一种连续心电数据监测装置及量化评价的方法制造方法及图纸

本发明专利技术一种连续心电数据监测装置及量化评价方法，该监测装置包括电极片、心电数据处理模块和量化评价模块；本发明专利技术引入参数空间的几何均值，通过发现守恒量和阴阳对称性计算健康标尺，并进一步转化为占比，从而可以用占比的一元多次方程研究普通参数空间。本发明专利技术中的准健康标尺可以从守恒的结构时中GC得到，即将属阴的参数取倒数，然后联合属阳的参数计算几何均值；也可以先得到准健康标尺，然后转换为占比，利用占比几何均值守恒性排除异常数据，将准健康标尺转化为真正的健康标尺；两套方案得到的健康标尺是等价的，健康标尺越大，健康状况越好。状况越好。

【技术实现步骤摘要】
一种连续心电数据监测装置及量化评价的方法


[0001]本专利技术涉及心电数据测量和分析
，尤其涉及一种连续心电数据监测装置及量化评价的方法。

技术介绍

[0002]通过心电数据的采集按照常规方法可以获得心率、RR间隙和植物神经指数等上千个参数，但是目前存在以下问题：1、流行病学可以给出每个参数的正常值范围，但仍然存在很多例外；2、没有所有参数的定量整合指标；3、无法讨论每个参数随着主动活动的改变所产生的互动。

