【技术实现步骤摘要】
基于残差神经网络的冠心病心电图筛查系统及方法
本专利技术涉及心血管疾病诊断
，具体地，涉及一种基于残差神经网络的冠心病心电图筛查系统及方法。
技术介绍
冠状动脉粥样硬化性心脏病，简称冠心病，是指由于冠状动脉粥样硬化、冠状动脉狭窄引起的缺血、缺氧性心脏病，心律失常是其常见并发症。冠心病是引起老年人的重要死因之一，发病率和年龄成正比例关系。临床上表现为心绞痛、心肌梗死等状况，更有甚者因心律失常、心力衰竭而死亡。目前诊断冠心病的金标准是冠状动脉造影，但因其成本高且具有一定的风险，因此无法普及。目前利用十二导联心电图检测冠心病是十分重要的辅助检查手段，目前心电图筛查主要是通过医生观察心电图然后给出心电图相关的诊断，然后根据诊断判断是否可能患有冠心病。心电图各波及波段的组成依次为P波、PR间期、QRS波群、J点、ST段、T波、U波、QT间期。冠心病主要分为慢性的心肌缺血和机型的心肌缺血，慢性的心肌缺血主要表现为ST段的抬高、ST段的压低、T波的低平、T波的倒置，而急性的心肌缺血最主要的表现是ST段的抬高、病理性Q波、T波...
【技术保护点】
1.一种基于残差神经网络的冠心病心电图筛查系统，其特征在于，包括：/n心电信号处理模块：提取心电图机产生心电信号，使用symlets4小波对心电信号进行多层分解去噪，寻找心电信号转换的心电序列数据中R波的位置，并以其为基准进行心拍分割；/n深度特征提取模块：针对经过心电信号处理模块处理过的数据进行平移和缩放来数据增强，并使用包含挤压和激励网络模块的ResneXt50网络提取十二导联心电图的深度特征；/n树形模型预测模块：将深度特征提取模块提取的深度特征与心电图机数据进行结合，输入训练好的XGBoost模型得到心电图中出现冠心病心电特征的预测概率。/n
【技术特征摘要】
1.一种基于残差神经网络的冠心病心电图筛查系统，其特征在于，包括：
心电信号处理模块：提取心电图机产生心电信号，使用symlets4小波对心电信号进行多层分解去噪，寻找心电信号转换的心电序列数据中R波的位置，并以其为基准进行心拍分割；
深度特征提取模块：针对经过心电信号处理模块处理过的数据进行平移和缩放来数据增强，并使用包含挤压和激励网络模块的ResneXt50网络提取十二导联心电图的深度特征；
树形模型预测模块：将深度特征提取模块提取的深度特征与心电图机数据进行结合，输入训练好的XGBoost模型得到心电图中出现冠心病心电特征的预测概率。
2.根据权利要求1所述的基于残差神经网络的冠心病心电图筛查系统，其特征在于，所述心电信号处理模块使用symlets4小波对心电信号进行多层分解去噪时，将尺度为1、6和7的系数置为零的方式去除漂移、肌电和工频噪声。
3.根据权利要求1所述的基于残差神经网络的冠心病心电图筛查系统，其特征在于，所述深度特征提取模块中，使用包含挤压和激励网络模块的ResneXt50网络提取特征时，在全连接层之前同时采用平均池化和最大池化操作。
4.根据权利要求1所述的基于残差神经网络的冠心病心电图筛查系统，其特征在于，使用所述树形模型预测模块时，只需将心电图可扩展标记语言文件放到程序指定位置，先经过神经网络得到神经网络提取的512维特征，再将这些特征与心电图机的提取的波形信息结合，输入XGBoost模型，即可得该名检测者出现冠心病心电特征的概率。
5.一种基于残差神经网络的冠心病心电图筛查方法，其特征在于，包括如下步骤：
步骤1：将心电图机产生的xml文件中的十二导联心电序列数据和心电特征数据提取出来，并对心电序列数据进行小波变换去噪，使用心拍分割算法将心电信号进行分割，最后进行填充得到固定长度的心电数据；
步骤2：将步骤1得到的数据进行数据增强提高系...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。