定位R波位置的方法及系统、使用LSTM神经网络的R波自动检测方法技术方案

定位R波位置的方法及系统、使用LSTM神经网络的R波自动检测方法，属于心脏疾病数据处理领域，为了解决深度学习网络进行心电R波自动检测后处理数据能精确定位R波位置的问题，训练模型对测试心电数据进行R波候选区间提取，得到测试数据被检测为R波的预测概率分布；将R波的预测概率分布转变为多个R波区间；将R波区间转变为R波位置点；筛选R波位置点以定位R波，效果是后处理数据精确定位R波是为了减小误检和漏检，提高了检出率。

【技术实现步骤摘要】
定位R波位置的方法及系统、使用LSTM神经网络的R波自动检测方法
本专利技术属于心脏疾病数据处理领域，涉及一种定位R波位置的方法及系统、使用LSTM神经网络的R波自动检测方法。
技术介绍
心脏疾病的特点是发病率高，速度快，严重的心脏疾病(房颤、心肌梗死等)，必须在短时间内进行急救，否则会带来严重后果。目前的常规检查，甚至体检，都会有心电图检测，每天会有大量的心电病例需要诊断。临床医生诊断工作强度巨大，而且长时间的阅图很容易产生疲劳，进而造成漏诊和误诊。心电ECG(Electrocardiography)是一种经胸腔的以时间为单位记录心脏的电生理活动，并通过皮肤上的电极捕捉并记录下来的诊疗技术。目前，临床医学上最常用的诊断心脏疾病的医疗手段就是使用心电图诊断。医护人员对心电图的诊断主要依靠P波、PR间期、QRS波群、ST波等多种特征进行总和诊断。为了减少医师的工作强度，提高诊断的准确性，实现心电图自动检测是势在必行的。在心电特征检测算法中，最首要检测的特征就是R波，R波是最明显的特征，同时R波定位的准确性直接影响到其他特征检测的准确性。目前，对心脏R波的检测已经进行了大量的研究工作。医本文档来自技高网...

【技术保护点】
1.一种定位R波位置的方法，其特征在于，步骤如下：训练模型对测试心电数据进行R波候选区间提取，得到测试数据被检测为R波的预测概率分布；将R波的预测概率分布转变为多个R波区间；将R波区间转变为R波位置点；筛选R波位置点以定位R波。

【技术特征摘要】
1.一种定位R波位置的方法，其特征在于，步骤如下：训练模型对测试心电数据进行R波候选区间提取，得到测试数据被检测为R波的预测概率分布；将R波的预测概率分布转变为多个R波区间；将R波区间转变为R波位置点；筛选R波位置点以定位R波。2.如权利要求1所述的定位R波位置的方法，其特征在于，将R波区间转变为R波位置点，其具体方法是：预测的R波区间值为1，非R波区间为0，由此定位出每一个R波区间对应的初始位置和结束位置，在定位的R波的区间内，搜索区间所对应的原始数据各点的梯度，R波区间内可能包含多个波峰和波谷，R波区间内的R波位置处陡峭，上升和下降速度最快，R波区间内的其他波峰和波谷属于QRS波群前后位置，上升和下降的速度没有R波位置处快，因而找到最大梯度值和最小梯度值来定位R波位置。3.如权利要求2所述的定位R波位置的方法，其特征在于，通过梯度跟踪定位R波位置的步骤为：以每一个R波区间为单元，计算单元内后一个点与前一个点的梯度值，保存到一个列表中，在列表中找到最大梯度的索引和最小梯度的索引，R波位置定位在梯度最大和最小值的中间位置，依次计算出每一个区间中R波的位置。4.如权利要求1所述的定位R波位置的方法，其特征在于，训练模型对测试心电数据进行R波候选区间提取的方法是：将训练数据预处理筛选，输入LSTM网络模型训练，LSTM网络模型使用一层LSTM网络加一个全连接层，优化器是adam，学习率是0.0001，选择损失函数binary_crossentropy进行网络训练，当LSTM网络模型在验证集上的精度超过100个epoch并不再提高时，训练停止，得到LSTM最优模型可进行R波区间的定位预测，将测试心电数据送给训练好的LSTM最优模型进行R波候选区间提取。5.一种使用LSTM神经网络的R波自动检测方法，其特征在于，包括如下步骤：S1、取已标记R波位置的心电数据作为来源；S2、心电数据预处理筛选；S3、提取R波特征区间，定位R波位置。6.如权利要求5所述的使用LSTM神经网络的R波自动检测方法，其特征在于，心电数据预处理筛选的步骤是：(1)对输入数据重采样；(2)对数据进行筛选；(3)每一个R波位置标记为一个点；(4)滤波去躁；(5)按节拍分割数据点；(6)对数据进行归一化处理。7.如权利要求6所述的使用LSTM神经网络的R波自动检测方法，其特征在于，(1)对输入数据重采样：将数据统一采样为360HZ，采用k＝(s2...

【专利技术属性】
技术研发人员：王兴维，邰从越，刘龙，刘慧芳，王慧，史黎鑫，尹延伟，
申请(专利权)人：心医国际数字医疗系统大连有限公司，
类型：发明
国别省市：辽宁,21