一种心电信号自动分类方法
【技术领域】
[0001] 本发明涉及心电信号自动检测与分析技术，特别涉及一种心电信号自动分类方 法。
【背景技术】
[0002] 心脏病具有隐蔽性和潜伏性，不发病的时候很难在心电图上表现出来，发病时又 是短暂的，来不及观察心电图。为此需要给病人携带24小时Holter，进行24小时心电信号 采集，再把心电数据交给医生，由医生对数据进行分析。此时产生的数据量巨大，医生需要 大量时间来寻找不正常心拍。虽然Holter自带的软件系统能自动分析心拍，并给出统计信 息，但是由于人体差异较大，心电变化复杂，有些心拍仍需要医生人工识别改正。在如此大 量的数据中找到错误标记的心拍也是一项十分繁重的工作。为了极大地节约医生时间，提 高诊断效率，稳定的自动分类算法是十分必要的。
【发明内容】
[0003] 本发明的目的是提供一种心电信号自动分类方法，以解决现有分类算法在对不同 人体，不同环境下心电信号分类的不稳定问题。
[0004] 本发明的目的是这样实现的：本发明所提供的心电信号自动分类方法，包括以下 步骤：
[0005] a)获取人体的心电信号，并进行滤波处理，检测滤波后的心电信号的R波；
[0006] b)检测到R波以后，构建数据集，所述数据集由若干组心拍数据构成，每组所述心 拍数据均带有一种标签，所述标签总共有6种，分为正常心拍、左束支传导阻滞、右束支传 导阻滞、室性早搏、房性早搏、融合性心跳：
[0007] 每组所述心拍数据包含270个采样点，该270个采样点是根据检测到的R波的位 置，在所述R波的波峰点前面选取90个采样点，在所述R波的波峰点的后面选取179个采 样点；
[0008] C)构建稀疏自动编码深度学习网络：
[0009] 所述稀疏自动编码深度学习网络具有两个隐含层，后面连接softmax分类器，其 中，所述两个隐含层分别为第一隐含层和第二隐含层；
[0010] 所述稀疏自动编码深度学习网络的输入为270个采样点，所述第一隐含层节点数 为130,所述第二隐含层节点数为50 ;
[0011] d)分步训练所述稀疏自动编码深度学习网络：
[0012] d-1)将所述数据集的心拍数据进行归一化处理，然后输入SAE模型，采用SAE模型 训练所述稀疏自动编码深度学习网络的第一隐含层，得到第一隐含层的网络权值，并得到 心拍数据的浅层特征；
[0013] d-2)采用同样的SAE模型，将所述浅层特征输入所述SAE模型，训练所述稀疏自动 编码深度学习网络的第二隐含层，得到第二隐含层的网络权值，并得到所述若干组心拍数 据的高层次特征；
[0014] d-3)将得到的高层次特征输入到softmax分类器，训练softmax分类器，得到 softmax分类器的网络权值；
[0015] e)根据步骤d)所得的第一隐含层的网络权值、第二隐含层的网络权值和softmax 分类器的网络权值，将待测心拍数据输入所述稀疏自动编码深度学习网络，得到心拍数据 的分类输出。
[0016] 所述步骤a)的具体过程如下：
[0017] (1)信号采集：以250Hz的采集频率采集人体心电原始信号，并存储为TXT文档的 数据形式，然后用Matlab软件将所述TXT文档存储的心电原始信号数据读取到电脑中；
[0018] (2)对所述心电原始信号数据进行滤波处理：
[0019] (2-1)对所述心电原始信号进行小波分解：选择DB6小波，对信号进行8层分解， 得到各个尺度上的小波系数d i;
[0020] (2-2)采用改进的计算阈值方法，求取各尺度的阈值，对小波系数进行阈值化处 理：
[0021]
【主权项】
1. 一种心电信号自动分类方法，其特征是，包括以下步骤： a) 获取人体的心电信号，并进行滤波处理，检测滤波后的心电信号的R波； b) 检测到R波以后，构建数据集，所述数据集由若干组心拍数据构成，每组所述心拍数 据均带有一种标签，所述标签总共有6种，分别为正常心拍、左束支传导阻滞、右束支传导 阻滞、室性早搏、房性早搏、融合性心跳： 每组所述心拍数据包含270个采样点，该270个采样点是根据检测到的R波的位置，在 所述R波的波峰点前面选取90个采样点，在所述R波的波峰点的后面选取179个采样点； c) 构建稀疏自动编码深度学习网络： 所述稀疏自动编码深度学习网络具有两个隐含层，后面连接softmax分类器，其中，所 述两个隐含层分别为第一隐含层和第二隐含层； 所述稀疏自动编码深度学习网络的输入为270个采样点，所述第一隐含层节点数为 130,所述第二隐含层节点数为50 ; d) 分步训练所述稀疏自动编码深度学习网络： d-1)将所述数据集的心拍数据进行归一化处理，然后输入SAE模型，采用SAE模型训练 所述稀疏自动编码深度学习网络的第一隐含层，得到第一隐含层的网络权值，并得到心拍 数据的浅层特征； d-2)采用同样的SAE模型，将所述浅层特征输入所述SAE模型，训练所述稀疏自动编码 深度学习网络的第二隐含层，得到第二隐含层的网络权值，并得到所述若干组心拍数据的 高层次特征； d-3)将得到的高层次特征输入到softmax分类器，训练softmax分类器，得到softmax 分类器的网络权值； e) 根据步骤d)所得的第一隐含层的网络权值、第二隐含层的网络权值和softmax分类 器的网络权值，将待测心拍数据输入所述稀疏自动编码深度学习网络，得到心拍数据的分 类输出。
【专利摘要】本发明公开了一种心电信号自动分类方法，其是按如下的步骤实现的：a）获取人体的心电信号，并进行滤波处理，检测滤波后的心电信号的R波；b）检测到R波以后，构建数据集，所述数据集由若干组心拍数据构成，每组所述心拍数据均带有一种标签；c）构建稀疏自动编码深度学习网络；d）分步训练所述稀疏自动编码深度学习网络；e）根据步骤d）所得的第一隐含层的网络权值、第二隐含层的网络权值和softmax分类器的网络权值，将待测心拍数据输入所述稀疏自动编码深度学习网络，得到分类输出的心拍数据。本发明将稀疏自动编码深度学习网络应用于心拍数据的分类，利用其自主学习能力和深层特征挖掘的特性，提取信号更深层次的特征，而对心拍数据进行分类。
【IPC分类】A61B5-0456, A61B5-0402
【公开号】CN104523266
【申请号】CN201510005290
【发明人】刘秀玲, 杨建利, 白洋, 杜海曼, 王洪瑞
【申请人】河北大学
【公开日】2015年4月22日
【申请日】2015年1月7日