CN117814809A - 一种房性心动过速事件批量识别方法、终端设备及介质 - Google Patents
一种房性心动过速事件批量识别方法、终端设备及介质 Download PDFInfo
- Publication number
- CN117814809A CN117814809A CN202410244579.XA CN202410244579A CN117814809A CN 117814809 A CN117814809 A CN 117814809A CN 202410244579 A CN202410244579 A CN 202410244579A CN 117814809 A CN117814809 A CN 117814809A
- Authority
- CN
- China
- Prior art keywords
- events
- coordinate system
- interval
- event
- atrial tachycardia
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 206010003668 atrial tachycardia Diseases 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000001746 atrial effect Effects 0.000 claims abstract description 22
- 208000000418 Premature Cardiac Complexes Diseases 0.000 claims abstract description 18
- 230000002776 aggregation Effects 0.000 claims abstract description 4
- 238000004220 aggregation Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 3
- 230000001447 compensatory effect Effects 0.000 abstract description 4
- 230000002028 premature Effects 0.000 description 5
- 206010003658 Atrial Fibrillation Diseases 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 206010003130 Arrhythmia supraventricular Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 206010015856 Extrasystoles Diseases 0.000 description 1
- 206010042600 Supraventricular arrhythmias Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 210000003403 autonomic nervous system Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001314 paroxysmal effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种房性心动过速事件批量识别方法、终端设备及介质,该方法中包括:提取心电图数据中的所有疑似房性心动过速事件;以首个房早心搏的前间期和最后一个房早心搏的代偿间期分别作为二维坐标系中的两个坐标轴的值的方式构建第一坐标系;以平均心率、心率变异度和RR间期结构性指数三者中的任意两者的值作为二维坐标系中的两个坐标轴的值的方式构建第二坐标系;将所有事件填充至两个坐标系的对应坐标处;基于坐标系中点的聚集情况对所有事件进行分类;基于分类结果,以每个类别中的其中一个事件的是否属于房性心动过速判定结果作为该类别中的所有事件的判定结果。本发明能够批量且快捷的处理疑似房性心动过速事件,提升工作效率。
Description
技术领域
本发明涉及心电图分析领域,尤其涉及一种房性心动过速事件批量识别方法、终端设备及介质。
背景技术
在日常动态心电图诊断分析工作过程中,软件会对心电数据进行预分析,医生基于预分析的结果进行继续诊断。目前动态心电图中房性心律失常的处理对诊断医生来说属于比较费时费力的一项工作。
房性心动过速是指连续发生的3个或以上的快速心房激动,其频率多为120-220次/分,在心电图上表现为连续3个或以上房早心搏(S)。房性心动过速是一种常见的房性心律失常事件,而这种事件往往会呈阵发性,可以持续数秒、数分钟或者数小时,所以提供一种能批量且快捷方便的方法来处理房性心动过速事件可以大幅提升诊断医生的工作效率。
发明内容
为了解决上述问题,本发明提出了一种房性心动过速事件批量识别方法、终端设备及介质。
具体方案如下:
一种房性心动过速事件批量识别方法,包括以下步骤:
S1:提取心电图数据中的所有疑似房性心动过速事件;
