基于随机投影的实时心电分类方法
【技术领域】
[0001] 本发明涉及生物医学与计算机科学的交叉领域，具体而言，涉及一种对动态心电 数据进行分类的方法。
【背景技术】
[0002] 世界卫生组织(WHO)最新统计数据表明，心脏病一直是导致死亡的最主要病因。传 统的心电监护系统虽然能够有效的减少心脏病患者的死亡率，但由于它不能远程监测，所 以无法实时地监控患者的心电信号。然而心脏病具有隐蔽性和潜伏性，不发病的时候很难 从心电图上表现出来，发病时又是短暂的，往往只持续几十秒的时间，等赶到医院做心电图 检查时，症状已经消失，心电图恢复正常。医生无法对病人及时诊断，延误疾病治疗。因此有 些病人需携带24小时H 〇lter，24小时采集心电数据。并且，随着当前信息科学和医疗科学的 发展，越来越多的人对个人及家庭的健康提出来更高的要求，期望能够随时掌握自己健康 状况，尽早发现病兆。远程心电诊断系统，可穿戴心电采集设备应运而生。大量数据的测量 及存储已经不在成为问题，但医生要对如此巨大的数据进行分析，找出异常心拍，是一件十 分繁重的工作。为了极大的节约医生的时间，提高诊断效率，提取产生这些数据潜在的本质 信息，设计稳定的自动分类方法才是根本目的。
[0003] 稀疏表示和压缩感知理论以非传统的方式高效的获取和处理数据，为研究高维数 据提供了一个严密的数学框架，为揭示高维数据中的内在结构提供了新的思路。该理论可 以理解为将模拟数据节约的转换为压缩数字形式，从而避免了资源的浪费。即为在采样的 同时对数据进行压缩，等价于在采样的过程中寻找最少的系数来表示信号，并能用适当的 重构算法将原始数据恢复出来。如此，压缩后的少量低维数据包含了原始高维数据的全部 信息。从理论上讲，压缩后的数据满足分类需求。
【发明内容】
[0004] 本发明在于提供一种心电信号分类方法，以解决特征提取复杂度与准确性之间的 矛盾，以及无法实时分类的问题。
[0005] 本发明在于提供一种基于稀疏投影的实时心电信号分类方法，所述方法包括： (1) 数据预处理： Φ对多导心电信号进行滤波，去除工频干扰和基线漂移等噪声； ②波形检测，波形分割； Φ对分割好的心跳数据标准化； (2) 特征提取:基于压缩感知的原理对数据进行压缩，降低特征维度，计算RR间隔和RR 权值，拼接特征向量，形成二次特征； (3) 分类:将二次特征数据分为训练数据和测试数据，训练数据做分类建模，测试数据 放入建模后的分类器中进行测试； (4) 决策分类:多导联分类结果数据融合，运用概率函数做最后分类。本发明提出的心 电数据分类方法，分类结果比较准确，同时利用压缩感知降低数据特征维度，提高了算法效 率和数据处理能力。
[0006] 本发明与现有技术相比存在的有益效果是:Φ采用稀疏投影系数作为心电信号分 类的特征向量具有更好的鲁棒性;Φ通过对单周期心电信号进行标准化处理，可以不同变 量之间纲量的影响对RR特征加权系数可以提高分类效果;Φ多导联分类结果数据融合 可以降低误判率。
【附图说明】
[0007] 图1为基于稀疏投影的实时心电分类方法的流程图。
[0008] 图2为心电信号滤波的效果图。
[0009] 图3为R点检测图。
[0010] 图4为单节拍心跳图。
[0011] 图5为稀疏投影特征十折交叉验证测试图。
[0012] 图6为稀疏投影特征+权值RR特征的十折交叉验证测试图。
[0013]图7为多导联心跳分类流程图。
【具体实施方式】
[0014] 下面结合附图对本发明所给出基于稀疏投影的实时心电信号分类方法进行详细 说明。
[0015] 图1为心跳信号分类方法的流程图，包括以下几个步骤： (1)数据预处理:对多导每导心电信号进行滤波，去除工频干扰和基线漂移;波形检测， 波形分割;对分割好的心跳数据标准化； (2 )特征提取:稀疏投影特征+权值RR间隔特征 (3) 分类:将特征数据分为训练数据和测试数据，训练数据做分类建模，测试数据放入 建模后的分类器中做模拟测试； (4) 决策分类:多导联分类结果数据融合，运用概率函数做最后分类。
[0016] 图2为心电信号滤波的效果图，上图为采集到的单导联原始心电信号，中图为用小 波变换去除噪声后的心电信号，下图为利用小波变换去除基线漂移的心电信号。信号的小 波变换相当于信号在不同尺度的带通和低通滤波，可分解得到信号的逼近分量和细节分 量。心电信号含噪部分主要集中在高频小波系数中。并且，有用信号的小波系数幅值较大， 且数目较少;而噪声对应的小波系数幅值小且数目较多。因此，我们采用门限阈值法对小波 系数进行处理，去除噪声。基线漂移主要为低频分量，将高尺度的逼近分量置零，就得到了 去基线漂移的信号。具体操作如下:我们选择db5作为小波函数进行3层分解，利用无偏似然 估计阈值，根据选取的阈值去噪及重构信号;我们选择db5作为小波函数进行6层小波分解， 将高尺度的逼近分量置零，去除基线漂移。
[0017] 图3为R点检测图，具体操作如下：对信号进行多尺度分析，在信号出现突变时，其 小波变换后的系数具有模量极大值，因而可以通过对模量极大值点的检测来确定故障发生 的时间点。
