心电图特征识别系统及方法技术方案

本发明专利技术提出一种提出综合领域知识和模式识别的心电图特征识别方法，首先对经过预处理后的ECG信号进行前处理，然后对前处理后的信号使用模式识别分出属于P波、T波或QRS波的特征点，之后再对模式识别产生的结果进行后处理，目的是找到P波、T波或QRS波的大概范围，最后在P波、T波或QRS波的范围内利用领域知识确定真正的P波、T波或QRS波的起止点和峰值点。可以有效地提高P波、T波或QRS波的特征提取准确率。本发明专利技术另外提供一种心电图特征识别系统。

【技术实现步骤摘要】
心电图特征识别系统及方法
本专利技术涉及一种心电图特征识别系统及方法，尤其涉及一种基于领域知识与模式识别融合的心电图特征识别系统及方法。
技术介绍
心电图(electrocardiogram，ECG)作为心血管疾病诊断的必要手段已经毋庸置疑，ECG中P波、QRS波和T(U)波等的自动识别也越来越被重视，其中P波由于形态和类别十分繁杂，目前P波的识别准确率较低。现有P波的识别主要有两大类，一类是基于模式识别，即用某种模式识别进行处理；另一类是根据P波形态通过斜率阈值或者基于各种变化(小波变化)后根据领域知识提取P波。其中，前一类方法对P波的有无和范围区间的寻找有优势，但对具体的P波峰值点、起止点不能准确定位。而后一类方法则可以准确定位峰值点和起止点，但是对于P波不明显或者稍有异常的则很难定位。
技术实现思路
针对上述问题，本专利技术的目的是提供一种基于领域知识和模式识别融合的、可以有效地提高P波、T波或QRS波的特征提取准确率的心电图特征识别系统和心电图特征识别方法。一种心电图特征识别系统，用于对ECG信号中的P波、T波或QRS波进行特征识别，所述ECG信号已经经过滤波和基线调整，且已经提取到其中QRS波和T波的起止点，其包括：前处理模块，其包括基线替代单元和数据组织单元，其中：对所述ECG信号中的P波进行特征识别时，所述基线替代单元用基线替换QRS波及T波；对所述ECG信号中的T波进行特征识别时，所述基线替代单元用基线替换QRS波；对所述ECG信号中的QRS波进行特征识别时，所述基线替代单元不对所述ECG信号进行处理；所述数据组织单元对所述基线替代单元处理后的初步数据进行数据组织，获得训练数据和测试数据；分类模块，其包括模式识别单元，所述模式识别单元对所述训练数据和所述测试数据进行训练和分类，并输出分类结果；后处理模块，其包括合并单元和范围确定单元，所述合并单元对所述分类结果进行合并，获得合并数据，所述范围确定单元对所述合并数据进行处理，获得预选的P波范围、T波范围或QRS波范围；所述分类结果合并包括两种情况：第一种情况是在连续几十个点的范围内有几个不连续的点的结果为0，而其他结果为1；第二种情况是在连续几十个点的范围内有几个不连续的点的结果为1，而其他结果为0，所述范围确定单元对所述第一种情况的处理是忽略结果为1的点，将连续的范围作为预选的P波范围、T波范围或QRS波范围，对所述第二种情况则直接跳过，不作为P波、T波或QRS波的预选范围；规则推理模块，其对所述P波范围、所述T波范围或所述QRS波范围进行处理，并输出P波起止点和峰值点、T波起止点和峰值点或QRS波起止点和峰值点。本专利技术一较佳实施方式中，所述基线替代单元从起始点到终止点用基线替换QRS波与/或T波。本专利技术一较佳实施方式中，所述训练数据为M*(lead+1)的矩阵，所述测试数据为M*lead的矩阵，其中M代表样本数，每一个样本代表一个采样点，lead表示导联数。本专利技术一较佳实施方式中，所述模式识别单元为支持向量机。