申请/专利权人：深圳市联普医疗科技有限公司

申请日：2021-11-23

公开（公告）日：2024-03-19

公开（公告）号：CN113974642B

主分类号：A61B5/318

分类号：A61B5/318;A61B5/346;A61B5/361;A61B5/363;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.02.18#实质审查的生效;2022.01.28#公开

摘要：本发明公开了一种基于多尺度斜率特征的可除颤节律识别方法，包括步骤：获取预设长度的心电信号，将获取到的心电信号进行预处理；将预处理后的心电信号以不同的差分间隔进行计算，得到不同尺度的斜率特征；将不同尺度的斜率特征汇总得到特征向量；根据特征向量判断是否为可除颤节律。本发明采用多种差分间隔尺度的斜率特征分析，可以提取到不同类型心律波形的特征，有利于准确区分各种类型的可除颤心律和不可除颤心律。并采用分段最大斜率值的中值对斜率信号进行归一化，可以有效减轻尖峰等突变信号对特征提取的影响，提高算法在噪声干扰环境下的稳定性。

主权项：1.一种基于多尺度斜率特征的可除颤节律识别方法，其特征在于，包括步骤：步骤1，获取预设长度的心电信号，将获取到的心电信号进行预处理；步骤2，将预处理后的心电信号以不同的差分间隔进行计算，得到不同尺度的斜率特征；步骤3，将不同尺度的斜率特征汇总得到特征向量；步骤4，根据特征向量判断是否为可除颤节律；步骤21，将预处理后的心电信号与不同的差分间隔代入公式进行计算，得到每个差分间隔对应的斜率信号；步骤22，将每个差分间隔对应的斜率信号归一化；步骤23，对每个归一化后的斜率信号中的斜率值进行统计，得到对应每一个斜率信号的多个斜率特征；所述步骤21的公式为：Slopern为差分间隔为r的情况下第n个点的斜率值，K为预设的滑动平均点数，即每个所述斜率信号包括N个斜率值；所述步骤23具体包括：步骤231，设置阈值TH；步骤232，统计每个斜率信号中小于阈值TH的斜率值所占的比例，作为特征Peatherr，1，Featherr，1＝countSlope_regrn＜THN；步骤233，统计斜率信号中跨过阈值TH的次数，作为特征Featherr，2，即Featherr，2＝countSlope_regrn＜THShope_regrn+1＞TH；所述步骤4具体为：将步骤3获取的特征向量，输入训练好的机器学习分类模型进行分类，根据分类结果决定该心电信号对应的心电片段是否为可除颤节律。

全文数据：

权利要求：

百度查询： 深圳市联普医疗科技有限公司 一种基于多尺度斜率特征的可除颤节律识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD