一种单导联心电信号辅助诊断方法及诊断终端技术

本发明专利技术提供一种单导联心电信号辅助诊断方法及诊断终端，属于互联网医疗领域，方法包括：构建单导联心电信号辅助系统的功能架构，提取单导联心电信号辅助系统中的心电信号；对心电信号进行预处理；预处理方式包括：按照预设时长对心电信号进行划分；对划分后的心电信号进行滤波处理；对滤波后的心电信号进行数据归一化处理；对数据归一化后的心电信号进行傅里叶变换处理；提心电信号数据的特征；采用拼接的方式将提取的所有特征进行融合；将融合后的特征输入至Adaboost迭代算法，得出诊断结果。本发明专利技术融合了心电信号各个维度的特征，有效的解决现有特征存在的不足的现状，从而得到比单一数据模型信息量更大、应用性更高、鲁棒性更强的模型。性更强的模型。性更强的模型。

【技术实现步骤摘要】
一种单导联心电信号辅助诊断方法及诊断终端


[0001]本专利技术属于互联网医疗领域，尤其涉及一种单导联心电信号辅助诊断方法及诊断终端。

技术介绍

[0002]心电图(Electrocardiogram,ECG)是记录心脏激动过程中伴随着的电位变化的图形，也称静态心电图。它是心脏电活动在体表的综合体现，也是心脏兴奋的发生、传播以及恢复的客观评价标准。心电图蕴含了丰富的心脏基本功能和病理信息，能反映心脏节律及电活动过程。所以，心电图在心脏的安全评测和各种治疗方法的评估等方面具有重大作用和意义，是目前分析和鉴别各种心血管疾病最常用和最精确的无创的手段。多数的心律失常疾病的发生是偶发性的，很多病患只有在出现乏力、心悸、胸闷，甚至晕厥时才去医院就诊，这时可能错过了最佳的诊断时间。动态单导联心电图可以长时间的监测括学习、活动、休息和睡眠等不同情况下的心脏电活动的全过程，极大的提高了心律失常诊断的检出效率。但由于患者个体差异，以及疾病的复杂性，再加上如此长时间的心电图记录数据，给医生带来了繁重的心电图识别工作，容易因为疲劳造成漏检和误判。于是，为了让医生集中精力去判别异常且重要的心电波形，提高心电图诊断效率，将单导联心电自动分析技术应用到心电图分析中，用计算机自动判别的方式辅助诊断各种心律失常。
[0003]目前针对心电图信号的诊断主要采用的是预设模板匹配法。该方法在诊断前期需要建立各种心律失常疾病的模板库。在进行实际的病例模板匹配时，将心电图划分为若干片段，每个片段自动与先前建立的模板库进行比较，计算每个心电片段与相应模板波形数据的差异，当差异小于预设阈值时，则将该心电数据分类为该模板。但由于心律异常的种类较多，且相同类型的心律异常在个体差异上具有很大的不同，这就需要适配较为复杂的模板库。如果模板库未储存足够丰富的匹配模板，将无法实现心电信号的诊断，进而导致无法正常诊断。

