System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术qrs波群识别,具体涉及基于人工智能的心电图数字化曲线分割方法。
技术介绍
1、心电图中不同波段的波动呈现心脏不同部位情况,为了对心脏不同部位情况进行判断,需将心电图中不同波段进行分割。心电图的数字化曲线分割是指将心电图信号中的不同波形部分(如p波、qrs波群和t波)从原始信号中进行分离和提取的过程。
2、心电图信号在不同采样情况下表现出不同的形态和波状特征,现有的模板匹配法仅通过一个固定的qrs模板无法适用多种采样情况,容易导致qrs波群识别不准确,使心电图中qrs波段相关数据出现误差,降低心电图的数字化曲线分割的准确性。
技术实现思路
1、为了解决模板匹配算法中一个固定模板无法适应多种采样情况,导致心电图数据化曲线分割不准确的技术问题,本专利技术的目的在于提供一种基于人工智能的心电图数字化曲线分割方法,所采用的技术方案具体如下:
2、本专利技术提出了一种基于人工智能的心电图数字化曲线分割方法,该方法包括:
3、基于每个时刻的心电数据值获取qrs模板;从qrs模板的数据点中选取预设第一值个原始特征点;分别以预设第二值种采样间隔对qrs模板的数据点进行采样,得到每种采样间隔下qrs模板中每个原始特征点对应的采样特征点;
4、根据qrs模板中每个原始特征点与每种采样间隔下对应的采样特征点的心电数据值之间的差异,获取qrs模板中每个原始特征点在每种采样间隔下的数据变化度;
5、依据qrs模板中每个原始特征点与其相邻时
6、基于所述数据变化度与所述趋势变化度对qrs模板中每个原始特征点进行调整得到qrs模板的最终调整点;将qrs模板的最终调整点与获取的历史心电图中每个时刻的心电数据值进行匹配,从历史心电图中筛选出qrs波群;
7、至少基于筛选出的qrs波群对历史心电图中的波段进行分割。
8、进一步地,所述qrs模板的获取方法,包括:
9、所述qrs模板为预设标准qrs波群,预设标准qrs波群包括由每个时刻的心电数据值构成的数据点。
10、进一步地,所述每种采样间隔下qrs模板中每个原始特征点对应的采样特征点的获取方法,包括:
11、分别以预设第二值种采样间隔对qrs模板的数据点进行采样,得到qrs模板中每种采样间隔下的采样数据点;
12、对于qrs模板中每个原始特征点,获取原始特征点分别与qrs模板在每种采样间隔下的每个采样数据点之间的时间间隔,将每种采样间隔下的最小的时间间隔对应的所述采样数据点作为原始特征点在每种采样间隔下的采样特征点。
13、进一步地,所述数据变化度的获取方法,包括:
14、将qrs模板中每个原始特征点与每种采样间隔下对应的采样特征点的心电数据值之间的差值绝对值进行归一化,得到qrs模板中每个原始特征点在每种采样间隔下的数据变化度。
15、进一步地,所述倾斜特征值的获取方法,包括:
16、以时间为横轴,心电数据值为纵轴建立二维坐标系;将qrs模板中数据点在所述二维坐标系中进行标注得到数据坐标点;将qrs模板中原始特征点在二维坐标系中对应的数据坐标点作为原始坐标点;
17、对于任意一个原始坐标点,判断原始坐标点、其前一时刻的数据坐标点与其后一时刻的数据坐标点是否共线,若是,将原始坐标点的斜率作为原始坐标点对应的原始特征点的倾斜特征值;若否,获取原始坐标点、其前一时刻的数据坐标点与其后一时刻的数据坐标点形成的圆,将该圆上原始坐标点的切线斜率作为原始坐标点对应原始特征点的倾斜特征值。
18、进一步地,所述趋势变化度的获取方法,包括:
19、获取每种采样间隔下qrs模板中每个采样特征点的斜率;
20、将qrs模板中每个原始特征点的倾斜特征值与每种采样间隔下对应的采样特征点的斜率之间的差值,作为qrs模板中每个原始特征点在每种采样间隔下的倾斜差值;将所述倾斜差值进行归一化,作为qrs模板中每个原始特征点在每种采样间隔下的趋势变化度。
21、进一步地,所述基于所述数据变化度与所述趋势变化度对qrs模板中每个原始特征点进行调整得到qrs模板的最终调整点的获取方法,包括:
22、基于qrs模板中所有采样间隔下的数据变化度对原始特征点的心电数据值进行调整,获取qrs模板中每个原始特征点的调整心电值;基于qrs模板中所有采样间隔下的趋势变化度对原始特征点的倾斜特征值进行调整,获取qrs模板中每个原始特征点的调整倾斜度;
