一種心電信號自動分類方法
【技術領域】
[0001] 本發(fā)明涉及心電信號自動檢測與分析技術，特別涉及一種心電信號自動分類方 法。
【背景技術】
[0002] 心臟病具有隱蔽性和潛伏性，不發(fā)病的時候很難在心電圖上表現(xiàn)出來，發(fā)病時又 是短暫的，來不及觀察心電圖。為此需要給病人攜帶24小時Holter，進行24小時心電信號 采集，再把心電數(shù)據(jù)交給醫(yī)生，由醫(yī)生對數(shù)據(jù)進行分析。此時產生的數(shù)據(jù)量巨大，醫(yī)生需要 大量時間來尋找不正常心拍。雖然Holter自帶的軟件系統(tǒng)能自動分析心拍，并給出統(tǒng)計信 息，但是由于人體差異較大，心電變化復雜，有些心拍仍需要醫(yī)生人工識別改正。在如此大 量的數(shù)據(jù)中找到錯誤標記的心拍也是一項十分繁重的工作。為了極大地節(jié)約醫(yī)生時間，提 高診斷效率，穩(wěn)定的自動分類算法是十分必要的。

【發(fā)明內容】

[0003] 本發(fā)明的目的是提供一種心電信號自動分類方法，以解決現(xiàn)有分類算法在對不同 人體，不同環(huán)境下心電信號分類的不穩(wěn)定問題。
[0004] 本發(fā)明的目的是這樣實現(xiàn)的：本發(fā)明所提供的心電信號自動分類方法，包括以下 步驟：
[0005] a)獲取人體的心電信號，并進行濾波處理，檢測濾波后的心電信號的R波；
[0006] b)檢測到R波以后，構建數(shù)據(jù)集，所述數(shù)據(jù)集由若干組心拍數(shù)據(jù)構成，每組所述心 拍數(shù)據(jù)均帶有一種標簽，所述標簽總共有6種，分為正常心拍、左束支傳導阻滯、右束支傳 導阻滯、室性早搏、房性早搏、融合性心跳：
[0007] 每組所述心拍數(shù)據(jù)包含270個采樣點，該270個采樣點是根據(jù)檢測到的R波的位 置，在所述R波的波峰點前面選取90個采樣點，在所述R波的波峰點的后面選取179個采 樣點；
[0008] C)構建稀疏自動編碼深度學習網(wǎng)絡：
[0009] 所述稀疏自動編碼深度學習網(wǎng)絡具有兩個隱含層，后面連接softmax分類器，其 中，所述兩個隱含層分別為第一隱含層和第二隱含層；
[0010] 所述稀疏自動編碼深度學習網(wǎng)絡的輸入為270個采樣點，所述第一隱含層節(jié)點數(shù) 為130,所述第二隱含層節(jié)點數(shù)為50 ;
[0011] d)分步訓練所述稀疏自動編碼深度學習網(wǎng)絡：
[0012] d-1)將所述數(shù)據(jù)集的心拍數(shù)據(jù)進行歸一化處理，然后輸入SAE模型，采用SAE模型 訓練所述稀疏自動編碼深度學習網(wǎng)絡的第一隱含層，得到第一隱含層的網(wǎng)絡權值，并得到 心拍數(shù)據(jù)的淺層特征；
[0013] d-2)采用同樣的SAE模型，將所述淺層特征輸入所述SAE模型，訓練所述稀疏自動 編碼深度學習網(wǎng)絡的第二隱含層，得到第二隱含層的網(wǎng)絡權值，并得到所述若干組心拍數(shù) 據(jù)的高層次特征；
[0014] d-3)將得到的高層次特征輸入到softmax分類器，訓練softmax分類器，得到 softmax分類器的網(wǎng)絡權值；
[0015] e)根據(jù)步驟d)所得的第一隱含層的網(wǎng)絡權值、第二隱含層的網(wǎng)絡權值和softmax 分類器的網(wǎng)絡權值，將待測心拍數(shù)據(jù)輸入所述稀疏自動編碼深度學習網(wǎng)絡，得到心拍數(shù)據(jù) 的分類輸出。
[0016] 所述步驟a)的具體過程如下：
[0017] (1)信號采集：以250Hz的采集頻率采集人體心電原始信號，并存儲為TXT文檔的 數(shù)據(jù)形式，然后用Matlab軟件將所述TXT文檔存儲的心電原始信號數(shù)據(jù)讀取到電腦中；
