[发明专利]一种面向单导联心电图的分类方法、系统及装置

权利要求书

1.一种面向单导联心电图的分类方法，其特征在于，包括以下步骤：

获取ECG信号数据并对ECG信号数据进行预处理，得到预处理后的ECG信号；

基于预构建的卷积神经网络对预处理后的ECG信号进行特征提取，得到深度特征；

对预处理后的ECG信号中的R波进行标记，并通过标记的R波群计算RR间期的平均值、离散度、单位时间内R波的个数和样本熵，得到时间特征；

基于R波检测计算节拍一致性质量检测指数bSQI、周期分量的质量指数PiCASQI和QRS波群能量占比质量指数eSQI，得到质量特征；

所述节拍一致性质量检测指数bSQI为在面对同一心电信号时，由两个灵敏度不同的探测器对R波检测的百分比计算；

所述节拍一致性质量检测指数bSQI的计算公式为N_eplimited表示通过eplimited探测器检测到的R波数量，N_wqrs表示通过wqrs探测器检测到的R波数量；

所述周期分量的质量指数PiCASQI用于分析ECG信号中的周期量成分；

所述周期分量的质量指数PiCASQI的计算公式为定义ECG信号x(t)的协方差为P_x(τ_t)，P_x(τ_t)＝C_t{x(t-τ_t)x(t)}，C_t{·}表示在时间t上取的平均值，τ_t表示一个恒定的时延，P_x(τ_t)表示t时刻的周期量成分，P_x(0)表示上一时刻的周期量成分；

所述QRS波群能量占比质量指数eSQI为QRS波群的占整个ECG片段的相对能量；

将深度特征、时间特征和质量特征进行融合并基于支持向量机进行分类，得到分类结果。

2.根据权利要求1所述一种面向单导联心电图的分类方法，其特征在于，所述获取ECG信号数据并对ECG信号数据进行预处理，得到预处理后的ECG信号这一步骤，其具体包括：

基于离散小波变换对ECG信号数据进行降噪处理，得到降噪后ECG信号数据；

对降噪后ECG信号数据进行数据裁剪和平衡处理，得到预处理后的ECG信号。

3.根据权利要求2所述一种面向单导联心电图的分类方法，其特征在于，所述基于离散小波变换对ECG信号数据进行降噪处理，得到降噪后ECG信号数据这一步骤，其具体包括：

基于离散小波变换对ECG信号数据进行六层分解，得到各层对应的细节分量和近似分量；

将第一层的近似分量、第二层的近似分量和第六层的细节分量剔除并将剩余分量进行重构，得到降噪后ECG信号数据。

4.根据权利要求3所述一种面向单导联心电图的分类方法，其特征在于，所述细节分量的表达式如下：

其中，x_a,H[n]表示第a层的细节分量，x_a-1,H[2n-k]表示第a-1层的细节分量，H[k]表示第k个细节分量滤波器。

5.根据权利要求4所述一种面向单导联心电图的分类方法，其特征在于，所述对降噪后ECG信号数据进行数据裁剪和平衡处理，得到预处理后的ECG信号这一步骤，其具体包括：

对时长大于30s的降噪后ECG信号数据进行裁剪，保留最后30s的数据；

对时长小于30s的降噪后ECG信号数据进行零填充，直至数据时长为30s，得到裁剪后数据；

对裁剪后数据中少数类样本进行随机复制，平衡少数类样本和多数类样本的比例，得到预处理后的ECG信号。

6.根据权利要求5所述一种面向单导联心电图的分类方法，其特征在于，所述将深度特征、时间特征和质量特征进行融合并基于支持向量机进行分类，得到分类结果这一步骤，其具体包括：

对深度特征、时间特征和质量特征进行归一化处理，得到归一化后的特征；

将归一化后的特征进行串联级融合并输入到支持向量机进行分类，得到分类结果；

所述支持向量机中核函数为径向基函数。