心脏早搏的ECG自动诊断系统及装置制造方法及图纸

心脏早搏的ECG自动诊断系统及装置，涉及ECG分析系统及装置。为了解决目前的心脏早搏自动诊断分析装置的准确率仍然有待于提高的问题。本发明专利技术的系统包括：ECG信号粗粒化模块，用于将采集的ECG信号构造成ECG信号时间序列，并根据设置的时间尺度因子τ将ECG信号时间序列进行粗粒化；信号样本熵模块，用于计算每组粗粒化后的ECG信号时间序列的样本熵，并提取特征向量；分类器模块，对信号样本熵模块获得的特征向量样本集进行重采样，获取重采样样本，组成随机森林分类器。本发明专利技术用于ECG分析。

ECG Automatic Diagnosis System and Device for Premature Cardiac Beat

The ECG automatic diagnosis system and device for premature beats of the heart relates to the ECG analysis system and device. In order to solve the problem that the accuracy of the automatic diagnosis and analysis device for premature beats still needs to be improved. The system of the present invention includes: ECG signal coarsening module, which is used to construct the collected ECG signal into ECG signal time series, and coarsen the ECG signal time series according to the set time scale factor_;; signal sample entropy module, which is used to calculate the sample entropy of each group of coarsened ECG signal time series and extract the characteristic vector; classifier module, which is used to extract the signal sample entropy. The sample set of feature vectors obtained by the module is resampled, and the resampled sample is obtained to form a random forest classifier. The invention is used for ECG analysis.

