一种基于语义分割的多导联心律失常检测方法技术

一种基于语义分割的多导联心律失常检测方法，包括以下步骤：(1)获取训练数据；(2)标定数据标签；(3)模型构建和训练；(4)分类模型应用。本发明专利技术突破传统心拍分类方法在实际使用中依赖心拍识别算法的缺陷，提出基于语义分割的心拍分类方法，该方法适用于不同导联动态心电图的心律失常心拍分类训练，以及不同类型心拍的分类识别，可辅助医生读取心电图并缩短分析时间。时间。时间。

【技术实现步骤摘要】
一种基于语义分割的多导联心律失常检测方法


[0001]本专利技术涉及动态心电图的自动辅助检测
，具体涉及一种基于语义分割的多导联心律失常检测方法。

技术介绍

[0002]随着人类生活节奏的不断加快，心脏疾病成为威胁人类健康的重要疾病，而多数心脏病人都伴有心律失常，因此准确的检测和诊断心律失常,对于心脏病的预防、监测、治疗、以及辅助医生诊断，提高医生的读取心电图的效率方面都具有重要的意义。
[0003]心电图心拍种类繁多，室上性早搏、室性早搏、室早与正常心搏的融合、束滞阻滞，室上性逸博，室性逸博，不仅在心脏病人群中较为常见，而且在普通人群中也较为常见。
[0004]目前有多种方法进行心电图心拍的分类，包括专家系统分类、基于传统机器学习方法，深度方法等，这些方法均为在已识别R峰的基础上将心拍分割出来，作为训练数据。这些方法一方面依赖于心拍识别的准确率，另一方面只保留了心拍的形态特征，损失了心电信号心拍之间的节律信息，分类结果难以适应实际的临床需求。

