一种三导联心电电极的连接判别方法
【技术领域】
[0001] 本发明属于医疗器械技术领域，具体设及一种Ξ导联屯、电电极的连接判别方法。
【背景技术】
[0002] 现有医院所使用的医疗设备结构复杂，操作步骤繁琐，需要专业人员进行操作，对 于个人消费者来说很难在社区医疗、养老、乃至远程诊疗中进行长期使用。尤其是复杂的设 备，众多的连线，会造成病人屯、理上的压力和紧张情绪，可能会影响病人身体状况，使得诊 断所得到的数据与真实情况有一定差距，可能会影响对病情的正确诊断。
[0003] 动态屯、电图是屯、脏疾病预防和诊断的重要方式之一，W常见于中老年人的屯、脏疾 病为例来说，为了提前预防及早诊断，一般都需要采用专业的屯、电采集设备来检测屯、电数 据，也就是一般人直观认识的所谓测屯、电图，其最基本的操作是在被检测对象身上准确安 装屯、电电极。
[0004] 图1显示的是现有技术常用的Ξ导联屯、电检测中的电极位置示意图，Ξ导联屯、电 检测包括屯个电极，其中，第一导联的正极表示为CH1+，负极表示为CH1-，它模拟标准十二 导联体系中的V5导联；第二导联的正极表示为C肥+，负极表示为C肥-，它模拟标准十二导 联体系中的VI导联；第Ξ导联的正极表示为C册+，负极表示为C册-，它模拟标准十二导联 体系中的V3导联；第屯个电极化为无干电极。运些电极的标准位置为CH1+电极在左蔽前 线第五肋间隙，CH1-电极位置为右锁骨与胸骨交界处，C肥+位置为胸骨右缘第四肋间隙， 相当于胸导联VI位置，C肥-位置为左锁骨与胸骨交界处，C册+位置为左侧第五肋骨中线位 置，C册-位置为胸骨柄上，位于CH1-电极和C肥-电极之下，化位置为右侧肋弓下缘位置。 阳0化]现行通用标准规范中，对于每个电极的电极线的颜色也有明确的规定。按照 ΑΗΑ(美国屯、脏协会）的标准，CH1+、CH1-、C肥+、C肥-、C册+、C册-、化的电极线颜色分别为： 红色，白色，栋色，黑色，澄色，蓝色，绿色。按照IEC(国际电工委员会）的标准，CH1+XH1-、 C肥+、C肥-、C册+、C册-、化的电极线颜色分别为：绿色，红色，白色，黄色，澄色，蓝色，黑色。
[0006] 从图1显示的电极位置可W看出，每个电极的颜色、位置都是不一样的，需要相当 的专业知识才能正确操作复杂的电极定位，由于线路较多，定位复杂，非专业的检测医生无 法胜任，因此，普通个人很难完成专业的屯、电检测。在判断Ξ导联屯、电检测过程中的电极位 置是否接错之前，考虑到屯个电极错位的复杂排列组合结果太大，一般需要进行简化电极 位置判断，即首先排除远离其余六个电极的接地电极化的位置接错，参照图1可见，电极 化远离其余六个电极，非常容易连接，接错的概率是很低的，因此将该电极化位置接错的 可能性排除；另外位于最上方的Ξ个邻近位置的负电极CH1-、C肥-和C册-，它们相互之间 的位置错接对实际结果没有任何影响，故真正的屯、电电极检测判断主要集中在于Ξ个正电 极CH1+、C肥+和C册+相互之间的连接，它们之间共有6种连接位置状态可能，其中只有一 种是正确的连接形式。
[0007] 虽然目前市场上出现了一些专为个人设计的屯、电检测设备，但结构复杂，操作也 非常麻烦，更重要的是一旦电极位置放置错误，获得的屯、电数据就是不准确的，W此作为屯、 脏疾病的诊疗基础将会带来不可预料的严重后果。
【发明内容】
[0008] 针对现有技术所存在的上述技术问题，本发明提供了一种Ξ导联屯、电电极的连接 判别方法，能够有效的判断屯、电电极是否接错W及具体接错的电极，进而降低医生对屯、电 图读图的错判率。
[0009] 一种Ξ导联屯、电电极的连接判别方法，包括如下步骤：
[0010] (1)在电极连接正确导联输入正常的情况下，通过采集得到m组Ξ通道屯、电标准 信号段，m为大于1的自然数；进而通过Ξ个正电极之间连接位置的排列组合将每组信号段 扩展成6组，得到6m组Ξ通道屯、电训练信号段；
[0011] (2)对所述的m组Ξ通道屯、电标准信号段进行线性回归拟合，得到Ξ通道屯、电信 号之间的线性关系模型；
[0012] (3)将m组Ξ通道屯、电标准信号段代入上述线性关系模型进行遍历计算，对应得 至IJm组Ξ通道屯、电重构信号段；将6m组Ξ通道屯、电训练信号段对应与m组Ξ通道屯、电重构 信号段进行相关系数运算，得到6m组由Ξ个相关系数为特征值组成的特征序列；
[001引 （4)根据6m组特征序列通过人工神经网络学习算法进行训练，得到关于电极连接 位置的判别模型；进而根据用户日常检测得到的Ξ通道屯、电信号段利用该判别模型对用户 的电极连接形式进行判别，判别出该电极连接形式为哪种连接位置状态，且该连接位置状 态是否正确。
[0014] 所述的步骤（2)中采用最小二乘法对m组Ξ通道屯、电标准信号段进行线性回归拟 合。
[0015] 所述线性关系模型的表达式如下：
[0016]
