基于DNA的BP网络在心电图ST段形态识别中的应用

基于DNA的BP网络在心电图ST段形态识别中的应用 基于DNA的BP网络在心电图ST段形态识 别中的应用 100福建电脑2011年第9期 基于DNA的BP网络在心电图ST段 形态识别中的应用 刘瑞清.孙晓娜 (1.郑州轻工业学院电气信息学院河南郑州450006 2.河南省轻工业学校河南郑州4500061 【摘要】j:心电图sT段的状态在心脏疾病诊断中有着重要参考价值.本文采用DNA优化的BP网 络进行了ST段识别的研究,首先采用小波变换的方法将ST段从心电周期中分离出来,然后建立神经网络 并采用DNA算法来优化神经网络.最后采用MIT/BIH数据库的数据对本文的算法进-f/-~l试.结果发现, 本文的算法识别准确率优于GA-BP和BP.且具有更快的收敛速度. 【关键词】:DNA算法BP网络sT段识别 1,引言 心电图sT段是指QRS波的终点至T波的起点间 的子段.ST段是心电图测量中的一项重要指标.对心 肌缺血,心肌梗塞等心脏疾病有重要的诊断价值【n.但 是目前心电图sT段的检测方法还不成熟.这一方面是 由于冠状动脉供血的改善和恶化使得ST段改变时轻 时重,时有时无,呈现出明显而多样的动态变化,又由 于ST段变化频率低.易受如基线漂移等干扰的影响. 另外不同导联下的sT段也有所不同f2J.因此有必要研 究一种方法对ST段的状态进行快速,准确的识别.满 足临床上利用心电图进行心脏疾病诊断的要求. 对于ST段的状态识别,文献『31中介绍了斜率法, 然而斜率法仅限于识别直线型sT段形态.不适用于非 直线型的sT段形态的确定.文献忡介绍了函数拟合 法.函数拟合法就是用某种函数来近似sT段.这样能 够描述整个sT段的特性.但是由于sT段变化大,且形 态各异.要想拟合得好很困难.一般只是进行一次直线 函数或二次抛物线函数拟合针对斜率法和函数拟合 法的缺点,文献『51提出了神经网络法,采用BP神经网 络来识别ST段的状态.BP网络简单,灵活,易于实现, 但在实际应用中BP网络中存在着两个重要问题:收 敛速度慢.目标函数存在局部最小点为解决这些问 题,文献『61中采用了遗传算法(GA)来优化BP网络.取 得了一定的效果.但是遗传算法的编码以及进化手段 的单一性影响了优化的结果 本文提出了采用DNA算法优化的BP网络来识别 sT段的状态首先采用小波变换的方法将sT段从心 电周期中分离出来.然后建立BP神经网络并采用 DNA算法来优化BP网络.最后将ST段的信息送入训 练好的网络中,识别ST段的状态.实验证明该算法不 但有较高的运行效率.而且能得到很高的识别精度. 2,利用小波变换界定ST段的起始点 在进行ST段状态识别之前.本文首先提取ST段的 特征点.界定sT段的起始点.ST段特征点的提取过程采 用了小波变换的方法.本文采用二次样条将ECG分解 成S:2'2'等尺度下的小波变换.然后在不同的尺度下 完成心电信号特征点的提取.在S=2的尺度上.R波具 有最大的小波变换幅度.而高频噪声在这一尺度上有 1 较大衰减.低频分量和噪声亦较弱.因此选择在S=2尺 度下提取R波峰.S波是高频低幅的.能量主要集中在 ^' 小尺度上.选择在S=2.尺度下提取S波.在S=2'尺度下. 采用与R波对应的零交叉点后的第一个向下波峰作为 S波波峰位置T波表现为低频缓变部分.通常在时域因 叠加有较多的低幅高频干扰而影响定位的准确性.在 S=2'等较大尺度上可以避开此类噪声.故选择在S=2. 尺度下提取T波.在S=2'尺度下,以R波后出现的第一个 模极大值对的零交叉点作为T波波峰的位置.设Ton为T 波的起点.T0n点的定位可利用前面T波波峰提取时已 经找到的模极小值点.其对应于T波上升沿的中点.设 中点到T波波峰的距离为Ta.从T波上升沿中点再向前 搜寻距离Ta得到T0n点.在S=2'尺度下,寻找S波波峰后 20ms内的第一个转折点.如果在S波波峰后未发现波动 点.则用S波波峰代替.从Se点到T波起点为心电图的sT 段.对心电图sT段的标注如图1所示. 图1心电图sT段标注 2011年第9期福建电脑1O1 3,采用DNA算法优化BP网络 3.1建立对sT段状态进行分类的BP网络 BP神经网络是神经网络分类器中最普遍.最通用 的形式.多层BP网络通常有输入节点,输出节点,一 层或多层隐节点构成.本文将ST段进行归一化,均匀 提取其中的3O个点作为BP网络的输入点.在 中.应当尽可能的减少网络的规模.以便减少网络的训 练时间.所以本仿真网络采用两层结构,隐含层采用 61个神经元.