一种基于BP神经网络的心电信号R波提取方法技术

本发明专利技术提出了一种基于BP神经网络的心电信号R波提取方法。通过国际权威数据库选用已经标注R波的心电信号，对已经标注R波的心电信号进行带通滤波以及信号加窗的预处理，计算每个窗内预处理后已经标注R波的心电信号的采样方差以及每个窗内已经标注R波的心电信号的采样最大值；构建BP神经网络模型的输入层、隐藏层以及输出层，已经标注R波的心电信号作为BP神经网络模型的训练集，通过多次迭代训练得到训练后BP神经网络模型；将未标注R波的心电信号通过带通滤波以及信号加窗的预处理，并根据训练后BP神经网络模型进行检测以提取未标注R波的心电信号中R波。与现有技术相比，本发明专利技术的方法易于实现，准确率高。

【技术实现步骤摘要】
一种基于BP神经网络的心电信号R波提取方法
本专利技术涉及心电信号的波形提取领域，具体地涉及一种基于BP神经网络的心电信号R波提取方法。
技术介绍
心电图是一种以时间为单位记录心脏的电生理活动的诊疗技术。心脏跳动会引起心肌细胞做去极化变化，从而引起皮肤表面电学改变。因此，心电图是一种典型的生物电信号。医疗监护设备通过多导联的方式连续监测到心电活动情况，这样的心电图是诊断心电传导组织受损时心脏的节律异常以及由于电解质平衡失调引起的心脏节律的改变的最好方法。所以，心电图的研究在临床医学上进行心脏疾病的诊断和学术研究上非常重要。随着人工智能技术的飞速发展，BP神经网络作为一门新兴的学科知识引起了学术界广泛关注。BP神经网络是“误差反向传播”的简称，它传播的过程包含两步：第一步是前向传播阶段，它将特征信息输送进网络以获得激励响应，并将激励响应同训练输入对应的目标输出求差，从而获得隐层和输出层的响应误差；第二阶段反向传播阶段，它将反向传播的权值和阈值来不断调整网络，使网络的误差平方和最小，使得损失函数最小化，这不断地提高了数据特征提取的准确度。因此，基于BP神经网络对心电信号R波提取方法是一种提取心电信号R波提取准确度较高的方法，这在心电信号的学术研究和心脏疾病的临床诊断及治疗具有非常重要的作用。近年来，心电信号R波提取方法一直是研究热点，具体提取方法主要有差分阈值法、模板匹配法和小波变换法，但都存在着一些不足。差分阈值法是利用心电信号R波和该R波的二阶差分的极小值存在一定的位移关系，从而对R波进行定位提取，但是对于含有噪声干扰的信号提取效果并不理想；模板匹配法是一种基于统计识别的提取方法，即使用一个标准心电信号作为模板，将待检测信号与标准模板信号比对并计算相关系数，这种方法虽原理简单、便捷稳定，但是重复执行次数较多、效率低、实时性较差；小波变换法是利用心电信号R波的强奇异性，并进行心电信号相关性分析，然后将输入信号形状同小波模板函数对比，显然该提取方法过于复杂，计算量很大，实时性较差。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种基于BP神经网络的心电信号R波提取方法。本专利技术的技术方案为一种基于BP神经网络的心电信号R波提取方法，其特征在于包括以下步骤：步骤1：通过国际权威数据库选用已经标注R波的心电信号，对已经标注R波的心电信号进行带通滤波以及信号加窗的预处理，计算每个窗内预处理后已经标注R波的心电信号的采样方差以及每个窗内已经标注R波的心电信号的采样最大值；步骤2：构建BP神经网络模型的输入层、隐藏层以及输出层，已经标注R波的心电信号作为BP神经网络模型的训练集，通过多次迭代训练得到训练后BP神经网络模型；步骤3：将未标注R波的心电信号通过步骤2中所述带通滤波以及信号加窗的预处理，并根据训练后BP神经网络模型进行检测以提取未标注R波的心电信号中R波。