[发明专利]一种与RR间期无关的房颤自动检测方法

摘要

本发明涉及一种与RR间期无关的房颤自动检测方法，该方法先对所获取的人体ECG信号进行滤波处理，检测其QRS波群，然后将检测出的QRS波群从小波阈值法滤波后的ECG信号中去除，得到若干分离的数据段，采用傅立叶插值算法将每个数据段归一化为一个128字节的向量，然后分别计算相邻向量所对应心拍的相干谱及每个心拍内的分段频率特征，并采用卷积神经网络进行处理，得分类结果，然后对两个卷积神经网络的分类结果进行投票，实现对房颤信号的识别。本发明的方法真正实现与RR间期特征无关；不需要进行P波检测，具有较高的鲁棒性。

主权项

一种与RR间期无关的房颤自动检测方法，其特征是，包括以下步骤：a)获取人体ECG信号，采用小波阈值法滤波，然后检测R波波峰；b)对于每个R波波峰，检测其所在QRS波群的起点和终点，将检测出的QRS波群从小波阈值法滤波后的ECG信号中去除，得到若干分离的数据段，采用傅立叶插值算法将每个数据段归一化为一个128字节的向量X_i(n)；c)按公式计算向量X_i(n)及其前一个向量X_i‑1(n)之间的相干谱，得到一个32字节的底层特征向量C_i,i‑1(ω_n)；所述公式中：S_i,i(ω_n)表示X_i(n)的功率谱；S_i‑1,i‑1(ω_n)表示X_i‑1(n)的功率谱；S_i,i‑1(ω_n)表示X_i(n)与X_i‑1(n)的交叉谱；d)对步骤b)所得向量X_i(n)进行差分运算，得到一个长度为127字节的向量U_i(n)；将向量U_i(n)分成相互重叠的、长度均为64字节的三段，然后对每段进行傅立叶变换，共得到三个均为64字节的频域向量，取各频域向量的前32个字节的幅值并按顺序合并，得到一个包含96字节的底层特征向量F_i(ω_n)；其中，所述将向量U_i(n)分成相互重叠的三段具体是：第一段的起始点为U_i(1)，终止点为U_i(64)；第二段的起始点为U_i(33)，终止点为U_i(96)；第三段的起始点为U_i(64)，终止点为U_i(127)；e)然后采用卷积神经网络分别对步骤c)所得底层特征向量C_i,i‑1(ω_n)和步骤d)所得底层特征向量F_i(ω_n)进行分类：所采用卷积神经网络均包含两个隐含层，每个隐含层均包含一个卷积层和一个池化层；所述卷积神经网络的最上层为softmax分类器，其包含两个输出层节点，分别对应于房颤心拍和非房颤心拍；e‑1)采用卷积神经网络对步骤c)所得底层特征向量C_i,i‑1(ω_n)进行分类，将与底层特征向量C_i,i‑1(ω_n)对应的心拍分类为房颤心拍和非房颤心拍；e‑2)采用卷积神经网络对步骤d)所得底层特征向量F_i(ω_n)进行分类，将与底层特征向量F_i(ω_n)对应的心拍分类为房颤心拍和非房颤心拍；f)采用投票法融合K个心拍内步骤e‑1)和步骤e‑2)的分类结果,共有2*K个分类结果，统计其中标号房颤出现的次数并记为n₁，如果n₁≥K，则将包含该K个心拍的ECG信号分类为房颤，否则将其分类为非房颤；其中,K取值为7～19。