动态心电的分析方法、装置及医疗设备制造方法及图纸

本发明专利技术涉及医疗图像技术领域，具体涉及动态心电的分析方法、装置及医疗设备，所述方法包括获取原始动态心电图数据；对所述原始动态心电图数据进行预处理，得到动态心电图数据；根据所述动态心电图数据进行多模态分析，得到动态心电分析结果；显示所述动态心电分析结果。通过先对原始动态心电图数据进行预处理，以保证所得到的动态心电图数据的准确性，再利用人工智能方法实现多模态分析，而多模态参数的分析相较于单一参数的分析，可以使各个模型能够学习到不同模态参数之间的关联信息，实现了整体工作流程的自动化，使得最终确定出的动态心电分析结果的准确率得到提升。态心电分析结果的准确率得到提升。态心电分析结果的准确率得到提升。

【技术实现步骤摘要】
动态心电的分析方法、装置及医疗设备


[0001]本专利技术涉及医疗图像
，具体涉及动态心电的分析方法、装置及医疗设备。

技术介绍

[0002]与普通心电图相比，动态心电图在24小时内可连续记录多达10万次左右的心电信号。这样可以提高对非持续性心律失常，尤其是对一过性心律失常及短暂的心肌缺血发作的检出率，因此扩大了心电图临床运用的范围。
[0003]常采用的动态心电图的分方法包括信号高低通滤波、信号差分运算、平方和积分运算。在最终的积分曲线中会找到一系列波峰点，可能是QSR波，可能是噪声。再根据心电图信号和心脏电生理活动的一些基本规律，通过一些自适应阈值的计算，寻找每个P
‑
QRS
‑
T波群的特征；根据找到的每个P
‑
QRS
‑
T波以及前后的波群，对每个心博进行分类识别；在心博分类识别的基础上，通过分析心博变化的规律，生成各种心律失常和传到阻滞等动态心电的分析结果。
[0004]然而上述技术方案中，由于最终动态心电的分析结果依赖于心博变化的规律，而实际过程中动态心电的分析结果不仅仅是与心博变化有关。若仅采用单一的心博变化规律确定分析结果，就必然会导致最终生成的分析结果的准确性较低。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供了一种动态心电的分析方法、装置及医疗设备，以解决动态心电分析结果的准确性较低的问题。
[0006]根据第一方面，本专利技术实施例提供了一种动态心电的分析方法，包括：r/>[0007]获取原始动态心电图数据；
[0008]对所述原始动态心电图数据进行预处理，得到动态心电图数据；
[0009]根据所述动态心电图数据进行多模态分析，确定动态心电分析结果；
[0010]显示所述动态心电分析结果。
[0011]本专利技术实施例提供的动态心电的分析方法，通过先对原始动态心电图数据进行预处理，以保证所得到的动态心电图数据的准确性，再利用人工智能方法实现多模态分析，而多模态参数的分析相较于单一参数的分析，可以使各个模型能够学习到不同模态参数之间的关联信息，实现了整体工作流程的自动化，构建了完整链路实现人工智能方法在动态心电分析中的应用和自动优化过程，使得最终确定出的动态心电分析结果的准确率得到提升，且在界面上显示动态心电分析结果，使得医护人员能够直观的了解到相应的结果。
[0012]结合第一方面，在第一方面第一实施方式中，所述对所述原始动态心电图数据进行预处理，得到动态心电图数据，包括：
[0013]将所述原始动态心电图数据输入噪声分析模型中，确定所述原始动态心电图数据的噪声等级；
[0014]将所述原始动态心电图数据输入与所述噪声等级对应的去噪模型中，得到所述动
态心电图数据；
[0015]显示所述原始动态心电图数据、所述动态心电图数据以及所述噪声等级，并在所述原始动态心电图数据中标注出噪声发生的起始位置。
[0016]本专利技术实施例提供的动态心电的分析方法，利用噪声分析模型对原始动态心电图数据进行噪声等级的确定，并利用与噪声等级对应的去噪模型对动态心电图数据进行去噪处理，使得信号去噪更加具有针对性，有效地改善了传统算法中需要人工设置参数的部分，避免由于滤波参数设置不当而导致的波形发生严重改变、重要波形信息丢失、滤波效果较差以及噪声滤除不完全的现象，提高了信号去噪的效果。同时通过在界面显示去噪前后的原始动态心电图数据与动态心电图数据，便于医护人员直观了解去噪效果。
[0017]结合第一方面，在第一方面第二实施方式中，所述根据所述动态心电图数据进行多模态分析，确定动态心电分析结果，包括：
[0018]将所述动态心电图数据分别输入至少两个特征分析模型中，得到与所述动态心电图数据对应的至少两种心电特征；
[0019]将所述至少两种心电特征输入多模态分析模型中，对所述至少两种心电特征进行融合分析，确定所述动态心电分析结果。
[0020]本专利技术实施例提供的动态心电的分析方法，利用人工智能方法提取动态心电图数据的至少两种心电特征再对提取出的心电特征进行融合分析，实现多模参数的分析，可以使各个模型能够学习到不同模态参数之间的关联信息，提高分析结果的可靠性。
[0021]结合第一方面第二实施方式，在第一方面第三实施方式中，所述显示所述动态心电分析结果，包括：
[0022]响应于对所述动态心电分析结果的修正操作，确定修正后的动态心电分析结果；
[0023]对所述修正后的动态心电分析结果进行存储，以对所述特征分析模型以及所述多模态分析模型进行再训练。
[0024]本专利技术实施例提供的动态心电的分析方法，利用修正后的动态心电分析结果对特征分析模型以及多模态分析模型进行再次修正，使得各个模型可以通过修正信息进行自动优化，进而提升了各个模型检测的准确率。
