一种基于聚类分析的单导联特异主波识别定位方法与流程

本发明提出了一种基于聚类分析的单导联特异主波识别定位方法，涉及心电图智能诊断领域。

背景技术：

心电图检查是体检的常见项目，如果患者疑似有心律失常症状，通常也会去医院做个心电图，但是，在医院的几分钟或者十几分钟心电图，难以发现问题，这时候医生可能会给患者一个可以穿戴的心电图检测器，佩戴两周或者更长时间，这会产生几百小时的心电图，医生要一秒一秒的检查，这是很费时间的。

目前，已有研究者针对心律失常的智能诊断进行研究。比如早期的利用支持向量机、knn等机器学习方法对心律失常进行诊断；近年随着深度学习的兴起，也有学者提出了利用深度学习对心律失常进行诊断的新方法：比如国外吴恩达带领斯坦福机器学习组提出用cnn进行心脏病专家级的心律不齐检测，国内高岩等利用cnn对多导联的心律失常智能诊断方法进行了研究。我们也曾结合二维cnn或lstm对多导联心律失常的智能诊断进行研究，并申请了相关的发明专利。然而，这些方法均为监督学习方法，具体到心律失常智能诊断而言，就不可避免存在一定的局限性：首先是需要大量针对某种心律失常类型的带标签训练数据；其次是个体与个体之间心律失常常具有各自的内在特征，利用大量个体训练好的模型对某个个体进行诊断，适应性存在疑问。

为此，我们基于最近的最新研究成果，提出一种基于聚类分析的单导联特异主波识别定位方法，通过多阶段、多层次运用聚类分析工具，确定了导联特异主波类型及位置，从而为医生的进一步诊断提供参考。该方法为无监督学习方法，不需要标签数据，且能针对个体心电图进行识别定位，从而较好的解决了常规监督学习方法存在的两个问题，易于理解，容易实现，精度较高。

技术实现要素：

本发明的目的，在于提供克服现有技术的不足，发明一种基于聚类分析的单导联特异主波识别定位方法。

为了实现上述目的，本发明所采用的技术方案如下：

一种基于聚类分析的单导联特异主波识别定位方法，该方法包括：a)预处理；b)基于选定特征，对主波进行自适应聚类分析；c）综合分析，确定特异主波类型及具体位置。所述a)预处理方法为：

步骤1：基于常规分析方法获得单导联数据上各主波大致位置；所述该分析方法为p-t计算方法或一种基于正则化最小二乘回归学习的qrs波起点终点定位方法；

步骤2：用modwt去除原始数据基线漂移及高频误差；所述modwt是高度冗余的非正交变换，样本容量可为任意值，且具有位移不变性，通过综合比较分析，选择sym4小波，分析到第6层，选取d2、d3、d4、d5、d6作为重构信号，从而去除基线漂移及高频误差；

步骤3：校准，确定已有主波具体位置及时限，并获得可能遗漏的候选主波位置，所述该校准，确定已有主波具体位置及时限分为两步骤：

(1)对所有初始主波位置：以某初始主波位置附近较小区间内绝对值极大值点，取代原始初始主波位置，并根据所有主波方向获得主波主体方向。对个别与主体方向不一致的主波方向，根据其在本方向的幅值排序及相对方向主波幅值情况，更改或保持原有方向，从而确定主波具体位置，并基于斜率变化情况及qrs正常时限范围，确定各主波时限；

(2)在现有主波位置不应期之外，找出各点附近一定区间内的绝对值极大值点作为候选的遗漏主波位置，为后期根据聚类分析结果进行有针对性补充提供准备；

作为优选：所述b)基于选定特征，对主波进行自适应聚类分析方法为：

步骤1：基于主波形态特征，对主波进行自适应聚类分析，补充可能的遗漏候选主波，找出可能的特异主波位置：

(1)获得各主波点两端一定范围内的波形数据，并减去主波点对应幅值，然后取绝对值得待聚波形数据；

(2)对待聚波形数据采用自适应聚类方法，获得对应最高平均评价指标的分类数目，以此分类数目进行聚类分析，获得各分类对应的类别评价指标；

(3)根据总体评价指标、各分类评价指标及各分类平均时限确定是否进入形状聚类模块：当平均时限较大时，要求评价指标较大；反之，当平均时限较小时，可适当放低评价指标要求，具体参数根据实际的分析数据而定；

(4)当波形可分时，考虑补充候选的遗漏主波位置，首先，计算各类中心，及类内各点离中心的最小、最大距离；其次，计算各候选主波位置距各类中心距离，取距离最小者类别做为候选类，考察该距离是否在该类内最大距离范围之内，在其中或虽然稍大但相差很小或距其中某类距离远小于距相邻类的距离，则将该候选主波位置归为该类；最后，记录剩余的候选主波位置；

(5)分类，确定特异主波类别，类别数为两类，且某类别对应的平均时限最大，且满足给定的宽大畸形主波时限要求，则取该类别为特异主波类；类别数多于两类，则对各类平均时限进行由大到小排序，取平均时限满足要求的所有类别为特异主波；

