申请/专利权人:山东省人工智能研究院
申请日:2020-07-02
公开(公告)日:2020-10-20
公开(公告)号:CN111789574A
主分类号:A61B5/00(20060101)
分类号:A61B5/00(20060101);A61B5/0402(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的驳回
法律状态:2022.03.11#发明专利申请公布后的驳回;2020.11.06#实质审查的生效;2020.10.20#公开
摘要:一种ECG信号质量评估方法,通过计算得到ECG信号的二维时频图,能够解决STFT方法中窗函数不可变的问题,在此基础上同时有效解决了CWT方法中基函数难以选取的问题。该方法计算高效的同时又达到了相对不错的效果。在传统的手工特征提取方法的前提上,利用计算机方法,使用卷积神经网络学习进行特征提取,将二者互相结合,既可以增加特征的丰富性,又更加全面的提取ECG信号的细节信息。提供了更具有临床诊断价值的策略用来挑拣ECG信号数据,在可穿戴式心电采集设备中可以广泛应用,解决了之前对ECG信号进行质量评估时采取的特征提取方法过于单一和落后的问题。
主权项:1.一种ECG信号质量评估方法,其特征在于,包括如下步骤:a采集12导联的ECG信号Et;b对获得的ECG信号Et的数据片段进行质量标记,标记为质量可接受心电图信号及质量不可接受心电图信号;c提取ECG信号的波形属性和基线漂移的手工提取特征,将提取的特征的总特征矩阵作为CNN的多输入模型的input1;d通过公式计算得到ECG信号的时频二维图像Ta,f,式中a为时移因子,f为频率,j为虚数单位,t为时间,e为无理数,ωt-α,f为高斯窗函数,以时间间隔为t′秒,频率采样间隔为f′Hz的t″秒心电信号产生一个X×Y的时频谱矩阵,将时频谱矩阵作为CNN的多输入模型的input2;e对时频谱矩阵进行卷积操作,卷积后进行池化操作,从时频谱矩阵中提取特征信息;f将从时频谱矩阵中提取特征信息与input1进行特征融合操作,使用CNN的分类器,对融合后的特征进行训练得到分类模型;g将待分类的心电测试信号利用步骤d中的公式处理为时频二维图像,将待分类的心电测试信号利用步骤c中的方法进行手工提取特征;h将步骤g中得到的时频二维图像及手工提取特征输入到步骤f中的分类模型中,输出信号质量等级结果。
全文数据:
权利要求:
百度查询: 山东省人工智能研究院 一种ECG信号质量评估方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。