利索能及
我要发布
收藏
专利号: 2024103252031
申请人: 济南大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-07-01
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于双导联ECG信号的多特征辅助诊断方法,其特征在于,方法包括:步骤一、构建双导联心率失常辅助诊断系统的功能架构,并提取双导联心率失常辅助诊断系统中的心电信号;

步骤二、利用硬件设备采集心电信号;

步骤三、对心电信号进行预处理;

其中,预处理方式包括:按照预设窗口大小、步长对心电信号进行分割;对分割后的心电信号进行数据归一化处理;

步骤四、提取心电信号数据的时间特征、时频特征和空间特征;

S401:基于Informer模型提取时间特征:基于Informer模型的概率稀疏自注意力机制,并利用查询矩阵Q、键矩阵K和值矩阵V来计算注意力A(Q,K,V),其中 dL为输入维度;

输入心电信号序列长度L,进行随机采样选取Top U,U=LQlnLK个重要位置;

式中:Top U为随机采样从心电信号序列中选取的U个位置;LQ为查询向量的长度;LK为键向量的长度;

计算查询矩阵的第i行向量qi的稀疏度公式如下:式中:M(·)为稀疏性度量;qi为查询向量;kj为键向量, 为kj的转置; 为向量维度的平方根; 为qi和kj的内积的最大LSE(Log‑Sum‑Exp); 为算术平均数,Lk为query查询向量的长度;

使用蒸馏的操作不断抽取心电数据的时间特征,得到重点关注的特征;其中,蒸馏操作运算公式如下:式中: 代表Attention Block;Conv1d(·)是1D‑CNN;ELU(·)激活函数在时间维度上执行一维卷积过滤器;MaxPool(·)为步长2的池化;

S402:基于SimCLR‑ResNet模型提取空间特征;

其中,SimCLR‑ResNet模型的特征表示通过1×1卷积与ResNet编码器相连,ResNet编码器在SimCLR算法编码器基础上提取心电数据的空间特征,实现对特征进行降维;

S403:基于2D RCNN提取时频特征;

将小波变换后ECG的2D时频图作为2D RCNN模型的输入,将时频特征通过卷积层和池化层的主干网络提取,利用池化操作将每个心拍映射到特征向量上;

其中,小波变换公式如下:

其中,ψa,b为母小波函数,a为尺度因子,b为平移因子,t为时间变量,f(t)为待分析信号, 为缩放和平移后的母小波函数;

步骤五、采用权重加法融合的方式将步骤四中的时间特征、时频特征和空间特征进行融合,得到融合特征;

步骤六、将融合特征输入到SVM分类模型,得出诊断参数。

2.根据权利要求1所述的基于双导联ECG信号的多特征辅助诊断方法,其特征在于,步骤二中硬件设备包括:Raspberry Pi、PCF8591模块和AD8232模块;

Raspberry Pi、PCF8591模块和AD8232模块通过杜邦线通信连接,AD8232模块设置有三个探头,分别对应放在人体的左手臂、右手臂和左腿上进行人体心电信号的采集。

3.根据权利要求1所述的基于双导联ECG信号的多特征辅助诊断方法,其特征在于,所述步骤三中按照预设窗口大小、步长对心拍数据进行分割的方式还包括:定义一个心拍为0.6s至0.8s,将心电信号分割窗口设为0.8s,即288个采样点;步长为

0.6s,即216个采样点;将预设数量的心拍构建成心电信号数据集Y;

基于如下公式对心电信号数据集Y进行归一化处理,输出处理后数据集Y;

归一化处理公式为:

式中y为心电信号的原始数据,min(y)表示ECG心电样本幅值的最小值,max(y)表示ECG心电样本幅值的最大值。

4.根据权利要求1或3所述的基于双导联ECG信号的多特征辅助诊断方法,其特征在于,所述步骤五还包括:权重加法融合的公式表示如下:C=α·T+β·F+γ·P

式中:C表示权重加法方式融合特征,T表示时间特征,F表示时频特征,P表示空间特征;

α、β、γ均为权重系数。

5.根据权利要求1或3所述的基于双导联ECG信号的多特征辅助诊断方法,其特征在于,所述步骤六还包括:S601:将融合特征作为SVM分类模型的输入,对应心电类别作为输出,建立SVM分类模型;

S602:通过GA算法对SVM分类模型的参数选择过程进行改进,选择最优的SVM分类模型惩罚因子C与核函数σ;

设置GA算法种群规模和迭代次数,并采用二进制方式对惩罚因子C与核参数σ进行编码;

S603:采用5折交叉验证法,以SVM分类模型的平均准确率为适应度函数;其中,平均准确率Acc的计算公式为:Acc=T/n

式中:T为正确分类总数;n为总样本数;

S604:采用交叉和变异遗传算子处理当前种群,并产生下一代;

S605:判断是否满足收敛条件;

若满足,则执行下一步,否则执行步骤S603;

S606:输出SVM分类模型最优参数,实现GA‑SVM分类模型构建;

S607:得出分类结果。

6.一种终端机,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述基于双导联ECG信号的多特征辅助诊断方法的步骤。

7.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于双导联ECG信号的多特征辅助诊断方法的步骤。