[发明专利]融合源端影响的三心拍多模型综合决策心电特征分类方法

说明书

本发明涉及一种融合源端影响的三心拍多模型综合决策心电特征分类方法，包括以下步骤；步骤S1：采集待测心电信号，并进行预处理，得到心电信号数据集；步骤S2：构建特征提取模型，并提取心电特征和源端特征；步骤S3：构建解码重构模型，并通过解码重构模型将特征提取模型所提取的特征还原成心电信号；步骤S4：构建特征分类模型，对特征提取模型所提取的心电特征进行分类；步骤S5：训练特征提取模型以及解码重构模型，并以解码重构模型的生成信号与原始信号的差异训练特征提取模型以及解码重构模型；步骤S6：融合循环训练步骤S2的特征提取模型的特征，融合决策分类结果。本发明优化特征提取，综合考虑各种因素以提高心电分类准确度。

技术领域

本发明属于心电特征分类领域，具体涉及一种融合源端影响的三心拍多模型综合决策心电特征分类方法。

背景技术

心血管疾病(Cardiovascular Diseases,CVD)长期以来一直是全球疾病负担的最主要因素。对于慢性心血管疾病患者，早期筛查和日常监护是预防和治疗慢性心血管疾病的关键手段，2018年发布的《中国心血管病报告2017》显示，我国CVD死亡占城乡居民总死亡原因的首位，由于基层医疗资源不足导致医疗保障失衡，农村的CVD死亡比例远高于城市，应用科技手段使优质医疗资源下沉已刻不容缓。为响应国家《“健康中国2030”规划纲要》政策号召，使疾病能得到及时的诊治与预防，降低心血管疾病的死亡率，减轻医护人员负担。心电图(Electrocardiogram,ECG)检测既是医护人员用于监测心脏最直接的手段，也是心血管疾病诊断的首要依据。为克服医疗平台之间与设备端口之间数据不流通的源端问题，以三心拍心电数据(三心拍己包含完整心电特征，可满足多数心脏疾病诊断要求)作为数据源，构建临床上常见心脏疾病的分类模型，解决心电院外监测的难点，满足基层医疗心电判读的需要。已有的研究算法虽然可适当缓解医疗所面临的资源不平衡问题，但仍有许多有研究价值的区域尚未开发，例如由于存在个体差异、环境因素、区域影响、数据不流通等源端因子问题，临床上，不同人群在不同气候不同海拔环境下，会对环境产生适应性反应，以致其心电图形态各异；心脏疾病复杂多变存有致命风险，目前研究暂未提出利用心电图像进行疾病预测及量化患病风险模型的有效方法等；其他医疗领域也存在同类源端因子问题导致训练模型所需的样本数量不足，但目前未有模型能泛化应用于医疗多领域。因此，如何构建对心电图像实现临床上常见心脏疾病的分类模型，并探究源端因子对模型的影响与心电波形随时间变化特征对心脏疾病进行预测的模型十分重要。

发明内容

有鉴于此，本发明的目的在于提供一种融合源端影响的三心拍多模型综合决策心电特征分类方法，实现融合源端影响提高心电特征分类，进而提高分类准确度的目标。

为实现上述目的，本发明采用如下技术方案：

一种融合源端影响的三心拍多模型综合决策心电特征分类方法，包括以下步骤：

步骤S1：采集待测心电信号，并进行预处理，得到心电信号数据集；

步骤S2：构建特征提取模型，并提取心电特征和源端特征；

步骤S3：构建解码重构模型，并通过解码重构模型将特征提取模型所提取的特征还原成心电信号；

步骤S4：构建特征分类模型，对特征提取模型所提取的心电特征进行分类；

步骤S5：训练特征提取模型以及解码重构模型，并以解码重构模型的生成信号与原始信号的差异训练特征提取模型以及解码重构模型；

步骤S6：融合步骤S5循环训练后的特征提取模型的特征，融合决策分类结果。

进一步的，所述步骤S1具体为：

步骤S11：采用小波阈值收缩法对心电信号进行预处理；

步骤S12：将预处理后的心电信号按照每三个心拍为一组进行分组，数据分为N份；