动态心电散点图的目标区域划分方法、装置、设备及介质制造方法及图纸

本申请公开了一种动态心电散点图的目标区域划分方法、装置、设备及介质。该方法包括：获取动态心电数据；根据所述动态心电数据中的RR间期，获取动态心电散点图；将所述动态心电散点图输入预设神经网络模型，获得一个或多个目标区域；显示所述一个或多个目标区域。本申请提供的动态心电散点图的目标区域划分方法，能够实现动态心电散点图的目标区域的自动划分，不需要再进行人工操作划分目标区域，从而大大减轻了医务工作者的工作量，提高了工作效率，且划分结果准确率更高，减少了人工工作量，降低了人工成本，提高了工作效率。提高了工作效率。提高了工作效率。

【技术实现步骤摘要】
动态心电散点图的目标区域划分方法、装置、设备及介质


[0001]本申请涉及图像处理
，具体涉及一种动态心电散点图的目标区域划分方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]心电散点图是临床上用于诊断心脏相关疾病的重要参考依据，心电散点图用于表征连续心电RR间期，图上具有多个散点，又简称散点图(scatter plot、scatter map)。连续心电RR间期所代表的心脏节律是人体时间序列动态变化的重要表现形式，因此心电散点图已成为用非线性混沌理论研究生命科学的重要工具之一。
[0003]目前在临床诊断过程中，医生会观察全时程或一定时间段的动态心电散点图，然后通过人工方式选择散点图中的一个或几个目标区域，例如通过鼠标点击选中散点图上的区域，如图1所示，在生成相应的心搏叠加图后再人工对生成的心搏叠加图进行进一步分析。由于医生在工作中需要对大量的动态心电病例进行人工分析，因此人工手动选择散点图中目标区域的过程会给医生带来较大的工作负担，且工作效率较低，准确度不高。

技术实现思路

[0004]本申请的目的是提供一种动态心电散点图的目标区域划分方法、装置、电子设备及计算机可读存储介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
[0005]根据本申请实施例的一个方面，提供一种动态心电散点图的目标区域划分方法，包括：
[0006]获取动态心电数据；
[0007]根据所述动态心电数据中的RR间期，获取动态心电散点图；
[0008]将所述动态心电散点图输入预设神经网络模型，获得一个或多个目标区域；
[0009]显示所述一个或多个目标区域。
[0010]在本申请的一些实施例中，所述目标区域包括窦律区、干扰区和早搏区。
[0011]在本申请的一些实施例中，所述根据所述动态心电数据中的RR间期，获取动态心电散点图，包括：
[0012]对所述动态心电数据进行QRS波检测，获得动态心电数据各心搏的R波位置，得到连续RR间期序列；
[0013]将所述连续RR间期序列中的当前RR间期作为直角坐标系的横坐标，后一个RR间期作为所述直角坐标系的纵坐标，得到散点；
[0014]将所有的散点叠加形成动态心电散点图。
[0015]在本申请的一些实施例中，所述将所述心电散点图输入预设神经网络模型，获得
一个或多个分割区域，包括：
[0016]通过所述预设神经网络模型对所述动态心电散点图进行第一数目次的第一处理，得到第一特征图；
[0017]对所述第一特征图进行第一数目次的第二处理，得到第二特征图；所述第二特征图为最后一次进行第二处理所得到的特征图；
[0018]对所述第二特征图进行分类，得到包含有至少一个划分区域的目标区域划分图像；
[0019]其中，各所述第一处理与各所述第二处理一一对应。
[0020]在本申请的一些实施例中，所述第一处理包括：依次进行卷积和池化，输出池化后特征图和池化索引；所述第一特征图为最后一次进行所述第一处理所获得的特征图；
[0021]所述第二处理包括：使用对应的第一处理所输出的所述池化索引对输入的特征图进行上采样得到上采样特征图；将对应的第一处理所输出的所述池化后特征图与所述上采样特征图进行拼接得到拼接特征图；将所述拼接特征图进行至少一次卷积处理，输出处理后的特征图。
[0022]在本申请的一些实施例中，在所述对所述动态心电散点图进行第一数目次的第一处理之前，所述方法还包括：
[0023]对所述动态心电散点图依次进行归一化处理和标准化处理，得到预处理后的动态心电散点图；
[0024]所述对所述动态心电散点图进行第一数目次的第一处理替换为对所述预处理后的动态心电散点图进行第一数目次的第一处理。
[0025]在本申请的一些实施例中，所述预设神经网络模型包括依次连接的编码网络、解码网络和分类器；
[0026]所述编码网络用于对所述动态心电散点图进行第一数目次的第一处理，得到第一特征图；
[0027]所述解码网络用于对所述第一特征图进行第一数目次的第二处理，得到第二特征图；
[0028]所述分类器用于利用多分类函数处理所述第二特征图，得到包含有至少一个划分区域的目标区域划分图像。
[0029]根据本申请实施例的另一个方面，提供一种动态心电散点图的目标区域划分装置，包括：
[0030]动态心电数据获取模块，用于获取动态心电数据；
[0031]动态心电散点图获取模块，用于根据所述动态心电数据中的RR间期，获取动态心电散点图；
[0032]目标区域获取模块，用于将所述动态心电散点图输入预设神经网络模型，获得一个或多个目标区域；
[0033]显示模块，用于显示所述一个或多个目标区域。
[0034]根据本申请实施例的另一个方面，提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现上述任一项的动态心电散点图的目标区域划分方法。
[0035]根据本申请实施例的另一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以实现上述任一项的动态心电散点图的目标区域划分方法。
[0036]本申请实施例的其中一个方面提供的技术方案可以包括以下有益效果：
[0037]本申请实施例提供的动态心电散点图的目标区域划分方法，能够实现动态心电散点图的目标区域的自动划分，不需要再进行人工操作划分目标区域，从而大大减轻了医务工作者的工作量，提高了工作效率，且划分结果准确率更高，减少了人工工作量，降低了人工成本，提高了工作效率。
[0038]本申请的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者，部分特征和优点可以从说明书中推知或毫无疑义地确定，或者通过实施本申请实施例了解。
附图说明
[0039]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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申请中记载的一些实施例，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。
[0040]图1示出了现有技术的通过人工方式选择散点图中的目标区域的示意图；
[0041]图2示出了本申请的一些实施方式的动态心电散点图的目标区域划分方法流程图；
[0042]图3示出了本申请的一些实施方式的第二处理的流程图；
[0043]图4示出了本申请的一个具体示例中的深度学习算法模型的结构示意图；
[0044]图5示出了图2中所示的步骤S10的一些实施方式的流程图；
...

