本发明涉及医疗技术领域，特别是涉及一种心电电极脱落检测方法、装置、计算机设备及存储介质。
背景技术：
随着社会的发展，人们生活方式和饮食结构发生了很大的变化，不好的生活习惯加上心理压力和精神压力过大，心脑血管疾病的发病率逐年上升，研究表明，全世界每年死于心脑血管疾病的人数高达1500万人，居各种死因首位。针对这种现象，在医学上人们逐渐由后期治疗向前期预防调整，采用心电图机可以采集人们的心电信号，根据所采集的心电信号可以诊断是否患有心脏疾病，从而及早进行治疗。
心电图机的电极在和人体导联有多种不同的方式，其中，采用i导联接法共有三根导联线，分别为la(左肩)电极、ra(右肩)电极和ll(左腿)电极。其中la和ra导联端采集人体心电的差分信号，ll导联端抑制共模信号。然而，电极在连接过程中，会因为各种因素发生脱落，所以需要采用相应的方法来检测电极是否发生脱落。
传统的方法是通过调节硬件电路来实现的，比如说根据电极脱落产生的阻抗变化来检测或根据电极脱落产生的导联信号幅度来检测等。但是，受检测环境、测试者心电信号差异和心电测试者体位移动等外界因素的影响，传统的心电电极脱落检测方法存在准确度低、一致性差的缺点。
技术实现要素：
基于此，有必要针对传统的心电电极脱落检测方法准确度低、一致性差的问题，提供一种心电电极脱落检测方法、装置、计算机设备及存储介质。
一种心电电极脱落检测方法，所述方法包括如下步骤：根据差分信号采集电极采集的差分信号，获取心电数据；通过检测所述心电数据的离散程度，检测所述差分信号采集电极是否脱落；通过检测所述心电数据的周期性，检测抑制共模信号电极是否脱落。
在一个实施例中，所述通过检测所述心电数据的离散程度，检测所述差分信号采集电极是否脱落，包括以下步骤：通过计算得到所述心电数据的标准差；将所述标准差与预设标准差阈值进行比较，当所述标准差小于所述预设标准差阈值时，则所述差分信号采集电极脱落。
在一个实施例中，所述通过检测所述心电数据的离散程度，检测所述差分信号采集电极是否脱落，包括以下步骤：通过计算得到相邻点数据相等的个数与所述心电数据的个数的比值；将所述比值与预设连续数据占比阈值进行比较，当所述比值大于所述连续数据占比阈值时，则所述差分信号采集电极脱落。
在一个实施例中，所述通过检测所述心电数据的周期性，检测抑制共模信号电极是否脱落，包括以下步骤：对所述心电数据进行自相关处理，得到自相关处理结果；根据所述自相关处理结果对所述心电数据进行周期性分析，得到周期性分析结果；根据所述心电数据的周期性分析结果对所述抑制共模信号电极进行脱落检测，得到检测结果。
在一个实施例中，所述根据所述自相关处理结果对所述心电数据进行周期性分析，得到周期性分析结果，包括以下步骤：根据所述自相关处理结果，判断所述心电数据是否存在极值点；当存在极值点时，根据所述极值点与所述自相关处理结果中延迟为零的自相关数据，得到所述心电数据的周期性分析结果。
在一个实施例中，所述根据所述心电数据的周期性分析结果对所述抑制共模信号电极进行脱落检测，得到检测结果，包括以下步骤：当所述心电数据的周期性分析结果为具有周期性时，则所述抑制共模信号电极脱落。
一种心电电极脱落检测装置，所述装置包括：心电数据获取模块，用于根据差分信号采集电极采集得到的差分信号，获取心电数据；第一电极脱落检测模块，用于通过检测所述心电数据的离散程度，检测所述差分信号采集电极是否脱落；第二电极脱落检测模块，用于通过检测所述心电数据的周期性，检测抑制共模信号电极是否脱落。
在一个实施例中，所述第二电极脱落检测模块包括：自相关处理模组，用于对所述心电数据进行自相关处理，得到自相关处理结果；周期性分析模组，用于根据所述自相关处理结果对所述心电数据进行周期性分析，得到周期性分析结果；脱落检测模组，根据所述心电数据的周期性分析结果对所述抑制共模信号电极进行脱落检测，得到检测结果。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任意一项所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任意一项所述方法的步骤。
