一種基于模糊推理結(jié)合加權(quán)相似度量的心電分類方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種屯、電分類方法。
【背景技術(shù)】
[0002] 傳統(tǒng)的屯、電信號(hào)分類常采用專家系統(tǒng)來實(shí)現(xiàn)，該種方法的優(yōu)點(diǎn)是方便快捷，但對(duì) 于屯、電信號(hào)的分類，由于其復(fù)雜多變，很難W準(zhǔn)確的方式來描述現(xiàn)象和原因之間復(fù)雜的多 對(duì)多或一對(duì)多的關(guān)系，規(guī)則的提取也就變得很困難，提取出的規(guī)則也不會(huì)很精確，而模糊理 論可W很好地彌補(bǔ)該方面的不足。陳曉側(cè)利用模糊理論結(jié)合神經(jīng)網(wǎng)絡(luò)得出異常屯、拍的隸屬 度并完成模糊規(guī)則的提取，然后進(jìn)行模糊推理實(shí)現(xiàn)分類；汪德寧利用數(shù)據(jù)庫構(gòu)建模糊知識(shí) 庫，再結(jié)合模糊推理機(jī)實(shí)現(xiàn)分類；江濤將模糊理論與專家系統(tǒng)相結(jié)合，建立模糊專家系統(tǒng)； W上提到的方法最終均通過概念隸屬度值的比對(duì)進(jìn)行分類，無法建立屯、電知識(shí)庫，考慮不 到屯、電本身各波形及波形屬性之間的相互關(guān)系，從而忽略了無關(guān)屬性對(duì)特定類型的分類產(chǎn) 生的誤導(dǎo)，因此屯、電知識(shí)庫的構(gòu)建也是需要研究的問題。而領(lǐng)域本體能夠準(zhǔn)確地描述概念 含義W及概念之間的內(nèi)在關(guān)聯(lián)，具有良好的概念層次結(jié)構(gòu)和對(duì)邏輯推理的支持，能夠很好 地應(yīng)用于屯、電的知識(shí)庫建立中。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明為了解決已有的模糊推理分類方法無法構(gòu)建屯、電知識(shí)庫，從而忽略了屯、電 知識(shí)及不同波段形態(tài)的不同組合對(duì)分類的影響導(dǎo)致分類錯(cuò)誤率高的問題，和已有的模糊推 理分類方法對(duì)屬性概念不加篩選直接利用其隸屬度值的比對(duì)進(jìn)行分類導(dǎo)致分類錯(cuò)誤率高 的問題。進(jìn)而提出了一種基于模糊推理結(jié)合加權(quán)相似度量的屯、電分類方法。
[0004] 一種基于模糊推理結(jié)合加權(quán)相似度量的屯、電分類方法，包括下述步驟：
[0005] 步驟一：對(duì)已知類型的屯、電信號(hào)f(n)進(jìn)行預(yù)處理，包括兩部分，利用數(shù)學(xué)形態(tài)學(xué) 方法去除基線漂移，利用小波闊值法去除高頻噪聲，預(yù)處理之后的屯、電信號(hào)用F(n)表示；
[0006] 步驟二；對(duì)步驟一中預(yù)處理之后的屯、電信號(hào)F(n)進(jìn)行波形檢測(cè)，檢測(cè)屯、電信號(hào) F(n)的ST段、T波、QRS波段位置，然后對(duì)各波段進(jìn)行特征參數(shù)提取，選取的特征參數(shù)包括 ST段抬高，ST段降低，QRS波段寬大，T波倒置，T波電交替；
[0007] 對(duì)同一類型的多個(gè)已知類型的屯、電信號(hào)F(n)進(jìn)行特征參數(shù)提取之后，對(duì)于屬于 同一類型i的屯、電信號(hào)F(n)，i = (a、b、C、t e、f)，定義類型i的多個(gè)已知類型屯、電信 號(hào)F(n)中某種特征參數(shù)的屯、拍數(shù)總數(shù)占總屯、拍數(shù)的百分比為該一類屯、電信號(hào)的特征屬性 值，則該一類屯、電信號(hào)的特征屬性值向量定義為分類特征屬性值向量Yi= [y。y。y。714 yj ;
[000引步驟S、根據(jù)屯、電圖知識(shí)創(chuàng)建屯、電本體ecg. owl ;創(chuàng)建屯、電本體ecg. owl的類和實(shí) 例，定義屯、電本體的屬性的限制條件，包括屬性的名稱，定義域和值域；
