一种针对干电极采集的单导联心电图室性早搏识别方法技术

一种针对干电极采集的单导联心电图室性早搏识别方法，包括如下步骤：步骤一：单导联心电信号获取及预处理；步骤二：ECG心拍子波形态9根线定位；步骤三：基于医学知识对特殊室性早搏心拍进行检测；步骤四：心拍近似波形特征提取；步骤五：在步骤三基于医学知识第一次检测特殊室性早搏心拍的基础上，再基于近似波形的LightGBM模型继续检测室性早搏心拍，步骤六：模型评估。本发明专利技术针对干电极采集的单导联心电信号，提供的室性早搏识别方法，结合了室性早搏医学领域的9条医学知识，检测特殊的PVC心拍，并融合了近似波形形态特征的模型检测算法识别复杂的PVC心拍，同时解决其依赖于心电波形分段定位的问题，可以有效提高室性早搏检测的准确率和效率。的准确率和效率。的准确率和效率。

【技术实现步骤摘要】
一种针对干电极采集的单导联心电图室性早搏识别方法


[0001]本专利技术为一种针对干电极采集的单导联心电图室性早搏识别方法，属于心电数据处理领域。

技术介绍

[0002]室性早搏(Premature ventricular contraction，PVC)作为常见心律失常的一种类型之一，指的是异位起搏点过早发出冲动造成的心脏异常搏动，可能在窦性心律或者异位性心律的基础上发生，长期拖延会导致胸闷、心悸、心绞痛甚至死亡。PVC心电图主要表现为提前出现的宽大畸形的QRS
‑
T波群、T波多与QRS主波方向相反、其前无相关P波等,这些特征的畸变与否是判断病患是否存在室性早搏的重要条件。传统的PVC心电图识别依靠医生心脏病学领域的大量知识和个人经验，将当前的医疗技术用于分析心电图波形做出识别结果。但是，PVC因在病患基础疾病和个体体质等因素的不同可能在心电图上造成各种形态变化，且大量的检测数据也增加了医生后续的识别工作强度，在长时间工作的情况下，还可能导致医生误诊。为了减轻医生负担，辅助医生提高PVC心电图识别的效率及准确率，PVC心电图的自动识别逐渐成为研究热点。
[0003]目前针对干电极采集的单导联心电图自动识别PVC通常包括心电信号采集、预处理去噪、心电波形分段定位、特征提取和自动分类五个阶段(如图1)，方法可分为三大类：基于规则的识别方法、基于波形的模式识别方法和基于深度学习的识别方法。
[0004]针对干电极采集的单导联心电图基于规则的PVC识别方法基本步骤：通过心电波形分段定位算法，检测出心拍中P波、QRS波等子波形态的边界点位置和峰值点，然后对子波的间期、振幅进行描述，符合医学上相对应的节律、形态的心拍就可被检测为PVC心拍。此方法提取的特征可解释强，时间复杂度低，针对典型规整的PVC心拍有较好的识别效果，但心电图是通过体表电极检测记录的微弱生理电信号，其电压幅度通常不超过5mv，因此心电图仪在采集心电信息时极易受到噪声的干扰，造成心电信号失真，导致PVC心拍无法被准确的记录成医学定义的形态，因此基于规则的PVC自动分类方法达不到令人满意的程度。
[0005]针对干电极采集的单导联心电图基于波形的PVC模式识别方法基本步骤：根据心电波形分段定位算法提取心电信号的波形形态特征参数，如T波振幅、QT间期、斜率等，另一些研究则侧重于心电信号在一种或者几种特征空间上有不同表现来识别PVC，如小波变换特征等，然后输入到模式识别算法对每一个心拍进行检测。此种方法检测效果整体较有优势，但特征空间的识别计算过程较繁琐，形态特征自动识别PVC的正确与否依赖于前期正确的心电波形形态分段定位，R波峰值点检测准确率较高，但P波、T波等子波的形态边界点定位麻烦，较难作为心电图的特征，如果用于定位的峰值点和边界点不能反映心电图的真实属性，那么自动识别的精度和效率必然不能应用于实际。
[0006]针对干电极采集的单导联心电图基于深度学习的PVC识别方法基本思想是输入心电图信号本身，可以自动提取心电图特征，通过层层变换，将心电信号从原始的样本空间转换为更加深层次的、更为抽象的空间，利用得到的特征检测PVC信号。虽然效果较好，但深度
学习需要较多的训练数据，而在海量的心电信号中，复杂的PVC信号数量比较少，另一方面，自动学习出的特征较难解释，当发生误判和漏判样本时，较难调节和更改模型设计。

