一种智能型心率变异性分析系统技术方案

本申请公开了一种智能型心率变异性分析系统，该系统包括：信号采集模块、预处理模块、校正模块和报告输出模块；信号采集模块，用于获取心电图数字信号；预处理模块，用于对所述心电图数字信号进行校正，得到心电图数据；校正模块，用于对所述心电图数据进行处理，得到NN间期序列；报告输出模块，用于根据所述NN间期序列得到心率变异性分析报告。本发明专利技术实现了对现有医疗资源的充分利用，能够自动对心率变异性的分析算法进行改进，提高心率变异性自动分析结果的准确性，并能够满足用户的多场景和个性化的使用需求。个性化的使用需求。个性化的使用需求。

【技术实现步骤摘要】
一种智能型心率变异性分析系统


[0001]本专利技术涉及信号处理
，尤其涉及一种智能型心率变异性分析系统。

技术介绍

[0002]心率变异性是指逐次心动周期之间的细微的时间变化及其规律，是评价自主神经系统的交感
‑
复交感神经张力及其平衡的重要指标。自从心率变异性的临床相关性得到首次认可以来，陆续有研究证实了心率变异性在心力衰竭、中风，心肌梗死术后、心脏移植术后等心血管疾病的风险评估上具有重要的临床价值。医学界已达成了普遍的共识：心率变异性可作为急性心肌梗死的风险预测指标和糖尿病性神经病的早期预警指标。
[0003]目前，心率变异性的行业标准分析方法为：首先采集受试者的心电信号，完成数模转换和伪差识别；其次，识别心电信号中的QRS复合波基准点，得到RR间期序列并进行编辑，得到窦性NN间期；再次，对NN间期进行时域分析，得到心率变异性的相关分析结果。在心率变异性的分析中，由于时域和频域分析易受到NN间期序列的识别不精确的影响，心率变异性的自动化分析结果并不准确，需要临床医生在RR间期编辑阶段花费大量的时间通过目视检查和手动修正的方式剔除不合格的RR间期。现有的自动心率变异性分析系统对于已有的临床医生编辑和修正得到的精确NN间期、心搏类型等历史信息并未充分加以利用，存在智能化程度低、分析效率低下的问题，无法根据用户的使用需求提供个性化的智能服务。
[0004]因此，现有心率变异性分析系统存在的主要问题是心率变异性自动分析系统智能化程度低，没有对医疗历史数据进行充分利用，导致分析结果不准确，并且无法满足多场景的使用需求。亟需设计一种心率变异性分析系统，实现对现有医疗资源的充分利用，能够自动对心率变异性的分析算法进行改进，提高自动分析结果的准确性，并满足用户的多场景和个性化的使用需求。

