本發(fā)明涉及醫(yī)學(xué)信號處理領(lǐng)域,具體為一種通過醫(yī)療設(shè)備進行自動心拍識別的方法及系統(tǒng)。
背景技術(shù)：
：ECG：electrocardiogram的縮寫，心電圖。心電圖是心臟活動信號的記錄。其中，心拍的類別是診斷心臟疾病的重要依據(jù)。根據(jù)《中華人民共和國醫(yī)藥行業(yè)標(biāo)準(zhǔn)：醫(yī)用電器設(shè)備，第二部分，動態(tài)心電圖系統(tǒng)安全和基本性能專用要求》(YY0885-2013)，動態(tài)心電圖設(shè)備應(yīng)具有自動識別心拍類別的功能。心拍自動識別的技術(shù)途徑是通過提取表征了心電圖有效信息的特征向量，輸入到分類器算法得到心拍的類別。其中分類器的運算復(fù)雜度和分類精度直接關(guān)系到心拍自動識別系統(tǒng)的實用價值。目前常用的方法和系統(tǒng)是基于支持向量機的多分類方法，如一對多算法、一對一算法。然而這些分類方法存在運算復(fù)雜度高、忽略分類代價的問題，分類器盡管可以具有很高的分類準(zhǔn)確率，但是隨著分類類別的增加，需要設(shè)計的支持向量機數(shù)目迅速增加，運算復(fù)雜度大大提高，對實際產(chǎn)生很大影響。因此，減少支持向量機數(shù)目是降低運算復(fù)雜度和增加分類使用價值的關(guān)鍵。技術(shù)實現(xiàn)要素：為了解決上述技術(shù)問題，本發(fā)明的目的是提供一種運算復(fù)雜度較低的心拍自動識別方法及系統(tǒng)。本發(fā)明所采用的技術(shù)方案是：一種心拍自動識別方法，包括以下步驟：S1，對心電信號進行預(yù)處理，得到純凈心電信號；將所得純凈心電信號分割為待分類的心拍信號,并存儲待用；S2，讀取數(shù)據(jù)集中選取的已知類別的心拍信號，設(shè)置訓(xùn)練集；S3，抽取并存儲各個類別的心拍信號，對存儲的信號進行分層合并且訓(xùn)練；存儲訓(xùn)練得到的分類器；S4，將待分類的心拍進行分類識別。作為該技術(shù)方案的改進，所述步驟S1包括：對采樣頻率為f的心電圖，將心電信號分別輸入50×f/250階中值濾波器，然后將所述濾波器的輸出信號再輸入到150×f/250階中值濾波器，得到信號的基線；原始信號與基線相減得到去基線漂移噪聲的純凈心電信號。作為該技術(shù)方案的改進，所述步驟S1包括：將所得純凈心電信號分割出多個RR段，并存儲待用；將經(jīng)分割的信號重采樣，連接得到采樣后的心電信號；截取采樣后的心電信號中的所有心拍信號，存儲所有待分類的心拍信號。作為該技術(shù)方案的改進，所述步驟S2包括：隨機選取數(shù)據(jù)集中已知類別標(biāo)簽的心拍信號作為訓(xùn)練集，并存儲；對N種心拍類別分別進行編號并存儲。進一步地，所述步驟S3包括：抽取并存儲各個類別的心拍信號；將所存儲的心拍信號合并并轉(zhuǎn)存，得到各層分類器訓(xùn)練集。作為該技術(shù)方案的進一步改進，所述步驟S3包括：根據(jù)各層分類器訓(xùn)練集訓(xùn)練得到N-1個分類器。作為該技術(shù)方案的進一步改進，所述步驟S4包括以下步驟：將待測心拍信號依次輸入分類器中逐級進行類別判定，經(jīng)分類器判斷輸出特定的心拍種類；否則進入下一層分類器進行判定。另一方面，本發(fā)明還提供一種心拍自動識別系統(tǒng)，包括儲存程序的存儲器和一處理器，所述處理器用于運行所述程序以執(zhí)行所述的方法。