[發明專利]心電信號波形的檢測研究方法

在審

• 申請號: 202011097680.5
• 申請日: 2020-10-14
• 公開（公告）號: CN112137611A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 王永濤;薛汝成
• 申請（專利權）人: 山東平偉醫療技術有限公司
• 主分類號: A61B5/0402
• 分類號: A61B5/0402;A61B5/00;G06K9/00;G06K9/62;G06N3/08
• 代理公司: 山東高景專利代理事務所(特殊普通合伙) 37298
• 代理人: 高小荷

本發明公開了心電信號波形的檢測研究方法，包括以下步驟：步驟一：心電信號類型的選擇，深度神經網絡參數是根據預先設計的學習規則對輸入的心電樣本進行學習，不斷優化得到的，因此要選擇合適的心電信號類型送入網絡中進行學習訓練；步驟二：心電信號特征選擇，利用現有算法提取心電特征會在提取過程中造成心電特征信息損失，完整的心拍中保留了心電信號中所有的信息；在心電信號預處理的過程中，本發明使用雙重濾波對心電信號去噪濾波，提出了自適應差分閾值算法對濾波后的心電信號進行特征提取。

技術領域

本發明屬于心電信號技術領域，具體涉及心電信號波形的檢測研究方法。

背景技術

隨著老齡化人口的增加、社會壓力的增大和人們生活習慣的改變造成了心臟病患者的增多，從而導致醫生的工作量大大增加，并且在一定程度上使醫生產生了更大的壓力，使得醫生在工作過程中更容易產生疲勞可能會出現誤判現象，而且在診斷過程中難免會存在經驗模糊的局限性，隨著科技的進步和發展，便攜小巧低功耗的家庭式心電檢測儀需求市場急劇增大，人們對心電信號檢測和疾病預估有了更高的要求，因此心電信號波形的檢測和分類不僅能夠實現自動檢測的目的也能夠有效輔助醫療工作者的工作。

近年來心電信號波形的檢測研究方法可以概括為：斜率檢測法、閾值檢測法、小波檢測法、模板匹配法、神經網絡法，斜率檢測法對ECG信號進行檢測時存在容易把噪聲突變點檢測成信號突變點的現象，從而導致檢測錯誤，心電信號在不同個體或者相同個體的不同時刻的幅值也不盡相同，通過設置閾值進行檢測存在很大的難度，模板匹配法結合模糊模式識別實現了對心電信號的QRS波形檢測，但是模糊規則比較單一，心電信號是一種比較多變(不同個體的同一時刻心電信號不盡相同，同一個體的不同時刻心電信號也不盡相同)的信號，采用這種方法對心電信號檢測容易出現誤檢現象，模板匹配法雖然存在原理簡單的優點，但也存在對高頻噪聲和基線漂移過度敏感的缺點；

心電信號的分類是自動檢測的最終目標。隨著心電信號自動檢測的發展越來越多的方法被采用，模板匹配法、統計方法、神經網絡法和基于支持向量機的方法被廣泛應用于心電信號分類中。模板匹配法對模板的訓練需要全面，若有些異常波形沒有訓練，那么進行模板匹配時便無法檢測出來，其次對模板進行訓練會花費大量的實踐。

發明內容

本發明的目的在于提供心電信號波形的檢測研究方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：心電信號波形的檢測研究方法，包括以下步驟：

步驟一：心電信號類型的選擇，深度神經網絡參數是根據預先設計的學習規則對輸入的心電樣本進行學習，不斷優化得到的，因此要選擇合適的心電信號類型送入網絡中進行學習訓練；

步驟二：心電信號特征選擇，利用現有算法提取心電特征會在提取過程中造成心電特征信息損失，完整的心拍中保留了心電信號中所有的信息；

步驟三：深度神經網絡學習參數設置，深度神經網絡的學習率、網絡誤差等學習參數的設置對網絡訓練有著至關重要的影響，在網絡設計過程中要對學習率、網絡誤差的選擇進行優化。

優選的，所述步驟二中還包括利用深度神經網絡對完整心拍自學習避免了特征提取過程中的心電信息損失，有利于優化深度神經網絡的參數，提高網絡對ECG信號的識別率。

優選的，所述步驟三中的深度神經網絡對心電信號識別分類包括：

A：在軟件平臺上讀取標注好的心電數據庫中的ECG信號；

B：數據庫中的心電信號帶有干擾噪聲，影響自適應差分閾值法對心電信號中R波的準確檢測，采用雙重濾波對心電信號進行去噪，心電信號濾波去噪有利于心電識別分類過程中避免噪聲的干擾，提高心電信號識別分類率；

C：合適的心電特征更能表達心電信號信息，心電信號特征信息保留在完整的心拍中；