心电信号检测方法、终端和计算机可读存储介质技术

本发明专利技术公开了一种心电信号检测方法，终端和计算机可读存储介质，所述方法包括：采集心电图对应的心电信号，其中，所述心电信号包括多种类型的心电信号数据；将多种类型的心电信号数据输入到预设的卷积神经网络模型中，其中，所述卷积神经网络模型包括预设层数的卷积层；在卷积神经网络模型中的倒数第三层卷积层中得到第一结果，将所述第一结果输入到倒数第二层卷积层中得到第二结果，并将所述第二结果输入到最后一层卷积层，以得到包含多种类型标注的输出结果；将包含多种类型标注的输出结果作为心电信号的检测结果。本发明专利技术实现了单次检测得到完整的检测结果，提高了心电信号检测的智能性和便捷性。

【技术实现步骤摘要】
心电信号检测方法、终端和计算机可读存储介质
本专利技术涉及医学数据处理
，尤其涉及一种心电信号检测方法、终端和计算机可读存储介质。
技术介绍
随着科学技术的发展，医学数据处理的技术也在逐渐发展。目前使用心电图机对常规心电数据的检测方法，通常是采用传统的信号处理方法，这种方法需要人为地去设计很多复杂的算法，并且对于心电信号中的任一种心电信号数据，一种算法一次只能判定出一种数据类型，这显然不符合现实状况，因为一个心电图通常可以同时反映多种类型的数据，而现有的模型算法一次性只能得到一种类型的数据分析结果，很明显，现有的心电信号检测方法，单次测量无法得到完整的检测结果。
技术实现思路
本专利技术的主要目的在于提供一种心电信号检测方法、终端和计算机可读存储介质，旨在解决现有心电信号检测方式，单次测量无法得到完整的检测结果的技术问题。为实现上述目的，本专利技术提供一种心电信号检测方法，所述心电信号检测方法包括：采集心电图对应的心电信号，其中，所述心电信号包括多种类型的心电信号数据；将多种类型的心电信号数据输入到预设的卷积神经网络模型中，其中，所述卷积神经网络模型包括预设层数的卷积层；在卷积神经网络模型中的倒数第三层卷积层中得到第一结果，将所述第一结果输入到倒数第二层卷积层中得到第二结果，并将所述第二结果输入到最后一层卷积层，以得到包含多种类型标注的输出结果；将包含多种类型标注的输出结果作为心电信号的检测结果。可选地，所述卷积神经网络模型中，除倒数两层以外的所有卷积层的滤波器个数为A*(2k-1)，A为常数，k＝L/8，L代表该卷积所在的层数；第一层卷积层的滤波器长度为第一长度值，除倒数两层和第一层以外的其它卷积层的滤波器长度为第二长度值；所述卷积神经网络模型中，倒数第二层卷积层的滤波器个数为设定常数值，滤波器长度为第三长度值；最后一层卷积层的滤波器个数为所述设定常数值，滤波器长度为所述第一长度值。可选地，所述将所述第二结果输入到最后一层卷积层，以得到包含多种类型标注的输出结果的步骤之后，所述方法还包括：获取根据所述心电信号建立的训练样本；将包含多种类型标注的输出结果以及所述训练样本输入到预设的损失函数中，以计算心电信号的损失值；根据计算的损失值训练所述卷积神经网络模型中的参数，以根据训练后的卷积神经网络模型对新的心电信号进行检测，以得到包含多种类型标注的输出结果；将得到的包含多种类型标注的输出结果作为新的心电信号的检测结果。可选地，所述获取根据所述心电信号建立的训练样本的步骤包括：在心电信号上标注出多种数据的数据类型、起点位置、终点位置；根据预设的时间间隔，将心电信号分成多段心电信号；在每一段心电信号中，按照预设的规则生成每一段心电信号的标签；根据每一段心电信号的标签获取心电信号的总标签；根据心电信号以及心电信号的总标签建立训练样本，并获取所述训练样本。可选地，所述在每一段心电信号中，按照预设的规则生成每一段心电信号的标签的步骤包括：在每一段心电信号中，判断是否存在预设类型的数据；若存在预设类型的数据，根据所述预设类型的数据的起始点和终止点确定中点，再判断所述中点是否位于本段心电信号内，若是，将预设类型的数据对应的数据位设置为第一值，并记录实际的起始点位置和终止点位置，若否，将预设类型的数据对应的数据位设置为第二值，并将起始点位置和终止点位置设置为预设字段；若不存在预设类型的数据，则在本段心电信号中，将预设类型的数据对应的数据位设置为第二值；根据记录的数据位、起始点位置和终止点位置，得到每一段心电信号的标签。可选地，所述将包含多种类型标注的输出结果以及所述训练样本输入到预设的损失函数中，以计算心电信号的损失值的步骤包括：根据预设的焦点损失函数，得到包含所述焦点损失函数的损失函数公式；将包含多种类型标注的输出结果以及所述训练样本输入到包含所述焦点损失函数的损失函数公式中，以计算心电信号的损失值。可选地，所述焦点损失函数包括：FL(Pt)＝(1-Pt)γlogPt；其中，γ为常数值，p表示心电信号数据通过卷积神经网络模型计算出类别为1的概率，0≤p≤1，y表示心电信号数据的标签取值为[0，1]。可选地，所述包含所述焦点损失函数的损失函数公式包括：其中，B是心电信号的段数，C是每段心电信号的标签内所包含的数据数，Y是实际的心电信号总标签，是神经网络的输出标签；表示神经网络输出的第i个段心电信号有第j类数据的概率；Pij表示第i段心电信号是否有第j类数据的概率；Psij表示第i段心电信号第j类数据的起始位置，Peij表示第i段心电信号第j类数据的结束位置；表示神经网络预测的第i段心电信号第j类数据的起始位置，表示神经网络预测的第i段心电信号第j类数据的结束位置；sqrt表示平方根。此外，为实现上述目的，本专利技术还提供一种终端，所述终端包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的心电信号检测程序，所述心电信号检测程序被所述处理器执行时实现如上文所述的心电信号检测方法的步骤。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有心电信号检测程序，所述心电信号检测程序被处理器执行时实现如上文所述的心电信号检测方法的步骤。本专利技术提出的心电信号检测方法，先采集心电图对应的心电信号，其中，所述心电信号包括多种类型的心电信号数据，然后将多种类型的心电信号数据输入到预设的卷积神经网络模型中，以在卷积神经网络模型中的倒数第三层卷积层中得到第一结果，接着将所述第一结果输入到倒数第二层卷积层中得到第二结果，并将所述第二结果输入到最后一层卷积层，以得到包含多种类型标注的输出结果，最终将包含多种类型标注的输出结果作为心电信号的检测结果。本专利技术通过设计的卷积神经网络模型对心电信号进行检测，一次性检测即可得到多种类型标注的输出结果，相比于现有的心电信号检测方式，本专利技术实现了单次检测得到完整的检测结果，提高了心电信号检测的智能性和便捷性。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的终端结构示意图；图2为本专利技术心电信号检测方法第一实施例的流程示意图；图3为本专利技术卷积神经网络的模型示意图；图4为本专利技术心电信号检测方法第二实施例的流程示意图；图5为图4中步骤S50的细化流程示意图；图6为本专利技术心电信号检测方法第三实施例的流程示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例的解决方案主要是：先采集心电图对应的心电信号，其中，所述心电信号包括多种类型的心电信号数据，然后将多种类型的心电信号数据输入到预设的卷积神经网络模型中，以在卷积神经网络模型中的倒数第三层卷积层中得到第一结果，接着将所述第一结果输入到倒数第二层卷积层中得到第二结果，并将所述第二结果输入到最后一层卷积层，以得到包含多种类型标注的输出结果，最终将包含多种类型标注的输出结果作为心电信号的检测结果。以解决现有心电信号检测方式，单次测量无法得到完整的检测结果的问题。如图1所示，图1是本专利技术实施例方案涉及的硬件运行环境的终端结构示意图。本专利技术实施例终端是用于心电信号检测的医学测量设备。如图1所示，该终端可以包括：处理器100本文档来自技高网...

