心功能检测系统、计算机存储介质及终端

技术领域

本发明涉及图像处理技术领域，具体涉及一种心功能检测系统、计算机存储介质及终端。

背景技术

心功能不全在我国及全世界范围逐渐成为重要的死亡原因，对人类健康构成了重大挑战，其中心肌缺血是导致心脏泵功能衰竭的主要原因。心功能不全是心脏无法有效地泵送血液以满足机体需要，从而表现出易疲劳、呼吸困难、水肿等临床表现。心功能不全在早期没有明显的临床症状，易被忽视，一旦出现症状，心衰进展不可逆且预后极差，相比已经存在症状的患者，对于此类患者进行早期干预促进心脏逆重构具有更明显的临床价值。超声心动图是目前最有效的检查手段，但该手段由于检查时间较长、需要与患者皮肤直接接触，在心功能不全二级预防中难以作为常规的筛查手段进行普及。

目前对于早期心功能不全的检测主要是来自临床危险因素模型、心电图参数系统以及生物标记物的源数据，临床危险因素和血生物标志物模型的参数来源于易于获得的医疗信息和血样本，但是其经过优化处理和组合后仍无法达到令人满意的灵敏度；另外，心电图来源的特征易受环境和个体本身的影响，存在信号衰减、波形失真等问题，准确度较差。以上易于获得的参数和数据无法提供令人满意的灵敏度和准确度。

发明内容

本发明提供一种灵敏性高、准确度高且能够节约人力和时间成本的心功能检测系统、计算机存储介质及终端。

为解决上述技术问题，本发明提供技术方案如下：

一种心功能检测系统，包括：

数据获取模块：用于获取心磁图原始数据，并对心磁图原始数据进行预处理，获取P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图；

二维图绘制模块：用于基于获取的所述一维蝴蝶图及各个心磁通道的位置，分别获取P波、QRS波、ST段波以及T波波段对应的二维等磁图、电流密度图、梯度场、旋度场和散度场；

特征提取模块：用于从P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图、二维等磁图、电流密度图、梯度场、旋度场和散度场中提取与心功能相关的特征参数；

特征筛选模块：用于对提取的特征参数进行排序、线性互相关判断和数量选择，得到特征子集；

判断比较模块：用于根据所述特征子集判断被试者的心功能是否正常；

其中，所述特征参数包括：波形类特征参数、互相关类特征参数、LBP类特征参数、图像形状类特征、图像像素类特征、细颗粒度动态特征，动态组合特征以及瞬态组合特征、SVD类特征参数、主要场类特征参数。

进一步的，所述二维图绘制模块包括：

第一二维图绘制模块：用于基于获取的所述一维蝴蝶图及各个心磁通道的位置，分别绘制得到P波、QRS波、ST段波以及T波波段对应的二维等磁图，基于所述二维等磁图分别计算得到P波、QRS波、ST段波以及T波波段对应的电流密度图；

第二二维图绘制模块：用于根据梯度公式和旋度公式分别计算得到P波、QRS波、ST段波以及T波波段对应的电流密度图中每个位置的矢量信号的梯度值和旋度值，并根据梯度值和旋度值分别绘制得到P波、QRS波、ST段波以及T波波段对应的梯度场和旋度场；

第三二维图绘制模块：用于根据散度公式计算分别计算得到P波、QRS波、ST段波以及T波波段对应的梯度场中每个位置的矢量信号的散度值，并根据散度值绘制得到P波、QRS波、ST段波以及T波波段对应的散度场。

进一步的，所述特征提取模块包括：

第一特征提取模块：用于从P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图提取波形类特征参数、互相关类特征参数；

第二特征提取模块：用于从P波、QRS波、ST段波以及T波波段对应的二维等磁图、电流密度图提取图像形状类特征、图像像素类特征、LBP类特征参数、细颗粒度动态特征、动态组合特征以及瞬态组合特征；

