[發明專利]分類器的生成方法、房顫檢測裝置及存儲介質

在審

• 申請號: 201711402020.1
• 申請日: 2017-12-22
• 公開（公告）號: CN109960968A
• 公開（公告）日: 2019-07-02
• 發明（設計）人: 代超;卓遠;董喜艷;薛奮;梁菊蘭
• 申請（專利權）人: 成都心吉康科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種分類器的生成方法，其特征在于，包括：

基于預先標記類型的心搏信號片段，提取心搏間期，得到心搏間期序列，其中，所述預先標記類型包括房顫和非房顫；

基于所述心搏間期序列，計算心搏間期變異值，得到心搏間期變異值序列；

對所述心搏間期變異值序列進行分組，提取各組數據的頻數作為特征向量；

對所述的標記類型和特征向量進行機器學習，生成所述分類器。

2.根據權利要求1所述的方法，其特征在于，所述各組的組距不完全相等。

3.根據權利要求1所述的方法，其特征在于，所述各組的組距的右端值等比遞增。

4.根據權利要求1～3任一項所述的方法，其特征在于，通過設置映射表或者求直方圖的方式對所述心搏間期變異值序列進行分組。

5.根據權利要求4所述的方法，其特征在于，所述機器學習基于線性回歸模型，采用粒子群優化算法、遺傳算法或者蟻群算法求解最優化模型參數；其中，機器學習模型的目標函數定義為

i表示訓練樣本序數，c_i表示第i個訓練樣本的特征向量，Y_i表示第i個訓練樣本的標記類型，x表示待求解的所述最優化模型參數，Dif表示預設的區分值。

6.根據權利要求5所述的方法，其特征在于，所述機器學習采用判式

對所述分類器進行測試驗證，其中，j表示測試樣本序數，c_j表示第j個測試樣本的特征向量，N_j表示第j個測試樣本包括的心搏間期的數量。

7.根據權利要求6所述的方法，其特征在于，各測試樣本包括的心搏間期的數量非必須相等。

8.根據權利要求1～3任一項所述的方法，其特征在于，采用公式dINT(n)＝Max(INT(n)，INT(n-1))/Min(INT(n)，INT(n-1))-1計算所述心搏間期變異值，其中，

Max(INT(n)，INT(n-1))表示取INT(n)和INT(n-1)中的最大值，

Min(INT(n)，INT(n-1))表示取INT(n)和INT(n-1)中的最小值，

INT(n)表示第n個心搏間期的長度，

INT(n-1)表示緊鄰INT(n)的前一個心搏間期的長度，

n≥2。

9.一種房顫檢測裝置，其特征在于，包括：

心搏間期提取模塊，用于從被檢測信號中提取系列心搏間期；

間期變異值計算模塊，用于基于所述系列心搏間期計算得到系列間期變異值；

變異值分組統計模塊，用于對所述系列間期變異值進行分組，統計各組數據的變異值頻數，得到由若干組變異值頻數構成的頻數序列；以及

分類判斷模塊，用于基于如權利要求1～8任一項方法生成的分類器對所述頻數序列分類，以判斷所述被檢測信號是否類屬于房顫。

10.一種計算機存儲介質，所述計算機存儲介質存儲有計算機程序，其特征在于，所述計算機程序被執行時實現如權利要求9所述的裝置的模塊功能。