[發(fā)明專利]一種心臟病理識別模型的構(gòu)建方法

在審

• 申請?zhí)枺?/td>: 201410073733.8
• 申請日: 2014-03-03
• 公開（公告）號: CN103886184A
• 公開（公告）日: 2014-06-25
• 發(fā)明（設(shè)計）人: 沈海斌;陶泳任
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G06F19/00
• 分類號: G06F19/00;A61B5/0402
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 張法高

技術(shù)領(lǐng)域

本發(fā)明屬于心電識別技術(shù)領(lǐng)域，特別涉及一種心臟病理識別模型的構(gòu)建方法。

背景技術(shù)

心腦血管疾病是困擾著許多人的疾病，其中，每年有大量的人因為心肌梗塞導(dǎo)致死亡，醫(yī)學(xué)界對心臟疾病的治療還需要更多的研究與實踐，醫(yī)學(xué)與其他學(xué)科的交叉應(yīng)用能夠在這方面發(fā)揮一定的作用，將計算機(jī)科學(xué)與醫(yī)學(xué)相結(jié)合，可以提前預(yù)防心臟疾病的發(fā)生、實時監(jiān)測心臟狀況，這對心臟保健是非常有效的。例如在心臟部位放置便攜式的心電傳感器，傳感器實時采集到心電信號，并把這些數(shù)據(jù)發(fā)送到智能手機(jī)上進(jìn)行計算，手機(jī)能夠及時響應(yīng)給用戶當(dāng)前心臟的情況。

心房肥大是各種心臟疾病中重要的一種，在模式識別領(lǐng)域沒有相關(guān)研究成果。由于心房肥大樣本數(shù)據(jù)很少，這給模式識別的研究造成了巨大的障礙，本發(fā)明針對心房肥大進(jìn)行專門研究，研究了在心房肥大數(shù)據(jù)樣本較少情況下的訓(xùn)練與識別算法，展示了基于統(tǒng)計模型的支持向量機(jī)（Support?vector?machine,?SVM）在心房肥大識別方面的應(yīng)用。另外還對SVM進(jìn)行改進(jìn)，將SVM與帶有拒絕域的分類器（Rejection，R）進(jìn)行融合，展示了這種融合分類器在心房肥大識別上的應(yīng)用，將SVM與拒絕域分類器（Rejection，R）融合的分類器SVM-R對心房肥大模式上具有較高的識別準(zhǔn)確率與診斷可信度。

發(fā)明內(nèi)容

本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，提供一種心臟病理識別模型的構(gòu)建方法。

本發(fā)明的技術(shù)方案如下，

心臟病理識別模型的構(gòu)建方法包括以下步驟：

1）從數(shù)據(jù)庫中分別獲取心房肥大患者的心電數(shù)據(jù)和健康人的心電數(shù)據(jù)，將這些心電數(shù)據(jù)下載到本地；

2）從每個人的心電數(shù)據(jù)中分別選取五次心跳進(jìn)行采樣，按奈奎斯特定理針對每次心跳選用50個采樣點幅值作為該次心跳的特征向量A；

3）針對每個人，計算采樣點幅值的平均值，然后讓心跳的特征向量A中的每個采樣點幅值減掉采樣點幅值的平均值，形成心跳的特征向量B；

4）在每個心跳的特征向量B的開頭增加一個標(biāo)志位，標(biāo)志位用0表示該心跳的特征向量是正常心跳的特征向量，標(biāo)志位用1表示該心跳的特征向量是患有心房肥大的心跳的特征向量，50個采樣點幅值和標(biāo)志位形成心跳的特征向量C；

5）使用心跳的特征向量C對支持向量機(jī)數(shù)學(xué)模型進(jìn)行訓(xùn)練得到訓(xùn)練后的支持向量機(jī)數(shù)學(xué)模型，支持向量機(jī)數(shù)學(xué)模型選用的核函數(shù)為高斯核函數(shù)；?

6）定義訓(xùn)練后的支持向量機(jī)數(shù)學(xué)模型的整個分類空間大小為1，訓(xùn)練后的支持向量機(jī)數(shù)學(xué)模型形成超平面，選取超平面周圍的空間作為拒絕域，該拒絕域占整個分類空間大小的20%，對拒絕域內(nèi)的待識別的心跳的特征向量不進(jìn)行分類；

7）拒絕域和訓(xùn)練后的對支持向量機(jī)數(shù)學(xué)模型即構(gòu)成心臟病理識別模型。

本發(fā)明與現(xiàn)有技術(shù)相比的有益效果是：

在用于訓(xùn)練數(shù)學(xué)模型的數(shù)據(jù)匱乏的情況下，現(xiàn)有的分類器無法達(dá)到良好的分類準(zhǔn)確率，缺乏實用價值，本發(fā)明的構(gòu)建的分類器能夠達(dá)到較高的分類準(zhǔn)確率，滿足實際應(yīng)用的需求。

附圖說明

圖1是心電診斷系統(tǒng)中的心臟病理識別模型的示意圖；????????

圖2是應(yīng)用本發(fā)明的心臟病理識別模型進(jìn)行心房肥大識別的流程圖。

具體實施方式

如圖1所示，心臟病理識別模型的構(gòu)建方法包括以下步驟：

1）從數(shù)據(jù)庫中分別獲取心房肥大患者的心電數(shù)據(jù)和健康人的心電數(shù)據(jù)，將這些心電數(shù)據(jù)下載到本地；

2）從每個人的心電數(shù)據(jù)中分別選取五次心跳進(jìn)行采樣，按奈奎斯特定理針對每次心跳選用50個采樣點幅值作為該次心跳的特征向量A；

3）針對每個人，計算采樣點幅值的平均值，然后讓心跳的特征向量A中的每個采樣點幅值減掉采樣點幅值的平均值，形成心跳的特征向量B；

4）在每個心跳的特征向量B的開頭增加一個標(biāo)志位，標(biāo)志位用0表示該心跳的特征向量是正常心跳的特征向量，標(biāo)志位用1表示該心跳的特征向量是患有心房肥大的心跳的特征向量，50個采樣點幅值和標(biāo)志位形成心跳的特征向量C；

5）使用心跳的特征向量C對支持向量機(jī)數(shù)學(xué)模型進(jìn)行訓(xùn)練得到訓(xùn)練后的支持向量機(jī)數(shù)學(xué)模型，支持向量機(jī)數(shù)學(xué)模型選用的核函數(shù)為高斯核函數(shù)；?

6）定義訓(xùn)練后的支持向量機(jī)數(shù)學(xué)模型的整個分類空間大小為1，訓(xùn)練后的支持向量機(jī)數(shù)學(xué)模型形成超平面，選取超平面周圍的空間作為拒絕域，該拒絕域占整個分類空間大小的20%，對拒絕域內(nèi)的待識別的心跳的特征向量不進(jìn)行分類；