本发明涉及心电图监测相关领域,尤其涉及一种提高心电图监测的准确性的方法和装置。
背景技术:
心电图是利用心电图机从体表记录心脏每一心动周期所产生的电活动变化图形的技术。24小时动态心电图可以检测出隐匿性心律失常:短暂的、特定情况下才出现的心律失常,常规ecg易漏诊,而dcg可以捕捉到短暂的异常心电变化,了解心律失常的起源、持续时间、频率、发生与终止规律,可与临床症状、日常活动同步分析其相互关系。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中在进行心电图监测的过程中,缺少对于心率变化时间进行用户相关信息收集分析,判断心率变化监测结果是否准确的技术问题。
技术实现要素:
本申请实施例通过提供一种提高心电图监测的准确性的方法和装置,解决了现有技术中在进行心电监测的过程中,缺少对于心率变化时间进行用户相关信息收集分析,判断心率变化监测结果是否准确的技术问题,达到通过对心电监测用户的心电变化时间进行信息分析和标识,使得对所述用户的心电图监测结果更加准确的技术效果。
鉴于上述问题,提出了本申请实施例提供一种提高心电图监测的准确性的方法和装置。
第一方面,本申请还提供了一种提高心电图监测的准确性的方法,所述方法应用于一心电图监测评估系统,所述系统与第一图像采集装置、第一心电采集设备通信连接,所述方法包括:通过所述第一图像采集装置获得第一用户的第一图像信息;根据所述第一图像信息获得所述第一用户的状态稳定性评估结果;根据所述状态稳定性评估结果获得第一开始指令;根据所述第一开始指令控制所述第一心电采集设备对所述第一用户进行心电采集;获得第一异常心电信号,根据所述第一异常心电信号获得第一时间节点;获得第一时间扩充指令,根据所述第一时间扩充指令扩充所述第一时间节点,获得第一时间区间;根据所述第一时间区间获得第二图像集,其中,所述第二图像集为包括所述第一用户图像的图像集;获得第一特征捕捉指令,根据所述第一特征捕捉指令对所述第二图像集进行特征捕捉,获得第一特征捕捉结果;根据所述第一特征捕捉结果对所述第一异常心电信号进行标识。
另一方面,本申请还提供了一种提高心电图监测的准确性的装置,所述装置包括:第一获得单元,所述第一获得单元用于通过第一图像采集装置获得第一用户的第一图像信息;第二获得单元,所述第二获得单元用于根据所述第一图像信息获得所述第一用户的状态稳定性评估结果;第三获得单元,所述第三获得单元用于根据所述状态稳定性评估结果获得第一开始指令;第一控制单元,所述第一控制单元用于根据所述第一开始指令控制第一心电采集设备对所述第一用户进行心电采集;第四获得单元,所述第四获得单元用于获得第一异常心电信号,根据所述第一异常心电信号获得第一时间节点;第五获得单元,所述第五获得单元用于获得第一时间扩充指令,根据所述第一时间扩充指令扩充所述第一时间节点,获得第一时间区间;第六获得单元,所述第六获得单元用于根据所述第一时间区间获得第二图像集,其中,所述第二图像集为包括所述第一用户图像的图像集;第七获得单元,所述第七获得单元用于获得第一特征捕捉指令,根据所述第一特征捕捉指令对所述第二图像集进行特征捕捉,获得第一特征捕捉结果;第一标识单元,所述第一标识单元用于根据所述第一特征捕捉结果对所述第一异常心电信号进行标识。
第三方面,本发明提供了一种提高心电图监测的准确性的装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过第一图像采集装置获得所述第一用户的第一图像信息,根据所述第一图像信息获得所述第一用户的状态稳定性评估结果,根据所述状态稳定性评估结果获得第一开始指令,根据所述第一开始指令控制所述第一心电采集设备对所述第一用户进行心电采集,获得所述第一异常心电信号,根据所述第一异常心电信号获得第一时间节点,对所述第一时间节点进行时间扩充,获得第一时间区间,根据所述第一时间区间获得第二图像集,根据所述第二图像集进行特征捕捉,获得第一特征捕捉结果,基于所述第一特征捕捉结果对所述第一异常心电信号进行标识,使得后续辅助对所述异常心电信号的分析夯实了基础,进而达到获得更加准确的心电图的监测结果的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种提高心电图监测的准确性的方法的流程示意图;