上述心电电极脱落检测方法、装置、计算机设备及存储介质，直接通过对获取的心电数据进行分析，从而判断心电电极是否发生脱落，不需要对硬件电路进行调节，不受环境因素和测试者因素的影响，有效地提高了心电电极脱落检测的准确度。
附图说明
图1为一实施例中心电电极脱落检测方法的流程图；
图2为一实施例中差分信号采集电极脱落检测的流程示意图；
图3为另一实施例中差分信号采集电极脱落检测的流程示意图；
图4为一实施例中抑制共模信号电极脱落检测的流程示意图；
图5为另一实施例中抑制共模信号电极脱落检测的流程示意图；
图6为一实施例中心电电极脱落检测方法装置示意图；
图7为一实施例中差分信号采集电极脱落检测的结构示意图；
图8为另一实施例中差分信号采集电极脱落检测的结构示意图；
图9为一实施例中抑制共模信号电极脱落检测的结构示意图；
图10为另一实施例中抑制共模信号电极脱落检测的结构示意图；
图11为一实施例中正常心电示意图；
图12为一实施例中la电极和ra电极脱落时的心电示意图；
图13为一实施例中ll电极脱落时的心电示意图；
图14为一实施例中正常心电信号的自相关处理结果示意图；
图15为一实施例中ll电极脱落心电信号的自相关处理结果示意图；
图16为一实施例中计算机设备的内部结构图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳的实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
请参阅图1，一种心电电极脱落检测方法，包括步骤：
s100，根据差分信号采集电极采集得到的差分信号，获取心电数据。具体地，采用两个电极来采集人体的差分信号，在不同的导联接法中，采集差分信号的电极所采集的位置也不一样。以i导联接法为例，差分信号采集电极为la电极和ra电极。由于心电信号很小，环境中的噪声都有可能高于心电信号，由于差分信号具有较强的抗干扰能力，采用差分信号可以有效地抑制环境噪声对心电信号的干扰。进一步地，获取心电数据时，可以是直接获取采集卡采集的缓冲区的心电数据，数据的长度不唯一，可以是获取缓冲区存储的一秒钟内的心电数据，还可以是其它时间长度的心电数据，同样能够根据得到的心电数据进行后续步骤的脱落检测。
步骤s200，通过检测心电数据的离散程度，检测差分信号采集电极是否脱落。具体地，当差分信号采集电极脱落时，不能采集生物体的心电数据，从而得到的心电图为一条直线，此时所有数据大小均一样。正常状态下的心电图和差分信号采集电极脱落时的心电图有明显的区别。因此，可以通过直接检测心电数据的离散程度来判断差分信号采集电极是否脱落。
进一步地，检测心电数据的离散程度的方式并不唯一。请参阅图2，在一个实施例中，步骤s200包括步骤s210和步骤s220。
步骤s210，通过计算得到心电数据的标准差。具体地，计算心电数据的标准差时，根据公式：
其中，xi表示第i个心电数据，σ表示标准差，n表示所采集的心电数据个数，u表示所采集的心电数据的平均数。
步骤s220，将标准差与预设标准差阈值进行比较，当标准差小于预设标准差阈值时，则差分信号采集电极脱落。将计算得到的所采集的差分信号的标准差，与预设的标准差进行比较，当计算得到的标准差小于预设标准差阈值时，差分信号采集电极脱落。通过计算心电数据的标准差并与预设标准差阈值进行比较，就可以判断差分信号采集电极是否发生脱落，不需要对硬件电路进行操作，具有很强的操作便利性。在这里，预设标准差阈值的大小为0.02，应当指出的是，预设标准差阈值的取值并不唯一，只要能够合理的表示数据的离散程度即可。
具体地，可以采用以下算法实现上述步骤s220：
其中，databuff表示心电数据，具体可以是1秒钟缓冲区心电数据，std(databuff)表示心电数据的标准差，stdthreshold表示预设标准差阈值。
请参阅图3，在另一个实施例中，步骤s200包括步骤s230和步骤s240。
步骤s230，通过计算得到相邻点数据相等的个数与心电数据的个数的比值。具体地，以一组数据1，1，2，2，3，4，5，5，6为例，其中相邻点数据相等的个数为3，总数据个数为9，则相邻点数据相等的个数与总数据个数的比值为3/9。基于这种方法，计算出相邻点数据相等的个数与心电数据的个数的比值。