技术实现思路

[0005]为了克服实际应用中心拍分类方式需要依赖QRS的位置，识别方法受到很大限制的问题，本专利技术提供一种基于语义分割的多导联心律失常检测方法，有效避免QRS识别算法的影响，并增加片段内心拍间的信息，准确的识别并出多种心拍类型并定位出心拍的位置。
[0006]本专利技术解决其技术问题所采用的技术方案是：
[0007]一种基于语义分割的多导联心律失常检测方法，包括以下步骤：
[0008](1)获取训练数据：从已有心拍标签的心电信号数据库中选取心电信号作为训练数据集，数据集中需至少包含正常心拍、室上性早搏、室性早搏、室早与正常心搏的融合、束支阻滞，室上性逸博，室性逸博，疑问八类；将心电信号统一采样率，并滤波处理；将预处理后的心电信号按照S个点的固定片段逐条分割，融合分割后的数据作为训练数据，训练数据集的每一个片段至少包含上面提到的一种心拍类型；
[0009](2)标定数据标签：将训练数据集逐点标记，根据心拍位置，获取心拍的起始点U点和结束点J点，将U
‑
J点之间的点标记为对应的心拍标签，其他区域标记为其他类型，每一条固定片段的心电信号得到S个点的标签序列，融合所有标签序列作为训练标签；
[0010](3)模型构建和训练：模型由三个并行膨胀卷积模块和SENet模块组成，将训练集的标签做one
‑
hot编码，和训练集一起，按批次输入模型训练，训练多次后，损失不再下降，则保留最好的模型，结束训练；
[0011](4)分类模型应用：将需要心拍分类的心电信号分割为长度为S个点的数据段，并合并作为测试数据集，再将测试数据集输入步骤(3)得到的分类模型中，输出数据段对应的概率序列，选择大于概率阈值的点保留，统计连续保留点的宽度，若大于设定的宽度阈值，则将连续保留点的中心位置标记为心拍所处的位置，对应的类型标记为心拍的类型，至此
完成本专利技术所述的分类方法。
[0012]进一步，所述步骤(1)中，获取训练数据的操作步骤如下：
[0013](1
‑
1)训练数据集为已有心拍类型标签的心电信号数据库，数据库来源不限，信号通道数量不限，可为单导联也可为多导联；同时，数据库需按照心拍标记，至少包含正常心拍、室上性早搏、室性早搏、室早与正常心搏的融合、束滞阻滞，室上性逸博，室性逸博，疑问这八类心拍标签；
[0014](1
‑
2)将数据集中的心电信号统一重采样为200Hz，并经过带通滤波处理，带通频率为[0.67～40Hz]，将预处理后的信号按照S个点的固定心电信号段逐条分割，S＝Fs*T，Fs为采样率，T为时间，T＝30s，合并所有的心电信号段记为trainDataSet，数据维度为N*S*C，N为数据量，S为每个样本的数据量，C为信号通道数量，C＝1,2
…
12。
[0015]所述步骤(2)中，所述的训练数据的标签用0～8表示八个心拍类型和其他类型，根据标注的心拍标签，标记不同的数字，标记的范围是心拍起始位置U点到结束位置J点的区段，以心电信号中已标注的R峰值为中心，向左侧100ms范围寻找最低的拐点作为U点，向右侧100ms范围寻找最低的拐点作为J点，若未找到，则以左侧100ms位置处作为U点，右侧100ms位置作为J点，U点到J点以外的其他区域标记为其他类型。每个心电信号片段得到S个点的标签序列，汇总并记为trainLabelSet(N*S*1)。
[0016]所述步骤(3)中，模型构建和训练的操作步骤如下：
[0017](3
‑
1)采用三个并行的卷积神经网络模块，记为Block1，Block2，Block3。每一个bolck有四层神经网络组成，每层的输出维度分别为8，16，32，64，卷积核分别为15，11，7，5，三个Block分别采用不同的膨胀率，Block1膨胀率均为1，Block2的膨胀率为2，4，8，16，Block3的膨胀率为4，8，16，32，将Block1，Block2和Block3的输出结果连接，得到输出维度为64*3＝192的特征，将三个并行的卷积神经网络组成的模块记为CnnBlock。将CnnBlock经过SENet模块获取权重结果，再将权重结果和CnnBlock相乘，经过两层全连接层和激活函数，输出结果；
[0018](3
‑
2)训练标签采用one
‑
hot编码，trainLabelSet(N*S*1)编码之后的维度为N*S*H，H为分类的类型数量，H＝9；
[0019](3
‑
3)将训练数据和测试数据按批次输入模型训练。训练过程中不断保存loss值最小的模型，损失值若在K次不下降，则动态调整学习率。直到学习率达到设定的最小值，loss值仍然不再下降，则结束训练，并将保存的最好的模型作为最终训练好的模型。
[0020]所述步骤(4)中，分类模型应用的操作步骤如下：
[0021](4
‑
