心电数据处理方法和系统的制作方法
【专利摘要】本发明提供了一种心电数据处理方法，所述方法包括：采集心电数据；处理所述心电数据得到相应的特征向量；通过所述特征向量对所述心电数据进行聚类分析得到聚类种群；根据所述聚类种群匹配的模板得到所述心电数据对应的结果。所述系统包括：心电记录装置，用于采集心电数据；特征处理装置，用于处理所述心电数据得到相应的特征向量；聚类装置，用于通过所述特征向量对所述心电数据进行聚类分析得到聚类种群；聚类种群处理装置，用于根据所述聚类种群匹配的模板得到所述心电数据对应的结果。采用本发明能提高心电数据分析的准确性。
【专利说明】心电数据处理方法和系统
【技术领域】
[0001]本发明涉及计算机技术，特别是涉及一种心电数据处理方法和系统。
【背景技术】
[0002]心脏疾病是威胁人类生命健康的主要病种之一，通常只有早发现早治疗才有较大可能治愈。心电数据反映了心脏的机能，可利用心电数据来实现心脏疾病的诊断。心电数据的收集主要通过普通心电图和动态心电图两种方式实现，其中，普通心电图(Electrocardiogram,简称ECG)诊断是现代医学中用于诊断心脏疾病的重要工具之一,被广泛应用于临床医学中。
[0003]动态心电图则是一种可长时间连续记录并编集分析人体心脏在活动和安静状态下心电图变化的方法，与普通心电图相比较，动态心电图可以在24小时内连续记录多达10万次左右的心电信号，因此，可有效提高对非持续性心律扮演，尤其能够大大提高过性心律失常及短暂的心肌缺血发作的检出率。
[0004]然而，动态心电图所记录的心电数据大多是重复冗余、数据量大，仅仅依靠心电医生或护理人员长时间观察心电图方可进行诊断，并且往往会因为视力疲劳或注意力的分散而造成漏检。
[0005]随着计算机技术的发展，越来越多地采用了心电自动分析系统来对心电数据进行分析，以避免心电医生或护理人员对心电图进行长时间观察。
[0006]但是，这一传统的心电自动分析系统难以实现大规模的临床应用，心电波形个体差异性较大，心电自动分析系统中单一的全局分类器并不具备普适性，也就是说，单一的全局分类器无法对第一个病人的心电数据都具备一致通用的高准确率，进而造成心电数据的不准确分析。
【发明内容】
[0007]基于此，有必要提供一种能提高心电数据分析的准确性的心电数据处理方法。
[0008]此外，还有必要提供一种能提高心电数据分析的准确性的心电数据处理系统。
[0009]一种心电数据处理方法，包括如下步骤:
[0010]采集心电数据；
[0011]处理所述心电数据得到相应的特征向量；
[0012]通过所述特征向量对所述心电数据进行聚类分析得到聚类种群；
[0013]根据所述聚类种群匹配的模板得到所述心电数据对应的结果。
[0014]在其中一个实施例中，所述处理所述心电数据得到相应的特征向量的步骤包括:
[0015]预处理所述心电数据；
[0016]分别对所述预处理后的心电数据进行小波变换域特征的求解、RR间期特征的计算和T波模糊特征的计算，以得到相应的特征值；
[0017]将所述特征值组成特征向量。[0018]在其中一个实施例中，所述根据所述聚类种群匹配的模板得到所述心电数据对应的结果的步骤包括:
[0019]将每一聚类种群与模板进行逐一匹配，得到所述聚类种群和所述模板之间的匹配比例；
[0020]判断所述匹配比例是否大于阈值，若是，则
[0021]获取与所述模板相对应的结果。
[0022]在其中一个实施例中，所述根据所述聚类种群匹配的模板得到所述心电数据对应的结果的步骤还包括:
[0023]若判断到每一聚类种群与所有模板之间的匹配比例未大于阈值，则对所述聚类种群进行筛选得到代表性心电节拍，并发送所述代表性心电节拍。
[0024]在其中一个实施例中，所述对所述聚类种群进行筛选得到代表性心电节拍，并发送所述代表性心电节拍的步骤之后还包括:
[0025]接收根据所述代表性心电节拍反馈的信息；
[0026]根据所述反馈的信息处理所述聚类种群。
