心电信号自动检测方法及装置的制造方法
【技术领域】
[0001] 本发明涉及医学信号处理技术领域，尤其涉及一种心电信号自动检测方法及装 置。
【背景技术】
[0002] 心脏病是当今发病率和致死率最高的疾病之一，心脏病的防治和诊断现已成为当 今医学界的重要问题。一个世纪以来，心电图技术以其操作方法简便，对病人无侵入损害等 优点，一直被作为心脏病诊断的重要手段。
[0003] 常规心电图的诊断方法，是采集一小段心电波形，由医生进行读图诊断。这种诊断 方法，由于仅采集了一小段时间的心电波形，其反映的情况具有较大的偶然性。而传统的心 电检测技术虽然采集了病人24小时的心电活动全过程，但仍需要由人工进行离线诊断，医 生往往需要阅读大量心电图数据，这对诊断的可行性和准确性造成了严重的影响。所以，心 电图自动诊断具有重要的意义。
[0004] 心电图诊断涉及的因素很多，除了医学诊断标准以外，被测者的种族、地域、性别、 年龄等因素都会成为影响诊断的重要因素。因此，实际在人工诊断过程中，医生的判断并不 是完全依照诊断标准的，而是结合各方面特征，综合以往的病例经验，做出的诊断。这就给 心电信号自动诊断带来了挑战，说明完全以医学诊断标准为基础的自动诊断算法，无法应 对复杂多变的实际情况。
【发明内容】
[0005] 本发明的主要目的在于提出一种心电信号自动检测方法及装置，旨在解决传统心 电信号检测方法不够准确与合理的技术问题。
[0006] 为实现上述目的，本发明提供的一种心电信号自动检测方法，所述心电信号自动 检测方法包括以下步骤：
[0007] 获取用于训练SVM分类器的心电信号数据，并提取所述心电信号的各个特征参数 以及所述心电信号对应的心电状况的标注；
[0008] 根据所述提取的各个特征参数以及所述心电信号对应的心电状况的标注，建立用 于训练SVM分类器的训练样本集；
[0009] 根据所述训练样本集中的各个训练样本，训练针对不同心电状况的各个SVM分类 器；
[0010] 获取待检测心电信号数据，并提取所述待检测心电信号的各个特征参数；
[0011] 根据所述提取的各个待检测心电信号的特征参数以及所述训练完成的各个SVM 分类器，分析待检测心电信号，以得出所述待检测心电信号属于何种心电状况，作为检测结 果。
[0012] 优选地，所述根据所述提取的各个特征参数以及所述心电信号对应的心电状况的 标注，建立用于训练SVM分类器的训练样本集的步骤包括：
[0013] 根据各个所述特征参数建立特征参数序列矩阵；
[0014] 确定所述特征参数序列矩阵中，各个特征参数序列中的最大偏移点；
[0015] 判断所述的最大偏移点对应的特征参数是否为异常的特征参数，若为异常，剔除 所述最大偏移点对应的异常的特征参数；
[0016] 重新确定所述各个特征参数序列中的最大偏移点，判断所述最大偏移点对应的特 征参数是否为异常的特征参数，直至所述最大偏移点对应的特征参数为正常的特征参数， 以实现剔除所有的异常特征参数；
[0017] 计算所述特征参数序列的均值，实现对特征参数的统计，得出所述心电信号的特 征参数向量；
[0018] 根据所述统计得出的特征参数向量，结合所述心电信号对应的心电状况的标注， 建立用于训练SVM分类器的训练样本集。
[0019] 优选地，所述根据所述训练样本集中的各个训练样本，训练针对不同心电状况的 各个SVM分类器的步骤包括：
[0020] 根据所述训练样本集中心电信号对应的心电状况的种类个数，确定SVM分类器的 数量；
[0021] 根据所述SVM分类器针对的心电状况以及所述训练样本集中所述心电状况对应 的标注，设置训练样本集在训练各个SVM分类器时所对应的目标概率值；
[0022] 根据所述训练样本集中的各个训练样本与所述设置好的目标概率值，对针对不同 心电状况的各个所述SVM分类器进行训练。
[0023] 优选地，所述根据所述提取的各个待检测心电信号的特征参数以及所述训练完成 的各个SVM分类器，分析待检测心电信号，以得出所述待检测心电信号属于何种心电状况 的步骤包括：
[0024] 根据所述待检测心电信号的特征参数，统计得出所述待检测心电信号的特征参数 向量；
[0025] 将所述特征参数向量，代入所述的各个SVM分类器中运算，得出所述待检测心电 信号属于各个SVM分类器对应的心电状况的概率；
[0026] 比对所述待检测心电信号属于各个心电状况的概率，根据比对的各个概率确定所 述待检测心电信号应属于何种心电状况。
[0027] 优选地，所述心电信号自动检测方法还包括：
[0028] 在接收到新的训练样本集时，提取出所述训练样本集中的支持向量，生成所述支 持向量构成的支持向量样本集；