(6)对正向的特异主波进行个别校准。对正向主波进行聚类分析，确定其是否可以二分；具有正向特异主波，则根据正向主波是否可以二分及个体主波的时限确定是否去除该主波，没有正向特异主波，则根据正向主波是否可以二分及个体主波的时限确定是否补充个别主波；

(7)波形不可分，考虑具有负向主波的特殊情况，负向主波满足时限要求，则将该主波确定为特异主波；

(8)不满足要求，则基于形态聚类分析的特异主波为空；

步骤2：基于主波间期特征，对主波间期进行自适应聚类分析，补充可能的遗漏候选主波，找出可能的特异主波位置：

(1)获得主波位置一阶差分数据，即间期数据；

(2)根据间期极差，判断间期数据是否匀齐，如匀齐，则间期不可分，如不匀齐，则继续进行下述步骤；

(3)采用自适应聚类方法，获得对应最高平均评价指标的分类数目，以此分类数目进行聚类分析，获得各分类对应的评价指标；

(4)该平均评价指标大于给定值或某类内评价指标大于给定值，则间期可分；

(5)当间期可分时，考虑补充候选的遗漏主波位置，首先，计算各类中心，及类内各点离中心的最小、最大距离；其次，计算各候选主波前后间期距各类中心距离，取距离最小者类别做为候选类，考察该距离是否在该类内最大距离范围之内，在其中或虽然稍大但相差很小或距其中某类距离远小于距相邻类的距离，则将该候选主波位置前后间期归为该类；最后，记录剩余的候选主波位置；

(6)分类，确定特异间期主波类别，以快速型的早搏为例：类别数为两类，某类别对应的间期最小，且满足给定的间期要求，则取该类别为特异间期类，以这些间期位置加1为对应的特异主波位置；类别数多于两类，则对各类平均间期进行由小到大排序，取平均间期满足要求的所有类别对应的间期位置加1为特异主波位置，逸搏及传导阻滞类型正好相反；

(7)评价指标小于给定值，则基于间期聚类分析的特异主波为空；

作为优选：所述c）综合分析，确定特异主波类型及具体位置方法为：基于主波形态聚类分析结果及主波间期聚类结果，确定特异主波类型及位置；

结果一：当形态聚类分析结果及间期聚类分析结果均不存在时，特异主波为空集；

结果二：当形态聚类分析结果及间期聚类分析结果二者存一时，取对应的特异主波类型及具体位置；

结果三：当形态聚类分析结果及间期聚类分析结果均存在时，取二者交集作为最终结果。

附图说明

图1为本发明“一种基于聚类分析的单导联特异主波识别定位方法”实施步骤流程图；

图2为一例“偶发室性早搏”心电图识别的特异主波位置；

图3为一例“频发室性早搏”心电图识别的特异主波位置；

图4为一例“偶发房性早搏”心电图识别的特异主波位置；

图5为一例“频发房性早搏”心电图识别的特异主波位置。

具体实施方式

下面将结合附图，对本发明的技术方案作进一步详细的说明，如附图1一种基于聚类分析的单导联特异主波识别定位方法，包括以下步骤：

a)预处理：

步骤1：基于常规分析方法获得单导联数据上各主波大致位置；

目前，关于心电图主波定位方法非常之多，比如经典的p-t算法或采用本公司自研的一种基于正则化最小二乘回归学习的qrs波起点终点定位方法（专利号为：201610369281.7）

步骤2：利用modwt去除原始数据基线漂移及高频误差；

modwt是高度冗余的非正交变换，样本容量可为任意值，具有位移不变性，非常适合处理心电图数据。在实际使用中，通过综合比较分析，选择sym4小波，分析到第6层，选取d2、d3、d4、d5、d6作为重构信号，从而去除基线漂移及高频误差；

步骤3：校准，确定已有主波具体位置及时限，并获得可能遗漏的候选主波位置；

因单导联固有缺陷，不能像多导联一样进行导联之间的相互校准，初始定位的主波可能会存在方向颠倒（如主波本应取r波变成取s波）、遗漏等现象，而这些均会影响到后期的聚类分析结果。为此，分两步进行：

(1)对所有初始主波位置：以某初始主波位置附近较小区间内绝对值极大值点，取代原始初始主波位置，并根据所有主波方向获得主波主体方向，对个别与主体方向不一致的主波方向，根据其在本方向的幅值排序及相对方向主波幅值情况，更改或保持原有方向，从而确定主波具体位置，并基于斜率变化情况及qrs正常时限范围，确定各主波时限（注：即顶点两端谷点之间距离）；

(2)在现有主波位置不应期之外，找出各点附近一定区间内的绝对值极大值点，作为候选的遗漏主波位置，为后期根据聚类分析结果进行有针对性补充提供准备；

b)基于选定特征，对主波进行自适应聚类分析：

步骤1：基于主波形态特征，对主波进行自适应聚类分析，补充可能的遗漏候选主波，找出可能的特异主波位置：

(1)获得各主波点两端一定范围内的波形数据（注：因正常主波范围约为0.06s-0.08s，根据实际分析体验，取区间约为0.07s），并减去主波点对应幅值，然后取绝对值（注：考虑正负方向宽大畸形主波）得待聚波形数据；

