一种心电监测方法、装置、终端及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种心电监测方法、装置、终端及计算机可读存储介质，所述方法包括：接收心电监测设备发送的实时采集的心电信号；对所述心电信号进行滤波和去噪处理后，检测所述心电信号的R波，并根据所述R波提取QRS波群；将所述QRS波群输入预先训练好的神经网络模型中进行识别；当识别出所述QRS波群失常时，则对该失常的QRS波群进行分类，得到该失常的QRS波群对应的心率失常类型；根据所述心率失常类型生成心电监测报告，输出所述心电监测报告并触发警报，即若发现异常的心电波形则触发警报。本发明专利技术能够降低监测操作难度、提高监测精度和实现全天候监测心电活动。

ECG monitoring method, device, terminal and computer readable storage medium

The invention discloses an ECG monitoring method, device, terminal and computer readable storage medium. The method comprises receiving ECG signals transmitted by ECG monitoring equipment in real time, detecting R waves of the ECG signals after filtering and denoising, and extracting QRS wave groups according to the R waves. The QRS wave group is input into a pre-trained neural network model for identification; when the QRS wave group is identified, the QRS wave group of the abnormal is classified, and the type of arrhythmia corresponding to the QRS wave group is obtained; the ECG monitoring report is generated according to the type of arrhythmia, and the ECG monitoring is output. Report and trigger the alarm. If abnormal cardiac waves are detected, the alarm will be triggered. The invention can reduce monitoring operation difficulty, improve monitoring accuracy and realize all-weather monitoring of ECG activity.

【技术实现步骤摘要】
一种心电监测方法、装置、终端及计算机可读存储介质
本专利技术涉及监测设备
，尤其涉及一种心电监测方法、装置、终端及计算机可读存储介质。
技术介绍
传统的心电监测方法需要通过导线把电极采集到的信号传输到采集盒的设备进行识别处理。如果是通过多个电极，多个导联来实现的心电监测，则多个电极会对应有多条导线，且对各个电极的粘贴方位要求较高，使用不方便。虽然目前心电监测方法可采用无线方式连接心电监测终端以实现远程的心电监测。但是，目前的远程心电监测技术并不成熟，监测精度较低，且涉及监测设备的操作复杂，不便于大众化使用以进行全天候监测心电活动。
技术实现思路
本专利技术实施例所要解决的技术问题在于，提供一种心电监测方法、装置、终端及计算机可读存储介质，能够降低监测操作难度、提高监测精度和实现全天候监测心电活动。为了解决上述技术问题，本专利技术实施例提供了一种心电监测方法，至少包括如下步骤：接收心电监测设备发送的实时采集的心电信号；对所述心电信号进行滤波和去噪处理后，检测所述心电信号的R波，并根据所述R波提取QRS波群；将所述QRS波群输入预先训练好的的神经网络模型中进行识别；当识别出所述QRS波群失常时，则对该失常的QRS波群进行分类，得到该失常的QRS波群对应的心率失常类型；根据所述心率失常类型生成心电监测报告，输出所述心电监测报告并触发警报。进一步地，所述神经网络模型的训练步骤为：接收心电监测设备发送的实时采集的心电信号；对所述心电信号进行滤波和去噪处理后，检测所述心电信号的R波，并根据所述R波提取QRS波群；将所述QRS波群输入到神经网络中进行监督训练，得到神经网络训练参数；根据所述神经网络训练参数构建并保存神经网络模型。进一步地，所述心电监测报告包括心率失常类型和用于触发监测终端发出警报动作的指令；所述QRS波群为以R波为中心，分别向前取40个数据和向后取169个数据形成的以210个数据作为特征的样本数据；所述心电信号包含至少一个QRS波群及P波，U波以及T波。进一步地，所述神经网络模型包括三层LSTM网络；每一层所述LSTM网络包括含有70个神经元的可见层、含有200个神经元的隐层和含有14个神经元的输出层；所述输出层的14个神经元代表14种心率失常类型。进一步地，将所述QRS波群输入预先训练好的的神经网络模型中进行识别，具体为：将所述QRS波群输入预先构建好的的的神经网络模型中进行训练，并在训练完成后保存模型用于未来心电信号的识别与分类。进一步地，所述心电设备包括至少一个电极以及心电处理芯片；所述心电处理芯片用于通过无线方式与监测终端进行通信。本专利技术实施例还提供了一种心电监测装置，包括：心电信号接收单元，用于接收心电监测设备发送的实时采集的心电信号；QRS波群提取单元，用于对所述心电信号进行滤波和去噪处理后，检测所述心电信号的R波，并根据所述R波提取QRS波群；QRS波群识别单元，用于将所述QRS波群输入预先训练好的的神经网络模型中进行识别；判断单元，用于当识别出所述QRS波群失常时，则对该失常的QRS波群进行分类，得到该失常的QRS波群对应的心率失常类型；警报单元，用于根据所述心率失常类型生成心电监测报告，输出所述心电监测报告并触发警报。进一步地，所述心电监测报告包括心率失常类型和用于触发监测终端发出警报动作的指令；所述QRS波群为以R波为中心，分别向前取40个数据和向后取169个数据形成的以210个数据作为特征的样本数据；所述心电信号包含至少一个QRS波群及P波，U波以及T波；所述神经网络模型包括三层LSTM网络；每一层所述LSTM网络包括含有70个神经元的可见层、含有200个神经元的隐层和含有14个神经元的输出层；所述输出层的14个神经元代表14种心率失常类型。本专利技术实施例还提供了一种心电监测终端，包括处理器、存储器以及存储在所述存储器中且被配置为有所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1所述的心电监测方法。本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1所述的心电监测方法。实施本专利技术实施例，具有如下有益效果：本专利技术实施例提供的一种心电监测方法、装置、终端及计算机可读存储介质，所述方法包括：接收心电监测设备发送的实时采集的心电信号；对所述心电信号进行滤波和去噪处理后，检测所述心电信号的R波，并根据所述R波提取QRS波群；将所述QRS波群输入预先训练好的的神经网络模型中进行识别；当识别出所述QRS波群失常时，则对该失常的QRS波群进行分类，得到该失常的QRS波群对应的心率失常类型；根据所述心率失常类型生成心电监测报告，输出所述心电监测报告并触发警报，即若发现异常的心电波形则触发警报。本专利技术能够降低监测操作难度、提高监测精度和实现全天候监测心电活动。附图说明图1是本专利技术第一实施例提供的一种心电监测方法的流程示意图；图2是本专利技术第一实施例中单个QRS波群形态的示意图；图3是本专利技术第一实施例中LSTM网络结构的示意图；图4是本专利技术第一实施例中神经网络模型构建的流程示意图；图5是本专利技术第二实施例提供的一种心电监测装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，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做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，本专利技术实施例中的监测终端可以是移动终端以及非移动终端，非移动终端包括台式计算机，移动终端包括智能手机(SmartPhone，如Android手机、IOS手机等)、智能眼镜、智能手表、智能手环、平板电脑、笔记本电脑、个人数字助理等可以进行无线通信的移动互联网设备。需要说明的是，心电图是由一系列的波组所构成，每个波组代表着每一个心动周期。一个波组包括P波、QRS波群、T波及U波。看心电图首先要了解每个波所代表的意义。P波：心脏的激动发源于窦房结，然后传导到达心房。P波由心房除极所产生，是每一波组中的第一波，它反映了左、右心房的除极过程。前半部分代表右房，后半部分代表左房。QRS波群：典型的QRS波群包括三个紧密相连的波，第一个向下的波称为Q波，继Q波后的一个高尖的直立波称为R波，R波后向下的波称为S波。因其紧密相连，且反映了心室电激动过程，故统称为QRS波群。这个波群反映了左、右两心室的除极过程。T波：T波位于S-T段之后，是一个比较低而占时较长的波，它是心室复极所产生的。U波：U波位于T波之后，比较低小，其发生机理未完全明确。一般认为是心肌激动的“激后电位”。本专利技术第一实施例：请参阅图1，图1是本专利技术第一实施例提供的一种心电监测方法的流程示意图。所述心电监测方法，至少包括如下步骤：S101、接收心电监测设备发送的实时采集的心电信号。在本实施例中，由于所述心电监测设备可通过无线方式与监测终端进行通信，无需导线连接，所以所述心电监测设备可根据实际需求设置成硬币大小并封装有电极、传感器和心电处理芯片。所述心电监测设备可利用专用胶贴或医用胶贴粘贴在胸前，并通本文档来自技高网...

