当前位置：首页 ▶ 公司新闻
据最新研究数据表明，手术无影灯分析发现我国每年因心脏骤停(Cardiac Arest, CA)的总死亡人数达到50万以上，位于全球之首"。近几年，越来越多地年轻人开始因为各种原因而出现心脏骤停，这也导致了心脏骤停患者数量快速攀升2。.院外心脏骤停造成猝死的高发原因是难以得到及时抢救。若发病早期 获得正确有效的心肺复苏( Cardio-Pulmonary Resuscitation,CPR)和体外电除颤，抢救成功的可能性会增加到60%以 上。手术无影灯分析发现早期电除颤是复苏成功的关键因素，早1 min进行电除颤，患者得到成功救治的几率将会提高7%~10%B。 然而，胸外按压过程会造成心电信号中出现伪影( CPR伪迹)，使我们对心电节律的分析区分变得更加困难。只 有当CPR平均停止时间超过15 s时，现有的自动体外除颤器( Automated External Defibrillato, AED)才能进行可靠的检测[4。手术无影灯分析发现这些中断间隔降低了恢复自发循环的可能性。近年来，越来越多的证据表明，减少胸压中断，增加血流灌注时间是提高CPR成功率的关键15。许多学者将研究精力放在滤波器的构建上，试图通过滤波方式，消除伪影对心电信号的干扰;虽然-些自适应滤波算法在很大程度上抑制了胸部按压的伪影，但心肺复苏术的残余伪影仍不容忽视1680。所以有必要设计一种在心肺复苏干扰下辨识准确度更高、无影灯分析稳定性更强的一-种算法本文致力于研究一种基于机器学习的心肺复苏干扰下的心电节律识别算法，准确识别在心肺复苏干扰下的心脏节律，从而减少心肺复苏过程伪影中带来的干扰，提高CA患者的救治率。Ventricular Arhythmia Database(VFDB)。这些心电图样 无影灯分析本由专家批注为窦性心律(Sinus Rlhythm,SR)、室性心动 过速( Venticular Tachyeardia,VT)、心搏停止(Asystole,ASYS)、心室扑动、二联律、心室颤动(Ventricular Fibrllation,, VF)、房颤、噪声等。本文去除除颤前后的噪声信号和心电信号，并将室颤与室速标记为VF,窦性节律、二联律、无影灯分析房颤等标记为SR。文中联合应用CUDB数据库以及VFDB数据库中的相关数据，并对数据进行时间截取采样，每10s截取为-段，总计1343段，其中VF信号372个样本，VT信号254个样本，SR信号644个样本，ASYS信号73个样本。分别对应可电击节律(VF、VT)、不可电击节律(SR、ASYS)两类。此外，无影灯厂家分析本文从12头停搏的猪身上获得24个心电图 CPR伪影。使用数据库中奇偶记录顺序，将全部的1343 个无干扰的心电信号分为对照组和测试组(如将第一一个样本放入对照组，将第二个样本放人测试组)。对照组包含672个无干扰的心电信号，测试组得到671个无干扰的心电信号。根据相同原则，将24个CPR伪影样本也分为对照组和测试组两组，每组包含12个CPR伪影样本。在不同的信噪比条件下，根据以下公式构建受干扰的心电信号在公式(1)中，无影灯厂家分析SEcG MXED为构建出的受干扰心电信号，SNR为该干扰信号的信噪比，SEcG 为原始心电信号，SCrR为CPR伪影信号。由公式信噪比决定所构建信号的受干扰程度:信噪比越大，构建的信号中CPR的伪影越少，干扰越小;信噪比越小，构建的信号中CPR的伪影越多，干扰 越大。本文在信噪比分别为0、-3、-6、-9、-12的干扰水平下构建了受干扰的心电信号。在训练组中，将672个无干扰的心电信号与12个CPR伪影样本混合，得到40320(672x12x5)个受干扰的心电信号，其中可电击的心电节律为18780个，无影灯厂家分析不可电击的节律为21540个;以相同的方式，在测试组得到40260(671x12x5)个受干扰的心电信号，其中可电击的心电节律为18780个，不可电击的节律为21480个。根据这种方法，对照组和测试组之间的心电信号和伪影是完全独立、互不交叉的。分析中涉及21个特征值，依次为Countl,CountCount3Kurtosisl4,ACF_VRLeakagello,AMSA,FSMN,A1,A2A311]，,CovarBin FreqBin,AreaBinl8l,ComplexI9, Mean _TCI,StdTCI,FTCrIe0, TimeDelay21,H2,H312这些特征值可以表示心电信号在时域、频域、LED无影灯编辑相空间、二值空间和联合时频域五个不同空间中的形态分布、高斯性、振幅谱、变异性和复杂性。本文中的BP神经网络设计为三层结构，分别对应于输人层、隐藏层和输出层。对于输人层，输人特征向量的维度对应于神经元数量(2个)2。且对应于可电击和不可电击的心电信号节律。将隐藏层中的神经元数量设置为与输人层中的神经元数量相同，并进行了仿真验证。在大多数情况下，这样的设置使神经网络具有更好的性能。由于得到的信号表现出明显的不均衡性，LED无影灯编辑考虑到节律信号数据所收到的训练量并不一-致，本文对每一-类样本信号赋予相同的权重，见公式(2)~(3):分别为可电击和不可电击的总数。将训练中每个样本产生的误差乘以相应的权值作为网络参数校正的基础，这样可以使训练网络在识别可电击和不可电击的心电时达到较高的精准度。这些权重还用于将 识别精度校正为稳定性(ACalance;)，:示正确识别的可电击的样本个数、正确识别的不可电击的样本个数、可电击的样本总数和不可电击的样本总数。训练结束后，将对照组输人所得到的神经网络，LED无影灯编辑计算神经网络在心电图心律识别中的敏感度、特异性和稳定性。上述21个特征值不一定可用于构建可电击的节律识别算法，这是因为特征值的增加将会在很大程度上增大算法运算量。同时由于采用神经网络训练，特征值的增加意味着训练量大幅增加，而过度的训练将会导致分类器适应性 降低。考虑到这一点 ，文中基于遗传算法完成 了特征值择选。遗传算法中设置染色体基因编码为21个。每个基因分别与本文研究特征值相对应。基因选择1表示选择了相应的特征值，0表示放弃了相应的特征值。随机产生N条染色体。染色体的群体适应度由相应输人载体的稳定性决定。通过选择、杂交和突变，得到了最优载体。反复进行遗传算法选择，将特征值按照被选择次数进行排序，并按照排序将其依次加人神经网络构建中。经验证，当特征值依次加人到神经网络中时，准确性在开始时迅速提高。无影灯分析当特征值数目增加到4时，准确性提高到98.75%，在此之后，特征值增加准确率反而降低。当特征值数目增加到13时，准确性达到最大值99.31%在此之后，随着特征值数目的持续增加，准确性降低，结果依次为:60.69%、88.62%、91.11%、98.75%、98.91%、98.97%、98.96%、98.96%、99.10%、99.15%、99.15%、99.22%、99.31%、99.25%、99.24%、99.23%、9922%、99.26%、9.23%、9.19%、99.15%。济宁华诺医疗编辑所以本文选取前13个特征值(count1,count2,count3,TimeDelay,FregBin,AMSA,A1,A2,Leakage,H2,F_TCI,mean.TCI ACF_VR)构建神经网络。
济宁华诺医疗器械有限公司 http://www.sdhuanuo.com