第三特征提取模块：用于从P波、QRS波、ST段波以及T波波段对应的梯度场、旋度场和散度场中提取SVD类特征参数和主要场类特征参数。

进一步的，所述特征子集包括：

所述QRS波对应的二维等磁图中正值场重心位置Y坐标的直方图的第m

所述T波对应的二维等磁图中T2点的正值场Y坐标最大值与T1点的正值场Y坐标最大值之间的比值；

所述QRS波所对应的梯度场中重心X坐标的直方图的第m

所述QRS波所对应的梯度场中最大单连通图形的凸包中区域内像素所占的比例的直方图的第m

所述P波对应的旋度场中最大电流矢量处的旋度值的直方图的第m

所述P波对应的梯度场中正主要场构成的总矢量角度的第m

所述ST段波对应的二维等磁图中最大单连通图形x 轴与椭圆长轴之间的角度的四分差与T波对应的二维等磁图中最大单连通图形x 轴与椭圆长轴之间的角度的四分差之间的比值；

所述ST段波对应的旋度场中负旋度场最大值位置Y坐标的直方图的第m

所述ST段波对应的旋度场中最大单连通图形x 轴与椭圆长轴之间的角度的第m

所述ST段波对应的散度场中负散度场最大值指向正散度最大值的矢量大小的直方图的第m

所述ST段波对应的梯度场中最大梯度矢量方向的直方图的第m

所述P波起点到顶点对应的电流密度图中最大单连通图形X 轴与椭圆长轴之间的角度的直方图的第m

所述P波起点到顶点对应的旋度场中负旋度场重心位置X坐标的Renyi熵。

一种计算机存储介质，所述计算机可读存储介质存有计算机程序，所述计算机程序被处理器运行时，实现心功能检测方法，所述心功能检测方法，包括：

获取心磁图原始数据，并对心磁图原始数据进行预处理，获取P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图；

基于获取的所述一维蝴蝶图及各个心磁通道的位置，分别获取P波、QRS波、ST段波以及T波波段对应的二维等磁图、电流密度图、梯度场、旋度场和散度场；

从P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图、二维等磁图、电流密度图、梯度场、旋度场和散度场中提取与心功能相关的特征参数；

对提取的特征参数进行排序、线性互相关判断和数量选择，得到特征子集；

根据所述特征子集判断被试者的心功能是否正常；

其中，所述特征参数包括：波形类特征参数、互相关类特征参数、LBP类特征参数、图像形状类特征、图像像素类特征、细颗粒度动态特征，动态组合特征以及瞬态组合特征、SVD类特征参数、主要场类特征参数。

进一步的，所述基于获取的所述一维蝴蝶图及各个心磁通道的位置，分别获取P波、QRS波、ST段波以及T波波段对应的二维等磁图、电流密度图、梯度场、旋度场和散度场的步骤包括：

基于获取的所述一维蝴蝶图及各个心磁通道的位置，分别绘制得到P波、QRS波、ST段波以及T波波段对应的二维等磁图，基于所述二维等磁图分别计算得到P波、QRS波、ST段波以及T波波段对应的电流密度图；

根据梯度公式和旋度公式分别计算得到P波、QRS波、ST段波以及T波波段对应的电流密度图中每个位置的矢量信号的梯度值和旋度值，并根据梯度值和旋度值分别绘制得到P波、QRS波、ST段波以及T波波段对应的梯度场和旋度场；

根据散度公式计算分别计算得到P波、QRS波、ST段波以及T波波段对应的梯度场中每个位置的矢量信号的散度值，并根据散度值绘制得到P波、QRS波、ST段波以及T波波段对应的散度场。

进一步的，所述从P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图、二维等磁图、电流密度图、梯度场、旋度场和散度场中提取与心功能相关的特征参数的步骤包括：

从P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图提取波形类特征参数、互相关类特征参数；二维等磁图、电流密度图提取图像形状类特征、图像像素类特征、LBP类特征参数、细颗粒度动态特征、动态组合特征以及瞬态组合特征；

从P波、QRS波、ST段波以及T波波段对应的梯度场、旋度场和散度场中提取SVD类特征参数和主要场类特征参数。

进一步的，所述特征子集包括：

所述QRS波对应的二维等磁图中正值场重心位置Y坐标的直方图的第m

所述T波对应的二维等磁图中T2点的正值场Y坐标最大值与T1点的正值场Y坐标最大值之间的比值；

所述QRS波所对应的梯度场中重心X坐标的直方图的第m

所述QRS波所对应的梯度场中最大单连通图形的凸包中区域内像素所占的比例的直方图的第m

所述P波对应的旋度场中最大电流矢量处的旋度值的直方图的第m

所述P波对应的梯度场中正主要场构成的总矢量角度的第m

所述ST段波对应的二维等磁图中最大单连通图形x 轴与椭圆长轴之间的角度的四分差与T波对应的二维等磁图中最大单连通图形x 轴与椭圆长轴之间的角度的四分差之间的比值；

