本发明专利技术涉及一种心电信号处理方法及系统，具体涉及心电信号分析技术领域。所述方法包括对心电信号进行心率变异性分析，得到心电信号的特征集中各特征的值；根据特征的值对心电信号进行标定分类，得到心电信号对应的心脏状态；依次采用reliefF算法和多重共线性分析算法对各特征的值进行处理得到最优特征子集；以样本集中各心电信号的最优特征子集和各心电信号对应的心脏状态为训练集，对随机森林模型进行训练得到权重模型；根据权重模型得到最优特征子集中各特征的权重值；确定最优特征子集中各特征的权重值和最优特征子集中各特征的值的加权和为特征指标公式，特征指标公式用于计算特征指标。本发明专利技术可以提高心电信号处理结果的准确度。果的准确度。果的准确度。
【技术实现步骤摘要】
一种心电信号处理方法及系统
[0001]本专利技术涉及心电信号分析
，特别是涉及一种心电信号处理方法及系统。
技术介绍
[0002]心电信号是人体重要的生理信号之一。从心电信号中可以提取出大量有效特征，用于反映人体的一些疾病。心率变异性(Heart Rate Variability，HRV)是基于机体交感神经与迷走神经相互作用时引起相应心率变化的变异数。心率变异性可以反映自主神经系统的活性，对心脏交感神经及迷走神经的张力平衡性加以评估，可以判断一些疾病包括：心血管疾病、疲劳、情绪等的状况。时频域分析一直是HRV分析的常用方法，通过提取时频域特征对心电信号进行提取。但是仅对时频域进行分析会使心电信号的一些非线性信息信息提取不到。
[0003]针对心电信号的分析问题，国内申请号为201410852128.0的名称为“一种心电信号处理方法”的专利提出了基于神经网络的心电信号处理方法。该方法不提取信号的特征，采用端到端的学习方法直接对信号进行处理。这种方法很难看到模型中组件对最终目标的贡献是什么样的。换一句话说，模型变得更加黑盒了，也就降低了网络的可解释性。且这种方法仅适用于心电信号数据量很大的情况。而申请号为201811429915.9的名称为“一种基于时频分析的心率变异性测量方法、装置及设备”的专利提出了一种提取心电信号的时频域特征的方法，适用于各种数据量，但该方法仅对特征参数进行数学统计学分析构建了基于特征参数分析的疾病监测模型，没有对特征参数进行完全挖掘，准确性不高，实际测试效果不佳。
专利技术内容
[0004]本专利技术的目的是提供一种心电信号处理方法及系统，可以提高心电信号处理结果的准确度。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种心电信号处理方法，包括：
[0007]获取样本集，所述样本集包括多个心电信号；
[0008]对于所述样本集中任意一个心电信号，对所述心电信号进行心率变异性分析，得到所述心电信号的特征集中各特征的值；所述特征集包括时域指标、频域指标和非线性域指标；
[0009]根据所述心电信号的特征集中各特征的值对所述心电信号进行标定分类，得到所述心电信号对应的心脏状态；
[0010]依次采用reliefF算法和多重共线性分析算法对所述心电信号的特征集中各特征的值进行处理得到所述心电信号的最优特征子集；所述最优特征子集为所述特征集的子集；
[0011]以所述样本集中各所述心电信号的最优特征子集和各所述心电信号对应的心脏
状态为训练集，对随机森林模型进行训练得到权重模型；
[0012]根据所述权重模型得到各所述心电信号的最优特征子集中各特征的权重值；
[0013]确定各所述心电信号的最优特征子集中各特征的权重值和各所述心电信号的最优特征子集中各特征的值的加权和为特征指标公式，所述特征指标公式用于计算特征指标。
[0014]可选的，所述对所述心电信号进行心率变异性分析，得到所述心电信号的特征集中各特征的值，具体包括：
[0015]对所述心电信号进行信号预处理，得到所述心电信号的心电波形图；
[0016]根据所述心电信号的心电波形图得到所述心电信号的RR间期序列；
[0017]采用3σ原则对所述心电信号的RR间期序列进行剔除处理得到处理后的RR间期序列；
[0018]根据所述处理后的RR间期序列得到所述心电信号的特征集中各特征的值。
[0019]可选的，所述依次采用reliefF算法和多重共线性分析算法对所述心电信号的特征集中各特征的值进行处理得到所述心电信号的最优特征子集，具体包括：
[0020]将所述心电信号的特征集中各特征的值输入ReliefF分析模型中，得到所述特征集中各特征的挑选权重；
[0021]将所述特征集中挑选权重小于第一设定阈值的特征删除，得到第一特征集；
[0022]采用多重共线性分析算法对所述第一特征集进行处理得到最优特征子集。
[0023]可选的，所述采用多重共线性分析算法对所述第一特征集进行处理得到最优特征子集，具体包括：
[0024]计算所述第一特征集中每两个特征之间的互信息；
[0025]删除所述互信息大于第二设定阈值的两个特征中挑选权重小的特征得到最优特征子集。
[0026]一种心电信号处理系统，包括：
[0027]获取模块，用于获取样本集，所述样本集包括多个心电信号；