图2为本申请实施例一种提高心电图监测的准确性的方法的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第一控制单元14,第四获得单元15,第五获得单元16,第六获得单元17,第七获得单元18,第一标识单元19,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种提高心电图监测的准确性的方法和装置,解决了现有技术中在进行心电监测的过程中,缺少对于心率变化时间进行用户相关信息收集分析,判断心率变化监测结果是否准确的技术问题,达到通过对心电监测用户的心电变化时间进行信息分析和标识,使得对所述用户的心电图监测结果更加准确的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
心电图是利用心电图机从体表记录心脏每一心动周期所产生的电活动变化图形的技术。24小时动态心电图可以检测出隐匿性心律失常:短暂的、特定情况下才出现的心律失常,常规ecg易漏诊,而dcg可以捕捉到短暂的异常心电变化,了解心律失常的起源、持续时间、频率、发生与终止规律,可与临床症状、日常活动同步分析其相互关系。现有技术中在进行心电图监测的过程中,缺少对于心率变化时间进行用户相关信息收集分析,判断心率变化监测结果是否准确的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种提高心电图监测的准确性的方法,所述方法应用于一心电图监测评估系统,所述系统与第一图像采集装置、第一心电采集设备通信连接,所述方法包括:通过所述第一图像采集装置获得第一用户的第一图像信息;根据所述第一图像信息获得所述第一用户的状态稳定性评估结果;根据所述状态稳定性评估结果获得第一开始指令;根据所述第一开始指令控制所述第一心电采集设备对所述第一用户进行心电采集;获得第一异常心电信号,根据所述第一异常心电信号获得第一时间节点;获得第一时间扩充指令,根据所述第一时间扩充指令扩充所述第一时间节点,获得第一时间区间;根据所述第一时间区间获得第二图像集,其中,所述第二图像集为包括所述第一用户图像的图像集;获得第一特征捕捉指令,根据所述第一特征捕捉指令对所述第二图像集进行特征捕捉,获得第一特征捕捉结果;根据所述第一特征捕捉结果对所述第一异常心电信号进行标识。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种提高心电图监测的准确性的方法,其中,所述方法应用于一心电图监测评估系统,所述系统与第一图像采集装置、第一心电采集设备通信连接,所述方法包括:
步骤s100:通过所述第一图像采集装置获得第一用户的第一图像信息;
具体而言,所述第一图像采集装置为可对用户进行图像采集的装置,它可以是监控摄像头、手机/电脑摄像头等具有成像功能的设备,所述第一心电采集设备为可进性连续心电监测并进行实时心电反馈的设备,通过所述第一图像采集装置对所述第一用户进行图像采集,所述采集的图像为包括所述第一用户的图像,图像的采集时间为所述第一用户佩戴好所述第一心电采集设备之后,根据所述第一图像采集装置获得所述第一用户的第一图像信息,根据所述第一图像信息为后续对所述第一用户的当前状态的评估夯实了基础。
步骤s200:根据所述第一图像信息获得所述第一用户的状态稳定性评估结果;
具体而言,通过所述第一图像信息,对所述第一用户进行状态评估,用户在进行连续的心电图监测的时候,尽量要保证用户的情绪稳定,以保证心电图监测结果的准确性,当所述第一用户佩戴好所述第一心电采集设备后,对所述第一用户的当前状态进行评估,判断所述第一用户的状态是否正常,即是否存在紧张、亢奋恐惧等异常情绪,根据所述第一图像信息获得所述第一用户的状态稳定性评估结果。
