一种标准12导联心电信号重建方法
【专利摘要】一种标准12导联心电信号重建方法，肢体导联信号的重建采用公式计算得到，而胸导联信号的重建则采用基于遗传算法优化的BP神经网络的非线性方法来实现，该非线性方法首先用遗传算法来寻找BP神经网络最优的初始权值和阈值解空间，作为BP神经网络的初始设置；接着将用于重建的导联信号作为该BP网络的输入，重建目标导联作为输出进行训练，训练完成后的网络输入已知导联组，即可得到未知的导联重建的结果。本发明提供一种准确性较高的标准12导联心电信号重建方法。
【专利说明】一种标准12导联心电信号重建方法
【技术领域】
[0001] 本发明涉及生物信号处理领域，特别是一种标准12导联心电信号重建方法。
【背景技术】
[0002] 心脏疾病一直是人类健康的最大杀手之一。根据世界卫生组织的最新报告，近十 年来缺血性心脏病在全球死亡原因所占有比例始终超过10%位居榜首，且随着社会老龄化 问题的加剧有愈演愈烈的趋势。心脏疾病因其发病率死亡率高，已成为医疗卫生研究领域 的焦点。而心电图的实时监控是诊断、预警心脏疾病的首选技术手段。医院中使用的心电 图仪能同时测量完整的标准12导联心电信号，但需要10个极点粘贴到人体上来同时采集 和记录，缺乏便携性，无法用于家庭监测以及远程监视的场景；而能较方便地用于此类场景 的家用Holter或可穿戴式产品则往往不能同时测量标准12导联的心电信号。因此减少直 接监测导联数量，从较少导联信号重建出标准12导联心电信号就成为了非常重要的途径 和手段。
[0003] 幸运的是，标准心电采集系统的12导联并不是完全独立的，它们之间存在着信息 的冗余，所以可以利用其中数量较少的导联组或者其他特殊的导联组来重建出标准12导 联系统中剩下的导联信号。基于人体的心脏-躯干电模型是线性和准静态的假设，重建标 准12导联心电信号最常用的方法是线性变换，通过建立和求解已知导联和未知导联之间 的线性关系，根据该映射关系来进行重建。但由于心脏-躯干并不是一个完全线性的模型， 线性变换的方法还会产生噪声，导致重建的准确性下降。
【发明内容】
[0004] 为了克服已有标准12导联心电信号重建方法的准确性较差的不足，本发明提供 一种准确性较高的标准12导联心电信号重建方法。
[0005] 本发明解决其技术问题所采用的技术方案是：
[0006] -种标准12导联心电信号重建方法，用来重建的已知导联数为m个，m = 3, 4,…，7,记作重建导联组A = IL1, L2，…，Lm}，A中的2个导联从肢体导联I、II、III、aVR、 aVL和aVF中的I、II、III任意选取，A中其他（m-2)个导联从胸导联V1、V2、V3、V4、V5和 V6中任意选取；待重建的其余4个肢体导联组成肢体导联组B = ILlrt, U，U，L111J，待重 建的其余（8-m)个胸导联组成胸导联组C= {Lm+5，Lm+6，…，L12};所述重建方法包括以下步 骤：
[0007] a)肢体导联组B的信号重建采用公式计算方法，公式如下：
[0008] 1-11+111 = 0
[0009] aVR = -(1+11)/2
[0010] aVL = I-11/2
[0011] aVF = II-I/2
[0012] b)胸导联组C的信号重建采用基于遗传算法优化的BP神经网络的非线性方法，过 程如下：
[0013] 1)采集用户的标准12导联心电信号作为个人数据库，作为非线性方法BP神经网 络的训练数据集；
[0014] 2)建立BP神经网络，BP神经网络的输入神经元个数为m个，分别为A中的 L2、. ..，L111，输出神经元数目为（8-m)个，分别为C中的Ln^Lnrti、…、L 12，并通过传输函数将 数据传输到隐含层，通过激活函数来输出神经元；
[0015] 3)用遗传算法来优化该网络的初始权值和阈值设置，过程如下：
[0016] 3. 1)将BP神经网络的初始权值和阈值建模成一个染色体，对种群进行初始化；
[0017] 3. 2)计算种群中每条染色体的适应度；
[0018] 3. 3)根据适应度大小分配相应的概率来选择染色体进入下一步操作，染色体的适 应度越大，选择的概率也越大，反之被选到的概率越小；
[0019] 3. 4)对染色体进行交叉和变异操作，产生新的染色体个体和种群；
[0020] 3. 5)返回第2. 2)步，循环执行步骤2. 2)?2. 5);循环过程的终止条件通过观察 染色体适应度的变化来确定，当染色体的适应度收敛时，则停止染色体的进化过程；
