心电信号的早搏心拍检测方法技术

本发明专利技术公开了一种心电信号的早搏心拍检测方法，包括：步骤一：将预设采样率的心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的噪声，给心电信号每一组数据准备了其对应的标签，标签有两个通道，每个通道分别划分好对应的室性早搏QRS波段和室上性早搏QRS波段；步骤二：将步骤一中的心电信号进行低通滤波，并结合对应的标签输入到神经网络中进行训练，所述神经网络的损失函数为Dice损失函数，所述神经网络采用一维U‑net网络结构。本发明专利技术的有益效果：无需复杂的前期去噪或者域变换、无需人工设计特征；鲁棒性强、能够在高噪信号中准确检测出早搏心拍，即早搏心拍中的QRS波位置；端到端的检测、再通过后处理直接输出早搏类型与位置。

【技术实现步骤摘要】
心电信号的早搏心拍检测方法
本专利技术涉及心电信号检测领域，具体涉及一种心电信号的早搏心拍检测方法。
技术介绍
在人体不同部位放置电极，并通过导联线与心电图机的正负相连，这种记录心电图的电路连接方法称为心电图导联。心电信号图本质上是一种心脏搏动时电位变化的时间-电压曲线图。在一个正常心动周期中，一个典型的ECG波形是由一个P波，一个QRS波群，一个T波，以及在50％～75％的ECG中可能见到的U波组成。P波对应着心房去极化、QRS波群对应心室去极化、T波对应心室复极化的过程。如图1所示(参考国标YY0782-2010/IEC60601-2-51：2003)。目前临床上应用的多是常规12导联(又称标准十二导联)系统，包括双极肢体导联(I、II、III导联)，加压单极肢体导联(aVR、aVL、aVF导联)，胸导联(V1、V2、V3、V4、V5、V6导联)。心律失常是由心脏异常电活动引起的，室性早搏(PVC)和室上性早搏(SPB)是两种最常见的心律失常，如图2。室性早搏心拍在心电图上的主要表现为：QRS波提前出现，其前无P波，形态宽大畸形；室上性早搏心拍在心电图上的主要表现为：P波提早出现，其形态与基本心律的P波不同，有时可无P波，其QRS波大多与窦性心律的相同，有时稍增宽或畸形。这些心拍的出现可能是中风或者心脏猝死的前兆，因此准确且快速地检测出这些心拍可以有效地预防某些疾病的出现。但是室性早搏和室上性早搏往往是阵发性的，只有在长期监测中才能检测得到，要找到这些阵发性的心拍需要耗费医生大量的精力，因此需要一种能准确且快速的自动检测早搏心拍的算法，来减少医生人工的判读工作。近年来，早搏心拍的检测方法不断改进和创新，有传统的基于规则的方法，有基于模式识别的方法也有基于深度学习的方法等等。传统的基于规则的方法是比较基础的方法，它通过特征波形检测算法，检测出心电信号的P波、QRS波群等特征波，提取出这些波形的宽度、幅值等信息，符合医学上相对应的节律、形态的心拍就可被检测为早搏心拍。这个方法很好地利用了医学知识，算法的可解释性强，但是在噪声大的心电信号中表现欠佳，并且依赖于前期的特征波形检测算法，虽然时间复杂度低，但是在准确率上与其他方法相比不具备优势。基于模式识别的方法是目前比较流行的，主要可分为以下四个步骤：首先对心电信号做预处理，主要为去噪，接着通过心拍提取算法把心电信号中的每一个心拍提取出来，然后提取出每一个心拍的特征，特征包括时域特征和频域特征等，最后通过模式识别算法将每一个心拍分为室性早搏心拍、室上性早搏心拍和其他类别心拍。该算法在总体上有令人较为满意的效果，但是步骤过于繁琐，每个环节都不能出错，而且也依赖于前期的心拍提取算法，鲁棒性低。基于规则的方法简介如下：首先对心电信号进行去噪，然后通过特征波形检测算法，检测出心电信号的P波、QRS波群等特征波，得到这些特征波形的宽度、幅值等信息，对于符合医学上相对应的节律、形态的心拍可被检测为早搏心拍。基于规则的方法缺点如下：1.对于噪声大的心电信号，得到的特征波形的宽度、幅值等信息受到很大的噪声干扰，很难用于检测早搏心拍。2.该方法依赖于特征波形检测算法，特征波形检测的不好，后面的检测效果也会变差。基于模式识别的方法简介如下：首先对心电信号做预处理，主要为去噪，接着通过心拍提取算法把心电信号中的每一个心拍提取出来，然后对每一个心拍提取特征，提取的特征包括时域特征和频域特征等，最后通过模式识别算法将每一个心拍分为室性早搏心拍、室上性早搏心拍和其他类别心拍。基于模式识别方法的缺点如下：定位早搏时依赖于心拍提取算法，心拍提取的效果直接影响后续的早搏心拍检测。不同人的心电图变换大，受制于研究者的水平，难以提取出适应性强的人工特征。无法实现端到端的早搏心拍检测，往往步骤繁琐，导致误差层层传递、鲁棒性低。现有技术存在以下技术问题：现有的心电信号早搏心拍检测算法大都依赖于前期的预处理工作，例如：心拍检测、特征波形检测等，预处理工作处理的不好，后期的早搏心拍检测效果也会变差。现有的心电信号早搏心拍检测算法需要人工设计特征：(1)额外的特征提取和选择算法导致计算复杂度的增加；(2)特征设计的好坏直接影响到特征波检测的准确率；(3)当使用固定的人工设计特征时，难以保持泛化能力；现有的心电信号早搏心拍检测算法受噪声干扰影响较为严重，很难在噪声大的心电信号中准确的定位到早搏心拍的位置。现有的心电信号早搏心拍检测算法步骤较为繁琐，无法实现端到端的、快速的早搏心拍检测，检测时间较慢。
技术实现思路
本专利技术要解决的技术问题是提供一种心电信号的早搏心拍检测方法，基于深度学习的方法能够端到端的定位到早搏心拍，避免了其他方法的前期的繁琐的步骤，能准确、快速且端到端地实现早搏心拍的检测，即能准确地定位到早搏心拍的QRS波位置，使用了改进的一维U-net网络结构，并使用针对的损失函数对网络参数进行优化，目的是使得早搏心拍QRS波段的检测更为准确，再利用后处理的方法实现QRS波位置的定位。为了解决上述技术问题，本专利技术提供了一种心电信号的早搏心拍检测方法，包括：步骤一：将预设采样率的心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的噪声，给心电信号每一组数据准备了其对应的标签，标签有两个通道，每个通道分别划分好对应的室性早搏QRS波段和室上性早搏QRS波段；步骤二：将步骤一中的心电信号进行低通滤波，并结合对应的标签输入到神经网络中进行训练，所述神经网络的损失函数为Dice损失函数，所述神经网络采用一维U-net网络结构。在其中一个实施例中，还包括：步骤三：步骤3.1对于每个通道的输出概率值大于等于预设概率的值，则修改为1；小于所述预设概率的值则修改为0；步骤3.2对于经过步骤1后的每个通道的输出结果经过若干次滑窗积分；步骤3.3对于经过步骤3.1、步骤3.2后的第一个通道的输出结果，它的波峰值即为室性早搏心拍的QRS波所在位置；对于经过步骤3.1、步骤3.2后的第二个通道的输出结果，它的波峰值即为室上性早搏心拍的QRS波所在位置。在其中一个实施例中，所述噪声包括：电极干扰噪声、肌电干扰噪声以及基线漂移噪声。在其中一个实施例中，所述神经网络的训练方法为Adam算法；所述神经网络中，第一次下采样与最后一次上采样使用了不同大小的采样倍率。在其中一个实施例中，在所述神经网络中，加入金字塔池化模块：首先将输入数据进行四次不同下采样倍率的最大池化，此时得到多个尺寸的的特征图，接着对这些尺寸的特征图分别再进行卷积，用来减少通道数，然后采用双线性插值进行上采样操作，通过上采样来获得金字塔模块前相同尺寸的特征图，接着将它们与输入数据在通道上进行拼接，最后再进行一次卷积。在其中一个实施例中，在所述神经网络中，每一次卷积层后面都有批归一化操作并添加了“Relu”激活函数，只有最后一层没有批归一化操作并且激活函数为本文档来自技高网...

