心电图异常

摘要： 目的 考察医务人员心电图异常发生情况,探讨其与职业应激状况之间的关系。方法 入选解放军总医院第七医学中心2019年4—10月在职体检医务人员4120例,根据心电图特征分为正常组3411例及异常组709例。比较两组间一般人口学特征(性别、年龄、学历)、职业应激状况(职业应激因素、职业应激反应)与心电图异常的关系。结果 50岁以上年龄组心电图异常率最高,与其他年龄组比较,差异有显著性(P<0.001)。两组在工作需求、工作责任与负荷、心理健康感、工作紧张感、焦虑状态方面差异有显著性(P<0.05)。Logistic多因素回归分析显示,年龄大、工作责任与负荷、焦虑状态是医务人员出现心电图异常的危险因素(OR分别为1.815、1.375、1.521,P分别为0.007、0.022、0.016);心理健康感是心电图异常的保护因素(OR=0.416,P<0.001)。结论 职业应激是医务人员心电图异常的危险因素。

摘要： 目的:分析体检人群心电图异常情况及其影响因素。方法:选择深圳市保健委员会办公室2019年1-12月的健康体检者11 604例,分析异常心电图情况及其相关影响因素。结果:11 604例体检者中,发现心电图异常3 750例(32.32%),其中男2 700例、女1 050例。随着年龄的增加,心电图异常的检出率越来越高。其中61~70、71~80与>80岁异常检出率均高于30~40、41~50、51~60岁(P60岁、TG、TC、LDL-C、FBG、血压及脂肪肝的异常均是体检人群心电图异常的危险因素(P60岁比例较高,ST-T异常改变为最多,而年龄>60岁、TG上升、TC上升、LDL-C上升、FBG上升、血压上升、脂肪肝均是体检人群心电图异常的危险因素。

摘要： 目的对急性脑血管病并发脑心综合征的心电图变化进行分析。方法将2019年8月-2020年7月期间在淄博市中医医院进行治疗的急性脑血管并发脑心综合征的90例患者作为本次主要研究的对象,所有患者经过CT检查后确诊为急性脑血管疾病并发脑心综合征,再对其进行心电图检查,观察最终的心电图情况。结果所有患者中,经心电图检查后,发生异常变化的有82例。其中属于脑梗死的患者有40例,心电图发生异常变化的有38例,属于脑出血的患者有29例,心电图发生异常变化的有25例;属于蛛网膜下腔出血的患者有21例,心电图发生异常变化的有19例。患者心电图出现异常的频率和其发病位置有紧密的联系,患者发病位置在脑干部位,其心电图发生异常变化最严重。结论急性脑血管疾病并发脑心综合征患者的心电图异常变化存在多样性,临床结果显示,急性脑血管病对患者的心脏功能有一定的损害,并且患者的症状越严重,心电图发生异常变化的概率就越高。因此,给急性脑血管疾病患者使用心电图进行检查,能够判断其有无心脏受损的情况。

摘要： 目的:对健康人群心电图异常危险因素进行分析.方法:择我院162例体检人员为研究对象,对比其体检结果.结果:经分析,心电图产生异常占据一半人数,且年龄越大,异常情况越多,且女性多于男性.异常情况中ST-T改变最多,绝大多数存在低密度脂蛋白以及三酰甘油升高,其次患者会合并存在血脂、血压、血糖升高、脂肪肝以及高密度脂蛋白降低等问题.结论:经分析可知,体检人员其心电图出现异常与其年龄、性别以及血压、血糖、血脂等异常具有密切关系,因此在日常生活中应多加注意,养成良好的生活习惯.

摘要： 目的:对高血压病患者的脉压与心电图异常的关系进行研究探讨.方法:选择我院收治的高血压病患者80例作为研究对象,按脉压≤60 mm Hg、61～80 mm Hg、81～100 mm Hg、>100 mm Hg分为四个亚组.结果:①随着脉压的增加,心电图异常率均逐渐增加(P0.05).结论:高血压患者脉压与心电图的相关性更为密切.