技术实现思路

[0004]本专利技术提供一种基于多特征融合的单导联心电信号辅助诊断方法，方法融合了心电信号各个维度的特征，有效的解决如果模板库未储存足够丰富的匹配模板，将无法实现心电信号的诊断，进而导致无法正常诊断的不足。
[0005]方法包括：
[0006]步骤一、构建单导联心电信号辅助系统的功能架构，提取单导联心电信号辅助系统中的心电信号；
[0007]步骤二、对心电信号进行预处理；
[0008]预处理方式包括：按照预设时长对心电信号进行划分；
[0009]对划分后的心电信号进行滤波处理；
[0010]对滤波后的心电信号进行数据归一化处理；
[0011]对数据归一化后的心电信号进行傅里叶变换得到频域数据；
[0012]步骤三、提心电信号数据的特征；
[0013]步骤四、采用拼接的方式将步骤三中提取的所有特征进行融合；
[0014]步骤五、将步骤四融合后的特征输入至Adaboost迭代算法，得出诊断结果。
[0015]进一步需要说明的是，步骤二中按照预设时长对心拍数据进行划分方式包括：
[0016]配置心电信号表示为X＝(x1，...,x
n
)，n为数据的点位数；
[0017]n＝F
f
*F
t
，其中F
f
表示信号的采样频率，F
f
表示信号的采样时间；
[0018]其中，一个完整的心拍为0.6s至0.8s,将心电信号分割为0.8s的片段，即288个采样点；
[0019]将10个完整的心拍作为一组心电信号的数据集，表示为：
[0020][0021]n表示心电数据的片段数，m表示每个片段的点位数。
[0022]进一步需要说明的是，步骤二中对划分后的心拍数据进行滤波处理方式包括：
[0023]配置截止频率为51Hz的低通滤波器，使用全通滤波器减去51Hz的低通滤波器，得到一个截止频率为51Hz的高通滤波器，再与截止频率为49Hz的低通滤波器进行组合，得到一个50Hz的陷波器；
[0024]h＝fir_lp(π,n)
‑
fir_lp(w
c1
,n)+fir_lp(w
c2
,n)
[0025]其中h是最终得到的50Hz陷波器，fir_lp(π,n)表示的是一个全通滤波器，fir_lp(w
c1
,n)表示的是截至频率为51Hz的低通滤波器，fir_lp(w
c2
,n)表示的是截至频率为49Hz的低通滤波器；
[0026]将划分后的心电信号通过50Hz陷波器输入至数据集X进行处理，得到去除工频干扰后的心电数据集Z：
[0027][0028]进一步需要说明的是，步骤二中还对心电数据集Z的边缘数据进行扩展，扩展公式为：
[0029][0030]对长度为m的心电信号片段z
m
＝(z1,z2,...,z
m
)进行扩展；
[0031]扩展后的信号为：z
m+k
＝(z1,z2,...,z
m+k
),k为中值滤波的窗口长度；
[0032]将扩展处理后的心电信号进行加窗处理，将窗口内的心电信号进行排序，选择窗口内中位数代替当前值，并用中值代替当前窗口内的心电信号,心电信号经过中值处理后去掉突变峰值；
[0033]用步骤一的心电信号减去中值处理后的心电信号，得到中值滤波后的心电信号,再输入至心电数据集Z后得到数据集D：
[0034][0035]进一步需要说明的是，步骤二中的对滤波后的心电信号进行数据归一化处理方式包括：通过下述公式对每个心电信号片段d进行归一化：
[0036][0037]公式中d
min
表示ECG心电样本幅值的最小值，d
max
表示ECG心电样本幅值的最大值；
[0038]再对滤波后的数据集D通过下述公式进行归一化处理，并输出处理后数据集D
*
；
[0039][0040]进一步需要说明的是，步骤二中的对数据归一化后的心电信号进行傅里叶变换处理方式包括：通过下述公式对输入的心电信号进行傅里叶变换得到频域数据；
[0041][0042]其中N为心电信号的时域离散信号点数，n为时域离散信号的编号，m为频域信号的编号；
[0043]在下述公式中，输入归一化后的处理后数据集D
*
，并得到频域数据F；
[0044][0045]f表示复数。
[0046]进一步需要说明的是，步骤三还包括：
[0047](1)从时域离散信号及频域数据提取特征；
[0048]提取方式包括：定义LSTM网络进行特征提取；
[0049]定义模型的输入分别为处理后数据集D
*
和频域数据F；
[0050]LSTM网络中每个节点的输入和输出关系如下：
[0051]i
t
