心律识别方法、心脏除颤方法、医疗设备及医疗系统与流程

1.本发明涉及医疗器械技术领域，具体涉及一种心律识别方法、心脏除颤方法、医疗设备及医疗系统。


背景技术：

2.心脏骤停是一种危及生命的突发紧急事件，它可以发生在所有年龄段人员。心脏骤停的抢救是一场与时间的赛跑，其黄金救援时间只有4分钟。对于心脏骤停高危人群，尤其是对发生过室速或室颤等恶性心律事件的患者，植入式心律转复除颤器是其最佳防治手段之一。带有心律转复功能的植入式医疗器械设备主要包括传统的植入式心律转复除颤器(icd)、新型的全皮下植入式心律转复除颤器(sicd)以及带有起搏功能的植入式心脏再同步治疗心律转复除颤器(crt-d)。以上各类植入式心律转复除颤器通过对患者心律的24小时不间断监控，能够在发生恶性心率事件的第一时间，自动对其进行电除颤以转复正常心律，及时挽救患者生命。
3.心脏有节律地正常跳动可以使血液高效地在体内循环。当发生恶性心律事件时，心脏的跳动失去其正常的节律，其泵血功能随之减弱甚至完全丧失。如果未能及时转复，将引起心肌缺血，失去心脏泵血功能，进而导致患者死亡。因此，快速准确地识别恶性心律事件并及时进行电除颤治疗是有效挽救患者生命的关键，也是评判各类植入式心律转复除颤器性能的主要指标。
4.治疗的前提是识别，所以恶性心律的识别算法也是各类植入式心律转复除颤器厂商竞争的重点。该识别算法既要保证及时性，又要兼顾准确性。准确性的指标又可以进一步细分为漏除颤率(算法的敏感性)与误除颤率(算法的特异性)，既要保证恶性心律事件不被遗漏，又要保证不对非恶性心律事件做出误判。
5.现有心律识别算法的流程主要包括：算法监控患者的心电信号，并判断是否有恶性心律事件发生。如果没有，则继续监控；如果有恶性心律事件发生，则开始对高压电容进行预充电。当预充电结束以后，算法再次判断是否存在恶性心律事件。如果该恶性心律事件持续存在，则对患者进行电除颤治疗；如果该恶性心律事件自发终止，则放弃电除颤治疗，转为继续监控心电信号。算法的核心环节为两个恶性心律事件判断环节，其可由多种判断机制相互配合，并做出最终判定。
6.现有的心律识别算法通过采集、分析患者的心电信号，判断是否存在恶性心律事件，并根据计算结果对患者进行电除颤治疗。算法所提取的心电信号的各种特征值包括但不限于：心率、心电信号整体及局部形态、qrs脉宽、p-p间期、r-r间期、p-r间期等。虽然目前算法已经拥有较高的敏感性与特异性，但是仍然存在一定的误除颤率以及漏除颤率。
7.其中一个主要原因是：算法的开发与优化是基于现有的数据集所展开的。算法的准确性直接取决于数据集的完整性以及多样性。但是，数据集的完整性和多样性是相对的。在算法的研发过程中，其测试数据集都是相对有限的。相比于算法正式投入使用后所面对的真实数据集，开发阶段所用的数据集往往是不足的。正因如此，在面对真实数据集时，总
会出现算法开发中未曾预料到的特殊情况。在这些情况下，算法的性能会有所降低。因此，即便算法在测试过程中拥有极高的准确率，在真实场景中难免会有所降低，甚至在某些情况下会出现算法上的漏洞，当算法暴露在该漏洞下时，其误判率会大幅提高。
8.常规的解决方案是通过算法的不断迭代与升级，增强算法的健壮性。然而，对于植入式心律转复除颤器，出于各种安全因素的考虑，算法的升级往往只针对于后续发布的产品。目前的算法在植入式心律转复除颤器出厂时已固化在主机中，当主机植入体内后算法便不能进行升级优化，仅有少部分参数能通过程控仪进行微调。由于针对该部分参数的微调很难对算法进行整体优化，当后期发现该算法在某些特定心电信号下存在相对较高的误判率或者漏判率的情况下，往往无法有效应对，患者只能承担其潜在的误判风险。
9.需要说明的是，上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。


技术实现要素：

10.针对现有技术中的问题，本发明的目的在于提供一种心律识别方法、心脏除颤方法、医疗设备及医疗系统，通过在医疗设备中预留扩充模型库接口，无需对医疗设备的固有心律识别算法进行更新，灵活应对医疗设备上市后所面临的算法升级需求。
11.本发明实施例提供一种心律识别方法，包括：
12.医疗设备采集待识别的心电特征数据；
13.所述医疗设备基于所述待识别的心电特征数据和固有心律识别算法，获取第一心律识别结果；
14.所述医疗设备基于所述待识别的心电特征数据和预存的扩充模型库，获取第二心律识别结果；
15.所述医疗设备基于所述第一心律识别结果和所述第二心律识别结果，获取最终心律识别结果。
16.在一些实施例中，基于所述待识别的心电特征数据和预存的扩充模型库，获取第二心律识别结果，包括如下步骤：
17.判断所述扩充模型库中是否存在至少一条心律识别规则；
18.如果不存在，则将第二心律识别结果设定为未匹配；
