1.本发明涉及自动心电图分析技术领域，尤其涉及一种纸质心电图数字化方法和装置。
背景技术：2.心电图能最直接地反映心脏的电活动，是用于心电异常分析的最常见临床技术。
3.目前，已经有很多种计算机辅助方法利用电子心电图数据集实现自动心电异常分析，尤其是深度学习的发展更加促使了这一领域的进步。
4.然而，若想使用上述方法实现自动心电异常分析，需要保证电子心电图数据集中具备一定体量的样本数据。但目前可用的免费开源数据库的电子心电图体量是远远不够的，且特定类型电子心电图存在缺口，这将导致难以鉴别特定类型的心电异常以及难以精准分析除特定类型之外的类型的心电异常。
5.值得注意的是，纸质心电图每天都在各大医院源源不断地产生，若能充分利用医院里海量的纸质心电图，无疑能够为科学理论研究以及医生的临床分析提供数据支撑，最大程度地促进心电分析领域的发展。因此，有必要开发一种将纸质心电图数字化的方法。
技术实现要素：6.本发明的目的是提供一种纸质心电图数字化方法和装置，通过纸质心电图中心电信号有效信息数字化的方式，将医院源源不断产生的纸质心电图转换为电子心电图，以解决因电子心电图体量不充足而导致的自动心电异常分析实现困难的问题，促进自动心电分析领域的发展。
7.第一方面，本发明提供一种纸质心电图数字化方法，所述方法包括：
8.对包含十二个导联区域的纸质心电图的电子图像进行预处理，得到心电图像；
9.分离所述心电图像的各个导联区域；
10.基于八邻域稀疏离群点移除算法和预存的细化算法，对所述各个导联区域的心电图像进行细化处理，得到所述各个导联区域的心电波形曲线；
11.将所述各个导联区域的心电波形曲线进行导联维度连接，得到所述纸质心电图的数字化结果。
12.根据本发明提供的纸质心电图数字化方法，所述预处理至少包括：噪声像素点去除、印章去除和背景网格线去除。
13.根据本发明提供的纸质心电图数字化方法，对所述纸质心电图的电子图像进行预处理，得到心电图像，包括：
14.采用高斯滤波技术滤除所述电子图像的噪声像素点；
15.基于rgb通道分离技术，获取滤除噪声像素点后的电子图像在r通道下的灰度图；
16.对所述灰度图进行前背景分离，得到去除印章的二值化灰度图；
17.基于二值形态学操作处理所述电子图像对应的灰度图，得到背景网格线位置；
18.基于所述背景网格线位置，去除所述二值化灰度图中的背景网格线，得到所述心电图像。
19.根据本发明提供的纸质心电图数字化方法，所述分离所述心电图像的各个导联区域，包括：
20.采用人工标记方式，对所述心电曲线图像中各个导联区域进行位置标记；
21.基于所述位置标记，实现所述心电曲线图像中各个导联区域的分离。
22.根据本发明提供的纸质心电图数字化方法，所述基于八邻域稀疏离群点移除算法和预存的细化算法，对所述各个导联区域的心电图像进行细化处理，得到所述各个导联区域的心电波形曲线，包括：
23.针对任意一个导联区域的心电图像，基于八邻域稀疏离群点移除算法，移除所述任意一个导联区域的心电图像中的噪声像素点；
24.利用预存的细化算法，对移除噪声像素点后的心电图像进行细化操作，得到所述任意一个导联区域的心电波形曲线。
25.根据本发明提供的纸质心电图数字化方法，所述基于八邻域稀疏离群点移除算法，移除所述任意一个导联区域的心电图像中的噪声像素点，包括：
26.沿垂直扫描线遍历所述任意一个导联区域的心电图像的前景像素点；
27.将遍历到的满足第一设定条件的前景像素点认定为噪声像素点；
28.移除所述噪声像素点；
29.其中，所述第一设定条件为八邻域范围内包含的前景像素点个数小于预设阈值。
30.根据本发明提供的纸质心电图数字化方法，所述利用预存的细化算法，对移除噪声像素点后的心电图像进行细化操作，得到所述任意一个导联区域的心电波形曲线，包括：
31.利用数组表示所述移除噪声像素点后的心电图像中包含的前景像素点；
32.按照由小至大的顺序遍历所述数组中的前景像素点横坐标，确定与每一个遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标；
33.将确定的存在唯一对应关系的前景像素点横坐标和前景像素点纵坐标组成的坐标对添加到前景像素点列表中，生成细化后的前景像素点列表；
34.对所述细化后的前景像素点列表进行像素点拟合，得到所述任意一个导联区域的心电波形曲线；
35.其中，所述前景像素点列表初始时为空，所述数组中各前景像素点的数值为其在所述移除噪声像素点后的心电图像中的位置坐标。
36.根据本发明提供的纸质心电图数字化方法，所述确定与每一个遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标，包括：
37.当所述遍历的前景像素点横坐标在所述数组中仅存在唯一的前景像素点纵坐标与之对应时，认定所述唯一的前景像素点纵坐标与所述遍历的前景像素点横坐标存在唯一对应关系；
38.当所述遍历的前景像素点横坐标在所述数组中存在多个前景像素点纵坐标与之对应时，则判断所述多个前景像素点纵坐标之间的最大距离差值是否不大于第一预设距离差值，并根据判断结果确定与所述遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标。
39.根据本发明提供的纸质心电图数字化方法，所述根据判断结果确定与所述遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标，包括：
