一種用于心電信號質量評估判別的智能終端設備的制造方法
【技術領域】
[0001] 本發(fā)明屬于醫(yī)療設備技術領域，具體設及一種用于屯、電信號質量評估判別的智能 終端設備。
【背景技術】
[0002] 屯、電信號常常會受到嚴重的噪音和假象干擾，而濾波算法很多時候并不能很好得 去除運些干擾，特別是因為干擾信號和屯、電信號往往具有相似的頻率成分及相近的形態(tài)。 因此干擾會降低屯、電信號質量，并影響基于屯、電的自動疾病診斷從而引起較多的假報警 (假陽性)情況。比如屯噸信號太差會引起ICU中大量的假報警，ICU中的假報警甚至可能高 達 86 %。
[0003] 隨著人類預期壽命的逐漸提高，現(xiàn)代社會健康老齡化將成為全球重點。世界衛(wèi)生 組織估計到2050年全世界60歲W上人口將達到20億，并且80 %的老年人將生活在低收入和 中等收入國家。屯、血管疾病等慢性病將成為一個很大的負擔并嚴重影響老年人的生活質 量。移動醫(yī)療和可穿戴式醫(yī)療設備將越來越廣泛地用于慢性病的預防和管理。未來移動醫(yī) 療將提供高質、低價、方便的健康管理方案。比如化Iter因其可W在不影響日常生活的情況 下方便地使用，而被廣泛用于長程的屯、電監(jiān)護。Holter的動態(tài)監(jiān)測功能使得其可W在臨床 使用中達到24小時甚至長達數(shù)天的連續(xù)監(jiān)測?，F(xiàn)代通訊手段使得屯、電信號可W很方便得存 儲并近乎實時得傳輸?shù)结t(yī)護人員的電腦上或其他移動終端上。但是，動態(tài)下的化Iter信號 會受到比較嚴重的噪音的假象干擾，被噪音污染的化Iter信號對自動甚至人工疾病診斷造 成很大困難。
[0004] 通過實時對屯、電信號質量進行評估，用戶可W即時知道所獲取的屯、電信號的質量 如何。如果，信號質量太差，用戶將得到提醒，并重新測量信號，或檢查電極的聯(lián)結，或檢查 其他可能造成的噪音影響。
[0005] 從近期一些文獻或者專利技術中可W查閱到有關屯、電信號質量評估技術的研究， 但是運些研究都是基于特征點提取的，也即首先通過一種算法提取屯、電信號的特征點，比 如多數(shù)情況下是R波點或者是QRS波群，然后通過對特征點提取結果的分析、QRS波形的分析 等獲取對信號質量的描述;但特征提取結果的重要影響因素之一便是信號質量水平，信號 質量問題會對特征提取造成誤差，通過特征提取結果對信號質量水平進行判斷也帶來誤 差，運些誤差都是向后積累的，最終造成分析結果的不精確，甚至是錯誤。
[0006] 另外，信號質量水平不是簡單的好與不好的區(qū)別，具有明顯的模糊性質，運符合人 類本身對于信號質量的認知方式。對于一例特定的信號，其可能含有多種影響質量的因素， 怎樣將它歸類到與其更為相似的一種類別中，W往的處理方式很難做到運一點。

【發(fā)明內容】

[0007] 針對現(xiàn)有技術所存在的上述技術問題，本發(fā)明提供了一種用于屯、電信號質量評估 判別的智能終端設備，能夠有效的判斷屯、電信號質量是否滿足可接受要求，大大降低了由 于信號質量較低帶來的診斷結果錯誤。
[0008] 一種用于屯、電信號質量評估判別的智能終端設備，包括處理器和藍牙通訊單元， 所述的處理器加載有W下功能模塊：
[0009] 信號采集模塊，用于通過智能終端內的藍牙通訊單元收集屯、電監(jiān)測器提供的屯、電 數(shù)據(jù);所述的屯、電數(shù)據(jù)為屯、電監(jiān)測器預先采集得到基于獨立導聯(lián)通道的m組屯、電信號段或 用戶日常檢測時屯、電監(jiān)測器采集得到單通道的屯、電信號段;所述m組屯、電信號段的質量通 過人工被標記為0或1，1表示滿足接受要求，0表示不滿足接受要求，m為大于1的自然數(shù)；
[0010] 特征提取模塊，用于對所述的屯、電數(shù)據(jù)進行特征提取即對于任一屯、電信號段通過 計算得到該屯、電信號段的QRS能量比值、信號峰度和基線能量比值，并將運Ξ個特征指標組 成該屯、電信號段的特征序列；
[0011] 神經網絡訓練模塊，用于根據(jù)與上述m組屯、電信號段對應提取得到的m組特征序列 通過人工神經網絡學習算法進行訓練，得到關于屯、電信號質量的判別模型；
[0012] 判別模塊，用于將用戶日常檢測得到的單通道屯、電信號段所對應的特征序列代入 上述判別模型中得到對應關于屯、電信號質量的輸出結果，進而根據(jù)該輸出結果判斷出該單 通道屯、電信號段的質量是否滿足接受要求。
[0013] 所述的特征提取模塊通過W下算式計算屯、電信號段的QRS能量比值：
[0014]
[0015] 其中：P(f)為屯、電信號段的功率譜密度函數(shù)，S為屯、電信號段的QRS能量比值，f為 頻率。
[0016] 所述的特征提取模塊通過W下算式計算屯、電信號段的信號峰度：
[0017]
[0018] 其中：X(i)為屯、電信號段中的第i個采樣值，N為屯、電信號段中的采樣點個數(shù)，μ為 屯、電信號段的平均采樣值，Κ為屯、電信號段的信號峰度。