19.如果存在，根据所述心律识别规则和所述待识别的心电特征数据，获取第二心律识别结果，每条所述心律识别规则包括心电特征条件和识别判定结果。
20.在一些实施例中，根据所述心律识别规则和所述待识别的心电特征数据，获取第二心律识别结果，包括如下步骤：
21.判断所述待识别的心电特征数据是否符合各条所述心律识别规则中的心电特征条件；
22.如果所述待识别的心电特征数据符合一所述心律识别规则中的心电特征条件，则将该符合的心律识别规则的识别判定结果作为所述第二心律识别结果；
23.如果所述待识别的心电特征数据不符合所有心律识别规则中的心电特征条件，则将第二心律识别结果设定为未匹配。
24.在一些实施例中，基于所述第一心律识别结果和所述第二心律识别结果，获取最
终心律识别结果，包括如下步骤：
25.判断所述第二心律识别结果是否为未匹配；
26.如果是，则将所述第一心律识别结果作为所述最终心律识别结果；
27.如果否，则综合所述第一心律识别结果和所述第二心律识别结果，生成最终心律识别结果。
28.在一些实施例中，综合所述第一心律识别结果和所述第二心律识别结果，生成最终心律识别结果，包括如下步骤：
29.分别获取所述第一心律识别结果和所述第二心律识别结果的第一权重和第二权重；
30.将所述第一心律识别结果和所述第二心律识别结果加权求平均，得到所述最终心律识别结果。
31.在一些实施例中，所述分别获取所述第一心律识别结果和所述第二心律识别结果的第一权重和第二权重，包括如下步骤：
32.获取所述符合的心律识别规则的权重，作为所述第二心律识别结果的第二权重；
33.基于所述第二权重确定所述第一心律识别结果的第一权重，使所述第一权重和所述第二权重值的和为预设权重总和。
34.在一些实施例中，还包括如下步骤：
35.所述医疗设备从外部设备接收到扩充模型库数据，存储于本地作为预存的扩充模型库。
36.在一些实施例中，还包括如下步骤：
37.所述医疗设备将心电监测记录发送至外部设备，所述心电监测记录包括心电特征数据和设备识别结果。
38.在一些实施例中，还包括如下步骤：
39.采集对应于多个医疗设备的多条心电事件记录，每条所述心电事件记录包括心电特征数据、设备识别结果和医生识别结果；
40.提取设备识别结果与医生识别结果不同的心电事件记录，作为误判心电事件记录；
41.基于所述误判心电事件记录生成心律识别规则，作为扩充模型库数据，其中，每条心律识别规则中，识别判定结果对应于医生识别结果。
42.在一些实施例中，基于所述误判心电事件记录生成心律识别规则之后，还包括如下步骤：
43.基于所述误判心电事件记录分析每条所述心律识别规则与误判结果之间的关联强度；
44.基于所述关联强度设定每条所述心律识别规则的权重。
45.本发明实施例还提供一种心脏除颤方法，包括如下步骤：
46.所述医疗设备采集待识别的心电特征数据，基于所述待识别的心电特征数据和固有心律识别算法，获取第一心律识别结果；
47.所述医疗设备判断所述第一心律识别结果是否为可除颤识别结果；
48.如果所述第一心律识别结果为可除颤识别结果，则所述医疗设备对除颤执行机构
进行预充电；
49.预充电完成后，所述医疗设备执行权利要求1所述的心律识别方法，获取最终心律识别结果；
50.所述医疗设备判断所述最终心律识别结果是否为可除颤识别结果；
51.如果所述最终心律识别结果为可除颤识别结果，则所述医疗设备控制所述除颤执行机构进行除颤。
52.本发明实施例还提供一种医疗设备，包括：
53.处理器；
54.存储器，其中存储有所述固有心律识别算法、所述扩充模型库以及所述处理器的可执行指令；
55.其中，所述处理器配置为经由执行所述可执行指令来执行所述心律识别方法的步骤或所述心脏除颤方法的步骤。
56.本发明实施例还提供一种医疗系统，包括：
57.程控仪，用于将扩充模型库数据发送至医疗设备；以及
58.所述的医疗设备，用于接收到扩充模型库数据，存储于本地作为预存的扩充模型库。
59.在一些实施例中，还包括算法服务器，所述医疗设备还用于将心电监测记录发送至所述程控仪，所述心电监测记录包括心电特征数据和设备识别结果；
60.所述程控仪还用于从所述医疗设备获取所述心电监测记录，并发送至所述算法服务器；
61.所述算法服务器用于采集对应于多个医疗设备的多条心电事件记录，每条所述心电事件记录包括心电特征数据、设备识别结果和医生识别结果；提取设备识别结果与医生识别结果不同的心电事件记录，作为误判心电事件记录；以及基于所述误判心电事件记录生成心律识别规则，作为扩充模型库数据，其中，每条心律识别规则中，识别判定结果对应于医生识别结果。
62.本发明所提供的心律识别方法、心脏除颤方法、医疗设备及医疗系统具有如下优点：
63.本发明通过在医疗设备中预留扩充模型库接口，无需对医疗设备的固有心律识别算法进行更新，并且通过扩充模型库可以对固有心律识别算法进行补强，灵活应对医疗设备上市后所面临的算法升级需求，提高了心电监测的准确性和安全性，有效避免改动固有心律识别算法架构带来的额外风险，通过对扩充模型库的补充，可以灵活应对各种特殊情况，升级方式简单快速。
