到心电信号检测结果中待检测心电信号对应的待检测信号特征未匹配时，确定待检测心电信号中待检测的心电类型信号非目标心电类型信号，终端舍弃目标信号检测阈值和信号验证特征，然后终端使用待检测心电信号的幅值特征计算更新信号检测阈值。终端使用该更新信号检测阈值对下一段新的心电信号进行目标心电类型信号的检测，并根据下一段新的心电信号的幅值特征对更新信号检测阈值继续更新，以对后一段的心电信号进行目标心电类型信号的检测，同时持续计算新的心电信号的信号变化程度。依据上述执行逻辑，终端检测到待检测心电信号的信号特征与信号验证特征未匹配时，每次检测到最新的心电信号，判断新的心电信号的信号变化程度是否在预设变化程度范围内，包括：若在预设变化程度范围内，则使用新的心电信号的信号特征更新信号验证特征；若未在预设变化程度范围内，则使用最新的心电信号的幅值特征对信号阈值进行更新，直到检测到新的心电信号的信号变化程度在预设变化程度范围内。
上述心电信号检测方法中，通过使用预设信号检测阈值识别当前心电信号中的目标心电类型信号和当前噪声信号，并判断目标前心电信号中目标心电类型信号的变化程度，保证了目标心电类型信号的稳定性，然后根据目标心电类型信号的信号特征生成信号验证特征，信号验证特征可以对待检测心电信号进行信号类型验证，保证了目标心电类信号的检测准确性。并通过目标心电类型信号中的波峰值和当前噪声信号对应的信号值生成目标信号检测阈值，实现了信号检测阈值的实时更新，并结合信号验证特征对待检测心电信号进行目标心电类型信号检测，提高了心电信号检测的准确性。进一步地，根据心电信号对应的信号变化程度是否再预设变化程度范围内分别对应不同的信号检测阈值的生成方式，实现了信号检测阈值的自适应，以及根据心电信号的信号特征与信号验证特征的匹配结果分别使用不同的数据进行信号检测阈值的更新，保证了信号检测阈值的实时性和准确性，从而提高了心电信号的检测准确性。
在一个实施例中，如图3所示，步骤206，基于目标心电类型信号中的幅值特征和当前噪声信号对应的信号值得到目标心电类型信号对应的目标信号检测阈值，包括：
步骤302，基于预设参数对幅值特征进行乘积计算，得到信号检测阈值上限值；
步骤304，获取当前噪声信号对应的噪声采样频率，基于当前噪声信号对应的信号值和噪声采样频率进行平均计算，得到信号检测阈值下限值；
步骤306，使用信号检测阈值上限值和信号检测阈值下限值计算目标心电类型信号对应的目标信号检测阈值。
其中，信号检测阈值上限值是指检测目标心电类型信号的阈值上限值。信号检测阈值下限值是指检测目标心电类型信号的阈值下限值。
具体地，终端检测到当前心电信号对应的信号变化程度在预设变化范围内时，确定当前心电信号为信号特征稳定的心电信号，根据当前心电信号的信号特征生成信号验证特征，信号验证特征可以作为信号匹配模板。
终端确定基于当前心电信号生成信号验证特征成功后，使用当前心电信号计算用于检测信号特征稳定状态下的心电信号的信号检测阈值。具体是终端提取当前心电信号中目标心电类型信号的幅值特征，一般是目标心电类型信号对应的波峰值，使用预设参数对波峰值进行乘积计算得到信号检测阈值上限值；当当前心电信号存在多个信号周期的目标心电类型信号时，终端可以计算多个信号周期的目标心电类型信号的波峰值的波峰平均值，使用预设参数对波峰平均值进行乘积计算得到信号检测阈值上限值。预设参数可以是0.3至0.8中的任意值，优选地，预设参数为0.7。
然后终端可以预设一个滑动窗口，根据滑动窗口对当前心电信号进行噪声水平计算，具体是计算当前心电信号中除了目标心电类型信号外的任意窗口宽度的信号值和信号的频点数，例如从上一个R波结束到下一个R波来临前的宽度内、T波结束至R波来临前的宽度内，计算窗宽内信号的平均值，或是中值，或是区域内积分值，估计为信号检测阈值下限值。
终端也可以获取当前噪声信号的噪声采样频率，根据噪声采样频率统计当前噪声信号对应的噪声信号数据点数。噪声采样频率可以是终端采集当前心电信号的采样频率，具体可以是终端根据当前心电信号的采样频率或重采样的频率。根据噪声判定规则筛选出当前噪声信号中各个信号值对应的噪声数据点，统计得到当前噪声信号的噪声数据点信号值和总噪声数据点数。终端将当前噪声信号中各个噪声数据点信号值进行累加，得到信号累加值，然后计算信号累加值和总噪声数据点数的比值，得到信号检测阈值下限值。
终端根据信号检测阈值上限值和信号检测阈值下限值确定信号检测阈值范围，根据信号检测阈值确定目标信号检测阈值，具体可以是将信号检测阈值上限值和信号检测阈值下限值之间三分之一的值作为目标信号检测阈值。
然后终端使用当前心电信号对应的目标信号检测阈值对当前心电信号下一时刻的心电信号进行目标心电类型信号检测。当下一时刻的心电信号满足目标心电类型信号检测的检测条件时，使用目标信号检测阈值和下一时刻的心电信号的噪声信号进行阈值更新。
本实施例中，通过根据波峰值计算信号检测阈值上限值，并根据当前噪声信号计算信号检测阈值下限值，使用信号检测阈值上限值和信号检测阈值下限值计算目标信号检测阈值，保证了目标信号检测阈值的实时性，并避免信号检测受到噪声信号的影响，从而保证了心电信号检测的准确性。
在一个实施例中，步骤210，当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征匹配时，基于目标信号检测阈值和待检测心电信号的噪声信号计算更新信号检测阈值，包括：
当待检测心电信号对应的信号值达到目标信号检测阈值时，基于目标信号检测阈值将待检测信号进行划分，得到待检测心电信号对应的待检测心电类型信号和噪声信号；
提取待检测心电类型信号对应的待检测信号特征，当待检测信号特征与信号验证特征匹配时，确定待检测心电类型信号为目标心电类型信号；
将所述目标信号检测阈值作为所述信号检测阈值上限值，将所述待检测心电信号对应的噪声信号作为所述当前噪声信号，并返回至所述基于所述当前噪声信号对应的信号值和所述噪声采样频率进行平均计算，得到信号检测阈值下限值；使用所述信号检测阈值上限值和所述信号检测阈值下限值计算所述目标心电类型信号对应的目标信号检测阈值的步骤执行，得到所述更新信号检测阈值。
具体地，终端检测到待检测心电信号对应的信号值达到目标信号检测阈值时，将待检测心电信号中信号值超过目标信号检测阈值的心电信号作为待检测心电类型信号，将信号值未超过目标信号检测阈值的心电信号作为噪声信号。然后终端提取待检测心电类型信号的待检测信号特征，具体来说，终端检测到待检测心电信号中信号值开始超过目标信号检测阈值时开始提取待检测心电类型信号对应的待检测信号特征，直至待检测心电信号对应的信号值开始小于目标信号检测阈值时，终端完全提取待检测心电类型信号对应的待检测信号特征。当待检测信号特征与信号验证特征匹配时，确定待检测心电类型信号为目标心电类型信号。
终端也可以检测到待检测心电信号对应的信号值达到目标信号检测阈值时，获取信号验证信息，信号验证信息包括目标心电类型信号中各个信号值的信号值验证范围。终端检测待检测心电类型信号的信号值是否在信号验证信息中对应的信号值验证范围内，当待检测心电类型信号的信号值均在对应的信号值验证范围内，或者信号值在对应的信号值验证范围内的信号点数量超过预设数量阈值，则确定待检测心电类型信号为目标心电类型信号。
