[发明专利]一种基于统计特征的房颤识别方法

权利要求书

1.一种基于统计特征的房颤识别方法，其特征在于：所述方法包括以下步骤：

(1)输入心电数据，对心电数据进行滤波处理，然后进行心搏定位检测并根据心搏定位计算RR间期，然后设定RR间期阈值范围，根据心电数据中RR间期的分布状况对所述心搏数据进行干扰波识别，根据干扰波识别结果以及心搏数据对所述数据进行标注；

(2)根据所述的标注后的心搏数据，计算心电RR间期数值特征，并根据这些统计数值设定滑动扫描窗口的信息；

(3)根据所述的滑动窗口信息，对按照时间顺序排列好的RR间期进行从滑动窗口起点(RR间期最小值)开始滑动扫描，直至滑动窗口终点(RR间期最大值)，然后获得一系列包含RR间期数据的滑动窗口；

(4)根据上述一系列滑动窗口，从其中选取RR间期个数排名前三的滑动窗口(三个区间内RR间期互不相交)，然后根据所述的三个区间，分别计算其中的一系列区间特征；

(5)根据上述RR间期的数值特征以及区间特征，使用LightGBM算法训练房颤识别模型；

(6)根据上述的房颤识别模型，将其应用于验证集的数据上，使用特异性和F1值评估模型的性能，选择性能优异的作为最终的分类模型。

2.根据权利要求1所述的基于统计特征的房颤识别方法，其特征在于：所述步骤(1)中对心电数据进行滤波以及计算RR间期，并对心电数据进行标注，具体包括：

(1)对所述的心电数据滤波后首先进行R波定位检测，然后计算相应的RR间期，按照时间顺序对RR间期进行编号；

(2)设定RR间期阈值为300ms-1800ms，首先去除不符合阈值范围的RR间期，若有超过全部RR间期个数的1/10，对所述心电数据进行干扰波识别，若识别结果为干扰波，去除所述干扰波数据。

3.根据权利要求1所述的基于统计特征的房颤识别方法，其特征在于：所述步骤(2)中心搏数据计算数值特征并确定滑动扫描窗口的信息，具体包括：

(1)根据所述心搏数据得到RR间期，计算所有RR间期的平均值，标准差等数值特征；

(2)根据所述的RR间期数据，把所有RR间期中的最小RR间期值定为滑动扫描窗口的起点，所有RR间期中最大RR间期值定位滑动扫描窗口的终点，RR间期的平均值的1/10作为滑动扫描窗口的宽度，扫描步长设为1，然后对所有的RR间期进行滑动扫描，得到每个滑动扫描窗口中的RR间期数据。

4.根据权利要求1所述的基于统计特征的房颤识别方法，其特征在于：所述步骤(4)根据每个扫描区间的RR间期数据选出RR间期个数前三的滑动窗口，具体包括：

(1)根据所述的每个窗口的RR间期数据，首先选取RR间期个数最多的窗口作为Window1，然后从剩余的滑动扫描窗口内选取RR间期个数最多的区间作为Window2，并且保证Window2与Window1内的RR间期序号不存在交集，依此方法选取出Window3；

(2)对于Window1、Window2或Window3，如果有多个相同个数的窗口存在，那么选取其中RR间期最为集中的一个窗口作为对应的Window1、Window2或Window3(扫描窗口内的RR间期标准差最小)。