Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020155079 - PROCÉDÉ, DISPOSITIF ET SYSTÈME DE SURVEILLANCE D'ÉVÉNEMENT D’ARYTHMIE

Document

说明书

发明名称 0001   0002   0003   0004   0005   0006   0007   0008   0009   0010   0011   0012   0013   0014   0015   0016   0017   0018   0019   0020   0021   0022   0023   0024   0025   0026   0027   0028   0029   0030   0031   0032   0033   0034   0035   0036   0037   0038   0039   0040   0041   0042   0043   0044   0045   0046   0047   0048   0049   0050   0051   0052   0053   0054   0055   0056   0057   0058   0059   0060   0061   0062   0063   0064   0065   0066   0067   0068   0069   0070   0071   0072   0073   0074   0075   0076   0077   0078   0079   0080   0081   0082   0083   0084   0085   0086   0087   0088   0089   0090   0091   0092   0093   0094   0095   0096   0097   0098   0099   0100   0101   0102   0103   0104   0105   0106   0107   0108   0109   0110   0111   0112   0113   0114   0115   0116   0117   0118   0119   0120   0121   0122   0123   0124   0125   0126   0127  

权利要求书

1   2   3   4   5   6   7   8   9   10   11   12   13   14   15   16   17   18   19   20  

附图

1   2   3   4   5   6   7(A)   7(B)   8(A)   8(B)   8(C)   9(A)9(B)   10   11   12   13(A)   13(B)   13(C)   14(A)   14(B)   14(C)   15(A)   15(B)   15(C)   16(A)   16(B)   16(C)   17(A)   17(B)   17(C)   18(A)   18(B)   18(C)   19(A)   19(B)   19(C)   20(A)   20(B)   20(C)   21(A)   21(B)   21(C)   22(A)   22(B)   22(C)   23(A)   23(B)   23(C)   24   25   26   27  

说明书

发明名称 : 一种心律失常事件的监测方法、设备和系统

技术领域

[0001]
本发明属于信号处理领域,尤其涉及一种心律失常事件的监测方法、设备和系统。

背景技术

[0002]
心脏是人体最重要的器官之一,主要功能是为血液流动提供动力。心脏搏动特性的监测对于患者来说具有重要意义,目前,心脏监测可以通过监测心脏电活动、心脏机械活动来实现,还可以通过监测血压、脉搏波等来间接监测心脏搏动情况。不同的监测手段采用不同的传感技术来捕获信号,例如心脏电活动监测通过电极片来采集原始信号,脉搏波监测采用光电传感器PPG来采集原始信号。
[0003]
传统的心律失常检测技术多基于时域信号分析,依赖于良好的时域信号波形和在此基础上的心拍检测,如ECG检测RR间隔、PPG检测峰峰间隔等,再根据心拍间隔分布进行分析计算。基于时域信号提取心拍间隔是为分析心拍分布的最为简单直接的手段。时域分析方法计算快速便捷实时,且对存储和运算资源要求低,在处理器运算能力和存储空间有限的条件下能够更好地应用于实际产品。但是时域分析依赖于优质的信号,信号容易受到各种外界干扰影响,造成特征识别错误;同时不同的传感技术采集的时域信号千差万别,各种信号之间的特征不一(如ECG信号和PPG信号就存在极大差异),时域分析算法很难跨传感技术直接应用。

技术问题

[0004]
本发明的目的在于提供一种心律失常事件的监测方法、计算机可读存储介质、心律失常事件的监测设备和系统,旨在解决时域分析算法很难跨传感技术直接应用,且时域分析依赖于优质的信号的问题。

技术解决方案

[0005]
第一方面,本发明提供了一种心律失常事件的监测方法,所述方法包括:
[0006]
获取对象的心脏搏动原始信号;
[0007]
对心脏搏动原始信号进行预处理生成心脏搏动时域信号;
[0008]
基于心脏搏动时域信号生成心脏搏动谱信号;
[0009]
基于心脏搏动谱信号生成心脏搏动谱信号簇;
[0010]
将心脏搏动谱信号簇随时间进行能量堆积,生成与心脏搏动谱信号簇对应的堆积谱;
[0011]
基于与心脏搏动谱信号簇对应的堆积谱生成心脏混沌性特征变量以进行心律失常事件识别。
[0012]
第二方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质存储 有计算机程序,所述计算机程序被处理器执行时实现如所述的心律失常事件的监测方法的步骤。
[0013]
第三方面,本发明提供了一种心律失常事件的监测设备,包括:一个或多个处理器;存储器;以及一个或多个计算机程序,所述处理器和所述存储器通过总线连接,其中所述一个或多个计算机程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述处理器执行所述计算机程序时实现如所述的心律失常事件的监测方法的步骤。
[0014]
第四方面,本发明提供了一种心律失常事件的监测系统,包括:一个或多个振动传感器;和如所述的心律失常事件的监测设备。

有益效果

[0015]
由于本发明的心律失常事件的监测方法基于心脏搏动时域信号生成心脏搏动谱信号;基于心脏搏动谱信号生成心脏搏动谱信号簇;将心脏搏动谱信号簇随时间进行能量堆积,生成与心脏搏动谱信号簇对应的堆积谱;基于与心脏搏动谱信号簇对应的堆积谱生成心脏混沌性特征变量以进行心律失常事件识别。因此可跨传感技术、弱依赖时域信号质量,适应性更强。

