一种心率失常检测方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种心率失常检测方法、装置及存储介质，其中方法包括获取心电信号；提取形态学信息特征和节律信息特征；将形态学信息特征和节律信息特征融合得到融合特征；将融合特征输入至具有补充增强节点的宽度学习网络模型中进行分类得到分类结果；通过提取并融合心电信号的形态学信息特征和节律信息特征，能揭示心电信号波形变化的内在机理，有利于提高分类模型的学习能力；通过具有补充增强节点的宽度学习网络模型分类，解决了训练周期长、实时性差的问题。时性差的问题。时性差的问题。

【技术实现步骤摘要】
一种心率失常检测方法、装置及存储介质


[0001]本专利技术涉及生理信息检测技术，特别是一种心率失常检测方法、装置及存储介质。

技术介绍

[0002]为了适应心律失常自动分类朝着智能化、快速化、高精度以及检测参数多样化方向发展的需求，机器学习被应用到心律失常方面。目前主要通过卷积神经网络进行检测。但卷积神经网络在应用到心律失常检测时，存在以下问题：深度网络结构复杂并且涉及到大量的超参数，这种复杂性使得在理论上分析深层结构变得极其困难；为了在应用中获得更高的诊断精度，深度模型不得不持续地增加网络层数或者调整参数个数；进而降低了训练速度。

技术实现思路

[0003]本专利技术的目的在于至少解决现有技术中存在的技术问题之一，提供一种心率失常检测方法、装置及存储介质。
[0004]本专利技术解决其问题所采用的技术方案是：
[0005]本专利技术的第一方面，一种心率失常检测方法，包括：
[0006]获取心电信号；
[0007]提取所述心电信号的形态学信息特征和节律信息特征；
[0008]将所述形态学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种心率失常检测方法，其特征在于，包括：获取心电信号；提取所述心电信号的形态学信息特征和节律信息特征；将所述形态学信息特征和所述节律信息特征融合得到融合特征；将所述融合特征输入至具有补充增强节点的宽度学习网络模型中进行分类，得到反映心率是否失常的分类结果。2.根据权利要求1所述的一种心率失常检测方法，其特征在于，在所述获取心电信号的步骤之后，还包括:对所述心电信号去除基线漂移噪音和高频噪音；根据采样频率和所述心电信号的R波峰值位置，将所述心电信号分割为多个单峰信号。3.根据权利要求1所述的一种心率失常检测方法，其特征在于，在提取心电信号的形态学信息特征和节律信息特征后，对所述形态学信息特征在时间上作归一化处理，对所述节律信息特征在幅度上作归一化处理。4.根据权利要求1所述的一种心率失常检测方法，其特征在于，所述将融合特征输入至具有补充增强节点的宽度学习网络模型中进行分类得到反映心率是否失常的分类结果的步骤包括：将所述融合特征映射的第一特征作为特征节点；将所述第一特征增强为随机生成权重的增强节点；将所述第一特征增强为补充增强节点；将所述特征节点、所述增强节点和所述补充增强节点直接连接到输出端，使所述输出端输出所述分类结果，所述特征节点、所述增强节点和所述补充增强节点到所述输出端的输出系数是由伪逆得到的。5.一种心率失常检测装置，其特征在于，包括：输入单元，用于获取心电信号；特征提取单元，用于提取所述心电信号的形态学信息特征和节律信息特征；特征融合单元，用于将所述形态学信息特征和所述节律信息特征融合得到融合特征；分类单元，用于将所述融合特征输入至...

【专利技术属性】
技术研发人员：李嘉，许弢，石静文，张阳，
申请(专利权)人：五邑大学，
类型：发明
国别省市：