[发明专利]基于伪Wigner-Ville分布的心电图诊断方法

摘要

本发明涉及一种基于伪Wigner‑Ville分布的心电图诊断方法。对于各种类型的心电图，本发明先提取心电图的时间‑频率‑幅值三维特对应特征，并将其进行数据转换，最后将转换完成色的数据通过神经网络分析诊断。由于神经网络的特性，这样只需一次学习后即可对之后的心电图进行快速识别，大大节省了人工诊断所需的时间且可以做到实时监测，符合普通人群在无医生指导下的自主诊断要求。

主权项

1.一种基于伪Wigner‑Ville分布的心电图诊断方法，其特征在于，包括以下步骤：步骤1：提取历史心电图的特征，获得历史心电图所对应的数据串string_1，将所有历史心电图的数据串string_1组成训练集，其中，提取心电图的特征包括以下步骤：步骤1.1、读取心电图数据，通过伪Wigner‑Ville分布计算得到心电数据时间、频率和幅度三者的映射关系并绘制得到三维图image_1；步骤1.2、将得到三维图image_1进行数据转换获得二维数据，即得到数据矩阵matrix_1；步骤1.3根据数据矩阵matrix_1，从数据矩阵matrix_1的顶部到底部逐行读取数据并将每行数据首尾拼接，形成二进制一维数据串string_1，数据串string_1中数值表示频率和幅度特征；步骤2：将步骤1中得到的训练集输入到神经网络进行训练，包括以下步骤：步骤2.1、搭建神经网络，确定神经网络整体架构的各个参数，并选择激活函数、优化算法、损失函数；步骤2.2、初始化神经网络，将随机值分配给神经网络各层的权重和偏置；步骤2.3、训练集中的数据串string_1分别通过神经网络输入层、隐藏层和输出层计算从而得到诊断结果；步骤2.4、根据判别结果和病例标签，计算损失函数，并根据梯度下降算法调整各层权重和偏置：步骤2.5、将训练集中的数据重复以上所有步骤，直至误差e≤0.001，此时得到结构稳定且预测准确率较高的神经网络结构；步骤3：利用步骤1相同的方法提取实时获得的心电图的特征，将提取到的特征输入训练好的神经网络结构，从而得到诊断结论。