附图说明

[0016]
图1是本发明实施例一提供的心律失常事件的监测方法的流程图。
[0017]
图2是光纤传感器采集得到的心脏搏动原始信号波形示意图。
[0018]
图3是滤波去噪后的BCG信号波形图。
[0019]
图4是心脏搏动时域信号示意图。
[0020]
图5是基于图4所示的心脏搏动时域信号生成的心脏搏动频域谱信号示意图。
[0021]
图6是心脏搏动时域信号示意图。
[0022]
图7(a)和图7(b)是基于图6所示的心脏搏动时域信号生成的心脏搏动时域谱信号示意图。
[0023]
图8(a)是心脏搏动时域信号示意图。
[0024]
图8(b)是T=5,6,7,8,9s这5个时刻点所截取的时间窗对应的心脏搏动时域信号示意图。
[0025]
图8(c)是5个时刻点对应的心脏搏动频域谱信号示意图。
[0026]
图9(a)是BCG时域信号波形示意图。
[0027]
图9(b)是图9(a)中的BCG时域信号波形依次计算得到的心脏搏动频域谱信号。
[0028]
图10是与心脏搏动谱信号簇对应的堆积谱示意图。
[0029]
图11是三维堆积谱示意图。
[0030]
图12是堆积谱的峰脉线示意图。
[0031]
图13(a)、(b)、(c)是一组窦性心律受试者的心脏搏动谱信号簇的堆积谱示意图。
[0032]
图14(a)、(b)、(c)是一组窦性心律受试者三维堆积谱示意图。
[0033]
图15(a)、(b)、(c)是一组窦性心律受试者堆积谱的峰脉线示意图。
[0034]
图16(a)、(b)、(c)是一组房颤患者心脏搏动谱信号簇的堆积谱示意图。
[0035]
图17(a)、(b)、(c)是一组房颤患者三维堆积谱示意图。
[0036]
图18(a)、(b)、(c)是一组房颤患者堆积谱的峰脉线示意图。
[0037]
图19(a)、(b)、(c)是一组其他病种患者心脏搏动谱信号簇的堆积谱示意图。
[0038]
图20(a)、(b)、(c)是一组其他病种患者三维堆积谱示意图。
[0039]
图21(a)、(b)、(c)是一组其他病种患者堆积谱的峰脉线示意图。
[0040]
图22(a)(b)(c)和图23(a)(b)(c)是窦性心律与房颤受试者堆积谱二维图的对比示意图。
[0041]
图24是基于混沌性特征变量判断房颤ROC曲线示意图。
[0042]
图25是窦性心律受试者堆积谱的峰脉线示意图。
[0043]
图26是起搏器患者堆积谱的峰脉线示意图。
[0044]
图27是本发明实施例三提供的心律失常事件的监测设备的具体结构框图。

