【技术实现步骤摘要】
一种心律失常检测装置
本专利技术涉及监测生理状况的医疗设备
，特别涉及一种心律失常检测装置。
技术介绍
心律失常(arrhythmia)是由于窦房结激动异常或激动产生于窦房结以外，激动的传导缓慢、阻滞或经异常通道传导，即心脏活动的起源和(或)传导障碍导致心脏搏动的频率和(或)节律异常。心律失常是心血管疾病中重要的一组疾病。它可单独发病，亦可与其他心血管病伴发。其预后与心律失常的病因、诱因、演变趋势、是否导致严重血流动力障碍有关，可突然发作而致猝死，亦可持续累及心脏而致其衰竭。对心律失常的有效检测可以预防心脏疾病，防止人体猝死。临床诊断心律失常主要的手段为心电图检测，但是大部分对于心电的测量都需要使用复杂的心电图仪器进行，心电信号采集设备大不便于携带，不方便患者的日常使用，很难实现日常心脏活动情况以及心律异常的自我监测、诊断和管理。一些机构试图通过目前流行的分类方法对心电信号进行分类，从而判断患者的心律状况，已知的是有部分机构使用支持向量机来进行分类，但是本领域技术人员是一种二值分类方法，其输出结果只有0...
【技术保护点】
1.一种心律失常检测装置，其特征在于，包括心电采集设备和处理器，其特征在于，所述处理器对所述心电采集设备采集的心电信号进行处理，以自动检测患者的心律失常情况。/n
【技术特征摘要】
1.一种心律失常检测装置，其特征在于，包括心电采集设备和处理器，其特征在于，所述处理器对所述心电采集设备采集的心电信号进行处理，以自动检测患者的心律失常情况。
2.根据权利要求1所述的装置，其特征在于，所述处理器进行自动检测的过程包括预处理、特征提取、神经网络分类，最终得到该患者的心律失常情况。
3.根据权利要求2所述的装置，其特征在于，所处的心电预处理对心电信号进行低通滤波、前置放大、陷波滤波、工频放大，以得到经过去噪的心电信号。
4.根据权利要求3所述的装置，其特征在于，所述的特征提取采用近邻保持算法，对心电信号进行压缩感知，具体过程为：
设数据集X＝(x1,x2,…,xm)，其中xi∈RD,i＝1,2,…,m，xi表示心电信号在高维空间的第i个信号，X表示高维空间的心电信号数据集，RD表示高维空间，近邻保持算法寻找一个最优的映射变换矩阵A，将RD空间的数据映射到一个相对低维的空间Rd，Rd表示低维空间，数据点xi在Rd中表示为yi，则映射可以表示为：
yi＝ATxi，其中yi表示心电信号在低维空间的第i个信号。
包括以下步骤：
(1)选择近邻：令G为一个有m个节点的邻接图，每个数据xi作为图的一个节点，如果点xi是点xj的K近邻，同时xj也是xi的K近邻，则为它们连接一条边；其中，xj表示心电信号在高维空间的第j个信号，j＝1,2,…,m；
(2)计算权值：用W代表临近图G的权值矩阵，Wij表示节点i到节点j的有向边的权值，则优化目标函数如下：
约束条件为通过求解式(1)的最优化问题，可得到每条边的权值；
(3)确定映射矩阵：
XMXTa＝λXXTa(2)
求解式(2)的特征值和特征向量，其中M＝(I-W)T(I-W)，其中I为单位矩阵，
设a1,a2,…,ai分布为式(2)中i个特征向量的特征值，则映射矩阵可以表示为：
则高维空间数据点xi和对应的低维空间映射点yi具有如下关系：
yi＝ATxi(5)
由上述的步骤(1)-(3)，可以得到转换后的低维空间的心电信号。
5.根据权利要求4所述的装置，其特征在于，对心电信号进行特征提取后，训练支持向量机，利用支持向量机进行神经网络分类，通过已知类型的6类与心律失常相关的心电信号的特征信号作为训练集进行训练，得到训练好的支持向量机后，用该训练好的支持向量机对测试集的信号进行测试；其中，所述的6类与心律失常相关的心电信号的特征信号6类与心律失常相关的心电信号的特征信号包括：正常心拍、房性早搏、室性早搏、右束支传导阻滞、左束支传导阻滞、起搏心拍；所述的训练集信号包括心拍的特征和已经标识的类型。
6.根据权利要求5所述的装置，其特征在于，所述的支持向量机通过以下过程获得：
支持向量机通过构建最优分类平面完成分类任务，最优分类平面将分属两类的样本数据间的距离最大化，H表示两种样本的最优分类面，H1、...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。