[發明專利]心電圖心拍智能分類識別方法

有效

• 申請號: 202010154210.1
• 申請日: 2020-03-07
• 公開（公告）號: CN111449645B
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 武相軍;白淑雯;游大濤;朱凱歌;王慧;馬文娜;張長春;吳瀟飛
• 申請（專利權）人: 河南大學
• 主分類號: A61B5/318
• 分類號: A61B5/318;A61B5/346
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 周艷巧

本發明屬于心電信號識別技術領域，涉及一種心電圖心拍智能分類識別方法，包含：獲取心電圖心拍信號樣本數據，該樣本數據包含健康者心電圖心拍信號數據及不同類型病患者心電圖心拍信號數據，并對樣本數據進行預處理；構建堆疊自編碼器，以無監督的方式自動提取心拍信號中特征信息；基于該特征組建分類識別數據庫，訓練通用背景模型，學習一般特征，其參數用來初始化心拍專用識別模型；采集每位患者前m分鐘的心拍，訓練專用識別模型，使其學習心拍特異性；利用后續分鐘數數據對模型識別準確度進行測試。本發明提升心電識別準確度，實現心電信號實時持續監測，可適用于臨床、可穿戴設備監護等多個領域，以便輔助醫生快速進行相關診斷。

技術領域

本發明屬于心電信號識別技術領域，特別涉及一種心電圖心拍智能分類識別方法。

背景技術

近年來，我國居民主要疾病死亡率中心血管疾病占比最高，它已成為我國乃至全球居民死亡的主要原因，對人們的健康造成了嚴重威脅。常見的心血管病包括心臟病發作、缺血性中風、出血性中風、心力衰竭、不同類型的心律失常和心臟瓣膜等疾病。心電圖信號是心臟活動的記錄，可以被心電圖儀捕捉到，上述疾病引起的心臟異常在患者的心電圖信號中均會以某種異常波形表現出來。心電圖的診斷目前往往直接由人工分析完成，但是因心電圖數據量極為龐大，且心跳類型非常多樣化，因此人工對心電圖進行逐個心拍的管理和分析是一項難以有效完成的任務；特別是在臨床監護或穿戴式健康監護環境下，對于初級醫生來說，實時診斷是一項艱巨并且困難的任務；此外，因一些異常心跳出現的突然性和不頻繁性，致使心臟病專家很難及時捕獲一些緊急病情的重要變化信息，直接威脅病人的生命安全。因此，從大量心電圖數據中自動、及時識別異常心跳是一項重要而必需的工作。心電圖的自動診斷是心電圖研究領域的熱點之一，特別是在實時心電信號診斷領域更是如此。各類心臟病患者的心拍波形不僅比較異常且多樣化，而且心拍信號的實時記錄設備常會受工作環境的影響而引入大量不同類型的噪音信息，致使心電圖的有效診斷非常困難，至今仍是一個具有較高挑戰性的研究問題。現有心電圖自動診斷大致分為信號預處理、特征生成和識別三個階段；特征提取雖然取得了顯著進展，但是對噪音干擾較為嚴重的心拍識別性能仍然很低，難以滿足臨床診斷的要求；另外，識別分類主要關注各類心拍的識別，而不關注實時記錄情況下特定患者的心拍識別，忽略了不同患者之間的心拍波形的差異，對新病人的心拍識別的性能并不理想，其性能有待進一步提升。

發明內容

為此，本發明提供一種心電圖心拍智能分類識別方法，提升心電信號識別準確度，可內嵌穿戴設備中以實現心電信號實時持續監測，提升實用性。

按照本發明所提供的設計方案，提出一種心電圖心拍智能分類識別方法，包含：

獲取心電圖心拍信號樣本數據，該樣本數據包含健康者心電圖心拍信號數據及不同類型病患者心電圖心拍信號數據，并對樣本數據進行預處理，所述預處理至少包含：采用小波變換和中值濾波器相結合來去除樣本數據中的噪聲；對去噪后的樣本數據標注R峰位置及波形間隔，將樣本數據中的所有心拍信號分割位同尺度的單一心拍，并采用均值填充度分割結果進行縮放，以確保心拍信號特征不變形；

構建基于余弦距離的堆疊自編碼器，提取心拍信號中具有魯棒性和辨別性的信號特征信息；并基于該信號特征信息組建分類識別數據庫；

構建用于一維心拍信號分類的卷積神經網絡模型，包含用于學習心拍信號一般特征的通用背景模型UCNN，和用于學習不同患者間特異性心拍特征的心拍識別模型SPCNN；

使用訓練集訓練通用背景模型UCNN，學習患者的一般特征，其參數用來初始化用于特定患者的心拍識別模型SPCNN；

采集待檢測者前m分鐘的心拍數據，并輸入到SPCNN進行訓練，使其學習到不同患者心拍中的特異性；利用采集到的剩余分鐘數據以測試SPCNN的準確率。

作為本發明中心電圖心拍智能分類識別方法，進一步地，利用小波變換去除心拍信號數據中工頻干擾和肌電干擾噪聲，利用中值濾波器去除基線漂移噪聲。