【技术保护点】
1.一种心电信号的早搏心拍检测方法，其特征在于，包括：/n步骤一：将预设采样率的心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的噪声，给心电信号每一组数据准备了其对应的标签，标签有两个通道，每个通道分别划分好对应的室性早搏QRS波段和室上性早搏QRS波段；/n步骤二：将步骤一中的心电信号进行低通滤波，并结合对应的标签输入到神经网络中进行训练，所述神经网络的损失函数为Dice损失函数，所述神经网络采用一维U-net网络结构。/n

【技术特征摘要】
1.一种心电信号的早搏心拍检测方法，其特征在于，包括：
步骤一：将预设采样率的心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的噪声，给心电信号每一组数据准备了其对应的标签，标签有两个通道，每个通道分别划分好对应的室性早搏QRS波段和室上性早搏QRS波段；
步骤二：将步骤一中的心电信号进行低通滤波，并结合对应的标签输入到神经网络中进行训练，所述神经网络的损失函数为Dice损失函数，所述神经网络采用一维U-net网络结构。


2.如权利要求1所述的心电信号的早搏心拍检测方法，其特征在于，还包括：步骤三：步骤3.1对于每个通道的输出概率值大于等于预设概率的值，则修改为1；小于所述预设概率的值则修改为0；
步骤3.2对于经过步骤1后的每个通道的输出结果经过若干次滑窗积分；
步骤3.3对于经过步骤3.1、步骤3.2后的第一个通道的输出结果，它的波峰值即为室性早搏心拍的QRS波所在位置；对于经过步骤3.1、步骤3.2后的第二个通道的输出结果，它的波峰值即为室上性早搏心拍的QRS波所在位置。


3.如权利要求1所述的心电信号的早搏心拍检测方法，其特征在于，所述神经网络的训练方法为Adam算法；所述神经网络中，第一次下采样与最后一次上采样使用了不同大小的采样倍率。


4.如权利要求1所述的心电信号的早搏心拍检测方法，其特征在于，在所述神经网络中，加入金字塔池化模块：首先将输入数据进行四次不同下采样倍率的最大池化，此时得到多个尺寸的的特征图，接着对这些尺寸的特征图分别再进行卷积，用来减少通道数，然后采用双线性插值进行上采样操作，通过上采样来获得金字塔模块前相同尺寸的特征图，接着将它们与输入数据在通道上进行拼接，最后再进行一...

【专利技术属性】
技术研发人员：王丽荣，蔡文强，邱励燊，朱文亮，俞杰，张淼，王朵朵，张慧敏，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32