[發明專利]一種弱監督下的心電圖像識別方法在審
| 申請號: | 201810190859.1 | 申請日: | 2018-03-08 |
| 公開(公告)號: | CN108464827A | 公開(公告)日: | 2018-08-31 |
| 發明(設計)人: | 李智;彭韻陶;李健;牟文鋒 | 申請(專利權)人: | 四川大學 |
| 主分類號: | A61B5/0402 | 分類號: | A61B5/0402;A61B5/00 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 610064 四*** | 國省代碼: | 四川;51 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 心拍 圖片識別 測試圖片 心電信號 訓練圖片 驗證 心電圖 對心 卷積神經網絡 定位算法 關鍵參數 模型構建 去噪算法 圖片輸入 圖片數據 圖像識別 重要意義 準確度 圖片 定位心 分類 構建 去除 心跳 噪聲 切割 監督 轉換 保證 | ||
1.一種弱監督下的心電圖像識別方法,其特征是,包括以下幾個步驟:
步驟1、使用小波去噪算法,去除心電信號噪聲;
步驟2、心電信號中含有多個心拍,通過定位算法,定位心電信號中的每個心拍,再將心電信號切割成單個心拍,并保證每個心拍包含一次心跳的所有信息;
步驟3、將一維心拍轉換成心拍圖片,再將心拍圖片分為訓練圖片、驗證圖片和測試圖片三部分;
步驟4、將心拍訓練圖片輸入到卷積神經網絡進行訓練,構建心拍圖片識別模型;
步驟5、將心拍驗證圖片輸入到步驟4中的識別模型中,用于驗證模型的心拍圖片識別準確度和各關鍵參數數值的調節;
步驟6、將心拍測試圖片輸入到步驟5中調節參數后的心拍圖片識別模型中,進行分類。
2.根據權利要求1所述的一種弱監督下的心電圖像識別方法,其特征在于:步驟1中使用去噪算法,去除心電信號噪聲,心電信號主要包括工頻干擾、肌電噪聲和基線漂移噪聲,采用小波算法將心電信號進行頻率分解,得到各個頻段上的心電信號,將部分頻段去除,再使用剩余頻段重構心電信號,已達到去除工頻干擾、肌電噪聲和基線漂移噪聲的作用,從而獲得去噪后的心電信號。
3.根據權利要求1所述的一種弱監督下的心電圖像識別方法,其特征在于:步驟2中心電信號中含有多個心拍,需使用定位算法來定位每個心拍位置,每個心拍通常包含P、Q、R、S、T波,本方法使用R波定位算法,通過R波位置向前截取若干點和向后截取若干點,獲得心拍,使每個心拍都包含一次心跳的所有信息。
4.根據權利要求1所述的一種弱監督下的心電圖像識別方法,其特征在于:步驟3中將一維心拍轉換成心拍圖片,通過一維心拍的時間軸構建心拍圖片的x軸,再通過時間軸上的數值信息構建心拍圖片的y軸,獲得心拍圖片,再將心拍圖片分為訓練圖片、驗證圖片和測試圖片三部分。
5.根據權利要求1所述的一種弱監督下的心電圖像識別方法,其特征在于:步驟4將心拍訓練圖片輸入到卷積神經網絡進行訓練,構建心拍圖片識別模型,網絡結構使用AlexNet卷積神經網絡,其關鍵參數如下:base_lr值為0.001,權重衰減值為0.005,gamma值為0.1,stepsize值為128,最大迭代次數值為400,使用 “step” 學習策略。
6.根據權利要求1所述的一種弱監督下的心電圖像識別方法,其特征在于:步驟5將心拍驗證圖片輸入到步驟4中生成的心拍圖片識別模型中,過獲取每張心拍驗證圖片的識別結果,用于計算模型的識別準確率,通過計算出的識別準確率來反應模型的構建情況,再調節各關鍵參數的數值,獲得最佳心拍圖片識別模型。
7.根據權利要求1所述的一種弱監督下的心電圖像識別方法,其特征在于:步驟6將心拍測試圖片輸入到步驟5中調節參數后的心拍圖片識別模型中,輸出心拍圖片的識別結果,實現心拍圖片的分類。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于四川大學,未經四川大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810190859.1/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:神經重癥監測儀
- 下一篇:便攜式心電信號調制器