[0027]在其中一个实施例中，所述根据所述反馈的信息处理所述聚类种群的步骤包括:
[0028]判断所述反馈的信息是否为重聚类指令，若是，则调整聚类参数，对所述聚类种群所对应的心电数据进行重新聚类，得到重聚类的聚类种群，若否，则
[0029]提取所述反馈的信息中记录的模板，并显示所述提取的模板所对应的结果。
[0030]一种心电数据处理系统，包括:
[0031]心电记录装置，用于采集心电数据；
[0032]特征处理装置，用于处理所述心电数据得到相应的特征向量；
[0033]聚类装置，用于通过所述特征向量对所述心电数据进行聚类分析得到聚类种群；
[0034]聚类种群处理装置，用于根据所述聚类种群匹配的模板得到所述心电数据对应的结果。
[0035]在其中一个实施例中，所述特征处理装置包括:
[0036]预处理模块，用于预处理所述心电数据；
[0037]特征值运算模块，用于分别对所述预处理后的心电数据进行小波变换域特征的求解、RR间期特征的计算和T波模糊特征的计算，以得到相应的特征值；
[0038]向量组成模块，用于将所述特征值组成特征向量。
[0039]在其中一个实施例中，所述聚类种群处理装置包括:
[0040]匹配模块，用于将每一聚类种群与模板进行逐一匹配，得到所述聚类种群和所述模板之间的匹配比例；
[0041]匹配判断模块，用于判断所述匹配比例是否大于阈值，若是，则通知结果获取模块；
[0042]所述结果获取模块用于获取与所述模板相对应的结果。
[0043]在其中一个实施例中，所述聚类种群处理装置还包括筛选模块；
[0044]若判断到每一聚类种群与所有模板之间的匹配比例未大于阈值，则所述筛选模块对所述聚类种群进行筛选得到代表性心电节拍，并发送所述代表性心电节拍。
[0045]在其中一个实施例中，所述系统还包括:[0046]信息接收装置，用于接收根据所述代表性心电节拍反馈的信息；
[0047]反馈处理装置，用于根据所述反馈的信息处理所述聚类种群。
[0048]在其中一个实施例中，所述反馈处理装置还包括:
[0049]信息判断模块，用于判断所述反馈的信息是否为重聚类指令，若是，则通知重聚类模块，若否，则通知提取模块；
[0050]所述重聚类模块用于调整聚类参数，对所述聚类种群所对应的心电数据进行重新聚类，得到重聚类的聚类种群；
[0051]所述提取模块用于提取所述反馈的信息中记录的模板，并显示所述提取的模板所对应的结果。
[0052]上述心电数据处理方法和系统，对采集得到的心电数据进行处理，以得到相应的特征向量，通过特征向量对心电数据进行聚类分析以得到聚类种群，即实现了心电数据的分类，进而根据聚类种群匹配的模板得到该心电数据所对应的结果，与现有技术相比较，大量的心电数据通过分类和模板匹配逐步细化地实现了心电数据的分析，充分考虑了心电数据之间的个体差异，进而得到准确的结果，大大地提高了心电数据分析的准确性和普适性，有利于实现长时间的心电监护。
【专利附图】
【附图说明】
[0053]图1为一个实施例的心电数据处理方法的流程图；
[0054]图2为图1中处理心电数据得到相应的特征向量的方法流程图；
[0055]图3为图1中根据聚类种群匹配的模板得到心电数据对应的结果的方法流程图；
[0056]图4为另一个实施例的心电数据处理方法的流程图；
[0057]图5为图4中根据反馈的信息处理聚类种群的方法流程图；
[0058]图6为一个实施例的心电数据处理系统的结构示意图；
[0059]图7为图6中特征处理装置的结构示意图；
[0060]图8为图6中聚类种群处理装置的结构示意图；
[0061]图9为另一个实施例的心电数据处理系统的结构示意图；
[0062]图10为图9中反馈处理装置的结构示意图。
【具体实施方式】
[0063]如图1所示，在一个实施例中，一种心电数据处理方法，包括如下步骤:
[0064]步骤SI 10，采集心电数据。
