糖尿病并发症视网膜病变数据检测方法、仪器及医疗设备技术

本发明专利技术涉及医疗仪器技术领域，公开了一种糖尿病并发症视网膜病变数据的检测方法、仪器及医疗设备。所述糖尿病并发症视网膜病变数据的检测方法，包括：采集患者的心电信号数据；计算采集的心电信号数据中RR间期序列；对计算的RR间期序列进行特征分析以获取特征数据；将分析获取的特征数据与预先训练的视网膜病变检测模型进行特征匹配；以及根据特征匹配的结果生成糖尿病并发症视网膜病变的检测数据。本发明专利技术的技术方案，可方便快捷地基于糖尿病并发症视网膜病变的检测数据、患者病情或结合其他医疗检测数据情进一步分析，以对患者进行视网膜病变的诊断和治疗，提升了糖尿病并发症视网膜病变数据检测的便捷性、舒适性、工作效率和用户体验。

Data detection methods, instruments and medical equipment for diabetic complications with retinopathy

The invention relates to the technical field of medical instruments, and discloses a detection method, apparatus and medical equipment for diabetic complications retinopathy data. The detection method of diabetic complications retinopathy data includes: collecting patients'ECG data; calculating the RR interval sequence of the collected ECG data; analyzing the calculated RR interval sequence to obtain the characteristic data; matching the characteristic data obtained by the analysis with the pre-trained retinopathy detection model; and matching according to the characteristics. Results The detection data of diabetic complications retinopathy were generated. The technical scheme of the invention can conveniently and quickly analyze the detection data of diabetic complications retinopathy, the patient's condition or other medical detection data, so as to diagnose and treat the patients with retinopathy, and improve the convenience, comfort, work efficiency and user experience of the detection of diabetic complications retinopathy data.

【技术实现步骤摘要】
糖尿病并发症视网膜病变数据检测方法、仪器及医疗设备
本专利技术涉及医疗仪器
，尤其涉及一种糖尿病并发症视网膜病变数据的检测方法、仪器及医疗设备。
技术介绍
糖尿病影响人体的新陈代谢，还容易引起并发症视网膜病变。目前糖尿病并发症视网膜病变需要患者去医院和采用专业的仪器进行检测，通常采用散瞳眼底检查、眼底荧光血管造影、B超检查或OCT检查等方式进行检测，检测会耗费患者较多时间和精力，同时会给患者带来生理痛苦，导致糖尿病并发症视网膜病变数据检测的便捷性、舒适性、工作效率和用户体验不佳。
技术实现思路
鉴于此，本专利技术提供一种糖尿病并发症视网膜病变数据的检测方法、仪器及医疗设备，解决现有糖尿病并发症视网膜病变数据检测的便捷性、舒适性、工作效率和用户体验不佳的技术问题。根据本专利技术一个实施例，提供一种糖尿病并发症视网膜病变数据的检测方法，包括：采集患者的心电信号数据；计算采集的心电信号数据中RR间期序列；对计算的RR间期序列进行特征分析以获取特征数据；将分析获取的特征数据与预先训练的视网膜病变检测模型进行特征匹配；以及根据特征匹配的结果生成糖尿病并发症视网膜病变的检测数据。优选的，所述糖尿病并发症视网膜病变数据的检测方法还包括训练视网膜病变检测模型，所述训练视网膜病变检测模型，包括：采集不同患者不同时间的心电信号以及对应的视网膜病变数据；通过训练模型算法对采集的心电信号以及对应的视网膜病变数据进行训练，以生成心电信号和视网膜病变数据对应关系的模型函数；以及基于生成的模型函数和采集的视网膜病变数据生成视网膜病变检测模型。优选的，所述特征数据为时域特征、频域特征、非线性特征中的一种或组合。优选的，所述时域特征为RR间期的平均值、标准差、平均值的标准差、相邻RR间期差值的平方根、相邻RR间期差值大于阈值的数量、相邻RR间期差值大于阈值的数量与全部RR间期的数量的比值中的一种或组合，所述频域特征为心电信号频域图像中不同频段的线下面积、心电信号频域图像中不同频段下线下面积占总线下面积的百分比、心电信号频域图像中不同频段下线下面积相互之间的比值中的一种或组合，所述非线性特征为心电信号去波动趋势后时间序列图像的整体斜率、心电信号去趋势波动分析后第一段时间序列图像的斜率、心电信号去趋势波动分析后第二段时间序列图像的斜率中的一种或组合。优选的，在所述根据特征匹配的结果生成糖尿病并发症视网膜病变的检测数据之后，还包括：当生成的检测数据超出预设警戒范围时，提醒所述检测数据。根据本专利技术另一个实施例，还提供一种糖尿病并发症视网膜病变数据的检测仪器，包括：心电信号采集模块，用于采集患者的心电信号数据；RR间期序列计算模块，用于计算所述心电信号采集模块采集的心电信号数据中RR间期序列；特征数据分析模块，用于对所述RR间期序列计算模块计算的RR间期序列进行特征分析以获取特征数据；检测模型匹配模块，用于将所述特征数据分析模块分析获取的特征数据与预先训练的视网膜病变检测模型进行特征匹配；以及检测数据生成模块，用于根据所述检测模型匹配模块的特征匹配的结果生成糖尿病并发症视网膜病变的检测数据。优选的，所述糖尿病并发症视网膜病变数据的检测仪器还包括视网膜病变检测模型训练模块，所述视网膜病变检测模型训练模块进一步包括：数据采集单元，用于采集不同患者不同时间的心电信号以及对应的视网膜病变数据；模型函数训练单元，用于通过训练模型算法对所述数据采集单元采集的心电信号以及对应的视网膜病变数据进行训练，以生成心电信号和视网膜病变数据对应关系的模型函数；以及检测模型生成单元，用于基于所述模型函数训练单元生成的模型函数和所述数据采集单元采集的视网膜病变数据生成视网膜病变检测模型。优选的，所述特征数据为时域特征、频域特征、非线性特征中的一种或组合。优选的，所述时域特征为RR间期的平均值、标准差、平均值的标准差、相邻RR间期差值的平方根、相邻RR间期差值大于阈值的数量、相邻RR间期差值大于阈值的数量与全部RR间期的数量的比值中的一种或组合，所述频域特征为心电信号频域图像中不同频段的线下面积、心电信号频域图像中不同频段下线下面积占总线下面积的百分比、心电信号频域图像中不同频段下线下面积相互之间的比值中的一种或组合，所述非线性特征为心电信号去波动趋势后时间序列图像的整体斜率、心电信号去趋势波动分析后第一段时间序列图像的斜率、心电信号去趋势波动分析后第二段时间序列图像的斜率中的一种或组合。根据本专利技术又一个实施例，还提供一种医疗设备，所述医疗设备包括上述的糖尿病并发症视网膜病变数据的检测仪器。本专利技术提供的糖尿病并发症视网膜病变数据的检测方法、仪器及医疗设备，采集患者的心电信号数据；计算采集的心电信号数据中RR间期序列；对计算的RR间期序列进行特征分析以获取特征数据；将分析获取的特征数据与预先训练的视网膜病变检测模型进行特征匹配；以及根据特征匹配的结果生成糖尿病并发症视网膜病变的检测数据，可方便快捷地基于糖尿病并发症视网膜病变的检测数据、患者病情或结合其他医疗检测数据情进一步分析，以对患者进行糖尿病并发症视网膜病变的诊断和治疗，提升了糖尿病并发症视网膜病变数据检测的便捷性、舒适性、工作效率和用户体验。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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为本专利技术一个实施例中糖尿病并发症视网膜病变数据的检测方法的流程示意图。图2为本专利技术一个实施例中训练视网膜病变检测模型的流程示意图。图3为本专利技术另一个实施例中糖尿病并发症视网膜病变数据的检测仪器的结构示意图。图4为本专利技术又一个实施例中糖尿病并发症视网膜病变数据的检测仪器的结构示意图。图5为本专利技术又一个实施例中视网膜病变检测模型训练模块的结构示意图。图6为本专利技术再一个实施例中医疗设备的结构示意图。具体实施方式下面结合附图和具体实施方式对本专利技术的技术方案作进一步更详细的描述。显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。在本专利技术的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以结合具体情况理解上述术语在本专利技术中的具体含义。此外，在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本专利技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本专利技术的实施例所本文档来自技高网...

