基于卷积神经网络的心律失常的检测系统技术方案

本发明专利技术提供一种基于卷积神经网络的心律失常的检测系统，包括：分段模块，用于对获取的第一患者的K导联心电数据按时间顺序进行分段处理，获取多个K导联心电数据段，每个K导联心电数据段的长度相等，K为正整数；检测模块，用于将所述多个K导联心电数据段按照时间的先后顺序依次分别输入训练好的卷积神经网络模型，获取所述第一患者患心律失常的类型。本发明专利技术提供的基于卷积神经网络的心律失常的检测系统，通过将卷积神经网络与心电数据相结合，将心律失常的特征提取与分类融合为一个步骤，充分挖掘心电图的多导联和时序信息，对病例作出高可靠的预测，从而提高了心律失常检测的准确度。

Arrhythmia detection system based on convolution neural network

The present invention provides a detection system for arrhythmia based on a convolution neural network, including a segment module, which is used to segment the K lead ECG data of the first patients in time sequence, and obtain multiple K lead ECG data segments, the length of each K lead ECG data segment is equal, K is a positive integer, and the detection module is a positive integer. Blocks are used to inputted the trained convolution neural network model in sequence according to the sequence of time in order to obtain the type of the first patient with the arrhythmia of the first K. The detection system of arrhythmia based on the convolution neural network is provided by combining the convolution neural network with the ECG data to integrate the feature extraction and classification of arrhythmia into one step, fully excavate the multiple lead and timing information of the electrocardiogram, and make a high reliable prediction for the cases, thus improving the heart. Accuracy of arrhythmia detection.

【技术实现步骤摘要】
基于卷积神经网络的心律失常的检测系统
本专利技术涉及神经网络
，尤其涉及一种基于卷积神经网络的心律失常的检测系统。
技术介绍
随着计算机技术的飞速发展与广泛应用，计算机辅助诊断对人类的健康发挥出越来越重要的作用。现有技术中，通过计算机辅助诊断系统对心律失常的检测的方法如下：首先，根据样本用户数据，利用支持向量机(SupportVectorMachine，SVM)算法对统计模型进行训练学习；然后，采集患者在一个采样周期内的心电数据，分析并提取心电数据中的多项特征数据，计算得到每项特征数据在采样周期内的平均值和方差；将平均值、方差和多项特征数据组合，得到患者对应的第一多维向量；将第一多维向量与预先确定的用户心律失常类型的统计模型进行匹配，确定该患者的心律失常类型。由于现有技术的检测系统中，利用支持向量机算法对统计模型进行训练学习，而SVM一般用在二类问题的分类，对于多类分类问题效果不好，心律失常类型多达十余种，导致对心律失常的分析结果不准确。
技术实现思路
(一)要解决的技术问题本专利技术的目的是提供一种基于卷积神经网络的心律失常的检测系统，解决了现有技术中的心律失常检测系统的检测结果本文档来自技高网...

【技术保护点】
一种基于卷积神经网络的心律失常的检测系统，其特征在于，包括：分段模块，用于对获取的第一患者的K导联心电数据按时间顺序进行分段处理，获取多个K导联心电数据段，每个K导联心电数据段的长度相等，K为正整数；检测模块，用于将所述多个K导联心电数据段按照时间的先后顺序依次分别输入训练好的卷积神经网络模型，获取所述第一患者患心律失常的类型。

【技术特征摘要】
1.一种基于卷积神经网络的心律失常的检测系统，其特征在于，包括：分段模块，用于对获取的第一患者的K导联心电数据按时间顺序进行分段处理，获取多个K导联心电数据段，每个K导联心电数据段的长度相等，K为正整数；检测模块，用于将所述多个K导联心电数据段按照时间的先后顺序依次分别输入训练好的卷积神经网络模型，获取所述第一患者患心律失常的类型。2.根据权利要求1所述的系统，其特征在于，还包括：训练模块，用于获取训练样本集，所述训练样本集包含多组训练样本，每组训练样本包含一位样本患者的多个K导联心电数据段；基于所述训练样本集，对所述卷积神经网络模型进行训练。3.根据权利要求1所述的系统，其特征在于，所述卷积神经网络模型包括：输入单元、卷积神经网络单元、时域平均单元、线性分类单元和输出单元，所述卷积神经网络单元包括N个子单元，每个子单元包括M个卷积层，M和N均为正整数。4.根据权利要求1所述的系统，其特征在于，还包括：频谱变换模块，用于分别对每个K导联心电数据段进行频谱变换，得到多个经过频谱变换的K导联心电数据段；相应地，所述检测模块，用于将所述多个K导联心电数据段按照时间的先后顺序依次分别输入训练好的卷积神经网络模型，获取所述第一患者患心律失常的类型具体为：检测模块，用于将所述多个经过频谱变换的K导联心电数据段按照时间的先后顺序依次分别输入训练好的卷积神经网络模型，获取所述第一患者患心律失常的类型。5.根据权利要求1所述的系统，其特征在于，还包括：滤波模块，用于对获取的第一患者的K导联心电数据进行滤波。6.根据权利要求2所述的系统，其特征在于，还包括：数据增广模块，用于对所述...

【专利技术属性】
技术研发人员：祖春山，杨琼，吴诗展，
申请(专利权)人：北京医拍智能科技有限公司，
类型：发明
国别省市：北京,11