然后终端将目标信号检测阈值作为信号检测阈值上限值，并使用滑动窗口对检测心电信号的噪声信号进行噪声水平计算，得到信号检测阈值下限值。终端使用信号检测阈值上限值和信号检测阈值下限值进行阈值更新，生成更新信号检测阈值，以使后续新采集到待检测的心电信号时，终端使用更新信号检测阈值和信号验证特征对新采集到待检测的心电信号进行目标心电类型信号检测。
本实施例中，通过检测到目标心电类型信号的波峰值和噪声信号，根据波峰值和噪声信号对信号检测阈值进行更新，保证了信号检测阈值的实时性，从而提高了心电信号检测的准确性。
在一个实施例中，心电信号检测方法，还包括：
当待检测信号特征与信号验证特征未匹配时，基于待检测信号特征进行信号变化计算，得到待检测心电信号对应的待检测信号变化程度；
当待检测信号变化程度在预设变化程度范围内时，确定待检测心电类型信号为信号变化的目标心电类型信号，按照待检测信号特征生成更新信号验证特征，更新信号验证特征用于进行目标心电类型信号验证。
具体地，终端检测到待检测信号特征与信号验证特征未匹配时，表示待检测心电信号的波形与历史心电信号的波形发生变化，则根据历史心电信号的信号特征生成的信号验证特征已过时，其不符合待检测心电信号的待检测信号特征，需要进行信号验证特征的更新。
终端根据待检测信号特征进行信号变化计算，得到待检测心电信号对应的待检测信号变化程度，当待检测信号变化程度在预设变化程度范围内时，表征待检测心电信号的波形稳定，并确定待检测心电类型信号为相对于历史心电信号发生信号变化的目标心电类型信号，则终端根据待检测信号特征生成更新信号验证特征。并且终端根据待检测心电信号对应的目标心电类型信号中的幅值特征或波峰值和噪声信号对应的信号值生成当前信号检测阈值，使用当前信号检测阈值对目标信号检测阈值进行更新，以使后续新采集到待检测的心电信号时，终端使用当前信号检测阈值和更新信号验证特征对新采集到待检测的心电信号进行目标心电类型信号检测。
在一个具体实施例中，当待检测信号特征与信号验证特征未匹配时，需要重新生成信号验证特征，可以使用连续一段待检测心电信号段进行信号验证特征的更新。在此过程中，终端提取待检测心电信号段中初始的待检测心电信号的波峰值，将初始的待检测心电信号的波峰值的倍数值作为信号检测阈值，并使用该信号检测阈值对下一时刻的待检测心电信号进行检测，并同时判断该待检测心电信号的信号变化程度是否在预设变化范围内。若在预设变化范围内，则使用待检测心电信号的信号特征生成更新信号验证特征，并同时根据待检测心电信号的幅值特征和噪声信号生成信号特征稳定状态下的目标信号检测阈值，使用目标信号检测阈值和更新信号验证特征对后续的待检测心电信号进行检测；若未在预设变化范围内，则将待检测心电信号的波峰值的倍数值作为信号特征未稳定状态下的信号检测阈值，使用该信号检测阈值为后续的待检测心电信号进行检测，直到待检测心电信号的信号变化程度在预设信号变化范围内。
在一个具体实施例中，当待检测心电信号的信号特征与信号验证特征匹配时，使用目标信号检测阈值和待检测心电信号的噪声信号计算更新信号检测阈值，使用更新信号检测阈值和信号验证特征对后续的心电信号进行检测。在后续信号检测过程中，对于信号特征持续与信号验证特征匹配的心电信号，每次信号检测完成后，使用该次检测的信号检测阈值和该次检测的心电信号的噪声值计算新的信号检测阈值，并使用新的信号检测阈值对下一次的心电信号进行检测，直到信号检测阈值接近当次的心电信号的噪声信号值，则停止信号检测阈值的更新。
本实施例中，通过检测到待检测信号特征与信号验证特征未匹配时，根据待检测信号特征生成更新信号验证特征，保证了信号验证特征的实时性，从而提高了心电信号检测的准确性。
在一个实施例中，信号验证特征包括信号周期特征；如图4所示，在步骤208，按照目标信号检测阈值和信号验证特征对待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果之后，还包括：
步骤402，将待检测信号特征中待检测信号周期特征与信号周期特征进行匹配，基于匹配结果在信号检测阈值上限值和更新信号检测阈值中确定设备放气触发阈值；
步骤404，获取更新待检测心电信号，当更新待检测心电信号对应的信号值达到设备放气触发阈值时，生成设备放气指令，基于设备放气指令控制反搏设备进行设备放气。
其中，设备放气触发阈值是指控制反搏设备进行球囊放气时的触发阈值。反搏设备是实现外部泵血与心脏收缩周期同步的设备，比如主动脉内球囊反搏泵设备，通过将患者的心电或血压信号输入反搏控制装置，使球囊泵与患者的心脏搏动同步反向动作。
具体地，终端检测待检测心电信号中待检测心电类型信号为目标心电类型信号，提取待检测心电信号中目标心电类型信号的待检测信号周期特征，待检测信号周期特征具体可以是心电信号中的RR间期，RR间期是指两个R波的间期，表示两次心跳的间隔时间。终端将待检测信号周期特征与信号验证特征中的信号周期特征进行匹配，当待检测信号周期特征与信号周期特征未匹配，比如待检测信号周期特征小于信号周期特征时，当待检测信号周期特征与信号周期特征匹配，或者待检测信号周期特征大于信号周期特征时，则将预设信号检测阈值作为设备放气触发阈值。
当待检测信号周期特征与信号周期特征匹配时，则将更新信号检测阈值作为设备放气触发阈值，能够实现提前控制反搏设备进行设备放气。
终端获取更新待检测心电信号，当更新待检测心电信号对应的信号值达到设备放气触发阈值，并且反搏设备处于未放气状态时，生成设备放气指令。终端将设备放气指令发送至反搏设备，控制反搏设备进行球囊放气，持续时长为预设放气时间。当更新待检测心电信号对应的信号值达到设备放气触发阈值，且反搏设备中球囊处于已开始放气状态或放气完成状态时暂不处理。
本实施例中，通过根据信号周期特征的匹配结果在信号检测阈值上限值和更新信号检测阈值中确定设备放气触发阈值，根据设备放气触发阈值控制反搏设备进行球囊放气，实现了提前检测R波的到来，为球囊在主动脉瓣打开前具有更充足的时间进行放气，且有更充足的时间为在主动脉瓣关闭后的球囊充气做准备，从而实现球囊充放气和心脏同步的反搏设备控制的准确性。
在一个实施例中，如图5所示，在步骤208，按照目标信号检测阈值和信号验证特征对待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果之后，还包括：
步骤502，当检测到待检测心电信号中目标心电类型信号的信号发生时间点时，获取检测时间段，检测时间段是从信号发生时间点到当前时间点的时间段，信号发生时间点是指检测到待检测心电信号中目标心电类型信号的波峰值时的时间点；
步骤504，当检测时间段与预设充气延迟时间段一致时，生成设备充气指令，基于设备充气指令控制反搏设备进行设备充气。
具体地，终端检测到待检测心电信号对应的信号值达到目标信号检测阈值时的时间点时，记录信号检测时间点，表征对目标心电类型信号的预测点，并监测待检测心电信号的目标心电类型信号的波峰值，记录目标心电类型信号的波峰值的发生点，将该时间点确定为信号发生时间点，目标心电类型信号可以是R波信号。
