【技术实现步骤摘要】
本申请涉及信号检测，例如涉及一种轻量级的深度学习心拍定位方法、装置、设备和介质。
技术介绍
1、心电图作为一种重要的心血管状态检查手段，被越来越多地用于可穿戴设备，例如智能手表和心电衣上。相较于心电图机、监护仪和动态心电记录仪等专业医疗设备，可穿戴设备受限于功耗、体积、成本和复杂的使用场景，其存储和运算资源十分有限。另外，可穿戴设备采集到的心电信号经常受到干扰。心拍定位作为心电分析的基础任务，其调用频率很高，常常被部署于可穿戴设备上。因此，在保证性能的前提下尽量减少心拍定位方法对存储和运算资源的要求就显得尤为重要。
2、现有部署到可穿戴设备上的心拍检测算法大多基于人工特征和规则，其优点是对存储和运算资源的需求很小，缺点是抗干扰能力较弱，心拍定位性能较差。已有的基于深度学习的算法拥有较好的心拍定位性能，但其参数量和计算量一般都很大，难以部署在可穿戴设备上。另一方面，由于可穿戴设备所采集的信号容易受到噪声干扰，因此需要评估算法的心拍定位结果是否可信。而现有的心拍检测算法无法独立评估当前检测结果是否可信，需要额外的可信度评估模块。
【技术保护点】
1.一种轻量级的深度学习心拍定位方法，其特征在于，包括：
2.根据权利要求1所述的轻量级的深度学习心拍定位方法，其特征在于，所述将所述预处理信号输入心拍证据计算模型的重参数化卷积层，得到重参数化卷积信号，包括：
3.根据权利要求1所述的轻量级的深度学习心拍定位方法，其特征在于，所述对所述重参数化卷积信号使用指数加权移动平均法得到标准化参数，包括：
4.根据权利要求3所述的轻量级的深度学习心拍定位方法，其特征在于，所述根据所述标准化参数对所述重参数化卷积信号进行标准化，得到标准化信号，包括：
5.根据权利要求3所述的轻量级...
【技术特征摘要】
1.一种轻量级的深度学习心拍定位方法，其特征在于，包括：
2.根据权利要求1所述的轻量级的深度学习心拍定位方法，其特征在于，所述将所述预处理信号输入心拍证据计算模型的重参数化卷积层，得到重参数化卷积信号，包括：
3.根据权利要求1所述的轻量级的深度学习心拍定位方法，其特征在于，所述对所述重参数化卷积信号使用指数加权移动平均法得到标准化参数，包括：
4.根据权利要求3所述的轻量级的深度学习心拍定位方法，其特征在于，所述根据所述标准化参数对所述重参数化卷积信号进行标准化，得到标准化信号，包括：
5.根据权利要求3所述的轻量级的深度学习心拍定位方法，其特征在于，所述根据所述标准化信号得到心拍证据值序列和非心拍证据值序列，包括：
6.根据权利要求1所述的轻量级的深度学习心拍定位方法，其特征在于，所述根据...
【专利技术属性】
技术研发人员：李振齐，赵巍，
申请(专利权)人：广州视源电子科技股份有限公司，
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。