本发明的实施方式

[0045]
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
[0046]
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
[0047]
实施例一:
[0048]
请参阅图1,本发明实施例一提供的心律失常事件的监测方法包括以下步骤:需注意的是,若有实质上相同的结果,本发明的心律失常事件的监测方法并不以图1所示的流程顺序为限。
[0049]
S101、获取对象的心脏搏动原始信号。
[0050]
心脏搏动原始信号是指所有能够反映心脏搏动特性的原始信号,例如心电图(Electrocardiogram,ECG)信号、心音图(Phonocardiogram,PCG)信号、心震图(Seismocardiogram,SCG)信号、心冲击图(Ballistocardiography,BCG)信号、光电容积脉搏波(Photoplethysmograph,PPG)信号、有创血压(Invasive blood pressure,IBP)信号、雷达波监测的心脏搏动信号等。
[0051]
心脏搏动原始信号通过传感器获得。当心脏搏动原始信号为BCG信号、PCG信号或SCG信号时,所述心脏搏动原始信号通过振动传感器获得。当心脏搏动原始信号为ECG信号时,所述心脏搏动原始信号通过心电传感器获得;当心脏搏动原始信号为PPG信号时,所述心脏搏动原始信号通过光电传感器获得;当心脏搏动原始信号为IBP信号时,所述心脏搏动原始信号通过IBP信号传感器获得;当心脏搏动原始信号为雷达波监测的心脏搏动信号时,所述心脏搏动原始信号通过生物雷达获得。
[0052]
在本发明实施例一中,振动传感器可以是加速度传感器、速度传感器、位移传感器、压力传感器、光纤传感器、或者是以加速度、速度、压力、或位移为基础将物理量等效性转换的传感器(例如静电荷敏感传感器、充气式微动传感器、雷达传感器等)中的一种或多种。
[0053]
在本发明实施例一中,通过振动传感器采集对象的心脏搏动原始信号时,振动传感器可被放置于对象身体下方。例如对象可以呈仰卧、俯卧、侧卧、半卧等姿势,振动传感器可放置于床上,对象仰卧(俯卧或侧卧)于其上。较佳的测量状态是振动传感器被配置为与所述对象的肩部、背部、腰部或髋部接触,例如振动传感器置于平躺仰卧人体背后的接触面、一定倾斜角仰卧人体背后的接触面、轮椅或其它可倚靠物体的倚卧人体背后的接触面等多种方式进行采集和测量。一般地,为保证所采集信号质量,需要在比较安静的状态下进行测量。
[0054]
图2所示为振动传感器采集得到的心脏搏动原始信号波形示意图。振动传感器采集的心脏搏动原始数据包含被测对象呼吸信号成分、心脏搏动信号成分、以及环境微震动、被测对象体动引起的干扰和电路自身的噪声信号。此时的信号大轮廓即为人体呼吸产生的信号包络,而心脏搏动与其它干扰噪声则叠加在呼吸包络曲线上。
[0055]
S102、对心脏搏动原始信号进行预处理生成心脏搏动时域信号。
[0056]
不同的传感器获得的心脏搏动原始信号包含的信息量不同,有的心脏搏动原始信号包含的信息量比较丰富,因此需要对其进行预处理来捕获相关信号。例如,振动传感器获得的心脏搏动原始信号中还包含被测对象的呼吸信号、体动信号、传感器固有的一些噪声等信号。
[0057]
在本发明实施例一中,S102具体可以包括:
[0058]
对心脏搏动原始信号进行滤波、去噪、信号缩放中的至少一种,得到心脏搏动时域信号;具体可以为:根据对滤波后信号特征的需求采用IIR滤波器、FIR滤波器、小波滤波器、零相位双向滤波器、多项式拟合平滑滤波器、积分变换、微分变换中的一种或多种组合,对心脏 搏动原始信号进行滤波去噪;还可以包括:判断心脏搏动原始信号是否携带工频干扰信号,如果有,则通过工频陷波器滤除工频噪声。
[0059]
如图3所示为对图2所示的振动传感器获取的心脏搏动原始信号进行滤波去噪后的时域波形示意图,每个波形特征明显且一致性良好、周期规律、轮廓清晰、基线平稳。
[0060]
S103、基于心脏搏动时域信号生成心脏搏动谱信号。
[0061]
在本发明实施例一中,S103具体可以为:基于心脏搏动时域信号生成心脏搏动频域谱信号。
[0062]
例如:基于心脏搏动时域信号通过时频变换方式生成心脏搏动频域谱信号,时频变换方式可采用傅立叶变换、小波变换等,若需要细化频谱分辨率,还可以采用补零法、ZoomFFT法、CZT变换、Yip-ZOOM变换等;其中,用于时频变换的心脏搏动时域信号最好包含至少两个周期波形;或者,
[0063]
基于心脏搏动时域信号通过计算功率谱获得心脏搏动频域谱信号,可采用自相关法、周期图法、加窗平均周期图法、Welch法、多窗口法、最大熵法等;或者,
