[发明专利]一种从10秒心电图中识别二度房室传导阻滞的方法

摘要

本发明公开了一种从10秒心电图中识别二度房室传导阻滞的方法，包括以下步骤：对原始心电信号进行处理，以提取二度房室传导阻滞特征；利用已标记心电数据库训练用于判断各心电图信号是否为二度房室传导阻滞的逻辑回归模型；利用训练好的模型求得各心电图信号为二度房室传导阻滞的概率。本发明利用提取出的特征训练机器学习模型，使二度房室传导阻滞检测技术具有更好的准确性与鲁棒性；在提取特征时，本发明选取高质量、非PVC的QRS波计算心率特征，同时提取了多种P波特征，从而有效防止了窦性心律失常、房性或室行早搏、噪音干扰等导致假阳性二度房室传导阻滞被检出。

主权项

1.一种从10秒心电图中识别二度房室传导阻滞的方法，其特征在于，包括以下步骤：(1)预处理心电图信号，进行除噪，将除噪后的心电信号重采样至某一固定采样率；(2)采用基于小波变换和逻辑回归算法的方法提取心电图QRS波特征点，具体方法为：综合多种波形特征，利用机器学习算法自动从海量数据中学习获得各特征权值，判别疑似QRS波是否真实；同时，对每一个疑似QRS波给出一个是真实QRS波的概率，当信号质量较差时，该概率值普遍较低，因此这些值可以用于衡量心电信号的质量；(3)采用基于瞬时心率的动态确定的搜索窗查找T波，同时，对QRS波附近的区域进行直线化处理，以突出T波部分；(4)采用基于小波变换和K平均聚类算法的方法提取心电图信号中的P波，该方法限定各P波搜索范围为前一个T波终止位置到当前Q波起始位置之间，可以涵盖所有可能的P波，包括在房室传导阻滞发生时；(5)采用基于逻辑回归算法的机器学习技术识别PVC，该方法选取了一组对PVC心跳具有独一性的特征组合，并且所设计的特征参数对噪音干扰较不敏感；(6)从第二个QRS开始，逐个查看各QRS；a.查看该QRS和前一个QRS的信号质量是否高于选定阈值，如果两个QRS中有一个低于阈值，丢弃该QRS，接着查看下一个QRS；QRS的信号质量基于步骤(2)中获得的各QRS概率值；b.查看该QRS和前一个QRS是否为PVC，如果两个QRS中有一个是PVC，丢弃该QRS，接着查看下一个QRS；c.在前两个条件均满足时，计算该QRS和前一个QRS的间期，由此算得瞬时心率；(7)计算步骤(6)获得的众心率的平均值，作为第1个特征参数；(8)利用K平均聚类算法将第(6)步骤中获得的心率聚合成两类，分别计算两个聚类中心率的数目、平均值和标准差，如此获得7个特征，分别为平均心率较低的一个聚类的心率数目、心率平均值、心率标准差，平均心率较高的一个聚类的心率数目、心率平均值、心率标准差，平均心率较高的一个聚类的心率平均值与心率较低的一个聚类的心率平均值的比值；(9)根据步骤(2)中获得的各QRS概率值判断各QRS信号质量是否高于阈值；如果QRS信号质量高于阈值且非PVC，且有P波检出，计算PR间期待用；同时，计算这些信号质量高于阈值且非PVC的QRS中能检出P波的QRS的比例，作为第9个特征参数；(10)利用步骤(9)中获得的PR间期，计算所有PR间期的平均值和标准差分别作为第10个和第11个特征参数；(11)选取经心电专家标记的心电数据库，将各个心电记录划分成多个心电图片段，每个心电图片段10秒；(12)对各个10秒心电图片段按按步骤(1)‑步骤(10)进行处理，获得一个判别二度房室传导阻滞的特征参数矩阵，该矩阵的行数等于所有10秒心电图片段的数目，列数等于11，列数为步骤(1)‑步骤(10)中获得的二度房室传导阻滞特征参数的数目；对各心电图片段，与专家标记进行比对，判断其是否为二度房室传导阻滞；(13)将步骤(12)获得的特征参数矩阵和是否为二度房室传导阻滞的信息输入一个逻辑回归模型中，以梯度下降法为优化方法，设置学习率为0.02，迭代直至收敛；训练中，采用留1交叉验证的方法，即将训练数据随机分成K份，取其中K‑1份做训练，剩下1份做验证，如此重复N次；全部训练完成后对所得N个模型做平均，得到最终模型；最后，以F1分数为指标选取概率阈值，在阈值以下，认为非二度房室传导阻滞，阈值以上，认为是二度房室传导阻滞；(14)对任一新的待分析的10秒心电片段，采用步骤(01)至步骤(10)的方法进行处理，获得该心电图的二度房室传导阻滞特征参数组合；采用步骤(13)中训练获得的模型进行分类，获得其二度房室传导阻滞的概率，再利用步骤(13)中确定的概率阈值最终决定该心电图是否为二度房室传导阻滞。