[发明专利]一种基于遗传算法及元胞自动机的异常心电信号检测方法

说明书

本发明涉及心电信号异常检测技术领域，为一种基于遗传算法及元胞自动机的异常心电信号检测方法，包括以下步骤：S1，采集真实的心电信号；S2，以仿真的心电信号与真实的心电信号之间的误差最小化为优化目标，利用遗传算法求取出最优的心电仿真模型的参数值；S3，采用遗传算法，以最小化采集得到的心电信号模型仿真出的心电信号为目标，求出最优的参数值，根据最优的参数值是否在正常范围内，给出是否具有心脏疾病以及心脏疾病的种类的辅助结论。通过采用遗传算法，以最小化采集得到的心电信号与模型仿真出的心电信号为目标，求出最优的参数值，根据参数值是否在正常范围内，给出是否具有心脏疾病以及心脏疾病的种类的辅助结论。

技术领域

本发明涉及心电信号异常检测技术领域，具体涉及一种基于遗传算法及元胞自动机的异常心电信号检测方法。

背景技术

心电信号作为反应患者生命体征的一种重要信息，在诊疗过程中常需要投入大量的人力物力进行监控患者状况，以防止突发情况的发生。对于某些重症患者往往可能在某些时刻其生命体征已经出现些微异常，但由于察觉不及时，而错过最佳救治时间，造成无法挽回的严重后果。而对于某些患有传染类疾病的重症患者在治疗期间不可避免地会与医护人员发生直接接触，而这种接触往往具有较高的疾病传播风险。

目前采用深度学习方法对心电信号进行诊断的很多，然而采用深度学习模型诊断的准确率高度依赖于训练样本的质量，在心电设备不同、电极放置位置不同、采样频率不同时，采集得到的心电信号形态上或数据分布上会产生比较大的差异，可能会导致深度学习模型的失效。

发明内容

本发明提供了一种基于遗传算法及元胞自动机的异常心电信号检测方法，解决了深度学习模型对设备、电极位置、采样频率过于敏感，进而无法对异常心电信号进行有效检测筛选技术问题。

本发明为解决上述技术问题提供了一种基于遗传算法及元胞自动机的异常心电信号检测方法，包括以下步骤：

S1，采集真实的心电信号，建立心电仿真模型；

S2，以仿真的心电信号与真实的心电信号之间的误差最小化为优化目标，利用遗传算法求取出最优的心电仿真模型的参数值；

S3，根据最优的参数值是否在正常范围内，给出是否具有心脏疾病以及心脏疾病的种类的辅助结论。

可选地，所述S1具体包括：采集10秒时长的真实的心电图。

可选地，所述S1具体包括：

S11，将心脏简化为若干个元胞；

S12，确定元胞电位；

S13，根据元胞的电位计算体表电压；

S14，计算t时刻(x0,y0)元胞和(x1,y1)元胞之间的电压

可选地，所述S11具体包括：建立心脏内各个组织和器官的二维模型，并将心脏的实体简化为多个大小一致的正方形的组合，将简化后的心脏中的每个正方形称为元胞。

可选地，所述S12具体包括：将元胞建立在二维直角坐标系中，并用整数坐标(x,y)表示，t时刻位置处于(x,y)元胞状态用函数ε(x,y,t)表示，ε(x,y,t)的取值方法为：

ε(x,y,t)＝0表示元胞处于静息态，ε(x,y,t)＝1表示元胞处于激发态，1＜ε(x,y,t)＜M表示元胞处于不应态，M为状态数。每个元胞在t时刻的电位可以根据ε(x,y,t)的取值确定,δ代表邻域范围内激发态邻居个数，δ_th为激发阈值。

可选地，所述S13具体包括，依据以下公式计算(x,y)元胞处的电压：