[发明专利]一种基于动态模式识别的心电信号ST-T段识别方法

摘要

本发明公开了一种基于动态模式识别的心电信号ST‑T段识别方法，该方法包括以下步骤：1、用户端信号采集包括预处理、质量评估、截取ST‑T段预设训练集；2、将训练集数据通过网络发送至云服务器进行大规模快速计算：通过动态模式识别方法对数据内在系统动态进行训练并建立模式库，利用训练所得的常值神经网络构建动态估计器，比较测试数据与模式库内各模式之间的内在系统动态差异，由最小残差实现对测试模式的准确识别，选取模式数量20％最小残差进行识别结果修正；3、识别结果发送至云终端和用户端。本方法适用于日常心电监护中心电图ST‑T段尚未发生明显改变时的心梗预测及治疗后的病情监控，具有识别过程简单、快速、经济、无创等优点。

主权项

一种基于动态模式识别的心电信号ST‑T段识别方法，其特征在于，包含如下步骤：步骤一、用户端信号采集：(1)心电ECG信号预处理：利用用户端的穿戴式心电数据采集设备获取心电图ECG信号的数值数据，用中值滤波器进行基线漂移矫正，再用小波变换滤除50Hz工频干扰和肌电干扰；(2)心电信号质量评估：取肢体导联I为代表，检测每个周期内幅值最大的R波，以此计算心率，心率严重不齐的数据为质量评估不合格，在用户终端给予个人用户提示，请求重新采集数据；(3)截取ST‑T段数据预设训练集：对质量评估合格的数据，取肢体导联I、胸导联V2和V5作为预设训练导联，并截取出ST‑T段在空间中进行归一化处理，处理后的数据作为训练集数据。步骤二、将训练集数据通过网络发送至云服务器进行大规模快速计算：(1)通过动态模式识别方法对数据内在系统动态进行训练并建立模式库，利用RBF神经网络实现对各训练集ST‑T段数据内在系统动态的局部准确建模，所训练所得的动态知识以常值神经网络权值的形式进行存储，并由此建立模式库；(2)利用训练所得的常值神经网络构建动态估计器：模式库中每个模式数据的动态特征都已经以常值神经网络权值的形式存储，这些权值重新构建新的常值神经网络，并嵌入动态估计器中，每个模式对应了一个动态估计器；(3)比较测试数据与模式库内各模式之间的内在系统动态差异，由最小残差原理实现对测试模式的准确识别：将被测的未知心电数据经过步骤一的(1)(2)(3)步处理后与模式库中已有模式进行动力学上的相似度计算性对比，生成一组对应的计算识别残差，残差值最小说明测试模式与此残差对应的估计器所代表的模式匹配；(4)选取20％的最小残差进行识别结果修正：根据统计原理，选取模式数量20％的最小残差，将其对应的病症模式与测试数据进行动力学对比分析，排除动力学上明显不同的情况，修正识别结果，并且当测试数据无法与模式库内已有模式匹配时，将此数据作为新的病症模式加入模式库，完善数据库记录。步骤三、将识别结果发送至云终端和用户端，云终端供医疗数据存档以备专业医师查看和进一步诊断，用户端提供给个人用户心电识别结果。