基于高频心电波形的心脏疾病早期诊断的方法：由高输入阻抗、低噪声、高共模抑制比以及宽频带多通道心电放大器；１２位Ａ／Ｄ转换板获得高频心电波形；．采用利用小波变换将时频两域结合起来分析，形成ＨＦＥＣＧ（时间－频率－幅值）三维频谱图；再从十二导联ＨＦＥＣＧ的ＱＲＳ波群高频三维频谱图中提取出一系列反映ＨＦＥＣＧ高频成份丰富程度的特征参数，它们是： 高端截止频率：描述ＨＦＥＣＧ（时间－频率－幅值）频带范围的最高频率； 比值Ｗ１：∑Ｕ（１００～１０００）Ｈｚ／∑Ｕ（６０～１００）Ｈｚ；比值Ｗ２：∑Ｕ（１５０～２５０）Ｈｚ／∑Ｕ（６０～１００）Ｈｚ；比值Ｗ３：∑Ｕ（８０～３００）Ｈｚ／∑Ｕ（５５～８０）Ｈｚ；绝对值Ｐ：∑Ｕ（８０～３００）Ｈｚ／（３００－８０）Ｈｚ；描述各频段的能量分布 三维频谱图中块信号峰的个数与坡的个数之和：描述三维频谱的波形复杂程度； 最高峰频率：描述最大能量分布的频率； 对上述特征参数进行人工神经网络的分类诊断： 它们在一个由ｍ个特征参数构成的ｍ维的空间中综合的影响决定了ＱＲＳ波群的高频三维频谱性质，存在一个ｍ维的曲面，这个曲面将空间分为两个部分：心脏功能的正常和异常； ＢＰ网络中确定网络隐层为一层；网络的输入层的神经元个数Ｎ由上述特征参数的个数选定了总共七个特征参数，这样输入层神经元就需要七个；隐层神经元个数Ｍ的选择依据经验公式 Ｐ＜＊Ｃ↓［Ｍ］↑［ｉ］ （Ｃ↓［Ｍ］↑［ｉ］＝０，ｉ＞Ｍ） 其中Ｐ是训练库的样本个数，隐层神经元个数与训练的样本个数相关，式中Ｍ与Ｐ均跟网络拟合的非线性关系的复杂程度相关；网络的输出层神经元个数Ｋ由需要分类的种数决定，选定输出神经元为一个，其输出值的０和１分别代表健康和有病。（*该技术在2023年保护过期，可自由使用*）
【技术实现步骤摘要】
本专利技术涉及一种基于高频心电波形的心脏疾病早期诊断的方法及装置，其中涉及采用小波变换从高频心电图(High Frequency Electrocardiogram，HFECG)中提取细微特征，并用神经网络分类方法进行诊断判别的方法，也包括获取精细的高频心电信号的电路。二.
技术介绍
高频心电波形中的细微成分与许多心脏疾病包括心室左右束支传导阻滞、心肌缺血、心肌损伤等有着密切关系。本申请人已经申请了高频心电图仪等相关专利。正常人的心肌在形态和功能上存在着一定程度的不规则性，这导致了这些细微成份的存在。而在许多心脏疾病中，心肌细胞这一传导介质的不规则性将显著增加，使这些成份也显著增加，并呈现出各自的特性。多年来国内外学者通过时域分析和频域分析，已证实高频心电图对疾病的敏感性很强，在临床上具有早期诊断的重要意义。小波变换(Wavelet transform，WT)是一种线性运算，它对信号进行不同尺度的分解，能将各种交织在一起的不同频率组成的混合信号分解成不相同频率的块信号，可有效地应用于如信号分离，提高时频两域的分辨率等。它可将HFECG从时频两域结合起来分析，形成(时间-频率-幅值)三维频谱图，从中提取其特征参数。神经网络分析系统，以模仿人脑功能，完成类似人脑的工作，是生理学上的真实人脑神经网络的结构和功能，以及若干基本特性的某种理论抽象、简化和模拟而构成的一种信息处理系统。从系统观点看，这种人工神经网络是由大量神经元通过极其丰富和完善的联接而构成的自适应非线性动态系统。由于神经元之间有着不同的联接方式，所以可组成不同结构形态的神经网络系统。误差反向传播算法(BP算法)网络以及自适应谐振理论算法(ART2)网络均有很好的系统辨识与分类能力，我们借助于这两种人工神经网络来对提取的特征参数进行分类运算，从而实现心脏疾病的早期诊断。三.