[0064]
基于心脏搏动时域信号通过计算AR谱获得心脏搏动频域谱信号。
[0065]
当然,除了傅立叶变换、小波变换、功率谱计算、AR谱计算等方法之外还有更多的心脏搏动频域谱信号生成方式,此处不再赘述。
[0066]
下面以傅立叶变换进行说明:
[0067]
时域信号采样率一般不小于500Hz,而频域计算则对存储资源和运算能力消耗较大,其需要反映一定时长内的频率特征,因此一般需要对时域波形进行降采样重新抽样(即重采样),比如将500Hz抽成100Hz、62.5Hz、50Hz等。确定重采样率之后,根据运算资源和能力确定合适的时频变换点数,一般来说点数越多越精确,但点数越多需要的原始数据长度也越长。合理的设计最好能够保证用于时频变换的心脏搏动时域信号能够包含至少两个周期波形,例如假设心率测量范围的最小值为30bpm,则需要至少包含4秒以上时长的时域数据,再结合重采样率可确定时频变换的点数。如图4所示,是心脏搏动时域信号示意图,图5是基于图4所示的心脏搏动时域信号生成的心脏搏动频域谱信号示意图。可以采用CZT变换进行频谱细化分析,重点关注0~5Hz范围内频域特征,也可以根据实际需要扩大或缩小关注的频带范围。此时呈现的为优质的BCG频域波形,每个有效峰特征明显,轮廓清晰直立,基倍频特性明显。此时1.1Hz为主峰即基频峰,后续的各个明显峰分别为其二倍频、三倍频、四倍频。注意此时基频峰能量不是最高的原因与滤波器特性有关,在由时域信号进行时频变换的同时欲抑制低频干扰可以对低频信号进行滤除或压低,需注意在滤除低频干扰的 同时可能压低主峰能量。这里的滤波可以直接在时域上进行,也可以在频域上进行窗函数滤波。由于此时只关心0~5Hz以内频率,因此基频峰1.1Hz的最大有效倍频为四倍频4.4Hz附近。如扩大频率上限,设置合理的滤波器参数,还有可能观察到其五倍频特征峰。
[0068]
S103具体也可以为:基于心脏搏动时域信号生成心脏搏动时域谱信号。
[0069]
例如:基于心脏搏动时域信号通过自相关函数生成心脏搏动时域谱信号。如图6所示,是心脏搏动时域信号示意图,图7(a)和(b)是基于图6所示的心脏搏动时域信号生成的心脏搏动时域谱信号示意图。图6所示的BCG时域波形为t1(秒为单位)时间段内的数据波形;图7(a)为双边自相关函数波形,中间线为T=0,左右侧宽度分别为-t1和t1,此时左右两侧关于时间轴T=0对称,根据实际情况可以只看单边波形(T≥0或T≤0);图7(b)是T≥0部分的波形。图5是单边的频域谱,根据实际情况也可以看双边,其关于频率轴w=H(Fs)/2对称,H(Fs)为采样率对应的频率。此时可以看到图7(a)和图7(b)自相关函数波形与图5的频域谱有类似的特征,所以称之为谱信号,但其实未进行时频变换,故称之为时域谱信号。对于心脏搏动时域谱信号也可以适当地通过滤波算法对干扰峰进行抑制、滤除或压低,对主峰能量进行放大、凸显或抬高。
[0070]
尽管心脏搏动时域谱信号的生成方式与心脏搏动频域谱信号不一致,但两种心脏搏动谱信号之间存在很强的特征相似性,实际上从数学上来说功率谱等于自相关函数的傅立叶变换,自相关函数等于功率谱的傅立叶逆变换,因此两者之间存在强大的内在联系。因此后文阐述以心脏搏动频域谱信号为实施例进行展开,本领域人员可以参照实施例对心脏搏动时域谱信号进行扩展延伸。
[0071]
当然,除了自相关函数之外还可以通过其他方式生成类似特征的心脏搏动时域谱信号,甚至还可以基于心脏搏动时域信号生成心脏搏动频域谱信号和心脏搏动时域谱信号,并结合心脏搏动频域谱信号和心脏搏动时域谱信号生成心脏搏动谱信号。例如,将心脏搏动时域谱信号和心脏搏动频域谱信号进行叠加、拼接、乘积等运算生成心脏搏动谱信号。
[0072]
S104、基于心脏搏动谱信号生成心脏搏动谱信号簇。
[0073]
在本发明实施例一中,S104具体可以为:
[0074]
在多个时刻点分别获取预设时间窗的心脏搏动谱信号;
[0075]
将多个时刻点获取的心脏搏动谱信号集合成为心脏搏动谱信号簇。
[0076]
其中,多个时刻点对应的预设时间窗可以是相同的,也可以是不同的。多个时刻点中相邻时刻点的时间间隔可以是相同的,也可以是不同的。多个时刻点中相邻时刻点的时间间隔可以是大于、小于或等于预设时间窗。预设时间窗对应的心脏搏动时域信号最好包含至 少两个周期波形。
[0077]
下面以心脏搏动频域谱信号为实施例进行说明。
[0078]
如图8(a)、(b)和(c)所示,图8(a)为心脏搏动时域信号示意图,将起点设置为T=0s时刻点。设置时间窗为5秒,相邻时刻点的时间间隔为1秒。图8(b)为T=5,6,7,8,9s这5个时刻点所截取的时间窗对应的心脏搏动时域信号。T=5s时刻点为T=0~5s时间窗数据,T=6s时刻点为T=1~6s时间窗数据,依次类推。图8(c)为5个时刻点对应的心脏搏动频域谱信号。
