一种静息十二导联心电信号处理方法及存储介质及处理器技术

本发明专利技术涉及心电信号数据处理技术领域，为一种静息十二导联心电信号处理方法及存储介质及处理器，通过将疾病对应的十二导联心电信号均存储至结论链接层，并将经过滤波处理后的第n(1<n<＝N)种疾病的阳性数据和阴性数据分别标记组成N个数据集，建立深度学习网络，深度学习网络包括多个子网络，子网络之间通过结论链接层链接，采用N个数据集对子网络进行训练得到训练模型，将心电信号输入到训练模型以得到该待处理数据的疾病关联结果。该方案通过结论链接层将不同的子网络连接到一起，通过学习结论链接层的系数，揭示出疾病术语之间的内在联系，有助于提高医生对于心电信号数据的解读，大大提高了疾病关联筛查的准确性和效率。大大提高了疾病关联筛查的准确性和效率。大大提高了疾病关联筛查的准确性和效率。

【技术实现步骤摘要】
一种静息十二导联心电信号处理方法及存储介质及处理器


[0001]本专利技术涉及心电信号数据处理
，具体涉及一种静息十二导联心电信号处理方法及存储介质及处理器。

技术介绍

[0002]心电信号具有非植入性和低成本的优势，因此广泛应用于临床。在临床上，最为常用的诊断方式之一是静息十二导联心电图：患者静躺在床上，医生将电极放置在患者身体上的固定位置，然后进行心电测量，将10秒质量较好的心电图进行保存，用于诊断。一般的，从10秒静息心电图中可以诊断出的疾病种类在200种以上，并且这些疾病术语之间存在一定逻辑关系，并可以相互组合，形成一个复合的结论。一个好的辅助诊断算法有益于提高医生诊断效率，并可以为医生做出提示，减少误诊、漏诊。
[0003]传统的基于物理模型的算法，按照临床上的逻辑进行诊断：首先提取P波，QRS波，T波等特征，然后根据这些临床特征，按照医学知识进行判断。然而，由于除了R波特征提取算法较为准确以外，其他波形特征提取算法很难准确得到。因此造成传统的方法在临床上诊断准确率很低。
[0004]完全基于数据驱动的方法，可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种静息十二导联心电信号处理方法，其特征在于，包括：S1，获取多组十二导联心电信号，每一种疾病包含多个十二导联心电信号的阴性数据及阳性数据；S2，采用巴特沃兹带通滤波器对于所述十二导联心电信号的每个导联进行滤波，并将滤完波后的每一条心电信号按照导联顺序重新拼接到一起；S3，将经过S2处理的第n(1<n<＝N)种疾病的阳性数据的标签标记为1，阴性数据的标签标记为0，并将数据Xn和对应的标签标记Yn组成N个数据集，其中数据Xn包括一组阴性数据及对应的阳性数据；S4，建立深度学习网络，所述深度学习网络包括多个子网络，子网络之间通过所述结论链接层链接；S5，采用S3构造出的N个数据集，依次分别对子网络及之间的结论链接层参数进行训练得到训练模型，具体地，若数据集Xk包含第n种疾病，则该数据集Xk中第n个元素为1，否则为0；S6，对待处理数据进行S2处理后输入到训练模型以得到该待处理数据的疾病关联结果。2.根据权利要求1所述的静息十二导联心电信号处理方法，其特征在于，所述S1具体包括：采集至少2*N*10000条处于静息状态下目标对象的十二导联心电信号，其中N≥2，个数N指的是网络能够诊断的疾病的种类数。3.根据权利要求2所述的静息十二导联心电信号处理方法，其特征在于，采样频率为500Hz，每条十二导联心电信号的长度为10秒。4.根据权利要求1所述的静息十二导联心电信号处理方法，其特征在于，所述S2具体包括：采用[0.5
‑
100]Hz的巴特沃兹带通滤波器对所述十二导联心电信号的每个导联进行滤波，并将滤完波后的每一条心电信号按照导联顺序重新拼接到一起，拼接后的心电信号的数据的维度为(5000，12)。5.根据权利要求1所述的静息十二导联心电信号处理方法，其特征在于，所述S4具体包括：所述深度学习网络包括N个子网络，第一个子网络采取六层的网络结构，其中第一层至第六层分别对应为卷积层、卷积层、池化层、卷积层、全连接层及全连接层；第2
‑
N个子网络采取七层的网络结构，其中第一层至第七层分别对应为卷积层、卷积层、池化层、卷积层、全连接层、全连接层及选择门。6.根据权利要求5所述的静息十二导联心电信号处理方法，其特征在于，所述第一个子网络的第一层卷积层包含50个大小均为5的一维卷积核，激活函数选用ReLU函数；第二层卷积层包含60个大小均为6的一维卷积核，激活函数选用ReLU函数；第三层池化层采用最大池化，核的大小和步长均为2；第四层卷积层包含70个大小为3的一维卷积...

【专利技术属性】
技术研发人员：朱俊江，吕金涛，
申请(专利权)人：上海数创医疗器械有限公司，
类型：发明
国别省市：