步骤s300:根据所述状态稳定性评估结果获得第一开始指令;
步骤s400:根据所述第一开始指令控制所述第一心电采集设备对所述第一用户进行心电采集;
具体而言,根据所述状态稳定性评估结果,对所述第一用户的当前状态进行评估,根据所述评估结果对是否对所述第一用户开始心电采集进行评估,当所述状态稳定性评估结果不满足预设阈值,时,此时继续等待,当所述状态稳定性评估结果满足预设阈值时,则获得第一开始指令,根据所述第一开始指令开始对所述第一用户进行心电采集,即通过所述第一开始指令控制所述第一心电采集设备开始对所述第一用户进行心电采集,获得所述心电采集的实时采集结果。
步骤s500:获得第一异常心电信号,根据所述第一异常心电信号获得第一时间节点;
步骤s600:获得第一时间扩充指令,根据所述第一时间扩充指令扩充所述第一时间节点,获得第一时间区间;
具体而言,根据所述第一心电采集设备的实时心电反馈信号,通过所述心电图监测评估系统对所述实时反馈的心电信息进行评估,根据评估结果判断实时采集的心电信息是否存在异常心电信号,当接收可疑心电信号时,此时对所述心电信号进行标记,并获得标记时间。即所述第一时间节点,根据所述心电信号的异常时间、波动值获得第一时间扩充指令,根据所述第一使劲扩充指令对所述第一时间节点进行时间扩充,获得第一时间区间,所述第一时间区间为后续对所述第一异常心电信号进行分析、评估的时间区间。
步骤s700:根据所述第一时间区间获得第二图像集,其中,所述第二图像集为包括所述第一用户图像的图像集;
具体而言,根据所述第一时间区间,通过所述第一图像采集装置对所述第一用户进行连续图像采集,获得第二图像集,所述第二图像集为包括了所述第一用户在第一时间区间内的图像集,所述第二图像集为评估所述第一用户的第一异常心电信号的重要依据。
步骤s800:获得第一特征捕捉指令,根据所述第一特征捕捉指令对所述第二图像集进行特征捕捉,获得第一特征捕捉结果;
具体而言,所述第一特征捕捉指令为对所述第一用户进行动作、行为、场景等特征捕捉的指令,基于第一动作特征捕捉指令,对所述第一用户进行行为动作特征分析,进一步来说,所述特征捕捉的过程是基于深度学习后进行动作幅度分析的过程,基于不断的深入系统的训练和学习,使得所述心电图监测评估系统对所述第一用户的特征进行更加准确的捕捉和分析,基于所述捕捉和分析结果获得第一特征捕捉结果,通过对所述第一用户的异常心电信号的标记、特征捕捉和分析,为后续准确分析处所述第一异常心电信号提供了有力、准确的数据支持。
步骤s900:根据所述第一特征捕捉结果对所述第一异常心电信号进行标识。
具体而言,根据上述获得的所述第一特征捕捉结果对所述第一异常心电信号的第一时间节点进行标识保存,并将所述第二图像集进行相对应位置的保存,方便后续的调用分析,通过对所述第一用户异常心电信号的实时监测评估和标识,使得后续对所述第一用户的心电图生成结果更加真实合理,使得后续辅助对所述异常心电信号的分析夯实了基础,进而达到获得更加准确的心电图的监测结果的技术效果。
进一步而言,所述获得第一特征捕捉指令,根据所述第一特征捕捉指令对所述第二图像集进行特征捕捉,获得第一特征捕捉结果,本申请实施例步骤s800还包括:
步骤s810:获得第一电磁特征,根据所述第一电磁特征对所述第二图像集中的图像进行电磁特征捕捉,获得第一电磁特征捕捉结果;
步骤s820:当所述第二图像集中存在电磁特征时,根据所述电磁特征与所述第一用户的相对位置构建距离时间变化曲线;
步骤s830:通过所述第一图像采集装置获得所述电磁特征的第三图像集,根据第三图像集获得所述电磁特征的电磁强度,根据所述电磁强度获得电磁强度时间变化曲线;
步骤s840:获得第一拟合指令,根据所述第一拟合指令对所述距离时间变化曲线和所述电磁强度时间变化曲线进行拟合,获得第一拟合曲线;
步骤s850:根据所述第一拟合曲线获得所述第一特征捕捉结果。