[0025]结合第一方面第二实施方式，在第一方面第四实施方式中，所述对修正后的动态心电分析结果进行存储，包括：
[0026]创建至少一个特征数据表；
[0027]利用所述数据表分别存储所述动态心电图数据的心电特征或所述动态心电分析结果。
[0028]本专利技术实施例提供的动态心电的分析方法，利用特征数据表的方式对数据进行存储管理，有利于数据的统计、索引、筛选和清洗，提升数据处理效率，同时可以防止当数据量过大时出现数据冗余和错漏的问题，数据库管理机制同时也可以优化各个模型的反馈优化过程。
[0029]结合第一方面第二实施方式，在第一方面第五实施方式中，所述将所述动态心电图数据分别输入至少两个特征分析模型中，得到与所述动态心电图数据对应的至少两种心电特征，包括：
[0030]将所述动态心电图数据输入第一特征分析模型中，对所述动态心电图数据进行逐
点分析，得到心博类别信息；
[0031]将所述动态心电图数据输入第二特征分析模型中，对所述动态心电图数据进行连续片段分析，得到心律失常事件信息；
[0032]将所述动态心电图数据输入第三特征分析模型中，对所述动态心电图数据进行导联信息分析，得到导联关联信息。
[0033]本专利技术实施例提供的动态心电的分析方法，利用各个特征分析模型与动态心电图数据进行相应的逐点分析、连续片段的分析以及导联分析，从各个角度对动态心电图数据进行分析，进一步保证了所得到的心电特征的准确性。
[0034]结合第一方面第五实施方式，在第一方面第六实施方式中，所述将所述动态心电图数据输入第一特征分析模型中，对所述动态心电图数据进行逐点分析，得到心博类别信息，包括：
[0035]利用所述第一特征分析模型中的特征点识别模型对所述动态心电图数据进行逐采样点的识别，确定各采样点所属的心博特征点类别；
[0036]基于所述各采样点所属的心博特征点类别，确定各个所述心博特征点类别的起点与终点；
[0037]利用各个所述心博特征点类别的起点与终点提取相应的动态心电数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态心电的分析方法，其特征在于，包括：获取原始动态心电图数据；对所述原始动态心电图数据进行预处理，得到动态心电图数据；根据所述动态心电图数据进行多模态分析，确定动态心电分析结果；显示所述动态心电分析结果。2.根据权利要求1所述的方法，其特征在于，所述对所述原始动态心电图数据进行预处理，得到动态心电图数据，包括：将所述原始动态心电图数据输入噪声分析模型中，确定所述原始动态心电图数据的噪声等级；将所述原始动态心电图数据输入与所述噪声等级对应的去噪模型中，得到所述动态心电图数据；显示所述原始动态心电图数据、所述动态心电图数据以及所述噪声等级，并在所述原始动态心电图数据中标注出噪声发生的起始位置。3.根据权利要求1所述的方法，其特征在于，所述根据所述动态心电图数据进行多模态分析，确定动态心电分析结果，包括：将所述动态心电图数据分别输入至少两个特征分析模型中，得到与所述动态心电图数据对应的至少两种心电特征；将所述至少两种心电特征输入多模态分析模型中，对所述至少两种心电特征进行融合分析，确定所述动态心电分析结果。4.根据权利要求3所述的方法，其特征在于，所述显示所述动态心电分析结果，包括：响应于对所述动态心电分析结果的修正操作，确定修正后的动态心电分析结果；对所述修正后的动态心电分析结果进行存储，以对所述特征分析模型以及所述多模态分析模型进行再训练。5.根据权利要求3所述的方法，其特征在于，所述对修正后的动态心电分析结果进行存储，包括：创建至少一个特征数据表；利用所述数据表分别存储所述动态心电图数据的心电特征或所述动态心电分析结果。6.根据权利要求3所述的方法，其特征在于，所述将所述动态心电图数据分别输入至少两个特征分析模型中，得到与所述动态心电图数据对应的至少两种心电特征，包括：将所述动态心电图数据输入第一特征分析模型中，对所述动态心电图数据进行逐点分析，得到心博类别信息；将所述动态心电图数据输入第二特征分析模型中，对所述动态心电图数据进行连续片段分析，得到心律失常事件信息；将所述动态心电图数据输入第三特征分析模型中，对所述动态心电图数据进行导联信息分析，得到导联关联信息。7.根据权利要求6所述的方法，其特征在于，所述将所述动态心电图数据输入第一特征分析模型中，对所述动态心电图数据进行逐点分析，得到心博类别信息，包括：利用所述第一特征分析模型中的特征点识别模型对所述动态心电图数据进行逐采样点的识别，确定各采样点所属的心博特征点类别；
基于所述各采样点所属的心博特征点类别，确定各个所述心博特征点类别的起点与终点；利用各个所述心博特征点类别的起点与终点提取相应的动态心电数据，并将提取出的动态心电数据输入至所述第一特征分析模型中的心博分类模型中进行分类，确定心博类别信息。8.根据权利要求7所述的方法，其特征在于，所述基于所述各采样点所属的心博特征点类别，确定各个所述心博特征点类别的起点与终点，包括：利用各个所述心博特征点类别的起点与终点，在所述动态心电图数据上确定出各个所述心博特征点类别对应的波形以及各个波形的峰值点；在所述动态心电图数据上标记...

【专利技术属性】
技术研发人员：欧阳卓然，范小彪，凌锋，
申请(专利权)人：深圳市理邦精密仪器股份有限公司，
类型：发明
国别省市：