考虑到sT段的多样性,网络输出层神经 元个数为3:分别为:001:代表正常模式.010代表水平 压低模式.100代表抬高模式. 3.2DNA算法优化BP网络 采用DNA算法优化BP网络主要是应用DNA算 法来优化BP网络的权值和阈值.DNA算法是一种根 据生物学中生物信息传递途径的优化算法.它突破邻 域搜索的限制实现整个解空间分布上的信息搜索,采 集和继承.DNA算法通过将待寻优参数进行编码,不 依赖梯度信息.而用随机选择作为工具来引导搜索过 程向着更高效的方向发展.下面具体说明DNA算法优 化BP网络的步骤: 第一.初始化 初始化时.首先将BP网络中每一个权值和阈值用 3个碱基进行编码.将网络中所有的权值和阈值转化 成4个碱基fA,T,C.Gl上的编码,构成一个DNA链 (染色体).然后使用n个具有任意编码的DNA链组成 初始群体 第二.进行DNA计算. DNA计算是建立在染色体?fA,T,C,G}N对其进 行分子操作的基础上.进行DNA计算主要就是对染色 体进行选择,交叉,变异,倒位等操作.在这里将所有的 染色体两两组成一个家庭.然后在两个染色体上的任 意位置进行交叉,变异,倒位等操作,产生两个子代,这 样家庭成员就由两个父代和两个子代组成.为了保持 种群的进化和稳定在每个家庭内选择适应度最高的两 个染色体组成新的种群.这个过程一直持续,直到达到 设定的适应值或进化代数为止 第三.解码. 在DNA算法中.解码就是将氨基酸映射到BP网 络的权值和阈值范围内.使得DNA算法能够搜索到所 有可行解.在毹码的过程中,权值和阈值的范围设定显 得尤为重要.范围设的太小.不能包含所有的权值和阈 值,范围设的太大.精度又不能满足要求.在这里我们 按照经验设定权值的范围为(一2.4/F,2.4/F),其中F为 所连单元的输入端个数,阈值范围为(一1.1).确定权值 和阈值的范围后,按照公式r,一?_ 进行解码.其中,,,神为权值和阈值的最大最 小值.k为二进制码串对应的十进制整数值.N为码串 位数 第四.计算适应度并判断是否满足要求 那个染色体能够留下来.需要通过适应度进行判 断.具体方法为:将解码后的值送入BP网络的计算公 式中进行计算.将计算值与标注值进行比较.所得差的 平方最小者适应度为最大.每个家庭适应度最大的两 个被保留.最小的两个被淘汰,依次循环.直到满足设 定的精度或代数为止. 第五.将优化结果作为BP网络的初始权值和阈 值.训练BP网络. DNA计算完成后,将最后产生的种群进行解码.然 后将适应度最大的染色体的解码值作为BP网络权值 和阈值的初始值.再将训练样本送入BP网络进行训 练,直到达到设定的精度值或步数为止. 4,故障诊断结果及分析 本文采用MIT的数据作为训练和测试模型的 数据.验证基于DNA算法优化的BP网络在心电图sT 段故障诊断中的优势 按照前面的分析,本文设定BP网络输入为3O个. 一 个隐层有61个神经元.输出层为3个.设定种群规 模数为40,进化代数为100代.变异率为0.3%.对每种 故障模型取30组数据进行测试.为了验证DNA—BP 模型的优势.我们对同样的数据又采用了BP模型与 GA—BP模型进行辨识.各种模型的辨识准确率以及训 练过程中的均方差变化曲线分别如表1和图2所示. 样本正确识别样本数正确率sT段形态 总数DNA.BPGA.BPBPDNA.BPGA_BPBP 正常型302924l997%80%63% 水平型压低3028252093%83%67% 抬高3O2723l890%77%60% 表1DNA-BP,GA-BP,BP辨识结果比较 "' (a) 卜, j {0… (c) 图2训练过程中均方根误差变化曲线 (DNA—BP训练过程中均方根误差变化曲线图 fb1GA—BP训练过程中均方根误差变化曲线 (c1BP训练过程中均方根误差变化曲线 表1以及图2的结果表明.采用DNA—BP模型辨 识的结果明显优于GA—BP模型和BP模型. (1)识别精度要高,DNA—BP识别精度都在85%以 上. (2)收敛速度要快.DNA—BP在14步左右就达到 设定精度.而GA—BP和BP一百步还达不到设定精 度. 5,结论 本文采用了基于DNA优化的BPf下转第136页) 136福建电脑2011年第9期 3-3转发节点交互的实现 转发节点需要处理的有:接收分节点的数据.CRC 校验,如果正确填入发送数据中,如果不正确.则发送 6字节的命令更新数据 转发节点通过触摸屏实现了:显示所辖分节点的 温湿度信息.接收对所辖分节点信息进行更新的命令. 