识别心电波图像交界性逸搏方法、装置、系统和电子设备制造方法及图纸

本发明专利技术公开了一种识别心电波图像交界性逸搏的方法、装置、系统和电子设备，涉及便携式医疗设备技术领域。其中，方法包括以下步骤：获取预定时间长度的心电波图像；识别心电波图像中的特征点和特征波；基于特征点和特征波对所述心电波图像进行交界性逸搏的识别。本发明专利技术提出的识别心电波图像交界性逸搏方法、装置和系统，提出了新的识别算法，仅需要采集数十秒的心电信号便可以实现对心电波图像的实时识别，识别快、准确率较高，可以用于家用的便携式医疗诊断设备。

【技术实现步骤摘要】
识别心电波图像交界性逸搏方法、装置、系统和电子设备
本专利技术涉及便携式医疗设备
，尤其涉及一种识别心电图的方法、装置、系统和电子设备。
技术介绍
心电图被用来记录心脏电位的变化，是最重要的诊断心脏疾病的工具之一。近年来，由于计算机辅助诊断可以发现心电图肉眼无法观测到的信息，而且较人工诊断更加稳定，越来越受到人们的重视，逐渐开始被应用。交界性逸搏是最常见的逸搏，是心律失常的一种。当窦房结发出的激动过于缓慢时，或是窦性激动由于种种原因，过迟的下传至交界区时，交界区便发出逸搏。交界性逸搏本身是一种保护机制，并非病理现象。然而，交界性逸搏常出现干扰以及干扰性房室脱节，与房室传导阻滞较难辨别。准确的识别交界性逸搏可鉴别病理和生理性心律，也有助于发现原发病。另外，交界性逸搏有时也需要起搏治疗。专利技术人在实施本专利技术的过程中，发现现有技术具有以下缺陷：一、现有的对心电图的识别方法依据的心电信号数据量大，需要采集较长时间的心电信号以得到上百个波形，进而根据对上百个波形的识别得出识别结果。因此，需要先采集数据之后再进行识别，采集过程和得出识别结果的过程较长，不能够实现实时识别。二、现有技术中并没有关于对交界性逸搏的自动识别方法。
技术实现思路
(一)专利技术目的本专利技术的目的是提供一种实时的、识别准确率高的识别心电波图像交界性逸搏方法、装置、系统和电子设备。(二)技术方案为解决上述问题，本专利技术的第一方面提供了一种识别心电波图像交界性逸搏的方法，包括：获取预定时间长度的心电波图像；识别所述心电波图像中的特征点和特征波；基于所述特征点和特征波对所述心电波图像进行交界性逸搏的识别。进一步，所述的识别心电波图像交界性逸搏的方法，其中，所述预定时间长度的取值范围为：至少20秒；所述特征点至少包括：P点、Q点、R点和S点；所述特征波至少包括：P波和QRS波群；其中，所述QRS波群包括Q波、R波和S波。进一步，所述的识别心电波图像交界性逸搏的方法，其中，所述识别所述心电波图像中的特征点和特征波，包括：基于B-样条双正交小波和一阶差分对所述心电波图像进行识别，得到特征点的位置数据；基于得到的特征点的位置数据得到特征波。进一步，所述的识别心电波图像交界性逸搏的方法，其中，所述基于所述特征点和特征波对所述心电波图像进行交界性逸搏的识别，包括：对所述心电波图像进行分段，得到多个心拍；基于预设的规则模型和机器学习模型对每个所述心拍进行识别，得到与每个所述心拍对应的识别结果；基于所有心拍的识别结果，得到交界性逸搏次数和其他逸搏次数；若所述心电波图像的心率小于预定频率且所述其他逸搏次数小于预定次数，则基于所述交界性逸搏次数和其他逸搏次数进行疑似度计算，得到所述心电波图像的交界性逸搏疑似度。进一步，所述的识别心电波图像交界性逸搏的方法，其中，所述基于预设的规则模型和机器学习模型对每个所述心拍进行识别得到与每个所述心拍对应的识别结果，包括：基于规则模型对首个心拍进行识别，得到基于规则模型的识别结果；基于机器学习模型对首个心拍进行识别，得到基于机器学习模型的识别结果；若基于所述规则模型和机器学习模型的识别结果均为交界性逸搏，则得出所述首个心拍的识别结果为交界性逸搏；依次基于所述规则模型和所述机器学习模型对下一个心拍进行识别，如此循环，直到得到最后一个心拍的识别结果。