專利名稱：一種遠(yuǎn)程醫(yī)療的異常心電張量分析方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種針對(duì)遠(yuǎn)程心電診斷平臺(tái)，多導(dǎo)聯(lián)張量心電數(shù)據(jù)的特征抽取和輔助分類方法。
背景技術(shù)：
本系統(tǒng)基于物聯(lián)網(wǎng)技術(shù)，利用遠(yuǎn)程心電診斷平臺(tái)，將上海市三級(jí)甲等醫(yī)院的優(yōu)質(zhì)醫(yī)療服務(wù)延伸至遠(yuǎn)程的縣市級(jí)甚至社區(qū)級(jí)醫(yī)療中心。設(shè)計(jì)了個(gè)性化服務(wù)系統(tǒng)，提高了遠(yuǎn)程醫(yī)療與健康監(jiān)護(hù)平臺(tái)的可用性及使用效率。利用基于物聯(lián)網(wǎng)的構(gòu)建遠(yuǎn)程醫(yī)療云服務(wù)平臺(tái)，并建立基層醫(yī)療單位的遠(yuǎn)程心電診斷服務(wù)示范。構(gòu)建遠(yuǎn)程醫(yī)療云服務(wù)主要包括醫(yī)療信息采集、傳輸、數(shù)據(jù)處理、反饋診斷等關(guān)鍵技術(shù)。當(dāng)前心電信號(hào)采集設(shè)備和醫(yī)療數(shù)據(jù)遠(yuǎn)程傳輸技 術(shù)已經(jīng)成熟，本項(xiàng)目核心技術(shù)主要集中在醫(yī)療數(shù)據(jù)挖掘與診斷輔助決策支持平臺(tái)方面，使得能為醫(yī)療中心醫(yī)生實(shí)現(xiàn)快速準(zhǔn)確的診斷支持。該醫(yī)療服務(wù)平臺(tái)逐步實(shí)現(xiàn)基層醫(yī)療單位、家庭的兩種遠(yuǎn)程醫(yī)療與健康監(jiān)護(hù)服務(wù)模式，形成物聯(lián)網(wǎng)下的新型遠(yuǎn)程醫(yī)療與健康監(jiān)護(hù)醫(yī)療服務(wù)模式。該項(xiàng)目研發(fā)醫(yī)療技術(shù)云服務(wù)平臺(tái)主要?jiǎng)?chuàng)新之處包括三個(gè)方面遠(yuǎn)程醫(yī)療診斷服務(wù)模式創(chuàng)新、醫(yī)療數(shù)據(jù)挖掘技術(shù)平臺(tái)創(chuàng)新和醫(yī)療數(shù)據(jù)服務(wù)創(chuàng)新?；谶h(yuǎn)程心電云服務(wù)平臺(tái)，通過實(shí)現(xiàn)心電分析的輔助決策支持，極大提高了診斷中心醫(yī)生的診斷速度和精度，使得遠(yuǎn)程心電診斷新型服務(wù)模式成為可能。在遠(yuǎn)程心電智能診斷技術(shù)方面，主要在以下幾個(gè)方面提供輔助決策支持通過對(duì)心電數(shù)據(jù)分析，提供準(zhǔn)確的心電分析基本參數(shù)；采用結(jié)合機(jī)器學(xué)習(xí)方法和智能模式識(shí)別方法，通過對(duì)心電信號(hào)的有效表征，利用最新模式識(shí)別方法(如核方法)對(duì)心電特征進(jìn)行模式分類，實(shí)現(xiàn)對(duì)心電數(shù)據(jù)的預(yù)診，云服務(wù)平臺(tái)能即時(shí)推薦給熟悉相應(yīng)病癥的醫(yī)生進(jìn)行診斷，提高了診斷的效率。本系統(tǒng)通過網(wǎng)格化的數(shù)據(jù)存儲(chǔ)很好的為非結(jié)構(gòu)化的海量數(shù)據(jù)提供高效存儲(chǔ)管理和查詢服務(wù)功能。這樣一套完備的分析數(shù)據(jù)庫(kù)，為以后的醫(yī)學(xué)和工程研究提供一個(gè)大型的完備數(shù)據(jù)庫(kù)在科學(xué)計(jì)算領(lǐng)域，基于心電數(shù)據(jù)進(jìn)行特征抽取和降維并且進(jìn)行分類分析的方法比較有名的就是 C. Saritha, V. Sukanya, and Y. Narasimha Murthy, “ECG SignalAnalysis Using Wavelet Transforms, ” Bulgarian Journal of Physics, vol. 35, pp.68-77, 2008.(作者C. Saritha, V. Sukanya, Y. Narasimha Murthy,題目基于小波變換的心電信號(hào)分析，雜志保加利亞物理雜志，2008年35卷，68-77頁)和Kuo-KuangJen, and Yean-Ren Hwang, “ECG Feature Extraction and Classification Usingspectrum and Neural Networks, ” Journal of Medical and Biological Engineering,vol. 28, no. I, 2008.