[发明专利]一种单导心电信号分类方法和单导心电信号分类系统

说明书

本发明公开了一种单导心电信号分类方法和单导心电信号分类系统，所述分类方法包括以下步骤：对单导心电信号进行预处理，滤除噪音信号并对单导心电信号的基线漂移进行调整；利用第一预设方法处理预处理后所述单导心电信号，得到P波、Q波、R波、S波和T波的特征点位置；通过所述特征点位置对所述心电信号的特征进行提取，得到信号统计特征；利用预设的分类模型处理所述信号统计特征得到分类后的单导心电信号。该方法和系统能够对心电信号进行准确分类，提高了分类准确率和智能化。

技术领域

本发明涉及健康检测，特别涉及一种单导心电信号分类方法和单导心电信号分类系统。

背景技术

心脏病是威胁人类生命的主要疾病之一，长期以来，对心脏病的研究一直是医学界的重要课题。人体心电图（Electrocardiogram，ECG）作为心脏电活动在体表的综合表现，蕴涵着丰富的反映心脏节律及其电传导的生理和病理信息，在一定程度上可以客观反映心脏各部位的生理状况，是诊断心脏疾病、评价心脏功能的重要依据之一，尤其对于各种心率失常和传导障碍的诊断分析具有重大诊断价值，是目前分析和鉴别各种心率失常的最精确的方法。另外，心电图在对心房心室增大、心肌供血不足、洋地黄中毒、电解质紊乱以及肺心病、风心病、高血压性心脏病的诊断方面也有较高的价值。

为了把医师从繁琐的图形识别工作中解脱出来，将精力集中在异常心电波形的识别和判断上，从而提高医疗诊断效率、缩短诊断时间，人工智能科学家需要和医生通力合作，将机器学习方法引入到心电信号分析中，以解决心电信号自动测量、模式识别和疾病诊断工作。由于心电信号的个体差异和心脏病理信息分析的复杂性，加上心电设备自身存在噪音，导致人工智能判断心脏疾病类型的准确率没有理想中的那么高，仍然无法达到临床医生的最高诊断精度。

在实现本发明的过程中，本发明人发现ECG自动分析形成了几个不同的领域：静态ECG系统、心律失常检测及监护系统、运动ECG系统，动态心电图系统（Holter）。如今，心电信号自动分析的发展体现出了如下几个趋势，第一是在分析结果的准确率和智能化上提高，第二是分析诊断时实时性的提高，第三是分析诊断系统的小型化、家用化、智能化和云端化。

发明内容

为解决上述技术问题，本发明实施例提供了一种单导心电信号分类方法和单导心电信号分类系统。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供了一种单导心电信号分类方法，所述分类方法包括以下步骤：

S10、对单导心电信号进行预处理，滤除噪音信号并对单导心电信号的基线漂移进行调整；

S20、利用第一预设方法处理预处理后所述单导心电信号，得到P波、Q波、R波、S波和T波的特征点位置；

S30、通过所述特征点位置对所述心电信号的特征进行提取，得到信号统计特征；

S40、利用预设的分类模型处理所述信号统计特征得到分类后的单导心电信号。

进一步地，所述步骤S10包括：用小波方法对信号进行滤波处理和基线漂移去除。

进一步地，所述预设方法包括以下步骤：

S21、利用至少一次差分法得到R波波峰位置；

S22、计算两个R波之间的RR间期，并利用R波位置和RR间期，对预处理后的心电信号进行分段，针对分段后的心电信号，采用自适应方法计算确定Q波和S波位置。

S23、针对分段后的心电信号采用卷积方法，识别确定P波和T波波峰位置。