[0017] 其中：CH山为第i个通道的屯、电信号，CH[j]为第j个通道的屯、电信号，i和j均 为自然数且1《i《3,1《j《3,i声j，bi郝b1。均为线性系数。
[0018] 所述的人工神经网络学习算法W梯度下降法作为优化方向。
[0019] 所述的步骤（4)中通过人工神经网络学习算法进行训练的具体过程如下：
[0020] 4. 1将6m组特征序列分为训练集和测试集且训练集大于测试集；
[0021] 4. 2初始化构建一个由输入层、隐藏层和输出层组成的神经网络；
[0022] 4. 3从训练集中任取一特征序列代入上述神经网络计算得到对应关于连接位置 状态的输出结果，计算该输出结果与该特征序列所对应的实际连接位置状态之间的累积误 差；
[0023] 4. 4根据该累积误差通过梯度下降法对神经网络中输入层与隐藏层之间W及隐藏 层与输出层之间的权重进行修正，进而从训练集中任取下一特征序列代入修正后的神经网 络；
[0024] 4. 5根据步骤4. 3和4. 4遍历训练集中的所有特征序列，取累积误差最小时所对应 的神经网络为判别模型。
[0025] 所述步骤4. 2中初始化构建的神经网络中输入层由3个神经元组成，隐藏层由4 个神经元组成，输出层由6个神经元组成。
[0026] 所述步骤4. 2中初始化构建的神经网络中神经元函数g(z)的表达式如下：
[0027]
[0028] 其中：Z为函数的自变量。
[0029] 所述的步骤（4)中对于训练得到的判别模型，将测试集中的特征序列逐个代入该 判别模型得到对应关于连接位置状态的输出结果，使每一特征序列所对应的输出结果与实 际连接位置状态进行比较，若测试集的正确率大于等于阔值的话，则该判别模型最终确定； 若测试集的正确率小于阔值的话，则通过采集更多的屯、电信号段样本根据步骤（1)~（3) 增加特征序列的数量作为神经网络的输入。
[0030] 所述的步骤（4)中根据用户日常检测得到的Ξ通道屯、电信号段利用判别模型对 用户的电极连接形式进行判别的具体过程为：首先，将用户日常检测得到的Ξ通道屯、电信 号段代入线性关系模型进行计算，得到对应的Ξ通道屯、电重构信号段；然后，将该Ξ通道屯、 电重构信号段与用户日常检测得到的Ξ通道屯、电信号段进行相关系数运算，得到对应的特 征序列并将该特征序列代入判别模型中得到对应关于连接位置状态的输出结果；最后，根 据该输出结果判别出用户的电极连接形式为哪种连接位置状态，且该连接位置状态是否正 确。
[0031] 本发明屯、电电极连接判别方法通过线性回归模型与相关系数法在学习前对屯、电 信号进行转化，进而利用人工神经网络学习算法W梯度下降的优化方式将判别模型准确的 建立，通过对系统模型的还原，实现了屯、电电极接错的判别方法，进而大大提升了判别的效 率和准确率。
【附图说明】
[0032] 图1为Ξ导联屯、电电极的连接示意图。
[0033] 图2为本发明屯、电电极连接判别方法的步骤流程示意图。
[0034] 图3为本发明屯、电电极连接判别方法中的人工神经网络模型示意图。
【具体实施方式】
[0035] 为了更为具体地描述本发明，下面结合附图及【具体实施方式】对本发明的技术方案 进行详细说明。
[0036] 如图2所示，本发明屯、电电极连接判别方法包括如下步骤：
[0037] (1)简化电极位置判断。
[0038] 首先，在判断Ξ导联屯、电检测过程中的电极位置是否接错之前，考虑到屯个电极 错位的复杂排列组合结果太大，因此需要进行简化电极位置判断。即，首先排除远离其余六 个电极的接地电极化的位置接错，参照图1可见，第屯个电极化远离其余六个电极，非常 容易连接，接错的概率是很低的，因此将该电极RL位置接错的可能性排除，后续步骤中同 样作排除处理即可获得同样的效果。
[0039] (2)采集Ξ通道屯、电标准信号段和屯、电训练信号段。
[0040] 在电极连接正确、导联输入正常的情况下，采集Ξ导联化Iter系统m组长度为η 的多样本、低相关性的Ξ通道屯、电标准信号段；通过将屯、电标准信号段的Ξ通道按W下位 置状态进行排列组合，获得6m组Ξ通道屯、电训练信号段；
[0041 ] CH1, CH2, CH3 位抽从态] CH2, CH1, CH3 位置状态2 CH3, CH2, CH1 位置状态3 CH1, CH3, CH2 位置状态4 CH3, CH1, CH2 位'凸决态5 CH2, CH3, CH1 位置状态6
[0042] 本实施方式中，m为2000,η为2500。
[0043] (3)建立任一通道的重构信号与另两个通道信号的线性回归模型。 W44] 3. 1将m个长度为η的；通道屯、电标准信号段融合为Ν个；通道屯、电标准信号；
[0045] 3. 2根据W下公式和Ξ通道屯、电标准信号建立3Ν组任一通道重构信号与其他通 道信号之间的线性关系表达式；
[0046]
(1)：
[0047] 其中：雜Ρ!为第i个通道的重构信号，CH[j]为第j个通道的原始信号Λ,为第 i个通道信号由各通道信号表达时第j个通道信号的线性系数