心律失常分析系统
阅读：544发布：2020-05-11
专利汇可以提供心律失常分析系统专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种 心律失常 分析方法和系统，方法包括：获取被检测者心电 信号 样本中的异常特征 波形 参数；根据所述异常特征波形参数，利用 支持向量机 算法 计算并输出心律失常分析结果；判断是否接收到所述心律失常分析结果的修正参数，若是，则根据所述修正参数以及所述异常特征波形参数 修改 所述支持向量机算法，并输出所述修正结果。实施本发明 实施例 能够实现心 电信号 检测样本“ 自学习 ”功能，降低了心律失常分析的误判率和漏判率。，下面是心律失常分析系统专利的具体信息内容。
1.一种心律失常分析系统，其特征在于，包括：
异常特征波形参数获取模块，用于获取被检测者心电信号样本中的异常特征波形参数；
心律失常分析模块，用于根据所述异常特征波形参数，利用支持向量机算法计算心律失常分析结果；
分析结果输入/输出模块，用于输出显示所述心律失常分析结果，所述分析结果输入/输出模块还用于判断是否接收到所述心律失常分析结果的修正参数，若是，所述分析结果输入/输出模块还用于输出显示修正结果；
算法修改模块，用于根据所述修正参数以及所述异常特征波形参数修改所述支持向量机算法。
2.根据权利要求1所述的心律失常分析系统，其特征在于，所述异常特征波形参数获取模块包括：特征波形参数提取单元、参数阈值对比修正单元以及异常特征波形参数保存单元；
所述特征波形参数提取单元用于提取所述被检测者心电信号样本中的特征波形参数；
参数阈值对比修正单元用于将所述特征波形参数与预先设置的参数阈值对比，根据所述特征波形参数超出所述参数阈值的频率，判断是否需要修正所述参数阈值，以及在需要修正所述参数阈值时，修正参数阈值；
异常特征波形参数保存单元用于根据预先设置的参数阈值或修正后的参数阈值，将超出参数阈值的特征波形参数作为异常特征波形参数。
3.根据权利要求1所述的心律失常分析系统，其特征在于，所述心律失常分析模块包括：
异常特征波形参数输入单元，用于输入所述异常特征波形参数；
传递函数分析单元，用于将异常特征波形参数作为输入，根据支持向量机传递函数计算出心律失常分析结果；
心律失常分析结果传输单元，用于将所述心律失常分析结果传输到分析结果输入/输出模块，以供所述分析结果输入/输出模块显示所述心律失常分析结果。
4.根据权利要求1所述的心律失常分析系统，其特征在于，所述算法修改模块包括：
修正信息获取单元，用于获取所述修正结果以及所述异常特征波形参数；
传递函数修改单元，用于根据所述修正结果以及所述异常特征波形参数，调节支持向量机传递函数的输入权重因子；
传递函数保存单元，用于保存调节后的传递函数的输入权重因子。
心律失常分析系统
技术领域
[0001] 本发明涉及医疗设备领域，特别是涉及到一种心律失常分析系统。
背景技术
[0002] 目前的心律失常分析仪器主要采用的有波形分析法和模板匹配法。波形分析法根据心电信号(如心电图)中的特征波形来进行分析，心电信号的特征波形是指心电信号中一些具有指示意义的波峰和波谷，如P、Q、R、S、T波等，其中P波代表心房去极化，QRS复合波代表心室去极化，T波代表心室复极化。波形分析法首先获取特征波形参数，如特征波形的幅值、时间长度、上升/下降时间、波形间期等，这些特征波形参数根据临床经验预先在心律失常分析仪器内部固化了对应的固定判断阀值，将获取的特征波形参数与固定判断阀值对比，当特征波形的参数超出固定参数阀值就可以判断出心律失常分析结果，如室早、室早二联律、房颤等。模板匹配法主要通过计算出被检测者心电信号中的平均R-R间期和R波平均形态作为模板，将被检测者的每次心跳的R-R间期和R波形态与模板对比，若两者的差异超出一定范围，则认为发生了心律失常。
[0003] 然而目前的心律失常分析方法都存在误判、漏判的情况，尤其是对特殊检测样本的心律失常分析会存在功能异常或失效现象。如波形分析法采用固化的特征波形参数的经验阀值作为判断依据，虽然具有普适性，但是遇到特殊年龄段和特殊体质的人群时，尤其是新生儿心电检测时，新生儿心电信号微弱，QRS波时限较短，新生儿哭闹对心电检测干扰较大，因此就容易得出错误的心律失常分析结果。而模板分析法只有在被检测者的R波形态与模板具有较大差异时，才能做出有效判断，对差异不明显的心律失常波形不能有效判断。
