一种基于位置回溯深度学习网络的心肌梗死识别算法制造技术

本发明专利技术属于医学数据识别技术领域，公开了一种基于位置回溯深度学习网络的心肌梗死识别算法。该算法提出了一种基于位置回溯深度学习网络PBDN(Position Backtracking Deep learning Network)的特征选择方法，采用PBDN获取深度学习模型对原始特征的回溯结果，然后将结果映射到第一象限y＝kx直线的斜率上，利用不同类别直线的斜率之和和每两条直线的夹角之和完成特征的最终评价，本申请在公开数据集PTB心电识别数据库上进行了仿真实验，结果表明，使用经过PBDN特征选择后的心肌梗死数据进行分类，准确率达到了99.5％以上，与其他的心肌梗死识别算法相比，本算法的识别率达到了令人满意的效果，并且训练时间和计算量大大的减少。

【技术实现步骤摘要】

本专利技术涉及心肌梗死识别，具体为一种基于位置回溯深度学习网络的心肌梗死识别算法。

技术介绍

1、心血管疾病对人类的生活质量及生命健康造成了严重威胁。尽管越来越多的人开始重视心血管健康，但这类疾病的发病率和死亡率仍然居高不下。更令人担忧的是，心血管疾病往往伴随着多种并发症，不仅给患者本人带来巨大的负担，也给其家庭造成了沉重的生活压力。由此可见，预防和治疗心血管疾病仍然是一个迫切需要解决的问题。

2、心电图检测是目前心肌梗死疾病的常规检测手段之一。在心肌梗死发病演变过程中，其心电图表现为：st段偏移及形态改变，病理性q波形成，心肌复极延长，出现缺血性t波改变等。心电特征的变化极其多样和复杂，针对临床心电数据，医生要想准确辨识不同类型的异常心电图，需要深厚的专业知识和丰富的实践经验。同时，由于临床心电数据量庞大，即使依赖经验丰富的专业医师进行人工观察和分析，工作量也相当巨大，效率会大幅降低，并且无法确保分析的准确性。因此，急需一种检测速度快、准确率高的识别方法。

3、深度学习是机器学习的一个分支，旨在模仿人类大脑的工作方式，通过构建和训本文档来自技高网...

【技术保护点】

1.一种基于位置回溯深度学习网络的心肌梗死识别算法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于位置回溯深度学习网络的心肌梗死识别算法，其特征在于，所述滤波：原始的ECG信号中常常包含基线漂移、工频干扰和肌电干扰等噪声，这些噪声会严重影响实验结果的准确性，为了解决这个问题，采用了一种4阶巴特沃斯带通滤波器，能够有效地滤除250Hz以下和2000Hz以上的心电信号噪声，从而提高数据的质量和实验结果的可靠性。

3.根据权利要求1所述的一种基于位置回溯深度学习网络的心肌梗死识别算法，其特征在于，所述降采样：降采样有助于消除信号中的冗余信息，减少计算成本，...

【技术特征摘要】

1.一种基于位置回溯深度学习网络的心肌梗死识别算法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于位置回溯深度学习网络的心肌梗死识别算法，其特征在于，所述滤波：原始的ecg信号中常常包含基线漂移、工频干扰和肌电干扰等噪声，这些噪声会严重影响实验结果的准确性，为了解决这个问题，采用了一种4阶巴特沃斯带通滤波器，能够有效地滤除250hz以下和2000hz以上的心电信号噪声，从而提高数据的质量和实验结果的可靠性。

3.根据权利要求1所述的一种基于位置回溯深度学习网络的心肌梗死识别算法，其特征在于，所述降采样：降采样有助于消除信号中的冗余信息，减少计算成本，提高计算效率。

4.根据权利要求1所述的一种基于位置回溯深度学习网络的心肌梗死识别算法，其特征在于，所述r峰定位：采用pan-tompkins算法对心电数据集中的r峰进行定位，pan-tompkins算法的两个主要操作为r波增强和r波决策，r...

【专利技术属性】
技术研发人员：张振兴，葛俊，王伊蕾，魏铮，范文翼，周春姐，陈婧，
申请(专利权)人：鲁东大学，
类型：发明
国别省市：