[发明专利]一种基于心电压缩感知转置投影信号的房颤检测方法

说明书

本发明提供了一种基于心电压缩感知转置投影信号的房颤检测方法。本发明技术方案首先使用确定性观测矩阵对心电信号进行随机投影完成压缩，然后在云端利用确定性观测矩阵的转置对压缩信号进行转置投影操作得到近似信号，并将近似信号与原始信号进行相似性验证，最后将近似信号输入转置投影CNN(TP‑CNN)进行房颤检测。本发明提出一种压缩感知与残差神经网络结合的房颤筛查方法，直接对压缩心电的转置投影信号进行房颤检测，与最先进的方法进行比较，超过面向压缩信号的方法的结果，与原始信号的分类结果相比也是具有竞争性的。

技术领域

本发明属于心电监测技术领域，具体涉及一种基于心电压缩感知转置投影信号的房颤检测方法。

背景技术

房颤是最常见的持续性心律失常，房颤本身并不危及生命，但是它极大地增加了相关的多种并发症(卒中，血栓等)的发病率，甚至会导致死亡。据世界心脏联合会报告，在过去十年中，心房颤动的发病率和相关死亡率呈指数级增长，已成为全球健康关注的问题。在2010年，全球有3,350万人患有心房颤动。房颤需要长期的药理学治疗和住院治疗，给医疗保健系统造成了巨大的、不断增加的经济负担。因此，准确的检测房颤并采取有效的治疗措施具有重要意义。

心电图是一种最常用的无创的记录心脏生理活动的工具之一，心电数据可以为临床医生提供心脏健康和病理方面的重要信息，是一种典型的房颤诊断工具。一些12导联心电监护装置被设计用来确保准确的房颤检测。不幸的是，对于房颤患者，佩戴多导联动态心电图进行长期监测较为繁琐，对其日常活动影响较大。虽然，房颤的确诊是通过12导联心电图，但通过使用单导联心电图信号来筛查房颤是一种经济有效的方法。可穿戴设备因为可以在日常持续监测患者的心跳活动已经大量应用在诊断以外的健康监护。基于可穿戴设备的尺寸和便携性的考虑，电池容量和存储容量会受到限制。可穿戴设备在进行日常心电监护任务过程中能量消耗用于信号采集，处理，大部分用于传输。例如，当采样率为400Hz，分辨率为12位时，一个单导联心电信号需要存储或者传输26MB数据；当分辨率为16位时，两个导联需要传送138MB的数据。因此，如何尽可能减少可穿戴设备的信号采集，提高数据传输效率是一个至关重要的问题。

心电压缩算法很早就开始有学者研究，早期的算法如有基于时间的算法像Amplitude-Zone-Time-Epoch-Coding(AZTEC)和Coordinate-Reduction-Time- EncodingSystem(CORTES)，也有基于转换域的算法像基于离散小波变换，基于离散余弦变换。对于低功耗设备，由于复杂的变换，压缩算法可能很耗电。压缩感知是一种有损压缩方法，因为保证亚奈奎斯特采样和低复杂度的操作对远程监测系统具有极大的吸引力，在压缩心电信号时可以降低测量装置的功耗的计算资源。目前心电压缩感知的相关工作主要分为两种框架：(a)重构分析框架：在采集端对信号压缩，将压缩信号传输至云端，在云端对压缩信号重构，最后对重构信号进行下一步分析，见图2(a)；(b)压缩学习框架：在采集端进行信号压缩，将压缩信号传输至云端，在云端直接对压缩信号进行分类,见图2(b)。框架(a)所存在的问题是在云端对压缩信号进行重构需要极大的计算复杂度。框架(b)是针对框架(a)的问题，利用压缩学习理论跳过重构过程直接对压缩信号进行分类，但是因为压缩信号损失了很多信息，框架(b)对心电压缩信号分类的结果并不够好。

发明内容

本发明针对现有技术的不足，提供一种基于心电压缩感知转置投影信号的房颤检测方法。具体方案如下：

步骤1：可穿戴设备端对原始心电信号进行随机投影，得到压缩信号Y；过程如下：

其中，

Y∈R^M是压缩信号，是原始信号的压缩表示，

X是一条原始ECG信号，

是观测矩阵，来通过调整M的大小来控制压缩程度；

步骤2：可穿戴设备端将压缩数据传输到远程服务器端；