一种基于多尺度熵的心脏疾病检测方法技术

本发明专利技术提出了一种基于多尺度熵的心脏疾病检测方法。首先将原始心电信号放入带通滤波器滤去部分噪声，再使用信号微分、平方手段放大得到R波特征被放大的信号，用动态阈值调整方法标记R波位置，获得心电信号的RR间期序列；根据心电信号的RR间期序列进行经验模态分解，对信号进行延拓，再通过构建信号的上下包络线来对心电信号进行分解得到IMF分量，得到健康人和心脏疾病患者心电信号的本征函数信号；通过IMF分量计算本征函数信号的多尺度熵，利用支持向量机的分类功能对健康人和心脏疾病患者心电信号的本征函数信号进行分类，区分出正常人和心脏疾病患者的心电信号。本发明专利技术可以及时检测出心脏的健康情况，并有助于了解疾病的原理。

A Method for Detecting Cardiac Diseases Based on Multiscale Entropy

【技术实现步骤摘要】
一种基于多尺度熵的心脏疾病检测方法
本专利技术涉及到生物医学工程领域，尤其涉及到一种基于多尺度熵的心脏疾病检测方法。
技术介绍
在生活节奏日益加快的今天，心血管疾病一直是一个影响人们健康的重要因素。根据有关组织的调查，心血管疾病的死亡率多年来均超过癌症，居所有疾病之首。其中在我国，心血管疾病致死占农村居民总致死原因的44.6％，占城市居民总致死原因的42.52％。有报告称在我国患有心血管疾病的国民已接近3亿人。随着我国人口老龄化的加剧、城镇化进程的加快和人民生活水平的改变(如不合理饮食造成的肥胖或高血压)，我国心血管疾病患者的人数正在并仍将在未来若干年里快速增长。心血管疾病一旦发作，造成的后果十分严重。如果能够尽早发现、尽早确诊、尽早治疗，能够大大降低心血管疾病死亡率。心电图记录了心脏在跳动过程中心脏电信号变化的曲线，是心脏电生理活动在人体体表的综合表现。心电图包含了丰富的心脏功能和病理信息，能够直观准确地反映心脏的电活动特性和表现心脏的工作状态，是心脏从兴奋发生到传播在到恢复整个过程的客观评价标准。通过分析患者心电图来评估患者的心脏功能和心血管疾病是一种非常方便和实用方法，在日常的诊断中这种方法也发挥了无可替代的作用。但仅仅通过人工分析心电信号来诊断心脏疾病，不仅加大了医生的负担，对患者来说也并不方便。而且人工分析有场所和时间的限制，但心血管疾病的发生是随时随地的，所以需要一种能应用在心电检测设备上的自动检测心脏疾病的方法。
技术实现思路
为了解决
技术介绍
种提到的问题，本专利技术提出了一种基于多尺度熵的心脏疾病检测方法。本专利技术的技术方案是一种基于多尺度熵的心脏疾病检测方法，其特征在于，包括以下步骤：步骤1：首先将原始心电信号放入带通滤波器滤去部分噪声，再使用信号微分、平方手段放大得到R波特征被放大的信号，将R波特征被放大的信号用动态阈值调整方法标记R波位置，获得心电信号的RR间期序列；步骤2：根据心电信号的RR间期序列进行经验模态分解，为了抑制端点效应，需要先对信号进行延拓，再通过构建信号的上下包络线来对心电信号进行分解得到IMF分量，根据IMF分量得到健康人和心脏疾病患者心电信号的本征函数信号；步骤3：通IMF分量计算健康人和心脏疾病患者心电信号的本征函数信号的多尺度熵，利用支持向量机的分类功能对健康人和心脏疾病患者心电信号的本征函数信号进行分类，区分出正常人和心脏疾病患者的心电信号；作为优选，步骤1中所述原始心电信号为Zi(i∈1,2,...,N)，N为信号采样点的数量；带通滤波由低通滤波器和高通滤波器叠加组成，滤波的频率范围为[fH-fL]；其中，低通滤波器的传递函数为H(z)L,低通滤波器的截止频率为fL,即通过低通滤波器将频率高于fL的信号滤除，低通滤波器的增益为AL，低通滤波器的过滤处理延迟DL个单位；低通滤波器的传递函数为:高通滤波器的传递函数为H(z)H,高通滤波器的截止频率为fH,即通过高通滤波器将频率低于fH的信号滤除，低通滤波器的增益为AH，低通滤波器的过滤处理延迟DH个单位；高通滤波器的传递函数为:该滤波器具有整数系数，在实际工作中可以极大减少处理器的工作负担；采用低通和高通滤波器结合的方式，配合了心电信号的采样频率；原始信号Zi经过低通函数H(Zi)L和高通滤波器H(Zi)H后，得到了滤去了噪声的心电信号Zl,i(i∈1,2,...,N)，将Zl,i(i∈1,2,...,N)微分，平方和移动窗口积分后得到R波特征被放大的信号Z2,i(i∈1,2,...,N)，将Z2,i通过动态阈值调整法标记其R波峰；步骤1所述的将R波特征被放大的信号用动态阈值调整方法标记R波位置为：整个检测方法有两套阈值，采用对半检测，SPKI是QRS复波的波峰幅值，NPKI是非QRS波的波峰幅值，THRESHOLDI1是应用的第一组阈值，THRESHOLDI2是应用的第二组阈值。