模糊心電圖智能在線分析儀系統的製作方法

2023-12-07 05:43:21

專利名稱：模糊心電圖智能在線分析儀系統的製作方法
技術領域：
本實用新型涉及醫療器械領域，特別是一種模糊心電圖智能在線分析儀系統。
背景技術：
長時程的心電圖分析源於1957年，美國實驗物理學家Norman J. Holter博士首創了連 續記錄生物電技術(即Holter技術)，可達24h以上的長時程型的動態心電圖(簡稱為DCG， 慣稱為Holter); 1961年推出了具有臨床實用價值的動態心電圖儀，當時的動態心電圖儀只 有1個監測導聯(一通道)；20世紀60 70年代監測導聯增加到了 2個，描記出二通道動態 心電圖；1987年監測導聯增加到了 3個(三通道)，描記出三通道動態心電圖；1992年美國 Mortara設備公司製造出世界第一臺12導聯(十二通道)同步AECG (ambulatory electrocardiogram,簡稱AECG)，但這種12導聯AECG儀實際上連各種室早、束支阻滯、心 肌梗死定位都無法列印出來確切的圖形和報告；繼之美國Mortara設備公司於1997年 2001 年間先後推出第二代12導聯AECG儀和遙測12導聯AECG儀；之後，各國有雄厚高新技術研 制能力的大公司不斷推出了新的同歩12導聯AECG。顯然，採用同步12導聯最大的優點是能 夠提高對心律失常時P波的識別率和對基線漂移和幹擾時對R波的識別率。因為在多導聯體 系中，P波、PR間期、ST段和T波等微小信號在某些導聯是清晰的，振幅較大的，12導聯顯 然比3導聯選擇餘地大；同理，在存在基線漂移和幹擾波形時，在12導聯中找出一兩個導聯 的R波波形是較平穩的心電圖也相對容易些，因為R波在12導聯消失或者同時出現某些幹擾 的概率也較3導聯小得多。正像3導聯AECG淘汰2導聯AECG那樣，不久的將來，12導聯AECG 將代替3導聯AECG，這是勢不可擋的趨勢。但這種長時程裝置始終為失真大、精度差、不能 全自動分析等一系列問題所困擾，臨床應用上表現有很大的局限性。例如，由於P波波幅低 小，遠不如R波高大清楚，這就造成了計算機自動識別困難，也無法真實地觀察P波切跡， 測定P波離散度，P波最大時限(Pmax)尚有一定難度或誤差，因此其僅僅在心電條圖上將P 波起始點、QRS波群起始點、J點位置和T波起始點用四條豎線標識出來，除此之外，並不對 大樣本的心搏信號再作進一步的分析和診斷；又如，目前的所謂"同步12導聯分析"，主要 是由個人計算機(PC)或單指令流單數據流(SISD)伺服器對某一個主導導聯進行半自動分析， 其餘導聯只是單純的回放，以供心電圖醫生輔助診斷之用；再如，迄今為止的AECG的分析報 告都是由心電圖醫生一人完成的，顯然並無集體智慧的作用。
中國發明專利號ZL94112295.6《心電和脈搏信號自適應分析法及其裝置》，由檢測電極、 傳感器、信號採集、微機系統和應用軟體包組成。其在傳統的數位訊號處理技術的基礎上， 採用了自適應神經網絡技術和子波技術。該發明的後半部分(微機系統和應用軟體包)雖可 實現在線分析，但其構造的輸入向量的節點為150個，隱層節點為50個，輸出節點為6個， 相當於輸入量為150個心搏信號，其輸出可分為6個聚類，這樣推算其分析時間不足3分鐘，是一個典型的短時程心電分析儀器，顯然難以承載一天近10萬個心搏信號的在線分析負荷 量。
陳士良和本申請的發明人經過多年的研究，曾發明了心電頻譜圖檢測儀(發明專利號為 ZL01129553.8)。該發明雖然在高保真技術方面進行較大的探索和創新，不僅可以高保真地檢 測到P波、T波等微小心電信號，當然也可以保真地描記和複製包括QRS波群在內的整個心 搏周期的時域信號，並且依靠存儲技術的進步也可以解決好長時程的記錄和分析問題，但心 電頻譜圖檢測儀是基於微型計算機的，並且只能進行事後的離線分析，無法進行實時的在線 分析，因而仍有一定的局限性。
縱觀以往，同時具有精密測量、長時程和實時智能分析的功能， 一直是各種形形色色心 電圖儀的發展瓶頸，這也就是模糊心電圖智能在線分析儀系統的發明背景。
發明內容
本實用新型的目的在於提供一種模糊心電圖智能在線分析儀系統。它可以在線進行模糊 心電圖(即包括有12導聯心電圖、血壓、脈搏、血氧、呼吸、活動範圍和活動內容等信息在 內的生命體徵信號)的時域分析和頻域分析，以及各種心電間期(包括R-R間期、P波、PR 間期、QRS間期、ST段和T波)離散度時域分析和變異性小波分析。
本實用新型的上述目的是由如下技術方案來實現的
