心电信号处理方法、装置和计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种心电信号处理方法，包括以下步骤：获得心电数据，并通过预设的卷积神经网络对所述心电数据进行提取，获得对应的波型特征；获得预设膨胀率，并采用与所述膨胀率对应维空洞卷积对所述波形特征进行卷积下采样，以增加所述波形特征的感受野；对进行卷积下采样后的波形特征进行反卷积上采样，获得对应的分类信号；通过Sigmoid函数对所述分类信号进行概率转化，获得对应的分类结果。本发明专利技术还公开了一种心电信号处理装置和计算机可读存储介质。本发明专利技术无需识别心电数据中R点，可以将任意长度的心电数据进行处理，响应快，稳定性与重复性好。

【技术实现步骤摘要】
心电信号处理方法、装置和计算机可读存储介质
本专利技术涉及信息处理领域，尤其涉及心电信号处理方法、装置和计算机可读存储介质。
技术介绍
基于心电图数据能诊断许多心血管相关疾病，如房颤、室性早搏等。这些病症在心电信号的判识标准各不一样，如房颤需要数分钟的连续有效心电片段，观察其中的RR间期、P波、F波等特征是否异常；而室性早搏只需数秒心电判断前后心拍波形与节律；右束支传导沮滞甚至只需要不到一秒的心拍信号即可判别。同时，由于心电信号中不可避免地存在信号干扰与个体差异性，目前传统的算法对一段心电信号同时判断多种病症需要截取固定长度无噪音干扰片段、通过信号处理方法识别R点、对每种病症单独做二分类判断。因此，传统算法对心电信号长度、数据质量要求较多，还依赖信号处理方法定位R点，传统算法的稳定性与准确度较差。
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处理方法、装置和计算机可读存储介质，旨在解决传统算法对心电信号长度、数据质量要求较多，还依赖信号处理方法定位R点，传统算法的稳定性与准确度较差的技术问题。为实现上述目的，本专利技术提供一种心电信号处理方法，所述心电信号处理方法包括以下步骤：获得心电数据，并通过预设的卷积神经网络对所述心电数据进行提取，获得对应的波型特征；获得预设膨胀率，并采用所述膨胀率对应维空洞卷积对所述波形特征进行卷积下采样，以增加所述波形特征的感受野；对进行卷积下采样后的波形特征进行反卷积上采样，获得对应的分类信号；通过Sigmoid函数对所述分类信号进行概率转化，获得对应的分类结果。可选地，所述心电信号处理方法，还包括：对所述分类结果进行识别，获得对应的识别结果。可选地，所述获得预设膨胀率之后，所述通过Sigmoid函数对所述分类信号进行概率转化，获得对应的分类结果的步骤之前还包括：采用所述膨胀率对应维空洞卷积对所述波形特征进行至少两层卷积下采样；从第二层卷积下采样开始，根据每次卷积下采样获得的结果以及上一层反卷积上采样获得的结果进行与卷积下采样层数相同的反卷积上采样，获得对应的分类信号。可选地，所述采用所述膨胀率对应维空洞卷积对所述波形特征进行至少两层卷积下采样的步骤包括：在卷积下采样的过程中将每层卷积下采样的结果进行归一化处理，并随机将隐藏层中部分神经元参数设为0。可选地，所述心电信号处理方法还包括：对所述分类结果进行二值型转换；计算所述分类结果进行二值型转换的结果与对应的标签向量的差值平方和作为误差损失。可选地，通过如下公式对所述分类结果进行二值型转换：其中，z表示所述分类结果，σ(z)表示所述分类结果进行二值型转换后的结果。可选地，所述心电信号处理方法还包括：根据所述分类结果和对应的真实结果计算汉明损失和排序损失；计算所述汉明损失和排序损失之和，并将所述汉明损失和排序损失之和作为误差损失。可选地，通过如下公式计算所述汉明损失：其中，nlabels表示分类结果的数量，表示第j个分类结果，表示对应的真实结果；通过如下公式计算所述排序损失：其中，R(y,f)表示排序损失，nsamples表示心电数据的样本数。可选地，所述心电信号处理方法还包括：获取预设时间段内的误差损失，并判断所述预设时间段内误差损失的变化是否小于预设值；如果所述误差损失的变化大于或者等于预设值，则调整对应的参数，并采用调整后的参数对所述波形特征进行卷积下采样和反卷积上采样。此外，为实现上述目的，本专利技术还提供一种心电信号处理装置，所述心电信号处理装置包括：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计算机程序，所述计算机程序被所述处理器执行时实现如上所述的心电信号处理方法的步骤。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处理程序，所述心电信号处理程序被处理器执行时实现如上所述的心电信号处理方法的步骤。本专利技术实施例提出的一种心电信号处理方法、装置和计算机可读存储介质，通过获得心电数据，并通过预设的卷积神经网络对所述心电数据进行提取，获得对应的波型特征；获得预设膨胀率，并采用所述膨胀率对应维空洞卷积对所述波形特征进行卷积下采样，以增加所述波形特征的感受野，保留了下采样特征的位置信息；然后对进行卷积下采样后的波形特征进行反卷积上采样，获得对应的分类信号，即将低维的下采样特征还原成与输入等长的分类信号；最后通过Sigmoid函数对所述分类信号进行概率转化，获得对应的分类结果。本专利技术无需识别心电数据中R点，可以将任意长度的心电数据进行处理，响应快，稳定性与重复性好，可以对小于0.1秒的心电数据进行识别。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处理方法第一实施例的流程示意图；图3为本专利技术心电信号处理方法第二实施例的流程示意图；图4为本专利技术实施例中一处理流程示意图；图5为本专利技术实施例中一感受野的结果示意图；图6为本专利技术心电信号处理方法第三实施例的流程示意图；图7为本专利技术心电信号处理方法第四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。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可以是PC，也可以是智能手机、平板电脑、便携计算机等具有数据处理功能的终端设备。如图1所示，该终端可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选的用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。可选地，终端还可以包括摄像头、RF(RadioFrequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及心电信号处理程序。在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的心电信号处理程序，并执行以下操作：获得心电数据，并通过预设的卷积神经网络对所述心电数据进行提取，获得对应的波型特征；获得预设膨胀率，并采用所述膨胀率对应维空洞卷积对所述波形特征进行卷积下采样，以增加所述波形特征的感受野；对进行本文档来自技高网...

