[发明专利]一种基于单导联心电信号时频特征的房颤检测方法

摘要

一种基于单导联心电信号时频特征的房颤检测方法，属于信息处理技术与医疗健康的交叉领域。本发明的一个显著特点就是针对具有较高噪声的单导联心电信号，利用皮尔逊相关性系数对同一信号内部的各个心跳波形进行简单的聚类，进而采用平均法消除心跳波形的噪声干扰，进而找出信号的代表性心跳波形，然后基于Matching Pursuits算法提取代表性波形的时频特征，用于整条心电信号的分类。此外，本发明还整合了RR间期的特征(结合了心率变异性特征和心跳波形的时频特征)，因而兼具基于心房活动和基于心室反应两种方法的特点，具有较高的准确率、很好的鲁棒性。

主权项

一种基于单导联心电信号时频特征的房颤检测方法，其特征在于：所述方法包括如下步骤：步骤一：针对单导联体表心电信号，先进行预处理操作，去除心电信号中的基线漂移和部分噪声干扰；步骤二：基于滑窗的方法计算信号能量在时域上的变化，寻找第一个能量不高于其后各窗口能量的中位值的窗口，若该窗口存在，则将其之前的各窗口所对应的部分从信号中去除，进行步骤三；若该窗口不存在，则信号被认为噪声过高，从而检测流程结束；步骤三：采用Pan‑Tompkins算法，识别心电信号中的R波位点，以R波位点为基准，截取心电信号中的各心跳波形；步骤四：对R波位点做差分运算，得到心电信号中的RR间期序列；步骤五：计算同一心电信号内各心跳波形两两之间的皮尔逊相关性系数，然后根据相关性的强弱对心跳波形进行分组，计算最大两个分组各自内部心跳的平均波形，以此作为该心电信号的代表性波形；步骤六：对于训练集或其子集中各个样本的代表性波形，采用Matching Pursuits算法基于Symmlet 8小波包字典对心电信号的代表性波形进行解构，迭代次数为30次，统计小波包字典中各原子波形在各心电信号分解中的系数的1‑范数平均值，并以此进行排序，然后选取排名在前30的原子波形构成参考字典；步骤七：构建一个样本的特征向量，包括RR间期平均值、RR间期标准差、利用MP算法基于步骤六得到的参考字典对其特征波形解构所得的系数和标准化余项；步骤八：基于以上步骤所构建的特征向量，利用KNN算法在训练集上进行训练，得到分类模型。