一种心搏划分和分类的联合处理系统及方法技术方案

本发明专利技术提供了一种心搏划分和分类的联合处理系统及方法，所述方案包括：数据获取单元，其用于获取待预测的心电数据，经相应预处理后获得心电波形张量及其对应的子波形位置张量；特征提取单元，其用于利用预先训练的特征提取网络模型处理心电波形张量，得到心电对位联合特征；心搏划分单元，其用于基于所述心电对位联合特征中的划分特征，按照所述子波形位置张量进行特征提取，并经掩码处理后通过维特比解码算法获得心搏划分结果；心搏分类单元，其用于基于所述心电对位联合特征中的分类特征，根据所述子波形位置张量以及心搏划分结果，获得心搏分类结果。心搏分类结果。心搏分类结果。

【技术实现步骤摘要】
一种心搏划分和分类的联合处理系统及方法


[0001]本专利技术属于心电信号处理
，尤其涉及一种心搏划分和分类的联合处理系统及方法。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]心电图作为衡量心脏电生理方面疾病的金标准，已广泛应用于临床。但仅通过人工判读，对医生的技能要求较高、时间消耗较大，且在动态心电这种持续24小时以上的心电信号中，仅依赖人工判读的方式进行诊断是极其不现实的。随着机器学习的发展，众多心电算法被提出并应用于辅助临床心电判读，节省了大量的医疗资源。此外计算机的稳定也减少了人为因素的影响。其中,心搏分类作为辅助诊断的重要部分，成为当前研究热点。
[0004]现有心搏分类主要分为三种：(1)基于波形形态的方法将电压幅值、宽度、电轴以及间期，利用医学规则做出判断；(2)基于波形特征的方法，手工制作形态特征或小波特征，利用分类算法学习；其中，前两种设计需专家的大量医学经验，因此有着较大的局限性；(3)现阶段最常用的基于学习的分类方法，将一段心电信号输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种心搏划分和分类的联合处理系统，其特征在于，包括：数据获取单元，其用于获取待预测的心电数据，经相应预处理后获得心电波形张量及其对应的子波形位置张量；特征提取单元，其用于利用预先训练的特征提取网络模型处理心电波形张量，得到心电对位联合特征；其中，所述特征提取网络模型，具体包括如下处理过程：基于心电波形张量，利用多尺度卷积得到不同感知野尺度的第一特征；将所述第一特征通过多层SE网络建模多通道间关系，获得第二特征；将所述第二特征经双向循环神经网络建模时序特征，获得第三特征，将所述第三特征经多层感知机处理后，获得包括心搏划分特征和分类特征的心电对位特征；心搏划分单元，其用于基于所述心电对位联合特征中的划分特征，按照所述子波形位置张量进行特征提取，并经掩码处理后通过维特比解码算法获得心搏划分结果；心搏分类单元，其用于基于所述心电对位联合特征中的分类特征，根据所述子波形位置张量以及心搏划分结果，获得心搏分类结果。2.如权利要求1所述的一种心搏划分和分类的联合处理系统，其特征在于，所述特征提取网络模型的训练，具体为：构建历史数据训练集，其中，所述训练集中的样本包括心电数据预处理后得到的心电波形张量及其对应的标注数据预处理结果；基于所述训练集中的样本对所述特征提取网络模型进行训练，当预设的损失函数达到收敛时，获得训练好的特征提取网络模型。3.如权利要求1
‑
2任一项所述的一种心搏划分和分类的联合处理系统，其特征在于，所述特征提取网络模型训练过程中采用的损失函数包括基于心电对位联合特征中的划分特征及标注数据，利用掩码处理以及条件随机场计算得到的划分损失函数；以及，基于心电对位联合特征中的分类特征及标注数据，通过交叉熵损失计算得到的分类损失函数。4.如权利要求3所述的一种心搏划分和分类的联合处理系统，其特征在于，所述心搏划分损失函数，具体表示如下：其中，表示前一个子波形wave
i
‑1划分类别T_wave
i
‑1向后一个子波形wave
i
划分类别T_wave
i
的转移的转移概率；i表示第几个子波形；表示在心电波形张量ECG
wave
中第i个子波形在divide_wave
feature
第一维中T_wave
i
类别的特征值，即L表示波形的所有转移组合。5.如权利要求3所述的...

【专利技术属性】
技术研发人员：吴军，高希余，张瀚中，张伯政，王玉杰，房志文，
申请(专利权)人：众阳健康科技集团有限公司，
类型：发明
国别省市：