作为优选，步骤1中所述带通滤波的频率范围为[fH-fL],通过低通滤波器与高通滤波器叠加进行滤波；其中，低通滤波器的传递函数为H(z)L,低通滤波器的截止频率为fL,即通过低通滤波器将频率高于fL的信号滤除，低通滤波器的增益为AL，低通滤波器的过滤处理延迟DL个单位；其中，高通滤波器的传递函数为H(z)H,高通滤波器的截止频率为fH即通过高通滤波器将频率低于fH的信号滤除，高通滤波器的增益为AH，高通滤波器的过滤处理延迟DH个单位；步骤1中所述信号加窗为将通过带通滤波之后的已经标注R波的心电信号进行信号加窗；步骤1中所述已经标注R波的心电信号通过带通滤波以及信号加窗的预处理后为：X1，X2，…，XMXm＝［Xm，l，Xm，2，…，Xm，N](m∈[l，M])其中，M为窗的数量，N为窗的宽度即窗内已经标注R波的心电信号采样数量，N＝Nfs*α，Nfs为已经标注R波的心电信号的采样频率，窗m内已经标注R波的心电信号为Xm，1，Xm，2，…，Xm，N；步骤1所述每个窗内预处理后已经标注R波的心电信号的采样方差为：其中，X1，X2，X3，…XN为各个采样点，M为窗的数量，D(X)为采样点的方差；步骤1中所述预处理后已经标注R波的心电信号的采样最大值为MAX(Xm)(m∈[1，M])，MAX(Xm)为窗m内对已经标注R波的心电信号Xm，1，Xm，2，…，Xm，N中的最大值；作为优选，步骤2中所述输入层为通过每个窗内心电信号的采样方差以及每个窗内心电信号的采样最大值作为BP神经网络模型输入层的特征；步骤2中所述隐藏层为将工作信号正向传递子过程以及误差信号方向传递子过程作为BP神经网络模型的隐藏层；步骤2中所述输出层为二分类层，用于判断是否存在R波，若步骤1中所述窗m内已经标注R波的心电信号为Xm，1，Xm，2，…，Xm，N中含有R波则窗m标记flagm＝1，否则窗m标记flagm＝0；将步骤1中所述已经标注R波的心电信号作为BP神经网络模型的训练集；作为优选，步骤3中所述未标注R波的心电信号通过步骤2中所述带通滤波以及信号加窗的预处理后为：其中，M为窗的数量，N为窗的宽度即窗内已经标注R波的心电信号采样数量，N＝Nfs*α，Nfs为未标注R波的心电信号的采样频率，窗k未标注R波的心电信号为步骤3中所述训练后BP神经网络模型进行检测为：若窗k未标注R波的心电信号为则窗k标记否则窗k标记步骤3中所述提取未标注R波的心电信号中R波为窗k未标注R波的心电信号中最大值点即为R波。本专利技术的优点为BP神经网络模型由特征信息的正向传播和误差的反向传播两个子过程组成。循环往复的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止；本专利技术通过大量的训练数据不断调整和优化BP神经网络模型，大大提高R波检测的准确度，从而进一步提高了RR间期、QRS波群等提取准确度，具有非常重要的价值。附图说明图1：本专利技术方法流程图；图2：测试集心电信号加窗标记；图3：BP神经网络模型结构图；图4：BP神经网络模型的训练过程图。具体实施方式为了便于本领域普通技术人员理解和实施本专利技术，下面结合附图及实施例对本专利技术作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本专利技术，并不用于限定本专利技术。下面结合图1至图4论述本专利技术实施例。本专利技术实施例的具体步骤包括以下步骤：步骤1：通过国际权威数据库选用已经标注R波的心电信号，对已经标注R波的心电信号进行带通滤波以及信号加窗的预处理，计算每个窗内预处理后已经标注R波的心电信号的采样方差以及每个窗内已经标注R波的心电信号的采样最大值；步骤1中所述带通滤波的频率范围为[fH-fL],通过低通滤波器与高通滤波器叠加进行滤波，fH＝8Hz,fL＝15Hz；其中，低通滤波器的传递函数为低通滤波器的截止频率为fL＝15Hz即通过低通滤波器将频率高于fL＝15Hz的信号滤除，低通滤波器的增益为AL＝36，低通滤波器的过滤处理延迟DL＝6个单位；其中，高通滤波器的传递函数为高通滤波器的截止频率为fH＝8Hz即通过高通滤波器将频率低于fH＝8Hz的信号滤除，高通滤波器的增益为AH＝32，高通滤波器的过滤处理延迟DH＝16个单位；。步骤1中所述信号加窗为将通过带通滤波之后的已经标注R波的心电信本文档来自技高网...

