起搏脉冲的检测方法、装置及终端设备与流程

本技术属于计算机应用，尤其涉及一种起搏脉冲的检测方法、装置、终端设备及计算机可读存储介质。

背景技术：

1、植入心脏起搏器是治疗缓慢性心律失常的主要方式。自首次人体植入起搏器以来，植入式起搏器挽救了数百万人的生命。在心电图上检测起搏脉冲是患者监护系统中的重要部分，其目的是准确识别心电图中起搏脉冲，并将该脉冲从要分析的心电信号中去除。如果没有正确识别出起搏脉冲，则起搏脉冲可能会被检测为qrs波，从而导致计算的心率较高以及错误的报警信号。另外，也可能在真正低心率时缺乏心动过缓或停搏的警报。此外，如果将噪声误检为起搏脉冲，则会导致对qrs波的分类不准确，引起不恰当的心律失常报警，也会使心电图难以解释。因此，准确的识别起搏信号对心电图的判断尤为重要。

2、相关技术中，当前的心电图设备大多数使用单通道记录起搏信号。单通道记录检测起搏信号本身存在限制，其可能会误将工频信号或导联脱落信号误检为起搏信号，并且起搏信号复杂多变，还容易受外界噪声的干扰，因此很容易发生起搏脉冲的漏检和误检。

技术实现思路

1、本技术实施例提供了一种起搏脉冲的检测方法、装置、终端设备及存储介质，可以解决现有技术中使用单通道记录检测起搏信号存在的误检和漏检的问题。

2、第一方面，本技术实施例提供了一种起搏脉冲的检测方法，包括：获取用户的第一起搏信号及第二起搏信号，其中，第一起搏信号及第二起搏信号是通过不同的起搏信号监测通道采集的；对第一起搏信号及第二起搏信号分别进行峰值筛选，以确定第一起搏信号及第二起搏信号中包含的各个候选峰值信号段；对各个候选峰值信号段进行特征提取，以确定各个候选峰值信号段对应的峰值特征；

3、对各个峰值特征进行聚类处理，以确定第一起搏信号和/或第二起搏信号分别包含的起搏脉冲。

4、在第一方面一种可能的实现方式中，上述峰值特征包括归整路径距离(warp pathdistance，wpd)特征；相应的，上述对各个候选峰值信号段进行特征提取，以确定各个候选峰值信号段对应的峰值特征，包括：

5、获取各个候选峰值信号段对应的时序特征；

6、根据各个候选峰值信号对应的时序特征，确定第一候选峰值信号段对应的第二候选峰值信号段，其中，第一候选峰值信号段为第一起搏信号中包含的任一候选峰值信号段，第二候选峰值信号段为第二起搏信号中包含的任一候选峰值信号段，第一候选峰值信号段对应的时序特征与第二候选峰值信号段对应的时序特征匹配；

7、根据动态时间规整(dynamic time warping，dtw)算法，计算第一候选峰值信号段与第二候选峰值信号段之间的wpd；

8、将第一候选峰值信号段与第二候选峰值信号段之间的wpd，确定为第一候选峰值信号段对应的wpd特征及第二候选峰值信号段对应的wpd特征。

9、可选的，在第一方面另一种可能的实现方式中，上述峰值特征还包括统计量特征，每个候选峰值信号段包含n个采样点，n为大于1的整数；相应的，上述将第一候选峰值信号段与第二候选峰值信号段之间的wpd，确定为第一候选峰值信号段对应的wpd特征及第二候选峰值信号段对应的wpd特征之后，还包括：

