[发明专利]一种心电信号分类装置及方法

说明书

本发明涉及心电信号分类技术领域，特别涉及一种心电信号分类装置及方法。所述心电信号分类装置包括：数据输入模块：用于将采集的临床数据和MIT数据库的标准数据输入到参数训练模块中；参数训练模块：用于提取所述临床数据的心电信号特征，训练多层稀疏自编码算法参数，并运用所述MIT数据库的标准数据训练回归分类器参数；分类决策模块：用于根据所述多层稀疏自编码算法参数及回归分类器参数构建心电信号分类器，通过所述心电信号分类器进行心电信号分类。本发明运用临床数据当训练样本使分类结果更接近实际临床病人的情况，对于临床诊断更具有真实性；通过实现大量数据的深度学习训练分类器使得分类器的分类精度大大提高。

技术领域

本发明涉及心电信号分类技术领域，特别涉及一种心电信号分类装置及方法。

背景技术

随着心脏类疾病影响人群的比例越来越高，心电信号分类作为诊断心脏疾病的基本步骤随着相应的需求应运而生。现在临床上最常用的心电信号分类方法大都基于时间域频率域的特征分析、波形形状的特征分析(如R-R间期、P波缺失等)、心脏心率变异性的短期分析(HRV)等方法来分类心律异常信号。而随着科学技术的发展，比如深度学习、强化学习、数据挖掘和大数据等的火热，在传统方法的基础上结合上述技术或许可以在很大程度上促进心电信号分类技术的发展。

在所有的心电信号分类方法中几乎所有方法都遵循按先特征选择和特征提取，然后类别决策来实现的。如有的是基于波形的形状特征，有的是基于波形的频域特征，还有基于小波分析的，基于神经网络的和基于支持向量机的等。

关于心电信号分类的相关参考文献包括：

[1]Thanapatay D,Suwansaroj C,Thanawattano C.ECG beat classificationmethod for ECG printout with Principle Components Analysis and Support VectorMachines[C].Electronics and Information Engineering(ICEIE),2010InternationalConference On.IEEE,2010,1:V1-72-V1-75.

[2]Kallas M,Francis C,Kanaan L,et al.Multi-class SVM classificationcombined with kernel PCA feature extraction of ECG signals[C].Telecommunications(ICT),2012 19th International Conference on.IEEE,2012:1-5.

[3]Vaidotas Marozas；Leif Sornmo；Arunas Lukosevicius.An Echo StateNeural Network for QRST Cancellation during Atrial Fibrillation[J].IEEETransactions on Biomedical Engineering,2012,59(10):2950–2957.

[4]Jambukia S H,Dabhi V K,Prajapati H B.Classification of ECG signalsusing machine learning techniques:A survey[C].Computer Engineering andApplications(ICACEA),2015International Conference on Advances in.IEEE,2015:714-721.