一種基于模糊推理結合加權相似度量的心電分類方法
【技術領域】
[0001] 本發明設及一種屯、電分類方法。
【背景技術】
[0002] 傳統的屯、電信號分類常采用專家系統來實現，該種方法的優點是方便快捷，但對 于屯、電信號的分類，由于其復雜多變，很難W準確的方式來描述現象和原因之間復雜的多 對多或一對多的關系，規則的提取也就變得很困難，提取出的規則也不會很精確，而模糊理 論可W很好地彌補該方面的不足。陳曉側利用模糊理論結合神經網絡得出異常屯、拍的隸屬 度并完成模糊規則的提取，然后進行模糊推理實現分類；汪德寧利用數據庫構建模糊知識 庫，再結合模糊推理機實現分類；江濤將模糊理論與專家系統相結合，建立模糊專家系統； W上提到的方法最終均通過概念隸屬度值的比對進行分類，無法建立屯、電知識庫，考慮不 到屯、電本身各波形及波形屬性之間的相互關系，從而忽略了無關屬性對特定類型的分類產 生的誤導，因此屯、電知識庫的構建也是需要研究的問題。而領域本體能夠準確地描述概念 含義W及概念之間的內在關聯，具有良好的概念層次結構和對邏輯推理的支持，能夠很好 地應用于屯、電的知識庫建立中。
【發明內容】
[0003] 本發明為了解決已有的模糊推理分類方法無法構建屯、電知識庫，從而忽略了屯、電 知識及不同波段形態的不同組合對分類的影響導致分類錯誤率高的問題，和已有的模糊推 理分類方法對屬性概念不加篩選直接利用其隸屬度值的比對進行分類導致分類錯誤率高 的問題。進而提出了一種基于模糊推理結合加權相似度量的屯、電分類方法。
[0004] 一種基于模糊推理結合加權相似度量的屯、電分類方法，包括下述步驟：
[0005] 步驟一：對已知類型的屯、電信號f(n)進行預處理，包括兩部分，利用數學形態學 方法去除基線漂移，利用小波闊值法去除高頻噪聲，預處理之后的屯、電信號用F(n)表示；
[0006] 步驟二；對步驟一中預處理之后的屯、電信號F(n)進行波形檢測，檢測屯、電信號 F(n)的ST段、T波、QRS波段位置，然后對各波段進行特征參數提取，選取的特征參數包括 ST段抬高，ST段降低，QRS波段寬大，T波倒置，T波電交替；
[0007] 對同一類型的多個已知類型的屯、電信號F(n)進行特征參數提取之后，對于屬于 同一類型i的屯、電信號F(n)，i = (a、b、C、t e、f)，定義類型i的多個已知類型屯、電信 號F(n)中某種特征參數的屯、拍數總數占總屯、拍數的百分比為該一類屯、電信號的特征屬性 值，則該一類屯、電信號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、根據屯、電圖知識創建屯、電本體ecg. owl ;創建屯、電本體ecg. owl的類和實 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、根據模糊概念格與屯、電本體ecg. owl之間的映射關系，模糊概念格由外 延、內涵和相應的隸屬度值構成；模糊概念格的外延、內涵依次對應為屯、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，從而構建模糊概念格，獲得概念格中的節點關系和節點構成；
[0010] 步驟五、利用步驟一的方法對待檢屯、電信號f,(n)進行預處理，處理之后得到的待 檢屯、電信號用F,(n)表示；利用步驟二的方法對F,(n)進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結合模糊概念格中的節點關系w及各節點對應的 節點構成，獲得模糊推理規則，利用Jess推理機完成推理，獲得待檢屯、電F, (n)的候選對象 概率值P ;
[001引步驟走、利用基于信息滴的概率加權相似度量對待檢屯、電進行分類，得到最終的 分類結果，將待檢屯、電F>)劃分為已知類型屯、電信號F(n)中的一種完成待檢屯、電F>) 的分類。
[001引本發明的優點；
[0014] 相對于已有的模糊推理方法，本發明提出的一種基于模糊推理結合加權相似度量 的屯、電分類方法，其中加入屯、電本體，構建模糊概念格，將模糊屬性轉化成具體的隸屬度 值，并對隸屬度值進行有效篩選，完成了屯、電分類中模糊知識的具體化，此外，在利用加權 相似度量進行最終分類之前，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 識庫的構建問題，又降低了錯誤分類的概率，分類正確率達到89. 5%。
