一种去除三导联心电信号中车辆运动噪声的方法技术

本发明专利技术公开了一种去除三导联心电信号中车辆运动噪声的方法，其利用三轴加速度传感器采集运动数据作为神经网络输入样本，通过格式转换和归一化方法在神经网络训练前对人体静止及运动时的动态心电数据进行预处理并使两者之间的偏差作为神经网络的监督，进而使用人工神经网络学习算法以比例共轭梯度的优化方式确立噪声模型，用监测得到的动态心电数据减去对应的运动噪声即完成去噪。整个方法简便且易于实现，能够有效地在心电监测过程中自动去除车辆运动噪声，得到精确的心电数据，为医生对心血管疾病的诊疗提供保证。

【技术实现步骤摘要】

本专利技术属于医疗器械
，具体设及一种去除S导联屯、电信号中车辆运动噪 声的方法。
技术介绍
动态屯、电图用于连续记录24小时动态屯、电活动数据，包括休息、活动、工作、进餐 等不同情况下的屯、电活动数据，能够帮助用于发现屯、律失常和屯、肌缺血等症状，为临床分 析病情和诊疗提供重要的依据。随着便携可穿戴式屯、电监护设备的涌现，使得用户可在各 种状态下进行非常便捷的屯、电监测。但是动态屯、电图信号很容易受到各种噪声的干扰，主 要干扰有交流干扰、肌电干扰、基线漂移、导联线连接错误、电极片与皮肤接触不充分等，随 着技术的发展，大部分动态屯、电图设备都配置了各种类型的滤波器用W消除运些干扰，但 是便携式动态屯、电图设备在移动的交通工具上使用时，车辆运动的干扰可能严重限制动态 屯、电图信号的质量。 车辆的运动干扰会作用在车上的物体上，包括人体所穿戴的屯、电监测设备。而车 辆运动的状态能够很好地反映干扰对屯、电监测设备的影响，通过=轴加速度传感器能够非 常便捷地获取车辆的运动状态，从而分析运动的影响方式和程度，为消除车辆运动干扰提 供数据基础。 =轴加速度传感器是一种将物理信号加速度转换成便于测量的电信号的传感器， 目前大多数=轴加速度传感器的工作原理为压阻式、压电式和电容式，产生的加速度正比 于电阻、电压和电容的变化，通过计算运些变化量和加速度之间的关系，即可计算出加速度 的值。=轴加速度传感器能够在预先不知道物体运动状态的场合下，通过检测X，y，z =轴的 信号，获取其坐标分量，从而准确判断物体的运动状态，具有体积小、重量轻的特性点，可W 测量空间加速度，能够全面准确反映物体的运动性质，在航空航天、汽车、机器人和医学等 领域获得广泛应用。 目前市场上大多便携式动态屯、电监测设备，结构简易，没有消除车辆运动噪声功 能，在车辆运动状态下使用很容易受到干扰造成动态屯、电图信号不稳定，记录的屯、电波形 无法用于屯、电分析，不仅限制了动态屯、电监护设备的使用范围，还可能使医生对屯、血管疾 病患者的诊疗造成严重后果。
技术实现思路
针对现有技术所存在的上述技术问题，本专利技术提供了一种去除=导联屯、电信号中 车辆运动噪声的方法，能够有效地在屯、电监测过程中自动去除车辆运动噪声，得到精确的 屯、电数据，为医生对屯、血管疾病的诊疗提供保证。 -种去除S导联屯、电信号中车辆运动噪声的方法，包括如下步骤：[000引（1)对于任一种屯、率状态，利用屯、电信号模拟发生器在静止时产生处于该屯、率状 态下的m组=通道静止屯、电信号段W及在车辆运动时产生处于该屯、率状态下的m组=通道 运动屯、电信号段;利用=轴加速度传感器同步采集与上述屯、电信号模拟发生器在车辆运动 时所产生的=通道运动屯、电信号段对应的=轴加速度信号段，m为大于1的自然数； (2)对所述的=通道静止屯、电信号段、=通道运动屯、电信号段和=轴加速度信号 段进行预处理;使预处理后的=通道运动屯、电信号段与=通道静止屯、电信号段对应作差， 得到m组=通道屯、电运动噪声； (3)根据所述的=通道屯、电运动噪声W及预处理后的=轴加速度信号段通过人工 神经网络学习算法进行训练，得到关于=导联屯、电信号的车辆运动噪声模型；依此遍历得 到对应各种屯、率状态的车辆运动噪声模型； (4)获取用户日常在车辆运动时通过屯、电监测仪检测得到的S通道屯、电检测信号 段，利用=轴加速度传感器同步采集与该屯、电监测仪在车辆运动时所检测得到的=通道屯、 电检测信号段对应的=轴加速度信号段;根据用户所处的屯、率状态将该=轴加速度信号段 输入对应的车辆运动噪声模型中输出得到一组=通道屯、电运动噪声，进而使所述的=通道 屯、电检测信号段减去该=通道屯、电运动噪声即得到消除车辆运动噪声后的=通道屯、电数 据。 所述步骤(2)中的预处理包括格式转换和归一化处理，W得到适当格式及范围内 的数据信号。 所述的归一化处理基于W下表达式： 其中：X为信号段中的任一信号值，Xmin和Xmax分别为信号段中的最小值和最大值， X'为对应X经归一化处理后的信号值。 所述的人工神经网络学习算法W比例共辆梯度法作为优化方向。 所述的步骤(3)中通过人工神经网络学习算法进行训练的具体过程如下： 3.1将预处理后与=通道运动屯、电信号段对应的m组=轴加速度信号段分为训练 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； 3.3从训练集中任取一组=轴加速度信号段代入上述神经网络计算得到对应关于 屯、电运动噪声的输出结果，计算该输出结果与该=轴加速度信号段所对应的=通道屯、电运 动噪声之间的累积误差； 3.4根据该累积误差通过梯度下降法对神经网络中输入层与隐藏层之间W及隐藏 层与输出层之间的权重进行修正，进而从训练集中任取下一组=轴加速度信号段代入修正 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=轴加速度信号段，取累积误差最小 时所对应的神经网络为车辆运动噪声模型。 所述步骤3.2中初始化构建的神经网络中输入层由3个神经元组成，隐藏层由10个 神经元组成，输出层由3个神经元组成。 所述步骤3.2中初始化构建的神经网络中神经元函数g(z)的表达式如下： 其中：Z为函数的自变量。 所述的步骤(3)中对于训练得到的车辆运动噪声模型，将测试集中的=轴加速度 信号段逐个代入该车辆运动噪声模型得到对应关于屯、电运动噪声的输出结果，使测试集中 每一组=轴加速度信号段所对应的输出结果与=通道屯、电运动噪声进行比较，若测试集中 有一定比例的=轴加速度信号段的比较结果小于等于阔值的话，则该车辆运动噪声模型最 终确定；否则的话，通过采集更多的=通道静止屯、电信号段、=通道运动屯、电信号段和=轴 加速度信号段根据步骤(1)~(2)增加训练集的规模作为神经网络的输入。 本专利技术=导联屯、电信号去噪方法利用=轴加速度传感器采集运动数据作为神经 网络输入样本，通过格式转换和归一化方法在神经网络训练前对人体静止及运动时的动态 屯、电数据进行预处理并使两者之间的偏差作为神经网络的监督，进而使用人工神经网络学 习算法W比例共辆梯度的优化方式确立噪声模型，用监测得到的动态屯、电数据减去对应的 运动噪声即完成去噪。整个方法简便且易于实现，能够有效地在屯、电监测过程中自动去除 车辆运动噪声，得到精确的屯、电数据，为医生对屯、血管疾病的诊疗提供保证。【附图说明】 图1为本专利技术S导联屯、电信号去噪方法的步骤流程示意图。 图2为本专利技术S导联屯、电信号去噪方法中的人工神经网络模型示意图。【具体实施方式】 为了更为具体地描述本专利技术，下面结合附图及【具体实施方式】对本专利技术的技术方案 进行详细说明。 如图1所示，本专利技术去除S导联屯、电信号中车辆运动噪声的方法，包括如下步骤： (1)训练样本集构建。 为建立神经网络模型，使用屯、电信号模拟器的输出信号作为屯、电监测终端的输入 信号，分别在静止和运动状态下采集动态屯、电数据和运动状态数据。 动态屯、电数据包括m组在静止状态时采集的，处于巧巾屯、率状态下的屯、电信号序列 E，由于有n种不同的屯、率状态，则有n*m组静止屯、电数据E;m组在车辆运动状态时采集的，处 本文档来自技高网...

