一种基于时频特征的心电信号分析方法技术

本发明专利技术提供一种基于时频特征的心电信号分析方法，包括：步骤S1，采集至少一个用户的一实时心电信号，对实时心电信号进行预处理得到一规范化心电信号；步骤S2，根据规范化心电信号处理得到多个时频特征，将时频特征输入至心电分析模型中处理得到对应的分类标签作为心电分析结果。有益效果是本方法采集多个群体的历史心电信号分析得到对应的时频特征，根据时频特征和对应的群体的分类标签训练得到心电分析模型，对用户的实时心电信号进行预处理并输入到心电分析模型中得到表征心脏异常状态的心电分析结果，能够有效增加分析准确率，帮助医生进行诊断。助医生进行诊断。助医生进行诊断。

【技术实现步骤摘要】
一种基于时频特征的心电信号分析方法


[0001]本专利技术涉及心电信号分析
，尤其涉及一种基于时频特征的心电信号分析方法。

技术介绍

[0002]通过心电信号检测能够实时获取用户的心脏状态，通过对心电信号进行分析处理能够协助判断心脏是否处于异常状态，以及时发现用户的心脏异常状态并进行救治。
[0003]但是目前对于心脏异常状态的分析判断仍处于人工处理的状态，导致专业医护人员的工作量过重，会影响心脏异常状态的准确率，且对于心电信号没有完整的预处理过程，导致心电信号冗杂，影响心脏异常状态的判断。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术提供一种基于时频特征的心电信号分析方法，具体包括以下步骤:
[0005]步骤S1，采集至少一个用户的一实时心电信号，对所述实时心电信号进行预处理得到一规范化心电信号；
[0006]步骤S2，根据所述规范化心电信号处理得到多个时频特征，将各所述时频特征输入至所述心电分析模型中处理得到对应的分类标签作为心电分析结果。
[0007]优选的，执行所述步骤S1之前包括一模型训练过程，具体包括以下步骤：
[0008]步骤A1，获取多个群体对应的多组历史心电信号，并分别为各组历史心电信号配置对应的所述群体的分类标签；
[0009]步骤A2，对各组历史心电信号分别进行特征提取得到对应的多个时频特征；
[0010]步骤A3，将各组历史心电信号对应的各所述时频特征作为输入，将各所述历史心电信号对应的所述群体的分类标签作为输出，训练得到所述心电分析模型。
[0011]优选的，所述时频特征包括各所述历史心电信号对应的时序特征、傅里叶变换系数、奇异值熵和分形维数。
[0012]优选的，通过以下计算公式计算得到所述分形维数：
[0013][0014]其中，
[0015]D表示分形维数；
[0016]N表示所述历史心电信号的一横坐标长度；
[0017]d表示所述历史心电信号的一二维长度；
[0018]L表示所述历史心电信号的一直径。
[0019]优选的，所述步骤A2中，对所述历史心电信号进行快速傅里叶变换并取前十个基
的系数作为所述傅里叶变化系数。
[0020]优选的，所述步骤A2中，根据所述历史心电信号处理得到一QRS波群周期、一QT间期和一QTc间期，根据所述QRS波群周期、所述QT间期和所述QTc间期处理得到平均周期作为所述时序特征。
[0021]优选的，所述步骤S1包括：
[0022]步骤S11，采集至少一个用户的所述实时心电信号，对所述实时心电信号进行滤波处理得到一滤波后心电信号；
[0023]步骤S12，根据所述滤波后心电信号处理得到一自相关函数，提取所述自相关函数的多个局部极值，将各所述局部极值的差分中位数作为所述滤波后心电信号的周期；
[0024]步骤S13，根据预设的一片段长度截取所述滤波后心电信号中的一心电片段，并判断所述心电片段的周期是否大于所述片段长度：
[0025]若是，转向步骤S14；
[0026]若否，将所述片段长度作为所述心电片段的周期并转向步骤S14；
[0027]步骤S14，对所述心电片段进行规范化处理得到所述规范化心电信号。
[0028]优选的，所述步骤S11包括：
[0029]步骤S111，采集至少一个用户的所述实时心电信号，将所述实时心电信号分为多个实时片段，对各所述实时心电信号分别进行快速傅里叶变换得到一变换值；
[0030]步骤S112，针对每个所述变换值，判断所述变换值的绝对值是否大于一第一阈值和一第二阈值：
[0031]若是，剔除所述变换值对应的所述实时片段并转向步骤S113；
[0032]若否，保留所述变换值对应的所述实时片段并转向步骤S113；
[0033]步骤S113，将保留的各所述实时片段进行低通滤波并整合成所述滤波后心电信号。
[0034]优选的，所述步骤S12包括：
[0035]步骤S121，根据所述滤波后心电信号处理得到自相关函数，通过预先设置的间隔参数提取各所述局部极值；
[0036]步骤S122，按纵坐标值从大到小的顺序对各所述局部极值的横坐标值进行排序，并根据排序后的各所述横坐标值处理得到所述差分中位数作为所述滤波后心电信号的周期。