【附圖說明】
[0015] 圖1本發明的框圖示意圖；
[0016] 圖2基于數學形態學方法去除基線漂移示意圖，圖2(a)為原始屯、電信號，圖2化） 為去除基線漂移后的屯、電信號；
[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，圖3(b)為去 除高頻噪聲后的屯、電信號；
[001引圖4屯、電信號特征波提取示意圖，圖4(a)為屯、電信號的QRS波段檢測結果，圖 4(b)為屯、電信號ST段檢測結果，圖4(c)為屯、電信號T波起止點的檢測結果；
[0019] 圖5模糊概念格節點示意圖。
【具體實施方式】
【具體實施方式】 [0020] 一；結合圖1說明本實施方式，一種基于模糊推理結合加權相似度 量的屯、電分類方法，包括下述步驟：
[002U 步驟一：對已知類型的屯、電信號f(n)進行預處理，包括兩部分，利用數學形態學 方法去除基線漂移，利用小波闊值法去除高頻噪聲，預處理之后的屯、電信號用F(n)表示；
[0022] 圖2給出了去除基線漂移的處理結果，其中圖2(a)表示原始屯、電信號，圖2(b)表 示去除了基線漂移之后的屯、電信號。圖3給出了去除高頻噪聲的處理結果，其中圖3(a)表 示原始屯、電信號，圖3(b)表示去除了基線漂移之后的屯、電信號。
[002引步驟二；對步驟一中預處理之后的屯、電信號F(n)進行波形檢測，檢測屯、電信號 F(n)的ST段、T波、QRS波段位置，然后對各波段進行特征參數提取，選取的特征參數包括 ST段抬高，ST段降低，QRS波段寬大，T波倒置，T波電交替；
[0024] 對同一類型的多個已知類型的屯、電信號F(n)進行特征參數提取之后，對于屬于 同一類型i的屯、電信號F(n)，i = (a、b、C、t e、f)，定義類型i的多個已知類型屯、電信 號F(n)中某種特征參數的屯、拍數總數占總屯、拍數的百分比為該一類屯、電信號的特征屬性 值，則該一類屯、電信號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、根據屯、電圖知識創建屯、電本體ecg. owl ;創建屯、電本體ecg. owl的類和實 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、根據模糊概念格與屯、電本體ecg. owl之間的映射關系，模糊概念格由外 延、內涵和相應的隸屬度值構成；模糊概念格的外延、內涵依次對應為屯、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^組成對應一列，對應相應的內涵），從而構建模糊概 念格，獲得概念格中的節點關系和節點構成；
[0027] 步驟五、利用步驟一的方法對待檢屯、電信號f,(n)進行預處理，處理之后得到的待 檢屯、電信號用F,(n)表示；利用步驟二的方法對F,(n)進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結合模糊概念格中的節點關系W及各節點對應的 節點構成，獲得模糊推理規則，利用Jess推理機完成推理，獲得待檢屯、電F, (n)的候選對象 概率值P ;
[0029] 步驟走、利用基于信息滴的概率加權相似度量對待檢屯、電進行分類，得到最終的 分類結果，將待檢屯、電F>)劃分為已知類型屯、電信號F(n)中的一種完成待檢屯、電F>) 的分類。
【具體實施方式】 [0030] 二；本實施方式所述的步驟二中對已知類型的屯、電信號F(n)進行 QRS波段的波形檢測W及提取對應特征參數的實現過程為：
[003U 步驟2. 1. 1、利用二進樣條小波變換對屯、電信號F(n)按Mallat算法進行分解濾 波，消除干擾；
[0032] 步驟2. 1. 2、利用小波變換與信號奇異點之間的關系，在23尺度下對QRS波段進行 檢測，得到QRS波段的起止點，檢測到的QRS波段的采樣點數大于36個判定為QRS波段寬 大，小于等于36個即判定為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F(n)中QRS波段寬大的屯、拍數，將 該些QRS波段寬大的屯、拍數計和，該些QRS波段寬大的屯、拍數的總數占總屯、拍數的百分比 記為yw即類型i的屯、電信號的QRS波段寬大特征屬性值為y^。
[0034] 圖4(a)給出了 QRS波段起止點的檢測結果。
[0035] 其它步驟與【具體實施方式】一相同。
【具體實施方式】