CN120531402A - 心内科远程心电数据监测分析方法、装置、设备及介质 - Google Patents

心内科远程心电数据监测分析方法、装置、设备及介质

Info

Publication number
CN120531402A
CN120531402A CN202510621640.2A CN202510621640A CN120531402A CN 120531402 A CN120531402 A CN 120531402A CN 202510621640 A CN202510621640 A CN 202510621640A CN 120531402 A CN120531402 A CN 120531402A
Authority
CN
China
Prior art keywords
electrocardiographic
data
lead
channel
remote
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202510621640.2A
Other languages
English (en)
Inventor
刘玚
王羽飞
薛佳慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
8th Medical Center of PLA General Hospital
Original Assignee
8th Medical Center of PLA General Hospital
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 8th Medical Center of PLA General Hospital filed Critical 8th Medical Center of PLA General Hospital
Priority to CN202510621640.2A priority Critical patent/CN120531402A/zh
Publication of CN120531402A publication Critical patent/CN120531402A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0006—ECG or EEG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/271—Arrangements of electrodes with cords, cables or leads, e.g. single leads or patient cord assemblies
    • A61B5/273—Connection of cords, cables or leads to electrodes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/28—Bioelectric electrodes therefor specially adapted for particular uses for electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/366—Detecting abnormal QRS complex, e.g. widening
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three-dimensional [3D] modelling for computer graphics
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating three-dimensional [3D] models or images for computer graphics
    • G06T19/20—Editing of three-dimensional [3D] images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/004—Annotating, labelling

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Physiology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Architecture (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本申请涉及一种心内科远程心电数据监测分析方法、装置、设备及介质。所述方法包括：获取心电图数据，并对心电图数据进行导联通道匹配，得到导联通道标记心电图数据；将各导联通道的导联通道标记心电数据输入至导联心电异常识别模型组中的与导联通道相对应的各导联心电异常识别模型中，得到心电图数据存在异常的导联通道的心电异常识别信息；基于各导联通道的心电异常识别信息生成远程心电初步诊断信息和远程心电初步诊断信息对应的远程心电权重系数信息；根据远程心电权重系数信息调整导联通道标记心电图数据的数据传输参数和心电图数据的采集精度参数。采用本方法通过导联级处理与资源调控，能够实现诊断精度、传输效率与设备效能的协同优化。

Description

心内科远程心电数据监测分析方法、装置、设备及介质
技术领域
本发明属于医疗设备技术领域，特别是涉及一种心内科远程心电数据监测分析方法、装置、设备及介质。
背景技术
近年来，心血管疾病因其发病急、死亡率高、并发症多、复发率高等特点，已成为导致人类死亡的主要原因之一，因此心血管疾病的防治变得极具重要性和挑战性。在心血管疾病的诊断中，心电检测有着举足轻重的作用。但医院急诊、门诊开展的传统心电检测的实时性和时效性较差，难以克服异地监测和诊断的困难。因而对心血管疾病的疑似患者、确诊患者进行全天候的动态心电监测和实时在线的心电监测数据诊断是一个急需解决的问题。
