一种动态心电信号心房颤动的检测方法
阅读说明：本技术 一种动态心电信号心房颤动的检测方法 (Method for detecting atrial fibrillation of dynamic electrocardiosignals ) 是由 马亚全 王祥 于 2021-01-22 设计创作，主要内容包括：本发明涉及心房颤动检测技术领域,尤指一种动态心电信号心房颤动的检测方法。本发明动态心电信号心房颤动的检测方法中,将时间序列的RR间期,转化成Lorenz差值散点图,本检查方法绘制的Lorenz差值散点图加入了心拍数量因素,在心拍最多的地方显示红色,心拍最少的地方显示蓝色,其他的按数量从大到小由红色到蓝色渐变,这样做的好处是加入了数量信息,从而提高了房颤检测的准确性。(The invention relates to the technical field of atrial fibrillation detection, in particular to a method for detecting atrial fibrillation by using dynamic electrocardiosignals. In the method for detecting atrial fibrillation by using dynamic electrocardiosignals, RR intervals of a time sequence are converted into a Lorenz difference scatter diagram, the Lorenz difference scatter diagram drawn by the method is added with a heart beat number factor, red is displayed at the place with the most heart beats, blue is displayed at the place with the least heart beats, and other places are gradually changed from red to blue from large to small according to the number, so that the quantity information is added, and the accuracy of atrial fibrillation detection is improved.)
技术领域
本发明涉及心房颤动检测技术领域，尤指一种动态心电信号心房颤动的检测方法。
背景技术
心房颤动(简称房颤)是最常见的快速性心律失常症状，流行病学研究显示，1990-2010年间临床房颤的患病率和发病率显著增加，2010年全球临床房颤人数估计有3350万，我国房颤患者的人数超过1000万，临床房颤相关死亡率10年间统计数据增加2倍。房颤可形成左心房附壁血栓，导致的栓塞90％是脑动脉栓塞(缺血性脑卒中)，10％是外周动脉栓塞或者肠系膜动脉栓塞等。据全球疾病负担研究2017年的统计数据，卒中所造成的伤残调整寿命年占比5.29％。亚临床房颤一般认为无或者几乎无典型临床症状的房颤，其中一部分因体检或其他原因就医行心电图检查而发现，另一部分直到房颤相关并发症如卒中出现后才被发现，甚至卒中发生后仍未能发现。亚临床房颤最早是在植入起搏器患者观测到的。研究发现在植入起搏器检出房颤的患者中，仅有17％-21％的患者表现出房颤发作的相关症状。同时阵发性房颤的患者中，使用5天动态心电图监测评估，只有10％的房颤发作会引起症状。房颤发作无症状的患者比房颤发作有症状的数量要高12倍，这使得这类患者房颤的检出面临挑战。亚临床房颤患者的人数是临床房颤患者的数倍，而亚临床房颤的危害与房颤相同。预防房颤相关血栓栓塞并发征尤其是卒中，早期检出房颤意义重大。
传统的普通的心房颤动检测中，Lorenz差值散点图并没有以色彩的方式显示，而是仅显示该位置有或没有心拍，并不能区分该位置的心拍数量，其准确性也有待提高。
发明内容
为解决上述问题，本发明提供一种动态心电信号心房颤动的检测方法，提高检测的准确性。
为实现上述目的，本发明采用的技术方案是：一种动态心电信号心房颤动的检测方法，所述检查方法包括训练阶段和检测阶段；
所述训练阶段步骤如下：
A1，获取动态心电数据；
A2，进行房颤片段和非房颤片段的标注，获取训练数据集；
A3，对数据集的每个数据片段进行QRS波检测，获得每个心拍的RR期间差值，绘制片段的Lorenz差值时间散点图；
A4，将数据集每个片段的Lorenz差值时间散点图输入神经网络中训练，得到房颤分类模型，用于房颤检测；
所述检测阶段步骤如下：
B1，采集获取动态心电数据；
B2，对数据进行QRS波检测，同时获取每个心拍的RR间期与RR期间差值两个值；
B3，遍历整个心拍序列，通过计算当前心拍前后一段时间内的心拍偏差值和获取每个心拍的偏差值,得到偏差曲线图；
B4，在偏差曲线上，将心拍偏差值大于一定阈值的片段作为候选房颤片段，小于阈值的片段为非房颤片段；
B5，绘制候选房颤片段的Lorenz差值散点图，将差值散点图输入网络模型，得到该片段的最终检测结果；
B6,遍历所有候选的房颤片段，输出整个数据的房颤分析结果。
进一步地，在步骤A1中，利用动态心电采集盒采集获取动态心电数据，以及收集已知数据库的动态心电数据。
进一步地，在步骤A2中，对得到数据进行房颤片段和非房颤片段的标注，得到房颤片段和非房颤片段两类心电数据，其中采用SMOTE算法使两类数据均衡。
进一步地，在步骤A3中，获取RR期间差值的方法如下：获取心电片段的QRS波位置信息，并通过位置信息获取每个心拍的RR间期，其中一个QRS波表示存在一个心拍，并通过当前心拍的RR间期减去前一个心拍的RR间期，得到当前心拍的RR间期差值；
