[发明专利]一种基于机器学习的非侵入性心脏病诊断方法和装置

权利要求书

1.一种基于机器学习的非侵入性心脏病诊断装置，包括：

第一数据采集单元：用于采集目标的心电图信号并检测对应的QRS波群；

第二数据采集单元：用于采集该目标的脉搏波信号；

第一特征提取单元：用于基于所述QRS波群提取心电图信号特征，构建为第一特征向量的样本空间；

第二特征提取单元，用于利用长短时记忆网络提取所述脉搏波信号的特征，将得到的特征向量矩阵构建为第二特征向量的样本空间；

分类识别单元：用于将所述第一特征向量的样本空间和所述第二特征向量的样本空间归一化处理后进行融合，并利用主成分分析选择关键的融合特征，利用选出的融合特征输入到预训练的分类器，获得心脏诊断结果；

其中，所述采集目标的心电图信号并检测对应的QRS波群包括：

对于采集的心电图信号，利用Pan-Tompkins算法进行R波检测；

基于检测到的R波对信号进行切割，获得RR间期特征，并在截裁样本使用聚类算法进行数据筛选；

其中，检测对应的QRS波群包括：

分别采用低通滤波器和高通滤波器对采集的心电图信号进行滤波，其中低通滤波器的截止频率设置为11Hz ，高通滤波器的截至频率设置为2Hz ；

利用微分方法对于QRS波群进行陡坡特性的放大并通过非线性平方函数增强心电图信号中的高频特性；

利用移动窗积分确定波群中R波之外的其他特征；

利用阈值动态调整和搜索确定心电图信号的峰值。

2.根据权利要求1所述的装置，其特征在于，所述分类器是支持向量机。

3.根据权利要求1所述的装置，其特征在于，所述脉搏波信号利用可穿戴设备基于光电容积脉搏波描记法获得。

4.根据权利要求1所述的装置，其特征在于，所述聚类算法是K-Means聚类。

5.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现以下步骤：

采集目标的心电图信号并检测对应的QRS波群；

采集该目标的脉搏波信号；

基于所述QRS波群提取心电图信号特征，构建为第一特征向量的样本空间；

利用长短时记忆网络提取所述脉搏波信号的特征，将得到的特征向量矩阵构建为第二特征向量的样本空间；

将所述第一特征向量的样本空间和所述第二特征向量的样本空间归一化处理后进行融合，并利用主成分分析选择关键的融合特征，利用选出的融合特征输入到预训练的分类器，获得心脏诊断结果；

其中，所述采集目标的心电图信号并检测对应的QRS波群包括：

对于采集的心电图信号，利用Pan-Tompkins算法进行R波检测；

基于检测到的R波对信号进行切割，获得RR间期特征，并在截裁样本使用聚类算法进行数据筛选；

其中，检测对应的QRS波群包括：

分别采用低通滤波器和高通滤波器对采集的心电图信号进行滤波，其中低通滤波器的截止频率设置为11Hz ，高通滤波器的截至频率设置为2Hz ；

利用微分方法对于QRS波群进行陡坡特性的放大并通过非线性平方函数增强心电图信号中的高频特性；

利用移动窗积分确定波群中R波之外的其他特征；

利用阈值动态调整和搜索确定心电图信号的峰值。