【技术实现步骤摘要】
本专利技术涉及心电监测，尤其涉及一种心电信号st段分类方法。
技术介绍
1、心肌缺血(mi)是常见的心血管病之一，指心肌不能支持心脏正常工作。随着人民生活水平的提高，目前心肌缺血在我国的患病率呈逐年上升的趋势，已成为中老年人的常见病和多发病，并且越来越多的年轻人也出现了心肌缺血的表现。严重的心肌缺血可能还会引发心肌梗塞或心肌大面积坏死等问题，从而危及生命安全，因此早期诊断和预防对心肌缺血患者非常重要。动态心电图是明确心肌缺血最常用也是最主要的检查，医院通常使用holter监测器等设备监测动态心电图。动态心电图可连续捕捉或监测心电信号数小时，将人体体表的电位变化以动态曲线的形式记录下来，医生可通过心电波形提出一些诊断的线索。心电波形中每个心动周期都由p波、qrs波和t波等波形组成，对应心脏激动过程中不同的心电活动，一般通过动态心电图st段电平变化分析判断是否发生心肌缺血，这对于无症状心肌缺血的判断有重要的意义。
2、目前研究者对于出现在心律失常、心律变异性和心房颤动中的r波异常的检测已经建立了相当准确的分析方法和算法，但对于心...
【技术保护点】
1.一种心电信号ST段分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的心电信号ST段分类方法，其特征在于，构建的深度学习网络模型包括编码器和解码器，所述编码器中包含依次相连的卷积层、主胶囊层和数字胶囊层；
3.根据权利要求1所述的心电信号ST段分类方法，其特征在于，采用以下公式计算深度学习网络模型的损失：
4.根据权利要求1所述的心电信号ST段分类方法，其特征在于，提取心电信号中的ST段构建训练样本集，包括：
5.根据权利要求4所述的心电信号ST段分类方法，其特征在于，基于检波置信度剔除置信度低的R波片段得...
【技术特征摘要】
1.一种心电信号st段分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的心电信号st段分类方法，其特征在于，构建的深度学习网络模型包括编码器和解码器，所述编码器中包含依次相连的卷积层、主胶囊层和数字胶囊层；
3.根据权利要求1所述的心电信号st段分类方法，其特征在于，采用以下公式计算深度学习网络模型的损失：
4.根据权利要求1所述的心电信号st段分类方法，其特征在于，提取心电信号中的st段构建训练样本集，包括：
5.根据权利要求4所述的心电信号st段分类方法，其特征在于，基于检波置信度剔除置信度低的r波片段得到预处理后的心电信号，包括：
6.根据权利要求4所述的心电信号st段分类方法，...
【专利技术属性】
技术研发人员：张帅，胡文静，杨连军，王云峰，邓国兰，陈满，
申请(专利权)人：中国科学院微电子研究所，
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。