一种基于动态模式识别的心电信号ST‑T段识别方法技术

本发明专利技术公开了一种基于动态模式识别的心电信号ST‑T段识别方法，该方法包括以下步骤：1、用户端信号采集包括预处理、质量评估、截取ST‑T段预设训练集；2、将训练集数据通过网络发送至云服务器进行大规模快速计算：通过动态模式识别方法对数据内在系统动态进行训练并建立模式库，利用训练所得的常值神经网络构建动态估计器，比较测试数据与模式库内各模式之间的内在系统动态差异，由最小残差实现对测试模式的准确识别，选20％最小残差进行识别结果修正；3、识别结果发送至云终端和用户端。本方法适用于日常心电监护中心电图ST‑T段尚未发生明显改变时的心梗预测及治疗后的病情监控，具有识别过程简单、快速、经济、无创等优点。

【技术实现步骤摘要】
一种基于动态模式识别的心电信号ST-T段识别方法
本专利技术属于医学特征识别
，涉及一种基于动态模式识别的心电信号识别方法，更具体地，涉及一种针对心电ECG信号ST-T段数据的内在系统动态信息的提取和识别方法。
技术介绍
当今社会，由于心肌缺血导致的心肌梗塞等心血管疾病的发病率和死亡率日渐增高，医学识别技术的提高与新型医疗设备的发展一直以来都是医疗领域发展的重点。实际上，心肌缺血患者在发病早期阶段一般并没有明显的临床症状或者不适感很轻微，大部分患者不会主动就医，或者即使到医院就医，普通的常规心电图(ECG)诊断结果也体现不出早期缺血的异常。常规心电识别诊断精度不高、患者无临床征兆不会进行昂贵的精密检查以及医生识别心电信号经验不足等因素使得心肌缺血病情十分容易被患者和医生忽视。如果能在日常生活中对心电信号采用更为敏感的识别手段，就可以密切关注其先兆症状，能在心电图尚未发生显著变化时察觉到心肌缺血病症，使得这类患者在症状早期阶段得到更积极的干预治疗，从而挽救患者生命。体表心电信号的采集以其低廉的医疗成本和可靠的安全性成为目前世界上最普及的心血管疾病监测方式，心电图机成为全球各类医疗本文档来自技高网...

【技术保护点】
一种基于动态模式识别的心电信号ST‑T段识别方法，其特征在于，包含如下步骤：步骤一、用户端信号采集：(1)心电ECG信号预处理：利用用户端的穿戴式心电数据采集设备获取心电图ECG信号的数值数据，用中值滤波器进行基线漂移矫正，再用小波变换滤除50Hz工频干扰和肌电干扰；(2)心电信号质量评估：取肢体导联I为代表，检测每个周期内幅值最大的R波，以此计算心率，心率严重不齐的数据为质量评估不合格，在用户终端给予个人用户提示，请求重新采集数据；(3)截取ST‑T段数据预设训练集：对质量评估合格的数据，取肢体导联I、胸导联V2和V5作为预设训练导联，并截取出ST‑T段在空间中进行归一化处理，处理后的数据作...

