[發明專利]基于卷積神經網絡的心律失常的檢測系統

在審

• 申請號: 201711238517.4
• 申請日: 2017-11-30
• 公開（公告）號: CN108030488A
• 公開（公告）日: 2018-05-15
• 發明（設計）人: 祖春山;楊瓊;吳詩展
• 申請（專利權）人: 北京醫拍智能科技有限公司
• 主分類號: A61B5/0402
• 分類號: A61B5/0402
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

本發明提供一種基于卷積神經網絡的心律失常的檢測系統，包括：分段模塊，用于對獲取的第一患者的K導聯心電數據按時間順序進行分段處理，獲取多個K導聯心電數據段，每個K導聯心電數據段的長度相等，K為正整數；檢測模塊，用于將所述多個K導聯心電數據段按照時間的先后順序依次分別輸入訓練好的卷積神經網絡模型，獲取所述第一患者患心律失常的類型。本發明提供的基于卷積神經網絡的心律失常的檢測系統，通過將卷積神經網絡與心電數據相結合，將心律失常的特征提取與分類融合為一個步驟，充分挖掘心電圖的多導聯和時序信息，對病例作出高可靠的預測，從而提高了心律失常檢測的準確度。

技術領域

本發明涉及神經網絡技術領域，尤其涉及一種基于卷積神經網絡的心律失常的檢測系統。

背景技術

隨著計算機技術的飛速發展與廣泛應用，計算機輔助診斷對人類的健康發揮出越來越重要的作用。

現有技術中，通過計算機輔助診斷系統對心律失常的檢測的方法如下：首先，根據樣本用戶數據，利用支持向量機(Support Vector Machine，SVM)算法對統計模型進行訓練學習；然后，采集患者在一個采樣周期內的心電數據，分析并提取心電數據中的多項特征數據，計算得到每項特征數據在采樣周期內的平均值和方差；將平均值、方差和多項特征數據組合，得到患者對應的第一多維向量；將第一多維向量與預先確定的用戶心律失常類型的統計模型進行匹配，確定該患者的心律失常類型。

由于現有技術的檢測系統中，利用支持向量機算法對統計模型進行訓練學習，而SVM一般用在二類問題的分類，對于多類分類問題效果不好，心律失常類型多達十余種，導致對心律失常的分析結果不準確。

發明內容

(一)要解決的技術問題

本發明的目的是提供一種基于卷積神經網絡的心律失常的檢測系統，解決了現有技術中的心律失常檢測系統的檢測結果不準確的技術問題。

(二)技術方案

為了解決上述技術問題，一方面，本發明提供一種基于卷積神經網絡的心律失常的檢測系統，包括：

分段模塊，用于對獲取的第一患者的K導聯心電數據按時間順序進行分段處理，獲取多個K導聯心電數據段，每個K導聯心電數據段的長度相等，K為正整數；

檢測模塊，用于將所述多個K導聯心電數據段按照時間的先后順序依次分別輸入訓練好的卷積神經網絡模型，獲取所述第一患者患心律失常的類型。

進一步地，還包括：

訓練模塊，用于獲取訓練樣本集，所述訓練樣本集包含多組訓練樣本，每組訓練樣本包含一位樣本患者的多個K導聯心電數據段；

基于所述訓練樣本集，對所述卷積神經網絡模型進行訓練。

進一步地，所述卷積神經網絡模型包括：輸入單元、卷積神經網絡單元、時域平均單元、線性分類單元和輸出單元，所述卷積神經網絡單元包括N個子單元，每個子單元包括M個卷積層，M和N均為正整數。

進一步地，還包括：

頻譜變換模塊，用于分別對每個K導聯心電數據段進行頻譜變換，得到多個經過頻譜變換的K導聯心電數據段；

相應地，所述檢測模塊，用于將所述多個K導聯心電數據段按照時間的先后順序依次分別輸入訓練好的卷積神經網絡模型，獲取所述第一患者患心律失常的類型具體為：

檢測模塊，用于將所述多個經過頻譜變換的K導聯心電數據段按照時間的先后順序依次分別輸入訓練好的卷積神經網絡模型，獲取所述第一患者患心律失常的類型。

進一步地，還包括：

濾波模塊，用于對獲取的第一患者的K導聯心電數據進行濾波。

進一步地，還包括：