40.在判断结果为是的情况下，计算所述多个前景像素点纵坐标的平均值；
41.认定所述平均值与所述遍历的前景像素点横坐标存在唯一对应关系。
42.根据本发明提供的纸质心电图数字化方法，所述根据判断结果确定与所述遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标，还包括：
43.在判断结果为否的情况下，获取与遍历次序位于所述遍历的前景像素点横坐标前一个的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标；
44.计算所述多个前景像素点纵坐标中每一个前景像素点纵坐标与获取的前景像素点纵坐标之间的差值；
45.将所述多个前景像素点纵坐标中差值处于预设区间内的前景像素点纵坐标归入第一列表，将所述多个前景像素点纵坐标中差值不处于预设区间内的前景像素点纵坐标归入第二列表；
46.在所述第二列表包含的前景像素点的数量大于预设数量的情况下，认定所述第二列表中差值最大的前景像素点纵坐标与所述遍历的前景像素点横坐标存在唯一对应关系；
47.在所述第二列表包含的前景像素点的数量不大于预设数量的情况下，认定所述第一列表中前景像素点纵坐标的平均值与所述遍历的前景像素点横坐标存在唯一对应关系。
48.根据本发明提供的纸质心电图数字化方法，所述将所述各个导联区域的心电波形曲线进行导联维度连接，得到所述纸质心电图的数字化结果，包括：
49.依次对所述各个导联区域的心电波形曲线进行归一化处理和等长度裁剪；
50.将归一化处理和等长度裁剪后所述各个导联区域的心电波形曲线连接起来，得到所述纸质心电图的数字化结果。
51.第二方面，本发明提供一种纸质心电图数字化装置，所述装置包括：
52.预处理模块，用于对包含十二个导联区域的纸质心电图的电子图像进行预处理，得到心电图像；
53.分离模块，用于分离所述心电图像的各个导联区域；
54.细化处理模块，用于基于八邻域稀疏离群点移除算法和预存的细化算法，对所述各个导联区域的心电图像进行细化处理，得到所述各个导联区域的心电波形曲线；
55.连接模块，用于将所述各个导联区域的心电波形曲线进行导联维度连接，得到所述纸质心电图的数字化结果。
56.本发明提供一种纸质心电图数字化方法和装置，对包含十二个导联区域纸质心电图的电子图像进行预处理以及导联区域分离，以使每个导联区域对应的心电曲线像素点分离出来；之后细化处理每个导联区域对应的心电曲线像素点得到每个导联区域对应的心电曲线；然后将每个导联区域对应的心电曲线进行导联维度的连接，得到十二个导联的心电波形曲线。通过上述将纸质心电图中心电信号有效信息数字化的方式，将医院源源不断产生的纸质心电图转换为电子心电图，解决了因电子心电图体量不充足而导致的自动心电异常分析实现困难的问题，促进了自动心电分析领域的发展。
附图说明
57.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
58.图1是本发明提供的一种纸质心电图数字化方法流程图；
59.图2是本发明提供的形态学操作常见结构元示例图；
60.图3是本发明提供的形态学操作矩形阵列结构元示例图；
61.图4是本发明提供的导联区域心电波形曲线局部放大示意图；
62.图5是本发明提供的stanford a型急性主动脉夹层纸质心电图的数字化结果示例图；
63.图6是本发明提供的st段抬高型心肌梗死纸质心电图的数字化结果示例图；
64.图7是本发明提供的判读模型的训练损失变化曲线示意图；
65.图8是本发明提供的判读模型的判读精度变化曲线示意图；
66.图9是本发明提供的一种纸质心电图数字化装置结构图；
67.图10是本发明提供的实现纸质心电图数字化方法的电子设备结构示意图。
具体实施方式
68.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
69.下面结合图1至图10描述本发明提供的一种纸质心电图数字化方法和装置。
70.第一方面，本发明提供了一种纸质心电图数字化方法，如图1所示，所述方法包括：
71.s11、对包含十二个导联区域的纸质心电图的电子图像进行预处理，得到心电图像；
72.由于需要用计算机辅助技术对所述纸质心电图进行数字化，因此需要获取所述纸质心电图的电子图像。其中，得到所述纸质心电图的电子图像的方式，包括但不限于扫描。此外，本发明采用预处理方式去除所述纸质心电图的电子图像中诸如网格线、印章之类妨碍心电曲线分析的信息。
73.s12、分离所述心电图像的各个导联区域；
74.十二个导联心电图机中包含六个肢体导联和六个胸导联，肢体导联包括ⅰ、ⅱ、ⅲ三个标准肢体导联和avr、avl、avf三个加压肢体导联，胸导联包括v1、v2、v3、v4、v5、v6六个导联。肢体导联分别放置在右臂、左臂和左腿，胸导联中v1导联放置在胸骨右缘第四助间，v2导联放置在胸骨左缘第四肋间，v3导联放置在v2导联与v4导联的连线中点，v4导联放置在左锁骨中线平第五肋间，v5导联放置在左腋前线且与v4导联同一水平。v6导联放置在左腋中线且与v4导联同一水平。
75.与之对应的，十二个导联心电图纸中心电波形曲线对应十二个导联区域，且每一个导联区域的起始位置都有来自于心电图机的导联记号注释。因此，基于十二个导联区域