64.本发明可以应用于植入式心律转复除颤器，对心律进行识别，并且可以进一步根据心律识别结果确定是否执行除颤操作，但本发明不限于此，还可以适用于更广泛的算法应用。本发明的心律识别方法还可以应用于其他的心电监测设备，例如体外心电监测设备、自动体外除颤器等，心脏除颤方法也不限于用于植入式除颤器，也可以用于体外除颤器。
附图说明
65.通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、
目的和优点将会变得更明显。
66.图1是本发明一实施例的心律识别方法的结构示意图；
67.图2是本发明一实施例的基于扩充模型库获取第二心律识别结果的流程图；
68.图3是本发明一实施例的获取最终心律识别结果的流程图；
69.图4是本发明一实施例的医疗设备的结构示意图；
70.图5是本发明一实施例的医疗系统的结构示意图；
71.图6是本发明一实施例的生成扩充模型库的流程图；
72.图7是本发明一实施例的心脏除颤方法的流程图。
具体实施方式
73.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构，因而将省略对它们的重复描述。说明书中的“或”、“或者”均可能表示“和”或者“或”。虽然本说明书中可使用术语“上”、“下”、“之间”等来描述本发明的不同示例性特征和元件，但是这些术语用于本文中仅出于方便，例如根据附图中所述的示例的方向。本说明书中的任何内容都不应理解为需要结构的特定三维方向才落入本发明的范围内。本说明书中虽然采用“第一”或“第二”等来表示某些特征，但其仅为表示作用，而作为具体特征的数量和重要性的限制。
74.本发明提供了一种心律识别方法，用于对医疗设备的内部心律识别算法进行灵活升级，所述医疗设备至少包括存储器和处理器。如图1所示，所述心律识别方法包括如下步骤：
75.s100：医疗设备采集待识别的心电特征数据；
76.具体地，所述医疗设备的处理器从心电数据采集模块采集到当前实时的心电特征数据，作为待识别的心电特征数据，所述心电数据采集模块例如可以包括心电传感电极，经血管植入式、全皮下植入式植入于或贴附于心脏周围区域；
77.s200：所述医疗设备基于所述待识别的心电特征数据和固有心律识别算法，获取第一心律识别结果；
78.具体地，所述固有心律识别算法预先存储于所述存储器中，由所述医疗设备的处理器调用所述固有心律识别算法，对所述待识别的心电特征数据进行处理，获取第一心律识别结果，所述固有心律识别算法即为所述医疗设备在出厂时已经固设在其中的心律识别算法；
79.s300：所述医疗设备基于所述待识别的心电特征数据和预存的扩充模型库，获取第二心律识别结果；
80.具体地，所述扩充模型库预存于所述存储器中，由所述医疗设备的处理器将所述待识别的心电特征数据与所述扩充模型库进行匹配，获取第二心律识别结果；
81.s400：所述医疗设备基于所述第一心律识别结果和所述第二心律识别结果，获取最终心律识别结果。
82.因此，所述医疗设备不再只依赖于自身的固有心律识别算法得到的第一心律识别
结果，同时所述医疗设备综合考虑扩充模型库中的匹配结果，以对固有心律识别算法进行补强，灵活应对医疗设备上市后所面临的算法升级需求，提高了心电监测的准确性和安全性。
83.因此，本发明通过在医疗设备中预留扩充模型库接口，无需对医疗设备的固有心律识别算法进行更新，在需要对固有心律识别算法进行补强时，可以在扩充模型库中增加心律识别规则，有效避免改动固有心律识别算法架构带来的额外风险，通过对扩充模型库的补充，可以灵活应对各种特殊情况，升级方式简单快速。
84.本发明的心律识别方法可以应用于植入式心律转复除颤器，对心律进行识别，并且可以进一步根据心律识别结果确定是否执行除颤操作，但本发明不限于此。本发明的心律识别方法还可以应用于其他的心电监测设备，例如心电监测设备，即只对心律进行监测和识别，向外部设备输出心律识别结果，而不执行除颤操作。又例如，该心律识别方法也可以应用于自动体外除颤器，虽然体外除颤器在升级时可以在体外进行，但是对已经上市的大量体外除颤器进行批量的算法升级同样也存在很大的麻烦，并且存在更改固有心律识别算法的架构带来的额外风险。因此，采用该心律识别方法应用于体外监测设备或者除颤设备，同样可以对固有心律识别算法进行补强，灵活应对医疗设备上市后所面临的算法升级需求，提高了心电监测的准确性和安全性。
85.在该实施例中，所述心电特征数据中的心电特征类别可以包括心率、心电信号整体及局部形态、qrs脉宽、p-p间期、r-r间期、p-r间期中的一种或多种，且不限于此处列举的心电特征类别。所述医疗设备在基于所述固有心律识别算法和所述扩充模型库处理所述心电特征数据所基于的心电特征类别可以是相同的，也可以是不同的，例如所述固有心律识别算法基于所述心率、心电信号整体及局部形态、qrs脉宽、p-p间期、r-r间期、p-r间期综合判断得到第一心律识别结果，而所述扩充模型库基于所述心电信号整体及局部形态分析得到第二心律识别结果，且本发明不限于此处列举的情况。
