一种无心拍切分的心电异常检测方法、系统、设备及介质技术方案

本发明专利技术公开了一种无心拍切分的心电异常检测方法、系统、设备及介质，所述方法包括以下步骤：获取待检测心电数据；对待检测心电数据进行预处理，得到处理后心电数据；对处理后心电数据进行切分处理，得到心电数据样本；配置去噪自编码器和CTC分类模块；采用心电数据样本对去噪自编码器进行特征提取训练，得到训练后自编码器；采用心电数据样本对CTC分类模块及训练后自编码器进行联合训练，得到训练后检测模型；采用训练后检测模型对处理后心电数据进行心电异常检测；本发明专利技术能够无需预先切分心拍，就可以对心电数据进行去噪和分类，进而有效的避免了因心拍切分错误所造成的检测错误，本发明专利技术的检测模型具有较高的检测效果和检测精准度。精准度。精准度。

【技术实现步骤摘要】
一种无心拍切分的心电异常检测方法、系统、设备及介质


[0001]本专利技术涉及心电检测
，具体的，本专利技术应用于医疗领域，特别是涉及一种无心拍切分的心电异常检测方法、系统、设备及介质。

技术介绍

[0002]在医疗领域中，心电数据对于心脏病的诊断和治疗十分重要。通常情况下，心电数据的判读工作由医生完成，但由于心脏病具有突发性，发病往往不在医院，难以获得医生帮助；此外，即使患者身处医院，但由于心脏病的突发性以及医护人员的有限性，也往往无法及时进行心电数据的判读，易造成诊疗延误。为了解决上述问题，近些年来人们开始探索使用计算机进行心电数据的判读。
[0003]目前，计算机进行心电数据判读的一般流程为：首先按心拍切分心电数据，然后进行降噪处理，最后对心拍数据进行分类；而这种方法存在如下几方面的问题：第一方面，心拍切分的准确度较低：传统方法中，一般提取QRS波峰作为心拍中心，然后左右取固定时间间隔进行切分；然而，心率不齐的病人其心拍间隔本身就不固定，采用固定间隔必然造成划分错误，影响切分的准确度；此外，某些心脏疾病会造成QRS波形畸变，无法找到明显的波峰位置，进一步增加了切分的难度，影响了切分的结果；第二方面，心拍切分存在局限性：由于心电异常是一个连续的过程，而一个心拍波形异常往往不是孤立的，其前后几个波形也存在征兆；但是，传统方法一般仅对单个心拍进行分析，而忽略周边信息，既不科学也不准确，存在一定的局限性，并且不利于检测结果的正确性；综上所述，现有技术中采用计算机进行心电数据判读时，首先会进行心拍切分操作，该操作导致现有的心电数据的检测准确度较低，且具有一定局限性。