[0028]心率变异性分析模块，用于对于所述样本集中任意一个心电信号，对所述心电信号进行心率变异性分析，得到所述心电信号的特征集中各特征的值；所述特征集包括时域指标、频域指标和非线性域指标；
[0029]标定分类模块，用于根据所述心电信号的特征集中各特征的值对所述心电信号进行标定分类，得到所述心电信号对应的心脏状态；
[0030]最优特征子集确定模块，用于依次采用reliefF算法和多重共线性分析算法对所述心电信号的特征集中各特征的值进行处理得到所述心电信号的最优特征子集；所述最优特征子集为所述特征集的子集；
[0031]训练模块，用于以所述样本集中各所述心电信号的最优特征子集和各所述心电信号对应的心脏状态为训练集，对随机森林模型进行训练得到权重模型；
[0032]权重值确定模块，用于根据所述权重模型得到各所述心电信号的最优特征子集中各特征的权重值；
[0033]特征指标公式确定模块，用于确定各所述心电信号的最优特征子集中各特征的权重值和各所述心电信号的最优特征子集中各特征的值的加权和为特征指标公式，所述特征
指标公式用于计算特征指标。
[0034]可选的，所述心率变异性分析模块，具体包括：
[0035]预处理单元，用于对所述心电信号进行信号预处理，得到所述心电信号的心电波形图；
[0036]RR间期序列确定单元，用于根据所述心电信号的心电波形图得到所述心电信号的RR间期序列；
[0037]剔除单元，用于采用3σ原则对所述心电信号的RR间期序列进行剔除处理得到处理后的RR间期序列；
[0038]特征值确定单元，用于根据所述处理后的RR间期序列得到所述心电信号的特征集中各特征的值。
[0039]可选的，所述最优特征子集确定模块，具体包括：
[0040]挑选权重计算单元，用于将所述心电信号的特征集中各特征的值输入ReliefF分析模型中，得到所述特征集中各特征的挑选权重；
[0041]第一特征集确定单元，用于将所述特征集中挑选权重小于第一设定阈值的特征删除，得到第一特征集；
[0042]最优特征子集确定单元，用于采用多重共线性分析算法对所述第一特征集进行处理得到最优特征子集。
[0043]可选的，所述最优特征子集确定单元，具体包括：
[0044]互信息计算子单元，用于计算所述第一特征集中每两个特征之间的互信息；
[0045]最优特征子集确定子单元，用于删除所述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种心电信号处理方法，其特征在于，包括：获取样本集，所述样本集包括多个心电信号；对于所述样本集中任意一个心电信号，对所述心电信号进行心率变异性分析，得到所述心电信号的特征集中各特征的值；所述特征集包括时域指标、频域指标和非线性域指标；根据所述心电信号的特征集中各特征的值对所述心电信号进行标定分类，得到所述心电信号对应的心脏状态；依次采用reliefF算法和多重共线性分析算法对所述心电信号的特征集中各特征的值进行处理得到所述心电信号的最优特征子集；所述最优特征子集为所述特征集的子集；以所述样本集中各所述心电信号的最优特征子集和各所述心电信号对应的心脏状态为训练集，对随机森林模型进行训练得到权重模型；根据所述权重模型得到各所述心电信号的最优特征子集中各特征的权重值；确定各所述心电信号的最优特征子集中各特征的权重值和各所述心电信号的最优特征子集中各特征的值的加权和为特征指标公式，所述特征指标公式用于计算特征指标。2.根据权利要求1所述的一种心电信号处理方法，其特征在于，所述对所述心电信号进行心率变异性分析，得到所述心电信号的特征集中各特征的值，具体包括：对所述心电信号进行信号预处理，得到所述心电信号的心电波形图；根据所述心电信号的心电波形图得到所述心电信号的RR间期序列；采用3σ原则对所述心电信号的RR间期序列进行剔除处理得到处理后的RR间期序列；根据所述处理后的RR间期序列得到所述心电信号的特征集中各特征的值。3.根据权利要求1所述的一种心电信号处理方法，其特征在于，所述依次采用reliefF算法和多重共线性分析算法对所述心电信号的特征集中各特征的值进行处理得到所述心电信号的最优特征子集，具体包括：将所述心电信号的特征集中各特征的值输入ReliefF分析模型中，得到所述特征集中各特征的挑选权重；将所述特征集中挑选权重小于第一设定阈值的特征删除，得到第一特征集；采用多重共线性分析算法对所述第一特征集进行处理得到最优特征子集。4.根据权利要求3所述的一种心电信号处理方法，其特征在于，所述采用多重共线性分析算法对所述第一特征集进行处理得到最优特征子集，具体包括：计算所述第一特征集中每两个特征之间的互信息；删除所述互信息大于第二设定阈值的两个特征中挑选权重小的特征得到最优特征子集。5.一种心电信号处理系统，其特征在于，包括：获取模块，用于获取样本集，所述样本集包括多个...
【专利技术属性】
技术研发人员：刘金鑫，王慧泉，韩梦婷，首召兵，奉强，宋尧，龙华，
申请(专利权)人：深圳市太美亚电子科技有限公司，
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。