[发明专利]一种心律失常检测装置

说明书

本发明涉及一种心律失常检测装置，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，通过对心电信号进行预处理、特征提取、神经网络分类，最终得到该患者的心律失常情况。通过本发明的装置，可以自动获得患者的心律失常情况，检测准确、及时。

技术领域

本发明涉及监测生理状况的医疗设备技术领域，特别涉及一种心律失常检测装置。

背景技术

心律失常(arrhythmia)是由于窦房结激动异常或激动产生于窦房结以外，激动的传导缓慢、阻滞或经异常通道传导，即心脏活动的起源和(或)传导障碍导致心脏搏动的频率和(或)节律异常。心律失常是心血管疾病中重要的一组疾病。它可单独发病，亦可与其他心血管病伴发。其预后与心律失常的病因、诱因、演变趋势、是否导致严重血流动力障碍有关，可突然发作而致猝死，亦可持续累及心脏而致其衰竭。对心律失常的有效检测可以预防心脏疾病，防止人体猝死。

临床诊断心律失常主要的手段为心电图检测，但是大部分对于心电的测量都需要使用复杂的心电图仪器进行，心电信号采集设备大不便于携带，不方便患者的日常使用，很难实现日常心脏活动情况以及心律异常的自我监测、诊断和管理。

一些机构试图通过目前流行的分类方法对心电信号进行分类，从而判断患者的心律状况，已知的是有部分机构使用支持向量机来进行分类，但是本领域技术人员是一种二值分类方法，其输出结果只有0和1，但是心律失常显然包括了将近十多种情况，仅进行二值分类的分类结果显然不能满足检测需求。同时，在提取心电特征进行分析时，通常仅仅分析RR间隔、QRS复合波段等，对心电信号的特征提取没有针对性，不能很好的获得心电信号的特征。

因而，亟需一种心律失常检测装置，可以有效的提取心电特征，同时能够利用神经网络算法对心电信号进行多分类，得到心律失常的具体类型，使检测结果更准确。

发明内容

根据本发明的目的，提供一种心律失常检测装置，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。

进一步地，所述处理器进行自动检测的过程包括预处理、特征提取、神经网络分类，最终得到该患者的心律失常情况。

优选地，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：