【技术实现步骤摘要】
基于机器学习与高频心电的心肌缺血检测方法及装置
[0001]本专利技术涉及生物电信号识别技术,尤其公开基于机器学习与高频心电的心肌缺血检测方法及装置,属于医学的
。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术
。
[0003]心肌缺血是指心肌由于冠状动脉供血不足而引起的缺氧状态
。
冠状动脉是心脏供血的主要血管,负责将氧气和营养物质输送到心肌细胞中
。
当冠状动脉发生狭窄
、
堵塞或者血流不足时,心肌无法得到足够的氧气和营养,便会发生心肌缺血
。
[0004]在心脏疾病发作之前对心肌缺血进行诊断可以有效防止恶性心血管疾病的发生
。
目前确诊心肌缺血主要依赖于以下三类检测技术:
(1)
心肌标志物检测,当心肌细胞受损或者坏死时,会释放特定的蛋白质标志物到血液中,通过测量肌钙蛋白
I(Cardiac Troponin I,cTnI)、
肌钙蛋白
T(Cardiac Troponin T,cTnT)
和肌酸激酶
(Creatine Kinase
‑
MB,CK
‑
MB)
等标志物的水平可以评估冠状动脉供血情况和心肌灌注状态,但是该方法是一种侵入性的检查,并且患者心脏病发作之前通常不会有任何的症状,其检查结果通常较为滞后;
(2)
影像学检查,影像学 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
基于机器学习与高频心电的心肌缺血程度检测方法,其特征在于,包括如下步骤:步骤1,获取被测试者的高频心电信号数据,所述高频心电信号为频率在
100Hz
以上且信号幅度为微伏级的电信号;步骤2,定位高频心电信号数据的
Q
波群
、R
波群
、S
波群
、T
波群
、P
波群,并提取高频
QRS
波段信号
、ST
波段信号以及单个心拍;步骤3,根据步骤2提取的高频
QRS
波段信号
、ST
波段信号以及单个心拍提取反映心肌缺血的指标特征,所述反映心肌缺血的指标特征包括:反映心脏电活动心室复极化异常的指标特征
、
反映心室去极化阶段异常的指标特征
、
反映心脏交感神经活性的指标特征
、
反映心脏传导系统复杂度变化的指标特征;步骤4,将步骤3提取的指标特征输入到训练好的心肌缺血程度检测模型中,获取心肌缺血程度分类结果
。2.
根据权利要求1所述基于机器学习与高频心电的心肌缺血程度检测方法,其特征在于,所述步骤3中反映心脏电活动心室复极化异常的指标特征包括但不限于
QTc
间期和
T
波峰末间期;所述反映心室去极化阶段异常的指标特征包括但不限于
QRS
波段的高频形态指数
、
高频
QRS
均方根
。3.
根据权利要求2所述基于机器学习与高频心电的心肌缺血程度检测方法,其特征在于,所述步骤3中反映心脏交感神经活性的指标特征包括但不限于皮肤交感神经活性指标;所述步骤3中反映心脏传导系统复杂度变化的指标特征包括但不限于高频心电信号模式熵和基本尺度熵
。4.
根据权利要求3所述基于机器学习与高频心电的心肌缺血程度检测方法,其特征在于,所述步骤2提取
QRS
波段信号
、ST
波段信号以及单个心拍以及步骤3提取皮肤交感神经活性指标的具体方法为:对
0~1kHz
原始信号进行
50Hz
工频干扰的滤除处理和滤除基线漂移的处理,获取去噪后的高频心电信号;通过
Pan
‑
tompkins
算法定位所述去噪后的高频心电信号的
Q
波群
、R
波群
、S
波群
、T
波群
、P
波群;对去噪后的高频心电信号进行带通滤波处理,获取
0~150Hz
的高频心电信号
、250~500Hz
的高频心电信号
、500~1000Hz
的高频心电信号;从所述
0~150Hz
的高频心电信号中提取
ST
波段信号以及单个心拍,从
技术研发人员:刘澄玉,臧晓韩,邢彦涛,赵娜,赵璐璐,李建清,
申请(专利权)人:东南大学,
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。