[發明專利]室性激動識別方法、裝置、電子設備及可讀存儲介質

有效

• 申請號: 201911349549.0
• 申請日: 2019-12-24
• 公開（公告）號: CN111214225B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 朱玉奎;馬傳龍;裴振濤
• 申請（專利權）人: 北京超思電子技術有限責任公司
• 主分類號: A61B5/349
• 分類號: A61B5/349;A61B5/366
• 代理公司: 北京市蘭臺律師事務所 11354
• 代理人: 張峰

1.一種室性激動識別方法，其特征在于，包括：

獲取一個完整心動周期的心電信號數據；

基于所述心電信號數據截取預定長度的待識別心電信號數據；

基于所述待識別心電信號數據與預訓練的位置定位模型確定QRS波群的起點位置與終點位置；

基于確定的所述QRS波群的起點位置與終點位置確定所述QRS波群的波群特征；

基于所述QRS波群的波群特征通過預訓練的二叉樹模型識別確定所述心電信號數據是否為室性激動；

所述預訓練的位置定位模型包括預訓練的起點位置定位模型、預訓練的終點位置定位模型；

所述預訓練的位置定位模型為機器核學習模型，所述機器核學習模型如下所示：

其中，H_K表示由核函數K所生成的再生核Hilbert空間，||f||_K表示H_K中的范數，λ∈(0，1)，λ為懲罰系數，是m的函數：x_i表示心電信號片段，y_i表示QRS波群起點至R波頂點的長度，f(x_i)表示x_i歸一化后的結果，m表示將訓練集分為m個子集；

其中，核函數K選取高斯核函數建模，高斯核形式如下：

其中，||x_i-x_j||₂表示歐式范數，σ為超參數；

所述預訓練的位置定位模型包括兩部分：確定超參數σ和懲罰系數λ的值，以及求解最優解f_z,λ。

2.根據權利要求1所述的方法，其特征在于，所述波群特征包括QRS波群時限特征、R波電壓特征、S波電壓特征。

3.根據權利要求1所述方法，其特征在于，所述基于所述待識別心電信號數據與預訓練的位置定位模型確定QRS波群的起點位置與終點位置，包括：

基于所述待識別心電信號數據以及所述預訓練的起點位置定位模型或預訓練的終點位置定位模型，確定QRS波群起點或QRS波群終點距離R波頂點的相對距離；

基于R波頂點的位置以及所述QRS波群起點或QRS波群終點距離R波頂點的相對距離，確定QRS波群的起點位置或終點位置。

4.根據權利要求1所述的方法，其特征在于，該方法還包括：

進行所述預訓練的位置定位模型的訓練時，基于交叉驗證的辦法確定超參數σ和懲罰系數λ。

5.根據權利要求1-4任一項所述的方法，其特征在于，包括：所述預定長度的待識別心電信號數據為R波頂點前后預定時間長度的心電信號數據。