基于改进卷积神经网络的室性早搏心跳识别方法及装置制造方法及图纸

本发明专利技术公开了基于改进卷积神经网络的室性早搏心跳识别方法及装置，对心电信号进行预处理；将心电信号截断为若干个心跳序列，提取每个心跳与之前心跳之间的RR间隔；计算每个心跳序列的峭度值、偏度值；将上述几项输入到改进卷积神经网络模型中，输出待识别心跳的识别结果，判定待识别心跳是否是室性早搏心跳。本发明专利技术采用一种改进的卷积神经网络，综合考虑到心跳的波形特征以及该心跳与上一心跳之间的关系，进行某一心跳是否是室性早搏心跳的自动化判断，可以大大提高判断准确率。改进的卷积神经网络由卷积层、池化层、全连接层组成，全连接层连接了一些室性早搏心跳的具体特征，经过融合计算后送给了分类器，用于进行室性早搏心跳的自动化判断。

【技术实现步骤摘要】
基于改进卷积神经网络的室性早搏心跳识别方法及装置
本专利技术涉及心电信号处理的
，尤其涉及基于改进卷积神经网络的室性早搏心跳识别方法及装置。
技术介绍
室性早搏(prematureventricularcontraction；PVC)是由希氏束分支以下异位起搏点提前产生的心室激动，可见于器质性心脏病患者，也可见于无器质性心脏病的正常人。虽然见于正常健康人的偶发性室性早搏在临床上并没有重要意义，但在检测者患有器质性心脏病的情况下，则必须结合临床病症和病史，根据不同情况进行分析并给予必要的治疗。室性早搏因其随机性大多是从24小时动态心电图上识别，若全由心电图医生的人工分析，检测者的增多，会给医生带来繁重的压力，医生可能因为疲劳而忽略或误判某些心电特征，因此计算机辅助心电信号的分析变得尤为重要。针对室性早搏心跳的自动化判断，国内外已经出现许多具有指导意义的成果，但由于室性早搏的激动点可能来自不同部位，因此波形形态复杂，而传统的判断算法仅仅从心跳本身进行考虑，忽略了心跳与上一心跳之间的关系，因此目前判断准确率还不是很高。
技术实现思路
为了克服现有技术的不足，本专利技术的目的在于提供基于改本文档来自技高网...

【技术保护点】
1.一种基于改进卷积神经网络的室性早搏心跳识别方法，其特征在于，包括：预处理步骤，对心电信号进行预处理；截断步骤，将心电信号截断为若干个心跳序列，提取每个心跳与之前心跳之间的RR间隔；计算步骤，计算每个心跳序列的峭度值、偏度值；识别步骤，将心跳序列、RR间隔、峭度值、偏度值输入到改进卷积神经网络模型中，输出待识别心跳的识别结果，根据识别结果判定待识别心跳是否是室性早搏心跳；所述待识别心跳包括第二个心跳及其之后所有心跳。

【技术特征摘要】
1.一种基于改进卷积神经网络的室性早搏心跳识别方法，其特征在于，包括：预处理步骤，对心电信号进行预处理；截断步骤，将心电信号截断为若干个心跳序列，提取每个心跳与之前心跳之间的RR间隔；计算步骤，计算每个心跳序列的峭度值、偏度值；识别步骤，将心跳序列、RR间隔、峭度值、偏度值输入到改进卷积神经网络模型中，输出待识别心跳的识别结果，根据识别结果判定待识别心跳是否是室性早搏心跳；所述待识别心跳包括第二个心跳及其之后所有心跳。2.根据权利要求1所述的基于改进卷积神经网络的室性早搏心跳识别方法，其特征在于，所述预处理步骤，具体为：采用上下截止频率分别为0.1Hz、100Hz的fir滤波器，对心电信号进行滤波；如果心电信号采样频率不是500Hz，则采用最邻近内插法将信号重采样为500Hz。3.根据权利要求1所述的基于改进卷积神经网络的室性早搏心跳识别方法，其特征在于，所述截断步骤，具体为：采用R波峰提取算法进行R波峰提取；从R波峰前0.3s到后0.7s进行截断，作为一个心跳；采用R波峰提取算法进行R波峰提取；计算某一心跳的R波峰在心电信号中的发生时刻与上一心跳的R波峰发生时刻之间的时间差作为RR间隔。4.根据权利要求1所述的基于改进卷积神经网络的室性早搏心跳识别方法，其特征在于，所述计算步骤，具体为：计算心跳序列的峭度值kur的公式为：计算心跳序列的偏度值skw的公式为：其中，N为信号长度，xi为第i个采样点的值，μ为信号的平均值，σ为信号的方差，i为正整数。5.根据权利要求1所述的基于改进卷积神经网络的室性早搏心跳识别方法，其特征在于，所述识别步骤中，改进卷积神经网络模型包括8层网络及一个分类器；8层网络分别记为layer1-layer8，其中layer1-layer6均由一个卷积层和一个池化层组成；layer1中卷积层包含5个核，卷积核大小均为224，layer1中池化层中的步长和核大小均为2；layer2中卷积层包含5个核，卷积核大小均为112，layer2中池化层中的步长和核大小均为2；layer3中卷积层包含10个核，卷积核大小均为100，layer3中池化层中的步长和核大小均为2；layer4中卷积层包含10个核，卷积核大小均为50，layer4中池化层中的步长和核大小均为2；layer5中卷积层包含10个核，卷积核大小均为48，layer5中池化层中的步长和核大小均为2；layer6中卷积层包含10个核，卷积核大小均为24，layer4中池化层中的步长和核大小均为2；全连接层layer7的输入层神经元个数与layer6的输出特征个数一致，输出层神经元个数为30个，经过计算后输出30个特征；将所述30个特征与某一心跳及其心电图中的上一心跳之间的R波峰间隔、该心跳序列的峭度值、偏度值组成33个特征作为layer8的输入；layer8的输入层神经元的个数为33个，输出层神经元的个数为10个；分类器的输入层神经元的个数为10个，输出层神经元的个数为1个；网络中所有的变量参数由训练得到，训练时采用第一数量的室性早搏心跳和第二数量的均匀类型的心跳作为训练数据进行训练，得到改进卷积神经网络模型。6....

【专利技术属性】
技术研发人员：朱俊江，张德涛，伍尚实，璞玉，陈广怡，
申请(专利权)人：上海数创医疗科技有限公司，
类型：发明
国别省市：上海,31