摘要： 目的:对乳腺癌辅助放射治疗后发生心电图异常的影响因素进行分析.方法:对本院在2018年1月-2020年10月收治的400例需要辅助放疗的乳腺癌患者的临床资料进行回顾性分析,观察其放疗后心电图异常表现,同时通过单因素分析和多因素Logistic回归分析影响其心电图异常的相关因素.结果:400例患者中,放疗后发生心电图异常103例,占比25.75％,其中发生ST-T改变、室性期前收缩、QRS波低电压、心动过速、房性期前收缩、左前分支阻滞及不完全性右束支传导阻滞的例数分别为30、22、15、13、10、7、6例.乳腺癌患者放疗后心电图异常与肿瘤部位、内分泌治疗史无关(P>0.05),与年龄、放疗方式、EPI累积量及基础疾病有关(P50岁、电子线放疗、EPI累积量>400 mg及有基础疾病(P50岁、电子线放疗、EPI累积量>400 mg及有基础疾病.

摘要： 目的:实验将针对成人房间隔缺损应用心电图诊断,进一步分析心电图异常的临床诊断价值.方法:将本院收治确诊为成人房间隔缺损患者作为本次研究对象来源,在其中随机抽取60例,诊疗时间范围在2020年1月-2020年12月,盲目随机法设计方式分组.对照组患者采用12导联心电图,观察组则为12导联心电图联合心脏超声检查,对比诊断结果.结果:从诊断上看,ASD类型包括了继发孔型有42人,原发孔型有6人,冠状静脉窦型则有12人.此外,无论是单项检查还是联合检查,成人房间隔缺损的敏感度差.在QRS电轴不能提示右房室扩大,或者肥厚,且右心室压力增高的情况较多,伴有电轴右偏.结论:采用针对成人房间隔缺损采用心电图异常方案无法进行全面的诊断,非敏感指标,需要提供更有效地检测方案指导病情确诊与治疗.

摘要： 目的 探究冠心病合并原发性肝癌患者经含表柔比星方案化疗后心电图异常的危险因素.方法 回顾性分析经含表柔比星方案治疗的60例冠心病合并原发性肝癌患者临床资料,分析影响冠心病合并原发性肝癌患者含表柔比星方案化疗后心电图异常的相关因素.结果 60例患者中发生心电图异常改变13例,发生率为21.67％.心电图异常组有腹水、多发肿瘤、丰富的肿瘤血供、有射频治疗、使用索拉菲尼、有基础性疾病的人数占比均高于正常组,差异有统计学意义(P1).结论 冠心病合并原发性肝癌采用含表柔比星方案化疗后患者心电图异常与腹水、肿瘤数目、血供情况、是否采用射频治疗、使用索拉菲尼及基础性疾病等因素相关,在临床干预中需加以重视,及时采取相应防护措施.

摘要： 心电图对于人们诊断心脏病帮助很大,而且很多关于检查心脏的仪器是在心电图的基础之上发展和应用起来的。但是心电图检查发现异常就一定是得了心脏病了吗?这可不一定。

摘要： 心电图对于人们诊断心脏病帮助很大,而且很多关于检查心脏的仪器是在心电图的基础之上发展和应用起来的.但是心电图检查发现异常就一定是得了心脏病了吗?这可不一定.

摘要： 目的：分析康复治疗对急性脑卒中合并心电图异常患者的心功能变化、日常生活活动能力指数、日均住院费用、抗生素使用率等情况的影响. 方法：将52例符合纳入标准的急性脑卒中患者,随机分为康复组(26例)与对照组(26例),对照组采用脑卒中疾病常规治疗,康复组在常规治疗基础上加用康复治疗,对两组患者的心肌酶和日常生活能力进行比较和分析. 结果：康复组与对照组在治疗前一般资料指标差异均无统计学意义(P＞0.05),治疗后两组的心肌标志物、Barthel指数、日均住院费用、抗生素使用率差异均有统计学意义(P＜0.05),康复组优于对照组. 结论：康复治疗可改善急性脑卒中合并心电图异常患者的心功能、提高日常生活自理能力、减少日均住院费用、减少抗生素使用率.

