[發明專利]信號識別方法、裝置、設備和存儲介質

有效

• 申請號: 201810730207.2
• 申請日: 2018-07-05
• 公開（公告）號: CN109077714B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 胡靜
• 申請（專利權）人: 廣州視源電子科技股份有限公司
• 主分類號: A61B5/318
• 分類號: A61B5/318
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發明實施例公開了一種信號識別方法、裝置、設備和存儲介質，該方法包括，設計心電信號的第一特征參數，其中，所述第一特征參數為對滿足設定條件的波序列樣本進行設定的運算得到；設計所述心電信號的第二特征參數，其中，所述第二特征參數為對所述心電信號波間期特性進行處理得到；將所述第一特征參數和所述第二特征參數作為識別特征參數進行訓練，構建深度神經網絡模型；將待檢測信號輸入所述深度神經網絡模型進行訓練，識別待檢測信號。應用本實施例中的方法進行信號識別，提高了信號識別的速度和準確度。

技術領域

本發明涉及信號處理技術，尤其涉及一種信號識別方法、裝置、設備和存儲介質。

背景技術

心房顫動簡稱房顫，是臨床最常見的一種心律失常疾病，減少房顫的發病率和死亡率具有重要的臨床意義和社會意義。

在實現本發明的過程中，發明人發現現有技術中至少存在如下問題。現有技術中通過RR間期不規則作為標準來判斷房顫是否發作，然而，RR間期絕對不規則也是其他心律信號的表現之一。判斷標準單一，導致判斷結果不準確。

發明內容

本發明實施例提供一種信號識別方法、裝置、設備和存儲介質，應用本實施例中的方法進行信號識別，提高了信號識別的速度和準確度。

第一方面，本發明實施例提供了一種信號識別方法，該方法包括：

設計心電信號的第一特征參數，其中，所述第一特征參數為對滿足設定條件的波序列樣本進行設定的運算得到；

設計所述心電信號的第二特征參數，其中，所述第二特征參數為對所述心電信號波間期特性進行處理得到；

將所述第一特征參數和所述第二特征參數作為識別特征參數進行訓練，構建深度神經網絡模型；

將待檢測信號輸入所述深度神經網絡模型進行訓練，識別待檢測信號。

第二方面，本發明實施例還提供了一種信號識別裝置，該裝置包括：

第一設計模塊，用于設計心電信號的第一特征參數，其中，所述第一特征參數為對滿足設定條件的波序列樣本進行設定的運算得到；

第二設計模塊，用于設計所述心電信號的第二特征參數，其中，所述第二特征參數為對所述心電信號波間期特性進行處理得到；

模型構建模塊，用于將所述第一特征參數和所述第二特征參數作為識別特征參數進行訓練，構建深度神經網絡模型；

信號識別模塊，用于將待檢測信號輸入所述深度神經網絡模型進行訓練，識別待檢測信號。

第三方面，本發明實施例還提供了一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如本發明實施例中任一所述的信號識別方法。

第四方面，本發明實施例還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如本發明實施例中任一所述的信號識別方法。

本發明實施例中，通過設計心電信號的第一特征參數，其中，所述第一特征參數為對滿足設定條件的波序列樣本進行設定的運算得到；設計所述心電信號的第二特征參數，其中，所述第二特征參數為對所述心電信號波間期特性進行處理得到；將所述第一特征參數和所述第二特征參數作為識別特征參數進行訓練，構建深度神經網絡模型；將待檢測信號輸入所述深度神經網絡模型進行訓練，識別待檢測信號。應用本發明實施例中提供的方法進行信號識別，提高了信號識別的速度和準確度；經過預處理的波形更光滑，預處理消除了高頻噪聲，更方便準確的提取有效信息；應用本發明實施例中提供的特征參數，能得到更精確的模型參數值，應用深度神經網絡模型對待檢測信號進行識別，更加能夠表征房顫發作的特性，更適合實際應用場景；將該結果在顯示設備上顯示，作為個人或醫生檢測或診斷的基礎。

附圖說明