一种基于遗传算法及元胞自动机的异常心电信号检测方法技术

本发明专利技术涉及心电信号异常检测技术领域，为一种基于遗传算法及元胞自动机的异常心电信号检测方法，包括以下步骤：S1，采集真实的心电信号；S2，以仿真的心电信号与真实的心电信号之间的误差最小化为优化目标，利用遗传算法求取出最优的心电仿真模型的参数值；S3，采用遗传算法，以最小化采集得到的心电信号模型仿真出的心电信号为目标，求出最优的参数值，根据最优的参数值是否在正常范围内，给出是否具有心脏疾病以及心脏疾病的种类的辅助结论。通过采用遗传算法，以最小化采集得到的心电信号与模型仿真出的心电信号为目标，求出最优的参数值，根据参数值是否在正常范围内，给出是否具有心脏疾病以及心脏疾病的种类的辅助结论。有心脏疾病以及心脏疾病的种类的辅助结论。有心脏疾病以及心脏疾病的种类的辅助结论。

【技术实现步骤摘要】
一种基于遗传算法及元胞自动机的异常心电信号检测方法


[0001]本专利技术涉及心电信号异常检测
，具体涉及一种基于遗传算法及元胞自动机的异常心电信号检测方法。

技术介绍

[0002]心电信号作为反应患者生命体征的一种重要信息，在诊疗过程中常需要投入大量的人力物力进行监控患者状况，以防止突发情况的发生。对于某些重症患者往往可能在某些时刻其生命体征已经出现些微异常，但由于察觉不及时，而错过最佳救治时间，造成无法挽回的严重后果。而对于某些患有传染类疾病的重症患者在治疗期间不可避免地会与医护人员发生直接接触，而这种接触往往具有较高的疾病传播风险。
[0003]目前采用深度学习方法对心电信号进行诊断的很多，然而采用深度学习模型诊断的准确率高度依赖于训练样本的质量，在心电设备不同、电极放置位置不同、采样频率不同时，采集得到的心电信号形态上或数据分布上会产生比较大的差异，可能会导致深度学习模型的失效。

