[發(fā)明專利]基于WT與WOA-PNN算法的ECG身份識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011060834.3
• 申請(qǐng)日: 2020-09-30
• 公開（公告）號(hào): CN112257518A
• 公開（公告）日: 2021-01-22
• 發(fā)明（設(shè)計(jì)）人: 秦曙光;鄭強(qiáng)蓀;李寧;何復(fù)興;朱龍輝
• 申請(qǐng)（專利權(quán)）人: 西安交通大學(xué)第二附屬醫(yī)院;西安理工大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;A61B5/366;A61B5/346;A61B5/352;A61B5/117
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 弓長(zhǎng)

1.基于WT與WOA-PNN算法的ECG身份識(shí)別方法，其特征在于，具體按照如下步驟實(shí)施：

步驟1，采集心電信號(hào)，利用小波變換對(duì)采集的心電信號(hào)進(jìn)行預(yù)處理去噪，得到去噪后的ECG信號(hào)；

步驟2，對(duì)步驟1去噪后的ECG信號(hào)采用小波定位方法對(duì)R波峰值點(diǎn)進(jìn)行定位；

步驟3，通過步驟2所得R波峰值點(diǎn)，確定QRS波群位置，確定P波與T波的峰值點(diǎn)、起點(diǎn)與終點(diǎn)；

步驟4，基于步驟2和步驟3得到的QRS波群、P波和T波的峰值點(diǎn)、起點(diǎn)和終點(diǎn)進(jìn)行組合得到特征向量，然后運(yùn)用WOA-PNN算法進(jìn)行ECG信號(hào)識(shí)別。

2.根據(jù)權(quán)利要求1所述的基于WT與WOA-PNN算法的ECG身份識(shí)別方法，其特征在于，所述步驟1具體為：

步驟1.1，通過設(shè)備讀取或數(shù)據(jù)庫(kù)獲取的方式獲得心電原始數(shù)據(jù)，然后，利用繪圖算法將得到原始數(shù)據(jù)進(jìn)行繪圖，得到存儲(chǔ)有ECG數(shù)據(jù)的矩陣，該矩陣即為需要處理的ECG信號(hào)；

步驟1.2，采用Mallat算法對(duì)步驟1.1所得的ECG信號(hào)進(jìn)行分解重構(gòu)，得到去噪后的ECG信號(hào)。

3.根據(jù)權(quán)利要求1所述的基于WT與WOA-PNN算法的ECG身份識(shí)別方法，其特征在于，所述步驟2具體為：

步驟2.1，通過二進(jìn)樣條小波濾波器對(duì)經(jīng)步驟1去噪后的ECG信號(hào)進(jìn)行四層離散小波分解，得到四次尺度分解后的ECG信號(hào)；

步驟2.2，基于步驟2.1得到的四次尺度分解后的ECG信號(hào)，在三次尺度下尋找R波極大值和R波極小值，確定疑似R波峰值點(diǎn)；

步驟2.3，針對(duì)步驟2.2確定的疑似R波峰值點(diǎn)進(jìn)行R波的漏檢與錯(cuò)檢排查，最終確定準(zhǔn)確的R波峰值點(diǎn)位置。

4.根據(jù)權(quán)利要求3所述的基于WT與WOA-PNN算法的ECG身份識(shí)別方法，其特征在于，所述步驟2.2具體為：

步驟2.2.1，尋找R波極大值：基于步驟2.1得到的四次尺度分解后的ECG信號(hào)，在三次分解尺度下尋找R波極大值，即找出斜率大于0的點(diǎn)，賦值為1，將其余點(diǎn)賦值為0，極大值點(diǎn)就位于這樣的1、0序列之中；

尋找R波極小值：基于步驟2.1得到的四次尺度分解后的ECG信號(hào)，在三次分解尺度下尋找R波極小值，即找出斜率小于0的點(diǎn)，賦值為1，其余點(diǎn)賦值為0，極小值點(diǎn)就位于這樣的1、0序列之中；

步驟2.2.2，再通過設(shè)定閾值為三次分解尺度下三分之一相鄰信號(hào)周期的平均值，去除絕對(duì)值小于閾值的極大值和極小值點(diǎn)，得到疑似的R波峰值點(diǎn)的存在區(qū)間，相鄰極大極小值對(duì)的過零點(diǎn)即就是疑似的R波峰值點(diǎn)。

