[发明专利]基于核函数分类算法的心电电极错误放置自动检测方法

摘要

本发明公开了一种基于核函数分类算法的心电电极错误放置自动检测方法，使得不需采用额外辅助情况下实现设备智能检测手、足电极的错误位置布放，本发明方法将参考信号分为七个类别，通过采用基于核函数的分类器方法，对给定任意心电向量进行识别、分类。本方法能够准确甄别心脏疾病与位置错放导致的异常波形，大大提高心电图解读的正确率。

主权项

1.一种基于核函数分类算法的心电电极错误放置自动检测方法，其特征在于，包括如下步骤：首先，采用常规12导联心电波形截取的波形特征量做判断，所述波形特征量包括：（1）P波电轴，单位为弧度，若没有P波则以零值计算，以变量x₁表示；（2）I导联P波有效幅值，其中P、T波净幅值为最大正波峰幅值减去最大负波峰幅值的绝对值，单位为毫伏，若没有P波则以零值计算，以变量x₂表示；（3）V6导联P波有效幅值，单位为毫伏，若没有P波则以零值计算，以变量x₃表示；（4）QRS电轴，单位为弧度，以变量x₄表示；（5）I导联QRS波群面积，即QRS波群与基线间的面积，单位为毫秒毫米，以变量x₅表示；（6）V6导联QRS波群面积，单位为毫秒毫米，以变量x₆表示；（7）I导联QRS波群特征点群幅值，该幅值相对于基线数值可正可负，单位为毫伏，QRS特征点1、2、3分别以变量x₇、x₈、x₉表示，若所述幅值与基线幅值没有明显差值则以零值计算；（8）I导联T波有效幅值，单位为毫伏，以变量x₁₀表示；（9）V6导联T波有效幅值，单位为毫伏，以变量x₁₁表示；（10）胸导联V₁至V₆的R波幅度递增平均值，即以变量x₁₂表示,其中AmpR_i是胸导联Vi的R波幅度；其次，本方法使用经过筛选、波形曲线清晰、去除所有伪差的优质心电信号波形作为参考信号，该参考信号分为7个类别：类别1，正常人心电波形，仅左右手交叉错误布放；类别2：正常人心电波形，左手与左足、右手与右足交叉错误布放；类别3：正常人心电波形，仅左手与左足交叉错误布放；类别4：正常人心电波形，仅右手与左足交叉错误布放；类别5：正常人心电波形，仅左手与右足交叉错误布放；类别6：正常人心电波形，仅右手与右足交叉错误布放；类别7：右位心心电波形，4个手、足电极均正确布放；以上7个类别中任意一个心电信号样本标记为向量x，x有12个成分,分别为x₁，x₂,…x₁₂；每个类别中至少有m_i个样本，m_i≥20；所以参考信号至少有7*m_i个，以l_ij表示i类中第j个定标样本；最后，本方法设置7个分类器来分别判断给定任意心电向量是何种类别信号，所述给定任意心电向量设为t；以分类器1为例，分类器1用来判断给定任意心电向量t是否为类别1信号，其结构为：（1）对应心电信号样本标记l_ij，引入参数向量θ,分别为θ1，θ₂…；（2）给定任意心电向量t，定义高斯核函数为t到定标样本l_ij的距离；（3）定义cost₁函数，cost1(z)=-z+1,z≤10,z>1;]]>（4）定义cost₂函数，cost2(z)=z-1,z≥-10,z<-1;]]>（5）定义开销函数，minθ{C[Σi=1my(i)cost1(θTf(i))+(1-]]>y(i))cost0(θTf(i))]+12Σj=1mθj2}]]>（6）采用统计梯度下降法使步骤（5）中开销函数最小化，得到参数向量θ最优值；经过以上分类器1参数θ的调整，可以使用分类器1识别给定任意心电向量t：（1）计算f；（2）计算θ与f的内积；（3）如果（2）中内积大于等于0，判定t为类别1信号，反之不是；分类器2至分类器7的结构与工作过程均与分类器1类似，通过参数调整后分别用来判别心电向量t是否为相应类别。