[发明专利]一种基于多分类器强化学习的心肌梗塞检测方法

权利要求书

1.一种基于多分类器强化学习的心肌梗塞检测系统，其特征在于包括如下模块：

预处理模块：对采集得到的常规十二导联心电图进行数据预处理、R波定位、确定RR间期、获得HRV信号；

特征提取模块：对预处理模块获得的HRV信号进行每个导联时域、频域、非线性动力学特征提取，将提取的特征序列分别作为三个主分类器模型的输入；

分类模块：对特征提取模块提取的特征利用强化学习让模型不断进行学习，调整模型参数，将不同动作对应的Q值作为一个序列输出，最终训练得到三个主分类器模型，每个主分类器模型里面根据强化学习得分机制产生多个BP分类器；

通过分类模块利用强化学习训练得到的三个主分类器对测试样本进行分类识别，获得三个测试结果；

最后利用投票法则进行最终投票，获得识别结果。

2.根据权利要求1所述的一种基于多分类器强化学习的心肌梗塞检测系统，其特征在于，预处理模块对采集得到的常规十二导联心电图进行数据预处理是指利用中值滤波去除基线漂移噪声、利用巴特沃斯滤波器去除50Hz工频噪声、心电图频段能量在0.05Hz-100Hz，即利用低通滤波器去除100Hz以上噪声、利用高通滤波器去除0.05Hz以下的噪声；利用连续小波模极值方法定位R波，经过一阶差分获取得到HRV信号。

3.根据权利要求1或2所述的一种基于多分类器强化学习的心肌梗塞检测系统，其特征在于，特征提取模块获得的HRV信号进行每个导联时域、频域、非线性动力学特征提取，是指将HRV信号进行时域特征提取，分别为：RR间期均值(MEAN)、全程RR间期的标准差(SDNN)、RR相邻间期的标准差(SDSD)、RR间期差值的均方根(R_MSSD)、相邻间期大于50ms个数与RR间期总个数的比值(PNN50)、相邻间期大于20ms个数与RR间期总个数的比值(PNN20)、RR间期方差(VAR)；HRV信号进行频域特征提取，分别为：极低频功率(PVLF)、低频功率(PLF)、高频功率(PHF)、总功率(PTF)、低频功率除高频功率(PLF/PHF)、低频功率标准值(LF norm)、高频功率标准值(HF norm)；HRV信号进行非线性特征提取，分别为：近似熵(APEN)、样本熵(SampEntropy)、LZ复杂度(LZfzd)、C0复杂度(C0fzd)、Poincare Plot椭圆半长轴(SD1)、Poincare Plot椭圆半短轴(SD2)；将提取的时域特征序列、频域特征序列、非线性的特征序列分别作为模型的输入。