[發明專利]一種心電信號QRS波群定位方法及裝置

在審

• 申請號: 201910758688.2
• 申請日: 2019-08-16
• 公開（公告）號: CN110507318A
• 公開（公告）日: 2019-11-29
• 發明（設計）人: 羅偉;朱濤;李毅
• 申請（專利權）人: 武漢中旗生物醫療電子有限公司
• 主分類號: A61B5/0472
• 分類號: A61B5/0472
• 代理公司: 42231 武漢智嘉聯合知識產權代理事務所(普通合伙)
• 代理人: 易賢衛<國際申請>=<國際公布>=<進入

本發明涉及心電信號技術領域，公開了一種心電信號QRS波群定位方法及裝置，其中方法包括以下步驟：分別以兩組大小不同的數據段作為輸入對神經網絡進行訓練，得到兩個標簽預測模型；以兩個標簽預測模型的預測結果作為輸入對神經網絡進行訓練，得到融合預測模型；根據兩個所述標簽預測模型以及所述融合預測模型進行病例數據的QRS波群定位。本發明具有適用范圍廣、定位精度高的技術效果。

技術領域

本發明涉及心電信號技術領域，具體涉及一種心電信號QRS波群定位方法及裝置。

背景技術

心電診斷中，QRS波群的定位具有非常重要的作用。神經網絡作為一種廣泛應用的數學模型，也逐漸被應用至心電信號處理中。采用神經網絡進行QRS波群的定位具有定位精度高，定位效率快的優點。但是，由于訓練樣本有限，目前通過神經網絡進行訓練得到的定位模型在對一些特殊病例數據進行識別時，即與訓練樣本差異較大的病例數據進行識別時，準確率會發生大幅下降，導致定位模型的適用面較窄，整體精度被拉低。

發明內容

本發明的目的在于克服上述技術不足，提供一種心電信號QRS波群定位方法及裝置，解決現有技術中通過訓練神經網絡進行QRS波群定位時，對病例數據的適用面窄，整體精度低的技術問題。

為達到上述技術目的，本發明的技術方案提供一種心電信號QRS波群定位方法，包括以下步驟：

分別以兩組大小不同的心電信號數據段作為輸入對神經網絡進行訓練，得到兩個標簽預測模型；

以兩個標簽預測模型的預測結果作為輸入對神經網絡進行訓練，得到融合預測模型；

根據兩個所述標簽預測模型以及所述融合預測模型進行病例數據的QRS波群定位。

本發明還提供一種心電信號QRS波群定位裝置，包括處理器以及存儲器，所述存儲器上存儲有計算機程序，所述計算機程序被所述處理器執行時，實現所述心電信號QRS波群定位方法。

與現有技術相比，本發明的有益效果包括：本發明采用不同大小的數據段作為輸入進行神經網絡的訓練，從而得到兩個不同的標簽預測模型。較大數據段訓練得到的標簽預測模型適用于心率較慢、QRS波較寬的病例數據，較小的數據段訓練得到的標簽預測模型適用于心率較快、QRS波較窄的病例數據。以兩個標簽預測模型的預測結果作為輸入再次進行神經網絡的訓練，得到融合預測模型。由于融合預測模型基于兩個不同的標簽預測模型建立，因此融合預測模型適用于各種不同病例數據的預測定位，適用面寬，且對于各種不同病例數據的預測定位均可達到較高的精確度，從而提升了整體的預測精度。

附圖說明

圖1是本發明提供的心電信號QRS波群定位方法一實施方式的流程圖；

圖2是本發明提供的心電信號QRS波群定位方法一實施方式的預測結果圖。

具體實施方式

為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。

實施例1

如圖1所示，本發明的實施例1提供了心電信號QRS波群定位方法，以下簡稱本方法，包括以下步驟：

S1、分別以兩組大小不同的心電信號數據段作為輸入對神經網絡進行訓練，得到兩個標簽預測模型；

S2、以兩個標簽預測模型的預測結果作為輸入對神經網絡進行訓練，得到融合預測模型；

S3、根據兩個所述標簽預測模型以及所述融合預測模型進行病例數據的QRS波群定位。