[0018]图4为单节拍心跳图，具体操作如下：以检测到的R点为基点向前取100点，向后取 200点，获得300个采样点的心跳。随后，为了消除不同变量之间纲量的影响，对单节拍心跳 组进行标准化，即均值为0，方差为1。
[0019]图5为稀疏投影特征十折交叉验证测试图，我们对五类心跳分类，分别是正常博动 心跳、房性早搏、室性早搏、左束支传导阻滞、右束支传导阻滞。可以看到当数据维数从300 降到10左右的时候，测试精度稳定在95%左右，具体操作如下:对每类心跳，随机选择50个样 本，并对每个样本标注标签。采用随机投影的方式，将高维欧式空间中的点集嵌入到一个随 机选择的低维子空间上的同时，确保原高维空间点集中的任意两点间的欧式距离在低维空 间近似得到保持。对带有标签的二次特征，采用SVM分类器和十折交叉验证的方式，即，将二 次特征数据集分成十份，轮流将其中九份作为训练数据，一份作为测试数据，进行试验。每 次试验都会得出相应的正确率。10次的结果的正确率平均值作为对算法精度的估计，检验 提取特征的有效性。
[0020] 图6为稀疏投影特征+权值RR特征的十折交叉验证测试图，可以看出当RR权值为8、 9时，精确度可以达到98.8%。具体操作如下：检测并计算前RR间隔、本次RR间隔、后RR间隔， 前RR间隔指：当前R点与前一个R点之间的间隔;本次RR间隔指：当前R点与后第10个R点的平 均间隔；后RR间隔指：当前R点与后一个R点之间的间隔。然后，选择维数为30的随机投影特 征，将随机投影后的特征与权值RR间隔特征，拼接成特征向量，形成二次特征。对带有标签 的二次特征，采用SVM分类器和十折交叉验证的方式，10次的结果的正确率平均值作为对算 法精度的估计，检验提取特征的有效性。
[0021] 图7为多导联分类流程图。具体操作如下:将带有标签的多导联二次特征随机抽取 30%作为训练数据，70%作为测试数据。选择高斯核函数对训练数据进行SVM训练，测试数据 放入建模后的分类器中做模拟测试，得出分类结果。多导联分类结果数据融合，做最终决策 分类，即单心跳多导联的分类结果进行融合。若各个导联的分类结果一致，则取该分类结 果;若结果分为A类的导联个数多于一半，则判为A类;若分类结果没有哪一类多过1/2导联 个数，则拒判。
【主权项】
1. 基于随机投影的实时屯、电分类方法，其特征是，包括W下步骤： 步骤1、数据预处理： T对屯、电信号进行滤波，去除工频干扰和基线漂移等干扰信号； 置波形检测，波形分割； I对分割好的屯、跳数据标准化； 步骤2、特征提取:基于压缩感知对数据进行压缩，降低特征维度，计算RR间隔，计算RR 权值，拼接特征向量，形成二次特征； 步骤3、分类:将二次特征数据分为训练数据和测试数据，训练数据做分类建模，测试数 据放入建模后的分类器中进行测试； 步骤4、决策分类:对多导联分类结果运用概率函数做最后分类。2. 根据权利要求1所述的基于随机投影的实时屯、电分类方法，其特征在于:步骤2中采 用随机投影的方式，将高维欧式空间中的点集嵌入到一个随机选择的低维子空间。3. 根据权利要求1所述的基于随机投影的实时屯、电分类方法，其特征在于:步骤2中采 用的随机投影是指 Yi=巫 Xi 其中，Φ是一个MXN的随机矩阵，M<N;Xi是经过步骤1的NX1屯、跳样本，例Xi={ai，a2， ...3ν-ι，3ν} ;Yi是MX 1 的待分类屯、拍短序列，例Yi={bi,b2 6μ-ι,6μ}。4. 根据权利要求1所述的基于随机投影的实时屯、电分类方法，其特征在于:步骤2中计 算RR权值是指，将权值在0-100范围内变动，输出测试集的分类精度，根据最高分类精度，选 取最优权值。5. 根据权利要求1所述的基于随机投影的实时屯、电分类方法，其特征在于:步骤4中采 集的屯、电信号进行决策分类包括指:若各个导联的分类结果一致，则取该分类结果;若结果 分为A类的导联个数多于一半，则判为A类;若分类结果没有哪一类多过1/2导联个数，则拒 判。
【专利摘要】本发明请求保护一种基于随机投影的实时心电分类方法，针对解决远程心电监护系统面临的数据采集、计算和传输功耗以及无法对心电实时分类的问题。我们对五类心跳分类：正常博动、房性早搏、室性早搏、左束支传导阻滞、右束支传导阻滞。该方法包括：（1）数据预处理：①？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？对心电信号进行滤波，去除干扰；②波形检测、分割；③数据标准化；（2）特征提取：基于压缩感知的原理对数据进行压缩，计算RR间隔，RR权值，拼接特征向量，形成二次特征；（3）分类：将二次特征数据分为训练数据和测试数据，分别用于建模和测试；（4）决策分类：多导联分类结果数据融合。本发明提出的心电数据分类方法，分类结果比较准确，提高了数据处理能力。
【IPC分类】G06K9/00
【公开号】CN105550659
【申请号】CN201510988099
【发明人】李智, 陈珊珊, 刘佳明
【申请人】四川大学
【公开日】2016年5月4日
【申请日】2015年12月25日