所述ST段波对应的旋度场中负旋度场最大值位置Y坐标的直方图的第m

所述ST段波对应的旋度场中最大单连通图形x 轴与椭圆长轴之间的角度的第m

所述ST段波对应的散度场中负散度场最大值指向正散度最大值的矢量大小的直方图的第m

所述ST段波对应的梯度场中最大梯度矢量方向的直方图的第m

所述P波起点到顶点对应的电流密度图中最大单连通图形X 轴与椭圆长轴之间的角度的直方图的第m

所述P波起点到顶点对应的旋度场中负旋度场重心位置X坐标的Renyi熵。

一种终端，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行上述任一所述的计算机存储介质上的计算机程序。

与现有技术相比，本发明的心功能检测系统、计算机存储介质及终端具有以下有益效果：

1、本发明创新性的从P波、QRS波、ST段波以及T波波段构建了电流密度图的梯度场、旋度场和散度场，从更多角度提取了对心脏重构敏感的波形类特征参数、互相关类特征参数、LBP类特征参数、图像形状类特征、图像像素类特征、细颗粒度动态特征，动态组合特征以及瞬态组合特征、SVD类特征参数、主要场类特征参数等特征参数，发掘这些特征参数的分布规律，提供更全面的特征信息，能够从更多角度提取对心脏重构敏感的特征参数，来辅助实现心功能前期患者的识别，进一步提高了早期心功能检测结果的准确度；

2、本发明通过构建电流密度图的梯度场、旋度场和散度场，并采用新技术手段多方位提取特征参数，能够识全面别与心功能相关的特征，并构建心功能判断比较模块，能够更加直接且早期的检测心电信号变化，反应病理状态，识别心功能效能灵敏度可达90%，因此可用于心功能的早期筛查，为下一步是否行进一步检查及治疗提供帮助。

3、本发明优于既往使用的一维或二维心电图以及生物学指标参数，避免了复杂的源重构过程，且对人体非入侵无伤害，临床可行性强；操作简便，极大地节约了人力和时间成本。

附图说明

图1为本发明的心功能检测系统中的一实施例的结构示意图；

图2为本发明的心功能检测系统中的另一实施例的结构示意图；

图3为本发明的心功能检测系统中的另一实施例的结构示意图；

图4为本发明的计算机存储介质的一实施例的流程示意图；

图5为本发明的计算机存储介质的另一实施例的流程示意图；

图6为本发明的计算机存储介质的另一实施例的流程示意图；

图7为发明的终端的一实施例的结构示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

一方面，本发明提供一种心功能检测系统，如图1-3所示，包括：

数据获取模块100：用于获取心磁图原始数据，并对心磁图原始数据进行预处理，获取P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图；

本发明一实施例中，数据获取模块100中可以通过SERF效应36通道光泵磁力计心磁图仪获取多通道的心磁图原始数据。

本发明一实施例中，数据获取模块100中对心磁图原始数据进行预处理主要包括滤波降噪处理和波段分割，通过滤波降噪处理去掉了心磁图原始数据的噪声干扰，保证了后续病变程度及范围检测的准确性；之后对去除噪声干扰的心磁图进行波段分割，即可获取P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图。

本发明一实施例中，数据获取模块100中可以采用现有技术中已知的滤波降噪和波段分割方法对心磁图原始数据进行处理，在此不再赘述。

二维图绘制模块200：用于基于获取的一维蝴蝶图、各个心磁通道记录的磁场强度及位置，分别获取P波、QRS波、ST段波以及T波波段对应的二维等磁图、电流密度图、梯度场、旋度场和散度场；

本发明一实施例中，二维图绘制模块200具体包括：

第一二维图绘制模块201：用于基于获取的所述一维蝴蝶图及各个心磁通道记录的磁场强度及位置，分别绘制得到P波、QRS波、ST段波以及T波波段对应的二维等磁图，基于所述二维等磁图分别计算得到P波、QRS波、ST段波以及T波波段对应的电流密度图；