步骤s240，将比值与预设连续数据占比阈值进行比较，当比值大于连续数据占比阈值时，则差分信号采集电极脱落。将通过计算得到的相邻点数据相等的个数与心电数据的个数的比值与预设连续数据占比阈值进行比较，在这里，连续数据占比阈值大小为0.5，应当指出的是，连续数据占比阈值的大小并不唯一，只要能够有效地反映心电数据的离散程度即可；当计算得到的相邻点数据相等的个数与心电数据的个数的比值大于预设连续数据占比时，差分信号采集电极脱落。通过上述方法来对差分信号脱落电极进行脱落检测，不需要对硬件电路进行操作，不受环境因素的影响，具有很强的操作便利性。
具体地，可以采用以下算法实现步骤s240：
其中，num1表示心电数据相邻点数据相等的个数，n表示心电数据个数，ratiothreshold表示预设连续数据占比阈值。
应当指出的是，上述两实施例中的检测心电数据离散程度，来检测差分信号采集电极是否脱落的方法，在具体的检测过程中可以任选其一进行检测，还可以是两种检测方法同时采用，在具体的检测过程中，根据实际情况来进行选择。若选择两种方法来进行检测，可以采用以下算法来实现：
步骤s300，通过检测心电数据的周期性，检测抑制共模信号电极是否脱落。具体地，抑制共模信号电极脱落会使得采集生物体心电信号的电路不能形成回路，因此没有共模抑制信号的输出。由于共模信号的电压幅值远远大于心电信号，所以心电信号的形状以及频域接近共模信号，在心电检测的过程中，共模信号主要是50hz工频干扰，所以，可以通过检测信号的周期性来来判断抑制共模信号电极是否脱落。同样的，以i导联接法为例，抑制共模信号电极为ll电极，通过对心电信号的周期性进行检测，就可以判断出ll电极是否发生了脱落。
请参阅图4，在一个实施例中，步骤s300包括步骤s310、步骤s320和s330。
步骤s310，对心电数据进行自相关处理，得到自相关处理结果。具体地，在一个实施例中，进行自相关处理的心电数据为一秒钟内缓冲区心电数据，考虑到电极脱落检测的实时性，在这里，对心电数据进行自相关处理时，仅计算到最大延时m时的心电数据，m＝0.02*fs*2+2，其中，fs为采样率，自相关处理的计算公式如下：
其中，m＝0，1，2…m，databuff为一秒钟内缓冲区心电数据，n为一秒钟内缓冲区心电数据个数。应当指出的是，最大延时m的取值并不唯一，根据实际的检测环境可以适当的调整，比如说，还可以是m＝0.02*fs*3+2，只要能够满足心电电极脱落检测实时性的要求即可。在进行自相关处理时，考虑到心电信号的实时性，仅计算到最大延迟时的自相关数据，有效地提高了电极脱落检测的准确性。
步骤s320，根据自相关处理结果对心电数据进行周期性分析，得到周期性分析结果。具体地，请参阅图5，步骤s320包括步骤s321和步骤s322。
步骤s321，根据自相关处理结果，判断心电数据是否存在极值点。心电数据进行自相关处理时，自相关处理结果为延迟为零到延迟为m的数据，根据处理结果判断采样周期内是否存在极值点，由于脱落检测所检测的信号为50hz信号，所以采样周期大小为0.02*fs，根据采样周期与所计算的自相关数据个数的关系，判断在所有采样周期内是否存在极值点。进一步地，在一个实施例中，以500hz采样率的采样信号，最大延迟m＝0.02*500*2+2＝22，采样周期大小为0.02*500为例，此时，自相关结果的数据中，包含有两个采样周期，所以，进行极值点的判断时，只需判断这两个采样周期内的心电数据是否存在极值点即可。应当指出的是，自相关处理结果中所包含的采样周期的个数与最大延迟m的取值相对应的，并不一定是两个，判断是否存在极值时，应当根据实际检测环境来进行判断。
步骤s322，当存在极值点时，根据极值点与自相关处理结果中延迟为零的自相关数据，得到心电数据的周期性分析结果。