[0065]本实施例中，在用户完成了心电导联的连接之后，采集用户的心电数据，并采集的心电数据存储于存储器中，其中，该存储器优选为大容量、存储和传输速度快、体积小的SD卡(Secure Digital Memory Card,安全数码卡)。
[0066]进一步的，用于实现心电数据采集的心电记录装置，例如，便携式动态心电记录仪，将采用多导联结构，如，两导联、五导联或十二导联。优选的实施例中，还将采用带通滤波器和陷波滤波器对心电数据进行滤波，进而消除心电数据中的干扰噪声。
[0067]步骤S130，处理心电数据得到相应的特征向量。
[0068]本实施例中，特征向量将准确而简要地表现了心电数据的特征，因此，需要对心电数据进行处理以得到相应的特征向量，以通过特征向量准确地表征心电数据。
[0069]步骤S150，通过特征向量对心电数据进行聚类分析得到聚类种群。
[0070]本实施例中，应用特征向量实现心电数据的准确分类，其中，所使用的聚类分析方法可以是K均值聚类方法、K中心点聚类方法或期望最大(EM)聚类方法等，进而得到聚类种群以及该聚类种群所对应的种群信息。聚类种群将包括了处于同一类别的心电数据。
[0071]步骤S170，根据聚类种群匹配的模板得到心电数据对应的结果。
[0072]本实施例中，预先存储了多个模板，该模板为预先提取的心电数据样本，每一模板均对应了结果，通过该结果可以获知当前心电数据所对应的状况，例如，结果记录了对心电数据的评估结果以及解决方案，进而使得用户通过结果即可获知当前心脏的状况以及缓解当前心脏状况的解决方案。从预先存储的多个模板中得到与聚类种群相匹配的模板，
[0073]如图2所示，在一个实施例中，上述步骤S130的具体过程为:
[0074]步骤S131，预处理心电数据。
[0075]本实施例中，读取采集的心电数据，对心电数据进行滤波。具体的，可通过带通滤波器实现，例如，该带通滤波器可由截止频率为0.1Hz、阻带衰减为30dB的高通滤波器和截止频率为35Hz、阻带衰减为80dB的低通滤波器组成。
[0076]进一步的，在完成了心电数据的滤波之后，还将对滤波后的心电数据进行小波分解。在优选的实施例中，所进行的小波分解为四层小波分解，其中，母小波采用db4(多贝西小波，N=4),且采用多孔算法(Algorithm a’ trous)。
[0077]步骤S133，分别对预处理后的心电数据进行小波变换域特征的求解、RR间期特征的计算和T波模糊特征的计算，以得到相应的特征值。
[0078]本实施例中，对预处理后的心电数据进行小波变换域特征的求解主要是求解心电数据小波分解的第四尺度的统计信息，以计算得到以下特征值:
[0079]C2x (k) = E {x (n) x (n+k)}
[0080]C3x (k, I) = E {x (n) x (n+k) x (n+1)}
[0081 ] C4x (k, I, m) =E {x (n) x (n+k) x (n+1) x (n+m)}
[0082]-C2x (k) C2x (m-1) -C2x (I) C2x (m~k) -C2x (m) C2x (1-k)
[0083]其中，x(n)表示心电数据小波分解的第四层的分量，E表示求期望，k，l,m,表示时间延迟。
[0084]RR间期特征的计算是根据心电数据的R波位置进行的，在计算之前，应当对预处理后的心电数据进行R波检测。具体的，由于心电数据的R波能量主要集中在小波分解的敏感尺度上，因此，将在第三尺度提取R波波峰值点，根据奇异点的小波检测原理，R波对应于第三尺度上的极值对，而R波波峰点将对应于极值对的过零点。
[0085]通过R波检测得到了 R波的位置，即第三尺度上的极值对，此时，将定义以下公式:
[0086]RR[i] = R[i]-R[1-1]
[0087]diffRR[i] = RR[i]-RR[1-l]
[0088]
【权利要求】
1.一种心电数据处理方法，包括如下步骤: 采集心电数据； 处理所述心电数据得到相应的特征向量； 通过所述特征向量对所述心电数据进行聚类分析得到聚类种群； 根据所述聚类种群匹配的模板得到所述心电数据对应的结果。
