【技术实现步骤摘要】
本专利技术涉及心房颤动监测，尤其涉及一种心房颤动患者个体差异化出院监测方法。
技术介绍
1、心房颤动是一种常见的心律失常，指心房失去了正常的节律，代之以快速而不规则的颤动，患者出院后的监测对于管理其病情至关重要。个体差异化出院监测方法的意义在于更好地适应每个患者的特定需求，提供更精准和个性化的医疗护理。
2、目前，对于心房颤动患者的出院一般基于对心房颤动患者的心电图的连续观察，以及对患者身体反馈进行持续观察，若结果良好可以出院，一般通过观察的方法具有局限性，没有考虑到患者出院后的生活情况，如饮食情况的影响，以及生活环境的影响，往往出院后复发的情况比较多，甚至治疗不及时对患者造成生命财产的威胁，从而使得心房颤动患者的出院监测效果不佳。
技术实现思路
1、为了解决上述问题，本专利技术提供了一种心房颤动患者个体差异化出院监测方法，本专利技术可以提高心房颤动患者的出院监测效果。
2、第一方面，本专利技术提供了一种心房颤动患者个体差异化出院监测方法，包括：
3、获取心房颤动患者常态下的心率变异性信号，提取所述心率变异性信号中的多尺度信号，提取所述多尺度信号的信号特征，并将所述信号特征作为所述心房颤动患者的常态房颤特征；
4、采集所述心房颤动患者的饮食模式，分析所述饮食模式中不同模式对所述心率变异性信号的影响程度，基于所述影响程度，构建所述心房颤动患者的饮食-房颤影响参数；
5、采集所述心房颤动患者的运动数据，基于所述运动数据，分析所
6、提取所述心房颤动患者的样本数据，识别所述样本数据中样本患者的空间分布信息，利用所述空间分布信息，构建所述样本患者的空间分布图，根据所述空间分布图，分析所述样本患者的空间分布相关性，基于所述空间分布相关性，对所述样本患者进行空间分布划分，得到区域分布患者，查询所述区域分布患者的环境信息，基于所述环境信息构建所述区域分布患者的环境-房颤影响参数；
7、将所述区域分布患者与所述心房颤动患者进行区域匹配，得到区域匹配患者，基于所述区域匹配患者和所述常态房颤特征、所述饮食-房颤影响参数、所述运动-房颤影响参数及所述环境-房颤影响参数，构建所述心房颤动患者的房颤分析模型，实时采集所述心房颤动患者的心率变异性信号，并利用所述房颤分析模型，对所述心率变异性信号进行持续性信号分析，得到信号分析结果，在所述信号分析结果为优时，构建所述心房颤动患者的出院监测报告。
8、在第一方面的一种可能实现方式中，所述提取所述心率变异性信号中的多尺度信号，包括：
9、对所述心率变异性信号进行小波变换，得到小波变换信号；
10、对所述小波变换信号进行经验模态分解，得到分解信号；
11、计算所述分解信号的多尺度熵，基于所述多尺度熵，提取所述分解信号的多尺度特征；
12、对所述多尺度特征进行时频分析，得到所述心率变异性信号的多尺度信号。
13、在第一方面的一种可能实现方式中，所述分析所述饮食模式中不同模式对所述心率变异性信号的影响程度，包括：
14、基于所述饮食模式构建所述心房颤动患者的饮食列表；
15、采集所述心房颤动患者的常态心率变异性信号，并采集多组所述心房颤动患者在食用所述饮食列表对应食物后的心率变异性信号，得到多组食用信号；
16、提取所述多组食用信号的均值信号；
17、将所述均值信号与所述常态心率变异性信号进行信号对比，以获取所述均值信号与所述常态心率变异性信号的对比差，基于所述对比差，确定所述饮食模式中不同模式对所述心率变异性信号的影响程度。
18、在第一方面的一种可能实现方式中，所述基于所述运动数据，分析所述心房颤动患者的运动耐力，包括：
19、采集在所述运动数据下多组运动心率变异性信号；
20、查询所述多组运动心率变异性信号下关于所述心房颤动患者的身体状态，并提取所述身体状态为正常状态下对应的多组运动心率变异性信号中波动信号最大的一组，得到最大波动信号；
21、将所述最大波动信号对应的心脏跳动频率，作为所述心房颤动患者的运动耐力。
22、在第一方面的一种可能实现方式中，所述利用所述空间分布信息，构建所述样本患者的空间分布图，包括：
23、基于所述空间分布信息，确定所述样本患者的分布区域；
24、根据所述分布区域构建所述样本患者的视图框架；识别所述样本患者的地理分布信息；
25、基于所述地理分布信息，对所述视图框架进行地理信息标注，得到标注视图；
26、对所述标注视图进行三维展示，得到空间分布图。
27、在第一方面的一种可能实现方式中，所述根据所述空间分布图，分析所述样本患者的空间分布相关性，包括：
