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】
本专利技术涉及智慧医疗,特别涉及一种基于心肌缺血特征参数提取的心脏数据监测方法。
技术介绍
1、目前,在心脏监测方面,是通过心电图、动态心电图、运动负荷试验、冠状动脉ct、冠状动脉造影、心肌核素扫描、超声心电图或者心肌损伤标志物检查等方式,进行心脏监测;
2、通常在心脏出现病理现象的时候,也会出现心肌缺血,心肌缺血是指心肌组织由于血流供应不足而导致的氧气和营养物质缺乏。这种状况与心脏功能紧密相关,因为心脏的正常工作依赖于心肌细胞能够获得足够的氧气和营养。
3、因此,通过心肌缺血特征,可以对心脏的健康状况进行监测判定,在现有技术中202310032546.4心脏检测评估方法、系统、存储介质及装置中提出了:“配合心电高频成份分析,因心电高频成份可到微伏级,可以及时反映心脏状态,检测敏感度高且准确性高,能够准确地提示出心肌缺血的风险以及心脏心衰的问题。”
4、但是这种方式反应心脏状态只能是心肌缺血的状态和心脏心衰的问题,无法通过心肌缺血的特征,预测心脏可能演化为什么疾病,风险等级等等。
技术实现思路
1、本专利技术提供一种基于心肌缺血特征参数提取的心脏数据监测方法,用以解决现有技术无法通过心肌缺血的特征,预测心脏可能演化为什么疾病,风险等级的情况。
2、本专利技术提出了一种基于心肌缺血特征参数提取的心脏数据监测方法,包括:
3、获取患者在心肌缺血状态下的生理数据和生化数据,进行异常心肌特征识别;
4、搭建心脏组织模型
5、将采集的异常心肌特征导入心脏组织模型,并获取对应的响应值;
6、根据响应值,将对应异常心肌参数输入梯度提升机器分类器,确定心脏监测风险数据。
7、优选的,所述生理数据通过心肌缺血状态下的心电图采集;其中,
8、心电图采集通过植入式心电事件记录器进行数据记录,植入式心电事件记录器配置有心肌缺血的第一检测触发机制和第二检测触发机制;其中,
9、第一检测触发机制用于设置时间分段机制,并将佩戴初始时间段的心电信号作为基准心电信号,当实时心电信号与基准心电信号的偏差超过预设偏差值,且实时心电信号超过预设的阈值区间,并生成第一报警信号;
10、第二检测触发机制用于判断在实时心电信号与基准心电信号的偏差没有超过预设偏差值的情况下,是否出现心肌缺血的特征心电信号,并进行心电信号记录。
11、优选的,所述生化数据通过心肌缺血状态下的心肌损伤标志物检测确定;其中,
12、心肌损伤标志物检测时间段与生理数据中异常心电数据的采集时间段相对应。
13、优选的,所述异常心肌特征识别包括:
14、判断生理数据对应的心脏区域,生成数据组;
15、判断生理数据和生化数据在心脏区域的产生时间,对每个数据组进行顺序排序;
16、基于顺序排序,确定不同心脏区域的心肌演化数据;
17、将心肌演化数据输入训练好的心肌异常识别网络,确定异常心肌特征。
18、优选的,所述搭建心脏组织模型包括:
19、获取患者心脏组织的医学图像,进行三维立体建模,生成心脏三维立体模型;
20、将心脏三维立体模型进行心肌分割,确定心肌区域;其中,
21、心肌区域包括:心房肌区域、心室肌区域、心内膜肌区域;
22、通过心肌区域,将生理数据和生化数据中患者的常规数据模拟载入,生成基于动态仿真的心脏组织模型。
23、优选的,所述响应机制包括异常心肌特征响应机制和异常区域响应机制;其中,
24、异常区域响应机制用于根据异常心肌特征位置,生成第一响应参数,
25、异常心肌特征响应机制用于根据异常心肌特征对应的心肌状态风险程度和第一响应参数,生成第二响应参数。
26、优选的,所述异常评估赋值包括:
27、预先构建心肌异常特征数据库,并定义每一个异常心肌特征的赋值规则和函数表达式;
28、构建每个异常心肌特征、赋值规则以及函数表达式的映射关系;
29、根据映射关系,配置基于异常心肌特征的触发机制,并在触发后确定对应的实时函数值,将实时函数值作为当前时刻的异常检测值;
30、根据异常检测值的对应心肌位置和异常检测值在赋值规则下的赋值方式,确定异常评估赋值;其中,
31、赋值方式包括解包赋值和链式赋值。
32、优选的,所述区域赋值包括:
33、根据心脏组织模型,进行心肌区域划分;
34、设定每个心肌区域对应心脏风险的初始关联值;
35、根据初始关联值,搭建不同心肌区域对于心脏风险的评估矩阵;
36、根据评估矩阵,确定在不同生理数据和生化数据下的心肌区域赋值。
37、优选的,所述梯度提升机器分类器包括一个基学习器和多个弱分类器;其中,
38、弱分类器用于对异常心肌参数进行分类加权;