本专利技术另外提供一种心电图特征识别方法，其包括如下步骤：S101、对ECG信号进行前处理，包括基线替换和数据组织，所述基线替换获得初步数据，所述数据组织获得训练数据和测试数据，所述ECG信号已经经过滤波和基线调整，且已经提取到其中QRS波和T波的起止点；S103、对所述训练数据和所述测试数据进行训练和分类，并输出分类结果；S105、根据脉搏周期确定ECG信号中的P波、T波或QRS波的范围；S107、使用领域知识在所述P波范围、所述T波范围或所述QRS波范围内提取P波起止点和峰值点、T波起止点和峰值点或QRS波起止点和峰值点；步骤S105具体包括：对所述分类结果进行合并，所述分类结果合并包括两种情况：第一种情况是在连续几十个点的范围内有几个不连续的点的结果为0，而其他结果为1；第二种情况是在连续几十个点的范围内有几个不连续的点的结果为1，而其他结果为0，对所述第一种情况的处理是忽略结果为1的点，将连续的范围作为预选的P波范围、T波范围或QRS波范围，对所述第二种情况则直接跳过，不作为P波、T波或QRS波的预选范围。本专利技术一较佳实施方式中，步骤S101中，所述基线替换包括：对所述ECG信号中的P波进行特征识别时，用基线替换QRS波及T波；对所述ECG信号中的T波进行特征识别时，用基线替换QRS波；对所述ECG信号中的QRS波进行特征识别时，不对所述ECG信号进行基线替换。本专利技术一较佳实施方式中，步骤S101中，按照采样点对所述初步数据进行数据组织。本专利技术一较佳实施方式中，步骤S103中，采用支持向量机进行训练和分类。本专利技术一较佳实施方式中，对所述ECG信号中的P波进行特征识别时，步骤S105中，提取出所述分类结果中标志为1的起始点和终止点，作为暂时的P波范围，其中如果两个P波特别近，则认为属于一个P波，完成结果的合并；在合并后的P波范围中，根据QRS波确定心拍周期。本专利技术一较佳实施方式中，对所述ECG信号中的P波进行特征识别时，步骤S107中，包括：首先判断形态是否倒置、双相、直立；然后在P波起止点范围内找到极值点，如果双向则找到一个极大值和一个极小值，直立找到一个极大值，倒置则找到一个极小值。相对于现有技术，本专利技术提出综合领域知识和模式识别的心电图特征识别系统和心电图特征识别方法，首先对经过预处理后的ECG信号进行前处理，然后对前处理后的信号使用模式识别分出属于P波、T波或QRS波的特征点，之后再对模式识别产生的结果进行后处理，目的是找到P波、T波或QRS波的大概范围，最后在P波、T波或QRS波的范围内利用领域知识确定真正的P波、T波或QRS波的起止点和峰值点。可以有效地提高P波、T波或QRS波的特征提取准确率。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举实施例，并配合附图，详细说明如下。附图说明图1为本专利技术第一实施例提供的心电图特征识别系统的示意图；图2为本专利技术第二实施例提供的心电图特征识别方法的流程图；图3为图1所示心电图特征识别系统进行P波特征识别时的示意图；图4为图1所示心电图特征识别系统进行T波特征识别时的示意图；图5为图1所示心电图特征识别系统进行QRS波特征识别时的示意图。具体实施方式下面结合附图及具体实施例对本专利技术作进一步详细的说明。请参阅图1，本专利技术提供一种心电图特征识别系统100，用于对ECG信号中的P波、T波或QRS波进行特征识别，所述ECG信号已经经过滤波和基线调整，且已经提取到其中QRS波和T波的起止点，所述心电图特征识别系统100包括前处理模块10、分类模块20、后处理模块30及规则推理模块40。所述前处理模块10包括基线替代单元11和数据组织单元13，所述基线替代单元11用于对所述ECG信号中的QRS波与/或T波进行基线(Basicline)替换，并输出初步数据。具体地：对所述ECG信号中的P波进行特征识别时，所述基线替代单元11用基线替换QRS波及T波；对所述ECG信号中的T波进行特征识别时，所述基线替代单元11用基线替换QRS波；对所述ECG信号中的QRS波进行特征识别时，所本文档来自技高网...