本发明一实施例中，第一二维图绘制模块201中可以根据电流密度计算公式计算二维等磁图上所有点的电流密度，即可得到P波、QRS波、ST段波以及T波波段对应的电流密度图，其中（x，y）表示胸腔上方某一点在二维等磁图上的坐标值。

第二二维图绘制模块202：用于根据梯度公式和旋度公式分别计算得到P波、QRS波、ST段波以及T波波段对应的电流密度图中每个位置的矢量信号的梯度值和旋度值，并根据梯度值和旋度值分别绘制得到P波、QRS波、ST段波以及T波波段对应的梯度场和旋度场；

本发明一实施例中，第二二维图绘制模块202中各个波段对应的梯度场绘制方法如下：采用梯度公式gradF(x,y)=F_x (x,y) i ̅+F_y (x,y) j ̅计算电流密度图中每个矢量信号的梯度值，其中F表示电流密度图中某一点位置（x,y）的电流矢量, F_x (x,y)表示函数F对于x求偏导数，F_y (x,y)表示函数F对于y求偏导数，i ̅是x轴的单位矢量，j ̅是y轴的单位矢量。使用有限差分计算其定义中的偏导数。对于电流密度图中的内部数据点，使用中心差分计算偏导数。对于沿电流密度图的边缘的数据点，使用单侧（正向）差分计算偏导数；最后，根据每个矢量信号计算的梯度值绘制P波、QRS波、ST段波以及T波波段对应的梯度场。

各个波段对应的旋度场绘制方法如下：采用旋度公式 curl（F） = dFy/dx – dFx/dy计算电流密度图中每个矢量信号的旋度值，其中F表示电流密度图中某一点位置（x,y）的电流矢量，dFy/dx表示电流矢量F中的y分量对于x轴方向求偏导数，dFx/dy表示电流矢量F中的x分量对于y轴方向求偏导数。使用有限差分计算其定义中的偏导数，对于电流密度图中的内部数据点，使用中心差分计算偏导数，对于沿电流密度图中边缘的数据点，使用单侧（正向）差分计算偏导数；最后，根据每个矢量信号位置计算的旋度值绘制P波、QRS波、ST段波以及T波波段对应的旋度场。

第三二维图绘制模块203：用于根据散度公式计算分别计算得到P波、QRS波、ST段波以及T波波段对应的梯度场中每个位置的矢量信号的散度值，并根据散度值绘制得到P波、QRS波、ST段波以及T波波段对应的散度场。

本发明一实施例中，第三二维图绘制模块203中各个波段对应的散度场绘制方法如下：散度公式div(F) = dFx/dx + dFy/dy，其中F表示二维梯度场中某一点位置（x,y）的梯度矢量, dFx/dx 表示将 f的x轴矢量对x求偏导数，dFy/dy 表示将 F的y轴矢量对y求偏导数。使用有限差分计算其定义中的偏导数。对于电流密度图中的内部数据点，使用中心差分计算偏导数。对于沿电流密度图中边缘的数据点，使用单侧（正向）差分计算偏导数；最后，根据每个矢量信号计算的散度值绘制P波、QRS波、ST段波以及T波波段对应的散度场。

特征提取模块300：用于从P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图、二维等磁图、电流密度图、梯度场、旋度场和散度场中提取与心功能相关的特征参数；

本发明一实施例中，特征提取模块300中可以根据P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图、二维等磁图、电流密度图、梯度场、旋度场和散度场获取对应的阵列数据，根据该阵列数据提取与心功能相关的特征参数。

本发明一实施例中，与心功能相关的特征参数包括：波形类特征参数、互相关类特征参数、LBP类特征参数、图像形状类特征、图像像素类特征、细颗粒度动态特征，动态组合特征以及瞬态组合特征、SVD类特征参数、主要场类特征参数。

本发明一实施例中，特征提取模块300进一步包括：

第一特征提取模块301：用于从P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图提取波形类特征参数、互相关类特征参数，具体如下：