摘要： 本文介绍了危重患者心电图异常的识别及处理。具体分析了心律失常的分类及药物分类，AFIB、MVA、SVT、IVT、GA五类急诊经常遇到的心律失常类型及其处理，阐明了心律失常病理机制。

摘要： @@心电图检查是针对心脏生物电活动的无创性检查手段，自Einthoven 1901年创立心电图检查以来，这项技术迄今已经在临床应用了百余年，在临床上，以其无创、快捷简便及重复性好等特点，目前已成为危重病急救中的常规检查，分析危重症患者心电图异常的种类及变化，对于指导临床治疗及预后有重要意义。现总结我院重症监护室272例危重症患者心电图异常种类及原因分析报道如下。

摘要： 目的：探讨潘南金(门冬氨酸钾镁)在儿童低钾血症合并心电图异常治疗中的疗效。rn 方法：将88例诊断低钾血症的患儿随机分成2组，治疗组48例除常规使用治疗量10％氯化钾外加用潘南金10ml，至血清钾恢复正常改生理需要量，连用7天;对照组40例常规使用治疗量10％氯化钾不加用潘南金，余方法和疗程同治疗组。观察两组临床症状、体征的改善，心电图、血钾的恢复情况。rn 结果：治疗组的临床症状、体征显效率，心电图、血钾的恢复均优于对照组。rn 结论：潘南金在儿童低钾血症治疗中可以较快提高血清钾的水平，改善临床症状、体征和心电图改变，起到缩短疗程，提高疗效的作用。

摘要： 颅内疾患伴有心电图(ECG)异常人们认识已有70年之久.包括急性脑血管病(蛛网膜下腔出血、脑出血、脑梗死),颅脑外伤,颅内肿瘤,癫痫、颅内感染及颅脑外科术后,本文就急性脑血管病与心电图异常进行综述。

摘要： 目的：研究门冬氨酸钾镁对抗精神病药物引起的心电图异常的疗效。方法：选择因抗精神病药物引起的心电图改变的患者60例，分研究组和对照组。分别给予门冬氨酸钾镁和维生素c，静滴15天，对其心电图进行检查。结论：对于抗精神病药物引起的心电图异常，门冬氨酸钾镁治疗有效。

摘要： 本文首次观察到1982年二次不同角度的九星联珠，诱发人体心电图异常变化的生物效应。在联珠日前三天、联珠日、联珠日后三天，各24小时内做一次心电图，进行观察。利用联珠日、前后日均值，发现心电图异常变化例次，进行对比分析。研究结果发现，在8l例次观察中，九星联珠日发生28例心电图异常，比联珠日前后均值增加15.5例次,多发125％。有显著性变化，P

摘要： 目的:调查和分析2型糖尿病患者心电图异常率及其影响因素. 方法:以完成糖尿病并发症筛查的2型糖尿病患者1637例为对象,由专职技师作标准12导联心电图,经副主任医师以上职称的心内科专家2人判定出诊断报告.调查和检查项目包括身高、体重、吸烟史、病程、并发症情况、血压、空腹血糖及餐后2小时血糖、HbA1C,、甘油三酯、胆固醇、高密度脂蛋白-胆固醇和低密度脂蛋白胆固醇等. 结果:1637例2型糖尿病患者中,男866例,女771例;年龄11～87岁,平均53.7岁.577例患者有明确的心电图异常(35.2﹪).小于47岁组、47-55岁组、55-64岁组和大于64岁组的心电图异常率分别为28.0﹪、31.2﹪、40.1﹪和43.0﹪.腰围小于84cm组、84-93cm组和≥93cm组的心电图异常率分别为16.7﹪、24.4﹪和26.7﹪.高收缩压组(大于140mmHg)和高舒张压(大于83mmHg)与低的收缩压(小于123mmHg)、低的舒张压组(小于73mmHg)比较,心电图异常率的比数比分别为1.72和1.36.合并1项、2项、3项和4项以上的代谢综合征条件者较单纯糖尿病者更易出现心电图异常,各组异常率分别为18.0﹪、23.0﹪、26.7﹪、33.3﹪和14.5﹪.logistic回归分析提示在年龄、体重指数、血压、微量蛋白尿、总胆固醇、甘油三脂、吸烟、饮酒、腰臀围比、空腹血糖、餐后血糖、糖化血红蛋白等因素中,年龄、体重指数、血压、总胆固醇、甘油三脂、吸烟、饮酒是2型糖尿病合并心电图异常的危险因素. 结论:三分之一以上的2型糖尿病患者合并明确的心电图异常,这种异常且随年龄增长、腰围增加、血压升高和代谢综合征条件数目的增加而增加.