【技术实现步骤摘要】
心脏早搏的ECG自动诊断系统及装置
本专利技术涉及一种心电分析领域，具体涉及ECG分析系统及装置。
技术介绍
心电图(Electrocardiograph,ECG)是通过皮肤电极对心脏电活动的图形化记录，能够反映心脏基本功能及疾病特征，对心血管临床诊断具有重要的参考价值。正常的心电信号是一种低频周期性的非平稳信号，一旦心脏发生疾病或出现功能性退化，将直接导致心电信号的时–频变化。随着医疗技术的不断发展，临床医学对心电监护设备自动诊断结果的准确性和实时性的需求不断增加，引起相关领域专家的重点关注。因此，作为心血管内科辅助诊断的重要工具，对ECG自动诊断方法的研究与应用具有重要的临床意义。例如：就“心脏早搏”而言，本身并不是疾病，多是心在其他问题的伴随症状，有一些情况下只要疏导出现“心脏早搏”人员的焦虑情绪，正常休息，少熬夜，“心脏早搏”的情况能够得到缓解或者消失。尽管如此，但是“心脏早搏”也应该得到足够的重视，因为其能够直接或者间接的反映出心血管系统存在的问题，所以及时准确的获得心电图信息的一些信息，包括心脏早搏的诊断，能够及时为医生提供辅助诊断依据，从而帮助医生对患者的病情有一个及时地、全面地了解和诊断，心脏早搏的ECG自动诊断有着十分重要的意义。虽然目前的已经有心电分析或诊断装置，但是针对心脏早搏的自动诊断分析装置的准确率仍然有待于提高。
技术实现思路
本专利技术为了解决目前的心脏早搏自动诊断分析装置的准确率仍然有待于提高的问题。心脏早搏的ECG自动诊断系统，包括：ECG信号粗粒化模块，用于将采集的ECG信号构造成ECG信号时间序列，并根据设置的时间尺度因子τ将ECG信号时间序列进行粗粒化；信号样本熵模块，用于计算每组粗粒化后的ECG信号时间序列的样本熵，并提取特征向量；分类器模块，对信号样本熵模块获得的特征向量样本集进行重采样，获取重采样样本，组成随机森林分类器。进一步地，所述ECG信号粗粒化模块的具体工作过程如下：ECG信号时间序列记为x′(k′)，k′＝1,2,…,N′，通过计算x′(k′)中连续而不重叠的i′个元素的平均值获得粗粒化的时间序列的元素为其中，N′为时间序列元素的数量；j′为计数角标，对应粗粒化的时间序列的元素的序号；根据不同的时间尺度因子τ计算不同尺度下的粗粒化后的时间序列粗粒化后的时间序列的长度为N′/τ。进一步地，所述ECG信号粗粒化模块在构造粗粒化的ECG时间序列之前设置ECG信号长度及尺度因子，然后构造不同尺度下的时间序列。进一步地，所述信号样本熵模块的具体工作过程如下：步骤1.1、针对每个粗粒化后的时间序列分别计算每个粗粒化后的时间序列的样本熵：在信号样本熵模块中，将记为时间序列x(n)，n＝1,2,…,N；设定的嵌入维数为m，在嵌入维数为m的条件下，获得一组m维矢量，表示为X(i)＝[x(i),x(i+1),…,x(i+m-1)](1)其中，X(i)为一组m维矢量中的一个矢量，i＝1,2,…,N-m+1；将式(1)中的一组m维矢量中的任意两个矢量X(i)与X(j)之间的距离定义为最大坐标差：d[X(i),X(j)]＝max[|x(i+k)-x(j+k)|](2)式中，k＝1,2,…,m-1；i,j＝1,2,…,N-m+1；对于给定的相似容限r，统计式(1)对应一组m维矢量中的一个m维矢量中第i个向量与其他N-m个向量之间的距离小于r的数量，并计算与N-m的比值：式中，Θ(·)为Heaviside函数；分别对式(1)中的N-m+1个向量分别计算并计算在相似容限为r的条件下，所有的均值：步骤1.2、再将嵌入维数设为m+1，并重复步骤1.1的过程得到Cm+1(r)；步骤1.3、时间序列x(n)的样本熵为计算得到的SampEn(m,r,N)，并提取特征向量。进一步地，所述Heaviside函数x″表示Heaviside函数中的自变量。进一步地，所述m取1或2，N取10m～30m；r取0.1～0.25倍std，std表示时间序列x(n)的标准差。进一步地，所述计算得到的SampEn(m,r,N)的过程如下：将式(1)中m维矢量X(i)记作(Xi)m，对于每个i，i＝1,2,…,N-m+1，将(Xi)m转化为一个m维点集Pi(x′i,y′i,z′i,…)，x′i＝Xi,y′i＝Xi+1,z′i＝Xi+2,…(8)那么，等于边界框Wi内部包含的点集Pi中点的个数，Wi表示为Wi＝[(xLB)i:(xUB)i]×[(yLB)i:(yUB)i]×[(zLB)i:(zUB)i]×…(9)其中，LB和UB分别表示边界框的上边界和下边界；对于每个点集Pi与其对应的边界框Wi，的计算等价于解决m维正交范围计数问题；对于给定的边界框，利用kd树对给定的查询点和查询距离阈值，从数据集中查询所有与查询点距离小于阈值的数据个数，从而计算出进而根据公式(7)计算得到样本熵SampEn(m,r,N)。进一步地，所述分类器模块的具体工作过程如下：将信号样本熵模块提取的特征向量作为原始样本，进行Bootstrap重采样，得到n″个Bootstrap子样本，对于每个Bootstrap子样本生成与之对应的n″个CART决策树；由多个决策树{h(x″,Θk″),k″＝1,2,…,n}组成的分类器，其中{Θk″}是相互独立且同分布的随机向量，分类结果通过所有决策树的投票确定。进一步地，所述ECG信号为单导联ECG信号。心脏早搏的ECG自动诊断装置，包括ECG信号采集单元、主控运算单元和显示与存储单元；所述ECG信号采集单元用于获取ECG信号；显示与存储单元用于显示和存储主控运算单元输出的心脏早搏ECG自动诊断结果；所述主控运算单元包括存储器和处理器，其中所述存储器存储有所述的心脏早搏的ECG自动诊断系统，所述程序被处理器执行所述的心脏早搏的ECG自动诊断系统。本专利技术的有益效果是：本专利技术提出的心电图分析自动诊断系统能够实现对正常心律、房性早搏和室性早搏的有效识别，平均识别准确率达到91.60％，其中对于正常心律和房性早搏的识别准确率都在94.0％左右，而室性早搏的准确率为85.0％。附图说明图1心脏早搏的ECG自动诊断系统示意图；图2为实施例中随机森林分类原理；图3为正常心律的ECG样本(MLII导联)图；图4为基于kd树的正交范围搜索确定的过程效果图；图5为决策树数量与袋外分类误差的关系图；图6文中随机森林生成的决策树；图7特征编号对于随机森林分类的重要性。具体实施方式具体实施方式一：结合图1说明本实施方式，心脏早搏的ECG自动诊断系统，包括：ECG信号粗粒化模块，用于将采集的ECG信号构造成ECG信号时间序列，并根据设置的时间尺度因子τ将ECG信号时间序列进行粗粒化；ECG表示心电图；信号样本熵模块，用于计算每组粗粒化后的ECG信号时间序列的样本熵，并提取特征向量；分类器模块，对信号样本熵模块获得的特征向量样本集进行重采样，获取重采样样本，组成随机森林分类器。所述的森林分类器即为心电图分析的工具，通过实时采集的ECG信号进行采集，并通过分类器分类，并将分类结果传递给显示装置进行显示。本系统是基于包括ECG信号采集单元、主控运算单元和显示与存储单元的心脏早搏的ECG自动诊断装置上运行的。具体实施方式二：本实施方式本文档来自技高网...

