一种基于多通道心磁信号的阵发性房颤辅助识别方法及系统

本发明涉及生物医学信号处理，尤其涉及一种基于多通道心磁信号的阵发性房颤辅助识别方法及系统。

背景技术：

1、房颤是临床常见的心律失常类型之一，其中阵发性房颤具有发作时间不固定、持续时间较短、部分患者症状不典型等特点。对于阵发性房颤患者而言，在非发作期采集到的心电或心磁信号可能表现为窦性心律，因此单纯依赖发作期节律异常进行判断容易受到采集时机限制。如何从非发作期或窦性心律状态下的心脏电生理信号中挖掘潜在异常表征，是阵发性房颤早期筛查和风险评估中的重要问题。

2、现有技术中，心电图作为常规检测手段已经被广泛应用于心律失常诊断，但心电信号主要反映体表电位变化，易受到电极接触状态、皮肤阻抗、肌电干扰以及体表传导路径差异的影响。心磁图通过检测心脏电活动所产生的微弱磁场信号，具有非接触、非侵入、对组织导电率差异相对不敏感等特点，能够从另一种物理测量角度反映心脏电生理活动。多通道心磁采集系统通常具有空间阵列结构，不同传感器通道可以记录心脏磁场在不同空间位置上的分布变化。因此，多通道心磁信号中不仅包含连续心搏节律动态信息，还包含不同空间位置之间的磁场分布差异和通道间相关关系。

3、然而，现有基于心磁或心电信号的阵发性房颤识别方法仍存在以下不足：

4、第一，传统方法多依赖单通道信号或少量人工规则特征，例如rr间期变化、p波形态、频域能量等，这类特征对于持续性房颤或发作期房颤较为直观，但对于非发作期阵发性房颤患者，其异常表现可能较弱，单一特征难以稳定捕获潜在病理差异；

5、第二，多通道心磁信号具有高维度、低信噪比和通道间空间相关性强等特点，简单地将多通道信号拼接为一维序列，容易破坏传感器阵列的空间结构，不能充分利用心磁信号的空间分布信息；

6、第三，常规卷积神经网络虽然能够提取局部时空特征，但对于长时间窗内多个连续心搏之间的全局节律依赖关系建模能力有限；同时，若不能在模型前端保留心磁传感器空间阵列结构，也容易削弱多通道心磁信号中的空间分布差异表达；

7、第四，现有模型在训练和评估过程中若仅按照片段随机划分数据集，容易导致同一受试者的不同片段同时出现在训练集和测试集中，从而产生数据泄漏风险，影响模型泛化性能评估的可靠性。

8、因此，有必要提出一种适用于多通道心磁信号的阵发性房颤辅助识别方法，在保留心磁传感器空间阵列结构的基础上，充分利用连续心搏节律动态信息内的时间动态特征和不同空间通道之间的全局依赖关系，同时通过合理的数据构建、归一化、模型训练和受试者级结果汇总策略，提高阵发性房颤辅助识别的稳定性和可复现性。

技术实现思路

1、本发明旨在解决现有阵发性房颤辅助识别方法在处理多通道心磁信号时存在的空间阵列结构利用不足、连续心搏动态信息建模不充分、隐匿性异常特征提取能力有限以及阵发性房颤具有发作间歇性强、采集时可能处于非发作期或窦性心律状态的问题，提出一种基于多通道心磁信号的阵发性房颤辅助识别方法及系统。

2、第一方面，本发明提供了一种基于多通道心磁信号的阵发性房颤辅助识别方法，包括以下步骤：

3、获取受试者的多通道心磁信号数据，并对其进行预处理，得到预处理后的多通道心磁信号；

4、对所述预处理后的多通道心磁信号先完成r峰定位，再截取连续心搏节律片段；

5、将所述连续心搏节律片段重构为长时间窗三维时空张量，并进行幅值归一化处理；

6、将所述幅值归一化后的长时间窗三维时空张量输入阵发性房颤辅助识别模型，包括多分辨率三维卷积神经网络模块、一维时序卷积融合模块和transformer全局节律特征建模模块，以及分别连接于所述transformer全局节律特征建模模块输出端的分类输出模块和r峰辅助预测模块，其中：

