技术特征：
1.一种基于qrs波群不定次循环叠加的心电图心搏分类方法，其特征在于：所述方法包括以下步骤：步骤一：单导联心电信号获取及预处理，根据预设的采样率，采用干电极获取t秒固定长度的u份训练集和v份测试集的单导联ecg样本，并对每个样本进行滤波去噪，去肌电、工频干扰和去基线漂移处理；步骤二：心电样本数据4个等级干扰的识别；步骤三：心搏聚类分析，针对预处理后的心电样本，基于正则化最小二乘回归学习方法定位r波位置，以检测到的r波位置为中心，向前向后取一定数量采样点的固定窗口对样本进行分割，共分割得到la个心搏，根据上一步骤的干扰识别，对只有1级和2级干扰级别的l个心搏进行聚类分析，共分为三个阶段，以获取心搏数量最多的两类心搏；步骤四：第一次构建叠加波，本步骤针对每个心电样本构建独特的心搏叠加波，将上述步骤获取的样本心搏集合l
clu
用来构建叠加波，所有用于构建的心搏以r波位置为基准点向前向后对齐，并对每个心搏采样点对应的振幅幅值进行排序，截取第15百分位至第85百分位对应的心搏幅值求和取平均，作为当前采样点对应的叠加波振幅幅值，以此来第一次构建叠加波；公式如下：其中m是当前心搏的第m个采样点，p
15
和p
85
分别是每个心搏当前采样点对应的振幅幅值排序之后处于在15％和85％的位置，a
m
是叠加波第m个采样点的幅值，是第m个采样点处于第i百分位的心搏幅值；步骤五：确定主导节律是窦性心律还是房颤心律，根据步骤二的心搏干扰识别，对只有1级和2级干扰级别的心搏进行房颤分析；步骤六：计算主导节律的rr间期并进行心搏早搏识别；根据步骤五分析结果，若心电样本主节律为非房颤节律，则首先根据步骤三获取的样本心搏集合l
clu
获取相邻的心搏，计算相邻心搏的rr间期，并对每个rr间期进行排序，截取第15百分位至第85百分位对应的rr间期求和取平均，作为当前样本主导节律的rr间期，接着对样本心搏进行室性早搏和房性早搏的识别，主导节律的rr间期计算公式如下：其中p
15
和p
85
分别是相邻心搏rr间期排序之后处于在15％和85％的位置，i
rr
是当前样本主导节律的rr间期，i
j
是处于第j百分位的rr间期；若心电样本主节律为房颤节律，则进一步对心搏进行室性早搏识别；步骤七：计算样本全部心搏当前判定类型和上一轮循环的结果相比是否均没有变化，若有变化，则重新从步骤四开始流程循环继续判断心搏类型，首先针对主节律非房颤样本，排除掉室性早搏、3级和4级干扰心搏，只针对窦性心搏和房早心搏按照步骤四第一次构建叠加波的方法再次构建样本的叠加波；针对主节律房颤样本，排除掉室性早搏、3级和4级干扰心搏，只针对房颤心搏按照步骤四第一次构建叠加波的方法再次构建样本的叠加波，接着根据第二次构建的叠加波，再次主节律房颤分析、计算主导节律rr间期及心搏早搏识别：
首先根据步骤六对样本心搏室性早搏的识别结果，排除掉室性早搏、3级和4级干扰心搏，针对剩余心搏再次按照步骤五对主节律进行房颤分析；其次，依据房颤分析结果，根据步骤六的主导节律rr间期计算和早搏识别方法，对心搏进行室性早搏和房性早搏的识别，若无变化，则输出心搏类别；步骤八：重复步骤七，直至循环到全部心搏当前判定类型和上一轮循环判定类型相同，才完成所有心搏的类型识别。2.根据权利要求1所述的基于qrs波群不定次循环叠加的心电图心搏分类方法，其特征在于所述步骤二中心电样本数据4个等级干扰的识别方法为：1)首先将预处理后的心电样本数据按照n秒钟长度切片，再进行间隔m个点的下采样，获得心电数据x，并对其进行标注得到y；2)其次，对心电数据x进行傅里叶变换f，并将其实部标准化norm之后和x相加，得到输出xf；再次，训练卷积神经网络，设计一个包含四层卷积层的一维卷积神经网络来提取特征，同时在每第二个卷积层之后加一个maxpooling层用来筛选特征，并规定每一层合适的通道数c，卷积核长度k和卷积步长strides，随后接一个averagepool层和两层全连接层来解码提取到的特征，全连接层的通道数分别为c和4，第二个全连接层的输出为xfc，xfc通过softmax层，得到4个类别概率的一维向量xout，设定学习率lr、损失函数loss，用adam优化器进行训练，直到模型收敛；3)最后，导入测试数据进行4个等级干扰的识别，对比最终输出的4个概率xp，取其中最高概率对应的等级作为n秒钟的干扰等级，公式如下：xf＝x+norm(real(f(x)))norm(x)＝(x-x
min
)/(x
max-x
min
))3.根据权利要求1所述的基于qrs波群不定次循环叠加的心电图心搏分类方法，其特征在于所述步骤三中三个阶段分别为：第一阶段，在对样本l个心搏进行聚类前，首先需要产生模板心搏，将目标心搏与模板心搏进行相似度距离计算，相似度距离满足一定阈值条件的目标心搏匹配归入相应模板类别，选取相似度距离阈值th，从样本的l个心搏中随机抽取ls个心搏，并选择第一个心搏ls1作为第一个模板心搏类型t1，计算第二个心搏ls2到t1的相似度距离d
21
，如果满足d
21
