一種三導聯心電電極的連接判別方法
【技術領域】
[0001] 本發明屬于醫療器械技術領域，具體設及一種Ξ導聯屯、電電極的連接判別方法。
【背景技術】
[0002] 現有醫院所使用的醫療設備結構復雜，操作步驟繁瑣，需要專業人員進行操作，對 于個人消費者來說很難在社區醫療、養老、乃至遠程診療中進行長期使用。尤其是復雜的設 備，眾多的連線，會造成病人屯、理上的壓力和緊張情緒，可能會影響病人身體狀況，使得診 斷所得到的數據與真實情況有一定差距，可能會影響對病情的正確診斷。
[0003] 動態屯、電圖是屯、臟疾病預防和診斷的重要方式之一，W常見于中老年人的屯、臟疾 病為例來說，為了提前預防及早診斷，一般都需要采用專業的屯、電采集設備來檢測屯、電數 據，也就是一般人直觀認識的所謂測屯、電圖，其最基本的操作是在被檢測對象身上準確安 裝屯、電電極。
[0004] 圖1顯示的是現有技術常用的Ξ導聯屯、電檢測中的電極位置示意圖，Ξ導聯屯、電 檢測包括屯個電極，其中，第一導聯的正極表示為CH1+，負極表示為CH1-，它模擬標準十二 導聯體系中的V5導聯；第二導聯的正極表示為C肥+，負極表示為C肥-，它模擬標準十二導 聯體系中的VI導聯；第Ξ導聯的正極表示為C冊+，負極表示為C冊-，它模擬標準十二導聯 體系中的V3導聯；第屯個電極化為無干電極。運些電極的標準位置為CH1+電極在左蔽前 線第五肋間隙，CH1-電極位置為右鎖骨與胸骨交界處，C肥+位置為胸骨右緣第四肋間隙， 相當于胸導聯VI位置，C肥-位置為左鎖骨與胸骨交界處，C冊+位置為左側第五肋骨中線位 置，C冊-位置為胸骨柄上，位于CH1-電極和C肥-電極之下，化位置為右側肋弓下緣位置。 陽0化]現行通用標準規范中，對于每個電極的電極線的顏色也有明確的規定。按照 ΑΗΑ(美國屯、臟協會）的標準，CH1+、CH1-、C肥+、C肥-、C冊+、C冊-、化的電極線顏色分別為： 紅色，白色，棟色，黑色，澄色，藍色，綠色。按照IEC(國際電工委員會）的標準，CH1+XH1-、 C肥+、C肥-、C冊+、C冊-、化的電極線顏色分別為：綠色，紅色，白色，黃色，澄色，藍色，黑色。
[0006] 從圖1顯示的電極位置可W看出，每個電極的顏色、位置都是不一樣的，需要相當 的專業知識才能正確操作復雜的電極定位，由于線路較多，定位復雜，非專業的檢測醫生無 法勝任，因此，普通個人很難完成專業的屯、電檢測。在判斷Ξ導聯屯、電檢測過程中的電極位 置是否接錯之前，考慮到屯個電極錯位的復雜排列組合結果太大，一般需要進行簡化電極 位置判斷，即首先排除遠離其余六個電極的接地電極化的位置接錯，參照圖1可見，電極 化遠離其余六個電極，非常容易連接，接錯的概率是很低的，因此將該電極化位置接錯的 可能性排除；另外位于最上方的Ξ個鄰近位置的負電極CH1-、C肥-和C冊-，它們相互之間 的位置錯接對實際結果沒有任何影響，故真正的屯、電電極檢測判斷主要集中在于Ξ個正電 極CH1+、C肥+和C冊+相互之間的連接，它們之間共有6種連接位置狀態可能，其中只有一 種是正確的連接形式。
[0007] 雖然目前市場上出現了一些專為個人設計的屯、電檢測設備，但結構復雜，操作也 非常麻煩，更重要的是一旦電極位置放置錯誤，獲得的屯、電數據就是不準確的，W此作為屯、 臟疾病的診療基礎將會帶來不可預料的嚴重后果。
【發明內容】
[0008] 針對現有技術所存在的上述技術問題，本發明提供了一種Ξ導聯屯、電電極的連接 判別方法，能夠有效的判斷屯、電電極是否接錯W及具體接錯的電極，進而降低醫生對屯、電 圖讀圖的錯判率。
[0009] 一種Ξ導聯屯、電電極的連接判別方法，包括如下步驟：
[0010] (1)在電極連接正確導聯輸入正常的情況下，通過采集得到m組Ξ通道屯、電標準 信號段，m為大于1的自然數；進而通過Ξ個正電極之間連接位置的排列組合將每組信號段 擴展成6組，得到6m組Ξ通道屯、電訓練信號段；
[0011] (2)對所述的m組Ξ通道屯、電標準信號段進行線性回歸擬合，得到Ξ通道屯、電信 號之間的線性關系模型；
[0012] (3)將m組Ξ通道屯、電標準信號段代入上述線性關系模型進行遍歷計算，對應得 至IJm組Ξ通道屯、電重構信號段；將6m組Ξ通道屯、電訓練信號段對應與m組Ξ通道屯、電重構 信號段進行相關系數運算，得到6m組由Ξ個相關系數為特征值組成的特征序列；
[001引 （4)根據6m組特征序列通過人工神經網絡學習算法進行訓練，得到關于電極連接 位置的判別模型；進而根據用戶日常檢測得到的Ξ通道屯、電信號段利用該判別模型對用戶 的電極連接形式進行判別，判別出該電極連接形式為哪種連接位置狀態，且該連接位置狀 態是否正確。
[0014] 所述的步驟（2)中采用最小二乘法對m組Ξ通道屯、電標準信號段進行線性回歸擬 合。
[0015] 所述線性關系模型的表達式如下：
[0016]
[0017] 其中：CH山為第i個通道的屯、電信號，CH[j]為第j個通道的屯、電信號，i和j均 為自然數且1《i《3,1《j《3,i聲j，bi郝b1。均為線性系數。
