一种基于卷积神经网络的房性早搏目标检测方法技术

本申请涉及一种基于卷积神经网络的房性早搏目标检测方法，通过数据预处理，对收集的每一条心电信号标注数据标签，所述数据标签包括所述心电信号不同采样点处的心拍类型和心拍位置，并组成训练集，训练卷积神经网络模型，将实时待检测心电数据输入训练好的卷积神经网络模型，预测异常心拍的类型和异常心拍的位置，从而实现房性早搏的目标检测。

【技术实现步骤摘要】
一种基于卷积神经网络的房性早搏目标检测方法
本申请属于心电检测
，尤其是涉及一种基于卷积神经网络的房性早搏目标检测方法。
技术介绍
由于心脏电传导系统异常所引起的各种征候，称为心律失常。其中房性早搏是临床心律失常病症中较为常见的，它是指心脏提前搏动而引起的心室或心房的异常收缩，一旦频繁发作可能会导致各种并发症，所以针对房早类心律不齐的目标检测具有重要意义。心电信号作为检测心律失常疾病的重要工具，是人体心脏活动时所产生的电信号。医生通过心电信号诊断心律失常通常耗时耗力且与医生水平有较大关联。随着人工智能技术广泛应用于心律失常的检测，辅助医生诊断，大大提高了诊断效率，但大多数算法仅能给出基于心拍或片段的类型识别，无法同时判断心律失常类型并给出位置信息。
技术实现思路
本专利技术要解决的技术问题是：为解决对于心律失常的疾病，现有技术的算法无法同时判断心律失常类型并给出位置信息的问题。为解决上述技术问题，本专利技术提供了一种基于卷积神经网络的房性早搏目标检测方法及装置，本专利技术卷积神经网络采用基于离散小波思想本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的房性早搏目标检测方法，其特征在于，包括：/n收集若干包含房性早搏且已标注R波波峰的心电信号；/n通过数据预处理，对每一条心电信号标注数据标签，并将标注数据标签的心电信号数据构成训练集，所述数据标签包括所述心电信号不同采样点处的心拍类型和心拍位置；/n将所述训练集中的心电信号数据作为输入，将所述心电信号不同采样点处的心拍类型和R波波峰位置作为输出，训练卷积神经网络模型；/n获取实时待检测心电数据，并输入训练好的卷积神经网络模型，预测异常心拍的类型和异常心拍的R波波峰位置，从而实现房性早搏的目标检测。/n

【技术特征摘要】
1.一种基于卷积神经网络的房性早搏目标检测方法，其特征在于，包括：
收集若干包含房性早搏且已标注R波波峰的心电信号；
通过数据预处理，对每一条心电信号标注数据标签，并将标注数据标签的心电信号数据构成训练集，所述数据标签包括所述心电信号不同采样点处的心拍类型和心拍位置；
将所述训练集中的心电信号数据作为输入，将所述心电信号不同采样点处的心拍类型和R波波峰位置作为输出，训练卷积神经网络模型；
获取实时待检测心电数据，并输入训练好的卷积神经网络模型，预测异常心拍的类型和异常心拍的R波波峰位置，从而实现房性早搏的目标检测。


2.根据权利要求1所述的基于卷积神经网络的房性早搏目标检测方法，其特征在于，收集的所述心电信号均取自II导联心电信号，且收集的心电信号包括：包含左束支、房性早搏的心电信号，包含右束支、房性早搏的心电信号以及包含正常、房性早搏的心电信号。


3.根据权利要求2所述的基于卷积神经网络的房性早搏目标检测方法，其特征在于，所述数据预处理的步骤包括：
对收集的心电信号进行小波滤波和Fir加窗滤波；
对收集的每一条心电信号的若干个采样点进行打标，根据已标注的R波，左右截取心拍，标记心拍类型。


4.根据权利要求3所述的基于卷积神经网络的房性早搏目标检测方法，其特征在于，标记心拍类型的步骤包括：
若标注的R波为正常、左束支、右束支，则将R波位置往左120到往右130的信号段内的采样点均标记为0.5；
若标注的R波为房性早搏，则将R波位置往左198到往右175的信号段内的采样点均标记为1；
将经过上述标记后剩余的采样点都默认为背景点，并标记为0。


5.根据权利要求1所述的基于卷积神经网络的房性早搏目标检测...

【专利技术属性】
技术研发人员：朱俊江，黄浩，吕金涛，潘黎光，
申请(专利权)人：上海数创医疗科技有限公司，
类型：发明
国别省市：上海;31