[发明专利]一种心电图特征提取方法

说明书

技术领域

本发明涉及医学信号处理领域的一种方法，更确切地说，本发明涉及一种心电图特征提取方法。

背景技术

近些年，针对心电图的辅助诊断设备发展迅速，随着信息领域的科技进步，特别是随着模式识别技术的进展，心电图设备的功能不再是仅仅获取心电信号、打印心电图，而是向着挖掘心电图中的有效数据以及自动识别、统计心拍信息方向发展。带自动识别心拍功能的分析设备能够为医生提供更直观有效的心电图信息，有效节省诊断时间，提高医生的诊断效率，是重要的辅助医疗设备之

工作在计算器件上的心拍自动识别系统是此类设备的核心，技术途径是通过提取表征了心电图有效信息的特征向量，输入到分类器算法得到心拍的类别，如房早、室早、左束支等。在提取特征向量这一步骤中技术难点是形态学特征的提取。目前的系统和方法主要使用心电图上特定波形的采样、形态学参数等作为形态学特征，例如QRS波群的模板采样，P、Q、R、S、T等波的均值、方差。这种形态学特征辅以心电图上的其它特征构成特征向量输入到分类器，经处理后输出分类结果。

然而，这类自动心拍识别系统存在运算量过大，计算成本偏高的问题。分类器普遍存在维度灾难现象，即随着特征向量的维度升高，分类器运算量迅速增大，与此同时，传统的心电图形态学特征维度很高。这种在带有维度灾难的环节上运算高维输入量的情况是导致运算量大的主要原因之一，因此减小分类器的输入量维度是降低运算量、节约计算成本的关键。

发明内容

本发明为解决心电图形态学特征维度过高，心拍自动分类运算量过大的问题，提供了一种低维形态学特征向量以及基于这种特征向量的心电图特征提取方法。

为解决上述技术问题，本发明是采用如下技术方案实现的：所述的一种心电图特征提取方法包括有：

1.建立词典：

(1)心电图预处理：

a.组建词典训练集；

b.除去词典训练集中心电图的噪声；

c.检测词典训练集中心电图的分割点；

(2)对词典训练集中心电信号进行分段：

a.分离出词典训练集中心电图中的心拍；

b.对词典训练集中心拍进行分段；

c.对词典训练集中分段信号进行重采样；

d.对词典训练集中重采样后的信号进行等分：

对每个重采样后的信号按照采样点序号进行5等分，等分后的每个小段形成一条长度为10的短序列，因此每个心拍被划分为30个短序列；

e.转换格式存储词典训练集中信号：

短序列按照在原信号中的对应顺序，组成一个短序列结构体A；其中，元素A(i，j)表示第i个心拍的第j个短序列；

(3)利用词典训练集中短序列结构体建立词典：

a.对词典训练集中短序列结构体进行格式转换；

b.执行聚类算法；

2.生成待分类心电图的特征：

(1)待分类心电图预处理：

a.除去待分类心电图噪声；

b.检测待分类心电图的分割点；

(2)将待分类心电信号进行分段：

a.分离出待分类心电图中的心拍；

b.对待分类心电图心拍进行分段；

c.对待分类心电图分段信号进行重采样；

d.对待分类心电图重采样后的信号进行等分；

e.转换格式并存储；

(3)生成码字：

a.取“利用词典训练集中短序列结构体建立词典”步骤中得到的词典E和转换格式并存储”步骤中得到的短序列结构体C，依次令m=1，2，…，M，其中M为待分类心电图中的心拍总数，循环执行“建立待分类心电图中所有心拍的形态学特征矩阵”步骤；

b.建立待分类心电图中所有心拍的形态学特征矩阵；

(4)生成统计特征：

(5)特征向量生成。

技术方案中所述的检测词典训练集中心电图的分割点是指：将“除去词典训练集中心电图的噪声”步骤中获得的纯净信号Mlii导联部分输入由R.Jan é发明的波形限制探测器，完成R波顶点检测、QRS波群起点、QRS波群终点检测、心拍起点检测、心拍终点检测。对于采样频率为f的心电图，设置波形限制探测器的参数：R波顶点检测时间限为120×f／250到250×f／250个采样点，Q波和S波检测时间限为距离R波顶点小于50×f／250个采样点，心拍分割点时间限为距离R波大于50×f／250小于150×f／250个采样点，以上参数四舍五入取整。