專利名稱:一種基于高維模糊識(shí)別的心電信號(hào)質(zhì)量評(píng)估方法和裝置的制作方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種心電信號(hào)質(zhì)量評(píng)估方法和裝置,涉及智能醫(yī)學(xué)儀器領(lǐng)域。
背景技術(shù):
心電信號(hào)是臨床上進(jìn)行心臟功能檢測(cè)的常用手段。隨著醫(yī)療技術(shù)的進(jìn)步,各類心電監(jiān)護(hù)設(shè)備大量涌入市場(chǎng),這些監(jiān)護(hù)設(shè)備的技術(shù)基礎(chǔ)是對(duì)心電信號(hào)的自動(dòng)分析。心電信號(hào)屬于強(qiáng)噪聲背景下的微弱信號(hào),噪聲對(duì)信號(hào)形態(tài)、包含成分等的影響,會(huì)嚴(yán)重干擾信號(hào)特征的識(shí)別和類別的辨識(shí),而信號(hào)特征是對(duì)其進(jìn)行自動(dòng)分析的基礎(chǔ),由于噪聲、偽跡、運(yùn)動(dòng)干擾以及其他病理特征等而導(dǎo)致的心電信號(hào)質(zhì)量問題,是影響信號(hào)特征提取精度的重要因素。針對(duì)心電信號(hào)包含的各種質(zhì)量問題,以往所采取的手段往往是通過數(shù)字濾波的方式進(jìn)行去除噪聲和基線漂移,但從實(shí)際情況來(lái)看,由同一種設(shè)備所采集的信號(hào),其質(zhì)量水平參差不齊,有些信號(hào)基本不含有任何干擾,通過這些去除噪聲和漂移的方式處理之后,會(huì)造成真實(shí)信號(hào)的改變;同時(shí),也有很多信號(hào)含有大量的干擾,通過如上的處理方式可能并不能獲得有效的改善。不管是對(duì)真實(shí)的信號(hào)造成改變,還是不能完全排除掉干擾的影響,都會(huì)對(duì)后續(xù)的分析引入影響,從而造成分析結(jié)果的不準(zhǔn)確。從近期一些文獻(xiàn)或者專利技術(shù)中可以查閱到有關(guān)心電信號(hào)質(zhì)量評(píng)估技術(shù)的研究, 但是這些研究都是基于特征點(diǎn)提取的,也即首先通過一種算法提取心電信號(hào)的特征點(diǎn),比如多數(shù)情況下是R波點(diǎn)或者是QRS波群,然后通過對(duì)特征點(diǎn)提取結(jié)果的分析、QRS波形的分析等獲取對(duì)信號(hào)質(zhì)量的描述,而本發(fā)明認(rèn)為,特征提取結(jié)果的重要影響因素之一便是信號(hào)質(zhì)量水平,信號(hào)質(zhì)量問題會(huì)對(duì)特征提取造成誤差,通過特征提取結(jié)果對(duì)信號(hào)質(zhì)量水平進(jìn)行判斷也帶來(lái)誤差,這些誤差都是向后積累的,最終造成分析結(jié)果的不精確,甚至是錯(cuò)誤。另外,信號(hào)質(zhì)量水平不是簡(jiǎn)單的好與不好的區(qū)別,具有明顯的模糊性質(zhì),這符合人類本身對(duì)于信號(hào)質(zhì)量的認(rèn)知方式。對(duì)于一例特定的信號(hào),其可能含有多種影響質(zhì)量的因素, 怎樣將它歸類到與其更為相似的一種類別中,以往的處理方式很難做到這一點(diǎn)。因此,目前需要一種能夠基于心電信號(hào)本身的、不依賴于特征點(diǎn)提取的心電信號(hào)質(zhì)量評(píng)估方法,且具有模糊的分析特征,能夠根據(jù)信號(hào)的主要特征來(lái)歸類其質(zhì)量水平,并最終使用這種評(píng)估結(jié)果,分別予以不同的處理,以獲得更為精確的特征提取結(jié)果和最終的參數(shù)計(jì)算結(jié)果等。