一种用于三导联心电电极连接判别的智能终端制造技术

本发明专利技术公开了一种用于三导联心电电极连接判别的智能终端，包括处理器和蓝牙通讯模块；处理器加载有信号采集模块、前馈模型训练模块、心电重构模块、相关运算模块、神经网络训练模块和判别模块。本发明专利技术智能终端通过由前馈神经网络训练得到的三通道心电信号重构关系模型与相关系数法对心电信号进行转化，进而基于转化得到的特征序列利用人工神经网络学习算法以梯度下降的优化方式将判别模型准确的建立，通过对系统模型的还原，实现了心电电极接错的判别方法，进而大大提升了判别的效率和准确率。

Intelligent terminal for three lead ECG electrode connection judgment

The invention discloses an intelligent terminal for three lead ECG electrodes discrimination, including processor and Bluetooth communication module; the processor is loaded with a signal acquisition module, feedforward model training module, ECG reconstruction module, operation module, neural network module and judging module. The invention of intelligent terminal through the three channel ECG signal reconstruction of the relational model and the correlation coefficient obtained by the training of feedforward neural networks for ECG signal conversion, and then the characteristics of sequence transformed using optimization learning algorithm of artificial neural network to establish the discriminant model of gradient descent based on accurate, through the reduction of the system model, realized take the wrong distinguishing method of ECG electrodes, which greatly enhances the efficiency and accuracy of discrimination.

