[发明专利]一种基于共振稀疏分解的十二导联心电信号房颤检测方法

说明书

一种基于共振稀疏分解的十二导联心电信号房颤检测方法，根据房颤信号的特点，利用共振稀疏分解对心电信号进行处理，将分解出的低共振分量部分送入神经网络中进行训练，逐个导联训练后通过投票算法（Voting）将各训练模型得出的概率进行联合运算，得到最终的检测结果，用于房颤检测时无需额外手工提取其他特征，网络结构简单，缩短了运算时间，可以实现实时房颤信号检测。针对房颤信号中“P波消失，出现F波”的表现特点，以共振稀疏分解为基础，突出房颤信号特点，通过简单的神经网络结构，保准准确率的基础上减少了运算时间。

技术领域

本发明涉及心电信号分类检测技术领域，具体涉及一种基于共振稀疏分解的十二导联心电信号房颤检测方法。

背景技术

房颤信号的快速检测是心电信号处理中的关键问题。目前常用的房颤检测算法主要通过分析P波离散度或是否存在F波以及分析RR间期序列来检测房颤，在检测过程中大都采用单导联数据进行，准确度不高，且操作难度较大。随着深度学习的发展，基于深度学习的房颤检测算法虽然获得了较高的结果，但由于大多采用深层神经网络，计算复杂度大、运算时间长，无法用于实时房颤检测。

发明内容

本发明为了克服以上技术的不足，提供了一种检测结果准确度高的基于共振稀疏分解的十二导联心电信号房颤检测方法。

本发明克服其技术问题所采用的技术方案是：

一种基于共振稀疏分解的十二导联心电信号房颤检测方法，包括如下步骤：

a)利用计算机对静态十二导联心电信号y进行切片与去燥处理，得到固定长度的且去除部分噪声的心电信号y′；

b)将去除部分噪声的心电信号y′的各导联逐一利用共振稀疏分解技术处理，获得高共振信号分量y_H、低共振信号分量y_L以及残差信号分量n；

c)将心电信号y′各导联的分解出的低共振信号分量y_L分别送入神经网络中进行训练，训练完成后输出检测结果；

d)将各个导联输出的检测结果进行联合，采用Voting算法计算出最后的分类结果，赋予各导联不同的权重，得到最终检测结果。

进一步的，步骤a)通过以下步骤进行处理：

a-1)利用计算机对静态十二导联心电信号y进行切片，截取每个导联前N个采样点，得到切片后的心电信号；

a-2)利用0.5-40Hz带通滤波器对切片后的心电数据进行处理，得到去除部分噪音的心电信号y′。

进一步的，步骤b)通过以下步骤进行处理：

b-1)根据公式y′＝y_H+y_L+n依据共振稀疏分解算法将去除部分噪声的心电信号y′分解，其中y_H为高共振信号分量、y_L为低共振信号分量、n为残差信号分量；

b-2)通过公式y′＝W₁M₁+W₂M₂+n计算去除部分噪声的心电信号y′，其中W₁为高共振信号分量y_H在冗余字典M₁下的变换系数，W₂为低共振信号分量y_L在冗余字典M₂下的变换系数，n为残差信号分量；