【技术特征摘要】
1.一种基于动态模式识别的心电信号ST-T段识别方法，其特征在于，包含如下步骤：步骤一、用户端信号采集：(1)心电ECG信号预处理：利用用户端的穿戴式心电数据采集设备获取心电图ECG信号的数值数据，用中值滤波器进行基线漂移矫正，再用小波变换滤除50Hz工频干扰和肌电干扰；(2)心电信号质量评估：取肢体导联I为代表，检测每个周期内幅值最大的R波，以此计算心率，心率严重不齐的数据为质量评估不合格，在用户终端给予个人用户提示，请求重新采集数据；(3)截取ST-T段数据预设训练集：对质量评估合格的数据，取肢体导联I、胸导联V2和V5作为预设训练导联，并截取出ST-T段在空间中进行归一化处理，处理后的数据作为训练集数据。步骤二、将训练集数据通过网络发送至云服务器进行大规模快速计算：(1)通过动态模式识别方法对数据内在系统动态进行训练并建立模式库，利用RBF神经网络实现对各训练集ST-T段数据内在系统动态的局部准确建模，所训练所得的动态知识以常值神经网络权值的形式进行存储，并由此建立模式库；(2)利用训练所得的常值神经网络构建动态估计器：模式库中每个模式数据的动态特征都已经以常值神经网络权值的形式存储，这些权值重新构建新的常值神经网络，并嵌入动态估计器中，每个模式对应了一个动态估计器；(3)比较测试数据与模式库内各模式之间的内在系统动态差异，由最小残差原理实现对测试模式的准确识别：将被测的未知心电数据经过步骤一的(1)(2)(3)步处理后与模式库中已有模式进行动力学上的相似度计算性对比，生成一组对应的计算识别残差，残差值最小说明测试模式与此残差对应的估计器所代表的模式匹配；(4)选取20％的最小残差进行识别结果修正：根据统计原理，选取模式数量20％的最小残差，将其对应的病症模式与测试数据进行动力学对比分析，排除动力学上明显不同的情况，修正识别结果，并且当测试数据无法与模式库内已有模式匹配时，将此数据作为新的病症模式加入模式库，完善数据库记录。步骤三、将识别结果发送至云终端和用户端，云终端供医疗数据存档以备专业医师查看和进一步诊断，用户端提供给个人用户心电识别结果。2.根据权利要求1所述的一种基于动态模式识别的心电信号ST-T段识别方法，其特征在于，步骤一中(1)所述用户端的穿戴式心电数据采集设备是指常规的采用Frank体表心电测量体系进行心电数据采集的设备，所采集的心电数据可以包含全面12导联：Ⅰ、Ⅱ、Ⅲ、aVR、aVL、aVF、V1、V2、V3、V4、V5、V6，也可以是八导联ECG和三导联，但是都必须以胸导联为主。采集到的生理信号数据不同于临床中专业医师直接识别的心电图图纸，是可以用于复杂计算的数据格式。3.根据权利要求1所述的一种基于动态模式识别的心电信号ST-T段识别方法，其特征在于，步骤一中(2)所述心电信号质量评估是指针对不适合动态模式识别方法的严重心率不齐数据进行判别，提示个人用户重新采集质量合格的信号。心率严重不齐的数据为质量评估不合格是指动态模式识别对周期、类周期和准周期数据适用。4.根据权利要求1所述的一种基于动态模式识别的心电信号ST-T段识别方法，其特征在于，步骤一中(3)所述的取肢体导联I、胸导联V2和V5作为预设训练导联具体为：胸导联V2和V5负责心脏前壁和后侧壁的监测，是动态模式识别诊断依据的来源，另外配备肢体导联I为同监测体系数据的辅助。5.根据权利要求1所述的一种基于动态模式识别的心电信号ST-T段识别方法，其特征在于，步骤一中(3)所述归一化是指对截取到的ST-T段数据进行单位球内的归一化，具体操作是：肢体导联I、胸导联V2和V5的三维ST-T段数据可以用X＝[xX,xY,xZ]T∈R3表示，其范数为计算最大范数||X||max，将ST-T段所有数据点坐标除以该范数，获得新的数据点位置，即实现归一化，归一化后的数据仍然用矩阵X＝[xX,xY,xZ]T∈R3的方式表达。6.根据权利要求1所述的一种基于动态模式识别的心电信号ST-T段识别方法，其特征在于，步骤二中(1)所述动态模式识别选用的是确定训练理论中对非线性系统局部准确神经网络逼近的...

【专利技术属性】
技术研发人员：胡俊敏，周卫，伍银波，
申请(专利权)人：广东技术师范学院，
类型：发明
国别省市：广东,44