【技术实现步骤摘要】
本专利技术涉及心脏消融术，具体涉及基于支持向量机的脉冲电场消融系统电极贴靠检测方法。
技术介绍
1、许多类型的心律失常，即心脏正常节律被破坏的情况，通常需要通过心外膜或心内膜消融(例如射频(rf)消融、冷冻消融、超声消融、激光消融、微波消融等)进行治疗。其中，肺静脉口周围组织的消融可以使用具有可扩展为基本圆形结构的远端的装置进行，例如肺静脉消融导管。然而，任何心脏消融手术的成功很大程度上取决于消融电极与靶组织之间的接触质量。
2、目前已知的评估电极与组织之间接触的方法比较常用的是阻抗测量方法。在脉冲电场消融系统中，由于消融可以通过导管进行，这些导管可以向组织传递电能，同时还具有将电信息传递到远程阻抗测量设备的固有能力。不同频率下由于血液和心脏组织、消融组织与未消融组织的差异，以及在脉冲电场消融导管尖端形成组织的差异，可能会出现差异很大的组织阻抗，故便于根据阻抗差值测量对电极与组织接触状态进行评估。
3、虽然公开号为cn115530969a公开的电极贴靠检测算法采用变频通电测量人体阻抗曲线，再对该曲线进行异常值剔除后取平均值作为目标值，若目标值大于基础阻抗一定设定数值以上，就认为两个电极贴靠组织，否则就是没有贴靠。但是该算法通过经验阈值来判断电极是否贴靠组织。这种经验阈值相对固定，当人体的血液、心脏组织受外界环境变化而产生变化时，人体的阻抗曲线会发生变化，使得目标值失效，从而引起贴靠判断的错误。
4、还有美国专利us10182742b2公开一种在消融前评估电极与组织接触的方法和系统。该系统分别测
技术实现思路
1、本专利技术的目的在于提供基于支持向量机的脉冲电场消融系统电极贴靠检测方法，以解决现有技术中脉冲电场消融系统电极与组织贴靠状态检测方法依赖于固定的经验值或者线性分析检测，容易导致判断结果错误的技术问题。
2、本专利技术所要解决的技术问题可以通过以下技术方案实现：
3、基于支持向量机的脉冲电场消融系统电极贴靠检测方法，包括以下步骤：
4、步骤一、数据集收集以及预处理：首先对脉冲电场消融系统的电极贴片进行高频、中频、低频三种频率通电；在每种通电频率下记录当前频率、两两相邻电极之间阻抗幅度差、相位差，并作为一组特征值，再将电极贴片与人体组织之间的贴靠状态记录作为标签，将一组特征值记录为一组数据集，并对应一个贴靠状态的标签，并记录多组数据集，并将多组数据集随机划分成训练集样本和测试集样本；
5、步骤二、支持向量机svm训练及测试：将所有的数据集中的特征进行标准化处理，通过训练集样本和对应的标签训练得到svm非线性分类器，再将测试集样本全部输入到训练好的svm非线性分类器中，得到三分类结果；
6、步骤三、电极贴靠检测：依次测试高频、中频、低频下两两相邻电极之间的阻抗幅度差、相位差，将记录得到的特征值带入svm模型中，得到标签预测值，根据得到的标签预测值判断电极接触状态。
7、作为本专利技术进一步的方案：高频通电所采用的频率为100khz，中频通电所采用的频率为50khz，低频通电所采用的频率为10khz。
8、作为本专利技术进一步的方案：电极贴片与人体组织之间的贴靠状态分为三种状态，分别是：正常接触、未接触、过度接触；正常接触记为标签1，未接触记为标签0，过度接触记为标签2。
9、作为本专利技术进一步的方案：将多组数据集按照电极贴片与人体组织之间的三种贴靠状态分为三组数据集，正常接触的数据集、未接触的数据集和过度接触的数据集，三种数据集的数量比为2：2：1。
10、作为本专利技术进一步的方案：多组数据集中划分的训练集样本占80％；测试集样本占20％。
11、作为本专利技术进一步的方案：步骤二中标准化处理具体为：先将数据集特征值代入标准化公式如下：
12、
13、其中，x是原始数据特征值，μ是所有样本数据特征值的均值，σ是所有样本数据的标准差，z是标准化之后的数据；
14、现将训练集样本特征值输入标准化公式后得到的标准化训练集样本数据特征值设为z1，设对应的训练集标签为y；将测试集样本特征值输入标准化公式后得到的测试集样本数据特征值设为z2，设对应的测试集标签为y_test。
15、作为本专利技术进一步的方案：步骤二中训练得到svm非线性分类器的具体步骤为：支持向量机svm采用径向基核函数，将z1和y送入python机器学习库sklearn中的svc函数训练得到svm非线性分类器。
16、作为本专利技术进一步的方案：将z2全部输入到训练好的svm非线性分类器中，输出结果中包含预测的贴靠状态度标签y_pred，然后将y_pred与测试集标签y_test进行比较，计算准确率。
17、作为本专利技术进一步的方案：径向基核函数为高斯核函数。
18、作为本专利技术进一步的方案：步骤三中若标签预测值为1，判断两电极之间为正常接触组织状态；若标签预测值为2，判断两电极之间为过度接触状态，然后进行下一组相邻电极之间的测试；若标签预测值为0，则两电极之间为未接触组织状态。
