[發明專利]基于滑動窗編碼的房顫發生起止點的檢測方法

在審

• 申請號: 202210064012.5
• 申請日: 2022-01-20
• 公開（公告）號: CN114305442A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 楊翠微;賈海軍;劉森;王雅楠
• 申請（專利權）人: 復旦大學
• 主分類號: A61B5/318
• 分類號: A61B5/318;A61B5/361;A61B5/352;A61B5/00;G06K9/00
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 張磊

本發明涉及一種基于滑動窗編碼的房顫發生起止點的檢測方法。所述方法包括：首先基于含房顫標簽數據采用機器學習方法提取特征，得到可以輸出若干個RR間期內房顫發生概率的模型；將待檢測心電信號進行預處理后，檢測R波位置并計算RR間期；以若干個RR間期為窗長、固定的RR間期數為步長作滑動窗，利用模型得到每個窗房顫發生的概率；將每個窗以及每個RR間期的判斷結果進行符號化編碼，通過鄰近窗房顫發生的概率和每個RR間期數次加窗后的判斷結果，得到可代表每個RR間期內房顫是否發生的編碼序列，最終根據編碼序列的突變位置確定房顫發生的起止點。本發明可推廣至時序信號中待檢測事件發生起止點的實時檢測，具有廣泛的應用價值。

技術領域

本發明涉及一種基于滑動窗編碼的房顫發生起止點的檢測方法。

背景技術

目前時序信號中待檢測事件發生的起止點的檢測方法概括地說主要有兩種。第一種方法是直接逐點遍歷信號，若信號中某點符合待檢測事件發生的起止點條件，則判斷該點為待檢測事件發生的起止點。第二種方法是將信號加窗截斷為多個短時信號片段，若某短時信號片段符合待檢測事件發生的起止點條件，則判斷待檢測事件發生的起止點處于該短時信號片段內。

基于直接逐點遍歷信號來檢測信號中待檢測事件發生的起止點的方法是應用最為廣泛的傳統方法。這種方法極易受到噪聲的干擾，不僅檢測的準確率較低，而且只能應用于根據信號中逐點來區分待檢測事件是否發生的檢測場景，對于基于信號片段來區分待檢測事件是否發生的檢測場景則無能為力。

基于將信號加窗截斷為多個短時信號片段來檢測信號中待檢測事件發生的起止點的方法近年來在語音、肌電等信號中得到了應用。這種檢測方法雖然可根據信號片段來區分待檢測事件是否發生，但是該方法只能確定待檢測事件發生的起止點所在的信號片段，不能確定信號中待檢測事件發生的精確起止點，而且檢測的準確率難以提高。

對于心電信號中房顫發生的起止點的檢測，若采用上述第一種方法，則需要逐心拍考察P波的形態特征，然而考察P波的形態特征在技術上存在難度高和準確率低的問題；若采用上述第二種方法，則需將心電信號截斷為多個由一定數目的連續RR間期構成的信號片段，然后分析每個信號片段的RR間期分布規則程度，這種方法無法確定房顫發生的具體心拍位置。

上述兩種方法都是圍繞具體類型的信號中待檢測事件發生前后的信號特征變化展開的，缺乏對起止點檢測整體流程的研究。

發明內容

針對上述傳統的時序信號中待檢測事件發生起止點的檢測方法的局限，本發明的目的在于提出一種基于滑動窗編碼的房顫發生起止點的檢測方法。本發明將每個窗的判斷結果和每個RR間期的判斷結果進行符號化編碼，通過鄰近窗房顫發生的概率和每個RR間期數次加窗后的判斷結果，得到可代表每個RR間期內房顫是否發生的編碼序列，最終根據編碼序列的突變位置確定房顫發生的起止點。

本發明提出的一種基于滑動窗編碼的房顫發生起止點的檢測方法，具體步驟如下：

(1)根據心電信號中房顫發生后RR間期會變得絕對不規則的特點，訓練機器學習模型，所述機器學習模型基于含房顫標簽的數據庫采用隨機森林、邏輯回歸和支持向量機而建立，該機器學習模型的輸入為表征M個RR間期內RR間期分布規則程度的特征，輸出為M個RR間期內房顫發生的概率；這里的M為奇數，一般可取經驗值7或者9；

(2)用心電采集設備采集待檢測心電信號，去除噪聲后，得到預處理后的心電信號；

(3)檢測步驟(2)得到的預處理后的心電信號中的R波位置，計算RR間期，得到長度為N(NM)的RR間期序列；

(4)采用固定步長移動固定窗長的滑動窗方法，對步驟(3)得到的長度為N的RR間期序列，以M個RR間期為窗長，1個RR間期為步長作滑動窗，逐窗提取表征窗內RR間期序列中RR間期分布規則程度的特征，可得到N-M+1個窗的特征；根據實際應用場景，這里的步長也可以是2個或2個以上RR間期；