一種模糊心電圖智能在線分析儀系統，包括有在線數據接口 1、心電向量並行計算機系 統2、數據融合神經網絡3、心電間期向量多域分析儀4、專家系統5和離線數據接口 6六大 部件。其中，在線數據接口 1所接收的輸入信息包括受檢者模糊心電圖全圖傳感數據；離線 數據接口 6所接收的輸入信息包括模糊心電圖主圖備份數據、Holter數字式記錄器數據和 Holter模擬式記錄器數據；在線數據接口 1和離線數據接口 6分別與心電向量並行計算機系 統2相連；心電向量並行計算機系統2與數據融合神經網絡3、心電間期向量多域分析儀4、 專家系統5順序相連；專家系統5所發送的輸出信息為包括12導聯心電圖、血壓、脈搏、血 氧、呼吸、活動範圍和活動內容等信息在內的生命體徵信號的時域分析、頻域分析、各種心 電間期(包括R-R間期、P波、PR間期、QRS間期、ST段和T波)離散度時域分析和各種心 電間期(包括R-R間期、P波、PR間期、QRS間期、ST段和T波)變異性的小波分析的報告。
本實用新型的輸入信息包括受檢者模糊心電圖全圖傳感數據、模糊心電圖主圖備份數據、 Holter模擬式記錄器數據和Holter模擬式記錄器數據，輸出信息為包括12導聯心電圖、血 壓、脈搏、血氧、呼吸、活動範圍和活動內容等信息在內的生命體徵信號的時域分析、頻域 分析、各種心電間期(包括R-R間期、P波、PR間期、QRS間期、ST段和T波)離散度時域 分析和各種心電間期(包括R-R間期、P波、PR間期、QRS間期、ST段和T波)變異性的小 波分析的報告。


4圖1為本實用新型模糊心電圖智能在線分析儀系統的結構框圖。
圖2為本實用新型模糊心電圖智能在線分析儀系統的一實施例的結構框圖。
圖3為本實用新型模糊心電圖智能在線分析儀系統中輸入系統結構框圖。
圖4為本實用新型模糊心電圖智能在線分析儀系統中心電向量並行計算機的結構框圖。
圖5為本實用新型模糊心電圖智能在線分析儀系統中聚類分析算法的技術原理圖。
圖6為本實用新型模糊心電圖智能在線分析儀系統中模式識別算法的技術原理圖。其中，
圖6(a)為模式識別示意圖，圖6(b)為三層Back P神經網絡結構圖，圖6(c)為神經網絡模型。 圖7為本實用新型模糊心電圖智能在線分析儀系統中多傳感器時間序列信息融合機的技
術原理圖。其中，圖7(a)為多傳感器時間序列的分布式融合結構，圖7(b)聚類融合的神經
網絡實現。
具體實施方式
下靣結合附圖對本實用新型實施作進一步闡述 圖1所示為本實用新型的模糊心電圖智能在線分析儀的結構框圖。
本實用新型提供的模糊心電圖智能在線分析儀系統，包括用於在線接收模糊心電圖全 圖數據的模糊心電圖在線數據接收器1、用於同時對多維心電向量分量進行實時分析的模糊
心電圖並行計算機系統2、用於對12導聯心電向量進行多傳感器時間序列數據融合的數據融 合神經網絡3、用於對生命體徵信號進行時域分析和頻域分析、對各種心電間期(包括R-R 間期、P波、PR間期、QRS間期、ST段和T波)進行離散度時域分析和變異性的小波分析的 心電間期向量多域分析儀4、由人工智慧和人腦智能複合形成的專家系統5和用於離線接收 模糊心電圖全圖數據和兼容接收各類動態心電圖數據的離線數據接口 6;所述的模糊心電圖 並行計算機系統2使用了 MIMD並行計算機，並且可以接收從在線心電圖醫生傳遞過來的知識 流，用於各導聯心電向量的分布式計算。 其工作原理是
首先，由在線數據接口(l)或和離線數據接口 6共同採集長達24h甚至更長時程的12導 聯心電分析數據，並送至模糊心電圖並行計算機系統2。模糊心電圖並行計算機系統2通過 分別負責各個心電向量分析的MIMD並行計算機和運行加載在其上的心搏信號軟檢波器軟體 包、心搏信號聚類分析軟體包、心搏信號模式識別軟體包和心搏信號特徵值軟測量軟體包， 對12個導聯並且每個導聯每天近10個左右的心搏信號進行在線分析，分別得出各自導聯每 個心搏信號的為數不足100個的心律類別(例如竇性心搏、室上性心搏、室性心搏和偽差等) 及其相關心電間期向量(例如R-R間期、P波、PR間期、QRS間期、ST段和T波等)的特徵 值，並送至數據融合神經網絡3;
然後，數據融合神經網絡3將12個導聯的心電向量進行多傳感器時間序列數據融合，將 其綜合成1個綜合的時間序列心搏信號，並對每個心搏信號給出確診的心律類別醫學標識和 相關心電間期特徵值；
再後，心電向量多域分析儀4，根據心搏心電信號的醫學標識，對室上性心律失常和室性心律失常(包括房性早搏、房顫、傳導阻滯、預激症候群、室性早搏、室上性早搏)以及由 此組合而成的成串的異位搏動事件(如成對室早、二聯律、三聯律、室速等)進行全面的時 域分析和頻域分析；而對"剔除壞點"後的竇性心搏信號進行各種心電間期(包括R-R間期、 P波、PR間期、QRS間期、ST段和T波)離散度時域分析和各種心電間期(包括R-R間期、P 波、PR間期、QRS間期、ST段和T波)變異性的小波分析；並將心電向量多域分析結論報送 給專家系統5。