技术实现思路

[0007]是针对干电极采集的单导联心电信号，一是在于解决仅利用基于医学知识或基于波形的模式识别PVC方法的其中一种无法准确快速的检测复杂的PVC信号，考虑到基于医学知识和波形模式识别的特点，将二者进行结合，提供了一种针对干电极采集的单导联心电信号，基于医学知识与近似波形形态特征结合的室性早搏自动识别方法；二是在于解决基于波形的模式识别PVC方法中形态特征的提取过程，其依赖于心电波形分段定位的问题，提供了一种单导心电信号近似波形的特征提取方法。而且设定的规则和提取出的近似波形特征可解释性强，针对不同场景方便调节、更改参数和模型设计。
[0008]本专利技术的技术方案如下：一种针对干电极采集的单导联心电图室性早搏识别方法，所述方法包括如下步骤：
[0009]步骤一：单导联心电信号获取及预处理。根据预设的采样率，采用干电极获取m秒固定长度的i份训练集和j份测试集的单导联ECG样本，并对每个样本进行滤波去噪，去肌电、工频干扰和去基线漂移处理。
[0010]步骤二：ECG心拍子波形态9根线定位。首先从步骤一预处理后的每个ECG样本中，对每个心拍定位特征最明显、检测准确率很高的R波位置；其次，以检测到的R波位置为中心，向前向后取一定数量采样点的固定窗口为基础进行分割，表示该R波所代表的一个心博QRS波群，共分割得到n个心拍；再次，对分割的第2个至第n
‑
1个单个心拍进行加权处理，获得一个样本ECG信号n
‑
2个心拍对应的一个叠加波；最后，对每个样本的所有单个心拍及叠加波进行QRS波起始点、Q波顶点、R波顶点、S波顶点、QRS波终止点、T波起始点、T波顶点、T波终止点及主波的位置，共9个子波关键点位置进行定位。
[0011]步骤三：基于医学知识对特殊室性早搏心拍进行检测，依据领域背景及室性早搏医学知识，对样本的每个心拍进行心拍级分类，从步骤二的9个定位点确定9条规则检测特殊的PVC心拍，判断心拍信号是否符合9种规则，若符合，此心拍为室性早搏心拍，若不符合，继续步骤四；
[0012]步骤四：心拍近似波形特征提取。根据步骤二定位到的心拍R波顶点位置，用其前后的少数点逐点叠加来近似表达QRS波形，进而提取最关键的心拍QRS波群形态特征，取代心电波形分段定位阶段寻找QRS波起始点和终止点的复杂流程，用斜率、高度、宽度、比例等多个参数描述每个心拍的QRS波形态特征，该特征集合包括了斜率特征群、高度特征群、宽度特征群。
[0013]步骤五：在步骤三基于医学知识第一次检测特殊室性早搏心拍的基础上，再基于近似波形的LightGBM模型继续检测室性早搏心拍。将步骤三检测出的非室性早搏心拍，根据上述步骤四提取心拍的斜率、高度、宽度特征群，结合对应的心拍标签，输入到LightGBM模型中进行训练，得到室性早搏检测模型。
[0014]步骤六：模型评估。将医学知识和训练好的室性早搏识别模型应用在测试集的样本数据上，将最后的输出结果与测试集样本的标签进行对比，使用召回率和精度评估模型的性能。
[0015]作为优选：所述步骤三中9种规则分别为：
[0016]规则1：心拍R波的幅值和QRS波起始点幅值的差值
△
h1，T波的幅值和QRS波起始点幅值的差值
△
h2，
△
h1和
△
h2的乘积小于0；
[0017]规则2：心拍斜率1比斜率4大，斜率2比斜率4大，斜率4比斜率3大；
