一种快速十二导联心电信号质量评估方法.pdf

《一种快速十二导联心电信号质量评估方法.pdf》由会员分享，可在线阅读，更多相关《一种快速十二导联心电信号质量评估方法.pdf（9页完整版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201710348768.1 (22)申请日 2017.05.17 (71)申请人 哈尔滨工业大学 （威海） 地址 264209 山东省威海市文化西路2号 (72)发明人 夏勇 贾红红 王宽全 张恒贵 (74)专利代理机构 哈尔滨龙科专利代理有限公 司 23206 代理人 高媛 (51)Int.Cl. A61B 5/0402(2006.01) (54)发明名称 一种快速十二导联心电信号质量评估方法 (57)摘要 本发明公开了一种快速十二导联心电信号 质量评估方法， 其步骤为： (。

2、1)将心电信号质量评 估结果分为可接受与不可接受； (2)用户自主选 择质量评估方法； (3)对十二导联心电信号进行 特征提取； (4)如果质量评估方法是阈值法， 则直 接基于特征与阈值的大小关系得到评估结果， 跳 转到步骤(8)； (5)如果质量评估方法是机器学习 方法， 则对提取的特征进行变换； (6)重复步骤 (3)和(5)， 获得大量心电信号的特征数据， 对信 号进行类别标记， 构建学习与分类系统； (7)对新 的心电测试信号， 重复步骤(3)和(5)， 获取特征， 进行分类； (8)将评估结果反馈给用户。 本发明拥 有较高的准确率、 很好的鲁棒性， 并且方法简单、 成本低廉。 权利要。

3、求书2页 说明书4页 附图2页 CN 107296600 A 2017.10.27 CN 107296600 A 1.一种快速十二导联心电信号质量评估方法， 其特征在于所述方法步骤如下： (1)将心电信号质量评估结果分为可接受与不可接受两类； (2)基于心电信号处理设备硬件资源的配置和处理速度， 用户自主选择质量评估方法； (3)基于单个导联内部特性和不同导联间相关特性对十二导联心电信号进行特征提 取， 得到导联脱落特征X1、 信号幅值的平均值X2、 导联电极接反特征X3、 邻近导联交叉点的 数量X4四个特征； (4)如果用户选择的质量评估方法是基于阈值法， 则直接基于步骤(3)中得到的特征与。

4、 阈值的大小关系得到评估结果， 然后跳转到步骤(8)； (5)如果用户选择的质量评估方法是基于机器学习方法， 则对步骤(3)中提取的特征进 行处理， 得到48维的特征向量； (6)重复步骤(3)和步骤(5)， 获得大量心电信号的特征数据， 对信号进行类别标记， 标 记为可接受与不可接受两个类别， 基于机器学习方法构建学习与分类系统； (7)对新的心电测试信号， 重复步骤(3)和步骤(5)， 获取新的心电测试信号特征， 然后 基于步骤(6)中训练好的分类系统进行分类； (8)将评估结果反馈给用户。 2.根据权利要求1所述的快速十二导联心电信号质量评估方法， 其特征在于所述步骤 (3)的具体步骤如。

5、下： 特征1： 导联脱落特征 对单个导联心电信号幅值保持不变的区间进行跟踪， 得到其长度； 对一条导联进行上 述处理， 得到多个心电信号幅值保持不变的区间， 将最长的一段的值进行保存， 定义为X1； 特征2： 信号幅值的平均值 提取单个导联的信号幅值的绝对值的平均值， 定义为X2； 特征3： 导联电极接反特征 一个心电图记录中， 把单个导联分成不同的区间， 每一个区间的长度均为L秒， 如果在 某一区间内出现最小幅值小于某个阈值， 最大幅值小于某个阈值， 并且最小幅值的绝对值 大于最大幅值的绝对值， 则将该区间定义为异常区间， 统计单条导联中以上异常区间的数 量， 定义为X3； 特征4： 邻近导。