最後，專家系統5根據心電向量多域分析儀4報送來的心電向量多域分析結論、包括血 壓、脈搏、血氧、呼吸、活動範圍和活動內容等信息在內的模糊心電圖附圖和醫學專家遠程 會診知識，經過知識獲取機構、知識庫、解釋機構、全局資料庫和推理機的反覆推理，得出 模糊心電圖分析報告。
需要時，心電圖醫生可以通過離線數據接口 6提取模糊心電圖主圖備份數據或各種類型 動態心電圖記錄器數據，以供後續的神經網絡和專家系統作智能分析之用。
圖2所示為本實用新型的模糊心電圖智能在線分析儀的一實施例的結構框圖。該實施例 中包括
1.心電向量並行計算機2，由心電分析宿主計算機H0ST9、 MIMD並行計算機IO、心搏信 號軟檢波器軟體11、心搏信號聚類分析軟體12、心搏信號模式識別軟體13和心搏信號特徵 值軟測量軟體14六個功能單元組成。
1.1心電向量並行計算機構建方法參見圖4。
1.2心搏信號軟檢波器軟體11，包括心電信號的一維數集分割算法、心電信號的波形辨 識算法和心搏周期信號的劃類算法三個程序包。
(1) 心電信號的一維數集分割算法
參對濾波後的信號計算每一點的一階差分或二階差分；
再根據一階或二階差分得出單調升、單調減或平坦段的區間的時間坐標； 參使用微分閾值相結合的方法以確定該波的上升支(下降支)或水平支的位置、性質及 形態。
(2) 心電信號的波形辨識算法
將兩個相鄰的一維數集區間合併成一個波形； 通過人機對話確認人工合成的波形的合理性；
參再利用窗口和幅度閾值法定位該波的拐點(波頂或波谷)、起點和終點。
提取該波的特徵值，將每個模式的特徵參數用一組符號表示。
(3) 心搏周期信號的劃類算法
參利用窗口+幅度閾值法定位前後相鄰的兩個R波峰(或S波谷)； 根據QRS波斜率變化快速的特徵，計算機首先初步確定QRS波的起點，隨後判斷QRS 的終點。
參利用模板匹配法、曲線擬合(零面積對稱變換)、優化計算和聯想記憶的方法，確定
6QRS波群的形態、性質和分界點位置；
魯確定了 QRS波群後，計算機按照國際上公認的波形定義再進一步判別QRS波群內各成 分(Q、 R、 S、 R' 、 S'等波)的分界點位置。
參再在上述測量的基礎上，測定該R-R間期中的ST-T的形態、性質和分界點位置；
參使用閾值法檢査檢查本R-R間期中除去已知波形(QRS波群和ST-T波)之外的中小 波(波、段和等電位線)的個數；
參確定上一心搏信號的Ta波、U波和本心搏信號的P波、I等電位線的分界點位置及特 徵參數；
參根據本心搏信號的所有波、段、間期的特徵參數，用模糊C-means分類和分級Bp模 型進行智能推斷，並做相應的醫學標識；
如果是現有心搏信號信號庫沒有的心電信號，應通過人機對話對新模板予以確認，並 補充記錄在庫中。
1. 3心搏信號聚類分析算法參見圖5。
1.4心搏信號模式識別算法參見圖6。
1.5心搏信號特徵值包括心率、P波、Ta波、P-R間期、PR段、QRS波群、ST段、T波、 Q-T間期、U波、J點、L點、I段、K段、平均心電軸等完整參數(可多達數百項)，其指標 定義及測量原理為公知。這些參數被專家系統的診斷分類程序(模板)用來對心電圖進行解 釋。
2. 數據融合神經網絡3，由ART-2網絡、二進位編碼網絡和BP網絡所級聯形成。多導 聯心搏信號數據融合方法參見圖5。
3. 心電向量多域分析儀4，由竇性心律間期離散度分析器15，竇性心律間期變異性小波 分析器16、心律失常時域分析器17和心律失常頻域分析器18四個功能單元組成。
3.1竇性心律間期離散度分析器15,對心搏信號特徵值包括心率、P波、Ta波、P-R間 期、PR段、QRS波群、ST段、T波、Q-T間期、U波、J點、L點、I段、K段、平均心電軸等 完整參數進行離散度分析。這些參數被專家系統的診斷分類程序(模板)用來對心電圖進行 解釋。
3.2竇性心律間期變異性小波分析器16，是基於Matlab小波工具箱(小波包變換)實 現信號的降噪、信號的壓縮、樣本的估計等信號處理；小波變換(CWT)是一種能根據非平穩 信號主頻的變化而"自適應"改變窗函數的數學變換。是一種窗口大小(即窗口面積)固定 但其形狀可變的時頻局部化"自適應"分析方法在低頻部分有較高的頻率分辨力和較低的 時間分辨力，而在高頻部分具有較高的時間分辨力和較低的頻率分辨力。因此，小波變換被 譽為"數學顯微鏡"。包括以下三個步驟
(1) 將信號分解到小波域；
(2) 對小波係數作用閾值或掩碼；
(3) 重建小波係數，得到處理後的信號。
3.3心律失常時域分析器17，對觀測信號在時間域和幅值域裡進行分析，簡稱波形分析。通過波形分析，可以得出觀測信號的各種特性或關係(例如，信號的起始時間與持續時間、 波形的時間滯後、波形的畸變以及波形與波形之間的相似程度等時域特徵。
