本发明涉及动态十二导联心电监护，具体是一种基于集成算法的easi导联重建12导联穿戴式心电监护系统与方法。
背景技术：
1、我国心血管疾病患病人群基数大，自身知晓率不高，治疗率更低，一半以上人群未能实施有效防治。心电监护是实现心血管疾病早期检测的有效手段，十二导联心电在评估和安排患者的临床决策中起主导作用。动态心电图holter可以记录长时程的心电，因为它记录点的数量和位置影响到了日常生活，且记录时间(≤7天)相对较短，迫切需求新的测量手段来记录长时程心电。
2、穿戴式心电虽然满足了长时程监测和舒适性要求，但还无法和标准十二导联一样满足临床需求。现有穿戴式心电设备大多采集单导联(两个电极)或三导联心电(四电极或五电极)。与标准十二导联心电相比，这些穿戴式心电所呈现的直观的心脏信息较少，目前只能作为心律不齐诊断的依据。据我们所知，临床上尚未形成针对穿戴式心电的诊断标准。
技术实现思路
1、本发明的目的在于提供一种基于集成算法(深度学习、线性回归算法)的easi导联重建12导联穿戴式心电监护系统与方法，记录人体日常活动状态下easi心电，通过先进的基于easi导联的12导联心电重构算法，为临床医生提供符合临床诊断标准的十二导联心电。
2、为实现上述目的，本发明采取的技术方案是：
3、一方面，本发明提供一种基于集成算法的easi导联重建12导联穿戴式心电监护系统，所述心电监护系统包括穿戴式心电背心、电路板和云端，
4、所述穿戴式心电背心由背心和织物电极组成，其中共设置五个织物电极e、a、s、i、g，用于采集人体心电信号；
5、所述电路板可拆卸地设置在穿戴式心电背心上，并且织物电极与电路板用银纤维织物导线连接；
6、所述电路板包括easi心电采集模块、模数转换模块和数据传输模块，所述easi心电采集模块对织物电极采集的体表电势进行差分放大，其中差分放大的电极对为e-s、a-s、a-i，得到含有心脏冠状面和矢状面信息的双极导联心电信号ves、vas、vai，之后进行滤波和模拟信号到数字信号的转换；所述数据传输模块将数字导联信号通过蓝牙传输到pc端，pc端对接收的easi心电信号进行存储，并提供十二导联心电重建功能。
7、进一步的，所述背心的材料为弹性织物，织物电极的材料为银纤维。
8、另一方面，本发明还提供一种基于集成算法的easi导联重建12导联穿戴式心电监护方法，其包括如下步骤：
9、步骤一、采集多组十五导联心电，包括：标准十二导联(i、ii、iii、avr、avl、avf、v1、v2、v3、v4、v5、v6)，e、a、s、i导联，其中a导联与v6导联位置重合；
10、步骤二、对采集的十五导联心电进行预处理，得到easi导联(ves、vas、vai)心电和标准十二导联心电；
11、步骤三、衡量easi导联与十二导联的差异程度，根据统计出的差异程度，训练出基于集成算法的十二导联心电重构模型，训练出基于集成算法的十二导联心电重构模型，集成算法的表现形式为对差异大的目标导联采用深度学习模型，对差异小的目标导联采用线性回归算法，且在训练过程中，easi导联信号(ves、vas、vai)为输入信号，标准十二导联作为标签；
12、步骤四、利用重构模型实现easi导联到12导联心电的重建。
13、进一步的，所述步骤三的具体过程如下：
14、(1)集成算法中的深度学习模型是基于时序二维的十二导联心电重建模型，其为多通道二维心电重建网络，该网络由两个模块组成：二维心电模块和稀疏解码器；
15、(2)集成算法中的线性回归模型为：用复杂度低的线性回归算法重建波形差距较小的十二导联心电，线性回归的目标导联重建公式为：
16、target＝β0+β1*ves+β2*vas+β3*vai
17、其中，β0，β1，β2，β3是待训练的模型参数，ves,vas,vai是输入信号，target是重建的目标导联心电。
18、更进一步的，在二维心电模块中将ecg按照频域能量自适应展开成2d，并同时提取心拍间和心拍内的变化，在稀疏解码器模块中首先对输入信号进行稀疏注意力计算提取，然后在编码器-解码器注意力层中融合上述提取的信息，为目标导联重建提供信息基础。
19、更进一步的，多通道二维心电重建网络的输入为ves、vas、vai三导联心电，对于长度为l的心电序列，原始的一维心电信号是x1d∈rl×3；
20、通过将原始三通道心电映射成高维向量其中模拟t时刻内的矢量心电图分布，提升模型的泛化能力。
21、更进一步的，为呈现心电序列中周期间的变化，设计自适应2d展开的时序二维模块；通过快速傅里叶变换找到心电序列中频域能量最高的m个频段，如下所示：
22、
23、
24、
25、其中，fft(·)和amp(·)分别表示傅里叶变换和幅值计算，a表示每个频段上计算出的幅值，通过函数avg(·)获得dmodel维度上的均值；
26、考虑到频域的稀疏性，只选择前m＝3个幅值，获取最重要的频段以及对应的幅值{a1,…,am}，这些被选择的频段对应k个周期长度{p1,…,pm}，由于频域的共轭性，我们只使用范围内的频率，基于选择的周期长度{p1,…,pm}和频率{f1,…,fm}，可以通过以下公式将1d时间序列x1d∈rt×dmodel重构为2d张量：
27、
28、其中，padding(·)通过在时间维度上填充0从而延长时间序列，使得在时间维度上均等的分为fi份，pi和fi分别表示转换后2d张量的行和列的数量，每一行表示心拍间的变化，而每一列表示心拍内的变化，是基于频率fi得到的第i个2d张量；
29、转换之后，采用高效的inceptionblock处理2d张量，记作inception(·)；