S2:针对每个事件,计算其首个房早心搏的前间期和最后一个房早心搏的代偿间期的值,并以首个房早心搏的前间期和最后一个房早心搏的代偿间期分别作为二维坐标系中的两个坐标轴的值的方式构建第一坐标系,将所有事件填充至第一坐标系的对应坐标处;
S3:针对每个事件,计算其平均心率、心率变异度和RR间期结构性指数三者中的任意两者的值,并以计算的任意两者作为二维坐标系中的两个坐标轴的值的方式构建第二坐标系,将所有事件填充至第二坐标系的对应坐标处;
S4:基于第一坐标系和第二坐标系填充后的结果中各事件对应的点的聚集情况对所有事件进行分类;
S5:基于分类结果,以每个类别中的其中一个事件的是否属于房性心动过速判定结果作为该类别中的所有事件的判定结果。
进一步的,心率变异度的计算公式为:
其中,RMSSD表示心率变异度,和/>分别表示将事件对应的心电图数据的RR间期按照时间排序后对应的第i个RR间期和第i+1个RR间期,i表示RR间期的序号,n表示RR间期的总数。
进一步的, RR间期结构性指数的计算过程包括:
S101:基于事件对应的心电图数据,将其对应的所有RR间期按照时间排序后得到RR间期时间序列X=[RR1,RR2,RR3······RRn],其中,RRi表示第i个RR间期,i∈[1,n],n表示RR间期的总数;
S102:基于RR间期时间序列X构造向量集合Y={Y1(m)= (RR1, …,RRm),Y2(m)=(RR2, …,RRm+1),… ,Yn-m+1(m)= (RRn-m+1, …,RRn)},其中,Y1(m)、Y2(m) ,… , Yn-m+1(m)均表示向量子集,m表示组成向量子集的元素的数量;
S103:计算向量集合Y中任意两个向量子集之间的距离的均值D(m);
S104:基于距离的均值D(m)计算事件的结构性指数:
其中,M表示预设的组成向量子集的元素的数量最大值。
进一步的,步骤S5中还包括:基于分类结果,将一类事件对应的点在坐标系中采用同种颜色显示,不同类事件对应的点在坐标系中采用不同颜色显示。
进一步的,基于事件的持续时间长短为各事件在坐标系中对应的点设置不同的大小。
一种房性心动过速事件批量识别终端设备,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。
本发明采用如上技术方案,能够批量且快捷的处理疑似房性心动过速事件,提升医护人员的工作效率。
附图说明
图1所示为本发明实施例一方法的流程图。
图2所示为该实施例中第一坐标系的示意图。
图3所示为该实施例中第二坐标系的示意图。
图4所示为该实施例中整体显示界面示意图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
实施例一:
本发明实施例提供了一种房性心动过速事件批量识别方法,如图1所示,所述方法包括以下步骤:
S1:提取心电图数据中的所有疑似房性心动过速事件。
疑似房性心动过速事件为所有可能为房性心动过速的事件,这些事件需要通过下述步骤进一步分析识别。本实施例中将疑似房性心动过速事件通过用于定位事件头与尾的按钮进行人工筛选。
S2:针对每个事件,计算其首个房早心搏的前间期和最后一个房早心搏的代偿间期的值,并以首个房早心搏的前间期和最后一个房早心搏的代偿间期分别作为二维坐标系中的两个坐标轴的值的方式构建第一坐标系,将所有事件填充至第一坐标系的对应坐标处。
间期是指当前心搏与上一个心搏的时间间隔,单位为毫秒。
代偿间期是指早搏的过程中,由于早搏的提前收缩而导致心律的重整,从而出现代偿间隙,单位为毫秒。
本实施例中构建的第一坐标系如图2所示,其中横坐标为首个房早心搏的前间期,纵坐标为最后一个房早心搏的代偿间期。
S3:针对每个事件,计算其平均心率、心率变异度和RR间期结构性指数三者中的任意两者的值,并以计算的任意两者作为二维坐标系中的两个坐标轴的值的方式构建第二坐标系,将所有事件填充至第二坐标系的对应坐标处。
平均心率是指在房性心动过速发作期间每分钟的心跳数,单位为次/分钟。
心率变异度是指心率在不同时间点之间的变化程度,它反映了自主神经***对心脏的控制能力。本实施例中心率变异度的计算公式为:
其中,RMSSD表示心率变异度,和/>分别表示将事件对应的心电图数据的RR间期按照时间排序后对应的第i个RR间期和第i+1个RR间期,i表示RR间期的序号,i∈[1,n], n表示RR间期的总数。
在动态心电图诊断里容易将房性心动过速与心房颤动以及房早二联律、房早三联律等室上性心律失常混淆。从RR间期的规律性来看:房性心动过速的RR间期相对变化不大;心房颤动的RR间期是绝对不规整的;而房早二联律和房早三联律的RR间期会发生一短一长或者一短二长的规律性变化。为了利用每阵事件的RR间期时间序列的结构性来区分不同的性质,本实施例中引入了RR间期结构性指数的概念,计算过程如下:
S101:基于事件对应的心电图数据,将其对应的所有RR间期按照时间排序后得到RR间期时间序列X=[RR1,RR2,RR3······RRn],其中,RRi表示第i个RR间期。
S102:基于RR间期时间序列X构造向量集合Y={Y1(m)= (RR1, …,RRm),Y2(m)=(RR2, …,RRm+1),… ,Yn-m+1(m)= (RRn-m+1, …,RRn)},其中,Y1(m)、Y2(m) ,… , Yn-m+1(m)均表示向量子集,m表示组成向量子集的元素的数量。
S103:计算向量集合Y中任意两个向量子集之间的距离的均值D(m)。
