數(shù)序列P的均值和方差Ρ?/，，得到剩余的特征參數(shù) 序列P ?Ρ4Ι?Α!β1…+ …#€Γ;4、若該可疑異常數(shù)據(jù)點(diǎn).4W滿足公式 f XSs丨尸)，RIHe (〇, 1)為預(yù)設(shè)的比例系數(shù)，則所述處理單元23判定該可疑異常 數(shù)據(jù)點(diǎn)4?]為異常數(shù)據(jù)點(diǎn)，并將所述異常數(shù)據(jù)點(diǎn)；W去除，并更新訓(xùn)練樣本集中剩余的各 個(gè)特征參數(shù)，即Fi = Pf中剩余的各個(gè)特征參數(shù)；5、所述處理單元23繼續(xù)查找剩余的各個(gè) 特征參數(shù)序列中的最大偏移點(diǎn)，重復(fù)上述步驟2-4,直到各個(gè)特征參數(shù)序列中存在不滿足上 述公式的最大偏移值片M，才判定所述最大偏移點(diǎn)對(duì)應(yīng)的特征參數(shù)為正常的特征參數(shù)，即可 確定剩余的特征參數(shù)序列中無異常數(shù)據(jù)點(diǎn)。
[0132] 第一統(tǒng)計(jì)單元24,用于計(jì)算所述特征參數(shù)序列的均值，實(shí)現(xiàn)對(duì)特征參數(shù)的統(tǒng)計(jì)，得 出所述心電信號(hào)的特征參數(shù)向量；
[0133] 所述建立單元21，還用于根據(jù)所述統(tǒng)計(jì)得出的特征參數(shù)向量，結(jié)合所述心電信號(hào) 對(duì)應(yīng)的心電狀況的標(biāo)注，建立用于訓(xùn)練SVM分類器的訓(xùn)練樣本集。
[0134] 在本實(shí)施例中，優(yōu)選方案為，所述第一統(tǒng)計(jì)單元24根據(jù)特征統(tǒng)計(jì)算法，對(duì)剩余 的心電特征參數(shù)進(jìn)行統(tǒng)計(jì)歸納，統(tǒng)計(jì)出最后的特征參數(shù)為4 ，得到特征參數(shù)向量 A = …:CT，并結(jié)合已有的標(biāo)注組成訓(xùn)練樣本集TR= {(xt，yt)}，i = 1，2， 3, ...，N，i為樣本序號(hào)，m為特征向量的維數(shù)，N為訓(xùn)練樣本的個(gè)數(shù)，所述訓(xùn)練樣本集用于 訓(xùn)練SVM分類器。
[0135] 在本實(shí)施例中，所述建立單元21根據(jù)所述統(tǒng)計(jì)得出的特征參數(shù)向量，結(jié)合所述心 電信號(hào)對(duì)應(yīng)的心電狀況的標(biāo)注，建立用于訓(xùn)練SVM分類器的訓(xùn)練樣本集的方式例如：所述 訓(xùn)練樣本集是一個(gè)集合，集合里面的元素是一個(gè)個(gè)心電樣本，即
[0136] 訓(xùn)練樣本集={心電樣本1，心電樣本2, ... }
[0137] ={(心電特征參數(shù)向量1，心電情況標(biāo)注1)，（心電特征參數(shù)向量2,心電情況標(biāo) 注 2)，. . . }。
[0138] 本實(shí)施例中，優(yōu)選地，所述SVM分類器采用高斯核函數(shù)，形式為k(| |x-XC| |)= eXp{-| |x-xc| Γ2/2*。~2)}。由于所述心電參數(shù)特征向量具有較高維數(shù)，故所述SVM分類 器采用高斯核函數(shù)可提高心電信號(hào)檢測(cè)的精確性和合理性。
[0139] 訓(xùn)練模塊30,用于根據(jù)所述訓(xùn)練樣本集中的各個(gè)訓(xùn)練樣本，訓(xùn)練針對(duì)不同心電狀 況的各個(gè)SVM分類器；
