[發明專利]一種用于心搏數據的滑動檢測方法和裝置

有效

• 申請號: 202010056830.1
• 申請日: 2020-01-17
• 公開（公告）號: CN111265211B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 田亮;張碧瑩;曹君
• 申請（專利權）人: 上海樂普云智科技股份有限公司
• 主分類號: A61B5/349
• 分類號: A61B5/349;A61B5/366;A61B5/352
• 代理公司: 北京慧誠智道知識產權代理事務所(特殊普通合伙) 11539
• 代理人: 李楠

本發明實施例涉及一種用于心搏數據的滑動檢測方法和裝置，所述方法包括：步驟1對一維心電數據進行滑動片段劃分處理生成滑動片段組；步驟2初始化片段索引為1、片段總數為滑動片段組的滑動片段總數；步驟3調用目標檢測算法對片段索引對應的滑動片段進行心搏信號數據特征識別處理生成片段索引第一識別框序列；對片段索引第一識別框序列進行R點時間絕對值轉換處理生成片段索引第二識別框序列；步驟4片段索引加1；步驟5如片段索引大于片段總數轉步驟6，如片段索引小于或等于片段總數轉步驟3；步驟6對滑動識別框序列進行達標心搏信號篩查處理；對滑動識別框序列進行重復識別框篩查處理；步驟7生成心搏數據滑動檢測結果序列。

技術領域

本發明涉及心電信號處理技術領域，特別涉及一種用于心搏數據的滑動檢測方法和裝置。

背景技術

心電數據是一組與心臟心動周期相關的電信號數據，心電分析是對采集的心電數據進行特征分析。使用深度學習目標檢測原理對一維心電數據進行特征識別是當下較為先進的智能心電分析方式，其實現手段是通過對連續心電數據進行片段化之后，將單元片段心電數據輸入基于卷積神經網絡(Convolutional Neural Network，CNN)原理訓練實現的預測網絡模型進行R點預測，最終在每個時間柵格內預測出若干個R點預測識別框形成識別框序列，理想的單個預測識別框內最多包含一個心搏信號也即最多包括一個R點。這樣的處理方法中，預測網絡模型的計算樣本數量與預測精度是成正比的。原理上，默認提高心電片段劃分細度和片段柵格細度都可以達到增大計算樣本的目的；可是，由于片段柵格細度在卷積神經網絡中與計算量是指數級關系，也就是說在實際應用中，如果想通過提高片段柵格細度來提高計算精度，將會成倍甚至十數倍增加心電圖設備的軟硬件成本。

發明內容

本發明的目的，就是針對現有技術的缺陷，提供一種用于心搏數據的滑動檢測方法和裝置，在不增加片段柵格細度的前提下，對心電數據片段的順序劃分原則進行改造，將原有的順序相鄰劃分方式改進為滑動重疊劃分方式，將原方案中被忽視的片段與片段間的連接地帶的片段柵格也納入有效識別范圍中。如此，在不增加軟硬件成本、不細化片段柵格細度的前提下，也能實現增加計算樣本量數量的目的，同時又在原有方案上進一步覆蓋了被忽視的片段連接處心電數據。

為實現上述目的，本發明實施例第一方面提供了一種用于心搏數據的滑動檢測方法，其特征在于，所述方法包括：

步驟1，以預置片段滑動步長閾值為片段起始時間參考信息，以預置片段時間閾值為片段固定長度信息，對一維心電數據進行滑動片段劃分處理生成滑動片段組；所述滑動片段組包括多個滑動片段；

步驟2，初始化滑動識別框序列為空，初始化片段索引的值為1，初始化片段總數為所述滑動片段組的滑動片段總數；

步驟3，調用目標檢測算法對所述片段索引對應的滑動片段進行心搏信號數據特征識別處理生成片段索引第一識別框序列；根據所述預置片段滑動步長閾值和所述片段索引對所述片段索引第一識別框序列進行R點時間絕對值轉換處理生成片段索引第二識別框序列；提取所述片段索引第二識別框序列的所有第二識別框向所述滑動識別框序列進行識別框添加操作；所述片段索引第一識別框序列包括多個第一識別框；所述片段索引第二識別框序列包括多個所述第二識別框；所述第二識別框包括心搏信號概率、R點時間數據、QRS寬度和心搏分類概率；所述滑動識別框序列包括多個所述第二識別框；

步驟4，將所述片段索引加1；

步驟5，判斷所述片段索引是否大于所述片段總數，如果所述片段索引大于所述片段總數則轉至步驟6，如果所述片段索引小于或等于所述片段總數則轉至步驟3；

步驟6，根據預置心搏信號概率閾值和所述心搏信號概率對所述滑動識別框序列進行達標心搏信號篩查處理；根據預置識別框重疊比例閾值和所述R點時間數據對所述滑動識別框序列進行重復識別框篩查處理；

步驟7，提取所述滑動識別框序列的所有所述第二識別框的所述R點時間數據、所述QRS寬度和所述心搏分類概率，生成心搏數據滑動檢測結果序列。