【技术实现步骤摘要】
一种心电智能检测装置、设备及移动终端
本申请涉及心电检测领域，特别涉及一种心电智能检测装置、设备及一种移动终端。
技术介绍
目前，心率失常的智能诊断仪器主要是基于波形分析、模板匹配或者基于神经网络模型的识别。传统的基于神经网络模型的识别方法主要通过首先建立神经网络模型，比如有MLP(多层感知机)，卷积神经网络(CNN)，建立好模型后，利用带类别标签的数据对模型进行训练参数，模型训练好之后，固化模型，便可以对未知的心电数据进行分类了。但是应用在心率失常分类中的神经网络主要还是简单的多个全连接层(MLP)的堆叠或者只是多个卷积层的堆叠，其中，单纯的全连接层无法充分挖掘心电信号的特征，导致识别精度不高；多个卷积层模型目前也只能对单个导联上的一维心电信号进行分析，然而心率失常的诊断靠单个导联的心电信号进行失常类型的检测的结果精度低，很容易导致有些心率失常类别无法识别，识别置信度也不高。另外，多个层的简单堆叠会导致模需要训练的参数成倍增加，因此模型固化后占用内存多，不方便移植到内存空间有限的设备。因此，如何提高心电信号的识别准确度，控制内存占用率，是本领域技术人员需要解决的...
【技术保护点】
1.一种心电智能检测装置，其特征在于，包括：样本提取单元，用于对获取的心电信号进行去噪提取，得到12导联心拍样本；特征提取单元，用于将所述12导联心拍样本输入至训练的深度神经网络模型，得到特征数据；所述特征数据包括结构化特征数据以及时序特征数据；其中，所述深度神经网络模型包括：用于提取所述12导联心拍样本间的结构化特征的二维卷积层；用于提取所述12导联心拍样本的时序特征的循环层；位于所述二维卷积层以及所述循环层之间的转化层，用于进行数据维度的转换，以满足数据维度的输入要求；以及用于将数据由线性转换为非线性的激活层。
【技术特征摘要】
1.一种心电智能检测装置，其特征在于，包括：样本提取单元，用于对获取的心电信号进行去噪提取，得到12导联心拍样本；特征提取单元，用于将所述12导联心拍样本输入至训练的深度神经网络模型，得到特征数据；所述特征数据包括结构化特征数据以及时序特征数据；其中，所述深度神经网络模型包括：用于提取所述12导联心拍样本间的结构化特征的二维卷积层；用于提取所述12导联心拍样本的时序特征的循环层；位于所述二维卷积层以及所述循环层之间的转化层，用于进行数据维度的转换，以满足数据维度的输入要求；以及用于将数据由线性转换为非线性的激活层。2.如权利要求1所述的心电智能检测装置，其特征在于，所述二维卷积层的层数具体为：四层。3.如权利要求2所述的心电智能检测装置，其特征在于，所述循环层具体为：门控循环单元。4.如权利要求3所述的心电智能检测装置，其特征在于，所述门控循环单元的层数具体为：两层。5.如权利要求4所述的心电智能检测装置，其特征在于，所述深度神经网络模型还包括：用于对数据进行归一化处理的正规化层。6.如权利要求5所述的心电智能检测装置，其特征在于，所述深度神经网络模型还包括：位于所述二维卷积层之后的池化层，用于对所述二维卷积层提取的结构化特征数据进行降维处理，得到去除非必要特征的结构化数据。7.如权利要求6所述的心电智能检测装置，其特征在于，所述深度神经网络模型还包括：全...
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。