一种心电信号的质量评估方法技术

一种心电信号的质量评估方法，将通过S变换获得的时频图，通过深度残差收缩网络和卷积神经网络的集成神经网络获得深度特征，与提取的统计特征结合，使用提出的双比例损失函数，提取出深度特征，并与统计特征相结合对心电信号的质量进行评估，来解决实际应用中心电信号质量较差的问题，能够极大的提升12导联心电信号质量评估的准确率。残差收缩网络能够将数据中存在的很多与当前任务无关的原始信息通过软阈值处理删除掉，获得与当前任务最相关的信息。卷积神经网络具有参数共享和稀疏连接的优点，能够将残差收缩网络提取出的深度特征进一步提纯优化，获得最适合当前任务的深度特征。

A quality evaluation method of ECG signal

【技术实现步骤摘要】
一种心电信号的质量评估方法
本专利技术涉及心电信号处理
，具体涉及一种心电信号的质量评估方法。
技术介绍
心电(ECG)信号作为心脏活动的全面反映，具有非常重要的意义。传统心电图需要医生根据患者心电信号波形的表征信息进行分析，但是由于受到各种噪声、干扰的影响，会产生大量质量较差的心电记录，这些会极大地增加医生的工作量甚至造成错误分析，因此，需要对心电信号的质量进行自动评估。
技术实现思路
本专利技术为了克服以上技术的不足，提供了一种结合深度残差收缩网络和卷积神经网络，极大的提升12导联心电信号质量评估的准确率的方法。本专利技术克服其技术问题所采用的技术方案是：一种心电信号的质量评估方法，包括如下步骤：a)通过心电采集装置获得12导联心电信号E(t)；b)将获得的心电信号E(t)分段，将分段后的心电信号片段标记为可接受类及不可接受类；c)计算机使用BiosPPy工具包中的hamiltonsegmenter进行R峰检测获得包含多个元素的统计特征矩阵StaF；d)通过S变换将步骤b)中分段标记好的心电信号E(t)的片段转化为时频域的二维图像，将该二维图像表示为矩阵S(τ,f)；e)将矩阵S(τ,f)输入到残差收缩网络，获得收缩特征，将收缩特征输入到卷积神经网络中，获得深度特征矩阵DepF；f)将统计特征矩阵StaF与深度特征矩阵DepF通过Flatten层变为一维向量拼接在一起，将拼接后的矩阵通过Dense层和Softmax函数获得质量评估结果。进一步的，步骤b)中心电信号E(t)切分为10s的等长片段，根据2011PhysioNet/ComputinginCardiology挑战赛的注解标准将分段后的心电信号标记为可接受类及不可接受类。进一步的，步骤c)中统计特征矩阵StaF中的特征包括：c-1)将最大R峰间期作为ECG记录的质量指标1；c-2)将最小R峰间期作为ECG记录的质量指标2；c-3)将平均R峰间期作为ECG记录的质量指标3；c-4)将R峰间期标准差作为ECG记录的质量指标4；c-5)将相邻R峰间期差距大于50ms的比率pNN50作为ECG记录的质量指标5；c-6)将R峰密度作为ECG记录的质量指标6；c-7)将相邻R峰间期差值的均方根RMSSD作为ECG记录的质量指标7；c-8)将RR间期采样熵作为ECG记录的质量指标8。进一步的，步骤d)中通过公式计算得到时频谱矩阵S(τ,f)，式中x(t)为待分析的心电信号，τ为时移因子，p为有理数，i为虚数单位，t为时间，e为无理数，f为频率。进一步的，步骤e)中使用Softmax函数通过公式计算得到对样本进行预测为正类或者负类的概率S(xi)，式中为第i个样本预测为正和负的权重，i＝1,2，为样本预测为正的权重，为样本预测为负的权重，通过公式计算得到残差收缩网络和卷积神经网络使用的双比例损失函数L2，式中M为正类样本数，N为负类样本数。进一步的，步骤e)中通过公式得到残差网络的残差块的残差路径x加入软阈值化单元后的输出特征y，式中τ为阈值，通过公式得到软阈值化的输出对于输入的导数为x的偏导数，为y的偏导数。本专利技术的有益效果是：将通过S变换获得的时频图，通过深度残差收缩网络和卷积神经网络的集成神经网络获得深度特征，与提取的统计特征结合，使用提出的双比例损失函数，提取出深度特征，并与统计特征相结合对心电信号的质量进行评估，来解决实际应用中心电信号质量较差的问题，能够极大的提升12导联心电信号质量评估的准确率。残差收缩网络能够将数据中存在的很多与当前任务无关的原始信息通过软阈值处理删除掉，获得与当前任务最相关的信息。卷积神经网络具有参数共享和稀疏连接的优点，能够将残差收缩网络提取出的深度特征进一步提纯优化，获得最适合当前任务的深度特征。附图说明图1为本专利技术的方法流程图。具体实施方式下面结合附图1对本专利技术做进一步说明。一种心电信号的质量评估方法，包括如下步骤：a)通过心电采集装置获得12导联心电信号E(t)。b)将获得的心电信号E(t)分段，将分段后的心电信号片段标记为可接受类及不可接受类。c)计算机使用BiosPPy工具包中的hamiltonsegmenter进行R峰检测获得包含多个元素的统计特征矩阵StaF。d)通过S变换将步骤b)中分段标记好的心电信号E(t)的片段转化为时频域的二维图像，将该二维图像表示为矩阵S(τ,f)。e)将矩阵S(τ,f)输入到残差收缩网络，获得收缩特征，将收缩特征输入到卷积神经网络中，获得深度特征矩阵DepF。f)将统计特征矩阵StaF与深度特征矩阵DepF通过Flatten层变为一维向量拼接在一起，将拼接后的矩阵通过Dense层和Softmax函数获得质量评估结果。将通过S变换获得的时频图，通过深度残差收缩网络和卷积神经网络的集成神经网络获得深度特征，与提取的统计特征结合，使用提出的双比例损失函数，提取出深度特征，并与统计特征相结合对心电信号的质量进行评估，来解决实际应用中心电信号质量较差的问题，能够极大的提升12导联心电信号质量评估的准确率。残差收缩网络能够将数据中存在的很多与当前任务无关的原始信息通过软阈值处理删除掉，获得与当前任务最相关的信息。卷积神经网络具有参数共享和稀疏连接的优点，能够将残差收缩网络提取出的深度特征进一步提纯优化，获得最适合当前任务的深度特征。实施例1：步骤b)中心电信号E(t)切分为10s的等长片段，根据2011PhysioNet/ComputinginCardiology挑战赛的注解标准将分段后的心电信号标记为可接受类及不可接受类。实施例2：步骤c)中统计特征矩阵StaF中的特征包括：c-1)将最大R峰间期作为ECG记录的质量指标1。c-2)将最小R峰间期作为ECG记录的质量指标2。c-3)将平均R峰间期作为ECG记录的质量指标3。c-4)将R峰间期标准差作为ECG记录的质量指标4。c-5)将相邻R峰间期差距大于50ms的比率pNN50作为ECG记录的质量指标5。c-6)将R峰密度(即R峰个数/记录长度)作为ECG记录的质量指标6。c-7)将相邻R峰间期差值的均方根RMSSD作为ECG记录的质量指标7。c-8)将将衡量R峰间期变化混乱度的RR间期采样熵作为ECG记录的质量指标8。因为共有12个导联，每个导联提取8个特征，故可以得到12×8的特征矩阵StaF。实施例3：步骤d)中的S变换是小波变换和短时傅里叶变换的继承和发展，既能保持较高的高频时间分辨率，又能保持较高的低频频率分辨率。S变换的公式为：通过该计算得到时频谱矩阵S(τ,f)，式中x(t)为待分析的心电信号，τ为时移因子，p为有理数，i为虚数单位，t为时间，e为无理数，f本文档来自技高网...