6、联交叉点的数量 在输出的十二导联心电图上， 邻近导联的纵向间距是固定值， 基于一个固定的参考点， 将各条导联的信号幅值加上所处位置的偏移量将十二条导联输出在同一个图上； 将邻近两 条导联的信号值相减， 从而得到一条新曲线S； 如果正常情况下曲线S的信号值应全部为正 数， 则所有小于0的点均为交叉点； 反之， 如果正常情况下曲线S的信号值应全部为负数， 则 所有大于0的点均为交叉点； 定义单条导联上的交叉点数量值为X4， 对于任何一条导联， 分 别计算其与上面邻近导联的交叉点X41及与下面邻近导联的交叉点X42， 并定义X4为这两者 中的较大者。 3.根据权利要求1所述的快速十二导联心电信号质量。

7、评估方法， 其特征在于所述步骤 (4)的具体步骤如下： 如果用户选择的是阈值法， 则设定X1、 X2、 X3、 X4的阈值分别为T1、 T2、 T3、 T4； 依次对每条导联进行如下判定： 若X1T1或X2T2或X3T3或X4T4， 则判定该导联信 号为不可接受信号， 否则即为可接受信号； 十二导联信号中任何一条导联判定为不可接受， 权 利 要 求 书 1/2 页 2 CN 107296600 A 2 则整个十二导联信号都判定为不可接受， 并跳转到步骤(8)。 4.根据权利要求1所述的快速十二导联心电信号质量评估方法， 其特征在于所述步骤 (5)中， 对步骤(3)中提取的特征基于下面的公式进行。

8、处理： 式中， i1,2,3,4， Xi表示第i个原始特征， Ti表示第i个原始特征的阈值参数， Fi表示第 i个原始特征经过处理后的特征。 权 利 要 求 书 2/2 页 3 CN 107296600 A 3 一种快速十二导联心电信号质量评估方法 技术领域 0001 本发明涉及一种心电信号质量的评估方法， 尤其涉及一种快速十二导联心电信号 质量评估方法。 背景技术 0002 据世界卫生组织(WHO)估计， 世界上目前每年有3600万人死于心血管疾病、 糖尿 病、 呼吸系统疾病和恶性肿瘤等非传染性疾病， 占全球死亡总数的三分之二。 其中， 心血管 疾病是全球范围内第一位致死、 致残原因。 国家。

9、心血管病中心公布的 中国心血管病报告 2014 显示： 中国心血管病患病率处于持续上升阶段， 目前， 估计全国有心血管病患者2.9 亿， 每5个成人中有1人患心血管病。 临床中的研究表明， 心血管疾病是一种可以控制和预防 的疾病。 因此， 对心血管疾病的预防、 诊断以及治疗具有非常重要的意义和研究价值。 0003 心电图(Electrocardiogram， ECG)作为心脏电活动在体表的一种综合表现， 蕴涵 着丰富的反映心脏节律及其电传导的生理和病理信息， 在一定程度上可以客观反映心脏各 部位的生理状况， 目前已成为心血管疾病无创性检查诊断的重要方法之一。 因此， 检测病人 的心电信号是诊断。

10、心血管疾病的最主要也是最直接的一种方法。 0004 随着移动通讯技术的发展， 移动医疗已经成为一种趋势， 例如可穿戴设备和手机 为那些远离医疗中心的人们提供了方便。 然而要获得满足诊断条件的心电图需要技巧， 临 床中医护人员大部分都是经过训练后才进行操作的。 获取符合诊断标准的心电图需要一些 基本的要求： 适当的皮肤接触、 电极的正确定位和减少干扰等。 然而， 现实生活中利用手机 或者可穿戴设备获取心电信号的用户大都是未经过训练的人员， 由于他们对心电信号的采 集方法和采集环境不甚了解以及受采集过程中其他因素的干扰， 他们获取到的心电信号中 往往包含着很多噪声， 导致心电信号出现质量问题。 如。

11、果把这些有质量问题的心电信号发 送给医生， 不仅增加了医生的工作量， 而且还会影响医生的诊断结果。 0005 当普通用户或者患者使用心电采集设备获取心电信号时， 如果设备可以对心电图 的质量进行实时评估， 并告知用户该心电信号的质量是否可以接受， 这将会非常有意义。 特 别是当信号质量很差时， 如果能够及时提醒用户重新测量， 或检查电极的连接， 或检查其他 因素造成的影响， 这将让使用者大大受益， 并且可以提高医生的诊断效率。 0006 从最近一些论文中可以查阅到有关对心电信号质量评估方法的研究， 但是这些研 究大都只采用一些简单特征进行评估， 其性能极其有限。 也有研究者试图采用大量的复杂 。

