[发明专利]基于随机投影的实时心电分类方法

说明书

技术领域

本发明涉及生物医学与计算机科学的交叉领域，具体而言，涉及一种对动态心电数据进行分类的方法。

背景技术

世界卫生组织（WHO）最新统计数据表明，心脏病一直是导致死亡的最主要病因。传统的心电监护系统虽然能够有效的减少心脏病患者的死亡率，但由于它不能远程监测，所以无法实时地监控患者的心电信号。然而心脏病具有隐蔽性和潜伏性，不发病的时候很难从心电图上表现出来，发病时又是短暂的，往往只持续几十秒的时间，等赶到医院做心电图检查时，症状已经消失，心电图恢复正常。医生无法对病人及时诊断，延误疾病治疗。因此有些病人需携带24小时Holter，24小时采集心电数据。并且，随着当前信息科学和医疗科学的发展，越来越多的人对个人及家庭的健康提出来更高的要求，期望能够随时掌握自己健康状况，尽早发现病兆。远程心电诊断系统，可穿戴心电采集设备应运而生。大量数据的测量及存储已经不在成为问题，但医生要对如此巨大的数据进行分析，找出异常心拍，是一件十分繁重的工作。为了极大的节约医生的时间，提高诊断效率，提取产生这些数据潜在的本质信息，设计稳定的自动分类方法才是根本目的。

稀疏表示和压缩感知理论以非传统的方式高效的获取和处理数据，为研究高维数据提供了一个严密的数学框架，为揭示高维数据中的内在结构提供了新的思路。该理论可以理解为将模拟数据节约的转换为压缩数字形式，从而避免了资源的浪费。即为在采样的同时对数据进行压缩，等价于在采样的过程中寻找最少的系数来表示信号，并能用适当的重构算法将原始数据恢复出来。如此，压缩后的少量低维数据包含了原始高维数据的全部信息。从理论上讲，压缩后的数据满足分类需求。

发明内容

本发明在于提供一种心电信号分类方法，以解决特征提取复杂度与准确性之间的矛盾，以及无法实时分类的问题。

本发明在于提供一种基于稀疏投影的实时心电信号分类方法，所述方法包括：

（1）数据预处理：

对多导心电信号进行滤波，去除工频干扰和基线漂移等噪声；

波形检测，波形分割；

对分割好的心跳数据标准化；

（2）特征提取：基于压缩感知的原理对数据进行压缩，降低特征维度，计算RR间隔和RR权值，拼接特征向量，形成二次特征；

（3）分类：将二次特征数据分为训练数据和测试数据，训练数据做分类建模，测试数据放入建模后的分类器中进行测试；

（4）决策分类：多导联分类结果数据融合，运用概率函数做最后分类。本发明提出的心电数据分类方法，分类结果比较准确，同时利用压缩感知降低数据特征维度，提高了算法效率和数据处理能力。

本发明与现有技术相比存在的有益效果是：采用稀疏投影系数作为心电信号分类的特征向量具有更好的鲁棒性；通过对单周期心电信号进行标准化处理，可以不同变量之间纲量的影响；对RR特征加权系数可以提高分类效果；多导联分类结果数据融合可以降低误判率。

附图说明

图1为基于稀疏投影的实时心电分类方法的流程图。

图2为心电信号滤波的效果图。

图3为R点检测图。

图4为单节拍心跳图。

图5为稀疏投影特征十折交叉验证测试图。

图6为稀疏投影特征+权值RR特征的十折交叉验证测试图。

图7为多导联心跳分类流程图。

具体实施方式

下面结合附图对本发明所给出基于稀疏投影的实时心电信号分类方法进行详细说明。

图1为心跳信号分类方法的流程图，包括以下几个步骤：

（1）数据预处理：对多导每导心电信号进行滤波，去除工频干扰和基线漂移；波形检测，波形分割；对分割好的心跳数据标准化；

（2）特征提取：稀疏投影特征+权值RR间隔特征

（3）分类：将特征数据分为训练数据和测试数据，训练数据做分类建模，测试数据放入建模后的分类器中做模拟测试；

（4）决策分类：多导联分类结果数据融合，运用概率函数做最后分类。