[發明專利]利用LSTM網絡對心電數據進行處理的算法

在審

• 申請號: 201811050743.4
• 申請日: 2018-09-10
• 公開（公告）號: CN110881966A
• 公開（公告）日: 2020-03-17
• 發明（設計）人: 張躍;李峰;宿影;李彥
• 申請（專利權）人: 深圳市游弋科技有限公司;深圳市巖尚科技有限公司;清華大學深圳研究生院
• 主分類號: A61B5/0402
• 分類號: A61B5/0402
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 黃議本

本發明提供利用LSTM網絡對心電數據進行處理的算法，包括：讀取心電數據；將心電數據進行隨機切分使每段數據包括設定數量的R波；建立訓練模型，包括設置雙向LSTM層、設置全連接層、以及在雙向LSTM層之間、或者全連接層之間、或者雙向LSTM層與全連接層之間設置dropout；對所述訓練模型的參數進行配置；利用心電數據對所述訓練模型進行循環訓練以生成最終模型。本發明可以準確區分有危害的心電數據與沒有危害的心電數據，可以配合高危人群日常使用的可穿戴心律監測設備，以便在發現可能致命的心律異常時及時通知急救人員。

技術領域

本發明涉及心電數據處理，特別涉及利用LSTM網絡對心電數據進行處理的算法。

背景技術

潛在的心律失常患者通常是去看醫生，由醫生當面用心電圖儀進行檢查。如果心電圖儀檢測不到問題，醫生可能會讓潛在患者使用可穿戴設備，對心律進行兩周的持續監測。設備生成數據的時間跨度長達300多小時，醫生需要分析其中每一秒的數據，以發現心律失常的跡象，但是有危害的心電數據與沒有危害的心電數據往往極難區分。

發明內容

本發明的目的是為了彌補上述現有技術中的至少一項不足，提出利用LSTM網絡對心電數據進行處理的算法，便于區分有危害的心電數據與沒有危害的心電數據。

為解決上述技術問題，本發明采用以下技術方案：

利用LSTM網絡對心電數據進行處理的算法，包括：

讀取心電數據；

將心電數據進行隨機切分使每段數據包括設定數量的R波；

建立訓練模型，包括設置雙向LSTM層、設置全連接層、以及在雙向LSTM層之間、或者全連接層之間、或者雙向LSTM層與全連接層之間設置dropout；

對所述訓練模型的參數進行配置；

利用心電數據對所述訓練模型進行循環訓練以生成最終模型。

在一些優選的實施方式中，所述利用心電數據對所述訓練模型進行循環訓練以生成最終模型包括：

得到數據的樣本列表并對所述樣本列表按照標簽順序進行排序；

計算每個類別的樣本數，并且得到樣本最多的類別的樣本數；

根據所述樣本最多的類別的樣本數，對每一類隨機產生一個隨機排列的列表；

用每個類別的列表中的數對各自類別的樣本數求余，得到一個索引值，從每個類別的樣本中提取樣本，生成每個類別的樣本隨機列表；

把所有類別的樣本隨機列表連在一起，生成Random Shuffling，得到最后的樣本列表，用所述最后的樣本列表進行訓練。

在一些優選的實施方式中，所述設置雙向LSTM層包括：使用包裝器TimeDistributed來產生針對各個時間步信號的獨立全連接。

在一些優選的實施方式中，所述將心電數據進行隨機切分使每段數據包括設定數量的R波包括：將R波作為標簽；利用LSTM網絡訓練得到檢測R波的R波檢測模型；通過R波檢測模型對心電數據的R波進行識別，從而對心電數據切分使得每段數據包括設定數量的R波。

在一些優選的實施方式中，所述雙向LSTM層的層數為一層、兩層、三層、四層、五層或者六層以上；所述全連接層的層數為一層、兩層、三層、四層、五層或者六層以上。

在一些優選的實施方式中，所述對所述訓練模型的參數進行配置包括：選擇損失函數和優化器。

在一些優選的實施方式中，所述dropout的比率為0.5。