进一步，所述的识别心电波图像交界性逸搏的方法，其中，所述基于所述交界性逸搏次数和其他逸搏次数进行疑似度计算，得到所述心电波图像的交界性逸搏疑似度，包括：基于交界性逸搏次数和心拍总数得到交界性逸搏所占比；确定与所述交界性逸搏所占比相对应的数值范围；确定与所述数值范围相对应的疑似度系数；将所述疑似度系数输入式(1)，得到所述心电波图像的交界性逸搏疑似度；S＝100e(-d)式(1)其中，S代表交界性逸搏疑似度；d代表疑似度系数；e代表自然常数。进一步，所述的识别心电波图像交界性逸搏的方法，其中，根据预设的规则模型对一个心拍进行识别得到识别结果，包括：基于当前心拍的特征点和特征波，计算RR间期、QRS时间、P波高度、R波高度和PR波高度比；判断所述RR间期是否异常；若RR间期异常，且RR间期大于1.2秒、QRS时间小于0.12秒、PR波高度比不大于0.12，则得出当前心拍的识别结果为交界性逸搏；若RR间期异常，且RR间期大于1.2秒、QRS时间小于0.12秒、PR波高度比大于0.12，则得出当前心拍的识别结果为其他逸搏。进一步，所述的识别心电波图像交界性逸搏的方法，其中，所述判断所述RR间期是否异常，包括：基于所有心拍的RR间期进行平均计算，得到RR间期均值；若当前心拍的RR间期大于0.5倍所述RR间期均值且小于1.6倍所述RR间期均值，则判定当前心拍异常；否则，判定当前心拍正常。进一步，所述的识别心电波图像交界性逸搏的方法，其中，根据机器学习模型对一个心拍进行识别得到识别结果，包括：对心拍进行特征提取，得到特征参数，其中，特征参数包括：RR间期、均方根、偏度、峰度和小波系数；对每个特征参数进行标准化处理；对标准化处理后的多个特征参数进行降维处理；基于最小二乘支持向量机对将降维处理后的特征参数进行计算，得到识别结果。根据本专利技术的另一方面，提供了一种识别心电波图像交界性逸搏的装置，包括：心电波图像获取模块，用于获取预定时间长度的心电波图像；特征点识别模块，用于识别所述心电波图像中的特征点和特征波；交界性逸搏识别模块，基于所述特征点和特征波对所述心电波图像进行交界性逸搏的识别。进一步，所述的识别心电波图像交界性逸搏的装置，其中，所述预定时间长度的取值范围为：至少20秒；所述特征点至少包括：P点、Q点、R点和S点；所述特征波至少包括：P波和QRS波群；其中，所述QRS波群包括Q波、R波和S波。进一步，所述的识别心电波图像交界性逸搏的装置，其中，特征点识别模块，包括：特征点识别单元和特征波识别单元；特征点识别单元，用于基于B-样条双正交小波和一阶差分对所述心电波图像进行识别，得到特征点的位置数据；特征波识别单元，用于基于得到的特征点的位置数据得到特征波。进一步，所述的识别心电波图像交界性逸搏的装置，其中，所述交界性逸搏识别模块，包括：心拍划分单元、心拍识别单元、逸搏统计单元和交界性逸搏疑似度生成单元。其中，心拍划分单元，用于对所述心电波图像进行分段，得到多个心拍；心拍识别单元，用于基于预设的规则模型和机器学习模型对每个所述心拍进行识别，得到与每个所述心拍对应的识别结果；逸搏统计单元，基于所有心拍的识别结果，得到交界性逸搏次数和其他逸搏次数；交界性逸搏疑似度生成单元，若所述心电波图像的心率小于预定频率且所述其他逸搏次数小于预定次数，则基于所述交界性逸搏次数和其他逸搏次数进行疑似度计算，得到所述心电波图像的交界性逸搏疑似度。进一步，所述的识别心电波图像交界性逸搏的装置，其中，所述心拍识别单元，包括：第一识别单元、第二识别单元、交界性逸搏识别单元、其他逸搏识别单元和循环单元；第一识别单元，用于基于规则模型对首个心拍进行识别，得到基于规则模型的识别结果；第二识别单元，用于基于机器学习模型对首个心拍进行识别，得到基于机器学习模型的识别结果；交界性逸搏识别单元，用于在所述规则模型和机器学习模型的识别结果均为交界性本文档来自技高网...