＝σ(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征融合的单导联心电信号辅助诊断方法，其特征在于，方法包括：步骤一、构建单导联心电信号辅助系统的功能架构，提取单导联心电信号辅助系统中的心电信号；步骤二、对心电信号进行预处理；预处理方式包括：按照预设时长对心电信号进行划分；对划分后的心电信号进行滤波处理；对滤波后的心电信号进行数据归一化处理；对数据归一化后的心电信号进行傅里叶变换得到频域数据；步骤三、提心电信号数据的特征；步骤四、采用拼接的方式将步骤三中提取的所有特征进行融合；步骤五、将步骤四融合后的特征输入至Adaboost迭代算法，得出诊断结果。2.根据权利要求1所述的基于多特征融合的单导联心电信号辅助诊断方法，其特征在于，步骤二中按照预设时长对心拍数据进行划分方式包括：配置心电信号表示为X＝(x1，...,x
n
)，n为数据的点位数；n＝F
f
*F
t
,其中F
f
表示信号的采样频率，F
f
表示信号的采样时间；其中，一个完整的心拍为0.6s至0.8s,将心电信号分割为0.8s的片段，即288个采样点；将10个完整的心拍作为一组心电信号的数据集，表示为：n表示心电数据的片段数，m表示每个片段的点位数。3.根据权利要求1所述的基于多特征融合的单导联心电信号辅助诊断方法，其特征在于，步骤二中对划分后的心拍数据进行滤波处理方式包括：配置截止频率为51Hz的低通滤波器，使用全通滤波器减去51Hz的低通滤波器，得到一个截止频率为51Hz的高通滤波器，再与截止频率为49Hz的低通滤波器进行组合，得到一个50Hz的陷波器；h＝fir_lp(π,n)
‑
fir_lp(w
c1
,n)+fir_lp(w
c2
,n)其中h是最终得到的50Hz陷波器，fir_lp(π,n)表示的是一个全通滤波器，fir_lp(w
c1
,n)表示的是截至频率为51Hz的低通滤波器，fir_lp(w
c2
,n)表示的是截至频率为49Hz的低通滤波器；将划分后的心电信号通过50Hz陷波器输入至数据集X进行处理，得到去除工频干扰后的心电数据集Z：4.根据权利要求3所述的基于多特征融合的单导联心电信号辅助诊断方法，其特征在
于，步骤二中还对心电数据集Z的边缘数据进行扩展，扩展公式为：对长度为m的心电信号片段z
m
＝(z1,z2,...,z
m
)进行扩展；扩展后的信号为：z
m+k
＝(z1,z2,...,z
m+k
),k为中值滤波的窗口长度；将扩展处理后的心电信号进行加窗处理，将窗口内的心电信号进行排序，选择窗口内中位数代替当前值，并用中值代替当前窗口内的心电信号,心电信号经过中值处理后去掉突变峰值；用步骤一的心电信号减去中值处理后的心电信号，得到中值滤波后的心电信号,再输入至心电数据集Z后得到数据集D：5.根据权利要求1或2所述的基于多特征融合的单导联心电信号辅助诊断方法，其特征在于，步骤二中的对滤波后的心电信号进行数据归一化处理方式包括：通过下述公式对每个心电信号片段d进行归一化：公式中d
min
表示ECG心电样本幅值的最小值，d
max
表示ECG心电样本幅值的最大值；再对滤波后的数据集D通过下述公式进行归一化处理，并输出处理后数据集D
*
；6.根据权利要求5所述的基于多特征融合的单导联心电信号辅助诊断方法，其特征在于，步骤二中的对数据归一化后的心电信号进行傅里叶变换处理方式包括：通过下述公式对输入的心电信号进行傅里叶变换得到频域数据；其中N为心电信号的时域离散信号点数，n为时域离散信号的编号，m为频域信号的编号；在下述公式中，输入归一化后的处理后数据集D
*
，并得到频域数据F；
f表示复数。7.根据权利要求1或2所述的基于多特征融合的单导联心电信号辅助诊断方法，其特征在于，步骤三还包括：(1)从时域离散信号及频域数据提取特征；提取方式包括：定义LSTM网络进行特征提取；定义模型的输入分别为处理后数据集D
*
和频域数据F；LSTM网络中每个节点的输入和输出关系如下：i
t
＝σ(W
ii
x
t
+b
ii
+W
hi
h
t
‑1+b
hi
)f
t
＝σ(W
if
x
t
+b
if
+W
hf
h
t
‑1+b
hf
)g
t
＝tanh(W
ig
x
t
+b
ig
+W
hg
h
t
‑1+b
hg
)o
t
＝σ(W
io
x
t
+b
io
+W
ho
h
t
‑1+b
ho
)c
t
＝f

【专利技术属性】
技术研发人员：蒋萍，张晴，曲鸿达，杨金广，赵丰瑞，谭力铭，张安泰，李天宝，
申请(专利权)人：山东渔夫智能科技有限公司，
类型：发明
国别省市：