其中，在步骤A3中，采用如下方法进行Lorenz差值散点图的绘制：以当前心拍的RR间期差值作为横轴，以后一心拍的RR间期差值作为纵轴，得到该位置的一个统计点，依次遍历完所有心拍，所有散点图位置的心拍个数，根据个数绘制得到Lorenz散点图。
进一步地，在步骤A4中，将所有分类完成的房颤和非房颤Lorenz散点图输入神经网络中学习，训练得到房颤分类模型，该模型会输出两类结果：房颤或非房颤。
进一步地，在步骤B2中，利用QRS波检测，获取心电数据的QRS波位置，并通过位置获取每个心拍的RR间期。
进一步地，在步骤B3中，遍历整个心拍序列，计算每个心拍的偏差值，方法为以当前心拍为中心，前后5秒钟，总共10秒钟内的所有心拍的RR间期值，计算这些RR间期与当前时间段内RR间期平均值的偏差的绝对值之和，作为当前心拍的偏差值，得到偏差曲线图。
进一步地，在步骤B4中，设定一定阈值，当连续多个心拍满足偏差大于阈值时，则认为是潜在的房颤片段，得到候选的房颤片段。
进一步地，在步骤B5中，逐个遍历每个候选的房颤片段，利用训练阶段的步骤A3，绘制得到Lorenz差值散点图，并通过训练好的模型，得到该片段的最终分类结果，若为房颤片段则保留，否则将该片段删除。
此外，绘制片段的Lorenz差值散点图中，在心拍最多的地方显示红色，心拍最少的地方显示蓝色，其他的按数量从大到小由红色到蓝色渐变，从而加入心拍数量信息。
本发明的有益效果在于：本发明动态心电信号心房颤动的检测方法中，将时间序列的RR间期，转化成Lorenz差值散点图，本检查方法绘制的Lorenz差值散点图加入了心拍数量因素，在心拍最多的地方显示红色，心拍最少的地方显示蓝色，其他的按数量从大到小由红色到蓝色渐变，这样做的好处是加入了数量信息，从而提高了房颤检测的准确性。
附图说明
图1是本发明的流程图。
图2是正常心电数据片段的差值曲线图，图中横线表示设定的阈值。
图3是房颤心电数据片段的差值曲线图，图中横线表示设定的阈值。
图4是正常与房颤心电数据片段的差值曲线图，图中横线表示设定的阈值。
图5是心拍QRS波位置及RR间期示意图。
图6为图2非房颤片段的Lorenz差值散点图。
图7为图3房颤片段的Lorenz差值散点图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。本申请可以以多种不同的形式来实现，并不限于本实施例所描述的实施方式。提供以下具体实施方式的目的是便于对本申请公开内容更清楚透彻的理解。
请参阅图1所示，本发明关于一种动态心电信号心房颤动的检测方法，所述检查方法包括训练阶段和检测阶段；
所述训练阶段步骤如下：
A1，利用动态心电采集盒采集获取动态心电数据，以及收集已知数据库的动态心电数据；
A2,专业技术人员对得到数据进行房颤片段和非房颤片段的标注，得到房颤片段和非房颤片段两类心电数据；由于正常情况下，非房颤的数据量比房颤数量大，采用SMOTE算法使两类数据均衡，使得到的模型更可靠；
A3,对这两类数据的每个心电数据片段进行如下分析：QRS波检测，获取心电片段的QRS波位置信息，并通过位置信息获取每个心拍(一个QRS波表示存在一个心拍)的RR间期，并通过当前心拍的RR间期减去前一个心拍的RR间期，得到当前心拍的RR间期差值，利用RR间期差值绘制得到该心电片段的Lorenz差值散点图；
A4,将所有分类完成的房颤和非房颤Lorenz散点图输入神经网络中学习，训练得到房颤分类模型；该模型会输出两类结果：房颤或非房颤。
所述检测阶段步骤如下：
B1,采集获取动态心电数据；
B2,利用QRS波检测，获取心电数据的QRS波位置，并通过位置获取每个心拍的RR间期；
B3,遍历整个心拍序列，计算每个心拍的偏差值，方法为以当前心拍为中心，前后5秒钟，总共10秒钟内的所有心拍的RR间期值，计算这些RR间期与当前时间段内RR间期平均值的偏差的绝对值之和，作为当前心拍的偏差值，得到偏差曲线图；
B4,设定一定阈值，当连续多个心拍满足偏差大于阈值时，则认为是潜在的房颤片段，得到候选的房颤片段；
B5,逐个遍历每个候选的房颤片段，利用训练阶段的步骤3，绘制得到Lorenz差值散点图，并通过训练好的模型，得到该片段的最终分类结果，若为房颤片段则保留，否则将该片段删除；
B6,遍历所有候选的房颤片段，输出整个数据的房颤分析结果。
请参阅图2-图7所示，采用如下方法进行Lorenz差值散点图的绘制：以当前心拍的RR间期差值作为横轴，以后一心拍的RR间期差值作为纵轴，得到该位置的一个统计点。依次遍历完所有心拍，所有散点图位置的心拍个数，根据个数绘制得到Lorenz散点图。此外，绘制片段的Lorenz差值散点图中，在心拍最多的地方显示红色，心拍最少的地方显示蓝色，其他的按数量从大到小由红色到蓝色渐变，从而加入心拍数量信息,提高了房颤检测的准确性。
与现有技术相比，Lorenz差值散点图的绘制是整个算法的核心，将时间序列的RR间期，转化成Lorenz差值散点图，且与普通的Lorenz差值散点图不同的是：普通的Lorenz差值散点图并没有以色彩的方式显示，而是仅显示该位置有或没有心拍，并不能区分该位置的心拍数量；而本检查方法绘制的Lorenz差值散点图加入了心拍数量因素，在心拍最多的地方显示红色，心拍最少的地方显示蓝色，其他的按数量从大到小由红色到蓝色渐变，这样做的好处是加入了数量信息，从而提高了房颤检测的准确性。
需要进一步说明的是，除非另有明确的规定和限定，术语“QRS波检测”“Lorenz差值散点图”“RR间期”等术语为现有技术，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
以上实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通工程技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。