基于波段子序列比对的QRS波群形态识别方法技术

本发明专利技术提供一种基于波段子序列比对的QRS波群形态识别方法，在经过预处理包括滤波和去噪后的心电图的训练样本上，截取R波极值点前后设定长度区域形成QRS波群检测区域，划分为多个波段；生成波段的候选子序列集合；遍历候选子序列集合，根据每个子序列和训练样本对应波段的距离，寻找最佳子序列和最佳阈值作为对应波段的识别特征，用于后续波形预测；输入待预测心电图，划分为多个待预测波段，得到最小欧式距离；比较最小欧式距离与最佳阈值，得到待预测波段的预测结果；实现QRS波群整体形态的预测；该方法能够降低波群整体形态识别的难度，能够捕获QRS波群的局部形态特征，能够提高波群预测准确率，能够识别更多种类的QRS波群形态。形态。形态。

【技术实现步骤摘要】
基于波段子序列比对的QRS波群形态识别方法


[0001]本专利技术涉及一种基于波段子序列比对的QRS波群形态识别方法，属于心电信号识别


技术介绍

[0002]心电图(Electrocardiography，ECG)作为一种无创检测手段，在临床检测心脏节律是否正常具有重要作用。在心电诊断中，主要根据心拍各波波形的特征来识别可能的症状，一个完整的心拍从前到后依次分为P波、QRS波群和T波，其中QRS波群形态高大，是判断心拍的重要标志，其反映了左右心室的除极状况，是分析心率失常，诊断各类心脏疾病的重要依据。
[0003]一个典型的QRS波群中，最先出现的负向波称为Q波，Q波之后的首个正向波称为R波，R波之后的第二个负向波称为S波，继S波后可能出现的正向波称为R
’
波，继R
’
波后出现的负向波称为S
’
波。QRS波群通常根据振幅来判断大小波形，振幅大于0.5mv表示为大波形用Q、R、S等表示，小于0.5mv表示为小波形有q、r、s等表示。
[0004]QRS波群形态种类繁多，并且有的QRS波群中会出现无波的情况。图1的(a)表示正常QRS波群形态，图1的(b)表示右束支阻滞患者的QRS波群呈现出rSr
’
波形形态，Q波段表现出无波形态；图1的(c)表示前壁心肌梗死患者的QRS波群呈现出QR波形形态，S波段表现出无波形态。只有准确地识别QRS波群形态，才能提高ECG自动分析的性能，才能保证心电异常诊断的准确度。
[0005]针对QRS波群的形态识别，早期采用差分法、模板匹配法等对信号进行时频分析，以确定波峰和波谷等关键位置，完成波群形态分析。差分法通过对心电信号进行一阶差分或二阶差分，找出信号中的极值点，并根据极值点的位置和大小来确定QRS波群的位置和形态，虽然计算简单，适用于实时处理，但对信号噪声敏感，容易产生误检和漏检；模板匹配将QRS波群的形态作为一个固定的模板，与心电信号进行匹配，找出最相似的位置和形态，虽然精度高，可靠性好，但需要预先准备好模板，并且会受到信号变化和噪声的影响，识别种类也较少。
[0006]上述方法只能识别少数的波群形态，比如QRS波形、qRS波形等，对于无明显波形特征的波群无法达到精确识别，如图2中的波形形态为RS，在Q波段上由于本身的波形具有微小波动，但不足以形成Q和q波形，会被误识别为qRS波形。现阶段，QRS波形识别的挑战在于波群整体形态识别的难度较高，无法区分波段上是否具有波形，导致波群识别准确率较低。
[0007]上述问题是在基于波段子序列比对的QRS波群形态识别过程中应当予以考虑并解决的问题。

技术实现思路

[0008]本专利技术的目的是提供一种基于波段子序列比对的QRS波群形态识别方法解决现有技术中存在的波群整体形态识别的难度较高，波群识别的准确率有待提高的问题。
[0009]本专利技术的技术解决方案是：
[0010]一种基于波段子序列比对的QRS波群形态识别方法，包括以下步骤，
[0011]S1、在经过预处理包括滤波和去噪后的心电图的训练样本上，截取R波极值点前后设定长度区域形成QRS波群检测区域，将QRS波群检测区域内若干极值点作为分割点，将QRS波群检测区域划分为多个波段；
[0012]S2、在每个波段上，提取若干个滑动窗口，生成波段的候选子序列集合；
[0013]S3、遍历候选子序列集合，根据每个子序列和训练样本对应波段的距离，寻找最佳子序列和最佳阈值作为对应波段的识别特征，用于后续波形预测；
[0014]S4、输入待预测心电图，划分为多个待预测波段，计算各待预测波段与训练样本上对应波段最佳子序列的欧式距离，并得到最小欧式距离；
[0015]S5、比较最小欧式距离与最佳阈值，确定待预测波段为有波形态或无波形态；在确定为有波形态后，根据波段振幅确定为大波形或小波形，得到待预测波段的预测结果；
[0016]S6、拼接所有待预测波段的预测结果，实现QRS波群整体形态的预测。
[0017]进一步地，步骤S1中，将QRS波群检测区域划分为多个波段，每个波段包含有波和无波两种形态，其中有波形态包含大波形和小波形。
[0018]进一步地，步骤S2中，在每个波段上，提取若干个滑动窗口，生成波段的候选子序列集合，具体为，设样本某波段为[X
i
,
…
,X
j
]，其中，X
i
表示i时刻的电压，滑动窗口长度T分别取1到j
‑
i+1的任意值，每个T会产生j
‑
i+2
‑
T个子序列，所以该样本的该波段上会生成个子序列，所有样本在该波段生成的子序列构成波段的候选子序列集合。
[0019]进一步地，步骤S3中，遍历候选子序列集合，根据每个子序列和训练样本对应波段的距离，寻找最佳子序列和最佳阈值作为对应波段的识别特征，用于后续波形预测，具体为，
[0020]S31、设波段对应n个样本，n个样本在该波段生成的候选子序列集合共包含m个子序列，计算每个子序列sub
k
，其中，1≤k≤m与n个样本对应波段的距离，组成距离集合dist
k
＝{d1,
…
,d
i
,
…
,d
n
}，其中，d
i
表示子序列sub
k
与第i个样本对应波段的最小欧式距离，m个子序列能够生成m个距离集合，即D＝{dist1,
…
,dist
k
,
…
,dist
m
}；
[0021]S32、距离集合dist
k
所包含的距离分为两类，即子序列sub
k
与有波形态样本的距离和无波形态样本的距离，记集合index1为dist
k
中sub
k
与有波形态样本的距离的索引集合，记集合index2为dist
k
中sub
k
与无波形态样本的距离的索引集合，以波段有波形和无波形为分类目标，计算dist
k
初始信息熵H
org
；
[0022]S33、设阈值θ为距离集合dist
k
中的任意值，通过比较阈值θ与距离集合dist
k
中距离数值的大小，能够将dist
k
划分为距离数值小于等于θ和大于θ的两类距离集合，分别记为A和B，记索引集合Aindex为A集合中的数据在dist
k
中的索引位置，索引集合Bindex为B集合中的数据在dist
k
中的索引位置；
[0023]S34、枚举阈值θ可能的取值，使得划分距离集合dist
k
后的条件熵最小，此时的阈值θ为最佳阈值θ
′
...

