法律状态公告日
法律状态信息
法律状态
2023-02-28
未缴年费专利权终止 IPC(主分类):G06F19/00 专利号:ZL201110042458X 申请日:20110222 授权公告日:20130102
专利权的终止
2013-01-02
授权
授权
2011-08-31
实质审查的生效 IPC(主分类):G06F19/00 申请日:20110222
实质审查的生效
2011-07-20
公开
公开
技术领域
本发明涉及心电监护与冠心病自诊断系统,尤其是通过Internet进行心电数据传输的心电监护与反向传播神经网络的冠心病自诊断系统。
背景技术
据世界心脏联盟分析,冠心病的死亡率远远高于其它疾病,已成为威胁人类生命安全的主要疾病。冠心病的早期诊断对指导治疗和评估预后极为重要。目前,冠心病的主要诊断方法为冠状动脉造影和ECG(即心电图)。由于冠状动脉造影的价格昂贵且为有创检测,因而基于无创检测和分析的ECG成为了最常用的方法。其中,标志心肌缺血的重要指标是ECG中ST段在静息状态和负荷状态下的偏移程度。
当前市场上主流的心电监护设备有:心电Holter、心电BP机和心电实时监护系统,虽然它们都占有一部分市场,但都存在不足:1、心电Holter通常用于早搏患者,它只能记录心电信号,没有实时分析功能,也不能进行远程监控,患者每天使用后,必须到医院通过专用设备读取、回放、分析Holter中的数据;2、心电BP机相对Holter具有实时检测功能,但整个发病报警过程需要先按下仪器的“记录”键,并到电话机旁拨通救助电话,再把电话对准仪器,并按“发送”键等一系列操作才能实现监护,整个过程步骤多且复杂,不适合心脏病患者;3、心电实时监护系统虽然解决了心电信号的实时检测问题,但仅限于医院内的局域网络小范围使用,不具备移动性,某些偶发的心电异常波形很难在病床上发现,患者长期住院观察又会严重影响患者的工作和正常家庭生活,所以其应用范围和推广都受到很大限制,而在现实中,相当多患者是在日常工作、生活时发病的,到医院检查时症状消失,导致在医院无法检测到异常心电图,无法对病情做出诊断,耽误了治疗的最佳时机;4、上述各种心电监护设备对ECG的分析是由医生依靠经验判断,工作量大而且费时、繁琐,准确性依赖于医生的个人业务水平和工作责任心。
发明内容
本发明的目的在于:提供一种心电监护与反向传播神经网络的冠心病自诊断系统,使用便利,操作简单,能够快速准确地实现在不同地域对患者进行无间断的心电监护与冠心病自诊断。
为实现上述目的,本发明可采取下述技术方案:
本发明心电监护与反向传播神经网络的冠心病自诊断系统,包括心电采集终端和医院监护中心计算机系统;所述心电采集终端由心电监护采集仪和基于有线或无线数据传输的数据传输模块构成;所述医院监护中心计算机系统由接收来自所述心电采集终端的心电数据并存储至系统存储器的数据通信模块、为系统使用者统一分配登录ID、密码和权限并对患者身份进行鉴别的用户信息管理模块、为患者用户建立个人档案并交由医护人员用户进行管理的患者信息管理模块、装有计算机程序、提取患者心电数据特征点并运算出冠心病诊断数据的数据分析模块、接收来自患者或其他咨询人员的邮件、并提供回复的Email收发模块和将诊断结果回馈患者的SMS管理模块构成。
所述数据分析模块包括下列执行步骤:第一步、利用小波变换进行心电数据滤波、特征点提取:从所述系统存储器提取患者的心电数据,按多孔算法对该心电数据进行二次样条小波5尺度分解;以2秒心电数据为一段,在4尺度上的小波分解高频系数分段,并计算小波分解正、负模极值点;对检测到的每一对模极值点进行时移修正,根据修正后的模极值对的位置,消除幅值较小的波峰值点位置,选择具有最大幅值的波峰值点作为波峰值点;第二步、利用误差反向传播神经网络(BP神经网络)神经网络运算出冠心病诊断数据:首先根据第一步提取到的特征点,利用MATLAB工具进行特征量提取,并将提取到的识别特征量集输入BP神经网络;根据遗传算法或DNA算法对BP神经网络进行网络的初始权值和阈值优化,然后进行网络训练,所述训练的BP神经网络为三层网络,具体结构如下:
第一层位输入层,由5个神经元组成,用于接收提取到的5个识别特征量;第二层为隐含层,由11个神经元组成,在网络计算过程中起到承上启下的作用,利用输入层神经元的输出值为输入,根据误差反向传播算法的计算规则,并将计算结果送到输出层神经元的输入端;第三层为输出层,由6个神经元组成,其输出结果对应于ST段的6种形态,即得患者的心电图ST段形态。
本发明借助小波变换的多尺度特性,采用二次样条小波变换法,在不同尺度分解系数中完成对波峰值点提取及ST段的检测,能够准确提取临床患者的心电波形。在特征点正确提取的基础上,利用BP神经网络训练方法构建了心电图ST段6种形态的识别模型,成功地识别了ST段形态,并利用遗传算法和DNA算法优化了BP神经网络的初始权值和阈值,解决了BP神经网络在训练过程出现的易于陷入局部最优的问题,替代来了以往通过人工经验方式进行的ST段形态识别和冠心病诊断工作。再加之面向Internet的无线或有线数据传输、信息管理,可实现在不同地域、无间断地对患者进行心电监护与冠心病自诊断,扩大医疗覆盖面,降低医疗费用。
附图说明
图1是本发明的结构示意图。
图2是图1的数据分析模块的计算机程序流程示意图。
具体实施方式
如图1、图2所示,本发明心电监护与反向传播神经网络的冠心病自诊断系统,包括心电采集终端和医院监护中心计算机系统;所述心电采集终端由心电监护采集仪1和基于有线或无线数据传输的数据传输模块2构成;所述医院监护中心计算机系统由接收来自所述心电采集终端的心电数据并存储至系统存储器的数据通信模块3、为系统使用者统一分配登录ID、密码和权限并对患者身份进行鉴别的用户信息管理模块4、为患者用户建立个人档案并交由医护人员用户进行管理的患者信息管理模块5、装有计算机程序、提取患者心电数据特征点并运算出冠心病诊断数据的数据分析模块6、接收来自患者或其他咨询人员的邮件、并提供回复的Email收发模块7和将诊断结果回馈患者的SMS管理模块8构成。
所述数据分析模块6包括下列执行步骤:
第一步、利用小波变换进行心电数据滤波、特征点提取:
从所述系统存储器提取患者的心电数据,按多孔算法对该心电数据进行二次样条小波5尺度分解;以2秒心电数据为一段,在4尺度上的小波分解高频系数分段,并计算小波分解正、负模极值点;对检测到的每一对模极值点进行时移修正,根据修正后的模极值对的位置,消除幅值较小的波峰值点位置,选择具有最大幅值的波峰值点作为波峰值点;
第二步、利用BP神经网络运算出冠心病诊断数据;
首先根据第一步提取到的特征点,结合MATLAB工具进行特征量提取,并将提取到的识别特征量集输入误差反向传播BP神经网络,根据遗传算法或DNA算法对BP神经网络进行网络的初始权值和阈值优化,然后进行网络训练,所述训练采用的BP神经网络方法,其步骤为:
第一层位输入层,由5个神经元组成,用于接收来自于提取的5个识别特征量;第二层为隐含层,由11个神经元组成,在网络计算过程中起到承上启下的作用,利用输入层神经元的输出值为输入,根据误差反向传播算法的计算规则,并将计算结果送到输出层神经元的输入端;第三层为输出层,由6个神经元组成,其输出结果对应于ST段的6种形态,即得患者的心电图ST段形态,辅助医护人员实现冠心病诊断。
机译: 阈值触发人工神经网络的反向传播
机译: 阈值触发人工神经网络的反向传播
机译: 基于反向传播神经网络的去噪方法