[0140] 在本實(shí)施例中，參照?qǐng)D8，所述訓(xùn)練模塊30包括：
[0141] 第二確定單元31，用于根據(jù)所述訓(xùn)練樣本集中心電信號(hào)對(duì)應(yīng)的心電狀況的種類個(gè) 數(shù)，確定SVM分類器的數(shù)量；
[0142] 在本實(shí)施例中，根據(jù)所述訓(xùn)練樣本集中心電信號(hào)對(duì)應(yīng)的心電狀況的種類個(gè)數(shù)，所 述第二確定單元31可確定對(duì)應(yīng)的SVM分類器的數(shù)量，例如所述心電狀況的種類為5個(gè)時(shí)， 對(duì)應(yīng)的SVM分類器的數(shù)量也是5個(gè)。
[0143] 設(shè)置單元32,用于根據(jù)所述SVM分類器針對(duì)的心電狀況以及所述訓(xùn)練樣本集中所 述心電狀況對(duì)應(yīng)的標(biāo)注，設(shè)置訓(xùn)練樣本集在訓(xùn)練各個(gè)SVM分類器時(shí)所對(duì)應(yīng)的目標(biāo)概率值；
[0144] 在本實(shí)施例中，優(yōu)選為預(yù)設(shè)所述訓(xùn)練樣本集中的心電信號(hào)包括A、B、C和D四種狀 況，所述A、B、C和D四種狀況分別使用svm[l]~svm[4]四個(gè)SVM分類器區(qū)分，則例如，當(dāng) 所述心電狀況為A的心電信號(hào)在作為訓(xùn)練svm[l]分類器所用的訓(xùn)練樣本時(shí)，目標(biāo)概率值設(shè) 置為100%，而在作為訓(xùn)練svm[2]~svm[4]分類器所用的訓(xùn)練樣本時(shí)，目標(biāo)概率值設(shè)置為 0%〇
[0145] 訓(xùn)練單元33,用于根據(jù)所述訓(xùn)練樣本集中的各個(gè)訓(xùn)練樣本與所述設(shè)置好的目標(biāo)概 率值，對(duì)針對(duì)不同心電狀況的各個(gè)所述SVM分類器進(jìn)行訓(xùn)練。
[0146] 在本實(shí)施例中，優(yōu)選方案為，所述訓(xùn)練單元33基于獲取的所述訓(xùn)練樣本集，采用 一對(duì)多策略訓(xùn)練SVM分類器，本實(shí)施例優(yōu)選采用一對(duì)多（one-against-all，OAA)策略，根 據(jù)訓(xùn)練樣本集TR訓(xùn)練針對(duì)不同心電狀況對(duì)應(yīng)的各個(gè)SVM分類器，即通過已提取的訓(xùn)練樣本 集TR，結(jié)合一對(duì)多策略對(duì)SVM分類器進(jìn)行訓(xùn)練，以實(shí)現(xiàn)自動(dòng)診斷心電信號(hào)多種異常情況的 功能。
[0147] 所述處理模塊10,還用于獲取待檢測(cè)心電信號(hào)數(shù)據(jù)，并提取所述待檢測(cè)心電信號(hào) 的各個(gè)特征參數(shù)；
[0148] 在本實(shí)施例中，在接收到待檢測(cè)心電信號(hào)時(shí)，同樣先對(duì)待檢測(cè)心電信號(hào)進(jìn)行預(yù)處 理，以去除待檢測(cè)心電信號(hào)的工頻干擾、基線漂移及其他噪聲干擾等，提高心電信號(hào)的信噪 比，然后提取待檢測(cè)心電信號(hào)中的P波、QRS波群和T波等波形的特征參數(shù)Xi。
[0149] 分析模塊40,用于根據(jù)所述提取的各個(gè)待檢測(cè)心電信號(hào)的特征參數(shù)以及所述訓(xùn)練 完成的各個(gè)SVM分類器，分析待檢測(cè)心電信號(hào)，以得出所述待檢測(cè)心電信號(hào)屬于何種心電 狀況，作為檢測(cè)結(jié)果。
