心电信号获取方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种心电信号获取方法、装置、计算机设备和存储介质。所述方法包括：通过获取扫描数据，并根据所述扫描数据得到第一心脏门控信号，并对所述第一心脏门控信号进行傅里叶变换处理，得到第一训练矩阵，再将所述第一训练矩阵输入深度学习模型，得到心电信号。采用本方法能够实现脱离外部ECG设备，基于PET自身扫描数据，供实时心电信号监控功能。

【技术实现步骤摘要】
心电信号获取方法、装置、计算机设备和存储介质
本申请涉及医学图像处理
，特别是涉及一种心电信号获取方法、装置、计算机设备和存储介质。
技术介绍
随着医学成像技术的不断发展，为了更好的对人体进行检查，正电子发射型计算机断层显像技术应运而生。正电子发射型计算机断层显像(PositronEmissionComputedTomography)，是医学影像领域比较先进的临床检查影像技术。当需要运用PET扫描进行心脏成像的时候，一般可通过外部心电图设备提供患者在进行PET扫描时，准确的心电信号。在现有技术中，也可基于PET扫描获取的自身数据，通过重心法或体积法提取心跳门控信号。由于数据及算法本身的限制，心跳门控信号频域上能够与外部心电设备获取的心电信号匹配，但是信号幅度及形状很难与外部心电图设备获取的心电信号一致。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够脱离的外部心电图设备，基于PET自身扫描数据提供实时心电信号的心电信号获取方法、装置、计算机设备和存储介质。一种心电信号获取方法，所述方法包括：获取扫描数据，并根据所述扫描数据得到第一心脏门控信号；对所述第一心脏门控信号进行傅里叶变换处理，得到第一训练矩阵；将所述第一训练矩阵输入深度学习模型，得到心电信号。在其中一个实施例中，所述将所述第一训练矩阵输入深度学习模型，获得心电信号包括：将所述第一训练矩阵输入深度学习模型，得到心电频域信号；对所述心电频域信号进行逆傅里叶变换处理，得到心电信号。在其中一个实施例中，所述获取扫描数据，并根据所述扫描数据得到第一心脏门控信号之前包括：获取训练数据以及心电采集信号；根据所述训练数据以及心电采集信号，得到第二训练矩阵以及校对矩阵；根据所述第二训练矩阵以及所述校对矩阵训练深度学习模型。在其中一个实施例中，所述根据所述训练数据以及心电采集信号，得到第二训练矩阵以及校对矩阵包括；根据所述训练数据，得到第二心脏门控信号；对所述第二心脏门控信号进行傅里叶变换处理，得到第二训练矩阵；对所述心电采集信号进行傅里叶变换处理，得到校对矩阵。在其中一个实施例中，所述根据所述训练数据，得到第二心脏门控信号包括：对所述训练数据进行运动识别，得到运动信号；将所述运动信号进行滤波，得到所述第二心脏门控信号。在其中一个实施例中，所述对所述训练图像数据进行运动识别，得到运动信号包括：所述训练扫描图像数据包括飞行时间信息以及心脏位置；根据所述飞行时间信息以及心脏位置，得到光子湮灭位置到心脏位置的距离；将所述光子湮灭位置到心脏位置的距离进行时间维度切割，得到运动信号。在其中一个实施例中，所述根据所述飞行时间信息以及心脏位置，得到光子湮灭位置到心脏位置的距离包括：根据所述飞行时间信息确定光子湮灭点位置，所述光子湮灭点位置用于表示湮灭点的三维空间坐标；根据所述湮灭点位置数据以及心脏位置，确定光子湮灭位置到心脏位置的距离。一种心电信号获取装置，所述装置包括：心脏门控信号得到模块，用于获取扫描数据，并根据所述扫描数据得到第一心脏门控信号；训练矩阵得到模块，用于对所述第一心脏门控信号进行傅里叶变换处理，得到第一训练矩阵；心电信号得到模块，用于将所述第一训练矩阵输入深度学习模型，得到心电信号。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取扫描数据，并根据所述扫描数据得到第一心脏门控信号；对所述第一心脏门控信号进行傅里叶变换处理，得到第一训练矩阵；将所述第一训练矩阵输入深度学习模型，得到心电信号。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取扫描数据，并根据所述扫描数据得到第一心脏门控信号；对所述第一心脏门控信号进行傅里叶变换处理，得到第一训练矩阵；将所述第一训练矩阵输入深度学习模型，得到心电信号。上述心电信号获取方法、装置、计算机设备和存储介质，通过获取扫描数据，并根据所述扫描数据得到第一心脏门控信号，并对所述第一心脏门控信号进行傅里叶变换处理，得到第一训练矩阵，再将所述第一训练矩阵输入深度学习模型，得到心电信号。这样可以实现脱离外部ECG设备，基于PET自身扫描数据，提供实时心电信号监控功能。附图说明图1为一个实施例中获取心电信号方法的流程示意图；图2为一个实施例中深度学习模型训练的方法的流程示意图；图3为一个实施例中获取心电信号装置的结构框图；图4为一个实施例中深度学习模型训练装置的结构框图；图5为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。正电子发射型计算机断层显像(PositronEmissionComputedTomography，PET)，是核医学领域比较先进的临床检查影像技术。是将某种物质，一般是生物生命代谢中必须的物质，如：葡萄糖、蛋白质、核酸、脂肪酸，标记上短寿命的放射性核素(如18F，11C等)，注入人体后，放射性核素在衰变过程中释放出正电子，一个正电子在行进十分之几毫米到几毫米后遇到一个电子后发生湮灭，从而产生方向相反的一对能量为511KeV的光子。这对光子，通过高度灵敏的探测器捕捉形成数据信息，这些信息经计算机进行散射和随机等一些列的校正形成校正后数据，经过对校正后数据进行重建处理，我们可以得到在生物体内聚集情况的三维图像，从而达到诊断的目的。在使用PET在对患者进行医学影像检查中，特别是对患者心脏部分进行扫描时。由于患者在扫描的过程中，心脏的跳动，致使注入到其中的放射性辐射源也跟随运动，所以PET图像不可避免要产生运动伪影，从而降低了图像的分辨率及诊断价值。为了获得更好质量的影像，一般运用诸如心电门控和心电触发等技术来作影像修正。所谓心电门控就是为了减少或消除心脏大血管的搏动对图像造成的影响而采取的技术手段。在现有技术中，一般使用的额外的ECG(心电图)设备获取心电信号。在扫描过程中，ECG设备通常设置有四个电极分别标有Ra、Rl、La、Ll，分别代表右上肢、右下肢、左上肢、左下肢。电极可采用多种放置方法，在临床应用中可选择其中效果较好的一种。通过4个电极可以获得多个导联的ECG信号。通过对ECG信号进行处理得到心动周期的边和与心电活动相对应，心动周期可简单分为收缩期和舒张期。收缩期一般从R波的波峰开始，到T波末结束；舒张期一般从T波开始到R波的波峰结束。而舒张中后期，这个时段心脏运动相对静止。根据舒张中后期所对应的时间点，可在PET数据中查找相对应时间点的的数据，再进行成像，从而获得伪影较少的PET图像。现在，也可基于PET扫描获取的自身数据，通过重心法或体积法提取心跳门控信号。由于数据及算法本身的限制，心跳门控信号频域上能够与外部ECG设备获取的心电信号匹配，但是信号幅度及形状很难与外部心电图设备获取的心电信号一致，特别是R波等ECG信号没有办法准确提取，这样难以获取舒张中后期相应的数据，从而导致不能达到消除伪影的目的。在一个实施例中，如图1所示，提供了一种心电信号获取方法，包括以下步骤：步骤102，获取扫描数据，并根据所述扫描数据本文档来自技高网...