[0018] 所述的人工神經網絡學習算法W梯度下降法作為優化方向。
[0019] 所述的步驟（4)中通過人工神經網絡學習算法進行訓練的具體過程如下：
[0020] 4. 1將6m組特征序列分為訓練集和測試集且訓練集大于測試集；
[0021] 4. 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；
[0022] 4. 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連接位置 狀態的輸出結果，計算該輸出結果與該特征序列所對應的實際連接位置狀態之間的累積誤 差；
[0023] 4. 4根據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；
[0024] 4. 5根據步驟4. 3和4. 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。
[0025] 所述步驟4. 2中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6個神經元組成。
[0026] 所述步驟4. 2中初始化構建的神經網絡中神經元函數g(z)的表達式如下：
[0027]
[0028] 其中：Z為函數的自變量。
[0029] 所述的步驟（4)中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連接位置狀態的輸出結果，使每一特征序列所對應的輸出結果與實 際連接位置狀態進行比較，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，則通過采集更多的屯、電信號段樣本根據步驟（1)~（3) 增加特征序列的數量作為神經網絡的輸入。
[0030] 所述的步驟（4)中根據用戶日常檢測得到的Ξ通道屯、電信號段利用判別模型對 用戶的電極連接形式進行判別的具體過程為：首先，將用戶日常檢測得到的Ξ通道屯、電信 號段代入線性關系模型進行計算，得到對應的Ξ通道屯、電重構信號段；然后，將該Ξ通道屯、 電重構信號段與用戶日常檢測得到的Ξ通道屯、電信號段進行相關系數運算，得到對應的特 征序列并將該特征序列代入判別模型中得到對應關于連接位置狀態的輸出結果；最后，根 據該輸出結果判別出用戶的電極連接形式為哪種連接位置狀態，且該連接位置狀態是否正 確。
[0031] 本發明屯、電電極連接判別方法通過線性回歸模型與相關系數法在學習前對屯、電 信號進行轉化，進而利用人工神經網絡學習算法W梯度下降的優化方式將判別模型準確的 建立，通過對系統模型的還原，實現了屯、電電極接錯的判別方法，進而大大提升了判別的效 率和準確率。
【附圖說明】
[0032] 圖1為Ξ導聯屯、電電極的連接示意圖。
[0033] 圖2為本發明屯、電電極連接判別方法的步驟流程示意圖。
[0034] 圖3為本發明屯、電電極連接判別方法中的人工神經網絡模型示意圖。
【具體實施方式】
[0035] 為了更為具體地描述本發明，下面結合附圖及【具體實施方式】對本發明的技術方案 進行詳細說明。
[0036] 如圖2所示，本發明屯、電電極連接判別方法包括如下步驟：
[0037] (1)簡化電極位置判斷。
[0038] 首先，在判斷Ξ導聯屯、電檢測過程中的電極位置是否接錯之前，考慮到屯個電極 錯位的復雜排列組合結果太大，因此需要進行簡化電極位置判斷。即，首先排除遠離其余六 個電極的接地電極化的位置接錯，參照圖1可見，第屯個電極化遠離其余六個電極，非常 容易連接，接錯的概率是很低的，因此將該電極RL位置接錯的可能性排除，后續步驟中同 樣作排除處理即可獲得同樣的效果。
[0039] (2)采集Ξ通道屯、電標準信號段和屯、電訓練信號段。
[0040] 在電極連接正確、導聯輸入正常的情況下，采集Ξ導聯化Iter系統m組長度為η 的多樣本、低相關性的Ξ通道屯、電標準信號段；通過將屯、電標準信號段的Ξ通道按W下位 置狀態進行排列組合，獲得6m組Ξ通道屯、電訓練信號段；
[0041 ] CH1, CH2, CH3 位抽從態] CH2, CH1, CH3 位置狀態2 CH3, CH2, CH1 位置狀態3 CH1, CH3, CH2 位置狀態4 CH3, CH1, CH2 位'凸決態5 CH2, CH3, CH1 位置狀態6
[0042] 本實施方式中，m為2000,η為2500。
[0043] (3)建立任一通道的重構信號與另兩個通道信號的線性回歸模型。 W44] 3. 1將m個長度為η的；通道屯、電標準信號段融合為Ν個；通道屯、電標準信號；
[0045] 3. 2根據W下公式和Ξ通道屯、電標準信號建立3Ν組任一通道重構信號與其他通 道信號之間的線性關系表達式；
[0046]
(1)：
[0047] 其中：雜Ρ!為第i個通道的重構信號，CH[j]為第j個通道的原始信號Λ,為第 i個通道信號由各通道信號表達時第j個通道信號的線性系數