本發明專利技術公開了一種基于小波變換與支持向量機相融合的竇房結電圖識別方法，該方法首先對竇房結電圖信號進行基于雙變量收縮函數的小波濾波處理，然后對去干擾的信號進行4層雙密度小波變換，并對第4層的尺度函數x(n)采用自適應斜率方法進行V波峰值定位，在此基礎上對A波峰值進行定位并計算A波的時間寬度特征TA，然后定位P前波起止點，并得到竇房結傳導時間TSACT，再分別計算A波及P前波兩個雙密度小波系數的交叉熵HA和HP，并將上述特征參數TA，TSACT，HA和HP串聯融合，得到融合特征向量FSNE＝[TATSACTHAHP]，最后采用小波支持向量機對特征向量進行分類，從而實現了竇房結功能的識別。
【技術實現步驟摘要】
本專利技術具體涉及一種基于雙密度小波變換及支持向量機的竇房結電圖識別方法， 通過該方法可以實現對體表獲取的竇房結電圖進行信息處理與識別。從而使基于竇房結電圖的識別在臨床醫學的應用得到極大提升，在方法和技術上確保竇房結電圖識別的高準確性及高效性。
技術介紹
竇房結是由特殊細胞構成的位于人體右心房上的一個特殊的小結節。竇房結可以自動、有節律地產生電流，電流按傳導組織的順序傳送到心臟的各個部位，從而引起心肌細胞的收縮和舒張。竇房結電圖是一種高分辨率的心電圖，可以直接檢測到竇房結電位，表征竇房結的電活動，是臨床研究心律失常的重要依據。通過竇房結電圖可以對竇房結起搏功能及竇房間的傳導進行分析，并且能夠對常規心電圖無法獲取的某些微小電位變化起到重要的補充作用。竇房結電圖的臨床作用包括(I) 了解竇房結的起搏功能。通過P前波診斷竇性心律。(2)精確測量竇房結傳導時間。竇房結電圖由P前波、A波、V波、T波及U波組成，A波、V波、T波及U波分別與常規心電圖的P波、QRS復合波、T波及U波對應，并且表達的生理意義相同。竇房結電圖波形的形態、幅值等參數與被測對象的體質、運動狀態以及測試條件有關，因此所獲取的竇房結電圖具有多樣性和復雜性，給臨床醫生的診斷帶來一定的難度。因此準確定位各特征波形， 是進行竇房結診斷的重要前提和依據。
技術實現思路
本專利技術的目的是提出一種基于雙密度小波變換及支持向量機的竇房結電圖(SNE) 識別方法。 該方法首先對竇房結電圖信號進行基于雙變量收縮函數的小波濾波處理，然后對去干擾的信號進行4層雙密度小波變換，并對第4層的尺度函數X (η)采用自適應斜率方法進行V波峰值定位，在此基礎上對A波峰值進行定位并計算A波的時間寬度特征ΤΑ，然后定位P前波起止點，并得到竇房結傳導時間TSACT，再分別計算A波及P前波兩個雙密度小波系數的交叉熵Ha和ΗΡ，并將上述特征參數TA，TsactjHa和Hp串聯融合，得到融合特征向量Fsne =,最后采用小波支持向量機對特征向量進行分類，從而實現了竇房結功能的識別。本專利技術為一種基于雙密度小波變換及支持向量機的竇房結電圖識別方法，包括以下步驟S1:首先對獲取的竇房結電圖(SNE)進行預處理；S2 :對SI中得到的信號進行雙密度小波變換分解；S3 :對S2中的尺度函數，進行特征波形A波和P前波的定位及特征參數測量；S4 :對S3中檢測到的A波及P前波對應的小波系數進行小波交叉熵計算；S5 :對S3與S4中獲得的特征參數及小波交叉熵特征進行特征融合；S6 :對S5中融合后的特征利用小波支持向量機進行分類，并輸出評價竇房結功能的診斷結果。竇房結電信號是微伏級的弱電信號，在體表采集的過程中，會引入基線漂移、工頻干擾、肌電干擾等多種噪聲的干擾。為了提取準確的竇房結電信號，首先需要對獲取的數據進行預處理濾波。進一步，所述步驟I中對獲取的高分辨率竇房結電圖預處理，具體包括以下步驟Sll :對獲取的原始竇房結信號進行4層bior5. 5小波變換，得到小波系數％，j = I 4；S12:定義以第k個小波系數為中心的信號子段N(k)，利用N(k)區間中的小波系數估計此區域的信號方差<4 ；S12 :利用魯棒中值估計器之2e Wj，估計N(k)噪聲方差；" 0.6745S13 :由物理模型 σ 2 = σ χ2+σ η2，利用< =—Σ 兄2和# _2 - 2 ⑴計^ y,eN(k)σχ - niax^^ -ση，u)算原始信號方差估計值，M為是信號N(k)的長度；max(jK2 + K2 -么，0)S14 :利用文，求出去噪后小波系數的估計值； 1 4Υ'+Υ2 1S15 :對處理后的小波系數進行重構，從而得到去除干擾的SNE信號。