【技术保护点】
1.一种心电信号获取方法，其特征在于，所述方法包括：获取扫描数据，并根据所述扫描数据得到第一心脏门控信号；对所述第一心脏门控信号进行傅里叶变换处理，得到第一训练矩阵；将所述第一训练矩阵输入深度学习模型，得到心电信号。

【技术特征摘要】
1.一种心电信号获取方法，其特征在于，所述方法包括：获取扫描数据，并根据所述扫描数据得到第一心脏门控信号；对所述第一心脏门控信号进行傅里叶变换处理，得到第一训练矩阵；将所述第一训练矩阵输入深度学习模型，得到心电信号。2.根据权利要求1所述的方法，其特征在于，所述将所述第一训练矩阵输入深度学习模型，获得心电信号包括：将所述第一训练矩阵输入深度学习模型，得到心电频域信号；对所述心电频域信号进行逆傅里叶变换处理，得到心电信号。3.根据权利要求1所述的方法，其特征在于，所述获取扫描数据，并根据所述扫描数据得到第一心脏门控信号之前包括：获取训练数据以及心电采集信号；根据所述训练数据以及心电采集信号，得到第二训练矩阵以及校对矩阵；根据所述第二训练矩阵以及所述校对矩阵训练深度学习模型。4.根据权利要求3所述的方法，其特征在于，所述根据所述训练数据以及心电采集信号，得到第二训练矩阵以及校对矩阵包括；根据所述训练数据，得到第二心脏门控信号；对所述第二心脏门控信号进行傅里叶变换处理，得到第二训练矩阵；对所述心电采集信号进行傅里叶变换处理，得到校对矩阵。5.根据权利要求4所述的方法，其特征在于，所述根据所述训练数据，得到第二心脏门控信号包括：对所述训练数据进行运动识别，得到运动信号；将所述运动信号进行滤波，得到所述第二心脏门控信号。...

【专利技术属性】
技术研发人员：孙友军，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海,31