【技术保护点】
1.一种心电信号的质量评估方法，其特征在于，包括如下步骤：/na)通过心电采集装置获得12导联心电信号E(t)；/nb)将获得的心电信号E(t)分段，将分段后的心电信号片段标记为可接受类及不可接受类；/nc)计算机使用BiosPPy工具包中的hamilton segmenter进行R峰检测获得包含多个元素的统计特征矩阵StaF；/nd)通过S变换将步骤b)中分段标记好的心电信号E(t)的片段转化为时频域的二维图像，将该二维图像表示为矩阵S(τ,f)；/ne)将矩阵S(τ,f)输入到残差收缩网络，获得收缩特征，将收缩特征输入到卷积神经网络中，获得深度特征矩阵DepF；/nf)将统计特征矩阵StaF与深度特征矩阵DepF通过Flatten层变为一维向量拼接在一起，将拼接后的矩阵通过Dense层和Softmax函数获得质量评估结果。/n

【技术特征摘要】
1.一种心电信号的质量评估方法，其特征在于，包括如下步骤：
a)通过心电采集装置获得12导联心电信号E(t)；
b)将获得的心电信号E(t)分段，将分段后的心电信号片段标记为可接受类及不可接受类；
c)计算机使用BiosPPy工具包中的hamiltonsegmenter进行R峰检测获得包含多个元素的统计特征矩阵StaF；
d)通过S变换将步骤b)中分段标记好的心电信号E(t)的片段转化为时频域的二维图像，将该二维图像表示为矩阵S(τ,f)；
e)将矩阵S(τ,f)输入到残差收缩网络，获得收缩特征，将收缩特征输入到卷积神经网络中，获得深度特征矩阵DepF；
f)将统计特征矩阵StaF与深度特征矩阵DepF通过Flatten层变为一维向量拼接在一起，将拼接后的矩阵通过Dense层和Softmax函数获得质量评估结果。


2.根据权利要求1所述的心电信号的质量评估方法，其特征在于：步骤b)中心电信号E(t)切分为10s的等长片段，根据2011PhysioNet/ComputinginCardiology挑战赛的注解标准将分段后的心电信号标记为可接受类及不可接受类。


3.根据权利要求1所述的心电信号的质量评估方法，其特征在于，步骤c)中统计特征矩阵StaF中的特征包括：
c-1)将最大R峰间期作为ECG记录的质量指标1；
c-2)将最小R峰间期作为ECG记录的质量指...

【专利技术属性】
技术研发人员：舒明雷，王海生，田岚，王英龙，
申请(专利权)人：山东省人工智能研究院，山东大学，
类型：发明
国别省市：山东;37