【技术实现步骤摘要】

本专利技术属于医疗器械
，具体涉及一种用于三导联心电电极连接判别的智能终端。
技术介绍
现有医院所使用的医疗设备结构复杂，操作步骤繁琐，需要专业人员进行操作，对于个人消费者来说很难在社区医疗、养老、乃至远程诊疗中进行长期使用。尤其是复杂的设备，众多的连线，会造成病人心理上的压力和紧张情绪，可能会影响病人身体状况，使得诊断所得到的数据与真实情况有一定差距，可能会影响对病情的正确诊断。动态心电图是心脏疾病预防和诊断的重要方式之一，以常见于中老年人的心脏疾病为例来说，为了提前预防及早诊断，一般都需要采用专业的心电采集设备来检测心电数据，也就是一般人直观认识的所谓测心电图，其最基本的操作是在被检测对象身上准确安装心电电极。图1显示的是现有技术常用的三导联心电检测中的电极位置示意图，三导联心电检测包括七个电极，其中，第一导联的正极表示为CH1+，负极表示为CH1-。它模拟标准十二导联体系中的V5导联；第二导联的正极表示为CH2+，负极表示为CH2-。它模拟标准十二导联体系中的V1导联；第三导联的正极表示为CH3+，负极表示为CH3-。它模拟标准十二导联体系中的V3导联；第七个电极RL为无干电极。这些电极的标准位置为CH1+电极在左腋前线第五肋间隙，CH1-电极位置为右锁骨与胸骨交界处，CH2+位置为胸骨右缘第四肋间隙，相当于胸导联V1位置，CH2-位置为左锁骨与胸骨交界处，CH3+位置为左侧第五肋骨中线位置，CH3-位置为胸骨柄上，位于CH1-电极和CH2-电极之下，RL位置为右侧肋弓下缘位置。现行通用标准规范中，对于每个电极的电极线的颜色也有明确的规定。按照AHA(美国心脏协会)的标准，CH1+、CH1-、CH2+、CH2-、CH3+、CH3-、RL的电极线颜色分别为：红色，白色，棕色，黑色，橙色，蓝色，绿色。按照IEC(国际电工委员会)的标准，CH1+、CH1-、CH2+、CH2-、CH3+、CH3-、RL的电极线颜色分别为：绿色，红色，白色，黄色，橙色，蓝色，黑色。从图1显示的电极位置可以看出，每个电极的颜色、位置都是不一样的，需要相当的专业知识才能正确操作复杂的电极定位，由于线路较多，定位复杂，非专业的检测医生无法胜任，因此，普通个人很难完成专业的心电检测。在判断三导联心电检测过程中的电极位置是否接错之前，考虑到七个电极错位的复杂排列组合结果太大，一般需要进行简化电极位置判断，即首先排除远离其余六个电极的接地电极RL的位置接错，参照图1可见，电极RL远离其余六个电极，非常容易连接，接错的概率是很低的，因此将该电极RL位置接错的可能性排除；另外位于最上方的三个邻近位置的负电极CH1-、CH2-和CH3-，它们相互之间的位置错接对实际结果没有任何影响，故真正的心电电极检测判断主要集中在于三个正电极CH1+、CH2+和CH3+相互之间的连接，它们之间共有6种连接位置状态可能，其中只有一种是正确的连接形式。虽然目前市场上出现了一些专为个人设计的心电检测设备，但结构复杂，操作也非常麻烦，更重要的是一旦电极位置放置错误，获得的心电数据就是不准确的，以此作为心脏疾病的诊疗基础将会带来不可预料的严重后果。
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用于三导联心电电极连接判别的智能终端，能够有效的判断心电电极是否接错以及具体接错的电极，进而降低医生对心电图读图的错判率。一种用于三导联心电电极连接判别的智能终端，包括处理器和蓝牙通讯模块，所述的处理器加载有以下功能模块：信号采集模块，用于通过智能终端内的蓝牙通讯模块收集心电监测器提供的心电数据；所述的心电数据包括：在电极连接正确导联输入正常的情况下心电监测器预先采集得到的m组三通道心电标准信号段、通过三个正电极之间连接位置的遍历组合变换将每组信号段扩展成6组得到的6m组三通道心电训练信号段以及用户日常检测时利用心电监测器采集得到的三通道心电信号段，m为大于1的自然数；前馈模型训练模块，基于m组三通道心电标准信号段通过前馈神经网络学习算法进行训练，得到三通道心电信号之间的重构关系模型；心电重构模块，用于将m组三通道心电标准信号段代入上述重构关系模型进行遍历计算，对应得到m组三通道心电重构信号段；此外也将用户日常检测得到的三通道心电信号段代入重构关系模型进行计算，得到对应的三通道心电重构信号段；相关运算模块，用于将所述的三通道心电训练信号段与对应的三通道心电重构信号段进行相关系数运算，共得到6m组由三个相关系数为特征值组成的特征序列；此外也将用户日常检测得到的三通道心电信号段与其对应的三通道心电重构信号段进行相关系数运算，得到对应的特征序列；神经网络训练模块，用于根据上述6m组特征序列通过人工神经网络学习算法进行训练，得到关于电极连接位置的判别模型；判别模块，用于将用户日常检测得到的三通道心电信号段所对应的特征序列代入上述判别模型中得到对应关于连接位置状态的输出结果，进而根据该输出结果判别出用户的电极连接形式为哪种连接位置状态，且该连接位置状态是否正确。所述前馈模型训练模块通过前馈神经网络学习算法进行训练的具体过程如下：1.1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；1.2从样本集中任取一组三通道心电标准信号段，将其中任意两个通道的心电标准信号段代入上述神经网络计算得到对应另一通道的心电信号输出结果，进而计算该心电信号输出结果与实际另一通道心电标准信号段之间的累积误差；所述样本集由m组三通道心电标准信号段组成；1.3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以及隐藏层与输出层之间的权重进行修正，进而从样本集中任取下一组三通道心电标准信号段代入修正后的神经网络；1.4根据步骤1.2和1.3遍历样本集中的所有三通道心电标准信号段，取累积误差最小时所对应的神经网络为所述重构关系模型。所述前馈模型训练模块初始化构建的神经网络中隐藏层由10个神经元组成。所述前馈模型训练模块初始化构建的神经网络中隐藏层的神经元函数h(z)采用tan-sigmoid型传递函数，其表达式如下：其中：z为函数的自变量。所述神经网络训练模块所采用的人工神经网络学习算法以梯度下降法作为优化方向。所述神经网络训练模块通过人工神经网络学习算法进行训练的具体过程如下：2.1将6m组特征序列分为训练集和测试集且训练集大于测试集；2.2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；2.3从训练集中任取一特征序列代入上述神经网络计算得到对应关于连接位置状态的输出结果，计算该输出结果与该特征序列所对应的实际连接位置状态之间的累积误差；2.4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以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特征序列代入修正后的神经网络；2.5根据步骤2.3和2.4遍历训练集中的所有特征序列，取累积误差最小时所对应的神经网络为判别模型。所述神经网络训练模块初始化构建的神经网络中隐藏层由5个神经元组成。所述神经网络训练模块初始化构建的神经网络中隐藏层的神经元函数g(z)的表达式如下：其中：z为函数的自变量。所述神经网络训练模块对于训练得到的判别模型，将测试集中的特征序列逐个代入该判别模型得到对应关于连接位置状态的本文档来自技高网...