3.4心律失常頻域分析器18，觀測信號在頻率域內進行分析(即頻譜分析)，分析的結 果可以得到幅值譜、相位譜、功率譜和互譜密度等。譜分析是以傅立葉技術和傅立葉積分為 數學基礎的。頻譜分析以及與之有關的相關分析、濾波分析和信號識別問題，是數據處理中 的一個十分重要的環節。為了從波形或時間序列中提取有用的信息，抑制和濾除噪聲，首先 應分析有用信號(信息)和幹擾的頻率成份；然後，根據信息的物理性質或動力學特徵、頻 譜關係和相關函數，修正觀察到的數據和波形，從而取得反映客觀規律的信息。
4.專家系統5，由計算機專家系統7和醫學專家遠程會診系統8兩個功能單元組成。 4.1計算機專家系統7，包括過程接口19、知識獲取機構20、知識庫21、解釋機構22、 全局資料庫23、推理機24和人機接口 25七個模塊；
(1) 過程接口 19，包括與過程的輸入接口和與被控對象的輸出接口。它完成專家系統與 實時過程間的雙向信息變換，增刪資料庫和知識庫的內容，將推理的結果以控制策略的形式 送到被控過程中。
(2) 知識獲取機構20，負責建立、修改與擴充知識庫，以及對知識庫的一致性、完整性 等進行維護。其具有知識變換手段，能夠把與專家的對話內容變換成知識庫中的內部知識， 或用以修改知識庫中已有的知識。
(3) 知識庫21，用於存取和管理問題求解需要的專家知識和經驗，包括事實、可行操作 與規則等。知識庫具有知識存儲、檢索、編輯、增刪、修改和擴充等功能。
(4) 解釋機構22，負責對求解過程作出說明和解釋，回答用戶提出的問題，對用戶輸出 推理的結果。解釋機構的工作通常要用到資料庫中推理過程的中間結果、中間假設和記錄， 以及知識庫中的知識。系統的透明性主要決定於解釋機構的性能。
(5) 推理機23，是專家系統的組織控制機構，在它的控制和管理下，使整個專家系統能 夠以邏輯方式協調地工作。它在一定的推理策略下，根據資料庫的當前狀態，按照類似專家 水平的問題求解方法，調用知識庫中與當前問題有關的知識進行分析、判斷和決策，推出新 的事實或結論，或者執行某個操作。
(6) 全局資料庫24，它是問題求解過程中符號或數據的集合，有時也統稱為事實。它用 於存放所需的原始數據和推理過程中產生的中間信息(數據)，包括原始信息、推理的中間假 設和中間結果、推理過程的記錄等。過程中的實時信息通過過程接口裝置(包括硬體和軟體) 送入資料庫，實時地增加和刪改資料庫的內容。黑板是溝通系統中各個部件的全局工作區。 它以全局性的數據結構形式，組織問題求解數據，處理知識源之間的通信。
(7) 人機接口 25，是用戶與系統的信息傳遞紐帶，負責用戶到專家系統、專家系統到用 戶的雙向信息轉換，即信息的計算機內部形式和人可以接受的形式之間的轉換。
4. 2醫學專家遠程會診系統8，包括Web Bruwser26、 Web Server27和專家會診決策軟 件28三個模塊。本實用新型所述的Web Bruwser26和Web Server27的原理為公知；本實用 新型所述的專家會診遠程決策方法是基於Internet的。專家系統ES的人機接口與Web Server相接，實現ES與醫學專家群之間的大量交互；瀏覽器與伺服器的交互主要通過表單(Form) 來進行，表單本身有相當強的交互性，可以提供若干種主要的圖形交互方式，如文本框、單 選按鈕、複選按鈕、下拉列表等，醫學專家群可以據此交互知識。醫學專家群向ES所傳授的 知識是有專家會診決策軟體通過恰當的決策模型完成的。
5.模糊心電圖在線數據接口 1和離線數據接口 6的工作原理參見圖3。
圖3所示為本實用新型的模糊心電圖智能在線分析儀的輸入系統的結構框圖，輸入系統 包括有在線數據接口 1和離線數據接口 6兩個部分。
在線數據接口 1，由有線數據機35、 MTK多媒體移動通信晶片36和模糊心電圖雙工 器37三個功能單元組成，有線數據機35和MTK多媒體移動通信晶片36分別與模糊心電 圖雙工器37相連；有線傳感的模糊心電圖調製信號由有線MODEM負責解調，而無線傳感的模 糊心電圖調製信號由MTK多媒體移動通信晶片負責解調；由於二者在同一時間點上只有一個 可能有信號，那麼以單片計算機製成的模糊心電圖雙工器就只需對其作一個簡單的數據融合 就可以合成一幅完整的模糊心電圖全圖，並送至心電分析宿主計算機。
