一种基于体温监测仪的心电检测分类方法技术

本发明专利技术涉及一种基于体温监测仪的心电检测分类方法，本发明专利技术通过体温监测仪采集的心电信号，并对采集的心电信号用算法进行计算得出心电信号的特征信息，利用心电信号的特征信息进一步分析将QRS波的波形数据与系统内置的心态模板系数进行匹配，以确定心率是否正常，便于用户能够方便的对心电进行检测以及实施检测心电型号。测心电型号。

【技术实现步骤摘要】
一种基于体温监测仪的心电检测分类方法


[0001]本专利技术涉及心电检测
，特别涉及一种基于体温监测仪的心电检测分类方法。

技术介绍

[0002]近年来，心血管类疾病的防治已经成为当前医疗保健的一项重点内容。心血管疾病的发作具有突发性，难以预测，致使致死的特性。而QRS波是最显著的部分，它反映了心室收缩时心脏的电行为，其能量占了心电信号能量的很大百分比。QRS波分布于心电信号的中、高频区域，峰值落在10～20Hz之间，并且幅度特征非常明显，与其它波形的区别显著，因而在心电特征波形的检测中，常常先定位QRS波，所以QRS波的检测是所有波形检测的基础，并通过QRS波的检测基础对心电信息进行分类。

技术实现思路

[0003]本专利技术的目的是：提供一种根据体温监测仪检测的心电信号进行判断心血管是否健康的基于体温监测仪的心电检测分类方法。
[0004]本专利技术的技术解决方案是：一种基于体温监测仪的心电检测分类方法，其特殊之处在于，包括以下步骤：步骤1，获取来自体温监测仪检测所得的体温信号T0、体表温度T1、心电信号；步骤2，体温监测仪是否导联脱落，是，则停止检测，对体温监测仪进行维修处理；否，则进入下一步；步骤3，根据体温监测仪采集所得心电信号提取出心电信号特征信息；步骤4，对ECG信号的噪声水平和信号幅度进行判断，若噪声水平大或信号幅度小时，停止检测；当噪声水平小且信号幅度大时，进行进一步的QRS波检测和心率失常分析；步骤5，计算QRS波的RR间期，并检测QRS波；步骤6，将所述步骤5检测所得的QRS波的波形数据与系统内置的形态模板系数进行匹配，判断QRS波的波形数据是否正常，具体匹配方法如下：步骤6
‑
1，将QRS波的波形数据拷贝至临时数据区；步骤6
‑
2，计算临时数据区内储存的波形数据与主导模板具体的相关系数；步骤6
‑
3，所述步骤6
‑
2计算所得的相关系数是否大于等于第一预设值，是，则波形数据与主导模板匹配，临时数据区内的QRS波为正常波；否，则进入下一步；步骤6
‑
4，更换系统的内置形态模板，计算临时数据区内储存的波形数据与替换后的形态模板具体的相关系数；步骤6
‑
5，所述步骤6
‑
4计算所得的相关系数是否大于等于第一预设值，是，则进入下一步；否，则跳至步骤6
‑
4；步骤6
‑
6，判断是否同时满足QRS波的噪声指数大于第二预设值,且QRS波不与主导模板匹配，计算所得的相关系数小于第三预设值，是，则判断临时数据区内的QRS波为正常
波；否，则进入下一步；步骤6
‑
7，将临时数据区内的QRS波与所选用的模板进行二次相关系数计算，所得相关系数是否大于第三预设值，是，则判断临时数据区内的QRS波为正常波；否，则进入下一步；步骤6
‑
8，经过所述步骤6
‑
2～步骤6
‑
5的计算，系统内置的形态模板是否存在与临时数据区内的QRS波相匹配的模板，是，则将临时数据区内的QRS波相匹配的模板替换原模板并保存；否，则将临时数据区内的QRS波相匹配的模板生成为新的模板并保存，且认定为异常波。
