一种基于手持式单导心电检测仪的12/18导联测量方法与流程

1.本发明涉及手持式单导心电检测技术领域，具体涉及一种基于手持式单导心电检测仪的12/18导联测量方法。


背景技术：

2.如何做好急性心血管疾病的早发现、早治疗，降低死亡率，以及如何做好慢性心血管疾病的居家检测和用药指导与管理，已经成为当今社会刻不容缓亟待解决重大问题。居家管理，医养结合已经成为社会发展的新趋势。
3.手持心电检测仪的问世是心血管疾病患者的福音。但是，从2000年手持心电图仪问世至今已有多年的历史，20多年来，和家用血压计的应用来看，手持心电的普及率并不高。大家并没有认识到手持心电的重要性，原因有两个，一是没有专业人士的介入，大家无法解读心电图，而在远程传输给终端进行分析处理的情况下，心电信号的质量仍然较低，抗噪性差；二是手持心电的功能简单，监测项目局限，只能观察单一导联心律失常，无法监测不同导联的心肌缺血，因此，限制了手持心电的应用和推广。


技术实现要素：

4.针对现有技术中的缺陷，本发明提供一种基于手持式单导心电检测仪的 12/18导联测量方法，包括如下步骤：
5.步骤1：用户使用手持心电检测仪对心电信号进行采集，收集12/18导联心电信号，并将测量数据传输至云服务器处；
6.步骤2：云服务器将数据上传至处理终端进行分析处理，并将处理结果发送至手持心电检测仪供用户查看。
7.作为优选的，所述步骤1中，所述手持心电检测仪采用12/18导联采集单元采集心电信号数据，所述12/18导联采集单元包括多路心电信号采集电路，所述任一心电信号采集电路采集包括共模抑制放大电路、极化电压抑制电路、主放大电路和工频干扰抑制电路。
8.作为优选的，所述步骤1可测得肢体导联、加压单级肢体导联、左侧胸导联，并且可以加做右侧胸导联，从而获得12/18导联心电图。
9.作为优选的，所述加压单级肢体导联的测量方式为：将任意两侧肢体同时连接到手持心电检测仪的负极端，从而产生零电端，再将待测肢体或者位点放在手持心电检测仪的正极端。
10.作为优选的，所述手持心电检测仪通过通信单元将数据传输至云服务器处时，还包括以下步骤：
11.步骤11：手持心电检测仪将心电信号读取到ram中；
12.步骤12：ram通过标准at指令，将心电信号发送给gsm/gprs模块， gsm/gprs模块再将信号发送至云服务器。
13.作为优选的，所述处理终端对心电信号进行分析处理时，还包括以下步骤：
14.步骤21：处理终端基于若干分类器，对接收到的心电信号进行特征提取，并对提取到的若干特征进行特征融合；
15.步骤22：基于特征融合后的综合特征，利用densecrf模型，获取心电信号的裂解图像；
16.步骤23：将所述裂解图像进行离散小波分解，从而获得目标小波分解系数；
17.步骤24：通过目标小波分解系数确定qrs波，进而确定心拍，并根据心拍划分训练集；
18.步骤25：将若干训练集输入多特征卷积神经网络中，根据最终输出的概率分数，得出心电信号类别。
19.作为优选的，所述处理终端在对接收到的心电信号进行特征提取时，还包括以下步骤：
20.步骤211：将接收的心电信号进行非线性去趋势；
21.步骤212：去趋势后的信号依次进行低通滤波、带通滤波和iir滤波，对滤波后的信号进行幅值校准。
22.作为优选的，所述步骤21中的若干分类器包括adaboost分类器、canny 算法分类器和fcn算法分类器。
23.作为优选的，采用所述adaboost分类器对心电信号进行心电信号分类；采用所述canny算法分类器分析所述心电信号，提取心电信号边缘特征；采用所述fcn算法分类器对心电信号进行空间特征提取。
24.作为优选的，在采用所述adaboost分类器、canny算法分类器和fcn算法分类器进行特征提取之前，需要获取一定数量的心电信号样本，对建立的基础adaboost分类器、基础canny算法分类器和基础fcn算法分类器进行迭代训练。
