[发明专利]一种非接触式心电信号质量分类方法在审
| 申请号: | 202111496510.9 | 申请日: | 2021-12-09 |
| 公开(公告)号: | CN114176519A | 公开(公告)日: | 2022-03-15 |
| 发明(设计)人: | 列智坤;陈炜;吴咏霖;祝国强;崔睿;陈晨 | 申请(专利权)人: | 复旦大学 |
| 主分类号: | A61B5/00 | 分类号: | A61B5/00;A61B5/318 |
| 代理公司: | 上海正旦专利代理有限公司 31200 | 代理人: | 王洁平 |
| 地址: | 200433 *** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 接触 电信号 质量 分类 方法 | ||
1.一种非接触式心电信号质量分类方法,其特征在于,具体步骤如下:
步骤1、利用非接触式心电采集设备采集心电信号;
步骤2、对采集的心电信号进行滤波和去噪处理后,对其进行分段处理和标注,根据用途将心电信号质量进行分类;
步骤3、 对经过滤波和去噪的心电信号进行局部特征提取,包括峰度值K、偏度值S、信号极差F1、信号标准差F2、平均R-R间期F3、采样周期内R波个数F4在时域、频域、非线性域的多种特征;
步骤4、将步骤3得到的信号波形的多种数学特征进行标准化,计算特征的平均值mean和标准差std,建立特征矩阵F=[K,S,F1,F2,F3,F4……],每一组数据都有一个专家标注的数据标签与之对应;
步骤5、将心电信号分为训练集和测试集,在训练集中将信号波形的多种特征以及信号质量类别输入融合分类器中以实现融合模型的训练,然后将测试集中的样本信号输入融合分类器进行分类,通过测试集评价验证融合模型的稳定性和鲁棒性;具体包括:
(1)搭建和训练支撑向量机、K近邻模型和决策树模型在内的多种分类器模型;
(2)通过投票机制融合多种分类器模型形成融合模型,使用交叉验证法,确定各种分类器的超参数,实现对融合模型的训练;投票机制为:当大多数的分类器把同一段信号评定为某个类别时,那这段信号评定为该类别,当多个分类器的分类结果均不一致时,随机选取其中一个分类器的分类结果;
步骤6、将待分类的心电信号按照步骤2-4的处理后,输入步骤5 训练好的融合模型中,得到心电信号质量分类结果。
2.根据权利要求1所述的心电信号质量分类方法,其特征在于,步骤2中,采用小波中值阈值法对心电信号进行滤波和去噪处理。
3.根据权利要求1所述的心电信号质量分类方法,其特征在于,步骤2中,将信号分类为A、B、C三类,其中,A类为清晰的可直接临床使用的ECG信号, B类为存在R波但整体信号模糊不清需经处理后才能提取ECG波形特征的信号,C类为存在明显基线漂移及噪声较大的临床不可用的信号。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于复旦大学,未经复旦大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111496510.9/1.html,转载请声明来源钻瓜专利网。