【技术保护点】
1.一种心电信号处理方法，其特征在于，所述心电信号处理方法包括以下步骤：获得心电数据，并通过预设的卷积神经网络对所述心电数据进行提取，获得对应的波型特征；获得预设膨胀率，并采用与所述膨胀率对应维空洞卷积对所述波形特征进行卷积下采样，以增加所述波形特征的感受野；对进行卷积下采样后的波形特征进行反卷积上采样，获得对应的分类信号；通过Sigmoid函数对所述分类信号进行概率转化，获得对应的分类结果。

【技术特征摘要】
1.一种心电信号处理方法，其特征在于，所述心电信号处理方法包括以下步骤：获得心电数据，并通过预设的卷积神经网络对所述心电数据进行提取，获得对应的波型特征；获得预设膨胀率，并采用与所述膨胀率对应维空洞卷积对所述波形特征进行卷积下采样，以增加所述波形特征的感受野；对进行卷积下采样后的波形特征进行反卷积上采样，获得对应的分类信号；通过Sigmoid函数对所述分类信号进行概率转化，获得对应的分类结果。2.如权利要求1所述的心电信号处理方法，其特征在于，所述心电信号处理方法，还包括：对所述分类结果进行识别，获得对应的识别结果。3.如权利要求1所述的心电信号处理方法，其特征在于，所述获得预设膨胀率之后，所述通过Sigmoid函数对所述分类信号进行概率转化，获得对应的分类结果的步骤之前还包括：采用所述膨胀率对应维空洞卷积对所述波形特征进行至少两层卷积下采样；从第二层卷积下采样开始，根据每次卷积下采样获得的结果以及上一层反卷积上采样获得的结果进行与卷积下采样层数相同的反卷积上采样，获得对应的分类信号。4.如权利要求3所述的心电信号处理方法，其特征在于，所述采用所述膨胀率对应维空洞卷积对所述波形特征进行至少两层卷积下采样的步骤包括：在卷积下采样的过程中将每层卷积下采样的结果进行归一化处理，并随机将隐藏层中部分神经元参数设为0。5.如权利要求1所述的心电信号处理方法，其特征在于，所述心电信号处理方法还包括：对所述分类结果进行二值型转换；计算所述分类结果进行二值型转换的结果与对应的标签向量的差值平方和作为误差损失。6.如权利要...

【专利技术属性】
技术研发人员：邓开峰，
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