[0019] 所述的特征提取模塊通過W下算式計算屯、電信號段的基線能量比值：
[0020]
[0021] 其中：P(f)為屯、電信號段的功率譜密度函數(shù)，Β為屯、電信號段的基線能量比值，f為 頻率。
[0022] 所述的神經網絡訓練模塊所采用的人工神經網絡學習算法W梯度下降法作為優(yōu) 化方向。
[0023] 所述的神經網絡訓練模塊通過人工神經網絡學習算法進行訓練的具體過程如下：
[0024] (1)將m組特征序列分為訓練集和測試集且訓練集大于測試集；
[0025] (2)初始化構建一個由輸入層、隱藏層和輸出層組成的神經網絡；
[0026] (3)從訓練集中任取一特征序列代入上述神經網絡計算得到對應關于屯、電信號質 量的輸出結果，計算該輸出結果與該特征序列所對應的人工標記質量之間的累積誤差；
[0027] (4)根據(jù)該累積誤差通過梯度下降法對神經網絡中輸入層與隱藏層之間W及隱藏 層與輸出層之間的權重進行修正，進而從訓練集中任取下一特征序列代入修正后的神經網 絡；
[0028] (5)根據(jù)步驟(3)和(4)遍歷訓練集中的所有特征序列，取累積誤差最小時所對應 的神經網絡為判別模型。
[0029] 所述的神經網絡訓練模塊初始化構建的神經網絡中輸入層由3個神經元組成，隱 藏層由4個神經元組成，輸出層由1個神經元組成。
[0030] 所述的神經網絡訓練模塊初始化構建的神經網絡中神經元函數(shù)g(z)的表達式如 下：
[0031]
[0032] 其中：Z為函數(shù)的自變量。
[0033] 所述的神經網絡訓練模塊對于訓練得到的判別模型，將測試集中的特征序列逐個 代入該判別模型得到對應關于屯、電信號質量的輸出結果，使每一特征序列所對應的輸出結 果與人工標記質量進行比較，若測試集的正確率大于等于闊值的話，則該判別模型最終確 定;若測試集的正確率小于闊值的話，則利用屯、電監(jiān)測器采集更多的屯、電信號段樣本，經過 特征提取模塊得到更多數(shù)量的特征序列作為神經網絡的輸入進行訓練。
[0034] 所述的智能終端設備可W為智能手機、平板電腦或PC機。
[0035] 本發(fā)明智能終端設備通過功率譜密度求積分和峰態(tài)系數(shù)的技術手段在學習前將 獨立單通道的屯、電信號轉化為QRS能量比值、信號峰度和基線能量比值Ξ個特征值，進而根 據(jù)特征值利用人工神經網絡學習算法W梯度下降的優(yōu)化方式將判別模型準確的建立，通過 對系統(tǒng)模型的還原，實現(xiàn)了屯、電信號質量的判別方法，進而有效的對屯、電信號是否能用來 進行診斷做出了甄別。
【附圖說明】
[0036] 圖1為本發(fā)明智能終端設備的結構示意圖。
[0037] 圖2為本發(fā)明屯、電信號質量判別過程中的人工神經網絡模型示意圖。
【具體實施方式】
[0038] 為了更為具體地描述本發(fā)明，下面結合附圖及【具體實施方式】對本發(fā)明的技術方案 進行詳細說明。
[0039] 如圖1所示，本實施例中用于屯、電信號質量評估判別的智能終端設備采用智能手 機，該智能手機內包含有處理器和藍牙通訊單元，藍牙通訊單元與處理器相連;處理器包括 信號采集模塊、特征提取模塊、神經網絡訓練模塊和判別模塊;其中：
[0040] 信號采集模塊通過藍牙通訊單元收集屯、電監(jiān)測器提供的屯、電數(shù)據(jù);屯、電數(shù)據(jù)為屯、 電監(jiān)測器預先采集得到基于獨立導聯(lián)通道的m組屯、電信號段或用戶日常檢測時屯、電監(jiān)測器 采集得到單通道的屯、電信號段;m組屯、電信號段的質量通過人工被標記為0或1，1表示滿足 接受要求，0表示不滿足接受要求，m為大于1的自然數(shù)。本實施方式用于算法分析的數(shù)據(jù)庫 是來源于CinC Challenge 2011(^下簡稱為(：111〇。(：1此數(shù)據(jù)庫中包含1000個10秒時長的 12通道標準醫(yī)用記錄。標準醫(yī)用12通道中，只有8個通道是獨立。因此，我們對每個記錄選取 8個通道，分別為:通道I，II，VI，V2，V3，V4，V5，V6。由此構成的數(shù)據(jù)庫包含8000個單通道屯、 電記錄。每個單通道記錄再經由人工評判，根據(jù)其信號質量標注為可接受和不可接受兩種。
[0041] 特征提取模塊用于對信號采集模塊收集得到的屯、電數(shù)據(jù)進行特征提取即對于任 一屯、電信號段通過計算得到該屯、電信號段的QRS能量比值、信號峰度和基線能量比值，并將 運Ξ個特征指標組成該屯、電信號段的特征序列;具體計算方法如下：
[0042] (1)計算QRS能量比值;該特征定義為QRS波形能量與屯、電信號的能量的比值。
[0043] 首先對屯、電信號做頻譜分析，然后計算5-15化頻段的能量和5-40化頻段能量的相 對比值。其中5-15化大致對應于QRS波形的能量，5-40HZ大約相當于屯、電信號整體的能量