发明内容
[0004] 基于此，有必要针对上述技术问题，提供一种具有心电信号检测样本学习能力的心律失常分析系统，应用本发明技术方案能够减少误判率、漏判率。
[0005] 本发明实施例提供了一种心律失常分析方法，包括：
[0006] 获取被检测者心电信号样本中的异常特征波形参数；
[0009] 本发明实施例还相应提供了一种心律失常分析系统，包括：
[0010] 异常特征波形参数获取模块，用于获取被检测者心电信号样本中的异常特征波形参数；
[0011] 心律失常分析模块，用于根据所述异常特征波形参数，利用支持向量机算法计算心律失常分析结果；
[0012] 分析结果输入/输出模块，用于输出显示所述心律失常分析结果，所述分析结果输入/输出模块还用于判断是否接收到所述心律失常分析结果的修正参数，若是，所述分析结果输入/输出模块还用于输出显示修正结果；
[0013] 所述算法修改模块，用于根据所述修正参数以及所述异常特征波形参数修改所述支持向量机算法。
[0014] 本发明实施例提供的心律失常分析方法和心律失常分析系统，根据异常特征波形参数，利用支持向量机算法计算心律失常分析结果，能够满足一般人群心电信号检测样本的心律失常分析的准确性要求，当遇到特殊人群的检测样本时，心律失常分析结果如有偏差，根据输入的修正结果，修改支持向量机算法，从而实现心电信号检测样本“自学习”功能，当再次检测到类似检测样本时就能输出正确的修正结果，从而降低了心律失常分析的误判率和漏判率。附图说明
[0015] 图1为一个实施例提供的一种心律失常分析方法的流程示意图；
[0016] 图2为图1所示实施例提供的一种心律失常分析方法中步骤S11的实施流程示意图；
[0017] 图3为图1所示实施例提供的一种心律失常分析方法中步骤S12的实施流程示意图；
[0018] 图4为图1所示实施例提供的一种心律失常分析方法中步骤S14中修改支持向量机算法的实施流程示意图；
[0019] 图5为一个实施例提供的一种心律失常分析系统的结构示意图；
[0020] 图6为图5所示实施例提供的异常特征波形参数获取模块的结构示意图；
[0021] 图7为图5所示实施例提供的心律失常分析模块的结构示意图；
[0022] 图8为图5所示实施例提供的算法修改模块的结构示意图。
具体实施方式
[0023] 为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
[0024] 参见图1，在一个实施例中，提供了一种心律失常分析方法，其流程包括：
[0025] S11，获取被检测者心电信号样本中的异常特征波形参数。
[0026] 参见图2，在具体实施时，步骤S11，可以但不限于按下列步骤进行：
[0027] 步骤S112，提取被检测者心电信号样本中的特征波形参数。
[0028] 心电信号的特征波形是指心电信号中一些具有指示意义的波段，如P波、QRS复合波、T波等。特征波形参数，包括特征波形的幅值、时间长度、上升/下降时间和波形间期等。
[0029] 步骤S114，将特征波形参数与预先设置的参数阀值对比，根据特征波形参数超出参数阀值的频率，判断是否需要修正参数阀值。
[0030] 将提取到的特征波形参数与预先设置的参数阀值进行对比，判断特征波形参数是否超出预设的参数阀值。参数阀值根据医学上的通用正常标准预先设置为该特征波形参数的平均值，例如QRS波宽度正常为60-100ms，则预设的QRS波宽度阀值可以为80ms。根据特征波形参数超出预先设置的参数阀值的频率或次数，判断是否需要修正参数阀值，以QRS波为例，当被检测者心电信号波形 中的QRS波中有80％超过了预设宽度阀值80ms，则可以认为该被检测者属于特殊人群，需要修正参数阀值。在实施的时候，特征波形参数超出预设参数阀值的频率定义为多少，可以视被检测者的人群分布等因素具体而定。
[0031] 步骤S116，若是，则修正参数阀值，将超出修正后的参数阀值的特征波形参数作为异常特征波形参数；
[0032] 步骤S118，若否，则将超出所述预先设置的参数阀值的特征波形参数作为异常特征波形参数。
[0033] 对参数阀值进行修正，不应超出医学上的通用正常标准，以上文中QRS波为例，预设的QRS波宽度阀值可以为80ms，当被检测者心电信号波形中的QRS波中有80％超过了预设阀值，则可以将QRS波宽度阀值修正为100ms。若参数阀值没有进行修正，则将超出预设参数阀值的特征波形参数作为异常特征波形参数，若参数阀值进行了修正，将超出修正后的参数阀值的特征波形参数作为异常特征波形参数，。在该被检测者检测完毕后，特征波形参数阀值会恢复为预设的参数阀值。