(2)对待聚波形数据采用自适应聚类方法，获得对应最高平均评价指标的分类数目，以此分类数目进行聚类分析，获得各分类对应的类别评价指标；

(3)根据总体评价指标、各分类评价指标及各分类平均时限确定是否进入形状聚类模块：当平均时限较大时，要求评价指标较大；反之，当平均时限较小时，可适当放低评价指标要求。具体参数根据实际的分析数据而定；

(4)当波形可分时，考虑补充候选的遗漏主波位置，首先，计算各类中心，及类内各点离中心的最小、最大距离；其次，计算各候选主波位置距各类中心距离，取距离最小者类别做为候选类，考察该距离是否在该类内最大距离范围之内，如果在其中或虽然稍大但相差很小或距其中某类距离远小于距相邻类的距离，则将该候选主波位置归为该类；最后，记录剩余的候选主波位置；

(5)分类，确定特异主波类别。如果类别数为两类，且某类别对应的平均时限最大，且满足给定的宽大畸形主波时限要求，则取该类别为特异主波类；如果类别数多于两类，则对各类平均时限进行由大到小排序，取平均时限满足要求的所有类别为特异主波；

(6)对正向的特异主波进行个别校准。对正向主波进行聚类分析，确定其是否可以二分。如果具有正向特异主波，则根据正向主波是否可以二分及个体主波的时限确定是否去除该主波，如果没有正向特异主波，则根据正向主波是否可以二分及个体主波的时限确定是否补充个别主波；

(7)如果波形不可分，考虑具有负向主波的特殊情况，如果负向主波满足时限要求，则将该主波确定为特异主波；

(8)如果不满足要求，则基于形态聚类分析的特异主波为空；

步骤2：基于主波间期特征，对主波间期进行自适应聚类分析，补充可能的遗漏候选主波，找出可能的特异主波位置：

(1)获得主波位置一阶差分数据，即间期数据；

(2)根据间期极差，判断间期数据是否匀齐，如匀齐，则间期不可分，如不匀齐，则继续进行下述步骤；

(3)采用自适应聚类方法，获得对应最高平均评价指标的分类数目，以此分类数目进行聚类分析，获得各分类对应的评价指标；

(4)如果该平均评价指标大于给定值，比如0.85，或某类内评价指标大于给定值，比如0.98，则间期可分；

(5)当间期可分时，考虑补充候选的遗漏主波位置。首先，计算各类中心，及类内各点离中心的最小、最大距离；其次，计算各候选主波前后间期距各类中心距离，取距离最小者类别做为候选类，考察该距离是否在该类内最大距离范围之内，如果在其中或虽然稍大但相差很小或距其中某类距离远小于距相邻类的距离，则将该候选主波位置前后间期归为该类；最后，记录剩余的候选主波位置；

(6)分类，确定特异间期主波类别。以快速型的早搏为例：如果类别数为两类，某类别对应的间期最小，且满足给定的间期要求，则取该类别为特异间期类，以这些间期位置加1为对应的特异主波位置；如果类别数多于两类，则对各类平均间期进行由小到大排序，取平均间期满足要求的所有类别对应的间期位置加1为特异主波位置。逸搏及传导阻滞类型正好相反；

(7)如果评价指标小于给定值，则基于间期聚类分析的特异主波为空；

c）综合分析，确定特异主波类型及具体位置：基于主波形态聚类分析结果及主波间期聚类结果，确定特异主波类型及位置；

结果一：当形态聚类分析结果及间期聚类分析结果均不存在时，特异主波为空集；

结果二：当形态聚类分析结果及间期聚类分析结果二者存一时，取对应的特异主波类型及具体位置；

结果三：当形态聚类分析结果及间期聚类分析结果均存在时，取二者交集作为最终结果。

实施例

实施例说明

为了检验方法的有效性，我们对130余份单导联心电图进行了特异波形识别定位测试，准确度达到95%以上。附图以四份单导心电图数据特异波形的识别定位作为示例；

数据基本参数：时长：60秒，频率：250hz；

在定位时，为了更好的体现程序的鲁棒性，均在同一套参数运行。具体参数设置如下：不应期：0.3秒；形态聚类区间：0.07秒；形态聚类总体评价阈值：0.85；形态聚类分类评价阈值：0.95；形态聚类宽大畸形类平均时限阈值：0.12秒；间期聚类匀齐阈值：0.2秒；间期聚类总体评价阈值：0.85；间期聚类分类评价阈值：0.95；间期聚类早搏类间期阈值：90次/秒。

计算结果

识别定位的特异主波以红色“○”表示：

1）“偶发室性早搏”心电图特异主波识别定位一例，如图2所示；

2）“频发室性早搏”心电图特异主波识别定位一例，如图3所示；

3）“偶发房性早搏”心电图特异主波识别定位一例，如图4所示；

4）“频发房性早搏”心电图特异主波识别定位一例，如图5所示；

由图2-5可见，各心电图特异波形识别定位准确。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。