[发明专利]一种基于贝叶斯先验概率的心率融合标注方法及其系统

说明书

本发明公开了一种基于贝叶斯先验概率的心率融合标注方法及其系统，通过对初始心电信号进行读取、预处理及信号分割得到心电数据样本，并对心电数据样本进行特征提取，根据初始心电信号集的不同类型，单导联数据库或多导联数据库，发展合适的基于贝叶斯先验概率的心率标注融合过程，通过贝叶斯准则和期望最大化算法对多条导联或多个算法标注的心率标签进行概率估计和迭代求解，融合得出更高精度的心率标签值。融合模型自动了解不同标注样本之间的潜在差异，单个算法或导联生成的标签可能不可靠，通过融合模型来获取可依赖性更高的标签值，从而提高长时程动态心率估计的准确度，为临床心血管疾病的诊断提供更准确的信息。

技术领域

本发明属于信号检测及医疗设备电子技术领域，具体涉及一种基于贝叶斯先验概率的心率融合标注方法及其系统。

背景技术

心血管疾病是全球范围内死亡的主因，心电信号的检测是心血管病检测、诊断的基本手段之一，因此心电信号的实时监测与智能标注分析受到极大重视。为了实现此目标，必须首先实现心电信号的QRS波与心率参数的算法自动标注，因为它们不仅是心血管病智能诊断的研究基础，而且是心电仪器监测的目标参数。

持续高准确率是实现动态心电的心率检测算法实际应用的关键，而实际上，大多经典且常用的QRS检测算法在高信号质量的数据库中均得到较高的检测精度，但应用于噪声较大的动态心电数据库时，检测精度都大幅度降低，其鲁棒性差的原因可能在于，算法中的一些参数是经验值或是与被检测信号有关的变量，如滑窗的窗口大小和阈值系数等，这些参数可能是适用于特定的心电数据库，不一定适用于其它数据库，尤其是噪声较大的心电数据库。而动态心电的采集过程中更容易受到人体运动影响产生不可避免的噪声，如何提高这些噪声较大的数据库的QRS检测效果是目前的研究热点。对于不同环境和不同个体特征下所采集的ECG信号，单一的检测算法或单一的导联检测很难总是达到高准确率，因此在标注真值未知的情况下，如何从多个标注算法提供的有噪音的标签中寻找共识、弥补缺漏并生成更接近真值的标签是问题的关键，本发明提出一种基于贝叶斯先验概率的心率标注融合方法及其系统，将会对现有心率标注方法及其系统提高心率标注精度和改进心率标注方法实现重大改进和突破。

发明内容

为解决上述问题，本发明公开了一种基于贝叶斯先验概率的心率融合标注方法及其系统，根据心电信号集的不同类型，单导联数据库或多导联数据库，发展合适的基于贝叶斯先验概率的心率标注融合过程，通过贝叶斯准则和期望最大化算法对多条导联或多个算法标注的心率标签进行概率估计和迭代求解，融合得出更高精度的心率标签值。而且融合模型自动了解不同标注样本之间的潜在差异，单个算法或导联生成的标签可能不可靠，通过融合模型来获取可依赖性更高的标签值，从而提高长时程动态心率估计的准确度，为临床心血管疾病的诊断提供更准确的信息。

为达到上述目的，本发明的技术方案如下：

一种基于贝叶斯先验概率的心率融合标注方法，包括以下步骤：

S1，心电信号读取：读取初始心电信号数据集；

S2，心电信号预处理：对步骤S1读取的初始心电信号数据集进行滤波、去噪；

S3，心电信号分割：将步骤S2预处理后的心电信号截取为若干条一定长度的数据样本；

S4，心电数据样本特征提取：从步骤S3截取后的若干条数据样本中提取可用于描述心电波形特征的特征向量；

S5，心电数据样本心率多标注：根据心电数据的导联类型，对步骤S3的数据样本进行心率多标注，若为单导联数据库，则采用多个心率标注器对步骤S3的数据样本进行心率标注，获取心率多标签值；若为多导联数据库(导联数大于3)，则采用一个心率标注器对步骤S3的所有导联数据进行心率标注，多导联的心率标注结果可类比于多标注器，从而获取心率多标签值；