7、通过所述多分辨率三维卷积神经网络模块，提取长时间窗三维时空张量中的局部时空耦合特征；

8、通过所述一维时序卷积融合模块对所述局部时空耦合特征进行时间维度特征压缩与融合，得到时序融合特征；

9、通过所述transformer全局节律特征建模模块，对所述时序融合特征进行全局自注意力建模，得到全局节律依赖增强后的特征表示；

10、所述分类输出模块基于输入的全局节律依赖增强后的特征表示，输出连续心搏节律片段属于阵发性房颤风险类别的预测概率；

11、训练阶段通过所述r峰辅助预测模块，生成r峰预测序列以构建r峰辅助预测损失，并汇总多段连续心搏节律片段预测概率的最大值，得到受试者级阵发性房颤风险评分，同时输出正常风险水平或阵发性房颤风险提示结果。

12、第二方面，本发明提供了一种基于多通道心磁信号的阵发性房颤辅助识别系统，包括：

13、数据采集模块，用于获取受试者的多通道心磁信号数据；

14、数据处理模块，用于对所述多通道心磁信号数据进行预处理、r峰定位、连续心搏节律片段截取、长时间窗三维时空张量构建和幅值归一化处理；

15、模型计算模块，用于将归一化后的长时间窗三维时空张量输入预先训练好的阵发性房颤辅助识别模型，得到连续心搏节律片段属于阵发性房颤风险类别的预测概率；其中，所述阵发性房颤辅助识别模型在训练阶段通过r峰辅助预测模块生成r峰预测序列，并基于所述r峰预测序列构建r峰辅助预测损失，以对模型训练过程进行辅助正则化约束；

16、结果输出模块，用于对同一受试者的多个连续心搏节律片段的预测概率进行最大值汇总，得到受试者级阵发性房颤风险评分，并输出正常风险水平或阵发性房颤风险提示结果；

17、其中，所述阵发性房颤辅助识别模型包括依次连接的多分辨率三维卷积神经网络模块、一维时序卷积融合模块和transformer全局节律特征建模模块，以及分别连接于所述transformer全局节律特征建模模块输出端的分类输出模块和r峰辅助预测模块。

18、与现有技术相比，本发明具有以下有益效果：

19、本发明通过构建包含多个连续心搏的长时间窗心磁片段，使模型能够同时利用连续心搏间时间动态信息、局部波形形态变化以及多通道心磁空间分布信息；当采集片段包含短阵发性节律异常时，可增强对rr间期变化和节律不齐特征的捕获能力，当采集片段处于非发作期窦性心律状态时，可进一步挖掘与阵发性房颤易感状态相关的隐匿性心磁表征；并通过受试者级风险评分汇总多个连续心搏片段的预测结果，能够降低单个片段偶然波动或采集时机差异对判断结果的影响，提高阵发性房颤风险辅助识别的稳定性。

1.一种基于多通道心磁信号的阵发性房颤辅助识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多通道心磁信号的阵发性房颤辅助识别方法，其特征在于，所述预处理包括基线漂移抑制、工频干扰抑制、带通滤波、异常通道处理和幅值归一化处理。

3.根据权利要求1或2所述的一种基于多通道心磁信号的阵发性房颤辅助识别方法，其特征在于，对预处理后的所述多通道心磁信号进行r峰定位，并截取连续心搏节律片段时，执行如下步骤：

4.根据权利要求3所述的一种基于多通道心磁信号的阵发性房颤辅助识别方法，其特征在于，通过所述多分辨率三维卷积神经网络模块，提取长时间窗三维时空张量的局部时空耦合特征时，过程如下：

5.根据权利要求4所述的一种基于多通道心磁信号的阵发性房颤辅助识别方法，其特征在于，所述各三维卷积分支在空间维度均采用3局部感受野，时间维度采用不同尺寸卷积核分别捕获长、中、短三种时间尺度的心磁动态特征，并通过时间维度下采样统一各分支的输出时间长度。

6.根据权利要求1所述的一种基于多通道心磁信号的阵发性房颤辅助识别方法，其特征在于，通过所述一维时序卷积融合模块对局部时空耦合特征进行时间维度特征压缩与融合时，过程如下：

7.根据权利要求1或6所述的一种基于多通道心磁信号的阵发性房颤辅助识别方法，其特征在于，通过所述transformer全局节律特征建模模块，对时序融合特征进行全局自注意力建模时，过程如下：

8.根据权利要求7所述的一种基于多通道心磁信号的阵发性房颤辅助识别方法，其特征在于，所述分类输出模块基于输入的全局节律依赖增强后的特征，输出连续心搏节律片段属于阵发性房颤风险类别的预测概率的过程如下；

9.根据权利要求1所述的一种基于多通道心磁信号的阵发性房颤辅助识别方法，其特征在于，通过所述r峰辅助预测模块生成r峰预测序列，进而构建r峰辅助预测损失的过程如下：

10.一种基于多通道心磁信号的阵发性房颤辅助识别系统，其特征在于，包括：