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。