本發(fā)明的有益效果是：本發(fā)明所提供的心拍自動識別方法和系統(tǒng)，減少了心拍多分類所需支持向量機數(shù)目，降低了運算復(fù)雜度，提高分類實用價值。本發(fā)明所述的方法與現(xiàn)有的多分類方法相比，在保證分類準(zhǔn)確率的前提下，減少所需支持向量機的數(shù)目，從而降低了運算復(fù)雜度。附圖說明下面結(jié)合附圖對本發(fā)明的具體實施方式作進一步說明：圖1是本發(fā)明一實施例的流程圖；圖2是本發(fā)明的另一實施例的示意圖；圖3是本發(fā)明的一實施例的步驟流程圖；圖4是本發(fā)明的心拍判定的一實施例的流程圖。具體實施方式需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。本發(fā)明是為減少心拍多分類所需支持向量機數(shù)目，減少運算復(fù)雜度，提高分類實用價值的一種心拍多分類方法。更確切的說，是一種可通過計算機程序進行實施，自動識別出心電圖中正常心拍、左束支傳導(dǎo)阻滯、右束支傳導(dǎo)阻滯、室性早搏、房性早搏、起搏心跳共六種類型心拍的技術(shù)方案。所述的技術(shù)方案不受其實施設(shè)備的影響，不加創(chuàng)造性的將本發(fā)明所公開的技術(shù)方案通過包括并不限于下述方式進行實施而產(chǎn)生的設(shè)備或系統(tǒng)，應(yīng)視為未超出本發(fā)明的保護范圍：可在具有運算功能的心電圖機上直接實施本方案，如將心電圖導(dǎo)出到通用計算機上實施本方案，將心電圖傳輸?shù)椒?wù)器上實施本方案。參照圖1至圖3，一種心拍自動識別方法,包括以下步驟：S1，對心電信號進行預(yù)處理，得到純凈心電信號；將所得純凈心電信號分割為待分類的心拍信號,并存儲待用；S2，讀取數(shù)據(jù)集中選取的已知類別的心拍信號，設(shè)置訓(xùn)練集；S3，抽取并存儲各個類別的心拍信號，對存儲的信號進行分層合并且訓(xùn)練；存儲訓(xùn)練得到的分類器；S4，將待分類的心拍進行分類識別。作為該技術(shù)方案的改進，所述步驟S1包括：對采樣頻率為f的心電圖，將心電信號分別輸入50×f/250階中值濾波器，然后將所述濾波器的輸出信號再輸入到150×f/250階中值濾波器，得到信號的基線；原始信號與基線相減得到去基線漂移噪聲的純凈心電信號。作為該技術(shù)方案的改進，所述步驟S1包括：將所得純凈心電信號分割出多個RR段，并存儲待用；將經(jīng)分割的信號重采樣，連接得到采樣后的心電信號；截取采樣后的心電信號中的所有心拍信號，存儲所有待分類的心拍信號。作為該技術(shù)方案的改進，所述步驟S2包括：隨機選取數(shù)據(jù)集中已知類別標(biāo)簽的心拍信號作為訓(xùn)練集，并存儲；對N種心拍類別分別進行編號并存儲。作為該技術(shù)方案的改進，所述步驟S3包括：抽取并存儲各個類別的心拍信號；將所存儲的心拍信號合并并轉(zhuǎn)存，得到各層分類器訓(xùn)練集。作為該技術(shù)方案的改進，所述步驟S3包括：根據(jù)各層分類器訓(xùn)練集訓(xùn)練得到N-1個分類器，分別為1號分類器、2號分類器···N-1號分類器。作為本發(fā)明一實施例，所述步驟S4包括以下步驟：將待測心拍信號依次輸入分類器中逐級進行類別判定，經(jīng)分類器判斷輸出特定的心拍種類；否則進入下一層分類器進行判定。參照圖4，為本發(fā)明的心拍判定的一實施例的流程圖。