10、对每个候选峰值信号段包含的n个采样点进行统计，以分别生成每个候选峰值信号段对应的统计量特征。

11、可选的，在第一方面再一种可能的实现方式中，上述统计量特征包括以下特征中的至少一种：均值、极差、方差、标准差、变异系数。

12、可选的，在第一方面又一种可能的实现方式中，上述对各个峰值特征进行聚类处理，以确定第一起搏信号和/或第二起搏信号分别包含的起搏脉冲，包括：

13、根据每个候选峰值信号段对应的峰值特征，分别生成每个候选峰值信号段对应的特征向量；

14、利用预设聚类模型对各个特征向量进行聚类处理，以确定各个候选峰值信号段对应的峰值类别，其中，峰值类别包括起搏脉冲峰值、噪声峰值及干扰峰值；

15、将峰值类别为起搏脉冲峰值的候选峰值信号段，确定为起搏脉冲。

16、可选的，在第一方面又一种可能的实现方式中，上述将峰值类别为起搏脉冲峰值的候选峰值信号段，确定为起搏脉冲之后，还包括：

17、确定各个候选峰值信号段中的远端峰值信号段；

18、根据各个远端峰值信号段对应的峰值类别以及各个远端峰值信号段对应的斜率，对起搏脉冲进行校验。

19、可选的，在第一方面另一种可能的实现方式中，上述根据各个远端峰值信号段对应的峰值类别以及各个远端峰值信号段对应的斜率，对起搏脉冲进行校验，包括：

20、在任一远端峰值信号段对应的峰值类别为起搏脉冲峰值、且任一远端峰值信号段对应的斜率的绝对值小于斜率阈值的情况下，将任一远端峰值信号段从起搏脉冲中去除；

21、在任一远端峰值信号段对应的峰值类别为噪声峰值或干扰峰值、且任一远端峰值信号段对应的斜率的绝对值大于或等于斜率阈值的情况下，将任一远端峰值信号段确定为起搏脉冲。

22、可选的，在第一方面再一种可能的实现方式中，上述确定各个候选峰值信号段中的远端峰值信号段，包括：

23、确定各个候选峰值信号段对应的聚类中心，以及各个候选峰值信号段与对应的聚类中心之间的距离；

24、在任一候选峰值信号段与对应的所述聚类中心之间的距离大于或等于距离阈值的情况下，将任一候选峰值信号段确定为远端峰值信号段。

25、可选的，在第一方面又一种可能的实现方式中，上述第一起搏信号及第二起搏信号均包含多个采样点；相应的，上述对第一起搏信号及第二起搏信号分别进行峰值筛选，以确定第一起搏信号及第二起搏信号中包含的各个候选峰值信号段，包括：

26、确定参考起搏信号中的各个采样点对应的信号值及斜率，其中，参考起搏信号为第一起搏信号及第二起搏信号中的任一起搏信号；

27、根据参考起搏信号中的各个采样点对应的信号值及斜率，确定参考起搏信号中包含的候选峰值点；

28、将候选峰值点与候选峰值点对应的n-1个相邻采样点构成的信号段，确定为参考起搏信号中包含的候选峰值信号段，其中，n为大于1的整数；

29、根据候选峰值信号段在参考起搏信号中的时序，确定另一起搏信号中包含的候选峰值信号段，其中，另一起搏信号是指第一起搏信号及第二起搏信号中与参考起搏信号不同的起搏信号。

30、可选的，在第一方面又一种可能的实现方式中，上述斜率包括左斜率及右斜率；相应的，上述根据参考起搏信号中的各个采样点对应的信号值及斜率，确定参考起搏信号中包含的候选峰值点，包括：

31、在任一采样点对应的信号值大于或等于幅度阈值、且任一采样点对应的左斜率与右斜率的符号相反时，将任一采样点确定为候选峰值点。

32、可选的，在第一方面另一种可能的实现方式中，在第一起搏信号对应的平均信号值大于或等于第二起搏信号对应的平均信号值的情况下，参考起搏信号为第一起搏信号；在第一起搏信号对应的平均信号值小于第二起搏信号对应的平均信号值的情况下，参考起搏信号为第二起搏信号。

33、可选的，在第一方面再一种可能的实现方式中，上述对各个峰值特征进行聚类处理，以确定第一起搏信号和/或第二起搏信号分别包含的起搏脉冲，包括：

34、利用用户对应的起搏检测模型对各个峰值特征进行聚类处理，以确定第一起搏信号和/或第二起搏信号分别包含的起搏脉冲。

35、可选的，在第一方面又一种可能的实现方式中，上述方法，还包括：

36、采集用户在第一时间段内的起搏信号数据作为第一训练数据；

37、根据第一训练数据更新起搏检测模型。

38、可选的，在第一方面又一种可能的实现方式中，上述根据第一训练数据更新起搏检测模型，包括：

39、将第一训练数据输入至起搏检测模型，以确定第一起搏脉冲识别结果；

40、在第一起搏脉冲识别结果未符合准确度条件的情况下，将第一训练数据与起搏检测模型对应的原始训练数据集合并，以得到目标训练数据集，其中，原始训练数据集中包含多个原始训练数据，目标训练数据集中包含多个目标训练数据，原始训练数据及目标训练数据均为起搏信号；