離線數據接口6，由模糊心電圖離線數據接口 29、數字式記錄器轉換電路30、模擬式記 錄器轉換電路31、 A/D變換器32、單片計算機33和12導聯擴展軟體34六個功能單元組成。 其中，模糊心電圖離線數據接口 29是一個USB接口，與單片計算機33直接相連，單片計算 機33將其接收的備份模糊心電圖不需作任何轉換直接發給心電分析宿主計算機H0ST7;數字 式記錄器轉換電路30由D/A轉換器和放大器組成，將數字式記錄器所記錄的心電數據轉換成 恰當電平的心電信號後，送至A/D放大器；而模擬式記錄器轉換電路31則是由放大器和有源 濾波器組成，將模擬式記錄器所記錄的心電信號進行調理後，送至A/D變換器；A/D變換器 重新對經過D/A轉換或信號調理後的心電信號重新進行A/D變換，並送至單片計算機33;單 片計算機33再運行加載在其上的12導聯擴展軟體34將3導聯心電數據擴展為12導聯心電 數據後，將"規範化"的Holter數字式/模擬式記錄器的心電信號發給心電分析宿主計算機 H0ST9。
圖4所示為本實用新型的心電向量並行計算機的結構框圖。
現有的MIMD (多指令流多數據流)並行計算機分為5種類型向量並行處理機(PVP)、 對稱所處理機(SMP)、大規模並行處理機(MPP)、分布共享存儲器多處理機(DSM)和工作站 集群(C0W)，其原理為公知。
具體到圖4中，本實用新型所述的心電向量並行計算機的結點有結點卡和結點晶片兩種 單元形式。結點卡單元主要是用通用的單片計算機(P/C)、本地存儲器(LM)和網絡接口 (NIC) 所組成；而結點晶片單元是商品化的專用晶片(MB)。這兩種被組合應用可以同時滿足12個 心電導聯信號的並行計算要求。
圖5所示為本實用新型的聚類分析算法的技術原理圖。
聚類分析的基本原理是在沒有先驗知識的情況下(即所採用的樣本並不知其所屬類別)，基於"物以類聚，人以群分"的觀點，根據模式間的相似性測度(如模式間向量的距離、模式 向量間的夾角等)來劃分類別。自適應諧振理論(Adaptive Resonance Theory,簡稱ART) 網絡的聚類功能的原理如下
ART網絡由輸入層F,(底層)、輸出層F"頂層)、兩層之間的連接權值以及自穩學習機構組 成。設h^層含有N個神經元。F2含有M個。
設輸入觀察向量是一個N維向量X: X=[Xl， x2，…，xJT (它的每一個分量Xi作用在對 應的第i個神經元上)，網絡的輸出是一個M維向量Y-[y" y2，， y、]T 。本實用新型中， N對應著一天以上逾10萬個心搏信號，而M對應著一天心搏信號可能被劃分成的數百個聚合 類(聚類)。
步驟1輸入向量歸一化過程
Fl層在觀察向量X作用下，輸出是N維向量S=[sl， s2，…，sN]T S的各個分量si可用下列公式計算-T T的各個分量按下式計算
~ = 2議""，, / = 1，2,…，iVf
雖然在每輸入一次觀察向量時，各權重係數wji會有微調，但其變化相對於F1、 F2而言 緩慢得多，所以可以認定它們保存的是系統長期記憶(long time memory, LTM)內容。 步驟3對各權重係數wji進行學習與訓練
在競爭學習開始以前，首先對LTM中的各個權重係數置隨機初值wji(O),然後依次送入 觀察向量X(k)， k = l， 2，…，其中變量k表示觀察向量送入神經網絡的時序編號。每送進 一個輸入觀察向量，就可以算出相應的輸出向量y("，隨即按下列公式將各個權重係數調整 成一組新的數值
一 (jfe + 1) = tt^ ") + ""《A) — UJjV (々)}乂' W ， f1 /s/ ， j = 1 ■~、>JVf"
式中，a是步長，通常為一個小正數值。 步驟4競爭學習機制過程
F2層的作用是由向量T計算出向量Y其計算遵循"競爭選擇運算"規則，即
若 ^ :瞧X化,J' = 1 M}
10在tl 憶中，有一個最大的分量tL，它對應的輸出端L為競爭獲勝埠，只有獲勝端 口輸出yL定為l，而所有其餘埠的輸出皆定為O。可見，只有競爭獲勝者才有機會進行學 習，所以稱之為競爭學習機制。
設競爭獲勝者的編號為L(輸出端L為競爭獲勝埠)，與它有關的各權重係數的調 整策略是使得各亂i， i = l N，與規一化輸入向量S(k)的各分量si(k)趨於一致。我們記獲 勝端的連接權值向量為
WL=[wLl， wL2，， wLN]T
在F2層的競爭選擇運算中，由於力之中只有一項等於1，而其他各項均為0， 因而只有與該非零項相應的權重係數才作調整。也就是說，只改變與競爭得勝者有關的各個 權重係數，而其他所有的權重係數皆維持不變。競爭學習對權值的調整就是使得向量WL趨向 於向量S(k)。由於isa"-l，所以調整的結果最後也是使得IW,.趨向於1。
步驟5由輸出向量Y (k)產生一個由頂向底的N維向量Z (k):
Z(k)-[zl， z2，…，zN]T
式中，各分量zi(k)按下式計算-
式中，叫;是由頂向底的權重係數。 '1
由於只有一個埠(編號為L)獲勝，故式(2.73)諸yj(k)中只有yL(k)為1,其他均為0， 故該式可寫成
ui(^〉， f = 1 一 A/
