[發明專利]一種基于多分類器強化學習的心肌梗塞檢測方法

有效

• 申請號: 201911030739.6
• 申請日: 2019-10-28
• 公開（公告）號: CN110693489B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 鄧木清;張壯;曹九穩
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: A61B5/318
• 分類號: A61B5/318;A61B5/352;A61B5/363;G06K9/00;G06N20/00
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊舟濤

1.一種基于多分類器強化學習的心肌梗塞檢測系統，其特征在于包括如下模塊：

預處理模塊：對采集得到的常規十二導聯心電圖進行數據預處理、R波定位、確定RR間期、獲得HRV信號；

特征提取模塊：對預處理模塊獲得的HRV信號進行每個導聯時域、頻域、非線性動力學特征提取，將提取的特征序列分別作為三個主分類器模型的輸入；

分類模塊：對特征提取模塊提取的特征利用強化學習讓模型不斷進行學習，調整模型參數，將不同動作對應的Q值作為一個序列輸出，最終訓練得到三個主分類器模型，每個主分類器模型里面根據強化學習得分機制產生多個BP分類器；

通過分類模塊利用強化學習訓練得到的三個主分類器對測試樣本進行分類識別，獲得三個測試結果；

最后利用投票法則進行最終投票，獲得識別結果。

2.根據權利要求1所述的一種基于多分類器強化學習的心肌梗塞檢測系統，其特征在于，預處理模塊對采集得到的常規十二導聯心電圖進行數據預處理是指利用中值濾波去除基線漂移噪聲、利用巴特沃斯濾波器去除50Hz工頻噪聲、心電圖頻段能量在0.05Hz-100Hz，即利用低通濾波器去除100Hz以上噪聲、利用高通濾波器去除0.05Hz以下的噪聲；利用連續小波模極值方法定位R波，經過一階差分獲取得到HRV信號。

3.根據權利要求1或2所述的一種基于多分類器強化學習的心肌梗塞檢測系統，其特征在于，特征提取模塊獲得的HRV信號進行每個導聯時域、頻域、非線性動力學特征提取，是指將HRV信號進行時域特征提取，分別為：RR間期均值(MEAN)、全程RR間期的標準差(SDNN)、RR相鄰間期的標準差(SDSD)、RR間期差值的均方根(R_MSSD)、相鄰間期大于50ms個數與RR間期總個數的比值(PNN50)、相鄰間期大于20ms個數與RR間期總個數的比值(PNN20)、RR間期方差(VAR)；HRV信號進行頻域特征提取，分別為：極低頻功率(PVLF)、低頻功率(PLF)、高頻功率(PHF)、總功率(PTF)、低頻功率除高頻功率(PLF/PHF)、低頻功率標準值(LF norm)、高頻功率標準值(HF norm)；HRV信號進行非線性特征提取，分別為：近似熵(APEN)、樣本熵(SampEntropy)、LZ復雜度(LZfzd)、C0復雜度(C0fzd)、Poincare Plot橢圓半長軸(SD1)、Poincare Plot橢圓半短軸(SD2)；將提取的時域特征序列、頻域特征序列、非線性的特征序列分別作為模型的輸入。