當(dāng)N＝6時，對于房性早搏、起搏心跳、左束支傳導(dǎo)阻滯、右束支傳導(dǎo)阻滯、正常心跳和室性早搏的心拍識別，步驟S4包括以下步驟：將待測心拍輸入1號分類器執(zhí)行判定，若輸出-1，則心拍識別為房性早搏；若輸出+1，則輸入2號分類器執(zhí)行判定，若輸出-1，則心拍識別為起搏心跳；若輸出+1，則輸入3號分類器執(zhí)行判定，若輸出-1，則心拍識別為右束支傳導(dǎo)阻滯；若輸出+1，則輸入4號分類器執(zhí)行判定，若輸出-1，則心拍識別為正常心跳；若輸出+1，則輸入5號分類器執(zhí)行判定，若輸出-1，則心拍識別為左束支傳導(dǎo)阻滯；若輸出+1，則心拍識別為室性早搏。1.對心電信號進行預(yù)處理(1)除去心電信號中的噪聲。對于采樣頻率為f的心電圖，將心電信號分別輸入50×f/250階中值濾波器，然后將濾波器的輸入信號再輸入到150×f/250階中值濾波器，得到信號的基線，以上參數(shù)四舍五入取整，原始信號與基線相減得到去基線漂移噪聲的純凈心電信號(2)將心電信號分割為待分類的心拍信號將上述獲得的純凈信號輸入波形限制探測器，如由R.Jané發(fā)明的，得到每個心拍的R波頂點。定義任意兩個相鄰R波頂點之間的信號為RR間期信號，分離心電信號中的所有RR間期信號；將所有RR間期信號重采樣到如300采樣點長度；將重采樣后的RR間期信號按照其在心電圖中的原有順序連接起來得到重采樣后的心電信號；定義任意一個R波頂點向前和向后各取150采樣點的信號為一個待分類的心拍信號，截取采樣后的心電信號中的所有心拍信號，所有待分類的心拍信號存儲為一個矩陣s，其中s(i,j)表示待分類的心拍信號中第i個心拍信號的第j個采樣點。其中，對于每一條心電信號，第一個R波頂點和最后一個R波頂點不構(gòu)成心拍信號。(3)設(shè)置訓(xùn)練集從已公開的MIT-BIH-AHA數(shù)據(jù)集中隨機選取已知類別標(biāo)簽的心拍信號為訓(xùn)練集，其中訓(xùn)練集必須包含每個類別大于50個心拍信號。選取的訓(xùn)練集存儲為一個矩陣t，其中矩陣t的第i行j列表示訓(xùn)練集內(nèi)第i個心拍信號的第j個采樣點，記為t(i,j)。讀取數(shù)據(jù)集中的已知心拍類別，按照表1所示對心拍類別進行編號，每個心拍信號的類別編號存儲為一個向量b，其中b的第i個元素表示訓(xùn)練集內(nèi)第i個心拍信號的類別編號，記為b(i)。其中b(i)為對應(yīng)t(i,:)的類別標(biāo)簽，t(i,:)表示矩陣t的第i行。表12.對分類器進行訓(xùn)練a.抽取并轉(zhuǎn)存各個類別的心拍信號i從1到6循環(huán)，執(zhí)行遍歷b的所有元素b(j)，判斷b(j)中是否與i相等,若相等，則抽取對應(yīng)矩陣t第j行的向量t(j,:),若不相等則不執(zhí)行抽取。遍歷后，所有被抽取的向量存儲為6個矩陣x1,x2,x3,x4,x5,x6,其中xi表示存儲了類別標(biāo)號為i的所有心拍信號,存儲格式與t相同。b.對類別進行分層合并讀取步驟a存儲的矩陣x1,x2,x3,x4,x5,x6；轉(zhuǎn)存[x4,x2,x1,x3,x6]為xp1,x5為xn1；轉(zhuǎn)存[x4,x2,x1,x3]為xp2，x6為xn2；轉(zhuǎn)存[x4,x2,x1]為xp3；轉(zhuǎn)存x3為xn3；轉(zhuǎn)存[x4,x2]為xp4；轉(zhuǎn)存x1為xn4；轉(zhuǎn)存x4為xp5；轉(zhuǎn)存x2為xn5。其中，符號[]表示將矩陣按行首尾相接。c.對分類節(jié)點進行訓(xùn)練利用Libsvm工具包，執(zhí)行5次訓(xùn)練，得到5個兩分類svm分類器。