86.所述固有心律识别算法即为所述医疗设备在出厂时已经固设在设备内部的算法，后续除了通过程控仪对算法中的一些参数进行调整之外，无需再对该算法本身的架构进行调整。本发明中不对固有心律识别算法的具体算法类型进行限制，该算法根据不同的医疗设备出厂时的需要可以选择为各种现有的心律识别算法，例如可以采用基于心电信号形态学分析的心律识别算法，或者基于心电信号进行时域和频域分析的心律识别算法，或者将心电特征数据输入到训练好的卷积神经网络或二分类网络中，进行心律识别等等，该算法也可以是上述算法的一个组合，或者上述算法与其他算法的组合。
87.所述扩充模型库主要针对于固有心律识别算法很可能存在误判的情况，例如，医疗设备的固有心律识别算法可能会误将无需除颤的心律识别结果识别为可除颤的心律识别结果，并指导除颤机构执行除颤动作，给佩戴者造成不适，或者医疗设备的固有心律识别算法也可能会误将需要除颤的心律识别结果识别为无需除颤的心律识别结果，耽误最佳治疗时机。
88.由于所述扩充模型库是针对固有心律识别算法的补强，其无需构建如固有心律识别算法一样的完整的复杂算法架构体系。在该实施例中，预留一个扩充模型库的接口。所述扩充模型库在出厂时可以是空的，即其中没有设置心律识别规则。如果后续没有发现需要补强的规则，则所述扩充模型库可以保持为空。在后续使用过程中发现需要补强的规则时，
所述扩充模型库可以包括至少一条心律识别规则，每条所述心律识别规则包括心电特征条件和识别判定结果。所述识别判定结果为当满足所述心电特征条件时的医生识别结果，其一般为与医疗设备的固有心律识别算法的识别结果不同的结果。例如，当心电特征条件满足一心律识别规则时，如果采用所述固有心律识别算法进行识别，得到的结果为可除颤识别结果，该结果很大概率是误判的，则所述心律识别规则中的识别判定结果为不可除颤识别结果，如果采用所述固有心律识别算法进行识别，得到的结果为不可除颤识别结果，该结果很大概率是误判的，则所述心律识别规则中的识别判定结果为可除颤识别结果。因此，通过该扩充模型库可以对固有心律识别算法识别有误的情况进行纠正。
89.所述心电特征条件例如可以包括一种或多种心电特征的数值范围条件和/或多种心电特征的数值范围之间的关系。心电特征的数值范围条件可以包括一个心电特征的数值范围条件，例如一心律识别规则的心电特征条件包括心率在(x1，x2)之间，x1和x2的值可以根据需要选择设定。心电特征的数值范围条件也可以包括两个或更多个心电特征的数值范围条件的组合，例如一心律识别规则的心电特征条件包括心率在(x1，x2)之间，且qrs脉宽在(y1，y2)之间，y1和y2的值也可以根据需要选择设定。多种心电特征的数值范围之间的关系例如可以包括p-p间期是r-r间期的m1倍，或者特征a的值是特征b的值和特征c的值的组合值等，m1的值也可以根据需要选择设定。心电特征的数值范围条件与多种心电特征的数值范围之间的关系也可以进行组合，例如一心律识别规则的心电特征条件包括心率在(x1，x2)之间，且p-p间期是r-r间期的m1倍。此处仅对几种心律识别规则的心电特征条件进行了举例，而不作为本发明保护范围的限制。所述扩充模型库例如可以表的形式存储每条所述心律识别规则，每行表示一条心律识别规则，对应包括心电特征条件列和识别判定结果列。
90.在所述固有心律识别算法完善度很高、识别准确率很高的情况下，所述扩充模型库中的心律识别规则也会相对较少，只有个别需要补强的规则，在所述固有心律识别算法版本比较老旧或存在多种突发情况时，所述扩充模型库中可能有较多的心律识别规则。此外，所述扩充模型库还可以根据需要进行更新，使得所述医疗设备的存储器中始终存储有最新的扩充模型库。
91.如图2所示，在该实施例中，所述步骤s300：基于所述待识别的心电特征数据和预存的扩充模型库，获取第二心律识别结果，包括如下步骤：
92.s310：判断所述扩充模型库中是否存在至少一条心律识别规则；
93.如果不存在，则继续s320：将第二心律识别结果设定为未匹配；
94.如果存在，继续根据所述心律识别规则和所述待识别的心电特征数据，获取第二心律识别结果。
95.如图2所示，在该实施例中，所述步骤s300：基于所述待识别的心电特征数据和预存的扩充模型库，获取第二心律识别结果中，所述扩充模型库中存在心律识别规则时，根据所述心律识别规则和所述待识别的心电特征数据，获取第二心律识别结果的过程包括如下步骤：
96.s330：判断所述待识别的心电特征数据是否符合各条所述心律识别规则中的心电特征条件；
