[发明专利]心电信号质量评估方法

说明书

本申请公开一种心电信号质量评估方法，其包括以下步骤：对待评估的心电信号进行加窗拆分，得到经分割的心电信号；对该经分割的心电信号进行特征提取；将所提取的特征值输入到模型中，得到分类得分score1；利用阈值L1、L2比较所述分类得分score1，如果score1＝L2，该心电信号判断为类别1，为信号质量好；如果L1≤score1L2，该心电信号判断为类别2，信号质量中等；如果score1L1，采用均值滤波对所述经分割的心电信号进行去基线处理，然后对去基线后的经分割的心电信号进行特征提取，将所提取的特征值输入到所述经训练的心电信号质量评估模型中，得到分类得分score2，若score2＜L1，则该心电信号判断为类别3，信号质量差，若score2＞L1，则该心电信号判断为类别2，信号质量中等。

技术领域

本申请涉及心电信号的质量评估，尤其涉及无监督自动心电信号质量评估方法及其装置。

背景技术

随着生活节奏的加快，人类面临的生活压力及工作压力不断增大，加上不合理的饮食习惯，导致慢性病尤其是心血管疾病的患病率逐年升高。这种疾病具有高突发性、高致残率和高死亡率的特点，严重威胁人类生命健康。

心电图(ECG)能够记录心脏各个心动周期电位变化的波形，是现阶段分析和诊断心脏疾病的有效途径。随着远程医疗科学技术的发展，出现了许多通过可穿戴带设备对患者生命体征信号进行连续监测的系统，其中对于心电信号的连续监测尤为普遍。然而，相比床旁监护仪，可穿戴设备采集的心电信号更容易受到基线漂移、肌电干扰、电极接触噪声、运动伪迹等方面的影响。

这些干扰都会很大程度上影响心电信号的有效性，很有可能导致对心电信号参数的错误评估以及触发错误的报警。

对于心电信号质量评价，近年国内外有很多相关研究。其原理是基于心电信号提取时域、频域、标准模板相关性等指标，通过阈值规则的方法或者机器学习的方法对心电信号质量进行分类。

申请号为201310734550.1的专利公开了一种心电信号质量判断指示方法及系统，用户可以较快地判断采集的心电信号的质量是否良好。

申请号为201410454497.4的专利公开了一种心电图的数据质量实时控制方法及其系统，该系统可以实现心电信号采集功能和心电图数据质量控制功能，确保所监测到的心电信号都是质量达标的有效信号。

申请号为201610056149.0的专利公开了一种用于心电信号质量评估判别的智能终端设备，其评估方法是为了像Holter这种动态心电图机而设计。根据QRS能量比值、信号峰度、基线能量比值三个特征值利用人工神经网络学习算法以梯度下降的优化方式将判别模型建立，通过对系统模型的还原，实现对心电信号质量的判别。

但这些专利所公开方法仍然有很多问题没有得到解决：一是他们的研究多是基于床旁监护仪备采集的信号，并不完全适用于可穿戴设备采集的信号，可穿戴设备应用场景多为日常生活，采集的信号噪声来源更为复杂；二是目前主流的信号质量判别模型仍使用的是有监督机器学习模型(或需要数据标签的深度神经网络模型)，大量的数据标注工作需要投入极大的人力成本，且当有标签的模型训练集确定之后，模型仍存在非常大的风险在训练集上出现过拟合，使得模型在实际应用情况下的性能不佳；三是可穿戴设备之间硬软件存在差异，数据难以互通，也不通用，造成了同一个信号质量评估模型在不同可穿戴设备采集的数据之间未必通用的结果。

发明内容

鉴于上述问题，本申请旨在提出一种心电信号质量评估方法。

本申请的心电信号质量评估方法，其包括以下步骤：

对待评估的心电信号进行加窗拆分，得到经分割的心电信号；

对该经分割的心电信号进行特征提取；

将所提取的特征值输入到经训练的心电信号质量评估模型中，得到分类得分score1；