【技术保护点】
1.一种糖尿病并发症视网膜病变数据的检测方法，其特征在于，包括：采集患者的心电信号数据；计算采集的心电信号数据中RR间期序列；对计算的RR间期序列进行特征分析以获取特征数据；将分析获取的特征数据与预先训练的视网膜病变检测模型进行特征匹配；以及根据特征匹配的结果生成糖尿病并发症视网膜病变的检测数据。

【技术特征摘要】
1.一种糖尿病并发症视网膜病变数据的检测方法，其特征在于，包括：采集患者的心电信号数据；计算采集的心电信号数据中RR间期序列；对计算的RR间期序列进行特征分析以获取特征数据；将分析获取的特征数据与预先训练的视网膜病变检测模型进行特征匹配；以及根据特征匹配的结果生成糖尿病并发症视网膜病变的检测数据。2.根据权利要求1所述的糖尿病并发症视网膜病变数据的检测方法，其特征在于，还包括训练视网膜病变检测模型，所述训练视网膜病变检测模型，包括：采集不同患者不同时间的心电信号以及对应的视网膜病变数据；通过训练模型算法对采集的心电信号以及对应的视网膜病变数据进行训练，以生成心电信号和视网膜病变数据对应关系的模型函数；以及基于生成的模型函数和采集的视网膜病变数据生成视网膜病变检测模型。3.根据权利要求1所述的糖尿病并发症视网膜病变数据的检测方法，其特征在于，所述特征数据为时域特征、频域特征、非线性特征中的一种或组合。4.根据权利要求3所述的糖尿病并发症视网膜病变数据的检测方法，其特征在于，所述时域特征为RR间期的平均值、标准差、平均值的标准差、相邻RR间期差值的平方根、相邻RR间期差值大于阈值的数量、相邻RR间期差值大于阈值的数量与全部RR间期的数量的比值中的一种或组合，所述频域特征为心电信号频域图像中不同频段的线下面积、心电信号频域图像中不同频段下线下面积占总线下面积的百分比、心电信号频域图像中不同频段下线下面积相互之间的比值中的一种或组合，所述非线性特征为心电信号去波动趋势后时间序列图像的整体斜率、心电信号去趋势波动分析后第一段时间序列图像的斜率、心电信号去趋势波动分析后第二段时间序列图像的斜率中的一种或组合。5.根据权利要求1所述的糖尿病并发症视网膜病变数据的检测方法，其特征在于，在所述根据特征匹配的结果生成糖尿病并发症视网膜病变的检测数据之后，还包括：当生成的检测数据超出预设警戒范围时，提醒所述检测数据。6.一种糖尿病并发症视网膜病变数据的检测仪器，其特征在于，包括：心电信号采集模块，用于采集患者的心电信号数据；RR间期...

【专利技术属性】
技术研发人员：吴晓春，王新安，马洁茹，席俊辉，赵天夏，李秋平，
申请(专利权)人：北京大学深圳研究生院，
类型：发明
国别省市：广东,44