本实施例中在距离的均值D(m)的计算中,首先计算所有的任意两个向量子集之间的距离,之后将所有的任意两个向量子集之间的距离相加,再将相加结果除以相加过程中加数的数量,即。本实施例中距离的计算中采用L2范数距离。
S104:基于距离的均值D(m)计算事件的结构性指数:
其中,M表示预设的组成向量子集的元素的数量最大值,本实施例中M取值为4。
通过计算结构性指数,如果一个时间序列的结构性指数越大,说明这一段时间序列分布越随机,那么这一段时间序列的对应事件是心房颤动事件的概率越大;如果一个时间序列的结构性指数越小,那么这一段时间序列的对应事件是房性心动过速的概率越大。
本实施例中构建的第二坐标系如图3所示,其中横坐标为RR间期结构性指数,纵坐标为心率变异度。
S4:基于第一坐标系和第二坐标系填充后的结果中各事件对应的点的聚集情况对所有事件进行分类。
分类过程可以采用常用的聚类算法,如计算两点之间的距离,将距离小于设定的距离阈值的点分为一类。
S5:基于分类结果,以每个类别中的其中一个事件的是否属于房性心动过速判定结果作为该类别中的所有事件的判定结果。
本实施例中由于有两个坐标系,当某个点在两个坐标系中分类结果不一致时,优先将该点所在的类别对应数量最多的分类结果作为该点的分类结果。
在一种实施方式中,可以将一类事件对应的点在坐标系中采用同种颜色显示,不同类事件对应的点在坐标系中采用不同颜色显示,以方便医护人员识别。
进一步的,由于每阵事件的持续时间有差异,为了方便医护人员进行观察,本实施例中基于持续时间长短为各事件对应的点设置不同的大小。
本实施例中医护人员通过观察以上两种坐标系中各点的分布情况,任意圈选点的范围即可反向筛选出对应的事件详细心电图波形显示在如图4左侧所示的列表中,并支持批量修改。
实施例二:
本发明还提供一种房性心动过速事件批量识别终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。
进一步地,作为一个可执行方案,所述房性心动过速事件批量识别终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述房性心动过速事件批量识别终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,上述房性心动过速事件批量识别终端设备的组成结构仅仅是房性心动过速事件批量识别终端设备的示例,并不构成对房性心动过速事件批量识别终端设备的限定,可以包括比上述更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述房性心动过速事件批量识别终端设备还可以包括输入输出设备、网络接入设备、总线等,本发明实施例对此不做限定。
进一步地,作为一个可执行方案,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital SignalProcessor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述房性心动过速事件批量识别终端设备的控制中心,利用各种接口和线路连接整个房性心动过速事件批量识别终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述房性心动过速事件批量识别终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
所述房性心动过速事件批量识别终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)以及软件分发介质等。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (7)
1.一种房性心动过速事件批量识别方法,其特征在于,包括以下步骤:
S1:提取心电图数据中的所有疑似房性心动过速事件;
S2:针对每个事件,计算其首个房早心搏的前间期和最后一个房早心搏的代偿间期的值,并以首个房早心搏的前间期和最后一个房早心搏的代偿间期分别作为二维坐标系中的两个坐标轴的值的方式构建第一坐标系,将所有事件填充至第一坐标系的对应坐标处;
S3:针对每个事件,计算其平均心率、心率变异度和RR间期结构性指数三者中的任意两者的值,并以计算的任意两者作为二维坐标系中的两个坐标轴的值的方式构建第二坐标系,将所有事件填充至第二坐标系的对应坐标处;
S4:基于第一坐标系和第二坐标系填充后的结果中各事件对应的点的聚集情况对所有事件进行分类;
S5:基于分类结果,以每个类别中的其中一个事件的是否属于房性心动过速判定结果作为该类别中的所有事件的判定结果。
2.根据权利要求1所述的房性心动过速事件批量识别方法,其特征在于:心率变异度的计算公式为:
其中,RMSSD表示心率变异度,和/>分别表示将事件对应的心电图数据的RR间期按照时间排序后对应的第i个RR间期和第i+1个RR间期,i表示RR间期的序号,n表示RR间期的总数。
3.根据权利要求1所述的房性心动过速事件批量识别方法,其特征在于:RR间期结构性指数的计算过程包括:
S101:基于事件对应的心电图数据,将其对应的所有RR间期按照时间排序后得到RR间期时间序列X=[RR1,RR2,RR3······RRn],其中,RRi表示第i个RR间期,i∈[1,n], n表示RR间期的总数;