97.例如，一心律识别规则的心电特征条件包括心率在(x1，x2)之间，且qrs脉宽在(y1，y2)之间，则判断所述待识别的心电特征数据中的心率和qrs脉宽是否符合对应的数值
范围，如果是，则所述待识别的心电特征数据符合该心律识别规则，如果否，则所述待识别的心电特征数据不符合该心律识别规则；
98.如果所述待识别的心电特征数据符合一所述心律识别规则中的心电特征条件，则说明采用固有心律识别算法对当前心电特征数据进行的识别结果有一定概率是有误的，则继续s340：将该符合的心律识别规则的识别判定结果作为所述第二心律识别结果；
99.例如，所述待识别的心电特征数据符合心率在(x1，x2)之间，且qrs脉宽在(y1，y2)之间的心律识别规则，则将该心律识别规则的识别判定结果作为第二心律识别结果；
100.如果所述待识别的心电特征数据不符合所有心律识别规则中的心电特征条件，则继续s320：将第二心律识别结果设定为未匹配。
101.如图3所示，在该实施例中，所述步骤s400：基于所述第一心律识别结果和所述第二心律识别结果，获取最终心律识别结果，包括如下步骤：
102.s410：判断所述第二心律识别结果是否为未匹配；
103.如果是，说明采用固有心律识别算法对当前心电特征数据进行的识别结果应该是准确的，则继续s420：将所述第一心律识别结果作为所述最终心律识别结果；
104.如果否，说明对于当前心电特征数据，采用固有心律识别算法进行识别的结果有一定概率是误判的，需要结合第二心律识别结果来进行识别结果的修改，则继续s430：综合所述第一心律识别结果和所述第二心律识别结果，生成最终心律识别结果。
105.在该实施例中，所述步骤s430：综合所述第一心律识别结果和所述第二心律识别结果，生成最终心律识别结果，包括如下步骤：
106.s431：分别获取所述第一心律识别结果和所述第二心律识别结果的第一权重和第二权重；
107.s432：将所述第一心律识别结果和所述第二心律识别结果加权求平均，得到所述最终心律识别结果，即根据如下公式计算最终心律识别结果：
108.a＝(a1*k1+a2*k2)/(k1+k2)
109.其中，a为最终心律识别结果，a1为第一心律识别结果，k1为第一权重，a2为第二心律识别结果，k2为第二权重。
110.在该实施例中，心律识别结果为一个心律识别评分。例如，预设心律识别评分的范围为0～5，心律识别评分为0表示当前心律为恶性心律的可能性最小，即当前心律确定为不可除颤心律，心律识别评分为5时表示当前心律为恶性心律的可能性最大，即当前心律确定为可除颤心律，而心律识别评分为介于0到5之间的其他数值时，评分值越大，当前心律为恶性心律的可能性越大。可以设定一个评分阈值，当心律识别评分大于或等于该评分阈值时，即确定为可除颤心律，当心律识别评分小于该评分阈值时，即确定为不可除颤心律。医疗设备是心脏除颤器时，根据最终心律识别结果的评分值来确定是否执行除颤动作。
111.所述第一心律识别结果为采用固有心律识别算法获得的评分值，其可能为0～5中的任一数值。而第二心律识别结果则为固定的0或5，即所述心律识别规则中设定的识别判定结果只有两种情况，一种为确定为不可除颤心律，即对应识别判定结果为0，另一种为确定为可除颤心律，即对应识别判定结果为5。
112.所述第一权重和所述第二权重的值的大小决定了第二心律识别结果对最终心律识别结果的影响程度的大小。例如，第一权重等于第二权重时，最终心律识别结果的评分值
即为第一心律识别结果和第二心律识别结果加和后除以2的结果。第一权重大于第二权重时，最终心律识别结果的评分值即受第一心律识别结果的影响更大，第一权重小于第二权重时，最终心律识别结果的评分值即受第二心律识别结果的影响更大。第二权重为0时，则最终心律识别结果仍然完全依赖固有心律识别算法的第一心律识别结果。第一权重为0时，则最终心律识别结果完全依赖于后期更新纠正的扩充模型库的第二心律识别结果。
113.在该实施例中，所述第二权重的大小在所述扩充模型库中预先设定，并且具体对应于每条心律识别规则。所述步骤s431：分别获取所述第一心律识别结果和所述第二心律识别结果的第一权重和第二权重，包括如下步骤：
114.获取所述符合的心律识别规则的权重，作为所述第二心律识别结果的第二权重；
115.基于所述第二权重确定所述第一心律识别结果的第一权重，使所述第一权重和所述第二权重值的和为预设权重总和。例如，预设权重总和为1，第一权重和第二权重均是介于0和1之间的数值，且第一权重和第二权重的和为1，当第二权重设为0时，第一权重即为1，第二权重设为50％时，第一权重即为50％，第二权重设为1时，第一权重即为0。
