基于深度残差收缩网络以及LSTM的ECG分类系统技术方案

本发明专利技术提供的基于深度残差收缩网络以及LSTM的ECG分类系统，包括：采集单元：用于采集ECG原始信号；预处理单元：用于对ECG原始信号进行降噪，以得到ECG降噪信号；分割单元：用于对ECG降噪信号进行心拍分割，以得到多个心拍；根据心拍的R波计算RR间隔信息；分类单元：用于根据深度残差收缩网络以及LSTM创建并训练分类器；将ECG降噪信号、RR间隔信息输入至分类器中，对ECG原始信号进行分类。该基于深度残差收缩网络以及LSTM的ECG分类系统，采用卷积神经网络、深度残差网络、长短期记忆人工神经网络相结合创建分类器，采用ECG降噪信号与RR间隔信息相结合训练分类器，提高了ECG信号分类的准确度。

【技术实现步骤摘要】

本专利技术属于生物医学，具体涉及基于深度残差收缩网络以及lstm的ecg分类系统。

技术介绍

1、心血管疾病已经成为全球一大危害疾病。传统心血管疾病检测方法主要是：医护人员通过观察心电图(electrocardiogram,ecg)，来对人体心脏的健康状况进行诊断。ecg是一种测量和记录心脏电活动的方法，当ecg形状变化异常或跳动节拍异常时，表示心律失常。但是传统方法通过人工进行诊断，费时费力。

2、为了克服传统人工诊断的缺陷，出现了通过对ecg信号进行分类来检测心血管疾病的方法。目前大多数ecg分类器采用传统机器学习方法或深度学习方法构建。例如传统机器学习方法如svm，需要手动提取形态特征或时频特征，工作量大。深度学习方法主要是基于ecg肢体二导联(mlii)进行处理，容易忽略每个心拍间的关系，导致在ecg信号特征不明显时容易出现错误，尤其是在心跳早搏等问题上分类精度不高。

技术实现思路

1、针对现有技术中的缺陷，本专利技术提供一种基于深度残差收缩网络以及lstm的ecg分类系统，提高了ecg信本文档来自技高网...

【技术保护点】

1.一种基于深度残差收缩网络以及LSTM的ECG分类系统，其特征在于，包括：

2.根据权利要求1所述深度残差收缩网络以及LSTM的ECG分类系统，其特征在于，所述RR间隔信息具体包括：

3.根据权利要求2所述深度残差收缩网络以及LSTM的ECG分类系统，其特征在于，所述R波区间距离通过在MIT BIH数据库中利用R波定位索引方法计算得到。

4.根据权利要求1所述深度残差收缩网络以及LSTM的ECG分类系统，其特征在于，所述分类器从上到下依次包括：

5.根据权利要求4所述深度残差收缩网络以及LSTM的ECG分类系统，其特征在于，所述深度残差收...

【技术特征摘要】

1.一种基于深度残差收缩网络以及lstm的ecg分类系统，其特征在于，包括：

2.根据权利要求1所述深度残差收缩网络以及lstm的ecg分类系统，其特征在于，所述rr间隔信息具体包括：

3.根据权利要求2所述深度残差收缩网络以及lstm的ecg分类系统，其特征在于，所述r波区间距离通过在mit bih数据库中利用r波定位索引方法计算得到。

4.根据权利要求1所述深度残差收缩网络以及lstm的ecg分类系统，其特征在于，所述分类器从上到下依次包括：

5.根据权利要求4所述深度残差收缩网络以及lstm的ecg分类系统，其特征在于，所述深度残...

【专利技术属性】
技术研发人员：郭素峡，周建平，刘华珠，陈丽华，邱展航，杨燕华，唐穗谷，
申请(专利权)人：东莞市人民医院，
类型：发明
国别省市：