【技术实现步骤摘要】
变异性心电信号时空特征提取方法
[0001]本专利技术涉及一种心电信号采集方法,具体地说是一种变异性心电信号时空特征提取方法。
技术介绍
[0002]时间序列分析是统计学的分支之一,近年来主流的分析方法主要基于机器学习和深度学习。然而机器学习受特征工程的制约,需要人工对大量提取的特征中进行有效的特征选择,从而影响了该方法的效率。因此,基于深度学习的时间序列分析方法应运而生,该方法克服了人为挑选特征的困难,可以自动提取时间序列中所蕴含的特征。如今,该方法已被广泛应用,并已经证明可以很好的提取时间序列中的异常特征。然而,对于时间序列中的空间特征提取这一问题还有待解决。
[0003]近年来,随着人们物质生活水平的提高以及人口老龄化进程的加快,全球心血管疾病的发病率呈逐年上升趋势。目前,心血管疾病已成为世界范围内死亡的首因,全球每年有1300万余人死于心血管疾病。因此,精准地诊断出心脏疾病信号就显得尤为重要。研究表明,心脏发出的电信号不仅具有时间序列特征,还可以反映心脏电活动的空间特征。心电信号(ECG)是记录心电图机采集的心脏在每一个心动周期产生电活动的变化图,其完整地描述了心脏在三维立体空间中的时空活动。不同生理和病理条件下的人群,心脏各部位形态不同,ECG信号及其时空特征自然也存在很大的差别。因此,提取完整的时空特征、捕捉心电信号的特异性是很有必要的。
技术实现思路
[0004]本专利技术的目的就是提供一种变异性心电信号时空特征提取方法,以解决现有心电信号采集方法对空间特征不能有效提取的问题。< ...
【技术保护点】
【技术特征摘要】
1.一种变异性心电信号时空特征提取方法,其特征是,包括以下步骤:S1、在获取原始心电信号后,先用基于Daubechies 6小波基的离散小波变换去除原始心电信号中的噪声;用Pan
‑
Tompkins算法检测原始心电信号中的R波;再根据一个完整的心跳周期以及信号的采样频率,对每个心跳周期的心电信号采集R波前250个采样点和R波后400个采样点,共651个采样点,构成一个完整的心拍;S2、构建时空特征提取模型,所述时空特征提取模型包括Transformer编码器和全连接层;所述Transformer编码器用于提取心电导联之间的相关性信息,所述全连接层为模型的输出层,用于对提取的相关性信息进行融合,并输出表示时空特征的矩阵;S3、利用时空特征提取模型提取心电信号的时空特征,所述时空特征提取模型的输入数据为:其中,a
i,j
为输入数据中的一个采样点,i∈(Ⅰ,II,Ⅲ,...,V6)为第i导联,j∈(1,2,3,...,651)为第j个心电心跳采样点;输出时空特征矩阵为:M∈R3×
651
,具体表示为:其中,b
i,j
为输出时空特征中的一个采样点,是指时空特征矩阵M的三个正交方向的时变坐标,j∈(1,2,3,...,651)是指坐标的长度;S4、构建异常信号检测模型,所述异常信号检测模型包括一维卷积层、二维卷积层和输出层;所述一维卷积层用于从时空特征矩阵M的三个时变坐标中提取相关的定时信息;所述二维卷积层是基于残差结构的卷积层,用于对二维特征图进行进一步的提取和融合;所述输出层包括全局平均池化层、全连接层和SoftMax分类器,用于输出最终的异常检测结果;S5、使用异常信号检测模型对异常的心电信号进行检测。2.根据权利要求1所述的基于云边协同的可撤销的访问控制方法,其特征是,还包括以下步骤:S6、对时空特征提取模型和异常信号检测模型分别进行训练,PTB数据库中的所有数据按照训练集﹕验证集﹕测试集=3﹕1﹕1的比例分开,时空特征提取模型和异常信号检测模型在相同的数据集上进行训练。3.根据权利要求2所述的变异性心电信号时空特征提取方法,其特征是,在训练中引入均方误差损失函数来计算损失,以有效地反映估计值与实际值之间的差异:其中,y表示输入数据,表示模型的输出,x
i
和表示数据中的相应...
【专利技术属性】
技术研发人员:刘秀玲,熊鹏,张杰烁,杜海曼,李昆霖,何聪,
申请(专利权)人:河北大学,
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。