[发明专利]一种与RR间期无关的房颤自动检测方法

权利要求书

1.一种与RR间期无关的房颤自动检测方法，其特征是，包括以下步骤：

a)获取人体ECG信号，采用小波阈值法滤波，然后检测R波波峰；

b)对于每个R波波峰，检测其所在QRS波群的起点和终点，将检测出的QRS波群从小波阈值法滤波后的ECG信号中去除，得到若干分离的数据段，采用傅立叶插值算法将每个数据段归一化为一个128字节的向量X_i(n)；

c)按公式计算向量X_i(n)及其前一个向量X_i-1(n)之间的相干谱，得到一个32字节的底层特征向量C_i,i-1(ω_n)；

所述公式中：S_i,i(ω_n)表示X_i(n)的功率谱；S_i-1,i-1(ω_n)表示X_i-1(n)的功率谱；S_i,i-1(ω_n)表示X_i(n)与X_i-1(n)的交叉谱；

d)对步骤b)所得向量X_i(n)进行差分运算，得到一个长度为127字节的向量U_i(n)；将向量U_i(n)分成相互重叠的、长度均为64字节的三段，然后对每段进行傅立叶变换，共得到三个均为64字节的频域向量，取各频域向量的前32个字节的幅值并按顺序合并，得到一个包含96字节的底层特征向量F_i(ω_n)；

其中，所述将向量U_i(n)分成相互重叠的三段具体是：第一段的起始点为U_i(1)，终止点为U_i(64)；第二段的起始点为U_i(33)，终止点为U_i(96)；第三段的起始点为U_i(64)，终止点为U_i(127)；

e)然后采用卷积神经网络分别对步骤c)所得底层特征向量C_i,i-1(ω_n)和步骤d)所得底层特征向量F_i(ω_n)进行分类：

所采用卷积神经网络均包含两个隐含层，每个隐含层均包含一个卷积层和一个池化层；所述卷积神经网络的最上层为softmax分类器，其包含两个输出层节点，分别对应于房颤心拍和非房颤心拍；

e-1)采用卷积神经网络对步骤c)所得底层特征向量C_i,i-1(ω_n)进行分类，将与底层特征向量C_i,i-1(ω_n)对应的心拍分类为房颤心拍和非房颤心拍；

e-2)采用卷积神经网络对步骤d)所得底层特征向量F_i(ω_n)进行分类，将与底层特征向量F_i(ω_n)对应的心拍分类为房颤心拍和非房颤心拍；

f)采用投票法融合K个心拍内步骤e-1)和步骤e-2)的分类结果,共有2*K个分类结果，统计其中标号房颤出现的次数并记为n₁，如果n₁≥K，则将包含该K个心拍的ECG信号分类为房颤，否则将其分类为非房颤；其中,K取值为7～19。