[0079]
当然这里的时间窗可以根据实际情况调整,可以将5秒扩大到更长时间窗,也可以缩小时间窗,但合理的时间窗长度设计最好能够保证用于时频变换的时域波形能够包含两个或者以上的周期波形;相邻时刻点的时间间隔为1秒也可以进行调整,如运算能力足够可以缩减至0.75秒、0.5秒、0.25秒等,当然也可以更长时间如2秒、3秒、5秒甚至更长时间如40秒。
[0080]
如图9(a)和9(b)所示,图9(a)是BCG时域信号波形(这里只呈现时间片段数据,在该时间片段前后均仍有BCG数据),以T=0s时刻点,直至T=9s时刻点,依次计算得到各自的心脏搏动频域谱信号为图9(b)所示,这一系列心脏搏动频域谱信号为心脏搏动频域谱信号簇(如果谱信号为心脏搏动时域谱信号可以称之为心脏搏动时域谱信号簇)。当然,在本发明实施例中均以BCG数据作为说明,其他能够反映心脏搏动特性的如ECG、PCG、SCG、PPG、IBP血压波、雷达波监测心脏搏动信号等各种信号均可以转换成为谱信号。
[0081]
S105、将心脏搏动谱信号簇随时间进行能量堆积,生成与心脏搏动谱信号簇对应的堆积谱。
[0082]
所述将心脏搏动谱信号簇随时间进行能量堆积,生成与心脏搏动谱信号簇对应的堆积谱具体为:将心脏搏动谱信号簇进行归一化,将归一化之后的心脏搏动谱信号簇随时间进行能量堆积,生成与心脏搏动谱信号簇对应的二维堆积谱。
[0083]
对于某个时刻点T的心脏搏动谱信号,假设最终获得频带范围为w=[w 0,w n],频域谱对应各点频率值为Spect=[P 0,P 1,…,P n]。对其进行归一化至[0,1]范围,通过公式p i=(P i-P min)/(P max-P min),(i=0,1,…,n)得到归一化心脏搏动谱信号spect=[p 0,p 1,…,p n]。T N时刻的能量谱为T 0~T N所有归一化之后的心脏搏动谱信号簇之和。如图10所示,为逐点(时刻点)累积的能量谱波形,本文中称之为堆积谱。对于特征主峰能量,随着时间堆积更加凸显。
[0084]
在本发明实施例一中,S105之后所述方法还可以包括以下步骤:
[0085]
将与心脏搏动谱信号簇对应的堆积谱以时间为轴线依次绘制成三维形式的三维堆积谱,如图 11所示。
[0086]
此时前述二维堆积谱实际上等同于从平行于Time轴线方向的视角得到的主视图。以三维视角来看,犹如地形图一般,一条条山脉沿着Time轴贯穿。此时从垂直于于Freq轴和Time轴构成的平面视角(图中即从上往下看)来看,所有的峰点轮廓线能够在Time轴上连成一条曲线,类似于山脉的山峰延展线,本文称之为峰脉线,其在Freq轴和Time轴构成的平面上的投影为峰脉线图(如图12所示)。
[0087]
图13(a)(b)(c)给出了一组窦性心律受试者的心脏搏动谱信号簇的堆积谱示意图,分别来自于三位心率不同的健康人数据,依次约为63bpm、88bpm、107bpm,由于这里频谱细化区域为0~5Hz,上限为300bpm,因此“剑峰”数目分别为4条、3条、2条,很清晰地肉眼直观可见。
[0088]
图14(a)(b)(c)是一组窦性心律受试者三维堆积谱示意图,图15(a)(b)(c)是一组窦性心律受试者堆积谱的峰脉线示意图,分别来自于三位心率不同的健康人数据,从左到右依次约为63bpm、88bpm、107bpm,由于这里频谱细化区域为0~5Hz,上限为300bpm,因此可以在三维图上看到清晰狭长的山脉延展线,并在峰脉线示意图上容易获取其峰脉线数目分别为4条、3条、2条,很清晰地肉眼直观可见。
[0089]
图16(a)(b)(c)给出了一组房颤患者心脏搏动谱信号簇的堆积谱示意图,分别来自于三位房颤患者数据,此时可以看到房颤患者的堆积谱如怪石嶙峋的丘陵,并不如前面那般陡峭险峻,与前面窦性心律图谱存在非常大的差异。以此类推,还可以获得其他病种患者的堆积谱。
[0090]
图17(a)(b)(c)是一组房颤患者三维堆积谱示意图,图18(a)(b)(c)是一组房颤患者堆积谱的峰脉线示意图。分别来自于三位房颤患者数据,此时可以看到房颤患者的三维图看不出谱清晰狭长的山脉延展线,其峰脉线谱图非常混乱无序、毫无规则,与前面窦性心律峰脉线图存在非常大的差异。
[0091]
图19(a)(b)(c)给出了一组其他病种患者心脏搏动谱信号簇的堆积谱,依次分别为室性早搏患者、安装心脏起搏器患者和房扑患者。此时可以看得早搏患者仍然还有类似窦性心律的剑峰,但其底部较为粗犷雄浑,稳如磐石;起搏器患者由于起搏心率的强规则性,也存在类似窦性心律得到剑峰,但如果放大局部峰的连续性来看会显得更加尖锐锋利,房扑患者当其绝对齐整的时候也具有类似特性。
[0092]