[0037]优选的，所述步骤S14包括：
[0038]步骤S141，将所述心电片段分为多个心电子片段，根据各所述心电子片段分别处理得到一二阶导数值；
[0039]步骤S142，按从大到小的顺序对给各所述二阶导数值进行排序，将排序最后的所述二阶导数值与预先设置的一第三阈值相乘得到一第四阈值；
[0040]步骤S143，判断所述心电子片段对应的所述二阶导数值是否大于所述第四阈值：
[0041]若是，剔除所述心电子片段并转向步骤S144；
[0042]若否，保留所述心电子片段并转向步骤S144；
[0043]步骤S144，将保留的各所述心电子片段整合为所述规范化心电信号。
[0044]上述技术方案具有如下优点或有益效果：本方法采集多个群体的历史心电信号分
析得到对应的时频特征，根据时频特征和对应的群体的标签训练得到心电分析模型，对用户的实时心电信号进行预处理并输入到心电分析模型中得到表征心脏异常状态的心电分析结果，能够有效增加分析准确率，帮助医生进行诊断。
附图说明
[0045]图1为本专利技术的较佳的实施例中，本方法的步骤流程图；
[0046]图2为本专利技术的较佳的实施例中，心电分析模型训练过程的步骤流程图；
[0047]图3为本专利技术的较佳的实施例中，步骤S1的具体流程图；
[0048]图4为本专利技术的较佳的实施例中，步骤S11的具体流程图；
[0049]图5为本专利技术的较佳的实施例中，步骤S12的具体流程图；
[0050]图6为本专利技术的较佳的实施例中，步骤S14的具体流程图。
具体实施方式
[0051]下面结合附图和具体实施例对本专利技术进行详细说明。本专利技术并不限定于该实施方式，只要符合本专利技术的主旨，则其他实施方式也可以属于本专利技术的范畴。
[0052]本专利技术的较佳的实施例中，基于现有技术中存在的上述问题，现提供一种基于时频特征的心电信号分析方法，如图1所示，具体包括以下步骤:
[0053]步骤S1，采集至少一个用户的一实时心电信号，对实时心电信号进行预处理得到一规范化心电信号；
[0054]步骤S2，根据规范化心电信号处理得到多个时频特征，将各时频特征输入至心电分析模型中处理得到对应的心电标签作为心电分析结果。
[0055]本专利技术的较佳的实施例中，执行步骤S1之前包括模型训练过程，如图2所示，具体包括以下步骤：
[0056]步骤A1，获取多个群体对应的多组历史心电信号，并分别为各组历史心电信号本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时频特征的心电信号分析方法，其特征在于，具体包括以下步骤:步骤S1，采集至少一个用户的一实时心电信号，对所述实时心电信号进行预处理得到一规范化心电信号；步骤S2，根据所述规范化心电信号处理得到多个时频特征，将各所述时频特征输入至所述心电分析模型中处理得到对应的分类标签作为心电分析结果。2.根据权利要求1所述的心电信号分析方法，其特征在于，执行所述步骤S1之前包括一模型训练过程，具体包括以下步骤：步骤A1，获取多个群体对应的多组历史心电信号，并分别为各组历史心电信号配置对应的所述群体的分类标签；步骤A2，对各组历史心电信号分别进行特征提取得到对应的多个时频特征；步骤A3，将各组历史心电信号对应的各所述时频特征作为输入，将各所述历史心电信号对应的所述群体的分类标签作为输出，训练得到所述心电分析模型。3.根据权利要求2所述的心电信号分析方法，其特征在于，所述时频特征包括各所述历史心电信号对应的时序特征、傅里叶变换系数、奇异值熵和分形维数。4.根据权利要求3所述的心电信号分析方法，其特征在于，通过以下计算公式计算得到所述分形维数：其中，D表示分形维数；N表示所述历史心电信号的一横坐标长度；d表示所述历史心电信号的一二维长度；L表示所述历史心电信号的一直径。5.根据权利要求3所述的心电信号分析方法，其特征在于，所述步骤A2中，对所述历史心电信号进行快速傅里叶变换并取前十个基的系数作为所述傅里叶变化系数。6.根据权利要求3所述的心电信号分析方法，其特征在于，所述步骤A2中，根据所述历史心电信号处理得到一QRS波群周期、一QT间期和一QTc间期，根据所述QRS波群周期、所述QT间期和所述QTc间期处理得到一平均周期作为所述时序特征。7.根据权利要求1所述的心电信号分析方法，其特征在于，所述步骤S1包括：步骤S11，采集至少一个用户的所述实时心电信号，对所述实时心电信号进行滤波处理得到一滤波后心电信号；步骤S12，根据所述滤波后心电信号处理得到一自相关函数，提取所述自相关函数的多...

【专利技术属性】
技术研发人员：徐赤坤，谭铤，刘康，李伟，何俊德，
申请(专利权)人：上海图灵医疗科技有限公司，
类型：发明
国别省市：