并且，传统的远程心电监测设备在采集数据时，易受外界干扰，影响数据的准确性和可用性。此外，由于导联线众多，电极片容易脱落，可能造成关键心电信息的缺失，影响医生对心电图的准确判断。而且依赖网络进行数据传输时，网络信号不稳定可能导致心电数据传输延迟或丢失，进而影响远程诊断的及时性和可靠性。
在授权公告号为CN108512629B的现有技术中，给出了一种心电监测数据发送、接收以及控制方法和系统，但该现有技术仅可以实现单导联心电数据的传输速率控制，缺乏多导联通道的异常识别、权重计算及差异化参数调整机制。
发明内容
基于此，有必要针对上述技术问题，提供一种能够实现诊断精度、传输效率与设备效能的导联级协同优化的心内科远程心电数据监测分析方法、装置、设备及介质。
第一方面，本申请提供了一种心内科远程心电数据监测分析方法，包括：
获取心电图数据，并对心电图数据进行导联通道匹配，得到导联通道标记心电图数据；
将各导联通道的导联通道标记心电数据输入至导联心电异常识别模型组中的与导联通道相对应的各导联心电异常识别模型中，得到心电图数据存在异常的导联通道的心电异常识别信息；
基于各导联通道的心电异常识别信息生成远程心电初步诊断信息和远程心电初步诊断信息对应的远程心电权重系数信息；
根据远程心电权重系数信息调整导联通道标记心电图数据的数据传输参数和心电图数据的采集精度参数，数据传输参数用以调控导联通道标记心电图数据的数据质量和/或传输效率。
在其中一个实施例中，心内科远程心电数据监测分析方法还包括：
对远程心电初步诊断信息进行导联通道需求分析，生成导联通道指导状态信息，导联通道指导状态信息用以表征远程心电初步诊断信息对应的心电数据监测分析所需的各导联通道的心电传感设备的工作状态；
对导联通道标记心电数据进行导联通道状态识别，生成导联通道实际状态信息，导联通道实际状态信息用以表征各导联通道的心电传感设备的实际工作状态；
基于导联通道指导状态信息和导联通道实际状态信息生成导联通道状态异常信息和导联通道状态异常信息对应的导联通道状态异常等级信息；
若异常等级信息超过预设的导联通道状态异常等级阈值，根据导联通道状态异常信息匹配生成对应的导联通道状态调整指导信息，导联通道状态调整指导信息用以指导心内科远程心电数据监测操作员调整导联通道的心电传感设备的实际工作状态。
在其中一个实施例中，基于各导联通道的心电异常识别信息生成远程心电初步诊断信息和远程心电初步诊断信息对应的远程心电权重系数信息，包括：
获取心电异常识别信息的各心电图数据存在异常的导联通道的导联通道模板心电图数据；
基于导联通道模板心电图数据比对导联通道标记心电图数据，生成各心电异常识别信息的各心电图数据存在异常的导联通道的心电图数据比对导联心电模板符合度评分数据；
根据心电图数据比对导联心电模板符合度评分数据结合心电异常识别信息计算得到综合符合度评分和远程心电权重系数信息；
若综合符合度评分大于或等于综合符合度阈值，将心电异常识别信息作为远程心电初步诊断信息；
若综合符合度评分小于综合符合度阈值，将各心电异常识别信息按照对应的心电图数据存在异常的导联通道输入至联合导联心电异常识别模型中，生成远程心电初步诊断信息和联合远程心电权重系数信息，联合远程心电权重系数信息用于校正更新远程心电权重系数信息。
在其中一个实施例中，心电异常识别信息包括心电异常严重程度评分数据,远程心电权重系数信息的计算公式为：
式中，ΨRCM为远程心电权重系数信息，N为心电图数据存在异常的导联通道的总数，为心电图数据存在异常的第i导联通道的导联设备数据精度权重系数，ΔQi为心电图数据存在异常的第i导联通道的数据质量偏移系数，Di和分别为心电图数据存在异常的第i导联通道的心电传感设备的实际工作状态标签信息和实际工作状态模糊评分函数，为心电图数据存在异常的第i导联通道的心电图数据比对全部的心电图数据存在异常的导联通道的导联通道模板心电图数据的心电图数据比对导联心电模板符合度评分数据的加权和，Ri为心电图数据存在异常的第i导联通道的心电异常严重程度评分数据，N*为大小与心电图数据存在异常的导联通道的总数N相等的导联通道模板心电图数据的总数，和分别为心电图数据存在异常的第i导联通道的心电图数据比对心电图数据存在异常的第j导联通道的导联通道模板心电图数据的心电图数据比对导联心电模板符合度评分数据和心电图数据比对导联心电模板符合度评分数据的权重。
在其中一个实施例中，导联心电异常识别模型组包括导联心电异常分类子模型组和导联心电异常识别子模型组，将各导联通道的导联通道标记心电数据输入至导联心电异常识别模型组中的与导联通道相对应的各导联心电异常识别模型中，得到心电图数据存在异常的导联通道的心电异常识别信息，包括：
获取光电容积脉搏数据；
基于光电容积脉搏数据对导联通道标记心电图数据进行时序校准和图像分割，得到各导联通道的导联通道标记单次心电图数据集；
将导联通道标记单次心电图数据集输入至导联心电异常分类子模型组中的各导联通道对应的导联心电异常分类子模型中，进行心电异常图像筛选，得到异常单次心电图数据集和正常单次心电图数据集；
将异常单次心电图数据集输入至导联心电异常识别子模型组中的与异常单次心电图数据集对应的导联通道相符合的导联心电异常分析子模型中，生成心电异常识别信息。
在其中一个实施例中，心内科远程心电数据监测分析方法还包括：
将各导联通道的正常单次心电图数据集输入至正常心电图图像融合模型组中，生成各导联通道的正常心电融合图像；
基于正常心电融合图像对正常单次心电图数据集进行核验，识别其中的偏离正常心电图数据，偏离正常心电图数据用以表征正常单次心电图数据集中与正常心电融合图像存在统计学上的显著性差异的单次心电图数据；
去除正常单次心电图数据集中的偏离正常心电图数据，得到校准正常单次心电图数据集，并基于偏离正常心电图数据构建偏离正常心电图数据集；
基于异常单次心电图数据集、校准正常单次心电图数据集和偏离正常心电图数据集生成并更新心内科远程心电数据监测病史信息。
在其中一个实施例中，心内科远程心电数据监测分析方法还包括：
获取并初始化心脏初始数字孪生模型；
若远程心电权重系数信息超过预设的远程心电权重系数阈值，从各导联通道的心电异常识别信息中选择与远程心电初步诊断信息相匹配的心电异常核心识别信息；
基于心电异常核心识别信息生成心脏异常可视化标注信息；
将心脏异常可视化标注信息标注在心脏初始数字孪生模型上，更新心脏初始数字孪生模型，生成心脏异常标注数字孪生模型。