技术实现思路

[0005]有鉴于此，有必要提供一种智能型心率变异性分析系统，用以解决现有技术中存在的心率变异性分析系统智能化程度低、分析结果不准确、无法满足用户的个性化使用需求的问题。
[0006]为了解决上述问题，本专利技术提供一种智能型心率变异性分析系统，包括：
[0007]信号采集模块、预处理模块、校正模块和报告输出模块；
[0008]信号采集模块，用于获取心电图数字信号；
[0009]预处理模块，用于对所述心电图数字信号进行预处理，得到心电图数据；
[0010]校正模块，用于对所述心电图数据进行分析，得到NN间期序列；
[0011]报告输出模块，用于根据所述NN间期序列得到心率变异性分析报告。
[0012]进一步地，所述预处理模块包括：离群点检测单元、滤波器单元和识别单元；
[0013]离群点检测单元，用于确定所述心电图数字信号中的异常数据；
[0014]滤波器单元，用于滤除所述心电图数字信号中的伪差；
[0015]QRS识别单元，用于识别所述心电图数字信号中的QRS复合波基准点。
[0016]进一步地，所述校正模块包括自动校正单元、手动校正单元、存储单元、神经网络训练单元和预测单元；
[0017]自动校正单元，用于消除所述心电图数据的非窦性心搏RR间期，得到第一NN间期序列；
[0018]手动校正单元，用于为用户提供交互接口，使用户对所述第一NN间期序列的R波位置和类型以及RR间期序列进行手动校正和标注；
[0019]存储单元，用于对所述手动校正和标注R波位置和类型以及RR间期序列后的心电图数据进行存储；
[0020]神经网络训练单元，用于建立初始校正模型，并利用所述存储单元中的心电图数据对所述初始校正模型进行训练，得到训练完备的校正模型；
[0021]预测单元，用于利用所述训练完备的校正模型对心电图数据进行QRS识别以及RR间期自动校正。
[0022]进一步地，所述自动校正单元包括筛选模块和计算模块；
[0023]筛选模块，用于筛选心电图数据RR间期序列中符合第一判断条件的RR间期，并判断所述RR间期是否满足第二判断条件；如果满足所述第二判断条件，记录所述RR间期在所述RR间期序列中的位置，并将所述RR间期从所述RR间期序列中剔除，得到第一RR间期序列；根据所述第一RR间期序列计算心率，将心率符合第三判断条件的RR间期剔除，得到第二RR间期序列；
[0024]计算模块，用于利用预设算法对所述第二RR间期序列进行处理，得到NN间期序列。
[0025]进一步地，所述神经网络训练单元包括选择模块、交互训练模块和自训练模块；
[0026]选择模块，用于为用户提供接口，使用户对交互训练模式和自训练模式进行选择；
[0027]交互训练模块，用于使用户自主选择初始校正模型和神经网络训练方法进行神经网络训练；
[0028]自训练模块，用于根据预设的神经网络和训练方法进行神经网络训练。
[0029]进一步地，所述交互训练模块包括设置模块，用于使用户设置数据集划分比例、选择神经网络模型和超参调优方法。
[0030]进一步地，所述自训练模块包括网络搜索模块、架构优化模块和性能评估模块，
[0031]网络搜索模块，用于存储基本神经网络模型结构；
[0032]架构优化模块，利用预设的架构优化方法对所述基本神经网络模型进行超参数设置，得到候选校正模型；
[0033]性能评估模块，用于对训练完备的候选校正模型进行性能评估，选择性能最佳的作为所述训练完备的心率分析模型。
[0034]进一步地，所述网络搜索模块包括基本运算单元，所述基本运算单元组成所述基本神经网络模型结构。
[0035]进一步地，所述架构优化方法包括基于梯度下降的可微网络搜索方法。
[0036]进一步地，所述报告输出模块包括时域分析单元、频域分析单元和非线性分析单元；
[0037]时域分析单元，用于根据所述NN间期序列进行长程和短程的心率变异性时域分
析，得到心率变异性时域分析报告；
[0038]频域分析单元，用于根据所述NN间期序列进行长程和短程的频谱分析，得到心率变异性频域分析报告；
[0039]非线性分析单元，用于计算所述NN间期序列的非线性参数，得到心率变异性非线性参数分析报告。
[0040]与现有技术相比，本专利技术的有益效果包括：通过信号采集模块对心电图原始信号进行数模转换，得到心电图数字信号；通过预处理模块对心电图数字信号进行滤波等预处理，为后续的心率变异性分析提供数据基础；通过校正模块对现有医疗资源进行了充分利用，使分析系统自动识别和校正的准确率大幅提升，使用过程中还能够为用户提供个性化的功能选择，满足了用户的多场景和个性化的使用需求；通过报告输出模块从多角度对心率变异性进行分析，使分析结果更加全面和准确。本专利技术实现了对现有医疗资源的充分利用，能够自动对心率变异性的分析算法进行改进，提高心率变异性自动分析结果的准确性，并能够满足用户的多场景和个性化使用需求。
附图说明
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能型心率变异性分析系统，其特征在于，包括：信号采集模块、预处理模块、校正模块和报告输出模块；信号采集模块，用于获取心电图数字信号；预处理模块，用于对所述心电图数字信号进行预处理，得到心电图数据；校正模块，用于对所述心电图数据进行分析，得到NN间期序列；报告输出模块，用于根据所述NN间期序列得到心率变异性分析报告。2.根据权利要求1所述的智能型心率变异性分析系统，其特征在于，所述预处理模块包括：离群点检测单元、滤波器单元和识别单元；离群点检测单元，用于确定所述心电图数字信号中的异常数据；滤波器单元，用于滤除所述心电图数字信号中的伪差；QRS识别单元，用于识别所述心电图数字信号中的QRS复合波基准点。3.根据权利要求1所述的智能型心率变异性分析系统，其特征在于，所述校正模块包括自动校正单元、手动校正单元、存储单元、神经网络训练单元和预测单元；自动校正单元，用于消除所述心电图数据的非窦性心搏RR间期，得到第一NN间期序列；手动校正单元，用于为用户提供交互接口，使用户对所述第一NN间期序列的R波位置和类型以及RR间期序列进行手动校正和标注；存储单元，用于对所述手动校正和标注R波位置和类型以及RR间期序列后的心电图数据进行存储；神经网络训练单元，用于建立初始校正模型，并利用所述存储单元中的心电图数据对所述初始校正模型进行训练，得到训练完备的校正模型；预测单元，用于利用所述训练完备的校正模型对心电图数据进行QRS识别以及RR间期自动校正。4.根据权利要求3所述的一种智能型心率变异性分析系统，其特征在于，所述自动校正单元包括筛选模块和计算模块；筛选模块，用于筛选心电图数据RR间期序列中符合第一判断条件的RR间期，并判断所述RR间期是否满足第二判断条件；如果满足所述第二判断条件，记录所述RR间期在所述RR间期序列中的位置，并将所述RR间期从所述RR间期序列中剔除，得到第一RR间期序列；根据所述第一RR间期序列计算心率，将心率符合第三判断条件的RR间期...

【专利技术属性】
技术研发人员：朱佳兵，何金蝉，吕恒，李毅，
申请(专利权)人：武汉中旗生物医疗电子有限公司，
类型：发明
国别省市：