[发明专利]一种心脏数据异常检测方法、装置、存储介质及终端设备在审

专利信息
申请号: 201910493549.1 申请日: 2019-06-06
公开(公告)号: CN110279411A 公开(公告)日: 2019-09-27
发明(设计)人: 王景峰;陈样新;张玉玲;杜岗;刘文浩;陈倩 申请(专利权)人: 中山大学孙逸仙纪念医院
主分类号: A61B5/0402 分类号: A61B5/0402;A61B5/053;A61B5/145;A61B7/04;A61B5/00
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 颜希文;麦小婵
地址: 510030 广东省广州市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 心脏数据 波峰 心脏 预处理 基线漂移 异常检测 波谷 体征 低通滤波处理 贝叶斯模型 人工智能 修正 采集检测 存储介质 高频噪声 获取数据 截止频率 滤波处理 模数转换 实时采集 异常误差 终端设备 采样率 多模态 中波峰 准确率 去除 小波 检测 学习
【权利要求书】:

1.一种心脏数据异常检测方法,其特征在于,包括:

实时采集多模态心脏数据,并对所述心脏数据进行预处理;

将预处理后的心脏数据进行截止频率小于等于5HZ的低通滤波处理,去除高频噪声;

对去除高频噪声的心脏数据进行离散小波滤波处理,修正基线漂移;

根据修正基线漂移的所述心脏数据,获取数据波形中波峰以及波谷的位置,并根据所述波峰以及所述波谷的位置以及所述心脏数据的采样率,获取波峰之间的时间间隔数值;

根据所述波峰之间的时间间隔数值,计算心脏体征数据;

对所述心脏体征数据进行模数转换,得到心脏数字数据;

通过人工智能再学习和贝叶斯模型对所述心脏数字数据进行判断,确定异常情况。

2.如权利要求1所述的心脏数据异常检测方法,其特征在于,所述心脏数据包括十二导联心电信号数据、胸阻抗信号数据、心肺音信号数据和血氧信号数据。

3.如权利要求1所述的心脏数据异常检测方法,其特征在于,所述对所述心脏数据进行预处理,包括:对所述心脏数据进行降维处理和数据清洗。

4.如权利要求1所述的心脏数据异常检测方法,其特征在于,所述通过人工智能再学习和贝叶斯模型对所述心脏数字数据进行判断,确定异常情况,包括:

获取心脏疾病发生参数,并组成疾病数据库;

将所述心脏数字数据通过所述疾病数据库进行对比,识别出相应的疾病病例。

5.一种心脏数据异常检测装置,其特征在于,包括:

预处理模块,用于实时采集多模态心脏数据,并对所述心脏数据进行预处理;

降噪模块,用于将预处理后的心脏数据进行截止频率小于等于5HZ的低通滤波处理,去除高频噪声;

修正模块,用于对去除高频噪声的心脏数据进行离散小波滤波处理,修正基线漂移;

获取模块,用于根据修正基线漂移的所述心脏数据,获取数据波形中波峰以及波谷的位置,并根据所述波峰以及所述波谷的位置以及所述心脏数据的采样率,获取波峰之间的时间间隔数值;

计算模块,用于根据所述波峰之间的时间间隔数值,计算心脏体征数据;

模数模块,用于对所述心脏体征数据进行模数转换,得到心脏数字数据;

判断模块,用于通过人工智能再学习和贝叶斯模型对所述心脏数字数据进行判断,确定异常情况。

6.如权利要求5所述的心脏数据异常检测装置,其特征在于,所述心脏数据包括十二导联心电信号数据、胸阻抗信号数据、心肺音信号数据和血氧信号数据。

7.如权利要求5所述的心脏数据异常检测装置,其特征在于,所述对所述心脏数据进行预处理,包括:对所述心脏数据进行降维处理和数据清洗。

8.如权利要求5所述的心脏数据异常检测装置,其特征在于,所述通过人工智能再学习和贝叶斯模型对所述心脏数字数据进行判断,确定异常情况,包括:

获取心脏疾病发生参数,并组成疾病数据库;

将所述心脏数字数据通过所述疾病数据库进行对比,识别出相应的疾病病例。

9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1~4任一项所述的心脏数据异常检测方法。

10.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如权利要求1~4任一项所述的心脏数据异常检测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学孙逸仙纪念医院,未经中山大学孙逸仙纪念医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910493549.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top