[发明专利]基于分类器融合及诊断规则的室性早搏识别系统及方法

说明书

本发明公开了一种基于分类器融合及诊断规则的室性早搏识别系统及方法，所述系统包括：分类单元，包括用以独立处理心电图数据的LCNN分类模块和RNN分类模块，LCNN分类模块包括m个不同结构的第一分类器，至少用以输出m个第一分类结果，RNN分类模块包括n个不同结构的第二分类器，至少用以输出n个第二分类结果；融合单元，用以依据融合决策规则将第一分类结果和第二分类结果进行融合决策得到融合结果；判别单元，用以依据PVC病理特征对融合单元判断出的非PVC数据和PVC数据进行判别，得到PVC识别结果。本发明将LCNN及RNN两种分类器的分类结果进行融合，并融入PVC病理特征，采用机器学习与疾病诊断规则相结合的方法，提升了PVC识别的整体分类性能及准确率。

技术领域

本发明涉及一种室性早搏识别系统，尤其涉及一种基于分类器融合及诊断规则的室性早搏识别系统及识别方法，属于医疗电子技术领域。

背景技术

室性早搏(Premature Ventricular Contraction，以下简称PVC)的计算机辅助诊断具有非常重要的临床意义，它可以使医生从海量的心电图分析中解脱出来，减轻医生工作量，从而提高医生的诊断效率。目前，计算机辅助室性早搏的识别系统主要有两类：一类是采用某种分类器进行识别；另一类是根据PVC所表现出来的病理特征，然后采用规则推理进行判别。前一类通常忽略了医生的诊断思维过程；而后一类虽然考虑了医生的诊断思维过程，但是它需要事先提取PVC的一些特征点，例如R波、QRS波边界点等，而如何准确提取这些特征点也是研究者需要着重考虑的一个问题。

发明内容

本发明的主要目的在于提供一种基于分类器融合及诊断规则的室性早搏识别系统及方法，以克服现有技术中的不足。

为实现前述发明目的，本发明采用的技术方案包括：

本发明实施例提供了一种基于分类器融合及诊断规则的室性早搏识别系统，其包括：

分类单元，包括LCNN分类模块和RNN分类模块，所述LCNN分类模块、RNN分类模块用以独立处理心电图数据，所述LCNN分类模块包括m个不同结构的第一分类器，所述的m个第一分类器至少用以输出m个第一分类结果，所述RNN分类模块包括n个不同结构的第二分类器，所述的n个第二分类器至少用以输出n个第二分类结果，m、n为正整数；

融合单元，用以依据融合决策规则将分类单元输出的m个第一分类结果和n个第二分类结果进行融合决策从而得到融合结果，所述融合结果包括非PVC数据和PVC数据；

以及，判别单元，至少用以依据PVC病理特征对融合单元判断出的非PVC数据和PVC数据进行判别，得到PVC识别结果。

在一些典型实施案例之中，所述第一分类器采用导联卷积神经网络(leadconvolutional neural network，以下简称LCNN)。

在一些典型实施案例之中，所述第二分类器采用递归神经网络(recurrentneural network，以下简称RNN)。

在一些典型实施案例之中，所述室性早搏识别系统还包括：预处理单元，用以对原始心电图(Electrocardiogram，以下简称ECG)信号进行预处理后输入分类单元。

进一步的，所述预处理单元包括滤波器，至少用以去除基线漂移噪声和/或工频干扰噪声。

在一些典型实施案例之中，所述融合单元包括：

第一融合模块，用以依据加法融合决策规则对所述的m个第一分类器输出的m个第一分类结果进行融合决策；

第二融合模块，用以依据加法融合决策规则对所述的n个第二分类器输出的n个第二分类结果进行融合决策；

第三融合模块，用以依据均值融合决策规则将第一融合模块、第二融合模块输出的融合结果进行融合决策从而得到最终的融合结果。