具体地，存在极值点时，将极值点与自相关处理时延迟为零的自相关数据进行比较，判断极值点的值与延迟为零的自相关数据是否接近。当存在极值点，每个极值点之间的间隔相等并且等于50hz对应的采样点数，以及极值点与自相关处理中延迟为零的数据接近时，则说明心电数据具有周期性。进一步地，在判断极值点的值与自相关处理中延迟为零的自相关数据是否接近时，可以采用将极值点的值与自相关处理中延迟为零的数据的0.8倍进行比较大小，当极值点的值大于自相关处理中延迟为零的数据时，则极值点的值与自相关处理中延迟为零的数据接近，从而检测出心电数据具有周期性。应当指出的是，在进行极值点的值与自相关处理中延迟为零的数据是否接近的判断时，不一定要将极值点的值与自相关处理中延迟为零的数据的0.8倍进行比较，还可以是其它倍数，只要能够合理的反映极值点的值与自相关处理中延迟为零的数据是否接近，从而得到周期性分析结果即可。
步骤s330，根据心电数据的周期性分析结果对抑制共模信号电极进行脱落检测，得到检测结果。具体地，请参阅图5，在一个实施例中，步骤s330包括步骤s331。
步骤s331，当心电数据的周期性分析结果具有周期性时，则抑制共模信号电极脱落。根据自相关处理具有检测信号周期性的作用，对心电信号进行自相关处理，从而根据自相关结果判断心电信号是否具有周期性，当心电信号具有周期性时，则检测结果为抑制共模信号电极脱落。可以理解，当心电信号不具有周期性时，则检测结果为抑制共模信号电极没有脱落。通过是否具有周期性来判断抑制共模信号电极是否发生脱落，不需要对硬件电路进行操作，具有很强的安全性及操作便利性。
当最大延迟m＝0.02*fs*2+2时，且采用极值点与延迟为零的自相关数据的0.8倍判断是否接近时，可以采用以下算法实现上述步骤s322和s331：
其中，cyclesample表示1秒钟的采集时间内50hz频率具有的采样点数，以500hz的采样率为例，此时采样点数cyclesample＝(1/50)*500＝10，data(0)表示自相关处理时延迟为零的自相关数据。
上述心电电极脱落检测方法，直接通过对获取的心电数据进行分析，从而判断心电电极是否发生脱落，不需要对硬件电路进行调节，不受环境因素和测试者因素的影响，有效地提高了心电电极脱落检测的准确度。
为了便于理解本发明，下面结合具体的实施例进行详细解释说明。
在本实施例中，心电电极采用i导联接法，即la电极和ra电极采集差分信号，ll电极抑制共模信号。请参阅图11-图13，图11为一实施例中正常心电示意图，图12为一实施例中la电极和ra电极脱落时的心电示意图，从图中可以看出，正常心电图与la电极和ra电极脱落时的心电图数据离散程度有很大的差别，因此采用检测心电数据离散程度的方法来检测la电极和ra电极是否脱落；图13为一实施例中ll电极脱落时的心电示意图，采用检测心电数据的周期性的方法来检测ll电极是否脱落。具体地，获取缓冲区一秒钟心电数据，计算所获取的心电数据的标准差，将计算得到的标准差与预设标准差阈值进行比较，在这里，预设标准差阈值为0.02，当计算得到的标准差小于预设标准差阈值时，则la电极和ra电极脱落，同时还通过计算电数据相邻点数据相等的个数与一秒钟内心电数据个数的比值，将得到的比值与预设连续数据占比阈值进行比较，当得到的比值大于预设连续数据占比阈值时，则la电极和ra电极脱落，两种检测la电极和ra电极脱落的方式同时进行，满足其中一个条件即说明la电极和ra电极脱落，具体可以通过以下算法来实现：
由于自相关处理具有检测周期性的作用，因此对心电数据进行自相关处理来检测其周期性。请参阅图14-15，图14为一实施例中正常心电信号自相关处理结果示意图，图15为一实施例中ll电极脱落心电信号的自相关处理结果示意图。具体地，采样率为500hz，考虑到心电数据的实时性，在对缓冲区一秒钟内心电数据进行自相关处理时，仅计算到最大延迟m时的数据，其中m＝0.02*500*2+2＝22，采样周期为0.02*500＝10，首先检测自相关处理结果中，在采样周期内是否存在极值点；当存在极值点时，进一步地判断极值点的值是否与自相关处理结果中延迟为零的自相关数据接近，具体将极值点的值与自相关处理结果中延迟为零的自相关数据的0.8倍进行大小比较，当极值点的值大于自相关处理结果中延迟为零的自相关数据的0.8倍时，则极值点的值与自相关处理结果中延迟为零的自相关数据接近，进一步地可以得到心电数据具备周期性；当心电数据具备周期性时，则说明ll电极脱落，反之说明心电数据不具备周期性，ll电极未脱落，具体可以通过以下算法来实现：
