1.本发明属于信号处理技术领域，具体涉及基于人工智能的心电信号采集系统及处理方法。
背景技术：
2.心脏每周期窦房结发出的一次电兴奋，电兴奋按一定的途径和时程，依次传向心房和心室，引发整个心脏的兴奋，使心脏周期性地收缩，从而推动血液在全身循环。在每一个心动周期中，心脏各部分兴奋过程中出现的电变化的时间、途径、次序都有一定的规律。把测量电极放置在人体表面的一定部位，记录出来的心脏电变化曲线即为ecg 心电图，因此通过心电信号可以获取许多心脏生理状况。同时在紧急医疗中，为实时监测病患生命体征需各仪器协同工作，以快速准确地得到各数据，而现有的处理方式多为各血压仪、心率测量仪、血氧仪、心电监护仪等仪器分别监测，再经医护人员记录并分析数据是否异常，进而才能对病患生命状态得出结论，此种方式涉及仪器繁杂、数据繁琐、人工得出结果迟缓，影响伤病员的救治率，因此，如何实现高效、准确、长时间连续监测重症伤病员的心电、血压、肌电、脉搏和体温等生理信号，并根据得到的生理数据对重症伤病员目前的生理状况进行快速评估预警以提高重症伤病员的存活率亟待解决的问题。
技术实现要素：
3.为解决上述问题，本发明设计了一种基于人工智能的心电信号采集系统及处理方法，装备结构简单，可对病患快速穿戴并进行连续监测，通过本系统内部程序设定对采集的信号进行除噪、高质量信号筛选信号特征提取并分析，对病患心率失常病因起源部位进行准确判断并及时的给出医学建议和治疗方案。
4.为实现上述目的，本发明采用以下技术方案：基于人工智能的心电信号采集系统，包括生理信号采集模块、无线传输模块和智能终端模块，所述信号采集模块包括心电信号采集模块，其特征在于：所述生理信号采集模块实现对重症员的多种生理信号采集；无线传输模块将采集模块采集的模拟信号经a/d转换后进行无线传输；智能终端将收到的数字信号进行处理与分析，并对重症伤病员的生理状况进行评估，实现对重症伤病员无线连续监测，并对异常指标自动报警。
5.作为本发明一种基于人工智能的心电信号采集系统的进一步改进：所述信号采集模块包括穿戴式装备和设置在穿戴式装备上的传感器，所述穿戴式装备包括依人体结构设置相互导联的多根弹性安装带，多根所述弹性安装带之间活动拼接；所述无线传输模块采用基于频率捷变的抗干扰技术，避免信号干扰。
6.作为本发明一种基于人工智能的心电信号采集系统的进一步改进：所述信号采集模块还包括设置在头部的脉搏、血氧、脑电数据采集模块和设置在躯体上对应位置的肌电、心肺音、心电、体温数据监测模块。
7.作为本发明一种基于人工智能的心电信号采集系统的进一步改进：所述智能终端
模块包括通过无线传输模块与生理信号采集模块网络适配的智能控制终端及中央控制系统，所述生理信号采集模块将采集到的数据信息通过无线传输传送至中央控制系统进行数据储存、分析，中央控制系统将处理后的信息反馈至智能控制终端，所述智能控制终端设置报警模块，中央控制系统对心电、脉搏、血氧、体温等参数设定阀值，中央控制系统将处理后参数与阀值对比并反馈至智能控制终端报警模块，实现异常参数报警。
8.为实现上述目的，本发明采用以下技术方案：所述心电信号采集系统的信号处理方法，包括：1）ecg信号采集模块采集心电信号；2）ecg信号的预处理；采用小波变换的方法对ecg信号进行分析和去噪；采用软阀值方法对低尺度小波系数d1、d2进行处理，通过大幅度衰减系数方法消除高频噪声；采用软、硬阀值折中算法对包含重要输入信号的尺度３小波系数处理；2）ecg信号质量判断，筛选质量良好信号；根据但不仅限于包括阈值、尖峰部分样本数特征筛选质量良好信号；3）心电信号特征提取基于双正交二次b样条小波变换的方法完成ecg信号奇异点的检测；采用动态阀值法提高ｒ波的定位精度。分析小波系数d4，抽取出极值对，采用阈值处理过滤得到准确定位r波的极值对，将极值对位置还原到重构后的ecg信号，在极大值区间找到最大值，得到r波定位；在定位好r波后，可根据r波位置通过寻找r波附近极小值点来定位q、s波；通过相邻的两个ｒ波位置为标杆，以ｒｒ间期的均值来控制探测区间的长度，从而准确检测出相邻两r波之间的两个心拍、各自的ｔ波以及ｐ波；测量ｔ波与测量ｐ波各自的探测区域，完成ecg信号的p、q、r、s、t波的精确定位；4）信号分析将步骤3）得到的数据分为两个一级子类分别为激动起源异常和激动传导异常中的室内阻滞，用于训练支持向量机svm1；将激动起源异常进行分类，分别为窦性心律和异位心律，用于训练支持向量机svm2；将异位心率分为主动性异位心律和被动性异位心律，用于训练svm3；将主动性异位心律分为两类，分别为室上性早搏和室性早搏，用于训练svm4；将被动性异位心律分为两类，分别为室上性逸搏和室性逸搏，用于训练svm5。