[0034] 步骤S11的上述优选实现方式，相对于现有技术，参数阀值不在是固化在机器内部的一个固定值，而是可以根据具体检测情形进行修正，减少了固定参数阀值所引起的误判、漏判情形。
[0035] S12，根据异常特征波形参数，利用支持向量机算法计算并输出心律失常分析结果；
[0036] 本实施例采用支持向量机算法计算心律失常分析结果，支持向量机(Support Vector Machine，简称SVM)算法定义了3个元组：问题的输入空间I，问题的求解机制空间T以及问题的求解空间O。问题的输入空间I输入为异常特征波形参数，如波形幅度、波形时间长度、波形间期等，问题的求解空间O其输出为心律失常分析结果，如室早、二联律、三联律、房颤等。SVM算法可以视为输入空间I到求解空间O的函数。
[0037] 参见图3，具体的，步骤S12在实施时可以包括：
[0038] 步骤S122，输入异常特征波形参数。
[0039] 将在步骤S11获取的异常特征波形参数，作为输入传输到SVM算法的输入 空间I。
[0040] 步骤S124，将异常特征波形参数作为输入，根据支持向量机的传递函数计算出心律失常分析结果。
[0041] 本实施例在SVM算法的求解机制空间T构造了算法的传递函数，输入为异常特征波形参数，最终输出为心律失常分析结果。该算法的传递函数由多层传递子函数组成，每层传递子函数的多个输入分别有与其相对应的输入权重因子，输入与输入权重因子相作用后作为本层传递子函数的输出，传递给下层传递子函数。
[0042] 步骤S126，输出心律失常分析结果。
[0044] S13、判断是否接收到心律失常分析结果的修正参数。
[0045] 如遇到特殊人群或特殊病例，采用该心律失常分析方法的机器给出的心律失常分析结果与医生根据病人心电信号波形得出的心律失常分析结果存在偏差时，医生可以根据临床实际情况对机器所得结果进行修正，该修正通过机器上的人机交互界面实现，医生可在该界面中选择对心律失常分析结果进行修正，在具体实施的时候，医生在界面中给出的修正参数可以但不限于是最终的心律失常分析结果，如室早、二联律等。
[0046] S14、若是，则根据修正参数以及异常特征波形参数修改支持向量机算法，并输出修正结果。
[0047] 当机器接收到修正结果时，则修正支持向量机算法，并输出显示修正结果。
[0048] 参见图4，步骤S14中，修改支持向量机算法具体包括：
[0049] 步骤S142，获取修正参数以及异常特征波形参数。
[0050] 获取修正参数和异常特征波形参数即确定了SVM算法的问题的输入空间I以及问题的求解空间O。
[0051] 步骤S144，根据修正参数以及异常特征波形参数，调节支持向量机传递函数的输入权重因子。
[0052] 根据SVM算法问题的输入空间I中的异常特征波形参数，以及问题的求解 空间中O的的修正结果，调节问题求解机制空间T中的传递函数的各层传递子函数的输入权重因子，使得在当前输入空间I输入情况下，能够经过问题求解机制空间T，得到修正结果。修改支持向量机算法，可以视为SVM算法的“自学习”过程。在心律失常分析机器出厂前后及后续实际应用中，可以“学习”大量各年龄段心电信号检测样本，极大了提高了心律失常分析的准确率，降低了误判率和漏判率。
[0053] 步骤S146，保存调节后的支持向量机传递函数的输入权重因子。
[0054] 保存调节后的支持向量机传递函数的输入权重因子，在后续的心律失常分析过程中，SVM算法传递函数采用该调节后的输入权重因子。
[0055] 本实施例提供的心律失常分析方法，根据异常特征波形参数，利用支持向量机算法计算心律失常分析结果，能够满足一般人群心电信号检测样本的心律失常分析的准确性要求，当遇到特殊人群的检测样本时，心律失常分析结果如有偏差，根据输入的修正结果，修改支持向量机算法，从而实现心电信号检测样本“自学习”功能，当再次检测到类似检测样本时就能输出正确的修正结果，从而降低了心律失常分析的误判率和漏判率。
[0056] 参见图5，是本发明的一个实施例提供的一种心律失常分析系统20。
[0057] 本实施例提供的一种心律失常分析系统20，包括：异常特征波形参数获取模块21、心律失常分析模块22、算法修改模块23、以及分析结果输入/输出模块24。
