心电图校正方法和装置、电子设备及程序产品与流程
本发明涉及医疗、健康或运动领域,特别是涉及心电图校正方法和装置、电子设备及程序产品。
背景技术:
1、心电图(ecg)是临床诊断和监测心脏疾病的重要工具。然而,在心电信号采集和显示过程中,经常会出现基线漂移现象,这是指在心电信号中出现的非心脏活动引起的低频噪声。这些噪声会影响心电图波形显示,导致基线不稳定,从而影响解读的准确性。常见的基线漂移包括呼吸运动引起的基线漂移、肌肉颤动(肌电干扰)、电极接触不良以及电源干扰等。
2、目前,心电图基线漂移的消除主要通过去除信号的低频成分来实现。常用方法包括硬件处理,如选择高质量电极减少接触噪声,确保电极正确放置在皮肤上,避免电极与皮肤之间的接触不良,确保设备良好接地以减少电源干扰等。在信号处理方面,通常采用截止频率设置在0.5-1hz的高通滤波器去除低频基线漂移。
3、然而,现有技术在处理心电图基线漂移时仍存在一定的局限性,难以有效消除心电图基线漂移。
4、本背景技术描述的内容仅为了便于了解本领域的相关技术,不视作对现有技术的承认。
技术实现思路
1、本发明实施例旨在提供至少部分缓解或解决上述技术问题的心电图校正方案。
2、在第一方面,本发明实施例提供一种心电图校正方法,包括:
3、识别心电图数据中的多个心动周期的对应特征点;
4、确定所述多个心动周期的对应特征点所在第一时间窗内的信号平均值;
5、根据相邻心动周期的对应特征点所在第一时间窗内的信号平均值的差异,确定相邻心动周期之间的基线漂移,对所述相邻心动周期之间的心电图数据进行基线漂移校正。
6、在一些实施例中,所述确定信号平均值的步骤和所述基线漂移校正步骤以顺序移动比较的方式执行,包括:
7、根据所识别的多个心动周期的对应特征点,选取相邻组心动周期的对应特征点,其中每组具有一个或多个心动周期;
8、分别计算所选取的各组对应特征点所在第一时间窗内的信号平均值;
9、根据相邻组对应特征点的信号平均值差异,确定相邻组心动周期之间的基线漂移量;
10、基于所述基线漂移量以及所述心电图数据的各采样点的时间位置关系,校正相邻组心动周期之间的心电图数据;
11、顺序移动相邻组选取位置以选取相邻组,使之前选取的相邻组中的后组成为当前选取的相邻组中的前组,并重复执行上述计算、确定和校正步骤,直至完成所述心电图数据的基线漂移校正。
12、在一些实施例中,所述基于所述基线漂移量以及所述心电图数据的时间关系,校正相邻组心动周期之间的心电图数据,包括:
13、确定各采样点与特征点之间的时间间隔相对于所述对应特征点之间的总时间间隔的比例关系;
14、根据所述基线漂移和所述比例关系,确定所述各采样点对应的动态校正量;
15、使用所确定的动态校正量对所述各采样点进行逐点校正。
16、在一些实施例中,所述对应特征点包括qrs波的r峰值。
17、在一些实施例中,所述识别心电图数据中的多个心动周期的对应特征点,包括:
18、针对所述心电图数据设置第二时间窗;
19、沿时间方向依次移动所述第二时间窗,分别确定所述心电图数据在依次移动的第二时间窗内的最大值;
20、根据相邻位置的第二时间窗内的所述最大值的变化趋势,确定特征候选点;以及
21、通过阈值筛选在所述特征候选点中识别所述心动周期的对应特征点。
22、在一些实施例中,所述根据相邻位置的第二时间窗内的所述最大值的变化趋势,确定特征候选点,包括:
23、确定相邻第二时间窗内的所述最大值的差值;以及
24、识别所述差值从正值转变为负值的转变点作为所述特征候选点。
25、在一些实施例中,所述通过阈值筛选从所述特征候选点中选择所述心动周期的对应特征点,包括:
26、确定所有特征候选点中的最大值;
