平板电脑或PC机。
[0037] 本发明心电监测系统通过功率谱密度求积分和峰态系数的技术手段在学习前将 独立单通道的心电信号转化为QRS能量比值、信号峰度和基线能量比值三个特征值，进而根 据特征值利用人工神经网络学习算法以梯度下降的优化方式将判别模型准确的建立，通过 对系统模型的还原，实现了心电信号质量的判别方法，进而有效的对心电信号是否能用来 进行诊断做出了甄别。
【附图说明】
[0038] 图1为本发明心电监测系统的结构示意图。
[0039] 图2为本发明心电监测系统中智能终端的结构示意图。
[0040] 图3为本发明心电信号质量判别过程中的人工神经网络模型示意图。
【具体实施方式】
[0041 ]为了更为具体地描述本发明，下面结合附图及【具体实施方式】对本发明的技术方案 进行详细说明。
[0042]如图1所示，本发明具有心电信号质量判别功能的心电监测系统，包括心电监测器 和智能手机;其中：
[0043] 心电监测器包括监测器主体和多个心电采集电极，监测器主体内设有主控模块、 电压检测模块、蓝牙通讯模块、信号调理模块、自动关机模块、电源管理模块和驱动模块;监 测器主体表面设有开关按钮和低压指示灯1;其中：
[0044] 电源管理模块用于为心电采集电极以及监测器主体内其他功能模块提供工作电 压。
[0045] 心电采集电极与信号调理模块连接，其用于拾取人体表的微弱心电信号。
[0046] 信号调理模块与主控模块连接，其用于对心电采集电极拾取到的微弱心电信号进 行放大滤波等处理后传送给主控模块;本实施方式中，信号调理模块由输入缓冲级、前置仪 表放大级、高通滤波器、中间放大级、低通滤波器以及工频陷波器依次连接组成。
[0047]驱动模块与主控模块和开关按钮相连，其用于通过主控模块驱动电源管理模块对 心电采集电极放电，使用者可通过开关按钮启动心电监测器。
[0048]电压检测模块与电源管理模块和低压指示灯1连接，其用于检测电源管理模块的 电压信息；当电源管理模块为心电监测器提供的工作电压小于一预设值情况下，低压指示 灯1点亮，以提示用户对心电监测器进行充电或更换电池。
[0049] 自动关机模块与电源管理模块和主控模块连接，其可以使心电监测器在长时间不 工作的情况下，将心电监测器的供电电源切断，进入休眠状态，降低功耗;本实施方式中，自 动关机模块内设有一计时器，计时器与主控模块连接，计时器设定有一定的时间间隔 (l〇s)，当主控模块中没有心电信号超过该时间间隔，自动关机模块将自动将电源切断，进 入休眠状态，降低功耗。
[0050] 蓝牙通讯模块与主控模块相连，主控模块通过蓝牙通讯模块将心电信号无线传输 给智能手机。本实施方式中，蓝牙通讯模块遵循蓝牙标准协议;模块支持UART、USB、SPI、 PCM、sroiF等接口，并支持SPP蓝牙串口协议，具有成本低、体积小、功耗低、收发灵敏性高等 优点，只需配备少许的外围元件就能实现其强大功能。
[0051] 如图2所示，本实施方式中智能手机内包含有处理器和蓝牙通讯模块，蓝牙通讯模 块与处理器相连;处理器包括信号采集模块、特征提取模块、神经网络训练模块和判别模 块;其中：
[0052]信号采集模块通过蓝牙通讯模块收集心电监测器提供的心电数据;心电数据为心 电监测器预先采集得到基于独立导联通道的m组心电信号段或用户日常检测时心电监测器 采集得到单通道的心电信号段;m组心电信号段的质量通过人工被标记为0或1，1表示满足 接受要求，〇表示不满足接受要求，m为大于1的自然数。本实施方式用于算法分析的数据库 是来源于CinC Challenge 2011(以下简称为CinChCinC数据库中包含1000个10秒时长的 12通道标准医用记录。标准医用12通道中，只有8个通道是独立。因此，我们对每个记录选取 8个通道，分别为:通道I，II，VI，V2，V3，V4，V5，V6。由此构成的数据库包含8000个单通道心 电记录。每个单通道记录再经由人工评判，根据其信号质量标注为可接受和不可接受两种。 [0053]特征提取模块用于对信号采集模块收集得到的心电数据进行特征提取即对于任 一心电信号段通过计算得到该心电信号段的QRS能量比值、信号峰度和基线能量比值，并将 这三个特征指标组成该心电信号段的特征序列;具体计算方法如下：
[0054] (1)计算QRS能量比值;该特征定义为QRS波形能量与心电信号的能量的比值。
[0055]首先对心电信号做频谱分析，然后计算5-15Hz频段的能量和5-40Hz频段能量的相 对比值。其中5-15Hz大致对应于QRS波形的能量，5-40Hz大约相当于心电信号整体的能量； 如以下公式所示：
[0057] QRS波的能量主要集中在10Hz的频率带宽内且中心宽度为10Hz，当出现肌电干扰 时，信号中的高频成分会增加，那么能量比值将会降低;而当发生一个类QRS波的电极移位 时，则能量比值会显著增加。
[0058] (2)计算峰度;峰度又称为峰态系数，在统计学中亦成为四阶标准矩。峰度用来表 征分布曲线在平均值处峰值高低。用X表不一段心电信号，用μ来表不信号的均值，用σ来表 示信号的标准方差；以下公式用来求峰度：
[0060] -个干净完好的心电信号其峰度大于5,而如果存在肌电干扰或、基线漂移、工频 干扰或者高斯分布的随机噪声，其峰度将低于5。
[0061 ] (3)计算基线能量比值;该特征定义为1-40ΗΖ频段的能量和0-40ΗΖ频段能量之间 的商。
[0063]基线漂移的频率约为0.15-0.3Hz，所以通过基线能量比值能够有效的表征是否存 在影响较大的基线干扰。
[0064]神经网络训练模块用于根据与上述m组心电信号段对应提取得到的m组特征序列 通过人工神经网络学习算法进行训练，得到关于心电信号质量的判别模型；具体实现过程 如下：
[0065] (1)将单通道的心电信号训练样本集划分为训练集和测试集；
[0066] (2)根据人工神经网络学习算法建立神经网络模型：神经网络模型有输入层、隐藏 层和输出层三层，输入层的输入输出为三通道的相关系数，层与层之间通过公式(4)进行连 接，隐藏层和输出层的神经元激活函数为公式(5)，输出层由1个神经元构成，隐藏层由4个 神经元构成，同时将各层间的权值系数初始化;图3为建立的人工神经网络模型。
[0069] (3)将心电训练样本的训练集中的一组样本输入到当前权值系数下的神经网络， 依次计算输入层、隐藏层和输出层的各节点的输出。
[0070] (4)根据公式(6)计算所有心电训练样本的输出层输出与心电训练样本的期望结 果之间的累积误差E train，根据梯度下降法，以公式(7)修正隐藏层与输出层各节点间的权值 系数，以公式(8)修正输入层与隐藏层各节点间的权值系数。
[0072]其中：E为累积误差，为单次训练样本经过神经网络的输出层的第k个输出，〇k 为单次训练样本的第k个期望结果，m为训练集样本总数，p为输出层输出总数；
[0074]其中:whQ(t)为第t次样本输入到神经网络时隐藏层与输出层之间的权值系数，参： 为单次训练样本经过神经网络的输出层的输出，〇为单次训练样本的期望结果，Xh为隐藏层 的输出，α为学习速率；