[发明专利]一种基于稀疏核主分量分析的RdR散点图识别方法

说明书

本发明公开一种基于稀疏核主分量分析的RdR散点图识别方法，包括步骤1）获取心电信号，对心电信号进行滤波去噪处理，提取R波峰值位置；步骤2）使用心搏间期绘制RdR散点图；步骤3）对RdR散点图进行缩放，并对图像数据进行归一化处理；步骤4）对获得的散点图样本进行标记；步骤5）对样本进行采样；步骤6）设置参数；步骤7）分别对每类样本求解近似基、特征值、特征向量；步骤8）计算每个测试样本的SPE，与实际类别比较，若满足要求则步骤9，否则返回步骤6重新设置参数训练；步骤9）获得参数，算法结束。本发明利用稀疏核主分量分析方法来进行RdR散点图的分类识别，具有令人满意的分类效果。

技术领域

本发明涉及一种基于稀疏核主分量分析的RdR散点图识别方法，属于智能医疗技术领域。

背景技术

心率变异是指心动间期之间的时间变异数，其研究对象是心动间期。人的心率不是一成不变的，两次心搏之间存在着微小的时间差异，计算心动间期的差异，即可了解心率变异性(Heart rate variability,HRV)。心率变异性可以评估心脏交感神经与副交感神经对心血管活动的影响，蕴含着心血管方面的大量信息。临床研究表明，心率变异性的降低是心肌梗死、高血压、心绞痛等心血管疾病发病的症状。因此，心率变异性的研究，在评价心血管系统功能、预测心血管疾病的发作，以及为心血管疾病的早期诊断具有重要的意义。

Poincare散点图是心率变异性一种重要的研究方法。通过使用连续的心搏间期在直角坐标系中绘制图形，反映相邻心搏间期的变化，能显示心搏间期的特征。Poincare散点图有多种形态，包括彗星状、扇形等，不同的形状反映不同的心脏状态。虽然Poincare散点图是一种有效的心率变异性分析方法，但是并不能体现其随时间变化的趋势，对于某些心血管疾病、身体健康状况等不能很好的体现其心率变异性性质。于是，一些学者提出了改进策略，即一阶差分散点图，通过相邻心搏间期的差值来绘制散点图。然而，这种方法又丢失了原有的心搏间期绝对值信息。因此，有学者将二者结合起来，提出了一种RdR散点图，以此来同时反映心搏间期及其变化。

目前，对于不同心血管疾病的心率变异性分析很多。但是，如何根据散点图来识别、区分不同的心血管疾病则相对匮乏。本文即是通过稀疏核主分量分析方法来对RdR散点图进行识别分类。

发明内容

本发明的目的就在于通过稀疏核主分量分析的方法，来自动识别RdR散点图，对心率变异性作分析，为实现自动化诊断、缓解紧缺的医疗资源、减少医疗资源的浪费、提高就诊效率提供基础。

本发明通过以下技术方案来实现上述目的：一种基于稀疏核主分量分析的RdR散点图识别方法，包括以下步骤：

步骤1)获取心电信号，对心电信号进行滤波去噪处理，提取R波峰值位置；

步骤2)使用心搏间期绘制RdR散点图，可以通过MATLAB等工具来绘制；

步骤3)对RdR散点图进行缩放，转成灰度图，并对图像数据进行归一化处理，以减少计算量；

步骤4)对获得的散点图样本进行标记；

步骤5)对样本进行采样，随机抽取75％的数据作为训练样本；

步骤6)设置参数，参数包括近似基的误差参数、高斯核函数参数以及控制限的值；

步骤7)分别对每类样本求解近似基、特征值、特征向量；

步骤8)分别计算每个测试样本的SPE，其值与某类样本的SPE差值最小者为测试样本的预测类别，与实际类别比较，计算准确率，若满足要求则步骤9，否则返回步骤6重新设置参数训练；

步骤9)获得参数，算法结束。

稀疏核主分量分析的基本方法：