技术实现思路

[0003]本专利技术的目的在于提供一种连续心电数据监测装置及量化评价的方法，将通过电极片采集的包括连续心率、RR间隙数据和植物神经指数等N个参数的心电数据，处理成能表征N参数联动能力、数据与健康的关系以及心理情绪变化的量化指标。
[0004]本专利技术一种连续心电数据量化评价的方法，应用于连续心电数据监测装置所采集的数据，该监测装置包括电极片、心电数据处理模块和量化评价模块，所述心电数据处理模块包括依次连接的傅立叶变换单元、连续心电时域特征点获取单元、连续心电频域获取单元；所述量化评价模块对心电数据处理模块上传的数据进行计算分析，得到量化评价的参数指标；所述量化评价的方法执行如下步骤：步骤1、通过电极片，在一段时间内连续采集M组心电数据；步骤2、傅立叶变换单元用于对电极片采集的心电数据进行滤波傅立叶变换，得到变换后的频域数据；连续心电时域特征点获取单元用于提取特心电特征点参数，连续心电频域获取单元用于提取低频、高频和两者的比值的特征点；所述心电特征点参数包括连续心率、RR间隙数据、植物神经指数的N个参数；步骤3、量化评价模块得到M组心电数据，每组心电数据包括连续心率、RR间隙数据和植物神经指数的N个参数，将M组心电数据构成M*N的数据流矩阵；将每组数组中N个参数的几何均值定义为结构时中：（1）则量化评价模块计算得到对应M*N的数据流矩阵的M个结构时中；定义定量差异值QDMM是M个结构时中里最大值与最小值比值的黄金对数绝对值，则计算得到对应M*N的数据流矩阵的定量差异值QDMM；让M个结构时中之间的距离达到最大的过程中所确定的数据流矩阵就是
健康标尺数据流矩阵，对应的结构时中就是准健康标尺；步骤4、排除所得健康标尺数据流矩阵中的异常数据组：计算健康标尺数据流矩阵中每个参数的M个取值的几何均值，称为功能时中：（2）每个参数纵向除以相应的功能时中，得到功能归一化的健康标尺数据流矩阵，所述纵向指的是沿时间轴方向；将功能归一化的健康标尺数据流矩阵中每组中N个参数加和，得到M组数据和；每组中N个参数分别横向除以该组对应的数据和，得到每组参数的N个横向占比，再计算每组N个横向占比的结构时中，判断M组横向占比的结构时中是否守恒，若不守恒，将对应于功能归一化的健康标尺数据流矩阵的那组引起不守恒的参数视为异常数据并删除，返回步骤3重新计算健康标尺数据流矩阵，如此循环直至排除所有异常数据；步骤5、健康标尺数据流通过排除异常数据将准健康标尺转化为真正的健康标尺，将真正的健康标尺作为预警疾病风险的参数指标，该健康标尺表征了N参数联动的能力，当健康标尺越小，N参数联动功能越差，疾病风险越大，当健康标尺越大，N参数联动功能越好，疾病风险越小，所述健康标尺在表征N参数联动状态的同时也能表征情绪喜悦指数，当健康标尺越小，喜悦指数越低，当健康标尺越大，喜悦指数越高。
[0005]所述步骤3中通过让M个结构时中之间的距离达到最大，最后所确定的数据流矩阵就是健康标尺数据流矩阵，具体为：步骤31、对数据流中N个参数，一次取一个参数的倒数，保留让定量差异值QDMM最大的那一个倒数，并进入步骤32；如果所得定量差异值QDMM还不如没有取任何参数倒数的定量差异值QDMM大，则取倒数步骤终止；步骤32、在剩余的没有取倒数的N
‑
1个参数中，一次取一个参数的倒数，保留让定量差异值QDMM最大的那一个倒数，并进入步骤33；如果所得定量差异值QDMM还不如没有取N
‑
1个参数中任何参数倒数的定量差异值QDMM大，则取倒数步骤终止；步骤33、在剩余的没有取倒数的N
‑
2个参数中，一次取一个参数的倒数，保留让定量差异值QDMM最大的那一个倒数，并进入步骤34；如果所得定量差异值QDMM还不如没有取N
‑
2个参数中任何参数倒数的定量差异值QDMM大，则取倒数步骤终止；步骤34、在剩余的没有取倒数的参数中采用如上取倒数的方法，直至取倒数步骤终止，此时得到健康标尺数据流矩阵，对应的M个结构时中就是准健康标尺。
[0006]所述步骤4中判断是否守恒，要求满足守恒的一致性和连续性条件：将两个数的定量差异QD定义为两个数比值的黄金对数绝对值：若待判断数组与数组几何均值的定量差异QD满足如下条件，则数组具有
守恒的一致性：将待判断数组进行排序，若数组中任何相邻两个数的定量差异QD满足以下条件，则数组具有守恒的连续性：本专利技术还包括：步骤6、在步骤5得到的排除异常数据后的健康标尺数据流的基础上，对数据流矩阵中每组的N个参数一一取倒数，使得定量差异值QDMM达到最小，让定量差异值QDMM达到最小的过程中所确定的数据流矩阵就是守恒数据流矩阵，并进行如下易流计算：步骤61、将守恒数据流矩阵的每个参数横向除以结构时中，实现结构归一化；步骤62、在结构归一化的基础上，对每个参数M个取值计算功能时中，然后每个参数分别纵向除以功能时中，实现功能归一化，所得功能归一化的数据流矩阵称为易流；步骤63、计算易流每个参数的黄金对数绝对值，称为参数QD，将参数QD超过参数洞阈值的参数称为亚健康或疾病参数洞；步骤64、重复以上步骤61至步骤63，将易流计算中一个参数去除不参与计算，若在步骤63时参数洞增加，则表明该参数对整体的影响力比较大，调节能力好；如果参数洞没有增加或者减少，表明该参数对整体的影响力比较小，调节能力差。
