[發(fā)明專利]QRS波群位置確定方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010117504.7
• 申請(qǐng)日: 2020-02-25
• 公開（公告）號(hào): CN111345817B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 賈東亞;趙巍
• 申請(qǐng)（專利權(quán)）人: 廣州視源電子科技股份有限公司
• 主分類號(hào): A61B5/366
• 分類號(hào): A61B5/366;A61B5/318
• 代理公司: 北京澤方譽(yù)航專利代理事務(wù)所(普通合伙) 11884
• 代理人: 陳照輝

本申請(qǐng)實(shí)施例公開了一種QRS波群位置確定方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，涉及心電檢測(cè)技術(shù)領(lǐng)域，其包括：獲取導(dǎo)聯(lián)心電信號(hào)序列，導(dǎo)聯(lián)心電信號(hào)序列包括至少一個(gè)QRS波群；利用編碼神經(jīng)網(wǎng)絡(luò)模型對(duì)導(dǎo)聯(lián)心電信號(hào)序列進(jìn)行編碼，以得到導(dǎo)聯(lián)心電信號(hào)序列的第一語義特征向量；利用解碼神經(jīng)網(wǎng)絡(luò)模型對(duì)第一語義特征向量進(jìn)行解碼，以得到QRS波群在導(dǎo)聯(lián)心電信號(hào)序列中的位置信息。采用上述方法可以解決現(xiàn)有技術(shù)中通過手工設(shè)計(jì)特征使得QRS波群的檢測(cè)抗噪能力弱的技術(shù)問題，利用機(jī)器學(xué)習(xí)的方式構(gòu)建編碼神經(jīng)網(wǎng)絡(luò)模型和解碼神經(jīng)網(wǎng)絡(luò)模型，可以實(shí)現(xiàn)QRS波群的自動(dòng)檢測(cè)，且訓(xùn)練得到的模型無需手工設(shè)計(jì)特征，具有較優(yōu)的性能、較好的泛化能力以及較強(qiáng)的抗噪能力。

技術(shù)領(lǐng)域

本申請(qǐng)實(shí)施例涉及心電檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種QRS波群位置確定方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

心電信號(hào)是記錄心臟在一段時(shí)間內(nèi)的電生理活動(dòng)信號(hào)，其可以體現(xiàn)出心臟生理信息。心電信號(hào)通常以波形圖的方式體現(xiàn)。在心電信號(hào)中，P波、T波和QRS波群是檢測(cè)心臟狀態(tài)較為重要的數(shù)據(jù)。其中，P波是心房除極波，代表左右二心房的激動(dòng)。T波是心室的復(fù)極波。QRS波群反映左、右心室除極電位和時(shí)間的變化。QRS波群中第一個(gè)向下的波為Q波，向上的波為R波，接著向下的波是S波。自QRS波群起點(diǎn)至QRS波群終點(diǎn)的時(shí)間為QRS時(shí)限。通過QRS波群可以確定出P波和T波在心電信號(hào)中的位置。因此，準(zhǔn)確判斷出QRS波群在心電信號(hào)中的位置對(duì)心電信號(hào)分析具有重要的作用。

現(xiàn)在技術(shù)中，可以采用PT算法(Pan_Tompkins算法)、小波變換法等方式檢測(cè)QRS波群。發(fā)明人在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)存在如下缺陷：現(xiàn)有的檢測(cè)QRS波群的方法，通常需要手工設(shè)計(jì)特征，然而，手工設(shè)計(jì)的特征抗噪能力弱，這樣會(huì)使得QRS波群的檢測(cè)易受噪聲等因素的影響，進(jìn)而影響檢測(cè)結(jié)果的準(zhǔn)確性。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┝艘环NQRS波群位置確定方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，以解決現(xiàn)有技術(shù)中通過手工設(shè)計(jì)特征使得QRS波群的檢測(cè)抗噪能力弱的技術(shù)問題。

第一方面，本申請(qǐng)實(shí)施例提供了一種QRS波群位置確定方法，包括：

獲取導(dǎo)聯(lián)心電信號(hào)序列，所述導(dǎo)聯(lián)心電信號(hào)序列包括至少一個(gè)QRS波群；

利用編碼神經(jīng)網(wǎng)絡(luò)模型對(duì)所述導(dǎo)聯(lián)心電信號(hào)序列進(jìn)行編碼，以得到所述導(dǎo)聯(lián)心電信號(hào)序列的第一語義特征向量；

利用解碼神經(jīng)網(wǎng)絡(luò)模型對(duì)所述第一語義特征向量進(jìn)行解碼，以得到QRS波群在所述導(dǎo)聯(lián)心電信號(hào)序列中的位置信息。

進(jìn)一步的，所述編碼神經(jīng)網(wǎng)絡(luò)模型由卷積神經(jīng)網(wǎng)絡(luò)模塊和第一長(zhǎng)短期記憶網(wǎng)絡(luò)模塊組成；

所述利用編碼神經(jīng)網(wǎng)絡(luò)模型對(duì)所述導(dǎo)聯(lián)心電信號(hào)序列進(jìn)行編碼，以得到所述導(dǎo)聯(lián)心電信號(hào)序列的第一語義特征向量包括：

將所述導(dǎo)聯(lián)心電信號(hào)序列輸入至所述卷積神經(jīng)網(wǎng)絡(luò)模塊，以提取包含語義信息的單通道特征圖；

將所述包含語義信息的單通道特征圖切分成多個(gè)特征信號(hào)，每個(gè)特征信號(hào)對(duì)應(yīng)一個(gè)時(shí)間步；

將多個(gè)所述特征信號(hào)依次輸入至所述第一長(zhǎng)短期記憶網(wǎng)絡(luò)模塊，以得到所述導(dǎo)聯(lián)心電信號(hào)序列的第一語義特征向量。

進(jìn)一步的，所述卷積神經(jīng)網(wǎng)絡(luò)模塊由第一卷積層、串聯(lián)的四個(gè)殘差塊和第二卷積層組成；

所述第一卷積層后接有串聯(lián)的四個(gè)殘差塊，所述串聯(lián)的四個(gè)殘差塊后接有所述第二卷積層。

進(jìn)一步的，所述第一長(zhǎng)短期記憶網(wǎng)絡(luò)模塊由雙向長(zhǎng)短期記憶網(wǎng)絡(luò)組成，所述雙向長(zhǎng)短期記憶網(wǎng)絡(luò)包括第一長(zhǎng)短期記憶網(wǎng)絡(luò)和第二長(zhǎng)短期記憶網(wǎng)絡(luò)；

所述將所述包含語義信息的單通道特征圖切分成多個(gè)特征信號(hào)包括：