一种基于聚类分析的单导联特异主波识别定位方法技术

一种基于聚类分析的单导联特异主波识别定位方法，包括：a)预处理；b)基于选定特征，对主波进行自适应聚类分析；c）综合分析，确定特异主波类型及具体位置。本发明专利技术通过多阶段、多层次运用聚类分析工具，确定了单导联特异主波类型及位置，从而为医生的进一步诊断提供参考。该方法为无监督学习方法，不需要标签数据，且能针对个体心电图进行特异波形识别定位，易于理解，容易实现，精度较高。

【技术实现步骤摘要】
一种基于聚类分析的单导联特异主波识别定位方法
本专利技术提出了一种基于聚类分析的单导联特异主波识别定位方法，涉及心电图智能诊断领域。
技术介绍
心电图检查是体检的常见项目，如果患者疑似有心律失常症状，通常也会去医院做个心电图，但是，在医院的几分钟或者十几分钟心电图，难以发现问题，这时候医生可能会给患者一个可以穿戴的心电图检测器，佩戴两周或者更长时间，这会产生几百小时的心电图，医生要一秒一秒的检查，这是很费时间的。目前，已有研究者针对心律失常的智能诊断进行研究。比如早期的利用支持向量机、KNN等机器学习方法对心律失常进行诊断；近年随着深度学习的兴起，也有学者提出了利用深度学习对心律失常进行诊断的新方法：比如国外吴恩达带领斯坦福机器学习组提出用CNN进行心脏病专家级的心律不齐检测，国内高岩等利用CNN对多导联的心律失常智能诊断方法进行了研究。我们也曾结合二维CNN或LSTM对多导联心律失常的智能诊断进行研究，并申请了相关的专利技术专利。然而，这些方法均为监督学习方法，具体到心律失常智能诊断而言，就不可避免存在一定的局限性：首先是需要大量针对某种心律失常类型的带标签训练数据；其次是个体与个体之间心律失常常具有各自的内在特征，利用大量个体训练好的模型对某个个体进行诊断，适应性存在疑问。为此，我们基于最近的最新研究成果，提出一种基于聚类分析的单导联特异主波识别定位方法，通过多阶段、多层次运用聚类分析工具，确定了导联特异主波类型及位置，从而为医生的进一步诊断提供参考。该方法为无监督学习方法，不需要标签数据，且能针对个体心电图进行识别定位，从而较好的解决了常规监督学习方法存在的两个问题，易于理解，容易实现，精度较高。
技术实现思路
本专利技术的目的，在于提供克服现有技术的不足，专利技术一种基于聚类分析的单导联特异主波识别定位方法。为了实现上述目的，本专利技术所采用的技术方案如下：一种基于聚类分析的单导联特异主波识别定位方法，该方法包括：a)预处理；b)基于选定特征，对主波进行自适应聚类分析；c）综合分析，确定特异主波类型及具体位置。所述a)预处理方法为：步骤1：基于常规分析方法获得单导联数据上各主波大致位置；所述该分析方法为P-T计算方法或一种基于正则化最小二乘回归学习的QRS波起点终点定位方法；步骤2：用MODWT去除原始数据基线漂移及高频误差；所述MODWT是高度冗余的非正交变换，样本容量可为任意值，且具有位移不变性，通过综合比较分析，选择sym4小波，分析到第6层，选取d2、d3、d4、d5、d6作为重构信号，从而去除基线漂移及高频误差；步骤3：校准，确定已有主波具体位置及时限，并获得可能遗漏的候选主波位置，所述该校准，确定已有主波具体位置及时限分为两步骤：(1)对所有初始主波位置：以某初始主波位置附近较小区间内绝对值极大值点，取代原始初始主波位置，并根据所有主波方向获得主波主体方向。