图20(a)(b)(c)是一组其他病种患者三维堆积谱示意图,图21(a)(b)(c)是一组其他病种患者堆积谱的峰脉线示意图。从左到右依次分别为室性早搏患者、安装心脏起搏器患者和房 扑患者。此时可以看得早搏患者仍然还有类似窦性心律的峰脉线,但其呈线出更加飘逸摇曳的姿态;起搏器患者由于起搏心率的强规则性,呈线出笔直延伸的特性,房扑患者当其绝对齐整的时候也具有类似特性。当然其他病种可能还有区别于此的特征,此不赘述。
[0093]
如图13至图21所示,是窦性心律、房颤、室性早搏、心脏起搏器、房扑的心脏搏动谱信号簇的堆积谱示意图、三维堆积谱示意图和堆积谱的峰脉线示意图,在采集大量受试者数据形成的数据库基础上,医护人员经过培训了解各种心律失常事件对应的图像谱具有的特征,可以通过人工读图来识别心律失常事件。
[0094]
S106、基于与心脏搏动谱信号簇对应的堆积谱生成心脏混沌性特征变量以进行心律失常事件识别。
[0095]
在本发明实施例一中,S106具体可以为:
[0096]
提取与心脏搏动谱信号簇对应的堆积谱的特征点生成特征点组;
[0097]
依据特征点组生成心脏混沌性特征变量以进行心律失常事件的识别。
[0098]
所述特征点包括各能量峰的形态学特性、能量分布特性、频率分布特性、或时间分布特性中的一种或多种。
[0099]
所述各能量峰的形态学特性包括峰高、峰宽、相邻峰的间隔、左右对称性、峰谷高度比中的一个或多个;所述能量分布特性包括峰谷能量比、峰峰能量比、各频段能量分布中的一个或多个;所述频率分布特征包括基倍频关系、主能量峰频率特性中的一个或多个;所述时间分布特性包括峰脉线分布延续性、峰脉线分布宽度、峰点频率变异性中的一个或多个。
[0100]
在Goldberger等人于1985-1987年研究中表明心脏的窦性节律是混沌而室颤不是混沌,因为房颤时窦房结被多元性非线性机制所控制,包括自主神经张力变化、激素、前后负荷等诸多因素。混沌,是反映系统从有序突然变为无序状态的一种演化理论,是对确定性系统中出现的内在“随机过程”形成的途径、机制的研讨。目前研究认为生理条件下存在混沌,病理情况下混沌丧失或部分丧失,由混沌走向随机/周期,或更接近随机/周期。
[0101]
当窦性心律时,其时域信号波形中的频率成分随时间分布是有序而存在一定规则的,其时域信号波形中的波形特征分布也是有序而存在一定规则的。因此可以通过时域信号波形来生成谱信号,来直观反应心拍分布特性。
[0102]
例子1:心脏混沌性特征变量由与心脏搏动谱信号簇对应的堆积谱的特征点所组成,包括以下特征点中的任何一个或多个组合,可根据不同的心律失常事件来确定各自的心脏混沌性特征变量。下面以房颤事件的识别为例阐述心脏混沌性特征变量的构建过程。
[0103]
如图22(a)(b)(c)和图23(a)(b)(c)所示为窦性心律与房颤受试者堆积谱二维图的对比示意图,此时我们只提取了T N时刻的谱信号,图22(a)(b)(c)均为窦性心律,图23(a)(b)(c)均为房颤。
[0104]
结合图13(a)(b)(c)和图16(a)(b)(c),由此可以清晰地提炼出窦性心律堆积谱区别于房颤堆积谱的几大重要特征差异点:
[0105]
1)窦性心律堆积谱各主能量峰为狭长、高耸、挺拔的尖峰,一般左右宽度和高度较为对称,且两侧谷的位置拉到比较低(谷处能量值小于峰点能量值一半甚至1/5以下);相应地,三维图上能够看到狭长清晰的山脉,峰脉线图上能够看到清晰的峰脉线;
[0106]
2)窦性心律堆积谱存在基倍频关系尖峰(基频,二倍频,三倍频),一般同时为主能量峰;相应地,三维图上能够看到多条满足基倍频关系的山脉,峰脉线图上能够看到多条满足基倍频关系的峰脉线;
[0107]
3)房颤堆积谱低频段存在一个高而宽的大波(通常非对称),上面可能有许多小尖峰;相应地,三维图上能够看到一大座低频段山脉,峰脉线图上看到低频段存在较多零散而密集分布的峰点;
[0108]
4)房颤堆积谱不存在清晰的基倍频关系尖峰,可能有一些小的次峰满足基倍频关系但一般左右宽度或高度不对称,或者某侧谷的位置仍然比较高(谷处能量值大于峰点能量值一半甚至3/4以上);相应地,三维图上不容易识别出满足基倍频关系山脉,峰脉线图上也较难识别基倍频峰脉线,甚至几乎很难识别清晰峰脉线;
[0109]
5)如若考虑时间延续性维度,窦性心律的各主峰具有一定延续性(形态、能量、频率等特征),而房颤各主峰经常跳变;相应地,三维图上不容易识别出狭长的山脉,峰脉线图上几乎很难识别清晰峰脉线;
[0110]
6)其他的任何有关峰的形态学特性、频率分布特性、能量分布特性、时间分布特性差异。
[0111]
