[发明专利]一种面向单导联心电图的分类方法、系统及装置

说明书

本发明公开了一种面向单导联心电图的分类方法、系统及装置，该方法包括：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；对预处理后的ECG信号进行特征提取，得到深度特征、时间特征和质量特征；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。该系统包括：预处理模块、多尺度特征提取模块和分类模块。该装置包括存储器以及用于执行上述面向单导联心电图的分类方法的处理器。通过使用本发明，够有效解决特征维数过高带来的维度诅咒问题和信号质量高低不齐带来的特征无法有效提取问题。本发明作为一种面向单导联心电图的分类方法、系统及装置，可广泛应用于心电信号分类检测。

技术领域

本发明涉及心电信号分类领域，尤其涉及一种面向单导联心电图的分类方法、系统及装置。

背景技术

心电图智能辅助诊断是当前医疗服务系统的重要组成部分，随着个性化医疗与可穿戴设备的发展，记录的大量心电图都需要经过医生通过先验知识去诊断，显然是不现实的，而人工智能和物联网的发展，使借助计算机对心电图进行智能处理变得可能，目前的心电图分类方法未考虑到噪声干扰所带来的影响和计算复杂度，这造成总体的识别准确度有待提升，尤其是面对不平衡心电数据集时，少数类的心电信号，如房颤或其它心律失常的识别率较低。

发明内容

本发明的目的是提供一种面向单导联心电图的分类方法、系统及装置，能够有效解决特征维数过高带来的维度诅咒问题和信号质量高低不齐带来的特征无法有效提取问题。

本发明所采用的第一技术方案是：一种面向单导联心电图的分类方法，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；

对预处理后的ECG信号进行特征提取，得到深度特征、时间特征和质量特征；

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。

进一步，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。

进一步，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。

进一步，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。

进一步，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。

进一步，所述对预处理后的ECG信号进行特征提取，得到深度特征、时间特征和质量特征这一步骤，其具体包括：