一种心电数据压缩方法及装置制造方法及图纸

本发明专利技术涉及一种心电数据压缩方法，包括以下步骤：收集心电数据样本建立心电数据样本集，基于心电数据特征建立备选压缩方案空间；基于所述心电数据段样本集以及备选压缩方案空间，进行深度强化学习网络训练，得到压缩方案选择模型；将待压缩心电数据输入所述压缩方案选择模型，得到匹配压缩方案；基于所述匹配压缩方案对所述待压缩心电数据进行数据压缩。本发明专利技术提供的心电数据压缩方法充分考虑了心电数据的特征，适应性强，压缩比高。

【技术实现步骤摘要】
一种心电数据压缩方法及装置
本专利技术涉及心电数据压缩
，尤其涉及一种心电数据压缩方法、装置及计算机存储介质。
技术介绍
心电图检查早已成为临床医学的常规检查技术之一。凡是有医疗活动的地方，都有心电图。据美国心脏协会(AHA)的要求，一条心电图信号必须由3条单独的导联组成，ADC的分辨率为10位，每秒需记录500个样本。某些特别的心电图检查，如动态心电图可能需要12个导联，ADC的分辨率为11位，每秒记录1000个样本，持续记录时长超过24小时。如果将该心电信号转换为数字格式，单条心电图记录所需的计算机存储空间将超过1.32GB。在美国，出于比较和分析的目的，每年需要记录的心电图超过1000万条。在中国，据报道，每年有3500万人次做动态心电图检查。此外，近几年来，各大医院都已着手配备或已经配备了远程心电监测系统。如此海量的心电图数据传输和存储需求，对有效的心电图数据压缩方法提出了更高的要求。目前，用于心电图数据压缩的方法主要有：转折点法和AZTEC法。转折点法是通过分析采样点的趋势并将原始信号中每两个数据点减少为本文档来自技高网...

【技术保护点】
1.一种心电数据压缩方法，其特征在于，包括以下步骤：/n收集心电数据样本建立心电数据样本集，基于心电数据特征建立备选压缩方案空间；/n基于所述心电数据样本集以及备选压缩方案空间，进行深度强化学习网络训练，得到压缩方案选择模型；/n将待压缩心电数据输入所述压缩方案选择模型，得到匹配压缩方案；/n基于所述匹配压缩方案对所述待压缩心电数据进行数据压缩。/n

【技术特征摘要】
1.一种心电数据压缩方法，其特征在于，包括以下步骤：
收集心电数据样本建立心电数据样本集，基于心电数据特征建立备选压缩方案空间；
基于所述心电数据样本集以及备选压缩方案空间，进行深度强化学习网络训练，得到压缩方案选择模型；
将待压缩心电数据输入所述压缩方案选择模型，得到匹配压缩方案；
基于所述匹配压缩方案对所述待压缩心电数据进行数据压缩。


2.根据权利要求1所述的心电数据压缩方法，其特征在于，收集心电数据段样本建立心电数据段样本集，具体为：
收集长度不同的多段心电数据样本，并将每一所述心电数据样本复制多份，得到所述心电数据样本集。


3.根据权利要求1所述的心电数据压缩方法，其特征在于，基于心电数据特征建立备选压缩方案空间，具体为：
基于心电数据的不同局部特征建立不同的主压缩方案集合，每一所述主压缩方案集合均包含多个针对数据点进行压缩的子压缩方案，结合多个所述主压缩方案集合得到所述备选压缩方案空间。


4.根据权利要求1所述的心电数据压缩方法，其特征在于，基于所述心电数据样本集以及备选压缩方案空间，进行深度强化学习网络训练，得到压缩方案选择模型，具体为：
将所述心电数据段样本输入所述深度强化学习网络，得到多个备选压缩方案；
采用归一化函数计算每一所述备选压缩方案中各控制参数的可选值的概率，按照概率对各控制参数的可选值进行抽样，得到各控制参数的实际值；
基于各控制参数的实际值确定输出压缩方案；
采用所述输出压缩方案对所述心电数据段样本进行实际压缩，并计算输出压缩方案进行压缩的损失值；
根据所述损失值对所述深度强化学习网络进行修正；
判断是否满足终止条件，如果是，则输出当前深度强化学习网络模型作为所述压缩方案选择模型，否则采用下一个心电数据段样本进行深度强...

【专利技术属性】
技术研发人员：朱佳兵，朱涛，
申请(专利权)人：武汉中旗生物医疗电子有限公司，
类型：发明
国别省市：湖北;42