本發(fā)明的基于高位模式模糊識(shí)別的心電信號(hào)質(zhì)量評(píng)估方法和裝置正是在此技術(shù)背景下而獲得的。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種心電信號(hào)的質(zhì)量評(píng)估方法和裝置,該方法和裝置從心電信號(hào)多個(gè)維度的特征出發(fā),通過模糊識(shí)別的方式獲得對(duì)心電信號(hào)質(zhì)量的評(píng)估結(jié)果。本發(fā)明采用以下技術(shù)措施實(shí)現(xiàn)以上目的一種基于高維模糊識(shí)別的心電信號(hào)質(zhì)量評(píng)估方法,它包括如下步驟(1)初始化長(zhǎng)度為N的隊(duì)列Q ;
(2)按照一定的采樣率fs采集N點(diǎn)心電信號(hào)分析數(shù)據(jù)X(n)進(jìn)入隊(duì)列Q ;(3)使用噪聲去除方法和基線漂移去除方法對(duì)χ (η)進(jìn)行預(yù)處理得到序列y (η);(4)對(duì)序列y (η)計(jì)算高維模式特征集S ;(5)使用基于高維模式模糊識(shí)別的算法對(duì)特征集S進(jìn)行處理,獲取對(duì)分析數(shù)據(jù) X (η)的質(zhì)量評(píng)估結(jié)果;(6)重新按照4采樣率采集m點(diǎn)心電信號(hào)分析數(shù)據(jù)χ' (n),按照先進(jìn)先出方式進(jìn)入隊(duì)列Q,更新分析數(shù)據(jù)χ (η),重新進(jìn)入步驟C3)執(zhí)行;(7)響應(yīng)結(jié)束事件,結(jié)束分析進(jìn)程。其中,步驟(4)所述的高維模式特征集S包括時(shí)域特征子集St、頻域特征子集&、 多尺度域特征子集^11、非線性分析特征子集&。其中,時(shí)域特征子集St包括如下特征 (1)方差
權(quán)利要求
1.一種基于高維模糊識(shí)別的心電信號(hào)質(zhì)量評(píng)估方法,其特征在于它包括如下步驟(1)初始化長(zhǎng)度為N的隊(duì)列Q;(2)按照一定的采樣率fs采集N點(diǎn)心電信號(hào)分析數(shù)據(jù)X(Ii)進(jìn)入隊(duì)列Q;(3)使用噪聲去除方法和基線漂移去除方法對(duì)χ(η)進(jìn)行預(yù)處理得到序列y (η);(4)對(duì)序列y(η)計(jì)算高維模式特征集S ;(5)使用基于高維模式模糊識(shí)別的算法對(duì)特征集S進(jìn)行處理,獲取對(duì)分析數(shù)據(jù)χ(η)的質(zhì)量評(píng)估結(jié)果;(6)重新按照4采樣率采集m點(diǎn)心電信號(hào)分析數(shù)據(jù)χ'(η),按照先進(jìn)先出方式進(jìn)入隊(duì)列Q,更新分析數(shù)據(jù)χ (η),重新進(jìn)入步驟( 執(zhí)行;(7)響應(yīng)結(jié)束事件,結(jié)束分析進(jìn)程。
2.根據(jù)權(quán)利要求1所述的一種基于高維模糊識(shí)別的心電信號(hào)質(zhì)量評(píng)估方法,其特征在于所述步驟(4)所述的高維模式特征集S包括如下特征子集(1)時(shí)域特征子集St;(2)頻域特征子集&;(3)多尺度域特征子集;(4)非線性分析特征子集&;其中,時(shí)域特征子集St包括方差s2、峰度k、最大值變異指標(biāo)Va、最小值變異指標(biāo)V。; 頻域特征子集&包括甚低頻段能量Evl、低頻段能量EpQRS頻段能量Effs、工頻段能量Ep、 功率譜比值指標(biāo)民;多尺度特征子集包括=Hurst指數(shù)Hi ;非線性分析特征子集&包括 模糊測(cè)度熵FuzzyMEn。
