[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

说明书

本发明公开了一种基于多分类器强化学习的心肌梗塞检测方法。本发明步骤：1、对原始常规12导联心电图进行预处理、R波定位、获取HRV信号；2、对每个导联HRV信号分别提取时域、频域、非线性动力学特征序列；3、利用强化学习让分类器模型不断进行学习，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若干BP分类器；4、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；5、利用投票法则进行最终投票，获得识别结果。本发明引入强化学习机制，能够更有效准确地快速识别检测，能够为心肌梗塞的检测与预防提供有效便利的工具。

技术领域

本发明属于模式识别领域，具体涉及一种基于多分类器强化学习的心肌梗塞检测方法。

背景技术

心肌梗死是冠状动脉急性、持续性缺血缺氧所引起的心肌坏死。临床上通过对心率变异性的分析能够反映心脏自主神经系统的活动性、均衡性及相关的病理状态等，因而具有广泛的临床应用前景，作为医学影像学的重要补充部分，在心肌梗塞上起到重要作用。集成学习技术是机器学习领域中用来提高分类算法准确度的技术，通常是构建并合并多个弱分类器来完成分类任务，通常比单一的分类器效果更加优越。而随着强化学习的提出，可以实现描述和解决智能体(agent)在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。因此，本发明方法提出了一种强化学习指导下基于多分类器的分类方法，将强化学习与多分类器协同工作更能使分类效果达到最佳，并成功应用于心肌梗塞的检测上。

发明内容

本发明针对使用传统分类器的分类方法检测心肌梗塞存在的问题，提出了一种基于多分类器强化学习的心肌梗塞检测方法。一种有效且检测更为准确的检测方法。

本发明技术方案主要包括如下步骤：

步骤(1)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。

步骤(2)对步骤(1)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模型的输入；

步骤(3)对步骤(2)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；

步骤(4)将步骤(3)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；

步骤(5)将步骤(4)利用投票法则进行最终投票，获得识别结果。

所述的步骤(1)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、心电图频段能量主要在0.05Hz-100Hz左右，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。