一种基于ADMM和神经网络的心外膜电位重建方法与流程

本发明涉及心外膜电位
技术领域：
，特别涉及一种基于admm和神经网络的心外膜电位重建方法。
背景技术：
：心电逆问题研究的主要目标是依据心电场在体表所产生的电位分布推测心脏内的电活动，从而判断心脏的健康状况。对于心电逆问题，我们最终需要得到唯一解。然而，由于心电逆问题是病态的，造成其方程式本质上不稳定，使心电逆问题稳定最常见的做法是进行正则化处理，一个成功的正则化过程能够使潜在的问题得到稳定且可行的解。心电逆问题是基于体表电位重建心外膜电位，它最大的特点是其不适定性，正则化方法通过先验信息的一系列限制选出最优解来使逆问题稳定。在求解心电逆问题时，如何选取正则化方法是至关重要的。目前常用的正则化方法有tikhonov(吉洪诺夫正则化)、tsvd(截断奇异值分解发)和ttls(截断完全最小二乘法)，这些都是直接正则化方法，它们都是采用求伪逆的思想，然后施加一些平滑约束，最终一步就能得到逆问题的解。这些方法的优点是计算简单且时间复杂度低，但是其结果的准确性很大程度上依赖参数的好坏，并且对于不同的数据，求得逆问题的解也是不稳定的。有的方法对于某一套数据的计算效果很好，但是换成其它数据误差较大，因此需要找到一种稳定的方法来克服这些缺点。技术实现要素：本发明的目的在于提供一种基于admm和神经网络的心外膜电位重建方法，其能够更加准确地求解心电逆问题，确保心外膜电位重建结果的准确性，可信度高。为实现上述目的，本发明采用以下技术方案：一种基于admm和神经网络的心外膜电位重建方法，包括以下步骤：s1、建立心电逆问题求解模型；s2、基于admm算法，将所述电逆问题求解模型转化为admm算法模型；s3、将所述admm算法模型转化为admm迭代神经网络模型，计算心电逆问题结果。优选地，所述心电逆问题求解模型为：其中，φe为心外膜电位，φt为体表电位，a为由胸腔容积导体模型推算出的转换矩阵。优选地，所述步骤s2具体通过以下方法实现：基于admm算法和增广拉格朗日函数，所述心电逆问题求解模型表示为：所述admm算法模型为：其中，优选地，所述步骤s3中的admm迭代神经网络模型，采用μ(0)、φt(0)、e(0)作为网络输入，φe作为网络输出，仿真数据中预设的标准值为网络标签。采用上述技术方案后，本发明与
背景技术：
相比，具有如下优点：本发明能够更加准确地求解心电逆问题，确保心外膜电位重建结果的准确性，可信度高。附图说明图1为本发明的流程示意图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。实施例请参阅图1，本发明公开了一种基于admm和神经网络的心外膜电位重建方法，包括以下步骤：s1、建立心电逆问题求解模型：其中，φe为心外膜电位，φt为体表电位，a为由胸腔容积导体模型推算出的转换矩阵。心电逆问题求解模型的推导过程如下：人体胸腔容积导体模型是连接心脏电活动和体表电活动的桥梁，为了简化复杂的人体胸腔容积导体模型，使心电逆问题方便用数值方法表示和求解。人们将心脏--躯干区域分割成相互连接的三角形，获得胸腔容积导体的三维模型，并使用边界元方法获得模型的数值表述，其中每个时刻的电位由节点电位来表述。通过该方法，我们可以将心电正问题的模型表示为：φt＝aφe(1)心电逆问题模型可以表示为：φe＝a-φt(2)由于a矩阵的病态特性，我们无法直接对a矩阵求逆，这也使得心电逆问题成为棘手的病态性问题。所以将心电逆问题转化为可求解的一般的凸优化问题：其中，λ代表惩罚因子，(φe)代表对(φe)所采取的约束项。采用λ||φe||2作为惩罚项，并为了优化运算，将所要求解的优化问题模型改写为：这样就获得了上述心电逆问题求解模型。s2、基于admm算法，将电逆问题求解模型转化为admm算法模型。利用admm算法来求解上述优化问题，则公式(4)可以表示为：根据admm算法原理，公式(3)的拉格朗日表达式可以表示为：根据admm算法，迭代过程包含以下三个步骤：将公式(7)展开，固定参数e和μ，更新φe：将公式(8)展开，固定参数φe和μ，更新e：令可得：将公式(9)展开，固定参数φe和e，更新μ：s3、将admm算法模型转化为admm迭代神经网络模型，计算心电逆问题结果。采用μ(0)、φt(0)、e(0)作为网络输入，φe作为网络输出，仿真数据中预设的标准值为网络标签。实验评价一、评价标准利用相对误差re、相关系数cc两个方面定量评估求解求解心电逆问题的准确性。相对误差re表示绝对误差所占真实值的比值，能够确切地反映出测量的准确程度，它与测量准确度成正相关。相关系数cc说明了某种类型的相关性和依赖性的定量衡量。re被定义为：cc被定义为：其中，nk表示心脏几何表面的节点总数，φh表示心脏表面的电位值，上标‘∧’指参考值，上标指平均值。二、实验条件采用真实的人体胸腔容积导体模型，用通过ecgsim软件仿真得到的心脏表面电位与体表电位数据，每次心跳数据500ms，产生的心脏电位数据为(257*500)，体表电位数据为(64*500)，通过调整心脏表面电位源，我们产生了19500条数据，并随机挑选使用其中的80％，即15600条来训练参数，剩下的20％(即3900条)作为验证集来验证网络运行结果。并使用定量的re和cc来进行训练结果的误差评估，然后将结果与另外三个主流的正则化方法进行比较。结果图像通过map3d，scirun4.7，matlabr2013a来实现可视化。三、实验结果采用本发明心外膜电位方法与tikhonov、ttls、admm方法分析进行心外膜电位重建，所获得结果的re和cc值如表1所示：表1tikhonovttlsadmmourmethodre0.1843950.2353340.1607810.140548cc0.9613110.9567930.9587570.964171通过表1可以看出，本发明心外膜电位方法与其他三种方法相比，re更小，cc更大，可以得出使用本实施例心外膜电位重建方法获得的结果更为准确。以上，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。当前第1页12