一种人体生物电信号混沌特征的提取方法技术

本发明专利技术公开了一种人体生物电信号混沌特征的提取方法，具体流程为：将人体生物电信号数据进行预处理，获取目标波段的信号数据；采用自适应性系统辨识方法对目标波段的信号数据进行建模，实现非线性系统的局部准确模型辨识，得到人体生物电信号非线性系统动态数据；接着采用非线性动力学方法提取人体生物电信号非线性系统动态数据的混沌特征，接着获取混沌特征对应的量化指标数据，并构建特定人体疾病风险评估模型，最后实现对待测人员罹患特定人体疾病风险的评估。本发明专利技术所述的提取方法可挖掘出人体生物电信号非线性非线性系统动态数据中丰富的混沌特征及相应的量化指标阈值，为待测人员罹患人体疾病的风险提供了一种新的评估方法。

A method for extracting chaotic characteristics of bioelectric signals

【技术实现步骤摘要】
一种人体生物电信号混沌特征的提取方法
本专利技术涉及于诊断目的的测量
，特别是涉及一种人体生物电信号混沌特征的提取方法。
技术介绍
人体在静止状态或活动状态，都会产生与生命状态密切相关的有规律的电现象，称为生物电。人体的生物电信号包括静息电位和动作电位，其本质是离子的跨膜流动；人体的生物电信号通常能通过电极拾取，经适当的生物电放大器放大，进行记录，所记录的人体生物电信号是考量人体生理参数的主要指标，在人们生活中发挥着重要的作用。当前，现有技术对人体的生物电信号的检测和使用已取得一些进展；然而，到目前为止，现有技术对人体的生物电信号数据特征的开发依然存在一些难以避免的缺陷：挖掘出的人体生物电信号数据特征过于有限，获取的人体生物电信号数据特征的量化指标的应用主要依赖于临床医生的从业经验，不能与具体疾病进行有机地融合，难以充分发挥其应有的临床检测价值；因而，亟需开发一种人体生物电信号数据特征的提取方法，充分展现人体生物电信号复杂的动态过程，结合不同的人体健康状况，筛查出人体疾病早期细微的人体生物电信号的变化，为后期医生进行人体疾病的精准治疗提供便利。因此，有必要提供开发一种改进的技术方案以克服现有技术中存在的技术问题。
技术实现思路
为了解决上述问题，本专利技术公开了一种人体生物电信号特征提取的方法，具体流程为：将人体生物电信号数据进行预处理，获取目标波段的信号数据；采用自适应性系统辨识方法对目标波段的信号数据进行建模，实现非线性系统的局部准确模型辨识，从而得到人体生物电信号非线性系统动态数据；接着采用异质度分析的方法提取人体生物电信号非线性系统动态数据内在的动态特征，然后获取相应的量化指标数据构建特定人体疾病风险评估模型，从而实现对待测人员罹患特定人体疾病风险的评估。本专利技术所述方法，可挖掘出人体生物电信号非线性非线性系统动态数据中丰富的动态特征及相应的量化指标阈值，为待测人员罹患人体疾病的风险提供了一种新的评估方法。本专利技术的第一方面提供了一种人体生物电信号混沌特征的提取方法，包括以下步骤：S1.获取人体生物电信号非线性系统动态数据；S2.采用非线性动力学方法提取人体生物电信号非线性系统动态数据的混沌特征。可选地，在如前所述的方法中，所述的人体生物电信号非线性系统动态数据的总长度为10～50000字节。可选地，在如前所述的方法中，所述的人体生物电信号非线性系统动态数据V(x)，可表示为：V(x)＝mV1(x)+nV2(x)；其中m和n的值都为-1～1，所述的V1(x)包括心电向量数据；所述的V2(x)包括心电非线性系统动态数据。可选地，在如前所述的方法中，还包括步骤S3：获取人体生物电信号非线性系统动态数据的混沌特征的量化指标，所述的混沌特征的量化指标的数值Hi＝((a×Ci-b×Eni+c×Li)÷ln(ji))-((d×Fi+e×PPi-f×PSi)÷ln(ki))+x×PSSi+y×Si+z×SDi，Ci为复杂度的量化值、Eni为熵的量化值、Li为李雅普诺夫指数的量化值、Fi为分维数的量化值、PPi为相平面图的量化值、PSi为功率谱的量化值、PSSi为庞加莱截面的量化值、Si为散点图的量化值、SDi为符号动力学的量化值，a、b、c、d、e、f、x、y或z的取值为适应不同类型的人体健康状况而作出的适应性选择值，i的取值为不小于1的正整数，ji和ki的取值为-4～4之间，ln()为以e为底数的对数函数。本专利技术的第二方面提供了一种人体生物电信号数据特征的提取方法，包括以下步骤：S1.获取人体生物电信号非线性系统动态数据；S2.采用非线性动力学方法提取人体生物电信号非线性系统动态数据的数据特征；S3.获取人体生物电信号非线性系统动态数据的数据特征的量化指标；其中，所述人体生物电信号非线性系统动态数据的数据特征的量化指标为H＝((an×C′-bn×En′+cn×L′)÷ln(j))-((dn×F′+en×PP′-fn×PS′)÷ln(k))+xn×PSS′+yn×S′+z×SD′，C′为复杂度的量化值、En′为熵的量化值、L′为李雅普诺夫指数的量化值、F′为分维数的量化值、PP′为相平面图的量化值、PS′为功率谱的量化值、PSS′为庞加莱截面的量化值、S′为散点图的量化值、SD′为符号动力学的量化值，a、b、c、d、e、f、x、y或z的取值为-3～3之间，n的取值为偶数，j和k的取值为-4～4之间，ln()为以e为底数的对数函数。本专利技术的第三方面提供了一种人体生物电信号异常的识别方法，使用前述的提取方法，对人体生物电信号非线性系统动态数据的数据特征的量化指标进行提取，并设定所述的人体生物电信号非线性系统动态数据的数据特征的量化指标的监测阈值，以实际提取值与所述的监测阈值进行对比来进行异常判定。本专利技术的第四方面提供了一种人体疾病风险的评估装置，所述的评估装置执行包括通过前述的提取方法获取人体生物电信号非线性系统动态数据的数据特征的量化指标的步骤。本专利技术的第五方面提供了一种使用前述的提取方法进行人体疾病风险评估的应用。本专利技术通过以上技术方案的实施，与现有技术相比，取得了如下优异的技术效果：本专利技术采用异质度分析的方法提取出人体生物电信号非线性系统动态数据的数据特征，接着进行人体生物电信号非线性系统动态数据特征的量化判定，并进一步优化对应的量化判定机器学习模型的参数，与具体的疾病分类对应起来，可有效为后续人体疾病的早期检测提供较为准确的参考内容，为后期医生进行人体疾病的精准治疗提供便利。具体实施方式下列实施例中未注明具体条件的实验方法，通常按照国家标准测定。若没有相应的国家标准，则按照通用的国际标准、常规条件、或按照制造厂商所建议的条件进行。在本专利技术中，如果没有特别的说明，本文所提到的人体生物电信号包括但不限于心电信号、脑电信号、肌电信号、胃电信号、眼电信号、视网膜电信号、心电向量数据、心电非线性系统动态数据等。在本专利技术中，如果没有特别的说明，本文所提到的混沌特征包括复杂度、熵、李雅普诺夫指数、分维数、相平面图、功率谱、庞加莱截面或散点图中的一种或几种。在本专利技术中，如果没有特别的说明，本文所提到的人体生物电信号非线性系统动态数据是通过自适应性系统辨识方法得到。在本专利技术中，如果没有特别的说明，本文所提到的心电信号包括但不限于心电图信号、预处理的心电图信号、截取的心电图信号和各种导联的心电数据；心电数据包括但不限于截取波、段、间期的心电数据。在本专利技术中，如果没有特别的说明，本文所提到的心电信号包括但不限于单导联心电数据、12导联心电数据或其它多导联心电数据。在本专利技术中，如果没有特别的说明，本文所提到的心电向量数据包括但不限于反映心电大小和方向信息的数据。在本专利技术中，如果没有特别的说明，所述的心电向量数据包括但不限于完整的心电向量数据、预处理的心电向量数据、截取的心电向量数据，所述的截取的心电向量数据包括但不限于：存在于心电向量数据上任意大小的一部分数据。在本专利技术中，如果没有特别的说明，本文所提到的心电向量数据包括但不限于单维度数据或多维度数据；所述单维度的心电向量数据包括但不限于心电向量数据在一个维度空间上投影的数据信息；所述的多维度的心电向量数据包括但不限于心电向量数据在多个维度空间上投影的数据信息。在本专利技术中，本文档来自技高网...

