【技术实现步骤摘要】
本专利技术属于医学数据识别，尤其涉及基于投影矩阵面积特征选择的左心室肥大识别方法及系统。
技术介绍
1、左心室肥大一般是某些疾病的代偿期表现，常见于高血压性心脏病、充血性心力衰竭等等，这些疾病有一定的致死率，如果发现早，及时采取预防措施，可以减少致死情况的发生。因此检测病人是否患有左心室肥大对于心脏疾病的预防有着重要的意义。目前医学上比较常用的检测左心室肥大的方法是超声心电图，它的检测标准包括cornell电压和sokolow-lyon电压，但是这两个标准主要关注的是qrs波群的振幅，忽略了左心室肥大的其他心电特征，因此判断结果并不太准确（cornell电压auc:0.57，灵敏度48%，特异性72%；sokolow-lyon电压auc:0.51，灵敏度14%，特异性96%）。另外根据心电图对左心室肥大的病情做出判断的标准十分复杂，会因个人原因而极大的影响诊断的效率和准确性。因此急需一种更为科学并且准确度更高的判断方法。
2、随着科学技术的发展，深度学习、机器学习这些技术与实践的结合越来越紧密。深度学习同样可以应用于医学疾病的诊断，这些技术可以辅助医生对病人的情况做出判断。比如卷积神经网络有助于对心电数据进行特征提取，长短期神经网络有助于解释数据之间的关联性。因此将深度学习应用于左心室肥大的诊断是可行的。其中，现有技术采用了cnn与lstm网络融合的方式检测左心室肥大。将12个导联的数据分割成（5000，12）的心电片段放入cnn与lstm融合的模型中训练，结果在准确度、特异性和灵敏度上相较于检测cornell和so
3、现有技术中，特征选择包含了许多种方法，可以分为三类：嵌入式，包装式，过滤式。过滤式：优点就是方便快捷，它只需要按照一定的规则，直接对特征矩阵里的特征做出评价。规则可以来源于信息论、图论，比如ig、mrmr、cc、trc。但是过滤式方法的缺点也是过于简单，不依赖于学习算法，因此选择出来的特征子集可能是局部最优解。包装式：为了解决过滤式容易造成局部最优的问题，提出生成不同的特征子集，利用最大化或者最小化目标函数的学习算法对特征子集进行直接评价，这样就可以找到全局最优的特征子集。但是缺点也十分明显，特征子集的个数随着特征的增加呈指数的方式进行增加，因此当特征很多的时候，计算的成本会非常高。嵌入式：为了找到一个更优的办法，嵌入式折中了过滤式和包装式的方法，加入了最小化和最大化的目标函数学习算法，但是对特征进行评价，而不是特征子集，这样就可以减少计算成本，并且可以更准确的对特征进行评价，从而组成最优特征子集。
4、目前主流的特征选择方法是嵌入式和过滤式，过滤式的方法ig、cc、卡方验证等等评价特征非常的简单快捷，但是由于缺少学习算法，选择的特征并不是全局最优。因此本文研究的是嵌入式的特征选择方法，这种方法可以选择的学习算法有很多，其中采用比较多的是最小二乘模型，其目标函数就是求出一个投影矩阵w（将特征x投影到标签y的空间上）使得预测的结果yt与实际的结果y之间的差值足够的小，从物理意义上来说就是使得预测的结果yt与实际的结果y在竖直方向上的距离足够的小。最小二乘模型中的投影矩阵w大多没有加入约束，致使在优化学习算法的过程中，无法获得更多的特征信息，选择的特征没有达到最优。由于投影矩阵的大小与特征数量和样本个数有关系，因此投影矩阵往往不是方阵。非方阵的正交约束问题是stiefel流形问题，也是非凸优化的问题，容易导致局部最优。
5、通过上述分析，现有技术存在的问题及缺陷为：左心室肥厚是指心肌纤维化超过正常室壁的肌肉厚度。左心室肥大本身并非一种疾病，但往往是心脏病的前兆，因此检测是否存在左心室肥大对于心脏病的预防就很有意义，传统的观测12导联心电图的方式数据信息识别准确度低。
技术实现思路
1、为克服相关技术中存在的问题，本专利技术公开实施例提供了基于投影矩阵面积特征选择的左心室肥大识别方法及系统。
2、所述技术方案如下：一种基于投影矩阵面积特征选择的左心室肥大识别方法，包括：
3、s1，对获取的原始心电数据进行滤波和降采样，获取r峰位置及预处理心拍截取；
4、s2，基于预处理后的心电数据，采用stiefel流形上的混合下降方向和混合步长的投影类非单调线搜索方法，求解含有正交约束的最小二乘算法的目标函数，获得令预测标签到真实标签竖直距离最小的投影矩阵w，将投影矩阵w绘制成多边形图像，用图形语言的方式展示投影矩阵w中蕴含的各个特征信息，基于投影矩阵面积的特征选择方法pma计算投影矩阵的面积，并对各个特征信息特征进行评价，选出最优的特征子集，并回溯标记出最优特征子集在心电信号中具体位置；
5、s3，基于评价信息获取评分高的心电特征位置，组成新的心电数据集放入分类器模型中进行训练，提取数据空间和时间维度上的特征，将数据空间和时间维度上的特征串行连接应用于左心室肥大的检测识别。
6、本专利技术的另一目的在于提供一种基于投影矩阵面积特征选择的左心室肥大识别系统，该系统通过所述的基于投影矩阵面积特征选择的左心室肥大识别方法实现，该系统包括：
7、心电数据预处理模块，对获取的原始心电数据进行滤波和降采样，获取r峰位置及预处理心拍截取；