具体而言,所述第一电磁特征为进行电磁对信号影响大数据分析后的获得的电磁特征,根据产生电磁波的强度高低、距离远近生成电磁特征列表,电磁波会对心电采集进行一定量的干扰,进而影响到最终对于所述第一用户的心电图监测的生成结果,根据可以产生电磁的特征设备,对所述第二图像集进行特征匹配,判断所述第二图像集中是否存在所述电磁特征,当检测出所述第二图像集中存在电磁特征时,对所述电磁特征与所述第一用户的距离变化进行检测,根据检测结果,构建距离时间变化曲线,通过所述第二图像集,对所述电磁特征设备的工作情况进行实时监控,根据所述实时监控结果获得所述电磁特征的电磁强度随时间的变化趋势进行实时监测,根据监测结果构建电磁强度时间变化曲线,获得第一拟合指令根据所述第一拟合指令对所述距离时间变化曲线和所述电磁强度时间变化曲线进行拟合,获得第一拟合曲线,根据所述第一拟合曲线对所述特征捕捉情况进行评估,获得第一特征捕捉结果,通过对所述特征捕捉的细化,对电磁特征的捕捉和分析,为后续准确获得所述第一用户的心电异常信号分析结果夯实了基础。
进一步而言,本申请实施例步骤s800还包括:
步骤s860:获得第一图像分割指令,根据所述第一图像分割指令对所述第二图像集中的图像进行像素点图像分割,获得第一图像分割结果;
步骤s870:获得第一运动特征,根据所述第一运动特征对所述第一图像分割结果中的图像进行特征匹配,获得第一特征匹配结果;
步骤s880:根据所述第一特征匹配结果中特征位置随时间变化的偏移量对所述第一用户的运动强度进行评估,获得第一运动强度评估结果;
步骤s890:根据所述第一运动强度评估结果获得所述第一特征捕捉结果。
具体而言,所述第一图像分割指令为对图像进行分割处理的指令,根据所述第一图像分割指令,可根据预设的图像分割尺寸对所述图像进行分割处理,进一步来说,还可以根据图像的像素的色域变化进行图像分割,根据所述第一图像分割指令对所述第二图像集中的图像进行分割,获得第一图像分割结果,获得所述第二图像集中相邻两张图像中的捕捉时间间隔,根据所述捕获时间间隔获得运动特征变化距离阈值,根据所述运动特征变化特征阈值对所述第一图像分割结果中的图像进行运动特征变化匹配,获得所述第二图像集中的满足所述运动特征变化阈值的次数,及每两次的间隔时间和连续满足运动特征变化阈值的时间区间,根据所述次数、间隔时间和时间区间对所述第一用户的运动强度进行评估,获得所述第一用户的运动强度评估结果,根据所述第一运动强度评估结果获得所述第一特征捕捉结果,通过对所述第一用户的异常心电信号时间区间内的运动强度的评估,为后续准确分析所述第一用户的异常心电信号夯实了基础,提供了重要的数据支持。
进一步的,本申请实施例还包括:
步骤s891:获得第一运动强度阈值,判断所述第一运动强度评估结果是否满足所述第一运动强度阈值;
步骤s892:当所述第一运动强度评估结果不满足所述第一运动强度阈值时,获得所述不满足第一运动强度阈值时对应的第二时间区间;
步骤s893:根据所述第二时间区间和所述第一拟合曲线获得所述第一特征捕捉结果。
具体而言,所述第一运动强度阈值为根据所述第一用户的基础信息,结合大数据中运动强度对心电信号的影响程度为所述第一用户定制的运动强度阈值,判断所述第一运动强度是否满足所述第一运动强度阈值,当所述第一运动强度不满足所述第一运动强度阈值时,则此时,则获得所述不满足所述第一运动强度阈值对应的第二时间区间,其中,所述第二时间区间为根据所述第一运动强度的大小进行时间区间顺延的区间,因为心电信号的变化相对于运动强度的变化会有一定的时间后延,因此对所述时间区间进行适当的后延,获得第二时间区间,根据所述第二时间区间和所述第一拟合曲线获得所述第一特征捕捉结果。
进一步的,本申请实施例还包括:
步骤s1010:获得所述第一用户的第一症状输入信息;
步骤s1020:根据所述第一症状输入信息获得第一评估指令;
步骤s1030:根据所述第一评估指令对所述第一症状输入信息进行评估,获得第一评估结果;
步骤s1040:根据所述第一评估结果对所述第一症状输入信息进行调整,获得第一输出结果,将所述第一输出结果发送给所述第一用户。