摘要： 目的：探讨儿童格林-巴利综合症(GBS)合并心电图改变可能的发病机制及其对估计预后的影响.方法：对81例GBS患儿心电图进行分析并测定其心肌酶含量.结果：心电图改变以窦性心动过速最为常见,其他有ST-T改变、窦缓、早搏、房室传导阻滞等异常,且多发生在病后1周内.结论：GBS患儿心电异常的发病机制与多种因素有关,心电图异常者预后不良;心电检查对估计儿童GBS病情和预后有重要的参考价值.

摘要： 了解煤工尘肺对心血管系统的影响，为正确预防、诊断、治疗煤工尘肺心血管系统合并症提供早期科学依据。选择从2003-06-01至今住院的370例煤工尘肺患者入院时第一次心电图为基本资料，同时选择无尘肺的200个退休工人体检时的心电图资料做对照，以黄宛编著的《临床心电图学》第五版为标准做出诊断。结果表明：①尘肺组共出现异常心电图人数283人，异常率为76.49％(283/370)，对照组异常心电图人数63人，异常率为31.50％(63/200)。②尘肺期别对心电图有影响，尘肺级别越高，心电图异常人数越多。③尘肺组与对照组按不同年龄段比较心电图异常率明显增高，而且，年龄越大心电图异常率越高。煤工尘肺能明显影响心血管系统使心电图异常，而且随着年龄增长和尘肺期别的增加煤工尘肺患者心电图异常率明显增高。

摘要： 心率监测器检测测试信号中的心跳。局部心率和加速度的能量与检测到的心跳相关联。基于与相应心跳相关联的局部心率和加速度的能量，将检测到的心跳包括在测试心跳集合中或将其排除在外。使用稀疏近似模型来检测心跳测试集合中的异常心跳。心率监测器可以检测训练心跳信号中的心跳。参考心率和加速度的能量与训练心跳信号的检测到的搏动相关联，并且基于与训练心跳信号中的检测到的搏动相关联的心率和加速度的能量而选择性地包括在训练数据集合中。可以使用训练数据集合来生成稀疏表示模型的字典。

摘要： 本发明公开了一种基于AlexNet和迁移学习相结合的心电图异常识别方法及系统，属于特征提取分类预测技术领域，本发明要解决的技术问题为如何结合AlexNet深度卷积神经网络和迁移学习准确高效的完成心电图异常识别，既能摆脱对样本数据容量的依赖，又能自动学习数据样本的特征，技术方案为：该方法具体如下：预处理：将数据集中的每条心电图信号转换成心电图图像，并对异常类型的心电图进行不同方位的裁剪；特征提取：把数据增强后的图像放入预训练的模型中进行训练，预训练后的心电图图像作为AlexNet模型的输入，自动提取特征，并利用ImageNet数据集预训练的AlexNet模型进行迁移学习；分类预测：把预训练的AlexNet深度卷积神经网络模型得到的高特征放入支持向量机中进行心电图分类。

摘要： 本申请涉及一种心电图异常识别方法、装置、计算机设备和存储介质。所述方法包括：获取实时心电数据和临床特征；其中所述心电数据为：在规定时间内以预设频率采集的多个离散数据以采集时间顺序进行排序；将实时心电数据和临床特征输入训练后的心电异常概率预测模型，得到与心电数据对应的异常概率预测数据；根据阈值对异常概率预测进行识别心电数据中各离散数据是否为异常。采用本方法能够获取准确的心电异常预测，并准确地获取心电异常特征所在的时间区域。

摘要： 本发明提供了一种粗糙合理粒度驱动的胎儿心电图异常检测方法，包括如下步骤：S10获得所有胎儿心电图样本的特征值及胎儿状态构造决策信息表；S20利用局部邻域决策粗糙集模型对胎儿心电图样本的粗糙隶属度进行计算；S30基于PSO优化算法的合理邻域选择；S40将步骤S30中所求最优邻域半径作为所述步骤S20中局部邻域决策粗糙集模型的邻域半径，更新近似集。本发明的一种粗糙合理粒度驱动的胎儿心电图异常检测方法，根据邻域信息识别异常样本，分别给出不同分布情况下样本的粗糙隶属度，为标签噪声样本提供一组伪类别标记；引入合理粒度准则，利用粒子群优化算法选择最优邻域半径，对根据伪类别标记修正后的信息表进行上下近似集的更新。

