一种心电信号中P波识别方法和系统技术方案

本发明专利技术公开了一种心电信号中P波识别方法和系统，包括：获取原始心电信号，并标记原始心电信号中P波的位置；采用滑动切分将原始心电信号切分为多条等长的小片段，并对所述小片段进行标记数值设置；构建深度神经网络模型，并输入标记数值设置后的小片段对深度神经网络模型进行训练，得到目标深度神经网络模型；将测试心电信号输入目标深度神经网络模型中，输出测试心电信号中P波的位置，如此，采用人工智能方法自动识别，替代传统基于模式识别的方法，使用更加灵活且精度更高。

A P-wave Recognition Method and System for ECG Signals

The invention discloses a method and system for identifying P-wave in ECG signal, which includes: acquiring original ECG signal and marking the position of P-wave in original ECG signal; dividing original ECG signal into several equal-length segments by sliding segmentation, and marking the small segments numerically; constructing a deep neural network model, and inputting the small segments after marking numerically. The deep neural network model is trained to get the target depth neural network model; the test ECG signal is input into the target depth neural network model, and the position of P wave in the test ECG signal is output. Thus, the artificial intelligence method is used to identify automatically, instead of the traditional pattern recognition method, which is more flexible and more accurate.

【技术实现步骤摘要】
一种心电信号中P波识别方法和系统
本专利技术涉及数据处理
，尤其涉及一种心电信号中P波识别方法和系统。
技术介绍
心电信号记录了心脏跳动的电生理信号，反映在每一次心搏的图像上，表现为一系列特征波段，例如P波、QRS波、T波等，分别对应了心房除极活动、心室除极心房复极活动、心室复极活动。其中，P波代表了一次心脏活动的开始，也是心房电生理活动最明显的波段，P波的准确识别对于基于心电信号的分析起着至关重要的作用。但是，P波的形态多样，难以准确描述，通常使用“高耸”、“倒置”、“不明显”等词语描述P波等形态，这些词语并没有具体描述“超过多少mV视为高耸”、“低于多少mV视为倒置”、“振幅小于多少算作不明显”，因此在模式识别方法中很难具体量化这些描述；其次，人群差异性大，每个人心脏的位置、方向、心脏活动强度都不一样，导致P波的形态千差万别，在模式识别方法中，对所有人群采用同一种模式识别P波，精度不高；P波容易受到噪声的干扰，采集过程中会遭到各种类型的噪音，例如肢体移动、其他仪器干扰、电流干扰等，这些也会造成P波形态的改变，降低模式识别方法的精度。
技术实现思路
基于背景技术存在的技术问题，本本文档来自技高网...

【技术保护点】
1.一种心电信号中P波识别方法，其特征在于，包括：S1、获取原始心电信号，并标记原始心电信号中P波的位置；S2、采用滑动切分将原始心电信号切分为多条等长的小片段，并对所述小片段进行标记数值设置；S3、构建深度神经网络模型，并输入标记数值设置后的小片段对深度神经网络模型进行训练，得到目标深度神经网络模型；S4、将测试心电信号输入目标深度神经网络模型中，输出测试心电信号中P波的位置。

【技术特征摘要】
1.一种心电信号中P波识别方法，其特征在于，包括：S1、获取原始心电信号，并标记原始心电信号中P波的位置；S2、采用滑动切分将原始心电信号切分为多条等长的小片段，并对所述小片段进行标记数值设置；S3、构建深度神经网络模型，并输入标记数值设置后的小片段对深度神经网络模型进行训练，得到目标深度神经网络模型；S4、将测试心电信号输入目标深度神经网络模型中，输出测试心电信号中P波的位置。2.根据权利要求1所述的心电信号中P波识别方法，其特征在于，步骤S2，具体包括：采用滑动切分将每一条原始心电信号切分为多条等长的小片段，记为Tj，若Tj中有P波位置标记，则设置Tj对应的标记数值Lj＝1，否则，即设置Ti对应的标记数值Lj＝0。3.根据权利要求2所述的心电信号中P波识别方法，其特征在于，步骤S3，具体包括：构建深度神经网络模型F，输入Tj，输出Tj中包含P波的预测概率yj，yj为0或1；定义目标函数其中，m＝n/d，n为原始心电信号长度，d为滑动切分的步长，为预设值，若Lj＝1，CrossEntropy(Lj,yj)＝-log(yj),若Lj＝0，CrossEntropy(Lj,yj)＝-log(1-yj)；再度量Lj和yj之间的差异，并求解Loss的最优化，通过梯度下降法优化深度神经网络模型参数，将计算的梯度反向传播，并在反向传播的过程中更新网络参数，以此对F进行多轮迭代训练，得到目标深度神经网络模型。4.根据权利要求1所述的心电信号中P波识别方法，其特征在于，步骤S4，具体包括：输入测试心电信号X，根据QRS波群识别算法识别出测试心电信号中每次心搏的位置；根据所述每次心搏的位置将X切分为连续的心搏片段信号B；采用滑动切分将B切分为多条等长的小片段，记为Qi；将Qi输入目标深度神经网络模型中，得到预测概率向量Y，取Y中概率最大对应的小片段的位置作为测试心电信号中P波的位置并输出。5.一种心电信号中P波识别系统，其特征在于，包括：标记模块，用于获取原始心电信号，...

【专利技术属性】
技术研发人员：洪申达，傅兆吉，周荣博，俞杰，
申请(专利权)人：安徽心之声医疗科技有限公司，
类型：发明
国别省市：安徽,34