[发明专利]基于TSK模糊语义的心律失常分类方法及系统

权利要求书

1.一种基于TSK模糊语义的心律失常分类方法，其特征在于，包括以下步骤：

获取心电信号数据，并对所述心电信号数据进行预处理；

根据预处理后的心电信号数据进行QRS波群的定位、TP波群的定位，同时进行特征选择以及特征提取；

将所得到的数据样本集随机划分为训练集和测试集，训练集输入到TSK模糊分类器模型当中训练该模型，同时设置模糊规则数目，通过前件参数的识别和后件参数的优化，对网络进行调整，获得优化后的TSK模糊分类器模型；

将测试集数据输入到训练好的TSK模糊分类器模型当中，通过网络结构内部训练好的模糊规则对测试集的数据进行推理，最后，网络输出值的大小比较来进行类别的判决；

根据预处理后的心电信号数据进行QRS波群的定位、TP波群的定位，同时进行特征选择以及特征提取，具体为：

通过小波方式，预处理将原始心电信号数据中包含的高频噪声和基线漂移滤除掉；

基于二进样条4层的小波变换方法对R波进行检测，通过与预设阈值进行对比，提取出R波；

获取R波后进行R波点的补偿，根据R波的位置在1层细节系数下的前三个极点获取Q波，根据R波的位置在1层细节系数下的后三个极点获取S波；

通过极大值与极小值根据4层细节系数的特征分别检测出T波与P波；

选取各个波形之间的距离特征及幅值特征进行特征提取，并对提取的特征设置类别标签，所述距离特征包括：R-R表示下一个波形的R波与上一个波形的R波之间的时间间隔；Q-R表示当前波形的Q波与R波之间的时间间隔；R-S表示当前波形的R波与S波之间的时间间隔；Q-S表示当前波形的Q波与S波之间的时间间隔；R-P表示当前波形的R波与P波之间的时间间隔；R-T表示当前波形的R波与T波之间的时间间隔；Q-P表示当前波形的Q波与P波之间的时间间隔；S-T表示当前波形的S波与T波之间的时间间隔；Q-T表示当前波形的Q波与T波之间的时间间隔；P-T表示当前波形的P波与T波之间的时间间隔；所述幅值特征包括：ampQR表示当前波形Q波与R波之间的幅值差；ampSR表示当前波形S波与R波之间的幅值差；ampTS表示当前波形T波与S波之间的幅值差；

所述TSK模糊分类器模型中的IF-THEN的规则具体为：

其中，表示输入变量，表示输入变量项数，表示输入变量总数，表示第条模糊规则中输入变量的模糊子集，表示后件参数，表示类别项数，表示类别总数，表示第条模糊规则中输入变量在第类别的模糊规则输出，；

具有BN层的第r条规则的输出最终结果计算公式如下：

其中, 表示BN层的第r条规则的输出最终结果，表示输入变量项数，表示输入变量总数，、均为后件参数，和分别是高斯隶属度函数的中心和标准偏差，和表示训练期间学习好的参数，表示对规则的批量标准化，表示避免分母为0的初始参数。

2.根据权利要求1所述的一种基于TSK模糊语义的心律失常分类方法，其特征在于，所述TSK模糊分类器中所使用的隶属函数为高斯隶属度函数，隶属函数的公式具体为：

其中，表示第个输入变量在第条模糊规则中对应模糊子集相关联的模糊隶属度，和分别是高斯隶属度函数的中心和标准偏差。

3.根据权利要求1所述的一种基于TSK模糊语义的心律失常分类方法，其特征在于，规则触发级别的计算公式具体为：

其中，表示第条模糊规则的模糊规则输出，表示第个输入变量在第条模糊规则中对应模糊子集相关联的模糊隶属度，表示输入变量总数，和分别是高斯隶属度函数的中心和标准偏差。

4.一种基于TSK模糊语义的心律失常分类系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括一种基于TSK模糊语义的心律失常分类方法程序，所述一种基于TSK模糊语义的心律失常分类方法程序被所述处理器执行时实现如下步骤：

获取心电信号数据，并对所述心电信号数据进行预处理；

根据预处理后的心电信号数据进行QRS波群的定位、TP波群的定位，同时进行特征选择以及特征提取；

将所得到的数据样本集随机划分为训练集和测试集，训练集输入到TSK模糊分类器模型当中训练该模型，同时设置模糊规则数目，通过前件参数的识别和后件参数的优化，对网络进行调整，获得优化后的TSK模糊分类器模型；

将测试集数据输入到训练好的TSK模糊分类器模型当中，通过网络结构内部训练好的模糊规则对测试集的数据进行推理，最后，网络输出值的大小比较来进行类别的判决；

根据预处理后的心电信号数据进行QRS波群的定位、TP波群的定位，同时进行特征选择以及特征提取，具体为：

通过小波方式，预处理将原始心电信号数据中包含的高频噪声和基线漂移滤除掉；

基于二进样条4层的小波变换方法对R波进行检测，通过与预设阈值进行对比，提取出R波；

获取R波后进行R波点的补偿，根据R波的位置在1层细节系数下的前三个极点获取Q波，根据R波的位置在1层细节系数下的后三个极点获取S波；

通过极大值与极小值根据4层细节系数的特征分别检测出T波与P波；

选取各个波形之间的距离特征及幅值特征进行特征提取，并对提取的特征设置类别标签，所述距离特征包括：R-R表示下一个波形的R波与上一个波形的R波之间的时间间隔；Q-R表示当前波形的Q波与R波之间的时间间隔；R-S表示当前波形的R波与S波之间的时间间隔；Q-S表示当前波形的Q波与S波之间的时间间隔；R-P表示当前波形的R波与P波之间的时间间隔；R-T表示当前波形的R波与T波之间的时间间隔；Q-P表示当前波形的Q波与P波之间的时间间隔；S-T表示当前波形的S波与T波之间的时间间隔；Q-T表示当前波形的Q波与T波之间的时间间隔；P-T表示当前波形的P波与T波之间的时间间隔；所述幅值特征包括：ampQR表示当前波形Q波与R波之间的幅值差；ampSR表示当前波形S波与R波之间的幅值差；ampTS表示当前波形T波与S波之间的幅值差；

所述TSK模糊分类器模型中的IF-THEN的规则具体为：

其中，表示输入变量，表示输入变量项数，表示输入变量总数，表示第条模糊规则中输入变量的模糊子集，表示后件参数，表示类别项数，表示类别总数，表示第条模糊规则中输入变量在第类别的模糊规则输出，；

具有BN层的第r条规则的输出最终结果计算公式如下：

其中, 表示BN层的第r条规则的输出最终结果，表示输入变量项数，表示输入变量总数，、均为后件参数，和分别是高斯隶属度函数的中心和标准偏差，和表示训练期间学习好的参数，表示对规则的批量标准化，表示避免分母为0的初始参数。