的导联记号注释能够实现所述心电图像的分离。
76.s13、基于八邻域稀疏离群点移除算法和预存的细化算法，对所述各个导联区域的心电图像进行细化处理，得到所述各个导联区域的心电波形曲线；
77.即对各个导联区域的心电图像的像素点进行细化操作并拟合，得到表征各个导联区域的心电波形像素信息。
78.s14、将所述各个导联区域的心电波形曲线进行导联维度连接，得到所述纸质心电图的数字化结果。
79.可以理解的是，将12个导联区域的心电波形曲线进行导联维度连接，相当于分离所述心电图像的各个导联区域的反向操作。
80.本发明提供一种纸质心电图数字化方法，对所述纸质心电图的电子图像进行预处理以及导联区域分离，以使每个导联区域对应的心电曲线像素点分离出来；之后细化处理每个导联区域对应的心电曲线像素点得到每个导联区域对应的心电曲线；然后将每个导联区域对应的心电曲线进行导联维度的连接，得到包含十二个导联区域的心电波形曲线。通过上述将纸质心电图中心电信号有效信息数字化的方式，可以将医院源源不断产生的纸质心电图转换为电子心电图，解决了因电子心电图体量不充足而导致的自动心电异常分析实现困难的问题，促进了自动心电分析领域的发展。
81.在上述各实施例的基础上，作为一种可选的实施例，所述预处理至少包括：噪声像素点去除、印章去除和背景网格线去除。
82.所述纸质心电图数字化时会混入噪声，这些噪声通常以孤立像素点或像素块的形式存在。混入的噪声以及所述纸质心电图本身存在的印章、背景网格线等，会在纸质心电图的电子图像中引起较强的视觉效果，给十二个导联区域的心电曲线的分析带来干扰。鉴于此，本发明在预处理阶段去除所述纸质心电图的电子图像中的噪声、印章和背景网格线，以使预处理后得到的心电图像中尽可能只含有表征心电信号的有效信息，为后续处理奠定基础。
83.在上述各实施例的基础上，作为一种可选的实施例，对所述纸质心电图的电子图像进行预处理，得到心电图像，包括：
84.采用高斯滤波技术滤除所述电子图像的噪声像素点；
85.这里，高斯滤波可以采用opencv所提供的cv2.gaussianblur()函数进行，所用高斯核的大小可以设置为5*5。
86.基于rgb通道分离技术，获取滤除噪声像素点后的电子图像在r通道下的灰度图；
87.对所述灰度图进行前背景分离，得到去除印章的二值化灰度图；
88.即印章去除操作如下：对目标图像进行rgb通道分离；利用颜色特征对r通道下目标图像的灰度图进行前背景分离，得到去除印章的二值化灰度图；
89.其中，分离操作可以但不限于利用opencv所提供的cv2.split()函数进行。
90.具体的，所述前背景分离，前景为心电波形像素点和网格线像素点，背景为印章和纸所对应像素点。在r通道下，目标图像的灰度图印章部分灰度值接近255，为白色；纸的灰度值接近255，为灰色(接近白色)；心电波形和网格线的灰度值接近0，为黑色。因此设定合适的分离阈值thresh，并将灰度值小于thresh的点置0，大于thresh的点置为255，得到去除红色印章的二值化灰度图。
91.这里提供一种阈值thresh设定方式，即利用opencv提供的cv2.threshold()函数并结合cv2.thresh_otsu参数自动生成阈值thresh。
92.在上述阈值thresh设定方式中，由于r通道的灰度直方图为双峰图像(存在两个峰)，阈值应尽量在两个峰之间的峰谷，因此可以将参数cv2.thresh_otsu置为有效，算法会根据直方图自动计算出合适的阈值。
93.基于二值形态学操作处理所述电子图像对应的灰度图，得到背景网格线位置；
94.具体的，确定背景网格线位置的步骤如下：
95.第一步：采用灰度化处理操作将rgb彩色图像转化为灰度图像，该操作可以但不限于利用opencv提供的颜色空间转换函数cv2.cvtcolor()完成。
96.第二步：利用二值形态学操作处理灰度图像得到背景网格线位置。即先对灰度图像进行二值化，然后用矩形结构元对其进行形态学运算以确定背景网格线位置，这里二值化操作可以但不限于利用opencv提供的cv2.adaptivethreshold函数完成。
97.其中，结构元(structuring elements,se)由一系列像素集合构成，它有一个元素锚点，一般定义为其中心。图2示例了形态学操作中常见结构元，黑点是其锚点。进行形态学操作处理时，要求结构元由矩形阵列构成，二值图像中的前景和背景分别用f和b表示，可通过对结构元增加最小数量的背景元素b来形成矩形阵列，如图3示例的形态学操作矩形阵列结构元。
98.所述的形态学操作，即对二值化图像进行闭运算以检测网格线，以竖直网格线为例，先用高为h，宽为1的矩形结构元进行膨胀操作，以此消除水平网格线和孤立断点，然后用同一结构元进行腐蚀操作将间断的竖直网格线连接起来。同理用高为1，宽为w的矩形结构元来检测水平网格线。
99.这里的膨胀和腐蚀操作可以但不限于利用opencv提供的cv2.dilate和cv2.erode函数实现。
100.所述的h和w是根据所处理图像的高h和宽w计算得出，具体地，设置尺度因子scale，则h＝h/scale，w＝w/scale。
101.基于所述背景网格线位置，去除所述二值化灰度图中的背景网格线，得到所述心电图像。
102.即将检测出的网格线对应像素点灰度值置为255进行消除。