12、特征及分类算法来提高性能， 但由于复杂度过高， 往往难以在计算资源有限的移动设备上 应用。 如何有效的平衡算法的复杂度与检测精度就成为了一个非常重要的问题。 发明内容 0007 针对心电采集设备对心电信号进行质量评估问题， 本发明提出了一种快速十二导 联心电信号质量评估方法。 利用本方法对十二导联心电信号质量评估时， 可以快速得到评 估结果， 并且有较高的准确率， 具有很高的性价比。 说 明 书 1/4 页 4 CN 107296600 A 4 0008 本发明的目的是通过以下技术方案实现的： 0009 一种快速十二导联心电信号质量评估方法， 包括如下步骤： 0010 (1)将心电信号质量评估。

13、结果分为可接受与不可接受两类； 0011 (2)基于心电信号处理设备硬件资源的配置和处理速度， 用户自主选择质量评估 方法； 0012 (3)基于单个导联内部特性和不同导联间相关特性对十二导联心电信号进行特征 提取， 得到导联脱落特征X1、 信号幅值的平均值X2、 导联电极接反特征X3、 邻近导联交叉点 的数量X4； 0013 (4)如果用户选择的质量评估方法是基于阈值法， 则直接基于特征与阈值的大小 关系得到评估结果， 然后跳转到步骤(8)； 0014 (5)如果用户选择的质量评估方法是基于机器学习方法， 则对步骤(3)中提取的特 征进行处理， 得到48维的特征向量； 0015 (6)重复步。

14、骤(3)和步骤(5)， 获得大量心电信号的特征数据， 对信号进行类别标 记， 标记为可接受与不可接受两个类别， 基于机器学习方法构建学习与分类系统； 0016 (7)对新的心电测试信号， 重复步骤(3)和步骤(5)， 获取新的心电测试信号特征， 然后基于步骤(6)中训练好的分类系统进行分类； 0017 (8)将评估结果反馈给用户。 0018 本发明具有如下优点： 0019 1、 本发明采用阈值法和机器学习两种方法对心电信号进行质量评估， 用户根据设 备的硬件配置自己选择合适的方法。 这两种方法都基于同一组原始特征， 可以快速得到评 估结果。 其中： 阈值法的好处是无需进行样本训练， 可以快速构。

15、建分类系统， 分类速度快； 机 器学习法的好处是可以取得更高的分类精度。 0020 2、 本发明针对十二导联心电信号采集设备， 提取简单高效的多种特征， 并基于不 同的信号处理设备特性提出两种分类方法， 从而使得算法性能与硬件设备之间达到较好的 匹配， 提高性价比。 0021 3、 本发明提出的方法拥有较高的准确率、 很好的鲁棒性， 并且具有方法简单、 成本 低廉等优点。 附图说明 0022 图1为快速十二导联心电信号质量评估方法的流程图； 0023 图2为十二导联心电信号显示图。 具体实施方式 0024 下面结合附图对本发明的技术方案作进一步的说明， 但并不局限于此， 凡是对本 发明技术方案。

16、进行修改或者等同替换， 而不脱离本发明技术方案的精神和范围， 均应涵盖 在本发明的保护范围中。 0025 本发明提供了一种快速十二导联心电信号质量评估方法， 如图1所示， 具体实施步 骤如下： 0026 (1)将心电信号质量评估结果分为可接受与不可接受两类， 即信号质量只有两个 说 明 书 2/4 页 5 CN 107296600 A 5 等级。 0027 (2)检查设备硬件资源的配置和处理速度， 用户自主选择质量评估方法， 即阈值法 和机器学习法。 当硬件的配置比较低但对处理速度有要求时， 用户可以选择基于阈值法对 心电信号质量进行评估； 当硬件的配置比较高并且对处理精度有要求时， 用户可以。