SPKI，NPKI，THRESHOLDI1和THRESHOLDI2在最开始有一个运行估计值，如果所检出的峰值大于THRESHOLDI1，该峰值被标记为信号峰值SPKI，否则该峰值被标记为噪声信号NPKI，阈值大小由下式更新：SPKI＝0.125*PEAKI+0.875*SPKI(如果PEAKI是信号峰值)NPKI＝0.125*PEAKI+0.875*NPKI(如果PEAKI是噪声峰值)THRESHOLDI1＝NPKI+0.25(SPKI-NPKI)THRESHOLDI2＝0.5THRESHOLDI1式中PEAK表示总体峰值。采用双阈值技术来检测R波波峰位置，THRESHOLDI1应用于滤波后的信号Z1,i，THRESHOLDI2应用于移动窗口积分产生的信号Z2,i，当波峰在Z1,i和Z2,i都被标记为信号峰值时，它被确认为R波；假设检测到M个R波，得到R波序列Rj(j∈1,2,...,M)，每两个相邻R波波峰位置相减得到序列的一个RR间期，Rj所有的RR间期构成了信号的RR间期序列Xi(i∈1,2,...,N)；作为优选，步骤2所述心电信号的RR间期序列进行经验模态分解为：首先要找到信号所有的极大值和极小值，对信号进行微分，得到微分后的信号tn(n∈1,2,...,N)。tn＝Xi-Xi-1,i∈2,3,...,N然后将信号分为两列，第一列d1＝tn1，n1∈(1，2，...，n-1)，第二列d2＝tn2，n2∈(2，3，...，n)；创建函数得到新序列c1＝f1(d1*d2)，c2＝f1(d1)，c3＝f2(d1)；从而得到序列中的最大值和最小值；Indminj＝{x|x≠0,x∈c1&c2,j∈1,2,...,N}Indmaxj＝{x|x≠0,x∈c1&c3,j∈1,2,...,N}步骤2中所述的用极大值和极小值点拟合包络线的方法使用三次样条插值法，极大值和极小值来自Indminj和Indmaxj，三次样条插值就是使用三次多项式去描述两个相邻点间的线段，三次样条插值后形成了信号的上包络线e+(d)和下包络线e-(d)；将来自indminj和indmaxj的极大值和极小值放到平面直角坐标系中，构成坐标(d0，b0),……(dn，bn)，dn(n∈1,2,...,N,)表示该极大值或极小值在Xi中的排序，是第几个点，bn表示对应点的值，步长可以表示为hi＝di+1-di(i＝0,1,…,n-1)根据数据节点和首位的端点条件可以得到矩阵方程解矩阵方程，得到样条曲线的系数为ai＝bi在每个子区间xi≤x≤xi+1中，创建方程gi(x)＝ai+gi(d-di)+li(d-di)2+fi(d-di)3n+1个极大值或极小值构成了n个子区间，每个子区间的曲线方程联合起来构成了信号上包络线和下包络线；步骤2中所述的分解步骤如下，利用信号的上包络线e+(d)和下包络线e-(d)计算均值包络线：将原信号减去m1(d)得到一个去低频的新信号h11(d)＝X(d)-m1(d)此时信号h11(d)一般不满足在整个信号上极值点的个数和过零点的个数相差不大于且在任意点处上下包络的均值为零这两个条件，则重复上述步骤，假定k次后满足；则原信号x(d)的一阶本征模态函数分量为：用原信号X(d)减去c1(d)，得到一个去高频成分的新信号r1(d本文档来自技高网...

【技术保护点】
1.一种基于多尺度熵的心脏疾病检测方法，其特征在于，包括：步骤1：首先将原始心电信号放入带通滤波器滤去部分噪声，再使用信号微分、平方手段放大得到R波特征被放大的信号，将R波特征被放大的信号用动态阈值调整方法标记R波位置，获得心电信号的RR间期序列；步骤2：根据心电信号的RR间期序列进行经验模态分解，为了抑制端点效应，需要先对信号进行延拓，再通过构建信号的上下包络线来对心电信号进行分解得到IMF分量，根据IMF分量得到健康人和心脏疾病患者心电信号的本征函数信号；步骤3：通IMF分量计算健康人和心脏疾病患者心电信号的本征函数信号的多尺度熵，利用支持向量机的分类功能对健康人和心脏疾病患者心电信号的本征函数信号进行分类，区分出正常人和心脏疾病患者的心电信号。

