[发明专利]一种基于非线性动力学特征的心电向量图分类方法

说明书

本发明公开了一种基于非线性动力学特征的心电向量图分类方法，属于心电检测技术领域；该方法包括如下步骤：采集Frank三导联心电向量图信号；利用中值滤波去除噪声；分别提取每个导联的10个非线性动力学特征；将各特征进行归一化处理，进行特征融合，利用训练心电向量图模式与测试心电向量图模式之间在非线性动力学指标上的差异，实现正常心电向量图与异常心电向量图的分类。上述方法首次将非线性动力学分析方法运用在心电向量图分类上，所提取的非线性动力学特征能够表征心电向量图的动态属性，更好地挖掘了心电向量图的内在特征，将异常和正常的心电向量图区分开，适合在常规的心电检查中使用。

技术领域

本发明属于模式识别技术领域，具体涉及一种基于非线性动力学特征的心电向量图分类方法。

背景技术

心血管疾病是常见的人类疾病，严重威胁着人类的生命财产安全。2012年世界卫生组织统计全球十大死亡原因时指出，心血管疾病成为全球第一位死亡原因，其死亡人数已经明显超过了肿瘤及其他疾病的死亡人数。心电信号作为一种较早研究分析并运用于诊断心血管病的生物电信号，与其他的生物信息相比，心电更具有周期性且更易提取和分析，而且其蕴含了丰富的生理信息，因此被作为评价人体心脏健康状况的重要依据。

心电向量图是诊断心血管疾病的一个重要检查手段。自临床应用以来，充分证明这种辅助诊断手段有很大的价值。心电向量图表示的是某一瞬间心脏除极与复极的心电向量的变化。用它来解释心脏的电激动更接近心脏电活动的实际情况，同时可以完满解释心电图波形变化的机理。心电图仅能表示心脏电流大小与正负的变化，所以称数量心电图；而心电向量图不仅能反映心电大小，还能解释瞬间的电位变化。凡是心电图诊断可疑或不明确时，均可以心电向量图检查。心电向量图在心电图不能确定的心肌梗死、心肌缺血、传导阻滞等方面有一定的长处。

当前诊断心电向量图的方法都是根据波形起止点对VCG作环切割，形成三个独立向量环P，QRS，T环，分析运转方向，主体环、最大向量、初始向量、终末向量的方位、时限、电压等基于图形形态特征。这些方法都没有提取到心电动力学特性。

发明内容

本发明的目的是克服现有技术存在的问题，提出了基于非线性动力学特征的心电向量图分类方法，首次将非线性动力学特征运用在心电向量图分类上,提取嵌入维数、延迟时间、Kolmogorov熵、关联维数、Lyapunov最大指数谱、近似熵、样本熵、模糊熵、LC复杂度和C0复杂度10个非线性动力学特征，用于心电向量图的分类预测。提供一种更为准确的描述心电信号的特征的基于非线性动力学特征的心电向量图分类方法。

本发明的具体技术方案通过如下步骤实现：

步骤1、获取三导联心电向量图信号；

提取三维心电向量图信号，以矩阵形式存储，构成一组心电向量图信号变量；

步骤2、数据预处理；

对步骤1中获得的心电向量图信号进行中值滤波处理，去除基线漂移、肌肉噪声、电源干扰；

步骤3、非线性动力学特征提取；

将步骤2预处理后的心电向量图信号分别计算十个非线性动力学指标：嵌入维数、延迟时间、Kolmogorov熵、关联维数、Lyapunov最大指数谱、近似熵、样本熵、模糊熵、LZ复杂度和C0复杂度；

步骤4：归一化处理并特征融合；

将步骤3中计算的十个非线性动力学指标分别进行归一化处理，对特征进行部分和全部融合；

步骤5：分类识别；

将步骤4中融合后的特征进行监督学习分类器的训练，根据训练模式与测试模式之间关于非线性动力学指标间的差异，实现心电向量图的分类；