基于核函数分类算法的心电电极错误放置自动检测方法

摘要

本发明公开了一种基于核函数分类算法的心电电极错误放置自动检测方法，使得不需采用额外辅助情况下实现设备智能检测手、足电极的错误位置布放，本发明方法将参考信号分为七个类别，通过采用基于核函数的分类器方法，对给定任意心电向量进行识别、分类。本方法能够准确甄别心脏疾病与位置错放导致的异常波形，大大提高心电图解读的正确率。

主权项

一种基于核函数分类算法的心电电极错误放置自动检测方法，其特征在于，包括如下步骤：定义常规12导联心电波形特征向量x＝[x₁，x₂，...x₁₂]^T；根据肢体电极正确放置和可能的六种错误放置类别，测量并记录抽样样本的12导联心电数字信号波形；根据心电波形特征向量数据集，并依据上述肢体电极正确放置和可能的六种错误放置类别，来明确每个心电波形特征向量x的类别，将每个心电波形特征向量x及其对应的类别y构成输入输出对，即样本点，设共有m个样本点{(x⁽¹⁾，y⁽¹⁾)，(x⁽²⁾，y⁽²⁾)，...，(x^(m)，y^(m))}；将上述m个样本点构成训练数据集，用于训练基于核函数的七个分类器，上述训练数据集包括所有七个类别心电信号，每个分类器以参数向量θ标识，θ有m+1个成分，即θ＝[θ₀ θ₁ θ₂ ... θ_m]^T；以θ⁽¹⁾，θ⁽²⁾，...，θ⁽⁷⁾标识七个分类器的参数向量，其中类别一分类器的参数向量θ⁽¹⁾的计算方法为：(1)重新处理m个样本点{(x⁽¹⁾，y⁽¹⁾)，(x⁽²⁾，y⁽²⁾)，...，(x^(m)，y^(m))}如果某个样本点x⁽ⁱ⁾的输出属于心电信号类别一，则标识y⁽ⁱ⁾为1，反之为0，记为y′ⁱ，得到处理后的新数据集{(x⁽¹⁾，y′⁽¹⁾)，(x⁽²⁾，y′⁽²⁾)，...，(x^(m)，y′^(m))}；(2)对于{x⁽¹⁾，x⁽²⁾，...，x^(m)}任意一心电向量x⁽ⁱ⁾，由新数据集{(x⁽¹⁾，y′⁽¹⁾)，(x⁽²⁾，y′⁽²⁾)，...，(x^(m)，y′^(m))}计算特征向量其中总是1；(3)定义cost₁函数，(4)定义cost₀函数，(5)定义开销函数m为训练数据集中样本点个数；(6)调整参数C和σ²,最小化(5)中的开销函数，得到参数向量θ最优值，即为类别一分类器的参数向量θ⁽¹⁾；类别二到七分类器的参数向量θ⁽²⁾，...，θ⁽⁷⁾的计算过程与类别一分类器相同；对于任意未知类别心电向量t，应用上述步骤中得到的七个分类器判别t的类别。