一种基于深度学习的房颤事件检测方法技术

本发明专利技术提供了一种基于深度学习的房颤事件检测方法，其可以突破传统房颤检测算法特征不足的约束，进而提高准确率；其包括以下步骤：S1、获取用于训练房颤事件检测深度学习模型的心电信号，随后对心电信号进行预处理操作以去除干扰和无效数据；S2、对预处理后的心电信号进行QRS检波处理，以提取心电信号中的心搏信息；S3、根据QRS检波处理结果进行心电增维变换处理；S4、根据增维变换处理后的数据搭建深度学习模型；S5、通过5折交叉验证法对增维变换处理后的数据集进行训练集、测试集数据划分，随后通过所述训练集数据进行所述深度学习模型的训练，最终获得房颤检测模型。

【技术实现步骤摘要】
一种基于深度学习的房颤事件检测方法
本专利技术涉及房颤检测
，具体为一种基于深度学习的房颤事件检测方法。
技术介绍
心房颤动是一种常见的心律失常问题，是严重的心房电活动紊乱，随着年龄增长，房颤的发生率也不断增加，而房颤不仅影响患者生活质量，严重者还可以发生血栓栓塞、心脏衰竭以及脑卒中，而随着长时程心电监测的发展，可获取的心电信号的数据量越来越大，房颤自动检测算法也随之发展，但是传统的房颤自动检测算法往往受限于特征获取过程，导致检测准确率难以突破。
技术实现思路
针对上述问题，本专利技术提供了一种基于深度学习的房颤事件检测方法，其可以突破传统房颤检测算法特征不足的约束，进而显著提高检测准确率。其技术方案是：一种基于深度学习的房颤事件检测方法，其特征在于，其包括以下步骤：S1、获取用于训练房颤事件检测深度学习模型的心电信号，随后对心电信号进行预处理操作以去除干扰和无效数据；S2、对预处理后的心电信号进行QRS检波处理，以提取心电信号中的心搏信息；S3、根据QRS检波处理结果进行心电增维变换处本文档来自技高网...

【技术保护点】
1.一种基于深度学习的房颤事件检测方法，其特征在于，其包括以下步骤：/nS1、获取用于训练房颤事件检测深度学习模型的心电信号，随后对心电信号进行预处理操作以去除干扰和无效数据；/nS2、对预处理后的心电信号进行QRS检波处理，以提取心电信号中的心搏信息；/nS3、根据QRS检波处理结果进行心电增维变换处理；/nS4、根据增维变换处理后的数据搭建深度学习模型；/nS5、通过5折交叉验证法对增维变换处理后的数据集进行训练集、测试集数据划分，随后通过所述训练集数据进行所述深度学习模型的训练，最终获得房颤检测模型。/n

【技术特征摘要】
1.一种基于深度学习的房颤事件检测方法，其特征在于，其包括以下步骤：
S1、获取用于训练房颤事件检测深度学习模型的心电信号，随后对心电信号进行预处理操作以去除干扰和无效数据；
S2、对预处理后的心电信号进行QRS检波处理，以提取心电信号中的心搏信息；
S3、根据QRS检波处理结果进行心电增维变换处理；
S4、根据增维变换处理后的数据搭建深度学习模型；
S5、通过5折交叉验证法对增维变换处理后的数据集进行训练集、测试集数据划分，随后通过所述训练集数据进行所述深度学习模型的训练，最终获得房颤检测模型。


2.根据权利要求1所述的一种基于深度学习的房颤事件检测方法，其特征在于，在所述步骤S1中，预处理操作包括：通过低通滤波器去除高频毛刺噪音信号，通过高通滤波器去除基线漂移干扰信号，通过陷波器去除50Hz工频干扰信号。


3.根据权利要求1所述的一种基于深度学习的房颤事件检测方法，其特征在于，在所述步骤S2中，QRS检波处理包括以下步骤：
S2.1、QRS心拍定位：取得心搏的QRS位置信息，若采用的标准数据库，心电图上R波位置数从标准数据库给出的标准标注文件中直接获得，若是非标准标注过的心电信号记录，则采用Hamilton-Tompkins心拍定位算法来获取该条心电记录数据中的心搏R波位置信息，从而获取心搏QRS心拍定位；
S2.2、RR间期计算：在获取了心搏QRS心拍定位之后，相邻QRS波R点之间的距离便为相邻心搏间期，从而实现QRS检波处理，获得心电信号的RR间期数据。


4.根据权利要求3所述的一种基于深度学习的房颤事件检测方法，其特征在于，在所述步骤S3中，心电增维变换处理包括以下步骤：
S3.1、心搏切片：根据QRS检波处理...

【专利技术属性】
技术研发人员：赵卫，周成龙，
申请(专利权)人：江苏正心智能科技有限公司，
类型：发明
国别省市：江苏;32