17、选择基 于机器学习方法对质量进行评估。 0028 (3)对十二导联心电信号进行原始特征提取， 提取时基于单个导联内部特性(特征 1、 特征2和特征3)和不同导联间相关特性(特征4)这两大类特征， 具体提取步骤如下： 0029 特征1： 导联脱落特征 0030 对单个导联心电信号幅值保持不变的区间进行跟踪， 得到其长度； 对一条导联进 行上述处理， 可以得到多个这样的区间， 将最长的一段的值进行保存， 定义为X1。 0031 特征2： 信号幅值的平均值 0032 提取单个导联的信号幅值的绝对值的平均值， 定义为X2。 0033 特征3： 导联电极接反特征 0034 一个心电图记录中， 把单个导联。

18、分成不同的区间， 每一个区间的长度均为L秒(如L 1)。 如果在某一区间内出现最小幅值小于某个阈值(如-1mV)， 最大幅值小于某个阈值(如 250 V)， 并且最小幅值的绝对值大于最大幅值的绝对值， 则将该区间定义为异常区间。 统计 单条导联中以上异常区间的数量， 定义为X3。 0035 特征4： 邻近导联交叉点的数量 0036 一种常见的显示十二导联心电图信号的方法是将多个导联进行纵向排列(如图2 所示)。 使用这种视图， 一个导联的信号可能会与邻近的其他导联交叠， 尤其是当心电图中 导联存在明显的基线漂移时。 在这种情况下， 不仅对漂移的导联很难分析， 其他的邻近导联 也会被掩盖。 00。

19、37 这里采用不同导联信号之间交叉点的个数来表达信号交叠的严重程度。 在输出的 十二导联心电图上， 邻近导联的纵向间距是固定值。 基于一个固定的参考点， 将各条导联的 信号幅值加上所处位置的偏移量就将十二条导联输出在了同一个图上。 将邻近两条导联的 信号值相减， 从而得到一条新曲线S。 在正常情况下(邻近导联不交叠)， 曲线S的值应该全部 为正数或者全部为负数， 这里的正负特性取决于邻近两条导联相减的顺序。 如果正常情况 下曲线S的信号值应全部为正数， 则所有小于0的点均为交叉点； 反之如果正常情况下曲线S 的信号值应全部为负数， 则所有大于0的点均为交叉点。 定义单条导联上的交叉点数量值为 。

20、X4。 对于任何一条导联， 分别计算其与上面邻近导联的交叉点X41及与下面邻近导联的交叉 点X42， 并定义X4为这两者中的较大者。 0038 (4)如果用户选择的是阈值法， 则针对步骤(3)中的4种特征分别设定4个阈值， 即 T1、 T2、 T3、 T4。 依次对每条导联进行如下判定： 若X1T1或X2T2或X3T3或X4T4， 则判定该 导联信号为不可接受信号， 否则即为可接受信号。 十二导联信号中任何一条导联判定为不 可接受， 则整个十二导联信号都判定为不可接受， 并跳转到步骤(8)。 0039 (5)如果用户选择机器学习方法， 则要对步骤(3)中提取的特征基于下面的公式进 行处理： 说。

21、 明 书 3/4 页 6 CN 107296600 A 6 0040 0041 这里， i1,2,3,4， Xi表示第i个原始特征， Ti表示第i个原始特征的阈值参数， Fi表 示第i个原始特征经过处理后的特征。 0042 对每个导联提取上述的4个特征， 当12导联的特征都提取完后， 把所有特征按顺序 依次排列， 从而构成48维的特征向量。 0043 (6)重复步骤(3)和步骤(5)， 获得大量心电信号特征数据， 对信号进行类别标记 (可接受与不可接受， 两个类别)， 基于支持向量机的机器学习方法构建学习与分类系统。 0044 (7)对新的心电测试信号， 重复步骤(3)和步骤(5)， 获取特征， 然后基于步骤(6)中 训练好的分类系统进行分类。 0045 (8)将评估结果反馈给用户。 说 明 书 4/4 页 7 CN 107296600 A 7 图1 说 明 书 附 图 1/2 页 8 CN 107296600 A 8 图2 说 明 书 附 图 2/2 页 9 CN 107296600 A 9 。