41、利用目标训练数据集对起搏检测模型进行重新训练，以更新起搏检测模型。

42、可选的，在第一方面另一种可能的实现方式中，上述在目标训练数据集的数据量大于数据量阈值时，上述利用目标训练数据集对起搏检测模型进行重新训练，以更新起搏检测模型，包括：

43、对目标训练数据集进行抽样，以生成多个子数据集；

44、分别利用多个子数据集对起搏检测模型进行重新训练，以生成多个更新后的子起搏检测模型，其中，更新后的起搏检测模型是由多个更新后的子起搏检测模型构成的。

45、第二方面，本技术实施例提供了一种起搏脉冲的检测装置，包括：第一获取模块，用于获取第一起搏信号及第二起搏信号，其中，第一起搏信号及第二起搏信号是通过不同的起搏信号监测通道采集的；第一确定模块，用于对第一起搏信号及第二起搏信号分别进行峰值筛选，以确定第一起搏信号及第二起搏信号中包含的各个候选峰值信号段；第二确定模块，用于对各个候选峰值信号段进行特征提取，以确定各个候选峰值信号段对应的峰值特征；第三确定模块，用于对各个峰值特征进行聚类处理，以确定第一起搏信号和/或第二起搏信号分别包含的起搏脉冲。

46、在第二方面一种可能的实现方式中，上述峰值特征包括wpd特征；相应的，上述第二确定模块，包括：

47、第一获取单元，用于获取各个候选峰值信号段对应的时序特征；

48、第一确定单元，用于根据各个候选峰值信号对应的时序特征，确定第一候选峰值信号段对应的第二候选峰值信号段，其中，第一候选峰值信号段为第一起搏信号中包含的任一候选峰值信号段，第二候选峰值信号段为第二起搏信号中包含的任一候选峰值信号段，第一候选峰值信号段对应的时序特征与第二候选峰值信号段对应的时序特征匹配；

49、第一计算单元，用于根据dtw算法，计算第一候选峰值信号段与第二候选峰值信号段之间的wpd；

50、第二确定单元，用于将第一候选峰值信号段与第二候选峰值信号段之间的wpd，确定为第一候选峰值信号段对应的wpd特征及第二候选峰值信号段对应的wpd特征。

51、可选的，在第二方面另一种可能的实现方式中，上述峰值特征还包括统计量特征，每个候选峰值信号段包含n个采样点，n为大于1的整数；相应的，上述第二确定模块，还包括：

52、第一统计单元，用于对每个候选峰值信号段包含的n个采样点进行统计，以分别生成每个候选峰值信号段对应的统计量特征。

53、可选的，在第二方面再一种可能的实现方式中，上述统计量特征包括以下特征中的至少一种：均值、极差、方差、标准差、变异系数。

54、可选的，在第二方面又一种可能的实现方式中，上述第三确定模块，包括：

55、第一生成单元，用于根据每个候选峰值信号段对应的峰值特征，分别生成每个候选峰值信号段对应的特征向量；

56、第三确定单元，用于利用预设聚类模型对各个特征向量进行聚类处理，以确定各个候选峰值信号段对应的峰值类别，其中，峰值类别包括起搏脉冲峰值、噪声峰值及干扰峰值；

57、第四确定单元，用于将峰值类别为起搏脉冲峰值的候选峰值信号段，确定为起搏脉冲。

58、可选的，在第二方面又一种可能的实现方式中，上述第三确定模块，还包括：

59、第五确定单元，用于确定各个候选峰值信号段中的远端峰值信号段；

60、第一校验单元，用于根据各个远端峰值信号段对应的峰值类别以及各个远端峰值信号段对应的斜率，对起搏脉冲进行校验。

61、可选的，在第二方面另一种可能的实现方式中，上述第一校验单元，具体用于：

62、在任一远端峰值信号段对应的峰值类别为起搏脉冲峰值、且任一远端峰值信号段对应的斜率的绝对值小于斜率阈值的情况下，将任一远端峰值信号段从起搏脉冲中去除；

63、在任一远端峰值信号段对应的峰值类别为噪声峰值或干扰峰值、且任一远端峰值信号段对应的斜率的绝对值大于或等于斜率阈值的情况下，将任一远端峰值信号段确定为起搏脉冲。