具体而言,所述第一症状输入信息为所述第一用户通过某些特定动作可引发身体异常的症状输入,举例而言,有些心率异常是短暂的、特定情况下才出现的心律失常,想要了解心律失常的起源、持续时间、频率、发生与终止规律,有时候需要用户结合日常生活习惯,进行特定触发场景、触发动作的回溯,将所述第一用户的回溯信息作为第一症状输入信息,输入所述心电图监测评估系统,通过所述心电图监测评估系统对所述第一症状输入信息结合所述第一用户的基础信息进行评估,即获得第一评估指令,根据所述第一评估指令对所述第一症状输入信息进行评估,获得第一评估结果,基于所述第一评估结果获得对所述第一症状输入信息进行分析改进后的症状输出结果,即所述第一输出结果,根据所述第一输出结果指导所述第一用户进行特定动作,来辅助所述第一用户进行心电图的异常信号的获得。
进一步而言,本申请实施例还包括:
步骤s1110:获得所述第一异常心电信号的第一持续时长,判断所述第一持续时长是否满足第一时长预设阈值;
步骤s1120:当所述第一持续时长不满足所述第一时长预设阈值时,通过所述第一图像采集装置获得所述第一用户的第四图像;
步骤s1130:根据所述第四图像对所述第一用户卧床姿势对于心电测量的干扰程度进行评估,获得第二评估结果;
步骤s1140:根据所述第二评估结果对所述第一异常心电信号进行标识。
具体而言,所述第一持续时长为至少10分钟的持续时长,根据所述第一异常心电信号的监测结果,获得所述第一心电信号的持续时长,即所述第一持续时长,判断所述第一持续时长是否满足所述第一时长预设阈值,当所述第一持续时长不满足所述第一预设时长阈值时,此时通过所述第一图像采集装置对所述第一用户进行图像采集,获得第四图像信息,当所述第一用户出现超过所述第一预设时长阈值的连续异常心电信号时,表明所述第一用户可能大概率出现卧床压迫心脏的姿势,此时获得所述第一用户的第四图像信息,根据所述第四图像信息,对所述第一用户的卧床姿势进行评估,获得第二评估结果,根据所述第二评估结果判断所述第一用户是否卧床,当所述第一用户卧床时对所述第一用户的卧床姿势是否会引起心电信号异常进行评估,根据所述第二评估结果对所述第一用户的第一异常心电信号进行标识。
进一步而言,所述获得第一特征捕捉指令,根据所述第一特征捕捉指令对所述第二图像集进行特征捕捉,获得第一特征捕捉结果,本申请实施例步骤s800还包括:
步骤s810a:构建图像特征捕捉模型,其中,所述图像特征捕捉模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括所述第二图像集和标识特征捕捉结果的标识信息;
步骤s820a:获得所述特征捕捉模型的第一输出结果,其中,所述第一输出结果包括所述第一特征捕捉结果。
具体而言,所述图像特征捕捉模型为机器学习中的神经网络模型,它可以不断地进行学习和调整,是一个高度复杂的非线性动力学习系统。简单来说它是一个数学模型,通过大量训练数据的训练,将所述图像特征捕捉模型训练至收敛状态后,根据所述输入数据,通过所述图像特征捕捉模型进行特征捕捉,获得包括对所述第一用户的特征捕捉结果信息。
更进一步而言,所述训练的过程还包括监督学习的过程,每一组监督数据都包括所述第二图像集和标识特征捕捉结果的标识信息,将所述第二图像集输入到神经网络模型中,根据用来标识特征捕捉结果的标识信息对所述图像特征捕捉模型进行监督学习,使得所述图像特征捕捉模型的输出数据与监督数据一致,通过所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的为收敛状态时,则监督学习过程结束。通过对所述模型的监督学习,进而使得所述模型处理所述输入信息更加准确,进而获得更加准确的第一特征捕捉的结果。
综上所述,本申请实施例所提供的一种提高心电图监测的准确性的方法和装置具有如下技术效果:
1、由于采用了通过第一图像采集装置获得所述第一用户的第一图像信息,根据所述第一图像信息获得所述第一用户的状态稳定性评估结果,根据所述状态稳定性评估结果获得第一开始指令,根据所述第一开始指令控制所述第一心电采集设备对所述第一用户进行心电采集,获得所述第一异常心电信号,根据所述第一异常心电信号获得第一时间节点,对所述第一时间节点进行时间扩充,获得第一时间区间,根据所述第一时间区间获得第二图像集,根据所述第二图像集进行特征捕捉,获得第一特征捕捉结果,基于所述第一特征捕捉结果对所述第一异常心电信号进行标识,使得后续辅助对所述异常心电信号的分析夯实了基础,进而达到获得更加准确的心电图的监测结果的技术效果。
2、由于采用了通过对所述特征捕捉的细化的方式,对电磁特征的捕捉和分析,为后续准确获得所述第一用户的心电异常信号分析结果夯实了基础,通过对所述第一用户的异常心电信号时间区间内的运动强度的评估,为后续准确分析所述第一用户的异常心电信号夯实了基础,提供了重要的数据支持。
实施例二
基于与前述实施例中一种提高心电图监测的准确性的方法同样发明构思,本发明还提供了一种提高心电图监测的准确性的装置,如图2所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于通过第一图像采集装置获得第一用户的第一图像信息;
第二获得单元12,所述第二获得单元12用于根据所述第一图像信息获得所述第一用户的状态稳定性评估结果;
第三获得单元13,所述第三获得单元13用于根据所述状态稳定性评估结果获得第一开始指令;
第一控制单元14,所述第一控制单元14用于根据所述第一开始指令控制第一心电采集设备对所述第一用户进行心电采集;
第四获得单元15,所述第四获得单元15用于获得第一异常心电信号,根据所述第一异常心电信号获得第一时间节点;
第五获得单元16,所述第五获得单元16用于获得第一时间扩充指令,根据所述第一时间扩充指令扩充所述第一时间节点,获得第一时间区间;
第六获得单元17,所述第六获得单元17用于根据所述第一时间区间获得第二图像集,其中,所述第二图像集为包括所述第一用户图像的图像集;
第七获得单元18,所述第七获得单元18用于获得第一特征捕捉指令,根据所述第一特征捕捉指令对所述第二图像集进行特征捕捉,获得第一特征捕捉结果;
第一标识单元19,所述第一标识单元19用于根据所述第一特征捕捉结果对所述第一异常心电信号进行标识。
进一步的,所述装置还包括:
第八获得单元,所述第八获得单元用于获得第一电磁特征,根据所述第一电磁特征对所述第二图像集中的图像进行电磁特征捕捉,获得第一电磁特征捕捉结果;
第一构建单元,所述第一构建单元用于当所述第二图像集中存在电磁特征时,根据所述电磁特征与所述第一用户的相对位置构建距离时间变化曲线;
第九获得单元,所述第九获得单元用于通过所述第一图像采集装置获得所述电磁特征的第三图像集,根据第三图像集获得所述电磁特征的电磁强度,根据所述电磁强度获得电磁强度时间变化曲线;
第十获得单元,所述第十获得单元用于获得第一拟合指令,根据所述第一拟合指令对所述距离时间变化曲线和所述电磁强度时间变化曲线进行拟合,获得第一拟合曲线;
第十一获得单元,所述第十一获得单元用于根据所述第一拟合曲线获得所述第一特征捕捉结果。
进一步的,所述装置还包括:
第十二获得单元,所述第十二获得单元用于获得第一图像分割指令,根据所述第一图像分割指令对所述第二图像集中的图像进行像素点图像分割,获得第一图像分割结果;
第十三获得单元,所述第十三获得单元用于获得第一运动特征,根据所述第一运动特征对所述第一图像分割结果中的图像进行特征匹配,获得第一特征匹配结果;
第十四获得单元,所述第十四获得单元用于根据所述第一特征匹配结果中特征位置随时间变化的偏移量对所述第一用户的运动强度进行评估,获得第一运动强度评估结果;
第十五获得单元,所述第十五获得单元用于根据所述第一运动强度评估结果获得所述第一特征捕捉结果。
进一步的,所述装置还包括:
第十六获得单元,所述第十六获得单元用于获得第一运动强度阈值,判断所述第一运动强度评估结果是否满足所述第一运动强度阈值;
