一种基于支持向量机的J波分类方法技术

本发明专利技术涉及J波的分类方法，具体为一种基于支持向量机的J波分类方法。本发明专利技术以盲源分离技术为基础，以支持向量机为主要方法，对含有J波的心电信号进行良性和恶性的自动分类。良性和恶性的分类可辅助医生识别临床异常J波的高危患者，减少恶性过早复极综合征、恶性心律失常及特发性心室颤动猝死的发生，为在临床上对J波的高危状态做出准确的诊断提供理论与实践基础。本发明专利技术的实施是医学、盲源分离、机器学习三个学科的结合，处于国内外相关领域的前沿研究热点，相关技术具有先进性和前瞻性。

【技术实现步骤摘要】

本专利技术涉及J波的分类方法，具体为一种基于支持向量机的J波分类方法。
技术介绍
J波，又称Osborn波，在心电图上主要的表现为QRS波群与ST段连接处（J点）出 现了一个明显的基线偏离现象，具有一定的振幅、时限并在心电图中呈现出特殊形态的波 形。J波常出现于心室的除极到复极转换的过程，由于其特殊的位置，在临床上越来越受重 视。 引发J波心电图变异的方式有两种，一种是生理性的心电图变异，主要的表现为 过早复极综合征，另一种是由低温、高血钙、脑外伤等引发的病理性变异，如Brugada综合 征、猝死综合征及特发性心室颤动等，我们统称为J波综合征。但近期有研宄发现，幅度超 过〇.Imv的J波同时伴有ST段的变化将会产生恶性的过早复极综合征，存在上述的患者容 易引发恶性的发心律失常、致命性的心肌梗塞，甚至可能导致猝死。不难发现心电图异常J 波和J波综合征是心脏性猝死高危预警的一个新指标，有着十分重要的临床研宄意义。 区分J波的良性和恶性可以作为医生诊断室速、室颤、恶性过早复极综合征、致命 性的恶性心律失常、猝死等的心电图预警指标，因此J波的分类非常重要。然而，现有诊断J 波为良性和恶性的方法主要从细胞电生理和离子流机制出发，不仅费时而且达不到理想的 准确率。
技术实现思路
本专利技术为了解决现有区分J波良性和恶性的方法不仅费时而且达不到理想的准 确率的问题，提供了一种基于支持向量机的J波分类方法。 本专利技术是采用如下的技术方案实现的：一种基于支持向量机的J波分类方法，包 括以下步骤： 第一步：从病人体表获取含有良性J波的心电信号和恶性J波的心电信号； 第二步：利用非负矩阵分解算法从心电信号中提取J波； 第三步：将提取到的J波用曲线拟合的方法进行拟合，得到拟合参数，该拟合参数 作为一个特征向量； 第四步：利用病人病史和J波综合症相关程度的大小来设置参数，将该参数作为 一个特征向量； 第五步：利用第三步和第四步获得的特征向量对支持向量机SVM进行训练； 第六步：从待检测者体表获得心电彳目号； 第七步：对该心电信号重复第二步至第四步以获得该心电信号的特征向量； 第八步：将得到的特征向量输入到已经训练好的支持向量机SVM，对J波进行良性 和恶性的分类。 本专利技术从信号处理的角度出发，首先获得含有J波的心电信号（含有良性和恶 性），通过非负矩阵分解的方法从含有J波的心电信号中提取出J波部分，利用病人的病史 及J波曲线的拟合参数作为特征向量来训练SVM，最后将训练好后的SVM检测未知的信号， 预测的结果可以辅助医生识别临床异常J波的高危患者，进而达到尽早预防和治疗的目 的。【附图说明】 图1为本专利技术的流程图。【具体实施方式】 -种基于支持向量机的J波分类方法，包括以下步骤： 第一步：从病人体表获取含有良性J波的心电信号和恶性J波的心电信号，同时获 得病人的病史，为下面的支持向量机SVM训练做准备； 第二步：利用非负矩阵分解算法从心电信号中提取J波，NMF算法的数学 模型为V=WH，其中V为观测信号，W为混合矩阵，H为源信号，NMF算法的约束条 件是被分解的矩阵元素均为非负，本专利技术利用基于散度偏差的NMF算法来提取J波 信号，但是心电信号的系数矩阵V通常由正负元素组成，把V中全部负元素用0代 替，重新构成一个新的矩阵V1，把V中全部正元素用0代替，对负矩阵取绝对值后构 成矩阵V2，这样就构成了两个和V相同维数的非负矩阵，将散度偏差作为目标函数：【主权项】1. 一种基于支持向量机的J波分类方法，其特征在于包括以下步骤： 第一步：从病人体表获取含有良性J波的心电信号和恶性J波的心电信号； 第二步：利用非负矩阵分解算法从心电信号中提取J波； 第三步：将提取到的J波用曲线拟合的方法进行拟合，得到拟合参数，该拟合参数作为 一个特征向量； 第四步：利用病人病史和J波综合症相关程度的大小来设置参数，将该参数作为一个 特征向量； 第五步：利用第三步和第四步获得的特征向量对支持向量机SVM进行训练； 第六步：从待检测者体表获得心电信号； 第七步：对该心电信号重复第二步至第四步以获得该心电信号的特征向量； 第八步：将得到的特征向量输入到已经训练好的支持向量机SVM，对J波进行良性和恶 性的分类。【专利摘要】本专利技术涉及J波的分类方法，具体为一种基于支持向量机的J波分类方法。本专利技术以盲源分离技术为基础，以支持向量机为主要方法，对含有J波的心电信号进行良性和恶性的自动分类。良性和恶性的分类可辅助医生识别临床异常J波的高危患者，减少恶性过早复极综合征、恶性心律失常及特发性心室颤动猝死的发生，为在临床上对J波的高危状态做出准确的诊断提供理论与实践基础。本专利技术的实施是医学、盲源分离、机器学习三个学科的结合，处于国内外相关领域的前沿研究热点，相关技术具有先进性和前瞻性。【IPC分类】G06K9-62, G06T7-00【公开号】CN104794493【申请号】CN201510217189【专利技术人】李灯熬, 刘学博, 赵菊敏, 吕竟昂 【申请人】太原理工大学【公开日】2015年7月22日【申请日】2015年4月30日本文档来自技高网...

【技术保护点】
一种基于支持向量机的J波分类方法，其特征在于包括以下步骤：第一步：从病人体表获取含有良性J波的心电信号和恶性J波的心电信号；第二步：利用非负矩阵分解算法从心电信号中提取J波；第三步：将提取到的J波用曲线拟合的方法进行拟合，得到拟合参数，该拟合参数作为一个特征向量；第四步：利用病人病史和J波综合症相关程度的大小来设置参数，将该参数作为一个特征向量；第五步：利用第三步和第四步获得的特征向量对支持向量机SVM进行训练；第六步：从待检测者体表获得心电信号；第七步：对该心电信号重复第二步至第四步以获得该心电信号的特征向量；第八步：将得到的特征向量输入到已经训练好的支持向量机SVM，对J波进行良性和恶性的分类。

【技术特征摘要】

【专利技术属性】
技术研发人员：李灯熬，刘学博，赵菊敏，吕竟昂，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西;14