[发明专利]一种非接触式心电信号质量分类方法

说明书

本发明属于健康检测领域，具体为一种非接触式心电信号质量分类方法。其使用小波中值阈值法去除信号的基线漂移和肌电干扰噪声，采用鲁棒性和稳定性强的融合分类器模型对心电信号的质量进行高精度分类，从而提高信号的利用率便于进一步精确地对患者进行病理分析。本方法适合应用在长时间日夜检测的非接触式心电信号检测系统上，解决动态心电信号特征提取效率低下、信号噪声杂多、存在明显运动伪迹的问题。而且该模型算法复杂度和空间复杂度都很低，减少预测分类的时间，以此实现便携式智慧医疗的家庭应用普及。

技术领域

本发明属于健康检测领域，涉及一种基于非接触式心电信号的质量分类方法。

背景技术

心血管疾病现已成为人类死亡的主要原因，其发病率和死亡率一直居高不下，尤其是在医疗资源缺乏的地区。中国平均每年因心脏病死亡人数超过540000，心血管疾病是长期累积的结果，只有及早发现才能尽量避免病情恶化。心电监测是临床和医疗保健中不可或缺的技术，对监测体征、诊断或预警心血管疾病、指导临床决策有着重要意义[1]。但是传统的心电监测装置在便捷性和舒适性上均有不足，传统常用的测量心电的方法是使用湿电极法，首先需要进行皮肤清洁，去除厚厚的毛发和皮肤角质层，然后擦拭酒精或涂抹导电凝胶后再在患者身体上贴上湿电极进行心电测量[2]。显然传统测量方法很不便捷，尤其是对于婴儿和皮肤易敏感人群，而且容易导致患者的恐慌和紧张情绪，从而影响心电测量结果，而且传统的心电测量方法不便于对患者的长时间监测和夜间监测。

随着仪器性能和检测技术的不断提高，越来越多的科研工作者开始研究非接触式心电信号的检测方法，微电子技术和集成电路工艺的突破推动了便携式、可穿戴式、无感式心电监测装置的发展[3]。然而新型心电测量装置在克服了传统装置的缺点的同时，也伴随着一些无法避免的缺陷，比如信号容易受到环境噪声的干扰、存在明显的运动伪迹、波形信号不明显等问题，因此很有必要设计算法模型对非接触式采集的心电信号质量进行分类以提高信号的处理效率和利用率。目前有很多用于心电信号质量分类方面的机器学习的算法，比如通过提取ECG信号的多个特征值来训练支持向量机SVM进行分类[4]，利用ECG的高维度特征并使用基于欧几里德距离度量的KNN模型进行分类[5]，从ECG信号中提取几个非基准特征然后使用二元决策树模型对信号进行分级[6]，基于时域和频域特征使用随机森林模型进行心电图分类等等[7]，由于不同的分类器分类标准不同，而且分类精度与其所分类数据的统计分布特征、训练数据样本的大小以及分类器本身的结构等多个因素相关联。在过去十年中，有大量的研究是针对无创和无干扰的传感方法来检测心脏的电活动信息，有望在克服传统心电监护的局限性的同时，保证信号的信息丰富性、观测可解释性以及测量稳定性。

参考文献：

[1] E. J. Benjamin, S. S. Virani, C. W. Callaway, A. M. Chamberlain,A. R. Chang, S. Cheng, S. E. Chiuve, M. Cushman, F. N. Delling, R. Deo etal., “Heart disease and stroke statistics-2018 update: a report from theamerican heart association.” Circulation, vol. 137, no. 12, pp.67–97, 2018.

[2] S. Peng, S. Bao and W. Chen, Capacitive Coupled Electrodes basedNon-contact ECG Measurement System with Real-time Wavelet DenoisingAlgorithm, 2019 41st Annual International Conference of the IEEE Engineeringin Medicine and Biology Society (EMBC), 2019, pp. 6587-6590, doi: 10.1109/EMBC.2019.8856885.