5次訓(xùn)練均采用svc工作方式，參數(shù)采用默認(rèn)參數(shù)，訓(xùn)練中采用的正樣本標(biāo)簽號設(shè)置為+1，負樣本標(biāo)簽號設(shè)置為-1，第一次訓(xùn)練采用xp1為正樣本，xn1為負樣本，對訓(xùn)練得到的分類器進行存儲并定義為1號分類器；第二次訓(xùn)練采用xp2為正樣本，xn2為負樣本，對訓(xùn)練得到的分類器進行存儲并定義為2號分類器；第三次訓(xùn)練采用xp3為正樣本，xn3為負樣本，對訓(xùn)練得到的分類器進行存儲并定義為3號分類器；第四次訓(xùn)練采用xp4為正樣本，xn4為負樣本，對訓(xùn)練得到的分類器進行存儲并定義為4號分類器；第五次訓(xùn)練采用xp5為正樣本，xn5為負樣本，對訓(xùn)練得到的分類器進行存儲并定義為5號分類器。3.將待分類的心拍進行分類讀取步驟“將心電信號分割為待分類的心拍信號”中所存儲的矩陣s，i從1至s的最大行數(shù)進行循環(huán)，執(zhí)行：將s(:,i)輸入1號分類器執(zhí)行判定，若得到標(biāo)號-1，則s(:,i)存儲的心拍識別為房性早搏，反之則繼續(xù)執(zhí)行下一步驟，其中s(:,i)表示s的第i行；將s(:,i)輸入2號分類器執(zhí)行判定，若得到標(biāo)號-1，則s(:,i)存儲的心拍識別為起搏心跳，反之則繼續(xù)執(zhí)行下一步驟，將s(:,i)輸入3號分類器執(zhí)行判定，若得到標(biāo)號-1，則s(:,i)存儲的心拍識別為右束支傳導(dǎo)阻滯，反之則繼續(xù)執(zhí)行下一步驟，將s(:,i)輸入4號分類器執(zhí)行判定，若得到標(biāo)號-1，則s(:,i)存儲的心拍識別為正常心跳，反之則繼續(xù)執(zhí)行下一步驟，將s(:,i)輸入5號分類器執(zhí)行判定，若得到標(biāo)號-1，則s(:,i)存儲的心拍識別為左束支傳導(dǎo)阻滯，反之則識別為室性早搏。采用國際通行心電圖數(shù)據(jù)庫MIT-BIH-AHA，并通過醫(yī)生手動標(biāo)注的其中六種心拍作為效果評估依據(jù)，包括正常心拍、起搏心跳、房性早搏、室性早搏、左束支、右束支和起搏心跳。在本實例中，通過工作在計算機上的軟件系統(tǒng)和Matlab仿真環(huán)境進行實現(xiàn)。作為上述的實施例的進一步擴展，其步驟如下：心電圖預(yù)處理：1)去除心電信號噪聲根據(jù)已知心電圖的采樣頻率250Hz和公式50×f/250和150×f/250，計算得到第一個濾波器為50階，第二個濾波器為150階。利用Matlab內(nèi)建程序medfilt1，產(chǎn)生50階中值濾波器和150階中值濾波器。按照所述過程，對每條心電圖執(zhí)行50階中值濾波器濾波；然后對上述運算的輸出結(jié)果執(zhí)行150階中值濾波器濾波；心電信號減去150階中值濾波器的輸出結(jié)果，即可得到純凈信號。將每條ECG所得的純凈信號儲存待用。2)將心電信號分割為待分類的心拍信號在計算機程序中，輸入上述參數(shù)并執(zhí)行計算機程序，如可利用計算機程序“ecgpuwave”，得到R波監(jiān)測點，將每條ECG所得的R波檢測點儲存待用。讀入上述步驟中存儲待用的純凈信號及存儲待用的R波頂點，將純凈心電信號按照R波頂點分割出多個RR段，存儲待用。讀入之前存儲待用的RR段，通過Matlab內(nèi)建程序“rsmp”選擇重采樣點數(shù)為300，所得重采樣RR段存儲待用。