2.根据权利要求1所述的心电数据处理方法，其特征在于，所述处理所述心电数据得到相应的特征向量的步骤包括: 预处理所述心电数据； 分别对所述预处理后的心电数据进行小波变换域特征的求解、RR间期特征的计算和T波模糊特征的计算，以得到相应的特征值； 将所述特征值组成特征向量。
3.根据权利要求1所述的心电数据处理方法，其特征在于，所述根据所述聚类种群匹配的模板得到所述心电数据对应的结果的步骤包括: 将每一聚类种群与模板进行逐一匹配，得到所述聚类种群和所述模板之间的匹配比 例； 判断所述匹配比例是否大于阈值，若是，则 获取与所述模板相对应的结果。
4.根据权利要求3所述的心电数据处理方法，其特征在于，所述根据所述聚类种群匹配的模板得到所述心电数据对应的结果的步骤还包括: 若判断到每一聚类种群与所有模板之间的匹配比例未大于阈值，则对所述聚类种群进行筛选得到代表性心电节拍，并发送所述代表性心电节拍。
5.根据权利要求4所述的心电数据处理方法，其特征在于，所述对所述聚类种群进行筛选得到代表性心电节拍，并发送所述代表性心电节拍的步骤之后还包括: 接收根据所述代表性心电节拍反馈的信息； 根据所述反馈的信息处理所述聚类种群。
6.根据权利要求5所述的心电数据处理方法，其特征在于，所述根据所述反馈的信息处理所述聚类种群的步骤包括: 判断所述反馈的信息是否为重聚类指令，若是，则调整聚类参数，对所述聚类种群所对应的心电数据进行重新聚类，得到重聚类的聚类种群，若否，则 提取所述反馈的信息中记录的模板，并显示所述提取的模板所对应的结果。
7.—种心电数据处理系统，其特征在于，包括: 心电记录装置，用于采集心电数据； 特征处理装置，用于处理所述心电数据得到相应的特征向量； 聚类装置，用于通过所述特征向量对所述心电数据进行聚类分析得到聚类种群； 聚类种群处理装置，用于根据所述聚类种群匹配的模板得到所述心电数据对应的结果O
8.根据权利要求7所述的心电数据处理系统，其特征在于，所述特征处理装置包括: 预处理模块，用于预处理所述心电数据； 特征值运算模块，用于分别对所述预处理后的心电数据进行小波变换域特征的求解、RR间期特征的计算和T波模糊特征的计算，以得到相应的特征值； 向量组成模块，用于将所述特征值组成特征向量。
9.根据权利要求7所述的心电数据处理系统，其特征在于，所述聚类种群处理装置包括: 匹配模块，用于将每一聚类种群与模板进行逐一匹配，得到所述聚类种群和所述模板之间的匹配比例； 匹配判断模块，用于判断所述匹配比例是否大于阈值，若是，则通知结果获取模块； 所述结果获取模块用于获取与所述模板相对应的结果。
10.根据权利要求9所述的心电数据处理系统，其特征在于，所述聚类种群处理装置还包括筛选模块； 若判断到每一聚类种群与所有模板之间的匹配比例未大于阈值，则所述筛选模块对所述聚类种群进行筛选得到代表性心电节拍，并发送所述代表性心电节拍。
11.根据权利要求10所述的心电数据处理系统，其特征在于，所述系统还包括: 信息接收装置，用于接收根据所述代表性心电节拍反馈的信息； 反馈处理装置，用于 根据所述反馈的信息处理所述聚类种群。
12.根据权利要求11所述的心电数据处理装置，其特征在于，所述反馈处理装置还包括: 信息判断模块，用于判断所述反馈的信息是否为重聚类指令，若是，则通知重聚类模块，若否，则通知提取模块； 所述重聚类模块用于调整聚类参数，对所述聚类种群所对应的心电数据进行重新聚类，得到重聚类的聚类种群； 所述提取模块用于提取所述反馈的信息中记录的模板，并显示所述提取的模板所对应的结果。
【文档编号】G06F17/30GK103970975SQ201310041662
【公开日】2014年8月6日 申请日期:2013年2月2日 优先权日:2013年2月2日
【发明者】杨培德, 王丛知, 郑海荣, 钱明, 曾成志 申请人:深圳先进技术研究院