一种基于体域网的心电感知诊断方法
【技术领域】
[0001] 本发明涉及心电感知系统领域，特别涉及一种基于体域网的心电感知诊断方法。
【背景技术】
[0002] 随着科技的进步和人类文明的发展，人们越来越关注自身的健康和身体状态，基 于此，越来越多的体征感知检测设备被制造出来，不仅仅在医院，人们已经能够通过佩戴的 心电感知设备，通过手机或其他显示装置，实时了解自己的心脏状态等。
[0003] 然而目前心电感知领域虽然产品繁多，但因为采集精度及后期处理方法问题，常 存在信号干扰，失真，模糊等等各种缺点，结果往往不够精确，还具有很大的提升空间。 [0004]因此，提供一种采集精度高，减少信号干扰，失真，模糊的缺点的心电感知系统就 变得尤为重要。
【发明内容】
[0005] 为解决上述现有技术的问题，本发明提供一种基于体域网的心电感知诊断方法， 能够实现实时检测用户的心电相关数据，以评测客户的健康状态，精细度高，准确高效，具 有很好的商业应用价值。
[0006] 为达到上述目的，本发明的技术方案为：
[0007] -种基于体域网的心电感知诊断方法，包括如下步骤：
[0008] 步骤一:硬件设备的连接
[0009] 模块一端子接在左胸下方，另一端子接在右胸上方;并将USB心电采集设备的USB 接口与手机或pc相连接；
[0010] 步骤二:系统操作
[0011] 1)将系统压缩包解压到指定的文档中，并点击心电-ECG.exe，运行系统；
[0012] 2)点击 Start 设备；
[0013] 3)点击Connect，连接外部设备；
[0014] 4)待采集到的心电数据图稳定后，点击Record，记录并保存采集到的数据；
[0015] 5)采集数据完毕后点击SStop，定制记录数据；
[0016] 6)将采集到的数据保存到指定的位置；
[0017] 7)点击"Diagnose"，给出诊断结果；
[0018]步骤三:输入/输出文卷
[0019]提供被本运行建立、更新或访问的数据文卷的有关信息，如：
[0020] I )E: \\Data\\MIT-BIH_Data 这是病例文件夹
[0021] 2)E: \\Data\\BMD101-Data这是心电采集记录文件夹
[0022] 3)E:\\Data\\Data_Sink这是数据库临时缓冲文件
[0023]输出结果文段。
[0024]进一步的，所述步骤二中心电数据的采集功能通过下述步骤实现：
[0025] 由前端心电信号放大滤波模块放大后的心电信号直接送给LPC2478芯片的PO. 23 引脚进行A/D转换，经转换后的数据为无符号32位数据格式，将其放入缓存数组中送给USB 进行存储，并留待给LCD显示输出，具体实现过程为：
[0026] 首先，需创建两个数据缓存区 "GcWritFileData[DATA_N]" 及 uGcReadFileData [DATA_N]"做为"写文件缓冲区"及"读文件缓冲区"，初始化mC/OS II操作系统，创建用于处 理A/D转换的任务TaskO及用于LCD显示的任务Taskl，启动多任务环境，在TaskO中首先进行 硬件平台的初始化，设置PO. 23为AINO[0]功能，作为A/D转换的输入引脚，进行ADC模块设 置，设置转换时钟等，采用直接启动ADC转换，进行转换的参考电压为精密恒压源提供的 2.5V电压，最后转换结果保存至"写文件缓冲区"。接着初始化USB HOST，并创建文件系统任 务"OSFileTask"，用"OSFileOpen"函数创建并打开一个命名为"ECD.dat"的文件，通过 "OSFileWrite"函数将"GcWritFileData"写文件缓冲区的数据写入到磁盘中，并通过其返 回值判断写文件是否成功，完成写文件后再使用"OSFileRead"函数将"GcWritFileData"写 文件缓冲区的数据读写到"GcReadFileData"读文件缓冲区，再通过写、读文件缓冲区数据 的比较来确定写入文件数据是否正确，至此，完成从A/D转换接收数据及转存至USB的过程。 然后通过我们的读取程序将磁盘中的心电数据读取即可。