25.本发明的有益效果体现在：
26.采用12/18导联心电图测量方法，并将检测信号远程上传至服务器中，从而实现院外对心血管疾病的管理，以期做到对疾病早发现、早预防、早治疗，且通过处理终端对心电数据进行处理的方式，无需医生进行实时查看，即可根据接收信号进行分析处理，减轻医护人员负担，且分析处理的过程中通过多部除噪、滤波处理，保障心电信号的有效传输，并加以adaboost分类器、canny 算法分类器和fcn算法分类器对接收到的心电信号进行特征提取，再经由多特征卷积神经网络进行训练，实现了对心电信号中多特征信号分类的准确度，提升心电信号检测精度。
附图说明
27.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
28.图1为本发明提供的一种基于手持式单导心电检测仪的12/18导联测量方法的流程图；
29.图2为本发明提供的一种基于手持式单导心电检测仪的12/18导联测量方法的处理终端对心电信号进行分析处理时的流程图；
30.图3为本发明提供的一种基于手持式单导心电检测仪的12/18导联测量方法的手持心电检测仪的示意图；
31.图4为本发明提供的一种基于手持式单导心电检测仪的12/18导联测量方法的心电导联位置示意图；
32.图5为临床标准12导联正常心电图；
33.图6为本发明提供的一种基于手持式单导心电检测仪的12/18导联测量方法检测到的同一位患者的手持12导联心电图；
34.图7为临床检测到的同一患者的12导联动态心电图；
35.图8为本发明提供的一种基于手持式单导心电检测仪的12/18导联测量方法的标准和加压肢体导联心电图；
36.图9为本发明提供的一和种基于手持式单导心电检测仪的12/18导联测量方法的胸肢导联心电图。
具体实施方式
37.下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
38.需要注意的是，除非另有说明，本技术使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
39.如图1所示，一种基于手持式单导心电检测仪的12/18导联测量方法，包括如下步骤：
40.步骤1：用户使用手持心电检测仪对心电信号进行采集，收集12/18导联心电信号，并将测量数据传输至云服务器处；
41.步骤2：云服务器将数据上传至处理终端进行分析处理，并将处理结果发送至手持心电检测仪供用户查看。
42.检测到的心电信号和处理终端的分析处理结果均传输至医生端，进行二重验证，云服务器将处理结果发送至用户查看时，可传输至用户智能移动设备上的app。
43.更为具体的，所述步骤1中，所述手持心电检测仪采用12/18导联采集单元采集心电信号数据，所述12/18导联采集单元包括多路心电信号采集电路，所述任一心电信号采集电路采集包括共模抑制放大电路、极化电压抑制电路、主放大电路和工频干扰抑制电路。
44.心电信号采集电路与人体之间通过手持心电检测仪两端的电极连接，接收到的心电信号被送往共模抑制放大电路，再进入极化电压抑制电路，经过极化电压抑制后的心电信号进入主放大电路进行信号放大，最后进行入工频干扰抑制电路，滤除掉信号的工频干扰，心电信号采集电路的输出为放大了的心电信号。
45.更为具体的，所述步骤1可测得肢体导联、加压单级肢体导联、左侧胸导联，并且可以加做右侧胸导联，从而获得12/18导联心电图，其中，所述加压单级肢体导联的测量方式为：将任意两侧肢体同时连接到手持心电检测仪的负极端(右侧)，从而产生零电端，再将待测肢体或者位点放在手持心电检测仪的正极端(左侧)。
46.如图4所示，手持心电检测仪的测量步骤如下：(1)长按(约3秒)开机，按“开始”键
