[發(fā)明專利]一種基于高維模糊識別的心電信號質(zhì)量評估方法和裝置

有效

• 申請?zhí)枺?/td>: 201110455395.0
• 申請日: 2011-12-31
• 公開（公告）號: CN102512158A
• 公開（公告）日: 2012-06-27
• 發(fā)明（設(shè)計）人: 楊靜;李鵬;王啟斌;楊磊;李斌;張明;車文彪;劉澄玉;劉常春
• 申請（專利權(quán)）人: 濟(jì)南匯醫(yī)融工科技有限公司
• 主分類號: A61B5/0472
• 分類號: A61B5/0472;A61B5/0452
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及一種心電信號質(zhì)量評估方法和裝置，涉及智能醫(yī)學(xué)儀器領(lǐng)域。

背景技術(shù)

心電信號是臨床上進(jìn)行心臟功能檢測的常用手段。隨著醫(yī)療技術(shù)的進(jìn)步，各類心電監(jiān)護(hù)設(shè)備大量涌入市場，這些監(jiān)護(hù)設(shè)備的技術(shù)基礎(chǔ)是對心電信號的自動分析。心電信號屬于強(qiáng)噪聲背景下的微弱信號，噪聲對信號形態(tài)、包含成分等的影響，會嚴(yán)重干擾信號特征的識別和類別的辨識，而信號特征是對其進(jìn)行自動分析的基礎(chǔ)，由于噪聲、偽跡、運動干擾以及其他病理特征等而導(dǎo)致的心電信號質(zhì)量問題，是影響信號特征提取精度的重要因素。

針對心電信號包含的各種質(zhì)量問題，以往所采取的手段往往是通過數(shù)字濾波的方式進(jìn)行去除噪聲和基線漂移，但從實際情況來看，由同一種設(shè)備所采集的信號，其質(zhì)量水平參差不齊，有些信號基本不含有任何干擾，通過這些去除噪聲和漂移的方式處理之后，會造成真實信號的改變；同時，也有很多信號含有大量的干擾，通過如上的處理方式可能并不能獲得有效的改善。不管是對真實的信號造成改變，還是不能完全排除掉干擾的影響，都會對后續(xù)的分析引入影響，從而造成分析結(jié)果的不準(zhǔn)確。

從近期一些文獻(xiàn)或者專利技術(shù)中可以查閱到有關(guān)心電信號質(zhì)量評估技術(shù)的研究，但是這些研究都是基于特征點提取的，也即首先通過一種算法提取心電信號的特征點，比如多數(shù)情況下是R波點或者是QRS波群，然后通過對特征點提取結(jié)果的分析、QRS波形的分析等獲取對信號質(zhì)量的描述，而本發(fā)明認(rèn)為，特征提取結(jié)果的重要影響因素之一便是信號質(zhì)量水平，信號質(zhì)量問題會對特征提取造成誤差，通過特征提取結(jié)果對信號質(zhì)量水平進(jìn)行判斷也帶來誤差，這些誤差都是向后積累的，最終造成分析結(jié)果的不精確，甚至是錯誤。

另外，信號質(zhì)量水平不是簡單的好與不好的區(qū)別，具有明顯的模糊性質(zhì)，這符合人類本身對于信號質(zhì)量的認(rèn)知方式。對于一例特定的信號，其可能含有多種影響質(zhì)量的因素，怎樣將它歸類到與其更為相似的一種類別中，以往的處理方式很難做到這一點。

因此，目前需要一種能夠基于心電信號本身的、不依賴于特征點提取的心電信號質(zhì)量評估方法，且具有模糊的分析特征，能夠根據(jù)信號的主要特征來歸類其質(zhì)量水平，并最終使用這種評估結(jié)果，分別予以不同的處理，以獲得更為精確的特征提取結(jié)果和最終的參數(shù)計算結(jié)果等。本發(fā)明的基于高位模式模糊識別的心電信號質(zhì)量評估方法和裝置正是在此技術(shù)背景下而獲得的。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種心電信號的質(zhì)量評估方法和裝置，該方法和裝置從心電信號多個維度的特征出發(fā)，通過模糊識別的方式獲得對心電信號質(zhì)量的評估結(jié)果。

本發(fā)明采用以下技術(shù)措施實現(xiàn)以上目的：

一種基于高維模糊識別的心電信號質(zhì)量評估方法，它包括如下步驟：

(1)初始化長度為N的隊列Q；

(2)按照一定的采樣率f_s采集N點心電信號分析數(shù)據(jù)x(n)進(jìn)入隊列Q；

(3)使用噪聲去除方法和基線漂移去除方法對x(n)進(jìn)行預(yù)處理得到序列y(n)；

(4)對序列y(n)計算高維模式特征集S；

(5)使用基于高維模式模糊識別的算法對特征集S進(jìn)行處理，獲取對分析數(shù)據(jù)x(n)的質(zhì)量評估結(jié)果；

(6)重新按照f_s采樣率采集m點心電信號分析數(shù)據(jù)x′(n)，按照先進(jìn)先出方式進(jìn)入隊列Q，更新分析數(shù)據(jù)x(n)，重新進(jìn)入步驟(3)執(zhí)行；

(7)響應(yīng)結(jié)束事件，結(jié)束分析進(jìn)程。

其中，步驟(4)所述的高維模式特征集S包括：時域特征子集S_t、頻域特征子集S_f、多尺度域特征子集S_m、非線性分析特征子集S_n。

其中，時域特征子集S_t包括如下特征：

(1)方差其中為分析數(shù)據(jù)x(n)的平均值，s代表標(biāo)準(zhǔn)差；

(2)峰度其中為分析數(shù)據(jù)x(n)的平均值，s代表標(biāo)準(zhǔn)差；

(3)最大值變異指標(biāo)其中l(wèi)為將分析數(shù)據(jù)x(n)平均分段的段數(shù)，a_i(i＝1，2，…，l)為各段的幅度最大值，為序列a_i(i＝1，2，…，l)的平均值；

(4)最小值變異指標(biāo)其中l(wèi)為將分析數(shù)據(jù)x(n)平均分段的段數(shù)，o_i(i＝1，2，…，l)為各段的幅度最小值，為序列o_i(i＝1，2，…，l)的平均值。

頻域特征子集S_f包括如下特征：