具体来说，终端可以检测到信号检测时间点，然后采集信号检测时间点之后各个时间点的信号值，计算各个时间点的信号值之间的差值，根据各个时间点的信号值之间的差值，当各个时间的信号值之间的差值出现负值时，确定检测到待检测心电信号中R波的波峰值，将波峰值对应的时间点作为信号发生时间点，并触发计时器计时。然后终端获取预设充气延迟时间段，预设充气延迟时间段可以是根据RR间期确定的。
终端从信号发生时间点开始计时，当计时器在当前时间点累加的检测时间段与预设充气延迟时间段一致时，生成设备充气指令。终端将设备充气指令发送至反搏设备，控制反搏设备进行球囊充气。
在一个实施例中，终端可以检测到信号检测时间点时，生成设备充气准备指令，将设备充气准备指令发送至反搏设备，控制反搏设备进行球囊充气的准备操作；然后终端检测到信号发生点时获取检测时间段，当检测时间段与预设充气延迟时间段一致时，生成设备充气指令。终端将设备充气指令发送至反搏设备，控制反搏设备进行球囊充气。
本实施例中，通过根据信号检测点和待充气时间段控制反搏设备进行球囊充气，实现了提前检测R波的到来，为球囊在主动脉瓣打开前具有更充足的时间进行放气，且有更充足的时间为在主动脉瓣关闭后的球囊充气做准备，从而实现球囊充放气和心脏同步的反搏设备控制的准确性。
在一个实施例中，步骤202，采集当前时间段对应的当前心电信号，包括：
采集当前时间段对应的初始当前心电信号，基于初始当前心电信号进行滤波差分计算，得到差分心电信号；
获取预设平均滑动窗口，基于平均滑动窗口对差分心电信号进行平均滑动处理，得到当前心电信号。
具体地，终端使用心电图仪器连续采集患者的心电信号，通常以毫秒为单位采集当前时间段对应的初始当前心电信号，对初始当前心电信号进行预处理， 包括滤波和去噪处理，得到预处理后的心电信号。然后终端对预处理后的心电信号进行一阶差分计算，用于识别初始当前心电信号中的陡峭波峰，得到差分心电信号。然后终端获取预设平均滑动窗口，使用平均滑动窗口去除噪声波峰，突出R波特征，得到当前心电信号。
本实施例中，通过去除噪声和冗余信息使得心电信号中的R波特征更加明显。通过将窗口大小控制在适当的范围内，确保信号的平滑处理不会引入过多的延迟同时保持了数据的实时性，从而提高了信号检测的准确性。
在一个具体实施例中，如图6所示，提供一种心电信号处理流程示意图。具体步骤如下：
步骤602，采集心电信号进行预处理，使用初始心电信号的波峰值建立初始信号检测阈值，将其作为目标信号检测阈值，并进行心电信号检测；
步骤604，建立稳定的信号验证特征过程中，使用信号特征未稳定状态的心电信号的波峰值更新目标信号检测阈值，并使用目标信号检测阈值进行心电信号检测，输出信号特征未稳定状态的心电信号的心电检测结果，同时执行步骤610，根据心电检测结果控制反搏设备进行球囊充气或放气；
步骤606，建立稳定的信号验证特征后，使用信号特征稳定状态的心电信号的波峰值和噪声值生成新的目标信号检测阈值，使用新的目标信号检测阈值进行心电信号检测，输出信号特征稳定状态的心电信号的心电检测结果，同时执行步骤610，根据心电检测结果控制反搏设备进行球囊充气或放气；
步骤608，获取新的心电信号，提取R波特征和信号验证特征进行匹配，当特征匹配时，返回步骤606执行；当特征不匹配时，返回步骤604执行。
在一个具体实施例中，如图7所示，提供一种心电信号处理的示意图。其中，本实施例中的R波信号为目标心电类型信号，则心电信号处理流程包括：建立初始信号检测阈值阶段、建立信号验证特征阶段、特征匹配及阈值更新阶段和重新建立信号验证特征阶段。
建立初始信号检测阈值阶段：获取最初采样的初始心电信号阶段，根据初始信号的幅值特征建立初始信号检测阈值，比如，虚线窗口范围内信号的峰值的倍数为初始信号检测阈值。
建立信号验证特征阶段：根据初始信号检测阈值对新的心电信号进行R波检测，采集基于波峰值更新的阈值的点进行阈值计算，得到基于波峰值更新的阈值。使用基于波峰值更新的阈值对后面新的心电信号进行R波检测，并采集该阶段内R波所有特征均提取的点，当两拍或多拍的心电信号的稳定程度在预设稳定程度范围内，或信号变化程度在预设变化程度范围内时，建立信号验证特征。并且终端通过噪声提取窗口进行阈值更新，噪声提取窗口为除R波外设定的信号的窗口信号的评估值，比如可以是在R波的波峰值200ms后100ms内信号的幅值、平均值等信号大小的评估值，也可以是直接经过预处理的信号。
特征匹配及阈值更新阶段：当新的心电信号的信号特征与信号验证特征匹配时，基于特征匹配的心电信号的幅值特征或波峰值以及噪声大小更新阈值；当新的心电信号的信号特征与信号验证特征不匹配，且信号变化程度不在预设变化程度范围内时，持续基于新的心电信号的波峰值更新阈值。
重新建立信号验证特征阶段：当新的心电信号的信号特征与信号验证特征不匹配，且信号变化程度不在预设变化程度范围内时，基于新的心电信号的波峰值更新阈值，并持续判断新的心电信号的信号变化程度是否在预设变化程度范围内，若在，则重新建立信号验证特征。
在一个具体实施例中，信号采集和预处理：终端通过心电图仪器连续采集患者的心电信号，通常以毫秒为单位采样；进行预处理，包括滤波和去噪处理，以消除高频噪声和基线漂移，常用的滤波器包括带通滤波器和小波变换等。
差分平滑处理：对滤波后心电信号计算一阶差分，以捕捉信号中的陡峭波峰；选取合适的窗口大小，使用滑动窗口对心电信号进行平均处理，实现平滑去除噪声波峰，凸显R波的信号特征。
建立初始目标信号检测阈值：设置一个初始阈值作为目标心电类型信号的检测阈值，初始阈值一般为经过滑动窗口平均处理后的信号幅值大小的1/3。
稳定性判定：可用于信号稳定性判定，通过以下步骤确定信号的稳定性：
分析信号的振幅变化程度，正常情况下R波振幅相对稳定；
计算信号的周期性的变化程度，正常情况下心电信号具有明显且稳定的周期性；
评估信号的噪声水平的变化程度，通过计算信号的峰值与噪声水平之比来判断信号的噪声水平的变化程度。
信号噪声水平计算：在无心脏电活动期间测得的信号水平估计为信号噪声水平，具体计算方法为心电信号中除R波信号外的任意窗口宽度的信号值和信号的频点数。例如从上一个R波结束到下一个R波来临前的宽度内、T波结束至R波来临前的宽度内，计算窗宽内信号的平均值，或是中值，或是区域内积分值，估计为信号噪声水平；
根据以上稳定性指标，确定心电信号是否满足稳定性判定条件，如果满足上述指标要求，则确定心电信号的波形是稳定的；然后提取R波的特征，根据R波特征形成预测模板，即信号验证特征，包括R波的幅值、上升沿斜率、宽度等信息等，用于对即将到来的R波进行比对检测。然后根据R波的波峰值和噪声信号的信号值对信号检测阈值进行更新，一般地，更新后的信号检测阈值低于更新前的历史信号检测阈值，通过实施动态阈值降低，可以提前检测R波，以适应快心率下球囊充气放气的跟踪。
阈值更新：差分阈值检测法更新阈值：包括初始目标信号检测阈值调整、信号检测阈值上限值调整；具体如下：
将检测信号中超过目标信号检测阈值的样本点作为R波的候选点；对候选点进行后处理，例如通过检查R波的间隔时间和振幅以排除虚假检测；信号检测阈值依据检测到的R波的波峰值进行动态自适应更新。
终端首先会使用建立的初始目标信号检测阈值作为目标信号检测阈值检测心电信号中的第一个R波，然后使用差分阈值法对初始目标信号检测阈值进行更新，在检测到R波并获取到R波峰值后，基于已储存的历史波峰值和当前波峰值自适应更新检测阈值，优选地为R波峰值的0.7，得到目标信号检测阈值上限值。
