The invention discloses a method for ECG classification algorithm based on deep learning, which comprises the following steps: additional information of the original ECG ECG waveform data, A. measurement time is over 8 seconds and according to the original ECG data acquisition, ECG rhythm information representing PQRST waveform data; B. of deep learning neural network algorithm for training and ECG rhythm information, on behalf of the PQRST ECG waveform data, additional information is arranged in a one-dimensional data learning algorithm for waveform classification by training end depth, ECG classification results obtained. The invention of the deep learning method into the field of ECG classification, reasonably combined with the characteristics of ECG classification, and through the above steps of deep learning and training method of waveform classification with deep learning method, can greatly improve the quality of information to provide doctors with ECG classification auxiliary information.
【技术实现步骤摘要】
本专利技术涉及心电图分类方法,尤其涉及一种基于深度学习算法的心电图分类方法。
技术介绍
心电图波形数据采集及心电图分类结果是医生诊断心脏病疾患的重要辅助手段和参考信息,通常心电图波形数据采集和分类是在医院或体检中心进行,存在检测不方便、检测频率低等缺点,而且不能及时地把心电图分类信息提供给医生来做实时诊断,很难有效地预防和及时治疗心脏病病变。近年来,随着网络、移动智能手机的普及,使得携带式心电监测仪、家庭个人用心电波监测仪的推出成为可能。目前市场上推出的这类监测仪,由于其分类算法是基于传统的心电图测量分类法,在单一波形测量特征不太明显时容易出现误分类,其临床可靠性和准确性较低,无法满足实际的给医生提供辅助诊断信息的需要。
技术实现思路
本专利技术针对现有技术中存在的传统的心电图测量分类法在单一波形测量特征不太明显时容易出现误分类,其临床可靠性和准确性较低,无法满足实际的给医生提供辅助诊断信息的需要等缺陷,提供了一种新的基于深度学习算法的心电图分类方法。为了解决上述技术问题,本专利技术通过以下技术方案实现:一种基于深度学习算法的心电图分类方法,包括以下步骤:a.取得测量时间在8秒以上的原始心电图波形数据、心电图附加信息,并根据原始心电图波形数据进行心电图节律信息的提取、代表PQRST波形的提取,获取心电图节律信息、代表PQRST波形数据;b.对深度学习算法的神经网络进行训练,将步骤a得到的心电图节律信息、代表PQRST波形数据、心电图附加信息排列成一维数据后通过训练完的深度学习算法进行波形分类,得到心电图分类结果。深度学习算法是一种人工智能领域的机器学习方法, ...
【技术保护点】
一种基于深度学习算法的心电图分类方法,其特征在于包括以下步骤:a.取得测量时间在8秒以上的原始心电图波形数据、心电图附加信息,并根据原始心电图波形数据进行心电图节律信息的提取、代表PQRST波形的提取,获取心电图节律信息、代表PQRST波形数据;b.对深度学习算法的神经网络进行训练,将步骤a得到的心电图节律信息、代表PQRST波形数据、心电图附加信息排列成一维数据后通过训练完的深度学习算法进行波形分类,得到心电图分类结果。
【技术特征摘要】
1.一种基于深度学习算法的心电图分类方法,其特征在于包括以下步骤:a.取得测量时间在8秒以上的原始心电图波形数据、心电图附加信息,并根据原始心电图波形数据进行心电图节律信息的提取、代表PQRST波形的提取,获取心电图节律信息、代表PQRST波形数据;b.对深度学习算法的神经网络进行训练,将步骤a得到的心电图节律信息、代表PQRST波形数据、心电图附加信息排列成一维数据后通过训练完的深度学习算法进行波形分类,得到心电图分类结果。2.根据权利要求1所述的一种基于深度学习算法的心电图分类方法,其特征在于:所述的步骤a中,取得测量时间在8秒以上的原始心电图波形数据后,对原始心电图波形数据进行去噪处理。3.根据权利要求2所述的一种基于深度学习算法的心电图分类方法,其特征在于:所述的去噪处理包括以下步骤:a11.采用高通滤波器去除基线漂移噪音;a12.基于PQ段信号的标准方差和阈值法确认噪音是否过高;a13.噪音过高时使用低通巴特沃斯滤波器去除噪音干扰。4.根据权利要求1所述的一种基于深度学习算法的心电图分类方法,其特征在于:所述的步骤a中,所述的心电图节律信息包括平均心室心率、平均RR间隔、最长RR间隔和最短RR间隔之差、RR间隔的标准方差、一致性P波信息、窦房律下各心拍的PR间隔和平均值、R波中预激波检测结果、窦房律下各心拍的QT间期和QTc间期和平均值、窦房律QRS平均波宽、窦房律P波宽和平均波宽、期外收缩信息、期外收缩类型、期外收缩形态、心房扑动的F...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。