一种基于深度神经网络的可穿戴心电图实时诊断系统技术方案

本发明专利技术涉及基于深度神经网络的可穿戴心电图实时诊断系统技术领域，且公开了一种基于深度神经网络的可穿戴心电图实时诊断系统，包括信号采集模块、智控模块和数据分析处理模块，该系统通过设置的信号筛选单元，分析出心动周期等数据，以此来确定PQRST复数，能够有效的避免错误数据流入到后面，保证了信号传递的高质量，设置的信号控制单元，将ECG记录发送到CNN网络，作为病理分类的输入，引入一个与类别样本的数量成比例的权重因子将传统的二元交叉熵损失扩展，设置的智控模块，在显示屏上显示诊断结果通过将测试数据库从发送器多次发送到数据接收器，可以验证对数据连接中常见的IP互联网协议数据包丢失的可靠性。IP互联网协议数据包丢失的可靠性。IP互联网协议数据包丢失的可靠性。

【技术实现步骤摘要】
一种基于深度神经网络的可穿戴心电图实时诊断系统


[0001]本专利技术涉及基于深度神经网络的可穿戴心电图实时诊断系统
，具体为一种基于深度神经网络的可穿戴心电图实时诊断系统。

技术介绍

[0002]心电图是临床上广泛使用的诊断患者心脏健康状况的基本工具之一，它能够记录心脏疾病发作时的异常心电信号。因此，及时准确的心电图诊断可以为患者争取到宝贵的治疗时间，心电图节段被正确分类为100％的时间。最后，对于“室性早搏”类别，心电图节段的正确分类率为96％。总体而言，平均分类精度为98.33％。灵敏度(SNS)和特异性(SPC)分别为98.33％和98.35％。基于深度学习(尤其是基于CNN网络)的新方法可确保在自动识别以及预防心血管疾病方面的出色性能。随着深度学习的兴起，基于深度神经网络的心电图分类诊断方式占据了越来越关键的位置。
[0003]现有中国专利网上公布了一种基于深度神经网络的可穿戴心电图实时诊断系统，授权公众号为CN113749668BU，与现有技术相比，本专利技术提供了一种基于深度神经网络的可穿戴心电图实时诊断系统，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
[0004](1)本专利技术主控模块包括嵌入FPGA的诊断模型，减少对网络传输的依赖，实现了实时诊断，采用12导联心电图作为输入数据进行预测，提高诊断结果准确率，设计可重构卷积加速器，通过分时复用实现所述模型的正向推理过程。卷积加速器为诊断模型中的每个卷积层配置参数完成卷积运算，充分利用每个卷积层的逻辑资源，从而大大提高计算性能。本专利技术疾病诊断准确率高、实时性强，满足可穿戴心电设备进行实时检测和诊断的要求。
[0005](2)本专利技术网络中全连接层中放置了两个dropout层，用来避免过拟合的问题。设计具有较大尺寸卷积核的预卷积模块，用于获得广泛的感受野和全局特征(心电图的全局波形状态)，具有较小尺寸多块卷积神经网络，用于学习高层特征(用于后续分类的抽象特征)；这是一个压缩数据量、简化运算的过程，在每个卷积层之后添加一个批量归一化层(BN)，以减少内部协变量偏移，训练输出为M个类别标签，最终的结果可以是一个也可以是多标签分类结果。
[0006](3)为解决数据不平衡问题，使得较大的样本数对应较小的权重，较小的样本数对应较大的权重。对于多类任务，引入一个与类别样本的数量成比例的权重因子将传统的二元交叉熵损失扩展。
[0007](4)深度神经网络诊断模型计算量庞大且对硬件资源要求苛刻，本专利技术想要在嵌入式平台上利用有限的资源进行心脏疾病的实时诊断，因此提出了软硬件协同优化的方法。通过移除对分类结果贡献较小的通道来压缩模型，压缩后的模型不需要专用的稀疏矩阵操作库并减少了片上存储单元的消耗。将浮点算术运算转换为整数运算，以节省大量的片上硬件资源和外部存储带宽，同时降低计算和数据传输过程中的功耗。设计可重构卷积加速器，从而大大提高计算性能。采用乒乓策略，以覆盖通信延迟和计算延迟。为了缓解片
上BRAM的不足，采用循环分块优化技术，将从内存中提取的数据划分成适合缓存的数据块，以保证在缓存中存储的计算区域中访问的数据可以重用。
[0008]该基于深度神经网络的可穿戴心电图实时诊断系统存在准确度低、对网络依赖强、无法实时诊断的技术问题。