匹配稳定的信号验证特征时降低阈值方法：该方法的核心思想是在信号稳定性得到满足的情况下逐步降低R波检测阈值，以达到提前检测R波的效果。下面是详细的描述：
在信号满足稳定性判据的时候，即满足R波振幅相对稳定、心电信号具有明显且稳定的周期性、信号的噪声水平较低的时候，可以考虑进一步降低检测阈值，且阈值最低限度位于噪声水平之上。如果信号被判定为稳定，将适度降低目标信号检测的阈值，包括采用信号检测阈值上限值和信号噪声值之间的2/3作为信号稳定时的目标信号检测阈值，并设为上限值。这个调整有助于提高对较小振幅的R波的敏感性，从而实现更早的R波检测。这个过程重复进行，直到目标信号检测阈值收敛逼近到我们所设定的最低限，从而实现提前检测。
使用双线程并行计算方法，同时采用差分阈值检测法更新和基于稳定判断更新阈值的方法对信号进行处理。当信号满足稳定性判据时，逐步降低基于稳定判断更新阈值方法的目标信号检测阈值，以提前检测潜在的R波。
具体而言，当连续5个心跳周期内，两种方法的检测结果一致，使用该阈值替代差分阈值检测法的阈值，并进一步降低目标信号检测阈值。这个过程迭代进行，直到新方法的阈值收敛逼近到我们所设定的最低限，从而实现提前检测。不仅是在不满足稳定性判据的情况下才使用差分阈值检测法，而是在稳定的情况下逐步优化基于稳定判断更新阈值的方法的目标信号检测阈值，以实现更准确的R波检测。
如果此时信号未满足稳定性判定逻辑，我们仍然能够进行有效的R波检测。此时，采用信号检测阈值上限值以进行R波的检测和R波信号的提取。同时，重新进行稳定性评估以及建立信号验证特征，以确保获得的R波信号的准确性和可靠性。
实时检测和输出：在实时心电信号流中，终端持续监测心电信号；当通过信号检测阈值检测到R波时，将输出一个时间戳，时间戳是通过采样率转换后的毫秒参数，用于指示R波的出现，用于控制反搏设备。
控制反搏设备：
终端根据时间戳与IABP***集成，IABP***会根据***的设置和球囊所处的情况决定放气并延时一段时间后充气。通过稳定性判定依据后进一步降低的R波检测阈值，可以***R波的到来，能够为球囊在心脏收缩前的放气争取了更多的时间，对电磁阀器件性能要求放宽，补偿了球囊活动的物理时间延迟。
本实施例中，通过使用预设信号检测阈值检测R波信号，对R波信号进行稳定性判断，并使用R波信号生成检测模板，提高了R波信号的检测准确性，通过对信号检测阈值的实时更新，信号稳定后适当降低信号检测阈值，实现对R波信号的提前检测，从而让球囊的放气相对于常规时间而言可以更早地开始，让球囊在心脏收缩期开始前一刻可以充分的放气，更好地补偿球囊活动的物理时间延迟，提高了主动脉球囊反搏设备的控制准确性，并降低对充放气气路电磁阀的性能要求。
在一个具体实施例中，如图8所示，提供一种心电信号预处理流程示意图。其中，本实施例中的R波信号为目标心电类型信号，则心电信号处理流程如下：
从机器采集的体表导联心电信号中，经过高通滤波器滤除基线漂移以及低通滤波器滤除高频噪声，使用50Hz和60Hz的陷波滤波器去除工频干扰。经过滤波处理后的心电信号经过一阶差分、平方、小窗口滑动平均等处理获取R波显著且干净的心电信号。在小窗口的滑动平均中，输出延迟为窗口大小的一半，合适的窗口大小的设置可以保持整体延迟较低，则在后续的处理步骤中，通过将窗口大小控制在适当的范围内不会引入过多的延迟，能够使得心电信号中的R波特征更加明显，去除噪声和冗余信息，同时保持了数据的实时性，以便更好地预测心脏的周期性节律，从而实现更精准的主动脉球囊反搏时机控制。
在一个具体实施例中，获取R波特征参数：包括R波幅值、RR间期、R波宽度、R波上升沿斜率和下降沿斜率等形态特征。采集包含数个完整心跳周期的心电信号段，使用自适应差分阈值法对这些心跳周期中R波位置进行检测，并基于信号的动态变化，自动调整阈值以准确地定位R波的出现。在每个R波的位置，执行R波幅值、R波宽度和上升沿斜率等特征的计算，通过计算相邻R波之间的时间间隔，获得心跳周期中的RR间期并计算它们的均值，用于评估心率的稳定性和是否在正常范围内。基于RR间期的分析，对心率的规律性和稳定性进行判定，用于检测可能的心律不齐或心律失常。针对可能的室性早搏情况，通过计算心跳周期中出现室性早搏与正常心跳的比例，得到了关于心律失常在信号中相对频率的信息。
形成模板提前检测R波：根据前述步骤获得的预采集计算结果，在心率的规律性明显、估计的噪声水平较低以及室性早搏的时序稳定的情况下，可以安全地调低R波检测的阈值，提前检测R波。根据当前信号的噪声水平自动调整检测阈值，以确保噪声不会对R波的准确检测造成干扰。
R波匹配度验证及模板更新：在提前检测到R波后的位置进行R波形态和R波节律的计算，包括计算R波的幅值大小、宽度和斜率等特征。将这些特征与模板中的预期R波形态进行比对。如果提前检测的R波形态与模板中的R波形态相符合，说明提前检测是准确的，可以继续使用当前模板进行提前检测。检查当前检测的R波心律节拍，确保提前检测的R波在心律节拍方面与当前模板一致，如果提前检测的R波在心律节拍方面与当前模板一致，则确定当前检测模板是可靠的，并且可以继续使用当前模板，并根据已有信息自适应更新阈值，并且在未来的心跳周期中持续使用该模板。如果提前检测的R波形态或心律节拍不符合当前模板，表明当前模板已经失效或不再适用，则清除历史模板，并重新采集心电信号且重新建立适应新信号特征的模板。
评估提前检测效果：对于每次提前检测到的R波，记录其检测时间与实际R波的波峰的时间之间的时间差，该时间差表示提前检测的精确度，即预测R波出现的准确程度。在一定时间段内，收集并计算所有提前检测到的R波与实际R波的波峰之间的时间差，通过计算平均时间差、标准差等统计指标，可以确定R波提前检测的准确性。
在一个具体实施例中，当心电信号的信号特征与特征模板不匹配时，使用差分阈值法生成阈值检测R波，即根据心电信号的幅值特征或波峰值计算信号检测阈值，然后利用检测的R波特征判断R波特征是否稳定。判断过程中，若检测到新的心电信号的信号特征未稳定，则根据新的心电信号的波峰值或幅值特征则更新信号检测阈值，直到心电信号的信号特征稳定；若检测到新的心电信号的信号特征稳定，则使用稳定的R波特征建立新的特征模板，在新的特征模板建立成功后使用稳定的心电信号的波峰值和噪声计算信号检测阈值，并在后续检测到新的心电信号且信号特征匹配特征模板时，使用上一次计算的信号检测阈值和新的心电信号的噪声值更新信号检测阈值，直到检测到心电信号未稳定时重复上述步骤，或者直到新计算的信号检测阈值接近噪声信号时，则停止信号特征稳定状态下的信号检测阈值的更新。本实施例中，通过对原始采集的心电信号进行滤波等预处理过程，得到预处理后的信号，方便后续检测过程的执行。
应该理解的是，虽然如上所述的各实施例所涉及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，如上所述的各实施例所涉及的流程图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。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的心电信号检测方法的心电信号检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个心电信号检测装置实施例中的具体限定可以参见上文中对于心电信号检测方法的限定，在此不再赘述。