技术实现思路

[0004]本专利技术提供了一种基于遗传算法及元胞自动机的异常心电信号检测方法，解决了深度学习模型对设备、电极位置、采样频率过于敏感，进而无法对异常心电信号进行有效检测筛选技术问题。
[0005]本专利技术为解决上述技术问题提供了一种基于遗传算法及元胞自动机的异常心电信号检测方法，包括以下步骤：
[0006]S1，采集真实的心电信号，建立心电仿真模型；
[0007]S2，以仿真的心电信号与真实的心电信号之间的误差最小化为优化目标，利用遗传算法求取出最优的心电仿真模型的参数值；
[0008]S3，根据最优的参数值是否在正常范围内，给出是否具有心脏疾病以及心脏疾病的种类的辅助结论。
[0009]可选地，所述S1具体包括：采集10秒时长的真实的心电图。
[0010]可选地，所述S1具体包括：
[0011]S11，将心脏简化为若干个元胞；
[0012]S12，确定元胞电位；
[0013]S13，根据元胞的电位计算体表电压；
[0014]S14，计算t时刻(x0,y0)元胞和(x1,y1)元胞之间的电压
[0015]可选地，所述S11具体包括：建立心脏内各个组织和器官的二维模型，并将心脏的实体简化为多个大小一致的正方形的组合，将简化后的心脏中的每个正方形称为元胞。
[0016]可选地，所述S12具体包括：将元胞建立在二维直角坐标系中，并用整数坐标(x,y)
表示，t时刻位置处于(x,y)元胞状态用函数ε(x,y,t)表示，ε(x,y,t)的取值方法为：
[0017][0018]ε(x,y,t)＝0表示元胞处于静息态，ε(x,y,t)＝1表示元胞处于激发态，1＜ε(x,y,t)＜M表示元胞处于不应态，M为状态数。每个元胞在t时刻的电位可以根据ε(x,y,t)的取值确定,δ代表邻域范围内激发态邻居个数，δ
th
为激发阈值。
[0019]可选地，所述S13具体包括，依据以下公式计算(x,y)元胞处的电压：
[0020][0021]σ
in
为细胞内液的电导率，N为系统的细胞总数，V
i
(t)是系统中t时刻，第i个细胞的电位，V
j
(t)是系统中t时刻，第i个元胞的第j个邻居元胞的电位，ρ
i
是系统中元胞到场点之间的平均电导率；
[0022]r
ij
是第i个细胞的第j个邻居到场点的距离，相邻格点之间水平与竖直方向距离均为单位1,对角方向的距离均为若第i个细胞指向其第j个邻居细胞的单位矢量为α
ij
，第i个细胞指向场点的单位矢量为β
i
，则θ
ij
就是α
ij
与β
i
之间的夹角。
[0023]可选地，所述S2具体包括：
[0024]S21，对参数进行基因编码，初始化遗传算法；
[0025]S22，计算适应度，执行选择、遗传、变异操作；
[0026]S23，再次计算适应度其中，是和e(t)之间的协方差，表示的方差；
[0027]S24，判断是否达到终止条件，如果达到条件，终止，输出基因并解码获得各参数值，否则返回S32。
[0028]可选地，所述S3之后还包括S4：判断心电信号是否异常，具体地，通过判断各参数的基因编码所处位置的元胞的状态数是否超出各自规定的范围，若超出则心电信号为异常心电信号，否则认为正常。
[0029]有益效果：本专利技术提供了一种基于遗传算法及元胞自动机的异常心电信号检测方法，包括以下步骤：S1，采集真实的心电信号，建立心电仿真模型；S2，以仿真的心电信号与真实的心电信号之间的误差最小化为优化目标，利用遗传算法求取出最优的心电仿真模型的参数值；S3，根据最优的参数值是否在正常范围内，给出是否具有心脏疾病以及心脏疾病的种类的辅助结论。通过采用遗传算法，以最小化采集得到的心电信号与模型仿真出的心电信号为目标，求出最优的参数值，根据参数值是否在正常范围内，给出是否具有心脏疾病以及心脏疾病的种类的辅助结论。
[0030]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，并可依照说明书的内容予以实施，以下以本专利技术的较佳实施例并配合附图详细说明如后。
本专利技术的具体实施方式由以下实施例及其附图详细给出。
附图说明
[0031]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0032]图1为本专利技术基于遗传算法及元胞自动机的异常心电信号检测方法的流程示意图。
具体实施方式
[0033]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。在下列段落中参照附图以举例方式更具体地描述本专利技术。根据下面说明和权利要求书，本专利技术的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本专利技术实施例的目的。
[0034]需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
[0035]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0036]如图1所示，本专利技术提供了一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法及元胞自动机的异常心电信号检测方法，其特征在于，包括以下步骤：S1，采集真实的心电信号，建立心电仿真模型；S2，以仿真的心电信号与真实的心电信号之间的误差最小化为优化目标，利用遗传算法求取出最优的心电仿真模型的参数值；S3，根据最优的参数值是否在正常范围内，给出是否具有心脏疾病以及心脏疾病的种类的辅助结论。2.根据权利要求1所述的基于遗传算法及元胞自动机的异常心电信号检测方法，其特征在于，所述S1具体包括：采集10秒时长的真实的心电图。3.根据权利要求1所述的基于遗传算法及元胞自动机的异常心电信号检测方法，其特征在于，所述S1具体包括：S11，将心脏简化为若干个元胞；S12，确定元胞电位；S13，根据元胞的电位计算体表电压；S14，计算t时刻(x0,y0)元胞和(x1,y1)元胞之间的电压4.根据权利要求3所述的基于遗传算法及元胞自动机的异常心电信号检测方法，其特征在于，所述S11具体包括：建立心脏内各个组织和器官的二维模型，并将心脏的实体简化为多个大小一致的正方形的组合，将简化后的心脏中的每个正方形称为元胞。5.根据权利要求4所述的基于遗传算法及元胞自动机的异常心电信号检测方法，其特征在于，所述S12具体包括：将元胞建立在二维直角坐标系中，并用整数坐标(x,y)表示，t时刻位置处于(x,y)元胞状态用函数ε(x,y,t)表示，ε(x,y,t)的取值方法为：ε(x,y,t)＝0表示元胞处于静息态，ε(x,y,t)＝1表示元胞处于激发态，1＜ε(x,y,t)＜M表示元胞处于不应态，M为状态数。每个元胞在t时刻的电位可以根据ε(x,y,t)的取值确定,δ代表邻域范围内激发态邻居个数，δ
th
为激发阈值。6....

【专利技术属性】
技术研发人员：朱俊江，吕金涛，商圆圆，
申请(专利权)人：上海数创医疗科技有限公司，
类型：发明
国别省市：