技术实现思路

[0009]本专利技术的目的在于提供了一种基于深度神经网络的可穿戴心电图实时诊断系统，解决了现有技术存在准确度低、对网络依赖强、无法实时诊断的技术的问题。
[0010]为实现上述目的，本专利技术提供如下技术方案：一种基于深度神经网络的可穿戴心电图实时诊断系统，包括信号采集模块、智控模块和数据分析处理模块，所述数据分析处理模块输出端信号连接有信号筛选单元、信号接收单元、信号交流单元、信号控制单元和信号传感单元接收端，所述数据分析处理模块输出端信号连接有信号采集模块和智控模块接收端；
[0011]所述信号筛选单元、信号接收单元、信号交流单元、信号控制单元和信号传感单元输出端均信号连接有信号采集模块和智控模块。
[0012]优选的，所述信号筛选单元包括分容模块和分析模块，所述分容模块和分析模块输出端均信号连接有静置模块，所述静置模块输出端信号连接有反应模块，所述反应模块输出端轴连接有检测模块，所述检测模块输出端信号连接有分类模块，所述分类模块输出端信号连接有筛选模块。
[0013]优选的，所述信号接收单元包括充电模块，所述充电模块输出端信号连接有激活模块，所述激活模块输出端信号连接有消耗模块和阻挡模块，所述消耗模块和阻挡模块输出端信号连接有接收与反接收模块，所述接收与反接收模块接收端输出端信号连接有快速促进模块。
[0014]优选的，所述信号交流单元包括信号发射模块，所述信号发射模块输出端信号连接有交流模块，所述交流模块输出端信号连接有建立模块，所述建立模块输出端信号连接有缓变模块和通用模块，所述缓变模块和通用模块输出端信号连接有消除干扰模块。
[0015]优选的，所述信号控制单元包括提取模块，所述提取模块输出端信号连接有输入模块，所述输入模块输出端信号连接有获取动态模块和训练模块，所述获取动态模块和训练模块输出端信号连接有估算模块和控制模块，所述估算模块和控制模块输出端信号连接有优化模块。
[0016]优选的，所述信号传感单元包括信号转变图像模块，所述信号转变图像模块输出端信号连接有评定模块，所述评定模块输出端信号连接有数据分析模块，所述数据分析模块输出端信号连接有数据汇总模块，所述数据汇总模块模块输出端信号连接有反馈模块。
[0017]优选的，训练模块包含有心电图信号和数据集，
[0018]从图形或数字的角度来看，心电图(ECG)代表心脏在其操作过程中的电活动，进行心电图检查是为了提供有关人可能患有的各种心脏病的信息，以确保有效的治疗，在心电图轨迹中识别的特定点用字母P，Q，R，S，T标记，尤其是以下各项：
[0019]P波：在ECG周期中发生的第一波，是代表心房去极化或最通常称为“心房收缩”的小偏转；
[0020]T波：代表心室去极化或最常见的“心室舒张”；
[0021]Q，R和S波：这些波一起形成了所谓的QRS复合波，QRS复合物代表心室的收缩，或者从技术上来讲，代表心室的去极化复合物，Q波代表心室间隔的去极化，R波反映心室主要部分的去极化，而S波是心脏底部的心室的最终去极化，P，Q，R，S和T波构成了所谓的PQRST复数，心脏科医生用术语“RR间期”表示两个PQRST复合体之间的间隔，这对应于心动周期。
[0022]优选的，智控模块包含有深度神经网络，所述深度神经网络既可以提取特征并对其分类，而不必分别执行这两个功能，经过处理后，基于卷积神经网络(CNN)，通过三类ECG信号，将ECG记录发送到CNN网络，作为病理分类的输入：正常，房性早搏和室性早搏三类，神经网络输入由30s段组成，其中ECG记录的每一秒相当于360个样本，总共10,800个样本，因此，数据集呈现以下类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度神经网络的可穿戴心电图实时诊断系统，其特征在于：包括信号采集模块(1)、智控模块(2)和数据分析处理模块(3)，所述数据分析处理模块(3)输出端信号连接有信号筛选单元(4)、信号接收单元(5)、信号交流单元(6)、信号控制单元(7)和信号传感单元(8)接收端，所述数据分析处理模块(3)输出端信号连接有信号采集模块(1)和智控模块(2)接收端；所述信号筛选单元(4)、信号接收单元(5)、信号交流单元(6)、信号控制单元(7)和信号传感单元(8)输出端均信号连接有信号采集模块(1)和智控模块(2)。2.根据权利要求1所述的一种基于深度神经网络的可穿戴心电图实时诊断系统，其特征在于：所述信号筛选单元(4)包括分容模块和分析模块，所述分容模块和分析模块输出端均信号连接有静置模块，所述静置模块输出端信号连接有反应模块，所述反应模块输出端轴连接有检测模块，所述检测模块输出端信号连接有分类模块，所述分类模块输出端信号连接有筛选模块。3.根据权利要求1所述的一种基于深度神经网络的可穿戴心电图实时诊断系统，其特征在于：所述信号接收单元(5)包括充电模块，所述充电模块输出端信号连接有激活模块，所述激活模块输出端信号连接有消耗模块和阻挡模块，所述消耗模块和阻挡模块输出端信号连接有接收与反接收模块，所述接收与反接收模块接收端输出端信号连接有快速促进模块。4.根据权利要求1所述的一种基于深度神经网络的可穿戴心电图实时诊断系统，其特征在于：所述信号交流单元(6)包括信号发射模块，所述信号发射模块输出端信号连接有交流模块，所述交流模块输出端信号连接有建立模块，所述建立模块输出端信号连接有缓变模块和通用模块，所述缓变模块和通用模块输出端信号连接有消除干扰模块。5.根据权利要求1所述的一种基于深度神经网络的可穿戴心电图实时诊断系统，其特征在于：所述信号控制单元(7)包括提取模块，所述提取模块输出端信号连接有输入模块，所述输入模块输出端信号连接有获取动态模块和训练模块，所述获取动态模块和训练模块输出端信号连接有估算模块和控制模块，所述估算模块和控制模块输出端信号连接有优化模块。6.根据权利要求1所述的一种基于深度神经网络的可穿戴心电图实时诊断系统，其特征在于...

【专利技术属性】
技术研发人员：王一萌，
申请(专利权)人：河南省人民医院，
类型：发明
国别省市：