一种基于改进U-Net的心电信号R波检测方法技术

本发明专利技术涉及一种基于改进U‑Net的心电信号R波检测方法，属于心电信号技术领域该方法主要包括如下几个要点：1)对获取的心电数据进行预处理；2)将经过预处理的心电数据输入训练好的U‑net网络模型中；3)获取U‑net网络模型输出的心电信号分割数据；4)结合组平均聚类算法对分割结果进行优化，最终输出R波位置。与传统的R波检测方法相比，本发明专利技术引入深度学习中的分割网络，提高了在强噪声或波形异常环境下R波检测的正确率，该方法具有较好的定位灵敏度和鲁棒性。

【技术实现步骤摘要】
一种基于改进U-Net的心电信号R波检测方法
本专利技术属于心电信号
，涉及一种基于改进U-Net的心电信号R波检测方法。
技术介绍
心电图(Electrocardiogram,ECG)R波的准确检测为后续的信号处理如心电信号分类、RR间隔和心率计算等过程提供了重要依据，是整个心电图自动诊断过程中关键一环。目前的R波检测方法主要包括基于小波变换、数学形态学和数字滤波器等。这些方法在很大程度上依赖于经验判断和固定的参数选择。对于随着时间、个体和环境的不同而变化的心电信号而言，特别是在处理可穿戴心电信号时，很难选出合适的参数进行检测。卷积神经网络具有自适应、抗噪能力强、非线性等优点，相较于传统R波检测方法容易受噪声和R波形状的影响，基于卷积神经网络的R波检测方法可以自动处理不同噪声情况下的R波检测，具有较好的鲁棒性。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于改进U-Net的心电信号R波检测方法，通过组平均聚类算法，确定R波准确位置的检测方法，以提高R波在强噪声信号中或异常节奏波形中的检测准确率。...

【技术保护点】
1.一种基于改进U-Net的心电信号R波检测方法，其特征在于：该方法包括以下步骤：/n步骤S1，对获取的心电数据进行预处理；/n步骤S2，将经过预处理的心电数据输入训练好的U-net网络模型中；/n步骤S3，获取U-net网络模型输出的心电信号分割数据；/n步骤S4，使用组平均聚类算法对分割结果进行优化，最终输出R波位置。/n

【技术特征摘要】
1.一种基于改进U-Net的心电信号R波检测方法，其特征在于：该方法包括以下步骤：
步骤S1，对获取的心电数据进行预处理；
步骤S2，将经过预处理的心电数据输入训练好的U-net网络模型中；
步骤S3，获取U-net网络模型输出的心电信号分割数据；
步骤S4，使用组平均聚类算法对分割结果进行优化，最终输出R波位置。


2.根据权利要求1所述的一种基于改进U-Net的心电信号R波检测方法，其特征在于：所述步骤S1中，预处理方法包括信号放大处理、滤波去噪处理、去基线漂移处理和/或去肌电干扰处理；为提升模型的收敛速度，对心电信号进行z-score归一化预处理。


3.根据权利要求1所述的一种基于改进U-Net的心电信号R波检测方法，其特征在于：在所述步骤S2之前还包括：
预先构建U-Net网络模型，并利用已知的/标记的心电信号和R波掩膜对构建的U-Net网络模型进行学习训练。


4.根据权利要求3所述的一种基于改进U-Net的心电信号R波检测方法，其特征在于：所述U-Net网络模型包括：收缩路径和扩展路径；
输入U-Net网络模型中的心电数据依次经过所述收缩路径和所述扩展路径的处理，获得R波所在区域的数据；
其中，所述收缩路径由4个依次链接的卷积块组成；
每个所述卷积块包括两个卷积层，卷积核大小为13*1，两个卷积的步长均为1，使用R...

【专利技术属性】
技术研发人员：庞宇，何思佳，王慧倩，林金朝，刘挺，李国权，卢毅，罗家赛，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50