[发明专利]基于时频二维图像和机器学习的动态心电质量评估方法

摘要

本发明专利公开了一种基于时频二维图像和机器学习的动态心电质量评估方法，通过将一维心电信号转变为二维时频图像，并将得到的二维时频图馈送到机器学习系统中进行训练，得到一个自动且准确拣选有用穿戴式心电信号的信号质量评估模型，该模型可以对输入的时频图像进行分类，划分信号质量等级，不仅能够有效地抑制无临床诊断价值的噪声心电信号，而且能够进一步对有临床诊断价值的心电片段做进一步信号质量分类，从而提供更为直观细致的信号质量反馈信息。

主权项

1.基于时频二维图像和机器学习的动态心电质量评估方法，其特征在于，包括以下步骤：S1，获取原始动态心电数据信号；S2，通过信号质量标记拾取心电数据信号片段并划分类型；S3，将步骤S2中的每一段心电信号片段处理成时频二维图像；S4，将处理后的时频二维图像馈送到机器学习模型中以训练分类模型；S5，将待分类的心电测试信号处理成为时频二维图像；S6，将步骤S5中得到的时频二维图像输入到S4得到的分类模型中进行分类，即可输出信号质量等级结果。