9.作为本发明一种基于人工智能的心电信号采集系统的进一步改进：通过五个支持向量机将心电信号分为七类，从而对伤病员心脏状况进行实时监测。
10.本发明通过设置信号采集传感器的活动式安装带将人体心电等信号实时收集、储存、分析并反馈，医务人员快速接受反馈结果，以节省救治时间，帮助医务人员快速响应求救，最终提高伤病员救治率。活动拼接的安装带便于病患第一时间穿戴对其进行生命体征监测，中央控制系统对采集到的心电信号进行预设程序处理，将心电信号进行除噪、筛除低质量信号，根据高质量信号进行心电信号特征提取，并对信号进行分析比对，对心律失常症状的准确判断，快速追溯心律失常病因的起源部位，并给出及时的医学建议和治疗方案。
具体实施方式
11.下面结合附图和具体实施例对本发明作进一步说明，本实施例以本发明技术方案为前提，给出了详细的实施方式。
12.本发明所述的基于人工智能的心电信号采集系统，包括生理信号采集模块、无线传输模块和智能终端模块，所述信号采集模块包括心电信号采集模块，所述生理信号采集模块实现对重症员的多种生理信号采集；无线传输模块将采集模块采集的模拟信号经a/d转换后进行无线传输；智能终端将收到的数字信号进行处理与分析，并对重症伤病员的生理状况进行评估，实现对重症伤病员无线连续监测，并对异常指标自动报警。具体来讲，所述信号采集模块包括穿戴式装备和设置在穿戴式装备上的传感器，所述穿戴式装备包括依人体结构设置相互导联的多根弹性安装带，多根所述弹性安装带之间活动拼接，包括设置在头部的弹性安装带和位于躯体的弹性安装带，所述头部安装带主要用于脉搏、血氧、脑电等数据采集，躯体部的弹性安装带主要用于肌电、心肺音、心电、体温数据等数据采集，各所述弹性安装带之间相互电路导联并活动插接，所述穿戴式装备通过搭扣或魔术贴等活动式搭接结构穿戴于病患体上；所述无线传输模块采用基于频率捷变的抗干扰技术，避免信号干扰，具体可采用zigbee/蓝牙将生理信号无线传输至数据智能终端模块。
13.所述智能终端模块包括通过无线传输模块与生理信号采集模块网络适配的智能控制终端及中央控制系统，所述生理信号采集模块将采集到的数据信息通过无线传输传送至中央控制系统进行数据储存、分析，中央控制系统将处理后的信息反馈至智能控制终端，所述智能控制终端设置报警模块，中央控制系统对心电、脉搏、血氧、体温等参数设定阀值，中央控制系统将处理后参数与阀值对比并反馈至智能控制终端报警模块，实现异常参数报警。例，将中央控制系统对血氧饱和度阀值设定90%，当血氧信号采集模块采集到的参数信息经数据处理后起数据与设定的阀值比对，当血氧饱和度低于90%时，中央控制系统将此比对结果反馈至智能控制终端，并触动报警模块报警；将血压最小舒张压阈值bm设为60，最大舒张压阈值bx设为90，最小收缩压阈值dm设为90，最大收缩压阈值dx设为140，当采集到的数据经处理与阀值比对分析，得到数据异常结果后触动报警。
14.本发明所述的心电信号采集系统可对采集到的心电信号进行自动筛选并分析，具体可将采集到的信号进行过滤，筛除ecg信号噪声、对心电信号进行质量判断，利用筛选后高质量心电信号进行心电信号特征提取，并以图形形式显现在显示器上，同时利用上述数据对心律失常症状的准确判断，快速追溯心律失常病因的起源部位，并给出及时的医学建议和治疗方案。所述心电信号采集系统的信号处理方法包括：1）ecg信号采集模块采集心电信号；2）ecg信号的预处理；得到原始心电信号数据后，首先需要将其进行预处理，去除心电信号中包含的噪声。本发明中将采用小波变换的方法对信号进行分析和去噪。选取双正交二次b样条小波，它是一阶光滑函数。ecg信号噪声主要包括基线漂移、工频干扰和肌电噪声，ecg信号中所包含各噪声信号频带分布亦不相同：基线漂移0-0.5hz，工频干扰50~60hz；肌电噪声50~2khz，范围较广，类似高斯声。此外，ecg信号的主要成分qrs波群的中心频率约为17hz。本发明中的 qrs波群能量主要分布在小波变换后3、4尺度上；工频干扰能量主要分布在小波变换后２尺度上；肌电噪声能量主要分布在小波变换后1、2、3尺度上。以此采用的滤波方法为：通过
