一种基于心电熵值图的心电异常评估方法技术

本发明专利技术公开了一种基于心电熵值图的心电异常评估方法。本发明专利技术通过提取常规十二导联心电图信号的熵特征—近似熵、样本熵、模糊熵，利用支持向量机分类算法训练并求取每个特征所对应的分界值，联合了支持向量机、熵值特征和图形化显示方法，提出心电熵值图，为心电异常的诊断和评估提供有力手段。本发明专利技术方法中所提的三个熵值特征很好的表征了心电信号的内在特征，计算简单方便。在受试的人群中，如果心电熵值图的多个指标都超出判别图的分界点，则说明其心电异常或心电紊乱的概率将大大的增加，需要引起个体自身的密切关注以及医生的进一步检查。

An Evaluation Method of ECG Abnormality Based on ECG Entropy Map

【技术实现步骤摘要】
一种基于心电熵值图的心电异常评估方法
本专利技术属于心电检测
，具体涉及一种基于心电熵值图的心电异常评估方法。
技术介绍
十二导联心电图是医院的常规检查，从基层到三甲医院基本都配置有心电图检查，通过在人体胸腔和肢体表面放置电极，记录特定位置上的心电图波形，医生根据心电图波形的振幅和时序可以大致推断出心脏的搏动状态是否有异常。因为心电图所记录的体表电位只是心脏电生理活动在体表的粗略投影，医生根据体表电位去诊断心脏的生理状态是凭借经验的主观性推断，对医生的要求较高。现有的基于心电图信号的心电智能分析方法大多是提取信号浅层的时间频率特征，往往忽略了心电信号这一复杂非平稳信号内在的动力学特性，仅仅采用时频特征显然并不足以刻画心电信号内在的动态本质特性。
技术实现思路
根据现有技术中存在的上述问题，本专利技术提供一种基于心电熵值图的心电异常评估方法，旨在简单直观的对心电信号做出评估，为医生对病情的诊断做参考。本专利技术的具体技术方案通过如下步骤实现：步骤1、心电数据获取：利用标准十二导联体系来获取人体心电时间参数数据，具体包括十二维的心电信号x＝[x1,x2,...,x12]T。步骤2、数据预处理：利用中值滤波算法去除步骤1提取的心电数据中的基线漂移、肌肉干扰、电源干扰等噪声。中值滤波算法是输入心电时间序列xk＝{xk(n)|n＝1,2,...,N}其中，k＝1,2,...,12；定义窗口范围M，对时间序列xk(n-M),...,xk(n),...,xk(n+M)取中值替代xk(n)，即yk(n)＝med[xk(n-M),...,xk(n),...,xk(n+M)]。心电降维处理通过线性变换不丢失任何心电信息地将12维心电信号x＝[x1,x2,...,x12]T降为3维心电信号v＝[v1,v2,v3]T，具体公式如下：步骤3、熵值特征提取：对步骤2处理后的3维心电信号进行熵值特征提取，提取每个心电信号序列对应的近似熵、样本熵、模糊熵，将每个特征进行归一化处理；3-1.近似熵的提取方法如下：3-1-1.输入降维后的心电信号序列xk＝{xk(n)|n＝1,2,...,N}，k＝1,2,3。重构m维向量：Xk(1)，Xk(2),....,Xk(N-m+1)3-1-2.取心电时间序列中任意向量Xk，计算Xk，之间的距离d[Xk,X*k]：其中，uk(a)为向量Xk的元素，为向量的元素。3-1-3.设定阈值r，统计重构的心电信号序列中满足d[Xk(i),Xk(j)]≤r条件的Xk(j)向量个数S。定义其中j的取值范围为[1,N-m+1]，包括j＝i。4、记则该心电信号序列第k维的近似熵(ApEn)定义为：3-2.样本熵的提取方法如下：3-2-1、输入降维后的心电信号序列xk＝{xk(n)|n＝1,2,...,N}，k＝1,2,3。重构m维向量：Xk(1)，Xk(2),....,Xk(N-m+1)3-2-2、计算心电时间序列中任意向量Xk，之间的距离d[Xk,X*k]：其中，uk(a)为向量Xk的元素。3-2-3、设定阈值r，统计重构的心电信号序列中满足d[Xk(i),Xk(j)]≤r条件的Xk(j)向量个数S。定义其中j的取值范围为[1,N-m+1]，但是j≠i。