【技术保护点】
1.一种心电监测方法，其特征在于，包括如下步骤：接收心电监测设备发送的实时采集的心电信号；对所述心电信号进行滤波和去噪处理后，检测所述心电信号的R波，并根据所述R波提取QRS波群；将所述QRS波群输入预先训练好的的神经网络模型中进行识别；当识别出所述QRS波群失常时，则对该失常的QRS波群进行分类，得到该失常的QRS波群对应的心率失常类型；根据所述心率失常类型生成心电监测报告，输出所述心电监测报告并触发警报。

【技术特征摘要】
1.一种心电监测方法，其特征在于，包括如下步骤：接收心电监测设备发送的实时采集的心电信号；对所述心电信号进行滤波和去噪处理后，检测所述心电信号的R波，并根据所述R波提取QRS波群；将所述QRS波群输入预先训练好的的神经网络模型中进行识别；当识别出所述QRS波群失常时，则对该失常的QRS波群进行分类，得到该失常的QRS波群对应的心率失常类型；根据所述心率失常类型生成心电监测报告，输出所述心电监测报告并触发警报。2.根据权利要求1所述的心电监测方法，其特征在于，所述神经网络模型的训练步骤为：接收心电监测设备发送的实时采集的心电信号；对所述心电信号进行滤波和去噪处理后，检测所述心电信号的R波，并根据所述R波提取QRS波群；将所述QRS波群输入到神经网络中进行监督训练，得到神经网络训练参数；根据所述神经网络训练参数构建并保存神经网络模型。3.根据权利要求1或2所述的心电监测方法，其特征在于，所述心电监测报告包括心率失常类型和用于触发监测终端发出警报动作的指令；所述QRS波群为以R波为中心，分别向前取40个数据和向后取169个数据形成的以210个数据作为特征的样本数据；所述心电信号包含至少一个QRS波群及P波，U波以及T波。4.根据权利要求1或2所述的心电监测方法，其特征在于，所述神经网络模型包括三层LSTM网络；每一层所述LSTM网络包括含有70个神经元的可见层、含有200个神经元的隐层和含有14个神经元的输出层；所述输出层的14个神经元代表14种心率失常类型。5.根据权利要求1所述的心电监测方法，其特征在于，将所述QRS波群输入预先训练好的的神经网络模型中进行识别，具体为：将所述QRS波群输入构建好的的的神经网络模型中进行训练，训练完成后保存模型，之后就可以用于未来心电信号的分类与...

【专利技术属性】
技术研发人员：杜岗，江向武，白杨，李荣，刘亮，曹彬彬，杨金华，游君霞，舒宁，曾美寨，姚利，范秋丽，叶婷，
申请(专利权)人：广州市碳码科技有限责任公司，
类型：发明
国别省市：广东,44