心电图T波终点检测方法和装置制造方法及图纸

本发明专利技术涉及一种心电图T波终点检测方法和装置，包括以下步骤：获取T波终点检测模型；T波终点检测模型为基于MLP神经网络模型对历史T波离散数据进行学习训练而得到的；其中，历史T波离散数据是对从QT数据库中历史心电信号提取出的T波、进行降维处理得到的；将待检测的心电信号输入T波终点检测模型，得到待检测的心电信号的T波终点坐标。上述的心电图T波终点检测方法中在得到T波终点检测模式时，有效地将图像降维方法与MPL神经网络模型结合起来，使得得到的T波检测模型计算量较小，在使用T波检测模型识别T波终点时计算量小，大大提高了计算的效率。

Method and device for detecting T wave end point of electrocardiogram

The present invention relates to an electrocardiogram T wave terminal detection method and device, including the following steps: obtaining the T wave terminal detection model; the T wave end point detection model is based on the learning and training of the historical T wave discrete data based on the MLP neural network model; and the historical T wave discrete data is the historical ECG signal from the QT database. The T wave is extracted and the dimension reduction process is obtained. The ECG signal to be detected is input to the T wave terminal detection model, and the T wave terminal coordinates of the ECG signal to be detected are obtained. When the T wave end point detection mode is obtained in the above T wave end detection method, the image reduction method is effectively combined with the MPL neural network model, which makes the obtained T wave detection model with a small calculation amount. The calculation amount is small when the T wave detection model is used to identify the end point of the T wave, and the efficiency of the calculation is greatly improved.

【技术实现步骤摘要】
心电图T波终点检测方法和装置
本专利技术涉及医学信号处理
，特别是涉及一种心电图T波终点检测方法和装置。
技术介绍
心电图(electrocardiogram，简称ECG或EKG)是利用心电图机从体表记录心脏每一心动周期所产生的电活动变化图形，其反映着心肌收缩与时间之间的关系。心电图中的QT间期反映了心室除复极的全过程，QT间期的延长是临床中评估室性心律失常的重要标志。因此，对QT波提取就显得尤为重要。在临床上，对T波终点定位是QT波提取中非常关键的步骤；然而由于T波终点附近信号低频成分丰富，易混入噪声，且T波形态容易发生变化，因此对T波终点定位就非常困难。例如研究表明，当发生缺血类心肌病时一般会引起T波形态的变化，如T波倒置、双向等，从而对T波终点的检测造成影响。目前，T波终点的检测算法主要包括依靠面积、模板匹配、小波变换、曲率、统计模式识别以及神经网络等方法，这些方法都不单纯依赖阈值进行处理。其中，依靠模板匹配、统计模式识别以及神经网络等方法的计算量较大，效率差。
技术实现思路
基于此，有必要针对目前的T波终点定位算法在对心电图T波终点检测时计算量较大，效率差的问题，提供一种心电图T波终点检测方法和装置。一种心电图T波终点检测方法，包括以下步骤：获取T波终点检测模型；所述T波终点检测模型为基于MLP神经网络模型对历史T波离散数据进行学习训练而得到的；其中，所述历史T波离散数据是对从QT数据库中历史心电信号提取出的T波、进行降维处理得到的；将待检测的心电信号输入所述T波终点检测模型，得到所述待检测的心电信号的T波终点坐标。一种心电图T波终点检测装置，包括：模型获取模块，用于获取T波终点检测模型；所述T波终点检测模型为基于MLP神经网络模型对历史T波离散数据进行学习训练而得到的；其中，所述历史T波离散数据是对从QT数据库中历史心电信号提取出的T波、进行降维处理得到的；T波终点检测模块，用于将待检测的心电信号输入所述T波终点检测模型，得到所述待检测的心电信号的T波终点坐标。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：获取T波终点检测模型；所述T波终点检测模型为基于MLP神经网络模型对历史T波离散数据进行学习训练而得到的；其中，所述历史T波离散数据是对从QT数据库中历史心电信号提取出的T波、进行降维处理得到的；将待检测的心电信号输入所述T波终点检测模型，得到所述待检测的心电信号的T波终点坐标。一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获取T波终点检测模型；所述T波终点检测模型为基于MLP神经网络模型对历史T波离散数据进行学习训练而得到的；其中，所述历史T波离散数据是对从QT数据库中历史心电信号提取出的T波、进行降维处理得到的；将待检测的心电信号输入所述T波终点检测模型，得到所述待检测的心电信号的T波终点坐标。上述技术方案中的一个技术方案具有如下优点和有益效果：上述的心电图T波终点检测方法和装置，在对心电图T波终点检测时，首先获取T波终点检测模型，其中T波终点检测模式的建立过程为对QT数据库中的历史心电信号进行T波提取，并对提取后的T波进行降维处理得到历史T波离散数据，利用MLP神经网络模式对历史T波离散数据进行学习训练从而得到T波终点检测模型，最后将待检测的心电信号输入T波终点检测模型中，就可以得到T波终点坐标。上述的心电图T波终点检测方法中在得到T波终点检测模式时，有效地将图像降维方法与MPL神经网络模型结合起来，使得得到的T波检测模型计算量较小，在使用T波检测模型识别T波终点时计算量小，大大提高了计算的效率。附图说明图1为本专利技术的心电图T波终点检测方法在其中一个实施例中的流程示意图；图2为本专利技术的心电图T波终点检测方法在其中一个实施例中的流程示意图；图3为心电图中一个波组的结构示意图；图4为本专利技术的心电图T波终点检测方法在其中一个实施例中的流程示意图；图5为本专利技术的心电图T波终点检测方法在其中一个实施例中的流程示意图；图6为本专利技术的心电图T波终点检测装置在其中一个实施例中的流程示意图；图7为本专利技术的心电图T波终点检测装置在其中一个实施例中的流程示意图；图8为本专利技术的计算机设备在一个实施例中的结构示意图。具体实施方式下面将结合较佳实施例及附图对本专利技术的内容作进一步详细描述。显然，下文所描述的实施例仅用于解释本专利技术，而非对本专利技术的限定。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部内容。图1为本专利技术的心电图T波终点检测方法在一个实施例中的流程示意图，如图1所示，本专利技术实施例中的心电图T波终点检测方法，包括以下步骤：步骤S110，获取T波终点检测模型；T波终点检测模型为基于MLP神经网络模型，对历史T波离散数据进行学习训练而得到的；其中，历史T波离散数据是对从QT数据库中历史心电信号提取出的T波、进行降维处理得到的。心电图指的是心脏在每个心动周期中，由起搏点、心房、心室相继兴奋，伴随着心电图生物电的变化，通过心电描记器从体表引出多种形式的电位变化的图形。常用的心电图由一系列的波组所构成，每个波组代表着每一个心动周期。心电图的一个波组包括P波、QRS波群、T波及U波。P波由心房除极所产生，是每一波组中的第一波，它反映了左、右心房的除极过程。QRS波群：包括三个紧密相连的波，第一个向下的波称为Q波，继Q波后的一个高尖的直立波称为R波，R波后向下的波称为S波，QRS波群反映了左、右两心室的除极过程。T波：T波位于S-T段之后，是一个比较低而占时较长的波，它是心室复极所产生的。U波：U波位于T波之后，比较低小。由此可见，T波是一个与心室功能密切有关的波形图谱，可以用于来诊断心室相关疾病。另外，心电图中QT间期反映了心室除复极的过程，当病人室性心律失常时，QT间期时长将发生变化，因此QT间期时长是用于诊断室性心律失常重要的标准和依据，要确定QT间期时长首先要提取QT心电信号，然而在提取QT心电信号时，确定T波终点位置非常关键，而现有的T波终点检测方法种类较多(例如依靠面积、模板匹配以及统计模式识别等)，但这些方法都存在计算量非常大，难以进行实时检测。MLP(Multi-layerPerceptron，多层感知器)神经网络是一种多层前馈的网络模型，MLP神经网络主要包括三部分：一组感知单元组成输入层、一层或多层计算节点的隐藏层和一层计算节点的输出层。其中每一层都具有一个或多个节点，除了输入节点，每个节点都是一个带有非线性激活函数的神经元(或称处理单元)，通常采用反向传播算法的监督学习方法常被用来训练MLP，即MLP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，能通过对大量“输入-输出”模式的样本进行学习建立映射关系，并采用最速下降法这一学习规则，通过经验泛化误差的反向传播来不断调整网络的连接权值以及阈值，使神经网络模型对数据样本进行逼近的误差平方和最小。MLP可用于对非线性数据进行识别。在本实施例中，采用MLP神经网络来对历史T波离散数据进行学习训练，从本文档来自技高网...