进入测量准备阶段，测量准备界面倒计时为6秒，此时做好测量准备；(2)测量：确保皮肤与双侧电极紧密接触，右手拇指点按开始，机器开始记录；(3)机器的左侧为正极，右侧为负极，每一侧都有两个电极片；
47.手持心电检测仪的测量方法如下：
48.肢体导联：i导联：左手放于正极，右手放于负极；
49.ii导联：左下肢放于正极，右手放于负极；
50.iii导联：左下肢放于正极，左手放于负极；
51.标准双极肢体导联(i、ii、iii)：通过将肢体连接于机器两侧，无论正负电极分别怎样摆放在任意两端，都是测量该两点之间的心电势之差；
52.avr导联：右手放于正极，左下肢与左手同时放于负极；
53.avl导联：左手放于正极，左下肢与右手同时放于负极；
54.avf导联：左下肢放于正极，左手与右手同时放于负极；
55.加压单极肢体导联(avr、avl、avf)：起初，单极导联问世时，只记录一个电极的电位，且每个单极导联的心电图电压过小。为了记录它，心电图仪的一极必须连接到零电位的中性电极的中心端。根据这个原理，我们将任意两侧肢体连接到单导心电图仪的同一负电极时，便产生了零电端，然后将待测的一端放在正极，便实现了加压单极肢体导联的测量；
56.从公式也可以推断出，avr导联分别是将电极反接的i、ii导联的并联，因此avr＝{(-i)+(-ii)}/2；avl导联是i与电极反接iii导联的并联，avl＝ {i+(-iii)}/2；avf导联则是ii和iii导联的并联，avf＝(ii+iii)/2。由此可知，两个不同电压源的肢体导联的并联构成了加压肢体导联。由此也为我们的方法奠定了理论基础。
57.左侧胸导联：v1导联：左右手置于机器负极，正极置于第四肋间与胸骨右侧旁开1cm交叉的位置；
58.v2导联：左右手置于机器负极，正极置于第四肋间与胸骨左侧旁开1cm 交叉的位置；
59.v3导联：左右手置于机器负极，正极置于第五肋间与左侧v2、v4连线的中点交叉的位置；
60.v4导联：左右手置于机器负极，正极置于第五肋间与左锁骨中线交叉的位置；
61.v5导联：左右手置于机器负极，正极置于第五肋间与左侧腋前线交叉的位置；
62.v6导联：左右手置于机器负极，正极置于第五肋间与左侧腋中线交叉的位置；
63.右侧胸导联：v3r导联：左右手置于机器负极，正极置于右侧第五肋间与 v2r、v4r连线的中点交叉的位置；
64.v4r导联：左右手置于机器负极，正极置于第五肋间与右锁骨中线交叉的位置；
65.v5r导联：左右手置于机器负极，正极置于第五肋间与右侧腋前线交叉的位置；
66.v6r导联：左右手置于机器负极，正极置于第五肋间与右侧腋中线交叉的位置；
67.胸前导联实际上就是加压单极导联，原理同加压单极肢体，将左右两侧手指放于负极形成零电端，然后将胸导联v1-6的位置依次置于正极，于是产生了胸导联心电图，右胸导联的检测也是如此，检测效果如图5、图6、图7所示；
68.为了方便测量，再将把左侧肢导联挪到左下腹，同样可以记录到同样的波形，而且振幅较大，容易观察和测量，检测效果如图8、图9所示；
69.图3所示的手持心电检测仪就是把同步12/18导联拆解开来，将每一个导联单独操作，其优点是操作简单，省时省力，在家就可以实现12/18导联心电图的监测，同理可以行12/18导联心电图检查，手持单导心电仪实现12/18 导联的检测，既可以检测心律失常的发生，又可以检测心肌缺血的变化，真正实现了临床专业心电图机的居家功能，通过手机蓝牙，将图上传到网上医生端，可以足不出户得到专业医生的指导，并可以挽救生命。这种仪器，小巧玲珑，携带方便，操作简单，可以居家、工作、路上使用，不受时间、空间的限制，大大降低了院外心血管事件的发生率。具有很好的推广和使用价值。
70.手持心电检测仪可通过通信单元将数据传输至云服务器处，通信单元包括 gsm/gprs模块和usb接口。