软阀值方法对低尺度小波系数d1、d2进行处理，通过大幅度衰减系数方法消除高频噪声。针对包含重要输入信号的尺度３小波系数，本发明采用软、硬阀值折中的算法，不仅消除肌电噪声，还尽可能保留原始输入信号，不影响后续心电特征参数的准确提取。同时，通过全通减低通滤波器对基线漂移进行抑制。
15.2）ecg信号质量判断，筛选质量良好信号；根据但不仅限于包括阈值、尖峰部分样本数特征筛选质量良好信号；具体其评估标准为：a1：阈值大于3mv部分超过40%，认为满足该标准。
16.a2：一阶导数大于0.3（即尖峰部分样本数）大于40%时满足该标准。
17.a3:导联脱落部分大于80%时，满足该标准。
18.a4：满足a1、a2、a3中判定条件部分为潜在不合格点，当潜在不合格部分大于68.5%时，满足该标准。
19.通过上述四个评判标准，可以将接触不良、导联脱落和质量差的信号筛选出来，不做处理，做到将质量良好的信号用于疾病分析。
20.3）心电信号特征提取采用基于双正交二次b样条小波变换的方法完成ecg信号奇异点 的检测。ecg信号r波在尺度4下呈现最大幅值的极值对形式，且尺度4的频带范围（11.3~22.5hz）与qrs波中心频率（17hz）最为接近，也有效的避免了带宽以外未滤除干净的噪声影响，从而保证ｒ波的检测精度。采用动态阀值法提高ｒ波的定位精度。分析小波系数d4，抽取出极值对，采用阈值处理过滤得到准确定位r波的极值对，将极值对位置还原到重构后的ecg信号（有时移），在极大值区间找到最大值，得到r波定位。在定位好r波后，可根据r波位置通过寻找r波附近极小值点来定位q、s波。
21.ｐ波与ｔ波的检测，归纳来说是通过相邻的两个ｒ波位置为标杆，以ｒｒ间期的均值来控制探测区间的长度，从而准确检测出相邻两r波之间的两个心拍。各自的ｔ波以及ｐ波。测量ｔ波与测量ｐ波各自的探测区域，至此ecg信号的p、q、r、s、t波均已精确定位，为后面的模型搭建提供数据源。
22.4）信号分析心脏病患者中心律失常的发生率高达80~100％。因此，对心律失常症状的准确判断，快速追溯心律失常病因的起源部位，并给出及时的医学建议和治疗方案，具体为：将步骤3）得到的数据分为两个一级子类分别为激动起源异常和激动传导异常中的室内阻滞，用于训练支持向量机svm1；将激动起源异常进行分类，分别为窦性心律和异位心律，用于训练支持向量机svm2；将异位心率分为主动性异位心律和被动性异位心律，用于训练svm3；将主动性异位心律分为两类，分别为室上性早搏和室性早搏，用于训练svm4；将被动性异位心律分为两类，分别为室上性逸搏和室性逸搏，用于训练svm5；本发明中选取窦性心律、室上性早搏、室性早搏、室上性逸搏、室性逸搏、室内阻滞和室性扑动波这７种心律作为分类目标。采用支持向量机（support vector machine, svm）方法对处理过的数据进行分类，本模块要求将心律分为7类，所以选用二叉树分类法。首先
将所有类别分成两个子类，再将子类进一步划分成两个次级子类，如此循环下去，直到得到一个单独的类别为止。首先将数据分为两个一级子类分别为激动起源异常和激动传导异常中的室内阻滞，用于训练支持向量机svm1。然后将激动起源异常进行分类，分别为窦性心律和异位心律，用于训练支持向量机svm2。将异位心率分为主动性异位心律和被动性异位心律，用过训练svm3。将主动性异位心律分为两类，分别为室上性早搏和室性早搏，用于训练svm4。将被动性异位心律分为两类，分别为室上性逸搏和室性逸搏，用于训练svm5。通过五个支持向量机将心电信号分为七类，从而对伤病员心脏状况进行实时监测。
23.以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然 本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。