【技术保护点】
1.一种人体生物电信号混沌特征的提取方法，其特征在于，包括以下步骤：S1.获取人体生物电信号非线性系统动态数据；S2.采用非线性动力学方法提取人体生物电信号非线性系统动态数据的混沌特征。

【技术特征摘要】
1.一种人体生物电信号混沌特征的提取方法，其特征在于，包括以下步骤：S1.获取人体生物电信号非线性系统动态数据；S2.采用非线性动力学方法提取人体生物电信号非线性系统动态数据的混沌特征。2.如权利要求1所述的提取方法，其特征在于，所述的人体生物电信号非线性系统动态数据的总长度为10～50000字节。3.如权利要求1所述的提取方法，其特征在于，所述的人体生物电信号非线性系统动态数据V(x)，可表示为：V(x)＝mV1(x)+nV2(x)；其中m和n的值都为-1～1，所述的V1(x)包括心电向量数据；所述的V2(x)包括心电非线性系统动态数据。4.如权利要求1所述的提取方法，其特征在于，还包括步骤S3：获取人体生物电信号非线性系统动态数据的混沌特征的量化指标，所述的混沌特征的量化指标的数值Hi＝((a×Ci-b×Eni+c×Li)÷ln(ji))-((d×Fi+e×PPi-f×PSi)÷ln(ki))+x×PSSi+y×Si+z×SDi，Ci为复杂度的量化值、Eni为熵的量化值、Li为李雅普诺夫指数的量化值、Fi为分维数的量化值、PPi为相平面图的量化值、PSi为功率谱的量化值、PSSi为庞加莱截面的量化值、Si为散点图的量化值、SDi为符号动力学的量化值，a、b、c、d、e、f、x、y或z的取值为适应不同类型的人体健康状况而作出的适应性选择值，i的取值为不小于1的正整数，ji和ki的取值为-4～4之间，ln()为以e为底数的对数函数。5.一种人体生物电信号数据特征的提取方法，其特征在于，...

【专利技术属性】
技术研发人员：徐赤坤，
申请(专利权)人：上海图灵医疗科技有限公司，
类型：发明
国别省市：上海,31