讀入上述存儲待用的重采樣后RR段信號，取某一RR段的前150采樣點與其前一RR段信號的后150采樣點構(gòu)成一個心拍信號，獲得所需心拍，存儲待用。3).讀入上述得到的心拍，對其按照類別進行歸類，類別歸屬參照MIT-BIH-AHA給出的類別標(biāo)簽。從中選取各類心拍作為訓(xùn)練集，選取過程通過matlab內(nèi)建函數(shù)ranperm得到隨機選取的心拍的標(biāo)號，從心拍數(shù)據(jù)矩陣中選取這些心拍。2.對分類器進行訓(xùn)練1)抽取并轉(zhuǎn)存各個類別的心拍信號i從1到6循環(huán)，執(zhí)行：遍歷b的所有元素b(j)，判斷b(j)中是否與i相等,若相等，則抽取對應(yīng)矩陣t第j行的向量t(j,:),若不相等則不執(zhí)行抽取。遍歷后，所有被抽取的向量存儲為6個矩陣x1,x2,x3,x4,x5,x6,其中xi表示存儲了類別標(biāo)號為i的所有心拍信號,存儲格式與t相同。2)讀取上述存儲的矩陣x1,x2,x3,x4,x5,x6；轉(zhuǎn)存[x4,x2,x1,x3,x6]為xp1,x5為xn1；轉(zhuǎn)存[x4,x2,x1,x3]為xp2，x6為xn2；轉(zhuǎn)存[x4,x2,x1]為xp3；轉(zhuǎn)存x3為xn3；轉(zhuǎn)存[x4,x2]為xp4；轉(zhuǎn)存x1為xn4；轉(zhuǎn)存x4為xp5；轉(zhuǎn)存x2為xn5。其中，符號[]表示將矩陣按行首尾相接。3)采用Libsvm工具箱，通過執(zhí)行svmtrain函數(shù)即可完成分類器訓(xùn)練。共計執(zhí)行5次訓(xùn)練，得到5個兩分類svm分類器。5次訓(xùn)練均采用svc工作方式，參數(shù)采用默認(rèn)值，訓(xùn)練中采用的正樣本標(biāo)簽號設(shè)置為+1，負樣本標(biāo)簽號設(shè)置為-1，第一次訓(xùn)練采用xp1為正樣本，xn1為負樣本，對訓(xùn)練得到的分類器進行存儲并定義為1號分類器，將svmtrain函數(shù)的輸出model存儲；第二次訓(xùn)練采用xp2為正樣本，xn2為負樣本，對訓(xùn)練得到的分類器進行存儲并定義為2號分類器，將svmtrain函數(shù)的輸出model存儲；第三次訓(xùn)練采用xp3為正樣本，xn3為負樣本，對訓(xùn)練得到的分類器進行存儲并定義為3號分類器，將svmtrain函數(shù)的輸出model存儲；第四次訓(xùn)練采用xp4為正樣本，xn4為負樣本，對訓(xùn)練得到的分類器進行存儲并定義為4號分類器，將svmtrain函數(shù)的輸出model存儲；第五次訓(xùn)練采用xp5為正樣本，xn5為負樣本，對訓(xùn)練得到的分類器進行存儲并定義為5號分類器，將svmtrain函數(shù)的輸出model存儲。3.將待分類的心拍進行分類讀取上述步驟所存儲的矩陣s，i從1至s的最大行數(shù)進行循環(huán)，執(zhí)行：使用Libsvm工具箱中的svmpredict函數(shù)，將s(:,i)，與對應(yīng)于1號分類器的model作為svmpredict函數(shù)的輸入，執(zhí)行svmpredict，判定輸出結(jié)果，若為-1，則s(:,i)存儲的心拍識別為房性早搏，反之則繼續(xù)執(zhí)行下一步驟，其中s(:,i)表示s的第i行；使用Libsvm工具箱中的svmpredict函數(shù)，將s(:,i)，與對應(yīng)于2號分類器的