3-2-4、对心电信号序列所有的i值得平均值，记为3-2-5、重复步骤3-2-3和3-2-4，设定阈值r，统计重构的心电信号序列中满足d[Xk(i),Xk(j)]≤r条件的Xk(j)向量个数S。记3-2-6、该心电信号序列第k维的样本熵：3-3.模糊熵的提取方法如下：3-3-1、输入降维后的心电信号序列xk＝{xk(n)|n＝1,2,...,N}，k＝1,2,3。重构m维心电信号序列的相空间：Xk(i)＝[uk(i),uk(i+1),...,uk(i+m-1)]-uk0(i),i＝1,2,...,N-m+1其中，3-3-2、引入模糊隶属度函数对于i＝1,2,...,N-m+1，计算：其中为向量Xk(i)和Xk(j)之间的最大绝对距离，具体为：3-3-3、对心电信号序列所有的i值得平均值3-3-4、定义该心电信号序列第k维的模糊熵估计为：特征归一化方法如下所示：将上述近似熵、样本熵、模糊熵三个熵值特征进行归一化处理，采用min-max方法。其计算方法如下：假设对于序列x1,x2,···,xn进行变换：则新序列y1,y2,···,yn∈[0,1]。步骤4：绘制心电熵值图：分别将步骤3中归一化后的特征利用支持向量机分类算法训练并求取每个特征所对应的分界线；根据训练得的分界线，依据分界线方程ω·x+b＝0求取分界点。作3个同圆心、将圆均分的坐标轴，将各特征的属性值或分界点分别取在对应的坐标轴上，连接各点，形成心电熵值图。根据各特征的分界点绘制心电熵值图的分界面，该分界面作为检查疾病的标准。本专利技术与现有技术相比，具有如下优点和有益效果：1、本专利技术将近似熵、样本熵、模糊熵三个熵值特征与支持向量机相结合，利用异常心电个体和正常心电个体心电模式之间的熵值特征差异来实现心电分类和异常评估，分类结果好；2、本专利技术以熵值特征分布图的形式直观呈现了正常对照组和异常心电患者的临界范围，临床医生可以通过心电熵值图直观地观察特征值具体大小，大致估计患者所处的心电状况。如果心电熵值图的多个指标都超出给定的临界范围，则说明在该受试者中，其患病的风险或者程度较高，需要引起个体自身的密切关注以及医生的进一步检查。附图说明图1是本专利技术实施例的用于心电异常评估的心电熵值图的流程图。图2a是实施例中某一心电异常患者的十二导联心电图。图2b是实施例中某一正常对照组个体的十二导联心电图。图3是本专利技术实施例中的心电熵值图的分界面。图4是本专利技术实施例中正常个体和异常个体的心电熵值图。具体实施方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施例如图一所示，为本专利技术实施例的用于评估心电异常的心电熵值图的流程图，包括以下步骤：步骤一获取体表心电时间参数：本专利技术为使研究结果真实可靠，验证其较好的效果，数据集是由(https://www.physionet.org/cgi-bin/atm/ATM)提供的PTBDiagnosticECGDatabase数据库。如图2a是某一心电异常患者的十二导联心电图，如图2b是某一正常对照组个体的十二导联心电图。步骤二数据预处理：将步骤一中的数据利用中值滤波算法去除原心电信号中的基线漂移、肌肉干扰、电源干扰等噪声。中值滤波算法是输入心电时间序列xk＝{xk(n)|n＝1,2,...,N}其中k＝1,2,...,12。定义窗口范围M，对作用时间序列Xk(n-M),...,Xk(n),...,Xk(n+M)取中值替代Xk(n)，即Yk(n)＝med[Xk(n-M),...,Xk(n),...,Xk(n+M)]。心电降维处理：通过线性变换不丢失任何心电信息地将12维心电信号x＝[x1,x2,...,x12]T降为3维心电信号v＝[v1,v2,v3]T，具体公式如下：步骤三熵值特征提取及归一化处理：对步骤二处理后的数据进行熵值特征提取，提取每个心电序列对应的近似熵、样本熵、模糊熵，将每个特征进行归一化处理；1、近似熵的算法如下：(1)输入降维后的心电信号序列x本文档来自技高网...