波形类特征参数提取方法：使用无量纲的描述波形形状变化的算子作为波形类特征参数，包括：峭度因子、偏度因子、波形因子、峰值因子、脉冲因子、裕度因子和波动指数；

互相关类特征参数提取方法：使用SERF效应36通道光泵磁力计心磁图仪时，计算该心磁图仪的通道中任意两个通道之间波形的Pearson线性相关系数，共计630个不同通道之间的互相关特征。

第二特征提取模块302：用于从P波、QRS波、ST段波以及T波波段对应的二维等磁图、电流密度图提取图像形状类特征、图像像素类特征、LBP类特征参数、细颗粒度动态特征、动态组合特征以及瞬态组合特征，具体如下：

图像形状类特征、图像像素类特征提取方法：计算P波、QRS波、ST段波以及T波波段对应的二维等磁图和电流密度图中的主要场（即信号幅值＞0.8*最大幅值），并把二维等磁图和电流密度图（彩图）转换为灰度图和二值图，分别使用二值图找出二维等磁图对应的第一和第二大的单连通区域（这两个单连通区域分别包含等磁图中的两个磁极的主要场）和电流密度图对应的最大连通区域，最后分别计算两个连通区域的图像形状类特征和图像像素类特征。

局部二值模式（Local Binary Pattern, LBP）类特征参数提取方法：将P波、QRS波、ST段波以及T波波段对应的二维等磁图和电流密度图（彩图）转换为灰度图像。选择一个像素点P(x,y)作为中心点，确定该点周围的邻域半径和邻域内所选的像素点个数（本实施例选择领域半径为2，像素点个数为8）。将选定的邻域内像素值与中心像素点的灰度值进行比较，如果邻域内像素点的灰度值大于或等于中心像素点的灰度值，则该像素点的二进制值为1，否则为0。将二进制值形成一个二进制字符串，然后将二进制字符串转换为10进制数值。重复以上步骤，对于图像中每一个像素点都计算其LBP值；最终，生成一个LBP图像，其中每一个像素点的值表示其所在邻域内像素的LBP值。

细颗粒度动态特征是指使用丰富的统计参数描述特征动态变化过程，这些统计参数可以作为动态特征。统计参数包括7大类，分别是基本类，集中量数类，差异量数类、无量纲类、直方图类、熵类、高阶类。

动态组合特征是从P波、QRS波、ST段波以及T波波段对应的二维等磁图/电流密度图中提取的不同波段的动态特征进行比值处理得到的。具体来说，在二维等磁图/电流密度图中提取的动态特征选择的是某一波段计算特征值。

瞬态组合特征是从P波、QRS波、ST段波以及T波波段对应的二维等磁图/电流密度图中提取的不同时刻的瞬态特征进行比值处理得到的。具体来说，在P波、QRS波、ST段波以及T波波段对应的二维等磁图/电流密度图中提取的瞬态特征选择的是某一时刻计算特征值。

第三特征提取模块303：用于从P波、QRS波、ST段波以及T波波段对应的梯度场、旋度场和散度场中提取SVD类特征参数和主要场类特征参数，具体如下：

SVD类特征参数提取方法：根据P波、QRS波、ST段波以及T波波段分别对应的某一时刻的旋度场/散度场/梯度场，获取阵列数据；对该阵列数据进行奇异值分解，对分解后的奇异值进行归一化处理；选取归一化的第2，3，4，5个奇异值作为特征，以及计算前6个归一化奇异值的平均值、标准差和shannon熵作为特征，得到SVD类特征参数。

主要场类特征参数提取方法：根据P波、QRS波、ST段波以及T波波段分别对应的某一时刻的旋度场或散度场或梯度场，获取方阵数据；提取方阵数据中信号大于0.8倍的正幅值信号中的最大值，以及小于0.8倍的负幅值信号中的最小值，这些数据共同构成主要场；提取主要场的面积、重心、总矢量相关的特征，包括：正值主要场的面积；正值主要场的重心位置；正值主要场构成的总矢量方向；正值主要场构成的总矢量幅值；主要场的面积；主要场的重心位置。