[0021] 3. 6)选出适应度最大的染色体作为遗传算法优化的结果，作为BP神经网络的初 始权值和阈值设置；
[0022] 4)训练初始设置经2)优化的BP神经网络，直到训练误差满足要求为止；
[0023] 5)将完成训练的网络用于标准12导联心电信号中胸导联的重建。
[0024] 进一步，所述步骤3. 2)中，所述的种群中每条染色体的适应度计算采用以下方 法：
[0025] 在每一代遗传过程中，对种群中的每条染色体分别建立一个新的BP神经网络，该 网络只用于对应染色体的适应度计算，初始的权值和阈值设置成染色体相对应的值；随机 选取数据库中设定比例的数据对该网络进行训练，训练终止条件通过设置固定的迭代次数 来实现；数据库剩下的数据用于测试，测试数据中导联组A的信号U、L2.....Lm输入到完 成训练的BP神经网络，输出结果与真实结果进行均方根误差mse的计算，适应度fitness则 以mse的倒数来计算：
【权利要求】
1. 一种标准12导联心电信号重建方法，其特征在于：用来重建的已知导联数为m个，m=3, 4,…，7,记作重建导联组A=IL1,L2，…，LJ，A中的2个导联从肢体导联I、II、III、 &乂1?、&￥1^和&￥?中的1、11、111任意选取，4中其他（111-2)个导联从胸导联￥1、￥2、￥3、￥4、 V5和V6中任意选取；待重建的其余4个肢体导联组成肢体导联组B= {Lm+1，Lm+2,Lm+3,Lm+4}， 待重建的其余（8-m)个胸导联组成胸导联组C= {Lm+5，Lm+6，…，L12};所述重建方法包括以 下步骤： a) 肢体导联组B的信号重建采用公式计算方法，公式如下： I-II+III=O aVR= -(1+11)/2aVL=I-I1/2 aVF=II-I/2 b) 胸导联组C的信号重建采用基于遗传算法优化的BP神经网络的非线性方法，过程如 下： 1) 采集用户的标准12导联心电信号作为个人数据库，作为非线性方法BP神经网络的 训练数据集； 2) 建立BP神经网络，BP神经网络的输入神经元个数为m个，分别为A中的I^L2..... Lni，输出神经元数目为（8-m)个，分别为C中的Ln^Lnrti、…、L12，并通过传输函数将数据传 输到隐含层，通过激活函数来输出神经元； 3) 用遗传算法来优化该网络的初始权值和阈值设置，过程如下： 3. 1)将BP神经网络的初始权值和阈值建模成一个染色体，对种群进行初始化； 3. 2)计算种群中每条染色体的适应度； 3. 3)根据适应度大小分配相应的概率来选择染色体进入下一步操作，染色体的适应度 越大，选择的概率也越大，反之被选到的概率越小； 3.4)对染色体进行交叉和变异操作，产生新的染色体个体和种群； 3. 5)返回第2. 2)步，循环执行步骤2. 2)?2. 5);循环过程的终止条件通过观察染色 体适应度的变化来确定，当染色体的适应度收敛时，则停止染色体的进化过程； 3. 6)选出适应度最大的染色体作为遗传算法优化的结果，作为BP神经网络的初始权 值和阈值设置； 4) 训练初始设置经2)优化的BP神经网络，直到训练误差满足要求为止； 5) 将完成训练的网络用于标准12导联心电信号中胸导联的重建。
2. 如权利要求1所述的一种标准12导联心电信号重建方法，其特征在于：所述步骤 3. 2)中，所述的种群中每条染色体的适应度计算采用以下方法： 在每一代遗传过程中，对种群中的每条染色体分别建立一个新的BP神经网络，该网络 只用于对应染色体的适应度计算，初始的权值和阈值设置成染色体相对应的值；随机选取 数据库中设定比例的数据对该网络进行训练，训练终止条件通过设置固定的迭代次数来实 现；数据库剩下的数据用于测试，测试数据中导联组A的信号LpL2.....Lm输入到完成训练 的BP神经网络，输出结果与真实结果进行均方根误差mse的计算，适应度fitness则以mse的倒数来计算：
其中，Yij和Xij分别为第j个输出神经元的第i个采样点的输出结果和真实结果的值， (8-m)为神经网络输出神经元的数目，η为数据采样点的个数。
【文档编号】G06N3/12GK104463326SQ201410746764
【公开日】2015年3月25日 申请日期:2014年12月9日 优先权日:2014年12月9日
【发明者】潘赟, 陈方剑, 李珂, 朱怀宇, 李娟 , 王吉轩 申请人:浙江大学