3.根據(jù)權(quán)利要求1所述的一種基于高維模糊識(shí)別的心電信號(hào)質(zhì)量評(píng)估方法,其特征在于所述步驟( 所述的高維模糊模式識(shí)別算法為具有模糊特性的競(jìng)爭(zhēng)性網(wǎng)絡(luò)算法。
4.一種基于高維模糊識(shí)別的心電信號(hào)質(zhì)量評(píng)估裝置,其特征在于,它包括控制模塊 1、輸入模塊2、隊(duì)列暫存模塊3、數(shù)字信號(hào)調(diào)理模塊4、高維模式特征集計(jì)算模塊5、競(jìng)爭(zhēng)網(wǎng)絡(luò)模塊6和輸出模塊7 ;其中,控制模塊1控制整個(gè)裝置的運(yùn)行和數(shù)據(jù)流動(dòng);輸入模塊2又包括模擬信號(hào)采集單元2. 1、模擬信號(hào)調(diào)理單元2. 2、模擬-數(shù)字轉(zhuǎn)換單元2. 3和數(shù)字信號(hào)輸入單元2. 4 ;高維模式特征集計(jì)算模塊5包括四個(gè)并行計(jì)算單元時(shí)域分析單元5. 1、頻域分析單元5. 2、多尺度分析單元5. 3和非線性分析單元5. 4 ;競(jìng)爭(zhēng)網(wǎng)絡(luò)模塊6包括輸入層6. 1 和競(jìng)爭(zhēng)層6. 2。輸入模塊2與隊(duì)列暫存模塊3相連,隊(duì)列暫存模塊3與數(shù)字信號(hào)調(diào)理模塊4 相連,數(shù)字信號(hào)調(diào)理模塊4與高維模式特征集計(jì)算模塊5中的四個(gè)并行計(jì)算單元分別相連, 高維模式特征集計(jì)算模塊5的輸出通過競(jìng)爭(zhēng)網(wǎng)絡(luò)模塊6的輸入層6. 1輸入到競(jìng)爭(zhēng)層6. 2,并在競(jìng)爭(zhēng)層6. 2中映射到不同的區(qū)域,該映射信息通過輸出模塊7輸出;高維模式特征集計(jì)算模塊5輸出高維模式特征集S,包括由時(shí)域分析單元輸出的時(shí)域特征子集St、由頻域分析單元輸出的頻域特征子集Sf、由多尺度分析單元輸出的多尺度域特征子集^11和由非線性分析單元輸出的非線性分析特征子集&。其中,時(shí)域特征子集St包括方差s2、峰度k、最大值變異指標(biāo)Va、最小值變異指標(biāo)V。;頻域特征子集&包括甚低頻段能量Evl、低頻段能量Ep QRS頻段能量Effs、工頻段能量&、功率譜比值指標(biāo)民;多尺度特征子集包括=Hurst指數(shù)Hi ;非線性分析特征子集&包括模糊測(cè)度熵FuzzyMEn。
全文摘要
本發(fā)明提供了一種基于高維模糊識(shí)別的心電信號(hào)質(zhì)量評(píng)估方法和裝置。本發(fā)明可以獲得從不同角度描述心電信號(hào)質(zhì)量的高維模式特征集,包括時(shí)域特征子集、頻域特征子集、多尺度域特征子集和非線性分析特征子集,每個(gè)子集包含有多種不同的量化指標(biāo),然后通過具有模糊聚類特性的競(jìng)爭(zhēng)性網(wǎng)絡(luò),將上述高維模式特征集所描述的心電信號(hào)映射入不同的特征區(qū)域,從而獲得對(duì)心電信號(hào)質(zhì)量水平的分類。
文檔編號(hào)A61B5/0472GK102512158SQ20111045539
公開日2012年6月27日 申請(qǐng)日期2011年12月31日 優(yōu)先權(quán)日2011年12月31日
發(fā)明者劉常春, 劉澄玉, 張明, 李斌, 李鵬, 楊磊, 楊靜, 王啟斌, 車文彪 申請(qǐng)人:濟(jì)南匯醫(yī)融工科技有限公司