[發明專利]一種基于深度學習和特異性矯正在FECG上胎兒心率檢測系統

有效

• 申請號: 202110005160.5
• 申請日: 2021-01-05
• 公開（公告）號: CN112826513B
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 袁燁;薛博陽;程騁;黃程;朱紅玲;楊曉云;張永;艾晨芳
• 申請（專利權）人: 華中科技大學
• 主分類號: A61B5/344
• 分類號: A61B5/344;A61B5/349
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 胡秋萍;李智

1.一種基于深度學習和特異性矯正在FECG上胎兒心率檢測系統，其特征在于，所述系統包括：

預處理模塊，用于從胎兒心電圖對應的原始心電信號消除部分母體心電信號，使得胎兒QRS波不被淹沒在母體QRS波，得到預處理后心電信號；

胎兒心拍定位模塊，用于將訓練好的長度為一個胎兒QRS波段時長的一維胎兒心拍分類器以窗口形式在預處理后心電信號上滑動，得到存在胎兒心拍的概率序列；

特異性矯正模塊，用于使用訓練好的特異性矯正網絡對每個新輸入的經由胎兒心拍定位模塊得到的心拍概率序列進行微調以消除個體差異；

心率計算模塊，用于在特異性矯正后的概率序列中定位出最有可能存在胎兒心拍的節點，進一步統計出每分鐘心拍節點的數目作為胎兒心率；

所述特異性矯正網絡為Bi-LSTM，采用以下方式訓練：

(1)將數據集劃分為基于Intra-patient的全局數據集和基于Inter-patient的個體數據集；

(2)使用全局數據集訓練出一個全局分類器；

(3)使用個體數據集，每次輸入一個新個體，使用全局分類器進行胎兒心電檢測，對于每一個新輸入的個體心電信號，通過滑動窗口檢測后會得到一個各位置存在胎兒心拍的概率序列，將新個體的心拍標簽制作成等長的序列，將標簽中存在心拍的地方置為1，其余位置為0；

(4)將概率序列作訓練集，和制作的心拍標簽序列同輸入到一個Bi-LSTM矯正網絡，得到一個矯正概率序列。

2.如權利要求1所述的系統，其特征在于，所述預處理模塊采用獨立成分分析作預處理。

3.根據權利要求1所述的系統，其特征在于，所述一維胎兒心拍分類器通過以下方式訓練：

從訓練集中的心電信號上截取片段構建訓練樣本，將截取的包含胎兒R波的片段劃分為正樣本，其余背景片段劃分為負樣本，以此訓練一個二分類的心拍片段分類器。

4.如權利要求3所述的系統，其特征在于，所述一維胎兒心拍分類器包括卷積神經網絡CNN、殘差網絡、長短期記憶網絡LSTM、全連接層FCN和SoftMax層，其中，

所述卷積神經網絡CNN，用于對預處理后的胎兒心電信號進行特征提取，得到胎兒心拍及背景片段的高維抽象特征；

所述殘差網絡，用于將原始信號與卷積神經網絡的輸出拼接后，傳遞給長短期記憶網絡LSTM；

所述長短期記憶網絡LSTM，用于對卷積神經網絡和殘差網絡輸出的胎兒心電信號進行時間序列上特征的分析提取，得到胎兒心電圖的時域特征；

所述全連接層FCN，用于整合LSTM最后一層的輸出和CNN的輸出；

所述SoftMax層，用于將FCN層的輸出進行SoftMax變換，得到特征空間映射后的分類結果。

5.如權利要求4所述的系統，其特征在于，分類器輸出一串概率序列，代表原始信號上各位置存在心拍的概率，將概率低于50％的節點默認不存在心跳，在大于50％的片段采用非極大值抑制算法保留存在心拍概率最大的位置節點。

6.如權利要求4所述的系統，其特征在于，所述SoftMax層的損失函數為：

loss(x_i)＝-(|0.5-score(x_i)|)^-α·log score(x_i)

其中，score(x_i)表示樣本x_i的得分，參數α用于控制難易樣本的權重。