[发明专利]基于复杂网络的心电信号分析方法及在智能穿戴上的应用

摘要

基于复杂网络的心电信号分析方法及在智能穿戴上的应用：构建时间窗有限穿越可视图复杂网络，并提取网络特征指标：获得长度为Q的心电信号，对心电信号进行时间窗划分，从而获得N组长度为M的时间窗心电信号；对于每一个获得的时间窗心电信号构建有限穿越可视图复杂网络；计算每一个时间窗有限穿越可视图复杂网络的特征指标；结合单因素方差分析和T检验检验不同类型心电信号的时间窗有限穿越可视图复杂网络在同一指标下的显著性差异。本发明应用于智能穿戴设备，实现对使用者心脏状态的实时监测，并可提供必要的预警。本发明实现对健康心电信号与患病心电信号准确辨识以及不同类型心脏病的区分，在心脏疾病分析及心脏疾病发作远程报警方面有很大的应用潜力。

主权项

1.一种基于复杂网络的心电信号分析方法，其特征在于，包括如下步骤：1)构建时间窗有限穿越可视图复杂网络，并提取网络特征指标，包括如下步骤：(1)获得长度为Q的心电信号对所述心电信号进行时间窗划分，从而获得N组长度为M的时间窗心电信号yn,j＝x((n‑1)M+j)其中，y_n,j表示第n个时间窗心电信号的第j个节点，M表示设定的时间窗长度，表示对取整；(2)对于每一个获得的时间窗心电信号构建有限穿越可视图复杂网络；2)计算每一个时间窗有限穿越可视图复杂网络的特征指标，包括：计算全局聚集系数C：计算局部聚集系数均值计算聚集系数熵EC：其中，τΔ表示的是一个可视图网络中闭三元组的数目，闭三元组指一个三角由三个封闭的三元组构成，τ表示一个可视图网络中的开三元组数目，开三元组即为三个节点由两条连边连接，τj表示一个可视图网络中以节点j为中心的开三元组数目，τj,Δ表示的是一个可视图网络中以节点j为中心的闭三元组数目，Cj表示的是节点j的聚集系数，M表示网络的节点数；计算节点度值的偏差值Kstd：其中，kj表示节点j的度值，即节点j的连边数，M表示网络的节点数；3)结合单因素方差分析和T检验检验不同类型心电信号的时间窗有限穿越可视图复杂网络在同一指标下的显著性差异；根据步骤1)和步骤2)得到三类心电数据，即：五个健康人一天时间的心电数据、五个患有充血性心衰心脏疾病的患者一天时间的心电数据和五个患有心房颤动疾病的患者一天时间的心电数据的时间窗有限穿越可视图复杂网络的四个指标，所述四个指标包括全局聚集系数C、局部聚集系数均值聚集系数熵E_C和节点度值的偏差值K_std，采用单因素方差分析评估不同类型心电数据同一指标的显著性差异P值，当P＜0.05时，表示不同类型心电数据所得到的时间窗有限穿越可视图复杂网络在同一指标上存在显著性差异，然后，再使用T检验两两验证不同心电数据所构建的时间窗有限穿越可视图复杂网络在同一指标上的显著性差异P值，当P＜0.05时，表示两两验证中的两类心电数据所得到的时间窗有限穿越可视图复杂网络在同一指标上存在显著性差异；4)采用留一法交叉验证和随机森林分类器，对所有的四维指标向量进行分类，是将步骤2)中得到的每一个时间窗有限穿越可视图复杂网络的全局聚集系数C、局部聚集系数均值C、聚集系数熵EC和节点度值的偏差值Kstd构成一个四维指标向量，采用留一法交叉验证和随机森林分类器，对所有的四维指标向量进行分类，即依次将一个四维指标向量作为测试集，将其余的指标向量作为训练集，并提供对应的训练集标签，遍历所有的四维指标向量作为测试集，其余的指标向量作为训练集后，从而得到所有的四维指标向量的分类结果。