在一个示例性的实施例中，如图9所示，提供了一种心电信号检测装置900，包括：信号采集模块902、特征提取模块904、阈值生成模块906、信号检测模块908、特征匹配模块910和特征未匹配模块912，其中：
信号采集模块902，用于采集当前时间段对应的当前心电信号，按照预设信号检测阈值将当前心电信号进行划分，得到当前心电信号对应的目标心电类型信号和当前噪声信号，预设信号检测阈值是当历史心电信号对应的历史信号变化程度未在预设变化程度范围内时，根据历史心电信号的信号类型使用历史心电信号的幅值特征得到的；
特征提取模块904，用于提取目标心电类型信号对应的信号特征，基于信号特征进行信号变化计算，得到当前心电信号中目标心电类型信号对应的信号变化程度；
阈值生成模块906，用于当信号变化程度在预设变化程度范围内时，按照信号特征生成目标心电类型信号对应的信号验证特征，基于目标心电类型信号中的幅值特征和当前噪声信号对应的信号值得到目标心电类型信号对应的目标信号检测阈值；
信号检测模块908，用于获取待检测心电信号，按照目标信号检测阈值和信号验证特征对待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果；
特征匹配模块910，用于当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征匹配时，基于目标信号检测阈值和待检测心电信号的噪声信号计算更新信号检测阈值；
特征未匹配模块910，用于当心电信号检测结果中待检测心电信号对应的待检测信号特征与信号验证特征未匹配时，基于待检测心电信号对应的幅值特征计算更新信号检测阈值，更新信号检测阈值用于进行目标心电类型信号检测。
在一个实施例中，阈值生成模块906，包括：
阈值限值计算，用于基于预设参数对波峰值进行乘积计算，得到信号检测阈值上限值；获取当前噪声信号对应的噪声采样频率，基于当前噪声信号对应的信号值和噪声采样频率进行平均计算，得到信号检测阈值下限值；使用信号检测阈值上限值和信号检测阈值下限值计算目标心电类型信号对应的目标信号检测阈值。
在一个实施例中，特征匹配模块910，包括：
信号确定单元，用于当待检测心电信号对应的信号值达到目标信号检测阈值时，基于目标信号检测阈值将待检测信号进行划分，得到待检测心电信号对应的待检测心电类型信号和噪声信号；提取待检测心电类型信号对应的待检测信号特征，当待检测信号特征与信号验证特征匹配时，确定待检测心电类型信号为目标心电类型信号；将目标信号检测阈值作为信号检测阈值上限值，将待检测心电信号对应的噪声信号作为当前噪声信号，并返回至基于当前噪声信号对应的信号值和噪声采样频率进行平均计算，得到信号检测阈值下限值；使用信号检测阈值上限值和信号检测阈值下限值计算目标心电类型信号对应的目标信号检测阈值的步骤执行，得到更新信号检测阈值。
在一个实施例中，心电信号检测装置900，还包括：
验证特征更新单元，用于当待检测信号特征与信号验证特征未匹配时，基于待检测信号特征进行信号变化计算，得到待检测心电信号对应的待检测信号变化程度；当待检测信号变化程度在预设变化程度范围内时，确定待检测心电类型信号为信号变化的目标心电类型信号，按照待检测信号特征生成更新信号验证特征，更新信号验证特征用于进行目标心电类型信号验证。
在一个实施例中，心电信号检测装置900，还包括：
设备放气触发单元，用于基于预设参数对待检测心电信号中目标心电类型信号的波峰值进行乘积计算，得到待检测心电信号对应的信号检测阈值上限值；将待检测信号特征中待检测信号周期特征与信号周期特征进行匹配，基于匹配结果在信号检测阈值上限值和更新信号检测阈值中确定设备放气触发阈值；获取更新待检测心电信号，当更新待检测心电信号对应的信号值达到设备放气触发阈值时，生成设备放气指令，基于设备放气指令控制反搏设备进行设备放气。
在一个实施例中，心电信号检测装置900，还包括：
设备充气触发单元，用于当检测到待检测心电信号中目标心电类型信号的信号发生时间点时，获取检测时间段，检测时间段是从信号发生时间点到当前时间点的时间段，信号发生时间点是指检测到待检测心电信号中目标心电类型信号的波峰值时的时间点；当检测时间段与预设充气延迟时间段一致时，生成设备充气指令，基于设备充气指令控制反搏设备进行设备充气。
在一个实施例中，信号采集模块902，包括：
信号采集单元，用于采集当前时间段对应的初始当前心电信号，基于初始当前心电信号进行滤波差分计算，得到差分心电信号；获取预设平均滑动窗口，基于平均滑动窗口对差分心电信号进行平均滑动处理，得到当前心电信号。
上述心电信号检测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。
在一个示例性的实施例中，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10所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过***总线连接，通信接口通过输入/输出接口连接到***总线。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和内存储器。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心电信号数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信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电信号检测方法。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图11所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过***总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到***总线。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和内存储器。该非易失性存储介质存储有操作***和计算机程序。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。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种心电信号检测方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图10-11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。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，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。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的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、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、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。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等。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 RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种心电信号检测方法，其特征在于，所述方法包括：