第二方面，本申请还提供了一种心内科远程心电数据监测分析装置，包括：
心电数据获取模块，用于获取心电图数据，并对心电图数据进行导联通道匹配，得到导联通道标记心电图数据；
心电异常识别模块，用于将各导联通道的导联通道标记心电数据输入至导联心电异常识别模型组中的与导联通道相对应的各导联心电异常识别模型中，得到心电图数据存在异常的导联通道的心电异常识别信息；
远程初步诊断模块，用于基于各导联通道的心电异常识别信息生成远程心电初步诊断信息和远程心电初步诊断信息对应的远程心电权重系数信息；
远程参数调整模块，用于根据远程心电权重系数信息调整导联通道标记心电图数据的数据传输参数和心电图数据的采集精度参数，数据传输参数用以调控导联通道标记心电图数据的数据质量和/或传输效率。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如本申请第一方面任一项所述的方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本申请第一方面任一项所述的方法的步骤。
上述心内科远程心电数据监测分析方法、装置、计算机设备及存储介质，通过导联通道匹配，能够精准定位异常来源，提升远程心电监测的准确率；通过为导联通道构建独立的异常识别模型，能够捕获不同导联通道的特异性心肌电活动，进而可以有效避免复杂心律失常的误判；通过动态权重调控机制，能够动态调控心电图监测数据的数据质量和传输效率，进而可以在有限传输条件下优先保障关键导联数据的完整性和准确性，支持远程急救场景下的实时决策。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一个实施例提供的一种心内科远程心电数据监测分析方法的应用环境示意图；
图2为本申请一个实施例提供的一种心内科远程心电数据监测分析方法的流程示意图；
图3为本申请一个实施例提供的另一种心内科远程心电数据监测分析方法的流程示意图；
图4为本申请一个实施例提供的一种远程初步诊断方法的流程示意图；
图5为本申请一个实施例提供的一种心电异常识别方法的流程示意图；
图6为本申请一个实施例提供的一种心内科远程心电数据监测分析装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的心内科远程心电数据监测分析方法，可以应用于如图1所示的应用环境中。其中，传感设备102和诊疗终端103可以通过网络与服务器104进行通信。数据库104可以存储服务器101需要处理的数据。数据库104可以集成在服务器101上，也可以放在云上或其他网络服务器上。传感设备102可以采集用户的远程心电数据，并将数据通过网络发送给服务器101。服务器101可以将传感设备102采集的用户的远程心电数据存储在数据库中，并通过服务器101上搭载的心内科远程心电数据监测分析应用程序分析传感设备102采集的用户的远程心电数据，生成心内科远程心电数据监测分析报告。诊疗终端103可以通过网络获取服务器101生成的心内科远程心电数据监测分析报告。其中，诊疗终端103可以但不限于是各种台式计算机、一体机、笔记本电脑、智能手机、平板电脑和医疗计算平台，传感设备102可以但不限于是物联网传感设备和便携式可穿戴设备，便携式可穿戴设备可为智能手表、智能手环、智能心电监护设备等。服务器101可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在本申请的一个示例性的实施例中，如图2所示，提供了一种心内科远程心电数据监测分析方法，以该方法应用于图1中的服务器101为例进行说明，包括以下步骤S201至步骤S204。其中：
步骤S201，获取心电图数据，并对心电图数据进行导联通道匹配，得到导联通道标记心电图数据。
具体的，服务器101可以通过网络获取传感设备采集的用户的远程的心电图数据，并根据服务器101搭载的导联通道匹配应用程序对心电图数据进行导联通道匹配，得到导联通道标记心电图数据。其中，导联通道可以但不限于包括标准肢体导联、单极胸导联和单极肢体导联。
示意性的，标准肢体导联的I导联是从左、右上肢之间获取心电信号，主要反映左心室的除极过程；标准肢体导联的Ⅱ导联是从右上肢与左下肢之间获取信号，能较好地反映左心室的电活动；标准肢体导联的Ⅲ导联是从左上肢与左下肢之间获取信号，对左心室的电活动有一定的反映，由于其投影角度的关系，波形特征与Ⅱ导联有所不同；单极胸导联的V1导联靠近右心室，可反映右心室的除极和复极过程，V1导联的QRS波群以rS型为主，且R波振幅相对较低；单极胸导联的V2导联位于胸骨左缘第四肋间，可反映左心室和右心室的电活动，V2导联的QRS波群通常以rS型或Rs型为主；单极胸导联的V3导联位于V2导联与V4导联连线中点，对左心室的电活动较为敏感，V3导联的QRS波群形态多样，可以但不限于是rS型、Rs型、qR型等；单极胸导联的V4导联位于左锁骨中线第五肋间，能清晰地显示左心室的电活动，V4导联的QRS波群通常以R型为主，R波振幅相对较高；单极胸导联的V5导联位于左腋前线第五肋间，主要反映左心室的电活动，V5导联的QRS波群通常以R型为主，R波振幅较高；单极胸导联的V6导联位于左腋中线第五肋间，能反映左心室的电活动，V6导联的QRS波群通常以R型为主，R波振幅较高；单极肢体导联的aVR导联是右臂单极导联，可反映右心室的电活动；单极肢体导联的aVL导联是左臂单极导联，可反映左心室的电活动；单极肢体导联的aVF导联是左腿单极导联，对下壁心肌的观察较为敏感。
步骤S202，将各导联通道的导联通道标记心电数据输入至导联心电异常识别模型组中的与导联通道相对应的各导联心电异常识别模型中，得到心电图数据存在异常的导联通道的心电异常识别信息。
具体的，服务器101可以将各导联通道的导联通道标记心电数据输入至服务器101搭载的导联心电异常识别模型组中的与导联通道相对应的各导联心电异常识别模型中，若服务器101搭载的导联心电异常识别模型识别出导联通道的导联通道标记心电数据存在异常，则服务器101可以生成心电图数据存在异常的导联通道的心电异常识别信息，若服务器101搭载的导联心电异常识别模型识别出导联通道的导联通道标记心电数据处于正常状态，服务器101可以将导联通道标记心电数据存储在数据库中。
可选的，导联心电异常识别模型可以基于改进循环卷积神经网络结合改进自编码器构建的联合神经网络模型训练得到。