【技术保护点】
一种去除三导联心电信号中车辆运动噪声的方法，包括如下步骤：(1)对于任一种心率状态，利用心电信号模拟发生器在静止时产生处于该心率状态下的m组三通道静止心电信号段以及在车辆运动时产生处于该心率状态下的m组三通道运动心电信号段；利用三轴加速度传感器同步采集与上述心电信号模拟发生器在车辆运动时所产生的三通道运动心电信号段对应的三轴加速度信号段，m为大于1的自然数；(2)对所述的三通道静止心电信号段、三通道运动心电信号段和三轴加速度信号段进行预处理；使预处理后的三通道运动心电信号段与三通道静止心电信号段对应作差，得到m组三通道心电运动噪声；(3)根据所述的三通道心电运动噪声以及预处理后的三轴加速度信号段通过人工神经网络学习算法进行训练，得到关于三导联心电信号的车辆运动噪声模型；依此遍历得到对应各种心率状态的车辆运动噪声模型；(4)获取用户日常在车辆运动时通过心电监测仪检测得到的三通道心电检测信号段，利用三轴加速度传感器同步采集与该心电监测仪在车辆运动时所检测得到的三通道心电检测信号段对应的三轴加速度信号段；根据用户所处的心率状态将该三轴加速度信号段输入对应的车辆运动噪声模型中输出得到一组三通道心电运动噪声，进而使所述的三通道心电检测信号段减去该三通道心电运动噪声即得到消除车辆运动噪声后的三通道心电数据。...

【技术特征摘要】

【专利技术属性】
技术研发人员：赵晓鹏，姚剑，何挺挺，陈泽宽，姚志邦，
申请(专利权)人：浙江铭众科技有限公司，浙江铭众医疗器械有限公司，浙江铭众生物医用材料与器械研究院，
类型：发明
国别省市：浙江;33