【技术保护点】
1.一种心电信号检测方法，其特征在于，所述心电信号检测方法包括：采集心电图对应的心电信号，其中，所述心电信号包括多种类型的心电信号数据；将多种类型的心电信号数据输入到预设的卷积神经网络模型中，其中，所述卷积神经网络模型包括预设层数的卷积层；在卷积神经网络模型中的倒数第三层卷积层中得到第一结果，将所述第一结果输入到倒数第二层卷积层中得到第二结果，并将所述第二结果输入到最后一层卷积层，以得到包含多种类型标注的输出结果；将包含多种类型标注的输出结果作为心电信号的检测结果。

【技术特征摘要】
1.一种心电信号检测方法，其特征在于，所述心电信号检测方法包括：采集心电图对应的心电信号，其中，所述心电信号包括多种类型的心电信号数据；将多种类型的心电信号数据输入到预设的卷积神经网络模型中，其中，所述卷积神经网络模型包括预设层数的卷积层；在卷积神经网络模型中的倒数第三层卷积层中得到第一结果，将所述第一结果输入到倒数第二层卷积层中得到第二结果，并将所述第二结果输入到最后一层卷积层，以得到包含多种类型标注的输出结果；将包含多种类型标注的输出结果作为心电信号的检测结果。2.如权利要求1所述的心电信号检测方法，其特征在于，所述卷积神经网络模型中，除倒数两层以外的所有卷积层的滤波器个数为A*(2k-1)，A为常数，k＝L/8，L代表该卷积所在的层数；第一层卷积层的滤波器长度为第一长度值，除倒数两层和第一层以外的其它卷积层的滤波器长度为第二长度值；所述卷积神经网络模型中，倒数第二层卷积层的滤波器个数为设定常数值，滤波器长度为第三长度值；最后一层卷积层的滤波器个数为所述设定常数值，滤波器长度为所述第一长度值。3.如权利要求1或2所述的心电信号检测方法，其特征在于，所述将所述第二结果输入到最后一层卷积层，以得到包含多种类型标注的输出结果的步骤之后，所述方法还包括：获取根据所述心电信号建立的训练样本；将包含多种类型标注的输出结果以及所述训练样本输入到预设的损失函数中，以计算心电信号的损失值；根据计算的损失值训练所述卷积神经网络模型中的参数，以根据训练后的卷积神经网络模型对新的心电信号进行检测，以得到包含多种类型标注的输出结果；将得到的包含多种类型标注的输出结果作为新的心电信号的检测结果。4.如权利要求3所述的心电信号检测方法，其特征在于，所述获取根据所述心电信号建立的训练样本的步骤包括：在心电信号上标注出多种数据的数据类型、起点位置、终点位置；根据预设的时间间隔，将心电信号分成多段心电信号；在每一段心电信号中，按照预设的规则生成每一段心电信号的标签；根据每一段心电信号的标签获取心电信号的总标签；根据心电信号以及心电信号的总标签建立训练样本，并获取所述训练样本。5.如权利要求4所述的心电信号检测方法，其特征在于，所述在每一段心电信号中，按照预设的规则生成每一段心电信号的标签的步骤包括：在每一段心电信号中，判断是否存在预设类型的数据...

【专利技术属性】
技术研发人员：郑慧敏，
申请(专利权)人：深圳竹信科技有限公司，
类型：发明
国别省市：广东,44