【技术保护点】
1.心脏早搏的ECG自动诊断系统，其特征在于，包括：ECG信号粗粒化模块，用于将采集的ECG信号构造成ECG信号时间序列，并根据设置的时间尺度因子τ将ECG信号时间序列进行粗粒化；信号样本熵模块，用于计算每组粗粒化后的ECG信号时间序列的样本熵，并提取特征向量；分类器模块，对信号样本熵模块获得的特征向量样本集进行重采样，获取重采样样本，组成随机森林分类器。

【技术特征摘要】
1.心脏早搏的ECG自动诊断系统，其特征在于，包括：ECG信号粗粒化模块，用于将采集的ECG信号构造成ECG信号时间序列，并根据设置的时间尺度因子τ将ECG信号时间序列进行粗粒化；信号样本熵模块，用于计算每组粗粒化后的ECG信号时间序列的样本熵，并提取特征向量；分类器模块，对信号样本熵模块获得的特征向量样本集进行重采样，获取重采样样本，组成随机森林分类器。2.根据权利要求1所述的心脏早搏的ECG自动诊断系统，其特征在于，所述ECG信号粗粒化模块的具体工作过程如下：ECG信号时间序列记为x′(k′)，k′＝1,2,…,N′，通过计算x′(k′)中连续而不重叠的i′个元素的平均值获得粗粒化的时间序列的元素为其中，N′为时间序列元素的数量；j′为计数角标，对应粗粒化的时间序列的元素的序号；根据不同的时间尺度因子τ计算不同尺度下的粗粒化后的时间序列粗粒化后的时间序列的长度为N′/τ。3.根据权利要求2所述的心脏早搏的ECG自动诊断系统，其特征在于，所述ECG信号粗粒化模块在构造粗粒化的ECG时间序列之前设置ECG信号长度及尺度因子，然后构造不同尺度下的时间序列。4.根据权利要求2所述的心脏早搏的ECG自动诊断系统，其特征在于，所述信号样本熵模块的具体工作过程如下：步骤1.1、针对每个粗粒化后的时间序列分别计算每个粗粒化后的时间序列的样本熵：在信号样本熵模块中，将记为时间序列x(n)，n＝1,2,…,N；设定的嵌入维数为m，在嵌入维数为m的条件下，获得一组m维矢量，表示为X(i)＝[x(i),x(i+1),…,x(i+m-1)](1)其中，X(i)为一组m维矢量中的一个矢量，i＝1,2,…,N-m+1；将式(1)中的一组m维矢量中的任意两个矢量X(i)与X(j)之间的距离定义为最大坐标差：d[X(i),X(j)]＝max[|x(i+k)-x(j+k)|](2)式中，k＝1,2,…,m-1；i,j＝1,2,…,N-m+1；对于给定的相似容限r，统计式(1)对应一组m维矢量中的一个m维矢量中第i个向量与其他N-m个向量之间的距离小于r的数量，并计算与N-m的比值：式中，Θ(·)为Heaviside函数；分别对式(1)中的N-m+1个向量分别计算并计算在相似容限为r的条件下，所有的均值：步骤1.2、再将嵌入维数设为m+1，并重复步骤1.1的过程得到Cm+1(r)；步骤1.3、时间序列x(n)的样本熵为计算得到的SampEn(m,r,N...

【专利技术属性】
技术研发人员：陈寅生，姜苗苗，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23