[0058] 异常特征波形参数获取模块21用于获取被检测者心电信号样本中的异常特征波形参数，其工作原理具体可以参见图1中实施例的步骤S11。
[0059] 心律失常分析模块22用于根据异常特征波形参数，利用支持向量机算法计算心律失常分析结果。分析结果输入/输出模块24用于输出显示心律失常分析结果，上述模块的工作原理具体可以参见图1中实施例的步骤S12。
[0060] 分析结果输入/输出模块24还用于判断是否接收到心律失常分析结果的修正参数，若是，则输出显示修正结果。算法修改模块23，用于根据修正参数以及异常特征波形参数修改支持向量机算法。上述模块的工作原理具体可以参见 图1中实施例的步骤S13和S14。
[0061] 具体的，参见图6，是图5中实施例提供的一种心律失常分析系统中的异常特征波形参数获取模块21的结构示意图。
[0062] 本实施例中的异常特征波形参数获取模块21包括：特征波形参数提取单元211、参数阀值对比修正单元212、以及异常特征波形参数保存单元213。
[0063] 特征波形参数提取单元211用于提取被检测者心电信号样本中的特征波形参数。
[0064] 参数阀值对比修正单元212用于将特征波形参数与预先设置的参数阀值对比，根据特征波形参数超出参数阀值的频率，判断是否需要修正参数阀值，以及在需要修正参数阀值时，修正参数阀值。
[0065] 异常特征波形参数保存单元213用于根据预先设置的参数阀值或修正后的参数阀值，将超出参数阀值的特征波形参数作为异常特征波形参数。
[0066] 具体的，参见图7，为图5中实施例提供的一种心律失常分析系统中的心律失常分析模块22的结构示意图。
[0067] 心律失常分析模块22包括：
[0068] 异常特征波形参数输入单元221，用于输入异常特征波形参数。
[0069] 传递函数分析单元222，用于将异常特征波形参数作为输入，根据支持向量机的传递函数计算出心律失常分析结果。
[0070] 心律失常分析结果传输单元223，用于将心律失常分析结果传输到分析结果输入/输出模块24，以供分析结果输入/输出模块24显示心律失常分析结果。
[0071] 具体的，参见图8，为图5中实施例提供的一种心律失常分析系统中的算法修改模块23的结构示意图。
[0072] 算法修改模块23包括：
[0073] 修正信息获取单元231，用于获取修正结果以及异常特征波形参数。
[0074] 传递函数修改单元232，用于根据修正结果以及异常特征波形参数，调节支持向量机传递函数的输入权重因子。
[0075] 传递函数保存单元233，用于保存调节后的传递函数的输入权重因子。
[0076] 本实施例提供的一种心律失常分析系统，实现了实施例1中的心律失常分 析方法，其工作原理不再详细赘述。
[0077] 本实施例提供的心律失常分析系统，根据异常特征波形参数，利用支持向量机算法计算心律失常分析结果，能够满足一般人群心电信号检测样本的心律失常分析的准确性要求，当遇到特殊人群的检测样本时，心律失常分析结果如有偏差，根据输入的修正结果，修改支持向量机算法，从而实现心电信号检测样本“自学习”功能，当再次检测到类似检测样本时就能输出正确的修正结果，从而降低了心律失常分析的误判率和漏判率。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 患者穿戴式心律失常监视和处置装置 | 2020-05-11 | 160 |
| 一种心律失常判别方法及系统 | 2020-05-12 | 509 |
| 一种治疗心律失常的中药组合物 | 2020-05-12 | 790 |
| 一种治疗心律失常的药物组合物 | 2020-05-12 | 277 |
| 一种抗心律失常药物 | 2020-05-11 | 938 |
| 超声治疗心律失常 | 2020-05-11 | 328 |
| 心律失常分析系统 | 2020-05-11 | 544 |
| 一种复方抗心律失常药 | 2020-05-11 | 188 |
| 一种心律失常检测装置 | 2020-05-11 | 1002 |
| 用于治疗心律失常的心脏冷冻溶脂 | 2020-05-12 | 311 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