一种单导心电信号分类方法和单导心电信号分类系统技术方案

本发明专利技术公开了一种单导心电信号分类方法和单导心电信号分类系统，所述分类方法包括以下步骤：对单导心电信号进行预处理，滤除噪音信号并对单导心电信号的基线漂移进行调整；利用第一预设方法处理预处理后所述单导心电信号，得到P波、Q波、R波、S波和T波的特征点位置；通过所述特征点位置对所述心电信号的特征进行提取，得到信号统计特征；利用预设的分类模型处理所述信号统计特征得到分类后的单导心电信号。该方法和系统能够对心电信号进行准确分类，提高了分类准确率和智能化。

A Single-channel ECG Signal Classification Method and a Single-channel ECG Signal Classification System

【技术实现步骤摘要】
一种单导心电信号分类方法和单导心电信号分类系统
本专利技术涉及健康检测，特别涉及一种单导心电信号分类方法和单导心电信号分类系统。
技术介绍
心脏病是威胁人类生命的主要疾病之一，长期以来，对心脏病的研究一直是医学界的重要课题。人体心电图（Electrocardiogram，ECG）作为心脏电活动在体表的综合表现，蕴涵着丰富的反映心脏节律及其电传导的生理和病理信息，在一定程度上可以客观反映心脏各部位的生理状况，是诊断心脏疾病、评价心脏功能的重要依据之一，尤其对于各种心率失常和传导障碍的诊断分析具有重大诊断价值，是目前分析和鉴别各种心率失常的最精确的方法。另外，心电图在对心房心室增大、心肌供血不足、洋地黄中毒、电解质紊乱以及肺心病、风心病、高血压性心脏病的诊断方面也有较高的价值。为了把医师从繁琐的图形识别工作中解脱出来，将精力集中在异常心电波形的识别和判断上，从而提高医疗诊断效率、缩短诊断时间，人工智能科学家需要和医生通力合作，将机器学习方法引入到心电信号分析中，以解决心电信号自动测量、模式识别和疾病诊断工作。由于心电信号的个体差异和心脏病理信息分析的复杂性，加上心电设备自身存在噪音，导致人工智能判断心脏疾病类型的准确率没有理想中的那么高，仍然无法达到临床医生的最高诊断精度。在实现本专利技术的过程中，本专利技术人发现ECG自动分析形成了几个不同的领域：静态ECG系统、心律失常检测及监护系统、运动ECG系统，动态心电图系统（Holter）。如今，心电信号自动分析的发展体现出了如下几个趋势，第一是在分析结果的准确率和智能化上提高，第二是分析诊断时实时性的提高，第三是分析诊断系统的小型化、家用化、智能化和云端化。
技术实现思路
为解决上述技术问题，本专利技术实施例提供了一种单导心电信号分类方法和单导心电信号分类系统。为达到上述目的，本专利技术的技术方案是这样实现的：本专利技术实施例提供了一种单导心电信号分类方法，所述分类方法包括以下步骤：S10、对单导心电信号进行预处理，滤除噪音信号并对单导心电信号的基线漂移进行调整；S20、利用第一预设方法处理预处理后所述单导心电信号，得到P波、Q波、R波、S波和T波的特征点位置；S30、通过所述特征点位置对所述心电信号的特征进行提取，得到信号统计特征；S40、利用预设的分类模型处理所述信号统计特征得到分类后的单导心电信号。进一步地，所述步骤S10包括：用小波方法对信号进行滤波处理和基线漂移去除。进一步地，所述预设方法包括以下步骤：S21、利用至少一次差分法得到R波波峰位置；S22、计算两个R波之间的RR间期，并利用R波位置和RR间期，对预处理后的心电信号进行分段，针对分段后的心电信号，采用自适应方法计算确定Q波和S波位置。S23、针对分段后的心电信号采用卷积方法，识别确定P波和T波波峰位置。进一步地，所述步骤S22还包括：利用R波位置和RR间期，定位每一次心跳周期，并采用自适应位置处的斜率计算方法，对心电信号进行分段，其中，所述自适应位置为两个相邻RR间期，中间R波向前延伸1/4前RR周期，向后延伸3/4后RR周期附近处的斜率，如果所述斜率在预设阈值范围内，则判定两个位置之间的心电信号片段为一个心跳周期。进一步地，所述步骤S30中，所述心电信号的特征包括时域特征、频域特征、功率谱信息中的至少一个。进一步地，所述时域特征包括心电信号时间间期和心电信号振幅。进一步地，所述频域特征包括：每次心跳过程所述P波、Q波、R波、S波和T波的频率谱。进一步地，所述步骤S40中，预设的所述分类模型包括以下分类子模型：XGBoost方法、AdaBoost方法、随机森林方法、Bagging方法、决策树法、支持向量机方法中的至少一种。进一步地，所述步骤S40还包括：将所述分类子模型处理的结果按照第二预设方法对所述单导心电信号进行分类。本专利技术实施例还提供了一种单导心电信号分类系统，所述分类系统包括：预处理模块，所述预处理模块用于对单导心电信号进行预处理，得到预处理后的单导心电信号；第一处理模块，所述第一处理模块用于利用第一预设方法处理预处理后所述单导心电信号，得到P波、Q波、R波、S波和T波的特征点位置；第二处理模块，所述第二处理模块用于提取所述特征点位置对所述心电信号的特征，得到信号统计特征；分类模块，所述分类模块用于利用预设的分类模型处理所述信号统计特征得到分类后的单导心电信号。本专利技术实施例提供了一种单导心电信号分类方法和单导心电信号分类系统。该方法和系统能够对心电信号进行准确分类，提高了分类准确率和智能化。附图说明图1为本专利技术一个可选实施例中单导心电信号分类方法的实现框图；图2为本专利技术另一个可选实施例中单导心电信号分类方法的实现框图；图3为本专利技术一个可选实施例中单导心电信号分类系统结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例的附图，对本专利技术实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于所描述的本专利技术的实施例，本领域技术人员所获得的所有其他实施例，都属于本专利技术保护范围。如图1所示，本专利技术实施例提供了一种单导心电信号分类方法，分类方法包括以下步骤：S10、对单导心电信号进行预处理，滤除噪音信号并对单导心电信号的基线漂移进行调整；S20、利用第一预设方法处理预处理后单导心电信号，得到P波、Q波、R波、S波和T波的特征点位置；S30、通过特征点位置对心电信号的特征进行提取，得到信号统计特征；S40、利用预设的分类模型处理信号统计特征得到分类后的单导心电信号。在本专利技术的一些实施例中，步骤S10包括：用小波方法对信号进行滤波处理和基线漂移去除。具体地，单导心电信号可以被看作是含有噪声的不平稳时变信号，其中对于单导设备来说，肌肉电和身体移动过程中的噪声会造成严重的基线漂移和信号噪声。由于单导信号可以被看做高斯信号组合特性，高斯小波是高斯密度函数的微分形式，是一种非正交与非双正交的小波，没有尺度函数。复数的高斯小波是下面公式的P阶导数：其中，P是从1到8的一个整数，C是一个和P阶的阶数相关的正则化常数。此处采用高斯1阶小波实数基作为单导心电信号小波分解的基础小波基，对单导心电信号进行分解，并将其分解得到的低频部分和高频部分略去，将剩下的信号进行重构，得到经过噪声滤波（低频和高频信号）和基线漂移（低频信号）去除之后的单导心电信号。在本专利技术的另一些实施例中，第一预设方法包括以下步骤：S21、利用至少一次差分法得到R波波峰位置；S22、计算两个R波之间的RR间期，并利用R波位置和RR间期，对预处理后的心电信号进行分段，针对分段后的心电信号，采用自适应方法计算确定Q波和S波位置。S23、针对分段后的心电信号采用卷积方法，识别确定P波和T波波峰位置。进一步地，步骤S22还包括：利用R波位置和RR间期，定位每一次心跳周期，并采用自适应位置处的斜率计算方法，对心电信号进行分段，其中，自适应位置为两个相邻RR间期，中间R波向前延伸1/4前RR周期，向后延伸3/4后RR周期附近处的斜率，如果斜率在预设阈值范围内，则判定两个位置之间的心电信号片段为一个心跳周期。具体地，经过噪声滤波和基线漂移去除之后的稳定无噪声单导心电信号，经过两次差分过程本文档来自技高网...