请参阅图6，一种心电电极脱落检测装置，包括心电数据获取模块100、第一电极脱落检测模块200和第二电极脱落检测模块300。
心电数据获取模块100，根据差分信号采集电极采集的差分信号，获取心电数据。具体地，采用两个电极来采集人体的差分信号，在不同的导联接法中，采集差分信号的电极所采集的位置也不一样。以i导联接法为例，差分信号采集电极为la电极和ra电极。由于心电信号很小，环境中的噪声都有可能高于心电信号，由于差分信号具有较强的抗干扰能力，采用差分信号可以有效地抑制环境噪声对心电信号的干扰。进一步地，获取心电数据时，可以是直接获取采集卡采集的缓冲区的心电数据，数据的长度不唯一，可以是获取缓冲区存储的一秒钟内的心电数据，还可以是其它时间长度的心电数据，同样能够根据得到的心电数据进行后续步骤的脱落检测。
第一电极脱落检测模块200，通过检测心电数据的离散程度，检测差分信号采集电极是否脱落。具体地，当差分信号采集电极脱落时，不能采集生物体的心电数据，从而得到的心电图为一条直线，此时所有数据大小均一样。正常状态下的心电图和差分信号采集电极脱落时的心电图有明显的区别。因此，可以通过直接检测心电数据的离散程度来判断差分信号采集电极是否脱落。
进一步地，检测心电数据的离散程度的方式并不唯一。请参阅图7，在一个实施例中，第一电极脱落检测模块200包括标准差计算单元210和第一比较单元220。标准差计算单元210，通过计算得到心电数据的标准差。具体地，计算心电数据的标准差时，根据公式：
其中xi表示第i个心电数据，σ表示标准差，n表示所采集的心电数据个数，u表示所采集的心电数据的平均数。
第一比较单元220，将标准差与预设标准差阈值进行比较，当标准差小于预设标准差阈值时，则差分信号采集电极脱落。将计算得到的所采集的差分信号的标准差，与预设的标准差进行比较，当计算得到的标准差小于预设标准差阈值时，差分信号采集电极脱落。通过计算心电数据的标准差并与预设标准差阈值进行比较，就可以判断差分信号采集电极是否发生脱落，不需要对硬件电路进行操作，具有很强的操作便利性。在这里，预设标准差阈值的大小为0.02，应当指出的是，预设标准差阈值的取值并不唯一，只要能够合理的表示数据的离散程度即可。
请参阅图8，在另一个实施例中，第一电极脱落检测模块200包括比值计算单元230和第二比较单元240。
比值计算单元230，通过计算得到相邻点数据相等的个数与心电数据的个数的比值。具体地，以一组数据1，1，2，2，3，4，5，5，6为例，其中相邻点数据相等的个数为3，总数据个数为9，则相邻点数据相等的个数与总数据个数的比值为3/9。基于这种方法，计算出相邻点数据相等的个数与心电数据的个数的比值。
第二比较单元240，将比值与预设连续数据占比阈值进行比较，当比值大于连续数据占比阈值时，则差分信号采集电极脱落。将通过计算得到的相邻点数据相等的个数与心电数据的个数的比值与预设连续数据占比阈值进行比较，在这里，连续数据占比阈值大小为0.5，应当指出的是，连续数据占比阈值的大小并不唯一，只要能够有效地反映心电数据的离散程度即可；当计算得到的相邻点数据相等的个数与心电数据的个数的比值大于预设连续数据占比时，差分信号采集电极脱落。通过上述方法来对差分信号脱落电极进行脱落检测，不需要对硬件电路进行操作，不受环境因素的影响，具有很强的操作便利性。
第二电极脱落检测模块300，通过检测心电数据的周期性，检测抑制共模信号电极是否脱落。具体地，抑制共模信号电极脱落会使得采集生物体心电信号的电路不能形成回路，因此没有共模抑制信号的输出。由于共模信号的电压幅值远远大于心电信号，所以心电信号的形状以及频域接近共模信号，在心电检测的过程中，共模信号主要是50hz工频干扰，所以，可以通过检测信号的周期性来来判断抑制共模信号电极是否脱落。同样的，以i导联接法为例，抑制共模信号电极为ll电极，通过对心电信号的周期性进行检测，就可以判断出ll电极是否发生了脱落。
