[發明專利]一種心電信號分類方法及裝置

有效

• 申請號: 201611181716.1
• 申請日: 2016-12-19
• 公開（公告）號: CN106725428B
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 劉志華;陳俊宏;李東陽;艾紅;唐柳;馬晨光
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: A61B5/0402
• 分類號: A61B5/0402;A61B5/00
• 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

本發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。所述心電信號分類方法包括：步驟a：將提取的心電信號進行分段處理，得到訓練階段的標準輸入數據；步驟b：通過所述訓練階段的標準輸入數據構建深度神經網絡，并對所述深度神經網絡進行訓練，得到心電信號分類器；步驟c：將采集的原始心電信號轉換為與所述訓練階段的標準輸入數據格式相同的數據，得到應用階段的標準輸入數據，并將所述應用階段的標準輸入數據輸入所述心電信號分類器進行心電信號分類。本發明節省了基于領域知識的大量信號處理步驟，針對不同設備、不同使用者在不同環境得到的心電數據，能夠較好的自適應學習。

技術領域

本發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

心臟健康是人體健康的一項重要指標，而心電信號分析是人體健康狀況量化過程中的一個重要環節。心電圖是記錄人體心臟電活動的可視時間序列，在臨床上廣泛用于心臟狀況檢測。其工作原理自傲與每次心跳心肌細胞去極化過程會在皮膚表面引起小的點血改變，這些改變能夠被心電圖記錄裝置捕捉并記錄。心電信號即為心電圖的數據表示。

心電信號中除心臟搏動觸發的信號波外，還會包含中一般會包含多種干擾信號，如肌肉運動產生的33Hz的肌電雜波、呼吸運動產生的0.5Hz以下的低頻率波等。對于心電信號的分類，首先需要對原始信號進行去噪處理，然后檢測典型的幾種波形特征。

計算機輔助心電信號波形分類在最近數十年間有較大發展，主要思路是將人工領域經驗以啟發式的方式用計算機算法表達并分析。心電信號的各種特征如小波特征、高階統計量、功率譜特性、Shannon熵、Hermite多項式系數被提取出，再配合信號的時域、波形等特性，應用主成分分析、線性判別分析、獨立成分分析等統計分析方法，進行信號濾波處理與信號分類。該方法對于測試的標準數據庫的分類效果較好，但是對于臨床測量數據以及實際生活中使用健康監測是被所測量得到的動態心電數據集，則效果下降很多，方法的泛化能力與普適性難以得到保證。

目前，心電信號常用的波形特征檢測方法包括差分檢測法、可變閥值檢測法、神經網絡提取方法、圖像識別法等；基于提取的波形特征，常用的心電信號分類方法包括K近鄰分類、決策樹分類、貝葉斯分類和神經網絡分類等方法。上述的波形檢測與分類方法主要基于信號處理理論或者波形圖形態學檢測，核心檢測算法需要在人工分析信號特征后，總結提煉來設置具體參數。這種方法對于采集的心電信號的要求較高，而對于當前越來越普及的動態心電信號，由于其測量過程受環境等多種因素影響，采集到的信號結構并不統一，因而基于傳統的波形檢測與分類方法的動態心電信號分類效果會受到較大影響。

上述中，神經網絡分類方法與本申請的技術方案較為相近，該方法首先是對心電信號進行基線校正和濾波處理，然后進行QRS(正常心電圖中幅度最大的波群)波形檢測，對于檢測出的波形再進行波形放大和平滑處理，由此得到檢測出波形特征的心電信號，并將其輸入人工神經網絡，根據輸出結果進行心電信號分類。但該分類方法的心電信號分類過程復雜，且分類學習過程較依賴前期濾波處理結果。

發明內容

本發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分類方法分類過程復雜，分類學習過程依賴前期濾波處理結果，以及動態心電信號分類效果不佳的技術問題。

為了解決上述問題，本發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：將提取的心電信號進行分段處理，得到訓練階段的標準輸入數據；

步驟b：通過所述訓練階段的標準輸入數據構建深度神經網絡，并對所述深度神經網絡進行訓練，得到心電信號分類器；

步驟c：將采集的原始心電信號轉換為與所述訓練階段的標準輸入數據格式相同的數據，得到應用階段的標準輸入數據，并將所述應用階段的標準輸入數據輸入所述心電信號分類器進行心電信號分類。