28、对所述空间分布图进行空间划分，得到划分空间；
29、基于所述划分空间结合计算所述样本患者的空间相关指数；
30、根据所述空间相关指数分析所述样本患者的空间分布相关性。
31、在第一方面的一种可能实现方式中，所述基于所述环境信息构建所述区域分布患者的环境-房颤影响参数，包括：
32、基于所述环境信息，确定所述区域分布患者所处的地理生态数据；
33、基于所述地理生态数据，构建所述区域分布患者的多组地理影响列表；
34、采集在所述多组地理影响列表下对应的心房颤动患者的心率变异性信号，得到多组地理信号；
35、提取所述多组地理信号的均值信号，将所述均值信号与常态心率变异性信号进行信号对比；
36、基于所述信号对比的对比差，确定所述区域分布患者的环境-房颤影响参数。
37、在第一方面的一种可能实现方式中，所述基于所述区域匹配患者和所述常态房颤特征、所述饮食-房颤影响参数、所述运动-房颤影响参数及所述环境-房颤影响参数，构建所述心房颤动患者的房颤分析模型，包括：
38、利用所述心房颤动患者的房颤信号和心率变异性信号，构建所述心房颤动患者的初始回归模型；
39、在所述初始回归模型的性能稳定后，得到回归模型；
40、将所述饮食-房颤影响参数、所述运动-房颤影响参数及所述环境-房颤影响参数作为所述回归模型的变量参数，得到目标回归模型；
41、将所述目标回归模型作为所述心房颤动患者的房颤分析模型。
42、在第一方面的一种可能实现方式中，所述实时采集所述心房颤动患者的心率变异性信号，并利用所述房颤分析模型，对所述心率变异性信号进行持续性信号分析，得到信号分析结果，包括：
43、实时采集所述心房颤动患者的心率变异性信号，得到实时信号；
44、将所述实时信号转换为回归曲线；
45、利用所述房颤分析模型对所述回归曲线进行实时分析，得到信号本文档来自技高网...
【技术保护点】
1.一种心房颤动患者个体差异化出院监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述提取所述心率变异性信号中的多尺度信号，包括：
3.根据权利要求1所述的方法，其特征在于，所述分析所述饮食模式中不同模式对所述心率变异性信号的影响程度，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述运动数据，分析所述心房颤动患者的运动耐力，包括：
5.根据权利要求1所述的方法，其特征在于，所述利用所述空间分布信息，构建所述样本患者的空间分布图，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述空间分布图，分析所述样本患者的空间分布相关性，包括：
7.根据权利要求1所述的方法，其特征在于，所述基于所述环境信息构建所述区域分布患者的环境-房颤影响参数，包括：
8.根据权利要求1所述的方法，其特征在于，所述基于所述区域匹配患者和所述常态房颤特征、所述饮食-房颤影响参数、所述运动-房颤影响参数及所述环境-房颤影响参数，构建所述心房颤动患者的房颤分析模型，包括：p>
9.根据权利要求1所述的方法，其特征在于，所述实时采集所述心房颤动患者的心率变异性信号，并利用所述房颤分析模型，对所述心率变异性信号进行持续性信号分析，得到信号分析结果，包括：
10.一种心房颤动患者个体差异化出院监测系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种心房颤动患者个体差异化出院监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述提取所述心率变异性信号中的多尺度信号，包括：
3.根据权利要求1所述的方法，其特征在于，所述分析所述饮食模式中不同模式对所述心率变异性信号的影响程度，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述运动数据，分析所述心房颤动患者的运动耐力，包括：
5.根据权利要求1所述的方法，其特征在于，所述利用所述空间分布信息，构建所述样本患者的空间分布图，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述空间分布图，分析所述样本患者的空间...
【专利技术属性】
技术研发人员：张成彬，高毅鹏，张静，梁迎迎，
申请(专利权)人：洛阳市中心医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。