[发明专利]基于最小二乘支持向量机的J波自动检测方法

摘要

本发明涉及J波的检测识别及分类，具体为基于最小二乘支持向量机的J波自动检测方法。由于J波经常混合在ST段，常表现为ST段抬高，主要包括驼峰型、顿挫型、尖峰型三种主要形态。当J波的幅度很小时，它与正常心电信号混合之后仍然与正常心电信号看起来没什么区别，因此有必要将它提取出来进行分析和归类，有助于临床提出预警。只依靠医生临床经验对J波进行诊断很难达到高准确性的要求。本专利克服对现有J波的检测准确度低和分类方法的不足的缺陷，从信号处理角度出发对J波进行特征提取，并结合目前在二分类问题中应用广泛的机器学习方法对所提取特征进行分类，从而实现了利用计算机对J波进行自动检测。

主权项

1.基于最小二乘支持向量机的J波自动检测方法，其特征在于包括以下步骤：（1）将心电信号数据集数据集分为训练集、验证集和测试集，训练集、验证集和测试集中都包括正常心电信号和含J波的心电信号，将心电信号数据集进行预处理，即对心电信号进行去噪、去基线漂移、去伪迹等，并对预处理后的心电信号进行心拍分段处理；（2）然后对分段后的心电信号进行五层灵活解析小波分解，从而得到五层子带信号，灵活解析小波具有一对希尔伯特变换对的小波基，从而能够灵活地控制品质因数Q、冗余度R以及尺度因子d；（3）计算这五层子带信号每一层的模糊熵，然后把这五层的模糊熵值作为心电信号的特征向量，模糊熵作为样本熵算法的改进,模糊熵以一指数函数模糊化相似性度量公式,使得模糊熵值能够随参数变化过渡平滑；（4）将心电信号数据集中训练集的特征向量作为最小二乘支持向量机分类器的输入，对最小二乘支持向量机进行训练，并通过验证集的特征向量进行模型选择，最后测试集数据进行测试，得到最终模型；（5）将待测心电信号特征向量输入到训练好的最小二乘支持向量机最终模型中，从而实现正常心电信号与含J波心电信号的分类识别，成功检测J波信号。