【技术保护点】
1.一种识别心电波图像交界性逸搏的方法，其特征在于，包括：获取预定时间长度的心电波图像；识别所述心电波图像中的特征点和特征波；基于所述特征点和特征波对所述心电波图像进行交界性逸搏的识别。

【技术特征摘要】
1.一种识别心电波图像交界性逸搏的方法，其特征在于，包括：获取预定时间长度的心电波图像；识别所述心电波图像中的特征点和特征波；基于所述特征点和特征波对所述心电波图像进行交界性逸搏的识别。2.根据权利要求1所述的方法，其特征在于，所述特征点至少包括：P点、Q点、R点和S点；所述特征波至少包括：P波和QRS波群；其中，所述QRS波群包括Q波、R波和S波。3.根据权利要求1所述的方法，其特征在于，所述识别所述心电波图像中的特征点和特征波，包括：基于B-样条双正交小波和一阶差分对所述心电波图像进行识别，得到特征点的位置数据；基于得到的特征点的位置数据得到特征波。4.根据权利要求1所述的方法，其特征在于，所述基于所述特征点和特征波对所述心电波图像进行交界性逸搏的识别，包括：对所述心电波图像进行分段，得到多个心拍；基于预设的规则模型和机器学习模型对每个所述心拍进行识别，得到与每个所述心拍对应的识别结果；基于所有心拍的识别结果，得到交界性逸搏次数和其他逸搏次数；若所述心电波图像的心率小于预定频率且所述其他逸搏次数小于预定次数，则基于所述交界性逸搏次数和其他逸搏次数进行疑似度计算，得到所述心电波图像的交界性逸搏疑似度。5.根据权利要求4所述的方法，其特征在于，所述基于预设的规则模型和机器学习模型对每个所述心拍进行识别得到与每个所述心拍对应的识别结果，包括：基于规则模型对首个心拍进行识别，得到基于规则模型的识别结果；基于机器学习模型对首个心拍进行识别，得到基于机器学习模型的识别结果；若基于所述规则模型和机器学习模型的识别结果均为交界性逸搏，则得出所述首个心拍的识别结果为交界性逸搏；依次基于所述规则模型和所述机器学习模型对下一个心拍进行识别，如此循环，直到得到最后一个心拍的识别结果。6.根据权利要求4所述的方法，其特征在于，所述基于所述交界性逸搏次数和其他逸搏次数进行疑似度计算，得到所述心电波图像的交界性逸搏疑似度，包括：基于交界性逸搏次数和心拍总数得到交界性逸搏所占比；确定与所述交界性逸搏所占比相对应的数值范围；确定与所述数值范围相对应的疑似度系数；将所述疑似度系数输入疑似度模型，得到所述心电波图像的交界性逸搏疑似度。7.根据权利要求4所述的方法，其特征在于，根据预设的规则模型对一个心拍进行识别得到识别结果，包括：基于当前心拍的特征点...

【专利技术属性】
技术研发人员：刘成良，史浩天，张飞，刘金磊，
申请(专利权)人：上海夏先机电科技发展有限公司，
类型：发明
国别省市：上海,31