【技术保护点】
1.一种基于心电熵值图的心电异常评估方法，其特征在于，包含如下步骤：步骤1、体表心电时间参数获取；提取十二维体表心电信号，表征为12维的心电时间参数，构成一组心电时间参数序列；步骤2、数据预处理；利用中值滤波算法去除步骤1中的心电时间参数中的基线漂移、肌肉干扰、电源干扰；12维的心电时间参数序列进行降维处理，降成三维心电数据序列；步骤3、熵值特征提取及归一化处理；步骤2处理后的3维心电时间参数序列，求取三个熵值特征：近似熵、样本熵、模糊熵，将每个熵值特征进行归一化处理；步骤4：绘制心电熵值图；由支持向量机训练集得到的支持向量机模型求出最佳特征组合中每个熵值特征最优超平面wx+b＝0；结合最优超平面的分界点和熵值特征参数绘制心电熵值图。

【技术特征摘要】
1.一种基于心电熵值图的心电异常评估方法，其特征在于，包含如下步骤：步骤1、体表心电时间参数获取；提取十二维体表心电信号，表征为12维的心电时间参数，构成一组心电时间参数序列；步骤2、数据预处理；利用中值滤波算法去除步骤1中的心电时间参数中的基线漂移、肌肉干扰、电源干扰；12维的心电时间参数序列进行降维处理，降成三维心电数据序列；步骤3、熵值特征提取及归一化处理；步骤2处理后的3维心电时间参数序列，求取三个熵值特征：近似熵、样本熵、模糊熵，将每个熵值特征进行归一化处理；步骤4：绘制心电熵值图；由支持向量机训练集得到的支持向量机模型求出最佳特征组合中每个熵值特征最优超平面wx+b＝0；结合最优超平面的分界点和熵值特征参数绘制心电熵值图。2.根据权利要求1所述的一种基于心电熵值图的心电异常评估方法，其特征在于，步骤1所述的心电时间参数是利用标准体表12导联体系来获取的，包括12维心电信号，作为心电时间参数序列x＝[x1,x2,...,x12]T。3.根据权利要求1所述的一种基于心电熵值图的心电异常评估方法，其特征在于，步骤2所述的中值滤波算法预处理，中值滤波算法是输入心电时间参数序列xk＝{xk(n)|n＝1,2,...,N}；其中k＝1,2,...,12；定义窗口范围M，对时间序列xk(n-M),...,xk(n),...,xk(n+M)取中值替代xk(n)，即yk(n)＝med[xk(n-M),...,xk(n),...,xk(n+M)]。4.根据权利要求2或3所述的一种基于心电熵值图的心电异常评估方法，其特征在于，步骤2所述的心电降维处理，是指通过线性变换将12维心电时间参数序列x＝[x1,x2,...,x12]T降为3维心电时间参数序列v＝[v1,v2,v3]T，此次降维处理不丢失任何信息，具体公式如下：5.根据权利要求4所述的一种基于心电熵值图的心电异常评估方法，其特征在于，步骤3所述的近似熵提取，具体如下：5-1.输入降维后的心电时间参数序列xk＝{xk(n)|n＝1,2,...,N}，k＝1,2,3；重构m维向量：Xk(1)，Xk(2),....,Xk(N-m+1)5-2.取心电时间参数序列中的任意向量Xk,X*k，计算Xk,X*k之间的距离d[Xk,X*k]：计算心电时间参数序列中任意向量Xk，之间的距离d[Xk,X*k]：其中，uk(a)为向量Xk的元素；5-3.设定阈值r，统计重构的心电时间参数序列中满足d[Xk(i),Xk(j)]≤r条件的Xk(j)向量个数S；定义其中j的取值范围为[1...

【专利技术属性】
技术研发人员：王丹俐，邓木清，范慧婕，曹九稳，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33