[發明專利]一種具有心電信號去噪功能的心電監測系統

有效

• 申請號: 201610111102.X
• 申請日: 2016-02-29
• 公開（公告）號: CN105769173B
• 公開（公告）日: 2018-08-28
• 發明（設計）人: 姚劍;何挺挺;姚志邦;趙曉鵬
• 申請（專利權）人: 浙江銘眾科技有限公司;浙江銘眾醫療器械有限公司;浙江銘眾生物醫用材料與器械研究院
• 主分類號: A61B5/0402
• 分類號: A61B5/0402;A61B5/0428;A61B5/00
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

1.一種具有心電信號去噪功能的心電監測系統，包括三軸加速度傳感器、心電監測器和智能終端，所述的三軸加速度傳感器和心電監測器均與智能終端通過無線通訊連接；其特征在于：

所述的心電監測器包括監測器主體和若干個心電采集電極，所述的監測器主體內設有主控模塊、信號調理模塊和藍牙通訊模塊；心電采集電極與信號調理模塊連接，信號調理模塊與主控模塊連接，主控模塊與藍牙通訊模塊連接；所述的心電采集電極用于拾取人體表的微弱心電信號，送入信號調理模塊經過放大濾波處理后，由主控模塊進行采樣和數字信號處理，然后通過藍牙通訊模塊將心電信號傳輸給智能終端；

所述的智能終端包括藍牙通訊模塊和處理器，所述的處理器包括：

信號采集模塊，用于通過智能終端內的藍牙通訊模塊收集心電監測器提供的心電數據、心電信號模擬發生器提供的對應各心率狀態下的訓練數據以及三軸加速度傳感器提供的運動數據；所述的心電數據為用戶日常在車輛運動時通過心電監測器檢測得到的三通道心電檢測信號段；所述的訓練數據包括心電信號模擬發生器在靜止時產生的處于任一心率狀態下的m組三通道靜止心電信號段以及在車輛運動時產生的處于任一心率狀態下的m組三通道運動心電信號段，m為大于1的自然數；所述的運動數據包括三軸加速度傳感器同步采集與心電信號模擬發生器在車輛運動時所產生的三通道運動心電信號段對應的三軸加速度信號段以及與心電監測器在車輛運動時所檢測得到的三通道心電檢測信號段對應的三軸加速度信號段；

預處理模塊，用于對所述的三通道靜止心電信號段、三通道運動心電信號段、三通道心電檢測信號段和三軸加速度信號段進行預處理；同時對于任一種心率狀態，使該心率狀態下預處理后的三通道運動心電信號段與三通道靜止心電信號段對應作差，得到m組三通道心電運動噪聲；

神經網絡訓練模塊，對于任一種心率狀態，根據該心率狀態下的三通道心電運動噪聲以及預處理后的三軸加速度信號段通過人工神經網絡學習算法進行訓練，得到針對該心率狀態關于三導聯心電信號的車輛運動噪聲模型；

去噪模塊，用于根據用戶所處的心率狀態將與三通道心電檢測信號段對應的三軸加速度信號段輸入對應的車輛運動噪聲模型中輸出得到一組三通道心電運動噪聲，進而使所述的三通道心電檢測信號段減去該三通道心電運動噪聲即得到消除車輛運動噪聲后的三通道心電數據；

所述的預處理模塊對三通道靜止心電信號段、三通道運動心電信號段、三通道心電檢測信號段和三軸加速度信號段進行預處理包括格式轉換和歸一化處理，以得到適當格式及范圍內的數據信號；其中歸一化處理基于以下表達式：

其中：x為信號段中的任一信號值，x_min和x_max分別為信號段中的最小值和最大值，x'為對應x經歸一化處理后的信號值；

所述的神經網絡訓練模塊通過人工神經網絡學習算法進行訓練的具體過程如下：

(1)將預處理后與三通道運動心電信號段對應的m組三軸加速度信號段分為訓練集和測試集且訓練集大于測試集；

(2)初始化構建一個由輸入層、隱藏層和輸出層組成的神經網絡；

(3)從訓練集中任取一組三軸加速度信號段代入上述神經網絡計算得到對應關于心電運動噪聲的輸出結果，計算該輸出結果與該三軸加速度信號段所對應的三通道心電運動噪聲之間的累積誤差；

(4)根據該累積誤差通過梯度下降法對神經網絡中輸入層與隱藏層之間以及隱藏層與輸出層之間的權重進行修正，進而從訓練集中任取下一組三軸加速度信號段代入修正后的神經網絡；

(5)根據步驟(3)和(4)遍歷訓練集中的所有三軸加速度信號段，取累積誤差最小時所對應的神經網絡為車輛運動噪聲模型；

所述的神經網絡訓練模塊對于訓練得到的車輛運動噪聲模型，將測試集中的三軸加速度信號段逐個代入該車輛運動噪聲模型得到對應關于心電運動噪聲的輸出結果，使測試集中每一組三軸加速度信號段所對應的輸出結果與三通道心電運動噪聲進行比較，若測試集中有一定比例的三軸加速度信號段的比較結果小于等于閾值的話，則該車輛運動噪聲模型最終確定；否則的話，利用心電信號模擬發生器和三軸加速度傳感器采集更多的三通道靜止心電信號段、三通道運動心電信號段和三軸加速度信號段經智能終端中的信號采集模塊和預處理模塊后以增加訓練集的規模作為神經網絡訓練模塊的輸入進行訓練。

2.根據權利要求1所述的心電監測系統，其特征在于：所述的神經網絡訓練模塊所采用的人工神經網絡學習算法以比例共軛梯度法作為優化方向。