[发明专利]一种心律失常检测装置

权利要求书

1.一种心律失常检测装置，其特征在于，包括心电采集设备和处理器，其特征在于，所述处理器对所述心电采集设备采集的心电信号进行处理，以自动检测患者的心律失常情况；所述的处理包括特征提取，所述的特征提取采用近邻保持算法，对心电信号进行压缩感知，具体过程为：

设数据集X＝(x₁,x₂,…,x_m)，其中x_i∈R^D,i＝1,2,…,m，x_i表示心电信号在高维空间的第i个信号，X表示高维空间的心电信号数据集，R^D表示高维空间，近邻保持算法寻找一个最优的映射变换矩阵A，将R^D空间的数据映射到一个相对低维的空间R^d，R^d表示低维空间，数据点x_i在R^d中表示为y_i，则映射可以表示为：

y_i＝A^Tx_i，其中y_i表示心电信号在低维空间的第i个信号；

包括以下步骤：

(1)选择近邻：令G为一个有m个节点的邻接图，每个数据x_i作为图的一个节点，如果点x_i是点x_j的K近邻，同时x_j也是x_i的K近邻，则为它们连接一条边；其中，x_j表示心电信号在高维空间的第j个信号，j＝1,2,…,m；

(2)计算权值：用W代表临近图G的权值矩阵，W_ij表示节点i到节点j的有向边的权值，则优化目标函数如下：

约束条件为通过求解式(1)的最优化问题，可得到每条边的权值；

(3)确定映射矩阵：

XMX^Ta＝λXX^Ta (2)

求解式(2)的特征值和特征向量，其中M＝(I-W)^T(I-W)，其中I为单位矩阵，

设a₁,a₂,…,a_i分布为式(2)中i个特征向量的特征值，则映射矩阵可以表示为：

则高维空间数据点x_i和对应的低维空间映射点y_i具有如下关系：

y_i＝A^Tx_i (5)

由上述的步骤(1)-(3)，可以得到转换后的低维空间的心电信号；

对心电信号进行特征提取后，训练支持向量机，利用支持向量机进行神经网络分类，通过已知类型的6类与心律失常相关的心电信号的特征信号作为训练集进行训练，得到训练好的支持向量机后，用该训练好的支持向量机对测试集的信号进行测试；其中，所述的6类与心律失常相关的心电信号的6类与心律失常相关的心电信号的特征信号包括：正常心拍、房性早搏、室性早搏、右束支传导阻滞、左束支传导阻滞、起搏心拍；所述的训练集包括心拍的特征和已经标识的类型；

所述的支持向量机通过以下过程获得：

支持向量机通过构建最优分类平面完成分类任务，最优分类平面将分属两类的样本数据间的距离最大化，H表示两种样本的最优分类面，H₁、H₂分别为两类样本所在平面，它们之间的距离称为分类间隔，分类间隔跟随分类面改变，其中，最优分类面能过保证在得到最大分类间隔的前提下将两种样本正确分类；

其中，分类面方程为：

μ·s+b＝0 (6)

其中s是输入数据，μ表示法向量，b表示偏置值，如果样本线性可分，则样本集(s_i,t_i)，s_i是输入的数据，t_i是分类面的数据，t_i∈{+1,-1}，并且满足以下关系：

y_i[μ·s_i+b＝0]-1＝0(7)，其中，i＝1,2,…,m

此时，分类间隔为要得到最大分类间隔即要使||μ||²最小，满足式(7)且使||μ||²最小的分类面即为最优分类面；

在线性可分情况下，求取最优分类面的问题，可以表示为在式(7)条件下，求式(8)的最小值：

为此，可定义如下的拉格朗日函数：

其中，c_i≥0为每个样本对应的拉格朗日系数；

求解式(9)的最小值，可以对μ和b求偏导后转化为求解式(10)的问题：

在满足式(10)的约束条件下，求取式(11)取最大值时的解c_i：

其中Q(c)为求解c_i时构造的函数，z＝1,2，…，m

解c_i对应的样本就是支持向量，若为最优解，则最优分类面的权向量为：

求得支持向量及权向量后，可以对其中任意一对支持向量求取平均值以求出分类器中的阈值，即：

其中，s^*(1)和s^*(-1)分别代表两类样本中的支持向量；

基于求得支持向量与相关参数，可得到最优分类判别函数：

式(6)-(14)只是对线性样本进行分类，但是由于心电信号是非线性信号，在对心电信号进行分析时，需要进行映射，把非线性问题转变成线性问题，进而求取最优分类面，假定非线性映射为如式(15)所示：

为映射函数,则式(11)就可转化为：

引入变量ξ_i和惩罚系数U，ξ_i≥0，U≥0，则式(7)和(8)转变为：

Subject to t_i(μ·s_i+b)≥1-ξ_i (17)

点积运算没有涉及单独映射函数的运算，因此，如果能够找到一个核函数K使其满足那么在进行计算时，只需要通过原始的函数进行內积运算就能完成，选择径向基核函数作为核函数，径向基核函数为：

其中σ为正实数，P为核函数的分量；

自此，可以得到SVM分类器，在得到SVM分类器后，对测试集的数据进行测试分类；

首先采用一对一法构造支持向量机分类器，当对一个测试样本进行分类识别时，分别使用构造好的多个分类器逐个对心电信号的特征信号进行分类，将该测试样本在每个分类器中的分类结果进行记录，由于同一个病人的心律失常情况是一定的，对多个测试样本在每个分类器中的分类结果进行保存，最终统计各个分类器的所有分类结果中占比最大的分类结果，作为该患者最终的心律失常检测判断结果。