式中各個由頂向底的權重係數""堤在時序k以前的各次學習中"記憶"下來的，在進 行調整時也只作微小的變化，故它是屬於LTM。這樣，對於獲勝端L，有N個由頂向底的權重 係數，它們構成了第L號由頂向底的權重向量
W^* (*) = [W"'加i，…,W;tJT
由上式知，
脇)=w!' )
步驟6比較相似度
聚類準則是度量同一類模式間的相似性和不同模式的差異性的方法。聚類準則決定了聚 類尺寸大小。為了判斷本次(即第k次)輸入規一化向量S(k)與過去L輸出端獲勝時的歸一化 輸入向量S是否相似，需要比較向量S(k)與Z(k)的相似度。兩個向量的相似度可以用它們之 間的夾角來衡量，而此夾角又由S(k)與Z(k)的歸一化點積n來決定，H的計算公式是'—I S(" I I Z<" I il越接近於l，則兩個向量的相似度越高。
步驟7根據S(k)與Z(k)的相似度量值il的不同，神經網絡可以採取不同的運行策略
① q接近於1 (或高於某個閾值)，表明兩個向量的相似度很高，這時可以調整權重係數。
② n低於某個閾值(表明兩個向量的相似度不夠高)，並且在過去的學習中F2層的M 個輸出端只有P個被佔用(P〈M)，這時應摒棄第一次選擇的優勝輸出.m，再由所餘的各個)',中 選出一個優勝者，並回到前面進行新一輪的競爭選擇運算(搜索優勝者的競爭顯然只能在這 P個被佔用的輸出端中進行，而且被摒棄的前優勝者L應被排除在外)。 一旦在這些輸出端中 找到了 一個優勝者(即它的由頂向底向量S (k)與Z (k)足夠相似)，或是己將P個埠都搜遍了 ， 仍找不到足夠相似者，則新開闢一個輸出埠作為新的一類。類別數從P加至(P+1)，則都可 以調整權重係數。
步驟8調整權重係數
設優勝的或新開闢的輸出端的編號為L，那麼被調整的權重係數是由底向頂的w"A)和
由頂向底的"'i("， !'=1 N,係數調整的計算公式為
i議t (A十1) = x^,,〈嫋)十a",.(i) — tt'u(^)} TX; + 1 )=汰'i (■fe) ——加i (i^)》
式中，"是步長，其值通常為一個很小的正整數。
由上述算法可以看出，只有當新的輸入向量與己有存入記憶中的某個老的向量足夠相似 時，兩者才能互相融合，即對有關的權重係數進行調整，從而使長期記憶得以改變。 由上述過程可以看出，通過競爭學習和自穩學習，不同客體的觀察向量都能找到各自相
應的獲勝輸出分量，因而根據獲勝者的編號L就能自然地對它們進行分類。這種通過學習來 完成分類的過程就是一種聚類。
圖6所示為模式識別算法的技術原理圖。
模式是人們認識外部事物的基本單元。模式X定義為具有某些特性或屬性而彼此又不完 全相同的xi的全體所描述的客體，寫成集合的形式為
AT ^^' {義,丄2 ， ■■'，丄i ， 丄d)
所有可能的模式X組成了模式空間JT，X6jf。集合x可以是有限的，也可以是無限的。 模式類是具有某些共同特性的模式的集合。所有可能的模式類bj的集合構成了類別空間
B仏，6"" ， …，W
類別空間也稱為分類空間或結果輸出空間，它是有限集合。顯然，它的維數小於模式空間的維數。
模式識別是對某些事物(統稱模式)的特徵、特性，進行分析、分類及判別的過程，是使 用機器(計算機)自動地(或人儘量少地幹預)把待識模式分配到各自的模式類中去，形成從模
式空間到類別空間的映射0:
0 : X; = (.r!， c"…'JTrf}卜^
式中的前半部分經X'"表示從Jt到B的映,,後半部分X,-U, .x" "'， Xj 一補充說
明該映射對應的規則。
圖6(a)概略地表示了模式識別的示意圖。實際上，模式識別過程中還包含許多步驟，例
如對採集的模式進行預處理、特徵提取/選擇、分類判決等，視採用不同的模式識別方法而
定，這裡均概括在映射e中。
本實用新型的人工神經網絡採用較為成熟的誤差反向傳播前饋網絡，即Back P網絡(簡 稱BP網絡)。 一個三層Back P神經網絡如圖6(b)所示。神經元基本模型如圖6(c)所示，是
一個多輸入單輸出的非線性閾值器件。
假定力，^， '， &表示某一神經元的n個輸入，Wij表示第j個神經元與第i個神經元
之間的連接強度，其值稱為權值；Ai表示第i個神經元的輸入總和，稱激活函數；yi表示第 i個神經元的輸出；ei表示第i個神經元的閾值。這樣，第i個神經元的輸出可描述為
乂 = /")
式中f(Ai)表示神經元輸入輸出關係的函數。常用的作用函數可歸結為三種形式閾值 型、S型和偽線型。由於BP網絡的基本處理單元(輸入層除外)為非線性輸入輸出關係，通常 選S型作用函數。
BP網絡學習算法描述為如下步驟
(1) 初始化網絡及給定理想學習樣本。如設置網絡的初始權值、學習因子 和修正參數a
以及理想輸出模式d等。