>th，则将ls2匹配归入该类别，否则以ls2为新建模板心搏t2，继续计算下一个心搏ls
i
与已有的若干个模板心搏间相似度距离d
ij
(j＝0,1,2,...)，若满足且d
im
>th，则将该心搏匹配归于模板类别t
m
，否则以ls
i
为新建模板心搏类别，重复此步骤，直至完成随机ls个心搏的聚类，最后对随机的ls个心搏模板分类结果进行统计排序，选取心搏匹配个数最多的模板类别t
max
，将ls个心搏中属于t
max
的所有心搏数据做平均，得到一个平均模板心搏
t
avg
；第二阶段，对样本l个心搏第一次进行聚类，获取心搏匹配个数最多的一类，将上一阶段得到的平均模板心搏t
avg
作为第一个心搏模板类型，重复第一阶段的心搏匹配模板的步骤，直到所有l个心搏匹配完毕，最后对全部l个模板心搏分类结果进行统计排序，得到心搏匹配个数最多的模板类别，获取其匹配的心搏集合l
clu1
及个数c1；第三阶段，样本中全部l个心搏去掉上一阶段最多一类c1个心搏后，再对剩余l-c1个的心搏第二次进行聚类，对l-c1个心搏重复第一阶段步骤，得到随机抽取心搏匹配个数最多的模板类别，接着对l-c1个心搏重复第二阶段步骤，得到匹配个数最多的模板类别，获取其匹配心搏集合l
clu2
及其个数c2，将第二阶段和第三阶段获得的心搏集合l
clu1
、l
clu2
合并为一个心搏集合l
clu
。4.根据权利要求1所述的基于qrs波群不定次循环叠加的心电图心搏分类方法，其特征在于所述步骤五中房颤心律识别方法为：1)首先计算相应的rr间期，设定rr间期阈值为300ms-1800ms，去除不符合阈值范围的rr间期，再对rr间期进行排序；2)其次，计算所有rr间期的平均值，标准差数值特征，把所有rr间期中的最小rr间期值定为滑动扫描窗口的起点，最大rr间期值定为滑动扫描窗口的终点，rr间期的平均值的1/10作为滑动扫描窗口的宽度，扫描步长设为1，扫描得到每个滑动扫描窗口中的rr间期数据，选取rr间期个数排在前三位的滑动窗口window1、window2、window3，并且保证这三个滑动窗口互不相交；3)再次，分类特征计算，根据所述的三个滑动窗口对分类特征进行统计计算，包括：window1、window2、window3内对应的rr间期的个数；window1、window2、window3中rr间期序号连续的个数总和以及它的占比；window1、window2、window3中rr间期序号间隔三个数的个数总和以及它的占比特征；4)最后，使用lightgbm算法训练房颤识别模型，并将其应用于验证集的数据上，使用特异性和f1值评估模型的性能，选择性能优异的作为最终的分类模型。5.根据权利要求1所述的基于qrs波群不定次循环叠加的心电图心搏分类方法，其特征在于所述室性早搏识别方法为：1)首先对每个样本的所有单个心搏及叠加波进行qrs波起始点、q波顶点、r波顶点、s波顶点、qrs波终止点、t波起始点、t波顶点、t波终止点及主波的位置，共9个子波关键点位置进行定位；2)其次，根据9个定位点确定心搏qrs波及t波之间的斜率大小、各心搏和叠加波的余弦相似度的9条规则检测特殊的pvc心搏，判断心搏信号是否符合9种规则，若符合，此心搏为室性早搏心搏，若不符合，继续下述步骤；3)再次，用r波顶点位置前后的少数点逐点叠加来近似表达qrs波形，提取斜率、高度、宽度、比例多个参数描述每个心搏及叠加波的qrs波形态特征，该特征集合包括了斜率特征群、高度特征群、宽度特征群；4)最后，在基于规则第一次检测出的非室性早搏心搏的基础上，根据上述步骤提取心搏的斜率、高度、宽度特征群，结合对应的心搏标签，输入到lightgbm模型中进行训练，得到室性早搏检测模型，接着将规则和训练好的室性早搏识别模型应用在测试集的心搏数据
上，将最后的输出结果与测试集样本的标签进行对比，使用召回率和精度评估模型的性能，若上述识别心搏结果为非室性早搏，则继续根据斜率特征群、高度特征群、宽度特征群判断心搏形态与叠加波是否一致，联律间期是否小于80％主节律间期进行房性早搏的识别。
技术总结
本发明为一种基于QRS波群不定次循环叠加的心电图心搏分类方法，包括以下步骤：步骤一：单导联心电信号获取及预处理；步骤二：心电样本数据4个等级干扰的识别；步骤三：心搏聚类分析；步骤四：第一次构建叠加波，本步骤针对每个心电样本构建独特的心搏叠加波；步骤五：确定主导节律是窦性心律还是房颤心律，根据步骤二的心搏干扰识别，对只有1级和2级干扰级别的心搏进行房颤分析；步骤六：计算主导节律的RR间期并进行心搏早搏识别；步骤七：计算样本全部心搏当前判定类型和上一轮循环的结果相比是否均没有变化；步骤八：重复步骤七，直至循环到全部心搏当前判定类型和上一轮循环判定类型相同，才完成所有心搏的类型识别。才完成所有心搏的类型识别。才完成所有心搏的类型识别。
技术研发人员：符灵建 许昆明
受保护的技术使用者：浙江好络维医疗技术有限公司
技术研发日：2022.09.15
技术公布日：2022/12/19