请参阅图9，在一个实施例中，第二电极脱落检测模块300包括自相关处理模组310、周期性分析模组320和脱落检测模组330。
自相关处理模组310，对心电数据进行自相关处理，得到自相关处理结果。具体地，在一个实施例中，进行自相关处理的心电数据为一秒钟内缓冲区心电数据，考虑到电极脱落检测的实时性，在这里，对心电数据进行自相关处理时，仅计算到最大延时m时的心电数据，m＝0.02*fs*2+2，其中，fs为采样率，自相关处理的计算公式如下：
其中，m＝0，1，2…m，databuff为一秒钟内缓冲区心电数据，n为一秒钟内缓冲区心电数据个数。应当指出的是，最大延时m的取值并不唯一，根据实际的检测环境可以适当的调整，比如说，还可以是m＝0.02*fs*3+2，只要能够满足心电电极脱落检测实时性的要求即可。在进行自相关处理时，考虑到心电信号的实时性，仅计算到最大延迟时的自相关数据，有效地提高了电极脱落检测的准确性。
周期性分析模组320，根据自相关处理结果对心电数据进行周期性分析，得到周期性分析结果。具体地，请参阅图10，周期性分析模组320包括极值检测单元321和极值比较单元322。
极值检测单元321，根据自相关处理结果，判断心电数据是否存在极值点。心电数据进行自相关处理时，自相关处理结果为延迟为零到延迟为m的数据，根据处理结果判断采样周期内是否存在极值点，由于脱落检测所检测的信号为50hz信号，所以采样周期大小为0.02*fs，根据采样周期与所计算的自相关数据个数的关系，判断在所有采样周期内是否存在极值点。进一步地，在一个实施例中，以500hz采样率的采样信号，最大延迟m＝0.02*500*2+2＝22，采样周期大小为0.02*500为例，此时，自相关结果的数据中，包含有两个采样周期，所以，进行极值点的判断时，只需判断这两个采样周期内的心电数据是否存在极值点即可。应当指出的是，自相关处理结果中所包含的采样周期的个数与最大延迟m的取值相对应的，并不一定是两个，判断是否存在极值时，应当根据实际检测环境来进行判断。
极值比较单元322，当存在极值点时，根据极值点与自相关处理结果中延迟为零的自相关数据，得到心电数据的周期性分析结果。具体地，存在极值点时，将极值点与自相关处理时延迟为零的自相关数据进行比较，判断极值点的值与延迟为零的自相关数据是否接近。当存在极值点，每个极值点之间的间隔相等并且等于50hz对应的采样点数，以及极值点与自相关处理中延迟为零的数据接近时，则说明心电数据具有周期性。进一步地，在判断极值点的值与自相关处理中延迟为零的自相关数据是否接近时，可以采用将极值点的值与自相关处理中延迟为零的数据的0.8倍进行比较大小，当极值点的值大于自相关处理中延迟为零的数据时，则极值点的值与自相关处理中延迟为零的数据接近，从而检测出心电数据具有周期性。应当指出的是，在进行极值点的值与自相关处理中延迟为零的数据是否接近的判断时，不一定要将极值点的值与自相关处理中延迟为零的数据的0.8倍进行比较，还可以是其它倍数，只要能够合理的反映极值点的值与自相关处理中延迟为零的数据是否接近，从而得到周期性分析结果即可。
脱落检测模组330，根据心电数据的周期性分析结果对抑制共模信号电极进行脱落检测，得到检测结果。具体地，请参阅图10，在一个实施例中，脱落检测模组330包括脱落判断单元331。
脱落判断单元331，当心电数据的周期性分析结果为具有周期性时，则抑制共模信号电极脱落。根据自相关处理具有检测信号周期性的作用，对心电信号进行自相关处理，从而根据自相关结果判断心电信号是否具有周期性，当心电信号具有周期性时，则检测结果为抑制共模信号电极脱落。可以理解，当心电信号不具有周期性时，则检测结果为抑制共模信号电极没有脱落。通过是否具有周期性来判断抑制共模信号电极是否发生脱落，不需要对硬件电路进行操作，具有很强的安全性及操作便利性。