[0009] 步驟四、根據(jù)模糊概念格與屯、電本體ecg. owl之間的映射關(guān)系，模糊概念格由外 延、內(nèi)涵和相應(yīng)的隸屬度值構(gòu)成；模糊概念格的外延、內(nèi)涵依次對(duì)應(yīng)為屯、電本體ecg. owl中 的類名、屬性，將步驟二中得到的一類屯、電信號(hào)的特征屬性值yi作為模糊概念格行與列交 叉處的隸屬度值，從而構(gòu)建模糊概念格，獲得概念格中的節(jié)點(diǎn)關(guān)系和節(jié)點(diǎn)構(gòu)成；
[0010] 步驟五、利用步驟一的方法對(duì)待檢屯、電信號(hào)f,(n)進(jìn)行預(yù)處理，處理之后得到的待 檢屯、電信號(hào)用F,(n)表示；利用步驟二的方法對(duì)F,(n)進(jìn)行特征提取獲得待檢屯、電的待檢特 征屬性值向量X = [Xi X2 X3 X4 Xs];
[0011] 步驟六、利用屯、電本體ecg. owl結(jié)合模糊概念格中的節(jié)點(diǎn)關(guān)系w及各節(jié)點(diǎn)對(duì)應(yīng)的 節(jié)點(diǎn)構(gòu)成，獲得模糊推理規(guī)則，利用Jess推理機(jī)完成推理，獲得待檢屯、電F, (n)的候選對(duì)象 概率值P ;
[001引步驟走、利用基于信息滴的概率加權(quán)相似度量對(duì)待檢屯、電進(jìn)行分類，得到最終的 分類結(jié)果，將待檢屯、電F>)劃分為已知類型屯、電信號(hào)F(n)中的一種完成待檢屯、電F>) 的分類。
[001引本發(fā)明的優(yōu)點(diǎn)；
[0014] 相對(duì)于已有的模糊推理方法，本發(fā)明提出的一種基于模糊推理結(jié)合加權(quán)相似度量 的屯、電分類方法，其中加入屯、電本體，構(gòu)建模糊概念格，將模糊屬性轉(zhuǎn)化成具體的隸屬度 值，并對(duì)隸屬度值進(jìn)行有效篩選，完成了屯、電分類中模糊知識(shí)的具體化，此外，在利用加權(quán) 相似度量進(jìn)行最終分類之前，模糊推理的初次分類縮小了匹配范圍，該樣既解決了屯、電知 識(shí)庫的構(gòu)建問題，又降低了錯(cuò)誤分類的概率，分類正確率達(dá)到89. 5%。
【附圖說明】
[0015] 圖1本發(fā)明的框圖示意圖；
[0016] 圖2基于數(shù)學(xué)形態(tài)學(xué)方法去除基線漂移示意圖，圖2(a)為原始屯、電信號(hào)，圖2化） 為去除基線漂移后的屯、電信號(hào)；
[0017] 圖3基于小波闊值法去除高頻噪聲示意圖，圖3(a)為原始屯、電信號(hào)，圖3(b)為去 除高頻噪聲后的屯、電信號(hào)；
[001引圖4屯、電信號(hào)特征波提取示意圖，圖4(a)為屯、電信號(hào)的QRS波段檢測(cè)結(jié)果，圖 4(b)為屯、電信號(hào)ST段檢測(cè)結(jié)果，圖4(c)為屯、電信號(hào)T波起止點(diǎn)的檢測(cè)結(jié)果；
[0019] 圖5模糊概念格節(jié)點(diǎn)示意圖。
【具體實(shí)施方式】
【具體實(shí)施方式】 [0020] 一；結(jié)合圖1說明本實(shí)施方式，一種基于模糊推理結(jié)合加權(quán)相似度 量的屯、電分類方法，包括下述步驟：
[002U 步驟一：對(duì)已知類型的屯、電信號(hào)f(n)進(jìn)行預(yù)處理，包括兩部分，利用數(shù)學(xué)形態(tài)學(xué) 方法去除基線漂移，利用小波闊值法去除高頻噪聲，預(yù)處理之后的屯、電信號(hào)用F(n)表示；
[0022] 圖2給出了去除基線漂移的處理結(jié)果，其中圖2(a)表示原始屯、電信號(hào)，圖2(b)表 示去除了基線漂移之后的屯、電信號(hào)。圖3給出了去除高頻噪聲的處理結(jié)果，其中圖3(a)表 示原始屯、電信號(hào)，圖3(b)表示去除了基線漂移之后的屯、電信號(hào)。
[002引步驟二；對(duì)步驟一中預(yù)處理之后的屯、電信號(hào)F(n)進(jìn)行波形檢測(cè)，檢測(cè)屯、電信號(hào) F(n)的ST段、T波、QRS波段位置，然后對(duì)各波段進(jìn)行特征參數(shù)提取，選取的特征參數(shù)包括 ST段抬高，ST段降低，QRS波段寬大，T波倒置，T波電交替；