采用的是由本实验室(福州大学国家化肥与催化剂工 程研究中心自动化研究所)设计的以LPC2478为芯片 的开发板.其中利用TOUCHDev函数获得触摸时的 坐标.然后根据定义好的屏幕的各个范围的各种操作. 然后进行相应的操作而显示则是利用当初设计好的字 库. 3.4根节点的交互实现 根节点的各种操作都是在Linux下完成的.而提 供的交互的途径有:通过访问网页进行交互一可实现查 看,更新数据:通过访问根节点的网络文件系统中的应 用程序进行交互.网络文件系统放置在装有Linux的 PC机上.系统管理人员可以通过登录PC机然后在文 件系统中管理相应的应用程序. 根节点在移植完linUX内核到$3C2440上后.然后 构件一个网络文件系统.在此基础上分别编写 NRF24L01的驱动和应用程序一进行数据的收发.移植 并配置BOA和CGI.其中BOA作为WEB服务器.CGI 为客户提供服务器的网关接口.使客户的请求能够得 以实现.其中CGI的所以脚本放置在网络文件系统中 的WEB/CGI—BIN目录下.还需要设置与服务器相关 的环境变量,与客户机相关的环境变量和与请求相关 的环境变量.以及相关脚本的URL. 所有的网页采用HTML格式.而整个根节点中数 据的存储采用SOUTE数据库.根节点在接收到数据 时.通过数据库的存储操作存人数据库,而用户在请求 访问数据时.通过数据库的查询得到数据并将其传递 给用户.数据库的所有操作都是嵌入在实际的应用程 序中的,例如接收的应用程序,网页的程序. 3,系统的实现结果 在整个系统搭建完成后,由于条件有限.仅试验了 三个分节点的系统,而实际测出的温湿度结果.还是有 写偏差.例如温度在测量时有I~C左右的偏差.系统的 延迟性由于分节点有限.测试的延迟很短暂.几乎可以 忽略. 结语 本文所设计的温湿度监控系统适合分节点比较多 的情况.NRF24L01发送的最大功率为1mw.采用2. 4GHZ的频率.方便而且不必申请无线牌子.如果要进 行大功率发送可以增加一个PA发送.系统的网络访 问中由于时间有限没有设计较好的安全保护机制.在 后期的完善中可以加入安全密钥等安全措施. 参考文献: 【1】宋宝华.1inux设备驱动开发详解(第2版)【M】.北京:人民邮电 出版社.2010(2):119—138. 【2】孙戈.基于$3C2440的嵌入式linux开发实例【M】.西安:西安 电子科技大学出版社,2010,190-201. 【3】罗苑棠.嵌入式linux驱动程序和系统开发实例精讲【M】.北京: 电子工业出版社,2009,170-189. 【4】周立功.ARM嵌入式系统基础教程(第2版)【M].北京:北京航 空航天大学.2009(2):233-248. 【5】周立功,等.LPC2103用户手册【0L].广州:周立功单片机发展 有限公司.98-127. [6]周立功,等.LPC2103用户手~t[OLI.广州:周立功单片机发展 有限公司.48-55. r7】天嵌.TQ2440用户手册[0L】.广州:广州天嵌计算机科技有限 公司.www.embedsky.net. [81村.Web应用程序:CGI到Web三层系统.北京:科学出版 社.2004. f919格雷戈里.CGI程序设计自学通.北京:机械工业出版社.1998. (上接第101页) 网络进行心电图sT段的故障诊断.它兼顾了DNA算 法在全局搜索和BP网络在局部搜索的优势.实践证 明了这种方法在心电图ST的故障诊断中网络训练速 度快,诊断精度高,为l临床上心脏疾病的自动诊断开辟 了一条崭新的道路. 参考文献: 【1]~tg.临床心电图学.北京:人民卫生出版社,2004 【2】师黎,杨岑玉,张金盈.小波变换在心电图ST识别中的应用. 郑州大学.2006.41(2),175-177 [3]EKYChan,AutoregressiveEstimationofClosely—SpacedSpec— traintheLatePotentialRegiO1"1oftheSignal—AveragedElectro— cardiogramsaFunctionofSegmentWidthandS-TSlopeIEEE. 1992:71. 『414范晓东,朱泽煌,杨福生.动态心电图S-T段的测量方法.国 外医学一生物医学工程分册,1992,15(2):71 [51军.王宏山.俞梦孙.心电图sT段测量的神经网络方法.北 京生物医学工程,.2002,21(2):106~108. 『61毛玲.基于GA—BP算法的模糊网络分类器在ECG自动识别 中的应用研究国防科学技术大学硕士学位.