心脏状态的实时趋势动力学特征分析方法技术

本发明专利技术公开了一种心脏状态的实时趋势动力学特征分析方法。由高输入阻抗、低噪声、高共模抑制比多通道心电放大器，１２位Ａ／Ｄ转换板获得心电波形；采用时空相关技术和散点图技术，形成时间序列相关心率变异时空散点图；自动和人工交互提取时序相关特征参数，短时－实时特征转变图谱参数，提取特征图谱时空量化参数指标；对上述图谱及其量化参数指标进行人工神经网络分类：参数指标在两个分别由９个准静态时序离散度特征参数集合和５个动态趋势特征参数集合构成的９维与５维空间来刻画时序心率变异的动力学特征和相关不变性特征，存在两个独立曲面及其交界来表征心脏功能的正常，异常和关键的临界状态。用于早期心脏病理动力学趋势的分类预测。

【技术实现步骤摘要】

本专利技术涉及一种用于诊断目的的探测测量方法。尤其涉及一种基于时序相关散点图技术的心脏疾病早期分析和心脏动力学特征识别方法。
技术介绍
反映心率变异性的Poincare散点图的图形特征参数与许多心脏疾病包括心室传导阻滞、心肌缺血、心肌损伤、交感-副交感调节和体液调节能力有着密切关系。用心率变异性检测评估自律心率控制能力的方法已经成为心脏血管功能的关键信息来源。特别是，它已经作为急性心肌缺血患者的阴性预后的独立判断标识。多年来国内外学者通过时域分析和频域分析，已经证实心率变异性对心脏疾病动态趋势变化具有很强和简洁的敏感性表征，因此在临床心卒和猝死具有早期分析的预测的重要意义。但是没有明确地引入时间信息标尺，不能划分短时心脏活动的状态，不能以时域尺度刻画心脏状态的稳定行和心脏状态的动力学适应性。因而不能全面的描述心脏的当前的生理/病理特征和具有预后行的趋势特征。小波变换(Wavelet transform，WT)是一种线性运算，它对信号进行不同尺度的分解，能将各种交织在一起的不同频率组成的混合信号分解成不同频率的块信号，可有效地应用于信号分离和ECG复杂波的识别，提高时频两域的分辨率本文档来自技高网...

【技术保护点】
一种心脏状态的实时趋势动力学特征分析方法，其特征在于：用体表电极和高输入阻抗、低噪音、高共模抑制比以及宽带多通道心电放大器得到心电模拟信号，再由１２位Ａ／Ｄ转换器获得数字心电波形；采用小波变换和极值获得ＱＲＳ复杂波形位置，并通过ＲＲ波峰的时间间隔形成ＲＲ（ｎ）／ＲＲ（ｎ＋１）的表达心率变异率的散点图；再从散点图中生成不同时间间隔的短时散点图形成时序散点图，以分钟作为短时散点图的最小间隔，通过时序散点图提取丰富的心脏动力学状态特征参数和趋势特征参数；时间序列节点内离散度参数；时间序列节点间离散度参数；时间序列节点内离散度描述了心脏动力学状态的稳定度；时间序列节点间离散度距离描述了心脏动力学状态的...

【技术特征摘要】

【专利技术属性】
技术研发人员：陈杭，刘峰，叶树明，顾斐，吕维敏，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]