S102:基于RR间期时间序列X构造向量集合Y={Y1(m)= (RR1, …,RRm),Y2(m)= (RR2,…,RRm+1),… ,Yn-m+1(m)= (RRn-m+1, …,RRn)},其中,Y1(m)、Y2(m) ,… , Yn-m+1(m)均表示向量子集,m表示组成向量子集的元素的数量;
S103:计算向量集合Y中任意两个向量子集之间的距离的均值D(m);
S104:基于距离的均值D(m)计算事件的结构性指数:
其中,M表示预设的组成向量子集的元素的数量最大值。
4.根据权利要求1所述的房性心动过速事件批量识别方法,其特征在于:步骤S5中还包括:基于分类结果,将一类事件对应的点在坐标系中采用同种颜色显示,不同类事件对应的点在坐标系中采用不同颜色显示。
5.根据权利要求1所述的房性心动过速事件批量识别方法,其特征在于:基于事件的持续时间长短为各事件在坐标系中对应的点设置不同的大小。
6.一种房性心动过速事件批量识别终端设备,其特征在于:包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1~5中任一所述方法的步骤。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1~5中任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410244579.XA CN117814809B (zh) | 2024-03-05 | 2024-03-05 | 一种房性心动过速事件批量识别方法、终端设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410244579.XA CN117814809B (zh) | 2024-03-05 | 2024-03-05 | 一种房性心动过速事件批量识别方法、终端设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117814809A true CN117814809A (zh) | 2024-04-05 |
CN117814809B CN117814809B (zh) | 2024-05-03 |
Family
ID=90515576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410244579.XA Active CN117814809B (zh) | 2024-03-05 | 2024-03-05 | 一种房性心动过速事件批量识别方法、终端设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117814809B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080161703A1 (en) * | 2006-12-28 | 2008-07-03 | Houben Richard P M | Method and Apparatus for Atrial Arrhythmia Detection |
CN102314684A (zh) * | 2011-07-18 | 2012-01-11 | 复旦大学 | 评价Lorenz散点图离散程度的量化方法 |
CN104382582A (zh) * | 2014-11-10 | 2015-03-04 | 哈尔滨医科大学 | 一种对动态心电数据进行分类的装置 |
US20160063207A1 (en) * | 2013-04-02 | 2016-03-03 | Georg Schmidt | Device and method for assessing mortality risk of a cardiac patient |
CN113647960A (zh) * | 2021-07-22 | 2021-11-16 | 厦门纳龙科技有限公司 | 一种心率失常的快速识别方法、终端设备及存储介质 |
CN116919371A (zh) * | 2022-03-31 | 2023-10-24 | 北京荣耀终端有限公司 | 一种检测心律的方法和电子设备 |
-
2024
- 2024-03-05 CN CN202410244579.XA patent/CN117814809B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080161703A1 (en) * | 2006-12-28 | 2008-07-03 | Houben Richard P M | Method and Apparatus for Atrial Arrhythmia Detection |
CN102314684A (zh) * | 2011-07-18 | 2012-01-11 | 复旦大学 | 评价Lorenz散点图离散程度的量化方法 |
US20160063207A1 (en) * | 2013-04-02 | 2016-03-03 | Georg Schmidt | Device and method for assessing mortality risk of a cardiac patient |
