一种用于体外除颤器的样本熵算法制造技术

本发明专利技术公开了一种用于体外除颤器的样本熵算法，用时间序列复杂度的大小来度量时间序列中产生新模式概率的大小，产生新模式概率越大，序列复杂度相对应的样本熵也就越大，所述体外除颤器包括中央处理器、识别处理模块、充电除颤模块和心电采集模块，所述除颤器内部设置有所述中央处理器，所述中央处理器输出端与所述识别处理模块的输入端相连接，所述识别处理模块输出端与所述充电除颤模块输入端相连接。本发明专利技术提供的一种用于体外除颤器的样本熵算法具有很好的一致性，不进行自身模板的匹配，样本熵是条件概率的负平均自然对数的估计值，因此其计算过程不依赖数据长度，且对数据丢失不敏感，该技术的可使得心率分析时间小于10S。

【技术实现步骤摘要】
一种用于体外除颤器的样本熵算法
本专利技术涉及急救设备相关领域，具体来说，涉及一种用于体外除颤器的样本熵算法。
技术介绍
心脏除颤器又称电复律机，主要由除颤充/放电电路、心电信号放大/显示电路、控制电路、心电图记录器、电源以及除颤电极板等组成，是目前临床上广泛使用的抢救设备之一。它用脉冲电流作用于心脏，实施电击治疗，消除心率失常，使心脏恢复窦性心律，它具有疗效高、作用快、操作简便以及与药物相比较为安全等优点。但是现有的除颤器仍有检测时间长、判断不准确、阻抗不合理等技术缺陷。针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术的目的在于提供一种用于体外除颤器的样本熵算法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种用于体外除颤器的样本熵算法，用时间序列复杂度的大小来度量时间序列中产生新模式概率的大小，产生新模式概率越大，序列复杂度相对应的样本熵也就越大，所述体外除颤器包括中央处理器、识别处理模块、充电除颤模块和心电采集模块，其特征在于：所述除颤器内部设置有所述中央处理器，所述中央处理器输出端与所述识别处理模块的输入端相连接，所述识别处理模块输出端与所述充电除颤模块输入端相连接，所述充电除颤模块输出端与人体相连接，所述心电采集模块的输入端与人体相连接，所述心电采集模块与所述中央处理器的输入端相连接。进一步的，所述识别处理模块采用样本熵算法。进一步的，所述中央处理器的输出端与LED显示模块的输入端相连接。进一步的，所述中央处理器的输出端与按键控制模块的输入端相连接。与现有技术相比，本专利技术具有以下有益效果：(1)本专利技术提供的一种用于体外除颤器的样本熵算法具有很好的一致性，不进行自身模板的匹配，样本熵是条件概率的负平均自然对数的估计值，因此其计算过程不依赖数据长度，且对数据丢失不敏感，该技术的可使得心率分析时间小于10S。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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是根据本专利技术实施例的一种用于体外除颤器的样本熵算法的除颤器系统结构示意图。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。在本专利技术的描述中，需要说明的是，术语“顶部”、“底部”、“一侧”、“另一侧”、“前面”、“后面”、“中间部位”、“内部”、“顶端”、“底端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制；术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性；此外，除非另有明确的规定和限定，术语“安装”、“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，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。请参阅图1，根据本专利技术实施例的一种用于体外除颤器的样本熵算法，用时间序列复杂度的大小来度量时间序列中产生新模式概率的大小，产生新模式概率越大，序列复杂度相对应的样本熵也就越大，所述体外除颤器包括中央处理器、识别处理模块、充电除颤模块和心电采集模块，其特征在于：所述除颤器内部设置有所述中央处理器，所述中央处理器输出端与所述识别处理模块的输入端相连接，所述识别处理模块输出端与所述充电除颤模块输入端相连接，所述充电除颤模块输出端与人体相连接，所述心电采集模块的输入端与人体相连接，所述心电采集模块与所述中央处理器的输入端相连接。通过本专利技术的上述方案，所述识别处理模块采用样本熵算法。通过本专利技术的上述方案，所述中央处理器的输出端与LED显示模块的输入端相连接。通过本专利技术的上述方案，所述中央处理器的输出端与按键控制模块的输入端相连接。在具体应用时，具有很好的一致性，不进行自身模板的匹配，样本熵是条件概率的负平均自然对数的估计值，因此其计算过程不依赖数据长度，且对数据丢失不敏感，该技术的可使得心率分析时间小于10S。最后应说明的是：以上所述仅为本专利技术的优选实施例而已，并不用于限定本专利技术，尽管参照前述实施例对本专利技术进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种用于体外除颤器的样本熵算法，用时间序列复杂度的大小来度量时间序列中产生新模式概率的大小，产生新模式概率越大，序列复杂度相对应的样本熵也就越大，所述体外除颤器包括中央处理器、识别处理模块、充电除颤模块和心电采集模块，其特征在于：所述除颤器内部设置有所述中央处理器，所述中央处理器输出端与所述识别处理模块的输入端相连接，所述识别处理模块输出端与所述充电除颤模块输入端相连接，所述充电除颤模块输出端与人体相连接，所述心电采集模块的输入端与人体相连接，所述心电采集模块与所述中央处理器的输入端相连接。/n

【技术特征摘要】
1.一种用于体外除颤器的样本熵算法，用时间序列复杂度的大小来度量时间序列中产生新模式概率的大小，产生新模式概率越大，序列复杂度相对应的样本熵也就越大，所述体外除颤器包括中央处理器、识别处理模块、充电除颤模块和心电采集模块，其特征在于：所述除颤器内部设置有所述中央处理器，所述中央处理器输出端与所述识别处理模块的输入端相连接，所述识别处理模块输出端与所述充电除颤模块输入端相连接，所述充电除颤模块输出端与人体相连接，所述心电采集模块的输入端与人体相连接，所述...

【专利技术属性】
技术研发人员：韩雪峰，
申请(专利权)人：韩雪峰，
类型：发明
国别省市：江苏;32