[0018] (2)對所述心電原始信號數(shù)據(jù)進行濾波處理：
[0019] (2-1)對所述心電原始信號進行小波分解：選擇DB6小波，對信號進行8層分解， 得到各個尺度上的小波系數(shù)d i;
[0020] (2-2)采用改進的計算閾值方法，求取各尺度的閾值，對小波系數(shù)進行閾值化處 理：
[0021]
【主權項】
1. 一種心電信號自動分類方法，其特征是，包括以下步驟： a) 獲取人體的心電信號，并進行濾波處理，檢測濾波后的心電信號的R波； b) 檢測到R波以后，構建數(shù)據(jù)集，所述數(shù)據(jù)集由若干組心拍數(shù)據(jù)構成，每組所述心拍數(shù) 據(jù)均帶有一種標簽，所述標簽總共有6種，分別為正常心拍、左束支傳導阻滯、右束支傳導 阻滯、室性早搏、房性早搏、融合性心跳： 每組所述心拍數(shù)據(jù)包含270個采樣點，該270個采樣點是根據(jù)檢測到的R波的位置，在 所述R波的波峰點前面選取90個采樣點，在所述R波的波峰點的后面選取179個采樣點； c) 構建稀疏自動編碼深度學習網(wǎng)絡： 所述稀疏自動編碼深度學習網(wǎng)絡具有兩個隱含層，后面連接softmax分類器，其中，所 述兩個隱含層分別為第一隱含層和第二隱含層； 所述稀疏自動編碼深度學習網(wǎng)絡的輸入為270個采樣點，所述第一隱含層節(jié)點數(shù)為 130,所述第二隱含層節(jié)點數(shù)為50 ; d) 分步訓練所述稀疏自動編碼深度學習網(wǎng)絡： d-1)將所述數(shù)據(jù)集的心拍數(shù)據(jù)進行歸一化處理，然后輸入SAE模型，采用SAE模型訓練 所述稀疏自動編碼深度學習網(wǎng)絡的第一隱含層，得到第一隱含層的網(wǎng)絡權值，并得到心拍 數(shù)據(jù)的淺層特征； d-2)采用同樣的SAE模型，將所述淺層特征輸入所述SAE模型，訓練所述稀疏自動編碼 深度學習網(wǎng)絡的第二隱含層，得到第二隱含層的網(wǎng)絡權值，并得到所述若干組心拍數(shù)據(jù)的 高層次特征； d-3)將得到的高層次特征輸入到softmax分類器，訓練softmax分類器，得到softmax 分類器的網(wǎng)絡權值； e) 根據(jù)步驟d)所得的第一隱含層的網(wǎng)絡權值、第二隱含層的網(wǎng)絡權值和softmax分類 器的網(wǎng)絡權值，將待測心拍數(shù)據(jù)輸入所述稀疏自動編碼深度學習網(wǎng)絡，得到心拍數(shù)據(jù)的分 類輸出。
【專利摘要】本發(fā)明公開了一種心電信號自動分類方法，其是按如下的步驟實現(xiàn)的：a）獲取人體的心電信號，并進行濾波處理，檢測濾波后的心電信號的R波；b）檢測到R波以后，構建數(shù)據(jù)集，所述數(shù)據(jù)集由若干組心拍數(shù)據(jù)構成，每組所述心拍數(shù)據(jù)均帶有一種標簽；c）構建稀疏自動編碼深度學習網(wǎng)絡；d）分步訓練所述稀疏自動編碼深度學習網(wǎng)絡；e）根據(jù)步驟d）所得的第一隱含層的網(wǎng)絡權值、第二隱含層的網(wǎng)絡權值和softmax分類器的網(wǎng)絡權值，將待測心拍數(shù)據(jù)輸入所述稀疏自動編碼深度學習網(wǎng)絡，得到分類輸出的心拍數(shù)據(jù)。本發(fā)明將稀疏自動編碼深度學習網(wǎng)絡應用于心拍數(shù)據(jù)的分類，利用其自主學習能力和深層特征挖掘的特性，提取信號更深層次的特征，而對心拍數(shù)據(jù)進行分類。
【IPC分類】A61B5-0456, A61B5-0402
【公開號】CN104523266
【申請?zhí)枴緾N201510005290
【發(fā)明人】劉秀玲, 楊建利, 白洋, 杜海曼, 王洪瑞
【申請人】河北大學
【公開日】2015年4月22日
【申請日】2015年1月7日