8、基于投影矩阵面积特征选择模块，基于预处理后的心电数据，采用stiefel流形上的混合下降方向和混合步长的投影类非单调线搜索方法，求解含有正交约束的最小二乘算法的目标函数，获得令预测标签到真实标签竖直距离最小的投影矩阵w，将投影矩阵w绘制成多边形图像，用图形语言的方式展示投影矩阵w中蕴含的各个特征信息，基于投影矩阵面积的特征选择方法pma计算投影矩阵的面积，并对各个特征信息特征进行评价，选出最优的特征子集，并回溯标记出最优特征子集在心电信号中具体位置；
9、分类器模型识别模块，基于评价信息获取评分高的心电特征位置，组成新的心电数据集放入分类器模型中进行训练，提取数据空间和时间维度上的特征，将数据空间和时间维度上的特征串行连接应用于左心室肥大的检测识别。
10、结合上述的所有技术方案，本专利技术所具备的优点及积极效果为：本专利技术利用提出的投影矩阵面积特征选择方法对心电特征进行评价，选择最优的特征子集组成训练的原始数据集。采用cnn-lstm融合模型训练原始数据集，从而获得左心室肥大的诊断结果。
11、本专利技术从医院中获取了真实的1863个病患的数据，其中包含了931个非左心室肥大患者和932个左心室肥大患者，对处理后的数据进行了五折交叉验证，准确率达到81%。
12、相较于现有技术，本专利技术没有使用所有的心电数据信息，而是利用提出的投影矩阵面积特征选择方法选择在投影矩阵w中加入正交约束，首先选择出更能凸显左心室肥大病情的心电特征位置，然后组成新的数据集放入cnn-lstm模型中进行训练。对心电数据进行特征选择的目的在于去除掉冗余的特征、效果不好的特征和噪本文档来自技高网...
【技术保护点】
1.一种基于投影矩阵面积特征选择的左心室肥大识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于投影矩阵面积特征选择的左心室肥大识别方法，其特征在于，在步骤S2中，求解含有正交约束的最小二乘算法的目标函数，获得令预测标签到真实标签竖直距离最小的投影矩阵W，包括：
3.根据权利要求2所述的基于投影矩阵面积特征选择的左心室肥大识别方法，其特征在于，在步骤S2.1中，加入含有正交约束的最小二乘模型，包括：
4.根据权利要求3所述的基于投影矩阵面积特征选择的左心室肥大识别方法，其特征在于，在步骤S2.2中，简化目标函数，包括：
5.根据权利要求4所述的基于投影矩阵面积特征选择的左心室肥大识别方法，其特征在于，投影类非单调线搜索方法，包括：从Stiefel流形上的点出发，该点为投影矩阵加入正交约束后，变为Stiefel流形上的点，初始化一个投影矩阵，使得，在投影矩阵的切空间中寻找一个方向作为搜索的方向，在方向上选择步长，一直进行迭代，步长走完后，将迭代获得的点重新投影映射回流形上。
6.根据权利要求1所述的基于
7.根据权利要求6所述的基于投影矩阵面积特征选择的左心室肥大识别方法，其特征在于，初始类别方程如公式（11）所示：
8.根据权利要求1所述的基于投影矩阵面积特征选择的左心室肥大识别方法，其特征在于，在步骤S2中，将投影矩阵W绘制成多边形图像，用图形语言的方式展示投影矩阵W中蕴含的各个特征信息，基于投影矩阵面积的特征选择方法PMA计算投影矩阵的面积，并对各个特征信息特征进行评价，包括：
9.根据权利要求8所述的基于投影矩阵面积特征选择的左心室肥大识别方法，其特征在于，基于投影矩阵面积的特征选择方法PMA包括：
10.一种基于投影矩阵面积特征选择的左心室肥大识别系统，该系统通过权利要求1-9任意一项所述的基于投影矩阵面积特征选择的左心室肥大识别方法实现，其特征在于，该系统包括：
...【技术特征摘要】
1.一种基于投影矩阵面积特征选择的左心室肥大识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于投影矩阵面积特征选择的左心室肥大识别方法，其特征在于，在步骤s2中，求解含有正交约束的最小二乘算法的目标函数，获得令预测标签到真实标签竖直距离最小的投影矩阵w，包括：
3.根据权利要求2所述的基于投影矩阵面积特征选择的左心室肥大识别方法，其特征在于，在步骤s2.1中，加入含有正交约束的最小二乘模型，包括：
4.根据权利要求3所述的基于投影矩阵面积特征选择的左心室肥大识别方法，其特征在于，在步骤s2.2中，简化目标函数，包括：
5.根据权利要求4所述的基于投影矩阵面积特征选择的左心室肥大识别方法，其特征在于，投影类非单调线搜索方法，包括：从stiefel流形上的点出发，该点为投影矩阵加入正交约束后，变为stiefel流形上的点，初始化一个投影矩阵，使得，在投影矩阵的切空间中寻找一个方向作为搜索的方向，在方向上选择步长，一直进行迭代，步长走完后，将迭代获得的点重新投影映射回流形上。
<...【专利技术属性】
技术研发人员：张振兴，葛俊，吴琳，魏铮，王伊蕾，范文翼，周春姐，
申请(专利权)人：鲁东大学，
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。