[發明專利]一種基于心電信號的房顫檢測方法

有效

• 申請號: 202010919143.8
• 申請日: 2020-09-04
• 公開（公告）號: CN112022149B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 尹武濤;張輝;石謙;李家興
• 申請（專利權）人: 無錫博智芯科技有限公司
• 主分類號: A61B5/361
• 分類號: A61B5/361
• 代理公司: 無錫蘇元專利代理事務所(普通合伙) 32471
• 代理人: 王清偉

1.一種基于心電信號的房顫檢測方法，其特征在于，包括如下步驟：

步驟一，用戶佩戴心電信號采集設備，利用最高采樣頻率采集心電信號，對不同心電信號記錄進行房顫分類；

步驟二，對不同心電信號記錄按心跳周期進行分割，得到不同心跳心電記錄序列；

步驟三，定義粒子群優化算法目標函數：

(1)、定義優化變量為采樣頻率w，根據采樣頻率物理意義可知優化變量的定義域是正整數，小于心電信號采集設備所允許的最高采樣頻率w_max；

(2)、照采樣頻率w，對分割成不同心跳周期的心電信號數據進行重新采樣；

(3)、對所有心電信號進行上述重新采樣后，若該心電信號為房顫信號，則將心電信號標簽y向量置為{1，0}，若該心電信號為正常信號，則將該心電信號標簽y向量置為{0，1}，將帶有房顫標簽的心電信號平均分為訓練數據和測試數據；利用訓練數據，將交叉熵作為訓練目標，利用Adam優化算法訓練長短時記憶網絡，長短時記憶網絡訓練后給出二維輸出z；

其中交叉熵的計算過程為：

其中，z_i代表長短時記憶網絡的輸出z向量的元素，i＝1,2；a_i代表長短時記憶網絡針對心電信號輸入預測的房顫與正常的概率，a₁為房顫概率，a₂為正常概率；y_i代表該心電信號輸入所對應的真實標簽y的元素，若該心電信號的標簽為房顫，則y1＝1，y2＝0；否則y1＝0，y2＝1；訓練后得到長短時記憶網絡的參數P，b；

(4)、將優化變量w下，測試數據的分類準確率作為目標函數d(w)；其中，測試數據的分類結果由所訓練的長短時記憶網絡模型輸出；

步驟四，利用粒子群優化算法優化目標函數，得到最優心電信號采樣頻率。

2.根據權利要求1所述的一種基于心電信號的房顫檢測方法，其特征在于，所述步驟一具體為，不同用戶N名，佩戴心電信號采集設備，在心電信號采集設備允許的最大采樣頻率w_max下，對每名用戶采集心電信號兩分鐘，最終得到N條時長為m分鐘的心電信號數據，對這N條心電信號數據進行是否房顫信號的分類，將數據及房顫標簽一起存儲。

3.根據權利要求2所述的一種基于心電信號的房顫檢測方法，其特征在于，所述N名不同用戶中其中N/2名用戶具有房顫特征。

4.根據權利要求1所述的一種基于心電信號的房顫檢測方法，其特征在于，所述步驟二具體為：心電信號具有周期性，在進行房顫分類模型訓練前，需要對心跳數據記錄按照心跳周期分割，每個心跳周期內，心電信號波形包括P波、QRS波群、T波、R波。

5.根據權利要求4所述的一種基于心電信號的房顫檢測方法，其特征在于，所述R波特征最為明顯，包括了心跳周期內心電信號的最大值，檢測R波波峰，對波峰前后一段時間的心電信號進行組合，最終得到分割成不同心跳周期的心電信號，并將分割前的房顫信號標簽保留到分割后的心電信號。

6.根據權利要求1所述的一種基于心電信號的房顫檢測方法，其特征在于，所述步驟四具體為，利用粒子群優化算法實現優化求解，即求解使得目標函數最大的w的步驟包括如下：

(a)設置種群粒子個數為m和粒子維度1；

(b)隨機初始化種群中各粒子的速度和位置，得到初始種群位置上角標表示粒子標號；u_m是一個五維的向量，表示第m個粒子的位置，是優化過程中一個可能的解；上角標“1”表示當前為第1次迭代過程；設置初始種群速度v(1)；

(c)對種群內各粒子位置與w_max進行比較，將大于w_max的位置替換為w_max之后，對粒子位置進行取整，即令

(d)在迭代過程中，比較各可能解的目標函數值；將迭代過程中，每個粒子最優位置(目標函數值最小)設為該粒子最優位置p_best,i；比較得到所有粒子中最優位置設為粒子群最優位置g_best；

(e)更新粒子速度和位置，第i個粒子的速度及位置更新公式分別如下：

其中，v為粒子速度，u為粒子位置，w為慣性權重，r₁和r₂為分布于區間[0,1]內的隨機數，k為當前迭代次數，初始值為1，為第k次迭代時的第i個粒子的個體最優粒子位置，為第k代時的全局最優粒子位置，c₁與c₂為常數；

進而得到k+1次迭代種群位置：對種群內各粒子位置與w_max進行比較，將大于w_max的位置替換為w_max；之后，對粒子位置進行取整，即令

(f)計算k+1步的每個粒子的目標函數值，并與之前的最優位置所對應得到的目標函數值比較，若當前位置更好，則將其當前位置作為該粒子的最優位置將每一個粒子的目標函數與粒子群的最優粒子位置相比較，若當前位置更好，則更新最優粒子位置

(g)檢查終值條件，若精度滿足預設條件或迭代次數超出限制，則停止迭代，否則重復步驟(c)-(g)；

(h)輸出最優的w*。