步骤S203，基于各导联通道的心电异常识别信息生成远程心电初步诊断信息和远程心电初步诊断信息对应的远程心电权重系数信息。
具体的，服务器101可以根据预设的远程心电初步诊断策略，基于导联心电异常识别模型生成的存在异常的导联通道的心电异常识别信息，生成远程心电初步诊断信息，并结合远程心电权重系数信息生成算法，计算得到远程心电初步诊断信息对应的远程心电权重系数信息。其中，远程心电权重系数信息可以但不限于包括用于表征心电数据异常所对应的病症的危急程度的远程心电危急权重系数和用于表征所述远程心电初步诊断信息所对应的各导联通道的数据的重要程度的远程心电导联权重系数。
可选的，远程心电初步诊断信息可以但不限于包括房颤、间隙性束支阻滞、间歇性预激、室内差异传导和室性逸搏。
步骤S204，根据远程心电权重系数信息调整导联通道标记心电图数据的数据传输参数和心电图数据的采集精度参数。
具体的，服务器101可以根据远程心电危急权重系数调整全部导联通道的导联通道标记心电图数据的数据传输参数和全部导联通道的心电图数据的采集精度参数。服务器101还可以根据远程心电导联权重系数调整特定导联通道的导联通道标记心电图数据的数据传输参数和特定导联通道的心电图数据的采集精度参数。
示意性的，数据传输参数可以用以调控导联通道标记心电图数据的数据质量和/或传输效率。心电图数据的采集精度参数可以用以在导联通道出现疑似异常情况时提高采集精度获取更详细、准确和可靠的心电信息。
可选的，导联通道标记心电图数据的数据传输参数可以但不限于包括采样率、采样大小、包大小、信噪比、载波频率、数据速率、带宽和传输功率。
上述心内科远程心电数据监测分析方法中，通过获取心电图数据并对导联通道进行匹配，能够整合不同导联通道的信息，实现多模态数据融合，进而可以有助于全面评估心脏的电活动，提高诊断的准确性；通过心电异常识别模型结合各导联通道的标记心电数据，能够精准识别心电异常特征，整合不同导联通道的信息，进而可以全面评估心脏电活动，减少漏诊和误诊的可能，实现精准诊断；通过根据远程心电权重系数信息调整导联通道标记心电图数据的数据传输参数，可以为权重较高的导联通道分配更多的传输资源，确保关键数据的高质量传输，能够有助于提高数据传输的效率和可靠性，减少重要数据丢失和损坏的风险；通过调整心电图数据的采集精度参数，可以根据远程心电权重系数信息动态优化心电数据采集过程，从而能够提高诊断的可靠性。
在本申请的一个可选的实施例中，请参考图3，心内科远程心电数据监测分析方法还可以包括：
步骤S305，对远程心电初步诊断信息进行导联通道需求分析，生成导联通道指导状态信息。
具体的，导联通道指导状态信息可以用以表征远程心电初步诊断信息对应的心电数据监测分析所需的各导联通道的心电传感设备的工作状态。
步骤S306，对导联通道标记心电数据进行导联通道状态识别，生成导联通道实际状态信息。
具体的，导联通道实际状态信息用以表征各导联通道的心电传感设备的实际工作状态。
步骤S307，基于导联通道指导状态信息和导联通道实际状态信息生成导联通道状态异常信息和导联通道状态异常信息对应的导联通道状态异常等级信息。
步骤S308，若异常等级信息超过预设的导联通道状态异常等级阈值，根据导联通道状态异常信息匹配生成对应的导联通道状态调整指导信息。
具体的，导联通道状态调整指导信息用以指导心内科远程心电数据监测操作员调整导联通道的心电传感设备的实际工作状态。
示例性的，以导联电极脱落为例进行说明，此时，导联通道状态异常信息可以但不限于包括导联电极脱落的导联通道的导联电极脱落异常识别信息。此时，导联通道状态调整指导信息可以用以指导操作员将导联电极脱落的导联通道的电极以指定方式放置在指定位置处，以实现该导联通道的正常工作。
上述心内科远程心电数据监测分析方法中，通过对导联通道标记心电数据进行状态识别，能够精确地检测出每个导联通道及其对应传感设备的工作状态，进而可以及时发现传感设备的异常工作状态并进行针对性调整，确保心电传感设备能够按照预期的工作状态运行，保障远程心电数据的准确性和完整性，避免因设备状态不佳导致的误诊和漏诊。
进一步的，当导联通道出现异常时，上述心内科远程心电数据监测分析方法能够快速、准确地定位故障信息，为操作人员提供明确的故障处理方向，减少患者监测的中断时间，增强远程心电监测系统的稳定性和可靠性。
在本申请的一个可选的实施例中，如图4所示，基于各导联通道的心电异常识别信息生成远程心电初步诊断信息和远程心电初步诊断信息对应的远程心电权重系数信息，可以包括：
步骤S401，获取心电异常识别信息的各心电图数据存在异常的导联通道的导联通道模板心电图数据。
步骤S402，基于导联通道模板心电图数据比对导联通道标记心电图数据，生成各心电异常识别信息的各心电图数据存在异常的导联通道的心电图数据比对导联心电模板符合度评分数据。
具体的，服务器可以结合预设的比对规则基于导联通道模板心电图数据比对导联通道标记心电图数据，生成各心电异常识别信息的各心电图数据存在异常的导联通道的心电图数据比对导联心电模板符合度评分数据。
可选的，服务器可以将导联通道模板心电图数据和导联通道标记心电图数据输入至搭载在服务器上的导联心电数据比对模型中，生成各心电异常识别信息的各心电图数据存在异常的导联通道的心电图数据比对导联心电模板符合度评分数据。
步骤S403，根据心电图数据比对导联心电模板符合度评分数据结合心电异常识别信息计算得到综合符合度评分和远程心电权重系数信息。
具体的，服务器可以基于心电图数据比对导联心电模板符合度评分数据构建符合度评分矩阵，并基于心电异常识别信息生成符合度评分矩阵的符合度评分权重矩阵。服务器可以基于符合度评分矩阵和符合度评分权重矩阵的哈达玛乘积(Hadamard product)计算得到综合符合度评分。服务器也可以基于心电图数据比对导联心电模板符合度评分数据和心电异常识别信息结合通道数据质量信息和通道设备工作状态信息计算得到远程心电权重系数信息。
示例性的，以心电图数据存在异常的导联通道的数量为三为例进行说明，符合度评分矩阵符合度评分权重矩阵和综合符合度评分的表达式可以为：
