[发明专利]一种用于非治疗目的的基于模糊推理结合加权相似度量的心电分类方法

说明书

技术领域

本发明涉及一种心电分类方法。

背景技术

传统的心电信号分类常采用专家系统来实现，这种方法的优点是方便快捷，但对于心电信号的分类，由于其复杂多变，很难以准确的方式来描述现象和原因之间复杂的多对多或一对多的关系，规则的提取也就变得很困难，提取出的规则也不会很精确，而模糊理论可以很好地弥补这方面的不足。陈晓俐利用模糊理论结合神经网络得出异常心拍的隶属度并完成模糊规则的提取，然后进行模糊推理实现分类；汪德宁利用数据库构建模糊知识库，再结合模糊推理机实现分类；江涛将模糊理论与专家系统相结合，建立模糊专家系统；以上提到的方法最终均通过概念隶属度值的比对进行分类，无法建立心电知识库，考虑不到心电本身各波形及波形属性之间的相互关系，从而忽略了无关属性对特定类型的分类产生的误导，因此心电知识库的构建也是需要研究的问题。而领域本体能够准确地描述概念含义以及概念之间的内在关联，具有良好的概念层次结构和对逻辑推理的支持，能够很好地应用于心电的知识库建立中。

发明内容

本发明为了解决已有的模糊推理分类方法无法构建心电知识库，从而忽略了心电知识及不同波段形态的不同组合对分类的影响导致分类错误率高的问题，和已有的模糊推理分类方法对属性概念不加筛选直接利用其隶属度值的比对进行分类导致分类错误率高的问题。进而提出了一种用于非治疗目的的基于模糊推理结合加权相似度量的心电分类方法。

一种用于非治疗目的的基于模糊推理结合加权相似度量的心电分类方法，包括下述步骤：

步骤一：对已知类型的心电信号f(n)进行预处理，包括两部分，利用数学形态学方法去除基线漂移，利用小波阈值法去除高频噪声，预处理之后的心电信号用F(n)表示；

步骤二：对步骤一中预处理之后的心电信号F(n)进行波形检测，检测心电信号F(n)的ST段、T波、QRS波段位置，然后对各波段进行特征参数提取，选取的特征参数包括ST段抬高，ST段降低，QRS波段宽大，T波倒置，T波电交替；

对同一类型的多个已知类型的心电信号F(n)进行特征参数提取之后，对于属于同一类型i的心电信号F(n)，i＝(a、b、c、d、e、f)，定义类型i的多个已知类型心电信号F(n)中某种特征参数的心拍数总数占总心拍数的百分比为这一类心电信号的特征属性值，则这一类心电信号的特征属性值向量定义为分类特征属性值向量Y_i＝[y_i1y_i2y_i3y_i4y_i5]；

步骤三、根据心电图知识创建心电本体ecg.owl：创建心电本体ecg.owl的类和实例，定义心电本体的属性的限制条件，包括属性的名称，定义域和值域；

步骤四、根据模糊概念格与心电本体ecg.owl之间的映射关系，模糊概念格由外延、内涵和相应的隶属度值构成；模糊概念格的外延、内涵依次对应为心电本体ecg.owl中的类名、属性，将步骤二中得到的一类心电信号的特征属性值y_i作为模糊概念格行与列交叉处的隶属度值，从而构建模糊概念格，获得概念格中的节点关系和节点构成；

步骤五、利用步骤一的方法对待检心电信号f_x(n)进行预处理，处理之后得到的待检心电信号用F_x(n)表示；利用步骤二的方法对F_x(n)进行特征提取获得待检心电的待检特征属性值向量X＝[x₁x₂x₃x₄x₅]；

步骤六、利用心电本体ecg.owl结合模糊概念格中的节点关系以及各节点对应的节点构成，获得模糊推理规则，利用Jess推理机完成推理，获得待检心电F_x(n)的候选对象概率值P；

步骤七、利用基于信息熵的概率加权相似度量对待检心电进行分类，得到最终的分类结果，将待检心电F_x(n)划分为已知类型心电信号F(n)中的一种完成待检心电F_x(n)的分类。

本发明的优点：