[發(fā)明專利]一種基于深度學(xué)習(xí)的心搏識(shí)別方法、終端設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010564435.4
• 申請(qǐng)日: 2020-06-19
• 公開(kāi)（公告）號(hào): CN111772619B
• 公開(kāi)（公告）日: 2022-09-20
• 發(fā)明（設(shè)計(jì)）人: 李熙;徐擁軍
• 申請(qǐng)（專利權(quán)）人: 廈門納龍健康科技股份有限公司
• 主分類號(hào): A61B5/318
• 分類號(hào): A61B5/318;A61B5/366;A61B5/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廈門市精誠(chéng)新創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司 35218
• 代理人: 何家富

本發(fā)明涉及一種基于深度學(xué)習(xí)的心搏識(shí)別方法、終端設(shè)備及存儲(chǔ)介質(zhì)，該方法中包括：S1：采集心電圖數(shù)據(jù)組成訓(xùn)練集；S2：構(gòu)建心搏識(shí)別模型并設(shè)定模型的損失函數(shù)，對(duì)模型進(jìn)行訓(xùn)練使得損失函數(shù)最小后，得到訓(xùn)練后的最終模型；構(gòu)建的心搏識(shí)別模型由編碼器和解碼器組成；所述編碼器包括一個(gè)卷積層和多個(gè)改進(jìn)殘差網(wǎng)絡(luò)，改進(jìn)殘差網(wǎng)絡(luò)采用多個(gè)不同尺度的卷積核路徑并行編碼；所述解碼器包括一個(gè)帶注意力機(jī)制的循環(huán)神經(jīng)網(wǎng)絡(luò)和兩個(gè)全連接網(wǎng)絡(luò)，兩個(gè)全連接網(wǎng)絡(luò)分別用于識(shí)別心搏類型和心搏位置；S3：將待識(shí)別心電圖進(jìn)行預(yù)處理后得到的多個(gè)子片段依次輸入最終模型，得到識(shí)別結(jié)果。本發(fā)明克服手工設(shè)計(jì)算法的局限性，具有準(zhǔn)確率高、抗干擾能力強(qiáng)、速度快的優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及心電圖自動(dòng)識(shí)別領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)的心搏識(shí)別方法、終端設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

心電圖對(duì)于心血管疾病的診斷具有重要的價(jià)值，它是臨床最常用的無(wú)創(chuàng)檢查手段之一。心電圖數(shù)據(jù)由采集設(shè)備從人體采集得到，然后在心電圖分析系統(tǒng)進(jìn)行預(yù)處理后展示給醫(yī)生進(jìn)行診斷。預(yù)處理的主要工作是進(jìn)行QRS波識(shí)別，QRS波是心電圖上周期性出現(xiàn)的尖峰狀信號(hào)，是心臟電活動(dòng)的最主要特征。

業(yè)界識(shí)別QRS波的傳統(tǒng)方法主要有：自適應(yīng)閾值法、小波變換法、模板法等。這些方法對(duì)于采集質(zhì)量較高、心搏形態(tài)和節(jié)律比較常見(jiàn)的圖可以滿足要求。然而，QRS波的形態(tài)因人而異，即使同一個(gè)人也容易受高頻噪聲、基線漂移、運(yùn)動(dòng)偽跡、個(gè)體差異等的影響而造成失真，使得識(shí)別變得困難。尤其是動(dòng)態(tài)心電圖領(lǐng)域，心搏形態(tài)和節(jié)律變化非常復(fù)雜，傳統(tǒng)方法識(shí)別的效果與醫(yī)生的要求還有較大差距。醫(yī)生需要手動(dòng)修改大量的錯(cuò)誤標(biāo)記，或者添加很多漏檢的QRS波，嚴(yán)重降低了工作效率。究其原因，這些方法還遠(yuǎn)遠(yuǎn)不能模擬人類大腦的工作過(guò)程，它們是基于一套人為制定的決策規(guī)則來(lái)進(jìn)行模式識(shí)別，而QRS的模式很難用有限的規(guī)則去涵蓋。

深度學(xué)習(xí)技術(shù)利用大數(shù)據(jù)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，在計(jì)算機(jī)視覺(jué)領(lǐng)域取得了革命性的突破。現(xiàn)有技術(shù)中已有一些方案把深度學(xué)習(xí)應(yīng)用于心搏分類，但前提是需要傳統(tǒng)QRS識(shí)別算法先將心搏位置定位出來(lái)，然后再將定位到的心搏片段數(shù)據(jù)送入神經(jīng)網(wǎng)絡(luò)。這樣做存在兩個(gè)缺陷，第一是QRS檢出的準(zhǔn)確度受傳統(tǒng)方法限制，二是單個(gè)心搏片段提供的信息有限，無(wú)法綜合心電圖上下文信息，從而分類能力也很難提升。

發(fā)明內(nèi)容

為了解決上述問(wèn)題，本發(fā)明提出了一種基于深度學(xué)習(xí)的心搏識(shí)別方法、終端設(shè)備及存儲(chǔ)介質(zhì)。

具體方案如下：

一種心電圖心搏識(shí)別方法，包括以下步驟：

S1：采集心電圖數(shù)據(jù)組成訓(xùn)練集；

S2：構(gòu)建心搏識(shí)別模型并設(shè)定模型的損失函數(shù)，對(duì)模型進(jìn)行訓(xùn)練使得損失函數(shù)最小后，得到訓(xùn)練后的最終模型；

構(gòu)建的心搏識(shí)別模型由編碼器和解碼器組成；

所述編碼器包括一個(gè)卷積層和多個(gè)改進(jìn)殘差網(wǎng)絡(luò)，改進(jìn)殘差網(wǎng)絡(luò)采用多個(gè)不同尺度的卷積核路徑并行編碼；

所述解碼器包括一個(gè)帶注意力機(jī)制的循環(huán)神經(jīng)網(wǎng)絡(luò)和兩個(gè)全連接網(wǎng)絡(luò)，兩個(gè)全連接網(wǎng)絡(luò)分別用于識(shí)別心搏類型和心搏位置；

所述心搏識(shí)別模型的損失函數(shù)由分類損失和位置損失兩部分組成；

S3：將待識(shí)別心電圖進(jìn)行預(yù)處理后得到的多個(gè)子片段依次輸入最終模型，得到最終模型輸出的每個(gè)子片段對(duì)應(yīng)的心搏類型和心搏位置的預(yù)測(cè)序列；將多個(gè)預(yù)測(cè)序列依次連接，組成該待識(shí)別心電圖的識(shí)別結(jié)果。

進(jìn)一步的，步驟S1具體包括：采集多個(gè)心電圖數(shù)據(jù)并將每個(gè)心電圖數(shù)據(jù)截取為多個(gè)額定時(shí)間長(zhǎng)度的子片段，對(duì)每個(gè)子片段進(jìn)行心搏類型和心搏位置標(biāo)記后，將每個(gè)心電圖數(shù)據(jù)對(duì)應(yīng)的所有子片段疊加后的數(shù)據(jù)和所有子片段標(biāo)記后的數(shù)據(jù)疊加后的數(shù)據(jù)共同組成該心電圖數(shù)據(jù)的訓(xùn)練樣本，將采集的所有心電圖數(shù)據(jù)的訓(xùn)練樣本組成訓(xùn)練集。