采集当前时间段对应的当前心电信号，按照预设信号检测阈值将所述当前心电信号进行划分，得到所述当前心电信号对应的目标心电类型信号和当前噪声信号，所述预设信号检测阈值是当历史心电信号对应的历史信号变化程度未在预设变化程度范围内时，根据所述历史心电信号的信号类型使用所述历史心电信号的幅值特征得到的；
提取所述目标心电类型信号对应的信号特征，基于所述信号特征进行信号变化计算，得到所述当前心电信号中目标心电类型信号对应的信号变化程度；
当所述信号变化程度在预设变化程度范围内时，按照所述信号特征生成所述目标心电类型信号对应的信号验证特征，基于所述目标心电类型信号中的幅值特征和所述当前噪声信号对应的信号值得到所述目标心电类型信号对应的目标信号检测阈值；
获取待检测心电信号，按照所述目标信号检测阈值和所述信号验证特征对所述待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果；
当所述心电信号检测结果中所述待检测心电信号对应的待检测信号特征与所述信号验证特征匹配时，基于所述目标信号检测阈值和所述待检测心电信号的噪声信号计算更新信号检测阈值；
当所述心电信号检测结果中所述待检测心电信号对应的待检测信号特征与所述信号验证特征未匹配时，基于所述待检测心电信号对应的幅值特征计算更新信号检测阈值，所述更新信号检测阈值用于进行目标心电类型信号检测。
2.根据权利要求1所述的方法，其特征在于，所述基于所述目标心电类型信号中的幅值特征和所述当前噪声信号对应的信号值得到所述目标心电类型信号对应的目标信号检测阈值，包括：
基于预设参数对所述幅值特征进行乘积计算，得到信号检测阈值上限值；
获取所述当前噪声信号对应的噪声采样频率，基于所述当前噪声信号对应的信号值和所述噪声采样频率进行平均计算，得到信号检测阈值下限值，包括根据所述噪声采样频率和噪声判定规则筛选出所述当前噪声信号中各个信号值对应的噪声数据点，统计得到所述当前噪声信号的噪声数据点信号值和总噪声数据点数；将所述当前噪声信号中各个噪声数据点信号值进行累加，得到信号累加值；计算所述信号累加值和所述总噪声数据点数的比值，得到所述信号检测阈值下限值；
使用所述信号检测阈值上限值和所述信号检测阈值下限值计算所述目标心电类型信号对应的目标信号检测阈值。
3.根据权利要求2所述的方法，其特征在于，所述当所述心电信号检测结果中所述待检测心电信号对应的待检测信号特征与所述信号验证特征匹配时，基于所述目标信号检测阈值和所述待检测心电信号的噪声信号计算更新信号检测阈值，包括：
当所述待检测心电信号对应的信号值达到所述目标信号检测阈值时，基于所述目标信号检测阈值将所述待检测信号进行划分，得到所述待检测心电信号对应的待检测心电类型信号和噪声信号；
提取所述待检测心电类型信号对应的待检测信号特征，当所述待检测信号特征与所述信号验证特征匹配时，确定所述待检测心电类型信号为所述目标心电类型信号；
将所述目标信号检测阈值作为所述信号检测阈值上限值，将所述待检测心电信号对应的噪声信号作为所述当前噪声信号，并返回至所述基于所述当前噪声信号对应的信号值和所述噪声采样频率进行平均计算，得到信号检测阈值下限值；使用所述信号检测阈值上限值和所述信号检测阈值下限值计算所述目标心电类型信号对应的目标信号检测阈值的步骤执行，得到所述更新信号检测阈值。
4.根据权利要求3所述的方法，其特征在于，所述方法，还包括：
当所述待检测信号特征与所述信号验证特征未匹配时，基于所述待检测信号特征进行信号变化计算，得到所述待检测心电信号对应的待检测信号变化程度；
当所述待检测信号变化程度在所述预设变化程度范围内时，确定所述待检测心电类型信号为信号变化的目标心电类型信号，按照所述待检测信号特征生成更新信号验证特征，所述更新信号验证特征用于进行目标心电类型信号验证。
5.根据权利要求3所述的方法，其特征在于，所述信号验证特征包括信号周期特征；在所述按照所述目标信号检测阈值和所述信号验证特征对所述待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果之后，还包括：
将所述待检测信号特征中待检测信号周期特征与所述信号周期特征进行匹配，基于匹配结果在所述待检测心电信号对应的信号检测阈值上限值和所述更新信号检测阈值中确定设备放气触发阈值；
获取更新待检测心电信号，当所述更新待检测心电信号对应的信号值达到所述设备放气触发阈值时，生成设备放气指令，基于所述设备放气指令控制反搏设备进行设备放气。
6.根据权利要求1所述的方法，其特征在于，在所述按照所述目标信号检测阈值和所述信号验证特征对所述待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果之后，还包括：
当检测到所述待检测心电信号中目标心电类型信号的信号发生时间点时，获取检测时间段，所述检测时间段是从所述信号发生时间点到当前时间点的时间段，所述信号发生时间点是指检测到所述待检测心电信号中目标心电类型信号的波峰值时的时间点；
当所述检测时间段与预设充气延迟时间段一致时，生成设备充气指令，基于所述设备充气指令控制反搏设备进行设备充气。
7.根据权利要求1所述的方法，其特征在于，所述采集当前时间段对应的当前心电信号，包括：
采集当前时间段对应的初始当前心电信号，基于所述初始当前心电信号进行滤波差分计算，得到差分心电信号；
获取预设平均滑动窗口，基于所述平均滑动窗口对所述差分心电信号进行平均滑动处理，得到所述当前心电信号。
8.一种心电信号检测装置，其特征在于，所述装置包括：
信号采集模块，用于采集当前时间段对应的当前心电信号，按照预设信号检测阈值将所述当前心电信号进行划分，得到所述当前心电信号对应的目标心电类型信号和当前噪声信号，所述预设信号检测阈值是当历史心电信号对应的历史信号变化程度未在预设变化程度范围内时，根据所述历史心电信号的信号类型使用所述历史心电信号的幅值特征得到的；
特征提取模块，用于提取所述目标心电类型信号对应的信号特征，基于所述信号特征进行信号变化计算，得到所述当前心电信号中目标心电类型信号对应的信号变化程度；
阈值生成模块，用于当所述信号变化程度在预设变化程度范围内时，按照所述信号特征生成所述目标心电类型信号对应的信号验证特征，基于所述目标心电类型信号中的幅值特征和所述当前噪声信号对应的信号值得到所述目标心电类型信号对应的目标信号检测阈值；
