基于局部模式变换的心电图分类方法技术

本发明专利技术公开了一种基于局部模式变换的心电图分类方法，包括：(1)取得原始心电数据和心电图附加信息，并对原始心电数据进行预处理；(2)对预处理后的心电数据进行增广变换处理获得心电增广数据；(3)利用心电增广数据和心电图附加信息对深度学习模型进行训练；(4)对待分类的心电图数据中的原始心电数据进行子段随机截取，将子段随机截取后的心电数据和心电图附加信息输入训练好的深度学习模型中，获得每个子段的局部概率值，再对所有局部概率值进行汇总，获得最终分类结果。本发明专利技术使用卷积神经网络及其变体能直接处理可变长度的心电图数据。

【技术实现步骤摘要】
基于局部模式变换的心电图分类方法
本专利技术涉及心电图分类
，尤其涉及一种基于局部模式变换的心电图分类方法。
技术介绍
心电图是记录人体心脏电活动的可视时间序列，已广泛应用于心脏相关疾病的检查，并形成了比较完善的判读标准。随着可穿戴技术的兴起，心电图分析正在向院外、亚健康人群和长时间监护发展，这使得医生工作量大增，也使得对自动化诊断的需求越来越迫切。用于临床诊断的心电图一般是12导联，每个导联通常采集10-60秒的心电数据。受限于不准确的传统特征提取方法，经典基于特征工程的心电图分类算法的实际性能不佳。近年来，以卷积神经网络(ConvolutionalNeuralNetwork,CNN)为代表的深度学习在心电图分析领域取得重要进展。例如，公开号为CN110432892A的中国专利文献公开了一种机器学习心电图自动诊断云。该自动诊断云包括：心电图采集，互联网/移动互联网，云平台及机器学习心电图自动诊断系统。机器学习心电图自动诊断系统直接处理心电图图像数据，通过一个训练好的深度卷积神经网络分类系统，完成对心电图信号自动诊断。但该本文档来自技高网...

【技术保护点】
1.一种基于局部模式变换的心电图分类方法，其特征在于，包括：/n(1)取得原始心电数据和心电图附加信息，并对原始心电数据进行预处理；/n(2)对预处理后的心电数据进行增广变换处理获得心电增广数据；所述的增广变换处理包括：子段随机截取、叠加随机噪声、沿着时间轴拉伸或收缩、小区域数据随机污染和/或按一定比例添加错误标签；/n(3)利用心电增广数据和心电图附加信息对深度学习模型进行训练；/n(4)对待分类的心电图数据中的原始心电数据进行子段随机截取，将子段随机截取后的心电数据和心电图附加信息输入训练好的深度学习模型中，获得每个子段的局部概率值，再对所有局部概率值进行汇总，获得最终分类结果。/n

【技术特征摘要】
1.一种基于局部模式变换的心电图分类方法，其特征在于，包括：
(1)取得原始心电数据和心电图附加信息，并对原始心电数据进行预处理；
(2)对预处理后的心电数据进行增广变换处理获得心电增广数据；所述的增广变换处理包括：子段随机截取、叠加随机噪声、沿着时间轴拉伸或收缩、小区域数据随机污染和/或按一定比例添加错误标签；
(3)利用心电增广数据和心电图附加信息对深度学习模型进行训练；
(4)对待分类的心电图数据中的原始心电数据进行子段随机截取，将子段随机截取后的心电数据和心电图附加信息输入训练好的深度学习模型中，获得每个子段的局部概率值，再对所有局部概率值进行汇总，获得最终分类结果。


2.根据权利要求1所述的基于局部模式变换的心电图分类方法，其特征在于，所述的预处理包括信号滤波、重采样、基本导联截取和幅值归一化。


3.根据权利要求1所述的基于局部模式变换的心电图分类方法，其特征在于，基于局部模式变换的心电图分类方法还包括：对预处理后的心电数据进行复制填充操作，之后再进行增广变换处理。


4.根据权利要求1所述的基于局部模式变换的心电图分类方法，其特征在于，所述的增广变换处理包括：
(2-1)设某一样本的心电数据和起始点范围分别为dij和[1,offset]；其中，1≤i≤leadC,1≤j≤frameC，leadC和frameC分别是原始心电图的导联数和帧数；
(2-2)确定一个起始点b，接着以此为基准点截取后续全部数据，即获得dik；其中，1≤b≤offset，1≤i≤leadC,b≤k≤frameC；
(2-3)有选择地对dik叠加噪声、沿着时间轴拉伸或收缩、小区域数据随机污染、按一定比例添加错...

【专利技术属性】
技术研发人员：金林鹏，董军，潘志庚，
申请(专利权)人：杭州师范大学，
类型：发明
国别省市：浙江;33