【技术实现步骤摘要】
一种位置依赖的心电图特征点识别方法、系统和电子设备
[0001]本专利技术涉及心电图识别领域,尤其涉及一种位置依赖的心电图特征点识别方法
、
系统和电子设备
。
技术介绍
[0002]心电图作为检测人体心脏健康状态的重要检查项目之一,已经形成了各种疾病诊断的标准,其中,
《
心电图明尼苏达编码
》
是众多心电图疾病诊断的重要标准
。
[0003]《
心电图明尼苏达编码
》
是通过心电图的
P、QRS、T、PR
段
、ST
段和
QT
段的不同异常情况下所对应的疾病进行编码,因此,准确有效地判断心电图的各个波段的异常情况才能更精准地判断疾病
。
[0004]现有技术中,识别心电图的
P
波
、QRS
波群和
T
波框架包括预处理和识别算法两大重要方法
。
然而现有技术中,首先,预处理的算法通常较为复杂,例如部分算法会选择小波重组,这会造成一定的时间消耗,并且预处理的滤波会造成波形产生轻微变化,这意味着后续识别到的
P
波
、QRS
波群和
T
波的时限与真实的时限有一定的差异
。
[0005]其次,传统的识别算法是采用频域方法,例如小波变换和
Hilbert(
希尔伯特
)
变换,得到重要数值,再通过训练
【技术保护点】
【技术特征摘要】
1.
一种位置依赖的心电图特征点识别方法,其特征在于,包括:采样单导联心电图,对所述单导联心电图进行预处理,设定所述单导联心电图的长度为
N
;构建
Transformer
结构,全局提取
M
组预处理后的单导联心电图中的
A
个类别的
PQRST
波的时序特征波段,生成
M
×
A
的二维序列;通过双向循环神经网络结构提取所述二维序列,每组提取一个类别的时序特征点,以医学判断经验中所述
PQRST
波的前后位置关系生成长度为
M
的一维序列;通过卷积神经网络结构采样所述一维序列,生成长度为
N
的时序类别序列;标注所述单导联心电图的
PQRST
波,生成与所述时序类别序列长度和表现形式一致的标签序列,对所述标签序列和时序类别序列进行
category
交叉熵,获取损失值
。2.
根据权利要求1所述的位置依赖的心电图特征点识别方法,其特征在于,所述标签序列和时序类别序列是以
P
波
、QRS
波群和
T
波的前后位置关系进行波段分类,每个类别的波段采用一种标记标注
。3.
根据权利要求2所述的位置依赖的心电图特征点识别方法,其特征在于,根据所述标签序列和时序类别序列中每种标记的起终点位置,能够确定所述
P
波
、QRS
波群和
T
波的特征点位置
。4.
根据权利要求2所述的位置依赖的心电图特征点识别方法,其特征在于,所述
A
的取值范围是4~7,
A
为自然数
。5.
根据权利要求1所述的位置依赖的心电图特征点识别方法,其特征在于,预处理所述单导联心电图的方式为:对所述单导联心电图进行中值滤波和均值滤波处理,所述均值滤波...
【专利技术属性】
技术研发人员:侯杨,徐潇,杨俊,李金雷,孙庆文,车文良,李海玲,
申请(专利权)人:上海移视网络科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。