信号检测模块，用于获取待检测心电信号，按照所述目标信号检测阈值和所述信号验证特征对所述待检测心电信号进行目标心电类型信号检测，得到心电信号检测结果；
特征匹配模块，用于当所述心电信号检测结果中所述待检测心电信号对应的待检测信号特征与所述信号验证特征匹配时，基于所述目标信号检测阈值和所述待检测心电信号的噪声信号计算更新信号检测阈值；
特征未匹配模块，用于当所述心电信号检测结果中所述待检测心电信号对应的待检测信号特征与所述信号验证特征未匹配时，基于所述待检测心电信号对应的幅值特征计算更新信号检测阈值，所述更新信号检测阈值用于进行目标心电类型信号检测。
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 |
|---|---|---|---|
| CN202311789682.4A CN117462141B (zh) | 2023-12-25 | 2023-12-25 | 心电信号检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311789682.4A CN117462141B (zh) | 2023-12-25 | 2023-12-25 | 心电信号检测方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117462141A CN117462141A (zh) | 2024-01-30 |
| CN117462141B true CN117462141B (zh) | 2024-03-26 |
Family
ID=89633307
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311789682.4A Active CN117462141B (zh) | 2023-12-25 | 2023-12-25 | 心电信号检测方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117462141B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120133790A (ko) * | 2011-06-01 | 2012-12-11 | (주)한국티이에스 | 심실부정맥 판단을 위한 특징점 검출방법 |
| CN107041743A (zh) * | 2017-04-05 | 2017-08-15 | 南京大学 | 一种心电信号实时r波检测方法 |
| CN108460350A (zh) * | 2018-02-25 | 2018-08-28 | 柏塔科技（深圳）有限公司 | 一种自学习ecg qrs波检测装置及其自学习方法 |
| CN109009085A (zh) * | 2018-07-06 | 2018-12-18 | 四川斐讯信息技术有限公司 | 一种心电信号r波检测方法及*** |
| CN109497994A (zh) * | 2019-01-16 | 2019-03-22 | 上海掌门科技有限公司 | 一种心电信号r波的检测方法、设备及计算机可读介质 |
| CN111513706A (zh) * | 2020-04-20 | 2020-08-11 | 重庆邮电大学 | 一种针对含有异常r波的心电信号的检测方法和装置 |
| WO2021108950A1 (zh) * | 2019-12-02 | 2021-06-10 | 深圳迈瑞生物医疗电子股份有限公司 | 监护方法及监护装置、监护设备、计算机可读存储介质 |
| CN113100779A (zh) * | 2020-01-10 | 2021-07-13 | 深圳市理邦精密仪器股份有限公司 | 心室纤颤的检测方法、装置及监测设备 |
| CN113520401A (zh) * | 2021-06-18 | 2021-10-22 | 清华大学 | 心电信号的分类方法和装置 |
| WO2021238082A1 (zh) * | 2020-05-28 | 2021-12-02 | 深圳邦健生物医疗设备股份有限公司 | 心电信号处理方法、装置、设备及可读介质 |
| CN116350238A (zh) * | 2023-03-14 | 2023-06-30 | 武汉中旗生物医疗电子有限公司 | 一种自适应阈值r波检测方法、装置、设备及存储介质 |
| CN116849669A (zh) * | 2023-08-03 | 2023-10-10 | 西安瑞新康达医疗科技有限公司 | 一种心电信号信号处理***及除颤器 |
| CN117224146A (zh) * | 2023-09-27 | 2023-12-15 | 武汉中科医疗科技工业技术研究院有限公司 | 一种在心电信号中检测特征波的方法和*** |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8909332B2 (en) * | 2010-01-26 | 2014-12-09 | Stmicroelectronics S.R.L. | Method and device for estimating morphological features of heart beats |
| US9775559B2 (en) * | 2013-04-26 | 2017-10-03 | Medtronic, Inc. | Staged rhythm detection system and method |
| US20160045117A1 (en) * | 2014-08-14 | 2016-02-18 | Nehemiah T. Liu | Peak Detection System and Method for Calculation of Signal-Derived Metrics |
| WO2018074145A1 (ja) * | 2016-10-17 | 2018-04-26 | 日本電信電話株式会社 | 心拍検出方法および心拍検出装置 |
| CN107951485B (zh) * | 2017-11-27 | 2019-06-11 | 深圳市凯沃尔电子有限公司 | 基于人工智能自学习的动态心电图分析方法和装置 |
-
2023
- 2023-12-25 CN CN202311789682.4A patent/CN117462141B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120133790A (ko) * | 2011-06-01 | 2012-12-11 | (주)한국티이에스 | 심실부정맥 판단을 위한 특징점 검출방법 |
| CN107041743A (zh) * | 2017-04-05 | 2017-08-15 | 南京大学 | 一种心电信号实时r波检测方法 |
| CN108460350A (zh) * | 2018-02-25 | 2018-08-28 | 柏塔科技（深圳）有限公司 | 一种自学习ecg qrs波检测装置及其自学习方法 |