116.由于如上所述，第二权重的大小决定了第二心律识别结果对最终心律识别结果的影响大小，因此，第二权重的大小优选与该心律识别规则与误判结果之间的关联强度有关。该心律识别规则与误判结果之间的关联强度越大，即说明当心电特征数据符合该心律识别规则时，采用固有心律识别算法得到的第一心律识别结果发生误判的可能性也就越大，则第二权重也就需要设定得越大，该心律识别规则与误判结果之间的关联强度越小，即说明当心电特征数据符合该心律识别规则时，采用固有心律识别算法得到的第一心律识别结果发生误判的可能性也就越小，则第二权重也就可以设定得越小。具体地，第二权重的可选设定方式将在下文中进一步进行介绍。
117.如图4所示，本发明实施例还提供一种医疗设备m100，包括：处理器m110；存储器m120，其中存储有所述固有心律识别算法、所述扩充模型库以及所述处理器的可执行指令。其中，所述处理器配置为经由执行所述可执行指令来执行所述心律识别方法的步骤。所述处理器m110可以采用mcu实现，所述存储器m120可以为医疗设备m100的mcu自身的存储区、外部存储设备、各种rom存储器、各种flash存储器等。
118.本发明通过在医疗设备m100中预存扩充模型库，无需对医疗设备m100的存储器中存储的固有心律识别算法进行更新，并且通过扩充模型库可以对固有心律识别算法进行补强，灵活应对医疗设备m100上市后所面临的算法升级需求，提高了心电监测的准确性和安全性，有效避免改动固有心律识别算法架构带来的额外风险，通过对扩充模型库的补充，可以灵活应对各种特殊情况，升级方式简单快速。
119.进一步地，所述医疗设备m100还可以进一步包括通信模块m130，用于与外部设备进行通信。在所述医疗设备m100刚出厂上市时，所述存储器m120中可能只存储有固有心律识别算法和所述处理器的可执行指令。随着所述医疗设备m100的推广应用，在使用过程中，可能会发现之前固有心律识别算法中的一些漏洞，则可以形成扩充模型库数据，并发送给所述医疗设备m100，所述医疗设备m100通过所述通信模块m130接收到所述扩充模型库数据后，存储在所述存储器m120中，作为预存的扩充模型库。
120.该实施例中，所述心律识别方法还包括如下步骤：
121.所述医疗设备从外部设备接收到扩充模型库数据，存储于本地作为预存的扩充模
型库。
122.具体地，所述医疗设备接收到扩充模型库数据后，判断本地的存储器中是否已经存储有扩充模型库数据，如果没有，则将所述扩充模型库数据存储于本地的存储器作为预存的扩充模型库，如果有，则基于所述扩充模型库数据更新本地的存储器中的扩充模型库。在更新本地的存储器中的扩充模型库时，可以每次进行扩展更新，例如在原有扩充模型库的基础上增加近期新生成的心律识别规则，也可以每次对扩充模型库进行整体更新，即对每次更新的扩展模型库设置版本号，将旧版本号的扩展模型库整体替换为新的扩展模型库。
123.进一步地，所述医疗设备还可以将实时采集到的心电监测记录向外发送出去，由外部设备进行数据的采集和进一步的大数据分析。在该实施例中，所述心律识别方法还包括如下步骤：
124.所述医疗设备将心电监测记录发送至外部设备，所述心电监测记录包括心电特征数据和设备识别结果，并且可以包括所述医疗设备采集到的原始心电图数据。所述心电特征数据中的心电特征类别可以包括心率、心电信号整体及局部形态、qrs脉宽、p-p间期、r-r间期、p-r间期中的一种或多种，且不限于此处列举的心电特征类别，所述设备识别结果就是采用所述医疗设备的固有心律识别算法对所述心电特征数据进行处理后，得到的第一心律识别结果。
125.具体地，所述外部设备可以包括程控仪和算法服务器。所述医疗设备为体内医疗设备时，所述程控仪与所述医疗设备通过无线通信的方式进行通信，所述医疗设备为体外医疗设备时，所述程控仪可以与所述医疗设备通过有线通信的方式或无线通信的方式进行通信。无线通信的方式包括但不限于wifi、蓝牙、射频、收发线圈等。所述程控仪从所述医疗设备定期获取心电监测记录，并且进一步将包括有原始心电图数据的心电监测记录发送至云端的算法服务器，所述云端的算法服务器基于所述心电监测记录以及医生的再次判断生成最新的扩充模型库数据后，可以将最新的扩充模型库数据通过所述程控仪下发到各个所述医疗设备中。所述程控仪与所述云端的算法服务器也可以通过无线通信方式传递数据，方式包括但不限于wifi、蓝牙、4g等。
126.如图5所示，本发明实施例还提供一种医疗系统，包括：
127.程控仪m200，用于将扩充模型库数据发送至医疗设备m100，以及从所述医疗设备m100获取心电监测记录，所述心电监测记录包括心电特征数据和设备识别结果，并且可以进一步包括所述医疗设备m100采集的原始心电图数据；
128.所述医疗设备m100，用于将心电监测记录发送至所述程控仪m200，以及从所述程控仪m200接收到扩充模型库数据，存储于本地作为预存的扩充模型库；以及
129.所述算法服务器m300，用于从所述程控仪m200获取所述医疗设备m100的心电监测记录，将所述心电监测记录发送到医生端，医生端可以根据原始心电图数据来进行判定，所述算法服务器m300获取医生端的对应医生识别结果，生成多条心电事件记录，每条所述心电事件记录包括心电特征数据、设备识别结果和医生识别结果，以及根据所述心电事件记录生成扩充模型库数据后，通过所述程控仪m200下发给各个所述医疗设备m100。
