[发明专利]一种心电图分类处理方法及装置

说明书

技术领域

本发明涉及医疗电子技术领域，具体涉及一种心电图分类处理方法及装置。

背景技术

心电图由心脏周期活动产生的PQRST等波形组成，是将心脏周期活动产生的电信号记录下来并按规定的格式绘制出来的图形，其中R波是心电图中最明显的一个波形。心电图已经被广泛用于心血管病的临床检查与预警，而随着远程监护的兴起，心电图分析也正在向院外、亚健康人群和长时间监护发展，从而具有自动化诊断的需求。

现有的心电图分类方法主要集中于专家知识刻画、模板匹配以及在提取后的特征上进行分类，其中包含支持向量机、规则判断、神经网络等方法。这些方法需要首先准确的识别出心电图中的各种特征点位置、各种波形幅度或者形态。然而这些特征点是与心电图波形形态有关，变化范围很大，同时受到无处不在的噪声影响，导致这些特征点难以准确找到，最后输出的分类结果也不准确，因此，希望能提供一种输出更准确结果的心电图分类处理方法，方便医生进行医疗判断。

发明内容

本发明要解决的技术问题是针对现有技术心电图分类不准确的缺陷，提供一种心电图分类处理方法及装置，能够输出更准确的心电图分类结果。

本发明提供的技术方案如下：

本发明提供一种心电图分类处理方法，包括：

获取心电图中的R波的位置；

根据所述R波的位置，确定体现所述心电图特征的直接特征值；

将心电图以R波位置为中心分割为不同数据段；

对分割的数据段进行卷积和取样，得到内部特征值；

对所述直接特征值和所述内部特征值根据预定算法进行计算，得到分类结果。

优选地，所述根据R波的位置，确定体现所述心电图特征的直接特征值包括：根据所述R波的位置，确定设定数目的RR间期作为直接特征值。

优选地，所述将心电图以R波位置为中心分割为不同数据段后还包括：对心电图的心电数据叠加随机噪声；

所述对分割的数据段进行卷积和取样包括：通过卷积层与取样层对分割且叠加随机噪声后的心电数据进行卷积和取样。

优选地，所述根据R波的位置，确定设定数目的RR间期作为直接特征值包括：

根据所述R波的位置，分别将R波左边的两个RR间期、右边的两个RR间期，及周围12个R波的平均RR间期，共5个RR间期作为直接特征值。

优选地，所述对所述直接特征值和所述内部特征值根据预定算法进行计算，得到分类结果包括：

多层感知器的隐层对所述直接特征值和内部特征值，使用第一权值矩阵进行计算；

多层感知器的逻辑回归层根据所述隐层输出的数据，使用第二权值矩阵进行计算得到心电图分类结果。

优选地，所述第一权值矩阵为[P1*P2]，其中，P1为输入节点个数，P2为输出节点个数，50<P1<2000，100<P2<2000；

所述第二权值矩阵为[P2*D]，其中D为疾病种类数目。

优选地，所述对分割的数据段进行卷积和取样，得到内部特征值包括：

通过三个卷积层与取样层对分割的数据段进行卷积和取样，

三个卷积层的核结构为[F1，1，1，C1]，[F2，F1，leadCount，C2]，[F3，F2，1，C3]，取样层结构为[1，M1]，[1，M2]，[1，M3]；

其中，F1、F2、F3为特征面数目，C1、C2、C3为卷积核，M1、M2、M3为取样系数，leadCount为输入数据的导联数目，3<F1<30，F1<F2<100，F2<F3<200，1<C1<60，1<C2<50，1<C3<40，1<M1<30，1<M2<30，M1<M2<30；

根据三个卷积层与取样层的卷积和取样结果，得到内部特征值。

本发明另一个目的是提供一种心电图分类处理装置，包括：

R波提取模块，用于获取心电图中的R波的位置；

特征提取模块，用于根据所述R波提取模块获取的R波的位置，确定体现所述心电图特征的直接特征值；

分割模块，用于将心电图以R波位置为中心分割为不同数据段；

卷积和取样模块，用于对分割的数据段进行卷积和取样，得到内部特征值；

多层感知器，用于对所述特征提取模块得到的直接特征值和所述卷积和取样模块得到的内部特征值根据预定算法进行计算，得到分类结果。

优选地，所述装置还包括：