[发明专利]一种三导联重构十二导联心电信号的方法

摘要

本发明公开了一种三导联重构十二导联心电信号的方法，该方法利用人工神经网络学习算法以Levenberg‑Marquardt的优化方式将重构模型准确的建立，通过对系统模型的还原，实现了利用三导联的监测数据，准确地重构出十二导联数据。本发明与现有十二导联重构方法有显著不同，现有十二导联重构方法是用标准十二导联中的一部分导联来重构其余的导联；而本发明方法是用完全与标准十二导联无关的Holter三导联信号来重构标准十二导联信号，故本发明有效地融合了十二导联和三导联的优势，使患者及医生更容易接受，并能准确诊断。

主权项

一种三导联重构十二导联心电信号的方法，包括如下步骤：(1)在正确使用三导联心电采集设备和十二导联心电采集设备的情况下，同步采集m组三导联心电信号及对应的m组十二导联心电信号，m为大于1的自然数；(2)从所述的十二导联心电信号中提取出关于I、II、V1、V2、V3、V4、V5和V6八个通道的心电信号组成作为一组心电监督数据，遍历得到m组心电监督数据；进而对所述的三导联心电信号和心电监督数据进行预处理；(3)根据预处理后的三导联心电信号和心电监督数据通过人工神经网络学习算法进行训练，得到关于十二导联心电信号的重构模型，具体过程如下：3.1将m组预处理后的三导联心电信号分为训练集和测试集且训练集大于测试集；3.2初始化构建一个由输入层、隐藏层和输出层组成的神经网络，其中输入层由3个神经元组成，隐藏层由10个神经元组成，输出层由8个神经元组成；输入层与隐藏层之间以及隐藏层与输出层之间的神经元函数表达如下：ai=g(Σj=13wijhxj+bih)ek=Σi=110wikoai+bko]]>其中：ai为隐藏层第i个神经元的输出，ek为输出层第k个神经元的输出，xj为输入层第j个神经元的输出，为输入层第j个神经元与隐藏层第i个神经元之间的权重系数，为隐藏层第i个神经元的截距系数，为输出层第k个神经元与隐藏层第i个神经元之间的权重系数，为输出层第k个神经元的截距系数，g()为tansig函数，i、j和k均为自然数且1≤i≤10，1≤j≤3，1≤k≤8；3.3从训练集中任取一组三导联心电信号输入上述神经网络计算得到对应包含I、II、V1、V2、V3、V4、V5和V6八个通道的心电输出数据，计算该心电输出数据与该三导联心电信号所对应的心电监督数据之间的累积误差；3.4根据该累积误差通过Levenberg‑Marquardt算法对神经网络中输入层与隐藏层之间以及隐藏层与输出层之间神经元函数中的系数进行修正，进而从训练集中任取下一组三导联心电信号代入修正后的神经网络；3.5根据步骤3.3和3.4遍历训练集中的所有三导联心电信号，取累积误差最小时所对应的神经网络为重构模型；(4)将用户日常检测得到的三导联心电信号输入所述的重构模型，从而输出得到同步对应的关于I、II、V1、V2、V3、V4、V5和V6八个通道的心电信号，进而根据其中I和II两个通道的心电信号计算出其余III、AVF、AVR和AVL四个通道的心电信号，最终得到用户关于I、II、III、V1、V2、V3、V4、V5、V6、AVF、AVR和AVL十二通道的十二导联心电信号。