基于小波神經(jīng)網(wǎng)絡的心電信號識別

基于小波神經(jīng)網(wǎng)絡的心電信號識別

小波變換的頻率與時間辨率小波理論的一個重要結果是，所有信號都可以展開為函數(shù)=通過l（r）的比率和時間差，函數(shù)公式如下所示。ψ被定義為母小波或基小波，ψa,b被稱作為小波，參數(shù)a,b分別被定義為尺度和位移參數(shù)。設x(t)∈L2(R)，則x(t)的小波變換定義為：小波變換通常被認為正比于頻率帶寬的帶通濾波器組對信號進行處理。當a值較小時，時軸上觀察范圍小，在頻域上相當于用較高頻率作分辨率較高的分析，即用高頻小波做細致觀察，當a值較大時，時軸上考慮范圍大，在頻域上相當于用低頻小波做概貌分析，因此小波變換具有較好的低頻頻譜辨析率和高頻的時間辨析率。小波理論已經(jīng)廣泛的應用于各個領域，在信號的分類中，一種是通過小波變換提取信號的特征值輸入到某種神經(jīng)網(wǎng)絡中，另一種就是直接應用小波神經(jīng)網(wǎng)絡對信號分類。1網(wǎng)絡分類結果的描述典型的小波神經(jīng)網(wǎng)絡相當于具有一個隱含層的簡單的神經(jīng)網(wǎng)絡結構。小波系數(shù)部分被稱作小波節(jié)點，小波函數(shù)作為信號的小波變換。小波神經(jīng)網(wǎng)絡的第一層部分相當于對輸入信號進行特征提取，第二部分相當于神經(jīng)網(wǎng)絡的分類。增加了一層感知機的小波神經(jīng)網(wǎng)絡如圖1，即增加了圖中O1層，與常規(guī)的小波神經(jīng)網(wǎng)絡相比分類性能得到了顯著提高。在本文的研究中，選擇Morlet小波作為母小波，Morlet小波的表達式為其中?選擇5.33。網(wǎng)絡分類的輸出結果表示為：其中輸入向量為x(n),采樣時間為t,每個輸入向量的樣點數(shù)為N，小波節(jié)點數(shù)為h,隱含層節(jié)點個數(shù)為j,輸出層節(jié)點個數(shù)為k。σ(z)為S型函數(shù)網(wǎng)絡輸出誤差采用最小方差計算，定義為:M為要識別的輸入數(shù)據(jù)樣本數(shù)，dk為期望輸出值。網(wǎng)絡輸出誤差是通過反向傳播梯度下降法尋找最小誤差，連接權的導數(shù)通過下面式子得到E小波節(jié)點的導數(shù)通過如下算法得到：連接權和小波節(jié)點通過以下規(guī)則來調(diào)整:其中η為學習速率，μ為BP學習算法中的動量系數(shù)。2數(shù)據(jù)來源及處理小波神經(jīng)網(wǎng)絡在實驗中用于區(qū)分心電信號的正常心跳和室性期前收縮。偶發(fā)性室性期前收縮，一般無臨床重要意義。頻繁出現(xiàn)的室性期前收縮其臨床意義應視心臟基礎疾病情況而定。1971年Lown及wo1f二氏曾對220位心肌梗塞后1—24個月的病人進行連續(xù)12小時的監(jiān)測。據(jù)此資料,按“危險性”對患者所發(fā)生的室性早搏出現(xiàn)的形式進行分級。根據(jù)室性早搏的頻繁程度和形態(tài)分為以下6級：0級：無期前收縮。I級：偶發(fā)，每小時少于30次或每分鐘少于1次。II級：頻發(fā)，每小時多于30次或每分鐘多于6次。III級：多源性室性期前收縮。IVA級：成對的室性期前收縮，反復出現(xiàn)。IVB級：成串的室性期前收縮(三個或三個以上室性期前收縮)反復出現(xiàn)。v級：期前收縮的R波落在前一個竇性激動的T波上。Lown及wolf的文章發(fā)表后曾為不少心臟病學者所引用，認為分級越高，預后越差，“猝死”的機會越多。因此自動識別和分類室性期前收縮對于心臟病人的監(jiān)測是至關重要的.本文使用的數(shù)據(jù)來至MIT-BIHArrhythemiaDatabase(mitdb)。選擇要分析的記錄是記錄106,106是一個典型的室性期前收縮病人的心電圖，信號的采樣率為360Hz。數(shù)據(jù)的選取方法是根據(jù)文獻。選取的ECG信號段相當于對要分析的信號加上持續(xù)時間為250ms的時間窗,QRS聯(lián)合體之前的100ms,之后的150ms，即R波頂點之前36點，之后54點。輸入信號被標準化到區(qū)間[-1,1]，輸入到網(wǎng)絡中的數(shù)據(jù)如圖2所示。網(wǎng)絡節(jié)點的選?。罕疚倪x取的小波節(jié)點數(shù)為15，隱含層為14,網(wǎng)絡的輸出節(jié)點選取2ㄢ小波神經(jīng)網(wǎng)絡的最后的分類性能在很大程度上依賴于連接權的初始化值。因此選擇適當?shù)某跏蓟椒@得尤為重要，小波節(jié)點的初始化參考文獻的方法，并對該方法有所改進。本文采用的小波尺度L為4，最小尺度的小波數(shù)H1=2L-1為8ㄢ1.位移的初始化采用其中：HL=HL-1/2,...,H2=H1/2,T取1在此位移初始值依次選取為2.尺度參數(shù)的初始化，ahn=T(n)-1，其中n為第n個小波節(jié)點。3.連接權whj,vjk初始化為[-1,1]區(qū)間內(nèi)的隨機值。實驗選取了20個樣本訓練網(wǎng)絡,其中8個正常心電數(shù)據(jù),12個室前收縮心電數(shù)據(jù),包含連續(xù)室前收縮的第一個第二個以及第三個異位心跳的心電數(shù)據(jù)。取η=0.9,μ=0.2，最大允許均方誤差為0.002時，網(wǎng)絡誤差曲線如圖3所示。從可以看出網(wǎng)絡收斂速度很快。3結果3.1正常心功能分類通常分類結果的表達為，TP(truepositive)表征正常的心跳被正確的分類成正常的心跳，TN(truenegative)表征室前收縮被分類成室前收縮，F(xiàn)P(falsepositive)表征室前收縮被錯誤的分類成正常心跳，F(xiàn)N(falsenegative)表征正常心跳被錯誤的分類成室前收縮。另外靈敏性sensitivity(SE)和特異性specificity(SP)被定義為SE=TN/(TN+FP),SP=TP/(TP+FN)，具體的分類結果如表1所示。3.2隱蔽層節(jié)點的選取隱含層節(jié)點個數(shù)的選取,是通過反復實驗得到的。隱含層節(jié)點的選取對網(wǎng)絡收斂性的影響如圖4所示?；旧希[含層節(jié)點個數(shù)接近小波節(jié)點數(shù)的時候，網(wǎng)絡的分類效果更好。4提高了心電阻自動分類的準確性本文通過改進小波神經(jīng)網(wǎng)絡的初始化方法，使網(wǎng)絡收斂速度加快，將該初始化方法具體應用到增加了一層感