(作者Kuo_Kuang Jen, Yean-Ren Hwang,題目基于頻譜和神經(jīng)網(wǎng)絡(luò)的心電特征抽取和分類，雜志醫(yī)學(xué)和生物工程雜志，2008年28卷，第一期)對(duì)于第一篇文章，首先對(duì)信號(hào)進(jìn)行不同小波基底的小波分解，然后通過檢測(cè)其系數(shù)來提取有效的針對(duì)不同疾病波形的特征進(jìn)行分析。第二篇文章是將原來的心電轉(zhuǎn)換成頻譜，然后通過提取心電頻譜上的特征來抽取有效的針對(duì)不同疾病的特征。最后使用神經(jīng)網(wǎng)絡(luò)來對(duì)原始的心電進(jìn)行分類。需要指出的是，所有這些方法都是針對(duì)單導(dǎo)聯(lián)心電的，而實(shí)際使用的心電診斷數(shù)據(jù)往往是多導(dǎo)聯(lián)的。一般目前在醫(yī)學(xué)上臨床使用的心電是12標(biāo)準(zhǔn)導(dǎo)聯(lián)的。這樣的話針對(duì)單一導(dǎo)聯(lián)的算法就不能完全滿足需要，即使通過將多個(gè)導(dǎo)聯(lián)心電拼接成單個(gè)導(dǎo)聯(lián)的方法，多個(gè)導(dǎo)聯(lián)的結(jié)構(gòu)信息被破壞，有用信息有所減少并不是非常有效的方法。因此，需要研發(fā)新的將多導(dǎo)聯(lián)心電張量心電數(shù)據(jù)作為直接輸入的特征抽取和分析方法，來處理上述論文中方法無法直接處理的問題。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有分散式的心電診斷系統(tǒng)的非集中化帶來的效率低下的不足，同時(shí)又針對(duì)原先基于單導(dǎo)聯(lián)心電分析不夠準(zhǔn)確的缺陷，提出了一種針對(duì)多導(dǎo)聯(lián)張量心電數(shù)據(jù)的心電分析方法。這種方法以張量心電數(shù)據(jù)直接作為輸入，充分利用了心電的多導(dǎo)聯(lián)心電的結(jié)構(gòu)信息，消除了原先單導(dǎo)聯(lián)心電單獨(dú)分析帶來的不精準(zhǔn)缺陷，實(shí)現(xiàn)了心電分析的有效性。
本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，其具體步驟如下一種遠(yuǎn)程醫(yī)療的異常心電張量分析方法，包括下述步驟( I)構(gòu)造張量數(shù)據(jù)a.心電數(shù)據(jù)采集采集標(biāo)準(zhǔn)12導(dǎo)聯(lián)心電數(shù)據(jù)；b.數(shù)據(jù)預(yù)處理和去燥對(duì)采集的12導(dǎo)聯(lián)心電數(shù)據(jù)首先對(duì)信號(hào)通過50hz的陷波濾波器進(jìn)行濾波處理，然后對(duì)數(shù)據(jù)進(jìn)行DB6小波的小波變換分解，然后去除其中最高頻的和最低頻的信號(hào)成份；c.波形檢測(cè)再次對(duì)小波進(jìn)行DB6小波分解，然后找尋其中l(wèi)evel2小波系數(shù)，然后采用過零點(diǎn)檢測(cè)方法檢測(cè)心電的QRS波尖峰，然后依次去除R波后檢測(cè)P波和T波尖峰，然后采用detrend算法計(jì)算出波形的基線,通過計(jì)算各個(gè)波形與基線的交點(diǎn),確定P波QRS波T波的起始和結(jié)束，也就是onset和offset ；d.逐跳切割一次采集心電大約包含20秒的心電數(shù)據(jù)，也就是25跳左右的心電，對(duì)于心電一次beat也就是一個(gè)P波一個(gè)QRS波一個(gè)T波進(jìn)行切割；e. R波對(duì)齊對(duì)每一個(gè)beat的心電針對(duì)R波的峰值進(jìn)行對(duì)齊,并且切割成統(tǒng)一的長(zhǎng)度；f.短時(shí) fourier 變換為了有效抽取時(shí)頻域的心電診斷特征，通過使用窗口為128點(diǎn)的短時(shí)fourier變換對(duì)心電進(jìn)行轉(zhuǎn)換，最后心電被轉(zhuǎn)換為128X 128X 12的時(shí)頻空的3階張量；這里的空指的是導(dǎo)聯(lián)位置就是指導(dǎo)聯(lián)軸；對(duì)于12導(dǎo)聯(lián)(IeadXtime)ECG信號(hào),s[l, η]表不離散信號(hào)在時(shí)間點(diǎn)η對(duì)于導(dǎo)聯(lián)I;在時(shí)間點(diǎn)nAt和頻率f的短時(shí)fourier變換如下式
權(quán)利要求