[0005]作为优选：所述步骤2中体温监测仪是否导联脱落的具体判断方法为：若心电电路检测到导联脱落，系统判定导联脱落；若心电电路检测为导联连接，而系统检测T1＜35℃，且T0＜35℃，系统判定体温监测仪导联脱落。
[0006]作为优选：所述步骤3提取心电信号特征信息的具体方法为：步骤3
‑
1，将采集的心电信号通过带通滤波器内进行滤波处理，其中具体的处理流程如下：将采集的心电信号导入带通滤波器内的低通滤波器进行滤波，低通滤波器的差分方程如下：
……
（1）其中式（1）中，n为离散信号的序列数， 为步骤1中采集的心电信号， 为低通滤波器滤波后的信号；将式（1）中低通滤波器滤波后的信号导入带通滤波器的高通滤波器内进行进一步处理，高通滤波器的差分方程如下：
ꢀ……
（2）其中式（2）中， 为通过高通滤波器滤波后的信号，通过高通滤波器的差分方程所得的信号在QRS波分类时作为模板进行匹配处理；步骤3
‑
2，对经过式（1）和式（2）的带通滤波器滤波处理后的心电信号进行微分处理：微分处理的差分方程为：
ꢀ……
（3）其中式（3）中， 为经过微分处理后的心电信号，处理后的心电信号用于提取斜率信息；步骤3
‑
3，利用非线性平方函数来放大QRS波群的高频特性：非线性平方函数如下式：
……
（4）其中式（4）中， 为经过非线性平方函数得到的心电信号；步骤3
‑
4，将经过式（4）的非线性平方函数放大的结果，通过移动窗口积分来凸出R波的斜率，其中移动窗口积分的差分方程如下式：
ꢀ……
（5）其中式（5）中， 为经过移动窗口积分获得的心电信号即放大的R波的斜率信息，N为移动窗口中的样本的数量；步骤3
‑
5，设置自适应阈值，使得阈值能够周期性地调整，从而区分出R波或QRS波
群的位置，并提取出心电信号特征信息。
[0007]作为优选：所述步骤5中检测QRS波的具体检测方法，包括以下步骤：步骤5
‑
1，设定R波检测阙值；步骤5
‑
2，在积分信号中检测峰，是，则进入下一步；否，则跳至步骤5
‑
5；步骤5
‑
3，系统检测峰值是否超过设定阙值，否，则进入下一步；是，则进入判断决策；步骤5
‑
4，保存当前峰作为新的噪声峰；步骤5
‑
5，系统是否在超过1.75倍RR间期内没有检测到QRS波，否，则停止检测，是则进入下一步；步骤5
‑
6，系统检测是否有噪声峰阙值超过回查阙值，是，则进入判断决策；否则停止检测。
[0008]作为优选：所述步骤6中计算QRS波的波形数据与匹配模板的相关系数的具体计算公式如下式：
……
（6）其中，x为系统内置的形态模板的波形数据，y为QRS波带通滤波后的波形数据；k为模板的宽度，常规状态下取37； i为计算过程遍历所有数据时的计数下标，x
b
,y
b
分别为模板和波形数据队列中的第一个数。
[0009]作为优选：根据所述式（6）计算所得相关系数后，将原QRS波的波形进行左右各5个点的平移后，分别代入所述式（6）进行重复计算，以获得平移后的各点的相关系数，取其最大值作为最终的相关系数。
[0010]所述步骤6中的步骤6
‑
