[发明专利]基于高频心电波形的心脏疾病早期诊断的方法及装置

摘要

基于高频心电波形的心脏疾病早期诊断的方法：由高输入阻抗、低噪声、高共模抑制比以及宽频带多通道心电放大器；12位A/D转换板获得高频心电波形；.采用利用小波变换将时频两域结合起来分析，形成HFECG(时间—频率—幅值)三维频谱图。再从十二导联HFECG的QRS波群高频三维频谱图中提取出反映HFECG高频成分丰富程度的特征参数，包括高端截止频率等，对上述特征参数进行人工神经网络的分类诊断：它们在一个由m个特征参数构成的m维的空间中综合的影响决定了QRS波群的高频三维频谱性质，存在一个m维的曲面，这个曲面将空间分为两个部分：心脏功能的正常和异常。用于心脏疾病早期诊断。

主权项

1、基于高频心电波形的心脏疾病早期诊断的方法：由高输入阻抗、低噪声、高共模抑制比以及宽频带多通道心电放大器；12位A/D转换板获得高频心电波形；采用利用小波变换将时频两域结合起来分析，形成HFECG(时间—频率—幅值)三维频谱图；再从十二导联HFECG的QRS波群高频三维频谱图中提取出一系列反映HFECG高频成份丰富程度的特征参数，它们是：高端截止频率：描述HFECG(时间—频率—幅值)频带范围的最高频率；三维频谱图中块信号峰的个数与坡的个数之和：描述三维频谱的波形复杂程度；最高峰频率：描述最大能量分布的频率；对上述特征参数进行人工神经网络的分类诊断：它们在一个由m个特征参数构成的m维的空间中综合的影响决定了QRS波群的高频三维频谱性质，存在一个m维的曲面，这个曲面将空间分为两个部分：心脏功能的正常和异常；BP网络中确定网络隐层为一层；网络的输入层的神经元个数N由上述特征参数的个数选定了总共七个特征参数，这样输入层神经元就需要七个；隐层神经元个数M的选择依据经验公式P<Σi=0NCMi---(CMi=0,i>M)]]>其中P是训练库的样本个数，隐层神经元个数与训练的样本个数相关，式中M与P均跟网络拟合的非线性关系的复杂程度相关；网络的输出层神经元个数K由需要分类的种数决定，选定输出神经元为一个，其输出值的0和1分别代表健康和有病。