103.具体的，将所述二值化灰度图中网格线对应像素点灰度值置为255，以实现网格线消除。
104.本发明给出了噪声像素点去除、印章去除和背景网格线去除的最优实施方式，以更细致有效的去除所述纸质心电图的电子图像中的无用信息。
105.在上述各实施例的基础上，作为一种可选的实施例，所述分离所述心电图像的各个导联区域，包括：
106.采用人工标记方式，对所述心电曲线图像中各个导联区域进行位置标记；
107.即本发明基于标注工具对心电曲线图像各导联位置进行手工标记；
108.需要注意的是，本发明会保存各导联位置标记以便后续调用。上述标注工具包括但不限于labelimg，各导联位置包括但不限于用各导联区域的矩形框的左上角和右下角坐标来表示，各导联位置标记保存格式包括但不限于xml文件格式。
109.基于所述位置标记，实现所述心电曲线图像中各个导联区域的分离。
110.具体的，读取xml中的位置信息，将各个导联进行分离。即利用xml文件中所记录的矩形框的左上角和右下角坐标，将各个导联对应区域的像素点单独保存。
111.可以理解的是，对各个导联区域进行位置标记是为了是机器可以识别各导联区域，进而实现各导联区域拆分。
112.本发明分离各个导联区域，为分别处理各个导联区域的心电图像奠定基础，进而利于提取表征各个导联区域心电曲线的像素信息。
113.在上述各实施例的基础上，作为一种可选的实施例，所述基于八邻域稀疏离群点移除算法和预存的细化算法，对所述各个导联区域的心电图像进行细化处理，得到所述各个导联区域的心电波形曲线，包括：
114.针对任意一个导联区域的心电图像，基于八邻域稀疏离群点移除算法，移除所述任意一个导联区域的心电图像中的噪声像素点；
115.可以理解的是，虽然预处理阶段采用了高斯滤波方式进行过一次噪声像素点滤除，但是心电图像中仍存在一些比较孤立的像素点，这些孤立像素点大概率为噪声，因此本发明基于八邻域稀疏离群点移除算法，移除孤立像素点(噪声像素点)，降低孤立像素点对有效像素点提取的影响。
116.利用预存的细化算法，对移除噪声像素点后的心电图像进行细化操作，得到所述任意一个导联区域的心电波形曲线。
117.细化操作目的是保证最终得到的心电波形曲线由单像素构成，即横轴像素与纵轴像素一一对应。
118.本发明通过移除噪声像素点和维持心电波形曲线由单像素构成的方式，精准提取各个导联区域心电曲线像素信息，进而生成各个导联区域心电曲线。
119.在上述各实施例的基础上，作为一种可选的实施例，所述基于八邻域稀疏离群点移除算法，移除所述任意一个导联区域的心电图像中的噪声像素点，包括：
120.沿垂直扫描线遍历所述任意一个导联区域的心电图像的前景像素点；
121.将遍历到的满足第一设定条件的前景像素点认定为噪声像素点；
122.移除所述噪声像素点；
123.其中，所述第一设定条件为八邻域范围内包含的前景像素点个数小于预设阈值。
124.具体的，对于每个导联区域的二值化灰度图，心电曲线像素点和噪声像素点被视为前景像素点，像素值为0(黑色)；纸张对应的像素点为背景像素点，像素值为255(白色)。
125.为滤除前景像素点中的噪声像素点，本发明基于八邻域稀疏性分离孤立像素点，并把分离出的孤立像素点作为噪声像素点滤除。
126.其中，基于八邻域稀疏性分离孤立像素点的流程为：沿垂直扫描线遍历像素点；若遍历的前景像素点的八邻域范围内包含的前景像素点个数若少于3个，则认为遍历的前景像素点为孤立像素点，否则认为遍历的前景像素点为心电曲线像素点；反复执行这一过程，直到扫描结束。
127.这里，滤除噪声像素点的方式为：将噪声像素点的像素值置为与背景像素点的像素值(255)一致，以将噪声像素点作为背景滤除。
128.前景像素点的八邻域范围，指的是该像素点的八个相邻像素点所覆盖的范围，其
中四个是水平和垂直邻居，另外四个是对角邻居。
129.图4示例了导联区域心电波形曲线局部放大示意图，显然图中噪声像素点是比较孤立的，其八邻域范围内前景像素点(像素值为0)比较稀疏，对角邻居大多为背景像素点(像素值为255)。
130.本发明基于噪声像素点的八邻域范围内前景像素点比较稀疏的特点，进一步识别以及剔除各导联区域心电图像中的噪声像素点，为各个导联区域心电曲线像素信息的精准提取奠定基础。
131.在上述各实施例的基础上，作为一种可选的实施例，所述利用预存的细化算法，对移除噪声像素点后的心电图像进行细化操作，得到所述任意一个导联区域的心电波形曲线，包括：
132.利用数组表示所述移除噪声像素点后的心电图像中包含的前景像素点；
133.按照由小至大的顺序遍历所述数组中的前景像素点横坐标，确定与每一个遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标；
134.将确定的存在唯一对应关系的前景像素点横坐标和前景像素点纵坐标组成的坐标对添加到前景像素点列表中，生成细化后的前景像素点列表；
135.对所述细化后的前景像素点列表进行像素点拟合，得到所述任意一个导联区域的心电波形曲线；
136.其中，所述前景像素点列表初始时为空，所述数组中各前景像素点的数值为其在所述移除噪声像素点后的心电图像中的位置坐标。
137.具体的，将经过前述处理后的心电图像中的心电波形像素点用大小为(n,2)的数组a表示，n为心电波形像素点个数，每个心电波形像素点数值对应其(x,y)坐标。