对个别与主体方向不一致的主波方向，根据其在本方向的幅值排序及相对方向主波幅值情况，更改或保持原有方向，从而确定主波具体位置，并基于斜率变化情况及QRS正常时限范围，确定各主波时限；(2)在现有主波位置不应期之外，找出各点附近一定区间内的绝对值极大值点作为候选的遗漏主波位置，为后期根据聚类分析结果进行有针对性补充提供准备；作为优选：所述b)基于选定特征，对主波进行自适应聚类分析方法为：步骤1：基于主波形态特征，对主波进行自适应聚类分析，补充可能的遗漏候选主波，找出可能的特异主波位置：(1)获得各主波点两端一定范围内的波形数据，并减去主波点对应幅值，然后取绝对值得待聚波形数据；(2)对待聚波形数据采用自适应聚类方法，获得对应最高平均评价指标的分类数目，以此分类数目进行聚类分析，获得各分类对应的类别评价指标；(3)根据总体评价指标、各分类评价指标及各分类平均时限确定是否进入形状聚类模块：当平均时限较大时，要求评价指标较大；反之，当平均时限较小时，可适当放低评价指标要求，具体参数根据实际的分析数据而定；(4)当波形可分时，考虑补充候选的遗漏主波位置，首先，计算各类中心，及类内各点离中心的最小、最大距离；其次，计算各候选主波位置距各类中心距离，取距离最小者类别做为候选类，考察该距离是否在该类内最大距离范围之内，在其中或虽然稍大但相差很小或距其中某类距离远小于距相邻类的距离，则将该候选主波位置归为该类；最后，记录剩余的候选主波位置；(5)分类，确定特异主波类别，类别数为两类，且某类别对应的平均时限最大，且满足给定的宽大畸形主波时限要求，则取该类别为特异主波类；类别数多于两类，则对各类平均时限进行由大到小排序，取平均时限满足要求的所有类别为特异主波；(6)对正向的特异主波进行个别校准。对正向主波进行聚类分析，确定其是否可以二分；具有正向特异主波，则根据正向主波是否可以二分及个体主波的时限确定是否去除该主波，没有正向特异主波，则根据正向主波是否可以二分及个体主波的时限确定是否补充个别主波；(7)波形不可分，考虑具有负向主波的特殊情况，负向主波满足时限要求，则将该主波确定为特异主波；(8)不满足要求，则基于形态聚类分析的特异主波为空；步骤2：基于主波间期特征，对主波间期进行自适应聚类分析，补充可能的遗漏候选主波，找出可能的特异主波位置：(1)获得主波位置一阶差分数据，即间期数据；(2)根据间期极差，判断间期数据是否匀齐，如匀齐，则间期不可分，如不匀齐，则继续进行下述步骤；(3)采用自适应聚类方法，获得对应最高平均评价指标的分类数目，以此分类数目进行聚类分析，获得各分类对应的评价指标；(4)该平均评价指标大于给定值或某类内评价指标大于给定值，则间期可分；(5)当间期可分时，考虑补充候选的遗漏主波位置，首先，计算各类中心，及类内各点离中心的最小、最大距离；其次，计算各候选主波前后间期距各类中心距离，取距离最小者类别做为候选类，考察该距离是否在该类内最大距离范围之内，在其中或虽然稍大但相差很小或距其中某类距离远小于距相邻类的距离，则将该候选主波位置前后间期归为该类；最后，记录剩余的候选主波位置；(6)分类，确定特异间期主波类别，以快速型的早搏为例：类别数为两类，某类别对应的间期最小，且满足给定的间期要求，则取该类别为特异间期类，以这些间期位置加1为对应的特异主波位置；类别数多于两类，则对各类平均间期进行由小到大排序，取平均间期满足要求的所有类别对应的间期位置加1为特异主波位置，逸搏及传导阻滞类型正好相反；(7)评价指标小于给定值，则基于间期聚类分析的特异主波为空；作为优选：所述c）综合分析，确定特异主波类型及具体位置方法为：基于主波形态聚类分析结果及主波间期聚类结果，确定特异主波类型及位置；结果一：当形态聚类分析结果及间期聚类分析结果均不存在时，特异主波为空集；结果二：当形态聚类分析结果及间期聚类分析结果二者存一时，取对应的特异主波类型及具体位置；结果三：本文档来自技高网...