[0027] 进一步的，所述步骤二中心电数据的诊断功能通过下述方法实现：
[0028]数据接口：从心电数据采集样本数据;在软件上进一步的处理，通过对采集的信号 进行滤波降噪处理，最后得到心电信号；
[0029] 低通滤波：
[0030] 特征提取算法：
[0031] PCA是主成分分析，主要用于数据降维，对于一系列例子的特征组成的多维向量， 多维向量里的某些元素本身没有区分性，比如某个元素在所有的例子中都为1，或者与1差 距不大，那么这个元素本身就没有区分性，用它做特征来区分，贡献会非常小;所以我们的 目的是找那些变化大的元素，即方差大的那些维，而去除掉那些变化不大的维，从而使特征 留下的都是"精品"，而且计算量也变小了；
[0032]对于一个k维的特征来说，相当于它的每一维特征与其他维都是正交的：相当于在 多维坐标系中，坐标轴都是垂直的，通过变化这些维的坐标系，从而使这个特征在某些维上 方差大，而在某些维上方差很小;一个45度倾斜的椭圆，在第一坐标系，如果按照X，y坐标来 投影，这些点的X和y的属性很难用于区分他们，因为他们在x，y轴上坐标变化的方差都差不 多，我们无法根据这个点的某个X属性来判断这个点是哪个，而如果将坐标轴旋转，以椭圆 长轴为X轴，则椭圆在长轴上的分布比较长，方差大，而在短轴上的分布短，方差小，所以可 以考虑只保留这些点的长轴属性，来区分椭圆上的点，这样，区分性比x，y轴的方法要好；
[0033]所以我们的做法就是求得一个k维特征的投影矩阵，这个投影矩阵可以将特征从 高维降到低维;投影矩阵也可以叫做变换矩阵;新的低维特征必须每个维都正交，特征向量 都是正交的;通过求样本矩阵的协方差矩阵，然后求出协方差矩阵的特征向量，这些特征向 量就可以构成这个投影矩阵了；特征向量的选择取决于协方差矩阵的特征值的大小。
[0034] 首先，在系统初始化的过程中，我们对MIT-BIH-Data病例文件进行预处理，方法如 下：
[0035] 第一步:读取MIT-BIH-Data病例文，建立如下结构的病例表：
[0037]第二步：利用前文所述的特征提出算法提取病例表中的每条心电数据的特征信 息，得到特征信息病例表，表的结构如下(η远小于M):
[0039]第三步:我们将心电数据空间划分成多个互不交叠的超立方体，并给每个数据超 立方体分配一个唯一的编号（ID);所述的超立方体是如下的结构：
[0040]假设心电数据的特性信息共有η个数据，我们将这η个特征信息视为η维数据，那么 一个超立方体则包括η个区间[ai，bi)，[a2，b2)，···[Βη，?3η)和一个ID，其中区间[ai，bi)表示该 超立方体只存放第i个特征数据Cl 1满足^dXb1的特征数据；
[0041 ]第四步:若一个特征数据D= (di，d2，…，dn)满足di[ai，bi)and d2[a2，b2)and…and dn[an，bn)，则将心电特征数据D归并到该超立方体，并建立一个映射表，所述的映射表的结 构为：
[0043]第五步:去除空的超立方体，计算每个非空超立方体的质心坐标，并建立基于质心 坐标的数据超立方体索引表，所示的质心坐标就是求在同一个超立方体中的心电特征数据 的平均值；
[0045] 当数据采集模块将采集到的心电数据经过降噪滤波之后发送到特征提取模块，特 征提取模块提取病人心电数据的特性信息；当用户点击"Diagnose"按钮时，系统将这些特 征信息作为查询条件，发送给远程的数据库服务器，服务器接收到查询条件之后按如下的 方法诊断：
[0046] 第一步:服务器利用相似性度量公式，在数据超立方体索引表中寻找距离查询条 件最近的K个质心坐标对应的超立方体的ID号，并返回这些ID号；
[0047] 第二步:在映射表中找出