model作為svmpredict函數(shù)的輸入，執(zhí)行svmpredict，判定輸出結(jié)果，若為-1，則s(:,i)存儲的心拍識別為起搏心跳，反之則繼續(xù)執(zhí)行下一步驟；使用Libsvm工具箱中的svmpredict函數(shù)，將s(:,i)，與對應(yīng)于3號分類器的model作為svmpredict函數(shù)的輸入，執(zhí)行svmpredict，判定輸出結(jié)果，若為-1，則s(:,i)存儲的心拍識別為右束支傳導(dǎo)阻滯，反之則繼續(xù)執(zhí)行下一步驟；使用Libsvm工具箱中的svmpredict函數(shù)，將s(:,i)，與對應(yīng)于4號分類器的model作為svmpredict函數(shù)的輸入，執(zhí)行svmpredict，判定輸出結(jié)果，若為-1，則s(:,i)存儲的心拍識別為正常心跳，反之則繼續(xù)執(zhí)行下一步驟；使用Libsvm工具箱中的svmpredict函數(shù)，將s(:,i)，與對應(yīng)于5號分類器的model作為svmpredict函數(shù)的輸入，執(zhí)行svmpredict，判定輸出結(jié)果，若為-1，則s(:,i)存儲的心拍識別為左束支傳導(dǎo)阻滯，反之則識別為室性早搏。為了檢驗本發(fā)明提出的一種心拍多分類方法的性能，通過分類過程進行檢驗。其中心拍標(biāo)記如上述表1所示；按照如下表2所示的數(shù)量，隨機抽取所有心拍中的一部分作為實施例的分類訓(xùn)練集；在剩余的心拍中，除去訓(xùn)練集以外的所有心拍作為測試集。表2通過層次支持向量機進行分類后，未設(shè)置誤分類代價時分類結(jié)果如表3所示。表3心拍類別測試集準(zhǔn)確分類數(shù)量分類準(zhǔn)確率正常心拍7343399.05％左束支傳導(dǎo)阻滯728391.36％右束支傳導(dǎo)阻滯674193.99％室性早搏533976.36％房性早搏132752.80％起搏心跳476797.70％經(jīng)統(tǒng)計，最終分類準(zhǔn)確率為95.8％，但上述實驗中存在明顯的樣本不均衡問題，對于占有絕大部分比例的正常心拍具有良好的分類準(zhǔn)確率，而對少數(shù)量的部分病變心拍則分類準(zhǔn)確率不足，盡管就實驗結(jié)果而言，心拍多分類準(zhǔn)確率很高，但這樣顯然不能滿足實際診斷的需求。因此在實際操作過程中需根據(jù)實際需要設(shè)計層次支持向量機的誤分類代價，使其在訓(xùn)練過程更傾向區(qū)分誤分類代價高的心拍，即病變心拍，提高此類心拍的分類準(zhǔn)確率，從而更加滿足實際需求。另一方面，本發(fā)明還提供一種心拍自動識別系統(tǒng)，包括儲存程序的存儲器和一處理器，所述處理器用于運行所述程序以執(zhí)行所述的方法。與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明所述的一種心拍多分類方法與現(xiàn)有的多分類方法相比，在保證分類準(zhǔn)確率的前提下，減少所需支持向量機的數(shù)目，從而降低了運算復(fù)雜度。以上是對本發(fā)明的較佳實施進行了具體說明，但本發(fā)明創(chuàng)造并不限于所述實施例，熟悉本領(lǐng)域的技術(shù)人員在不違背本發(fā)明精神的前提下還可作出種種的等同變形或替換，這些等同的變形或替換均包含在本申請權(quán)利要求所限定的范圍內(nèi)。當(dāng)前第1頁1 2 3