[发明专利]一种面向心律不齐分类的ECG信号处理方法

说明书

本发明提供一种ECG信号处理方法，可以从多个时频解析度对ECG信号进行分析，并分别利用SB‑LSTM和TD‑CNN从ECG子层信号中挖掘信号的整体波动模式和局部波动模式，最终使用Sum Rule对每个ECG子层的中间分类结果进行融合，获取更加准确、健壮的分类结果。该方法避免了人工分类所产生的个体间差异和个体内差异，能够获得稳定的分类结果，此外，该方法不需要借助任何专家知识、不需要手动设计各种特征、不需要进行特征选择处理、不需要单独构建分类器，是典型的端到端方法，具有使用便捷、分类精度高等特点。

技术领域

本发明涉及生物医学领域，具体地，涉及一种面向心律不齐分类的ECG信号处理方法。

背景技术

“心律不齐”指的是心跳或快或慢，超过了一般范围。很多心律不齐都没有任何症状。心律不齐有五个分型：非异位型(N:Non-ectopic)、室性异位型(V:Ventricularectopic)、室上性异位型(S:Supraventricular ectopic)、混合型(F:Fusion)、未知型(Q:Unknown)。不同个体的心脏活动模式具有较大差异，甚至相同个体的心脏活动模式在不同时段也表现出巨大差异，这使得对心律不齐进行准确分类变得异常困难。

现有心率不齐分类方法主要分为两大类：1)基于专业医生的人工分类方法；2)基于特征提取、特征选择及分类器构建的计算机辅助分类方法。前者需要医生具有极其丰富的临床经验，且需耗费大量的时间成本，效率很低；此外，基于人工的检测及分类方法往往存在个体间差异和个体内差异，分类结果的一致性较差。后者虽然借助计算机大大降低了时间成本，且保证了结果的一致性，但其必须根据专家知识提前设计若干个特征。由于心脏活动模式在个体间和个体内都存在巨大差异，统一设计的特征难以准确刻画所有情况下的心脏活动模式，这限制了该种方法的分类精度。

发明内容

本发明提供一种面向心律不齐分类的ECG信号处理方法，以解决心律不齐分类精度较低的问题。

本发明的技术方案为：

一种面向心律不齐分类的ECG信号处理方法，包括以下步骤：

S1：对ECG信号进行R峰检测、心跳提取、数据平衡预处理操作，得到格式统一的ECG信号段；

S2：对S1输出的ECG信号段进行小波分解操作，得到多个时频解析度下的ECG子层信号；

S3：利用多层双向长短时记忆神经网络，分别从S2输出的每个ECG子层进行中挖掘长时依赖关系，刻画ECG信号段的整体变化趋势；

S4：利用二维卷积神经网络，从每个经过S3处理后的ECG信号子层中挖掘局部特征，以刻画ECG信号中不同波形成分的特点；并得到每个ECG子层信号属于不同心律不齐分型的概率；

S5：将S4中每个ECG子层属于不同心律不齐分型的概率进行融合，从而得到该ECG信号段的最终分类结果。

进一步地，一种面向心律不齐分类的ECG信号处理方法，所述S1中，首先使用Pan-Tompkins算法定位ECG信号中的R峰的位置；然后以R峰为中心截取适当数量的采样点作为当前心跳所对应的ECG信号段；最后采用SMOTE算法对实例较少的心率不齐分型进行上采样处理，得到数量平衡的数据集。

进一步地，一种面向心律不齐分类的ECG信号处理方法，S2中得到多个时频解析度下的ECG子层信号是指利用小波分解技术对ECG信号进行若干级分解，并根据每层细节分量的小波系数进行信号重构，从而得到若干不同时频解析度下的ECG子层信号。

进一步地，一种面向心律不齐分类的ECG信号处理方法，所述S3中利用多层双向长短时记忆神经网络以刻画ECG信号的整体波动模式是指：使用结构相同的多个多层长短时记忆神经网络并行地处理S2中得到的多个ECG子层信号，并将每层的处理结果并行地作为下一层网络的输入。