[0024] 對(duì)同一類型的多個(gè)已知類型的屯、電信號(hào)F(n)進(jìn)行特征參數(shù)提取之后，對(duì)于屬于 同一類型i的屯、電信號(hào)F(n)，i = (a、b、C、t e、f)，定義類型i的多個(gè)已知類型屯、電信 號(hào)F(n)中某種特征參數(shù)的屯、拍數(shù)總數(shù)占總屯、拍數(shù)的百分比為該一類屯、電信號(hào)的特征屬性 值，則該一類屯、電信號(hào)的特征屬性值向量定義為分類特征屬性值向量Yi= [y。y。y。714 yj ;
[0025] 步驟S、根據(jù)屯、電圖知識(shí)創(chuàng)建屯、電本體ecg. owl ;創(chuàng)建屯、電本體ecg. owl的類和實(shí) 例，定義屯、電本體的屬性的限制條件，包括屬性的名稱，定義域和值域；
[0026] 步驟四、根據(jù)模糊概念格與屯、電本體ecg. owl之間的映射關(guān)系，模糊概念格由外 延、內(nèi)涵和相應(yīng)的隸屬度值構(gòu)成；模糊概念格的外延、內(nèi)涵依次對(duì)應(yīng)為屯、電本體ecg. owl中 的類名、屬性，將步驟二中得到的一類屯、電信號(hào)的特征屬性值yi作為模糊概念格行與列交 叉處的隸屬度值（將711、712、713、714、7^組成對(duì)應(yīng)一列，對(duì)應(yīng)相應(yīng)的內(nèi)涵），從而構(gòu)建模糊概 念格，獲得概念格中的節(jié)點(diǎn)關(guān)系和節(jié)點(diǎn)構(gòu)成；
[0027] 步驟五、利用步驟一的方法對(duì)待檢屯、電信號(hào)f,(n)進(jìn)行預(yù)處理，處理之后得到的待 檢屯、電信號(hào)用F,(n)表示；利用步驟二的方法對(duì)F,(n)進(jìn)行特征提取獲得待檢屯、電的待檢特 征屬性值向量X = [Xi X2 X3 X4 Xs];
[002引步驟六、利用屯、電本體ecg. owl結(jié)合模糊概念格中的節(jié)點(diǎn)關(guān)系W及各節(jié)點(diǎn)對(duì)應(yīng)的 節(jié)點(diǎn)構(gòu)成，獲得模糊推理規(guī)則，利用Jess推理機(jī)完成推理，獲得待檢屯、電F, (n)的候選對(duì)象 概率值P ;
[0029] 步驟走、利用基于信息滴的概率加權(quán)相似度量對(duì)待檢屯、電進(jìn)行分類，得到最終的 分類結(jié)果，將待檢屯、電F>)劃分為已知類型屯、電信號(hào)F(n)中的一種完成待檢屯、電F>) 的分類。
【具體實(shí)施方式】 [0030] 二；本實(shí)施方式所述的步驟二中對(duì)已知類型的屯、電信號(hào)F(n)進(jìn)行 QRS波段的波形檢測(cè)W及提取對(duì)應(yīng)特征參數(shù)的實(shí)現(xiàn)過程為：
[003U 步驟2. 1. 1、利用二進(jìn)樣條小波變換對(duì)屯、電信號(hào)F(n)按Mallat算法進(jìn)行分解濾 波，消除干擾；
[0032] 步驟2. 1. 2、利用小波變換與信號(hào)奇異點(diǎn)之間的關(guān)系，在23尺度下對(duì)QRS波段進(jìn)行 檢測(cè)，得到QRS波段的起止點(diǎn)，檢測(cè)到的QRS波段的采樣點(diǎn)數(shù)大于36個(gè)判定為QRS波段寬 大，小于等于36個(gè)即判定為QRS波段正常；
[003引步驟2. 1. 3、獲得已知類型i中的所有屯、電信號(hào)F(n)中QRS波段寬大的屯、拍數(shù)，將 該些QRS波段寬大的屯、拍數(shù)計(jì)和，該些QRS波段寬大的屯、拍數(shù)的總數(shù)占總屯、拍數(shù)的百分比 記為yw即類型i的屯、電信號(hào)的QRS波段寬大特征屬性值為y^。
[0034] 圖4(a)給出了 QRS波段起止點(diǎn)的檢測(cè)結(jié)果。
[0035] 其它步驟與【具體實(shí)施方式】一相同。
【具體實(shí)施方式】