【技术特征摘要】
1.一种基于多尺度熵的心脏疾病检测方法，其特征在于，包括：步骤1：首先将原始心电信号放入带通滤波器滤去部分噪声，再使用信号微分、平方手段放大得到R波特征被放大的信号，将R波特征被放大的信号用动态阈值调整方法标记R波位置，获得心电信号的RR间期序列；步骤2：根据心电信号的RR间期序列进行经验模态分解，为了抑制端点效应，需要先对信号进行延拓，再通过构建信号的上下包络线来对心电信号进行分解得到IMF分量，根据IMF分量得到健康人和心脏疾病患者心电信号的本征函数信号；步骤3：通IMF分量计算健康人和心脏疾病患者心电信号的本征函数信号的多尺度熵，利用支持向量机的分类功能对健康人和心脏疾病患者心电信号的本征函数信号进行分类，区分出正常人和心脏疾病患者的心电信号。2.根据权利要求1所述的基于多尺度熵的心脏疾病检测方法，其特征在于：步骤1中所述原始心电信号为Zi(i∈1,2,...,N)，N为信号采样点的数量；带通滤波由低通滤波器和高通滤波器叠加组成，滤波的频率范围为[fH-fL]；其中，低通滤波器的传递函数为H(z)L,低通滤波器的截止频率为fL,即通过低通滤波器将频率高于fL的信号滤除，低通滤波器的增益为AL，低通滤波器的过滤处理延迟DL个单位；低通滤波器的传递函数为:高通滤波器的传递函数为H(z)H,高通滤波器的截止频率为fH,即通过高通滤波器将频率低于fH的信号滤除，低通滤波器的增益为AH，低通滤波器的过滤处理延迟DH个单位；高通滤波器的传递函数为:该滤波器具有整数系数，在实际工作中可以极大减少处理器的工作负担；采用低通和高通滤波器结合的方式，配合了心电信号的采样频率；原始信号Zi经过低通函数H(Zi)L和高通滤波器H(Zi)H后，得到了滤去了噪声的心电信号Zl,i(i∈1,2,...,N)，将Zl,i(i∈1,2,...,N)微分，平方和移动窗口积分后得到R波特征被放大的信号Z2,i(i∈1,2,...,N)，将Z2,i通过动态阈值调整法标记其R波峰；步骤1所述的将R波特征被放大的信号用动态阈值调整方法标记R波位置为：整个检测方法有两套阈值，采用对半检测，SPKI是QRS复波的波峰幅值，NPKI是非QRS波的波峰幅值，THRESHOLDI1是应用的第一组阈值，THRESHOLDI2是应用的第二组阈值，SPKI，NPKI，THRESHOLDI1和THRESHOLDI2在最开始有一个运行估计值，如果所检出的峰值大于THRESHOLDI1，该峰值被标记为信号峰值SPKI，否则该峰值被标记为噪声信号NPKI，阈值大小由下式更新：SPKI＝0.125*PEAKI+0.875*SPKI(如果PEAKI是信号峰值)NPKI＝0.125*PEAKI+0.875*NPKI(如果PEAKI是噪声峰值)THRESHOLDI1＝NPKI+0.25(SPKI-NPKI)THRESHOLDI2＝0.5THRESHOLDI1式中PEAK表示总体峰值；采用双阈值技术来检测R波波峰位置，THRESHOLDI1应用于滤波后的信号Z1,i，THRESHOLDI2应用于移动窗口积分产生的信号Z2,i，当波峰在Z1,i和Z2,i都被标记为信号峰值时，它被确认为R波；假设检测到M个R波，得到R波序列Rj(j∈1,2,...,M)，每两个相邻R波波峰位置相减得到序列的一个RR间期，Rj所有的RR间期构成了信号的RR间期序列Xi(i∈1,2,...,N)。3.根据权利要求1所述的基于多尺度熵的心脏疾病检测方法，其特征在于：步骤2所述心电信号的RR间期序列进行经验模态分解为：首先要找到信号所有的极大值和极小值，对信号进行微分，得到微分后的信号tn(n∈1,2,...,N)；tn＝Xi-Xi-1,i∈2,3,...,N然后将信号分为两列，第一列d1＝tn1，n1∈(1，2，...，n-1)，第二列d2＝tn2，n2∈(2，3，...，n)；创建函数得到新序列c1＝f1(d1*d2)，c2＝f1(d1)，c3＝f2(d1)；从而得到序列中的最大值和最小值...

【专利技术属性】
技术研发人员：万相奎，刘翔宇，刘俊杰，陈瑞，危竞，王仲昊，吴海波，金志尧，朱彬如，许正望，李风从，丰励，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：湖北,42