【技术保护点】
1.一种基于聚类分析的单导联特异主波识别定位方法，该方法包括：a)预处理；b) 基于选定特征，对主波进行自适应聚类分析；c）综合分析，确定特异主波类型及具体位置，其特征在于：所述a)预处理方法为：/n步骤1：基于常规分析方法获得单导联数据上各主波大致位置，所述该分析方法为P-T计算方法或一种基于正则化最小二乘回归学习的QRS波起点终点定位方法；/n步骤2：用MODWT去除原始数据基线漂移及高频误差，所述MODWT是高度冗余的非正交变换，样本容量可为任意值，且具有位移不变性，通过综合比较分析，选择sym4小波，分析到第6层，选取d2、d3、d4、d5、d6作为重构信号，从而去除基线漂移及高频误差；/n步骤3：校准，确定已有主波具体位置及时限，并获得可能遗漏的候选主波位置，所述该校准，确定已有主波具体位置及时限分为两步骤：/n对所有初始主波位置：以某初始主波位置附近较小区间内绝对值极大值点，取代原始初始主波位置，并根据所有主波方向获得主波主体方向，对个别与主体方向不一致的主波方向，根据其在本方向的幅值排序及相对方向主波幅值情况，更改或保持原有方向，从而确定主波具体位置，并基于斜率变化情况及QRS正常时限范围，确定各主波时限；/n在现有主波位置不应期之外，找出各点附近一定区间内的绝对值极大值点作为候选的遗漏主波位置，为后期根据聚类分析结果进行有针对性补充提供准备。/n...

【技术特征摘要】
1.一种基于聚类分析的单导联特异主波识别定位方法，该方法包括：a)预处理；b)基于选定特征，对主波进行自适应聚类分析；c）综合分析，确定特异主波类型及具体位置，其特征在于：所述a)预处理方法为：
步骤1：基于常规分析方法获得单导联数据上各主波大致位置，所述该分析方法为P-T计算方法或一种基于正则化最小二乘回归学习的QRS波起点终点定位方法；
步骤2：用MODWT去除原始数据基线漂移及高频误差，所述MODWT是高度冗余的非正交变换，样本容量可为任意值，且具有位移不变性，通过综合比较分析，选择sym4小波，分析到第6层，选取d2、d3、d4、d5、d6作为重构信号，从而去除基线漂移及高频误差；
步骤3：校准，确定已有主波具体位置及时限，并获得可能遗漏的候选主波位置，所述该校准，确定已有主波具体位置及时限分为两步骤：
对所有初始主波位置：以某初始主波位置附近较小区间内绝对值极大值点，取代原始初始主波位置，并根据所有主波方向获得主波主体方向，对个别与主体方向不一致的主波方向，根据其在本方向的幅值排序及相对方向主波幅值情况，更改或保持原有方向，从而确定主波具体位置，并基于斜率变化情况及QRS正常时限范围，确定各主波时限；
在现有主波位置不应期之外，找出各点附近一定区间内的绝对值极大值点作为候选的遗漏主波位置，为后期根据聚类分析结果进行有针对性补充提供准备。


2.根据权利要求1所述的基于聚类分析的单导联特异主波识别定位方法，其特征在于：所述b)基于选定特征，对主波进行自适应聚类分析方法为：
步骤1：基于主波形态特征，对主波进行自适应聚类分析，补充可能的遗漏候选主波，找出可能的特异主波位置：
获得各主波点两端一定范围内的波形数据，并减去主波点对应幅值，然后取绝对值得待聚波形数据；
对待聚波形数据采用自适应聚类方法，获得对应最高平均评价指标的分类数目，以此分类数目进行聚类分析，获得各分类对应的类别评价指标；
根据总体评价指标、各分类评价指标及各分类平均时限确定是否进入形状聚类模块：当平均时限较大时，要求评价指标较大；反之，当平均时限较小时，可适当放低评价指标要求，具体参数根据实际的分析数据而定；
当波形可分时，考虑补充候选的遗漏主波位置，首先，计算各类中心，及类内各点离中心的最小、最大距离；其次，计算各候选主波位置距各类中心距离，取距离最小者类别做为候选类，考察该距离是否在该类内最大距离范围之内，在其中或虽然稍大但相差很小或距其中某类距离远小于距相邻类的距离，则将该候选主波位置归为该类；最后，记录剩余的候选主波位置；
分类，确定特异主...

【专利技术属性】
技术研发人员：顾林跃，杨智，孙斌，
申请(专利权)人：浙江好络维医疗技术有限公司，
类型：发明
国别省市：浙江;33