CN104382582A (zh) * | 2014-11-10 | 2015-03-04 | 哈尔滨医科大学 | 一种对动态心电数据进行分类的装置 |
CN113647960A (zh) * | 2021-07-22 | 2021-11-16 | 厦门纳龙科技有限公司 | 一种心率失常的快速识别方法、终端设备及存储介质 |
CN116919371A (zh) * | 2022-03-31 | 2023-10-24 | 北京荣耀终端有限公司 | 一种检测心律的方法和电子设备 |
Non-Patent Citations (4)
Title |
---|
刘永华;刘玉洁;: "慢性心力衰竭患者动态心率震荡分析", 中国循证心血管医学杂志, no. 06, 20 December 2013 (2013-12-20) * |
张荣;张立藩;: "心率变异性研究进展", 心血管病学进展, no. 06 * |
景永明;向晋涛;: "差值散点图形成的解析几何数学原理及应用", 中国心脏起搏与心电生理杂志, no. 02, 10 April 2013 (2013-04-10) * |
胡敏;: "快速性室性心律失常发作前心电三维RR间期散点图量化特征", 中国心脏起搏与心电生理杂志, no. 02, 25 April 2020 (2020-04-25) * |
Also Published As
Publication number | Publication date |
---|---|
CN117814809B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110464333B (zh) | 一种心电图数据的存储方法及装置 | |
AU2016365753B2 (en) | Atrial fibrillation detection system and methods of use | |
US8046060B2 (en) | Differentiating arrhythmic events having different origins | |
Lopes et al. | Improving electrocardiogram-based detection of rare genetic heart disease using transfer learning: An application to phospholamban p. Arg14del mutation carriers | |
CN113786200B (zh) | 心电信号处理方法、装置、设备及可读介质 | |
CN106108880B (zh) | 一种心拍自动识别方法及*** | |
CN112528783B (zh) | 心电图心搏数据聚类方法、装置、电子设备和介质 | |
CN113876335B (zh) | 心电图心搏分类方法、装置、电子设备和介质 | |
CN111053551B (zh) | Rr间期心电数据分布显示方法、装置、计算机设备和介质 | |
CN110680278B (zh) | 基于卷积神经网络的心电信号识别装置 | |
CN111904411B (zh) | 基于多尺度特征提取的多导联心跳信号分类方法及装置 | |
Yu et al. | A switchable scheme for ECG beat classification based on independent component analysis | |
CN111920399A (zh) | 心率变异性的分析方法及装置 | |
CN114494798A (zh) | 一种心电图伪差确认方法、终端设备及存储介质 | |
CN118021316A (zh) | 动态心电数据处理方法及装置、电子设备及存储介质 | |
CN112971798A (zh) | 心电信号处理方法、装置、终端及存储介质 | |
CN117814809B (zh) | 一种房性心动过速事件批量识别方法、终端设备及介质 | |
Mehari et al. | Ecg feature importance rankings: Cardiologists vs. algorithms | |
CN110009711B (zh) | 一种心搏组合特征散点图生成方法、终端设备及存储介质 | |
CN113647960B (zh) | 一种心律失常的快速识别方法、终端设备及存储介质 | |
CN111493856B (zh) | 心搏分类的修正方法、装置、心电图检查***及存储介质 | |
CN111449647B (zh) | 一种心电图识别方法、装置、存储介质及电子设备 | |
WO2021249858A1 (en) | Methods and systems for searching an ecg database | |
Arenas et al. | Morphological and temporal ecg features for myocardial infarction detection using support vector machines | |
CN112826479A (zh) | 一种心脏状态评估方法、装置、终端设备及存储介质 |
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 |