一种可穿戴式个体心电检测方法技术

本发明专利技术属于心电检测技术领域，具体涉及一种可穿戴式患者个体心电检测方法。本发明专利技术基于多流多尺度卷积神经网络(Multi‑stream Multi‑scale Convolutional Neural Networks，简称MM‑CNN)模型和多导综合判断算法对个体心电图(ECG)进行检测分类。本发明专利技术提出了基于MM‑CNN的单导联的分类检测算法，促进心电诊断的临床实践；提出了利用从特定的病人身上获取几分钟的心电信号，将通用模型训练成患者专用模型的算法；通用模型和专用模型的网络体系相同，提高了心电检测的效率；本发明专利技术提出了多导联综合判断算法对来自特定患者的心电信号进行永久分类，提高了鲁棒性，该方法准确率高，实时性强，适合可穿戴设备进行实时检测。

【技术实现步骤摘要】
一种可穿戴式个体心电检测方法
本专利技术属于心电检测
，具体涉及一种可穿戴式患者个体心电检测方法。
技术介绍
2013年，智能可穿戴设备行业在中国开始起步，目前可穿戴设备市场似乎已经饱和。这几年可穿戴设备的市场有些萎靡，因为可穿戴设备的主要用于医疗健康的检测比较多，但是检测的准确度不够，比如心电信号的检测。尽管Holter或其他心电图仪可以轻松捕获长期的实时ECG信号，但如何挖掘信息以进一步诊断心脏病仍然有些挑战。心电图在不同患者之间差异很大，这种差异在很大程度上取决于患者的身体状况。因为不同患者之间ECG波形形态的变异，从ECG信号中提取的特征应很好地代表相应患者的特征，以往的方法都无法满足这一需求。
技术实现思路
针对上述问题，本专利技术提出了一种可穿戴式个体心电检测方法，本专利技术准确率高，实时性强，适合可穿戴设备进行实时检测。本专利技术所述的一种可穿戴式患者个体心电检测方法，是基于多流多尺度卷积神经网络(Multi-streamMulti-scaleConvolutionalNeuralNetworks本文档来自技高网...

【技术保护点】
1.一种可穿戴式个体心电检测方法，其特征在于，该方法基于多流多尺度卷积神经网络模型和多导综合判断算法对个体心电图进行检测分类。/n

【技术特征摘要】
1.一种可穿戴式个体心电检测方法，其特征在于，该方法基于多流多尺度卷积神经网络模型和多导综合判断算法对个体心电图进行检测分类。


2.根据权利要求1所述的一种可穿戴式患者个体心电检测方法，其特征在于，包括以下步骤：
(1)收集心电信号并对其进行预处理；
(2)基于多流多尺度卷积神经网络模型单导联患者个体心电信号通用模型的训练；
(3)基于多流多尺度卷积神经网络模型单导联患者个体心电信号专用模型的训练；
(4)采用多导综合判断算法确定心电检测结果。


3.根据权利要求1所述的一种可穿戴式患者个体心电检测方法，其特征在...

【专利技术属性】
技术研发人员：梁玮，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：山东;37