可以依据上述任何一个或多个特征差异点,建立心脏混沌性特征变量,依据心脏混沌性特征变量来判定是否为房颤。各种心脏混沌性特征变量对于识别不同的心律失常事件有不同的敏感性和特异性。以利用特征差异点1)来进行房颤识别来进行说明,首先对于归一化的堆积谱,选取能量峰排序前N并且大于一定阈值的峰进行分析(满足高耸挺拔),如果峰的宽度小于一定阈值(满足狭长),且左右谷点位置均能低于峰点能量百分比阈值(满足左右高度对称),且左右宽度偏差小于一定阈值(满足左右宽度对称)。基于此规则判断非房颤的满足性。
[0112]
例如设置排序N=5,能量阈值0.25,即取前5个峰点能量要大于0.25的峰;峰宽度 要小于30;左右谷能量要低于峰点能量的0.2;左右以峰点能量的0.2为界的宽度差异不超过6。以第一列的两个数据为例进行说明,表中给出了各个特征量的值,可以看到第一行第一列(窦性心律)的前五个峰(不满足高度不计算),均满足能量、宽度、对称等特性,而第二行第一列(房颤)的的前五个峰,排除不计算的峰之后没有一个峰能够满足该特性。此时,基于特征差异点1)建立的前述准则已经具备一定的识别房颤的能力,但敏感性与特异性可能不一定能够达到临床场景的实际需求,此时可以贴合其他特征差异点建立更多的准则,以提升敏感性和特异性最终提高识别准确率。
[0113]
[0114]
基于这些特征差异点建立一个心脏混沌性特征变量,并且根据采集的病人数据库(例如包含176病例数,其中37房颤病例数,139非房颤病例数),最终得到的ROC曲线如图24所示,此时ROC曲线下面积AUC=0.9843,取合适的Cut-Off值时,能够满足敏感性100%,特异性96.40%,准确性97.16%,因此基于堆积谱建立混沌性特征变量的方法简单、直接、有效、准确。
[0115]
例子2:以利用特征差异点5)来进行起搏器识别来进行说明,首先对于归一化的堆积谱,选取能量峰排序前N的峰进行分析。此时由于考虑到时间延续性,以三维图或者峰脉线图的方式来进行说明更易于理解。假设频域分辨率为δHz,起搏器受试者至少存在一条峰脉线,其沿着时间轴线的分布变异性会很小,即在主峰脉线上左右偏差量很小。取前面窦性心律和起搏器患者的峰脉线图(心率均接近60BPM),此时频域分辨率为1BPM(1/60Hz),如图25所示,为窦性心律受试者,其在基频上的分布宽度为9BPM,二倍频上为11BPM,三倍频上为13BPM;如图26所示,为起搏器患者,其在基频上的分布宽度为5BPM,二倍频上为5BPM,三倍频上为5BPM。该分布宽度即可以作为建立混沌性特征变量的准则之一。
[0116]
或者更详细地,计算每相邻时间点的峰点频率变异性,例如T n时刻基频为60BPM,T n+1时刻为61BPM,则变异性两者之差的绝对值1BPM,计算峰脉线图所有相邻时间点的峰 点频率变异性值并取平均,以该变异率作为建立混沌性特征变量的准则之一。当然,这里的前提是需要存在峰脉线,因此在利用特征差异点5)的同时已经隐性地结合了其他特征差异点。基于该准则建立一个心脏混沌性特征变量,并且根据采集的病人数据库(例如包含176病例数,其中9起搏器病例数,167非起搏器病例数),识别准确率为100%。
[0117]
实施例二:
[0118]
本发明实施例二提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如本发明实施例一提供的心律失常事件的监测方法的步骤。
[0119]
实施例三:
[0120]
图27示出了本发明实施例三提供的心律失常事件的监测设备的具体结构框图,一种心律失常事件的监测设备100包括:一个或多个处理器101、存储器102、以及一个或多个计算机程序,其中所述处理器101和所述存储器102通过总线连接,所述一个或多个计算机程序被存储在所述存储器102中,并且被配置成由所述一个或多个处理器101执行,所述处理器101执行所述计算机程序时实现如本发明实施例一提供的心律失常事件的监测方法的步骤。
[0121]
实施例四:
[0122]
本发明实施例四提供了一种心律失常事件的监测系统,包括:
[0123]
一个或多个振动传感器;和
[0124]
本发明实施例三提供的心律失常事件的监测设备。
[0125]
由于本发明的心律失常事件的监测方法基于心脏搏动时域信号生成心脏搏动谱信号;基于心脏搏动谱信号生成心脏搏动谱信号簇;将心脏搏动谱信号簇随时间进行能量堆积,生成与心脏搏动谱信号簇对应的堆积谱;基于与心脏搏动谱信号簇对应的堆积谱生成心脏混沌性特征变量以进行心律失常事件识别。因此可跨传感技术、弱依赖时域信号质量,适应性更强。
[0126]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
[0127]
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