[0150] 在本實(shí)施例中，參照?qǐng)D9，所述分析模塊40包括：
[0151] 第二統(tǒng)計(jì)單元41，用于根據(jù)所述待檢測(cè)心電信號(hào)的特征參數(shù)，統(tǒng)計(jì)得出所述待檢 測(cè)心電信號(hào)的特征參數(shù)向量；
[0152] 所述第二統(tǒng)計(jì)單元41統(tǒng)計(jì)所述待檢測(cè)心電信號(hào)的特征參數(shù)向量的【具體實(shí)施方式】 上文已經(jīng)詳述，此處不再贅述。
[0153] 代入單元42，用于將所述特征參數(shù)向量，代入所述的各個(gè)SVM分類器中運(yùn)算，得出 所述待檢測(cè)心電信號(hào)屬于各個(gè)SVM分類器對(duì)應(yīng)的心電狀況的概率；
[0154] 比對(duì)單元43,用于比對(duì)所述待檢測(cè)心電信號(hào)屬于各個(gè)心電狀況的概率，根據(jù)比對(duì) 的各個(gè)概率確定所述待檢測(cè)心電信號(hào)應(yīng)屬于何種心電狀況。
[0155] 在本實(shí)施例中，假設(shè)需要區(qū)分的心電信號(hào)類型有{Normal，A，B，C，D，E，F(xiàn)}7種， Normal指正常情況，A，B，C，D，E，F(xiàn)代表6種異常情況。將這7種情況劃分為兩類，Target [1] =(A)，Otler [1] = {Normal，B，C，D，E，F(xiàn)}，則第一個(gè) SVM 分類器 svm[l]的任務(wù)即為區(qū) 分被測(cè)的心電信號(hào)是屬于Target[l]類還是屬于Otler[l]類，將待檢測(cè)的心電信號(hào)的特 征參數(shù)向量帶入svm[l]分類器中進(jìn)行運(yùn)算，得到一組分類結(jié)果t[l] = ξ [1]，〇 [1]= 1-Ul]，Ul] e [0%，ι00%]。分類結(jié)果用于表示被測(cè)心電信號(hào)屬于該類的概率，如t[l] =90 %表示被測(cè)心電信號(hào)屬于Target [1]類的概率為90%。同理，分類器svm[2]的任務(wù) 為區(qū)分被測(cè)的心電信號(hào)是屬于Target[2] = {B}類還是屬于0tler[2] = {Normal，A，C，D， E，F(xiàn)}類，得到分類結(jié)果t [2]與c [2]。最終在做決策時(shí)，計(jì)算t [1]，t [2]. . .，t [7]序列中 最大和次大值的差，若該差值大于某一設(shè)定的閾值，例如50%，則表明分類成功，并判定被 測(cè)心電信號(hào)屬于t[i]值中最大的那一類。
[0156] 在本實(shí)施例中，所述分析模塊40根據(jù)提取的各個(gè)待檢測(cè)心電信號(hào)的特征參數(shù)以 及所述訓(xùn)練完成的各個(gè)SVM分類器，分析待檢測(cè)心電信號(hào)的過程包括：將所述已提取的各 個(gè)待檢測(cè)心電信號(hào)的特征參數(shù)向量，代入所述的各個(gè)SVM分類器中運(yùn)算，得出所述待檢測(cè) 心電信號(hào)屬于各個(gè)SVM分類器對(duì)應(yīng)的心電狀況的概率；例如，如上文所舉例的內(nèi)容，將待 檢測(cè)心電信號(hào)的特征參數(shù)向量帶入svm[l]~svm[7]這七個(gè)SVM分類器中進(jìn)行運(yùn)算，得出 t[l]，t[2]. . .，t[7]序列，將t[l]~t[7]中的最大和次大值進(jìn)行相減，若該差值大于某一 設(shè)定的閾值，例如50%，則表明該心電信號(hào)為t[l]~t[7]序列中最大值對(duì)應(yīng)的心電情況， 從而獲取到所述心電信號(hào)的分析結(jié)果。