式中，为符合度评分矩阵，为符合度评分权重矩阵，N为心电图数据存在异常的导联通道的总数，N*为大小与心电图数据存在异常的导联通道的总数N相等的导联通道模板心电图数据的总数，为心电图数据存在异常的第i导联通道的心电图数据比对心电图数据存在异常的第j导联通道的导联通道模板心电图数据的心电图数据比对导联心电模板符合度评分数据，为心电图数据存在异常的第i导联通道的心电图数据比对心电图数据存在异常的第j导联通道的导联通道模板心电图数据的心电图数据比对导联心电模板符合度评分数据的权重，为基于符合度评分矩阵和符合度评分权重矩阵求取的综合符合度评分，⊙为哈达玛乘积，||·||F为弗罗贝尼乌斯范数(Frobeniusnorm)。
步骤S404，若综合符合度评分大于或等于综合符合度阈值，将心电异常识别信息作为远程心电初步诊断信息。
步骤S405，若综合符合度评分小于综合符合度阈值，将各心电异常识别信息按照对应的心电图数据存在异常的导联通道输入至联合导联心电异常识别模型中，生成远程心电初步诊断信息和联合远程心电权重系数信息。
具体的，联合远程心电权重系数信息可以用于校正更新远程心电权重系数信息。
可选的，可以基于转换器模型(Transformer)构建联合导联心电异常识别模型。
上述心内科远程心电数据监测分析方法中，通过生成符合度评分数据，能够精确量化心电异常识别信息与预设模板之间的差异性，不仅可以提高诊断的准确性，还可以为后续的诊断决策提供可靠的量化依据；通过综合符合度评分和远程心电权重系数信息的计算，能够实现对心电异常的综合评估，有助于在多个导联通道中识别出最具代表性的心电异常情况，从而可以提高诊断的可靠性；通过引入联合导联心电异常识别模型，可以进一步分析心电异常识别信息，生成联合远程心电权重系数信息，并能够基于联合远程心电权重系数信息校正更新远程心电权重系数信息，进而确保在复杂或不典型的心电异常情况下，也能够提供准确的诊断信息；通过精确的比对和综合评估机制，能够有效提高远程心电监测的诊断性能，进而能够为心内科远程医疗提供有力的技术支持。
在本申请的一个可选的实施例中，心电异常识别信息包括心电异常严重程度评分数据,远程心电权重系数信息的计算公式可以为：
式中，ΨRCM为远程心电权重系数信息，N为心电图数据存在异常的导联通道的总数，为心电图数据存在异常的第i导联通道的导联设备数据精度权重系数，ΔQi为心电图数据存在异常的第i导联通道的数据质量偏移系数，Di和分别为心电图数据存在异常的第i导联通道的心电传感设备的实际工作状态标签信息和实际工作状态模糊评分函数，为心电图数据存在异常的第i导联通道的心电图数据比对全部的心电图数据存在异常的导联通道的导联通道模板心电图数据的心电图数据比对导联心电模板符合度评分数据的加权和，Ri为心电图数据存在异常的第i导联通道的心电异常严重程度评分数据，N*为大小与心电图数据存在异常的导联通道的总数N相等的导联通道模板心电图数据的总数，和分别为心电图数据存在异常的第i导联通道的心电图数据比对心电图数据存在异常的第j导联通道的导联通道模板心电图数据的心电图数据比对导联心电模板符合度评分数据和心电图数据比对导联心电模板符合度评分数据的权重。
可选的，当服务器的可用算力满足预设的算力阈值条件时，服务器可以基于心电图数据存在异常的第i导联通道的心电图数据比对导联心电模板符合度评分数据的加权和的影响系数和心电异常严重程度评分数据影响系数进一步校正远程心电权重系数信息，此时，远程心电权重系数信息的计算公式可以为：
式中，心电图数据存在异常的第i导联通道的心电图数据比对导联心电模板符合度评分数据的加权和的影响系数和心电异常严重程度评分数据影响系数可以分别基于心电图数据存在异常的第i导联通道的心电图数据比对全部的心电图数据存在异常的导联通道的导联通道模板心电图数据的心电图数据比对导联心电模板符合度评分数据的加权和和心电图数据存在异常的第i导联通道的心电异常严重程度评分数据Ri结合预设的影响系数计算规则生成。其中，影响系数计算规则可以但不限于基于模糊控制算法构建。
在本申请的一个可选的实施例中，导联心电异常识别模型组包括导联心电异常分类子模型组和导联心电异常识别子模型组，请参考图5，将各导联通道的导联通道标记心电数据输入至导联心电异常识别模型组中的与导联通道相对应的各导联心电异常识别模型中，得到心电图数据存在异常的导联通道的心电异常识别信息，可以包括：
步骤S501，获取光电容积脉搏数据。
示意性的，光电容积脉搏数据(Photoplethysmography，PPG)是一种用于检测血液容积变化的无创检测数据。
步骤S502，基于光电容积脉搏数据对导联通道标记心电图数据进行时序校准和图像分割，得到各导联通道的导联通道标记单次心电图数据集。
步骤S503，将导联通道标记单次心电图数据集输入至导联心电异常分类子模型组中的各导联通道对应的导联心电异常分类子模型中，进行心电异常图像筛选，得到异常单次心电图数据集和正常单次心电图数据集。
可选的，服务器可以基于聚类算法模型构建导联心电异常分类子模型，聚类算法模型可以但不限于包括K-均值聚类模型、层次聚类模型、谱聚类模型、随机森林模型、自组织映射网络模型和高斯混合模型。
步骤S504，将异常单次心电图数据集输入至导联心电异常识别子模型组中的与异常单次心电图数据集对应的导联通道相符合的导联心电异常分析子模型中，生成心电异常识别信息。
示意性的，导联心电异常分析子模型可以基于改进循环卷积神经网络结合改进自编码器构建的联合神经网络模型训练得到。
上述心内科远程心电数据监测分析方法中，通过结合光电容积脉搏数据和导联通道标记心电图数据，能够实现远程监测数据的多模态融合，其中，光电容积脉搏数据可以提供血流动力学信息，可以有助于减少数据噪声和干扰，提高心电异常识别的精度，进而能够更全面地评估心脏的功能和状态，提高远程诊断的准确性；通过导联心电异常分类子模型对导联通道标记单次心电图数据集进行心电异常图像筛选，能够有效区分异常心电图数据和正常心电图数据，可以有助于减少误报和漏报，提高异常识别的可靠性；将异常单次心电图数据集输入至导联心电异常识别子模型组中，进行针对性的心电异常分析，能够更准确地识别心电异常类型和程度，可以有助于提供更详细的诊断信息，进而能够支持医生做出更准确的远程诊断决策。
在本申请的一个可选的实施例中，请参考图5，心内科远程心电数据监测分析方法还包括：
步骤S505，将各导联通道的正常单次心电图数据集输入至正常心电图图像融合模型组中，生成各导联通道的正常心电融合图像。
步骤S506，基于正常心电融合图像对正常单次心电图数据集进行核验，识别其中的偏离正常心电图数据.