138.将a数组心电波形像素点沿x方向顺序排列，进而由左至右遍历；
139.设置空列表b；
140.遍历过程中，确定与每一个x值存在唯一对应关系的y值，并将组成的(x，y)作为细化后的心电波形像素点填入列表b中；
141.遍历完成后，将列表b中n个细化后的心电波形像素点进行拟合，得到最终的心电波形曲线数据，该最终的心电波形曲线数据。
142.所述拟合方式可以但不限于采用二阶样条插值。
143.本发明沿x轴方向遍历数组中的像素点位置坐标，并寻找与每一个x唯一对应的y，进而使拟合各个(x，y)得到心电波形曲线是唯一确定的。
144.在上述各实施例的基础上，作为一种可选的实施例，所述确定与每一个遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标，包括：
145.当所述遍历的前景像素点横坐标在所述数组中仅存在唯一的前景像素点纵坐标与之对应时，认定所述唯一的前景像素点纵坐标与所述遍历的前景像素点横坐标存在唯一对应关系；
146.当所述遍历的前景像素点横坐标在所述数组中存在多个前景像素点纵坐标与之对应时，判断所述多个前景像素点纵坐标之间的最大距离差值是否不大于第一预设距离差值，并根据判断结果确定与所述遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标。
147.即本发明以所述多个前景像素点纵坐标之间的最大距离差值衡量所述多个前景像素点的密集程度，并以该密集程度作为与所述遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标的确定标准，保证了数字化的准确性。
148.在上述各实施例的基础上，作为一种可选的实施例，所述根据判断结果确定与所述遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标，包括：
149.在判断结果为是的情况下，计算所述多个前景像素点纵坐标的平均值；
150.认定所述平均值与所述遍历的前景像素点横坐标存在唯一对应关系。
151.即本发明认定所述多个前景像素点纵坐标之间的最大距离差值小于第一预设距离差值时，代表所述多个前景像素点纵坐标彼此之间数值非常接近，因此以所述多个前景像素点纵坐标平均值作为与所述遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标。保证了数字化的准确性。
152.在上述各实施例的基础上，作为一种可选的实施例，所述根据判断结果确定与所述遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标，还包括：
153.在判断结果为否的情况下，获取与遍历次序位于所述遍历的前景像素点横坐标前一个的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标；
154.计算所述多个前景像素点纵坐标中每一个前景像素点纵坐标与获取的前景像素点纵坐标之间的差值；
155.将所述多个前景像素点纵坐标中差值处于预设区间内的前景像素点纵坐标归入第一列表，将所述多个前景像素点纵坐标中差值不处于预设区间内的前景像素点纵坐标归入第二列表；
156.在所述第二列表包含的前景像素点的数量大于预设数量的情况下，认定所述第二列表中差值最大的前景像素点纵坐标与所述遍历的前景像素点横坐标存在唯一对应关系；
157.在所述第二列表包含的前景像素点的数量不大于预设数量的情况下，认定所述第一列表中前景像素点纵坐标的平均值与所述遍历的前景像素点横坐标存在唯一对应关系。
158.即本发明认定所述多个前景像素点纵坐标之间的最大距离差值不小于第一预设距离差值时，有一定概率出现像素点峰值；因此引入与遍历次序位于所述遍历的前景像素点横坐标前一个的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标；并设计一定的规则确定与所述遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标。保证了数字化的准确性。
159.总的来说，确定与每一个x值存在唯一对应关系的y值，可通过下述流程实现；
160.对于每个x值，若数组a中仅存在唯一的y值与其对应，则认定将该y值与x值唯一对应关系；
161.若数组a中存在多个y值与其对应，则判断多个y值中最大值和最小值的距离差值与某个阈值的大小，这里阈值设为10；
162.若距离差值小于等于10，则认定这多个y值的平均值y_mean与x值唯一对应关系；
163.若距离差值大于10，计算这多个y值中每个y值和与前一个x值存在唯一对应关系的y值y_pre的差值，并将差值在正负5之内y值存入列表low_vals中，差值不在正负5之内y值存入high_vals中。
164.在high_vals所包含y值数量大于5的情况下，认为该x值对应心电曲线的峰值点，
此时认定high_vals中与y_pre差值最大y值与x值唯一对应关系；在high_vals所包含y值数量不大于5的情况下，认定low_vals中y值的平均值与x值唯一对应关系。
165.本发明设计了一套算法，用于为每一个x确定唯一对应的y，同时保证确定出的y尽可能贴合实际。
