[發(fā)明專利]一種心電信號分類方法及裝置

在審

• 申請?zhí)枺?/td>: 201611181530.6
• 申請日: 2016-12-19
• 公開（公告）號: CN106805965A
• 公開（公告）日: 2017-06-09
• 發(fā)明（設計）人: 劉志華;李東陽;陳俊宏;艾紅;馬晨光
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: A61B5/0402
• 分類號: A61B5/0402
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙)44316
• 代理人: 趙勍毅

技術領域

本發(fā)明涉及心電分析技術領域，特別涉及一種心電信號分類方法及裝置。

背景技術

心率失常是人群中的常見現象，嚴重的心率失常會立即威脅人類的生命，因此及時的檢測出心律失常，對預防心臟病和心臟猝死的發(fā)生具有重大的意義。在心電信息中P波(心電圖檢查時，左右心房除極時產生的波形)、QPS波(正常心電圖中幅度最大的波群)與T波(上個波群暫停之后出現的波，代表著心室的復極以備下一次心室的除極)是心電信號的重要特征波，他們的特征變化信息是心臟病理分析和診斷的重要依據。因此準確提取QRS波群的特征信息是心電分析的重要基礎。

目前，國內外已經有很多心電信號心律失常分類算法，例如：

李坤陽等運用數學形態(tài)學和小波變換算法檢測心電波形的QRS波形態(tài)特征，包括RR間期、QRS波時限等參數，結合醫(yī)生識讀心電圖的判別依據，將心拍進行四分類主導性心拍、室上性異常心拍、室性異常心拍和其他心拍，利用MIT-BIH(由美國麻省理工學院提供的研究心律失常的數據庫)心律失常數據庫檢驗分類準確率達到94.2％；

Philip de Chazal等基于心電波形的形態(tài)和間期提取了12個特征向量，構造線性分類模型進行訓練和測試，將心拍分為5類，測試結果真陽性率為81.9％；

Guleral對心電信號進行四個尺度的離散小波變換后,將小波系數的統(tǒng)計量作為心電特征參數，采用兩級組合的多層感知器網絡實現對四類心電信號的分類，正確識別率達到96.94％；

Osowski提出一種模糊混合神經網絡分類器，即將模糊自組織層與MLP(Multi-layer Perceptron，多層感知器)網絡進行級聯(lián)，對七類心電信號進行分類，平均正確識別率達到了96％；

有文獻將基于高階統(tǒng)計量特征和SVM(Support Vector Machine，支持向量機)的神經網絡分類器，與基于Herrnite變換特征和SVM的神經網絡分類器通過權重投票集成為一個專家系統(tǒng)，對13類心律失常信號進行分類識別；

在國內，曹玉珍在對心電圖進行離散小波變換獲得特征空間的基礎上，對特征空問進行搜索得到不同維數下的優(yōu)化特征組合，通過研究這些優(yōu)化特征組合的散度值隨維數的變化趨勢確定特征向量的構成，最后運用BP神經網絡進行分類，對四類心電圖的分類正確率達到93.9％。

劉世雄提出對心電信號首先采用小波檢測算法精確定位QRS波，然后由每個QRS波群提取26個典型特征組成特征向量，最后采用加入法結合基于目標函數的模糊聚類方法進行分類；

駱德漢運用多階前饋人工神經網絡對6類心電圖進行識別，其中二階神經網絡的正確率達到90.57％。

綜上所述，現有的心電信號心律失常分類算法至少存在如下問題：基于形態(tài)的方法較為簡單和直觀，但是特征值較少，分類類型有限，且心電圖形態(tài)對噪聲非常敏感。而各種變換域和統(tǒng)計方法對心律失常類型的定義比較混亂，分類結果和效果也各不相同。而且，現有技術中還沒有通過深度學習進行心電信號分類的方法。

發(fā)明內容

本發(fā)明提供了一種心電信號分類方法及裝置，旨在解決現有的心電信號心律失常分類方法分類類型有限，對心律失常類型的定義混亂，且沒有通過深度學習進行心電信號分類的技術問題。

為了解決上述問題，本發(fā)明提供了如下技術方案：

一種心電信號分類方法，包括：

步驟a：對心電信號進行分割，分別得到訓練集數據和測試集數據；

步驟b：通過深度學習對所述訓練集數據進行模型訓練，構建預測分類模型；

步驟c：通過所述預測分類模型對所述測試集數據進行心電信號分類。

本發(fā)明實施例采取的技術方案還包括：所述步驟a中在對心電信號進行分割步驟之前還包括：對所述心電信號進行去噪處理；所述對心電信號進行去噪處理具體為：通過小波變換對心電信號進行去噪處理。

本發(fā)明實施例采取的技術方案還包括：所述通過小波變換對心電信號進行去噪具體包括：

步驟a1：對心電信號進行提升小波分解，使所含噪聲分布在不同的分解子帶上；

步驟a2：根據不同分解子帶上的心電信號及其噪聲特點，設定每一層小波系數的加權系數閾值，對不同分解子帶上的心電信號進行權重處理設定每一層小波系數；

步驟a3：對權重處理后的心電信號進行重構，得到干凈的心電信號。