一种基于一维卷积神经网络的心电信号分类方法技术

本发明专利技术涉及一种基于一维卷积神经网络的心电信号分类方法。首先，采用小波融合的方法对心电信号去噪处理；其次，采用双正交样条小波的QRS波群识别算法检测出R波峰值点，并以R点为基准完成心电信号的分割及降维，得到若干R波候选段；然后，建立并优化面向心电信号的一维卷积神经网络模型；最后，把处理好的R波候选段作为模型的输入数据，自动完成心电信号的特征提取和分类。本发明专利技术采用的小波融合方法，可同时去除高、低频噪声，使提取的信号特征更利于识别；建立的面向心电信号的一维卷积神经网络模型，不仅避免了心电信号特征点必须精准定位的难题，而且解决了传统方法先选择算法提取特征，后选择算法完成分类的复杂计算问题。

A method of ECG signal classification based on one dimension convolution neural network

The present invention relates to a kind of ECG signal classification method based on one dimension convolution neural network. First of all, using the method of wavelet fusion of ECG signal denoising; secondly, using biorthogonal spline wavelet QRS wave recognition algorithm to detect R wave crest, and with R as the reference point of ECG signal segmentation and dimensionality reduction, get several candidate segment R wave; then, to establish and optimize the convolution a neural network model for ECG signal; finally, to deal with the R wave candidate segment as input data of the model, automatic feature extraction and classification of ECG signal. Wavelet fusion method adopted by the invention can simultaneously remove the high and low frequency noise, the signal feature extraction is more conducive to recognition; convolution neural network model for ECG signal set, not only to avoid the problem of ECG feature points must be accurate positioning, but also solves the traditional method to select feature extraction algorithm, complex after the completion of the calculation problem of selection algorithm classification.

【技术实现步骤摘要】
一种基于一维卷积神经网络的心电信号分类方法
本专利技术涉及生理信号分类以及深度学习领域，具体涉及一种基于一维卷积神经网络的心电信号分类方法。
技术介绍
心血管疾病作为一种慢性疾病，具有危险性高、发病急、病情不明显等特征，居各种疾病之首，严重威胁着人类的身体健康，需引起我们足够的重视。传统的心电信号分类方法是先选择特征提取的方法提取出信号的有效特征，然后再选择分类的方法进行分类。但是这种方法要求实验者必须做到对心电信号特征点的精准定位，这样才能确保提取到高质量的信号特征，进而得到精确的分类结果。虽然目前针对心电信号分类方法的研究很多，但是仍然存在一定的缺陷，如：对噪声敏感、不能保留局部信号信息等。
技术实现思路
本专利技术要解决的技术问题是提供一种能够避免提取出的特征对噪声敏感的问题，以及避免对数据的复杂前期预处理问题，解决传统方法必须对信号特征点进行精准定位的难题，并确保提取到高质量的信号特征的方法。本专利技术为解决其技术问题所采用的技术方案是：提出了一种基于一维卷积神经网络的心电信号分类方法，具体包括以下步骤：步骤1：采用小波融合的方法完成心电信号的去噪处理并得到R波候选段；步骤2：建本文档来自技高网...

【技术保护点】
一种基于一维卷积神经网络的心电信号分类方法，其特征在于，该方法包括以下步骤：步骤1：采用小波融合的方法完成心电信号的去噪处理并得到R波候选段；步骤2：建立面向心电信号的一维卷积神经网络模型；步骤3：优化步骤2得到的面向心电信号的一维卷积神经网络模型；步骤4：将步骤1得到的R波候选段输入训练好的一维卷积神经网络模型，完成心电信号的特征提取和分类。

【技术特征摘要】
1.一种基于一维卷积神经网络的心电信号分类方法，其特征在于，该方法包括以下步骤：步骤1：采用小波融合的方法完成心电信号的去噪处理并得到R波候选段；步骤2：建立面向心电信号的一维卷积神经网络模型；步骤3：优化步骤2得到的面向心电信号的一维卷积神经网络模型；步骤4：将步骤1得到的R波候选段输入训练好的一维卷积神经网络模型，完成心电信号的特征提取和分类。2.根据权利要求1所述的一种基于一维卷积神经网络的心电信号分类方法，其特征在于，步骤1所述的小波融合的方法为将可去除心电信号高频噪声的小波软阈值法和可去除心电信号低频噪声的小波分解重构法两者融合的方法。3.根据权利要求1所述的一种基于一维卷积神经网络的心电信号分类方法，其特征在于，得到步骤1所述的R波候选段的方法为：（1）采用双正交样条小波的QRS波群识别出R波...

【专利技术属性】
技术研发人员：张强，张建新，李丹，魏小鹏，
申请(专利权)人：大连大学，
类型：发明
国别省市：辽宁,21