166.在上述各实施例的基础上，作为一种可选的实施例，所述将所述各个导联区域的心电波形曲线进行导联维度连接，得到所述纸质心电图的数字化结果，包括：
167.依次对所述各个导联区域的心电波形曲线进行归一化处理和等长度裁剪；
168.将归一化处理和等长度裁剪后所述各个导联区域的心电波形曲线连接起来，得到所述纸质心电图的数字化结果。
169.按下式对各个导联区域的心电波形曲线进行归一化处理：
170.xl
,i
＝xori
,l,i-min(xori
,l,0
,xori
,l,1
,
……
xori
,l,n-1
,xori
,l,n
)
171.式中，l对应导联标号，n对应导联区域l的心电波形曲线中包含的像素点个数，xl
,i
为归一化处理后第l个导联区域的心电波形曲线中第i个像素点的像素值，xori
,l,i
为第l个导联区域的心电波形曲线中第i个像素点的像素值；
172.即对于每个导联，将心电波形曲线中每一个像素点数值减去最小像素点数值，得到像素点坐标的相对变化值，并以像素点坐标的相对变化值来表征心电波形。
173.等长度裁剪，即为将各个导联区域的心电波形曲线统一为相同长度。具体统一方式如下：
174.设置长度参数max_length，对于各个导联区域的心电波形曲线，若长度小于max_length，则重复曲线片段直至补齐至足够长度大小，若长度大于max_length，则直接取前max_length长的曲线片段。
175.本发明通过归一化处理和等长度裁剪的方式，为十二个导联区域的心电波形曲线的拼接提供方便。
176.需要注意的是，本发明也可以将十二个导联区域的心电波形曲线的心电数据合并，生成大小为(12,max_length)的二维数组。
177.图5示例了stanford a型急性主动脉夹层纸质心电图的数字化结果，图6示例了st段抬高型心肌梗死纸质心电图的数字化结果，人工分析发现本发明数字化效果非常良好。
178.目前，临床上存在不少心脏疾病难以人为鉴别，急需自动分析技术的介入。例如st段抬高型心肌梗死(stemi)和stanford ford a型急性主动脉夹层(stanford a型aad)。它们是急性胸痛首诊中最重要的两个鉴别诊断内容。stemi和stanford a型add都可表现为急性的剧烈胸痛，且二者均为急症，需要被快速诊断和治疗。当首诊心电图发现st段抬高时，stanford a型add常被误诊为stemi。可怕的是，基于stemi病理机制的核心治疗对于stanford a型add为完全禁忌，抗血小板、抗凝血酶和溶栓药物治疗可导致灾难性出血，加速其进展和破裂，促进患者死亡。显然，在有限时间内快速鉴别stemi和stanford a型add具有重要的临床意义。
179.为了应对临床上stanford a型aad和stemi的快速鉴别需求，本发明在纸质心电图数字化的基础上，构建了针对stanford a型aad和stemi的判读模型。
180.具体包括将stanford a型aad纸质心电图数字化得到的心电波形像素信息(即表征stanford a型aad十二个导联区域的心电曲线数值的二维数组)及其对应的stanford a
型aad标记，以及将stemi纸质心电图数字化得到的心电波形像素信息(即表征stemi十二个导联区域的心电曲线数值的二维数组)及其对应的stemi标记作为样本组成样本集；
181.将样本集划分为训练集和验证集；所述划分的比例可以但不限于设置为8:2；
182.在预训练权重初始化模型的基础上，利用训练集和验证集构造以表征十二个导联区域的心电曲线数值的二维数组为输入，以表征疾病类型(stanford a型aad或stemi)为输出的判读模型。其中，训练期间不断进行验证，并截取验证集上表现最佳的模型作为判读模型。
183.其中，预训练权重初始化模型，是使用cpsc开源心电数据集对分类网络架构进行训练得到的。具体地，通过不断迭代训练得到相对最优的模型权重，其本质是利用损失函数不断调节网络中的权重，每个epoch利用验证集计算平均分类准确率，将分类准确率最佳的权重作为最终的预训练权重初始化模型。所述分类网络架构，包括但不限于使用resnet34分类模型。
184.可以说，在cpsc开源心电数据集上训练得到的预训练权重的基础上，基于stanford a型aad和stemi数据微调权重得到两者的判读模型。
185.图7示例了判读模型的训练损失变化曲线，图8示例了判读模型的判读精度变化曲线。
186.综上，本发明为应对临床上快速鉴别stanford a型aad和stemi的需求，并考虑到目前没有相关开源数据集的支持，构造了一种stanford a型aad和stemi判读模型。该判读模型利用纸质心电图的数字化结果表征心电波形像素信息，并以两种心电波形像素信息及其疾病类型标记训练用于鉴别stanford a型aad和stemi的判读模型，为临床上特定的、人工难以完成的判读需求打下了基础。
187.第二方面，对本发明提供的纸质心电图数字化装置进行描述，下文描述的纸质心电图数字化装置与上文描述的纸质心电图数字化方法可相互对应参照。图9示例了一种纸质心电图数字化装置的结构示意图，图中所述装置包括：
188.预处理模块21，用于对包含十二个导联区域的纸质心电图的电子图像进行预处理，得到心电图像；
189.分离模块22，用于分离所述心电图像的各个导联区域；
