一种基于前馈神经网络拟合的三导联心电电极连接判别方法技术

本发明专利技术公开了一种基于前馈神经网络拟合的三导联心电电极连接判别方法，包括：(1)采集三通道心电标准信号段和构建心电训练信号库；(2)通过前馈神经网络学习算法进行训练得到重构关系模型；(3)根据相关系数法提取出特征值作为心电训练样本，通过人工神经网络学习算法进行训练得到电极连接的判别模型；(4)还原系统模型。本发明专利技术心电电极连接判别方法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。

A method of three lead ECG electrode connection based on feedforward neural network fitting

The invention discloses a connecting method, three lead ECG electrodes fitting based on neural network including: (1) collecting three channel ECG signal and ECG standard construction training signal base; (2) through the feedforward neural network learning algorithm to get the reconstruction of the relationship model of training; (3) according to the correlation coefficient method the ECG characteristic value as the training samples, training through the learning algorithm of artificial neural network by discriminant model of electrode connection; (4) reduction system model. The invention of ECG electrodes connected by three channel ECG signal discrimination method of reconstruction of the relationship between model and the correlation coefficient obtained by the training of feedforward neural networks for ECG signal transformation and feature sequence transformed using optimization learning algorithm of artificial neural network with gradient descent of discriminant model based on accurate, through the reduction of the system model, realizes the ECG electrode discrimination method wrong, which greatly enhances the efficiency and accuracy of discrimination.

【技术实现步骤摘要】
一种基于前馈神经网络拟合的三导联心电电极连接判别方法
本专利技术属于医疗器械
，具体涉及一种基于前馈神经网络拟合的三导联心电电极连接判别方法。
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+，负极表示本文档来自技高网...

【技术保护点】
一种基于前馈神经网络拟合的三导联心电电极连接判别方法，包括如下步骤：(1)在电极连接正确导联输入正常的情况下，通过采集得到m组三通道心电标准信号段组成样本集，m为大于1的自然数；进而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，对应得到6m组三通道心电训练信号段；(2)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；(3)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；使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...

【技术特征摘要】
1.一种基于前馈神经网络拟合的三导联心电电极连接判别方法，包括如下步骤：(1)在电极连接正确导联输入正常的情况下，通过采集得到m组三通道心电标准信号段组成样本集，m为大于1的自然数；进而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，对应得到6m组三通道心电训练信号段；(2)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；(3)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；使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；(4)根据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；进而根据用户日常检测得到的三通道心电信号段利用该判别模型对用户的电极连接形式进行判别，判别出该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所述的三导联心电电极连接判别方法，其特征在于：所述步骤(2)中通过前馈神经网络学习算法进行训练的具体过程如下：2.1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；2.2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；2.3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；2.4根据步骤2.2和2.3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。3.根据权利要求2所述的三导联心电电极连接判别方法，其特征在于：所述步骤2.1中初始化构建的神经网络中隐藏层由10个神经元组成。4.根据权利要求2所述的三导联心电电极连接判别方法，其特征在于：所述步骤2.1中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。5.根据权利要求1所述的三导联心电电极连接判别方法，其特征在于...

【专利技术属性】
技术研发人员：姚剑，赵晓鹏，耿晨歌，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