特征筛选模块400：用于对提取的特征参数进行排序、线性互相关判断和数量选择，得到特征子集；

本发明一实施例中，特征筛选模块400可以首先使用特征选择算法（比如：卡方检验）对提取的特征参数按类可分性标准进行排序，并选择前N1个特征参数，N1选择为训练集观测值个数；其次对选择的N1个特征进行线性互相关判断，保留互相关系数小于0.5的特征参数，保留的特征参数有N2个；最后进行特征参数的个数选择，使用训练集数据绘制N3个交叉验证的误分类率和特征参数个数之间的变化，选择误分类率随着特征参数的个数增多而不再明显下降的点为最佳点，该点对应的特征参数个数为最终选择的特征参数个数，这些特征参数组成特征子集。

本发明一实施例中，根据特征参数的重要性指标进行评估排序，一般选取排在特征参数总数量的前1/10的参数作为建模使用的特征子集。

本发明一实施例中，当特征参数量为150个时，根据这150个特征参数进行预处理、评估后选取重要程度排在1/10的参数作为建模使用的特征子集，这15个特征子集包括：

QRS波对应的二维等磁图中正值场重心位置Y坐标的直方图的第4个bin值与T波对应的二维等磁图中正值场重心位置Y坐标的直方图的第4个bin值之间的比值、QRS波对应的二维等磁图中正负值主要场重心连线的方向的直方图的第5个bin值与T波对应的二维等磁图中正负值主要场重心连线的方向的直方图的第5个bin值之间的比值、QRS波对应的二维等磁图中最大单连通图形最小 Feret 直径相对于图像水平轴的角度的直方图的第6个bin值与T波对应的二维等磁图中最大单连通图形最小 Feret 直径相对于图像水平轴的角度的直方图的第6个bin值之间的比值；

T波对应的二维等磁图中T2点的正值场Y坐标最大值与T1点的正值场Y坐标最大值之间的比值；

QRS波所对应的梯度场中重心X坐标的直方图的第9个bin值与T波所对应的梯度场中重心X坐标的直方图的第9个bin值之间的比值；

QRS波所对应的梯度场中最大单连通图形的凸包中区域内像素所占的比例的直方图的第7个bin值与T波所对应的梯度场中最大单连通图形的凸包中区域内像素所占的比例的直方图的第7个bin值之间的比值；

P波对应的旋度场中最大电流矢量处的旋度值的直方图的第8个bin值与T波对应的旋度场中最大电流矢量处的旋度值的直方图的第8个bin值之间的比值；

P波对应的梯度场中正主要场构成的总矢量角度的第90百分位数与T波对应的梯度场中正主要场构成的总矢量角度的第90百分位数之间的比值；

ST段波对应的二维等磁图中最大单连通图形x 轴与椭圆长轴之间的角度的四分差与T波对应的二维等磁图中最大单连通图形x 轴与椭圆长轴之间的角度的四分差之间的比值；

所述ST段波对应的旋度场中负旋度场最大值位置Y坐标的直方图的第9个bin值与T波对应的旋度场中负旋度场最大值位置Y坐标的直方图的第9个bin值；

ST段波对应的旋度场中最大单连通图形x 轴与椭圆长轴之间的角度的第3个百分位数与T波对应的旋度场中最大单连通图形x 轴与椭圆长轴之间的角度的第3个百分位数；

所述ST段波对应的散度场中负散度场最大值指向正散度最大值的矢量大小的直方图的第3个bin值与T波对应的散度场中负散度场最大值指向正散度最大值的矢量大小的直方图的第3个bin值之间的比值；

ST段波对应的梯度场中最大梯度矢量方向的直方图的第9个bin值与T波对应的的梯度场中最大梯度矢量方向的直方图的第9个bin值之间的比值；

P波起点到顶点对应的电流密度图中最大单连通图形X 轴与椭圆长轴之间的角度的直方图的第10个bin值；

P波起点到顶点对应的旋度场中负旋度场重心位置X坐标的Renyi熵。

判断比较模块500：用于根据特征子集判断被试者的心功能是否正常。

本发明一实施例中，判断比较模块500中可采用机器学习法判断被试者的冠状动脉血流是否正常，具体如下：

使用已知的心功能正常和已知心功能异常的患者作为原始数据集，使用上述特征子集，训练机器学习模型。使用上述提取到的15个特征子集，训练机器学习模型，如基于线性核的支持向量机(Support Vector Machine with a linear kernel)，模型输出正常类和异常类的标签，可以使用0代表正常类别，使用1代表异常类别，使用准确率、精准率、召回率、AUC曲线等评价指标，评估分类模型效能。

