[发明专利]用于检测心电图异常的方法及对应系统

说明书

心率监测器检测测试信号中的心跳。局部心率和加速度的能量与检测到的心跳相关联。基于与相应心跳相关联的局部心率和加速度的能量，将检测到的心跳包括在测试心跳集合中或将其排除在外。使用稀疏近似模型来检测心跳测试集合中的异常心跳。心率监测器可以检测训练心跳信号中的心跳。参考心率和加速度的能量与训练心跳信号的检测到的搏动相关联，并且基于与训练心跳信号中的检测到的搏动相关联的心率和加速度的能量而选择性地包括在训练数据集合中。可以使用训练数据集合来生成稀疏表示模型的字典。

技术领域

本公开涉及用于检测心电图(ECG)信号(诸如由用于健康监测的可穿戴设备获取的信号)中的异常的技术。

背景技术

ECG信号中的异常检测是指找到不符合所监测的信号的预期行为的模式的问题。这些异常模式可以转化为显著信息，诸如心脏活动异常(心律失常)、感测过程中的故障等。

可穿戴设备可以连续地获取、存储和周期性地传输通常由主机设备实时处理的生理信号。ECG信号的形态特点可能对于不同的用户而显示出显著的变化，因此通用方法在可穿戴设备上可能表现不佳。例如，每次可穿戴设备被重新定位或受到意外移动时，ECG形态可能被修改。对于日常活动，心率和心跳的形态也可以改变。

发明内容

在正常条件下获得的ECG心跳的特征在于特定的形态结构。另一方面，不符合这种结构的ECG获取可以被认为是异常。在一个实施例中，假设正常ECG心跳由稀疏模型很好地描述，诸如基于稀疏表示理论的模型。假设正常心跳s可以被建模为s＝D·x+e，其中，D是未知字典(dictionary)，x是稀疏系数向量，e是来自感测过程的随机噪声。在实施例中，以数据驱动方式(例如，直接从可穿戴设备获取的数据)来学习模型。在学习阶段期间，确定提供感测的训练数据集合的稀疏表示的字典D。在测试阶段中，对于每个获取的心跳s，计算稀疏系数向量x，使得重建误差||s-D·x||₂最小(粗略地说，评估这种心跳对学习模型的拟合优度)。对于异常心跳，假设观察到的重建误差将超过所容许的噪声能量。