1)将需要进行心拍分类的心电信号重采样到200Hz，预处理。然后分割为长度为S个点的数据段Seg
i
，i＝0,1,2
…
L
‑
1，L为测试集信号段的数量，为避免顺序分割的方法可能将一个心拍分割在两个片段内，采用回退2s的分割方法。信号段Seg0～Seg
n
‑2分割的起始位置stratIdx[i]＝R*200，R＝i*28，i＝0,1,2,3
…
L
‑
2，结束位置endIdx＝startIdx+30*Fs，考虑到最后一个片段Seg
n
‑1可能不足30s，因此将最后一个片段的endIdx设置为信号总长度Lens
‑
1，startIdx[L
‑
1]＝endIdx
‑
30*Fs，合并所有数据段并记为test本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语义分割的多导联心律失常检测方法，其特征在于，所述方法包括以下步骤：(1)获取训练数据：从已有心拍标签的心电信号数据库中选取心电信号作为训练数据集，数据集中需至少包含正常心拍、室上性早搏、室性早搏、室早与正常心搏的融合、束支阻滞，室上性逸博，室性逸博，疑问八类，将心电信号统一采样率，并滤波处理；将预处理后的心电信号按照S个点的固定片段逐条分割，融合分割后的数据作为训练数据，训练数据集的每一个片段至少包含上面提到的一种心拍类型；(2)标定数据标签：将训练数据集逐点标记，根据心拍位置，获取心拍的起始点U点和结束点J点，将U
‑
J点之间的点标记为对应的心拍标签，其他区域标记为其他类型，每一条固定片段的心电信号得到S个点的标签序列，融合所有标签序列作为训练标签；(3)模型构建和训练：模型由三个并行膨胀卷积模块和SENet模块组成，将训练集的标签做one
‑
hot编码，和训练集一起，按批次输入模型训练，训练多次后，损失不再下降，则保留最好的模型，结束训练；(4)分类模型应用：将需要心拍分类的心电信号分割为长度为S个点的数据段，并合并作为测试数据集，再将测试数据集输入步骤(3)得到的分类模型中，输出数据段对应的概率序列，选择大于概率阈值的点保留，统计连续保留点的宽度，若大于设定的宽度阈值，则将连续保留点的中心位置标记为心拍所处的位置，对应的类型标记为心拍的类型。2.如权利要求1所述的一种基于语义分割的多导联心律失常检测方法，其特征在于，所述步骤(1)中，获取训练数据的操作步骤如下：(1
‑
1)训练数据集为已有心拍类型标签的心电信号数据库，数据库来源不限，信号通道数量不限，可为单导联也可为多导联；同时，数据库需按照心拍标记，至少包含正常心拍、室上性早搏、室性早搏、室早与正常心搏的融合、束滞阻滞，室上性逸博，室性逸博，疑问这八类心拍标签；(1
‑
2)将数据集中的心电信号统一重采样为200Hz，并经过带通滤波处理，带通频率为[0.67～40Hz]，将预处理后的信号按照S个点的固定心电信号段逐条分割，S＝Fs*T，Fs为采样率，T为时间，T＝30s，合并所有的心电信号段记为trainDataSet，数据维度为N*S*C，N为数据量，S为每个样本的数据量，C为信号通道数量，C＝1,2
…
12。3.如权利要求1或2所述的一种基于语义分割的多导联心律失常检测方法，其特征在于，所述步骤(2)中，所述的训练数据的标签用0～8表示八个心拍类型和其他类型，根据标注的心拍标签，，标记不同的数字，标记的范围是心拍起始位置U点到结束位置J点的区段，以心电信号中已标注的R峰值为中心，向左侧100ms范围寻找最低的拐点作为U点，向右侧100ms范围寻找最低的拐点作为J点，若未找到，则以左侧100ms位置处作为U点，右侧100ms位置作为J点，U点到J点以外的其他区域标记为其他类型，每个心电信号片段得到S个点的标签序列，汇总并记为trainLabelSet(N*S*1)。4.如权利要求1或2所述的一种基于语义分割的多导联心律失常检测方法，其特征在于，所述步骤(3)中，模型构建和训练的操作步骤如下：(3
‑
1)采用三个并行的卷积神经网络模块，记为Block1，Block2，Block3，每一个bolck有四层神经网络组成，每层的输出维度分别为8，16，32，64，卷积核分别为15，11，7，5，三个Block分别采用不同的膨胀率，Block1膨胀率均为1，Block2的膨胀率为2，4，8，16，Block3的
膨胀率为4，8，16，32，将Block1，Block2和Block3的输出结果连接，得到输出维度为64*3＝192的特征，将三个并行的卷积神经网络组成的模块记为CnnBlock，将CnnBlock经过SENet模块获取权重结果，再将权重结果和CnnBl...

【专利技术属性】
技术研发人员：谢寒霜，颜佳逸，吴璠，王震，
申请(专利权)人：杭州质子科技有限公司，
类型：发明
国别省市：