具体的，偏离正常心电图数据可以用以表征正常单次心电图数据集中与正常心电融合图像存在统计学上的显著性差异的单次心电图数据。
步骤S507，去除正常单次心电图数据集中的偏离正常心电图数据，得到校准正常单次心电图数据集，并基于偏离正常心电图数据构建偏离正常心电图数据集。
步骤S508，基于异常单次心电图数据集、校准正常单次心电图数据集和偏离正常心电图数据集生成并更新心内科远程心电数据监测病史信息。
示意性的，异常单次心电图数据集可以包括实时异常心电数据集和历史异常心电数据集；校准正常单次心电图数据集可以包括实时校准正常单次心电图数据集和历史校准正常单次心电图数据集；偏离正常心电图数据集可以包括实时偏离正常心电图数据集和历史偏离正常心电图数据集。
上述心内科远程心电数据监测分析方法中，通过基于正常心电融合图像对正常单次心电图数据集进行核验，能够精准识别出与正常心电融合图像存在统计学上的显著性差异的偏离正常心电图数据，有助于进一步提高数据的纯净度和一致性，为后续分析提供更可靠的数据基础；通过构建校准正常单次心电图数据集，可以有效减少因数据异常导致的误判风险，进而能够提高诊断的准确性；通过基于异常单次心电图数据集、校准正常单次心电图数据集和偏离正常心电图数据集生成并更新心内科远程心电数据监测病史信息，可以使得患者的病史信息更加全面和准确，能够为医生提供更准确而全面的诊断信息，进而可以为患者的长期心内科远程监测和心内科治疗提供有力支持。
在本申请的一个可选的实施例中，请参考图3，心内科远程心电数据监测分析方法还可以包括：
步骤S309，获取并初始化心脏初始数字孪生模型。
步骤S310，若远程心电权重系数信息超过预设的远程心电权重系数阈值，从各导联通道的心电异常识别信息中选择与远程心电初步诊断信息相匹配的心电异常核心识别信息。
步骤S311，基于心电异常核心识别信息生成心脏异常可视化标注信息。
步骤S312，将心脏异常可视化标注信息标注在心脏初始数字孪生模型上，更新心脏初始数字孪生模型，生成心脏异常标注数字孪生模型。
上述心内科远程心电数据监测分析方法中，能够直观地展示心脏的解剖结构和电生理信息，可以帮助医生快速识别异常区域，做出更准确的诊断。并且，医生可以利用模型向患者及其家属直观地解释病情，提高患者对疾病的理解和治疗的依从性。
在本申请的一个示范性实施例中，如图3所示，提供了另一种心内科远程心电数据监测分析方法，包括以下步骤S301至步骤S312。其中：
步骤S301，获取心电图数据，并对心电图数据进行导联通道匹配，得到导联通道标记心电图数据。
步骤S302，将各导联通道的导联通道标记心电数据输入至导联心电异常识别模型组中的与导联通道相对应的各导联心电异常识别模型中，得到心电图数据存在异常的导联通道的心电异常识别信息。
步骤S303，基于各导联通道的心电异常识别信息生成远程心电初步诊断信息和远程心电初步诊断信息对应的远程心电权重系数信息。
步骤S304，根据远程心电权重系数信息调整导联通道标记心电图数据的数据传输参数和心电图数据的采集精度参数。
步骤S305，对远程心电初步诊断信息进行导联通道需求分析，生成导联通道指导状态信息。
步骤S306，对导联通道标记心电数据进行导联通道状态识别，生成导联通道实际状态信息。
步骤S307，基于导联通道指导状态信息和导联通道实际状态信息生成导联通道状态异常信息和导联通道状态异常信息对应的导联通道状态异常等级信息。
步骤S308，若异常等级信息超过预设的导联通道状态异常等级阈值，根据导联通道状态异常信息匹配生成对应的导联通道状态调整指导信息。
步骤S309，获取并初始化心脏初始数字孪生模型。
步骤S310，若远程心电权重系数信息超过预设的远程心电权重系数阈值，从各导联通道的心电异常识别信息中选择与远程心电初步诊断信息相匹配的心电异常核心识别信息。
步骤S311，基于心电异常核心识别信息生成心脏异常可视化标注信息。
步骤S312，将心脏异常可视化标注信息标注在心脏初始数字孪生模型上，更新心脏初始数字孪生模型，生成心脏异常标注数字孪生模型。
上述心内科远程心电数据监测分析方法中，通过多导联协同诊断、深度学习模型、动态数据传输调整、设备状态监测与调整和心脏数字孪生模型可视化等技术手段，能够实现对心电数据的精准采集、高效传输、智能分析和直观展示，可以有效提高心内科远程诊断的准确性、监测效率和医疗服务质量，进而能够支持个性化医疗方案制定和远程医疗协作，优化远程医疗资源的配置。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的心内科远程心电数据监测分析方法的心内科远程心电数据监测分析装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个心内科远程心电数据监测分析装置实施例中的具体限定可以参见上文中对于心内科远程心电数据监测分析方法的限定，在此不再赘述。
在一个示例性的实施例中，如图6所示，提供了一种心内科远程心电数据监测分析装置600，包括：
心电数据获取模块601，可以用于获取心电图数据，并对心电图数据进行导联通道匹配，得到导联通道标记心电图数据。
心电异常识别模块602，可以用于将各导联通道的导联通道标记心电数据输入至导联心电异常识别模型组中的与导联通道相对应的各导联心电异常识别模型中，得到心电图数据存在异常的导联通道的心电异常识别信息。
远程初步诊断模块603，可以用于基于各导联通道的心电异常识别信息生成远程心电初步诊断信息和远程心电初步诊断信息对应的远程心电权重系数信息。
远程参数调整模块604，可以用于根据远程心电权重系数信息调整导联通道标记心电图数据的数据传输参数和心电图数据的采集精度参数，数据传输参数用以调控导联通道标记心电图数据的数据质量和/或传输效率。
在本申请的一个可选的实施例中，心内科远程心电数据监测分析装置600，还可以用于：
对远程心电初步诊断信息进行导联通道需求分析，生成导联通道指导状态信息，导联通道指导状态信息用以表征远程心电初步诊断信息对应的心电数据监测分析所需的各导联通道的心电传感设备的工作状态；
对导联通道标记心电数据进行导联通道状态识别，生成导联通道实际状态信息，导联通道实际状态信息用以表征各导联通道的心电传感设备的实际工作状态；
基于导联通道指导状态信息和导联通道实际状态信息生成导联通道状态异常信息和导联通道状态异常信息对应的导联通道状态异常等级信息；
若异常等级信息超过预设的导联通道状态异常等级阈值，根据导联通道状态异常信息匹配生成对应的导联通道状态调整指导信息，导联通道状态调整指导信息用以指导心内科远程心电数据监测操作员调整导联通道的心电传感设备的实际工作状态。
在本申请的一个可选的实施例中，远程初步诊断模块603，还可以用于：
获取心电异常识别信息的各心电图数据存在异常的导联通道的导联通道模板心电图数据；
基于导联通道模板心电图数据比对导联通道标记心电图数据，生成各心电异常识别信息的各心电图数据存在异常的导联通道的心电图数据比对导联心电模板符合度评分数据；
根据心电图数据比对导联心电模板符合度评分数据结合心电异常识别信息计算得到综合符合度评分和远程心电权重系数信息；
若综合符合度评分大于或等于综合符合度阈值，将心电异常识别信息作为远程心电初步诊断信息；
若综合符合度评分小于综合符合度阈值，将各心电异常识别信息按照对应的心电图数据存在异常的导联通道输入至联合导联心电异常识别模型中，生成远程心电初步诊断信息和联合远程心电权重系数信息，联合远程心电权重系数信息可以用于校正更新远程心电权重系数信息。
在本申请的一个可选的实施例中，导联心电异常识别模型组包括导联心电异常分类子模型组和导联心电异常识别子模型组，心电异常识别模块602，还可以用于：
获取光电容积脉搏数据；
基于光电容积脉搏数据对导联通道标记心电图数据进行时序校准和图像分割，得到各导联通道的导联通道标记单次心电图数据集；
将导联通道标记单次心电图数据集输入至导联心电异常分类子模型组中的各导联通道对应的导联心电异常分类子模型中，进行心电异常图像筛选，得到异常单次心电图数据集和正常单次心电图数据集；
将异常单次心电图数据集输入至导联心电异常识别子模型组中的与异常单次心电图数据集对应的导联通道相符合的导联心电异常分析子模型中，生成心电异常识别信息。
在本申请的一个可选的实施例中，心内科远程心电数据监测分析装置600，还可以用于：