[0029] 合并所述接收到的新的训练样本集与所述支持向量样本集，以更新训练样本集；
[0030] 根据所述更新的训练样本集，对所述各个SVM分类器进行进一步的训练。
[0031] 此外，为实现上述目的，本发明还提出一种心电信号自动检测装置，所述心电信号 自动检测装置包括：
[0032] 处理模块，用于获取用于训练SVM分类器的心电信号数据，并提取所述心电信号 的各个特征参数以及所述心电信号对应的心电状况的标注；
[0033] 建立模块，用于根据所述提取的各个特征参数以及所述心电信号对应的心电状况 的标注，建立用于训练SVM分类器的训练样本集；
[0034] 训练模块，用于根据所述训练样本集中的各个训练样本，训练针对不同心电状况 的各个SVM分类器；
[0035] 所述处理模块，还用于获取待检测心电信号数据，并提取所述待检测心电信号的 各个特征参数；
[0036] 分析模块，用于根据所述提取的各个待检测心电信号的特征参数以及所述训练完 成的各个SVM分类器，分析待检测心电信号，以得出所述待检测心电信号属于何种心电状 况，作为检测结果。
[0037] 优选地，所述建立模块包括：
[0038] 建立单元，用于根据各个所述特征参数建立特征参数序列矩阵；
[0039] 第一确定单元，用于确定所述特征参数序列矩阵中，各个特征参数序列中的最大 偏移点；
[0040] 处理单元，用于判断所述的最大偏移点对应的特征参数是否为异常的特征参数， 若为异常，剔除所述最大偏移点对应的异常的特征参数；
[0041] 所述处理单元，还用于重新确定所述各个特征参数序列中的最大偏移点，判断所 述最大偏移点对应的特征参数是否为异常的特征参数，直至所述最大偏移点对应的特征参 数为正常的特征参数，以实现剔除所有的异常特征参数；
[0042] 第一统计单元，用于计算所述特征参数序列的均值，实现对特征参数的统计，得出 所述心电信号的特征参数向量；
[0043] 所述建立单元，还用于根据所述统计得出的特征参数向量，结合所述心电信号对 应的心电状况的标注，建立用于训练SVM分类器的训练样本集。
[0044] 优选地，所述训练模块包括：
[0045] 第二确定单元，用于根据所述训练样本集中心电信号对应的心电状况的种类个 数，确定SVM分类器的数量；
[0046] 设置单元，用于根据所述SVM分类器针对的心电状况以及所述训练样本集中所述 心电状况对应的标注，设置训练样本集在训练各个SVM分类器时所对应的目标概率值；
[0047] 训练单元，用于根据所述训练样本集中的各个训练样本与所述设置好的目标概率 值，对针对不同心电状况的各个所述SVM分类器进行训练。
[0048] 优选地，所述分析模块包括：
[0049] 第二统计单元，用于根据所述待检测心电信号的特征参数，统计得出所述待检测 心电信号的特征参数向量；
[0050] 代入单元，用于将所述特征参数向量，代入所述的各个SVM分类器中运算，得出所 述待检测心电信号属于各个SVM分类器对应的心电状况的概率；
[0051] 比对单元，用于比对所述待检测心电信号属于各个心电状况的概率，根据比对的 各个概率确定所述待检测心电信号应属于何种心电状况。
[0052] 优选地，所述心电信号自动检测装置还包括：
[0053] 生成模块，用于在接收到新的训练样本集时，提取出所述训练样本集中的支持向 量，生成所述支持向量构成的支持向量样本集；
[0054] 更新模块，用于合并所述接收到的新的训练样本集与所述支持向量样本集，以更 新训练样本集；
[0055] 所述训练模块，还用于根据所述更新的训练样本集，对所述各个SVM分类器进行 进一步的训练。
[0056] 本发明提出的心电信号自动检测方法及装置，获取用于训练SVM分类器的心电信 号数据，并提取所述心电信号的各个特征参数以及所述心电信号对应的心电状况的标注， 根据所述提取的各个特征参数以及所述心电信号对应的心电状况的标注，建立用于训练 SVM分类器的训练样本集，根据所述训练样本集中的各个训练样本，训练针对不同心电状况 的各个SVM分类器，并提取待检测心电信号数据的各个特征参数，根据所述提取的各个特 征参数以及所述训练完成的各个SVM分类器，分析待检测心电信号，以得出所述待检测心 电信号属于何种心电状况，实现了基于SVM分类器对心电信号进行检测和分析，为心电信 号的检测提供了较为详细的分析依据，而不是仅仅通过医学的标准进行检测，提高了心电 信号检测的准确性与合理性。
【附图说明】
[0057] 图1为本发明心电信号自动检测方法第一实施例的流程示意图；
[0058] 图2为图1中步骤S20的细化流程示意图；
[0059] 图3为图1中步骤S