技术实现思路
本专利技术的目的是提供一种从高频心电波形获得早期心脏疾病信号并进行判别诊断的方法及装置，基于高频心电波形进行心脏疾病早期诊断的方法及装置，实现心脏疾病早期诊断，它的实现分为三个步骤从高频心电波形获得早期心脏疾病信号的方法及装置 1.高频心电图的获得。高频心电波形由如下装置获得，装置由高输入阻抗、低噪声、高共模抑制比以及宽频带12通道心电放大器；12位A/D转换板；微机系统及其外围设备构成。2.采用小波变换从十二导联HFECG(高频心电图)的QRS波群高频三维频谱中提取出一系列反映HFECG高频成份丰富程度的特征参数，它们是高端截止频率HFECG频带范围的最高频率； 三维频谱图中块信号峰的个数与坡的个数之和描述三维频谱的波形复杂程度；最高峰频率描述最大能量分布的频率。3.人工神经网络对特征参数的分类诊断从任何一个单独的特征参数是找不到一个确定的临界值来区别病人和正常人的频谱的，这些参数都与心脏疾病存在着一定的关联性，它们在一个由m个特征参数构成的m维的空间中综合的影响决定了QRS波群的高频三维频谱性质。也就是说，存在一个m维的曲面，这个曲面将空间分为两个部分心脏功能的正常和异常。由于人工神经网络有很好的学习能力和对任意非线性函数的拟合能力，我们引入了一个前馈型网络，利用改进的误差反向传播算法(BP算法)训练网络，以及有教师的细化拟合的ART2算法训练网络，很好的拟合这个m维的曲面来区分正常和异常的高频心电特征参数，实现心脏疾病的早期诊断。本专利技术的特点是将独特开发的高频心电信号的检测、先进的小波变换特征参数的提取与人工神经网络的分类分析方法进行有机结合，多个高频心电特征参数在多维空间中拟合多维曲面进行分类的新方法对临床心脏病的诊断尤其是早期诊断具有重要意义，该方法为高频心电图的深入研究开辟了一个新途径，属国内外首创。四.附图说明图112通道心电放大器框图，其中图1a为心电放大器的总体框图，图1b为一个通道放大器的结构框图，图1c为标准导联和正交导联电路图。图2为图1b的12通道心电放大器电原理3为三维频谱4为改进的误差反向传播算法(BP算法)网络结构5为有教师的细化拟合的ART2算法网络结构图系统硬件包含三部分高性能12通道心电放大器(包括12导联和3导联系统)；12位A/D转换板；微机系统及其外围设备。其结构框图如图1所示。高频心电图的获得的装置的特点是包括低噪声宽带、高输入阻抗、高共模抑制比心电放大器构成，其设计是生物医学电子学研究课题之一，是对心电信息进行数据采集与处理的重要环节。本专利技术中图2所示，每个通道的放大器是由高性能的集成测量放大器U3(AD620)构成，其性能可满足设计要求。12个通道放大器的电路结构完全相同，性能基本一致。集成测量放大器AD620提供主要电压增益(500倍)和共模抑制比(90dB以上)。基线稳定及自动复位电路(以U12、U15A、U15B三个运算放大器为核心，加上它们的外围器件组成)是一积分型反馈网络，对于低于其截止频率的信号，该电路强制使差分放大器的输出为零，达到基线稳定的目的。该电路具有不影响差分放大器共模抑制比、不需要在差分放大器前加装隔直电容等优点。自动复位其作用是在差分放大器输出电压幅度超出窗口设定值之外时，迅速强制使差分放大器输出端基线复位为零。线性光隔离电路是由两只特性近似相同的光耦合器U6、U7(TIL117)与运算放大器U5B、U8B(LF353)组成的补偿型线性信号隔离传输器，有良好的线性传输特性。12通道心电放大器导联系统构成不同于三通道放大器，更不同于单通道放大器，其要求每次同时接通标准导联的12路信号(即I、II、III、aVR，aVL，aVF，V1，V2，V3，V4，V5，V6)，由电子开关切换同时接通正交导联的三路信号(X，Y，Z)，接通frank导联的三路信号(X′，Y′，Z′)。心电信号是模拟信号，必须转换成数字信号才能被计算机采集处理。心电信号的高频分量若为10μv，放大器的等效输入噪声为3μv，当放大倍数1000时，则输出的高频分量为10mv，噪声为3mv，信噪比为3.3。这样大小的信噪比，只要A/D的位数足够大，是可以将心电信号中的高频分量较精确地转化成数字量的。本设计采用参考电压为5v的12位A/D转换板，其分辨率为5v/(212-1)＝1.22mv，即大于1.22mv的电压都能被采集到。该A/D转换板有16个模拟量输入通道，-5～+5V双极输入，中断工作方式，最高采样频率为100KHz(即转换时间10μs)，能满足采样频率最高为60K的12通道采样(每通道5KHz)设计的要求。系统所用微机为奔III，128MB内存，20GB硬盘，最高时钟频率733MHz，配有SVGA卡支持的高分辨率(1024×768)彩色图形显示器，光驱(50速)及激光打印机。其特点是运行速度快，分析处理能力强。系统软件包含二部分小波变换高频心电图特征参数提取算法及神经网络分类算法。如图3所示，利用小波变换将时频两域结合起来分析，形成HFECG(时间-频率-幅值)三维频谱图。再从十二导联HFECG的QRS波群高频三维频谱图中提取出一系列反映HFECG高频成份丰富程度的特征参数。BP算法神经网络结构如图4所示。可以证明，三层的BP网络可以拟合任意的非线性函数，为不增加网络的复杂程度，我们就确定网络隐层为一层。网络的本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：宁新宝，徐寅林，黄晓琳，司峻峰，
申请(专利权)人：南京大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。