【技术保护点】
一种用于三导联心电电极连接判别的智能终端，包括处理器和蓝牙通讯模块，其特征在于，所述的处理器加载有以下功能模块：信号采集模块，用于通过智能终端内的蓝牙通讯模块收集心电监测器提供的心电数据；所述的心电数据包括：在电极连接正确导联输入正常的情况下心电监测器预先采集得到的m组三通道心电标准信号段、通过三个正电极之间连接位置的遍历组合变换将每组信号段扩展成6组得到的6m组三通道心电训练信号段以及用户日常检测时利用心电监测器采集得到的三通道心电信号段，m为大于1的自然数；前馈模型训练模块，基于m组三通道心电标准信号段通过前馈神经网络学习算法进行训练，得到三通道心电信号之间的重构关系模型；心电重构模块，用于将m组三通道心电标准信号段代入上述重构关系模型进行遍历计算，对应得到m组三通道心电重构信号段；此外也将用户日常检测得到的三通道心电信号段代入重构关系模型进行计算，得到对应的三通道心电重构信号段；相关运算模块，用于将所述的三通道心电训练信号段与对应的三通道心电重构信号段进行相关系数运算，共得到6m组由三个相关系数为特征值组成的特征序列；此外也将用户日常检测得到的三通道心电信号段与其对应的三通道心电重构信号段进行相关系数运算，得到对应的特征序列；神经网络训练模块，用于根据上述6m组特征序列通过人工神经网络学习算法进行训练，得到关于电极连接位置的判别模型；判别模块，用于将用户日常检测得到的三通道心电信号段所对应的特征序列代入上述判别模型中得到对应关于连接位置状态的输出结果，进而根据该输出结果判别出用户的电极连接形式为哪种连接位置状态，且该连接位置状态是否正确。...

【技术特征摘要】
1.一种用于三导联心电电极连接判别的智能终端，包括处理器和蓝牙通讯模块，其特征在于，所述的处理器加载有以下功能模块：信号采集模块，用于通过智能终端内的蓝牙通讯模块收集心电监测器提供的心电数据；所述的心电数据包括：在电极连接正确导联输入正常的情况下心电监测器预先采集得到的m组三通道心电标准信号段、通过三个正电极之间连接位置的遍历组合变换将每组信号段扩展成6组得到的6m组三通道心电训练信号段以及用户日常检测时利用心电监测器采集得到的三通道心电信号段，m为大于1的自然数；前馈模型训练模块，基于m组三通道心电标准信号段通过前馈神经网络学习算法进行训练，得到三通道心电信号之间的重构关系模型；心电重构模块，用于将m组三通道心电标准信号段代入上述重构关系模型进行遍历计算，对应得到m组三通道心电重构信号段；此外也将用户日常检测得到的三通道心电信号段代入重构关系模型进行计算，得到对应的三通道心电重构信号段；相关运算模块，用于将所述的三通道心电训练信号段与对应的三通道心电重构信号段进行相关系数运算，共得到6m组由三个相关系数为特征值组成的特征序列；此外也将用户日常检测得到的三通道心电信号段与其对应的三通道心电重构信号段进行相关系数运算，得到对应的特征序列；神经网络训练模块，用于根据上述6m组特征序列通过人工神经网络学习算法进行训练，得到关于电极连接位置的判别模型；判别模块，用于将用户日常检测得到的三通道心电信号段所对应的特征序列代入上述判别模型中得到对应关于连接位置状态的输出结果，进而根据该输出结果判别出用户的电极连接形式为哪种连接位置状态，且该连接位置状态是否正确。2.根据权利要求1所述的智能终端，其特征在于：所述前馈模型训练模块通过前馈神经网络学习算法进行训练的具体过程如下：1.1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；1.2从样本集中任取一组三通道心电标准信号段，将其中任意两个通道的心电标准信号段代入上述神经网络计算得到对应另一通道的心电信号输出结果，进而计算该心电信号输出结果与实际另一通道心电标准信号段之间的累积误差；所述样本集由m组三通道心电标准信号段组成；1.3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以及隐藏层与输出层之间的权重进行修正，进而从样本集中任取下一组三通道心电标准信号段代入修正后的神经网络；1.4根据步骤1.2和1.3遍历样...

【专利技术属性】
技术研发人员：姚剑，张国军，杜巧枝，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