[發明專利]一種基于MODWT和TDCNN的多導聯心律失常智能診斷方法

在審

• 申請號: 201811544778.3
• 申請日: 2018-12-17
• 公開（公告）號: CN109887594A
• 公開（公告）日: 2019-06-14
• 發明（設計）人: 孫斌;楊智;顧林躍;符靈建
• 申請（專利權）人: 浙江好絡維醫療技術有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;A61B5/00;A61B5/0402
• 代理公司: 杭州九洲專利事務所有限公司 33101
• 代理人: 翁霽明

一種基于MODWT和TDCNN的多導聯心律失常智能診斷方法，包括：a)基于MODWT尋找任意長度真實心電圖數據R波位置，對數據進行分割；b)以MIT?BIH心律失常數據庫作為訓練測試數據來源，基于TDCNN建立并訓練神經網絡；c)利用訓練好的網絡對真實心電圖數據進行智能診斷，并找到心律失常位置；本發明能根據不同人R波位置、心率對任意長度真實心電圖數據進行分割，并且充分考慮導聯之間的內在相關性，易于理解，容易實現，預測精度較高，更適于心律失常的診斷。

技術領域

本發明涉及一種基于MODWT(Maximal overlap discrete wavelet transform)和TDCNN(Two-dimensional convolutional neural networks)的多導聯心律失常智能診斷方法，屬于心電圖智能診斷領域。

背景技術

心電圖檢查是體檢的常見項目，如果患者疑似有心律失常癥狀，通常也會去醫院做個心電圖，但是，在醫院的幾分鐘或者十幾分鐘心電圖，難以發現問題，這時候醫生就可能會給患者一個可以穿戴的心電圖檢測器，通常要戴兩周或者更長時間，這會產生幾百小時的心電圖，醫生要一秒一秒的檢查，這是很費時間的，如果能先讓機器進行智能判斷，找出可能的心律失常的時間位置，再由醫生針對這些地方進行進一步診斷，顯然能夠極大地提高效率，節約資源，本專利的發明初衷來源于此。

目前，已有研究者針對心律失常智能診斷進行研究。比如早期的利用支持向量機、KNN等機器學習方法對心律失常進行診斷；近年隨著深度學習的興起，也有學者提出了利用深度學習對心律失常進行診斷的新方法：比如國外吳恩達帶領斯坦福機器學習組提出用CNN進行心臟病專家級的心律不齊檢測，能夠識別14類心律不齊類型。但該方法提取的是單導聯數據，難以應對需要結合多導聯數據才能進行診斷的心律失常類型，同時，該方法基于時間(注：1秒)對待診斷數據進行分割，沒有考慮個體之間心率不同的差異，當心率過緩時，很多分割數據難以包括一個完整心跳周期；國內高巖等利用CNN對多導聯的心律失常智能診斷方法進行了研究，該方法同樣沒有考慮個體之間心率不同的差異，同時，以多通道方式處理多導聯數據，無形中使導聯之間的內在聯系脫離，實際上，多導聯的數據來源于心電向量的二次投影，導聯與導聯之間具有空間上的聯系。

發明內容

本發明的目的在于克服現有技術存在的不足，而提供一種能根據不同人R波位置、心率對任意長度真實心電圖數據進行分割，并且充分考慮導聯之間的內在相關性，易于理解，容易實現，預測精度較高，更適于心律失常診斷的基于MODWT和TDCNN的多導聯心律失常智能診斷方法。

為了實現上述目的，本發明所采用的技術方案如下：一種基于MODWT和TDCNN的多導聯心律失常智能診斷方法，它包括如下步驟：

a)基于MODWT尋找任意長度真實心電圖數據R波位置，對數據進行分割；

b)以MIT-BIH心律失常數據庫作為訓練測試數據來源，基于TDCNN建立并訓練神經網絡；

c)利用訓練好的網絡對真實心電圖數據進行智能診斷，并找到心律失常位置；其特征在于：

所述步驟a)，基于MODWT尋找任意長度真實心電圖數據R波位置，對數據進行分割方法為：設有多導聯心電圖數據X：

其中：m表示導聯數目，n表示采樣點數(因采樣頻率f_c已知，可得采樣點i處對應時刻t_i＝i/f_c)，包括如下步驟：

步驟1：取第1導聯數據作為分析數據，利用MODWT編程獲得連續s個R波所處采樣點位置w₁、w₂、…、w_s，可見：1<w₁<w₂…<w_s<n；