23、将qrs模板中每个原始特征点对应时刻的调整心电值的数据点作为qrs模板中每个原始特征点对应的初始调整点;
24、结合qrs模板中每个原始特征点的调整倾斜度对原始特征点对应的初始调整点进行曲线拟合得到调整曲线;将qrs模板中每个时刻在调整曲线上对应的数据点作为qrs模板的最终调整点。
25、进一步地,所述原始特征点的调整心电值的获取方法,包括:
26、将qrs模板中每个原始特征点在所有采样间隔下的数据变化度的均值,作为qrs模板中每个原始特征点的综合数据变化特征值;
27、对于qrs模板中每个原始特征点,将常数1与原始特征点的综合数据变化特征值的差值,作为原始特征点的数据调整系数,将所述数据调整系数与原始特征点的心电数据值的乘积,作为原始特征点的调整心电值。
28、进一步地,所述原始特征点的调整倾斜度的获取方法,包括:
29、将qrs模板中每个原始特征点在所有采样间隔下的趋势变化度的均值,作为qrs模板中每个原始特征点的综合趋势变化特征值;
30、对于qrs模板中每个原始特征点,将常数1与原始特征点的综合趋势变化特征值的差值,作为原始特征点的趋势调整系数,将所述趋势调整系数与原始特征点的倾斜特征值的乘积,作为原始特征点的调整倾斜度。
31、进一步地,所述从历史心电图中筛选出qrs波群的方法,包括:
32、以长度为预设模板长值,宽度为1的滑窗对历史心电图内所有时刻的心电数据值进行遍历,将滑窗内的心电数据值按照时间顺序排列,得到历史心电数据序列;
33、将qrs模板中每个时刻的最终调整点的心电数据值按照时间顺序排列,得到模板心电数据序列;
34、利用dtw算法将模板心电数据序列分别与每个历史心电数据序列进行匹配,得到每个历史心电数据序列的dtw值;将dtw值最小的历史心电数据序列作为历史心电图的qrs波群。
35、本专利技术具有如下有益效果:
36、本专利技术实施例中,在不同采样间隔下qrs模板中特征点的相关数据存在误差,本文档来自技高网...
【技术保护点】
1.一种基于人工智能的心电图数字化曲线分割方法,其特征在于,该方法包括:
2.根据权利要求1所述的一种基于人工智能的心电图数字化曲线分割方法,其特征在于,所述QRS模板的获取方法,包括:
3.根据权利要求1所述的一种基于人工智能的心电图数字化曲线分割方法,其特征在于,所述每种采样间隔下QRS模板中每个原始特征点对应的采样特征点的获取方法,包括:
4.根据权利要求1所述的一种基于人工智能的心电图数字化曲线分割方法,其特征在于,所述数据变化度的获取方法,包括:
5.根据权利要求1所述的一种基于人工智能的心电图数字化曲线分割方法,其特征在于,所述倾斜特征值的获取方法,包括:
6.根据权利要求1所述的一种基于人工智能的心电图数字化曲线分割方法,其特征在于,所述趋势变化度的获取方法,包括:
7.根据权利要求1所述的一种基于人工智能的心电图数字化曲线分割方法,其特征在于,所述基于所述数据变化度与所述趋势变化度对QRS模板中每个原始特征点进行调整得到QRS模板的最终调整点的获取方法,包括:
8.根据权利要求7所
9.根据权利要求7所述的一种基于人工智能的心电图数字化曲线分割方法,其特征在于,所述原始特征点的调整倾斜度的获取方法,包括:
10.根据权利要求1所述的一种基于人工智能的心电图数字化曲线分割方法,其特征在于,所述从历史心电图中筛选出QRS波群的方法,包括:
...【技术特征摘要】
1.一种基于人工智能的心电图数字化曲线分割方法,其特征在于,该方法包括:
2.根据权利要求1所述的一种基于人工智能的心电图数字化曲线分割方法,其特征在于,所述qrs模板的获取方法,包括:
3.根据权利要求1所述的一种基于人工智能的心电图数字化曲线分割方法,其特征在于,所述每种采样间隔下qrs模板中每个原始特征点对应的采样特征点的获取方法,包括:
4.根据权利要求1所述的一种基于人工智能的心电图数字化曲线分割方法,其特征在于,所述数据变化度的获取方法,包括:
5.根据权利要求1所述的一种基于人工智能的心电图数字化曲线分割方法,其特征在于,所述倾斜特征值的获取方法,包括:
6.根据权利要求1所述的一种基于人工智能的心电图数字化...
【专利技术属性】
技术研发人员:郝国梁,王功新,郭锐,董秀明,
申请(专利权)人:深圳泰康医疗设备有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。