1.一種遠(yuǎn)程醫(yī)療的異常心電張量分析方法，包括下述步驟 (1)構(gòu)造張量數(shù)據(jù) a.心電數(shù)據(jù)采集 采集標(biāo)準(zhǔn)12導(dǎo)聯(lián)心電數(shù)據(jù)； b.數(shù)據(jù)預(yù)處理和去燥 對(duì)采集的12導(dǎo)聯(lián)心電數(shù)據(jù)首先對(duì)信號(hào)通過50hz的陷波濾波器進(jìn)行濾波處理，然后對(duì)數(shù)據(jù)進(jìn)行DB6小波的小波變換分解，然后去除其中最高頻的和最低頻的信號(hào)成份； c.波形檢測(cè) 再次對(duì)小波進(jìn)行DB6小波分解，然后找尋其中l(wèi)evel2小波系數(shù)，然后采用過零點(diǎn)檢測(cè)方法檢測(cè)心電的QRS波尖峰，然后依次去除R波后檢測(cè)P波和T波尖峰，然后采用detrend算法計(jì)算出波形的基線，通過計(jì)算各個(gè)波形與基線的交點(diǎn)，確定P波QRS波T波的起始和結(jié)束，也就是onset和offset ； d.逐跳切割 一次米集心電大約包含20秒的心電數(shù)據(jù)，也就是25跳左右的心電,對(duì)于心電一次beat也就是一個(gè)P波一個(gè)QRS波一個(gè)T波進(jìn)行切割； e.R波對(duì)齊 對(duì)每一個(gè)beat的心電針對(duì)R波的峰值進(jìn)行對(duì)齊，并且切割成統(tǒng)一的長(zhǎng)度； f.短時(shí)fourier變換為了有效抽取時(shí)頻域的心電診斷特征，通過使用窗口為128點(diǎn)的短時(shí)fourier變換對(duì)心電進(jìn)行轉(zhuǎn)換，最后心電被轉(zhuǎn)換為128X 128X 12的時(shí)頻空的3階張量；這里的空指的是導(dǎo)聯(lián)位置就是指導(dǎo)聯(lián)軸；對(duì)于12導(dǎo)聯(lián)(IeadXtime) ECG信號(hào)，s[l，n]表不在時(shí)間點(diǎn)η,對(duì)于第I個(gè)導(dǎo)聯(lián)軸的離散信號(hào)值；在時(shí)間點(diǎn)nAt和頻率f的短時(shí)fourier變換如下式STFT{s[l,n]}( m,)三 S{l,m.n)=Σ^=_^ω(η — m)s(l,m)e-]2咖 這里w[n]是一個(gè)窗函數(shù)，變換完成后數(shù)據(jù)變成一個(gè)3階張量； (2)基于ττν映射的張量特征抽取 a.根據(jù)原始張量數(shù)據(jù)的判別性計(jì)算有效的投影張量MMtll^i =Or^ilMi maX(-E =1((Mf - Mfc) J] x,.(ulkf) x ((M 卜 Ma.) χ/( 4)Γ)Γ 1=1 1—1MM-C|EL1S i1((Xfi - Mf) ΠX ((Χ| - Mf) Π χΚ4)Τ)Τ)Z=IΙτ=ζΙ b.根據(jù)優(yōu)化張量可分性特點(diǎn)計(jì)算更為優(yōu)越的投影張量Σ Σ Σ (U、-M1 Jχ“<4)Γ) X ((Xh-Mllh) π+(( -!/, j fix (( - ri/.—I 'Ii=-I ./o—lI=I1=11=1 對(duì)原始數(shù)據(jù)去除已抽取投影張量的維度，調(diào)整原始數(shù)據(jù)的結(jié)構(gòu)Xii = xt—1 —入卜lf4—I "i—i ···· (5 ^i1-I C.對(duì)原始數(shù)據(jù)計(jì)算投影張量進(jìn)行加權(quán)處理 通過調(diào)整每個(gè)張量的權(quán)重，來規(guī)避不合理張量的影響，等式如下
全文摘要
本發(fā)明公布了一種遠(yuǎn)程醫(yī)療的異常心電張量分析方法，首先通過遠(yuǎn)程方式采集大量的標(biāo)準(zhǔn)12導(dǎo)聯(lián)心電數(shù)據(jù)，然后通過短時(shí)傅立葉變換將心電轉(zhuǎn)換為高維度的張量心電數(shù)據(jù)。然后以高維張量心電數(shù)據(jù)直接作為特征，使用直接以張量數(shù)據(jù)直接作為輸入的特征抽取和特征降維的算法提取出直接用來分類的心電特征。由于這種方法是基于TTV變換法則的，所以最終可以得到基于向量存儲(chǔ)的特征，然后使用SVM分類方法對(duì)這些向量特征進(jìn)行分類。這種方法以張量心電數(shù)據(jù)直接作為輸入，充分利用了心電的多導(dǎo)聯(lián)心電的結(jié)構(gòu)信息，消除了原先單導(dǎo)聯(lián)心電單獨(dú)分析帶來的不精準(zhǔn)缺陷，實(shí)現(xiàn)了心電分析的有效性。
文檔編號(hào)A61B5/0402GK102961129SQ20121041693
公開日2013年3月13日 申請(qǐng)日期2012年10月26日 優(yōu)先權(quán)日2012年10月26日
發(fā)明者黃鍇, 李棟, 程炳飛, 張翰林, 張麗清 申請(qǐng)人:上海交通大學(xué)無錫研究院