[發明專利]一種基于多角度特征提取的心電圖分類方法及裝置

在審

• 申請號: 202010054052.2
• 申請日: 2020-01-17
• 公開（公告）號: CN111110224A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 王瑤
• 申請（專利權）人: 武漢中旗生物醫療電子有限公司
• 主分類號: A61B5/0402
• 分類號: A61B5/0402
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙) 42231
• 代理人: 江慧

1.一種基于多角度特征提取的心電圖分類方法，其特征在于，包括以下步驟：

提取原始心電信號的質量特征、心電圖特征以及數理統計特征，將提取的各項特征合并為特征序列；

獲取多條原始心電信號的特征序列得到特征集合；

以所述特征集合作為樣本數據對深度學習模型進行訓練，得到心電圖分類模型；

采用所述心電圖分類模型對心電圖進行分類，得到分類結果。

2.根據權利要求1所述的基于多角度特征提取的心電圖分類方法，其特征在于，提取原始心電信號的質量特征，具體包括：

計算原始心電信號各導聯的SNR、香農熵以及功率譜。

3.根據權利要求1所述的基于多角度特征提取的心電圖分類方法，其特征在于，提取原始心電信號的心電圖特征，具體包括：

提取原始心電信號的節律特征以及形態特征。

4.根據權利要求3所述的基于多角度特征提取的心電圖分類方法，其特征在于，所述節律特征包括每一類節律持續時間；所述形態特征包括各類特征波形的特征信息，所述特征波形包括QRS復合波、T波、P波、PR間期、QT間期以及TP段間期，所述特征信息包括持續時間、振幅、頻譜、斜率、面積以及統計值。

5.根據權利要求1所述的基于多角度特征提取的心電圖分類方法，其特征在于，提取原始心電信號的數理統計特征，具體包括：

提取原始心電信號的鋸齒波形個數、零點交叉個數、自相關系數、信號值平均值、最大值、最小值、信號范圍、方差、偏度、峰度以及百位數。

6.根據權利要求1所述的基于多角度特征提取的心電圖分類方法，其特征在于，以所述特征集合作為樣本數據對深度學習模型進行訓練，得到心電圖分類模型，具體為：

以設定的特征提取比例以及設定的數據提取比例，從所述特征集合中抽取樣本數據，得到樣本數據集；

抽取多個不同的樣本數據集，分別針對每一所述樣本數據集進行訓練，得到多個所述心電圖分類模型；

以多個所述心電圖分類模型的分類結果的加權和作為最終分類結果。

7.根據權利要求1所述的基于多角度特征提取的心電圖分類方法，其特征在于，以所述特征集合作為樣本數據對深度學習模型進行訓練，得到心電圖分類模型，還包括：

采用所述心電圖分類模型對測試集中心電圖進行分類，得到分類結果；

評估各項特征對分類結果的貢獻度，并刪除貢獻度低于設定閾值的特征，得到更新后的特征集合；以更新后的特征集合作為樣本數據對深度學習模型進行訓練，得到更新后的心電圖分類模型；

采用更新后的心電圖分類模型再次對測試集中心電圖進行分類，得到分類結果；判斷更新前后的分類結果的差值是否小于設定值，如果小于，則輸出更新后的心電圖分類模型，否則轉上一步進行下一次更新。

8.根據權利要求7所述的基于多角度特征提取的心電圖分類方法，其特征在于，評估各項特征對分類結果的貢獻度，具體為：

所述心電圖分類模型為XGBoost模型，分別根據每一項特征對所述XGBooost模型的二叉樹進行分裂；

計算所述XGBooost模型的二叉樹分裂前后的目標函數值；

根據目標函數值計算所述XGBooost模型的增益值：

Gain＝obj_LR-obj_L-obj_R

Gain為增益值，obj_LR為二叉樹分裂前的原樹的目標函數值，obj_L為分裂后左子樹的目標函數值，obj_R為分裂后右子樹的目標函數值；

以所述增益值作為貢獻度。

9.一種計算機存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時，實現如權利要求1-8任一所述的基于多角度特征提取的心電圖分類方法。

10.一種基于多角度特征提取的心電圖分類裝置，其特征在于，包括處理器以及存儲器，所述存儲器上存儲有計算機程序，所述計算機程序被所述處理器執行時，實現如權利要求1-8任一所述的基于多角度特征提取的心電圖分類方法。