技术实现思路

[0004]本专利技术的目的在于，针对现有技术中的上述问题，提供一种无心拍切分的心电异常检测方法、系统、设备及介质，进而解决现有技术中采用计算机进行心电数据判读时，首先会进行心拍切分操作，该操作导致现有的心电数据的检测准确度较低，且具有一定局限性的问题。
[0005]为解决上述技术问题，本专利技术的具体技术方案如下：一方面，本专利技术提供一种无心拍切分的心电异常检测方法，包括以下步骤：心电数据预处理步骤：获取待检测心电数据；对所述待检测心电数据进行预处理，得到处理后心电数据；对所述处理后心电数据进行切分处理，得到心电数据样本；检测模型训练步骤：配置去噪自编码器和CTC分类模块；采用所述心电数据样本对所述去噪自编码器进行特征提取训练，得到训练后自编码器；
采用所述心电数据样本对所述CTC分类模块及所述训练后自编码器进行联合训练，得到训练后检测模型；心电异常检测步骤：采用所述训练后检测模型对所述处理后心电数据进行心电异常检测。
[0006]作为一种改进的方案，所述对所述待检测心电数据进行预处理，得到处理后心电数据，包括：对所述待检测心电数据进行量化处理；基于小波变换策略对量化处理后的所述待检测心电数据进行噪声去除；对噪声去除后的所述待检测心电数据进行数据归一化处理；令数据归一化处理后的所述待检测心电数据作为所述处理后心电数据。
[0007]作为一种改进的方案，所述对所述处理后心电数据进行切分处理，得到心电数据样本，包括：设置时间窗口阈值和滑动距离；按照所述时间窗口阈值和所述滑动距离对所述处理后心电数据进行滑窗切分，得到若干切分数据；令若干所述切分数据作为所述心电数据样本。
[0008]作为一种改进的方案，所述配置去噪自编码器，包括：设置自编码器构建层值；按照所述自编码器构建层值构建若干层残差模块，每个所述残差模块包含三个一维卷积操作以及三个批归一化操作；令若干层所述残差模块构成第一编码器；按照所述自编码器构建层值构建若干层解码模块，每个所述解码模块包含两个反卷积操作和两个批归一化操作；令若干层所述解码模块构成第一解码器；令所述第一编码器和所述第一解码器构成所述去噪自编码器。
[0009]作为一种改进的方案，所述采用所述心电数据样本对所述去噪自编码器进行特征提取训练，得到训练后自编码器，包括：将所述心电数据样本输入至所述去噪自编码器，得到编码器训练输出；基于所述心电数据样本和所述编码器训练输出间的误差值，并采用梯度下降策略对所述去噪自编码器进行迭代训练，得到特征映射函数；令得到所述特征映射函数的所述去噪自编码器作为所述训练后自编码器。
[0010]作为一种改进的方案，所述采用所述心电数据样本对所述CTC分类模块及所述训练后自编码器进行联合训练，得到训练后检测模型，包括：提取所述训练后自编码器中的第一编码器；将所述第一编码器作为输入端，将所述CTC分类模块作为输出端，并在所述输入端和所述输出端之间搭建包含softmax激励的线性层，得到待训练模型；将所述心电数据样本输入至所述待训练模型进行有监督学习训练，得到所述训练后检测模型；进行所述有监督学习训练时，采用梯度下降策略调整所述待训练模型的模型参数。
[0011]作为一种改进的方案，所述采用所述训练后检测模型对所述处理后心电数据进行
心电异常检测，包括：将所述处理后心电数据输入至所述训练后检测模型；调用所述训练后检测模型的第一编码器提取所述处理后心电数据的数据特征；调用所述训练后检测模型的CTC分类模块对所述数据特征进行分类，得到分类输出数据；令所述分类输出数据作为心电检测分类数据。
[0012]另一方面，本专利技术还提供一种无心拍切分的心电异常检测系统，包括：心电数据预处理模块、检测模型训练模块和心电异常检测模块；所述心电数据预处理模块，用于获取待检测心电数据；所述心电数据预处理模块对所述待检测心电数据进行预处理，得到处理后心电数据；所述心电数据预处理模块对所述处理后心电数据进行切分处理，得到心电数据样本；所述检测模型训练模块，用于配置去噪自编码器和CTC分类模块；所述检测模型训练模块采用所述心电数据样本对所述去噪自编码器进行特征提取训练，得到训练后自编码器；所述检测模型训练模块采用所述心电数据样本对所述CTC分类模块及所述训练后自编码器进行联合训练，得到训练后检测模型；所述心电异常检测模块，用于采用所述训练后检测模型对所述处理后心电数据进行心电异常检测。
[0013]另一方面，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述无心拍切分的心电异常检测方法的步骤。
[0014]另一方面，本专利技术还提供一种计算机设备，所述计算机设备包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；其中：所述存储器，用于存放计算机程序；所述处理器，用于通过运行所述存储器上所存放的程序来执行所述无心拍切分的心电异常检测方法的步骤。
[0015]本专利技术技术方案的有益效果是：本专利技术所述的无心拍切分的心电异常检测方法，可以实现无需预先切分心拍，就可以对心电数据进行去噪和分类，进而有效的避免了因心拍切分错误所造成的检测错误，且本专利技术中采用了去噪自编码器提取心电特征，相较于传统的卷积网络，此操作提取的特征具有更好的鲁棒性；再者，本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无心拍切分的心电异常检测方法，其特征在于，包括以下步骤：心电数据预处理步骤：获取待检测心电数据；对所述待检测心电数据进行预处理，得到处理后心电数据；对所述处理后心电数据进行切分处理，得到心电数据样本；检测模型训练步骤：配置去噪自编码器和CTC分类模块；采用所述心电数据样本对所述去噪自编码器进行特征提取训练，得到训练后自编码器；采用所述心电数据样本对所述CTC分类模块及所述训练后自编码器进行联合训练，得到训练后检测模型；心电异常检测步骤：采用所述训练后检测模型对所述处理后心电数据进行心电异常检测。2.根据权利要求1所述的一种无心拍切分的心电异常检测方法，其特征在于：所述对所述待检测心电数据进行预处理，得到处理后心电数据，包括：对所述待检测心电数据进行量化处理；基于小波变换策略对量化处理后的所述待检测心电数据进行噪声去除；对噪声去除后的所述待检测心电数据进行数据归一化处理；令数据归一化处理后的所述待检测心电数据作为所述处理后心电数据。3.根据权利要求1所述的一种无心拍切分的心电异常检测方法，其特征在于：所述对所述处理后心电数据进行切分处理，得到心电数据样本，包括：设置时间窗口阈值和滑动距离；按照所述时间窗口阈值和所述滑动距离对所述处理后心电数据进行滑窗切分，得到若干切分数据；令若干所述切分数据作为所述心电数据样本。4.根据权利要求1所述的一种无心拍切分的心电异常检测方法，其特征在于：所述配置去噪自编码器，包括：设置自编码器构建层值；按照所述自编码器构建层值构建若干层残差模块，每个所述残差模块包含三个一维卷积操作以及三个批归一化操作；令若干层所述残差模块构成第一编码器；按照所述自编码器构建层值构建若干层解码模块，每个所述解码模块包含两个反卷积操作和两个批归一化操作；令若干层所述解码模块构成第一解码器；令所述第一编码器和所述第一解码器构成所述去噪自编码器。5.根据权利要求4所述的一种无心拍切分的心电异常检测方法，其特征在于：所述采用所述心电数据样本对所述去噪自编码器进行特征提取训练，得到训练后自编码器，包括：将所述心电数据样本输入至所述去噪自编码器，得到编码器训练输出；基于所述心电数据样本和所述编码器训练输出间的误差值，并采用梯度下降策略对所述去噪自编码器进行迭代训练，得到特征映射函数；令得到所述特征映射函数的所述去噪自编码器作为所述训练后自编码器。6.根据权利要求4所述的一种无心拍...

【专利技术属性】
技术研发人员：胡焱，赵亚欧，索春宝，安静，马伟，
申请(专利权)人：浪潮金融信息技术有限公司，
类型：发明
国别省市：