[發明專利]一種基于dtw-層次聚類分析的單導聯寬大畸形主波識別定位方法

有效

• 申請號: 202010180897.6
• 申請日: 2020-03-16
• 公開（公告）號: CN111493859B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 顧林躍;楊智;孫斌
• 申請（專利權）人: 浙江好絡維醫療技術有限公司
• 主分類號: A61B5/363
• 分類號: A61B5/363;A61B5/366;A61B5/00
• 代理公司: 杭州九洲專利事務所有限公司 33101
• 代理人: 陳琦;陳繼亮

一種基于dtw?層次聚類分析的單導聯寬大畸形主波識別定位方法，包括：a)預處理；b)基于dtw距離量度，對單導聯主波進行層次聚類分析；c）確定寬大畸形主波具體位置。本發明基于dtw算法計算單導聯各主波之間距離，利用層次聚類分析工具，確定了單導聯寬大畸形主波位置，從而為醫生的進一步診斷提供參考。該方法為無監督學習方法，不需要標簽數據，且能針對個體心電圖進行識別定位，特別適合解決主波起點、終點難以準確定位的問題，易于理解，容易實現，精度較高。

技術領域

本發明提出了一種基于dtw-層次聚類分析的單導聯寬大畸形主波識別定位方法，涉及心電圖智能診斷領域。

背景技術

心電圖檢查是體檢的常見項目，如果患者疑似有心律失常癥狀，通常也會去醫院做個心電圖，但是，在醫院的幾分鐘或者十幾分鐘心電圖，難以發現問題，這時候醫生可能會給患者一個可以穿戴的心電圖檢測器，佩戴兩周或者更長時間，這會產生幾百小時的心電圖，醫生要一秒一秒的檢查，這是很費時間的。

目前，已有研究者針對心律失常的智能診斷進行研究。比如早期的利用支持向量機、KNN等機器學習方法對心律失常進行診斷；近年隨著深度學習的興起，也有學者提出了利用深度學習對心律失常進行診斷的新方法。然而，這些方法均為監督學習方法，存在一定的局限性。前期，我們基于歐式距離、利用k-means聚類分析方法，從主波形態、間期兩個方面對單導聯特異主波進行了自適應聚類分析、識別定位研究，但在實際的操作中發現，對于寬大畸形類主波的識別定位，比如室性異位搏動、室內傳導阻滯、室內差異性傳導、預激綜合癥等，因主波的起點、終點難以準確定位，該方法有時難以達到很好的分類效果。

dtw是一種基于動態規劃思想的優化算法，主要應用于語音識別領域，曾較好的解決了孤立詞發音長短不一的模板匹配問題。就寬大畸形主波的識別定位而言，本質而言就是另一種形式的模板匹配，而主波的起點、終點難以準確定位就相當于孤立詞發音的長短不一。為此，我們在前期研究的基礎上，提出一種基于dtw-層次聚類分析的單導聯寬大畸形主波識別定位方法，確定了單導聯寬大畸形主波位置。該方法因為采用dtw算法的緣故，特別適合解決目前主波起點、終點難以準確定位的問題，同時，其為無監督學習方法，不需要標簽數據，能針對個體心電圖進行識別定位，易于理解，容易實現，精度較高。

發明內容

本發明的目的，在于提供一種基于dtw-層次聚類分析的單導聯寬大畸形主波識別定位方法。

為了實現上述目的，本發明所采用的技術方案如下：

一種基于dtw-層次聚類分析的單導聯寬大畸形主波識別定位方法，該方法包括：a)預處理；b)基于dtw距離量度，對主波進行層次聚類分析；c）確定寬大畸形主波具體位置。所述a)預處理方法為：

步驟1：基于分析方法獲得單導聯數據上各主波大致位置。所述該分析方法為P-T計算方法或一種基于正則化最小二乘回歸學習的QRS波起點終點定位方法；

步驟2：用MODWT去除原始數據基線漂移及高頻誤差。所述MODWT是高度冗余的非正交變換，樣本容量可為任意值，且具有位移不變性，通過綜合比較分析，選擇sym4小波，分析到第6層，選取d2、d3、d4、d5、d6作為重構信號，從而去除基線漂移及高頻誤差；

步驟3：校準，確定主波具體位置及時限。

作為優選：所述b) 基于dtw距離量度，對主波進行層次聚類分析方法為：

步驟4：計算基于dtw算法的各主波之間距離，繪制凝聚層次聚類樹：

(1)提取各主波中的最大時限T，獲得各主波點兩端T/2范圍內的波形數據，并減去主波點對應幅值，然后取絕對值得待聚波形數據；

(2)基于dtw算法計算各主波波形之間距離，并根據凝聚層次聚類基本原理，采用平均距離，繪制凝聚層次聚類樹。

步驟5：對各主波進行層次聚類分析：