[0157] 進(jìn)一步地，在待檢測(cè)心電信號(hào)用現(xiàn)有SVM分類器進(jìn)行分類后結(jié)果失敗時(shí)，將所述 心電信號(hào)作為待人工評(píng)估心電信號(hào)，并將所述待人工評(píng)估心電信號(hào)通過預(yù)設(shè)的窗口顯示在 顯示界面，以供用戶對(duì)所述待人工評(píng)估心電信號(hào)進(jìn)行人工評(píng)估，在人工評(píng)估后，通過預(yù)設(shè)的 增量學(xué)習(xí)算法，將所述人工評(píng)估后的心電信號(hào)作為新訓(xùn)練樣本集，并根據(jù)所述新訓(xùn)練樣本 集更新訓(xùn)練樣本集，所述新訓(xùn)練樣本集更新訓(xùn)練樣本集的【具體實(shí)施方式】?jī)?yōu)選通過預(yù)設(shè)的增 量學(xué)習(xí)算法，提取訓(xùn)練樣本集TR中的支持向量（Support Vector)，構(gòu)成支持向量樣本集， 記作SV;將新獲取的樣本集TRn= {(xin，yin) |m= 1，2,3，...，Nn}加入支持向量樣本集SV， 以更新訓(xùn)練樣本集TRm。，TR tn。= TRnU SV。。
[0158] 本實(shí)施例提出的心電信號(hào)自動(dòng)檢測(cè)裝置，先獲取用于訓(xùn)練SVM分類器的心電信號(hào) 數(shù)據(jù)，并提取所述心電信號(hào)的各個(gè)特征參數(shù)以及所述心電信號(hào)對(duì)應(yīng)的心電狀況的標(biāo)注，根 據(jù)所述提取的各個(gè)特征參數(shù)以及所述心電信號(hào)對(duì)應(yīng)的心電狀況的標(biāo)注，建立用于訓(xùn)練SVM 分類器的訓(xùn)練樣本集，根據(jù)所述訓(xùn)練樣本集中的各個(gè)訓(xùn)練樣本，訓(xùn)練針對(duì)不同心電狀況的 各個(gè)SVM分類器，再提取待檢測(cè)心電信號(hào)數(shù)據(jù)的各個(gè)特征參數(shù)，根據(jù)所述提取的各個(gè)特征 參數(shù)以及所述訓(xùn)練完成的各個(gè)SVM分類器，分析待檢測(cè)心電信號(hào)，以得出所述待檢測(cè)心電 信號(hào)屬于何種心電狀況，實(shí)現(xiàn)了基于SVM分類器對(duì)心電信號(hào)進(jìn)行檢測(cè)和分析，為心電信號(hào) 的檢測(cè)提供了較為詳細(xì)的分析依據(jù)，而不是僅僅通過醫(yī)學(xué)的標(biāo)準(zhǔn)進(jìn)行檢測(cè)，提高了心電信 號(hào)檢測(cè)的準(zhǔn)確性與合理性。
[0159] 進(jìn)一步地，為提高心電信號(hào)自動(dòng)檢測(cè)的準(zhǔn)確性，參照?qǐng)D10,基于第一實(shí)施例提出本 發(fā)明心電信號(hào)自動(dòng)檢測(cè)裝置第二實(shí)施例，在本實(shí)施例中，所述心電信號(hào)自動(dòng)檢測(cè)裝置還包 括：
[0160] 生成模塊50,用于在接收到新的訓(xùn)練樣本集時(shí)，提取出所述訓(xùn)練樣本集中的支持 向量，生成所述支持向量構(gòu)成的支持向量樣本集；
[0161] 更新模塊60,用于合并所述接收到的新的訓(xùn)練樣本集與所述支持向量樣本集，以 更新訓(xùn)練樣本集；
[0162] 所述訓(xùn)練模塊30,還用于根據(jù)所述更新的訓(xùn)練樣本集，對(duì)