[发明专利]基于最小二乘支持向量机的J波自动检测方法

说明书

本发明涉及J波的检测识别及分类，具体为基于最小二乘支持向量机的J波自动检测方法。由于J波经常混合在ST段，常表现为ST段抬高，主要包括驼峰型、顿挫型、尖峰型三种主要形态。当J波的幅度很小时，它与正常心电信号混合之后仍然与正常心电信号看起来没什么区别，因此有必要将它提取出来进行分析和归类，有助于临床提出预警。只依靠医生临床经验对J波进行诊断很难达到高准确性的要求。本专利克服对现有J波的检测准确度低和分类方法的不足的缺陷，从信号处理角度出发对J波进行特征提取，并结合目前在二分类问题中应用广泛的机器学习方法对所提取特征进行分类，从而实现了利用计算机对J波进行自动检测。

技术领域

本发明涉及J波的检测识别及分类，具体为基于最小二乘支持向量机的J波自动检测方法。

背景技术

心血管病对人类生命健康危害很大，在我国心脏病发病率一直增长，它严重的危害着人们的身心健康。目前，全球每年有将近1700万人死于心血管疾病，其死亡人数占到全球所有死亡人数的近三分之一。近几年，J波作为心电图(ECG)心室复极的新指标越来越受到临床的重视，成为医生在心血管疾病的临床诊断中判断患者病情的一个重要参考指标。

医学上通常把QRS波群结束和ST间期开始之间的连接点称为J点，它代表心脏心室除极的结束和复极的开始。当J点或ST段的形态、时限和幅度发生显著改变时，表现在至少两个相邻导联上J点从基线移位抬高0.1m V以上，持续时间达到20ms(目前标准并不唯一)，与T波的上升支融合为一体形成圆顶状、驼峰状、尖峰状的波形，称之为J波(如图1所示)。当J波平移或抬高，则会预示着心脏事件(如心室过速、心室颤动或冠心病等)的出现，甚至导致致命的心律失常，乃至猝死的发生。如果在心电图中发现J波，该病人很有可能会产生心脏事件。如果医生能够及时的发现J波，那么他就能够尽早地了解病人病情，做出诊断。所以，提高对心电图正常变异J波与异常J波的鉴别能力,有助于识别临床异常J波的高危患者，减少恶性心律失常及特发性心室颤动猝死的发生，具有很大的临床意义和现实意义。

但在目前，医生主要凭靠自己的肉眼和临床经验从心电图、心电向量图去检测J波，很难准确检测。所以本发明从信号处理角度，结合目前最先进的机器学习方法，利用计算机对J波进行检测。

文献An Analytic Wavelet Transform with a Flexible Time-FrequencyCovering公开了灵活解析小波变换，具体公开了灵活解析小波是由一组迭代滤波器组实现的，主要包括一个低通滤波器和两个高通滤波器，其中一个高通滤波器是分析正频率，其他两个滤波器用来分析负频率，从而能够灵活地控制品质因数Q、冗余度R以及尺度因子d等参数。文献基于模糊熵的脑电睡眠分期特征提取与分类中介绍了模糊熵，模糊熵以一指数函数模糊化相似性度量公式,克服了样本熵定义的局限，使得模糊熵值能够随参数变化过渡平滑,且具备样本熵的相对一致性和短数据集处理特性。本发明利用灵活解析小波变换和模糊熵的特性来提高J波检测的准确度。

发明内容

由于J波经常混合在ST段，常表现为ST段抬高，主要包括驼峰型、顿挫型、尖峰型三种主要形态。当J波的幅度很小时，它与正常心电信号混合之后仍然与正常心电信号看起来没什么区别，因此有必要将它提取出来进行分析和归类，有助于临床提出预警。本发明为了解决只依靠医生临床经验对J波进行诊断很难达到高准确性的要求的问题，提供了基于最小二乘支持向量机的J波自动检测方法。

本发明是采用如下的技术方案实现的：基于最小二乘支持向量机的J波自动检测方法，包括以下步骤：

(1)将心电信号数据集分为训练集、验证集和测试集，训练集、验证集和测试集中都包括正常心电信号和含J波的心电信号，将心电信号数据集进行预处理，即对心电信号进行去噪、去基线漂移、去伪迹等，并对预处理后的心电信号进行心拍分段处理；

(2)然后对分段后的心电信号进行五层灵活解析小波分解，从而得到五层子带信号(分解细节系数)；