摘要： 本发明涉及心电检测技术领域，具体涉及一种心脏移植术后心电图异常分析方法及系统；获取病人的十二维体表在当前时间窗口对应的十二维心电数据矩阵和心电均衡情况矩阵；对十二维心电数据矩阵降维，得到三维心电数据矩阵；将三维心电数据矩阵与心电均衡情况矩阵相结合，得到心电监测时间矩阵；将心电监测时间矩阵经过相空间重构，得到m维数据序列Unew；将m维数据序列Unew输入神经网络模型，输出病人在下一个时间窗口对应的m维预测数据序列Uforecast；获取当前检测时刻的m维实际数据，计算m维实际数据与m维预测数据的相似度，当相似度小于阈值时，则判断病人的心电图异常。本发明能够准确判断病人的心电图是否发生异常。

摘要： 本发明涉及人工智能技术领域，具体涉及一种基于人工智能的心电图异常程度检测方法及系统。该方法获得心电图中每个子波段的周期和幅值。将周期和幅值映射至参数坐标系中，获得包含投票值的坐标点。根据投票值进行判断，获得正常波段和第一异常波段。根据周期和幅值结合投票值，获得每个正常波段的影响半径，通过影响半径的范围获得第一异常波段中的第二异常波段。通过第二异常波段与正常波段的距离和正常波段的影响程度，获得第二异常波段的受影响程度，根据受影响程度大小确定异常波段。通过异常波段与正常心电图的差异和受影响程度获得心电图异常程度。本发明实现了对心电图中异常波段的准确检测并分析，得到参考性强的心电图异常程度。

摘要： 一种心电图异常信号中的房颤信号自动检测方法，通将一维的心电信号经过短时傅里叶变换转变为二维形式，适用于深度残差收缩网络对输入信号的要求。使用注意力机制同时改进残差深度网络和Relu激活函数，通过注意力机制注意到不重要的特征，通过软阈值函数将它们设置为零，可以加强深度神经网络提取有用特征的能力，提高房颤信号的检测精度。同时通过注意力机制对Relu激活函数进行改进，可以提高DRSN模型对房颤信号识别的准确率。通过注意力机制的ReLu，可以提高DRSN模型识别的准确率。

摘要： 本发明提供了一种粗糙合理粒度驱动的胎儿心电图异常检测方法，包括如下步骤：S10获得所有胎儿心电图样本的特征值及胎儿状态构造决策信息表；S20利用局部邻域决策粗糙集模型对胎儿心电图样本的粗糙隶属度进行计算；S30基于PSO优化算法的合理邻域选择；S40将步骤S30中所求最优邻域半径作为所述步骤S20中局部邻域决策粗糙集模型的邻域半径，更新近似集。本发明的一种粗糙合理粒度驱动的胎儿心电图异常检测方法，根据邻域信息识别异常样本，分别给出不同分布情况下样本的粗糙隶属度，为标签噪声样本提供一组伪类别标记；引入合理粒度准则，利用粒子群优化算法选择最优邻域半径，对根据伪类别标记修正后的信息表进行上下近似集的更新。

摘要： 本申请涉及一种心电图异常识别方法、装置、计算机设备和存储介质。所述方法包括：获取实时心电数据和临床特征；其中所述心电数据为：在规定时间内以预设频率采集的多个离散数据以采集时间顺序进行排序；将实时心电数据和临床特征输入训练后的心电异常概率预测模型，得到与心电数据对应的异常概率预测数据；根据阈值对异常概率预测进行识别心电数据中各离散数据是否为异常。采用本方法能够获取准确的心电异常预测，并准确地获取心电异常特征所在的时间区域。

摘要： 本发明公开了一种基于AlexNet和迁移学习相结合的心电图异常识别方法及系统，属于特征提取分类预测技术领域，本发明要解决的技术问题为如何结合AlexNet深度卷积神经网络和迁移学习准确高效的完成心电图异常识别，既能摆脱对样本数据容量的依赖，又能自动学习数据样本的特征，技术方案为：该方法具体如下：预处理：将数据集中的每条心电图信号转换成心电图图像，并对异常类型的心电图进行不同方位的裁剪；特征提取：把数据增强后的图像放入预训练的模型中进行训练，预训练后的心电图图像作为AlexNet模型的输入，自动提取特征，并利用ImageNet数据集预训练的AlexNet模型进行迁移学习；分类预测：把预训练的AlexNet深度卷积神经网络模型得到的高特征放入支持向量机中进行心电图分类。