39、基学习器用于对分类加权后的异常心肌参数进行风险融合评估。
40、优选的,所述分类加权的步骤包括:
41、根据异常心肌参数,进行心肌区域划分,并构建基于心肌异常的病理生理学模型;其中,
42、病理生理学模型的每个心肌区域各设置一个异常心肌加权函数;
43、基于病理生理学模型,构建异常心肌加权函数的权值估计模型;
44、基于权值估计模型,利用傅里叶变换对权值进行加权估计,确定分类加权结果。
45、本专利技术的有益效果在于:
46、本申请可以帮助医生发现一些肉眼不可见的细微心电异常,并处理潜在的心肌缺血状况,从而提高治疗的成功率和生存率。
47、本申请可以在可以根据病理信息,预测心脏可能转化的疾病,辅助患者提前预防或者提前处理心肌缺血的风险,防止发展为具体的病理性疾病。
48、本申请相对于医生的经验分析和传统基于目标识别的识别方式,能够精确和准确的分析每个心肌区域的风险状态,为医生提供诊疗数据,对心脏不同区域的风险以梯度的方式进行梯度划分,梯度输出,从细微的不同区域,进行整体的心脏是否存在病理风险的全局认定。
49、本专利技术的其它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,或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
50、下面通过附图和实施例,对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,包括:
2.如权利要求1所述的一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,所述生理数据通过心肌缺血状态下的心电图采集;其中,
3.如权利要求1所述的一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,所述生化数据通过心肌缺血状态下的心肌损伤标志物检测确定;其中,
4.如权利要求1所述的一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,所述异常心肌特征识别包括:
5.如权利要求1所述的一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,所述搭建心脏组织模型包括:
6.如权利要求1所述的一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,所述响应机制包括异常心肌特征响应机制和异常区域响应机制;其中,
7.如权利要求1所述的一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,所述异常评估赋值包括:
8.如权利要求1所述的一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,所述
9.如权利要求1所述的一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,所述梯度提升机器分类器包括一个基学习器和多个弱分类器;其中,
10.如权利要求9所述的一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,所述分类加权的步骤包括:
...【技术特征摘要】
1.一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,包括:
2.如权利要求1所述的一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,所述生理数据通过心肌缺血状态下的心电图采集;其中,
3.如权利要求1所述的一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,所述生化数据通过心肌缺血状态下的心肌损伤标志物检测确定;其中,
4.如权利要求1所述的一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,所述异常心肌特征识别包括:
5.如权利要求1所述的一种基于心肌缺血特征参数提取的心脏数据监测方法,其特征在于,所述搭建心脏组织模型包括:
6.如权利要...
【专利技术属性】
技术研发人员:孙宁,吕永会,
申请(专利权)人:宝鸡市人民医院市急救中心,
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。