19、本专利技术的有益效果：
20、本专利技术设置多组数据集，并且每组数据集对应一个标签，该标签根据电极与组织接触状态进行区分，每组数据集对应一个标签，然后将多组数据集划分为训练集样本数据和测试集样本数据，并且通过多组训练集样本数据和对应的标签对支持向量机svm进行训练，得到训练后的svm非线性分类器，依靠训练后的svm非线性分类器对新数据进行检测，由于svm对非线性分类问题具有较高准确性，根据训练后的模型输出的预测值便可准确判断电极与组织的接触状态，避免由于人体组织阻抗非线性变化导致模型检测结果失效或者误判。
本文档来自技高网...【技术保护点】
1.基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，高频通电所采用的频率为100kHZ，中频通电所采用的频率为50kHZ，低频通电所采用的频率为10kHZ。
3.根据权利要求1所述的基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，电极贴片与人体组织之间的贴靠状态分为三种状态，分别是：正常接触、未接触、过度接触；正常接触记为标签1，未接触记为标签0，过度接触记为标签2。
4.根据权利要求3所述的基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，将多组数据集按照电极贴片与人体组织之间的三种贴靠状态分为三组数据集，正常接触的数据集、未接触的数据集和过度接触的数据集，三种数据集的数量比为2：2：1。
5.根据权利要求1所述的基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，多组数据集中划分的训练集样本占80％；测试集样本占20％。
6.根据权利要求1所述的基于支持向量机的脉冲电
7.根据权利要求6所述的基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，步骤二中训练得到SVM非线性分类器的具体步骤为：支持向量机SVM采用径向基核函数，将z1和y送入Python机器学习库sklearn中的SVC函数训练得到SVM非线性分类器。
8.根据权利要求6所述的基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，将z2全部输入到训练好的SVM非线性分类器中，输出结果中包含预测的贴靠状态度标签y_pred，然后将y_pred与测试集标签y_test进行比较，计算准确率。
9.根据权利要求7所述的基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，径向基核函数为高斯核函数。
10.根据权利要求3所述的基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，步骤三中若标签预测值为1，判断两电极之间为正常接触组织状态；若标签预测值为2，判断两电极之间为过度接触状态，然后进行下一组相邻电极之间的测试；若标签预测值为0，则两相邻电极之间为未接触组织状态。
...【技术特征摘要】
1.基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，高频通电所采用的频率为100khz，中频通电所采用的频率为50khz，低频通电所采用的频率为10khz。
3.根据权利要求1所述的基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，电极贴片与人体组织之间的贴靠状态分为三种状态，分别是：正常接触、未接触、过度接触；正常接触记为标签1，未接触记为标签0，过度接触记为标签2。
4.根据权利要求3所述的基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，将多组数据集按照电极贴片与人体组织之间的三种贴靠状态分为三组数据集，正常接触的数据集、未接触的数据集和过度接触的数据集，三种数据集的数量比为2：2：1。
5.根据权利要求1所述的基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特征在于，多组数据集中划分的训练集样本占80％；测试集样本占20％。
6.根据权利要求1所述的基于支持向量机的脉冲电场消融系统电极贴靠检测方法，其特...
【专利技术属性】
技术研发人员：李蕊，林汉字，陈树国，
申请(专利权)人：上海玄宇医疗器械有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。