71.其中gsm/gprs模块与手持心电检测仪中的单片机单元通过串口连接，gsm/gprs模块可另外连接sim卡、话筒、听筒和天线。
72.更为具体的，所述手持心电检测仪通过通信单元将数据传输至云服务器处时，还包括以下步骤：
73.步骤11：手持心电检测仪将心电信号读取到ram中；
74.步骤12：ram通过标准at指令，将心电信号发送给gsm/gprs模块， gsm/gprs模块再将信号发送至云服务器。
75.若用户需要紧急呼叫，则可以选择预拨打的电话并通过at指令将命令发送给gsm/gprs模块进行呼叫。
76.如图2所示，更为具体的，所述处理终端对心电信号进行分析处理时，还包括以下步骤：
77.步骤21：处理终端基于若干分类器，对接收到的心电信号进行特征提取，并对提取到的若干特征进行特征融合；
78.步骤22：基于特征融合后的综合特征，利用densecrf模型，获取心电信号的裂解图像；
79.步骤23：将所述裂解图像进行离散小波分解，从而获得目标小波分解系数；
80.步骤24：通过目标小波分解系数确定qrs波，进而确定心拍，并根据心拍划分训练集；
81.步骤25：将若干训练集输入多特征卷积神经网络中，根据最终输出的概率分数，得出心电信号类别。
82.在步骤23中，将所述裂解图像进行离散小波分解后，先获得原始小波分解系数，再根据原始小波分解系数确定目标小波分解系数，每一层分解的结果是上次分解得到的低频信号再分解成低频和高频两个部分。
83.更为具体的，所述处理终端在对接收到的心电信号进行特征提取时，还包括以下步骤：
84.步骤211：将接收的心电信号进行非线性去趋势；
85.步骤212：去趋势后的信号依次进行低通滤波、带通滤波和iir滤波，对滤波后的信号进行幅值校准。
86.对去趋势后的心电信号使用2阶卖出响应低通滤波器对心电信号进行滤波处理，再通过0.5-33hz的带通滤波器进行滤波；采用iir滤波器对心电信号进行滤波，能够有效保
护qrs复合波峰值频率部分。
87.其中，多特征卷积神经网络可使用alexnet、vggnet或者googlenet中的任意一种卷积神经网络，多特征卷积神经网络最终的分类准确率会根据所选择基础子网络的不同而逐步提升，相应地，模型训练的时间代价也会逐步增加，可根据实际操作需要进行任意选择。
88.更为具体的，所述步骤21中的若干分类器包括adaboost分类器、canny 算法分类器和fcn算法分类器。
89.adaboost分类器进行目标检测时，检测速度较快，正检率高，误检率低，能够有效提高检测效果；
90.更为具体的，采用所述adaboost分类器对心电信号进行心电信号分类；采用所述canny算法分类器分析所述心电信号，提取心电信号边缘特征；采用所述fcn算法分类器对心电信号进行空间特征提取。
91.更为具体的，在采用所述adaboost分类器、canny算法分类器和fcn算法分类器进行特征提取之前，需要获取一定数量的心电信号样本，对建立的基础adaboost分类器、基础canny算法分类器和基础fcn算法分类器进行迭代训练。
92.可以理解的是，其中的基础adaboost分类器、基础canny算法分类器和基础fcn算法分类器可以是事先根据应用需求随机生成模型参数，或者初始设置模型参数后，自动生成的相应网络模型；之后，需要采用一定量的训练模型对这些网络模型进行迭代训练与优化更新，直到得到满足设定条件的最优模型参数，也即得到最优模型，即可以该最优模型作为最终进行心电信号特征提取的处理模型，即根据上述各实施例所应用的adaboost分类器、canny算法分类器和fcn算法分类器。
93.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。