欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025104391271
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于统计流形的心律失常分类方法,其特征在于,包括以下步骤:A、心拍分割与子序列划分:

先输入ECG信号,检测R波峰并分割心电数据为单个心拍;再将单个心拍序列均匀划分为N个子序列,N>1,每个子序列覆盖特定ECG波形段;

B、子序列特征建模,构建高斯核矩阵:

计算子序列两两间的动态时间规整距离,即DTW距离,表征其非线性时序对齐关系;再基于DTW距离构建子序列的高斯核矩阵;

C、构建统计流形,所有样本核矩阵构成统计流形:

每个高斯核矩阵为对称正定SPD矩阵,每一个高斯核矩阵对应黎曼流形即统计流形上的一个点;

D、在流形上构建图卷积网络:

先构建图结构:以协方差矩阵作为图节点,测地线距离为边权,进行阈值保留;再切空间映射得到切向量,完成节点特征映射:将每个SPD矩阵通过对数映射投影至切空间,获取切向量作为节点特征;最后,获得图卷积网络分类模型,进行图卷积分类:采用多层图卷积网络聚合邻域信息,输出心拍类别概率。

2.根据权利要求1所述的一种基于统计流形的心律失常分类方法,其特征在于,步骤A,具体包括以下步骤:A1、心拍分割:

A11、R波峰检测,采用Pan-Tompkins算法从原始ECG信号中检测R波峰位置;

A12、心拍提取,以步骤A11检测到的R波峰为中心,前后各取固定时间窗口,截取完整心拍;然后,对截取的心拍进行时间轴对齐,确保R峰位于窗口中心,电压值标准化至零均值和单位方差,以消除个体间幅度差异;

A2:子序列划分:将单个心拍均匀划分为11个子序列,覆盖ECG关键波形段;划分规则按时间轴等分。

3.根据权利要求2所述的一种基于统计流形的心律失常分类方法,其特征在于,步骤A11,具体包括以下步骤:A111预处理:对ECG信号进行带通滤波,通带为5-15Hz,抑制基线漂移和高频噪声,并使用差分滤波器和平方运算增强QRS波群特征;

A112、阈值检测:设定动态阈值,当滤波后信号的幅值超过阈值时标记为候选R峰,结合RR间期规则,剔除伪峰。

4.根据权利要求2所述的一种基于统计流形的心律失常分类方法,其特征在于:步骤A12,以前段取R峰前150ms,对应P波起始至R峰,后段取R峰后350ms,对应R峰至T波结束,总心拍长度为500ms。

5.根据权利要求4所述的一种基于统计流形的心律失常分类方法,其特征在于:步骤A2,每个子序列长度约为45ms,具体分段对应ECG生理特征:子序列1-4,覆盖PR间期,对应心房除极阶段;子序列5-7,覆盖QRS波群,对应心室除极阶段;子序列8-11:覆盖ST段与T波,对应心室复极阶段。

6.根据权利要求1所述的一种基于统计流形的心律失常分类方法,其特征在于,步骤B,具体包括以下步骤:B1、计算DTW距离:

B11、构建累积距离矩阵,限制路径斜率为1,即相邻步长仅允许水平、垂直或对角线移动,避免过度扭曲时序关系;

B12、设置全局路径窗口,限定路径在时间轴上的最大偏移量;

B13、进行DTW距离归一化,即对最优路径的累积距离进行归一化,以消除子序列长度差异的影响,DTW距离归一化按以下公式进行:;

式中,为第个心电子序列,为第个心电子序列,为累积距离矩阵,P和Q分别为第个心电子序列和第个心电子序列的长度;

B2、基于DTW距离构建高斯核矩阵:

B21、核函数设计,基于DTW距离定义高斯核函数,将距离映射为相似性度量,从而构建高斯核矩阵:;

式中,为DTW距离,为第个心电子序列,为第个心电子序列,为核函数带宽;

B22、高斯核矩阵为对称矩阵,另外,添加微小单位矩阵扰动保证其正定性:,其中,。

7.根据权利要求6所述的一种基于统计流形的心律失常分类方法,其特征在于,步骤B21,采用交叉验证法选择最优值,目标函数为最小化验证集分类误差,的初始值取所有DTW距离的中位数的1/4。

8.根据权利要求1所述的一种基于统计流形的心律失常分类方法,其特征在于,步骤C,具体包括以下步骤:C1、所有对称正定矩阵构成统计流形,即黎曼流形,记为,流形上的测地线距离由以下公式定义:;

式中,为矩阵的迹;

C2、高斯核矩阵集合生成,输入为个心拍样本,每个样本对应一个高斯核矩阵;输出为统计流形上的点集;

C3、流形局部几何建模,首先,计算所有核矩阵之间的测地线距离定义邻域关系,然后,构建距离矩阵,其中;

C4、生成图结构生成:每个核矩阵对应图中的一个节点,对每个节点,保留与其测地线距离最小的前的边,边权重定义为测地线距离的倒数,即,为尺度参数;将节点之间的总互信息作为连边阈值大小的度量,即定义:,这里为节点个数,是节点之间的结构互信息,当之间没有连边关系时,定义;这里是阈值的一个单调函数,当曲线出现明显转折点时,所对应的连边个数即为需要保留的连边个数。

9.根据权利要求1所述的一种基于统计流形的心律失常分类方法,其特征在于,步骤D,具体包括以下步骤:D1、切空间投影,将SPD矩阵通过对数映射投影至切空间,得到欧氏空间中的向量表示:;

其中,对数映射定义为:

;

式中,为的特征向量矩阵,为特征值;利用对称性,仅保留上三角元素并展开为向量,维度压缩至;

D2、图卷积网络架构设计,包括网络层设计与参数设置;

D3、模型训练与优化,损失函数采用以下加权交叉熵损失,缓解类别不平衡问题:;

式中,为样本个数,为类别数,为类别标签,为权重,以提升少数类征罚力度。

10.根据权利要求9所述的一种基于统计流形的心律失常分类方法,其特征在于,步骤D3,所采用的优化策略为:优化器:Adam,初始学习率,每20轮衰减为0.5倍;批量训练:采用全图训练,内存不足时切换为子图采样;早停机制:验证集损失连续5轮不下降时终止训练。