【技术保护点】
一种心电图特征识别系统，用于对ECG信号中的P波、T波或QRS波进行特征识别，所述ECG信号已经经过滤波和基线调整，且已经提取到其中QRS波和Ｔ波的起止点，其特征在于，包括：前处理模块，其包括基线替代单元和数据组织单元，其中：对所述ECG信号中的P波进行特征识别时，所述基线替代单元用基线替换QRS波及T波；对所述ECG信号中的T波进行特征识别时，所述基线替代单元用基线替换QRS波；对所述ECG信号中的QRS波进行特征识别时，所述基线替代单元不对所述EGC信号进行处理；所述数据组织单元对所述基线替代单元处理后的初步数据进行数据组织，获得训练数据和测试数据；分类模块，其包括模式识别单元，所述模式识别单元对所述训练数据和所述测试数据进行训练和分类，并输出分类结果；后处理模块，其包括合并单元和范围确定单元，所述合并单元对所述分类结果进行合并，获得合并数据，所述范围确定单元对所述合并数据进行处理，获得预选的P波范围、T波范围或QRS波范围；规则推理模块，其对所述P波范围、所述T波范围或所述QRS波范围进行处理，并输出P波起止点和峰值点、T波起止点和峰值点或QRS波起止点和峰值点。

【技术特征摘要】
1.一种心电图特征识别系统，用于对ECG信号中的P波、T波或QRS波进行特征识别，所述ECG信号已经经过滤波和基线调整，且已经提取到其中QRS波和T波的起止点，其特征在于，包括：前处理模块，其包括基线替代单元和数据组织单元，其中：对所述ECG信号中的P波进行特征识别时，所述基线替代单元用基线替换QRS波及T波；对所述ECG信号中的T波进行特征识别时，所述基线替代单元用基线替换QRS波；对所述ECG信号中的QRS波进行特征识别时，所述基线替代单元不对所述ECG信号进行处理；所述数据组织单元对所述基线替代单元处理后的初步数据进行数据组织，获得训练数据和测试数据；分类模块，其包括模式识别单元，所述模式识别单元对所述训练数据和所述测试数据进行训练和分类，并输出分类结果；后处理模块，其包括合并单元和范围确定单元，所述合并单元对所述分类结果进行合并，获得合并数据，所述范围确定单元对所述合并数据进行处理，获得预选的P波范围、T波范围或QRS波范围；所述分类结果合并包括两种情况：第一种情况是在连续几十个点的范围内有几个不连续的点的结果为0，而其他结果为1；第二种情况是在连续几十个点的范围内有几个不连续的点的结果为1，而其他结果为0，所述范围确定单元对所述第一种情况的处理是忽略结果为1的点，将连续的范围作为预选的P波范围、T波范围或QRS波范围，对所述第二种情况则直接跳过，不作为P波、T波或QRS波的预选范围；规则推理模块，其对所述P波范围、所述T波范围或所述QRS波范围进行处理，并输出P波起止点和峰值点、T波起止点和峰值点或QRS波起止点和峰值点。2.如权利要求1所述的心电图特征识别系统，其特征在于，所述基线替代单元从起始点到终止点用基线替换QRS波与/或T波。3.如权利要求1所述的心电图特征识别系统，其特征在于，所述训练数据为M*(lead+1)的矩阵，所述测试数据为M*lead的矩阵，其中M代表样本数，每一个样本代表一个采样点，lead表示导联数。4.如权利要求1所述的心电图特征识别系统，其特征在于，所述模式识别单元为支持向量机。5.一种心电图特征识别方法，其特征在于，包括如下步骤：S101、对ECG信号进行前处理，包括基线替换和数据组织，...

【专利技术属性】
技术研发人员：胡晓娟，董军，
申请(专利权)人：中国科学院苏州纳米技术与纳米仿生研究所，
类型：发明
国别省市：江苏;32