5.根據(jù)權(quán)利要求4所述的基于WT與WOA-PNN算法的ECG身份識(shí)別方法，其特征在于，所述步驟2.3具體為：

設(shè)定判定條件如下，當(dāng)相鄰疑似R波峰值點(diǎn)的距離0.4mean(RR)時(shí)，說(shuō)明存在錯(cuò)檢的現(xiàn)象，則去除三次分解尺度下絕對(duì)值最小的疑似R波峰值點(diǎn)，若當(dāng)相鄰R波峰值點(diǎn)距離1.6mean(RR)時(shí)，說(shuō)明存在漏檢，此時(shí)需要在三次分解尺度下兩個(gè)疑似R波間期內(nèi)尋找絕對(duì)值和為最大的極大值極小值對(duì)，此時(shí)尋找到的極大值極小值對(duì)的過零點(diǎn)即可定位為漏檢R波峰值的位置，最終確定準(zhǔn)確的R波峰值點(diǎn)位置，將確定的R波峰值點(diǎn)位置與原始心電數(shù)據(jù)中的實(shí)際R波峰值點(diǎn)對(duì)比，若確定的R波峰值點(diǎn)位置和原始心電數(shù)據(jù)中的實(shí)際R波峰值點(diǎn)存在位移量，則人為選擇位移修正量修正確定的R波峰值點(diǎn)位置，得到最終的R波峰值點(diǎn)的位置。

6.根據(jù)權(quán)利要求5所述的基于WT與WOA-PNN算法的ECG身份識(shí)別方法，其特征在于，所述步驟3具體為：

步驟3.1確定QRS波群位置：

基于步驟2所得R波峰值點(diǎn)的位置，將其位置對(duì)應(yīng)到一次分解尺度下，取一次分解尺度下R波峰值點(diǎn)前三個(gè)極值點(diǎn)的位置確定為Q波起點(diǎn)，后三個(gè)極值點(diǎn)認(rèn)定為S波終點(diǎn)。

步驟3.2確定P波與T波的峰值點(diǎn)：

在四次分解尺度下，利用已確定好的QRS波群位置，以Q波起點(diǎn)向前2/3RR間期作為P波搜尋區(qū)間，以S波終點(diǎn)向后2/3RR間期作為T波搜尋區(qū)間，在各自區(qū)間范圍內(nèi)搜尋最大極值對(duì)，找到其過零點(diǎn)確定為P波與T波的峰值點(diǎn)，同時(shí)各自區(qū)間范圍內(nèi)搜尋的最大極大值點(diǎn)及最小極小值點(diǎn)分別確定P波與T波的起點(diǎn)與終點(diǎn)。

7.根據(jù)權(quán)利要求6所述的基于WT與WOA-PNN算法的ECG身份識(shí)別方法，其特征在于，所述步驟4具體為：

步驟4.1，將P波起點(diǎn)、P波峰值點(diǎn)、P波終點(diǎn)，QRS波起點(diǎn)、QRS波R波峰值點(diǎn)、QRS波終點(diǎn)，T波起點(diǎn)、T波峰值點(diǎn)、T波終點(diǎn)作為特征點(diǎn)，利用特征點(diǎn)之間的距離與特征點(diǎn)的幅值以兩兩組合的方式得到22個(gè)不同的特征向量來(lái)表示一個(gè)周期信號(hào)，該周期信號(hào)即為得到的特征數(shù)據(jù)組樣本，其中，22個(gè)不同的特征向量包括16個(gè)距離特征向量：R-R、R-Q、R-S、R-P、R-PBegin、R-Pend、R-T、R-TBegin、R-Tend、PBegin-Pend、TBegin-Tend、Q-P、S-T、P-T、Q-PBegin、S-Tend，6個(gè)幅值特征向量：Q-R、S-R、PBegin-P、P-Q、T-TBegin、T-S，其中，字母后加Begin則代表起點(diǎn)點(diǎn)，加end則代表終止點(diǎn)，不加則代表峰值點(diǎn)；

步驟4.2，在步驟4.1提取得到特征數(shù)據(jù)組樣本后，以特征數(shù)據(jù)組樣的2/3、3/4、4/5樣本分別為訓(xùn)練集，剩下的1/3、1/4、1/5樣本分別作為測(cè)試集，將每組樣本的訓(xùn)練特征量與測(cè)試特征量分別存儲(chǔ)保存為數(shù)據(jù)文件，利用WOA算法做三次訓(xùn)練和測(cè)試，共取得三次識(shí)別精度數(shù)據(jù)，并取平均精度作為算法WOA-PNN的適應(yīng)度；

步驟4.3，首先，通過手動(dòng)調(diào)試來(lái)確定PNN算法平滑因子δ的范圍，然后設(shè)定WOA-PNN算法的平滑因子范圍為[δ-h,δ+h]，種群規(guī)模Q，迭代次數(shù)N，當(dāng)?shù)螖?shù)大于N，迭代結(jié)束，此時(shí)步驟4.2中適應(yīng)度最高，獲得最優(yōu)的分類識(shí)別精度。