[发明专利]一种不同室早心电信号分类方法、系统及电子设备

说明书

本发明涉及一种不同室早心电信号分类方法、系统及电子设备，方法包括：将获取的心电信号数据集X输入训练好的U‑Net模型，得到嵌入表达数据集Z；将所述嵌入表达数据集Z中的样本按簇分类，得到聚类分配Y；判断所述聚类分配Y中的簇数是否高于预设簇数，若高于预设簇数，则将所述聚类分配Y作为伪标签，以及所述心电信号数据集X同时输入训练好的U‑Net模型，实现对训练好的U‑Net模型进行重新训练，并得到新的嵌入表达数据集Zsupgt;new/supgt;，再重复按簇分类的步骤直至聚类分配Y中的簇数低于预设簇数；若低于预设簇数，则输出低于预设簇数的聚类分配Y；根据所述低于预设簇数的聚类分配Y得到不同室早心电信号的分类。本发明能够对不同室早心电信号分类。

技术领域

本发明涉及心电信号分类技术领域，尤其是指一种不同室早心电信号分类方法、系统及电子设备。

背景技术

心电图(ECG)记录了被检测到的心肌细胞活动产生的电流，用一维信号来表示心脏活动产生电信号变化的情况。在正常心电周期中，一个典型的心电图主要是由P波、Q波、R波、S波和T波构成，以及在某些导联中可能会出现的U波，其中P波和QRS复合波群分别对应心房的去极化和心室的去极化过程，T波对应心室的复极化过程，具体的一个心电周期的波形如图1所示。

早搏是最常见的心律失常之一，主要症状表现为心慌、胸闷、头晕等。室性早搏(简称室早)是危害性较高并且较为常见的早搏，室早具有形态多变的特点，根据不同的形态，可以辅助诊断心脏是否存在器质性病变，如果一个病人同一心电导联中出现了多种形态的室早，则称为存在多源性或者多形性室早，属于危害性较大的情况。目前临床上通常使用长时程心电图进行早搏诊断，然而由于长时程心电图记录时间跨度久，医生在审阅过程中不仅易疲劳，还容易遗漏部分室早。因此需要一种技术将同形态的室早归类，从而能批量分析相似室早。由于对室早心电信号形态进行标注较为耗时且困难，而常用的分类算法需要大量已标注的数据进行训练，因此不适用于室早心电信号形态划分。聚类技术是一种通过某种相似性度量将数据分类为簇的无监督手段，不需要标注数据进行训练就能划分数据，聚类使得数据簇内的对象具有很高的相似性，同时与其他簇中的对象很不相似。

近年来，聚类技术不断改进及创新，基于深度学习聚类方法(深度聚类)在图像和视频领域得到了很大的发展。也逐渐有学者将深度聚类方法应用到心电信号中，但是大多局限于针对不同疾病的心电波形不同进行聚类分析，目前缺乏针对室早形态聚类的研究，因此研究一种针对室早心电信号形态聚类方法具有重要的价值和意义。

现有技术中，有文献将心电数据使用连续小波变换(CWT)转换为二维的时间频域表达数据，然后应用深度嵌入聚类将二维数据映射到低维潜在空间进行聚类。该方法的缺点在于将一维的心电数据转化为二维数据需要额外的计算量，同时二维数据会占用更多的计算资源；其次，该方法针对于心律失常疾病的分类，其关注点在于不同疾病心电波形的区别，而非室早形态的区别；最后，该方法只适用于均匀分布的簇，并且需要预先知道簇数。

现有技术中，也有文献将ECG数据假设为vMF分布，使用基于长短期记忆模型的变分自编码器(VAE)将心电数据降维，通过基于vMF的非参数隐马尔科夫模型对降维后的数据进行聚类。该方法使用了变分自编码器对数据进行降维，这是一种生成式的方法，缺点是需要预先假设待聚类数据的分布，如果假设的分布错误将无法成功聚类；同时该方法也需要预先知道簇数。

现有技术中，还有文献是一种应用于图像数据的凝聚聚类技术，该技术首先使用凝聚聚类技术初始化簇标签，然后使用簇标签计算三元组损失训练卷积神经网络，对数据进行降维，通过交替运行凝聚聚类和训练卷积神经网络，最终获得聚类结果。该方法首先是针对图像数据的方法，不适用于心电信号，其次该方法在训练卷积神经网络时不稳定，原数据的局部结构容易被破坏。

不难发现，现有技术的缺点包括：(1)现有应用于心电波形聚类的方法大多关注疾病之间的波形聚类，缺少专门针对室早这一类疾病中形态的聚类；(2)现有心电波形聚类方式需要预先知道数据的簇数，或者需要假设数据分布；(3)现有的基于凝聚聚类的深度聚类方法局限于图像数据，并且不稳定。