申请/专利权人：复旦大学

申请日：2022-01-20

公开（公告）日：2024-03-29

公开（公告）号：CN114305442B

主分类号：A61B5/318

分类号：A61B5/318;A61B5/361;A61B5/352;A61B5/00;G06F18/10;G06F18/24

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.04.29#实质审查的生效;2022.04.12#公开

摘要：本发明涉及一种基于滑动窗编码的房颤发生起止点的检测方法。所述方法包括：首先基于含房颤标签数据采用机器学习方法提取特征，得到可以输出若干个RR间期内房颤发生概率的模型；将待检测心电信号进行预处理后，检测R波位置并计算RR间期；以若干个RR间期为窗长、固定的RR间期数为步长作滑动窗，利用模型得到每个窗房颤发生的概率；将每个窗以及每个RR间期的判断结果进行符号化编码，通过邻近窗房颤发生的概率和每个RR间期数次加窗后的判断结果，得到可代表每个RR间期内房颤是否发生的编码序列，最终根据编码序列的突变位置确定房颤发生的起止点。本发明可推广至时序信号中待检测事件发生起止点的实时检测，具有广泛的应用价值。

主权项：1.一种基于滑动窗编码的房颤发生起止点的检测方法，其特征在于具体步骤如下：1根据心电信号中房颤发生后RR间期会变得绝对不规则的特点，训练机器学习模型，所述机器学习模型基于含房颤标签的数据库采用随机森林、逻辑回归和支持向量机而建立，该机器学习模型的输入为表征M个RR间期内RR间期分布规则程度的特征，输出为M个RR间期内房颤发生的概率，M为奇数，取经验值7或9；2用心电采集设备采集待检测心电信号，去除噪声后，得到预处理后的心电信号；3检测步骤2得到的预处理后的心电信号中的R波位置，计算RR间期，得到长度为N的RR间期序列，其中：NM；4采用固定步长移动固定窗长的滑动窗方法，对步骤3得到的长度为N的RR间期序列，以M个RR间期为窗长，1个RR间期为步长作滑动窗，逐窗提取表征窗内RR间期序列中RR间期分布规则程度的特征，可得到N-M+1个窗的特征；5对步骤4得到的N-M+1个窗的特征，逐个输入步骤1的机器学习模型，得到每个窗房颤发生的概率；记第i个窗房颤发生的概率为Pi，i＝1,2,…,N-M+1，并将每个窗是否发生房颤符号化，1表示房颤发生、0表示房颤没有发生，则第i个窗的判断结果Xi为：当|Pi′-Pi|-0.5≠0时， 当|Pi′-Pi|-0.5＝0时， 其中，j＝1,2,…,M-12，Pi′为第i个窗前后邻近的M-1个窗推测第i个窗房颤发生的概率，定义如下： 6对步骤5的判断结果进行修正：若出现连续5个窗的判断结果为11011，则修正为11111；若出现连续5个窗的判断结果为00100，则修正为00000；7对步骤6修正后的N-M+1个窗的判断结果进行整理，统计每个RR间期被加M次窗的判断结果X1X2…,XM，若X1X2…,XM中1的个数大于0的个数，则该RR间期的判断结果Yk为房颤发生，即Yk＝1；反之，则Yk＝0；得到长度为N的编码序列Y；8若长度为N个RR间期的心电信号中，房颤发生定义为房颤发生的时长不小于连续的5个RR间期，考察步骤7得到的编码序列Y：若Y中出现连续的1的个数小于5的情况，则将RR间期判断结果的对应位由1修正为0，这样便得到修正后的编码序列Y’；9考察步骤8修正后的编码序列Y’，寻找编码序列中发生突变的位置，若发生从0到1的突变，则发生突变的两个RR间期的交界处的R波位置就是房颤发生的起始点；若发生从1到0的突变，则发生突变的两个RR间期的交界处的R波位置就是房颤发生的终止点。

全文数据：

权利要求：

百度查询： 复旦大学 基于滑动窗编码的房颤发生起止点的检测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD