[发明专利]基于形态学滤波和小波阈值的心电异常判别系统及方法

权利要求书

1.一种基于形态学滤波和小波阈值的心电异常判别系统，其特征在于，包括：

数据扩展模块：将多组导联数据进行扩展，获取心电信号s₀；

基线漂移处理模块：使用改进的形态学滤波方法对输入的心电信号s₀进行两次滤波，得到基线漂移信号s₂，对基线漂移信号s₂赋予权重w，从心电信号中去除加权的基线漂移信号ws₂得到输出心电信号s；

去噪模块：基于基线漂移处理模块输出的心电信号s，使用小波变换方法分解信号s，并使用软硬阈值结合的方法过滤不同尺度系数，通过小波重构方法获取输出滤除噪声的心电信号t；

判别模块：基于去噪模块输出的心电信号t,对心电信号进行下采样，缩短心电信号的长度并保留有效信息，通过多个子模块进行共同调优，获取最终异常判别结果；

所述判别模块包括子模块1和子模块2，子模块1中使用ResNet网络和注意力机制对心电信号t进行特征提取，获取异常判别概率；子模块2中使用线性分析心电图机的11个测量数据，获取异常判别概率。

2.根据权利要求1所述的基于形态学滤波和小波阈值的心电异常判别系统，其特征在于，所述数据扩展模块是基于心电信号序列数据，通过波形检测第一个和最后一个R波的波峰位置，将数据复制拼接，获取更长的心电信号序列数据用于信号预处理。

3.根据权利要求1所述的基于形态学滤波和小波阈值的心电异常判别系统，其特征在于，所述基线漂移处理模块中改进的形态学滤波方法具体为：一次滤波运算为对输入的心电信号同时进行开闭和闭开运算，将运算结果做算数平均；这里为通过进行两次滤波运算后再基于均方误差和阈值的形态学滤波自适应心电信号基线处理。

4.根据权利要求1所述的基于形态学滤波和小波阈值的心电异常判别系统，其特征在于，所述去噪模块中使用的小波阈值处理具体为：对基线漂移处理模块输出的心电信号s使用小波函数Daubechies8进行6个尺度的分解，对1、2尺度上的系数使用软阈值方法处理，对3、4尺度上的系数使用硬阈值方法处理，保留5、6尺度上的系数。

5.根据权利要求1所述的基于形态学滤波和小波阈值的心电异常判别系统，其特征在于，所述子模块1中对心电信号t进行特征提取时，在注意力机制中对输入特征进行了两次维度转换。

6.根据权利要求1所述的基于形态学滤波和小波阈值的心电异常判别系统，其特征在于，所述子模块1和子模块2的输出通过线性和sigmoid函数转换。

7.一种基于形态学滤波和小波阈值的心电异常判别方法，其特征在于，基于权利要求1至6任一项所述的基于形态学滤波和小波阈值的心电异常判别系统，包括如下步骤：

步骤1：通过心电图机获取多组导联数据；

步骤2：基于心电图机提供的多组导联数据进行扩展，获取心电信号s₀；

步骤3：使用改进的形态学滤波方法对输入的心电信号s₀进行两次滤波，得到基线漂移信号s₂，对基线漂移信号s₂赋予权重w，基于均方误差更新权重；

步骤4：从心电信号中去除加权的基线漂移信号ws₂得到输出心电信号s；

步骤5：基于基线漂移处理模块输出的心电信号s，使用小波变换方法分解信号s，并使用软硬阈值结合的方法过滤不同尺度系数，通过小波重构方法获取输出滤除噪声的心电信号t；

步骤6：基于去噪模块输出的心电信号t,对心电信号进行下采样，缩短心电信号的长度并保留有效信息，通过多个子模块进行共同调优，获取最终异常判别结果。