(2) 由傳感器陣列提供網絡的輸入模式，按下列權值修正公式訓練網絡，直到滿足誤差 要求為止。
BP算法的權值修正公式表示如下
十1) - +醉々/)w
j/'— op 對於輸出層
13式中沐:,-- 第j個神經元到第z個神經元之間的連接強度，稱為權值； W。,(f+1)——第(f十l)次權值修正值； 『,,(" 一一 第Z次權值修正值； rfw——單元j的理想輸出； (^——單元7的輸出總和；
——單元j的輸入總和； '
^— 一單元/權值修正S;
/'( )——作用函數/("w)的導數。
(3)對於給定的訓練模式輸入，由下列公式計算網絡的輸出模式，並與理想輸出比較， 即求(4—化,)。
式中％———第盧個訓練樣本，單元7:的輸出總和；
一—-第盧個訓練樣本，單元/的輸入總和。
若誤差不滿足要求，則執行步驟(4)修正後向誤差傳播權值和閾值，否則返回步驟(2)修 正權值。
(4) 後向誤差傳播過程
① 計算同一層單元的誤差Spj;
② 修正權值Wji和閾值0pj。
(5) 網絡的均方根(RMS)誤差
通常，用網絡的均方根(RMS)誤差來定量地反映學習的性能。其定義為
式中3V; ■—第J'個單元的實際輸出； 《,——第個單元的理想輸出； 銜一一褻示訓練集內模式對的個數； ——表示網絡輸出層單元個數。
一般地，當網絡的均方根ERMS低於O. l時，則表明對給定訓練集的學習己滿足要求了。
也就是說，此時已經完成了將維數大的模式空間識別並歸納為類別空間的過程(映射 'B )。
圖7所示為多傳感器時間序列信息融合機的技術原理圖。給出了一個ART-2網絡、二進位編碼網絡和BP網絡結合的多傳感器時間序列信息融合方案。 步驟1:採用一個ART-2網絡對輸入向量X進行一次融合
設有a個信息源，每個信息源提供N組數據，ART-2的輸入節點數應為一個a XN維向量，
它包含了每一個心搏信號的所有信息。各傳感器信息組成一個總的輸入模式
Y——廠卞(i) ，** v") y(2'> 乂" ，，，-r('v> ,-■ ,r(W) —]T
j\ ........ LI ， ，-丄- 贅 ",I ， ， 丄1 ， ， 丄u 」
式中輸入向量X表示了一個模式窗口中某一傳感器輸出的數值及其變化形態，且較符合 人對儀表的觀察方式。
而該ART-2的輸出節點數應為
相應的ART-2由底至頂和由頂至底的權值矩陣沐和的維數分別為
("X N) X .M = (a X /V) X 1Mi
這樣， 一次融合結果得到了每一個心搏信號的特徵信息，即每一個ART-2的輸出埠表 示了傳感器模式窗口時間序列的一個類別(該類別數即為Mi)。
步驟2:採用二進位編碼網絡對一次融合的結果進行編碼 用二進位網絡對全部a個ART-2的輸出原型編碼時，二進位網絡的輸入、輸出數分別為
M =力M,
'〖'2'〖"=2 IntMax(lo&M,':)
在分布式融合中，用二進位表示Mi時，二進位的位數為
L,=ntMax(lg2M》
式中IntMax( )為向大取整函數。
可見，當採用二進位對一次融合的結果進行編碼時，二次融合中神經網絡的輸入、輸出 節點數(它們決定了權值矩陣的維數)都將大大降低，網絡結構和融合過程可以得到進一步簡 化。
步驟3:採用BP網絡進行二次融合
一次融合結果提煉出了每一個心搏信號的特徵信息，再將這些特徵信息進行二次融合就 可得到心搏信號的類別，因而得到整個系統的全貌。
由於自組織分類及無教師監督實時學習的要求已在一次融合中完成，故二次融合可以採 用更為簡單一些的神經網絡(如BP網絡)。BP網絡輸入節點數即為L，而輸出數應能表示出 系統的運行行為類別數S，其值視具體系統而定。在用二進位編碼表示時，BP網絡的輸出端 口數為 (log:;S) 15發明優點
本實用新型科技意義較大，具有如下有益效果
1. 實時性本實用新型可以對通過精密測量所獲得的模糊心電圖進行長達24h甚至以上 時程的自適應在線分析，而既不再是對長時程心電信號的離線分析，也不再是短時程心電信 號的在線分析。
2. 全面性本實用新型不僅可以在線同步進行12導聯心電圖的動態分析，而且分析內 容還包括有血壓、脈搏、血氧、呼吸、活動範圍和活動內容等信息在內的生命體徵信號的時
域分析和頻域分析，以及各種心電間期(包括R-R間期、P波、PR間期、QRS間期、ST段和 T波)離散度時域分析和變異性小波分析，這是迄今為止的所有心電圖儀和動態血壓儀都無 法企及的。
3. 並行性本實用新型使用MISD並行計算機對12個導聯分量同時進行心搏信號的軟檢 波、聚類分析、模式識別和特徵值測量，根本改變目前的所謂"同步12導聯分析"由個人計 算機(PC)或單指令流單數據流(SISD)伺服器對某一個主導導聯進行半自動分析，其餘導聯只 是單純的回放的應用現狀。
