一种智能心电信号处理方法技术

本发明专利技术涉及一种信号处理的技术领域，公开了一种智能心电信号处理方法，包括：采集心电信号并对心电信号进行预处理；对预处理后的心电信号进行特征提取，得到心电信号特征；以心电信号特征为输入，心电信号分类结果为输出，构建深度堆栈网络心电信号识别模型，并确定参数优化目标函数；利用罚函数优化算法对目标函数进行优化求解，得到优化后的模型参数；依据优化模型参数以及心电信号识别模型，将按照预处理以及特征提取后的心电信号特征作为模型输入即可得到心电信号的处理分析结果。本发明专利技术实现了心电信号的智能处理。实现了心电信号的智能处理。

【技术实现步骤摘要】
一种智能心电信号处理方法


[0001]本专利技术涉及信号处理的
，尤其涉及一种智能心电信号处理方法。

技术介绍

[0002]现有的心电信号分析处理通常是对已经生成的心电信号数据进行分析，难以实时地监测患者当前的心率情况。患者的心电信号变化情况是十分复杂的，特别是在患者面对突发状况时，再通过采集心电信号进行分析，将导致患者失去宝贵的抢救时间。为此，本专利提出一种实时监测患者的心率并进行处理分析的方法。
[0003]实时心电信号处理这一场景有3个主要需求，一是对运行时间要求比较高，因此其需要快速和低延迟的服务；二是通常需要长时间不间断运行，因此要求分析效率尽可能快；三是心电信号需要能够进行实时准确的分析，因此需要具有较为高效和智能的特性。针对上述需求，本专利提出一种智能心电信号处理方法实现对心电信号的快速处理分析。