当被试者的特征子集输入已训练完毕的机器学习模型，输出标签类别为1时则认为是心功能异常，输出标签类别为0时则认为该被试者的心功能正常。

另一方面，本发明还提供一种计算机存储介质，如图4-6所示，存有计算机程序，该计算机程序被处理器运行时，实现心功能检测方法，该方法包括：

步骤S1：获取心磁图原始数据，并对心磁图原始数据进行预处理，获取P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图；

步骤S2：基于获取的一维蝴蝶图及各个心磁通道的位置，分别获取P波、QRS波、ST段波以及T波波段对应的二维等磁图、电流密度图、梯度场、旋度场和散度场；

步骤S3：从P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图、二维等磁图、电流密度图、梯度场、旋度场和散度场中提取与心功能相关的特征参数；步骤S4：对提取的特征参数进行排序、线性互相关判断和数量选择，得到特征子集；步骤S5：根据特征子集判断被试者的心功能是否正常。

步骤S4：对提取的特征参数进行排序、线性互相关判断和数量选择，得到特征子集；

步骤S5：根据特征子集判断被试者的心功能是否正常。

本发明一实施例中，步骤S2进一步包括：

步骤S21：基于获取的一维蝴蝶图及各个心磁通道的位置，分别绘制得到P波、QRS波、ST段波以及T波波段对应的二维等磁图；基于二维等磁图分别计算得到P波、QRS波、ST段波以及T波波段对应的电流密度图；

步骤S22：根据梯度公式和旋度公式分别计算得到P波、QRS波、ST段波以及T波波段对应的电流密度图中每个位置的矢量信号的梯度值和旋度值，并根据梯度值和旋度值分别绘制得到P波、QRS波、ST段波以及T波波段对应的梯度场和旋度场。

步骤S23：根据散度公式计算分别计算得到P波、QRS波、ST段波以及T波波段对应的梯度场中每个位置的矢量信号的散度值，并根据散度值绘制得到P波、QRS波、ST段波以及T波波段对应的散度场。

本发明一实施例中，步骤S3进一步包括：

步骤S31：从P波、QRS波、ST段波以及T波波段对应的一维蝴蝶图提取波形类特征参数、互相关类特征参数；

步骤S32：从P波、QRS波、ST段波以及T波波段对应的从二维等磁图、电流密度图提取图像形状类特征、图像像素类特征、LBP类特征参数、细颗粒度动态特征、动态组合特征以及瞬态组合特征；

步骤S33：从P波、QRS波、ST段波以及T波波段对应的梯度场、旋度场和散度场中提取SVD类特征参数和主要场类特征参数。

优选的，计算机存储介质可以采用ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

本发明还提供一种终端，如图7所示，包括处理器700和存储器800，存储器700用于存储计算机程序，处理器800用于执行存储器700存储的计算机程序，以使终端执行上述任一的心功能检测方法。

综上所述，发明创新性的从P波、QRS波、ST段波以及T波波段构建了电流密度图的梯度场、旋度场和散度场，从更多角度提取了对心脏重构敏感的波形类特征参数、互相关类特征参数、LBP类特征参数、图像形状类特征、图像像素类特征、细颗粒度动态特征，动态组合特征以及瞬态组合特征、SVD类特征参数、主要场类特征参数等特征参数，发掘这些特征参数的分布规律，提供更全面的特征信息，能够从更多角度提取对心脏重构敏感的特征参数，来辅助实现心功能前期患者的识别，进一步提高了早期心功能检测结果的准确度；

本发明通过构建电流密度图的梯度场、旋度场和散度场，并采用新技术手段多方位提取特征参数，能够识全面别与心功能相关的特征，并构建心功能判断比较模块，能够更加直接且早期的检测心电信号变化，反应病理状态，识别心功能效能灵敏度可达90%，因此可用于心功能的早期筛查，为下一步是否行进一步检查及治疗提供帮助。

本发明优于既往使用的一维或二维心电图以及生物学指标参数，避免了复杂的源重构过程，且对人体非入侵无伤害，临床可行性强；操作简便，极大地节约了人力和时间成本。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。