权利要求书

[权利要求 1]
一种心律失常事件的监测方法,其特征在于,所述方法包括: 获取对象的心脏搏动原始信号; 对心脏搏动原始信号进行预处理生成心脏搏动时域信号; 基于心脏搏动时域信号生成心脏搏动谱信号; 基于心脏搏动谱信号生成心脏搏动谱信号簇; 将心脏搏动谱信号簇随时间进行能量堆积,生成与心脏搏动谱信号簇对应的堆积谱; 基于与心脏搏动谱信号簇对应的堆积谱生成心脏混沌性特征变量以进行心律失常事件识别。
[权利要求 2]
如权利要求1所述的方法,其特征在于,所述心脏搏动原始信号包括心电图ECG信号、心音图PCG信号、心震图SCG信号、心冲击图BCG信号、光电容积脉搏波PPG信号、有创血压IBP信号和雷达波监测的心脏搏动信号。
[权利要求 3]
如权利要求2所述的方法,其特征在于,所述心脏搏动原始信号为BCG信号、PCG信号或SCG信号时,所述心脏搏动原始信号通过振动传感器获得;所述振动传感器是加速度传感器、速度传感器、位移传感器、压力传感器、应变传感器、或者是以加速度、速度、压力或位移为基础将物理量等效性转换的传感器中的一种或多种。
[权利要求 4]
如权利要求3所述的方法,其特征在于,所述应变传感器是光纤传感器。
[权利要求 5]
如权利要求4所述的方法,其特征在于,所述光纤传感器被配置为置于所述对象身体下方,所述对象呈仰卧、俯卧、侧卧或半卧。
[权利要求 6]
如权利要求5所述的方法,其特征在于,所述光纤传感器被配置为与所述对象的肩部、背部、腰部或髋部接触。
[权利要求 7]
如权利要求1所述的方法,其特征在于,所述对心脏搏动原始信号进行预处理生成心脏搏动时域信号具体包括: 对心脏搏动原始信号进行滤波、去噪、信号缩放中的至少一种,得到心脏搏动时域信号。
[权利要求 8]
如权利要求1所述的方法,其特征在于,所述基于心脏搏动时域信号生成心脏搏动谱信号具体为: 基于心脏搏动时域信号生成心脏搏动频域谱信号;或者, 基于心脏搏动时域信号生成心脏搏动时域谱信号;或者 基于心脏搏动时域信号生成心脏搏动频域谱信号和心脏搏动时域谱信号,并结合心脏搏动频域谱信号和心脏搏动时域谱信号生成心脏搏动谱信号。
[权利要求 9]
如权利要求8所述的方法,其特征在于,所述基于心脏搏动时域信号生成心脏搏动频域谱信号具体为: 基于心脏搏动时域信号通过时频变换方式生成心脏搏动频域谱信号; 或者, 基于心脏搏动时域信号通过计算功率谱获得心脏搏动频域谱信号; 或者, 基于心脏搏动时域信号通过计算AR谱获得心脏搏动频域谱信号。
[权利要求 10]
如权利要求8所述的方法,其特征在于,所述基于心脏搏动时域信号生成心脏搏动时域谱信号具体为: 基于心脏搏动时域信号通过自相关函数生成心脏搏动时域谱信号。
[权利要求 11]
如权利要求1所述的方法,其特征在于,所述基于心脏搏动谱信号生成心脏搏动谱信号簇具体为: 在多个时刻点分别获取预设时间窗的心脏搏动谱信号; 将多个时刻点获取的心脏搏动谱信号集合成为心脏搏动谱信号簇。
[权利要求 12]
如权利要求11所述的方法,其特征在于,所述多个时刻点对应的预设时间窗是相同的或者是不同的; 多个时刻点中相邻时刻点的时间间隔是相同的或者是不同的; 多个时刻点中相邻时刻点的时间间隔大于、小于或等于预设时间窗; 预设时间窗对应的心脏搏动时域信号包含至少两个周期波形。
[权利要求 13]
如权利要求1所述的方法,其特征在于,所述将心脏搏动谱信号簇随时间进行能量堆积,生成与心脏搏动谱信号簇对应的堆积谱具体为: 将心脏搏动谱信号簇进行归一化,将归一化之后的心脏搏动谱信号簇随时间进行能量堆积,生成与心脏搏动谱信号簇对应的二维堆积谱。
[权利要求 14]
如权利要求13所述的方法,其特征在于,所述将心脏搏动谱信号簇随时间进行能量堆积,生成与心脏搏动谱信号簇对应的堆积谱之后所述方法还包括: 将与心脏搏动谱信号簇对应的堆积谱以时间为轴线依次绘制成三维形式的三维堆积谱。
[权利要求 15]
如权利要求1、13或14所述的方法,其特征在于,所述基于与心脏搏动谱信号簇对应的堆积谱生成心脏混沌性特征变量以进行心律失常事件识别具体为: 提取与心脏搏动谱信号簇对应的堆积谱的特征点生成特征点组; 依据特征点组生成心脏混沌性特征变量以进行心律失常事件的识别。
[权利要求 16]
如权利要求15所述的方法,其特征在于,所述特征点包括各能量峰的形态学特性、能量分布特性、频率分布特性、或时间分布特性中的一种或多种。
[权利要求 17]
如权利要求16所述的方法,其特征在于,所述各能量峰的形态学特性包括峰高、峰宽、相邻峰的间隔、左右对称性、峰谷高度比中的一个或多个;所述能量分布特性包括峰谷能量比、峰峰能量比、各频段能量分布中的一个或多个;所述频率分布特征包括基倍频关系、主能量峰频率特性中的一个或多个;所述时间分布特性包括峰脉线分布延续性、峰脉线分布宽度、峰点频率变异性中的一个或多个。
[权利要求 18]
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至17任一项所述的心律失常事件的监测方法的步骤。
[权利要求 19]
一种心律失常事件的监测设备,包括: 一个或多个处理器; 存储器;以及 一个或多个计算机程序,所述处理器和所述存储器通过总线连接,其中所述一个或多个计算机程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至17任一项所述的心律失常事件的监测方法的步骤。
[权利要求 20]
一种心律失常事件的监测系统,包括: 一个或多个振动传感器;和 如权利要求19所述的心律失常事件的监测设备。

附图

[ 图 1]  
[ 图 2]  
[ 图 3]  
[ 图 4]  
[ 图 5]  
[ 图 6]  
[ 图 7(A)]  
[ 图 7(B)]  
[ 图 8(A)]  
[ 图 8(B)]  
[ 图 8(C)]  
[ 图 9(A)9(B)]  
[ 图 10]  
[ 图 11]  
[ 图 12]  
[ 图 13(A)]  
[ 图 13(B)]  
[ 图 13(C)]  
[ 图 14(A)]  
[ 图 14(B)]  
[ 图 14(C)]  
[ 图 15(A)]  
[ 图 15(B)]  
[ 图 15(C)]  
[ 图 16(A)]  
[ 图 16(B)]  
[ 图 16(C)]  
[ 图 17(A)]  
[ 图 17(B)]  
[ 图 17(C)]  
[ 图 18(A)]  
[ 图 18(B)]  
[ 图 18(C)]  
[ 图 19(A)]  
[ 图 19(B)]  
[ 图 19(C)]  
[ 图 20(A)]  
[ 图 20(B)]  
[ 图 20(C)]  
[ 图 21(A)]  
[ 图 21(B)]  
[ 图 21(C)]  
[ 图 22(A)]  
[ 图 22(B)]  
[ 图 22(C)]  
[ 图 23(A)]  
[ 图 23(B)]  
[ 图 23(C)]  
[ 图 24]  
[ 图 25]  
[ 图 26]  
[ 图 27]