一种基于PSO-ELM算法的心电信号分类方法及系统技术方案

本公开提供了一种基于PSO‑ELM算法的心电信号分类方法及系统，对获取的心电信号数据进行预处理，对预处理后的结果进行心拍截取后再进行特征提取，得到数据集；以数据集中的特征为输入数据，利用PSO算法优化ELM的参数，对PSO算法最后一次迭代的个体进行选择，建立多个ELM分类器，集成目标神经网络，得到多组分类结果；采用最大投票原则，对相同样本的多组分类结果进行投票，票数多者作为最终的分类结果；本公开在PSO‑ELM基础上，进行个体的选择，从而集成一个更优化的网络结构，能够有效的提高网络的泛化性能，提高心电信号的分类精度。

A method and system of ECG classification based on pso-elm algorithm

【技术实现步骤摘要】
一种基于PSO-ELM算法的心电信号分类方法及系统
本公开涉及心电信号分类
，特别涉及一种基于PSO-ELM算法的心电信号分类方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
，并不必然构成现有技术。近年来，心血管类疾病的防治已经成为当前医疗保健的一项重点内容。心血管疾病的发作具有突发性，难以预测，致残致死的特性。而QRS波是最显著的部分，它反映了心室收缩时心脏的电行为，其能量占了心电信号能量的很大百分比。QRS波分布于心电信号的中、高频区域，峰值落在10～20Hz之间，并且幅度特征非常明显，与其它波形的区别显著，因而在心电特征波形的检测中，常常先定位QRS波，所以QRS波的检测是所有波形检测的基础。1996年发表的《DetectionalgorithmsinimplantablecardioverterDefibrillators》实现心电图在时域和频域上的分析，提出了特异性分析的建议。QRS波的检测不仅是诊断心脏疾病的重要依据，而且只有在QRS波确定后才能分析其他波形信息。根据采用的理论基础和信号特本文档来自技高网...

【技术保护点】
1.一种基于PSO-ELM算法的心电信号分类方法，其特征在于，步骤如下：/n对获取的心电信号数据进行预处理，对预处理后的结果进行心拍截取后再进行特征提取，得到数据集；/n以数据集中的特征为输入数据，利用PSO算法优化ELM的参数，对PSO算法最后一次迭代的个体进行选择，以选择的个体为基础建立对应数量的ELM分类器，集成多个ELM分类器为目标神经网络，得到多组分类结果；/n采用最大投票原则，对相同样本的多组分类结果进行投票，票数多者作为最终的分类结果。/n

【技术特征摘要】
1.一种基于PSO-ELM算法的心电信号分类方法，其特征在于，步骤如下：
对获取的心电信号数据进行预处理，对预处理后的结果进行心拍截取后再进行特征提取，得到数据集；
以数据集中的特征为输入数据，利用PSO算法优化ELM的参数，对PSO算法最后一次迭代的个体进行选择，以选择的个体为基础建立对应数量的ELM分类器，集成多个ELM分类器为目标神经网络，得到多组分类结果；
采用最大投票原则，对相同样本的多组分类结果进行投票，票数多者作为最终的分类结果。


2.如权利要求1所述的基于PSO-ELM算法的心电信号分类方法，其特征在于，所述预处理方法包括：
对获取的心电信号数据进行40阶FIR带通滤波，通带为15～25Hz；
对滤波后的波形双斜率预处理，具体为：分别在某个点的左右两侧的某个区间内寻找最大平均斜率与最小平均斜率，然后分别用左侧最大斜率减去右侧最小斜率，用右侧最大斜率减去左侧最小斜率，再求取两者中的最大者。


3.如权利要求1所述的基于PSO-ELM算法的心电信号分类方法，其特征在于，对预处理后的数据进行滑动窗口积分处理，用于使得波形绝对振幅增大，并使波形进一步光滑；对通过滑动窗口积分处理后的数据进行自适应阈值设计，实现QRS波的检测定位，进而进行心拍的截取；
或者，采用小波变换进行特征提取，采用小波变换的系数作为输入特征。


4.如权利要求1所述的基于PSO-ELM算法的心电信号分类方法，其特征在于，利用PSO算法优化ELM的参数，具体为：
初始化种群，随机产生N组初始输入权值和偏差，作为PSO算法的第一代粒子；
计算每个粒子的适应值，更新粒子的速度和位置；
输出最后一次迭代的所有粒子的适应值，得到最优的ELM参数值，将适应值进行排序，选择最优的前M个个体组成候选集。


5.如权利要求4所述的基于PSO-ELM算法的心电信号分类方法，其特征在于，利用PSO算法优化ELM...

【专利技术属性】
技术研发人员：李彬，李伟，乔风娟，郭红丽，杨雪，
申请(专利权)人：齐鲁工业大学，山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：山东;37