[发明专利]心电图动态实时分析数据中室性心搏典型数据的识别方法

说明书

本发明实施例涉及一种心电图动态实时分析数据中室性心搏典型数据的识别方法,包括：对被监测者的动态心电图数据进行心搏检测处理，确定动态心电图数据包括的多个心搏数据；基于AI心搏分类模型对动态心电图数据包括的多个心搏数据进行识别，得到多个室性心搏数据；以各室性心搏数据的QRS波群起点为基准点建立基线；以基准点和基线为基准，对多个室性心搏数据进行数据叠加处理，得到室性心搏的第一心搏数据集合；确定第一心搏数据集合中，各心搏数据中特征点所在的中心数据区域；在中心数据区域进行样本数据选取，得到所需数量的心搏数据作为样本数据；对每个样本数据进行心搏片断截取处理，得到心电图动态实时分析数据中室性心搏的典型数据。

技术领域

本发明涉及人工智能数据分析的技术领域，尤其涉及一种心电图动态实时分析数据中室性心搏典型数据的识别方法。

背景技术

众所周知，心电图是各种心血管疾病最简单、快捷和经济的临床检查方法，是心血管疾病检验的基石。其中，动态心电图(Dynamic Electrocardiography，DCG)技术于1957年由Holter首先应用于监测心脏电生理活动的研究，所以又称Holter心电图仪，目前已成为临床心血管领域中无创检查的重要分析方法之一。动态心电图可连续记录24小时以上的心电活动全过程，包括休息、活动、进餐、工作、学习和睡眠等不同情况下的心电图信息。动态心电图能够发现常规心电图检查不易发现的非持续性心律失常，是临床分析病情、确立分析、判断疗效的重要客观依据。

但是，对于长期监测的动态心电图来说，从大量的数据中发现非持续性心律时常是一个非常繁琐的工作，往往需要耗费大量的人力去看图并从中找到异常心电监测数据的心电图片断。同时，这样的做法也无法保证所选择的数据是典型的异常数据，因此对于被监测者的病情分析和判断也可能造成影响，使得动态心电图监测所能实现的监测效果大打折扣。

因此，亟待提出一种能够自动识别动态心电图的典型数据的方法，用以帮助提高对动态心电图监测数据识别的效率和准确度。。

发明内容

本发明的目的是提供一种心电图动态实时分析数据中室性心搏典型数据的识别方法，能够有效提高动态心电图监测数据中室性心搏典型数据的识别效率和准确度。

有鉴于此，本发明实施例提供了一种心电图动态实时分析数据中室性心搏典型数据的识别方法，包括：

接收被监测者的动态心电图数据；

对所述动态心电图数据进行心搏检测处理，确定所述动态心电图数据包括的多个心搏数据；每个所述心搏数据对应一个心搏周期，其中包括相应的P波、QRS波群、T波的幅值和起止时间数据；

基于AI心搏分类模型对所述动态心电图数据包括的多个心搏数据进行识别，得到其中心搏类型为室性心搏的多个室性心搏数据；

以各室性心搏数据的QRS波群起点为基准点建立基线；

以所述基准点和基线为基准，对所述多个室性心搏数据进行数据叠加处理，得到所述室性心搏的第一心搏数据集合；

确定所述第一心搏数据集合中，各心搏数据中特征点所在的中心数据区域；

在所述中心数据区域进行样本数据选取，得到所需数量的心搏数据作为样本数据；

对每个样本数据进行心搏片断截取处理，得到心电图动态实时分析数据中室性心搏的典型数据。

优选的，所述确定所述第一心搏数据集合中，各心搏数据中特征点所在的中心数据区域具体包括：

确定所述第一心搏数据集合中包括的心搏数据的总数量；

在以所述基线和QRS波群主轴构建的二维象限中，确定所述第一心搏数据集合的各心博数据中，具有第一数量个R波顶点的最小区域为所述中心数据区域；其中，第一数量与总数量的比值为预设固定值。