4. 智能性本實用新型提高P波分析功能、切換功能、增益功能，以及多元神經網絡系 統等，以模擬人腦的機制，採用多元化並存方式建立自適應系統，結合模式識別方法，對輸 入的心電信息進行特徵性提取和分析，能提高對複雜性心律失常的判定，對微小心電信息， 如P波，ST段測量更為靈敏、可信。本實用新型還實現人工智慧與人的智能的有機結合，其 對模糊心電圖主圖數據是計算機專家根據神經網絡和小波分析的結構"自己"進行思考並進 行全自動分析，而在出具模糊心電圖分析報告時又巧妙地嵌入人的經驗和智能，能夠方便、 早期、準確地進行心血管疾病的自適應分析和診斷。
5. 兼容性本實用新型一是可以在線融合模糊心電圖無線傳感數據和有線傳感數據，二 是可以模糊心電圖備份數據可以補充因實時接收而可能缺失的心電數據，三是可以向下兼容 各種類型三通道Holter記錄器數據，對其進行恢復後並重新採樣，並擴展成12導聯心電圖 分析數據。
以上所述為本實用新型及其和較佳實例的具體闡述，然其並非用以限定本實用新型精神 與發明實體僅止於上述說明內容和實施例，對於本行的技術人員在此基礎上可以做出各種改 進和變換。是以，在不脫離本實用新型精神與範圍內所作的修改，均應包括在本實用新型的 權利要求範圍內。
1權利要求1.一種模糊心電圖智能在線分析儀系統，其特徵在於包括用於在線接收從模糊心電圖全圖數據的模糊心電圖在線數據接收器(1)、用於同時對多維心電向量分量進行實時分析的模糊心電圖並行計算機系統(2)、用於對12導聯心電向量進行多傳感器時間序列數據融合的數據融合神經網絡(3)、用於對生命體徵信號進行時域分析和頻域分析、對各種心電間期進行離散度時域分析和變異性的小波分析的心電間期向量多域分析儀(4)、由人工智慧和人腦智能複合形成的專家系統(5)和用於離線接收模糊心電圖全圖數據和兼容接收各類動態心電圖數據的離線數據接口(6)；所述的模糊心電圖並行計算機系統(2)使用了MIMD並行計算機，並且可以接收從在線心電圖醫生傳遞過來的的知識流，用於各導聯心電向量的分布式計算。
2. 據權利要求1所述的模糊心電圖智能在線分析儀系統，其特徵在於，所述模糊心電圖 並行計算機系統(2)中包括有MIMD並行計算機(10)，其結點包括有單元計算機P/C、本地存 儲器LM和網絡接口 NIC，可以有結點卡和結點晶片兩種應用形式。
3. 根據權利要求1所述的模糊心電圖智能在線分析儀系統，其特徵在於，所述數據融合 神經網絡(3)是實現了 ART-2算法和BP網絡算法相結合、其輸入向量傳感器數目等於心電導 聯數目且其輸出向量維度等於心搏信號中間期數目的多傳感器時間序列心電信息融合機。
4. 根據權利要求1所述的模糊心電圖智能在線分析儀系統，其特徵在於，所述心電間期 向量多域分析儀(4)，包括心律正常間期離散度分析器(15)、心律正常間期變異性小波分析器 (16)、心律失常時域分析器(17)、心律失常頻域分析器(18)在內的組合陣列。
5. 根據權利要求1所述的模糊心電圖智能在線分析儀系統，其特徵在於，所述專家系統 (5)由計算機專家系統(7)和醫學專家遠程會診系統(8)組成。
6. 根據權利要求1所述的模糊心電圖智能在線分析儀系統，其特徵在於，所述離線數據 接口 (6)還包括有一個用於從模糊心電圖智能計測傳感器讀取離線數據的接口。 -
7. 根據權利要求1所述的模糊心電圖智能在線分析儀系統，其特徵在於，所述的在線數 據接口 (6)還可以兼容數字式/模擬式記錄器數據資料。
8. 根據權利要求3所述的模糊心電圖智能在線分析儀系統，其特徵在於，所述MIMD並行 計算機(10)的結點上組合加載了心搏信號軟檢波器(11)、聚類分析軟體模塊(12)、模式識別 軟體模塊(13)和特徵值軟測量器(14)。
9. 根據權利要求6所述的模糊心電圖智能在線分析儀系統，其特徵在於，所述醫學專家 遠程會診系統(8)是基於Web的遠程決策知識系統。
專利摘要本實用新型公開了一種模糊心電圖智能在線分析儀系統，由在線數據接口、心電向量並行計算機、數據融合神經網絡、心電間期向量多域分析儀、專家系統、應用軟體包和離線數據接口組成。本實用新型採用了MIMD並行計算機，通過對12導聯心電向量進行多元神經網絡分析、多傳感器時間序列數據融合和心電向量多域分析，並把模糊心電圖主圖自動分析結論，以及包括血壓、脈搏、血氧、呼吸、活動範圍和活動內容等信息在內的模糊心電圖附圖信息綜合形成包括12導聯心電圖在內的生命體徵信號的時域分析、頻域分析、各種心電間期離散度時域分析和各種心電間期變異性的小波分析的診斷報告。
文檔編號A61B5/0402GK201414795SQ20092012969
公開日2010年3月3日 申請日期2009年2月6日 優先權日2009年2月6日
發明者陳躍軍 申請人:陳躍軍