第十七获得单元,所述第十七获得单元用于当所述第一运动强度评估结果不满足所述第一运动强度阈值时,获得所述不满足第一运动强度阈值时对应的第二时间区间;
第十八获得单元,所述第十八获得单元用于根据所述第二时间区间和所述第一拟合曲线获得所述第一特征捕捉结果。
进一步的,所述装置还包括:
第十九获得单元,所述第十九获得单元用于获得所述第一用户的第一症状输入信息;
第二十获得单元,所述第二十获得单元用于根据所述第一症状输入信息获得第一评估指令;
第二十一获得单元,所述第二十一获得单元用于根据所述第一评估指令对所述第一症状输入信息进行评估,获得第一评估结果;
第二十二获得单元,所述第二十二获得单元用于根据所述第一评估结果对所述第一症状输入信息进行调整,获得第一输出结果,将所述第一输出结果发送给所述第一用户。
进一步的,所述装置还包括:
第二十三获得单元,所述第二十三获得单元用于获得所述第一异常心电信号的第一持续时长,判断所述第一持续时长是否满足第一时长预设阈值;
第二十四获得单元,所述第二十四获得单元用于当所述第一持续时长不满足所述第一时长预设阈值时,通过所述第一图像采集装置获得所述第一用户的第四图像;
第二十五获得单元,所述第二十五获得单元用于根据所述第四图像对所述第一用户卧床姿势对于心电测量的干扰程度进行评估,获得第二评估结果;
第一标识单元,所述第一标识单元用于根据所述第二评估结果对所述第一异常心电信号进行标识。
进一步的,所述装置还包括:
第二构建单元,所述第二构建单元用于构建图像特征捕捉模型,其中,所述图像特征捕捉模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括所述第二图像集和标识特征捕捉结果的标识信息;
第二十六获得单元,所述第二十六获得单元用于获得所述特征捕捉模型的第一输出结果,其中,所述第一输出结果包括所述第一特征捕捉结果。
前述图1实施例一中的一种提高心电图监测的准确性的方法的各种变化方式和具体实例同样适用于本实施例的一种提高心电图监测的准确性的装置,通过前述对一种提高心电图监测的准确性的方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种提高心电图监测的准确性的装置的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种提高心电图监测的准确性的方法的发明构思,本发明还提供一种提高心电图监测的准确性的装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种提高心电图监测的准确性的方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种提高心电图监测的准确性的方法,所述方法应用于一心电图监测评估系统,所述系统与第一图像采集装置、第一心电采集设备通信连接,所述方法包括:通过所述第一图像采集装置获得第一用户的第一图像信息;根据所述第一图像信息获得所述第一用户的状态稳定性评估结果;根据所述状态稳定性评估结果获得第一开始指令;根据所述第一开始指令控制所述第一心电采集设备对所述第一用户进行心电采集;获得第一异常心电信号,根据所述第一异常心电信号获得第一时间节点;获得第一时间扩充指令,根据所述第一时间扩充指令扩充所述第一时间节点,获得第一时间区间;根据所述第一时间区间获得第二图像集,其中,所述第二图像集为包括所述第一用户图像的图像集;获得第一特征捕捉指令,根据所述第一特征捕捉指令对所述第二图像集进行特征捕捉,获得第一特征捕捉结果;根据所述第一特征捕捉结果对所述第一异常心电信号进行标识。解决了现有技术中在进行心电监测的过程中,缺少对于心率变化时间进行用户相关信息收集分析,判断心率变化监测结果是否准确的技术问题,达到通过对心电监测用户的心电变化时间进行信息分析和标识,使得对所述用户的心电图监测结果更加准确的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。