130.本发明的医疗系统中，通过在医疗设备m100中预存扩充模型库，无需对医疗设备m100的存储器中存储的固有心律识别算法进行更新，并且通过扩充模型库可以对固有心律
识别算法进行补强，灵活应对医疗设备m100上市后所面临的算法升级需求，提高了心电监测的准确性和安全性，有效避免改动固有心律识别算法架构带来的额外风险，通过对扩充模型库的补充，可以灵活应对各种特殊情况，升级方式简单快速。所述扩充模型库可以由算法服务器m300采集多个医疗设备m100的心电监测记录来充分挖掘得到扩充模型库，可以及时准确地对固有心律识别算法进行补充。
131.因此，本发明的医疗系统中，云端的算法服务器m300可以将收集到的心电监测记录反馈给医生端。具体地，可以根据心电监测记录获取特定心电事件(例如执行了除颤动作、发现需除颤高危因素等)，然后将特定心电事件前后一段时间的心电监测记录仪器发送到医生端。医生可以根据接收到的心电监测记录来给出一个心律识别判断的识别结果，该医生识别结果一般只有两种情况，即为不可除颤心律或者为可除颤心律。然后云端服务器可以将医疗设备的固有心律识别算法的设备识别结果与医生识别结果进行比对，重点关注设备识别结果和医生识别结果不同的那些心电事件记录，对这些心电事件记录的数据进行挖掘，基于大数据的分析方法，定位潜在的算法漏洞，得到扩充模型库。
132.在该实施例中，对这些心电事件记录的数据进行挖掘的核心思想在于：筛选出设备识别结果和医生识别结果不同的那些心电事件记录后，分析这些心电事件记录中的心电特征数据，利用统计学原理，试图寻找其共同特性，以找出固有心律识别算法的漏洞。当发现符合某些心电特征条件的心电事件记录对应的算法误判率异常增高时，基于这些心电特征条件形成心律识别规则，并且该心律识别规则中的识别判定结果为所对应的医生识别结果，即以医生识别结果为准。
133.下面结合图6具体介绍该实施例中通过数据挖掘形成扩充模型库的方法。在该实施例中，所述心律识别方法还包括如下步骤：
134.s810：所述程控仪采集所述医疗设备的心电监测记录，并发送至所述算法服务器，所述程控仪采集心电监测记录，可以是周期性定期采集，也可以是在所述医疗设备发生了特定心电事件时主动向所述程控仪发送所述心电事件前后一段时间的心电监测记录，也可以是，所述医疗设备发生了特定心电事件时在本地存储心电事件前后一段时间的心电监测记录，并由程控仪定期或不定期地读取；
135.s820：所述算法服务器采集多个医疗设备的心电监测记录，并获取对应的医生识别结果，得到对应于多个医疗设备的多条心电事件记录，每条所述心电事件记录包括心电特征数据、设备识别结果和医生识别结果；
136.s830：所述算法服务器提取设备识别结果与医生识别结果不同的心电事件记录，作为误判心电事件记录；而对于设备识别结果与医生识别结果相同的心电事件记录，可以标记为非误判心电事件记录；
137.s840：所述算法服务器基于所述误判心电事件记录生成心律识别规则，作为扩充模型库数据，其中，每条心律识别规则中，识别判定结果对应于医生识别结果。在步骤s840中，如果基于所述误判心电事件记录可以总结出需要补强的算法规律，则生成至少一条心律识别规则，如果无法总结出需要补强的算法规律，或者无需对目前的固有心律识别算法进行补强，则无需生成心律识别规则。
138.具体地，所述步骤s840中，所述算法服务器对所述误判心电事件记录的分析即为对所述误判心电事件记录中的心电特征数据寻找规律，基于数据统计和数据挖掘的方法来
寻找在满足什么样的心电特征条件时，最可能发生误判。此处对规律的寻找可以采用现有的数据统计分析的方法，例如可以因子分析法等方法。采用因子分析法时，将每个心电特征作为一个因子，对于每个因子，判断是否存在其处于某一个范围时，误判概率特别高的情况，具体可以将每个因子的数值范围划分为多个分段，基于每个分段出现误判的次数生成直方图来进行分析。对于两个或更多个因子，判断是否存在两个或更多个因子同时满足特定条件时，误判概率高的情况，同样也可以采用直方图或其他统计方法来分析，以及是否存在因子之间具有特定关系时，误判概率特别高的情况，同样也可以采用直方图或其他统计方法来分析。在其他可替代的实施方式中，所述数据挖掘和分析也可以通过机器学习模型和/或人工判别来实现。因此，也可以直接由人工对所述心电事件记录进行分析，综合评判得到多条心律识别规则。