64、可选的，在第二方面再一种可能的实现方式中，上述第五确定单元，具体用于：

65、确定各个候选峰值信号段对应的聚类中心，以及各个候选峰值信号段与对应的聚类中心之间的距离；

66、在任一候选峰值信号段与对应的所述聚类中心之间的距离大于或等于距离阈值的情况下，将任一候选峰值信号段确定为远端峰值信号段。

67、可选的，在第二方面又一种可能的实现方式中，上述第一起搏信号及第二起搏信号均包含多个采样点；相应的，上述第一确定模块，包括：

68、第六确定单元，用于确定参考起搏信号中的各个采样点对应的信号值及斜率，其中，参考起搏信号为第一起搏信号及第二起搏信号中的任一起搏信号；

69、第七确定单元，用于根据参考起搏信号中的各个采样点对应的信号值及斜率，确定参考起搏信号中包含的候选峰值点；

70、第八确定单元，用于将候选峰值点与候选峰值点对应的n-1个相邻采样点构成的信号段，确定为参考起搏信号中包含的候选峰值信号段，其中，n为大于1的整数；

71、第九确定单元，用于根据候选峰值信号段在参考起搏信号中的时序，确定另一起搏信号中包含的候选峰值信号段，其中，另一起搏信号是指第一起搏信号及第二起搏信号中与参考起搏信号不同的起搏信号。

72、可选的，在第二方面又一种可能的实现方式中，上述斜率包括左斜率及右斜率；相应的，上述第七确定单元，具体用于：

73、在任一采样点对应的信号值大于或等于幅度阈值、且任一采样点对应的左斜率与右斜率的符号相反时，将任一采样点确定为候选峰值点。

74、可选的，在第二方面另一种可能的实现方式中，在第一起搏信号对应的平均信号值大于或等于第二起搏信号对应的平均信号值的情况下，参考起搏信号为第一起搏信号；在第一起搏信号对应的平均信号值小于第二起搏信号对应的平均信号值的情况下，参考起搏信号为第二起搏信号。

75、可选的，在第二方面再一种可能的实现方式中，上述第三确定模块，包括：

76、第十确定单元，用于利用用户对应的起搏检测模型对各个峰值特征进行聚类处理，以确定第一起搏信号和/或第二起搏信号分别包含的起搏脉冲。

77、可选的，在第二方面又一种可能的实现方式中，上述装置，还包括：

78、第一采集模块，用于采集用户在第一时间段内的起搏信号数据作为第一训练数据；

79、第一更新模块，用于根据第一训练数据更新起搏检测模型。

80、可选的，在第二方面又一种可能的实现方式中，上述第一更新模块，包括：

81、第十一确定单元，用于将第一训练数据输入至起搏检测模型，以确定第一起搏脉冲识别结果；

82、第一合并单元，用于在第一起搏脉冲识别结果未符合准确度条件的情况下，将第一训练数据与起搏检测模型对应的原始训练数据集合并，以得到目标训练数据集，其中，原始训练数据集中包含多个原始训练数据，目标训练数据集中包含多个目标训练数据，原始训练数据及目标训练数据均为起搏信号；

83、第一更新单元，用于利用目标训练数据集对起搏检测模型进行重新训练，以更新起搏检测模型。

84、可选的，在第二方面另一种可能的实现方式中，上述在目标训练数据集的数据量大于数据量阈值时，上述第一更新单元，具体用于：

85、对目标训练数据集进行抽样，以生成多个子数据集；

86、分别利用多个子数据集对起搏检测模型进行重新训练，以生成多个更新后的子起搏检测模型，其中，更新后的起搏检测模型是由多个更新后的子起搏检测模型构成的。

87、第三方面，本技术实施例提供了一种终端设备，包括：存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现如前所述的起搏脉冲的检测方法。

88、第四方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如前所述的起搏脉冲的检测方法。

89、第五方面，本技术实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行如前所述的起搏脉冲的检测方法。

90、本技术实施例与现有技术相比存在的有益效果是：通过双通道分别采集起搏信号(即第一起搏信号和第二起搏信号)，并对双通道起搏信号中的峰值信号段对应的峰值特征进行聚类处理，以识别出起搏信号中的起搏脉冲，从而通过在起搏脉冲检测时引入起搏脉冲在双通道起搏信号中的时序相关性，避免了起搏脉冲的误检和漏检，提升了起搏脉冲检测的准确性。