6的噪声指数的计算方法，包括以下步骤：设阈值定为QRS波的原始数据波形差分中最大值的1/4；检测区间为以QRS波的顶点为中心的100个点，100个点中超过阈值的数值的个数作为该QRS波的噪声指数。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于体温监测仪的心电检测分类方法，其特征在于，包括以下步骤：步骤1，获取来自体温监测仪检测所得的体温信号T0、体表温度T1、心电信号；步骤2，体温监测仪是否导联脱落，是，则停止检测，对体温监测仪进行维修处理；否，则进入下一步；步骤3，根据体温监测仪采集所得心电信号提取出心电信号特征信息；步骤4，对ECG信号的噪声水平和信号幅度进行判断，若噪声水平大或信号幅度小时，停止检测；当噪声水平小且信号幅度大时，进行进一步的QRS波检测和心率失常分析；步骤5，计算QRS波的RR间期，并检测QRS波；步骤6，将所述步骤5检测所得的QRS波的波形数据与系统内置的形态模板系数进行匹配，判断QRS波的波形数据是否正常，具体匹配方法如下：步骤6
‑
1，将QRS波的波形数据拷贝至临时数据区；步骤6
‑
2，计算临时数据区内储存的波形数据与主导模板具体的相关系数；步骤6
‑
3，所述步骤6
‑
2计算所得的相关系数是否大于等于第一预设值，是，则波形数据与主导模板匹配，临时数据区内的QRS波为正常波；否，则进入下一步；步骤6
‑
4，更换系统的内置形态模板，计算临时数据区内储存的波形数据与替换后的形态模板具体的相关系数；步骤6
‑
5，所述步骤6
‑
4计算所得的相关系数是否大于等于第一预设值，是，则进入下一步；否，则跳至步骤6
‑
4；步骤6
‑
6，判断是否同时满足QRS波的噪声指数大于第二预设值,且QRS波不与主导模板匹配，计算所得的相关系数小于第三预设值，是，则临时数据区内的QRS波为正常波；否，则进入下一步；步骤6
‑
7，将临时数据区内的QRS波与所选用的模板进行二次相关系数计算，所得相关系数是否大于第三预设值，是，则临时数据区内的QRS波为正常波；否，则进入下一步；步骤6
‑
8，经过所述步骤6
‑
2～步骤6
‑
5的计算，系统内置的形态模板是否存在与临时数据区内的QRS波相匹配的模板，是，则将与临时数据区内的QRS波相匹配的模板替换原模板并保存；否，则将与临时数据区内的QRS波相匹配的模板生成为新的模板并保存，且认定为异常波。2.根据权利要求1所述的基于体温监测仪的心电检测分类方法，其特征在于，所述步骤2中体温监测仪是否导联脱落的具体判断方法为：若心电电路检测到导联脱落，系统判定导联脱落；若心电电路检测为导联连接，而系统检测T1＜35℃，且T0＜35℃，系统判定体温监测仪导联脱落。3.根据权利要求1所述的基于体温监测仪的心电检测分类方法，其特征在于，所述步骤3提取心电信号特征信息的具体方法为：步骤3
‑
1，将采集的心电信号通过带通滤波器内进行滤波处理，其中具体的处理流程如下：将采集的心电信号导入带通滤波器内的低通滤波器进行滤波，低通滤波器的差分方程如下：
……
（1）其中式（1）中，n为离散信号的序列数，为步骤1中采集的心电信号，为低通滤波
器滤波后的信号；将式（1）中低通滤波器滤波后的信号导入带通滤波器的高通滤波器内进行进一步处理，高通滤波器的差分方程如下：
……
（2）其中式（2）中，为通过高通滤波器滤波后的信号，通过高通滤波器的差分方程所得的信号在QRS波分类时作为模板进行匹配处理；步骤3
‑
2，对经过式（1）和式（2）的带通滤波器滤波处理后的心电信号进行微分处理：微分处理的差分方程为：
……
（3）其中式（3）中，为经过微分处理后的心电信号，处理后的心电信号用于提取斜率信息；步骤3
‑
3，利用非线性平方函数来放大QRS波群的高频特性：非线性平方函数如下式：<...

【专利技术属性】
技术研发人员：刘仲，秦戎，杜志艺，常庆旗，刘天勃，
申请(专利权)人：深圳泰和智能医疗科技有限公司，
类型：发明
国别省市：