[0007]所述不参与易流计算被去除的参数是收缩压，得出血压调节能力与预警高血压的判断，若在步骤63时发现参数洞增加，表明收缩压的调节能力好；参数洞没有变化或者参数洞减少，说明收缩压的调节能力差，有高血压风险。
[0008]所述参数洞阈值为0.805或1.22。
[0009]在排除异常数据后的健康标尺数据流的基础上，对数据流矩阵中每组的N个参数一一取倒数，使得定量差异值QDMM达到最小，让定量差异值QDMM达到最小的过程中所确定的数据流矩阵就是守恒数据流矩阵，具体为：（1）对数据流中N个参数，一次取一个参数的倒数，保留让定量差异值QDMM最小的那一个倒数，并进入步骤（2）；如果所得定量差异值QDMM还不如没有取任何参数倒数的定量差异值QDMM小，则取倒数步骤终止；（2）在剩余的没有取倒数的N
‑
1个参数中，一次取一个参数的倒数，保留让定量差异值QDMM最小的那一个倒数，并进入步骤（3）；如果所得定量差异值QDMM还不如没有取N
‑
1个参数中任何参数倒数的定量差异值QDMM小，则取倒数步骤终止；（3）在剩余的没有取倒数的N
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种连续心电数据量化评价的方法，应用于连续心电数据监测装置所采集的数据，其特征在于：该监测装置包括电极片、心电数据处理模块和量化评价模块，所述心电数据处理模块包括依次连接的傅立叶变换单元、连续心电时域特征点获取单元、连续心电频域获取单元；所述量化评价模块对心电数据处理模块上传的数据进行计算分析，得到量化评价的参数指标；所述量化评价的方法执行如下步骤：步骤1、通过电极片，在一段时间内连续采集M组心电数据；步骤2、傅立叶变换单元用于对电极片采集的心电数据进行滤波傅立叶变换，得到变换后的频域数据；连续心电时域特征点获取单元用于提取特心电特征点参数，连续心电频域获取单元用于提取低频、高频和两者的比值的特征点；所述心电特征点参数包括连续心率、RR间隙数据、植物神经指数的N个参数；步骤3、量化评价模块得到M组心电数据，每组心电数据包括连续心率、RR间隙数据和植物神经指数的N个参数，将M组心电数据构成M*N的数据流矩阵；将每组数组中N个参数的几何均值定义为结构时中：（1）则量化评价模块计算得到对应M*N的数据流矩阵的M个结构时中；定义定量差异值QDMM是M个结构时中里最大值与最小值比值的黄金对数绝对值，则计算得到对应M*N的数据流矩阵的定量差异值QDMM；让M个结构时中之间的距离达到最大的过程中所确定的数据流矩阵就是健康标尺数据流矩阵，对应的结构时中就是准健康标尺；步骤4、排除所得健康标尺数据流矩阵中的异常数据组：计算健康标尺数据流矩阵中每个参数的M个取值的几何均值，称为功能时中：（2）每个参数纵向除以相应的功能时中，得到功能归一化的健康标尺数据流矩阵，所述纵向指的是沿时间轴方向；将功能归一化的健康标尺数据流矩阵中每组中N个参数加和，得到M组数据和；每组中N个参数分别横向除以该组对应的数据和，得到每组参数的N个横向占比，再计算每组N个横向占比的结构时中，判断M组横向占比的结构时中是否守恒，若不守恒，将对应于功能归一化的健康标尺数据流矩阵的那组引起不守恒的参数视为异常数据并删除，返回步骤3重新计算健康标尺数据流矩阵，如此循环直至排除所有异常数据；步骤5、健康标尺数据流通过排除异常数据将准健康标尺转化为真正的健康标尺，将真正的健康标尺作为预警疾病风险的参数指标，该健康标尺表征了N参数联动的能力，当健康标尺越小，N参数联动功能越差，疾病风险越大，当健康标尺越大，N参数联动功能越好，疾病
风险越小，所述健康标尺在表征N参数联动状态的同时也能表征情绪喜悦指数，当健康标尺越小，喜悦指数越低，当健康标尺越大，喜悦指数越高。2.根据权利要求1所述的一种连续心电数据量化评价的方法，其特征在于步骤3中通过让M个结构时中之间的距离达到最大，最后所确定的数据流矩阵就是健康标尺数据流矩阵，具体为：步骤31、对数据流中N个参数，一次取一个参数的倒数，保留让定量差异值QDMM最大的那一个倒数，并进入步骤32；如果所得定量差异值QDMM还不如没有取任何参数倒数的定量差异值QDMM大，则取倒数步骤终止；步骤32、在剩余的没有取倒数的N
‑
1个参数中，一次取一个参数的倒数，保留让定量差异值QDMM最大的那一个倒数，并进入步骤33；如果所得定量差异值QDMM还不如没有取N
‑
1个参数中任何参数倒数的定量差异值QDMM大，则取倒数步骤终止；步骤33、在剩余的没有取倒数的N
‑
2个参数中，一次取一个参数的倒数，保留让定量差异值QDMM最大的那一个倒数，并进入步骤34；如果所得定量差异值QDMM还不如没有取N
‑
2个参数中任何参数倒数的定量差异值QDMM大，则取倒数步骤终止；步骤34、在剩余的没有取倒数的参数中采用如上取倒数的方法，直至取倒数步骤终止，此时得到健康标尺数据流矩阵，对应的M个结构时中就是准健康标尺。3.根据权利要求1所述的一种连续心电数据量化评价的方法，其特征在于步骤4中判断是否守恒，要求满足守...

【专利技术属性】
技术研发人员：陈红军，刘承宜，陈丹泽，郝铭坤，李锐，郝烽炜，石波，刘大鹏，徐豪，
申请(专利权)人：广州非二科技有限公司，
类型：发明
国别省市：