[发明专利]一种基于奇异值分解的心电信号压缩及识别方法

说明书

本发明公开了一种基于奇异值分解的心电信号压缩及识别方法，包括以下步骤：S1、使用MIT‑BIH数据库的数据，通过R波检测获得ECG信号中R波的位置；以检测到的R波作为基准点，前100个样本点以及后150个样本点作为心拍，对ECG信号进行心拍截取，获得实验数据；通过特征提取以及数值标准化的方法进行SVM模型的建立；直接使用实验数据进行CNN模型的建立；S2、对MIT‑BIH数据库的数据，通过R波检测获得ECG信号中R波的位置；通过周期标准化使得ECG信号的R‑R段长度相等；进行SVD分解与重构获得压缩信号；通过R波检测以及心拍截取获得压缩测试数据，将其运用于建立的SVM模型以及CNN模型进行准确率的测试。

技术领域

本发明涉及生物医学信息处理领域，具体涉及一种基于奇异值分解的心电信号压缩及识别方法。

背景技术

远程心电监护系统——由心电监护手机终端、医院监控中心服务器和网络通信支持组成，目前已广泛应用于医疗，通过可穿戴电子设备收集心电图信号，经过网络传输至服务器，患者的心脏健康状况能够在服务端ECG分类系统下实时监测和分类，医疗专业人员可以更迅速有效地对一些急性心脏病做出反应。这使得传输心电信号成为整个手术中不可或缺的重要组成部分。然而，由于多个周期和高分辨率，所收集的ECG数据量太大而不利于影响ECG数据的传输效率和便携性，这要求ECG信号需要进行压缩处理。

为了确保诊断结果的准确性，无损压缩常用于心电监护和诊断领域，无损压缩优点在于能够无数据损失地压缩信号，缺点是无法获得很高的压缩率，不可避免地导致传输效率降低。大多数研究人员都致力于设计更好的压缩方法，并寻求高压缩比和高质量重建的压缩性能之间的平衡，而不是任何之一指标的突出。

发明内容

本发明的目的是针对现有技术的不足，提供了一种基于奇异值分解(SVD，Singular Value Decomposition)的心电信号压缩及识别方法，所述方法基于有损压缩SVD方法对心电信号进行信号压缩，有效地提高了压缩率的同时，保留了ECG信号的绝大多数信息，进而实现在原信号训练出来的分类器模型中，用压缩信号依然能够有较高准确率地进行心电信号分类。

本发明的目的可以通过如下技术方案实现：

一种基于奇异值分解的心电信号压缩及识别方法，所述方法包括以下步骤：

S1、训练分类器模型：

对MIT-BIH数据库所提供的ECG心电信号数据进行R波检测以及心拍截取预处理，获得实验数据集；

对实验数据集进行特征提取以及数值标准化后用于训练SVM模型；

直接使用实验数据集训练CNN模型；

S2、获取压缩心电信号并进行测试：

对MIT-BIH数据库所提供的ECG心电信号数据进行R波检测以及周期标准化预处理，获得奇异值分解方法的输入矩阵；

对预处理后的心电信号进行奇异值分解与重构，获得压缩心电信号；

对压缩心电信号进行R波检测以及心拍截取预处理，获得压缩测试数据集；

使用压缩测试数据集在上述所建立的SVM模型和CNN模型中进行分类准确率测试。

进一步地，所述对MIT-BIH数据库所提供的ECG心电信号数据进行R波检测以及心拍截取预处理具体过程如下：首先通过带通滤波、“双斜率”处理、低通滤波、滑动窗口积分以及阈值处理完成R波检测，然后以检测到的R波为基准点，以基准点前100个样本点以及后150个样本点作为一个心拍进行截取，并且整理成实验数据集。

进一步地，所述对实验数据集进行特征提取以及数值标准化具体包括：利用小波变换数据集进行特征提取，同时进行了特征归一化；训练SVM模型的实验数据集随机划分为训练集和测试集，各占一半。