[发明专利]基于神经网络的心电及心震信号联合分类的方法及装置

说明书

本发明提供一种基于神经网络的心电及心震信号联合分类的方法，获取待分类的心电信号和心震信号，进行预处理，实现待分类的心电信号和心震信号的滤波和去噪；提取待分类的心电信号和心震信号的特征波，并将特征波转化为时频图；将待分类的心电信号和心震信号的时频图分别传入已训练好的神经网络进行分别识别，得到识别结果；利用Concat方法将待分类的心电信号和心震信号分别识别后的结果连接起来，通过Adaboost算法将连接起来的结果进行分类；神经网络采用ResNet结构。本发明将一维的心电信号及心震信号转变为时频图，利用神经网络和Adaboost算法进行结合，将心电信号和心震信号有效联合起来进行分类，增加了分类的维度，在分类的准确性上实现了突破。

技术领域

本发明属于医学信号处理领域，具体涉及一种基于神经网络的心电及心震信号联合分类的方法及装置。

背景技术

心电监测技术利用心脏在每一次机械收缩前产生的电激动获取心脏状态信息。常见的心电检测技术通常是通过多个电极导联得到测量者的心电图，从而用于检查心律失常、心室心房肥大、心肌缺血等病症。该技术是人们日常中较为常见的心脏检测技术。

心震监测技术是利用由心脏泵血时引起的微弱的机械震动获取心脏状态，具有很高的临床研究价值。相较于心电信号，心震信号由多个矢量组成，所得的数据包含更多的心脏状态信息，因此，心震信号能判断的病症更多，获得的心脏状态信息更为详细。该技术是一种具有巨大潜力的技术。

在相关的便携式心脏监测装置上，单独的心电或心震监测都存在缺陷。心电监测在如心室缺氧、冠状动脉缺血等疾病上存在判读盲区，不能有效的监测心脏状态，而心震监测的测量要求较为苛刻，在日常生活中的测量误差较大，故目前还不能作为一种长期而稳定的心脏监测手段。

现有一些关于心电及心震信号处理的专利(包括发明授权专利和发明公布专利)如下：

CN 109063552 A：该发明专利提出了一种多导联心电信号分类的方法和系统，其通过多支路卷积残差神经网络提取多导联心电信号的信号特征，基于Softmax函数对融合后的所述多导联心电信号进行分类提高了心电信号分类的灵活性和适应性，但仅局限于心电信号。

CN 108354612 A：该发明专利公开了一种信号处理方法及装置，可以获取一段时间内用户的心冲击信号数据和心震动信号数据，并获取其联动特征参数，用以表示其在时/频域上的相关性特征。但是，该发明专利进对心震信号和心冲击信号进行了监测，并没有同时监测使用者的心电信号；其次，该发明专利仅获取了其所述两种信号之间的联动特征参数，并没有分析心震信号自身的信号特征。

CN 109310371 A：该发明专利公开了一种用于量化心力衰竭的方法，可以通过放置在人的胸部上的加速度计记录信号，并利用麦克风拾取心音，用以划分心动周期。但是，该发明专利仅利用了具有低于1Hz的下限截止频率和在范围100-250Hz内的上限截止频率的带通滤波器进行滤波，对信号的滤波效果差；同时，该发明专利需要额外使用麦克风记录心音，再根据心音划分心动周期，这样的做法相比直接利用心震信号判别心动周期更为复杂。

可以看出，现有专利主要为单独的心电信号分类及心震信号分类，极少有将二者结合起来实现分类。同时，目前心电信号处理的发明专利大多是基于一维心电信号进行处理，不仅局限于方法的单一，也受信号处理计算的繁琐及信号质量的限制，在分类的准确度上大打折扣。

发明内容

本发明要解决的技术问题是：提供一种基于神经网络的心电及心震信号联合分类的方法及装置，从而增加分类的维度、提高分类的准确度。

本发明为解决上述技术问题所采取的技术方案为：一种基于神经网络的心电及心震信号联合分类的方法，其特征在于：它包括以下步骤：

S1、获取待分类的心电信号和心震信号，进行预处理，实现待分类的心电信号和心震信号的滤波和去噪；