| CN109009085A (zh) * | 2018-07-06 | 2018-12-18 | 四川斐讯信息技术有限公司 | 一种心电信号r波检测方法及*** |
| CN109497994A (zh) * | 2019-01-16 | 2019-03-22 | 上海掌门科技有限公司 | 一种心电信号r波的检测方法、设备及计算机可读介质 |
| WO2021108950A1 (zh) * | 2019-12-02 | 2021-06-10 | 深圳迈瑞生物医疗电子股份有限公司 | 监护方法及监护装置、监护设备、计算机可读存储介质 |
| CN113100779A (zh) * | 2020-01-10 | 2021-07-13 | 深圳市理邦精密仪器股份有限公司 | 心室纤颤的检测方法、装置及监测设备 |
| CN111513706A (zh) * | 2020-04-20 | 2020-08-11 | 重庆邮电大学 | 一种针对含有异常r波的心电信号的检测方法和装置 |
| WO2021238082A1 (zh) * | 2020-05-28 | 2021-12-02 | 深圳邦健生物医疗设备股份有限公司 | 心电信号处理方法、装置、设备及可读介质 |
| CN113520401A (zh) * | 2021-06-18 | 2021-10-22 | 清华大学 | 心电信号的分类方法和装置 |
| CN116350238A (zh) * | 2023-03-14 | 2023-06-30 | 武汉中旗生物医疗电子有限公司 | 一种自适应阈值r波检测方法、装置、设备及存储介质 |
| CN116849669A (zh) * | 2023-08-03 | 2023-10-10 | 西安瑞新康达医疗科技有限公司 | 一种心电信号信号处理***及除颤器 |
| CN117224146A (zh) * | 2023-09-27 | 2023-12-15 | 武汉中科医疗科技工业技术研究院有限公司 | 一种在心电信号中检测特征波的方法和*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117462141A (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101683908B1 (ko) | 적응 조각 이음 알고리즘에 의한 심폐소생술 중의 진성 심전도 측정 | |
| US9131867B2 (en) | Atrial fibrillation detection | |
| CN106659900B (zh) | 用于估计心率的具有自相关装置并具有分析装置的可植入医疗装置 | |
| JP5019457B2 (ja) | 急激な血圧変化の検知 | |
| CN105662375B (zh) | 非接触式检测生命体征信号的方法和装置 | |
| CN111091116B (zh) | 一种用于判断心律失常的信号处理方法及*** | |
| US9943244B2 (en) | Waveform feature value averaging system and methods for the detection of cardiac events | |
| US20160235368A1 (en) | Device, method and system for processing a physiological signal | |
| Zhang et al. | VLSI friendly ECG QRS complex detector for body sensor networks | |
| US20070129639A1 (en) | Methods and analysis for cardiac ischemia detection | |
| JP6689285B2 (ja) | 被験者のバイタルサインを監視する際に用いる加速度計信号を処理する処理装置、システム、及び方法 | |
| EP3048972A1 (en) | Processing apparatus, processing method and system for processing a physiological signal | |
| WO2009091348A1 (en) | Method and apparatus for detection of tachyarrhythmia using cycle lengths | |
| EP2895063A1 (en) | A system and method for detecting a characteristic in an ecg waveform | |
| CA2861500A1 (en) | Methods and systems for atrial fibrillation detection | |
| WO2015171804A1 (en) | Detecting artifacts in a signal | |
| KR20150005659A (ko) | 심장 기능부전들 및 비정상들을 나타내는 정보를 결정하기 위한 방법 및 장치 | |
| Lee et al. | A real-time abnormal beat detection method using a template cluster for the ECG diagnosis of IoT devices | |
| Lee et al. | A real time QRS detection using delay-coordinate mapping for the microcontroller implementation | |
| US20090076404A1 (en) | System and methods for analyzing QRS curvature to detect cardiac events | |
| US8818494B2 (en) | System for ventricular function abnormality detection and characterization | |
| CN117462141B (zh) | 心电信号检测方法、装置、计算机设备和存储介质 | |
| KR101420345B1 (ko) | 차감 동작 기법 기반의 심전도 신호의 ｒ파 검출 시스템 및 방법 | |
| KR101293248B1 (ko) | Ｒｒ간격을 이용한 심실조기수축 판별 시스템, 심실조기수축 판별 방법 및 이를 수행 하는 프로그램이 기록된 저장매체 | |
| EP3880062A1 (en) | Method of estimating heart rate and detecting tachyarrhythmia |
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 |