【技术保护点】
1.一种基于BP神经网络的心电信号R波提取方法，其特征在于，包括以下步骤：步骤1：通过国际权威数据库选用已经标注R波的心电信号，对已经标注R波的心电信号进行带通滤波以及信号加窗的预处理，计算每个窗内预处理后已经标注R波的心电信号的采样方差以及每个窗内已经标注R波的心电信号的采样最大值；步骤2：构建BP神经网络模型的输入层、隐藏层以及输出层，已经标注R波的心电信号作为BP神经网络模型的训练集，通过多次迭代训练得到训练后BP神经网络模型；步骤3：将未标注R波的心电信号通过步骤2中所述带通滤波以及信号加窗的预处理，并根据训练后BP神经网络模型进行检测以提取未标注R波的心电信号中R波。

【技术特征摘要】
1.一种基于BP神经网络的心电信号R波提取方法，其特征在于，包括以下步骤：步骤1：通过国际权威数据库选用已经标注R波的心电信号，对已经标注R波的心电信号进行带通滤波以及信号加窗的预处理，计算每个窗内预处理后已经标注R波的心电信号的采样方差以及每个窗内已经标注R波的心电信号的采样最大值；步骤2：构建BP神经网络模型的输入层、隐藏层以及输出层，已经标注R波的心电信号作为BP神经网络模型的训练集，通过多次迭代训练得到训练后BP神经网络模型；步骤3：将未标注R波的心电信号通过步骤2中所述带通滤波以及信号加窗的预处理，并根据训练后BP神经网络模型进行检测以提取未标注R波的心电信号中R波。2.根据权利要求1所述的基于BP神经网络的心电信号R波提取方法，其特征在于：步骤1中所述带通滤波的频率范围为[fH-fL]，通过低通滤波器与高通滤波器叠加进行滤波；其中，低通滤波器的传递函数为H(z)L，低通滤波器的截止频率为fL，即通过低通滤波器将频率高于fL的信号滤除，低通滤波器的增益为AL，低通滤波器的过滤处理延迟DL个单位；其中，高通滤波器的传递函数为H(z)H，高通滤波器的截止频率为fH即通过高通滤波器将频率低于fH的信号滤除，高通滤波器的增益为AH，高通滤波器的过滤处理延迟DH个单位；步骤1中所述信号加窗为将通过带通滤波之后的已经标注R波的心电信号进行信号加窗；步骤1中所述已经标注R波的心电信号通过带通滤波以及信号加窗的预处理后为：X1，X2，…，XMXm＝[Xm，1，Xm，2，…，Xm，N](m∈[1，M])其中，M为窗的数量，N为窗的宽度即窗内已经标注R波的心电信号采样数量，N＝Nfs*α，Nfs为已经标注R波的心电信号的采样...

【专利技术属性】
技术研发人员：万相奎，吴海波，严岳文，王仲昊，杨辉，魏佳昕，危竞，刘翔宇，陈瑞，帅亮，李风从，丰励，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：湖北,42