多导联心电信号的QRS波群校验方法、装置及设备、介质制造方法及图纸

本发明专利技术提供一种多导联心电信号的QRS波群校验方法、装置及设备、介质，所述方法包括：获取各导联的心电信号被检出的QRS波群的位置数据；基于所获取的位置数据，识别出各导联的心电信号被检出的QRS波群中，属于同一心拍的QRS波群；基于每个心拍的QRS波群数与采集心电信号的导联数，计算出该心拍的QRS波群检出比；至少将每个心拍的QRS波群检出比，作为该心拍的特征量，输入训练好的分类模型进行分类，得到表示该心拍的QRS波群是否为误检的QRS波群的分类结果。实施本发明专利技术实施例，可以准确地校验出各导联的心电信号前期被检测出的QRS波群是否为误检的QRS波群，尽可能避免误检造成的问题。

【技术实现步骤摘要】
多导联心电信号的QRS波群校验方法、装置及设备、介质
本专利技术涉及心电信号处理
，尤其涉及多导联心电信号的QRS波群校验方法、装置及设备、介质。
技术介绍
采集心电信号，一般是先在被检体的不同部位放置导联的电极，目前临床上可以在被检体的肢体部位放置3个双极导联的电极和3个加压单级导联的电极，在被检体的胸前放置6个胸前导联的电极，然后将导联的导联线与心电设备的正负极相连接。通过连接的多个导联，心电设备可以通过多个导联采集到心电信号，本专利技术将通过某个导联采集的心电信号称作该导联的心电信号。在医学领域，为了检测心脏功能、诊断心血管疾病或进行心电监护，会检测各导联的心电信号中的QRS波群，该QRS波群是继P波之后出现的一个狭窄但振幅高的波群，由Q波(有或无)、R波(有或无)和S波组成(有或无)。相关检测QRS波群的技术，对理想的环境中采集到的纯净的心电信号上具有很好的检测效果。但是对于受到外界噪声影响的采集过程采集的心电信号，很容易出现QRS波群误检的问题，因此需要对检出的QRS波群进行进一步地校验。
技术实现思路
有鉴于此，本专利技术实施例提供一种多导联心电信号的QRS波群校验方法、装置及设备、介质，以解决相关检测QRS波群的技术检测出的QRS波群中易出现误检的QRS波群的问题。根据本专利技术的第一方面，提供一种多导联心电信号的QRS波群校验方法，包括步骤：获取各导联的心电信号被检出的QRS波群的位置数据；基于所获取的位置数据，识别出各导联的心电信号被检出的QRS波群中，属于同一心拍的QRS波群；基于每个心拍的QRS波群数与采集心电信号的导联数，计算出该心拍的QRS波群检出比；至少将每个心拍的QRS波群检出比，作为该心拍的特征量，输入训练好的分类模型进行分类，得到表示该心拍的QRS波群是否为误检的QRS波群的分类结果。在一个实施例中，所述至少将每个心拍的QRS波群检出比，作为该心拍的特征量，输入训练好的分类模型进行分类，包括：将每个心拍的QRS波群的检出比及以下至少一项，作为该心拍的特征量，输入训练好的分类模型进行分类：各导联的心电信号在预定时段内的高频噪声能量占比的最大值；所述预定时段为该心拍之前零点一秒至该心拍之后零点一秒；各导联的心电信号在所述预定时段内的信号幅度的最小值；各导联的心电信号在所述预定时段内的信号幅度的方差。在一个实施例中，所述分类模型为支持向量机。在一个实施例中，所述支持向量机的核函数为径向基核函数。在一个实施例中，预训练所述分类模型时，采用交叉验证的方式训练所述分类模型。在一个实施例中，基于所获取的位置数据，识别出各导联的心电信号被检出的QRS波群中属于同一心拍的QRS波群，包括：基于所获取的位置数据，将各导联的心电信号中位置间隔在预定范围的相邻QRS波群，识别为同一心拍的QRS波群。在一个实施例中，基于所获取的位置数据，将各导联的心电信号中位置间隔在预定范围的相邻QRS波群，识别为同一心拍的QRS波群，包括：将各导联的心电信号被检出的QRS波群，按照位置数据从小到大的顺序进行排序；按照排序，顺次计算相邻的两个QRS波群的位置数据的差值；如果计算所得的位置数据的差值在所述预定范围内，则将所述相邻的两个QRS波群划分为同一心拍的QRS波群；如果计算所得的位置数据的差值不在所述预定范围内，则将所述相邻的两个QRS波群划分为不同心拍的QRS波群。在一个实施例中，获取各导联的心电信号被检出的QRS波群的位置数据前，所述方法还包括：对每个导联的心电信号进行带通滤波；计算带通滤波后的每个导联的心电信号的微分；计算所得微分的平方；采用预定长度的滑动窗口对平方后的心电信号进行积分；根据各导联的心电信号的积分的局部极大值的幅度，检测各导联的心电信号的QRS波群。在一个实施例中，分类结果表示任一心拍的QRS波群不是误检的QRS波群时，所述方法还包括以下步骤：将所述任一心拍的QRS波群的位置数据的均值，更新为所述任一心拍的QRS波群在各导联的心电信号的位置数据。根据本专利技术的第二方面，提供一种多导联心电信号的QRS波群校验装置，包括：位置数据获取模块，用于获取各导联的心电信号被检出的QRS波群的位置数据；QRS波群识别模块，用于基于所获取的位置数据，识别出各导联的心电信号被检出的QRS波群中，属于同一心拍的QRS波群；检出比计算模块，用于基于每个心拍的QRS波群数与采集心电信号的导联数，计算出该心拍的QRS波群检出比；QRS波群校验模块，用于至少将每个心拍的QRS波群检出比，作为该心拍的特征量，输入训练好的分类模型进行分类，得到表示该心拍的QRS波群是否为误检的QRS波群的分类结果。根据本专利技术的第三方面，提供一种电子设备，包括：处理器；存储处理器可执行指令的存储器；其中，所述处理器耦合于所述存储器，用于读取所述存储器存储的程序指令，并作为响应，执行如上所述方法中的操作。在一个实施例中，所述电子设备为心电监护仪或多参数体征监测仪。在一个实施例中，所述电子设备通过导联线连接放置在被检体不同部位的导联。根据本专利技术的第四方面，提供一个或多个机器可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得电子设备执行如上所述方法中的操作。实施本专利技术提供的实施例，获取各导联的心电信号被检出的QRS波群的位置数据后，基于所获取的位置数据，识别出各导联的心电信号被检出的QRS波群中，属于同一心拍的QRS波群，可以将不同导联的心电信号被检出的QRS波群，识别为同一心拍的QRS波群，并将每个心拍的QRS波群检出比输入训练好的分类模型进行分类进行分类，输入分类模型的特征可以融合不同导联的心电信号的QRS波群的特征，并非仅针对单个导联上被检出的单个QRS波群进行校验，因此，可以准确地校验出前期检测QRS波群是否为误检的QRS波群，尽可能避免误检造成的问题。此外，分类模型至少可以将每个心拍的QRS波群检出比，映射到高纬度的特征空间进行分类，因此，以分类模型对每个心拍的特征量，进行分类得到的分类结果，准确性更高，能有效降低校验QRS波群的出错率。附图说明图1A是本申请一示例性实施例示出的采集心电信号的系统的架构图；图1B是本申请一示例性实施例示出的校验QRS波群的处理逻辑；图2是本申请一示例性实施例示出的多导联心电信号的QRS波群校验方法的流程图；图3是本申请另一示例性实施例示出的多导联心电信号的QRS波群校验方法的流程图；图4是本专利技术一示例性实施例示出的多导联心电信号的QRS波群校验装置的框图；图5是本专利技术一示例性实施例示出的电子设备的硬件结构图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。在本专利技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合本文档来自技高网...