将各导联通道的正常单次心电图数据集输入至正常心电图图像融合模型组中，生成各导联通道的正常心电融合图像；
基于正常心电融合图像对正常单次心电图数据集进行核验，识别其中的偏离正常心电图数据，偏离正常心电图数据用以表征正常单次心电图数据集中与正常心电融合图像存在统计学上的显著性差异的单次心电图数据；
去除正常单次心电图数据集中的偏离正常心电图数据，得到校准正常单次心电图数据集，并基于偏离正常心电图数据构建偏离正常心电图数据集；
基于异常单次心电图数据集、校准正常单次心电图数据集和偏离正常心电图数据集生成并更新心内科远程心电数据监测病史信息。
在本申请的一个可选的实施例中，心内科远程心电数据监测分析装置600，还可以用于：
获取并初始化心脏初始数字孪生模型；
若远程心电权重系数信息超过预设的远程心电权重系数阈值，从各导联通道的心电异常识别信息中选择与远程心电初步诊断信息相匹配的心电异常核心识别信息；
基于心电异常核心识别信息生成心脏异常可视化标注信息；
将心脏异常可视化标注信息标注在心脏初始数字孪生模型上，更新心脏初始数字孪生模型，生成心脏异常标注数字孪生模型。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如前所述的一种心内科远程心电数据监测分析方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
对于设备实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的设备实施例仅仅是示意性的，其中所述作为分离部件说明的组件可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述实施例仅表达了本申请实施例的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请实施例专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请实施例构思的前提下，还可以做出若干变形和改进，这些都属于本申请实施例的保护范围。

Claims (10)

1.一种心内科远程心电数据监测分析方法，其特征在于，所述方法包括：
获取心电图数据，并对所述心电图数据进行导联通道匹配，得到导联通道标记心电图数据；
将各导联通道的所述导联通道标记心电数据输入至导联心电异常识别模型组中的与所述导联通道相对应的各导联心电异常识别模型中，得到所述心电图数据存在异常的所述导联通道的心电异常识别信息；
基于各所述导联通道的所述心电异常识别信息生成远程心电初步诊断信息和所述远程心电初步诊断信息对应的远程心电权重系数信息；
根据所述远程心电权重系数信息调整所述导联通道标记心电图数据的数据传输参数和所述心电图数据的采集精度参数，所述数据传输参数用以调控所述导联通道标记心电图数据的数据质量和/或传输效率。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述远程心电初步诊断信息进行导联通道需求分析，生成导联通道指导状态信息，所述导联通道指导状态信息用以表征所述远程心电初步诊断信息对应的心电数据监测分析所需的各所述导联通道的心电传感设备的工作状态；
对所述导联通道标记心电数据进行导联通道状态识别，生成导联通道实际状态信息，所述导联通道实际状态信息用以表征各所述导联通道的心电传感设备的实际工作状态；
基于所述导联通道指导状态信息和所述导联通道实际状态信息生成导联通道状态异常信息和所述导联通道状态异常信息对应的导联通道状态异常等级信息；
若所述异常等级信息超过预设的导联通道状态异常等级阈值，根据所述导联通道状态异常信息匹配生成对应的导联通道状态调整指导信息，所述导联通道状态调整指导信息用以指导心内科远程心电数据监测操作员调整所述导联通道的所述心电传感设备的所述实际工作状态。
3.根据权利要求1所述的方法，其特征在于，所述基于各所述导联通道的所述心电异常识别信息生成远程心电初步诊断信息和所述远程心电初步诊断信息对应的远程心电权重系数信息，包括：
获取所述心电异常识别信息的各所述心电图数据存在异常的所述导联通道的导联通道模板心电图数据；
基于所述导联通道模板心电图数据比对所述导联通道标记心电图数据，生成各所述心电异常识别信息的各所述心电图数据存在异常的所述导联通道的心电图数据比对导联心电模板符合度评分数据；
根据所述心电图数据比对导联心电模板符合度评分数据结合所述心电异常识别信息计算得到综合符合度评分和所述远程心电权重系数信息；
若所述综合符合度评分大于或等于综合符合度阈值，将所述心电异常识别信息作为所述远程心电初步诊断信息；
若所述综合符合度评分小于所述综合符合度阈值，将各所述心电异常识别信息按照对应的所述心电图数据存在异常的所述导联通道输入至联合导联心电异常识别模型中，生成所述远程心电初步诊断信息和联合远程心电权重系数信息，所述联合远程心电权重系数信息用于校正更新所述远程心电权重系数信息。
4.根据权利要求3所述的方法，其特征在于，所述心电异常识别信息包括心电异常严重程度评分数据,所述远程心电权重系数信息的计算公式为：
式中，ΨRCM为所述远程心电权重系数信息，N为所述心电图数据存在异常的所述导联通道的总数，为所述心电图数据存在异常的第i导联通道的导联设备数据精度权重系数，ΔQi为所述心电图数据存在异常的第i导联通道的数据质量偏移系数，Di和分别为所述心电图数据存在异常的第i导联通道的心电传感设备的实际工作状态标签信息和实际工作状态模糊评分函数，为所述心电图数据存在异常的第i导联通道的所述心电图数据比对全部的所述心电图数据存在异常的所述导联通道的所述导联通道模板心电图数据的所述心电图数据比对导联心电模板符合度评分数据的加权和，Ri为所述心电图数据存在异常的第i导联通道的所述心电异常严重程度评分数据，N*为大小与所述心电图数据存在异常的所述导联通道的总数N相等的所述导联通道模板心电图数据的总数，和分别为所述心电图数据存在异常的第i导联通道的所述心电图数据比对所述心电图数据存在异常的第j导联通道的所述导联通道模板心电图数据的所述心电图数据比对导联心电模板符合度评分数据和所述心电图数据比对导联心电模板符合度评分数据的权重。
5.根据权利要求1所述的方法，其特征在于，所述导联心电异常识别模型组包括导联心电异常分类子模型组和导联心电异常识别子模型组，所述将各导联通道的所述导联通道标记心电数据输入至导联心电异常识别模型组中的与所述导联通道相对应的各导联心电异常识别模型中，得到所述心电图数据存在异常的所述导联通道的心电异常识别信息，包括：
获取光电容积脉搏数据；
基于所述光电容积脉搏数据对所述导联通道标记心电图数据进行时序校准和图像分割，得到各所述导联通道的导联通道标记单次心电图数据集；
将所述导联通道标记单次心电图数据集输入至所述导联心电异常分类子模型组中的各所述导联通道对应的导联心电异常分类子模型中，进行心电异常图像筛选，得到异常单次心电图数据集和正常单次心电图数据集；
将所述异常单次心电图数据集输入至所述导联心电异常识别子模型组中的与所述异常单次心电图数据集对应的导联通道相符合的导联心电异常分析子模型中，生成所述心电异常识别信息。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
将各所述导联通道的所述正常单次心电图数据集输入至正常心电图图像融合模型组中，生成各所述导联通道的正常心电融合图像；
基于所述正常心电融合图像对所述正常单次心电图数据集进行核验，识别其中的偏离正常心电图数据，所述偏离正常心电图数据用以表征所述正常单次心电图数据集中与所述正常心电融合图像存在统计学上的显著性差异的单次心电图数据；
去除所述正常单次心电图数据集中的所述偏离正常心电图数据，得到校准正常单次心电图数据集，并基于所述偏离正常心电图数据构建偏离正常心电图数据集；
基于所述异常单次心电图数据集、所述校准正常单次心电图数据集和所述偏离正常心电图数据集生成并更新心内科远程心电数据监测病史信息。
7.根据权利要求1至6任意一项所述的方法，其特征在于，所述方法还包括：
获取并初始化心脏初始数字孪生模型；
