[發(fā)明專利]一種心臟異位搏動的分析方法、服務器及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201611099650.1
• 申請日: 2017-05-02
• 公開（公告）號: CN108784678A
• 公開（公告）日: 2018-11-13
• 發(fā)明（設計）人: 楊榮騫;付小婷;張磊;呂瑞雪;王之輝;陳秀文;宋傳旭;王志剛
• 申請（專利權）人: 深圳市是源醫(yī)學科技有限公司
• 主分類號: A61B5/0402
• 分類號: A61B5/0402;A61B5/0452
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種心臟異位搏動的分析方法，其特征在于，所述方法包括：

接收移動終端發(fā)送的預處理后的待測用戶的心電信號；

對所述預處理后的心電信號進行標記獲得特征點，特征點包括QRS波的起點、終點和峰值點，T波的峰值點，P波的峰值點；

根據(jù)所述特征點即QRS波的起點、終點和峰值點，獲得特征值即QRS波的寬度和梯度；

根據(jù)所述標記點即QRS波峰值點，T波峰值點和P波峰值點，獲得特征值如RR間期和TP間期；

用機器學習的方法對MIT-BIH的心律失常數(shù)據(jù)庫進行訓練，獲得分類模型；

用所述獲得的分類模型對由所述特征值即QRS波的寬度和梯度組成的特征向量進行分類，分析判斷所述所測心跳搏動周期是否處于心室性異位搏動狀態(tài)，統(tǒng)計室性異位搏動狀態(tài)個數(shù)，并根據(jù)所述室性異位搏動心跳個數(shù)，分析判斷所測用戶是否處于心室性異位搏動狀態(tài)；

用所述獲得的分類模型對由所述特征值即RR間期和TP間期組成的特征向量進行分類，判斷所述所測心跳搏動周期是否處于心房性異位搏動狀態(tài)，統(tǒng)計房性異位搏動心跳個數(shù)，并根據(jù)所述房性異位搏動心跳個數(shù)，分析判斷所測用戶是否處于心房性異位搏動狀態(tài)；

將所述判斷分析結(jié)果發(fā)送給所述移動終端，以使得所述移動終端顯示所述分析結(jié)果。

2.根據(jù)權利要求1所述的方法，其特征在于，所述提取QRS波的起點，終點和峰值點的步驟為：

步驟一，對QRS波進行長度變換，計算公式：w為長度計算的寬度，i為迭代的樣本數(shù)，為采樣間隔；

步驟二，確定步驟一中所述長度變換的兩個拐點位置，即為QRS波起點QRS_on和終點QRS_off；

步驟三，提取QRS波起點和終點之間的最大值點即為峰值點QRS_p。

3.根據(jù)權利要求1所述的方法，其特征在于，所述獲得所述待測用戶的特征信號QRS波梯度的表達式為：W_qrs＝QRS_off-QRS_on，其中QRS_on為QRS波的起點，QRS_off為QRS波的終點。

4.根據(jù)權利要求1所述的方法，其特征在于，所述獲得所述待測用戶的特征信號QRS波梯度的表達式為：其中k₁，k₂為幅值等于0.7倍峰值的點處的斜率。

5.根據(jù)權利要求1所述的方法，其特征在于，所述提取T波峰值點的方法為滑動平均法，首先用賦零的方法剔除已經(jīng)確定好的QRS區(qū)域，然后用0.1秒的窗口寬度提取T波的峰值點。

6.根據(jù)權利要求1所述的方法，其特征在于，所述把兩個特征信號作為特征向量進行分類，分類方法為機器學習中的支持向量機。

7.根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)異位搏動心跳個數(shù)，分析判斷所測用戶是否處于異位搏動狀態(tài)包括：

當所述室性異位搏動心跳個數(shù)符合某種預設條件時，確定所述待測用戶處于心室性異位搏動狀態(tài)；

當所述房性異位搏動心跳個數(shù)符合某種預設條件時，確定所述待測用戶處于心房性異位搏動狀態(tài)。