【技术保护点】
1.一种多导联心电信号的QRS波群校验方法，其特征在于，包括步骤：获取各导联的心电信号被检出的QRS波群的位置数据；基于所获取的位置数据，识别出各导联的心电信号被检出的QRS波群中，属于同一心拍的QRS波群；基于每个心拍的QRS波群数与采集心电信号的导联数，计算出该心拍的QRS波群检出比；至少将每个心拍的QRS波群检出比，作为该心拍的特征量，输入训练好的分类模型进行分类进行分类，得到表示该心拍的QRS波群是否为误检的QRS波群的分类结果。

【技术特征摘要】
1.一种多导联心电信号的QRS波群校验方法，其特征在于，包括步骤：获取各导联的心电信号被检出的QRS波群的位置数据；基于所获取的位置数据，识别出各导联的心电信号被检出的QRS波群中，属于同一心拍的QRS波群；基于每个心拍的QRS波群数与采集心电信号的导联数，计算出该心拍的QRS波群检出比；至少将每个心拍的QRS波群检出比，作为该心拍的特征量，输入训练好的分类模型进行分类进行分类，得到表示该心拍的QRS波群是否为误检的QRS波群的分类结果。2.根据权利要求1所述的方法，其特征在于，所述至少将每个心拍的QRS波群检出比，作为该心拍的特征量，输入训练好的分类模型进行分类，包括：将每个心拍的QRS波群的检出比及以下至少一项，作为该心拍的特征量，输入训练好的分类模型进行分类：各导联的心电信号在预定时段内的高频噪声能量占比的最大值；所述预定时段为该心拍之前零点一秒至该心拍之后零点一秒；各导联的心电信号在所述预定时段内的信号幅度的最小值；各导联的心电信号在所述预定时段内的信号幅度的方差。3.根据权利要求1所述的方法，其特征在于，所述分类模型为支持向量机。4.根据权利要求3所述的方法，其特征在于，所述支持向量机的核函数为径向基核函数。5.根据权利要求3所述的方法，其特征在于，预训练所述分类模型时，采用交叉验证的方式训练所述分类模型。6.根据权利要求1所述的方法，其特征在于，基于所获取的位置数据，识别出各导联的心电信号被检出的QRS波群中属于同一心拍的QRS波群，包括：基于所获取的位置数据，将各导联的心电信号中位置间隔在预定范围的相邻QRS波群，识别为同一心拍的QRS波群。7.根据权利要求6所述的方法，其特征在于，基于所获取的位置数据，将各导联的心电信号中位置间隔在预定范围的相邻QRS波群，识别为同一心拍的QRS波群，包括：将各导联的心电信号被检出的QRS波群，按照位置数据从小到大的顺序进行排序；按照排序，顺次计算相邻的两个QRS波群的位置数据的差值；如果计算所得的位置数据的差值在所述预定范围内，则将所述相邻的两个QRS波群划分为同一心拍的...

【专利技术属性】
技术研发人员：赵巍，胡静，贾东亚，许言午，鄢聪，
申请(专利权)人：广州视源电子科技股份有限公司，
类型：发明
国别省市：广东,44