技术实现思路

[0004]本专利技术提供一种智能心电信号处理方法，目的在于(1)实现快速的心电信号分析处理；(2)提高心电信号处理效率。
[0005]实现上述目的，本专利技术提供的一种智能心电信号处理方法，包括以下步骤：
[0006]S1：采集心电信号并对心电信号进行预处理；
[0007]S2：对预处理后的心电信号进行特征提取，得到心电信号特征；
[0008]S3：以心电信号特征为输入，心电信号分类结果为输出，构建深度堆栈网络心电信号识别模型，并确定参数优化目标函数；
[0009]S4：利用罚函数优化算法对目标函数进行优化求解，得到优化后的模型参数；
[0010]S5：依据步骤S4得到的优化模型参数以及心电信号识别模型，将按照步骤S1
‑
2处理后的心电信号作为模型输入即可得到心电信号的处理分析结果。
[0011]作为本专利技术的进一步改进方法：
[0012]所述S1步骤中采集心电信号，构建高通滤波器，利用高通滤波器对心电信号进行滤波处理，包括
[0013]将心电电极片与心音传感器连接，并将心电电极片固定在人体皮肤部位，心电电极片持续获取人体的心电信号，并将心电信号传输到心音传感器；
[0014]在心音传感器内的信号接收部分构建高通滤波器，所述高通滤波器包括一个电容器以及一个电阻，电容器与心电信号通路串联，电阻与信号通路并联；
[0015]高通滤波器允许心音传感器接收信号频率高于截止频率f
t
的心电信号，所述截止频率f
t
的计算公式为：
[0016][0017]其中：
[0018]R表示高通滤波器中电阻的电阻值；
[0019]C表示高通滤波器中电容器的电容。
[0020]所述S1步骤中利用结合IMF信号分解的降噪算法对滤波处理后的心电信号进行降噪处理，得到预处理完成的心电信号，包括：
[0021]对滤波处理后的心电信号进行EMD信号分解，得到心电信号的IMF分量：
[0022]1)将滤波处理后的心电信号x(t)加入同长度的白噪声n(t)，得到含噪信号X(t)：
[0023]X(t)＝x(t)+n(t)
[0024]2)遍历出信号X(t)中所有的极大值点和极小值点，将所有的极大值点以及所有的极小值点分别用三次样条曲线连接，分别得到信号X(t)的上包络线以及下包络线，上下包络线的均值曲线即为m1(t)，则h1(t)＝X(t)
‑
m1(t)；
[0025]3)对h1(t)进行步骤2)操作，得到h2(t)；
[0026]4)重复步骤3)9次，所得到的c1(t)作为信号X(t)的第一组IMF分量，其中c1(t)＝h
10
(t)，第一组IMF分量的剩余分量r1(t)＝X(t)
‑
c1(t)；
[0027]5)对r1(t)进行步骤2)
‑
4)，得到k
‑
1组IMF分量c2(t),c3(t),
…
,c
k
(t)以及剩余分量r
k
(t)＝r
k
‑1(t)
‑
c
k
(t)；则将含噪信号X(t)分解为下式：
[0028][0029]将分解得到的IMF分量{c1(t),c2(t),
…
,c
i
(t),
…
,c
k
(t)}进行快速傅里叶变换，得到IMF分量的频谱：
[0030]FF
i
＝FFT(c
i
(t))
[0031]其中：
[0032]FF
i
表示第i组IMF分量的频谱；
[0033]c
i
(t)表示含噪心电信号X(t)的第i组IMF分量；
[0034]FFT(
·
)表示快速傅里叶变换处理；
[0035]若IMF分量频谱中0
‑
60Hz的频域能量达到整个频域能量的90％以上，则将该IMF分量判断为心电信号的IMF分量，否则将该IMF分量判断为噪声信号的IMF分量，并删除噪声信号的IMF分量；
[0036]将心电信号的所有IMF分量进行如下式的信号重构处理，得到降噪后的心电信号：
[0037][0038]其中：
[0039]j表示心电信号IMF分量的组数。
[0040]所述S2步骤中提取预处理后的心电信号的心电包络特征，包括：
[0041]对预处理后的心电信号x
′
(t)进行归一化处理：
[0042][0043]对归一化处理后的心电信号x
′
norm
(t)进行分段处理，其中每30ms为一段信号，每隔20ms取一段信号，则相邻两段信号之间的重叠部分为10ms信号，则每段心电信号的熵为：
[0044][0045]其中：
[0046]N表示30ms的采样心电信号数据数目；
[0047]将每段心电信号的熵作为每段心电信号的心电包络特征，则心电信号的心电包络特征为Q＝{E(1),E(2),
…
,E(i),
…
,E(p)}，其中p表示心电信号中的段数，E(i)表示第i段心电信号的心电包络特征。
[0048]所述S2步骤中提取心电包络特征中的心电信号特征，包括：
[0049]将心电包络特征Q＝{E(1),E(2),
…
,E(i),
…
,E(p)}作为特征提取网络的输入，则利用特征提取网络提取心电包络特征中心电信号特征的公式为：
[0050]Q
v
＝σ
v
(w
v
*Q
v
‑1+b
v
)
[0051]其中：
[0052]v∈{1,2,3,
…
,V}，表示特征提取网络中隐藏层的序号，特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能心电信号处理方法，其特征在于，所述方法包括：S1：采集心电信号并对心电信号进行预处理；S2：对预处理后的心电信号进行特征提取，得到心电信号特征；S3：以心电信号特征为输入，心电信号分类结果为输出，构建深度堆栈网络心电信号识别模型，并确定参数优化目标函数；S4：利用罚函数优化算法对目标函数进行优化求解，得到优化后的模型参数；S5：依据步骤S4得到的优化模型参数以及心电信号识别模型，将按照步骤S1
‑
2处理后的心电信号作为模型输入即可得到心电信号的处理分析结果。2.如权利要求1所述的一种智能心电信号处理方法，其特征在于，所述S1步骤中采集心电信号，构建高通滤波器，利用高通滤波器对心电信号进行滤波处理，包括将心电电极片与心音传感器连接，并将心电电极片固定在人体皮肤部位，心电电极片持续获取人体的心电信号，并将心电信号传输到心音传感器；在心音传感器内的信号接收部分构建高通滤波器，所述高通滤波器包括一个电容器以及一个电阻，电容器与心电信号通路串联，电阻与信号通路并联；高通滤波器允许心音传感器接收信号频率高于截止频率f
t
的心电信号，所述截止频率f
t
的计算公式为：其中：R表示高通滤波器中电阻的电阻值；C表示高通滤波器中电容器的电容。3.如权利要求2所述的一种智能心电信号处理方法，其特征在于，所述S1步骤中利用结合IMF信号分解的降噪算法对滤波处理后的心电信号进行降噪处理，得到预处理完成的心电信号，包括：对滤波处理后的心电信号进行EMD信号分解，得到心电信号的IMF分量：1)将滤波处理后的心电信号x(t)加入同长度的白噪声n(t)，得到含噪信号X(t)：X(t)＝x(t)+n(t)2)遍历出信号X(t)中所有的极大值点和极小值点，将所有的极大值点以及所有的极小值点分别用三次样条曲线连接，分别得到信号X(t)的上包络线以及下包络线，上下包络线的均值曲线即为m1(t)，则h1(t)＝X(t)
‑
m1(t)；3)对h1(t)进行步骤2)操作，得到h2(t)；4)重复步骤3)9次，所得到的c1(t)作为信号X(t)的第一组IMF分量，其中c1(t)＝h
10
(t)，第一组IMF分量的剩余分量r1(t)＝X(t)
‑
c1(t)；5)对r1(t)进行步骤2)
‑
4)，得到k
‑
1组IMF分量c2(t),c3(t),
…
,c
k
(t)以及剩余分量r
k
(t)＝r
k
‑1(t)
‑
c
k
(t)；则将含噪信号X(t)分解为下式：将分解得到的IMF分量{c1(t),c2(t),
…
,c
i
(t),
…
,c
k
(t)}进行快速傅里叶变换，得到
IMF分量的频谱：FF
i
＝FFT(c
i
(t))其中：FF
i
表示第i组IMF分量的频谱；c
i
(t)表示含噪心电信号X(t)的第i组IMF分量；FFT(
·
)表示快速傅里叶变换处理；若IMF分量频谱中0
‑
60Hz的频域能量达到整个频域能量的90％以上，则将该IMF分量判断为心电信号的IMF分量，否则将该IMF分量判断为噪声信号的IMF分量，并删除噪声信号的IMF分量；将心电信号的所有IMF分量进行如下式的信号重构处理，得到降噪后的心电信号：其中：j表示心电信号IMF分量的组数。4.如权利要求3所述的一种智能心电信号处理方法，其特征在于，所述S2步骤中提取预处理后的心电信号的心电包络特征，包括：对预处理后的心电信号x
′
(t)进行归一化处理：对归一化处理后的心电信号x
′
norm
(t)进行分段处理，其中每30ms为一段信号，每隔20ms取一段信号，则相邻两段信号之间的重叠部分为10ms信号，则每段心电信号的熵为：其中：N表示30ms的采样心电信号数据数目；将每段心电信号的熵作为每段心电信号的心电包络特征，则心电信号的心电包络特征为Q＝{E(1),E(2),
…
,E(...

【专利技术属性】
技术研发人员：唐聪能，刘哲，宋元林，杜春玲，吴超民，袁再鑫，粟锦平，
申请(专利权)人：湖南万脉医疗科技有限公司，
类型：发明
国别省市：