190.细化处理模块23，用于基于八邻域稀疏离群点移除算法和预存的细化算法，对所述各个导联区域的心电图像进行细化处理，得到所述各个导联区域的心电波形曲线；
191.连接模块24，用于将所述各个导联区域的心电波形曲线进行导联维度连接，得到所述纸质心电图的数字化结果
192.本发明提供一种纸质心电图数字化装置，对包含十二个导联区域的纸质心电图的电子图像进行预处理以及导联区域分离，以使每个导联区域对应的心电曲线像素点分离出来；之后细化处理每个导联区域对应的心电曲线像素点得到每个导联区域对应的心电曲线；然后将每个导联区域对应的心电曲线进行导联维度的连接，得到十二个导联的心电波形曲线。通过上述将纸质心电图中心电信号有效信息数字化的方式，可以将医院源源不断产生的纸质心电图转换为电子心电图，解决了因电子心电图体量不充足而导致的自动心电异常分析实现困难的问题，促进了自动心电分析领域的发展。
193.本发明实施例提供的纸质心电图数字化装置，具体执行上述各纸质心电图数字化
方法实施例流程，具体请详见上述各纸质心电图数字化方法实施例的内容，在此不再赘述。
194.第三方面，图10示例了一种电子设备的实体结构示意图。如图10所示，该电子设备可以包括：处理器(processor)1010、通信接口(communications interface)1020、存储器(memory)1030和通信总线1040，其中，处理器1010，通信接口1020，存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令，以执行纸质心电图数字化方法，该方法包括：对包含十二个导联区域的纸质心电图的电子图像进行预处理，得到心电图像；分离所述心电图像的各个导联区域；基于八邻域稀疏离群点移除算法和预存的细化算法，对所述各个导联区域的心电图像进行细化处理，得到所述各个导联区域的心电波形曲线；将所述各个导联区域的心电波形曲线进行导联维度连接，得到所述纸质心电图的数字化结果。
195.此外，上述的存储器1030中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
196.第四方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，以执行纸质心电图数字化方法，该方法包括：对包含十二个导联区域的纸质心电图的电子图像进行预处理，得到心电图像；分离所述心电图像的各个导联区域；基于八邻域稀疏离群点移除算法和预存的细化算法，对所述各个导联区域的心电图像进行细化处理，得到所述各个导联区域的心电波形曲线；将所述各个导联区域的心电波形曲线进行导联维度连接，得到所述纸质心电图的数字化结果。
197.第五方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，以执行纸质心电图数字化方法，该方法包括：对包含十二个导联区域的纸质心电图的电子图像进行预处理，得到心电图像；分离所述心电图像的各个导联区域；基于八邻域稀疏离群点移除算法和预存的细化算法，对所述各个导联区域的心电图像进行细化处理，得到所述各个导联区域的心电波形曲线；将所述各个导联区域的心电波形曲线进行导联维度连接，得到所述纸质心电图的数字化结果。
198.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
199.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该
计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
200.最后应说明的是：以上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精神和范围。
技术特征：1.一种纸质心电图数字化方法，其特征在于，所述方法包括：对包含十二个导联区域的纸质心电图的电子图像进行预处理，得到心电图像；分离所述心电图像的各个导联区域；基于八邻域稀疏离群点移除算法和预存的细化算法，对所述各个导联区域的心电图像进行细化处理，得到所述各个导联区域的心电波形曲线；将所述各个导联区域的心电波形曲线进行导联维度连接，得到所述纸质心电图的数字化结果。2.根据权利要求1所述的纸质心电图数字化方法，其特征在于，所述预处理至少包括：噪声像素点去除、印章去除和背景网格线去除。3.根据权利要求2所述的纸质心电图数字化方法，其特征在于，对所述纸质心电图的电子图像进行预处理，得到心电图像，包括：采用高斯滤波技术滤除所述电子图像的噪声像素点；基于rgb通道分离技术，获取滤除噪声像素点后的电子图像在r通道下的灰度图；对所述灰度图进行前背景分离，得到去除印章的二值化灰度图；基于二值形态学操作处理所述电子图像对应的灰度图，得到背景网格线位置；基于所述背景网格线位置，去除所述二值化灰度图中的背景网格线，得到所述心电图像。4.根据权利要求1所述的纸质心电图数字化方法，其特征在于，所述分离所述心电图像的各个导联区域，包括：采用人工标记方式，对所述心电曲线图像中各个导联区域进行位置标记；基于所述位置标记，实现所述心电曲线图像中各个导联区域的分离。5.