[發明專利]房顫檢測方法、分類模型訓練方法及終端設備

有效

• 申請號: 201710310466.5
• 申請日: 2017-05-05
• 公開（公告）號: CN107391900B
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 陳一昕
• 申請（專利權）人: 陳一昕
• 主分類號: G16H50/70
• 分類號: G16H50/70;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京睿派知識產權代理事務所(普通合伙) 11597
• 代理人: 劉鋒

本申請提供了一種房顫檢測方法、分類模型訓練方法及終端設備，該方法包括：對心電圖信號進行預處理，獲取每個心搏對應的預設長度的心搏間隔序列；將心搏間隔序列輸入變換卷積神經網絡，得到房顫檢測分類結果，變換卷積神經網絡包括變換層、局部卷積層和全局卷積層。利用訓練得到的TCNN對實時的ECG信號進行房顫檢測，并可利用積累的ECG及其房顫檢測分類結果訓練TCNN，使其誤差越來越小，房顫檢測分類結果越來越準確。

技術領域

本申請涉及醫療數據分析領域，尤其涉及一種房顫檢測方法、分類模型訓練方法及終端設備。

背景技術

心房顫動(簡稱房顫)是最常見的持續性心律失常，常伴有心悸、眩暈、胸部不適、氣短等癥狀。目前，房顫檢測方法分為基于R-R間隔分析的方法和基于波形識別的方法。其中基于波形識別的方法受波形分析結果影響較大，而基于R-R間隔分析的方法效果相對穩定且性能更好。

基于R-R間隔分析的方法中，目前性能最好的方法是基于樣本熵的方法。對R-R間隔進行變換后計算樣本熵，通常房顫的樣本熵會更大，從而據此來檢測房顫。但該方法是目前在實際應用中虛警率較高，性能仍有待改進。

發明內容

有鑒于此，本申請實施例提供了一種房顫檢測方法、分類模型訓練方法及終端設備，用以解決現有技術中房顫檢測虛警率高，性能不佳的技術問題。

根據本申請實施例的一個方面，提供了一種房顫檢測方法，所述方法包括：對心電圖信號進行預處理，獲取每個心搏對應的預設長度的心搏間隔序列；將心搏間隔序列輸入變換卷積神經網絡，得到房顫檢測分類結果，變換卷積神經網絡包括變換層、局部卷積層和全局卷積層。

根據本申請實施例的另一方面，提供了一種訓練房顫檢測分類模型的方法，所述方法包括：對心電圖信號進行預處理，獲取每個心搏對應的預設長度的心搏間隔序列作為訓練數據；將訓練數據輸入初始化的變換卷積神經網絡，變換卷積神經網絡包括變換層、局部卷積層和全局卷積層；按照預設迭代次數進行迭代并完成對局部卷積層和全局卷積層的訓練。

根據本申請實施例的另一方面，提供了一種終端設備包括：處理器；用于存儲處理器可執行指令的存儲器；其中，所述處理器被配置為：對心電圖信號進行預處理，獲取每個心搏對應的預設長度的心搏間隔序列；將心搏間隔序列輸入變換卷積神經網絡，得到房顫檢測分類結果，變換卷積神經網絡包括變換層、局部卷積層和全局卷積層。

根據本申請實施例的另一方面，提供了一種終端設備包括：處理器；用于存儲處理器可執行指令的存儲器；其中，所述處理器被配置為：對心電圖信號進行預處理，獲取每個心搏對應的預設長度的心搏間隔序列作為訓練數據；將訓練數據輸入初始化的變換卷積神經網絡，變換卷積神經網絡包括變換層、局部卷積層和全局卷積層；按照預設迭代次數進行迭代并完成對局部卷積層和全局卷積層的訓練。

本申請實施例的有益效果包括：利用訓練得到的TCNN，對實時的ECG信號進行房顫檢測，將患者的實時ECG信號預處理為預設長度的心搏間隔序列并作為測試數據輸入TCNN以檢測出其中的房顫和非房顫，利用積累的ECG及其房顫檢測分類結果訓練該TCNN，使其誤差越來越小，房顫檢測分類結果越來越準確。

附圖說明

通過以下參照附圖對本申請實施例的描述，本申請的上述以及其它目的、特征和優點將更為清楚，在附圖中：

圖1是本申請實施例訓練房顫檢測分類模型的方法的流程示意圖；

圖2是本申請實施例中TCNN的架構示意圖；

圖3是本申請實施例房顫檢測方法的流程示意圖；

圖4是本申請實施例房顫檢測方法的流程示意圖。

具體實施方式