27、选择大于所述最大值减去给定阈值的特征候选点作为所述心动周期的所述对应特征点。
28、在一些实施例中,所述通过阈值筛选从所述特征候选点中选择所述心动周期的对应特征点,包括:
29、设置初始动态阈值;
30、根据所确定的特征候选点与所述初始动态阈值的比较,确定初始对应特征点;
31、随着特征候选点的持续确定,基于已确定的对应特征点持续更新所述动态阈值,并使用更新后的动态阈值继续识别后续心动周期的对应特征点;
32、其中,在识别至少两个相邻心动周期的对应特征点后,实时执行所述确定信号平均值的步骤和所述基线漂移校正步骤。
33、在一些实施例中,所述心电图数据为多个连续缓冲数据段形式,
34、针对每个缓冲数据段分别执行所述识别对应特征点的步骤;
35、其中,在针对首个缓冲数据段识别所述对应特征点后,实时执行所述确定信号平均值的步骤和所述基线漂移校正步骤。
36、在第二方面,本发明实施例提供一种心电图校正装置,其可包括:
37、识别单元,配置成识别心电图数据中的多个心动周期的对应特征点;
38、确定单元,配置成确定所述多个心动周期的对应特征点所在第一时间窗内的信号平均值;
39、校正单元,配置成根据相邻心动周期的对应特征点所在第一时间窗内的信号平均值的差异,确定相邻心动周期之间的基线漂移,对所述相邻心动周期之间的心电图数据进行基线漂移校正。
40、在第三方面,本发明实施例提供一种电子设备,其可包括:处理器和存储有计算机程序的存储器,所述处理器被配置为在执行所述计算机程序时实现如第一方面所述的方法。
41、在第四方面,本发明实施例提供一种程序产品,包括计算机程序,其中,所述计算机程序被处理器执行时实现如第一方面所述的方法。
42、在第五方面,本发明实施例提供一种存储介质,存储有计算机程序,其中,所述计算机程序被处理器执行时实现如第一方面所述的方法。
43、本发明实施例提供的心电图校正方法,通过识别心电图数据中的多个心动周期特征点,确定多个心动周期的对应特征点所在第一时间窗内的信号平均值,并基于相邻特征点信号平均值的差异确定基线漂移量,从而实现对相邻心动周期之间心电图数据的校正。该心电图校正方法利用心动周期特征点作为参考,通过分析特征点信号特性来确定基线漂移,并且考虑了心电信号的周期性特征,更精确地捕捉和校正不同心动周期之间的基线差异,显著提高了心电图解读的准确性。
44、在本发明的进一步实施例中,上述均值确定步骤和校正步骤还采用了顺序移动比较的方式执行,通过选取相邻组心动周期并持续更新校正参数,实现了对连续的心电图数据的实时校正。
45、在本发明的附加实施例中,特征点识别采用了滑动窗口与梯度法相结合的方式,通过分析相邻窗口内信号最大值的变化趋势确定候选点,再通过阈值筛选识别出有效特征点,大幅提高了特征点识别的准确性和灵敏度,为基线漂移校正提供了可靠的参考点。
46、在本发明另外的附加实施例中,特征点识别引入了动态阈值机制,通过设置初始动态阈值并根据已确定的特征点持续更新该阈值,使系统能够适应信号的动态变化特性,这种机制无需等待所有特征点被识别确定即可实时执行校正,进一步提升了实时性。
47、在本发明另外的附加实施例中,特征点识别采用了分段缓冲处理机制,通过独立处理为多个连续缓冲数据段形式的心电图数据,以针对每个数据段独立执行特征点识别,从而能够在识别到首个数据段中的特征点后即开始校正处理,同时继续处理后续数据段,实现了流水线式的实时处理。
48、本发明实施例的其他可选特征和技术效果一部分在下文描述,一部分可通过阅读本文而明白。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com