【技术保护点】
1.一种单导心电信号分类方法，其特征在于，所述分类方法包括以下步骤：S10、对单导心电信号进行预处理，滤除噪音信号并对单导心电信号的基线漂移进行调整；S20、利用第一预设方法处理预处理后所述单导心电信号，得到P波、Q波、R波、S波和T波的特征点位置；S30、通过所述特征点位置对所述心电信号的特征进行提取，得到信号统计特征；S40、利用预设的分类模型处理所述信号统计特征得到分类后的单导心电信号。

【技术特征摘要】
1.一种单导心电信号分类方法，其特征在于，所述分类方法包括以下步骤：S10、对单导心电信号进行预处理，滤除噪音信号并对单导心电信号的基线漂移进行调整；S20、利用第一预设方法处理预处理后所述单导心电信号，得到P波、Q波、R波、S波和T波的特征点位置；S30、通过所述特征点位置对所述心电信号的特征进行提取，得到信号统计特征；S40、利用预设的分类模型处理所述信号统计特征得到分类后的单导心电信号。2.根据权利要求1所述的单导心电信号分类方法，其特征在于，所述步骤S10包括：用小波方法对信号进行滤波处理和基线漂移去除。3.根据权利要求1所述的单导心电信号分类方法，其特征在于，所述预设方法包括以下步骤：S21、利用至少一次差分法得到R波波峰位置；S22、计算两个R波之间的RR间期，并利用R波位置和RR间期，对预处理后的心电信号进行分段，针对分段后的心电信号，采用自适应方法计算确定Q波和S波位置；S23、针对分段后的心电信号采用卷积方法，识别确定P波和T波波峰位置。4.根据权利要求3所述的单导心电信号分类方法，其特征在于，所述步骤S22还包括：利用R波位置和RR间期，定位每一次心跳周期，并采用自适应位置处的斜率计算方法，对心电信号进行分段，其中，所述自适应位置为两个相邻RR间期，中间R波向前延伸1/4前RR周期，向后延伸3/4后RR周期附近处的斜率，如果所述斜率在预设阈值范围内，则判定两个位置之间的心电信号片段为...

【专利技术属性】
技术研发人员：张蓝天，孙见山，朱孟斌，司源，刘发，
申请(专利权)人：苏州平稳芯跳医疗科技有限公司，
类型：发明
国别省市：江苏,32