[發(fā)明專利]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的室性早搏心跳識別方法及裝置在審
| 申請?zhí)枺?/td> | 201811600465.5 | 申請日： | 2018-12-26 |
| 公開（公告）號： | CN109620207A | 公開（公告）日： | 2019-04-16 |
| 發(fā)明（設(shè)計）人： | 朱俊江;張德濤;伍尚實;璞玉;陳廣怡 | 申請（專利權(quán)）人： | 上海數(shù)創(chuàng)醫(yī)療科技有限公司 |
| 主分類號： | A61B5/0402 | 分類號： | A61B5/0402;A61B5/0468 |
| 代理公司： | 蘇州知途知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32299 | 代理人： | 馬剛強(qiáng);陳瑞瀧 |
| 地址： | 200433 上海市楊浦區(qū)*** | 國省代碼： | 上海;31 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 心跳 室性早搏 卷積神經(jīng)網(wǎng)絡(luò) 改進(jìn) 連接層 預(yù)處理 自動化 波形特征 心電信號 綜合考慮 分類器 截斷 準(zhǔn)確率 池化 對心 卷積 峭度 判定 融合 輸出 | ||
1.一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的室性早搏心跳識別方法，其特征在于，包括：
預(yù)處理步驟，對心電信號進(jìn)行預(yù)處理；
截斷步驟，將心電信號截斷為若干個心跳序列，提取每個心跳與之前心跳之間的RR間隔；
計算步驟，計算每個心跳序列的峭度值、偏度值；
識別步驟，將心跳序列、RR間隔、峭度值、偏度值輸入到改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)模型中，輸出待識別心跳的識別結(jié)果，根據(jù)識別結(jié)果判定待識別心跳是否是室性早搏心跳；所述待識別心跳包括第二個心跳及其之后所有心跳。
2.根據(jù)權(quán)利要求1所述的基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的室性早搏心跳識別方法，其特征在于，所述預(yù)處理步驟，具體為：
采用上下截止頻率分別為0.1Hz、100Hz的fir濾波器，對心電信號進(jìn)行濾波；
如果心電信號采樣頻率不是500Hz，則采用最鄰近內(nèi)插法將信號重采樣為500Hz。
3.根據(jù)權(quán)利要求1所述的基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的室性早搏心跳識別方法，其特征在于，所述截斷步驟，具體為：
采用R波峰提取算法進(jìn)行R波峰提取；從R波峰前0.3s到后0.7s進(jìn)行截斷，作為一個心跳；
采用R波峰提取算法進(jìn)行R波峰提取；計算某一心跳的R波峰在心電信號中的發(fā)生時刻與上一心跳的R波峰發(fā)生時刻之間的時間差作為RR間隔。
4.根據(jù)權(quán)利要求1所述的基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的室性早搏心跳識別方法，其特征在于，所述計算步驟，具體為：
計算心跳序列的峭度值kur的公式為：
計算心跳序列的偏度值skw的公式為：
其中，N為信號長度，xi為第i個采樣點的值，μ為信號的平均值，σ為信號的方差，i為正整數(shù)。
5.根據(jù)權(quán)利要求1所述的基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的室性早搏心跳識別方法，其特征在于，所述識別步驟中，改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)模型包括8層網(wǎng)絡(luò)及一個分類器；8層網(wǎng)絡(luò)分別記為layer1-layer8，其中l(wèi)ayer1-layer6均由一個卷積層和一個池化層組成；
layer1中卷積層包含5個核，卷積核大小均為224，layer1中池化層中的步長和核大小均為2；
layer2中卷積層包含5個核，卷積核大小均為112，layer2中池化層中的步長和核大小均為2；
layer3中卷積層包含10個核，卷積核大小均為100，layer3中池化層中的步長和核大小均為2；
layer4中卷積層包含10個核，卷積核大小均為50，layer4中池化層中的步長和核大小均為2；
layer5中卷積層包含10個核，卷積核大小均為48，layer5中池化層中的步長和核大小均為2；
layer6中卷積層包含10個核，卷積核大小均為24，layer4中池化層中的步長和核大小均為2；
全連接層layer7的輸入層神經(jīng)元個數(shù)與layer6的輸出特征個數(shù)一致，輸出層神經(jīng)元個數(shù)為30個，經(jīng)過計算后輸出30個特征；
將所述30個特征與某一心跳及其心電圖中的上一心跳之間的R波峰間隔、該心跳序列的峭度值、偏度值組成33個特征作為layer8的輸入；
layer8的輸入層神經(jīng)元的個數(shù)為33個，輸出層神經(jīng)元的個數(shù)為10個；
分類器的輸入層神經(jīng)元的個數(shù)為10個，輸出層神經(jīng)元的個數(shù)為1個；
網(wǎng)絡(luò)中所有的變量參數(shù)由訓(xùn)練得到，訓(xùn)練時采用第一數(shù)量的室性早搏心跳和第二數(shù)量的均勻類型的心跳作為訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練，得到改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)模型。
6.一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的室性早搏心跳識別裝置，其特征在于，包括：
預(yù)處理模塊，用于對心電信號進(jìn)行預(yù)處理；
截斷模塊，用于將心電信號截斷為若干個心跳序列，提取每個心跳與之前心跳之間的RR間隔；
計算模塊，用于計算每個心跳序列的峭度值、偏度值；
識別模塊，用于將心跳序列、RR間隔、峭度值、偏度值輸入到改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)模型中，輸出待識別心跳的識別結(jié)果，根據(jù)識別結(jié)果判定待識別心跳是否是室性早搏心跳；所述待識別心跳包括第二個心跳及其之后所有心跳。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海數(shù)創(chuàng)醫(yī)療科技有限公司，未經(jīng)上海數(shù)創(chuàng)醫(yī)療科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811600465.5/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
- 終端卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、存儲介質(zhì)及處理器
- 一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像深度估計方法
- 卷積神經(jīng)網(wǎng)絡(luò)的生成方法及裝置
- 一種卷積神經(jīng)網(wǎng)絡(luò)硬件模塊部署方法
- 卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、設(shè)備及存儲介質(zhì)
- 一種卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法及裝置
- 一種基于通道數(shù)搜索卷積神經(jīng)網(wǎng)絡(luò)的方法
- 卷積神經(jīng)網(wǎng)絡(luò)處理方法、裝置和電子系統(tǒng)
- 一種基于空洞卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的聲音事件檢測方法
- 基于稀疏卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法及檢測裝置
