[發明專利]基于殘差神經網絡的冠心病心電圖篩查系統及方法

在審

• 申請號: 202011467895.1
• 申請日: 2020-12-14
• 公開（公告）號: CN112617856A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 駱源;雷銳
• 申請（專利權）人: 上海交通大學
• 主分類號: A61B5/352
• 分類號: A61B5/352;A61B5/355;A61B5/349
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種基于殘差神經網絡的冠心病心電圖篩查系統，其特征在于，包括：

心電信號處理模塊：提取心電圖機產生心電信號，使用symlets4小波對心電信號進行多層分解去噪，尋找心電信號轉換的心電序列數據中R波的位置，并以其為基準進行心拍分割；

深度特征提取模塊：針對經過心電信號處理模塊處理過的數據進行平移和縮放來數據增強，并使用包含擠壓和激勵網絡模塊的ResneXt50網絡提取十二導聯心電圖的深度特征；

樹形模型預測模塊：將深度特征提取模塊提取的深度特征與心電圖機數據進行結合，輸入訓練好的XGBoost模型得到心電圖中出現冠心病心電特征的預測概率。

2.根據權利要求1所述的基于殘差神經網絡的冠心病心電圖篩查系統，其特征在于，所述心電信號處理模塊使用symlets4小波對心電信號進行多層分解去噪時，將尺度為1、6和7的系數置為零的方式去除漂移、肌電和工頻噪聲。

3.根據權利要求1所述的基于殘差神經網絡的冠心病心電圖篩查系統，其特征在于，所述深度特征提取模塊中，使用包含擠壓和激勵網絡模塊的ResneXt50網絡提取特征時，在全連接層之前同時采用平均池化和最大池化操作。

4.根據權利要求1所述的基于殘差神經網絡的冠心病心電圖篩查系統，其特征在于，使用所述樹形模型預測模塊時，只需將心電圖可擴展標記語言文件放到程序指定位置，先經過神經網絡得到神經網絡提取的512維特征，再將這些特征與心電圖機的提取的波形信息結合，輸入XGBoost模型，即可得該名檢測者出現冠心病心電特征的概率。

5.一種基于殘差神經網絡的冠心病心電圖篩查方法，其特征在于，包括如下步驟：

步驟1：將心電圖機產生的xml文件中的十二導聯心電序列數據和心電特征數據提取出來，并對心電序列數據進行小波變換去噪，使用心拍分割算法將心電信號進行分割，最后進行填充得到固定長度的心電數據；

步驟2：將步驟1得到的數據進行數據增強提高系統的魯棒性，然后輸入訓練好的包含擠壓和激勵網絡模塊的ResneXt50網絡，提取512維深度特征；

步驟3：將提取到的深度特征與心電圖機得到的10維心電圖特征拼成522維數據，通過數據輸入訓練好的XGBoost模型進行判斷，得到待篩查者心電圖具有冠心病相關心電特征的的概率。

6.根據權利要求5所述的基于殘差神經網絡的冠心病心電圖篩查方法，其特征在于，所述步驟1中選取Symlets4小波函數對心電信號進行7個尺度的分解，將小波分解的低頻信號視為心電信號的基線漂移。

7.根據權利要求6所述的基于殘差神經網絡的冠心病心電圖篩查方法，其特征在于，所述步驟1中對尺度1的小波系數使用硬閾值方法過濾細節系數，直接將其置為零，壓制基線漂移噪聲；尺度6和尺度7的小波系數代表工頻、肌電噪聲，直接將其小波系數置為零，通過小波重構獲得去噪后的心電信號。

8.根據權利要求5所述的基于殘差神經網絡的冠心病心電圖篩查方法，其特征在于，所述步驟1中對心電圖進行心拍分割，將大于心電圖最大值乘以0.6的值作為R波的位置，并截取前面0.35個周期和后方0.65個周期的長度作為心拍。

9.根據權利要求5所述的基于殘差神經網絡的冠心病心電圖篩查方法，其特征在于，所述步驟2中得到去噪后的十二導聯心電心拍數據后，通過生成隨機數的處理進行數據增強：

如果隨機數小于0.5，則不進行處理；

如果隨機數大于0.5，則隨機在均值為1，標準差為0.1的正態分布上取一個值a，將值a乘以心電序列的每一個值，然后隨機生成一個-20至20之間的偏移量b，讓心電序列中的每個值都加上偏移量b。

10.根據權利要求5所述的基于殘差神經網絡的冠心病心電圖篩查方法，其特征在于，所述步驟3中數據進入網絡后經過一個1維卷積層和最大池化層后，進入重復的瓶頸層中，最后經過平均池化和最大池化層轉換為一維數據后，經過全連接層，得到最終的預測值。