根据权利要求1所述的纸质心电图数字化方法，其特征在于，所述基于八邻域稀疏离群点移除算法和预存的细化算法，对所述各个导联区域的心电图像进行细化处理，得到所述各个导联区域的心电波形曲线，包括：针对任意一个导联区域的心电图像，基于八邻域稀疏离群点移除算法，移除所述任意一个导联区域的心电图像中的噪声像素点；利用预存的细化算法，对移除噪声像素点后的心电图像进行细化操作，得到所述任意一个导联区域的心电波形曲线。6.根据权利要求5所述的纸质心电图数字化方法，其特征在于，所述基于八邻域稀疏离群点移除算法，移除所述任意一个导联区域的心电图像中的噪声像素点，包括：沿垂直扫描线遍历所述任意一个导联区域的心电图像的前景像素点；将遍历到的满足第一设定条件的前景像素点认定为噪声像素点；移除所述噪声像素点；其中，所述第一设定条件为八邻域范围内包含的前景像素点个数小于预设阈值。7.根据权利要求5所述的纸质心电图数字化方法，其特征在于，所述利用预存的细化算法，对移除噪声像素点后的心电图像进行细化操作，得到所述任意一个导联区域的心电波形曲线，包括：利用数组表示所述移除噪声像素点后的心电图像中包含的前景像素点；按照由小至大的顺序遍历所述数组中的前景像素点横坐标，确定与每一个遍历的前景
像素点横坐标存在唯一对应关系的前景像素点纵坐标；将确定的存在唯一对应关系的前景像素点横坐标和前景像素点纵坐标组成的坐标对添加到前景像素点列表中，生成细化后的前景像素点列表；对所述细化后的前景像素点列表进行像素点拟合，得到所述任意一个导联区域的心电波形曲线；其中，所述前景像素点列表初始时为空，所述数组中各前景像素点的数值为其在所述移除噪声像素点后的心电图像中的位置坐标。8.根据权利要求7所述的纸质心电图数字化方法，其特征在于，所述确定与每一个遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标，包括：当所述遍历的前景像素点横坐标在所述数组中仅存在唯一的前景像素点纵坐标与之对应时，认定所述唯一的前景像素点纵坐标与所述遍历的前景像素点横坐标存在唯一对应关系；当所述遍历的前景像素点横坐标在所述数组中存在多个前景像素点纵坐标与之对应时，判断所述多个前景像素点纵坐标之间的最大距离差值是否不大于第一预设距离差值，并根据判断结果确定与所述遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标。9.根据权利要求8所述的纸质心电图数字化方法，其特征在于，所述根据判断结果确定与所述遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标，包括：在判断结果为是的情况下，计算所述多个前景像素点纵坐标的平均值；认定所述平均值与所述遍历的前景像素点横坐标存在唯一对应关系。10.根据权利要求8所述的纸质心电图数字化方法，其特征在于，所述根据判断结果确定与所述遍历的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标，还包括：在判断结果为否的情况下，获取与遍历次序位于所述遍历的前景像素点横坐标前一个的前景像素点横坐标存在唯一对应关系的前景像素点纵坐标；计算所述多个前景像素点纵坐标中每一个前景像素点纵坐标与获取的前景像素点纵坐标之间的差值；将所述多个前景像素点纵坐标中差值处于预设区间内的前景像素点纵坐标归入第一列表，将所述多个前景像素点纵坐标中差值不处于预设区间内的前景像素点纵坐标归入第二列表；在所述第二列表包含的前景像素点的数量大于预设数量的情况下，认定所述第二列表中差值最大的前景像素点纵坐标与所述遍历的前景像素点横坐标存在唯一对应关系；在所述第二列表包含的前景像素点的数量不大于预设数量的情况下，认定所述第一列表中前景像素点纵坐标的平均值与所述遍历的前景像素点横坐标存在唯一对应关系。11.根据权利要求4所述的纸质心电图数字化方法，其特征在于，所述将所述各个导联区域的心电波形曲线进行导联维度连接，得到所述纸质心电图的数字化结果，包括：依次对所述各个导联区域的心电波形曲线进行归一化处理和等长度裁剪；将归一化处理和等长度裁剪后所述各个导联区域的心电波形曲线连接起来，得到所述纸质心电图的数字化结果。12.一种纸质心电图数字化装置，其特征在于，所述装置包括：
预处理模块，用于对包含十二个导联区域的纸质心电图的电子图像进行预处理，得到心电图像；分离模块，用于分离所述心电图像的各个导联区域；细化处理模块，用于基于八邻域稀疏离群点移除算法和预存的细化算法，对所述各个导联区域的心电图像进行细化处理，得到所述各个导联区域的心电波形曲线；连接模块，用于将所述各个导联区域的心电波形曲线进行导联维度连接，得到所述纸质心电图的数字化结果。
技术总结本发明涉及一种纸质心电图数字化方法和装置，包括：对包含十二个导联区域的纸质心电图的电子图像进行预处理，得到心电图像；分离所述心电图像的各个导联区域；基于八邻域稀疏离群点移除算法和预存的细化算法，对所述各个导联区域的心电图像进行细化处理，得到所述各个导联区域的心电波形曲线；将所述各个导联区域的心电波形曲线进行导联维度连接，得到所述纸质心电图的数字化结果。本发明以将纸质心电图中心电信号有效信息数字化的方式，将源源不断产生的纸质心电图转换为电子心电图，解决了电子心电图体量不充足的问题，促进了自动心电分析领域的发展。分析领域的发展。分析领域的发展。
技术研发人员：任天令 田禾 康曼 李骁时
受保护的技术使用者：清华大学
技术研发日：2022.07.20
技术公布日：2022/11/1