進一步，所述步驟2，對SI中得到的信號進行雙密度小波變換，具體實現步驟為S21 :雙密度小波變換由一個尺度函數Φ⑴和兩個小波函數V1⑴、￥2(t)構成， 兩個小波函數之間有O. 5個單位的偏移，并且在變換過程中采用過采樣。雙密度小波降低了平移敏感性，有近似的平移不變性。雙密度小波變換尺度和小波方程為Φ^) =(η)Φ(2 - η) ,ψ, it) = ht { )φ(2 - ), (i = 1,2),化⑴ ^ Vl(t_0.5)ηη(I)S22 :將去除干擾后的竇房結電信號通過三通道濾波器系統Iitl(η)，^ (η)和112(11) 進行4層分解，得到小波系數Vi(i = 1，2)。h0(n)為低通濾波器,Ii1 (n) h2(n)為高通濾波器；S23 :取4層分解后得到的尺度函數X (η)，檢測竇房結信號的特征波形。進一步，所述步驟3，利用S2中得到重構信號進行特征波形的定位及參數測量，具體實現步驟為S31 :由于V波在竇房結店信號中斜率最大，因此先定位V波信號；具體方法:對S2中得到的信號X (η)，連續3點滑動平均y (η) = /3， 然后計算斜率Slope (η) = /3 ;得至撮大的斜率+Slopemax及最大負斜率-Slopemax,當計算得到的斜率在的50%范圍內，并且χ (η)的最大值出現在檢測到正斜率最大值后面O.1秒內時，此最大值即為V波峰值。連續尋找到4個V波，并以這4個最大正負斜率的平均值作為參考開始進行V波波峰的檢測，當新的正負斜率最大值大于原有最大值的60%時，以公式 (O. 8*Slopeig有+0. 2*Slope#)對參考最大斜率進行更新，并作為下一次檢測的判據。如此不斷更新，可以檢測到V波峰值點；S32 :當檢測到V波峰值后，在峰值前0. 2秒到0. 1秒范圍內找最大值，最大值的位 置即為A波的峰值；S33 :對S22中的小波系數V i (i = 1，2)在A波峰值前0. 11秒及A波峰值后0. 07 秒范圍內各自尋找前后第一個過零點，然后分別取來自兩個小波系數前后過零點位置的均 值，即為A波的起點和終點，由此得到A波的時間寬度特征Ta。再將特征點位置映射到x(n) 相應的位置上；S34 :在確定A波起始點后，對P前波進行定位。P前波是竇房結電位波，竇房結電 位是位于P波起始點之前的低頻、低幅信號。P前波的持續時間稱為竇房傳到時間Tsact，它 是竇房結點圖中竇房結電位的起點到P波起點的時間間隔。P前波是竇房結電圖中最重要 的特征波形，它的存在與否及持續時間是評價竇房結功能的關鍵指標。P前波定位的具體方法為對S23中的信號x(n)，利用S33中定位的A波起點向前 0. 8s范圍內尋找過零點，如果存在過零點，則該點為P前波起點，否則，P前波不存在。若P 前波存在計算P前波起點到A波起點的時間，即為竇房傳導時間Tsact，P前波不存在時Tsact =0。進一步，所述步驟4，利用S3中檢測到的A波及P前波進行小波交叉熵的計算，具 體實現步驟為S41 :選取S22中計算得到的4層雙密度小波分解的小波系數中對應的A波及P前 波位置，取出A波小波系數Avlj，Av2j及P前波小波系數Pvlj，Pv2j，其中j = 1 4 ；S42 :計算小波能量概率分布。具體方法為單一尺度j下的小波能量Ej為該尺度下小波系數Wjk的平方和權利要求1.，其特征在于包括以下步驟 S1:首先對獲取的竇房結電圖進行預處理； 本文檔來自技高網...
【技術保護點】
一種小波變換與支持向量機相融合的竇房結電圖識別方法，其特征在于：包括以下步驟：S1：首先對獲取的竇房結電圖進行預處理；S2：對S1中得到的信號進行雙密度小波變換分解；S3：對S2中的尺度函數，進行特征波形A波和P前波的定位及特征參數測量；S4：對S3中檢測到的A波及P前波對應的小波系數進行小波交叉熵計算；S5：對S3與S4中獲得的特征參數及小波交叉熵特征進行特征融合；S6：對S5中融合后的特征利用小波支持向量機進行分類，并輸出評價竇房結功能的診斷結果。
【技術特征摘要】
...
【專利技術屬性】
技術研發人員：王林泓，李國軍，尹洪劍，周曉娜，劉睿強，毛小群，
申請(專利權)人：重慶電子工程職業學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。