【技术保护点】

【技术特征摘要】
1.一种动态心电散点图的目标区域划分方法，其特征在于，包括：获取动态心电数据；根据所述动态心电数据中的RR间期，获取动态心电散点图；将所述动态心电散点图输入预设神经网络模型，获得一个或多个目标区域；显示所述一个或多个目标区域。2.根据权利要求1所述的方法，其特征在于，所述目标区域包括窦律区、干扰区和早搏区。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数据中的RR间期，获取动态心电散点图，包括：对所述动态心电数据进行QRS波检测，获得动态心电数据各心搏的R波位置，得到连续RR间期序列；将所述连续RR间期序列中的当前RR间期作为直角坐标系的横坐标，后一个RR间期作为所述直角坐标系的纵坐标，得到散点；将所有的散点叠加形成动态心电散点图。4.根据权利要求1所述的方法，其特征在于，所述将所述心电散点图输入预设神经网络模型，获得一个或多个分割区域，包括：通过所述预设神经网络模型对所述动态心电散点图进行第一数目次的第一处理，得到第一特征图；通过所述预设神经网络模型对所述第一特征图进行第一数目次的第二处理，得到第二特征图；所述第二特征图为最后一次进行第二处理所得到的特征图；对所述第二特征图进行分类，得到包含有至少一个划分区域的目标区域划分图像；其中，各所述第一处理与各所述第二处理一一对应。5.根据权利要求4所述的方法，其特征在于，所述第一处理包括：依次进行卷积和池化，输出池化后特征图和池化索引；所述第一特征图为最后一次进行所述第一处理所获得的特征图；所述第二处理包括：使用对应的第一处理所输出的所述池化索引对输入的特征图进行上采样得到上采样特征图；将对应的第一处理所输出的所述池化后特征图与所述上采样特征图进行拼接得到拼接特征图；将所...

【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：