【技术保护点】
1.一种心电图T波终点检测方法，其特征在于，包括以下步骤：获取T波终点检测模型；所述T波终点检测模型为基于MLP神经网络模型对历史T波离散数据进行学习训练而得到的；其中，所述历史T波离散数据是对从QT数据库中历史心电信号提取出的T波、进行降维处理得到的；将待检测的心电信号输入所述T波终点检测模型，得到所述待检测的心电信号的T波终点坐标。

【技术特征摘要】
1.一种心电图T波终点检测方法，其特征在于，包括以下步骤：获取T波终点检测模型；所述T波终点检测模型为基于MLP神经网络模型对历史T波离散数据进行学习训练而得到的；其中，所述历史T波离散数据是对从QT数据库中历史心电信号提取出的T波、进行降维处理得到的；将待检测的心电信号输入所述T波终点检测模型，得到所述待检测的心电信号的T波终点坐标。2.根据权利要求1所述的心电图T波终点检测方法，其特征在于，所述T波离散数据包括离散采样时间和与所述离散采样时间对应的目标输出值；所述T波终点检测模型通过以下步骤得到：从所述QT数据库中获取所述历史心电信号；利用第一预设的窗函数对所述历史心电信号进行信号分段处理，得到各T波心电信号；对各所述T波心电信号进行降维处理，得到各离散采样时间以及与各所述离散采样时间对应的目标输出值；采用所述MLP神经网络模型，对各所述离散采样时间以及各所述离散采样时间对应的目标输出值进行学习训练，得到所述T波终点检测模型。3.根据权利要求2所述的心电图T波终点检测方法，其特征在于，对所述历史心电信号进行信号分段的步骤之前，还包括对所述历史心电信号进行滤波处理。4.根据权利要求3所述的心电图T波终点检测方法，其特征在于，在对所述历史心电信号进行滤波处理的步骤包括：采用切比雪夫带通滤波器对所述历史心电信号进行带通滤波处理。5.根据权利要求2-4任一项所述的心电图T波终点检测方法，其特征在于，在对所述T波心电信号进行降维处理的步骤中，包括：采用离散余弦变换对所述T波心电信号进行降维处理。6.根据权利要求2-4任一项所述的...

【专利技术属性】
技术研发人员：胡静，赵巍，
申请(专利权)人：广州视源电子科技股份有限公司，
类型：发明
国别省市：广东,44