[0018]其中斜率1和2的计算方式：若主波在上，计算R波与Q波、S波的斜率分别为斜率1和2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对干电极采集的单导联心电图室性早搏识别方法，其特征在于：所述方法包括如下步骤：步骤一：单导联心电信号获取及预处理，根据预设的采样率，采用干电极获取m秒固定长度的i份训练集和j份测试集的单导联ECG样本，并对每个样本进行滤波去噪，去肌电、工频干扰和去基线漂移处理；步骤二：ECG心拍子波形态9根线定位，首先从步骤一预处理后的每个ECG样本中，对每个心拍定位特征最明显、检测准确率很高的R波位置；其次，以检测到的R波位置为中心，向前向后取一定数量采样点的固定窗口为基础进行分割，表示该R波所代表的一个心博QRS波群，共分割得到n个心拍；再次，对分割的第2个至第n
‑
1个单个心拍进行加权处理，获得一个样本ECG信号n
‑
2个心拍对应的一个叠加波；最后，对每个样本的所有单个心拍及叠加波进行QRS波起始点、Q波顶点、R波顶点、S波顶点、QRS波终止点、T波起始点、T波顶点、T波终止点及主波的位置，共9个子波关键点位置进行定位；步骤三：基于医学知识对特殊室性早搏心拍进行检测，依据领域背景及室性早搏医学知识，对样本的每个心拍进行心拍级分类，从步骤二的9个定位点确定9条规则检测特殊的PVC心拍，判断心拍信号是否符合9种规则，若符合，此心拍为室性早搏心拍，若不符合，继续步骤四；步骤四：心拍近似波形特征提取，根据步骤二定位到的心拍R波顶点位置，用其前后的少数点逐点叠加来近似表达QRS波形，进而提取最关键的心拍QRS波群形态特征，取代心电波形分段定位阶段寻找QRS波起始点和终止点的复杂流程，用斜率、高度、宽度、比例多个参数描述每个心拍的QRS波形态特征，该特征集合包括了斜率特征群、高度特征群、宽度特征群；步骤五：在步骤三基于医学知识第一次检测特殊室性早搏心拍的基础上，再基于近似波形的LightGBM模型继续检测室性早搏心拍，将步骤三检测出的非室性早搏心拍，根据上述步骤四提取心拍的斜率、高度、宽度特征群，结合对应的心拍标签，输入到LightGBM模型中进行训练，得到室性早搏检测模型；步骤六：模型评估，将医学知识和训练好的室性早搏识别模型应用在测试集的样本数据上，将最后的输出结果与测试集样本的标签进行对比，使用召回率和精度评估模型的性能。2.根据权利要求1所述的针对干电极采集的单导联心电图室性早搏识别方法，其特征在于：所述步骤三中9种规则分别为：规则1：心拍R波的幅值和QRS波起始点幅值的差值
△
h1，T波的幅值和QRS波起始点幅值的差值
△
h2，
△
h1和
△
h2的乘积小于0；规则2：心拍斜率1比斜率4大，斜率2比斜率4大，斜率4比斜率3大；其中斜率1和2的计算方式：若主波在上，计算R波与Q波、S波的斜率分别为斜率1和2；若主波在下时，且R波幅值大于等于0，就计算S波与R波、QRS波终止点的斜率分别为斜率1和2；若主波在下时，且R波幅值小于0，就计算S波与QRS波起始点、终止点的斜率分别为斜率1和2；斜率3计算方式：T波顶点和T波起始点的斜率；斜率4计算方式：T波顶点和T波终止点的斜率；
规则3：心拍主波顶点幅值同时大于或小于QRS波起始终止两点幅值，且T波顶点幅值也同时大于或小于T波起始终止两点幅值；规则4：心拍主波幅值和T波幅值乘积小于0；规则5：满足心拍T波前后的单调性；T波方向向下时，将T波起始点到T波顶点的区域划分两个子区域：子区域1和子区域2，以T波起始点的电压值作为子区域1最大值max1，然后计算子区域2的最大值max2；T波顶点到T波终止点的区域再划分两个子区域：子区域3和子区域4，以T波终止点的电压值作为子区域4最大值max4，然后计算子区域3的最大值max3；因为T波方向向下，左边部分单调下降，右边部分单调上升，此时需满足max1>＝max2且max4&g...

【专利技术属性】
技术研发人员：许昆明，符灵建，
申请(专利权)人：浙江好络维医疗技术有限公司，
类型：发明
国别省市：