139.进一步地，在寻找到所对应的心电特征条件之后，还需要进一步根据非误判心电事件记录来进行验证，即判断这些心电特征条件所对应的规律是否不存在于非误判心电事件记录中，如果不存在于非误判心电事件记录，则可将对应的心电特征条件和医生识别结果作为一心电识别规则，如果存在于非误判心电事件记录，则可以根据该心电特征条件在误判心电事件记录中出现的概率和非误判心电事件记录中出现的概率来决定是否将其作为心电识别规则。如果根据心电事件记录来看，该心电特征条件出现误判的次数远大于不误判的次数，则可以将其作为一心电识别规则。如果该心电特征条件出现误判的次数远小于不误判的次数，则不将其作为一心电识别规则。如果该心电特征条件出现误判的次数与不出现误判的次数相差不多，则可以根据具体情况设定该心电特征条件所对应的心律识别规则的权重值。
140.在该实施例中，所述步骤s840：基于所述误判心电事件记录生成心律识别规则之后，还包括如下步骤：
141.s850：所述算法服务器基于所述误判心电事件记录分析每条所述心律识别规则与误判结果之间的关联强度；
142.s860：所述算法服务器基于所述关联强度设定每条所述心律识别规则的权重，所述关联强度与所述心律识别规则的权重正相关，所述关联强度越高，所述心律识别规则的权重越大，所述关联强度越低，所述心律识别规则的权重越小。
143.所述关联强度的强弱主要有两个影响因素，一个影响因素是当满足所述心律识别规则的心电特征条件时发生误判的概率，这一点可以通过心电事件记录中满足该心电特征条件时发生误判的次数与满足该心电特征条件的所有心电事件记录的条数的比值获得，另一个影响因素是严重程度，这一点也可以由人工(医疗设备维护人员和/或医生)判断，即当该心电特征条件发生误判时可能产生的危害程度。所述关联强度的值可以由所述发生误判的概率和所述严重程度加权求和得到。并且可以预设所述关联强度的值与所述权重的映射表，当确定所述关联强度的值时，查询得到对应的权重值。该权重值即影响了当发生符合该心电特征条件时，心律识别规则中的识别判定结果对最终心律识别结果的影响程度的大小，并且可能直接影响最终是否执行除颤操作的判断。
144.例如，如上文中举例，预设心律识别评分的范围为0～5，心律识别评分为0表示当前心律为恶性心律的可能性最小，即当前心律确定为不可除颤心律，心律识别评分为5时表示当前心律为恶性心律的可能性最大，即当前心律确定为可除颤心律，而心律识别评分为
介于0到5之间的其他数值时，评分值越大，当前心律为恶性心律的可能性越大。预设心律识别结果的评分为4分及以上时，识别到的为恶性心律，即可除颤心律。假设某一次识别时，第一心律识别结果为4.5，即识别到为可除颤心律，第二心律识别结果为0。如果第二心律识别结果的权重为0，则最终心律识别结果为4.5，即不受第二心律识别结果影响。如果第二心律识别结果的权重为50％，第一心律识别结果的权重为50％，则最终心律识别结果为(4.5+0)*50％＝2.25，即变为了不可除颤心律。
145.在该实施例中，所述医疗设备可以是一个单独的心脏监测设备，也可以是一个继承了心脏监测和除颤功能的心脏除颤器。当所述医疗设备为心脏除颤器时，所述医疗设备可以根据步骤s400得到的最终心律识别结果确定是否执行除颤动作，并且所述医疗设备可以将上述心律识别方法中的步骤s100～s200和步骤s100～s400分别用于第一次判断恶性心律是否发生以及预充电后的恶性心律是否持续的两个阶段的判断。
146.如图7所示，本发明实施例还提供一种心脏除颤方法，包括如下步骤：
147.s910：所述医疗设备执行所述的心律识别方法中的步骤s100～s200，获取第一心律识别结果；
148.s920：所述医疗设备判断所述第一心律识别结果是否为可除颤识别结果；例如，所述心律识别结果为一个评分时，判断所述评分是否满足预设的可除颤识别结果对应的评分范围要求；
149.如果所述第一心律识别结果为可除颤识别结果，则s930：所述医疗设备对除颤执行机构进行预充电；
150.如果所述第一心律识别结果为不可除颤识别结果，则s940：等待检测到下一次可除颤心律；
151.预充电完成后，s950：所述医疗设备执行所述的心律识别方法中的步骤s100～s400，获取最终心律识别结果；
152.s970：所述医疗设备判断所述最终心律识别结果是否为可除颤识别结果；同样地，例如，所述心律识别结果为一个评分时，判断所述评分是否满足预设的可除颤识别结果对应的评分范围要求；
153.如果所述最终心律识别结果为可除颤识别结果，则s970：所述医疗设备控制所述除颤执行机构进行除颤；
154.如果所述最终心律识别结果为不可除颤识别结果，则s980：不执行除颤，对所述除颤执行机构进行能量内部泄放，并且s940：等待检测到下一次可除颤心律。
155.通过采用本发明的心脏除颤方法，通过采用上述的心律识别方法来获取更加准确的心律识别结果，可以有效避免对心电特征数据的误判，避免在无需除颤时因为误判而错误地执行除颤动作，也避免因为误判而漏掉了需要执行除颤的心电事件，提高了医疗设备使用的准确性和安全性。
156.以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。