30、使用的inception(·)中包含3个尺度的二维卷积核分别为1、3、5，计算公式如下：
31、
32、此处的inception(·)模块是m个共享的；
33、最终，为下一层将k个转换回1d表示，并进行融合；并基于幅值融合转换后的m个1d张量，公式如下：
34、
35、
36、更进一步的，所述稀疏解码器的输入分为两个部分：第一部分输入为easi导联(ves、vas、vai)之一，第二部分输入为时序二维模块的输出
37、更进一步的，在训练对应模型时，ves、vas、vai中与目标导联相关性系数最高的导联作为稀疏解码器的输入：
38、首先对稀疏解码器的输入编码：
39、
40、此处，q，k，v分别表示query，key，value矩阵，k表示与q大小相同(lk＝lq＝l)的稀疏矩阵；再对编码后的心电进行稀疏自注意力计算，q只需随机与k矩阵中ln(lk)行进行点积，其余lk-ln(lk)个点积对用0填充；计算过程如下：
41、
42、计算出的l*l矩阵中，只有ln(l)个列有数值，所以，probdecoder中自注意力只需计算o(l*ln(l))点积；对q和k计算出的矩阵进行“最大值-最小值”测量：
43、
44、然后依据{m1,…,ml}的排序，从q中选择最高的u个向量作为u＝c*ln(l)，此处c是超参数，稀疏矩阵k，v计算出的自注意力矩阵也是稀疏的，其余位置用q的平均值填充，最终稀疏自注意力的尺寸仍然是l×l，计算如下：
45、
46、如前所述，通过时序二维模块提取easi导联(ves、vas、vai)心电中的周期变化信息，并基于这些信息，在编码器-解码器注意力层中做注意力机制计算，并对稀疏解码器中value矩阵蕴藏的心电信息进行矫正，类残差式实现目标导联心电重建；故基于该probattention计算出新的value矩阵
47、
48、
49、更进一步的，经过线性变化后得到新的query和key矩阵：在编码器-解码器注意力层进行心电波形的矫正，经过前馈层(feedforward)和线性层(linear)后，得到重建的目标导联心电target：
50、
51、集成算法中的深度学习模型用于重建ii、avf、v3、v4、v5、v6导联，集成算法中的线性回归模型用于重建i、iii、avr、avl、v1、v2导联。
52、与现有技术相比，本发明的有益效果是：本发明解决了现有穿戴式心电监护技术领域采集的穿戴式心电与标准12导联心电差异过大，无法满足临床诊断的问题。本发明的系统包括：easi心电采集模块采集穿戴者的easi心电信号；数据传输模块将easi心电上传到pc端；pc端正常存储easi心电，在需要穿戴式心电辅助诊断时提供easi心电重建12导联心电功能，辅助临床诊断。其中easi心电重建12导联心电的方法为集成算法，包括本发明提出的时序二维的十二导联心电重建模型深度学习模型和经典的线性回归算法。本发明与现有12导联心电重构方法有显著不同，现有十二导联重构未考虑每一导联的重构需要的复杂度不一致；而本发明方法用深度学习和线性回归两种复杂度进行十二导联重构，并在真实数据上进行了验证。故本发明能更加精确的实现easi导联重建12导联心电，帮助医生进行准确诊断。
1.一种基于集成算法的easi导联重建12导联穿戴式心电监护系统，其特征在于，所述心电监护系统包括穿戴式心电背心、电路板和云端，
2.根据权利要求1所述的基于集成算法的easi导联重建12导联穿戴式心电监护系统，其特征在于，所述背心的材料为弹性织物，织物电极的材料为银纤维。
3.一种基于集成算法的easi导联重建12导联穿戴式心电监护方法，其特征在于包括如下步骤：
4.根据权利要求3所述的基于集成算法的easi导联重建12导联穿戴式心电监护方法，其特征在于，所述步骤三的具体过程如下：
5.根据权利要求4所述的基于集成算法的easi导联重建12导联穿戴式心电监护方法，其特征在于，在二维心电模块中将ecg按照频域能量自适应展开成2d，并同时提取心拍间和心拍内的变化，在稀疏解码器模块中首先对输入信号进行稀疏注意力计算提取，然后在编码器-解码器注意力层中融合上述提取的信息，为目标导联重建提供信息基础。
6.根据权利要求5所述的基于集成算法的easi导联重建12导联穿戴式心电监护方法，其特征在于，多通道二维心电重建网络的输入为ves、vas、vai三导联心电，对于长度为l的心电序列，原始的一维心电信号是x1d∈rl×3；
7.根据权利要求6所述的基于集成算法的easi导联重建12导联穿戴式心电监护方法，其特征在于，为呈现心电序列中周期间的变化，设计自适应2d展开的时序二维模块；通过快速傅里叶变换找到心电序列中频域能量最高的m个频段，如下所示：
8.根据权利要求7所述的基于集成算法的easi导联重建12导联穿戴式心电监护方法，其特征在于，所述稀疏解码器的输入分为两个部分：第一部分输入为easi导联(ves、vas、vai)之一，第二部分输入为时序二维模块的输出
9.根据权利要求7所述的基于集成算法的easi导联重建12导联穿戴式心电监护方法，其特征在于，在训练对应模型时，ves、vas、vai中与目标导联相关性系数最高的导联作为稀疏解码器的输入：
10.根据权利要求9所述的基于集成算法的easi导联重建12导联穿戴式心电监护方法，其特征在于，经过线性变化后得到新的query和key矩阵：在编码器-解码器注意力层进行心电波形的矫正，经过前馈层(feedforward)和线性层(linear)后，得到重建的目标导联心电target：
