[發(fā)明專利]一種基于深度學(xué)習(xí)的心電數(shù)據(jù)分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201911053246.4
• 申請(qǐng)日: 2019-10-31
• 公開（公告）號(hào): CN110934579A
• 公開（公告）日: 2020-03-31
• 發(fā)明（設(shè)計(jì)）人: 趙杰;翟運(yùn)開;陳昊天;崔莉亞;石金銘;孫東旭;盧耀恩;王振博
• 申請(qǐng)（專利權(quán)）人: 鄭州大學(xué)第一附屬醫(yī)院
• 主分類號(hào): A61B5/0402
• 分類號(hào): A61B5/0402;A61B5/00
• 代理公司: 常州佰業(yè)騰飛專利代理事務(wù)所(普通合伙) 32231
• 代理人: 李珍

1.一種基于深度學(xué)習(xí)的心電數(shù)據(jù)分類方法，其特征在于：包括如下步驟：

步驟1：建立數(shù)據(jù)采集服務(wù)器、數(shù)據(jù)庫服務(wù)器、深度學(xué)習(xí)服務(wù)器和客戶端服務(wù)器，數(shù)據(jù)采集服務(wù)器與臨床心電數(shù)據(jù)采集設(shè)備通信，數(shù)據(jù)采集服務(wù)器與數(shù)據(jù)庫服務(wù)器通過互聯(lián)網(wǎng)通信，深度學(xué)習(xí)服務(wù)器通過互聯(lián)網(wǎng)與數(shù)據(jù)庫服務(wù)器通信，客戶端服務(wù)器通過網(wǎng)線連接深度學(xué)習(xí)服務(wù)器；

步驟2：臨床心電數(shù)據(jù)采集設(shè)備采集若干患者的心電數(shù)據(jù)，并將這些心電數(shù)據(jù)傳輸給數(shù)據(jù)采集服務(wù)器；

步驟3：數(shù)據(jù)采集服務(wù)器根據(jù)Savitzky-Golay數(shù)字平滑濾波器對(duì)心電數(shù)據(jù)進(jìn)行平滑濾波處理，得到濾波后心電數(shù)據(jù)；

步驟4：數(shù)據(jù)采集服務(wù)器對(duì)濾波后的心電數(shù)據(jù)標(biāo)識(shí)標(biāo)簽，通過標(biāo)簽對(duì)心電數(shù)據(jù)進(jìn)行分類，生成分類心電數(shù)據(jù)；

步驟5：數(shù)據(jù)采集服務(wù)器將分類心電數(shù)據(jù)傳送給數(shù)據(jù)庫服務(wù)器進(jìn)行歸類存儲(chǔ)，并且對(duì)分類心電數(shù)據(jù)進(jìn)行one-hot編碼，生成訓(xùn)練數(shù)據(jù)；

步驟6：深度學(xué)習(xí)服務(wù)器調(diào)取訓(xùn)練數(shù)據(jù)，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，通過訓(xùn)練數(shù)據(jù)對(duì)深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

步驟7：臨床心電數(shù)據(jù)采集一個(gè)測(cè)試患者的心電數(shù)據(jù)，并通過步驟2到步驟5的方法對(duì)心電數(shù)據(jù)進(jìn)行處理，最終生成測(cè)試心電數(shù)據(jù)；

數(shù)據(jù)庫服務(wù)器存儲(chǔ)測(cè)試心電數(shù)據(jù)；

步驟8：深度學(xué)習(xí)服務(wù)器調(diào)取測(cè)試心電數(shù)據(jù)，將測(cè)試心電數(shù)據(jù)放入深度神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行評(píng)價(jià)得到準(zhǔn)確率評(píng)價(jià)結(jié)果Acc，其具體算法如以下公式：

其中TP表示屬于該類且被正確分類的心電樣本；TN表示屬于該類且被錯(cuò)誤分類的心電樣本；FP表示不屬于該類且被分為該類的心電樣本；FN表示不屬于該類且被分為不屬于該類的心電樣本；

步驟9：深度學(xué)習(xí)服務(wù)器將準(zhǔn)確率評(píng)價(jià)結(jié)果Acc發(fā)送給客戶端服務(wù)器，客戶端服務(wù)器根據(jù)準(zhǔn)確率評(píng)價(jià)結(jié)果Acc生成圖表，并展示給用戶。

2.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的心電數(shù)據(jù)分類方法，其特征在于：在執(zhí)行步驟3時(shí)，具體包括如下步驟：

步驟A1：建立Savitzky-Golay數(shù)字平滑濾波器；

步驟A2：通過Savitzky-Golay數(shù)字平滑濾波器設(shè)定一個(gè)固定長度的窗口，將該窗口放置到心電數(shù)據(jù)上；

步驟A3：設(shè)定映射在窗口內(nèi)的心電數(shù)據(jù)為待濾波數(shù)據(jù)，對(duì)待濾波數(shù)據(jù)進(jìn)行k階多項(xiàng)式擬合，得到擬合后的結(jié)果；

步驟A4：對(duì)擬合后的結(jié)果進(jìn)行離散化處理，生成濾波后心電數(shù)據(jù)。

3.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的心電數(shù)據(jù)分類方法，其特征在于：在執(zhí)行步驟4時(shí)，對(duì)濾波后的心電數(shù)據(jù)標(biāo)識(shí)的標(biāo)簽包括竇性心動(dòng)過速數(shù)據(jù)、竇性心動(dòng)過緩數(shù)據(jù)、T波改變數(shù)據(jù)、ST段改變數(shù)據(jù)、房性早搏數(shù)據(jù)、QRS低電壓數(shù)據(jù)和心房顫動(dòng)。

4.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)的心電數(shù)據(jù)分類方法，其特征在于：在執(zhí)行步驟6時(shí)，構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)模型中的LSTM的步長為10，隱藏層的節(jié)點(diǎn)為64，線性變換層使用一個(gè)softmax函數(shù)，采用Adam算法進(jìn)行參數(shù)優(yōu)化，學(xué)習(xí)率為0.0025，batch大小為256，網(wǎng)絡(luò)模型由keras框架實(shí)現(xiàn)。