【技术保护点】

【技术特征摘要】
1.一种基于波段子序列比对的QRS波群形态识别方法，其特征在于：包括以下步骤，S1、在经过预处理包括滤波和去噪后的心电图的训练样本上，截取R波极值点前后设定长度区域形成QRS波群检测区域，将QRS波群检测区域内若干极值点作为分割点，将QRS波群检测区域划分为多个波段；S2、在每个波段上，提取若干个滑动窗口，生成波段的候选子序列集合；S3、遍历候选子序列集合，根据每个子序列和训练样本对应波段的距离，寻找最佳子序列和最佳阈值作为对应波段的识别特征，用于后续波形预测；S4、输入待预测心电图，划分为多个待预测波段，计算各待预测波段与训练样本上对应波段最佳子序列的欧式距离，并得到最小欧式距离；S5、比较最小欧式距离与最佳阈值，确定待预测波段为有波形态或无波形态；在确定为有波形态后，根据波段振幅确定为大波形或小波形，得到待预测波段的预测结果；S6、拼接所有待预测波段的预测结果，实现QRS波群整体形态的预测。2.如权利要求1所述的基于波段子序列比对的QRS波群形态识别方法，其特征在于：步骤S1中，将QRS波群检测区域划分为多个波段，每个波段包含有波和无波两种形态，其中有波形态包含大波形和小波形。3.如权利要求1所述的基于波段子序列比对的QRS波群形态识别方法，其特征在于：步骤S2中，在每个波段上，提取若干个滑动窗口，生成波段的候选子序列集合，具体为，设样本某波段为[X
i
,
…
,X
j
]，其中，X
i
表示i时刻的电压，滑动窗口长度T分别取1到j
‑
i+1的任意值，每个T会产生j
‑
i+2
‑
T个子序列，所以该样本的该波段上会生成个子序列，所有样本在该波段生成的子序列构成波段的候选子序列集合。4.如权利要求1
‑
3任一项所述的基于波段子序列比对的QRS波群形态识别方法，其特征在于：步骤S3中，遍历候选子序列集合，根据每个子序列和训练样本对应波段的距离，寻找最佳子序列和最佳阈值作为对应波段的识别特征，用于后续波形预测，具体为，S31、设波段对应n个样本，n个样本在该波段生成的候选子序列集合共包含m个子序列，计算每个子序列sub
k
，其中，1≤k≤m与n个样本对应波段的距离，组成距离集合dist
k
＝{d1,
…
,d
i
,
…
,d
n
}，其中，d
i
表示子序列sub
k
与第i个样本对应波段的最小欧式距离，m个子序列能够生成m个距离集合，即D＝{dist1,
…
,dist
k
,
…
,dist
m
}；S32、距离集合dist
k
所包含的距离分为两类，即子序列sub
k
与有波形态样本的距离和无波形态样本的距离，记集合index1为dist
k
中sub
k
与有波形态样本的距离的索引集合，记集合index2为dist
k
中sub
k
与无波形态样本的距离的索引集合，以波段有波形和无波形为分类目标，计算dist
k
初始信息熵H
org
；S33、设阈值θ为距离集合dist
k
中的任意值，通过比较阈值θ与距离集合dist
k
中距离数值的大小，能够将dist
k
划分为距离数值小于等于θ和大于θ的两类距离集合，分别记为A和B，记索引集合Aindex为A集合中的数据在dist
k
中的索引位置，索引集合Bindex为B集合中的数据在dist
k
中的索引位置；S34、枚举阈值θ可能的取值，使得划分距离集合dist
k
后的条件熵最小，此时的阈值θ为最佳阈值θ
′
，子序列sub
k
对应的最小条件熵记为H
k
；S35、根据得到的初始信息熵H
org
和最小条件熵H
k
，计算子序列sub
k
对应的信息增益G
k
＝
H
org
‑
H
k
；S36、针对每个波段的所有候选子序列重复步骤S32至步骤S35，找到信息增益最大的子序列和划分阈值，分别记为波段的最佳子序列sub
′
和最佳阈值θ
′

【专利技术属性】
技术研发人员：韩京宇，郎杭，刘阳，武凡，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：