上述心电电极脱落检测装置，直接通过对获取的心电数据进行分析，从而判断心电电极是否发生脱落，不需要对硬件电路进行调节，不受环境因素和测试者因素的影响，有效地提高了心电电极脱落检测的准确度。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图16所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储心电数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种心电电极脱落检测方法。
本领域技术人员可以理解，图16中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
根据差分信号采集电极采集的差分信号，获取心电数据；
通过检测心电数据的离散程度，检测差分信号采集电极是否脱落；
通过检测心电数据的周期性，检测抑制共模信号电极是否脱落。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
通过计算得到心电数据的标准差；
将标准差与预设标准差阈值进行比较，当标准差小于预设标准差阈值时，则差分信号采集电极脱落。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
通过计算得到相邻点数据相等的个数与心电数据的个数的比值；
将比值与预设连续数据占比阈值进行比较，当比值大于连续数据占比阈值时，则差分信号采集电极脱落。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对心电数据进行自相关处理，得到自相关处理结果；
根据自相关处理结果对心电数据进行周期性分析，得到周期性分析结果；
根据心电数据的周期性分析结果对抑制共模信号电极进行脱落检测，得到检测结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据自相关处理结果，判断心电数据是否存在极值点；
当存在极值点时，根据极值点与自相关处理结果中延迟为零的自相关数据，得到心电数据的周期性分析结果；
当心电数据的周期性分析结果为具有周期性时，则抑制共模信号电极脱落。
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以下步骤：
根据差分信号采集电极采集的差分信号，获取心电数据；
通过检测心电数据的离散程度，检测差分信号采集电极是否脱落；
通过检测心电数据的周期性，检测抑制共模信号电极是否脱落。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
通过计算得到心电数据的标准差；
将标准差与预设标准差阈值进行比较，当标准差小于预设标准差阈值时，则差分信号采集电极脱落。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
通过计算得到相邻点数据相等的个数与心电数据的个数的比值；
将比值与预设连续数据占比阈值进行比较，当比值大于连续数据占比阈值时，则差分信号采集电极脱落。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对心电数据进行自相关处理，得到自相关处理结果；
根据自相关处理结果对心电数据进行周期性分析，得到周期性分析结果；
根据心电数据的周期性分析结果对抑制共模信号电极进行脱落检测，得到检测结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据自相关处理结果，判断心电数据是否存在极值点；
当存在极值点时，根据极值点与自相关处理结果中延迟为零的自相关数据，得到心电数据的周期性分析结果；
当心电数据的周期性分析结果为具有周期性时，则抑制共模信号电极脱落。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
上述计算机设备及存储介质，直接通过对获取的心电数据进行分析，从而判断心电电极是否发生脱落，不需要对硬件电路进行调节，不受环境因素和测试者因素的影响，有效地提高了心电电极脱落检测的准确度。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。