加权多尺度有限穿越可视图辨识房颤心电信号方法及系统技术方案

本发明专利技术属于的房颤心电信号处理领域，提供了加权多尺度有限穿越可视图辨识房颤心电信号方法及系统。其中，该方法包括获取设定长度的心电信号；提取所述心电信号的原始特征，得到对应的原始特征向量；将所述心电信号转换成网络形式，提取对应网络特征，得到对应的网络特征向量，其中，网络特征包括新加入的局部效率熵；将原始特征向量与网络特征向量融合后输入至机器学习模型中，得到心电信号的类别辨识结果，其中，所述心电信号的类别包括房颤心电信号、正常电信号、噪声信号和其他心电信号。

【技术实现步骤摘要】
加权多尺度有限穿越可视图辨识房颤心电信号方法及系统
本专利技术属于的房颤心电信号处理领域，尤其涉及加权多尺度有限穿越可视图辨识房颤心电信号方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。时间序列分析是物理学的中心主题，也是表征生物学，医学和经济学数据以及了解其潜在动力起源的有力方法。而生理信号分析是时间序列分析的一个重要分支。心电信号作为常见的生理信号，包含着很多关于心脏状态的信息及与不同的生理状态对应的有关信息。心房颤动(AF)被美国心脏病学会(ACC)、美国心脏协会(AHA)和欧洲心脏病学会(ESC)定义为“快速性心律失常的特征主要是房室激活不协调，导致房室机械功能下降”。由于心律失常的类型非常复杂，心房颤动的辨识仍然很棘手。专利技术人发现，目前大多数辨识方法都有局限性，不能广泛应用于临床工作。例如，它们只有在评估精心挑选的无噪声数据时才表现良好。然而，由于许多非房颤节律与房颤节律相似，RR间隔不规则，因此很难获得干净的数据。
技术实现思路
为了解决上述本文档来自技高网...

【技术保护点】
1.加权多尺度有限穿越可视图辨识房颤心电信号方法，其特征在于，包括：/n获取设定长度的心电信号；/n提取所述心电信号的原始特征，得到对应的原始特征向量；/n将所述心电信号转换成网络形式，提取对应网络特征，得到对应的网络特征向量；/n将原始特征向量与网络特征向量融合后输入至机器学习模型中，得到心电信号的类别辨识结果，其中，所述心电信号的类别包括房颤心电信号、正常电信号、噪声信号和其他心电信号。/n

【技术特征摘要】
1.加权多尺度有限穿越可视图辨识房颤心电信号方法，其特征在于，包括：
获取设定长度的心电信号；
提取所述心电信号的原始特征，得到对应的原始特征向量；
将所述心电信号转换成网络形式，提取对应网络特征，得到对应的网络特征向量；
将原始特征向量与网络特征向量融合后输入至机器学习模型中，得到心电信号的类别辨识结果，其中，所述心电信号的类别包括房颤心电信号、正常电信号、噪声信号和其他心电信号。


2.如权利要求1所述的房颤心电信号辨识方法，其特征在于，采用WMS-LPVG方法将所述心电信号转换成网络形式，其具体过程为：
将所述心电信号按照给定的尺度因子粗粒化；
从粗粒化后的时间序列中构建有限穿越可视图。


3.如权利要求1所述的房颤心电信号辨识方法，其特征在于，原始特征向量与网络特征向量融合的过程为：
将网络特征向量拼接至原始特征向量的后面，组合成融合向量。


4.如权利要求1所述的房颤心电信号辨识方法，其特征在于，所述网络特征包括网络中度的最大值、网络中度的平均值、网络的平均聚集系数、网络的平均最短路径长度、网络的平均局部效率、网络的平均全局效率以及局部效率熵。


5.如权利要求4所述的房颤心电信号辨识方法，其特征在于，局部效率熵越小表示网络中小集团结构分布越均匀，网络的全局传输效率越高；局部效率熵越大表示网络中小集团结构分布越不均匀，...

【专利技术属性】
技术研发人员：王红，李威，韩书，庄鲁贺，张慧，王正军，杨杰，杨雪，滑美芳，李刚，梁成，王吉华，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东;37