若所述远程心电权重系数信息超过预设的远程心电权重系数阈值，从各所述导联通道的所述心电异常识别信息中选择与所述远程心电初步诊断信息相匹配的心电异常核心识别信息；
基于所述心电异常核心识别信息生成心脏异常可视化标注信息；
将所述心脏异常可视化标注信息标注在所述心脏初始数字孪生模型上，更新所述心脏初始数字孪生模型，生成心脏异常标注数字孪生模型。
8.一种心内科远程心电数据监测分析装置，其特征在于，所述装置包括：
心电数据获取模块，用于获取心电图数据，并对所述心电图数据进行导联通道匹配，得到导联通道标记心电图数据；
心电异常识别模块，用于将各导联通道的所述导联通道标记心电数据输入至导联心电异常识别模型组中的与所述导联通道相对应的各导联心电异常识别模型中，得到所述心电图数据存在异常的所述导联通道的心电异常识别信息；
远程初步诊断模块，用于基于各所述导联通道的所述心电异常识别信息生成远程心电初步诊断信息和所述远程心电初步诊断信息对应的远程心电权重系数信息；
远程参数调整模块，用于根据所述远程心电权重系数信息调整所述导联通道标记心电图数据的数据传输参数和所述心电图数据的采集精度参数，所述数据传输参数用以调控所述导联通道标记心电图数据的数据质量和/或传输效率。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
CN202510621640.2A 2025-05-15 2025-05-15 心内科远程心电数据监测分析方法、装置、设备及介质 Pending CN120531402A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202510621640.2A CN120531402A (zh) 2025-05-15 2025-05-15 心内科远程心电数据监测分析方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202510621640.2A CN120531402A (zh) 2025-05-15 2025-05-15 心内科远程心电数据监测分析方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN120531402A true CN120531402A (zh) 2025-08-26

Family

ID=96784475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202510621640.2A Pending CN120531402A (zh) 2025-05-15 2025-05-15 心内科远程心电数据监测分析方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN120531402A (zh)

Similar Documents

Publication Publication Date Title
US12186086B2 (en) Systems and methods for reduced lead electrocardiogram diagnosis using deep neural networks and rule-based systems
US11147500B2 (en) Electrocardiogram processing system for delineation and classification
US11517212B2 (en) Electrocardiogram information dynamic monitoring method and dynamic monitoring system
US11350868B2 (en) Electrocardiogram information processing method and electrocardiogram workstation system
US11571161B2 (en) Systems and methods for electrocardiogram diagnosis using deep neural networks and rule-based systems
Shahriari et al. Electrocardiogram signal quality assessment based on structural image similarity metric
CN109411042B (zh) 心电信息处理方法和心电工作站
Liu et al. ECG-based heart arrhythmia diagnosis through attentional convolutional neural networks
CN112690802A (zh) 一种检测心电信号的方法、装置、终端及存储介质
US20220104750A1 (en) Electrocardiogram processing system for delineation and classification
Yuan et al. Enhancing multi-label ecg classification via task-guided lead correlations in internet of medical things
US20250204866A1 (en) Apparatus and a method for a plurality of time series data
CN120531402A (zh) 心内科远程心电数据监测分析方法、装置、设备及介质
Lomoio et al. AUTAN-ECG: An AUToencoder bAsed system for anomaly detectioN in ECG signals
De Roberto et al. Can ChatGPT-4o enhance ECG interpretation accuracy compared to cardiologists?
WO2017182622A1 (en) Adaptive visualization of electrocardiogram
US12329463B1 (en) System and method for visualization of vectorcardiograms for ablation procedures
Sun et al. Predicting spontaneous termination of atrial fibrillation based on the RR interval
Badnjević et al. Processing Cardiac Signals
CN120611325A (zh) 基于多维轨迹图的时序性信号异常确定方法、装置、设备及介质
Napitupulu et al. Random Forest-Based Classification of Electrocardiogram Signals for Early Detection of Cardiac Abnormalities
Luangphasy et al. Efficient Arrhythmia Detection Using Progressive Resolution Shrinking
Cahyanto et al. IoT-Based Platform for Real-Time ECG Arrhythmia Detection Using Self-Supervised Learning with Masked Autoencoder
Yang et al. A geometric insight into ECG classification: leveraging phase space reconstruction and distance to measure
HK40041534A (zh) 一种检测心电信号的方法、装置、终端及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination